Podczas tegorocznej konferencji Microsoft Inspire Satya Nadella podkreślał, że partnerzy „pomagają zwiększyć produktywność małych firm, efektywność organizacji non-profit, konkurencyjność międzynarodowych korporacji i skuteczność organizacji rządowych. Dzięki nim lepiej funkcjonują ochrona zdrowia i edukacja, rośnie potencjał ekonomiczny i liczba miejsc pracy. A to wszystko pokazuje, jak wyjątkowy jest ekosystem partnerski”.

Z drugiej strony, jak dowodził Satya Nadella podczas wspomnianej konferencji Inspire, także partnerzy odnoszą znaczne korzyści ze współpracy z gigantem technologicznym.

– Z każdym wygenerowanym przez nas dolarem przychodu partnerzy tworzący rozmaite rozwiązania software’owe w naszej chmurze wypracowują 10 dolarów więcej – mówił CEO Microsoftu.

Nowy system oceny

Na powyższe stwierdzenia cieniem kładzie się wrzawa wokół NCE. Dla części partnerów problematyczne stały się dyskusje z klientami o tym, czy mają decydować się na roczne umowy na pakiety oprogramowania, czy płacić większe o 20 procent zobowiązania miesięczne w przypadku zmiany liczby pracowników lub rodzaju licencji. Nakłada się na to druga kontrowersyjna zmiana w programie partnerskim, czyli system oceny Partner Capability Score, z której Microsoft – co wielokrotnie powtarzali jego przedstawiciele podczas konferencji Inspire – nie zamierza się wycofywać.

Partner Capability Score określi, kto kwalifikuje się do statusu „partnera rozwiązań”, który zastępuje klasyczne kompetencje partnerów Gold i Silver, określające warunki wsparcia dla integratorów w zakresie sprzedaży i obsługi klienta. W ramach nowego systemu oceny partnerzy zdobywają punkty za wdrożenia, wzrost użycia produktów, za uzyskanie certyfikatów i dodawanie nowych klientów. Dodatkowe reguły określają, jak duży musi być klient, aby liczył się w punktacji. Partnerzy rozwiązań mogą również zdobywać specjalizacje, które wiążą się z większymi korzyściami.

Zachwalając NCE i Partner Capability Score, przedstawiciele Microsoftu tłumaczą, że mają one upraszczać klientom prowadzenie biznesu w ekosystemie partnerów. Przykładowo, jakiś czas temu Rodney Clark tłumaczył w rozmowie z CRN-em, że NCE ogranicza liczbę blisko dwudziestu schematów licencyjnych i doświadczeń zakupowych Microsoftu (w tym Open License i Select Plus) do trzech. Te trzy nowe modele wprowadzania rozwiązań na rynek to kolejno: kanał szerokiego zasięgu obejmujący partnerów CSP, kanał korporacyjny obsługiwany w ramach umów Enterprise Agreement i Microsoft Customer Agreements oraz kanał samoobsługowy. A wszystkie korzystają ze wspólnej platformy sprzedażowej.

Kolejną korzyścią z NCE ma być to, że z klientami decydującymi się na roczne subskrypcje partnerzy będą w stanie lepiej prognozować swoje przychody. Z kolei 20-procentowa podwyżka opłat miesięcznych daje partnerom pewną ochronę na wypadek, gdyby klient zakończył działalność lub zmniejszył liczbę licencji.

Według Microsoftu także system oceny Partner Capability Score spowoduje lepszą współpracę dostawcy z partnerami. Dan Rippey, dyrektor odpowiedzialny za program Microsoft Partner Network (który w październiku ma się zmienić w Microsoft Cloud Partner Program) twierdzi, że nowe statusy mają lepiej przedstawiać klientom techniczne możliwości partnera oraz jego „zdolność do dostarczania oczekiwanych wyników biznesowych”.

Nicole Dezen poinformowała natomiast, że współpracujący z handlowcami Microsoftu partnerzy odnotowali w 2021 r. wzrost przychodów o 29 proc. To wynik prawie dwukrotnie większy od 15-procentowego wzrostu przychodów partnerów niezaangażowanych aktywnie we współsprzedaż z Microsoftem.

Partnerzy mają czas do 30 września na odnowienie dotychczasowych kompetencji – przy zachowaniu korzyści, które otrzymali jako partnerzy na poziomie Gold i Silver (do daty następnej rocznicy). Złote i srebrne odznaki oraz materiały marketingowe firmy Microsoft znikną 3 października.

Artykuł Partnerzy Microsoftu na rozdrożu pochodzi z serwisu CRN.

Oracle Services, czyli własny dział usługowy dostawcy, plasuje się w magicznym kwadrancie na czele stawki, jeśli chodzi o zdolności realizacji, a jednocześnie znajduje się blisko środka pod względem wizji. To duży dostawca usług Oracle Cloud Application (OCA), szacowany na 5-10 tysięcy związanych z nimi jednostek FTE (ekwiwalent pełnego czasu pracy). Gartner ocenia, że od ostatniej iteracji magicznego kwadrantu Oracle Services osiągnęło wzrost przychodów na poziomie 36 proc.

• Mocne strony Oracle Services nadal zajmuje wyjątkową pozycję zarówno jako dostawca samego produktu, jak też usług po wdrożeniu. Dział Oracle Consulting wraz z Oracle Industry Consulting świadczy usługi wdrożeniowe i doradcze, podczas gdy Oracle Advanced Customer Services dba o bieżące usługi i ewolucję platformy.

• Słabe strony Oracle Services, jako wewnętrzny dział producenta, nie jest niezależny w procesie rekomendowania rozwiązań klientom. Inne firmy, które nie są producentami i zajmują się wyłącznie usługami, mogą oferować użytkownikom kombinacje różnych rozwiązań, nie ograniczając się do produktów Oracle’a.

Ten gigant na rynku integracji plasuje się w magicznym kwadrancie na czele stawki, jeśli chodzi o zdolności realizacji oraz blisko środka pod względem wizji. Ta warta 10 mld dol. firma z siedzibą w indyjskim Bengaluru jest dużym dostawcą usług OCA, szacowanym na 5–10 tysięcy jednostek FTE. Gartner ocenia, że od ostatniej iteracji raportu Magic Quadrant wzrost przychodów z OCA wyniósł w przypadku Wipro aż 46 proc.

• Mocne strony Wipro aktywnie rozwija ofertę chmurową usług Oracle, korzystając ze swojej platformy doradczej Digital Navigator Advisory, metodologii wdrożeniowej, frameworku wsparcia, a także innych ofert branżowych. Jak stwierdza Gartner, w swoich działaniach wokół OCA integrator ten jest innowacyjny, co wynika z łączenia wewnętrznych możliwości technologicznych, przejęć, partnerstw oraz wspólnych, proinnowacyjnych działań z klientami.

• Słabe strony Wipro wciąż znajduje się w fazie kreowania swoich możliwości w niszowych ofertach chmurowych Oracle, takich jak Data-as-a-Service, Marketing Cloud i Container Engine dla Kubernetes. W ocenie Gartnera, jako że większość biznesu OCA dotyczy klientów zatrudniających ponad 10 tys. pracowników, mniejsze firmy mogą nie uważać Wipro za odpowiedniego dla siebie dostawcę.

KPMG plasuje się w magicznym kwadrancie na czele stawki, jeśli chodzi o wizję oraz blisko środka pod względem zdolności realizacji. Holenderska firma jest dużym dostawcą usług OCA, szacowanym na 5–10 tysięcy jednostek FTE. Gartner ocenia, że od ostatniej iteracji raportu Magic Quadrant wzrost przychodów z OCA wyniósł w przypadku KPMG nieco ponad 25 proc.

• Mocne strony Około 65 proc. wdrożeń KPMG dotyczyło aplikacji ERP, a wiele rozwiązań branżowych tej firmy ma związek z sektorem finansowym. KPMG ma 400 certyfikowanych konsultantów Oracle ERP/EPM, korzystających z zasobów Powered Enterprise w celu realizacji dużych projektów dotyczących transformacji sektora finansowego.

• Słabe strony Chociaż KPMG oferuje kompleksowe rozwiązania biznesowe w kilku wybranych kluczowych branżach, takich jak bankowość i handel detaliczny, rozwiązania firmy nadal skupiają się przede wszystkim na wsparciu księgowości i finansów. Gartner zauważa braki w obszarze procesowym, w tym zarządzaniu doświadczeniami klientów i realizacją projektów, co nie pozwala uznać oferty za naprawdę kompleksową.

Firma z siedzibą w indyjskim Ahmedabadzie jest średniej wielkości dostawcą usług OCA, szacowanym na 1–5 tysięcy jednostek FTE. Gartner ocenia, że od ostatniej iteracji raportu Magic Quadrant wzrost przychodów z OCA wyniósł w przypadku Evosysa 11 proc. Dostawca w magicznym kwadrancie plasuje się w środku stawki – zarówno pod względem zdolności realizacji, jak i wizji.

• Mocne strony Evosys koncentruje się na kluczowych branżach, takich jak opieka zdrowotna, sektor publiczny, handel detaliczny, przemysł czy budownictwo. Zdaniem Gartnera konsekwentne skupianie się na rozwoju rozszerzeń aplikacji i rozwiązań technologicznych dla określonych branż skutkuje szybszym wdrażaniem chmury Oracle dla użytkowników Oracle EBS, PeopleSoft i SAP.

• Słabe strony Luki w doradztwie biznesowym i w zasięgu geograficznym ograniczają firmie możliwości docierania do klientów poszukujących globalnych transformacji. Jak zauważa Gartner, Evosys nie zajmuje się czystym konsultingiem biznesowym, koncentrującym się na wynikach, ale nadal opiera się na technologicznych mapach drogowych.

Artykuł Usługi chmurowe Oracle’a: pretendenci, wizjonerzy i gracze niszowi pochodzi z serwisu CRN.

Zdaniem Gartnera głównym powodem gwałtownie rosnącej sprzedaży Oracle Cloud Application (OCA) jest pandemia Covid-19. W raporcie czytamy: „To jasne, że pandemia zwiększyła zapotrzebowanie na rozwiązania chmurowe i doprowadziła do poważnych braków kadrowych. Do 2023 roku liczba pracowników zdolnych do umiejętnego wdrażania OCA będzie musiała się co najmniej podwoić. Wszystkich 19 dostawców z magicznego kwadrantu ma łącznie niemal 47 tys. akredytowanych certyfikacji dla tych produktów”.

Autorzy raportu przewidują również, że do końca 2024 roku 75 proc. zysków ze sprzedaży usług Oracle’a będzie związanych z chmurą, a 70 proc. dużych wdrożeń ERP będzie przeprowadzanych przez zespoły działające zdalnie.

W magicznym kwadrancie Gartnera dostawców ocenia się według dwóch kryteriów: jak kompletną mają wizję i czy potrafią ją realizować. Następnie każdego dostawcę umieszcza się w jednej z czterech kategorii: gracze niszowi („niche players”; wizja i zdolność do jej realizacji pozostawiają wiele do życzenia), wizjonerzy („visionaries”; dobra wizja, ale słaba zdolność do jej realizacji), kandydaci („challengers”; dobre zdolności realizacji, ale słaba wizja) i liderzy („leaders”; doskonała wizja i zdolność do jej realizacji).

W tym artykule CRN bierze pod lupę sześciu liderów usług chmurowych Oracle’a, którzy znaleźli się w magicznym kwadrancie Gartnera na rok 2022.

Accenture w tym roku zdobył drugie miejsce za wizję i pierwsze miejsce za zdolność do jej realizacji. Dubliński integrator dostarcza usługi Oracle Cloud Application na dużą skalę, czego dowodzi ponad 10 tysięcy związanych z nimi jednostek FTE (ekwiwalent pełnego czasu pracy). Według raportu Gartnera zyski Accenture ze sprzedaży usług OCA wzrosły o 42 proc. w stosunku do zeszłego roku.

• Mocne strony: Accenture mocno zainwestowało w zasoby szkoleniowe, uzyskując ponad 4 tysiące certyfikatów OCA. Ma najwięcej specjalistów ds. Oracle’a, wiele globalnych lokalizacji dostarczających usługi chmurowe Oracle’a oraz 20 ośrodków skupiających się na innowacjach w zakresie analityki Oracle’a. Ponadto Accenture blisko współpracuje z Oraclem, aby wspierać zespoły zajmujące się rozwojem produktów.
• Słabe strony: Źródłem większości zysków Accenture ze sprzedaży usług chmurowych Oracle’a są duże przedsiębiorstwa. Tylko jedna trzecia przychodów pochodzi od firm średniej wielkości. Według raportu Gartnera Accenture to nie najlepszy wybór dla mniejszych klientów i tym samym nie czerpie istotnych zysków z tego segmentu rynku.

Nowojorski Deloitte jest gigantem na rynku usług konsultingowych i doradczych IT. W tym roku firma zdobyła pierwsze miejsce za wizję i drugie miejsce za zdolność do jej realizacji. Podobnie jak Accenture jest dużym dostawcą usług OCA z ponad 10 tysiącami jednostek FTE. Według raportu Gartnera zyski Deloitte ze sprzedaży usług OCA wzrosły o 7 proc. w stosunku do zeszłego roku.

• Mocne strony: Deloitte oferuje użytkownikom Oracle’a innowacyjną strukturę transakcyjną (tzw. „perfect deal”) umożliwiającą interakcje za pośrednictwem modelu finansowego nastawionego na wyniki. Struktura ta pozwala między innymi zarządzać funduszami inwestycyjnymi, płatnościami i leasingiem zwrotnym, zapewniając klientom dużą swobodę w kwestiach finansowych.
• Słabe strony: Deloitte prowadzi prężną działalność audytową, nie może więc realizować transformacji Oracle Cloud w organizacjach publicznych, w których pełni funkcję audytora. Według Gartnera ogranicza to pulę potencjalnych klientów tego dostawcy.

PwC zdobyło trzecie miejsce zarówno za wizję, jak i za zdolność do jej realizacji. Firma ma siedzibę w Londynie i jest dużym dostawcą usług OCA (między 5 a 10 tysięcy jednostek FTE). Według raportu Gartnera zyski PwC ze sprzedaży usług OCA wzrosły o 45 proc. w stosunku do zeszłego roku.

• Mocne strony: W ciągu ostatniego roku PwC wykazało znaczny wzrost zysków związanych z usługami OCA. Około jedną trzecią wszystkich projektów chmurowych PwC stanowią usługi doradcze, co jest wyjątkowo dużym odsetkiem w porównaniu z pozostałymi dostawcami. PwC będzie więc świetnym wyborem dla klientów poszukujących jednego partnera, który może świadczyć zarówno usługi doradcze, jak i wdrożeniowe.
• Słabe strony: PwC nie kładzie nacisku na przenoszenie stacjonarnych platform Oracle ERP do chmury za pomocą metody „lift and shift”. Według analityków Gartnera klienci szukający partnera, który pomoże im w migracji tą metodą, powinni postawić na innego dostawcę.

Artykuł Accenture, Deloitte i PwC liderami magicznego kwadrantu Gartnera pochodzi z serwisu CRN.

Wydatki na AWS, Azure i GCP

Gdy chodzi o wybór dostawcy, to – jak wynika z raportu Flexery – wśród przedsiębiorstw wydających rocznie ponad 12 mln dol. na chmurę niewielką przewagę ma AWS. W sumie 18 proc. badanych firm wydaje co najmniej 12 mln dol. rocznie na AWS. Dla porównania, 15 proc. respondentów przyznało, że wydaje tyle na platformę Azure, a jedynie niespełna 7 proc. na Google Cloud Platform. Z innego zestawienia wynika, że 53 proc. korporacyjnych klientów platformy Azure wydaje na nią co najmniej 1,2 mln dol. rocznie. Dla porównania, takie kwoty na AWS przeznacza 52 proc., a na Google Cloud Platform – 33 proc. firm.

Tempo wdrażania chmury publicznej

Badanie „State of the Cloud Report 2022” firmy Flexera dotyczyło także zakresu wykorzystania chmury publicznej przez przedsiębiorstwa. Ankietowani dostawcy musieli określić, czy w jednej z trzech wiodących chmur publicznych mają uruchomioną znaczną część ze swoich obciążeń, czy też działają tam tylko niektóre z nich. A może dopiero testują daną chmurę? W przypadku zaś, gdyby nie korzystali z żadnej z trzech platform, mieli wskazać, czy planują to zrobić w najbliższej przyszłości.

Raport Flexery potwierdził rzecz oczywistą: AWS, Azure i Google Cloud Platform to trzej najważniejsi dostawcy chmury publicznej w Ameryce Północnej. Wyjątkowe w tegorocznym badaniu okazało się to, jak bardzo Azure nadrobił dystans do AWS. Pozostali dostawcy usług w chmurze nie wykazali tak dużego wzrostu rok do roku jak Microsoft. W rezultacie Azure ma wskaźnik wykorzystania na poziomie 77 proc. wśród wszystkich organizacji i minimalnie wyprzedza AWS, z którego platformy korzysta w większym lub mniejszym zakresie 76 proc. pytanych. Trzecią chmurą jest Google Cloud Platform ze wskaźnikiem wykorzystania na poziomie 48 proc.

Jeśli zerkniemy do zeszłorocznego badania, czyli „State of the Cloud Report 2021”, to okaże się, że liderem był wtedy AWS ze wskaźnikiem wykorzystania na poziomie 77 proc., na drugim miejscu znalazł się Azure (73 proc.), a trzecie miejsce zajęła platforma Google Cloud (47 proc.).

Artykuł AWS, Azure i Google Cloud: 5 trendów zakupowych w chmurze publicznej pochodzi z serwisu CRN.

Mit 1: Dane można z łatwością przesłać do chmury

Jak jest naprawdę?

W rzeczywistości przeniesienie danych do chmury wcale nie jest takie proste. Jedną z przeszkód jest fakt, że wiele osób nadal sceptycznie podchodzi do rozwiązań chmurowych i nie chce umieszczać swoich danych „gdzieś w internecie”. Wydaje się, że najistotniejszym czynnikiem, który wpływa na poziom zaufania do chmury, jest lokalizacja centrum danych. Wiele kontrowersji budzi również przesyłanie danych osobowych. Instytucje finansowe nie palą się, by przechowywać wrażliwe dane w chmurze. Kolejnym problemem jest rozproszenie źródeł danych. Dane zapisane są w różnych formatach i pochodzą od różnych właścicieli, co dodatkowo komplikuje proces migracji.

Rozwiązanie

Nie ma sensu myśleć o zaawansowanej analizie danych, dopóki nie uporamy się z przesłaniem ich do chmury. Jak się za to zabrać? Po pierwsze należy w odpowiedni sposób traktować informacje umożliwiające identyfikację osób (tzw. PII – Personally Identifiable Information). Jeśli dana organizacja zgłasza obawy dotyczące danych osobowych, można rozważyć migrację wyłącznie numerów identyfikacyjnych i robienie obliczeń na ich podstawie. Dopiero, gdy potrzebne są bardziej szczegółowe informacje, np. nazwisko lub adres, przenosimy numery identyfikacyjne z chmury na platformę lokalną i tłumaczymy.

Migrację danych należy zaplanować z dużym wyprzedzeniem. Nawet zaczynając od projektu POC (ang. Proof of Concept), polegającego na weryfikacji koncepcji, trzeba pamiętać, że regularny transfer danych do chmury, umożliwiający przekazanie rozwiązania do produkcji, wymaga wielogodzinnego planowania i podpisania wielu umów. Niezwykle istotne jest, aby dostawcy rozwiązań chmurowych, tacy jak Microsoft, dobrze komunikowali się ze swoimi klientami. W szczególności powinno zależeć im na wyjaśnieniu możliwości i mechanizmów działania chmury w zakresie bezpieczeństwa.

Mit 2: Dane są natychmiast integrowane i gotowe do analizy

Jak jest naprawdę?

Niestety nie jest tak łatwo. Wspomniałem już o trudnościach wynikających z różnic między formatami danych. Wszystkie dane – arkusze Excel, bazy danych SQL, pliki PDF, pliki JPG i inne rodzaje niekompletnych, niespójnych danych pochodzących z nie zawsze wiarygodnych źródeł – muszą być „oczyszczone” i zintegrowane zanim można przystąpić do ich analizy. Kolejną przeszkodą jest złożony proces ładowania. Źródła danych potrzebują różnych narzędzi, by okresowo ładować informacje do chmury. Ponadto ilość danych bywa tak duża, że nawet posługując się rozwiązaniami chmurowymi, do przeprowadzenia migracji trzeba skonfigurować odpowiednie ustawienia i mechanizmy optymalizacji.

Rozwiązanie

Powszechnie wiadomo, że przed przystąpieniem do zaawansowanej analizy danych – a taką jest uczenie maszynowe – należy stworzyć hurtownię danych. Zaczynając nowy projekt, zazwyczaj wdrażamy nowoczesną hurtownię danych klasy enterprise. Na tym etapie gromadzi się wszystkie źródła danych i tworzy odpowiednie procesy ładowania. Dopiero po ustrukturyzowaniu i uporządkowaniu źródeł danych uczenie maszynowe przyniesie wiarygodne rezultaty.

Pracując z danymi, kierujemy się zasadami i wzorcami będącymi częścią Predica Data Domain Framework (PDDF). Jest to kompletne repozytorium bazujące na naszym doświadczeniu oraz najlepszych praktykach DataOps. Na PDDF składają się m.in. powszechnie używane nazewnictwo, podejścia oraz procesy związane z tworzeniem usług i środowisk. W Predica stworzyliśmy nawet własne procedury testowe, aby monitorować funkcjonowanie hurtowni danych. Tylko to daje nam pewność, że dane są prawidłowe i mogą zostać z powodzeniem wykorzystane w uczeniu maszynowym.

Mit 3: Modele uczenia maszynowego wdraża się szybko, a decyzje na ich podstawie można podejmować od razu

Jak jest naprawdę?

Nic z tych rzeczy. Faktem jest, że uczenie maszynowe staje się coraz prostsze. Nowoczesne usługi, takie jak Azure ML, pozwalają tworzyć wiele modeli uczenia maszynowego jednym kliknięciem, ale uwaga – nie wiedząc, co dzieje się „pod maską”, nietrudno pomylić się w interpretacji wyników i podjąć złe decyzje. Co więcej, czasami narzędzia typu Azure ML można stosować tylko w określonych przypadkach. Nie zawsze można więc polegać na całkowitej automatyzacji usług.

Rozwiązanie

Po pierwsze: jeśli rzeczywiście zależy nam na podejmowaniu decyzji biznesowych w oparciu o wyniki dostarczone przez modele uczenia maszynowego, musimy mieć możliwość monitorowania skuteczności tych modeli. Dobrym przykładem rozwiązania, które pomaga zrozumieć tajniki modelu uczenia maszynowego, jest pulpit Power BI. Nie można też polegać na pojedynczym wskaźniku. Trzeba wziąć pod uwagę różne parametry, zależnie od okoliczności i specyfiki naszego biznesu. Na koniec warto również wyznaczyć benchmark, czyli wskaźnik referencyjny, który pozwoli nam ocenić wartość modelu uczenia maszynowego.

Mit 4: Modele są natychmiast wdrażane i wykorzystywane w produkcji

Jak jest naprawdę?

Prawda jest taka, że spora część modeli nie wychodzi nawet poza etap weryfikacji (POC). Wynika to z faktu, że wdrożenie modelu do produkcji jest wyjątkowo czasochłonnym procesem. Przed rozpoczęciem projektu musi wydarzyć się wiele rzeczy: podpisywanie umów, ustalanie praw własności, podejmowanie decyzji. Niektórym firmom po prostu brakuje do tego cierpliwości. Następny problem polega na tym, że modele wprowadzone do produkcji rzadko kiedy są monitorowane. Tymczasem warunki mogą się zmienić, powodując, że skuteczność modeli spadnie. Przykładowo wybuch pandemii miał olbrzymi wpływ na modele uczenia maszynowego i sprawił, że przewidywanie czegokolwiek stało się niemożliwe. To oczywiście dość ekstremalny przykład, ale nie brakuje też mniejszych. Jeśli modele używane w produkcji nie są monitorowane, będą zwracać fałszywe wyniki. Czasami zaś w ogóle nie docierają do etapu produkcyjnego, bo osoby decyzyjne się zniechęcają. Na koniec warto podkreślić, że modele tworzy się z myślą o wprowadzaniu uzyskanych wyników do innych systemów – a to zdarza się rzadko. Modele funkcjonują niejako „z boku”, wyjęte poza obszar pozostałych działań firmy. Ich stosowanie nie jest też zautomatyzowane, np. tak, aby wspomagały kampanię marketingową. Mówiąc krótko, model gubi się gdzieś po drodze.

Rozwiązanie

Już na samym początku projektu POC trzeba zaplanować produkcję i wyjaśnić wszystkim osobom decyzyjnym, że zatrzymanie się na etapie weryfikacji koncepcji to wyrzucanie pieniędzy w błoto. Inwestujemy w rozwiązanie, które przyniesie korzyści dopiero w dłuższej perspektywie czasowej. Chcę też zwrócić szczególną uwagę na mechanizm przeglądania wyników. Powtórzmy raz jeszcze: po wprowadzeniu modeli do produkcji trzeba mieć możliwość ich łatwego monitorowania, tak aby kierownictwo wiedziało, jakie przynoszą korzyści. Odpowiedzią jest MLOps (MachineLearningOps), czyli zestaw praktyk obejmujących budowanie i monitorowanie modeli oraz zarządzanie nimi.

Mit 5: Uczenie maszynowe to praktycznie forma magii zdolna rozwiązać każdy problem

Jak jest naprawdę?

W niektórych przypadkach uczenie maszynowe i zaawansowana analiza danych wcale nie są konieczne, a do rozwiązania problemu wystarczą inne, dużo prostsze sposoby. Wprowadzanie uczenia maszynowego tylko dlatego, że taki panuje obecnie trend, w praktyce nie przyniesie żadnych korzyści. Wdrożenie może również zawieść, jeśli za szybko podniesiemy sobie poprzeczkę. Nawet jeśli istnieją silne przesłanki, by spróbować uczenia maszynowego, nie powinniśmy zaczynać od zbyt skomplikowanych metod.

Na koniec warto dodać, że niektóre firmy po prostu nie są gotowe na wprowadzenie uczenia maszynowego, ponieważ brakuje im wewnętrznych kompetencji. Nawet jeśli zaczną od współpracy z zewnętrznym dostawcą, w przyszłości trudno im będzie rozwijać modele i dostosowywać je do zmieniających się warunków.

Rozwiązanie

Dobrym punktem wyjścia jest przyjęcie odpowiedniego podejścia do danych, czego przykładem są wspomniane już wcześniej praktyki DataOps i MLOps. Jeśli chcemy analizować dane, zamiast od uczenia maszynowego zacznijmy od wizualizacji i Power BI. Uczenie maszynowe (a mówiąc ogólniej, danologia) obejmuje bowiem procesy, nad przebiegiem których musi czuwać wiele osób. Przedsiębiorstwo potrzebuje więc pracowników, którzy mają różne kompetencje, dzięki którym są w stanie zająć się wszystkimi zaawansowanymi zadaniami. Koniec końców, aby móc korzystać z uczenia maszynowego, należy zainwestować w umiejętności, a także zadbać o to, by były one stopniowo rozwijane.

Gorąco zachęcam, żeby zacząć od prostszych metod. Oczywiście uczenie maszynowe może być bardzo przydatne, ale czasami warto odłożyć je na później.

Mit 6: Organizacje chcą korzystać z modeli uczenia maszynowego i chętnie je wdrażają

Jak jest naprawdę?

Uczenie maszynowe jest mocno reklamowane, ale entuzjazm wielu firm opada w momencie, kiedy przychodzi pierwszy rachunek. Powiedzmy szczerze: żeby czerpać korzyści z zaawansowanej analizy danych, trzeba najpierw zainwestować. Czasami przychodzi długo poczekać, aż uczenie maszynowe zacznie przynosić jakieś efekty. Znam mnóstwo organizacji, które próbowały wielu modeli uczenia maszynowego, ale ostatecznie wycofały się z powodu braku zadowalających rezultatów. A gdyby poczekały dłużej albo zainwestowały nieco więcej, uczenie maszynowe zaczęłoby owocować.

Wprowadzając uczenie maszynowe do firmy trzeba więc zadbać o to, by jego wyniki były dobrze wyjaśnione. Zazwyczaj tak się nie dzieje. Pojedyncze numery wypluwane z czarnej skrzynki nic nam przecież nie mówią.

Ostatnia, ale równie ważna rzecz: musimy uzbroić się w cierpliwość i dać naszemu modelowi trochę czasu. W niektórych przypadkach efekty nie będą widoczne od razu; tak po prostu jest. Właśnie dlatego uczenie maszynowe nie jest odpowiedzią na wszystkie bolączki.

Rozwiązanie

Warto zacząć od obszarów, w których uczenie maszynowe najszybciej przyniesie widoczne rezultaty. Ostatnio realizowaliśmy projekt dla pewnego działu finansów. Zastosowaliśmy uczenie maszynowe nie po to, aby stworzyć zaawansowany mechanizm dostarczający informacje o zachowaniach klientów, ale po to, aby wykrywać anomalie w płatnościach. Po czterech tygodniach udało nam się wychwycić wiele duplikatów, dzięki czemu nasz klient zaoszczędził sporo pieniędzy. Namacalne oszczędności okazały się przekonującym argumentem dla osób decyzyjnych i obecnie kontynuujemy naszą przygodę z uczeniem maszynowym w tej firmie. Promując uczenie maszynowe, warto podeprzeć się liczbami zaczerpniętymi z pulpitu Power BI, pulpitu Tableau albo dowolnego narzędzia do wizualizacji (sprawdzi się nawet Excel). Chodzi o to, aby pomóc osobom decyzyjnym zrozumieć sposób działania uczenia maszynowego.

Nie zapominajmy też o planowaniu długoterminowym. Jeśli nie chcemy zatrzymać się na etapie POC, stworzenie samego modelu nie wystarczy. Potrzebny będzie harmonogram działań uwzględniający m.in. ścieżkę dalszego rozwoju, potencjalne korzyści dla różnych działów firmy, możliwości doskonalenia modelu i sposoby śledzenia wyników.

Mit 7: Projekt analizy danych da się od razu zaplanować od A do Z

Jak jest naprawdę?

Projekt uczenia maszynowego może zrobić zwrot w nieoczekiwanym kierunku. Czasem okazuje się, że zastosowana metoda nie nadaje się do rozwiązania danego problemu. Może się też zdarzyć, że model nie działa z powodu zbyt niskiej jakości danych. Jeśli badane zjawisko jest rzadkie, znalezienie odpowiedniego modelu może trochę potrwać.

Raz stworzony model uczenia maszynowego należy ciągle dostosowywać i monitorować. Do tego zaś potrzeba odpowiedniego zespołu, który będzie prowadził obserwacje. Właśnie dlatego nie zawsze da się przewidzieć, jak rozwiną się tego rodzaju projekty.

Rozwiązanie

Nie należy zawsze polegać na gotowych rozwiązaniach. Zamiast tego starajmy się dopasowywać modele uczenia maszynowego do konkretnych problemów. Oprócz tego warto wprowadzić stałe monitorowanie integracji.

Takie dynamiczne podejście pozwala szybko uzyskać wyniki modelowania. Dzięki temu możemy ciągle doskonalić nasz model i osiągnąć satysfakcjonujące efekty. Jeśli w tym celu należałoby zmienić kierunek projektu, to tak właśnie trzeba zrobić. To oczywiście truizm, niemniej na tyle ważny, że warto się nim posłużyć: otóż w każdej dziedzinie – również w analizie danych – zdarzają się niepowodzenia. Trzeba wówczas podeprzeć się zdobytym doświadczeniem i obrać inny kierunek z przekonaniem, że następnym razem pójdzie lepiej.

Jak to działa w naszym przypadku? Korzystamy ze wspomnianego już wcześniej repozytorium Predica Data Domain Framework (patrz: Mit nr 2 „Dane są natychmiast integrowane i gotowe do analizy”). W naszej „Wikipedii” znajduje się sekcja dotycząca m.in. projektów baz danych, projektów Databricks i projektów uczenia maszynowego. W razie wątpliwości możemy sprawdzić, co robić – np. jak prowadzić dany projekt albo, jeśli to potrzebne, zmienić jego kierunek.

Wiktor Zdzienicki  

Autor pełni funkcję Digital Advisor Lead w firmie Predica.

 

  

Artykuł 7 mitów dotyczących analizy danych w chmurze pochodzi z serwisu CRN.

Bayer ogłosił zawiązanie partnerstwa strategicznego z Microsoftem w celu stworzenia opartego na chmurze zestawu narzędzi i rozwiązań z dziedziny danetyki (ang. data science) do zastosowań w rolnictwie i branżach okołorolniczych. Te nowe rozwiązania będą udostępniane firmom – poczynając od startupów do globalnych korporacji – działających w rolnictwie i branżach okołorolniczych do wykorzystywania w ich własnych ofertach. Bayer zmigruje też swoje podstawowe cyfrowe rozwiązania rolnicze na nową infrastrukturę udostępniającą je klientom firmy. „Jak każda branża, sektor rolno–spożywczy przechodzi gwałtowną transformację cyfrową, poczynając od autonomicznych traktorów do cyfrowego doradztwa z wykorzystaniem sztucznej inteligencji i skalowalnego rolnictwa precyzyjnego. Cieszy nas współpraca z firmą Bayer nad przyspieszaniem transformacji i uwalnianiem jeszcze większych innowacji w rolnictwie, poprzez łączenie opartych na danych analiz z ekspercką wiedzą firmy Bayer na temat rolnictwa i możliwościami platformy Microsoft Azure” – podsumowuje Ravi Krishnaswamy, wiceprezes korporacyjny ds. Azure Global Industry w Microsofcie.

Atos sfinalizował umowę dotyczącą przejęcia Cloudreach, dostawcy usług multi-cloud, który specjalizuje się w tworzeniu aplikacji w chmurze i migracji do chmury przy wykorzystaniu partnerstw ze wszystkimi trzema liderami „hiperskali”. Firma zatrudnia ponad 600 pracowników wykwalifikowanych w zakresie platform chmurowych, aplikacji i zabezpieczeń. Szacuje się, że jej przychody osiągną poziom około 100 milionów euro w kalendarzowym roku 2021. Została założona w 2009 r. i ma siedzibę w Londynie, jak też posiada biura w USA, Kanadzie, Holandii, Niemczech, Francji, Szwajcarii i Indiach. „Przejęcie firmy Cloudreach ma na celu połączenie jej możliwości z wiedzą Atos w dziedzinie chmury – zwłaszcza w Europie – i wzmacnia wartość wcześniejszych przejęć, w tym firm: Syntel, Maven Wave, Edifixio, a ostatnio VisualBI i AppCentrica” – komentuje Adrian Gregory, Acting co-CEO w Atosie.

Chmura Krajowa została laureatem globalnego konkursu Google Cloud Customer Award w kategorii opieka zdrowotna i nauki przyrodnicze za system e-Rejestracji na szczepienia przeciw Covid-19 opracowany dla Centrum e-Zdrowia. System składa się z trzech aplikacji, które umożliwiają zarówno samodzielne zapisanie się pacjenta na szczepienie przez Internetowe Konto Pacjenta oraz aplikację mobilną mojeIKP, obsługę zgłoszeń telefonicznych przez pracowników infolinii Narodowego Programu Szczepień, jak i zarządzanie kalendarzem wizyt szczepiennych, ich umawianie i realizację bezpośrednio przez pracowników punktów szczepień. Projekt został zrealizowany w wyjątkowo krótkim czasie kilku tygodni, co było kluczowe w sytuacji pandemii. Dostępna w chmurze publicznej nieograniczona moc obliczeniowa pozwoliła na obsługę skalowalnego, elastycznego i w pełni wydajnego systemu, który jest dostępny 24/7 i umożliwił dotąd umówienie ponad 32 mln wizyt na szczepienia. W dniach szczytowej popularności systemu zarejestrowano z jego pomocą 880 tys. wizyt na dobę i 122 tys. w ciągu zaledwie jednej godziny, a użytkownicy dokonali 350 tys. wyszukiwań wolnych terminów w ciągu godziny i 950 wyszukiwań na sekundę.

Krzysztof Łuczak objął stanowisko dyrektora zarządzającego Cloud Services. Tym samym zastąpił Wojciecha Murawskiego, który przeszedł do Rady Nadzorczej spółki oraz objął funkcję członka zarządu Blue Media. „Moim celem na stanowisku dyrektora zarządzającego jest dalsza ekspansja międzynarodowa firmy oraz rozwój nowych usług i produktów oferowanych przez Cloud Services. Jednym z głównych filarów dalszego wzrostu jest penetracja rynków międzynarodowych, zapoczątkowana podpisaniem pierwszych umów z Bank of Africa” – podkreśla Krzysztof Łuczak, który dołączył do Cloud Services w sierpniu 2021 r. Menedżer w latach 2016–2021 pracował w Atosie, w tym przez 2,5 roku pełnił funkcję prezesa zarządu w spółkach francuskiego przedsiębiorstwa w Polsce.

Thales i Google Cloud ogłosiły partnerstwo strategiczne w celu opracowania usług „Zaufanej Chmury” we Francji. Wspólnie opracowany model tzw. suwerennej chmury ma spełniać francuskie wymogi certyfikatu „Zaufanej Chmury” (określone przez Narodową Agencję Bezpieczeństwa Systemów Informatycznych) i pozwolić francuskim organizacjom na wykorzystanie technologii chmury hiperskalowej przy zachowaniu poufności, bezpieczeństwa i pełnej suwerenności danych. System będzie wykorzystywał dedykowaną infrastrukturę zarządzaną przez nową firmę, której większościowym udziałowcem będzie Thales. Świadczone przez nią usługi będą działały w pełni na terytorium Francji z wykorzystaniem infrastruktury odseparowanej od Google Cloud, z dedykowaną siecią oraz serwerami.

Artykuł Cloud Reseller News pochodzi z serwisu CRN.

W rezultacie „stary kontynent”, gdzie 73 proc. firm jeszcze nie przestawiło się na chmurę – w porównaniu z 60 proc. w USA i w Azji – postrzegany jest jako kolejne chmurowe Eldorado. Pandemia przyspieszyła osiągnięcie „dekady chmury” i sprawiła, że usługi w chmurze stały się centralną usługą i sednem cyfrowej transformacji społeczeństw. Jednak bez odpowiednich gwarancji suwerenności, większa część tego wzrostu może przynieść korzyści graczom spoza Europy. Ponadto, jak pokazuje ustawodawstwo RODO, europejskie wartości – ochrona danych, przejrzystość i humanizm – nie zawsze są podzielane i kompatybilne z zasadami panującymi w Ameryce czy Azji. Stąd ogromna potrzeba posiadania silnych suwerennych europejskich dostawców chmury, aby chronić wartości kontynentu i sprzyjać rozwojowi lokalnych graczy. Mimo tych różnic – a może waśnie z ich powodu – gracze spoza UE nie tylko nie chronili swoich europejskich klientów przed wpływem ustawodawstwa eksterytorialnego (jak chociażby amerykańska ustawa o chmurze, która oznacza, że rząd amerykański może uzyskać dostęp do danych przechowywanych przez amerykańskie firmy, nawet jeśli są przechowywane poza USA). Gracze spoza Europy próbowali powstrzymywać próby wzmocnienia europejskich firm technologicznych i spowolnić rozwój lokalnego, niezależnego ekosystemu technologicznego.

Suwerenność według Scaleway

Ale co rozumiemy przez „suwerenność”? Albo, na początek – czego NIE mamy wtedy na myśli? Zdefiniowana w Cambridge Dictionary jako „posiadająca najwyższą władzę lub będąca całkowicie niezależna”, suwerenność jest wyraźnie nieodłączna od pojęcia wolności. Pojęcie to tradycyjnie kojarzono z pojęciem „terytorium” (zazwyczaj w rozumieniu państwa narodowego). Oczywiście ta klasyczna definicja nie ma zastosowania w cyfrowym świecie, który nie ma ani granic, ani nie łączy się z silnymi, globalnymi współzależnościami. Dlatego naszego rozumienia suwerenności cyfrowej nie należy mylić z tym, co moglibyśmy nazwać „suwerenizmem” lub dogmatyczną formą niezależności. Nie należy go również utożsamiać z protekcjonizmem lub izolacjonizmem; to raczej próba złagodzenia negatywnych skutków superdominacji kilku graczy na rynku chmury. Nie chodzi też wreszcie o wykluczenie innych, ale o naprawienie równowagi sił, tak aby Europa mogła być częścią globalnej dyskusji i by mogła chronić swoje uniwersalne wartości. Dla nas europejska suwerenność w zakresie chmury jest tym bardziej osiągalna teraz, gdy dostawcy z UE mogą zaspokoić aż 80 proc. potrzeb rynku. Aby jednak zapewnić przejrzystą i pełną wizję suwerenności, potrzebna jest lepsza definicja „zaufania”. Budowanie przejrzystości i zaufania wokół ofert w chmurze jest bardzo potrzebne na szczeblu europejskim, jeśli chcemy, aby transformacja cyfrowa naszych gospodarek i społeczeństw była zgodna z podstawowymi wartościami UE. Jest to również kluczowe, jeśli chcemy zmaksymalizować swobodę wyboru dzisiejszych i przyszłych użytkowników chmury, w oparciu o dobrze udokumentowane, bezstronne kryteria. Zdefiniowanie zaufania do chmury wymaga przyjrzenia się wszystkim elementom usług przetwarzania w chmurze dla danego dostawcy – od nieruchomości aż po komponenty oprogramowania tworzące chmurę – aby zapewnić pełną przejrzystość w zakresie właściwej jurysdykcji, zgodnie z danymi warunkami przechowywania, obliczania i przetwarzania. Z tego punktu widzenia doktryna „chmury w centrum” przedstawiona w maju przez rząd francuski, ustanawiająca nową etykietę „chmury zaufanej”, stawia kluczowe pytania nie tylko Francuzom.

W kierunku podejścia multicloud-first

Tak jak nie należy przechowywać wszystkich swoich danych na jednym serwerze, podobnie poleganie na kilku dominujących dostawcach jest receptą na katastrofę. Zależność jest wrogiem odporności. Stąd potrzeba podejścia wielochmurowego (multicloud). Takie podejście wymaga jednak, aby wszyscy dostawcy opracowali architektury interoperacyjne, umożliwiające przenoszenie danych i uniemożliwiające wiązanie klientów ze sobą umowami długoterminowymi (lock-in), utrudniając im w ten sposób przenoszenie swoich danych do innych dostawców.

Warto zaznaczyć, że przydatne wskazówki dotyczące „zmiany i przenoszenia” danych zawiera SWIPO, jednak do tej pory najwięksi dostawcy usług w chmurze nie stosują się do tych zasad. Podobny opór stawiany jest obecnie wobec europejskiego aktu o rynkach cyfrowych (DMA), który ma na celu zrównoważenie reguł konkurencji w sferze cyfrowej: niektóre duże firmy technologiczne domagają się nawet całkowitego usunięcia usług w chmurze z zakresu DMA.

Do gwałtownego wzrostu przyjęcia chmury na całym kontynencie mogłyby przyczynić się działania europejskiego stowarzyszenia GAIA-X. Ale istnieje realne ryzyko, że pęd ku chmurze wzmocni graczy spoza UE, zamiast zwiększać różnorodność europejskich ekosystemów. Co należy zrobić? Oczywiste jest, że sektor chmury w UE nie może osiągnąć większej suwerenności bez wsparcia legislacyjnego.

Autonomia przemysłowa – wehikuł suwerenności

Ustawodawstwo francuskie i europejskie powinno stymulować wzrost graczy UE i zrównoważyć asymetryczny dostęp do rynków publicznych. W Stanach Zjednoczonych i Chinach najwięksi gracze lokalni zdominowali zamówienia na rynku publicznym, wykluczając w ten sposób dostawców europejskich. Ci ostatni są również wykluczani przez przepisy dotyczące lokalizacji danych w tych krajach. To podwójnie niesprawiedliwe. Tym bardziej, że w Europie takich prawnych ograniczeń ci gracze wobec siebie nie napotykają. Wydaje nam się w tym przypadku, że europejskie i krajowe budżety państw powinny dawać przykład poprzez: priorytetowe traktowanie europejskich dostawców multicloud; upewnienie się, że wybory przy okazji zamówień publicznych opierają się na przejrzystości, innowacjach, bezpieczeństwie, suwerenności i neutralności klimatycznej; sprawienie, by instynkt „Kupuj europejską technologię” stał się częścią legislacji.

Europejscy gracze w chmurze to w większości małe lub średnie firmy. Aby mieć szansę na zwycięstwo przy scenariuszu „Dawid kontra Goliat”, potrzebują pomocy prawodawców, którzy mogą stworzyć dla nich odpowiednią przestrzeń do walki. Uważamy, że niezależność od technologii spoza UE musi stać się priorytetem decydentów na całym kontynencie. Wdrożenie instrumentów prawnych ograniczających asymetryczny dostęp do lokalnych rynków publicznych dla podmiotów spoza Europy, byłoby konkretnym sposobem na zrównoważenie warunków konkurencji, jednocześnie stwarzając przestrzeń rozwoju dla europejskiej branży chmury. Bez tego rodzaju zabezpieczeń, antykonkurencyjne zachowania niektórych dużych graczy będą kontynuowane w przyszłości, ze szkodą dla europejskiego biznesu i technologii. Dlatego suwerenność jest kluczem do nowej dekady chmury.

Yann Lechelle  

Autor jest CEO firmy Scaleway.

 

  

Artykuł Nowa chmurowa normalność pochodzi z serwisu CRN.