VYUŽITÍ DAT A TECHNOLOGIÍ
Nová kapitola digitální revoluce v průmyslu: Výzvy propojení IT a OT
V roce 2011 byla na hannoverském veletrhu představena iniciativa „Industrie 4.0“, jejíž základní myšlenkou byl vznik chytrých továren využívajících kyberneticko – fyzikální systémy. Toto směřování se v mnohém naplnilo, dnešní výrobní závody disponují automatizovanými systémy, výrobu je možné simulovat a následně optimalizovat za pomoci digitálních dvojčat, řadu monotónních a opakovaných operací či operací s vysokými nároky na přesnost nahradily automaty řízené výpočetní technikou.
Autor: Jiří Pavlík, Deloitte
Propojení IT a OT
Nástup těchto technologií a dnešní rozšíření již nikoho nepřekvapí. Naplnila se řada vizí směřujících k využívání cloudových úložišť, 3D tisku, budování „chytrých skladů“ či optimalizovaných logistických procesů postavených na lokalizaci produktu či dopravního prostředku.
Obecně řečeno velké množství výrobních firem investovalo do moderních technologií, automatizace a digitalizace výrobních provozů.
Výrobní technologie splňující parametry „chytré továrny“ se stala samozřejmou součástí každodenního života. Dostupnost technologií ale mění paradigmata automatizace a přináší nové výzvy. Pomineme-li nedostatek kvalifikovaných pracovníků k jejich obsluze, lze jako jednu z největších výzev definovat práci s daty a jejich zpracováním.
Přichází řada otázek, se kterými se trápí nejen vrcholoví manažeři firem, ale i odborníci z oblasti IT/OT. Velmi často opakovanými tématy jsou zejména následující:
- Jak tuto technologii plně využít?
- Jak propojit jednotlivé technologie či vytvořená ostrovní řešení do jednoho řiditelného celku, zejména pokud jsou jeho dílčí části vybudovány na prostředí od různých dodavatelů?
- Jak efektivně pracovat se záplavou dat, kterou tyto technologie produkují?
- Jak zpřístupnit dostupná data širokému spektru jejich uživatelů? Jak se zbavit „excelovského pekla“, neustálého exportování dat z primárních systémů a rutinních opakujících se analýz či vytváření grafů?
- Jak zajistit „jeden zdroj pravdy“ a vyhnout se situacím, kdy různé pohledy na tatáž data generují různé výsledky?
- Jak zabezpečit digitální technologie a zejména firemní data proti narůstajícím kybernetickým hrozbám, a to nejen proti přímým útokům z prostředí internetu, ale i těm, jejichž původem je tzv. „sociální inženýrství“ spočívající například ve zvyšující se kvalitě phishingu? Navíc v době, kdy s dostupností nástrojů umělé inteligence bude toto riziko neustále vzrůstat a stane se hrozbou, které nebude jednoduché čelit.
Role byznysu a IT ve správě dat
Jedním ze základních předpokladů úspěšné práce s daty je vlastnictví celé problematiky. Jakkoliv se to může zdát podivné, vlastníkem práce s daty je byznys (finance, obchodníci, logistika apod.), nikoliv IT či oddělení výpočetní techniky. Byznys definuje požadavky na potřebná data, sestavuje postupy a pravidla k jejich využití (use cases) a je jejich koncovým odběratelem. Byznys definuje, kdo s daty pracuje a má k nim přístup, včetně požadavku na jejich dostupnost v čase (průběžně, denně, měsíčně apod.). IT je poskytovatelem technického řešení, které staví na základě požadavků z byznysu.
IT má za úkol napojit primární datové zdroje, v případě výrobního podniku data z řídících systémů a informačních systémů (ERP, MES, WMS, LMS, apod.), ke vhodně zvolené datové platformě, která by měla umožňovat data sehrát do datového úložiště, transformovat do potřebné formy, a uložit na místo, kde k nim bude mít byznys přístup (ETL vrstva – extract, transfrom, load).
Na úrovni byznysu s daty pracují analytici a specialisté využívající standardní nástroje jako PowerBI či Tableau. Současně s tím definují standardy pro práci s daty ve firmě.
Transformace přístupu k práci s daty
Ačkoliv se to na první pohled nezdá, nejtěžší na implementaci není technologie, ale změna přístupu k práci s daty. Vybudovat firmu efektivně využívající dostupná data je plnohodnotný transformační projekt. Ptáte se proč? Pojďme se na některé z klíčových aspektů podívat podrobněji.
Je zapotřebí ustanovit osobu či útvar, který bude organizovat práci s daty a definovat standardy napříč firmou. Zpočátku to může být osvícený datový analytik, později obvykle vznikne v organizaci jednotka, která vykonává funkci BI nebo kompetenčního centra. Jejím úkolem je celkové řízení práce s daty a definování standardů (data governance). Z praxe mohu uvést řadu příkladů, kdy několik organizačních útvarů počítá ty samé ukazatele (KPIs), ale jejich výsledky se rozcházejí. Obvyklou příčinou bývá nejednoznačná metodika výpočtu konkrétních ukazatelů a jemné rozdíly v postupech například mezi pobočkami v jednotlivých regionech. Dalším častým důvodem je využití různých zdrojových dat, které se mezi sebou liší. Jedním z úkolů BO kompetenčního centra je tyto rozdíly eliminovat a definovat jednotné standardy výpočtu ukazatelů napříč firmou, včetně garance ověřených podkladových dat pro tyto výpočty.
Datoví analytici sdružení v BI kompetenčním centru zajišťují napojení primárních zdrojů k datové platformě, vytvářejí standardizované reporty podle potřeb byznysu a připravují volně dostupná data pro dílčí analýzy prováděné svépomocí v rámci jednotlivých odborných útvarů. Často užívaným pojmem pro svépomocný (self-service) přístup k datům je demokratizace přístupu či data mesh, tj. byznys má předzpracovaná data k dispozici a pokud k nim má přístupová oprávnění, může si nad nimi provádět vlastní analýzy. Na rozdíl od živelného exportování dat do excelů je minimálně z pohledu bezpečnosti řízen přístup k citlivým informací a zejména IT má z pohledu bezpečnosti pod kontrolou, kde se jaká data nacházejí.
Datoví analytici sdružení v BI kompetenčním centru zajišťují napojení primárních zdrojů k datové platformě, vytvářejí standardizované reporty podle potřeb byznysu a připravují volně dostupná data pro dílčí analýzy prováděné svépomocí v rámci jednotlivých odborných útvarů. Často užívaným pojmem pro svépomocný (self-service) přístup k datům je demokratizace přístupu či data mesh, tj. byznys má předzpracovaná data k dispozici a pokud k nim má přístupová oprávnění, může si nad nimi provádět vlastní analýzy. Na rozdíl od živelného exportování dat do excelů je minimálně z pohledu bezpečnosti řízen přístup k citlivým informací a zejména IT má z pohledu bezpečnosti pod kontrolou, kde se jaká data nacházejí.
Obvyklou bolestí v řadě firem bývá dokumentace, přesněji datový slovník. Jeho smyslem je jednoznačně definovat popis konkrétních datových entit, aby celá firma jednotně rozuměla konkrétní datové položce a její význam si vykládali všichni stejně napříč celou firmou. Příklad? Co znamená „jméno“ v identifikaci klienta? Je to název firmy, příjmení jednatele či jméno kontaktní osoby? Zřízením kompetenčního BI centra, definováním standardů (data governance) a datového slovníku se vyřeší i častý problém „jednoho zdroje pravdy“ napříč firmou. Nicméně za kvalitu dat a jejich vlastníkem po stránce jejich obsahu zůstává odpovědný byznysový vlastník (data ownership).
Využití umělé inteligence ve firmách: Potenciál a rizika
Tématem pro řadu firem začíná být využití umělé inteligence - AI. Za poslední rok se rozšířilo používání nástrojů typu chatGPT apod. Obecně nástroje AI mohou ušetřit obrovské prostředky a zefektivnit chod firmy. Není složité na dostupných technologiích postavit řešení šetřící kapacity v call centrech, pomáhající při identifikaci závad, optimalizující logistiku či skladování. Základem správného fungování jakéhokoliv AI nástroje jsou data, která AI využívá, a to zejména z pohledu jejich kvality.
Pověstný „ďábel“ pro AI je ale skrytý na pozadí – využitím „veřejných“ nástrojů ve firemním prostředí otevíráme "Pandořinu skříňku" potenciálních problémů, které mohou skončit únikem citlivých firemních dat do veřejně dostupného prostředí internetu. Implementaci jakéhokoli nástroje umělé inteligence ve firmě by měla předcházet detailní analýza právního rámce pro konkrétní odvětví podnikání, následovaná vyhodnocením potřebné IT architektury včetně posouzení otázek bezpečnosti, a spojená s analýzou dat, se kterými budou AI nástroje pracovat z pohledu jejich kvality, spolehlivosti a dostupnosti. Ve většině případů je tato analýza a příprava vhodného prostředí časově i finančně násobně náročnější než vývoj vlastního AI nástroje.
Rizika a výzvy spojené se zpracováním dat
S využitím dat a technologií k jejich zpracování narůstají i potenciální rizika a hrozby. Nejde jen o vlastní kybernetickou bezpečnost. Podceňovanou oblastí je posouzení rizik spojených se zpracování osobních údajů (data privacy), soulad s platnou legislativou (compliance), získání souhlasů pro zpracování dat, zejména osobních, známých pod názvy „cookie and consent management“. Na podmínky definované GDPR jsme si již zvykli, ale co například víme o EU legislativě upravující využití nástrojů umělé inteligence známé pod názvem „AI act“?
Novinkou v oblasti zpracování dat je direktiva EU známá jako CSRD (Corporate Sustainability Reporting Directive), která vstoupila v platnost v lednu 2023. Na jejím základě musí vybrané firmy povinně reportovat své ukazatele v environmentální, sociální a správní oblasti (ESG – environmental, social, governance). Data využitá k reportingu musí být auditovatelná a tzv. trasovatelná, tj. musí být zpětně dohledatelné změny provedené ve vstupních datech. I když si řada zejména menších firem nepřipouští, že se jich tato problematika týká z důvodu jejich velikosti, mohou být ve výsledku nepříjemně překvapeny. Jejich koncoví klienti v celém B2B řetězci jsou často velké nadnárodní firmy, které po nich vykazování ESG budou požadovat. Stejně tak lze očekávat, že i banky poskytující provozní financování budou chtít po svých klientech tento typ výkazů.