Jedna platforma, různé přístupy: Postřehy ze Snowflake Prague User Group #10

Večer spojil českou Snowflake komunitu u živých ukázek, praktických zkušeností a diskusí o tom, jakými rozdílnými způsoby mohou organizace stejnou platformu využívat.

Tři bloky nabídly obzvlášť zajímavé pohledy: novinky ve Snowflaku, panelová diskuse se zástupci Philip Morris International a Rohlik Group a cesta společnosti Organon od tradičního reportingu k self-service řešením postaveným na AI.

Snowflake posouvá hranice tradičního datového inženýrství

Úvodní přednáška Jana Lázničky a Jana Difka ze společnosti Billigence představila několik nových funkcí platformy Snowflake, z nichž řada je zatím dostupná pouze v režimu preview.

Pipeline Builder přináší vizuální přístup k tvorbě datových pipeline s využitím notebooků a souborů SQL či Python. Openflow Gen2 usnadňuje načítání dat díky jednodušší konfiguraci konektorů a rozšířeným možnostem připojení.

V oblasti AI zaujala Cortex AI Gateway, která umožňuje centrální přístup k AI modelům prostřednictvím stávajících vývojových nástrojů. Přitom zachovává správu přístupových oprávnění, sledování využití i protokolování aktivit v prostředí Snowflake.

Business Ontology propojuje byznysovou terminologii přímo s objekty ve Snowflake a pomáhá tak překlenout rozdíl mezi technickou strukturou dat a jejich obchodním významem. Snowflake Dashboards zase umožňuje vytvářet dashboardy přímo v platformě, a to i prostřednictvím konverzační AI.

Zajímavé však nejsou jen jednotlivé funkce, ale především směr, kterým se Snowflake ubírá. Platforma stále více propojuje datové inženýrství, analytiku, vývoj AI a byznysový kontext do jednoho prostředí.

Datovým týmům to otevírá nové možnosti, ale zároveň přináší otázky týkající se data governance, integrace se stávajícími nástroji i praktického nasazování funkcí, které zatím nemusí být dostupné ve všech prostředích.

Jedna platforma, velmi odlišné architektury

Panelová diskuse s Michalem Vilímkem z Philip Morris International (PMI) a Ondřejem Hubálkem z Rohlik Group ukázala, jak rozdílně lze stejnou platformu implementovat.

PMI provozuje přibližně 100 Snowflake účtů, což odpovídá jeho globální, geograficky distribuované datové architektuře. Přístup vychází z principů data mesh se silným důrazem na bezpečné sdílení dat, tagování a dynamické maskování dat.

Rohlik si naproti tomu vystačí se dvěma účty, které odpovídají jeho odlišné organizační struktuře a provoznímu modelu.

Rozdíly přitom nekončí u strategie účtů.

PMI využívá Snowflake především jako platformu pro datové sklady, doplněnou nástroji jako Power BI, Matillion a dbt Cloud. Rohlik ho používá napříč analytikou, zpracováním dat i strojovým učením a kombinuje ho s Airflow, Tableau a vlastními interně vyvinutými řešeními.

Rohlik také popsal, jak se AI stává součástí jeho vývojových procesů, včetně agentů, kteří dokážou postavit řešení na základě požadavku zadaného přes Slack.

Z diskuse vyplynulo důležité ponaučení pro datové týmy: architektonická rozhodnutí mají vycházet z toho, jak organizace skutečně funguje, ne jen kopírovat referenční návrh.

Struktura účtů, volba cloudového poskytovatele, správa warehousů i požadavky na governance, to vše ovlivňuje, jak snadno lze platformu dále rozvíjet.

Neexistuje jediná správná architektura Snowflaku. Řešení vhodné pro globální společnost s distribuovanými týmy se může výrazně lišit od toho, co potřebuje rychle rostoucí a technologicky orientovaná firma.

Organon: Když se z byznysových uživatelů stávají tvůrci

Přednáška Tomáše Soukupa, ředitele IT architektury ve společnosti Organon, nabídla další pohled na to, kam se využití Snowflaku posouvá.

Cesta Organonu ukazuje přechod od reportingu v Excelu k self-service analytice, interním aplikacím ve Streamlitu a řešením postaveným na AI.

Dnes má společnost v produkci 21 AI agentů, kteří stojí na 74 sémantických views. Je to konkrétní ukázka toho, jak se AI může posunout od experimentování k běžnému využití ve firmě.

Nejzajímavější na celém příběhu ale nejsou samotné počty agentů. Podstatná je proměna vztahu mezi byznysovými uživateli a technologickými týmy.

V tradičním modelu byznysoví odborníci formulují své požadavky a datové či IT týmy je následně převádějí do reportů nebo aplikací. Organon se posouvá k modelu, v němž doménoví experti přímo spoluurčují byznysovou logiku, ověřují dotazy a sami vytvářejí řešení, která potřebují.

Klíčovou roli zde hraje sémantická vrstva. Propojuje technická data s byznysovými definicemi, kterým odborníci z jednotlivých oblastí rozumí a které dokážou sami ověřovat a udržovat.

Self-service tak není jen o zpřístupnění dat nebo nástrojů. Jde o to dát byznysovým expertům větší vlastnictví znalostí a řešení, se kterými pracují, zatímco technologické týmy zajišťují platformu, inženýrské základy a governance.

Pro nás v UD4D měla tato přednáška zvláštní význam. Náš tým se na představené iniciativě společnosti Organon aktivně podílí, a proto nás těšilo vidět výsledky společné práce prezentované před širší Snowflake komunitou.

Zároveň to potvrdilo naši zkušenost z praxe: úspěšná datová a AI řešení nestojí pouze na technologiích, ale také na úzké spolupráci datových inženýrů s lidmi, kteří dobře rozumějí byznysu.

Co si ze setkání odnášíme

Všechny tři části programu spojovalo jedno důležité poselství: technologie otevírají nové možnosti, ale skutečnou hodnotu přinášejí až ve spojení s byznysovým kontextem, vhodně navrženou architekturou a spoluprací s doménovými odborníky.

Pro PMI to znamená podporovat globální datový ekosystém s důrazem na governance a bezpečné sdílení dat. Pro Rohlik vytvářet flexibilní prostředí pro analytiku, machine learning a stále častěji také vývoj s podporou AI. Pro Organon pak možnost, aby byznysoví odborníci nebyli pouze příjemci reportů, ale aktivně utvářeli vlastní datová a AI řešení.

Různé priority, odlišné architektury i cesty k cíli. A přesto všechna tato řešení stojí na stejné platformě.

Večer zakončil tradiční Snowflake kvíz a dort na oslavu 10. setkání pražské komunity.

Děkujeme organizátorům, přednášejícím i všem účastníkům za inspirativní diskuse a sdílení zkušeností. Byla to skvělá příležitost vidět, jak se česká Snowflake komunita dál rozvíjí.