Rok mówienia, jak jest

0
219

Koniec świata w Roku Pańskim 2021 nie nastąpił, choć rychłą klęskę wieszczono. Ludzkość opór zarazie stawiła dzielny, a zwiastowano, że jej ulegnie. Światem nie zawładnęły maszyny, choć bojaźń ogarniała tych, którzy sztuczną inteligencję o knowania i chęć zniszczenia ludzkości posądzali. Rzeczywistość wirtualna nie spętała pokolenia nowego tak, by jedzenia i picia przez nią zaniechało i w czeluściach cyfrowych po wsze czasy zniknęło. W 2021 roku świat nie zginął i nie spłonął doszczętnie… ale i tak było ciekawie!

Powyższy wstęp jest parafrazą wstępu do Narrenturm, powieści historycznej Andrzeja Sapkowskiego. Podsumowując rok 2021, nie przez przypadek wybrałem właśnie tego autora. U Sapkowskiego uwielbiam fakt, że w jego powieściach zawsze występuje pewien profil postaci. To osoba lekko cyniczna, realista z tendencją do pesymizmu, który w sposób sarkastyczny, zabawny i szczery mówi, jak naprawdę jest.

A obserwując to, co działo się na rynku IT, w czasie konferencji branżowych i jakie zagadnienia poruszano w wielu publikacjach, ten rok był szczerym mówieniem, jak jest. Szczególnie w obszarze mojego zainteresowania – danych.

Krótka historia każdej technologii

Jednym z największych problemów w biznesowym zastosowaniu technologii jest marketing. A ściśle mówiąc, marketingowe nadmuchiwanie balona oczekiwań wokół kolejnej technologii, która na pewno zmieni świat. Zjawisku temu firma doradcza Gartner poświęciła zresztą osobny cykliczny raport dotyczący „hypu” technologicznego w różnych obszarach IT.

Istnieje więc standardowy cykl życia technologii informatycznej, który rozpoczyna się od tworzenia na nią mody. W pewnym momencie osiąga szczyt popularności i staje się przedmiotem zainteresowania setek konferencji czy publikacji. To chwila, w której spodziewamy się, że technologia, o której mówimy, „zbawi świat”.

Efektem wzrostowego trendu stają się liczne wdrożenia i okazuje się niestety, że oczekiwania były zbyt duże i technologia nie jest w stanie ich spełnić. Rynek zaczyna być wobec niej krytyczny, aż w pewnym momencie pojawiają się pytania, czy ma ona w ogóle sens.

W kolejnej fazie powoli wchodzimy w dojrzałe użycie danej technologii, rozumiemy jej możliwości i ograniczenia, a przez to wiemy, kiedy ją zastosować, a w jakich przypadkach nie jest to zasadne. I to jest moment, na który zawsze bardzo czekam. To wtedy możemy się zabrać do rzeczywistego wykorzystania technologii na potrzeby biznesu.

Piszę o tym, ponieważ z doświadczenia wiem, że we wdrażaniu technologii to nie ona jest najważniejsza. Ważni są ludzie. Ważna jest ich świadomość technologii, zarządzanie ich oczekiwaniami, otwartość na zmianę. I dlatego zarówno czas nadmiernych oczekiwań, jak i następujący po nim etap braku zaufania do konkretnej technologii są trudne dla osób, które naprawdę chcą wdrażać dane rozwiązanie i wspierać nim procesy biznesowe.

Na szczęście w 2021 zaobserwowałem wchodzenie w dojrzałość biznesową trzech kluczowych dla mnie obszarów technologicznych związanych z danymi.

Ekosystemy danych

Pierwszy z nich to coraz większa świadomość, że w naszych organizacjach musimy budować ekosystemy danych. Problemem kilku ostatnich lat było bardzo nośne marketingowo, a niestety nieprecyzyjne technicznie określenie big data. W tej idei wiele firm porzuciło rozwój swoich hurtowni danych lub zamiast zacząć je budować, zdecydowało się na tworzenie data lake.

Szybko okazało się, że data lake nie zastępuje hurtowni danych, a firmy, które weszły w projekty tego typu, odniosły w większości dotkliwe porażki. W ostatnich latach na kanwie tych nieudanych projektów pojawiły się stwierdzenia, że data lake są bez sensu i nie należy ich budować. W ostatnich miesiącach, czytając i słuchając zarówno ekspertów technicznych, jak i biznesowych, zauważam, że dojrzeliśmy do prawidłowego podejścia do problemu big data.

Podejście to zakłada uwzględnienie dwóch podstawowych założeń. Po pierwsze, należy dobierać technologię przechowywania i przetwarzania danych pasującą do naszego przypadku. Jeżeli w naszej organizacji przechowujemy głównie dane strukturalne, na przykład na temat finansów, sprzedaży czy obsługi klienta, to wystarczy nam budowa hurtowni danych. Jeżeli oprócz tego mamy duże zbiory danych związane z urządzeniami internetu rzeczy albo chcemy przetwarzać i analizować zdjęcia, dokumenty czy filmy, to warto wykorzystać oprócz hurtowni data lake.

Po drugie, warto wziąć pod uwagę wartość danych i rozpocząć budowę ich ekosystemu od zebrania tych najważniejszych i najbardziej wartościowych. W dziewięciu przypadkach na dziesięć będzie to oznaczało, że w pierwszej kolejności zaczniemy budować hurtownie danych, aby analizować i kontrolować nasze dane operacyjne: finanse, sprzedaż, marketing czy zarządzanie ryzykiem.

Łukasz Nienartowicz

Sztuczna inteligencja

Dwa lata temu określenie sztuczna inteligencja było odmieniane przez wszystkie przypadki. Było swego rodzaju słowem kluczem mającym przyciągnąć uwagę uczestników konferencji biznesowych. Było też chwytem umożliwiającym pozyskanie dofinansowań lub inwestorów przez mniejsze organizacje i startupy.

Oczekiwania były ogromne, ale i balon bardzo szybko pękł. Okazało się, że realne zastosowanie machine learning w biznesie jest dużo bardziej skomplikowane niż w przypadku innych technologii i niewiele organizacji jest w stanie wykorzystać drzemiący w nim potencjał.

W mojej ocenie w 2021 r. sztuczna inteligencja straciła trochę na popularności i w wielu sytuacjach słyszałem w jej kontekście opinie wskazujące na brak zaufania oraz przekonanie, że nie jest gotowa, aby w tym momencie stosować ją biznesowo. Była więc w marketingowym dołku.

Z drugiej strony pojawiły się dwie ważne jaskółki dające nadzieję na przyszłość. Po pierwsze, coraz więcej miejsca zyskuje obszar MLops, czyli budowania środowisk pozwalających na produkcyjne wykorzystanie modeli sztucznej inteligencji. W trakcie wielu konferencji technicznych poświęcono mu nawet osobne bloki, co wskazuje na dojrzewanie tego obszaru.

Po drugie, coraz częściej słyszy się o tym, że organizacje pracują nad jakością danych, tak aby w niedalekiej przyszłości móc skorzystać ze wsparcia sztucznej inteligencji. Coraz szersza dyskusja w tych dwóch obszarach wskazuje, że do strefy dojrzałości w wykorzystaniu tej technologii nie jest już daleko.

Klient w centrum

Stawianie klienta w centrum zainteresowania biznesu jest ważną ideą, znaną od wielu lat. Jedną z przeszkód do jej realizacji są przestarzałe architektury IT, w których centrum znajduje się zazwyczaj sprzedawany produkt. Problem jest szczególnie dotkliwy w branży ubezpieczeniowej, ponieważ tradycyjnie systemy IT są w niej zbudowane wokół polisy, a z racji wymagań prawnych samych systemów polisowych jest często kilka w organizacji. Przez ostatnie lata toczyła się dyskusja, jak te przestarzałe architektury IT przebudować, aby ułatwić czy wręcz w ogóle umożliwić naszym pracownikom skupienie się na potrzebach klienta.

Pozytywnym w tym kontekście faktem jest coraz więcej inicjatyw zakładających budowę centralnych systemów zarządzania danymi klientów, a na ich podstawie repozytoriów analitycznych opisujących widok 360 klienta. Jest to właściwe podejście do zarządzania danymi klientów w organizacji, ale diabeł jak zwykle tkwi w szczegółach.

Największym zagrożeniem dla tego typu inicjatyw jest pozorna łatwość w budowie tego rodzaju systemów. Zauważam, że wiele firm zakłada, że to prosty projekt, którego realizacja potrwa zaledwie kilka miesięcy. W rzeczywistości wdrożenie tego typu rozwiązań od zera to projekt na co najmniej dwa lata, a z wykorzystaniem gotowych komponentów do czyszczenia i konsolidacji klientów zajmie ok. pół roku do roku. Dzieje się tak, bo temat technicznie jest dużo bardziej skomplikowany, niż to na pierwszy rzut oka wygląda.

Rok 2022

Biorąc pod uwagę moje obserwacje w obszarze przetwarzania i analityki danych, patrzę na rok 2022 z dużą dozą optymizmu. We wdrażaniu technologii najtrudniej jest zmieniać ludzki sposób myślenia i nasze przyzwyczajenia.

I dlatego, obserwując coraz bardziej dojrzałe i rozsądne podejście do technologii obszaru danych, głęboko wierzę, że 2022 będzie czasem projektów i wdrożeń, które będą przemyślane i dobrze dopasowane do potrzeb naszych firm. A takie podejście daje ogromną szansę na ich sukces i w konsekwencji na prawdziwą rewolucję danych w naszych towarzystwach ubezpieczeniowych.

Łukasz Nienartowicz
Britenet