Jakub Holubec: Budoucnost datové integrace 

Co se datových platforem týče, společnosti budou dále opouštět klasické on-premise databáze jako Oracle nebo Microsoft SQL Server a přesouvat svou datově analytickou infrastrukturu do cloudu. Nejčastěji zvažovanými novými platformami jsou Microsoft Fabric, Databricks a Snowflake, společnosti využívající Google platformu pak zvažují BigQuery. Migrace budou probíhat spíše postupně tak, že všechna nová řešení již budou vznikat pouze na nových platformách a starší řešení se nechají dožít, dokud bude ekonomicky udržitelné provozovat je paralelně. 

Také u datové integrace odhadujeme další odklon od tradičních ETL nástrojů a směřování k využívání automatizačních ETL frameworků se zapojením generativní umělé inteligence pro generování kódu a testování. S migrací datových skladů do cloudu bude růst využívání cloudových ETL nástrojů, jako je Data Factory nebo Keboola. Generativní umělá inteligence se bude intenzivně používat k dokumentaci ETL procesů a lineage pro data governance. 

Ondřej Kožár: Business analýza 

Důležitost role business analýzy ve firmách roste úměrně se zvyšující snahou efektivně využít a porozumět datům, která organizace shromažďují. Roste potřeba stabilní business analýzy, která udržuje detailní přehled o zdrojových systémech, jejich obsahu, propojení, ukládání v datových skladech a následné prezentaci v reportingových systémech. Tento trend pravděpodobně povede k přesunu zaměření business analýzy od IT blíže k obchodním částem organizace. Zároveň se sníží množství technických detailů, které bude muset business analytik ovládat, což umožní větší zaměření na byznysové a strategické otázky. 

S rostoucí poptávkou po umělé inteligenci se zároveň ukazuje, že klíčovým prvkem kvalitní business analýzy bude podrobný popis a dokumentace samotných dat. Už dnes by mělo být standardem, že analýza zahrnuje i detailní popis dat. V budoucnu však bude tento aspekt ještě důležitější, protože množství dat v organizacích neustále narůstá. V mnoha případech se firmy potýkají s obtížemi při orientaci v těchto rozsáhlých datech, což omezuje jejich přidanou hodnotu. Správná kategorizace a přehledné značení dat proto budou zásadní pro jejich efektivní zpracování a využití. 

Umělá inteligence přináší velké příležitosti pro transformaci business analýzy. AI může odbourat některé rutinní úkoly, například v oblasti dokumentace nebo popisu datových setů. V dlouhodobém horizontu by navíc mohla pomáhat s jejich analýzou a vyhodnocováním, a dokonce se stát nástrojem pro prezentaci dat směrem ke koncovým uživatelům. Tento vývoj by mohl posunout roli business analýzy do nové roviny, kde se bude více orientovat na správnou strukturu dat a jejich uložení, optimalizaci promptů a kontrolu smysluplnosti generovaných výsledků. 

Petra Procházková: Projektový management 

Projektový management nabývá v posledních letech na čím dál větší důležitosti a oproti období před pěti a více lety se projektoví manažeři stávají nepostradatelnou součástí firemních týmů. 

Každá společnost, ať už začínající anebo roky fungující, potřebuje mít jasné vize a na ně navazující strategie a cíle. Právě cíle jsou oblastí, kde se do hry dostává projektový management. Při jejich dosahování musíte často zavádět změny a/nebo dočasně vyvinout aktivitu, která není součástí běžného provozu a ideálně by měly být SMART (specifické, měřitelné, akceptovatelné, reálné a termínované). Při realizaci těchto neběžných aktivit vám právě projektový management zajistí, aby se neplýtvalo zdroji ať už v podobě času, rozpočtu, materiálu apod., ale také aby byl daný cíl dosažen v určené kvalitě. 

V současné době se upouští od přidělování zodpovědnosti za řízení dosažení těchto cílů manažerům jednotlivých oddělení a najímají se odborníci, projektoví manažeři, kteří mají tuto problematiku za svoji hlavní disciplínu. Proč? Ona to totiž opravdu je specifická disciplína. 

Projektový management využívá k dosažení správného výstupu různé druhy metodik. Existuje jich nemálo a ještě stále vznikají i některé nové. Projektový manažer podle zadání cíle a celkového konceptu projektu, vybere nejvhodnější způsob řízení, který pak nastaví a přenese na realizační tým. Metodiky jsou praxí vyzkoušené a osvědčené a předchází spoustě problémům, nedorozuměním nebo případnému chaosu, které byste jinak pravděpodobně museli řešit. Nastavení řízení a jeho následné dodržování je ale jen jedna část této práce. 

Projektový manažer musí mít také velmi dobré vyjednávací schopnosti, celkovou komunikaci, emoční inteligenci a být v podstatě neutrálním Švýcarskem, které umí motivovat tým a přinášet energii. Jeho úkolem je komunikovat nejen s realizačním týmem, ale také klientem/nadřízenými, dodavateli, zainteresovanými osobami… Zároveň jako lídr projektu musí být osobou, která je vždy schopná reagovat na všechny nenadálé potíže, které nastanou (a ony nastanou) a zachovat chladnou hlavu. 

Tyto jeho schopnosti a vlastnosti vždy byly nutnou součástí projektového řízení a jejich vysoká úroveň je o to nutnější v době, kdy vznikají čím dál častěji týmy pracující vzdáleně bez osobního kontaktu. Zároveň se jedná o nepostradatelné schopnosti v době příchodu AI, která může mít naučené veškeré metodiky, může velmi dobře vyhodnocovat, jak nejlépe vše nastavit, všechny komunikační matice, plány, rizika atd., díky kterým si manažeři uleví s touto administrativou, ale nedokáže nahradit lidský faktor, který přináší integritu a sounáležitost, srozumitelnost a chuť vydat ze sebe to nejlepší pro společný úspěch. Budoucnost projektového řízení tedy vidím především v perfektních soft skills. 

Petr Kolář: Power BI 

Za dva roky bude Power BI ještě více integrovanou, inteligentní a uživatelsky přívětivou platformou pro reporting a analytiku. Platforma se výrazně vylepší v oblasti AI, strojového učení, spolupráce, správy dat a bezpečnosti, stejně jako hlubší integraci s širším ekosystémem Microsoftu. 

Uživatelům všech technických úrovní bude stále více zefektivňovat práci CoPilot pokročilejšími funkcemi dotazování v přirozeném jazyce, ať už pro analýzu dat, tak i pro tvorbu BI struktur, modelů, vzorců, reportů či interpretací dat, a to využitím definovatelných datových podkladů i Fabric governance katalogů. K dispozici budou interaktivnější vizualizace a propracovanější virtuální i rozšířená realita. 

Vylepší se funkce pro governance platformy a sledování datových návazností včetně citlivosti dat. Zjednoduší se správa zabezpečení, přístupových práv a sdílení. Lépe bude podporována práce s daty v reálném čase, streamování a integrace IoT. Zvýší se výkon Power BI, zejména při práci s velmi velkými datovými sadami, a bude optimalizovaný výkon pro mobilní zařízení. 

Zaměření Microsoftu na cloudová řešení a zajištění snadného přístupu pro uživatele všech technických úrovní bude hnacím motorem pro výrazná vylepšení. 

Petr Rusnák: Qlik 

Budoucnost technologie Qlik vidím zejména v oblasti migrace do cloudového prostředí, v rostoucí implementaci umělé inteligence (AI) a strojového učení (ML) a v posílení pozice v oblasti datové integrace. Každé z těchto oblastí je věnován samostatný odstavec. 

Dle mého názoru se Qlik zaměří především na flexibilní a škálovatelné cloudové řešení, které organizacím umožní zvýšit efektivitu. Pod tím si lze představit snadnější přístup k pokročilé analýze dat, real-time zpracování dat pro podporu rozhodování, snížení nákladů na infrastrukturu a v neposlední řadě i snadnější integraci datových zdrojů a dostupných AI/ML technologií. Cloudové prostředí navíc usnadní spolupráci mezi týmy a umožní centralizovaný přístup k datům, což přispěje k lepší koherenci v rozhodovacích procesech a větší flexibilitě při využívání analytických nástrojů napříč organizací. 

V oblasti AI a ML očekávám, že Qlik bude i nadále rozšiřovat funkcionality již dostupných hlavních nástrojů, jako jsou Insight Advisor a AutoML, které ještě více zjednoduší tvorbu analýz a usnadní detekci vzorů v reálném čase. Zároveň očekávám pokračování v implementaci nových AI funkcionalit, což podtrhuje nedávné představení nástroje Qlik Answers, využívajícího generativní AI, které umožní uživatelům jednoduše získávat odpovědi na analytické dotazy formou zpracování přirozeného jazyka bez nutnosti technických znalostí. Tento směr naznačuje, jak Qlik plánuje zjednodušit přístup k pokročilé analytice pro své zákazníky a jak integrovat AI a ML do firemních procesů. Integrace s AI a ML umožní firmám rychlejší a efektivnější přípravu dat pro analýzu, tvorbu výstupů a prediktivních modelů, což podpoří jejich agilitu a konkurenceschopnost na dnešních dynamických a konkurenčních trzích. 

Posledním větším tématem je posílení pozice v oblasti datové integrace. Qlik investuje nemalé úsilí do rozvoje nástrojů a funkcionalit pro datovou integraci, přičemž akvizice společnosti Talend v minulém roce byla klíčovým krokem k efektivnější správě a přípravě podnikových dat. Nástroje jako jsou Data Integration a Catalog pomohou organizacím automatizovat procesy načítání, čištění a transformace dat z různých zdrojů. Umožní organizacím centralizovat a strukturovat různorodá data, čímž zjednoduší přístup pro uživatele napříč firmou. Pomocí těchto nástrojů uživatelé dostanou možnost snadno vyhledávat, klasifikovat a spravovat data, což urychlí přípravu dat pro analýzu a umožní jejich rychlou dostupnost. 

Ondřej Bronec: Generativní AI 

V následujících dvou až třech letech se očekává, že umělá inteligence (AI) bude nadále růst a rozvíjet se, ale je důležité zůstat realisty ohledně tohoto pokroku. Například model GPT-5 už tu měl být v prosinci minulého roku a od té doby stále ještě není známé oficiální datum vydání. Osobně si myslím, že dokud nenarazíme na zásadní technologický průlom, tak ke zlepšení umělé inteligence jako takové nedojde. To ale vůbec neznamená, že neočekávám změny, jen myslím, že tento pokrok bude spíše evoluční než revoluční. 

Hlavním trendem, který pravděpodobně uvidíme, bude dle mého názoru zdokonalování a efektivní využívání současných modelů. Spousta z nich stále trpí nedostatečnou integrací do stávajících systémů a nedostatkem odborníků schopných s nimi efektivně pracovat. Důraz bude kladen na optimalizaci těchto modelů, zlepšení jejich interpretovatelnosti a snadnější integraci do různých systémů. Možnost efektivně pracovat s vlastními daty, úpravy výstupů pomocí fine-tuningu a AI agenti jako součást definovaného workflow – to vidím jako hlavní cesty k úspěchu. 

Najít a posoudit správné způsoby využití je další věc. Zpracování a souhrny dat, zjednodušení každodenních rutinních procesů nebo rutinní komunikace. To vše je dle mého názoru skvělé a efektivní využití vzhledem k benefitům a ceně. Na druhou stranu generace reklamy nebo komunikace se zákazníkem nejsou ideální a v poslední době vedli i k negativním reakcím pro některé firmy. V souhrnu tedy bude hlavní přemýšlet o tom, kde a jak využívat umělou inteligenci a ne pouze čekat na další revoluční model. 

Zuzana Pragrová: Budoucnost firemního vzdělávání v oblasti práce s daty 

Firemní vzdělávání v oblasti datové analytiky a Business Intelligence (BI) se rychle mění, zejména díky trendu self-service a rozvoji nástrojů jako je Power BI. Tento posun dává širokému spektru uživatelů přístup k datům, což vyžaduje nejen technologické dovednosti, ale i schopnost efektivně s daty pracovat a analyticky přemýšlet. Novým výzvám čelí firmy i díky nástupu generativní AI.  

Roste zájem o komplexní vzdělávací systémy, jako je Datová akademie, které podporují dlouhodobý rozvoj datových dovedností a budování datové kultury ve firmách. Cílem je stát se data-driven organizacemi, kde jsou data klíčová pro každodenní rozhodování.  

Velký důraz bude kladen na motivační složku školení – vysvětlit uživatelům, proč jsou data důležitá a jaké přínosy přináší jejich efektivní využívání.  

Kromě tradičních dovedností, jako je analytické myšlení, se stále více poptávají nové schopnosti, zejména:  

• Kreativní a analytické myšlení: Vymýšlení nových způsobů využití AI.  

• Kreativní a kritické myšlení: Kombinování informací z různých oblastí a rozpoznání pravdy od fikce.  

• Schopnost správně komunikovat s AI: Dovednosti v oblasti prompt engineeringu.  

• Tvorba systémů bez programování: Vytváření nebo zlepšování systémů, které za nás budou pracovat.  

Firemní datové vzdělávání se posouvá směrem k větší pestrosti formátů – online kurzy, peer-to-peer mentoring a interní školitelé. Tyto přehledové formáty budou doplněny o prezenční školení vedená odborníky, která umožní jít do větší hloubky a osvojit si profesionální dovednosti.  

Závěrem lze říci, že firemní datové vzdělávání bude čím dál více personalizované, dlouhodobé a integrované do firemní strategie. Technologie jsou klíčové, ale dovednosti zaměstnanců v práci s daty budou v budoucnosti rozhodující pro úspěch firem.  

Tento článek nevygenerovala generativní AI, ale napsal jej člověk na základě svých znalostí a zkušeností z praxe.