Agenda - CDO Forum: All About Data
Tematyka CDO Forum 2024
Fundamenty Data Management zawsze aktualne: Data Governance, Master Data Managemet, organizacja i architektura danych
Regulacje dotyczące obszaru danych: obszar compliance wpływające na to, co firmy mogą robić z danymi: Data Act, Data Governance Act, AI i in.
Sztuczna inteligencja: Konferencja podejmuje zarówno tematy zaawansowanej analityki, wykorzystującej ML/LLM – jak i przygotowania danych oraz Data Governance w kontekście rozwoju AI
Wartość danych: wzbogacanie danych, korzystania z zewnętrznych źródeł danych, monetyzacja danych, tworzenie nowych produktów i usług w oparciu o dane
Analityka danych: podejmowanie decyzji w oparciu o danej, Big Data, Business Intelligence, data mining, cloud computing i advanced analytics, demokratyzacja danych, jakość danych, analytics governance, wizualizacja i data storytelling, data science, edge analytics, projektowanie systemów analitycznych, ekstrakcja wiedzy z danych, analiza ryzyka, przetwarzanie języka naturalnego
Perspektywa obszarów biznesowych: W agendzie konferencji CDO Forum poza obszarem działów danych, BI czy IT zwracamy uwagę na kontekst różnych obszarów biznesowych: takich jak finanse, controlling, marketing, e-commerce, sprzedaż i HR, co pozwala uczestnikom znaleźć wspólne płaszczyzny i rozwiązania dla swoich obszarów.
Najważniejsze ogniwo czyli człowiek: zarządzanie zespołami data, relacje czyli komunikacja w kontekście danych, współpraca z zarządem i działami biznesowymi, kooperacja z działem IT, budowanie pozycji lidera
W agendzie m. in.:
Key goals of a data management maturity assessment. Data Management/Governance maturity frameworks. A high-level approach to performing a data management maturity assessment. Trends in data management maturity 2019-2023.
For many decades, data has been imprisoned in proprietary file formats imposed by commercial (and open-source) DBMS platforms. The next generation of lakehouse deployments will make use of Open Table Formats (OTFs) to unlock the full value of data by allowing fit-for-purpose engines to perform advanced analytics without the cost of moving or duplicating content for each data platform. This emerging technology provides ACID properties against lakehouse content without proprietary file formats and without engine lock-in. We predict that OTFs will revolutionize data warehouse and data lakehouse architecture across all industries.
• Learn about different OTFs such as Iceberg, Delta, and HUDI.
• Learn about OTF futures and industry trends related to open data.
• Learn how optimize your data lakehouse architecture to take advantage of OTFs.
Case Study z transformacji data mesh w organizacji finansowej.
Duża transformacja obszaru danych to nie tylko pasmo sukcesów i dobrych decyzji, szczególnie kiedy decydujesz się na podważenie status quo i proponujesz zupełnie nowy model działania.
Wiele osób mówiąc o Data Mesh opisuje, jak teoretyczny koncept mógłby pomóc organizacjom w wykorzystaniu danych. Zamiast tego posłuchaj, jak wygląda podejście Data Mesh w praktyce. Co się udało osiągnąć, ale przede wszystkim co nie zadziałało, przez 2 lata od rozpoczęcia transformacji Data Mesh. Wyciągnij wnioski dla siebie, aby uniknąć (jeśli to możliwe) podobnych błędów.
Nadeszły czasy powszechnego, wzmożonego zainteresowania obszarem AI. Także w biznesie, w szczególności dużych przedsiębiorstwach tworzone są komórki i działy dedykowane AI - a menedżer z "AI" w nazwie stanowiska staje się obiektem szczególnego zainteresowania ze strony zarządów i działów biznesowych. Czy 'dyrektorowi ds danych' warto zostać 'dyrektorem ds. danych i AI'? Jak zawalczyć o taką pozycję w organizacji? Czego to wymaga i z czym się to wiąże? W jakiej organizacji i branży ma to sens? Czy objęcie obszaru AI jest tożsame z przejęciem roli CAO - Chief Analytics Officer'a? Czy obecne zainteresowanie tematem AI faktycznie pomoże w realizacji misji Chief Data Officera?
Jakość danych to absolutny fundament wszystkich projektów wdrożeniowych i pierwszy krok do budowy rozwiązań sztucznej inteligencji czy uczenia maszynowego. Ale strategia zarządzania jakością danych musi wykraczać poza zagadnienia ściśle techniczne, ale być częścią procesów w organizacji.
Słuchacze dowiedzą się jak jedna nieopłacona faktura operatora telekomunikacyjnego zatrzymała produkcję w całej fabryce, dlaczego strefy czasowe są istotne dla predykcji i trendów, czym są RIRO, SISO i GIGO, a także w jaki sposób błędne procedury i pomyłki ludzi wywołują kaskadę zdarzeń, które prowadząc do problemów z jakością danych.
Prezentacja na podstawie wdrożeń w polskich i zagranicznych firmach, głównie produkcyjnych, gdzie nie raz okazało się, że najlepszy model predykcyjny polegnie w starciu z błędnymi danymi. Celem prezentacji jest przekazanie praktycznych wskazówek, które mogą być stosowane przez profesjonalistów z obszaru danych w różnorodnych branżach, aby lepiej zarządzać jakością danych i wykorzystywać je efektywniej w procesach decyzyjnych i optymalizacyjnych.
Jesteśmy w przededniu ery post-cookie tzn. sytuacji, w której dane online stają się zbiorem niepowiązanych ze sobą obserwacji, a ich analiza możliwa jest tylko z wykorzystaniem modeli ML. Dodatkowo Komisja Europejska wprowadzając nowe legislacj, nie oszczędza firm, które chcą być data-driven. Prezentacja na temat wyzwań w pomiarze interakcji użytkownika w marketingu online, a co za tym idzie - potężnych problemach z budowaniem ścieżek zakupowych i oceną skuteczności mediów.
Niezależny konsultant analityczny dzieli się kilkuletnim doświadczeniem ze współpracy z różnej wielkości firmami: kiedy taka współpraca jest sensowna, a kiedy w ogóle nie warto rozważać takiego modelu,jakie jest zapotrzebowanie rynkowe na niezależnych analityków, jakie są wymagane kompetencje freelancera, rynkowe modele rozliczeń oraz typowe problemy.
Nie wszystkie duże organizacje z sektora finansowego posiadają dobrze zdefiniowaną architekturę systemową. Jeszcze rzadziej można spotkać architekturę danych. Tymczasem dobrze zdefiniowana architektura danych ułatwia i przyspiesza wdrażanie nowych projektów.
Coraz większa regulacja obszaru danych w UE, USA oraz podczas transferu danych poza EOG wymaga ścisłej współpracy działów data oraz cybersecurity. Tylko w ten sposób mogą zapewnić zgodność z przepisami i uniknąć ryzyk, jakimi są m.in. bardzo wysokie kary ze strony amerykańskich organów za wyciek danych amerykańskich obywateli. Praktyczne porady jak zabezpieczyć się przed czarnym scenariuszem.
Praktyczne rekomendacje zdobyte podczas budowania platformy danych w różnych przedsiębiorstwach w Europie: czy budowa platformy danych wymaga wiedzy sektorowej, czy jest to uniwersalne narzędzie dla różnych branż, pułapki, mity i błędne przekonania w tego typu wdrożeniach, przykłady, case study i dobre praktyki.
Wnioski z wdrażania generatywnej sztucznej inteligencji (genAI) przez Grupę Żabka: strategia budowy i wdrożenia genAI, z naciskiem na jej kluczowe zastosowania w różnych obszarach działalności firmy, roadmapa zastosowań tej technologii w ramach organizacji, z uwzględnieniem zalet genAI (efektywność pracowników i optymalizacja procesów), kwestie prawne i etyczne związane z zastosowaniem AI – jak Grupa Żabka radzi sobie z tymi wyzwaniami.
Czy zespół analityków musi się składać tylko i wyłącznie z introwertyków? Nie! Menedżer może tak dobierać współpracowników, aby uzyskać odpowiedni balans opinii i osobowości. Uczestnicy dowiedzą się także: jak burzyć głęboko zakorzenione w organizacji mity, czy inkluzywność może być merytoryczna, a nie polityczna, dlaczego stuprocentowa realizacja KPI-ów prowadzi do upadku firmy i jaki związek ma mądrość z klockami LEGO i co do tego ma przywództwo.
Dzień 0 - 4 czerwca - warsztaty onsite
This workshop will guide participants in implementing a data governance framework for key data architecture types.
The key aims of this workshop are:
- Demonstrate the relationship between an organisation profile, data architecture, and a governance framework
- Provide the method to develop a data governance framework for centralized and decentralised data architectures
- Demonstrate the influence of data architectures on setting up and governing core data management capabilities like data modelling, quality, governance, metadata management, and data lifecycle management
- Present an integrated approach to implementing these foundational capabilities