Czy dane w Twojej organizacji
są gotowe na AI?
Forum zostało przygotowane z myślą o osobach, które odpowiadają za dane, analitykę, transformację tych procesów w organizacji, w szczególności: Chief Data Officers i Head of Data, liderów Data & Analytics, Business Intelligence, osób odpowiedzialnych za data governance i architekturę danych, liderów transformacji cyfrowej i AI.
#AIReadyData
#DataFoundation
#AIReadyArchitecture
#AIDrivenAnalytics
#OperatingModel
#AIDataGovernance
#ShadowAI
#ROIforAI
#KPIforAI
#ValueOfData
Forum przygotuje Cię do odpowiedzi na następujące pytania:
- Czy dane mojej organizacji naprawdę nadają się do AI?
- Czy obecne foundation i architektura danych wytrzymają nowe wymagania?
- Czy analytics w naszej organizacji wspiera decyzje, czy tylko raportuje?
- Czy AI ma właściciela, model działania i zasady, które da się skalować?
- Czy governance obejmuje też realne użycie danych przez AI i Shadow AI?
- Czy umiemy pokazać wartość danych i use case’ów AI w języku ROI i KPI?
Co wyróżnia wydarzenie?
Ekspercka wiedza od organizacji o globalnym zasięgu
Program zbudowany wokół realnych wyzwań CDO i liderów danych
Dane, AI i decyzje — w jednej, spójnej perspektywie
Konkretnie, spójnie, bez buzzwordów
Agenda
Tomasz Jakubiak, EY Academy of Business
Dariusz Gałęzowski, Chief Data Officer, Bank Gospodarstwa Krajowego
- Warunki, jakie muszą spełniać dane gotowe do zastosowań AI,
- Różnice między danymi raportowymi a danymi wykorzystywanymi przez AI,
- Problemy integracji wielu źródeł: tożsamość, semantyka, czas, pochodzenie i uprawnienia,
- Docelowa, sześciowarstwowa architektura Data Foundation,
- Wykorzystanie embeddingów i danych nieustrukturyzowanych,
- Znaczenie feature store dla spójności treningu i inferencji,
- Governance działający w momencie użycia danych,
- Praktyczny test dojrzałości fundamentu danych,
- Plan działania na 90 dni, 3–6 miesięcy i 6–12 miesięcy
Krzysztof Domozych, Centrum Rozwoju Szkół Wyższych MERITO Sp. z o.o.
- Które symptomy świadczą o tym, że architektura, która dobrze wspiera BI i raportowanie, może nie wystarczyć do rozwoju AI?
- W którym miejscu środowisko danych przestaje nadążać za wymaganiami biznesu?
- Jak sprawdzić czy, Twoja organizacja ma architekturę do analityki, ale nie ma jeszcze architektury gotowej na AI?
Sławomir Bartosiewicz, Head of Data Analytics, T-mobile Polska
Jarosław Kaczor, Data Architect, T-mobile Polska
- Move responsibility upstream – przesunięcie odpowiedzialności za jakość, semantykę i zmiany w danych bliżej systemów źródłowych i domen biznesowych
- Build reusable, governed data foundations – wykorzystanie Data Products, Data Contracts i wspólnej semantyki, aby kolejne use case’y BI, ML i AI nie zaczynały pracy z danymi od zera
- Decentralize context, not standards – większa odpowiedzialność domen przy zachowaniu wspólnej platformy, standardów i governance tam, gdzie zapewniają skalę i spójność
Małgorzata McCarthy, Doświadczona ekspertka w zakresie zarządzania danymi
- Kiedy dashboard przestaje wystarczać, choć biznes nadal mówi, że „ma dane”?
- Co zmienia się w analityce, gdy oczekiwanie nie dotyczy już opisu, tylko działania?
- Po czym poznać, że analytics raportuje sprawnie, ale jeszcze nie wspiera decyzji?
Roman Bieda, Radca Prawny i Rzecznik Patentowy, ekspert prawa nowoczesnych technologii: CEO, AI Law Tech Foundation
- Jak AI Act zmienia podejście do jakości i dokumentowania danych?
- Jak rozumieć wymagania AI Act dotyczące jakości danych np. kompletność, reprezentatywność
- Jak chronić się przed stronniczością systemów AI?
- W jaki sposób zapewnić zgodność z AI Act w zakresie jakości danych?
- Polityka zarządzania danymi. Teoria vs. praktyka. Najczęstsze błędy i pułapki
- Jak stworzyć governance, które realnie porządkuje sposób użycia danych w organizacji?
- W którym momencie Shadow AI przestaje być wyjątkiem, a staje się problemem zarządzania danymi?
Andrey Vasyliev, Chief Data & Analyics Director, E100
*prelekcja w języku angielskim, organizator nie zapewnia tłumaczenia
- Which AI use cases genuinely create business value through data?
- How can organisations avoid falling into the trap of KPIs that look impressive but do not actually demonstrate value?
- How can data teams prove measurable business value even when AI initiatives do not yet deliver immediate, tangible outcomes
Zgłoś się już dziś
