Relacja 2024 - CDO Forum: All About Data
Dzień 0 - 4 czerwca - warsztaty onsite
WYJĄTKOWE WARSZTATY ONSITE, DODATKOWO PŁATNE
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
Dzień I - 5 czerwca - konferencja
Sesja plenarna
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.
Prezentacja Snowflake AI Data Cloud wprowadzi uczestników w architekturę systemu oraz pozwoli im lepiej zrozumieć praktyczne zastosowania tej technologii dla działów technicznych i biznesowych.
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.
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?
Przerwa
Sesje równoległe
Sesja I
Anonimowe dane mogą stanowić podstawę do tworzenia rozwiązań, które poprawiają bezpieczeństwo, zwiększają wygodę i ułatwiają życie. By było to możliwe, musimy przez agregację i anonimizację upewnić się, że skupiamy się na ogólnych wzorcach behawioralnych. Taką możliwość dają informacje płynące m.in. z danych transakcyjnych, które stają się coraz pełniejsze dzięki rosnącej liczbie transakcji cyfrowych.
Sesja II
Budowa organizacji, która faktycznie, a nie tylko deklaratywnie zbiera, analizuje dane i na tej podstawie podejmuje optymalne decyzje, to zadanie wykraczające daleko poza dział IT lub danych. To poważna transformacja biznesowa i zmiana kulturowa. Musi uwzględniać m.in. kompleksową automatyzację procesów, ewolucję modelu operacyjnego oraz fundamentalną zmianę kulturową wewnątrz organizacji. Case study Orange: jakie strategie i praktyki są niezbędne, aby transformacja była efektywna i przyniosła długofalowe korzyści oraz czy wdrożenie AI powinno być rewolucyjnym skokiem czy ewolucją.
Sesja III
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.
Sesja I
Generative AI has quickly become a key priority for most businesses as it promises to provide scale, enhance productivity and unlock new business opportunities. In this session, we'll discuss the value of hybrid cloud and the big barriers that businesses must overcome in deploying generative AI models that are trustworthy.
Sesja II
Automatyzacja jest już integralną częścią każdego rozwiązania IT. Dlaczego zatem warto potraktować ją jako kluczowy element architektury platformy danych, wynosząc ją ponad pojedyncze komponenty i oczekując od niej znaczących rezultatów? Prezentacja na podstawie trzech przypadków z różnych branż pokazująca, że taka strategia może przynieść nie tylko wyjątkowe, ale przede wszystkim przewidywalne korzyści.
Sesja III
W przedsięwzięciach IT obejmujących wiele krajów czy regionów geograficznych, poziom komplikacji wynikający ze skali działań powoduje, że priorytety biznesowe i techniczne rozkładają się inaczej niż w projektach lokalnych.
Słuchacze dowiedzą się jak aspekt kulturowy, charakterystyka rynku, różni właściciele tego samego procesu, lub ich brak, różnice w katalogu produktów i rozwiązań sprawiają, że niewinne zadania projektowe potrafią urosnąć do rangi skomplikowanych i czasochłonnych zagadnień. Co jest kluczowe aby finalnie rozwiązanie odniosło sukces?
Prezentacja doświadczeń oraz spostrzeżeń dostawcy oraz konsumenta, zdobyta przy wspólnych wdrożeniach rozwiązań dla ponad 50 krajów, na 3 kontynentach, na przestrzeni ostatnich lat.
Sesja I
Dowiedz się, jakie są obecnie możliwości generatywnej sztucznej inteligencji (GenAI). Na podstawie doświadczeń ze zrealizowanych przez Chaos Gears projektów odpowiemy na pytanie, na czym właściwie polega “wdrażanie” GenAI i jak w praktyce wyglądają takie projekty. Podczas wystąpienia zaprezentujemy rozwiązania zbudowane z wykorzystaniem GenAI, przyjrzymy się najpowszechniejszym wyzwaniom związanym z wdrażaniem GenAI i podpowiemy jak sobie z nimi poradzić, aby uzyskać oczekiwane efekty. Wreszcie odpowiemy na pytanie, czy AI jest już w stanie sprostać realnym potrzebom klientów i jej implementacja w organizacji ma sens.
Sesja II
Data governance to klucz do opanowania świata danych, ale łatwiej się to mówi niż robi. O tym jak ten świat uporządkować - zwłaszcza kiedy danych jest naprawdę bardzo dużo - i przy okazji nie zwariować, opowie przedstawicielka największego polskiego hurtowego dystrybutora farmaceutyków. Zaprezentowany zostanie rzeczywisty przykład implementacji metamodelu oraz lineage danych między warstwami fizycznymi (źródło, docelowa lokalizacja) i logicznymi (KMD), zrealizowanej przez NEUCA z wykorzystaniem systemu CDO.tools firmy ValueTank.
Sesja III
Wykorzystanie wstępnie wytrenowanych modeli podstawowych redukuje koszty - tworzenie własnych modeli jest czasochłonne i kosztowne. Dla przedsiębiorstwa kluczowe znaczenie ma wiarygodność modeli oraz zdolność do efektywnego i bezpiecznego wykorzystania danych przedsiębiorstwa. Podczas wystąpienia opowiemy o podejściu IBM do AI Governace, które pozwala zminimalizować ryzyka związane z użyciem modeli AI.
Sesja I
Modern Data Quality, wykorzystująca algorytmy sztucznej inteligencji, całkowicie zmienia podejście do jakości danych. Zakładając, że dane, które posiadamy, są poprawne, platformy Modern Data Quality są w stanie na wczesnym etapie zidentyfikować nieprawidłowe dane oszczędzając czas i nerwy. Platformy są też w stanie w bardzo prosty sposób wykrywać zmiany w danych dokonane przez hakerów.
Sesja II
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.
Sesja III
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.
Obiad
Sesja plenarna
A report from MIT says, digitally mature firms are 26% more profitable than their peers. McKinsey consulting found that companies that are insight-driven report EBITDA increases of up to 25 percent. But many organizations are not successful in leveraging data, analytics, and digital/AI for improved business outcomes. According to Gartner, over 80% of the data and analytics projects fail. A joint study by IBM and Carnegie Melon University found that over 90% of data in an organization is never used for any strategic purpose. Against this backdrop, quality data holds the key provide business value. But most organizations are impaired with poor data quality. A HBR study found that just 3 percent of the data in a business enterprise meets quality standards. Research analyst firm Gartner found that 27 percent of data in the companies is flawed. According to Experian Data Quality, poor data quality impacts up to 12 percent of revenues. So, what are the key data quality best practices - patterns and anti-patterns companies can adopt today for better business outcomes? Does AI have the potential to revolutionize the field of data quality? In this presentation, Dr. Southekal will talk about the data quality best practices for improved business results. Specifically, he will discuss the rationale as to why each best practice matters in today’s business environment and offer prescriptive recommendations or solutions so that organizations can implement those data quality best practices.
Ogłoszenie zwycięzców drugiej edycji konkursu CDO Forum Awards, w którym nagradzamy najlepszych specjalistów oraz projekty z obszaru zarządzania danymi w Polsce. Nagrody zostaną wręczone w dwóch kategoriach: CDO LIDER ROKU oraz CDO PROJEKT ROKU.
Dyskusje roundtables
To element agendy konferencji angażujący wszystkich uczestników.
Ta sesja ma kilka celów. Po pierwsze, bezpośrednią wymianę opinii i doświadczeń w ramach konkretnego zagadnienia, interesującego daną grupę uczestników. Po drugie, możliwość spotkania i rozmowy z prowadzącym dane roundtable – zapraszamy bowiem do ich prowadzenia osoby o dużej wiedzy i doświadczeniu. Sesja roundtables to bardzo szerokie spektrum tematów i bogate grono wybitnych osobowości ze świata cybersecurity w roli prowadzących – tak, aby każdy uczestnik konferencji mógł znaleźć interesującą go najbardziej dyskusję i poznać w ten sposób innych uczestników zainteresowanych tą samą tematyką.
Tradycyjne narzędzia do analizy danych wymagają znajomości języków zapytań, co często bywa barierą dla osób bez technicznego wykształcenia. W czasach sztucznej inteligencji łatwiej niż dotychczas możemy demokratyzować dostęp do danych i analiz w wielu zespołach. Dzięki skutecznie zbudowanej hurtowni i uporządkowanym danym, a także wykorzystaniu sztucznej inteligencji, budujemy nie tylko jedno źródło prawdy w organizacji, ale też dajemy możliwość tworzenia zapytań przez osoby nietechniczne. Znacznie przyspiesza to dostęp do kryjących się w danych wniosków i generuje nieoczywiste wcześniej zapytania. Jak budować z pomocą nowoczesnych narzędzi kulturę łatwego dostępu do danych dla różnych działów? Jakie są doświadczenia uczestników stolika w tym zakresie?
Nawet najbardziej wyrafinowany i świetnie przemyślany projekt z obszaru danych, analityki czy sztucznej inteligencji polegnie w starciu ze złej jakości danymi. Jakie narzędzia IT dobrać, aby zapewnić odpowiednią jakość danych i stale ją monitorować? Jak budować kulturę w organizacji, zwłaszcza na stanowiskach liniowych, na których wraz ze wzrostem odległości od centrali organizacji, rośnie pokusa, żeby zanadto nie przejmować się kwestią jakości danych?
Wybuch popularności sztucznej inteligencji powoduje, że w wielu organizacjach pojawia się presja: koniecznie szybko wdrażajmy AI, bo wszyscy to robią. O ile dzisiejszy pośpiech wynika głównie z obawy, że coś przegapimy, to praktyka pokazuje, że nie zawsze sztuczna inteligencja jest najlepszym rozwiązaniem problemów biznesowych. W którym kierunku będziemy szli: czy rozwój AI doprowadzi do tego, że te systemy się staną taką samą oczywistością w każdej organizacji jak komputer czy telefon komórkowy, czy może znajdą swoją specyficzną niszę, ale nie będą „must have” każdej organizacji? Jakie branże najbardziej potrzebują wsparcia AI? Jak wygląda opłacalność projektów sztucznej inteligencji? Czy AI będzie służyć generowaniu nowych produktów i usług, czy tylko optymalizacji procesów?
Coraz częściej działy „data” albo „data and analytics” zmieniają nazwę na „data and analytics and AI”. Czy to jest optymalny scenariusz? Kto powinien wdrażać i rozwijać projekty AI w organizacjach? Działy danych, działy IT, a może wydzielone komórki ds. sztucznej inteligencji, dla których dział danych dostarczy tylko „paliwa” w postaci dobrej jakości odpowiednio przygotowanych danych? Jaki scenariusz jest optymalny w różnych branżach? Gdzie są kompetencje dotyczące technologii ale też odpowiedniego zrozumienia procesów biznesowych? Jak uniknąć wewnętrznych wojen między działami o budżet i zakres odpowiedzialności?
Fundamentem są oczywiście dane, które firma sama tworzy i zbiera: dane o klientach gromadzone w CRM, informacje z czujników, dane sprzedażowe i finansowe, trasy pojazdów, etc. Czasami trzeba zejść z utartych ścieżek i sięgnąć po dane z zewnątrz: od informacji pogodowych, poprzez dane finansowe o kursach walut, akcji czy surowców. Jak jednak pozyskiwać dane, których nie można zakupić od dostawcy i wpiąć się API? Jak sięgać dane, których nikt nie ma? Czy z pomocą może przyjść… analiza danych, które dzisiaj znajdują się w data lake, czyli nieustrukturyzowanych formach? Jak sięgać po dane z nieoczywistych źródeł, ale zapewniając zgodność z przepisami, m.in. RODO? Czy data market place albo data clean room są rozwiązaniem tego problemu? Jak wzbogacać dane?
Według Barometru Retail z 2023 roku 75% firm z sektora handlowego nie wykorzystuje potencjału danych. Jednocześnie koszty składowania petabajtów danych w dużych organizacjach mogą być kosztowne. Jak podejść krytycznie do zbierania danych, aby gromadzić faktycznie te najcenniejsze i rzetelnie je analizować, zamiast tonąć w zalewie danych, z których większość nie zostanie nigdy wykorzystana, będzie jedynie obciążać koszty storage?
W wielu organizacjach dział danych jeszcze nie odkrył jak zarobić na danych, które gromadzi. O ile optymalizacja procesów, podnoszenie ich jakości, lub analiza danych o kliencie, w celu targetowania marketingu są oczywistymi scenariuszami, to prawdziwa wartość biznesowa kryje się w danych, które służą np. generowania nowych produktów lub usług. To w danych można znaleźć jakąś grupę klientów, która nie jest odpowiednio zaopiekowana. Najbardziej kreatywni potrafią wykorzystać dane, które są nieprzydatne organizacji do stworzenia oferty z firmami z innych branż. Jak monetyzować dane pozostając w zgodzie z obowiązującym prawem?
Przerwa
Sesje równoległe
Sesja I
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.
Sesja II
Kluczowe elementy i sprawdzone działania, by uruchomić projekt Data Governance i jednocześnie utrzymać wysoki poziom zaangażowania całej organizacji.
Sesja III
Na wejściu: 1 050 000 stron gazet z lat 1845-1939. Na wyjściu: encyklopedia opisująca 205 000 osób opisanych w tych gazetach. Narzędzia: jeden człowiek, dwa komputery i trochę umiejętności z dziedziny data science. Żadnych grantów. Prezentacja krok po kroku, jak się robi dysrupcję naukom humanistycznym.
Sesja I
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.
Sesja II
Case study: jaką drogę przeszła Neuca od jednego raportu wygenerowanego przez dział danych, do raportów inicjowanych przez biznes, których ilość wymagała wprowadzenia automatyzacji. Jakie działania zostały podjęte, aby w organizacji zbudować zrozumienie dla tematu jakości danych.
Sesja III
Gdy wysokie stopy procentowe skłaniają wszystkich do poszukiwania szybkich zwrotów z inwestycji, genAI powinno być postrzegane jako turbodoładowanie dla innowacji. Przyspiesza czas potrzebny na przekształcenie pomysłu w rzeczywistość i pozwala organizacjom eksperymentować z wieloma koncepcjami na raz, aby zobaczyć, które naprawdę się sprawdzają. Jednak gdy gotowość organizacyjna do zmiany podejścia jest niewystarczająca, cytat "lepiej prosić o wybaczenie niż o zgodę" nabiera mocy. Prezentacja oprze się o studium przypadku, które pokazuje, jak rozwiązanie oparte na LLM zostało wprowadzone do produkcji w myśli zasady "wybaczenie > zgoda", oraz jak zostało to odebrane wewnętrznie (spoiler: nie wszyscy byli zadowoleni!).
Sesja I
Duża popularność rozwiązań AI pobudza do myślenia o korzyściach z ich wykorzystania oraz o ryzykach związanych z pozostaniem w tyle w tym wyścigu. Pośpiech powoduje, że wiele decyzji w tym obszarze opiera się na ogólnej wiedzy i intuicji.
Podczas prezentacji przedstawione zostaną pułapki myślenia, z jakimi można spotkać się podczas wdrażania zaawansowanej analityki w organizacji, ich konsekwencje oraz możliwe alternatywne kierunki działania.
Sesja II
Im większa organizacja, obecna w wielu krajach, tym większa trudność w uzyskaniu jednolitego data governance. Szczególnie trudne jest to w globalnych firmach finansowych, które muszą pogodzić jednolite raportowanie na poziomie grupy, z wymogami lokalnych regulatorów – nawet w kilkudziesięciu krajach. Na przykładzie poprawy procesu obsługi klienta pokazane zostanie, jak zastosować metryki danych do oddolnego układania jej architektury, wychodząc od potrzeb biznesowych.
Spotkanie zamknięte
Spotkanie dostępne tylko dla członków DAMA Poland Chapter
Wieczór specjalny
Spotkanie integracyjno-networkingowe dla wszystkich uczestników odbędzie się w Arco Bowling, gdzie wszyscy spędzą czas w miłej atmosferze z poczęstunkiem i napojami, a chętni rozegrają turniej gry w kręgle.
Bitwy Warszawskiej 1920 r. 19
02-366 Warszawa-Ochota
19.00 - Rozpoczęcie eventu wieczornego wraz z kolacją
20.00 - Turniej gry w kręgle
Dzień II - 6 czerwca - warsztaty online
Warsztat z praktycznego wykorzystania narzędzi IBM® watsonx.ai™, które ułatwiają bezpieczne wdrożenia rozwiązań wykorzystujących sztuczną inteligencję.
Chęć wdrożenia rozwiązań AI w organizacji napotyka wyzwania związane z dwoma obszarami: jakość danych oraz governance, czyli zapewnienie odpowiedniego poziomu etyki modelu.
Spadek jakości danych jest związanya z ich rosnącą ilością – im więcej danych, tym trudniej zachować ich odpowiednią jakość. Aż 82% organizacji odnotowuje ograniczenia z powodu silosowości danych, a wg IDC do 2025 r. ilość danych w organizacjach wzrośnie dwuipółkrotnie! Rozwiązaniem tego problemu miały być data lake (jeziora danych), ale w praktyce zarządzanie nimi przy dużej skali okazało się skomplikowane, a co za tym idzie – kosztowne. Dlatego pojawiła się nowa koncepcja: data lakehouse, która łączy zalety data lake i hurtowni danych. Tylko odpowiedniej jakości dane, zapewniają skuteczne działanie modeli sztucznej inteligencji.
Wyzwaniem jest też zapewnienie odpowiedniego AI governance, czyli upewnienie się, że model będzie działał w sposób etyczny. Przykładem mogą być wszelkiego rodzaju chatboty kontaktujące się z klientem końcowym. Samo wytrenowanie modelu, nie gwarantuje, że nie będzie on halucynował, albo namawiał do zachowań nieetycznych.
Jak w takim razie wdrożyć model sztucznej inteligencji z zachowaniem jakości danych oraz AI governance? Podczas warsztatu eksperci z Goldenore i IBM przedstawią praktyczne zastosowanie narzędzi IBM® watsonx.ai™, IBM® watsonx.data™ i IBM® watsonx.governance™, które umożliwiają monitorowanie modeli, zarządzanie zasobami oraz ryzykiem AI. Dodatkowo omówiona zostanie też warstwa danych (watsonx.data) – dedykowana i sprofilowana pod zastosowania klasycznej i generatywnej AI. Wszystko to, aby zwiększyć możliwości biznesowego wykorzystania oraz poziom adaptacji AI w organizacjach.
Uczestnicy dowiedzą się które organizacje staną przed wyzwaniem dostosowania się do nowych regulacji w obszarze danych, jakie będą miały obowiązki i jakie ryzyko wiąże się z ich niewypełnianiem. Warsztaty pozwolą uczestnikom dostrzec wagę nowych regulacji i rozpocząć planowanie procesu zapewniania zgodności ich organizacji z nowymi wymogami prawnymi.
Podczas warsztatu eksperci z kancelarii Bird & Bird przeanalizują Data Act oraz AI Act pod kątem zakresów regulacji i ram czasowych ich obowiązywania, prawnych aspektów zarządzania danymi w organizacji oraz skutków niewywiązywania się z obowiązków wynikających z obu regulacji.
Od uczestników warsztatu nie jest wymagana wiedza na temat danych regulacji.
Prowadząc rozważania na temat Data Governance zadawałeś sobie z pewnością pytanie: Czy warto inwestować w Data Governance? W jaki sposób argumentować podejmowane decyzje o wdrażaniu zaawansowanych metod zarządzania danymi i jakie metodologie zastosować kiedy:
- nie widać lokalnych benchmarków w obszarze Data Governance i porównywalnych mierników oceny dojrzałości organizacji w tym zakresie;
- brakuje możliwości odniesienia rezultatów transformacji cyfrowych w organizacjach, które realizują takie inicjatywy;
- nie ma wystarczającej wiedzy na temat nowoczesnych metod i standardów zarządzania danymi;
- doskwiera brak doświadczenia w zakresie umiejscowienia ról Data Governance w organizacjach?
DAMA Poland Chapter wraz z partnerami podjęło się wyzwania, które pomoże odpowiedzieć na najważniejsze pytania każdego Chief Data Officera, zarówno na starcie transformacji w obszarze danych, jak i na każdym etapie tej fascynującej podróży w świecie danych.
Korzystając z doświadczeń ekspertów od danych w Polsce i na forum DAMA EMEA, opracowaliśmy framework pierwszego w Polsce, kompleksowego badania dojrzałości organizacji w zakresie Data Governance, opierającego się na metodologii DAMA, jak też na indywidualnych doświadczeniach uczestników tego projektu.
Goście Specjalni CDO Forum: All About Data 2024
Prelegenci CDO Forum: All About Data 2024
Rada Programowa CDO Forum: All About Data 2024
ORGANIZATORZY
DAMA Poland
Stowarzyszenie DAMA Poland to organizacja zrzeszająca profesjonalistów zajmujących się danymi.
Działamy w ramach organizacji DAMA International – The Global Data Management Community – międzynarodowej organizacji posiadającej swoje autoryzowane przedstawicielstwa w wielu krajach na świecie. Skupiamy osoby, które chcą działać na rzecz promowania wiedzy, wymiany doświadczeń, jak również promowania wysokich profesjonalnych standardów w obszarach związanych z wykorzystywaniem, przetwarzaniem i ochronią danych oraz informacji.
Evention
Evention to firma z 11-letnią historią, znana z tworzenia programów wymiany wiedzy i rozwoju społeczności (poprzez organizację regularnych spotkań i konferencji) dla dyrektorów, menedżerów i ekspertów odpowiedzialnych za obszar technologii, bezpieczeństwa i cyfryzacji. Firma Evention realizuje od lat uznane na rynku konferencje branżowe, cykliczne spotkania dedykowane dla managerów oraz publikacje specjalne (raporty, projekty badawcze). Robimy w Evention rzeczy wyjątkowe i niepowtarzalne – a w swoim obszarze rynku jesteśmy liderem. Potwierdzeniem tego są zdobyte wyróżnienia i nagrody: Gazeli Biznesu 2023 (przyznawany przez Puls Biznesu) oraz Diamenty Forbesa 2023. To prestiżowe rankingi pokazujące najbardziej dynamicznie rozwijające się firmy MŚP, gotowe sprostać współczesnym wyzwaniom rynku. Więcej o nas na stronie: www.evention.pl.
PARTNER GENERALNY
Snowflake
Snowflake enables every organization to mobilize their data with Snowflake’s Data Cloud. Customers use the Data Cloud to unite siloed data, discover and securely share data, power data applications, and execute diverse AI/ML and analytic workloads. Wherever data or users live, Snowflake delivers a single data experience that spans multiple clouds and geographies. Thousands of customers across many industries, including 639 of the 2023 Forbes Global 2000 (G2K) as of July 31, 2023, use Snowflake Data Cloud to power their businesses. Learn more at snowflake.com
PARTNERZY STRATEGICZNI
Ab Initio
Ab Initio Software is the top supplier of enterprise data and metadata management software. Numerous leading global corporations use the Ab Initio software for the development of enterprise mission-critical applications with unmatched performance and full scalability. The apps encompass the full spectrum of data processing tasks – from the real-time operating systems to batch processing analytical systems, from data warehouses to transactional systems.
Core to Ab Initio is a simple idea that everything should be graphical. Applications should be graphical. Rules should be graphical. Orchestration, metadata, data management, and so on – no matter how big or complex, all should be graphical.
With this in mind, we think that our experience supporting the mass scale and data volume, combined with our proven Hadoop capabilities, forms the basis of your needs today and in the future.
PwC Polska
W PwC naszym celem jest budowanie społecznego zaufania i odpowiadanie na kluczowe wyzwania współczesnego świata. Jesteśmy siecią firm działającą w 155 krajach. Zatrudniamy ponad 327 tysięcy osób, które dostarczają naszym klientom najwyższej jakości usługi w zakresie doradztwa biznesowego, technologicznego, podatkowo-prawnego oraz audytu. Polskie spółki PwC zatrudniają ponad 6500 osób, w tym ponad 2000 ekspertów IT. Dowiedz się więcej na www.pwc.pl.
Sprawdź, w jaki sposób współpracujemy z firmami w Polsce, budując organizacje data-driven: https://www.pwc.pl/pl/cfo-compass.html.
Dołącz do newsletterów PwC na https://pwc.to/3R8Hx3h.
PARTNERZY MERYTORYCZNI
Chaos Gears
Firmę Chaos Gears tworzy zespół inżynierów z ponad 20-letnim doświadczeniem. Chaos Gears specjalizuje się w dostarczaniu klientom rozwiązań opartych na generatywnej sztucznej inteligencji na platformie AWS. Zespół Data & AI w Chaos Gears implementuje rozwiązania oparte m.in. na modelach Anthropic Claude, Cohere, Meta i Mistral AI. Ponadto świadczy usługi z zakresu inżynierii danych, które pomagają klientom tworzyć bezpieczne, skalowalne i efektywne kosztowo środowiska do przechowywania i analizowania danych. Chaos Gears ma wieloletnią praktykę w konstruowaniu modeli uczenia maszynowego - wdrażamy i utrzymujemy niezawodne środowiska produkcyjne dla modeli ML. Poza usługami z zakresu Data & AI Chaos Gears zapewnia usługi w zakresie cyberbezpieczeństwa, oferuje pełną obsługę organizacji w zakresie technologii cloud, od migracji do chmury, po utrzymanie i optymalizację zasobów w chmurze, aż po usunięcie danych.
Więcej: www.chaosgears.com.
BitPeak
We are experts and advisors, combining business and technological expertise to deliver real business value measurable with time and money. We focus on reaching the set targets but are actively looking for new areas to optimize with a broad range of innovative, multi-cloud solutions.
We choose the best technological solutions in the field of data analytics to solve real problems. From integration of versatile data sources to valuable insights backed by AI, our ambition is to empower organizations and people through data.
Our knowledge and expertise comes from successfully completing numerous enterprise-scale projects around the world. We build better data solutions with teams of multiple cultures and approaches. In every project, our team has ensured the alignment and engagement of all stakeholders with successful and satisfying results.
We strive to empower organizations and individuals on every level of the company, providing them with the proper tools and means to transition into the highest level of data. We utilize our experience to offer a complete range of services, from building technological infrastructure and implementing tools for data management to creating a culture of engaged, innovative data users.
Everything to provide you with Value from Data. Learn more at bitpeak.com.
Cloudera
At Cloudera, we believe data can make what is impossible today possible tomorrow. We empower people to transform data anywhere into trusted enterprise AI so they can reduce costs and risks, increase productivity, and accelerate business performance. Our open data lakehouse enables secure data management and portable cloud-native data analytics, helping organizations manage and analyze data of all types on any cloud, public or private. With as much data under management as the hyperscalers, we’re the preferred data partner for the top companies in almost every industry. Cloudera has guided the world on the value and future of data and continues to lead a vibrant ecosystem powered by the relentless innovation of the open-source community. Learn more at Cloudera.com.
DataServe
W DataServe (dawniej BI Insight) od ponad 17 lat dostarczamy nowoczesne rozwiązania dla biznesu z zakresu przetwarzania i analizy danych oraz zarządzania wiedzą. Oferujemy szereg produktów i usług z wykorzystaniem mechanizmów uczenia maszynowego i sztucznej inteligencji. Od początku działalności naszą misją jest dostarczanie rozwiązań, które umożliwiają naszym Klientom pozyskiwać wiedzę znajdującą się w danych, by mogli podejmować trafniejsze decyzje.
Na przestrzeni ostatnich lat nasze doświadczenie i oferta poszerzyły się o zaawansowane rozwiązania i usługi w obszarach Data Science, Data Platform, AML/Fraud i Data Governance.
Wprowadziliśmy także własne produkty:
- DoRIS – platforma z obszaru inteligentnego przetwarzanie dokumentów i budowania inteligentnych baz wiedzy.
- Data Governance Suite – skalowalna i bezpieczna platforma zarządzania danymi w przedsiębiorstwie.
Dane są podstawą naszej działalności - pasjonujemy się nimi i dzięki naszemu bogatemu doświadczeniu wiemy o nich bardzo dużo. Dlatego możemy zapewnić profesjonalne wsparcie w każdym przypadku ich wykorzystania.
Engenious
Engenious jest renomowanym dostawcą usług informatycznych z mocnym doświadczeniem w sektorach produkcyjnym, energetycznym, FMCG, oraz finansowym.
Przy wsparciu zespołu liczącego ponad 150 specjalistów, dostarcza usługi od 2016. Firmę na rynku wyróżnia wieloletnie doświadczenie ekspertów w wiodących technologiach IT, co gwarantuje wysoką jakość dostarczanych projektów.
Rozumiejąc potrzeby biznesowe i technologiczne klientów, wdraża najnowsze technologie zarządzania danymi; modele uczenia maszynowego (Machine Learning, LLM). Specjalizuje się w projektowaniu architektury, aplikacjach biznesowych, chmurze publicznej (AWS, Azure), wirtualizacji, centrach danych, sztucznej inteligencji (AI), kontroli jakości i testach (QA), dokumentacji technicznej i rozwiązaniach DevOps.
Goldenore
Goldenore to wiodący dostawca rozwiązań przetwarzania danych w czasie rzeczywistym wykorzystujących technologie analityczne, sztuczną inteligencję oraz uczenie maszynowe. Dzięki naszym udokumentowanym sukcesom umożliwiamy organizacjom rozwój w erze cyfrowej, odblokowując pełny potencjał ich danych. Zapewniamy bezpieczeństwo przetwarzania danych i ich dostępność 24/7, co jest kluczowe dla efektywnego prowadzenia działalności biznesowej. Nasze doświadczenie i rozwiązania dostarczają naszym klientom realną wartość, często decydującą o ich przewadze konkurencyjnej. Jesteśmy dumnym wieloletnim partnerem Oracle oraz IBM, posiadającym bogate doświadczenie we wdrażaniu technologii obu vendorów.
Infinite Services
As an IT services company, we specialize in developing state-of-the-art data platforms for large enterprises. Our services are customized to meet the unique needs of each customer, ensuring they remain competitive in a rapidly evolving marketplace. With years of accumulated experience and a team of top industry experts, we bring unparalleled proficiency to every project, guaranteeing cutting-edge solutions and exceptional service well recognized by our customers.
Murdio
Nazywamy się Murdio i jesteśmy firmą konsultingową specjalizującą się w dostarczaniu organizacjom kompleksowej wiedzy na temat ich zasobów danych. Naszym głównym celem jest dostarczanie sprawdzonych rozwiązań w zakresie data discovery, katalogów danych, data marketplace’ów, data contracts, data lineage, a także z obszaru zarządzania danymi.
W Murdio rozumiemy ogromne znaczenie odblokowania wartości ukrytej w rozległych repozytoriach danych. Dzięki naszym usługom konsultingowym pomagamy organizacjom w wykorzystaniu pełnego potencjału ich danych. Niezależnie od tego, czy chodzi o katalog danych, data marketplace, czy procesy zarządzania danymi, naszym celem jest dostarczanie kompleksowych rozwiązań, które przynoszą wymierne wyniki biznesowe przy użyciu topowych i uznanych w tym celu narzędzi.
ValueTank
Value Tank pomaga klientom w zarządzaniu informacją (Data Governance) oraz zarządzaniu projektami (Project Portfolio Management). Ofertę, obejmującą usługi konsultingowe, nowoczesne rozwiązania informatyczne i szkolenia, kierujemy zarówno do przedsiębiorstw komercyjnych jak i do sektora publicznego. Wśród naszych klientów znajdziecie Państwo m.in.: NEUCA, Bank Credit-Agricole Polska, TVN S.A., Bank BGŻ BNP Paribas, Mercedes-Benz Polska, Urząd M. St. Warszawa, ORANGE Polska i wielu innych, z różnych sektorów gospodarki. Zapraszamy.
MECENASI
Billigence
We are a Business Intelligence & Data Analytics consultancy with a global reach bringing insights to our customers and delivering the best business outcomes using data. We leverage proven, cutting-edge technologies toprovide professional services in areas including data governance, cloud analytics, data architecture, data warehousing, data visualization, predictive modelling, data consolidation & enrichment, data quality and more. Our mission is to transform the way people work with data.
Headquartered in Sydney, Australia, and with offices in Prague, London, Frankfurt, Warsaw, Stockholm, Bengaluru, Singapore and San Diego, we are able to deliver our services globally, regardless of our customers’ location.
We partner with some of the world's most innovative data companies such as Snowflake, Collibra, Tableau, Alteryx, Microsoft, Matillion, Databricks, Keboola, Tangent Works, H2O and more.
Dataedo
Dataedo to rozwiązanie do zarządzania danymi (data governance) i katalogowania danych. Naszą misją jest pomoc firmom w pełnym wykorzystaniu potencjału ich danych, promowaniu demokratyzacji danych i ułatwianiu samodzielnego analizowania danych. Dzięki Dataedo firmy mogą udokumentować wszystkie swoje źródła danych i szczegółowo opisać tabele, kolumny, relacje, przepływy danych i raporty. Mamy klientów na całym świecie - zaufało nam już ponad 1,000 firm z 67 krajów na 6 kontynentach.
Quest
In IT, next is always around the corner – the next need, the next threat, the next technology. As a result, your challenges never stop. Neither do we. From platform migrations to cloud deployments to security and governance, we help you create true IT resilience for your data, infrastructure and systems.
Since 1987, we’ve provided software solutions for the constantly evolving world of enterprise IT. Quest solutions protect and empower users and data, streamline IT operations and harden cybersecurity from the inside out. We have the experience to help you manage and monitor your databases, take control of your hybrid environments and secure them all with security solutions that ensure you are ready for the next threat. We’re Quest - Where Next Is Now.
PATRONI
AI o AI
The "AI o AI" portal (aioai.pl) is a vibrant hub of knowledge on artificial intelligence. Here, you'll find the latest news, in-depth analyses, and inspiring articles that unravel the fascinating world of AI. It's the perfect spot for anyone who wants to stay ahead in the AI revolution, both professionals and enthusiasts alike.
DataOps Poland
DataOps Polska to miejsce wymiany doświadczeń, pomysłów i nowych idei z zakresu inżynierii danych, big data, devops. W naszej grupie jest ponad 2200 inżynierów i zorganizowaliśmy ponad 60 różnych wydarzeń w których wzięło udział ponad 5000 osób. Na naszym kanałe YouTube znajdziesz ponad 60 godzin nagrań. O naszym następnych kursach, szkoleniach oraz spotkaniach przeczytasz na www.dataops-academy.pl.
Ośrodek Przetwarzania Informacji – Państwowy Instytut Badawczy
Ośrodek Przetwarzania Informacji – Państwowy Instytut Badawczy to interdyscyplinarny instytut naukowy i lider w przetwarzaniu informacji o polskiej nauce. Głównym zadaniem instytutu jest ułatwianie szybkiego dostępu do aktualnej oraz kompleksowej informacji o polskiej nauce – to tu gromadzone są, analizowane i tworzone informacje o sektorze badań i rozwoju, o polskich naukowcach, projektach naukowych i aparaturze badawczej. Raporty tworzone na podstawie tych danych mają wpływ na kształtowanie polskiej polityki naukowej. Pracownicy OPI PIB tworzą inteligentne systemy informatyczne dla sektora publicznego oraz o zastosowaniu komercyjnym, prowadzą liczne prace badawcze, analizują działalność polskiego sektora badań i rozwoju oraz szerzej – świata nauki, a także badają, w jaki sposób nowe media kształtują społeczeństwo i wpływają na biznes i jak rozwija się sztuczna inteligencja. OPI PIB jest jednostką nadzorowaną przez Ministerstwo Nauki i Szkolnictwa Wyższego.
WARSZTATY ONSITE - 4 czerwca
Wyjątkowy warsztat onsite, dodatkowo płatny
4 June 13.00 - 17.00 | 4h
Description
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
Takeaways
Upon completing this workshop, participants will be able to:
- Develop or adjust a data governance framework that aligns with the organisation's objectives and data architecture
- Establish or redesign data governance, quality, metadata management, and other required capabilities to align with the chosen data architecture
- Create a roadmap and plan for an integrated implementation approach
Requirements for participants
No special requirements
2 weeks before the workshop, I will provide the set of templates and handouts. Participants should print them out.
Format
- Short lectures
- Individual exercises, based on:
- Made-up company business case OR
- A participant’s use case (recommended)
- Group discussions
- Participants will get set of templates and handouts (printed)
Agenda
- Data Management (DM) vs. Data Governance (DG)
- An approach to scoping the DG initiative
- A preliminary DG maturity assessment
- The concept of data architecture and its types:
- Centralized (i.e., DWH, data lake)
- Decentralized (i.e., business domain architecture, data mesh)
- The influence of data architecture types on the DG structure:
- DM/DG operating model
- DM/DG roles and accountabilities
- Data governance set up for core data management capabilities
- An integrated implementation approach
Bonus
I will give free 1-month access to a newly developed online Maturity assessment for a Data and Metadata Management Framework.
This assessment covers nine core data management capabilities and consists of 140 questions.
Leader
* Warsztaty w języku angielskim. Organizator nie zapewnia tłumaczenia.
WARSZTATY ONLINE - 6 czerwca
Warsztat z praktycznego wykorzystania narzędzi IBM® watsonx.ai™, które ułatwiają bezpieczne wdrożenia rozwiązań wykorzystujących sztuczną inteligencję.
Chęć wdrożenia rozwiązań AI w organizacji napotyka wyzwania związane z dwoma obszarami: jakość danych oraz governance, czyli zapewnienie odpowiedniego poziomu etyki modelu.
Spadek jakości danych jest związanya z ich rosnącą ilością – im więcej danych, tym trudniej zachować ich odpowiednią jakość. Aż 82% organizacji odnotowuje ograniczenia z powodu silosowości danych, a wg IDC do 2025 r. ilość danych w organizacjach wzrośnie dwuipółkrotnie! Rozwiązaniem tego problemu miały być data lake (jeziora danych), ale w praktyce zarządzanie nimi przy dużej skali okazało się skomplikowane, a co za tym idzie – kosztowne. Dlatego pojawiła się nowa koncepcja: data lakehouse, która łączy zalety data lake i hurtowni danych. Tylko odpowiedniej jakości dane, zapewniają skuteczne działanie modeli sztucznej inteligencji.
Wyzwaniem jest też zapewnienie odpowiedniego AI governance, czyli upewnienie się, że model będzie działał w sposób etyczny. Przykładem mogą być wszelkiego rodzaju chatboty kontaktujące się z klientem końcowym. Samo wytrenowanie modelu, nie gwarantuje, że nie będzie on halucynował, albo namawiał do zachowań nieetycznych.
Jak w takim razie wdrożyć model sztucznej inteligencji z zachowaniem jakości danych oraz AI governance? Podczas warsztatu eksperci z Goldenore i IBM przedstawią praktyczne zastosowanie narzędzi IBM® watsonx.ai™, IBM® watsonx.data™ i IBM® watsonx.governance™, które umożliwiają monitorowanie modeli, zarządzanie zasobami oraz ryzykiem AI. Dodatkowo omówiona zostanie też warstwa danych (watsonx.data) – dedykowana i sprofilowana pod zastosowania klasycznej i generatywnej AI. Wszystko to, aby zwiększyć możliwości biznesowego wykorzystania oraz poziom adaptacji AI w organizacjach.
Agenda
- Wyzwania związane z budową wydajnych i bezpiecznych aplikacji na modelach sztucznej inteligencji
- Koncepcja data lakehouse – jak rozwiązywać stare problemy z jakością danych w nowy sposób
- Data governance i AI governance
- Profesjonalne zastosowanie LLM do pracy z danymi strukturalnymi i nieustrukturyzowanymi (demo na żywo, na bazie modeli IBM)
- Pokaz na żywo działania platform IBM® watsonx.ai™, IBM® watsonx.data™ i IBM® watsonx.governance™
- Pytania i dyskusja
- Zależność obu regulacji i punktu styku z innymi obszarami regulowanymi w obszarze danych
Korzyści dla uczestnika
- Zbudowanie świadomości jak budować profesjonalne i bezpieczne aplikacje z wykorzystaniem dużych modeli językowych (LLM)
- Wiedza na temat podejścia do nowej organizacji danych (data lakehouse)
- Zwiększenie świadomość bezpieczeństwa w kontekście AI governance
- Praktyczne zapoznanie się z możliwościami platformy IBM® watsonx.ai™ na przykładzie aplikacji z wykorzystaniem dużych modeli językowych IBM
Wymagania – co uczestnik powinien wiedzieć/umieć, żeby w pełni skorzystać z udziału
Uniwersalny warsztat zarówno dla osób technicznych jak i dla przedstawicieli biznesu
Uczestnicy dowiedzą się które organizacje staną przed wyzwaniem dostosowania się do nowych regulacji w obszarze danych, jakie będą miały obowiązki i jakie ryzyko wiąże się z ich niewypełnianiem.
Podczas warsztatu eksperci z kancelarii Bird & Bird przeanalizują Data Act oraz AI Act pod kątem zakresów regulacji i ram czasowych ich obowiązywania, prawnych aspektów zarządzania danymi w organizacji oraz skutków niewywiązywania się z obowiązków wynikających z obu regulacji.
Agenda
- Data Act:
- Kogo dotyczą przepisy i od kiedy
- Obowiązki prawne związane z zarządzaniem danymi
- Ryzyka związane z niewypełnianiem ww. obowiązków
- AI Act:
- Kogo dotyczą przepisy i od kiedy
- Obowiązki prawne związane z zarządzaniem danymi
- Ryzyka związane z niewypełnianiem ww. obowiązków
Zależność obu regulacji i punktu styku z innymi obszarami regulowanymi w obszarze danych.
Korzyści dla uczestnika
Warsztaty pozwolą uczestnikom dostrzec wagę nowych regulacji i rozpocząć planowanie procesu zapewniania zgodności ich organizacji z nowymi wymogami prawnymi.
Wymagania – co uczestnik powinien wiedzieć/umieć, żeby w pełni skorzystać z udziału
Od uczestników warsztatu nie jest wymagana wiedza na temat danych regulacji.
Prowadząc rozważania na temat Data Governance zadawałeś sobie z pewnością pytanie: Czy warto inwestować w Data Governance? W jaki sposób argumentować podejmowane decyzje o wdrażaniu zaawansowanych metod zarządzania danymi i jakie metodologie zastosować kiedy:
- nie widać lokalnych benchmarków w obszarze Data Governance i porównywalnych mierników oceny dojrzałości organizacji w tym zakresie;
- brakuje możliwości odniesienia rezultatów transformacji cyfrowych w organizacjach, które realizują takie inicjatywy;
- nie ma wystarczającej wiedzy na temat nowoczesnych metod i standardów zarządzania danymi;
- doskwiera brak doświadczenia w zakresie umiejscowienia ról Data Governance w organizacjach?
DAMA Poland Chapter wraz z partnerami podjęło się wyzwania, które pomoże odpowiedzieć na najważniejsze pytania każdego Chief Data Officera, zarówno na starcie transformacji w obszarze danych, jak i na każdym etapie tej fascynującej podróży w świecie danych.
Korzystając z doświadczeń ekspertów od danych w Polsce i na forum DAMA EMEA, opracowaliśmy framework pierwszego w Polsce, kompleksowego badania dojrzałości organizacji w zakresie Data Governance, opierającego się na metodologii DAMA, jak też na indywidualnych doświadczeniach uczestników tego projektu.
Agenda
Kierując się mapą rozwoju Data Governance zawartą w metodologii DAMA, zapraszamy na tę wyprawę, podczas której dowiesz się:
- Jakie były przesłanki opracowania ankiety badania dojrzałości?
- Jakie założyliśmy cele badania oraz jakie metody przyjęliśmy?
- Jaki jest stan prac nad ankietą i zbieraniem wyników badania?
- Jak będą prezentowane wyniki i w jaki sposób możesz z nich skorzystać?
Korzyści dla uczestnika
Uczestnicy warsztatów zapoznają się z założeniami pierwszego w Polsce kompleksowego badania dojrzałości firm i organizacji w zakresie Data Governance. Uzyskają również możliwość przeprowadzenia szybkiej samooceny dojrzałości swojej organizacji.
Wymagania – co uczestnik powinien wiedzieć/umieć, żeby w pełni skorzystać z udziału
Uczestnicy warsztatów powinni posiadać:
- Świadomość celów jakie stawiane są przed Data Governance,
- podstawową wiedzę na temat Data Governance, ról, odpowiedzialności, procesów, miar, technik i narzędzi wykorzystywanych w poszczególnych obszarach DG.