Powitanie uczestników i prelegentów. Informacje techniczne dot. korzystania z platformy.

• Ostatnia mila.
• Ekosystem danych.
• Gotowość organizacji do zmian.
• Zmian owych fundamentalność.
• Ukierunkowanie w przyszłość.
• Wartość informacji w czasie.
• Etapy dojrzałości organizacji w korzystaniu z informacji.
• Droga Do Data Driven Organisation.
• Sesja Q&A.

• Zrozumienie roli wizji, ludzi i technologii w wdrażaniu strategii danych.
• Wizja w strategii danych – znaczenie jasno zdefiniowanej wizji dla kierunków rozwoju organizacji w obszarze danych; implikacje organizacyjne – umiejscowienie obszaru danych w organizacji i odpowiedzialność za obszar danych w organizacji; kluczowe pytania, które Kadra Zarządzająca powinna sobie zadać przy tworzeniu wizji dotyczącej danych.
• Ludzie jako fundament strategii danych – rola kultury organizacyjnej w wdrażaniu strategii danych, budowanie i zarządzanie zespołami danych: kluczowe kompetencje, motywacja, rozwój, przykłady z własnej praktyki zarządzania zespołami danych.
• Technologia jako aktywator strategii danych – jak znaleźć odpowiedź na pytanie, które technologie wdrażać można, a które wdrażać warto, jak wybrać odpowiednie technologie dopasowane do potrzeb i możliwości organizacji, jak umiejętnie korzystać ze wsparcia firm zewnętrznych.
• Podsumowanie – integracja wizji, ludzi i technologii, czyli wdrożenie realnej, a nie formalnej strategii danych.
• Sesja Q&A.

• Spojrzenie na trendy BI i AI w 2023 roku, co się sprawdziło, a co nie.
• Trendy na 2024 w oparciu o praktykę biznesową:
  • Konsolidacja stosu danych w kontekście rosnącej roli AI
  • Ewolucja Data Governance i znaczenie Data Literacy
  • Wzrost znaczenia wyjaśnialnej sztucznej inteligencji (XAI)
  • Rola warstwy semantycznej w zrozumieniu i interpretacji danych (również przez GenAI)
  • Znaczenie bezpieczeństwa danych w dobie wszechobecnej AI
  • Wykorzystanie potencjału danych i GenAI
• Jak znaleźć balans w zastosowaniach biznesowych.

• Czym są złożone procesy i jakie są problemy związane z ich optymalizacją?
• Przybliżanie symulacji złożonych procesów (na przykładzie ruchu drogowego i ewolucji nowotworu) przy pomocy metod uczenia maszynowego.
• Algorytmy optymalizacji złożonych procesów.

• Identyfikacja technologii z bezpośrednim potencjałem wykorzystania oraz tych wymagających dalszej analizy.
• Określenie obszarów z największym potencjałem zdobycia przewagi strategicznej.
• Wskazanie potencjalnych ślepych uliczek.
• Rozpoznanie "low hanging fruits" – łatwych do szybkiego wdrożenia rozwiązań.

Poszukiwanie przewagi strategicznej:

• Technologia, Dane, Know-how organizacji: Fundamentalne filary budowania przewagi.
• Zrozumienie struktury rozwiązań: Algorytmy, frameworki i biblioteki, gotowe aplikacje – kluczowe komponenty ekosystemu AI.
• Realne do wdrożenia rozwiązania: Automatyzacja, wirtualni asystenci, analityka, oraz inne innowacyjne aplikacje.
   

Zarządzanie danymi:

• Data Management: Efektywne gromadzenie, przechowywanie i czyszczenie danych.
• Data Architecture: Budowanie skalowalnej i elastycznej architektury danych.
• Data Engineering: Przygotowanie i przetwarzanie danych do analizy i modelowania AI.
• Sesja Q&A

• Co staramy się osiągnąć a czego nie staramy się zrobić. 
• Podstawowe obszary wykorzystania sztucznej inteligencji i uczenia maszynowego:
  • Systemy predykcji oglądalności
  • Systemy rekomendacji treści
  • Systemy rekomendacji reklam
  • Wspomaganie pracy wydawców
• Generatywna sztuczna inteligencja: gdzie zostało po staremu, co się zmieniło, a gdzie trzeba jeszcze poczekać:
  • wciąż część biznesu – stare dobre porównywanie kosztów i przychodów
  • testy A/A, testy A/B testy A/B/C i jeszcze więcej testów – pozwólmy danym umierać za nas
  • regresja, xgboost i modele fundacyjne
  • LLM versus ludzie
• Na co warto zwrócić uwagę. Kilka dobrych praktyk. 
  • Ochrona danych osobowych
  • Prawo autorskie
  • Rzetelność publikowanych treści
  • Obraz firmy w oczach klientów

Powitanie uczestników i prelegentów. Informacje techniczne dot. korzystania z platformy.

• Wyzwania i możliwości związane z implementowaniem multimodalnych modeli Generative AI w przedsiębiorstwach. 
• Prezentacja dwóch przypadków użycia, takich jak tworzenie treści i zarządzanie wiedzą bazując w oparciu o doświadczenia projektowe Lingaro. 
• Omówienie trendów i kierunki rozwoju Multimodal Generative AI w 2024 r. 
• Podsumowanie i wnioski, sesja Q&A.

• Budowa analityki Real-Time do współpracy kupców z producentem.
• Bieżące mierzenie realizacji Joint Business Planów.
• Wykorzystanie AI do cross-sell w sieci handlowej.
• Analityka dla zespołów operacyjnych i codzienne raportowanie KPI transakcyjnych oraz udziałów w rynku lokalnym.
• Codzienna analityka działań konkurencji.
• Budowa bezpiecznego środowiska danych.
• Integracja z systemami kasowymi tradycyjnych detalistów w celu pobierania i wysyłania danych.
• Rozliczanie stron w zależności od egzekucji uzgodnień handlowych.
• Monetyzacja analityki i danych.
• Budowa business case w celu osiągnięcia zwrotu z inwestycji w nowoczesną analitykę big data.

• Zrozumienie roli Sztucznej Inteligencji w Organizacji.
• Przykłady wdrożeń SI i najciekawsze wnioski.
• Przegląd zastosowań Sztucznej Inteligencji w różnych branżach.
• Przygotowanie Twojej Firmy do wdrożenia rozwiązań wykorzystujących SI.
• Sesja Q&A.

W projektach IT przenikają się przedstawiciele biznesu, działów IT, partnerów technologicznych oraz wdrożeniowych. Jak wykorzystać ich potencjał i skierować na drogę dającą największą korzyść dla organizacji? Pogodzić potrzeby w zakresie strategii, budżetu, innowacji oraz technologii? Sprawić żeby wszyscy grali do jednej bramki?

• Fundamenty – czyli dane i gotowość do realizacji celów biznesowych.
• Standardy – do kiedy pomagają, a kiedy zaczynają nas uwierać.
• Świadomość – czyli jasne oczekiwania odnoście potrzeb i przekształcenia ich w realne korzyści.
• Zaangażowanie – kiedy, jak i w jakim zakresie powinniśmy angażować biznes.
• Inspiracje – jak zachęcić biznes do korzystania z nowych rozwiązań.
• Sesja Q&A.

Opiszę własne doświadczenia dotyczące prognozowania popytu z typowych branż. Wskażę również, jakie trudności może napotkać analityk / inżynier / menedżer produktu chcący wdrożyć rozwiązania oparte na zaawansowanych modelach uczenia głębokiego i jak wpływają one na wybór najbardziej skutecznych metod prognozowania. 

• Nowoczesne metody budowy przewagi konkurencyjnej – po co BI w MŚP?
• Opowieści z kraju kwitnącej cebuli, czyli czy da się to zrobić za darmo?
• Zacznij od rozmowy. Jak rozpocząć pierwszy projekt wdrożeniowy?
• Maksymalizacja ROI z projektu wdrożeniowego. Jak uniknąć dodatkowych kosztów?
• Udało się – i co dalej? Sposoby na adaptację i popularyzację nowego narzędzia w organizacji.