Μετάβαση στο κύριο περιεχόμενο
FromNine
Μενού

Τεχνητή νοημοσύνη και δεδομένα

Δεδομένα στα οποία μπορούν να βασιστούν η τεχνητή νοημοσύνη και οι αποφάσεις.

Αναπτύσσουμε πλατφόρμες δεδομένων όπου κάθε σύνολο δεδομένων έχει υπεύθυνο, σύμβαση και γνωστή ποιότητα, ώστε η αναλυτική, οι επιχειρησιακές λειτουργίες και η τεχνητή νοημοσύνη να αντλούν από τους ίδιους αξιόπιστους αριθμούς.

Για ελληνικούς ομίλους και δημόσιους φορείς που χρειάζονται μία αξιόπιστη εικόνα για δεδομένα μοιρασμένα σε θυγατρικές, υπηρεσίες και παλαιά συστήματα.

Συζητήστε το έργο σαςΔείτε την εταιρική γνώση
Δεδομένα και αναλυτική: τα επίπεδα της λύσηςΤέσσερα επίπεδα, το ένα πίσω από το άλλο. Από πάνω προς τα κάτω: η αναλυτική και η τεχνητή νοημοσύνη που χρησιμοποιούν τα δεδομένα, τα προϊόντα δεδομένων με υπευθύνους και συμβάσεις, τα επίπεδα του lakehouse που καθαρίζουν και εναρμονίζουν τα δεδομένα, και η διακυβέρνηση που τα καλύπτει όλα.01Αναλυτική και χρήση από την ΤΝ02Προϊόντα δεδομένων και συμβάσεις03Επίπεδα lakehouse04Διακυβέρνηση και προέλευση
  1. 01Προϊόντα δεδομένων με συγκεκριμένους υπευθύνους, συμβάσεις και ελέγχους ποιότητας
  2. 02Διακυβέρνηση που εφαρμόζει τον περιορισμό του σκοπού και τη διατήρηση, όχι απλώς ένας κατάλογος
  3. 03Ένα σύνολο ορισμών KPI που υπογράφουν και η επιχείρηση και η πληροφορική

01 Προβλήματα

Γνώριμα προβλήματα με τα δεδομένα

Τα περισσότερα έργα τεχνητής νοημοσύνης που απογοητεύουν αποδεικνύονται στην ουσία έργα δεδομένων.

  1. 01

    Τρεις αναφορές, τρία διαφορετικά νούμερα

    Το λογιστήριο, η παραγωγή και η διοίκηση υπολογίζουν ο καθένας με τον τρόπο του τον κύκλο εργασιών ή τον όγκο των υποθέσεων. Οι συναντήσεις ξεκινούν με συμφωνία αριθμών αντί για αποφάσεις.

  2. 02

    Κανείς δεν έχει την ευθύνη των δεδομένων, άρα κανείς δεν τα διορθώνει

    Τα λάθη εντοπίζονται στο τέλος της αλυσίδας, διορθώνονται σε ένα υπολογιστικό φύλλο και επιστρέφουν τον επόμενο μήνα.

  3. 03

    Η ομάδα τεχνητής νοημοσύνης ψάχνει δεδομένα τον περισσότερο χρόνο

    Κάθε σενάριο χρήσης ξεκινά με εβδομάδες αιτημάτων πρόσβασης, εξαγωγών και καθαρισμού, που η επόμενη ομάδα θα επαναλάβει.

  4. 04

    Τα αρχεία είναι άχρηστα για την τεχνητή νοημοσύνη

    Σαρωμένα έγγραφα με κακή οπτική αναγνώριση χαρακτήρων, διπλότυπα και χωρίς μεταδεδομένα. Η ανάκτηση από αυτά φέρνει θόρυβο.

02 Τι παραδίδουμε

Τι παραδίδουμε

  1. 01 Θεμέλια δεδομένων για τεχνητή νοημοσύνη και αναλυτική

    Αρχιτεκτονικές lakehouse με μοντελοποίηση σε επίπεδα, από τα ακατέργαστα δεδομένα στα εναρμονισμένα και από εκεί στα δεδομένα προς χρήση, και προϊόντα δεδομένων που δηλώνουν τι περιέχουν, πόσο πρόσφατα είναι και ποιος είναι υπεύθυνος γι’ αυτά.

    Τι κάνουμε

    • Αρχιτεκτονική πλατφόρμας και επιλογή μορφών αποθήκευσης
    • Κανόνες μοντελοποίησης ανά επίπεδο
    • Σχεδιασμός προϊόντων δεδομένων με συμβάσεις
    • Εισαγωγή κατά παρτίδες και με καταγραφή αλλαγών (change data capture)

    Τι παραλαμβάνετε

    • Πλατφόρμα lakehouse ορισμένη σε κώδικα
    • Τα πρώτα προϊόντα δεδομένων σε λειτουργία
    • Πρότυπο σύμβασης δεδομένων και διαδικασία ελέγχου

  2. 02 Ποιότητα, προέλευση και κύρια δεδομένα

    Αυτόματοι έλεγχοι ποιότητας σε κάθε επίπεδο, προέλευση από την πηγή έως την αναφορά, και κύρια δεδομένα και δεδομένα αναφοράς για τις οντότητες που μετράνε: πολίτες, πελάτες, προϊόντα και πάγια.

    Τι κάνουμε

    • Κανόνες ποιότητας με όρια και ειδοποιήσεις
    • Καταγραφή προέλευσης σε επίπεδο στήλης
    • Κανόνες αντιστοίχισης και επικράτησης για τα κύρια δεδομένα
    • Διαχείριση δεδομένων αναφοράς

    Τι παραλαμβάνετε

    • Πίνακας ποιότητας ανά προϊόν δεδομένων
    • Προέλευση στην οποία μπορείτε να κάνετε ερωτήματα
    • Ενιαίες εγγραφές για τις οντότητες προτεραιότητας

  3. 03 Διακυβέρνηση που εφαρμόζεται στην πράξη

    Κατάλογος, ταξινόμηση και πολιτικές πρόσβασης που η πλατφόρμα εφαρμόζει αυτόματα. Ο περιορισμός του σκοπού και η διατήρηση κατά τον Γενικό Κανονισμό για την Προστασία Δεδομένων (ΓΚΠΔ) είναι κωδικοποιημένα, και η κοινοχρησία δεδομένων ακολουθεί τους κανόνες της Πράξης για τη διακυβέρνηση δεδομένων όπου αυτή εφαρμόζεται.

    Τι κάνουμε

    • Σχήμα ταξινόμησης και ετικέτες
    • Πολιτικές πρόσβασης με βάση χαρακτηριστικά
    • Αυτοματοποίηση διατήρησης και διαγραφής
    • Συμφωνίες κοινοχρησίας δεδομένων και τεχνικοί έλεγχοι

    Τι παραλαμβάνετε

    • Κατάλογος που συμπληρώνεται από την πλατφόρμα
    • Πολιτικές πρόσβασης ως κώδικας
    • Πρόγραμμα διατήρησης σε λειτουργία

  4. 04 Μη δομημένο περιεχόμενο έτοιμο για την τεχνητή νοημοσύνη

    Βελτίωση της οπτικής αναγνώρισης χαρακτήρων, εμπλουτισμός μεταδεδομένων, αφαίρεση διπλοτύπων και καθαρισμός αρχείων, ώστε η επεξεργασία εγγράφων και τα συστήματα ανάκτησης να ξεκινούν από περιεχόμενο που αξίζει να ανακτηθεί, από σαρωμένα πρωτόκολλα έως παλαιά ΦΕΚ.

    Τι κάνουμε

    • Καταγραφή περιεχομένου και δειγματοληπτικός έλεγχος ποιότητας
    • Βελτιώσεις στην οπτική αναγνώριση χαρακτήρων και στην εξαγωγή διάταξης
    • Εντοπισμός σχεδόν διπλοτύπων
    • Εμπλουτισμός μεταδεδομένων και ταξινόμηση

    Τι παραλαμβάνετε

    • Καθαρή και εμπλουτισμένη αποθήκη περιεχομένου
    • Έκθεση ποιότητας περιεχομένου
    • Κανόνες για το περιεχόμενο που προστίθεται από εδώ και πέρα

  5. 05 Αναλυτική και BI που χρησιμο­ποιούνται

    Ένα σημασιολογικό επίπεδο με ορισμούς KPI συμφωνημένους από την επιχείρηση και την πληροφορική, ελεγχόμενη αυτοεξυπηρέτηση και ενσωματωμένη αναλυτική μέσα σε προϊόντα SaaS και πύλες.

    Τι κάνουμε

    • Εργαστήρια ορισμού KPI
    • Σημασιολογικό μοντέλο και επίπεδο μετρικών
    • Κανόνες για την αυτοεξυπηρέτηση και πιστοποιημένα σύνολα δεδομένων
    • Ενσωματωμένη αναλυτική για προϊόντα που απευθύνονται σε πελάτες

    Τι παραλαμβάνετε

    • Γλωσσάριο KPI με υπευθύνους
    • Πιστοποιημένο σημασιολογικό μοντέλο
    • Πίνακες παρακολούθησης που αντικαθιστούν τα υπολογιστικά φύλλα

  6. 06 Ροές δεδομένων για λειτουργική χρήση

    Καταγραφή αλλαγών και ροές συμβάντων εκεί όπου οι αποφάσεις δεν μπορούν να περιμένουν τη νυχτερινή φόρτωση: αποθέματα, κατάσταση υποθέσεων, ενδείξεις απάτης.

    Τι κάνουμε

    • Απαιτήσεις καθυστέρησης ανά σενάριο χρήσης
    • CDC από λειτουργικές βάσεις δεδομένων
    • Επεξεργασία ροών και υλοποιημένες όψεις
    • Σχεδιασμός επανεκτέλεσης και συμπλήρωσης ιστορικού

    Τι παραλαμβάνετε

    • Ροές δεδομένων σε λειτουργία
    • Λειτουργικές όψεις με στόχους επικαιρότητας
    • Διαδικασία επανεκτέλεσης

03 Αρχιτεκτονική

Μια ενδεικτική αρχιτεκτονική αναφοράς

Τα δεδομένα κινούνται από τα λειτουργικά συστήματα και τα έγγραφα, μέσω της εισαγωγής, σε ένα lakehouse με επίπεδα: πρώτα ακατέργαστα όπως παραλήφθηκαν, μετά εναρμονισμένα και ελεγμένα ως προς την ποιότητα, και στο τέλος προϊόντα δεδομένων με υπεύθυνο και σύμβαση. Οι χρήστες δεν διαβάζουν ποτέ ακατέργαστα δεδομένα.

Από τα προϊόντα δεδομένων, μια διαδρομή τροφοδοτεί το σημασιολογικό επίπεδο και το BI. Άλλες τροφοδοτούν την ανάκτηση και τα χαρακτηριστικά για την τεχνητή νοημοσύνη, καθώς και API δεδομένων για άλλα συστήματα. Η διακυβέρνηση βρίσκεται κάτω από όλα και την εφαρμόζει η πλατφόρμα, όχι ένα έγγραφο πολιτικής.

Ενδεικτικό παράδειγμα

  1. Πηγές και εισαγωγή

    • Λειτουργικά συστήματα
    • Έγγραφα μετά από OCR και εμπλουτισμό
    • Παρτίδες και καταγραφή αλλαγών

  2. Ζώνη lakehouse

    • Ακατέργαστο επίπεδο
    • Εναρμονισμένο επίπεδο
    • Έλεγχοι ποιότητας και προέλευση
    • Κύρια δεδομένα και δεδομένα αναφοράς
    • Προϊόντα δεδομένων με συμβάσεις

  3. Χρήση

    • Σημασιολογικό επίπεδο και BI
    • Ανάκτηση και χαρακτηριστικά για ΤΝ
    • API δεδομένων και κοινοχρησία

  4. Διακυβέρνηση

    • Διακυβέρνηση: κατάλογος, ταξινόμηση, πολιτικές πρόσβασης, διατήρηση
Από τα επίπεδα του lakehouse σε προϊόντα δεδομένων με υπεύθυνο

Ενδεικτική αρχιτεκτονική, όχι σύστημα πελάτη.

Διαβάστε το διάγραμμα ως κείμενο

Η κύρια διαδρομή ξεκινά από τα λειτουργικά συστήματα, περνά από την εισαγωγή κατά παρτίδες και με καταγραφή αλλαγών, ένα ακατέργαστο επίπεδο, ένα εναρμονισμένο επίπεδο και τα προϊόντα δεδομένων, και καταλήγει σε ένα σημασιολογικό επίπεδο με ελεγχόμενο BI.

Τα μη δομημένα έγγραφα μπαίνουν επίσης από την εισαγωγή, μετά από οπτική αναγνώριση χαρακτήρων και εμπλουτισμό. Οι έλεγχοι ποιότητας και η προέλευση καλύπτουν το ακατέργαστο και το εναρμονισμένο επίπεδο. Τα κύρια δεδομένα και τα δεδομένα αναφοράς τροφοδοτούν τα προϊόντα δεδομένων. Τα προϊόντα δεδομένων εξυπηρετούν επίσης την ανάκτηση και τα χαρακτηριστικά για την τεχνητή νοημοσύνη, και API δεδομένων για κοινοχρησία.

Μια ζώνη διακυβέρνησης με κατάλογο, ταξινόμηση, πολιτικές πρόσβασης και διατήρηση καλύπτει ολόκληρη την πλατφόρμα.

04 Παράμετροι και όρια

Τεχνικές παράμετροι και όρια

  • Πρώτα η ευθύνη, μετά τα εργαλεία

    Πώς το αντιμετωπίζουμε

    Κάθε προϊόν δεδομένων αποκτά έναν επιχειρησιακό υπεύθυνο, που αποφασίζει τι σημαίνει, και έναν τεχνικό υπεύθυνο, που το κρατά σε λειτουργία. Βοηθάμε να οριστούν και οι δύο ρόλοι και η σύμβαση ανάμεσα σε όσους παράγουν και όσους χρησιμοποιούν τα δεδομένα.

    Όρια και εξαρτήσεις

    Μια πλατφόρμα δεν μπορεί να δημιουργήσει ευθύνη. Αν ο οργανισμός δεν ορίσει υπευθύνους, τα προβλήματα ποιότητας θα επιστρέψουν, όποια εργαλεία κι αν χρησιμοποιηθούν.

  • Ο περιορισμός του σκοπού στην πράξη

    Πώς το αντιμετωπίζουμε

    Τα προσωπικά δεδομένα φέρουν ετικέτες με τους σκοπούς που επιτρέπεται να εξυπηρετούν, και οι πολιτικές πρόσβασης και διατήρησης ακολουθούν αυτόματα αυτές τις ετικέτες.

    Όρια και εξαρτήσεις

    Ποιοι σκοποί είναι νόμιμοι κατά τον ΓΚΠΔ και τον ν. 4624/2019 το αποφασίζουν ο υπεύθυνος προστασίας δεδομένων και οι νομικοί σας σύμβουλοι. Εμείς το υλοποιούμε, δεν το αποφασίζουμε.

  • Τα δεδομένα για την τεχνητή νοημοσύνη έχουν δικό τους πήχη ποιότητας

    Πώς το αντιμετωπίζουμε

    Στα σενάρια χρήσης τεχνητής νοημοσύνης μετράμε ό,τι χρειάζονται η ανάκτηση και τα μοντέλα: κάλυψη, επικαιρότητα, διπλότυπα και ποιότητα της εξαγωγής κειμένου.

    Όρια και εξαρτήσεις

    Ορισμένα αρχεία δεν αξίζει να διορθωθούν. Μια αξιολόγηση με δείγματα θα σας το δείξει, και μερικές φορές η σωστή απάντηση είναι να μείνουν εκτός.

05 Πώς δουλεύουμε

Πώς δουλεύουμε

Χτίζουμε την πλατφόρμα γύρω από τα πρώτα προϊόντα δεδομένων που έχουν σημασία, όχι το αντίστροφο.

  1. 01

    Αποφάσεις, όχι σύνολα δεδομένων

    Ξεκινάμε από δύο ή τρεις αποφάσεις ή σενάρια χρήσης τεχνητής νοημοσύνης και τα δεδομένα που χρειάζονται, με υπευθύνους που ορίζονται ονομαστικά.

    ΑποτέλεσμαΛίστα προϊόντων δεδομένων με υπευθύνους

  2. 02

    Θεμέλια γύρω από αυτές

    Πλατφόρμα, εισαγωγή, έλεγχοι ποιότητας και διακυβέρνηση, όσα χρειάζονται για να εξυπηρετηθούν σωστά αυτά τα προϊόντα.

    ΑποτέλεσμαΤα πρώτα προϊόντα δεδομένων σε λειτουργία

  3. 03

    Ανάπτυξη ανά προϊόν

    Κάθε νέο προϊόν επαναχρησιμοποιεί τα θεμέλια. Ο κατάλογος και το γλωσσάριο KPI μεγαλώνουν μαζί του.

    ΑποτέλεσμαΟδικός χάρτης προϊόντων και μετρήσεις υιοθέτησης

06 Ανθρώπινος έλεγχος

Πού κρατούν τον έλεγχο οι άνθρωποι

Οι πλατφόρμες δεδομένων αυτοματοποιούν τη μεταφορά και τους ελέγχους. Οι άνθρωποι αποφασίζουν για το νόημα, την πρόσβαση και τον σκοπό.

  • Οι υπεύθυνοι εγκρίνουν τους ορισμούς

    Ένα KPI ή ένα προϊόν δεδομένων αλλάζει νόημα μόνο όταν το εγκρίνει ο επιχειρησιακός υπεύθυνός του, και η αλλαγή αποκτά νέα έκδοση.

  • Την πρόσβαση τη δίνουν οι υπεύθυνοι των πολιτικών

    Οι υπεύθυνοι των δεδομένων αποφασίζουν ποιος μπορεί να χρησιμοποιήσει ποια δεδομένα και για ποιον σκοπό. Η πλατφόρμα το επιβάλλει και καταγράφει κάθε παραχώρηση.

  • Οι παραβιάσεις ποιότητας σταματούν τη ροή

    Όταν ένας έλεγχος σύμβασης αποτυγχάνει, οι χρήστες ενημερώνονται και ο υπεύθυνος αποφασίζει αν τα δεδομένα θα δημοσιευθούν, θα κρατηθούν ή θα διορθωθούν.

07 Τεχνολογίες

Τεχνολογίες με τις οποίες δουλεύουμε

Πλατφόρμες
  • Databricks
  • Microsoft Fabric
  • Snowflake
  • Ανοικτό lakehouse σε Apache Iceberg ή Delta Lake
Ροές δεδομένων
  • dbt
  • Apache Spark
  • Kafka και Debezium
  • Ενορχήστρωση εγγενής στο cloud
Διακυβέρνηση
  • Unity Catalog και Purview
  • Κατάλογοι ανοικτού κώδικα
  • Πλαίσια ποιότητας δεδομένων
  • Έλεγχος πρόσβασης με βάση πολιτικές
Αναλυτική
  • Power BI
  • Σημασιολογικά επίπεδα και επίπεδα μετρικών
  • Ενσωματωμένη αναλυτική
  • SAP analytics (σε υπάρχοντα περιβάλλοντα)

Η αναφορά σε μια τεχνολογία περιγράφει την τεχνική μας εμπειρία. Δεν σημαίνει συνεργασία με τον κατασκευαστή της ούτε έγκριση από αυτόν.

08 Παράδειγμα

Ένα ενδεικτικό παράδειγμα

Ενδεικτικό παράδειγμα

Ενιαίοι βασικοί δείκτες για έναν οικογενειακό όμιλο τροφίμων

01Κατάσταση
Ένας οικογενειακός παραγωγός τροφίμων με θυγατρικές σε τρεις χώρες της Νοτιοανατολικής Ευρώπης αντλεί στοιχεία πωλήσεων, περιθωρίων και αποθεμάτων από τρία ERP με διαφορετικούς ορισμούς. Η διοίκηση συγκρίνει αριθμούς που δεν σημαίνουν το ίδιο πράγμα, και η ελληνική εταιρεία συμφωνεί επιπλέον τα έσοδά της με το myDATA με το χέρι.
02Τι θα αναπτύσσαμε
Εναρμονισμένα προϊόντα δεδομένων ανά θυγατρική, που τροφοδοτούν ένα σημασιολογικό επίπεδο με ορισμούς KPI συμφωνημένους σε επίπεδο ομίλου, κρατούν τη λεπτομέρεια κάθε χώρας και συγκρίνουν αυτόματα τα έσοδα της ελληνικής εταιρείας με τα στοιχεία που έχουν διαβιβαστεί στο myDATA.
03Πού αποφασίζουν άνθρωποι
Ο οικονομικός υπεύθυνος κάθε θυγατρικής εγκρίνει την αντιστοίχιση των δεδομένων της. Ο υπεύθυνος των KPI του ομίλου εγκρίνει τους ορισμούς και τις αλλαγές τους.
04Τι θα μετρούσαμε
Χρόνος για τη μηνιαία αναφορά, αριθμός διορθώσεων συμφωνίας και χρήση των πιστοποιημένων πινάκων παρακολούθησης.

09 Ανά κλάδο

Στον κλάδο σας

  • Υγεία και επιστήμες ζωής

    Ερευνητικά και λειτουργικά δεδομένα υπό διακυβέρνηση, με αυστηρό περιορισμό του σκοπού, ψευδωνυμοποίηση και καταγραφή κάθε πρόσβασης, για ιδιωτικές κλινικές, διαγνωστικά κέντρα και φαρμακευτικές εταιρείες.

  • Μεταποίηση και βιομηχανία

    Κύρια δεδομένα προϊόντων και παγίων, δεδομένα ποιότητας και παραγωγής, ενωμένα για προγραμματισμό, ιχνηλασιμότητα και τεχνητή νοημοσύνη, από τη γραμμή παραγωγής έως τα στοιχεία που διαβιβάζονται στο myDATA.

  • Δημόσιος τομέας

    Βασικά μητρώα, επαναχρησιμοποίηση δεδομένων με την αρχή «μόνον άπαξ», διαλειτουργικότητα κατά τον ν. 4727/2020, ανοικτά δεδομένα για το data.gov.gr και αναφορές που οι ελεγκτές μπορούν να ακολουθήσουν έως την εγγραφή.

Ελλάδα

Ένας αριθμός για τη διοίκηση, για τον έλεγχο και για το myDATA

Ένας ελληνικός όμιλος με θυγατρικές στη Νοτιοανατολική Ευρώπη συγκεντρώνει δεδομένα από διαφορετικά ERP, νομίσματα και κανόνες. Στην Ελλάδα προστίθεται μια ακόμη πηγή αλήθειας: τα στοιχεία των παραστατικών που διαβιβάζονται στο myDATA της ΑΑΔΕ και, από το 2026, τα ηλεκτρονικά τιμολόγια μέσω παρόχου. Μια πλατφόρμα δεδομένων που συμφωνεί τον κύκλο εργασιών του ERP με όσα έχουν διαβιβαστεί εντοπίζει τις αποκλίσεις πριν τις εντοπίσει κάποιος άλλος.

Ο ΓΚΠΔ και ο ν. 4624/2019 ορίζουν το πλαίσιο για τα προσωπικά δεδομένα, και ο Κανονισμός για τα δεδομένα (Data Act) δίνει στους χρήστες δικαιώματα στα δεδομένα συνδεδεμένων προϊόντων και υπηρεσιών. Σχεδιάζουμε προϊόντα δεδομένων των οποίων οι συμβάσεις ορίζουν πού μπορούν να υποβληθούν σε επεξεργασία τα δεδομένα, για ποιους σκοπούς και για πόσο, ώστε η πλατφόρμα να εφαρμόζει τον σωστό κανόνα ανά θυγατρική χωρίς χωριστά αντίγραφα.

Ερωτήσεις για δεδομένα και αναλυτική

Χρειαζόμαστε data mesh;

Χρειάζεστε τα χρήσιμα μέρη του: προϊόντα δεδομένων με υπευθύνους και συμβάσεις. Η πλήρης αποκέντρωση αποδίδει σε μεγάλους οργανισμούς με ώριμες ομάδες ανά τομέα. Πολλοί οργανισμοί τα πάνε καλύτερα με μια κεντρική ομάδα πλατφόρμας και με την ευθύνη των προϊόντων στους τομείς.

Είναι τα δεδομένα μας έτοιμα για την τεχνητή νοημοσύνη;

Θα το μάθετε από μια σύντομη αξιολόγηση με δείγματα από τις πηγές που χρειάζεται ένα σενάριο χρήσης: κάλυψη, ποιότητα, δικαιώματα πρόσβασης και νομική βάση. Η απάντηση είναι συνήθως «εν μέρει», με σαφή λίστα του τι πρέπει να διορθωθεί πρώτα. Οι ομάδες μας για την Ανάπτυξη λύσεων ΤΝ χρησιμοποιούν την ίδια αξιολόγηση.

Έχουμε ήδη αποθήκη δεδομένων. Ξεκινάμε από την αρχή;

Σπάνια. Μια αποθήκη δεδομένων που τροφοδοτεί αξιόπιστες αναφορές είναι περιουσιακό στοιχείο. Συνήθως την επεκτείνουμε με δυνατότητες lakehouse για μη δομημένα δεδομένα και μεγάλους όγκους, και μεταφέρουμε μόνο όπου το δικαιολογούν το κόστος ή οι περιορισμοί.

Πώς χειρίζεστε την κοινοχρησία δεδομένων με συνεργάτες ή με άλλους δημόσιους φορείς;

Μέσω προϊόντων δεδομένων που διατίθενται από ελεγχόμενα API, με συμφωνίες, περιορισμό του σκοπού και καταγραφή. Όπου εφαρμόζονται η Πράξη για τη διακυβέρνηση δεδομένων ή ο Κανονισμός για τα δεδομένα (Data Act), σχεδιάζουμε τους τεχνικούς ελέγχους ανάλογα. Για δημόσιους φορείς λαμβάνουμε υπόψη και τη διαλειτουργικότητα που προβλέπει ο ν. 4727/2020.

Πείτε μας ποια απόφαση δεν μπορείτε να πάρετε με τα σημερινά δεδομένα

Θα ακολουθήσουμε όσα χρειάζεται έως τις πηγές και θα σας δείξουμε τι θα απαιτούσε ένα πρώτο προϊόν δεδομένων.

Συζητήστε το έργο σαςΕπεξεργασία εγγράφων