Ze života datového detektiva 4: Designér, architekt a konzultant #277

Co takový architekt v Bizztreat dělá?

Život architektů v Bizztreat je jízda :) Architekty u nás dělají většinou analytici, které baví budovat datové řešení na zelené louce, bavit se s businessem a přitom analyzovat a navnímat jeho fungování a potřeby a následně to všechno promítnout do návrhu logické architektury a výběru vhodné kombinace technologií. Tím ale jejich úkol nekončí, protože v úzké spolupráci s delivery teamem makají i na implementaci pivotních use casů a u toho zpravidla ještě lehce modifikují architekturu celého řešení i datových modelů (protože v systémech i datech samotných na nás občas čeká pár překvapení, o kterých se předem zkrátka nedozvíme). Jakmile s delivery teamem prošlápnou celou datovou pipeline až po finální analytický výstup a jeho úspěšný rollout směrem k businessu, může se slavit první velký mezník. Na velkých projektech pak architekti i nadále konzultují přidávání nových logických celků a dohlížejí na udržitelnost a kvalitu rozvíjeného řešení. 

V Bizztreat je extrémně důležité, aby každý datový detektiv v jakékoliv roli neustále přemýšlel nad business hodnotou toho, na čem zrovna pracuje. A pokud je architekt u zrodu nových řešení a v úzkém kontaktu s business stakeholdery, pak nad tím musí přemýšlet o to víc a dostat se na jádro toho, proč business poptává zrovna tohle a tamto a jaký přínos od řešení očekávají versus co se stane, kdyby k tomu nedošlo. Nejde o to vytvořit učebnicovou architekturu, ale architekturu, která je jednoduchá, udržitelná, funkční a nejlépe odpoví na ty správné business otázky. (Rado to shrnul takhle)

Kolik architektů v Bizztreat pracuje?

Dá se říct, že potencionálně tolik, kolik v Bizztreat pracuje datových detektivů :) Každý datový detektiv se postupně seznamuje s tím, jak se u nás (a nejen u nás) dělají architektury a má možnost se v tomto směru rozvíjet. Aby se to dalo ukočírovat, tak máme tým několika ostřílených architektů, kteří se o kvalitu a rozvoj této oblasti v Bizztreat starají.

Adopce analytických výstupů uživateli

Téma samo o sobě je podpora adopce analytických výstupů uživateli - v Bizztreat na to máme dokonce framework! Je to těch extrémně důležitých posledních 10 metrů před cílem, na které se nesmí zapomínat. Eva Hankusová si o tom povídala zde

Data Governance a DQA

Architekti u nás řeší i oblast Data Governance a DQA. Co si pod tím představujeme jsem sepsala v této mňamce nebo v ebooku.

Zapomněla jsem na něco? Chcete se na něco zeptat? Napište mi. 

Verča

Veronika Špryslová
datový detektiv
LinkedIn

Zeptej se svých dat: BigQuery vs. Fabric vs. Copilot | Mňamka #558

Zeptej se svých dat: BigQuery vs. Fabric vs. Copilot | Mňamka #558

Je to sen skoro každého manažera: místo čekání na analytika prostě napíšu do chatu „jak nám rostly tržby po regionech za poslední kvartál?" a za pár vteřin mám odpověď, ideálně i s grafem. Říká se tomu konverzační analytika a tři velcí hráči ji dnes nabízejí. My jsme si všechny tři osahali. Tady je upřímné srovnání, co funguje a kde to zatím drhne.

Postavili jsme stejného AI chatbota nad firemními daty v Googlu i v Microsoft Azure. | Mňamka #557

Postavili jsme stejného AI chatbota nad firemními daty v Googlu i v Microsoft Azure. | Mňamka #557

Skoro každá firma dneska sedí na hromadě vlastních dokumentů - produktové listy, FAQ, smlouvy, zápisy z projektů. A skoro každá firma by chtěla to samé: chatbota, kterému napíšete otázku a on odpoví z vašich dat, ne z toho, co si kde přečetl na internetu. Zní to jednoduše. My jsme si to chtěli osahat pořádně, a tak jsme jedno a to samé řešení postavili dvakrát - jednou v Google Cloudu, podruhé v Microsoft Azure. Tady je, co z toho vypadlo.

Microsoft Fabric vs. dbt | Mňamka #556

Microsoft Fabric vs. dbt | Mňamka #556

Když firmy modernizují svou datovou platformu, narazí dřív nebo později na otázku, jaký datový stack zvolit a co je pro jejich byznys nejvhodnější. Migrovat na Microsoft Fabric? Nasadit dbt? Otázka je ale položená trochu zavádějícím způsobem, jde totiž o srovnání dvou věcí, které stojí na jiné úrovni datového stacku: Fabric je platforma, dbt je transformační nástroj, který na takové platformě běží. Přesto má smysl se ptát, jak se tyto dva světy doplňují, kde si uvnitř Fabricu konkurují nativní nástroje a dbt, a kdy se vyplatí sáhnout po dbt jako standardní transformační vrstvě.