Klient v bankovnictví narážel na pomalé, manuálně náročné zpracování dat napříč oddělenými systémy; analytické výstupy vznikaly dny až týdny, což zvyšovalo provozní náklady i riziko opožděných rozhodnutí. Potřeboval zásadně zrychlit analýzu proti tradičním přístupům a zkrátit čas „data-insight-action” na minuty.
Datový asistent v přirozeném jazyce
Země klientaČeská republika
- Typ klientaVelký podnik
- OdvětvíStátní správa a veřejné služby
- Oblast nasazeníNezávislé na oblasti
- AI technologieAI agenti a orchestrace úloh, Generativní AI, Predikce a analýza časových řad, Velké jazykové modely (LLMs), Zpracování přirozeného jazyka (NLP)
- Přínos pro byznysProduktivita a podpora zaměstnanců, Rozhodování a plánování na základě dat
- Typ datČasové řady, Dokumenty / semistrukturovaná data, Ostatní, Strukturovaná tabulková data, Textová data
- Model dodání Služba / Předplatné, Produkt / Licencovaný software
- NasazeníHybridní řešení
- Klíčové schopnostiInteligentní vyhledávání a získávání znalostí, Podpora rozhodování a rozšířená analytika
- Fáze projektuPrvní produkční nasazení
- Formy řešeníKonverzační rozhraní, Rozhraní přes API / Mikroslužby, Samostatná aplikace, Webový portál / dashboard
Popis řešení
Obchodní problém
Řešení
Data Assist sjednocuje data z libovolných relačních zdrojů (PostgreSQL, MSSQL, Oracle, MySQL apod.) a z dokumentů, automatizuje zpracování a pomocí AI převádí vše na přehledné výstupy: dashboardy, reporty, shrnutí a doporučení dalších kroků. Umí extrahovat fakta z textů, propojit je s tabulkovými daty a poskytuje bezpečné nasazení on-premise i v cloudu.
Hlavní uživatelé řešení
Kdokoliv potřebující pracovat s daty nebo jejich výstupy.
Časový rámec projektu (měsíce)
2
Dodatečné služby
- AI strategie a roadmapa
- Audit / studie proveditelnosti
- Identifikace a prioritizace vhodných use‑casů
- Podpora změny a školení uživatelů
Použití osobních údajů / regulovaných dat
Ano
Implementace
Vlastník projektu na straně klienta
Vedoucí IT / dat / technologií
Participace na straně klienta
- Doménoví / procesní odborníci
- Data & ML specialisté
- Softwarové & datové inženýrství / IT Ops
Forma zapojení dodavatele
Společná implementace s klientem
Provoz a údržba
Provozní model
dodavatel a později interní tým s naším supportem
Potřebné kompetence na straně klienta
Ops
Dopad a výsledky
Kvalitativní přínosy
V bankovnictví se vhledy do dat a reporty zkrátily z dnů na minuty, ubývá ruční práce i chyb.
Poučení a doporučení
Klíčové faktory úspěchu
Nejvíc pomohl těsný společný tým s klientem—společné discovery workshopy, rychlé iterace a průběžný přístup k businessovým SME. Stejně zásadní bylo hluboké porozumění datům: raná profilace a mapování zdrojů, sjednocení definic metrik a nastavení kontrol kvality (validace, lineage). Tato kombinace odstranila nejasnosti, snížila chybovost a urychlila dodání konkrétní hodnoty.
Největší výzvy
nekonzistence dat, jejich možná různá interpretace
Doporučení pro ostatní
Nečekat a začít svá data využívat naplno pro všechny své zaměstance.
Propagace
Demo / veřejné výstupy
- SpolečnostViable One
- KontaktDominik Mathauser
- Emaildominik.mathauser@gmail.com
- Webhttps://www.viableone.com
- AdresaJankovcova 47a, 180 00 Praha