Data, Information, Knowledge Management

Zarządzanie danymi (Data Management), informacją (Information Management) czy wiedzą (Knowledge Management) jest w każdej rozwijającej się organizacji Must Have.

Zarządzanie danymi to pojęcie obejmujące większość aspektów związanych z danymi, często zastępowane w organizacjach przez Zarządzanie Informacją lub wiedzą. W skład zarządzania danymi wchodzą następujące obszary:

  • Data Governance
  • Architektura danych
  • Modelowanie danych
  • Zarządzanie magazynowaniem danych (bazy danych)
  • Bezpieczeństwo danych
  • Integracje danych
  • Dane w hurtowniach danych
  • Dane w systemach Business Intelligence
  • Metadane
  • Jakość danych

Cykl życia danych składa się z:

  • Zbierania danych
  • Analiza danych
  • Prezentowanie danych
  • Udostępnianie danych
  • Archiwizacją danych
  • Niszczenia danych

Zobacz także:

Jeśli potrzebujesz wsparcia w obszarze Big Data, Data Managemencie, Systemach BI, ERP czy optymalizacji procesów biznesowych zapraszamy do kontaktu.

Zapraszamy do kontaktu:

pfederowicz@gotechnologies.pl

Ponad 200 zadowolonych klientów

Hiperautomatyzacja

Hiperautomatyzacja (Hyper-Automation) to zbiór wielu technologii czy narzędzi automatyzujących wiele procesów biznesowych w firmach. Hiperautomatyzacja jest jednym z elementów strategii cyfrowej transformacji (Digital Transformation) i często jest wdrażana razem z innymi projektami transformacyjnymi.

W skład technologii, które można zaliczyć do pojęcia Hipeautomatyzacji mogą wchodzić:

  • RPA – Robotic Process Automation – automatyzacja procesów poprzez zastosowanie robotów, obecnie bardzo popularna technologia.
  • Chatboty, Voiceboty – narzędzia do automatycznej komunikacji z klientami używane już powszechnie w kontakcie z klientem przez stronę internetową i systemy Call Contact Center.
  • iBPMS – Intelligent Business Process Management Systems – inteligentne systemy do zarządzania procesami biznesowymi.
  • Process and Data Mining dla Big Data – narzędzia do eksploracji procesów biznesowych.
  • OCR – Optical Character Recognition – narzędzia do rozpoznawania tekstu, stosowane od dawna, ciągle potrzebne i wchodzące w kolejne obszary procesów biznesowych.
  • LowCode – systemy do budowania aplikacji bez konieczności kodowania lub z niewielką ilością kodu, które są przyszłością developmentu.
  • AI – Artificial Intelligence czyli narzędzia sztucznej inteligencji szukające szerokiego zastosowania w większości obszarów biznesowych firm.

Jeśli potrzebujesz doradztwa lub audytu procesów pod katem wykorzystania narzędzi Hiperautomatyzacji w przedsiębiorstwie to zapraszamy do kontaktu.

Zapraszamy do zapoznania się z ofertą Doradztwa Strategicznego IT i Strategii IT

Zapraszamy do kontaktu:

pfederowicz@gotechnologies.pl

Ponad 200 zadowolonych klientów

Architektura systemów pod Big Data

Duże ilości danych wymagają zaplanowania architektury pod kątem ich zbierania, przechowywania, ich analizy czy udostępniania do innych systemów. W tradycyjnym modelu dane są zbierane przez hurtownie danych z systemów np. ERP, CRM, eCommerce, WMS, itd. a analizowane w systemach klasy Business Inteligence.

Poniżej przykładowy flow od źródeł danych, poprzez ich zbieranie, transformację, przechowywanie i analizę.

Źródła danych dla Big Data

  • Aplikacje mobilne
  • Aplikacje dedykowane
  • Systemy ERP, WMS, CRM, POS, MES, MRP, APS, TMS, itd.
  • Systemy eCommerce jak sklepy internetowe, marketplace
  • Bazy OLTP
  • Bazy logów, eventów
  • API innych firm
  • itd.

Zbieranie i transformacja danych

  • Konektory
  • Zbieranie danych
  • Workflow Manager
  • Platforma Spark
  • Python Libs
  • Batch Query Engine
  • Event Streaming

Przechowywanie danych

  • Data lake
  • Data warehouse

Analiza danych, predictive, sztuczna inteligencja (AI – Artificial Intelligence), uczenie maszynowe (Machine Learning)

  • Data Science Platform
  • Biblioteki Machine Learning
  • Analityka czasu rzeczywistego

Rezultaty analizy danych

  • Dashboardy
  • Wbudowana analityka
  • Rozszerzona analityka
  • Aplikacje wbudowane, frameworki app

Powyższy schemat architektury pozwala na zbieranie danych biznesowych, wyciąganie danych z systemów operacyjnych, dostarczanie danych do magazynów danych wg. określonych schematów, transformację danych dla narzędzi analitycznych, przechowywanie danych aby mogły być one używane do analizy z uwzględnieniem kosztów przechowywania, czasów dostępów czy czasów dostarczenia danych, analizę danych poprzez systemy lub platformy do analizy, analizy historyczne i próby przewidywania przyszłości (predictive) aż do prezentacji wyników analizy danych dla wewnętrznych lub zewnętrznych użytkowników np. w systemach czy aplikacjach.

Jakie są najnowsze trendy w architekturze Big Data?

  1. Zmiana systemów On Prem na Cloud Data Warehouse
  2. Zmiana Hadoop na Data Lakes
  3. Zmiany ETP (Extract Transform Load) na ELT (Extract Load Transform)
  4. Zmiana Workflow Manager na Dataflow Automation

Zobacz także:

Zapraszamy do kontaktu:

pfederowicz@gotechnologies.pl

Ponad 200 zadowolonych klientów

Optymalizacja eCommerce

Optymalizacja eCommerce jest częstym hasłem w zapytaniach od klientów. Co to jest optymalizacja i co można optymalizować w eCommerce? Optymalizacja to poprawa lub dopasowanie istniejących procesów, standardów, ich kosztów, jakości czy technologii. Często optymalizacja jest jednorazowym projektem a często jest ciągłym procesem. Często klienci nie dbają o optymalizację i muszą wykonywać duży projekt optymalizacyjny lub wręcz wymiany np. systemów czy platform eCommerce lub frontendu.

Optymalizacja frontendu

Optymalizacja frontu to dostosowanie interfejsu (UI – user Interface) do najlepszych praktyk użyteczności, dostosowania jej do swoich grup docelowych, urządzeń przez nie wykorzystywanych czy wręcz do przeglądarek i typów smartphonów. Proces ten powinien być ścisle związany z trendami UX (UX – User Experience), amianami technologicznymi jak np. technologia Headless czy PWA (Progressive Web Application), czy ze zmianą targetu klienta.

Optymalizacja architektury systemów eCommerce

Obecna architektura systemów eCommerce (B2B i B2C) robi się coraz bardziej skomplikowana. Mamy systemy CMS (Content Management System) zarządzające Backendem, często poprzez API (Application Programming Interface) integrujące się z aplikacjami mobilnymi czy różnymi Frontendami (patrz technologia Headless). mamy systemy magazynowe WMS (Warehouse Management System), systemy realizacji zamówień OMS (Order management System), systemy zarządzania produktami PIM (Product Information Management), systemy kredytowe, systemy płatności, systemy kurierskie, systemy Obsługi Klienta (BOK), systemy CRM (Customer relationship Management) czy systemy Marketing Automation. Spajającymi systemami są systemy ERP i systemy raportowego BI (Business Intelligence). W sprzedaży Retail czy Omnichannel mamy dodatkowe systemy jak POS (Point of Sales), Click&Collect, itd.

W obszarach wydajności czy dostępności optymalizacja może występować w zmianach w Data Center czy wykorzystaniu chmury (Cloud).

Optymalizacja procesów magazynowych

Optymalizacja procesów magazynowych koncentruje się na wykorzystaniu technologii zarówno w obszarze składowania jak automatyka magazynowa, pickowania, środków transportu (jak AGV – Automated Guided Vehicle) czy w procesach przyjęcia i pakowania. Procesy eCommerce wymagają zarówno wysyłki towaru do klienta jak i jego przyjęcia w związku z reklamacjami czy zwrotami. Dodatkowo w Omnichannel czy Retail jednymi z ważniejszych są procesy zatowarowania sklepów czy odbiory towaru w sklepach (Click and Collect). Zobacz ofertę na optymalizację procesów logistyczno-magazynowych.

Kompleksowe doradztwo procesowo-technologiczne dla eCommerce

Zapraszamy do kontaktu:

pfederowicz@gotechnologies.pl

Ponad 200 zadowolonych klientów

Startupy a kryzysy technologiczne

Startupy to technologia, a technologia wymaga posiadania odpowiednich kompetencji i ciągłego ich rozwijania. Technologia musi być wydajna oraz spełniać oczekiwania klienta. Produkt startupu musi działać, ale tak jak tego sobie życzy klient. Startupy tworzą zarówno aplikacje mobilne, sklepy internetowe, systemy SaaS (Software as a Service), platformy Marketplace, urządzenia IoT czy inne urządzenia hardwarowe. Wszystkie te produkty wymagają wysokiej dojrzałości technologicznej. Wiedza członków startupu czy założycieli (founderów) często koncentruje się na sprzedaży, klientach czy marketingu lub na aspekcie technologicznym. Idealnym połączaniem jest, kiedy zespół założycielski posiadający wszystkie te kompetencje. Oczywiście faza początkowa rozwoju startupu charakteryzuje się posiadaniem małego budżetu, małej ilości czasu na dopracowanie produktu technologicznego oraz braki zasobowe i kompetencyjne. Z tego też powodu kryzysy technologiczne przychodzą szybciej niż nam się wydaje.

Jakie kryzysy technologiczne przechodzą startupy?

Poniżej lista zaobserwowanych kryzysów technologicznych w startupach fazy seed i eary grow:

  • Wydajność aplikacji, sklepu czy platformy SaaS – brak myślenia co będzie za rok, jak zwiększy się liczba danych czy klientów. Wymaga często zmiany infrastruktury lub co trudniejsze architektury systemów – zobacz doradztwo w obszarze wydajności, doradztwo w zakresie cloud, doradztwo w zakresie architektury
  • Hardware – częsty brak budżetu na wersję nr 2 prototypu związaną ze zmianami technologicznymi, potrzebami klientów czy trendami
  • Brak bezpieczeństwa danych i systemów – zobacz doradztwo w obszarze bezpieczeństwa
  • Odejście kluczowej osoby takiej jak CTO czy senior developer
  • Brak dokumentacji systemu utrudniający wdrożenie nowych członków zespołu
  • Brak skutecznego zarządzania projektami czy zmianami np. pseudo agile podejście (Scrum) – zobacz doradztwo w obszarze zarządzania projektami
  • Duży i często niespodziewany przyrost danych Big Data powodujący problemy z bazami danych i aplikacjami – zobacz doradztwo Big Data
  • Użyteczność interfejsu (UX – User Experience, UI – User Interface) – zobacz audyty UX, UI, eCommerce
  • Brak regularnych upgradów wykorzystywanych frameworków powodujących dług technologiczny trudny do naprawy – zobacz doradztwo dług technologiczny
  • Brak przyjętych zasad kodowania, architektury czy testowania
  • Brak API
  • itd.

Zobacz więcej o doradztwie technologicznym dla Startupów

Jeśli potrzebujesz wsparcia technologicznego i procesowego w Twoim startupie, zapraszamy do kontaktu.

Zapraszamy do kontaktu:

pfederowicz@gotechnologies.pl

Ponad 200 zadowolonych klientów

Cyfrowa transformacja – raport MyCompany

W najnowszym wydaniu papierowym i cyfrowym MyCompany znajduje się raport „Raport Transformesi. Nie bądź w tyle, bądź digital„. Dorzuciliśmy kilka uwag odnośnie cyfrowej transformacji, korzyści z jej wdrażania, informacji dlaczego cyfrowa transformacja się nie udaje, itd.

……… Przemysław Federowicz, prezes zarządu w GoTechnologies, firmie wspierającej w transformacji cyfrowej inne przedsiębiorstwa, wyjaśnia że korzyści związane z cyfrową stroną biznesu należy szukać na kilku poziomach: biznesowym, procesowym, innowacyjności oraz zapewnianiu ciągłości biznesowej. W przypadku L’Oréal można mówić z pewnością o poziomie innowacyjnym. – Ten poziom to pobudzenie innowacyjności i ciągłego rozwoju organizacji, poszukiwanie nowych produktów i usług – wylicza Federowicz

Raport Transformesi. Nie bądź w tyle, bądź digital

Zapraszamy do czytania:

Zapraszamy do kontaktu:

pfederowicz@gotechnologies.pl

Ponad 200 zadowolonych klientów

Chief Data Officer (CDO)

Chief Data Officer (CDO) to dość nowy skrót z rodziny CXO. Dotyczy to osoby nadzorującej zbieranie danych a często nawet nadzorującą zespoły analityczne (inaczej CAO – Chief Analytics Officer). Zbieranie danych i ich analiza czy udostępnianie (sprzedawanie – patrz nowe strumienie przychodów, monetyzacja danych) jest jednym z kluczowych elementów strategii biznesowej czy strategii IT.

Często możemy spotkać w korporacjach podobne stanowisko CDA ale określane jako Chief Digital Officer, które to jest odpowiedzialne na nadzór nad działaniami cyfrowymi jak aplikacje mobile, systemy eCommerce B2B czy B2C, kanały social media i oczywiście dane.

Stanowisko CDA często pojawia się przy okazji „wdrażania” strategii cyfrowej transformacji (Digital Transformation). Dane obok ciągłości biznesowej (Business Continuity), bezpieczeństwa czy architektury systemów są jednym z ważniejszych elementów strategii transformacji.

Do zadań CDA mogą należeć działania nadzorcze nad:

  • Zbieranie danych, ich łączenie, przechowywanie
  • Integracja systemów, hurtownie danych, BI, szyny danych, ERP, CRM, itd.
  • Integracja systemów
  • Jakość danych
  • Analiza danych i systemy decyzyjne
  • Monetyzacja danych (sprzedaż danych), API
  • Poszukiwanie nowych strumieni przychodów

Jeśli potrzebujesz wsparcia w zakresie danych lub cyfrowej transformacji zapraszamy do kontaktu. Zobacz naszą ofertę w zakresie doradztwa Big Data:

Zapraszamy do kontaktu:

pfederowicz@gotechnologies.pl

Ponad 200 zadowolonych klientów

Trendy technologiczne 2020 – 2021

Obecnie obserwujemy kilka dominujących trendów technologicznych, które będą miały wpływ na nasze życie i biznesy w najbliższych miesiącach i latach. Dodatkowo dzięki takim zjawiskom jak Covid pojawiają się nowe trendy lub zostają wzmocnione inne.

Poniżej lista zaobserwowanych trendów w rozwoju technologii na świecie:

  • Robotyzacja i automatyzacja procesów – zastępowanie ludzi w procesach powtarzalnych przez systemy informatyczne, unikanie błędów ludzkich i minimalizacja kosztów zatrudnienia i szkolenia personelu. Zobacz także RPA – Robotic Process Automation
  • Blockchain – wykorzystanie technologii blockchain np. w jednostkach rządowych, samorządowych i służbie zdrowia.
  • Chmura, Cloud Computing – wykorzystanie chmury zarówno w corowych procesach biznesowych jak i pomocniczych. Przenoszenie do chmury obliczeń, systemów i baz danych. Zobacz: doradztwo Cloud
  • Big Data – Zbieranie dużych ilości danych z wielu źródeł i ich łączenie w celu wykorzystania w systemach podejmowania decyzji. Zobacz: doradztwo Big Data
  • Sztuczna Inteligencja (Artificial Inteligence) – Wykorzystanie algorytmów sztucznej inteligencji w tym uczenia maszynowego (Deep i Machine Learning) w nowoczesnym biznesie i handlu internetowym.
  • Praca zdalna i dygitalizacja procesów backoffice – trend nabierający na sile związany głównie z pracą zdalną spowodowaną pandemią wirusa Covid. Narzędzia pracy zdalnej, dostęp do systemów firmy oraz dokumentów (EOD – Elektroniczny Obieg Dokumentów, DMS, EMS) w postaci cyfrowej z dowolnego miejsca na Świecie.
  • Handel elektroniczny (eCommerce) – istniejący i silny trend wzrostowy sprzedaży produktów i usług poprzez kanały cyfrowe jak eCommerce, Mobile, Social Media, Marketplace, etc.. Zobacz usługi dla eCommerce
  • Monetyzacja danych – zbieranie, łączenia, tłumaczenie i poszukiwanie nowych strumieni przychodów opartych na danych. Zobacz: nowe strumienie przychodów.
  • Systemy predykcyjne, systemy podejmowania decyzji – systemy prodykcyjne, systemy wspierające podejmowanie decyzji, systemy System Business Intelligence (BI)Business Intelligence (BI) oparte na hurtowniach danych.
  • Mobile – trend posiadania i wykorzystywania urządzeń mobilnych, transmisji danych, wykorzystania technologii 5G i Internetu Rzeczy (IoT).
  • Omnichannel – sprzedaż i tracking użytkowników w świecie offline (Retail) i w internecie (mobile, eCommerce, social media, itd.) oraz w Contact Center. Zobacz doradztwo technologiczne dla Omnichannel
  • 5G – wykorzystanie sieci dużych przepustowości do integracji urządzeń, pojazdów i ludzi w czasie rzeczywistym. Zobacz Doradztwo 5G
  • Privacy – ochrona danych użytkowników w sieci. Bardzo silny trend występujacy np. w Niemczech i USA.
  • Inteligentne Miasta (Smart City) – technologie dla inteligentnych miast wykorzystujące technologie 5G, IoT, Big data i chmury. Zobacz doradztwo Smart City
  • Autonomiczne pojazdy – trend przyszłości zarówno w samochodach, dronach, statkach powietrznych jak i morskich.
  • Cyfrowy bliźniak (Digital Twin) – testowanie realnego świata w stworzonych ich cyfrowych modelach.
  • Bezpieczeństwo (Cybersecurity) – zabezpieczenie danych zarówno prywatnych jak i firmowych przed wyciekami i kradzieżą.

Zapraszamy do kontaktu:

pfederowicz@gotechnologies.pl

Ponad 200 zadowolonych klientów

Hurtownie danych

Hurtownie danych są systemami integrującymi duże ilości danych (Big Data) z wielu źródeł, często organizowane tematycznie np. hurtownia danych finansowych. Hurtownie danych są podstawą w rozproszonych i większych organizacjach do działań opartych na danych jak analizy, forecasting, podejmowania decyzji czy raportowanie operacyjne. Hurtownie danych pracują w trybie do odczytu i z ich danych można korzystać np. przez zapytania SQL, aplikacje jak Tableau, Qlick czy Power Bi. Hurtownie danych są także podstawą zasilania systemów klasy BI Business Intelligence, które pozwalają na analizę danych np. za pomocą kostek analitycznych OLAP (Online Analytical Processing).

Na rynku możemy spotkać hurtownie danych wdrażanych na chmurze (Cloud) lub na własnych serwerach. Oba warianty mają swoje zalety i wady. Ciekawym trendem są hurtownie danych

Zastosowanie hurtowni danych:

  • Wykorzystanie dobrej jakości danych do celów analitycznych
  • Wykorzystanie dobrej jakości danych do celów decyzyjnych strategicznych i operacyjnych
  • Archiwizacja danych
  • Raporty

Źródłami zasilania hurtowni danych mogą być:

Jeśli potrzebujesz wsparcia w systemach informatycznych czy Big Data zapraszamy do kontaktu.

Zobacz także:

Zapraszamy do kontaktu:

pfederowicz@gotechnologies.pl

Ponad 200 zadowolonych klientów

Uczenie maszynowe – Machine Learning, Uczenie głębokie – Deep Learning

Pojęcia Uczenie maszynowe (Machine Learning), Głębokie uczenia (Deep Learning) czy Sztuczna Inteligencja (AIArtificial Intelligence) pojawiają się w ostatnich dość często i są grupowane jako technologie automatyzujące, predykcyjne oraz wspierające podejmowanie decyzji. Technologie opierają się na sieciach neuronowych. To one budzą zarówno zachwyt jak i przerażenie.

Machine Learning i sieci neuronowe

Machine Learning jest podstawą obecnych systemów Sztucznej Inteligencji i zajmuje się eksploracją danych (Data Mining). Machine Learning koncentruje się na wyszukiwaniu wzorców danych w dużych zbiorach danych zasilanych przez różne systemy lub procesy. Uczenie maszynowe często z uwagi na potrzebę dużej mocy obliczeniowej korzysta z chmur obliczeniowych (Cloud) lub specjalistycznych superkomputerów.

Deep Learning a ludzie

Deep Learning jako „dziecko” Machine Learningu pozwala skoncentrować się na człowieku i jego zachowaniach. Deep learning potrafi wchodzić w interakcję z człowiekiem, słucha dźwięków, muzyki, głosu, obserwuje np. rozpoznając obrazy. Deep Learning jest bardzo popularny z uwagi na koncentracji na zachowaniach człowieka, co w przypadku obecnych biznesów jest kluczowe.

Gdzie najprościej wykorzystać Machine Learning?

W organizacjach gdzie są spełnione dwa elementy. Są zbierane duże ilości danych (Big Data) oraz, w których innowacja jest w DNA firmy. Duże ilości aktualnych danych pozwalają „uczyć” systemy zachowań np. użytkowników czy linii produkcyjnej. Czym więcej danych na początku tym lepsze wyniki uczenia. Jeśli danych jest mniej systemy muszą za każdym razem kiedy wystąpi nieoczekiwana sytuacja uczyć się, co wydłuża proces wdrożenia i produkcyjnego wykorzystania tychże systemów.

Zobacz naszą ofertę doradztwa technologicznego:

Zapraszamy do kontaktu:

pfederowicz@gotechnologies.pl

Ponad 200 zadowolonych klientów