V našem rozhovoru s Lukášem Mazánkem a Soňou Karkoškovou z Raiffeisenbank se zaměříme na výzvy a inovace v oblasti datového managementu ve finančním sektoru. Co to znamená datově řízená organizace nebo jak zajistit, aby data nebyla jen technickým, ale skutečně strategickým aktivem? Rozhovor zároveň slouží jako pozvání na Data Festival VŠE, který se uskuteční 4. listopadu na půdě Vysoké školy ekonomické v Praze.
Můžete se na začátek ve stručnosti představit a popsat vaši roli v Raiffeisenbank?
Lukáš Mazánek: Počítače mě fascinovaly už v době, kdy sálový počítač zabíral celé patro a všude se válely děrné štítky. To téma pro mě bylo tak silné, že jsem si pročítal programy vytištěné v odborném časopise dlouho před tím, než jsem doma sám počítač měl. Od té doby se celý můj profesní život točí kolem dat – jejich struktury, významu a praktického využití.
V posledních letech se intenzivně věnuji sémantickému popisu dat. Jeden z hlavních motivátorů je nástup umělé inteligence, která je na datech životně závislá. Konkrétně v Raiffeisenbank působím na pozici Chief Data Officer a vedu několik specializovaných týmů zaměřených na Data Governance, Data Quality, Master Data Management, Metadata Management a na návrh i implementaci datových produktů v souladu s konceptem Data Mesh. Dá se říct, že se snažím být hnacím motorem datové transformace banky – a věřím, že za každým datem se skrývá příběh, který může inspirovat ke změně.
Soňa Karkošková: Do Raiffeisenbank jsem původně nastoupila s cílem nastavit jasná pravidla pro správu dat – tedy Data Governance a související oblasti jako Data Quality a Metadata Management. Moje role se ale rychle vyvíjí spolu s tím, jak roste význam dat pro byznys. Dnes už data jen nehlídám, ale především z nich stavím. Jako datová architektka teď navrhuji, jak mají vypadat naše moderní datové produkty. Jsem v podstatě takový překladatel mezi potřebami byznys stakeholderů a světem datové architektury. Technicky to znamená, že jsem zodpovědná například za návrh doménových datových produktů v rámci našeho přechodu na Data Mesh. A aby to celé fungovalo, jako produktový vlastník řídím rozvoj technologií jako je náš interní nástroj pro monitoring kvality dat nebo přechod na nové centrální Business Glossary.
Jak byste popsali, kam se Raiffeisenbank v posledních letech v datové oblasti posunula?
Lukáš Mazánek: Raiffeisenbank dlouhodobě posiluje svoji pozici na českém trhu – a to lze jen díky skvělým službám pro naše klienty. Ty se ale dnes neobejdou bez odpovídajících dat. Náš apetit dále růst se bez kvalitních dat už neobejde vůbec.
Data jako klíčová složka úspěchu se stále častěji objevuje na všech úrovních banky. Kroky jako agilní transformace banky nebo transformace DWH a celého IT směrem k datovým produktům a Data Meshi nás přirozeně vedou k většímu pochopení dat, zavlastnění a péči o data. Postupně se také v datové oblasti přesouváme do cloudu, což přináší nové požadavky na technologie i postupy. Spolupracujeme s vysokými školami a jejich studenti jsou u nás často zapojeni do významných projektů. Ve vlnách provádíme školení. Ať už to byly certifikace na Data Vault, Data Bricks, AI, tak připravované školení na Data Mesh.
Soňa Karkošková: Posun je fundamentální. Dovolím si říct, že jsme přešli od defenzivního přístupu k datům k ofenzivnímu. Před pár lety byla data v bankovnictví obecně vnímána hlavně jako nutná zátěž, něco, co musíte sbírat, precizně hlídat a reportovat regulátorům. Dnes jsou data jednoznačně strategické aktivum. Raiffeisenbank si uvědomuje, že bez špičkové práce s daty nemůžeme doručovat personalizované služby nebo efektivně bojovat s podvody. Nejde už jen o to mít data, ale o to je aktivně a rychle používat. Ten klíčový posun je právě i v Data Mesh, kdy procházíme zásadní architektonickou i kulturní změnou. Data dnes vracíme byznysu. Stavíme datové prostředí, kde jednotlivé byznysové domény, např. investice nebo retailové produkty sami staví a vlastní své datové produkty. To jim dá obrovskou rychlost ale i odpovědnost.
Co pro vás znamená „datově řízená organizace“ a jak se tento koncept promítá do kultury Raiffeisenbank?
Lukáš Mazánek: Datové řízení banky je pro mě naprosto přirozená věc, která je s námi již dlouho. Na všech úrovních managementu vidím požadavek na rozhodování založeném na datech. Co je nové, je nástup umělé inteligence a snaha o automatizaci procesů, včetně jednodušších rozhodování. Pro tyto případy je nutné mít AI-ready data. A tady je stále prostor pro zlepšení. Dobrá data vznikají v jasně definované doméně s motivovanými vlastníky, kteří jsou vybaveni nástroji a znalostmi. Za poslední roky vidím velký posun kupředu, ale stále vnímám nevyužité příležitosti.
Soňa Karkošková: Pro mě osobně datově řízená organizace není jen firma, která má spoustu reportů. To je jen data-informed organizace, tedy, že se ohlížíme zpět a informujeme se o tom, co se stalo. Skutečná datově řízení organizace je pro mě ta, kde data proaktivně spouštějí akce. Kde se rozhodnutí na všech úrovních dělají na základě dat, která jsou dostupná okamžitě, jsou srozumitelná a důvěryhodná. Není to o pohledu do zpětného zrcátka, ale o řízení firmy pohledem dopředu, o predikcích, personalizaci a automatizaci. V Raiffeisenbank se to promítá především zásadní změnou v myšlení o vlastnictví dat. To je ten největší kulturní posun. Historicky byla data problém IT oddělení. Byznys si něco objednal a IT to časem dodalo. V Data Mesh je to přesně naopak. Byznysové domény se stávají přímými vlastníky svých datových produktů. Nejsou už pasivními konzumenty, ale jsou plně za jejich kvalitu, dostupnost a rozvoj.
Jakou roli dnes hraje datová strategie v celkové strategii Raiffeisenbank?
Lukáš Mazánek: Pevně věřím, že významnou. Opravdovou radost mi dělají business vlastníci, kteří se stále více zajímají o to, co je datový produkt a objednávají si svoje první produkty. V tomto případě cítím, že se nám daří získávat skutečnou setrvačnost a chuť s daty pracovat.
Lukáš Mazánek, Chief Data Officer v Raiffeisenbank, Zdroj: Raiffeisenbank
Raiffeisenbank je jednou z prvních bank v ČR, které se otevřeně hlásí ke konceptu Data Mesh. Jak vnímáte jeho přínosy a výzvy v prostředí velké korporace?
Lukáš Mazánek: Datový produkt, jako jeden dílek celé sítě, přináší do banky produktové myšlení nad daty. Každý datový produkt musí mít „business value on its own“. To významně přibližuje data businessu a dělá z nich komoditu. Zjednodušuje to jejich chápání a nakládání s nimi. Produktový přístup tak do značné míry řídí i životní cyklus produktů. Datové produkty, o které není zájem stále musí jejich vlastník platit. To je velký rozdíl od tradičních centralizovaných datových skladů, kde je často možné najít části, o kterých lze obtížně říct, komu přinášejí business hodnotu.
Data Mesh je pro nás podpora naší agilní transformace v oblasti analytických dat. Data Mesh umožňuje decentralizovanou organizaci, kde jednotlivé agilní triby a business domény dodávají nerušeně business hodnotu. Datové produkty také mají k sobě přibalený i význam dat. To nám jednak umožňuje vytvářet komplexní, celobankovní datové produkty ale zejména jsou takové produkty pochopitelné umělou inteligencí. A právě v tom vidím velkou příležitost.
Jakým způsobem se daří sladit datovou infrastrukturu, governance a potřeby byznysu – aby data nebyla jen technickým, ale skutečně strategickým aktivem?
Není to snadné. Předpokladem pro dobrá data je motivovaný vlastník vybavený nástroji a znalostmi. Datový vlastník musí být někdo, kdo datům opravdově rozumí, tedy někdo z business útvaru, který má k datům blízko.
A takového člověka není snadné najít.
Dále je klíčové nastavit správnou míru datové kvality, kterou může určit jen datový vlastník. Infrastruktura a governance jsou jen podpůrné, metodicko-technické nástroje, jak podpořit vlastníka v generování hodnoty.
V poslední době vnímám zvýšený zájem o data ze strany business útvarů, například z titulu personalizace, nebo automatizace. Tyto požadavky neustále promítáme do stávající strategie, governance a infrastruktury.
Tento organický růst mi přijde nejvhodnější k dané situaci.
Co považujete za klíčové faktory úspěchu při budování robustního datového prostředí v bance?
Soňa Karkošková: To je zásadní otázka. Z mé zkušenosti to není jen o nákupu drahé technologie. Technologie je jen nástroj. Můžete mít nejlepší datovou platformu na světě, ale pokud ji byznys nepřijme za svou a nepochopí její hodnotu, stavíte jen velmi drahé muzeum dat. Úspěch začíná u nás, v datovém týmu, ale musí být dotažen byznys stakeholdery. Oni musí být těmi, kdo definují potřeby a kdo se ve finále stávají vlastníky datových produktů. My jim k tomu dáváme platformu, architekturu a mantinely. Robustní datové prostředí dnes neznamená pevné a stabilní prostředí jako beton, ale flexibilní, škálovatelné a jednoduché. Dalším klíčovým faktorem úspěchu je důvěra. Nikdo nebude používat data k řízení firmy, pokud jim nevěří. A to je přesně role moderní Data Governance.
Soňa Karkošková, Data Governance Manager / Data Architect v Raiffeisenbank, Zdroj: Raiffeisenbank
Kde vidíte hlavní přidanou hodnotu přístupu „data as a product“ ve srovnání s tradičním datovým warehousingem?
Soňa Karkošková: Tradiční datový sklad vnímá data jako vedlejší produkt transakcí. Přístup data as a product vnímá data jako prvotřídní aktivum a plnohodnotný produkt. Tradiční datový sklad je obří úložiště, kam přitékají data ze všech systémů banky. O toto úložiště se stará centrální BI tým. Problém nastává, když chce byznys rychle zpracovat data a použít je pro rozhodování a musí si ta data nejprve objednat u centrální BI týmu. Ten tým je ale úzkým hrdlem, protože obsluhuje všechny. Data jsou navíc často v syrovém stavu, neoptimalizovaná pro konkrétní použití. V přístupu data as a product se o data stará ten tým, který datům nejvíce rozumí, tedy přímo byznysová doména. V prostředí Data Mesh si svoje data vezmou, vyčistí je, dají jim jasnou strukturu, srozumitelný popis (metadata) a zabalí je do produktu, který nabídnou zbytku firmy. Tento produkt má jasného vlastníka, garantovanou kvalitu a jasné rozhraní.
Hlavní přidaná hodnota je tedy trojí. Jasné vlastnictví a kvalita: data vlastní byznysová doména, která jim rozumí nejlépe. Rychlost a agilita: byznysová doména nemusí čekat ve frontě u centrálního BI týmu, ale vytvoří si vlastní datový produkt nebo si koupí existující hotový datový produkt od jiné byznysová domény. Znovupoužitelnost a škálovatelnost: byznysová doména postaví jeden robustní datový produkt a ten používá opakovaně.
Jak konkrétně zajišťujete, aby datové produkty nevznikaly „v izolaci“, ale ve spolupráci s byznysem?
Lukáš Mazánek: Datový produkt z definice nemůže vzniknout odděleně. Součást datového produktu je sémantická definice dat, kterou provádíme za použití Business Knowledge Blueprintu. To je metodický nástroj, který popisuje jazykem ConceptSpeak data business domény. Tento artefakt je možné vyrobit pouze za účasti businessu, protože je popisuje poměrně detailně, jak se business promítá do dat.
Soňa Karkošková: Moje role datové architektky datových produktů je z velké části o neustálé komunikaci a překladu. Žádný návrh nevzniká v izolaci u mě na stole. Naopak, všechny své návrhy pravidelně a velmi detailně konzultuji s byznys stakeholdery a oni zapojují jejich oborové experty, tzv. Subject Matter Experts. Oni jsou ti, kdo datům ve svém kontextu rozumí nejlépe a kdo budou datové produkty denně používat. Důležité je, aby se terminologie v návrhu datových produktů shodovaly s byznys jazykem, který byznysová doména reálně používá každý den při své práci. K tomu využívám Business Knowledge Blueprint. Na základě těchto vstupů a s pomocí datové ontologie pak navrhuji iniciální Business Glossary – tedy ten jednotný, srozumitelný slovník firmy.
Jaké technologie nebo přístupy dnes nejvíce mění způsob, jakým s daty v Raiffeisenbank pracujete (např. cloud, AI, knowledge graphy, metadata management)?
Lukáš Mazánek: Za mě jsou to rozhodně datové produkty. Protože ty v sobě obsahují v podstatě vše ostatní. Naše datové produkty jsou z většiny v cloudu. Jejich význam je popisován Business Knowledge Blueprinty, což jsou knowledge graphy a doménové ontologie. Data v datových produktech provazujeme na stávající metadata úložiště a dále na referenční ontologie mimo banku.
Datový produkt je samostatná jednotka, která má business hodnotu. Lze ho měřit ze všech možných hledisek. Náklady, výnosy, datová kvalita, použití. Je to předmět diskuse dost jasný a rozumně velký na to, aby klíčoví business vlastníci mohli řídit jeho životní cyklus bez rozsáhlých konzultací s odborníky.
Soňa Karkošková: Souhlasím s Lukášem, že je to kombinace technologií a přístupů, která nám umožňuje reálně implementovat koncept Data Mesh a přemýšlet o datech jako o produktu. Aby nám Data Mesh neudělal chaos, musí všichni mluvit stejným jazykem. Proto využíváme datové ontologie. Jsou pro nás sémantickým návodem, který nám pomáhá pro daleko snazší a konzistentnější tvorbu našeho Business Glossary. V praxi s byznysem pak pracujeme právě pomocí Business Knowledge Blueprintů, které vnímáme jako pro byznys čitelnější a pochopitelnější formu Knowledge Grafů. Je to náš hlavní nástroj, jak společně s byznys experty mapovat jejich znalosti a zajistit, že výsledný slovník a datové produkty budou skutečně používat. Tím, že teď budujeme srozumitelné datové produkty (díky ontologiím a blueprintům) vytváříme krmivo pro pokročilou analytiku a AI. To nám otevírá dveře pro skutečně personalizované služby pro klienty.
Jaké typy AI řešení dnes v bance testujete nebo zvažujete nasadit?
Lukáš Mazánek: V bance máme celou řadu machine learning modelů, zejména v oddělní risku – ten modeloval dávno před tím, než AI začalo být trendy téma. Používáme samozřejmě také generativní AI pro celou řadu obecných use casů, jako jsou překlady, brainstormingy, generování podkladů, konzultace, vyhodnocování… Máme AI asistenta, který rozumí pobočkové dokumentaci. Máme AI asistenta, který vám umožní dotazy nad datovými produkty. Nedávno jsem si sám natrénoval a self-service nasadil agenta pro BizBoK metodiku, který mi pomáhá s business architektonickými dotazy.
No a samozřejmě používáme AI k programování. Vibování se rozjíždí a aplikace vytvořené jen s použitím AI se množí.
AI je budoucnost. Na nás je, aby to nebyla budoucnost v mlze halucinací, ale jasná budoucnost nad jasnými daty.
Soňa Karkošková: Já osobně AI využívám jako partnera při tvorbě datových produktů. AI mi pomáhá automatizovat tvorbu a správu metadat, automaticky mapovat pojmy na doménové ontologie a navrhovat o jaká data se jedná (např. toto je PII – Personally identifiable information). V budoucnu chceme pomocí AI vytvořit chytý data product katalog, který bude postaven na sémantickém vyhledávání dat. Uživatel se nemusí ptát technickými názvy sloupců, ale může položit otázku v přirozeném jazyce. Další směr, který vnímám za zásadní jsou personalizovaní asistenti. Cílem je, aby AI proaktivně nabídla uživateli ten správný datový produkt nebo vhled na základě jeho role a kontextu, ve kterém právě pracuje. Tím mu ušetříme čas, který by jinak strávil hledáním.
Jaké jsou podle vás největší překážky v rozšiřování využití umělé inteligence v bankovnictví – technické, datové nebo kulturní?
Lukáš Mazánek: Datové a kulturní.
Soňa Karkošková: Odpověď není černobílá. Je to propojená trojice, ale pořadí důležitosti se mění. Technologie jsou dnes paradoxně tou nejmenší bariérou. Zásadními překážkami jsou datová nepřipravenost, což se ale změní s datovými produkty, a kulturní překážky. Zásadní je datová gramotnost. Potřebujeme lidi, kteří AI nejen rozumí, ale kteří umí správně formulovat byznys problém, který má AI řešit.
Podporujete rozvoj datové gramotnosti napříč bankou? Jak?
Lukáš Mazánek: Samozřejmě. Je to konec konců jeden z cílů datové strategie. Naším společným cílem je nezávislost agilních tribů. Aby to byla end to end nezávislost, je nutné, aby v týmech byli i datově vzdělaní zaměstnanci. Mně se nejlépe osvědčuje společná práce na konkrétním úkolu s business útvarem. V průběhu společné práce dojde k přirozenému přenosu know-how v rozsahu, který daný business ocení. Místo dlouhých školení to pojďme prostě dodat.
Soňa Karkošková: V současné chvíli měníme náš přístup ke vzdělávání v této oblasti. Naším cílem není poskytovat jednorázová, plošná školení, po kterých se nic nezmění. Místo toho připravujeme personalizované školící cesty šité na míru různým rolím v bance. Jde nám o konzistentní vzdělávání, které využívá moderní přístupy jako je micro-learning nebo just-in-time learning, tedy kousky znalostí (tzv. „bite-sized“ obsah), které člověk dostane přesně ve chvíli, kdy je pro svou práci potřebuje. Celé to směřujeme k vytvoření oficiálního certifikačního programu Raiffeisenbank v oblasti dat. Naším konečným cílem totiž není jen odučit pár kurzů. Naším cílem je reálně změnit pracovní chování a návyky a naučit kolegy pracovat s daty sebejistě a mluvit plynně datovým jazykem.
Jaké dovednosti jsou podle vás klíčové pro úspěch v datových týmech – a mění se jejich charakter v posledních letech?
Lukáš Mazánek: Decentralizovaná organizace funguje spíše jako sada spolupracujících start-upů než klasická korporace, kde zaměstnanec často nerozumí tomu, k čemu daný artefakt slouží, ani proč ho někdo potřebuje. Zná jen sadů operací, které má provést.
Taková organizace potřebuje trochu jiné osobní nastavení. Je to více o zavlastnění problému, o porozumění, o spolupráci. Jakkoliv to zní triviálně, vnímám to jako největší rozdíl.
Metodicky nám chybí lidé, kteří dokáží popsat a definovat data, nejlépe taxonomicky, nebo ontologicky.
Soňa Karkošková: Klíčovými dovednostmi jsou produktové myšlení a technická všestrannost, být tzv. T-Shaped. Úspěšný člověk v doménovém týmu musí mít široký přehled a hloubku ve své specializaci. Musí rozumět cloudovým technologiím a SQL nebo Pythonu, ale zároveň musí chápat principy doménových ontologií, datového modelování a jak zajistit kvalitu dat. Už to není jen SQL dotazovač, je to stavitel a správce svého vlastního datového produktu.
Jaký přínos má podle vás spolupráce s akademickou sférou pro praxi banky?
Lukáš Mazánek: Pro mě naprosto zásadní. Akademickou sféru využíváme jak pro konzultace a spolupráci, tak jako zdroj spolupracovníků. V bance už nyní pracuje celá řada studentů a další přicházejí.
Soňa Karkošková: Vnímám ten přínos jako naprosto zásadní a obousměrný. Je to něco, čemu se velmi aktivně a dlouhodobě věnuji. Mnoho let působím jak ve finančním sektoru, ale zároveň i v akademické sféře. V současné chvíli na Vysoké škole ekonomické, konkrétně na Fakultě informatiky a statistiky připravuji a jsem garantem nové magisterské specializace zaměřené přímo na Datovou analytiku v bankovnictví. My z praxe přinášíme studentům reálné, aktuální problémy a use-casy. Konfrontujeme je s výzvami, které v učebnicích nenajdou. Učíme je přemýšlet v kontextu, který je v byznysu opravdu čeká. Když jsme se bavili o nových dovednostech pro Data Mesh, o Data Governance tak přesně toto je ten obsah, který se jim snažíme předat. Výsledkem je, že k nám pak nastupují absolventi, kteří už mluví naším jazykem a datová témata berou jako samozřejmost. Chápou naše reálné problémy a mají přesně ty dovednosti, které potřebujeme. Je to ta nejlepší investice, jakou můžeme udělat pro překlenutí té notoricky známé propasti mezi teorií a praxí.
Co vás na práci s daty stále nejvíc baví nebo inspiruje?
Lukáš Mazánek: Já jsem vždy vnímal data jako něco podstatné a stálého v IT. Aplikace přicházejí a odcházejí, ale data zůstávají. V poslední době tuto jejich vlastnost ještě podtrhlo AI.
Na datech mě strašně baví jejich mnohotvárnost v závislosti na kontextu. Jak je možné data propojovat a odvozovat z nich nová data, která explicitně nikdo nezmínil, ale implicitně tam vždy byla. Je to vlastně taková detektivka. Dlouho se hledá motiv a na základě něho se určí… zákazník.
Hodně mě v datech inspirovalo dílo Zhamak Dheghani a Ronalada G. Rosse.
Soňa Karkošková: Pro mě je to kombinace několika věcí, které mě i po těch letech neustále fascinují. První je ten samotný akt tvorby. Ten pocit, když se z abstraktních dat, stává reálný, funkční a inteligentní produkt. Když vidíte, že architektura, kterou jste na papíře navrhla, v praxi skutečně funguje a někdo ji používá k tomu, aby dělal lepší rozhodnutí. Druhá věc je ten „aha moment“ při překladu. Na mé práci mě baví být tím mostem mezi světem byznysu a světem technologie. A když mluvím o inspiraci, musím zmínit ještě jeden zásadní zdroj. Mám velké štěstí na svého šéfa, Lukáše. Jeho hluboká znalost oboru a to autentické nadšení, se kterým podporuje a prosazuje nové datové iniciativy, jsou neuvěřitelně motivující. Pracovat v prostředí, kde váš vedoucí vidí v datech stejnou strategickou hodnotu a žene vás dopředu, je samo o sobě tou nejlepší inspirací.
Raiffeisenbank je jedním z partnerů blížícího se Data Festivalu VŠE. Pozvali byste naše čtenáře na zmíněnou akci? A na co se od vás můžeme těšit?
Lukáš Mazánek: Data Festival je moje oblíbená akce. Jednak pro tu atmosféru na akademické půdě, kterou prostě jinde nezažijete a potom, že mám možnost se studenty mluvit a třeba je i ovlivnit prostřednictvím proslovu. Můj příspěvek bude tento rok o sémantice dat.
Soňa Karkošková: Vzhledem k tomu, že jsem stála u zrodu prvního ročníku Data Festivalu na VŠE, tak je pro mě i tak trochu srdeční záležitostí. Považuji ho za jednu z nejlepších akcí u nás, navíc zdarma, kde se špičková teorie potkává s tou nejreálnější byznysovou praxí. Takže tímto srdečně zvu všechny čtenáře Fintree.cz na náš workshop, panelovou diskuzi a přednášku. Bude to skvělá příležitost se potkat. Workshop povedu já společně s mou kolegyní, která je mimochodem mou bývalou studentkou. Téma je Datová kvalita datových produktů a prakticky vás provedeme tím, jak navrhujeme a měříme kvalitu v Data Mesh prostředí. Dále na panelovou diskuzi Od datového chaosu k datové kultuře v bankovnictví, kde mezi hosty bude právě i Lukáš Mazánek. A v neposlední řadě na výše zmíněnou přednášku Lukáše Mazánka.
Autor