;

Azure Days 2018, díl třetí: Kognitivní kouzla a čtyři fáze cloudové business intelligence

5. 4. 2018
Doba čtení: 9 minut

Sdílet

 Autor: Jan Mazal, ChannelWorld
Přinášíme vám třetí díl rozsáhlé reportáže z dvoudenní konference Azure Days 2018 organizované společností VPGC ve spolupráci s českou pobočkou Microsoftu.

Přinášíme vám třetí a závěrečný díl rozsáhlé reportáže z dvoudenní konference Azure Days 2018. První díl, ve kterém pokrýváme úvodní a obecná témata, najdete zde. Druhý díl, který pokrývá konkrétní možnosti a vlastnosti platformy Azure, je dostupný zde. Nyní nás čekají vybrané prezentace z druhého dne, které se zaměřily na praktické využití platformy v byznysu.


Na druhý den byly připraveny ukázky nových možností vývoje a provozu cloudových aplikací, práce s daty a příklady využití pokročilých scénářů platformy Microsoft Azure. Tomáš Kubica přiblížil, co nabízí Azure pro vývojové týmy a jaká je budoucnost vývoje aplikací a umělé inteligence.

Kubicovu prezentaci si můžete prohlédnout na videu nebo si ji stáhnout jako pdf

DevOps, kontejnery a případové studie

DevOps jako příběh ze života si pak přichystali Valdemar Zavadský (jako Dev) a Tomáš Kubica (jako Ops), kteří vtipnou komiksovou formou předvedli hádku mezi vývojáři a IT provozem včetně závěrečného usmíření (video) (pdf).

Zavadský se následně věnoval kontinuálnímu vývoji a nasazení continuous Integration/Continuous Delivery (CI/CD), což doprovodil praktickými ukázkami (video) (pdf). 

Zároveň se o své zkušenosti v moderním vývoji a provozování aplikací podělili zástupci společnosti Oriflame, která na globální úrovni přešla do cloudového prostředí Microsoftu (video).

Valdemar Zavadský ještě v dopolední části připravil ukázkovou aplikaci fungování serverless řešení v Azure. Vysvětlil, že si lze zvolit i ekonomický model, ve kterém se neplatí za výkon, ale za volání rozhraní (video).

Proč je budoucnost vývoje a provozu v kontejnerech a Dockeru, přiblížil ve své přednášce Tomáš Kubica. Vysvětlil, co prakticky technologie kontejnerů obnáší, jaké jsou jejich základní vlastnosti a proč nacházejí stále větší uplatnění (video) (pdf).

V tomto bloku vystoupili také zástupci společnosti RedHat, která představila možnosti provozu technologie OpenShift v prostředí Microsoft Azure (video) (pdf), a také společnost A10 Networks s prezentací řešení pro DevOps a CI/CD (video) (pdf).

Význam vizualizace znali už za Napoleona 

Filip Slánička z Microsoftu zahájil svou prezentaci o business intelligence (BI) ukázkou Minardovy slavné infografiky Napoleonova ruského tažení, aby ilustroval, že potřeba rozumět datům, vyhodnocovat zdroje a znázorňovat výstupy byla validní již před staletími.

Rozdílem oproti minulosti je „pouze“ to, že dnes máme k dispozici nesrovnatelně lepší nástroje. Slánička zároveň zdůraznil, že princip BI je vždy totožný: co se stalo (reporting), proč se to stalo (analytika), co se stane příště (predikce) a co s tím mám dělat (kvalifikované rozhodnutí).

Zároveň dodal, že i dnes v době takřka neomezených možností a otevřených dat některé organizace stále ještě nezačaly používat BI. Platforma Azure přitom podle Sláničky nabízí ucelenou sadu služeb, které jsou uživateli schopné poskytnout vše, co potřebuje.

Filip Slánička

Syrová data na vstupu

Biblicky řečeno, na počátku byla data. Pokud chce organizace začít využívat cloudovou BI, musí ji napřed něčím „nakrmit“. K tomu poslouží nástroj Data Factory, který umožní natáhnout data z libovolného zdroje, kategorizovat je podle potřeb a posílat k dalšímu zpracování.

Platforma dále nabízí nástroj Data Catalog pro třídění dat, službu Event Hubs pro sběr dat z webů, aplikací a zařízení, a služby IoT Hubs a IoT Edge pro sběr dat z internetu věcí. Druhá jmenovaná navíc umožňuje implementaci analytiky do samotných „věcí“, pokud jim chybí stabilní připojení.

V další fázi procesu umí Azure díky platformním službám Azure SQL Database samostatně vytvářet databáze vybavené nativním „autopilotem“ se schopností provádění autonomních úprav nastavení každé databázet podle toho, jaké na ni chodí dotazy.

Kromě toho je k dispozici také PostgreSQL coby řízená služba, MySQL s elastickým modelem přiřazování výpočetní a úložné kapacity v rámci tří tierů, případě Redis Cache coby nástroj pro vývojáře s velikostí až 53 GB.

Kam s nimi?

Po akvizici a roztřídění dat logicky přichází potřeba je někde uložit, k čemuž Azure poskytuje služby Advanced Data Lake, SQL Data Warehouse a Cosmos DB, přičemž každá vyhovuje určitému scénáři a určitému typu dat.

V prvním případě se jedná o „prakticky nekonečné úložiště“ zejména pro nestrukturovaná data, SQL Data Warehouse je pokročilý datový skladu připravený na masivní dotazy a Cosmos DB představuje globální NoSQL databázi s

Slánička zdůraznil nutnost klást důraz na výběr správné služby, neboť každá je dobrá na něco. Jinými slovy, zákazník nepotřebuje mít „kanón na komára“. Cloud je však podle Sláničky naštěstí elastický a umožňuje škálovat podle potřeby.

Inteligence na scéně

V další fázi konečně přichází samotná inteligence a strojové učení. Azure nabízí například webovou aplikaci Azure Machine Learning Studio s možností naklikat si datový model, naučit ho, co je třeba, zabalit ho do webové služby a tu následně aplikovat na data.

Cortana Analytics Gallery nabízí sbírku předem připravených řešení a šablon k okamžitému nasazení s možností úprav, zatímco Data Lake Analytics umožňuje masivní analýzu dat a vyznačuje se zajímavým modelem, kdy zákazník hradí poplatek za analýzu, nehledě na rozsah použitých zdrojů.

I data musí být sexy

Se samotným výběrem dat k analýze pak pomůže služba Stream Analytics, která slouží coby pomyslná výhybka a na základě uživatelem nastavené logiky provádí selekci dat na „zajímavá“, tedy určená k analýze, a „nezajímavá“, která mohou jít přímo do úložiště

Těsně před závěrečným výstupem pak Azure nabízí možnost, aby se na výsledky analýzy v rámci kognitivního procesu „podívali“ boti a vyfiltrovali potřebné informace dříve, než se na tyto výsledky podívá živý člověk.

Slánička na závěr zdůraznil poslední nezbytný krok procesu, kterým je vizualizace. K tomu poslouží nástroj Power BI, jenž se postará o prezentaci výsledků v „sexy“ grafické podobě, aby nebyli spokojení pouze „dataři“, ale také obchodní složka dané organizace.

Celou Sláničkovu prezentaci Data & AI si můžete pustit na videu, případně si ji v klidu pročíst v pdf.

Vedoucí prodejny versus prediktivní analytika

Tématům umělé inteligence, kognitivních služeb, botů a prediktivních modelů se v závěru konference více věnoval Michal Marušan, jenž v řadě ohledů navázal na Filipa Sláničku a rozvinul vybrané oblasti včetně vizualizace výstupů v Power BI nebo „průtokové“ analýzy pomocí Stream Analytics.

Marušan zdůraznil obrovskou škálu využití inteligentních a prediktivních řešení, kterou ilustroval na reálných příkladech rozpoznáváním obličejů řidičů Uber, přínosu technologií při výzkumu rakoviny nebo předpovědi spotřeby vody a paliva a nutnosti údržby v izolovaném prostředí výletních lodí.

Michal Marušan

Roman Russev následně ukázal případovou studii partnerského řešení nasazeného do řetězce prodejen potravin, který se potýkal s velkými ztrátami z důvodu neefektivního systému nákupu a distribuce zboží, který často doslova stál na vzorci: posledních deset dní prodeje / 10 + koeficient odhadu vedoucího.

Ačkoliv bylo primárním účelem ušetřit a ne automatizovat, výsledkem byl komplexní prediktivní model zohledňující data z pokladen za poslední tři roky, vývoj cen benzínu, svátky, dny výplat mezd a sociálních dávek, počasí, struktury obyvatelstva okolo konkrétních prodejen a další faktory.

Model dosáhl „už byznysově relevantní“ 88% přesnosti predikce a umožnil danému zákazníkovi minimalizoval ztráty. Podobné modely však podle Marušana představují pouze začátek. Umělá inteligence má v retailu v dohledné době rozhodovat i o takových detailech, jako je podoba balení produktů.

Roman Roussev

Chatbot v pojišťovně ví, kdy toho nechat

V závěru prezentace se vrátil Michal Marušan, aby rozebral další vrstvu v podobě API kognitivních služeb, jejichž hlavní výhoda spočívá v tom, že jsou „předtrénované“ na určitý způsob využití a stačí je „nakrkmit“ konkrétními daty, aby začaly plnit potřebu, kterou od nich uživatel vyžaduje

Marušan to demonstroval na příkladu řešení pro rozpoznávání obrázků Custom Vision, do kterého nahrál fotografie dvou modelů aut od Škody a nechal službu, aby si je „prohlédla“. Následně do ní nahrál jiné fotografie těch samých aut a Custom Vision velmi přesně určila, co je Superb a co je Kodiaq.

V neposlední řadě pak Azure nabízí službu Bot Framework pro pro usnadnění vývoje botů a jejich integraci do komunikačních kanálů (Skype, Messenger apod.) ale i služeb v samotném Azure (Cortana nebo kognitivní služby).

V živé demonstraci chatbota zákaznické podpory pojišťovny jednajícího o pojištění automobilu zvládl bot všechny rutinní kroky a navíc přesně vystihl chvíli, kdy bylo třeba přepojit komunikaci na živou osobu. Pro zajímavost: bylo to ve chvíli, kdy Marušan začal smlouvat o ceně.

Celou přednášku Umělá inteligence, roBOTy a prediktivní modely najdete na videu nebo si ji můžete stáhnout jako pdf.

bitcoin školení listopad 24

Kompletní materiály z konference najdete na webu azuredays.eu.

Zdroj: ChannelWorld