Agenda - 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.
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
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
Sesja II
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
Sesja III
Sesja I
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.
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.
Roundtables
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?
Roundtables
Kto lepiej sprawdza się w dziale danych: matematyk, informatyk czy ekonomista? Ważniejsze jest formalne wykształcenie, późniejsze certyfikaty czy tylko praktyka? Jakie certyfikaty branżowe są gwarancją najwyższej jakości kandydatów? Jakie cechy charakteru powinien mieć dobry analityk? I przede wszystkim: jak zbudować skuteczny zespół łączący różne kompetencje i osobowości i jak utrzymać w nim najbardziej utalentowane jednostki, o które rynek pracy zawsze się upomina?
Roundtables
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?
Roundtables
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?
Roundtables
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?
Roundtables
Organizacje działające w tych samych, dojrzałych branżach, wykorzystujące podobne zestawy danych na temat rynku i narzędzia do ich analizy, bądź silniki optymalizacyjne, nieuchronnie dążą do momentu, w którym zaczynają podejmować bardzo podobne decyzje biznesowe. To nieuniknione, zwłaszcza gdy analizują dane temat konkurentów i rezultaty ich decyzji. "Gdybym spytał ludzi, czego potrzebują, powiedzieliby, że szybszych koni." – tak Henry Ford skomentował swoją decyzję, dlaczego nie pytał klientów czego chcą. Zamknięcie się w świecie danych historycznych może spowodować, że skupimy się na optymalizacji procesu „hodowli koni” podczas gdy świat będzie przesiadał się do samochodów. Jak znaleźć optymalny punkt między analizą danych i optymalizacją, a obserwacją dużo szerszych trendów rynkowych, co do których jeszcze niewiele wiemy? Jak nie przegapić szansy na porzucenie czerwonego oceanu, na którym wszyscy walczą o tą samą zdobycz i wypłynąć na szerokie błękitne wody?
Roundtables
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?
Roundtables
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?
Roundtables
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?
Roundtables
Demografia jest nieubłagalna: pracowników będzie coraz mniej, jednocześnie obecność Polski w Unii Europejskiej ułatwiła odpływ najbardziej utalentowanych na międzynarodowy rynek pracy. Jak wykorzystać dane zbierane w dziale HR, aby poprawić jakość procesu rekrutacji, tempo procesów obsługi pracownika, zmniejszyć retencję i zatrzymać najlepszych?
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
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.
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 bym 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.
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.
Wieczór specjalny - Konkurs CDO Awards
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
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.