Kategoria: Blog posts

Datan demokratisointi ja älykkäät agentit – Mitä opimme AWS Summitista? 

Posted on

Omalla kohdalla varma merkki kesän tulemisesta on AWS Summit Tukholmassa. Tapahtuma tarjosi katsauksen siihen, mihin suuntaan pilvipalvelut, data-alustat ja tekoälyratkaisut ovat kehittymässä. Tämän vuoden tapahtuman selkeä teema oli agenttipohjainen tekoäly, datan hallinta modernien datalakejen avulla sekä AWS:n tavoite tuoda tekoäly aidosti osaksi liiketoimintaprosesseja – ei vain teknologiahankkeiksi. Tapahtumassa oli yli 80 sessiota eri osa-alueilta ja tähän blogiin on kerätty huomioita sessioista, joihin itse osallistuin. Sessiot, joihin osallistuin keskittyivät agenttipohjaisiin ratkaisuihin, generatiiviseen analytiikkaan ja moderneihin datalakeihin.

Agenttipohjainen tekoäly nousee keskiöön

Keynotessa avattiin AWS:n näkemystä siitä, että tekoälyn seuraava vaihe rakentuu agenttien ympärille. AWS korosti, että organisaatioiden tavoitteena ei ole enää vain hyödyntää yksittäisiä tekoälymalleja, vaan rakentaa kokonaisia älykkäitä työnkulkuja ja automaatiota tukevia agentteja. 

Useat asiakastarinat havainnollistivat tätä muutosta käytännössä. Danske Bank on siirtänyt infrastruktuurinsa AWS-ympäristöön, tavoitteenaan modernisoida pankin data- ja analytiikka-alustaa sekä nopeuttaa palveluiden kehitystä. Zenseact puolestaan kertoi datatehtaan rakentamisesta AWS:n päälle autonomisen ajamisen kehitystä varten, missä datamäärät, analytiikka ja koneoppiminen yhdistyvät erittäin suurissa mittakaavoissa. 

Erityisen kiinnostava case oli DNB Bankin KYC-ratkaisu (Know Your Customer), jossa tekoälyä hyödynnetään asiakastietojen tarkistamiseen ja riskienhallintaan. Ratkaisussa yhdistyivät Amazon Bedrock, generatiivinen tekoäly sekä agenttipohjainen automaatio. Esimerkki kuvasi hyvin sitä, miten tekoälyä pyritään viemään pois yksittäisistä kokeiluista kohti liiketoimintaa tukevia tuotantoratkaisuja. 

Keynoten ehkä tärkein viesti liittyi kuitenkin dataan. AWS korosti useaan otteeseen, että ilman selkeää datastrategiaa ei voida rakentaa kestävää AI-strategiaa. Tämä näkyy monessa organisaatiossa myös käytännössä: suuri osa IT-budjeteista kuluu edelleen legacy-järjestelmien ylläpitoon, mikä hidastaa tekoälyn käyttöönottoa. 

Teknologioista keskiössä olivat erityisesti Amazon Bedrock, uudet AWS-agenttiratkaisut sekä S3:n laajentuminen entistä vahvemmaksi ja monipuolisemmaksi datakerrokseksi. 

Amazon Quick ja generatiivinen BI 

AWS:n tavoite on madaltaa datan hyödyntämisen kynnystä organisaatioissa. Yksi vaihtoehto tähän on Amazon Quick -palvelu, joka tuo generatiivisen tekoälyn osaksi analytiikkaa ja raportointia.  

Amazon Quick -sessiossa esiteltiin ominaisuuksia, kuten QuickSight, QuickFlows, Quick Automate ja Quick Research. Käytännössä nämä mahdollistavat analytiikan, automaation ja tiedonhaun luonnollisella kielellä ilman syvällistä teknistä osaamista. 

Amazon Quick -palvelussa chat-pohjaiset agentit ja knowledge space -ratkaisut integroituvat osaksi yrityksen päivittäisiä työnkulkuja. Tämä suuntaus näkyy vahvasti koko markkinassa: analytiikka ei enää rajoitu BI-tiimeille, vaan tavoitteena on tehdä datasta aidosti koko organisaation työkalu. 

Teknologisesti ratkaisu nojasi vahvasti generatiiviseen tekoälyyn, Amazon Bedrockiin sekä AWS:n omaan analytiikkaekosysteemiin. 

Modernit data-alustat ja S3 Taulut 

Datan näkökulmasta vahva teema tapahtumassa oli modernien data-alustojen rakentaminen Apache Icebergin ja S3 Taulujen ympärille. 

Modern batch analytics -sessiossa esiteltiin, kuinka AWS rakentaa uuden sukupolven analytiikkaratkaisuja yhdistämällä Amazon S3 Tables, Apache Iceberg, AWS Glue, Lake Formation ja Athena. Tavoitteena on mahdollistaa skaalautuvat ja transaktionaaliset datalaket ilman perinteisten data warehouse -ratkaisujen rajoitteita. 

Sessiossa korostui myös datan hallittavuus ja tietoturva. Lake Formationin rooli käyttöoikeuksien hallinnassa sekä Glue-orkestrointi olivat keskeisiä osia kokonaisuutta. 

Myös SageMaker Unified Studio ja QuickSuite tuovat analytiikan, koneoppimisen ja visualisoinnin lähemmäksi samaa alustaa. AWS:n strategia näyttää olevan yhtenäisen dataekosysteemin rakentaminen,jossa data engineering, analytiikka ja AI yhdistyvät saumattomasti. 

Case Funnel: agenttipohjaiset dataintegraatiot 

Yksi käytännönläheisimmistä sessioista oli Funnelin esitys agenttipohjaisista dataintegraatioista. 

Funnel käsitteli ongelmaa, joka on tuttu dataorganisaatioille: SaaS-järjestelmien API-rajapinnat muuttuvat jatkuvasti, integraatiot ovat hauraita ja niiden ylläpito vie paljon aikaa. 

Ratkaisuna Funnel on rakentanut deklaratiivisen connector-alustan, jota laajennetaan nyt agenttipohjaisella tekoälyllä. Ajatuksena on, että AI-agentit voivat automaattisesti tulkita API-rajapintoja, rakentaa datamalleja ja muuntaa raakadataa analytiikkavalmiiseen muotoon. 

Tämä oli yksi konkreettisimmista esimerkeistä siitä, miten generatiivista tekoälyä voidaan hyödyntää data engineeringissä käytännön tasolla. Samalla se kuvastaa hyvin koko alan muutosta: manuaalinen integraatiotyö pyritään automatisoimaan mahdollisimman pitkälle. 

Funnelin Open Data Lake -ratkaisu AWS:n päällä osoitti myös, kuinka tärkeään rooliin avoimet formaatit ja data lake -arkkitehtuurit ovat nousseet. 

Apache Iceberg ja modernit datalaket 

Viimeinen sessio keskittyi Apache Icebergiin ja modernien datajärvien rakentamiseen Amazon S3:n päälle. 

Apache Iceberg nousi tapahtumassa lähes standardiksi modernille data-alustalle. Teknologia tarjoaa transaktionaalisuuden, schema evoluutio -ominaisuudet ja paremman suorituskyvyn suurille datalakeille. 

Sessiossa käytiin läpi erityisesti käytännön operointia: metadatan optimointia, skeemasuunnittelua sekä kustannusten hallintaa. 

AWS painotti vahvasti S3 Taulujen -ratkaisua, jonka tavoitteena on yksinkertaistaa Iceberg-pohjaisten datalaken hallintaa. AWS näkee data lakehouse -arkkitehtuurit keskeisenä osana tulevaisuuden analytiikka- ja AI-ratkaisuja. 

Yksi tärkeä havainto oli myös se, että datalakejen kehitys ei enää keskity pelkästään tallennukseen. Nyt tavoitteena on rakentaa alustoja, jotka tukevat samanaikaisesti analytiikkaa, koneoppimista, generatiivista tekoälyä ja agenttipohjaisia sovelluksia. 

Yhteenveto 

AWS Summit Stockholm 2026 vahvisti käsitystä siitä, että tekoäly on siirtymässä kokeiluista kohti tuotantokäyttöä – mutta matkaa on vielä jäljellä. Agenttipohjaiset ratkaisut, generatiivinen analytiikka sekä modernit datalaket tekevät tuloaan kovalla vauhdilla. 

Samalla tapahtuma muistutti siitä, että onnistunut AI-strategia rakentuu edelleen vahvan data-alustan päälle. Organisaatioiden on modernisoitava data-arkkitehtuurinsa, automatisoitava integraatioita ja hallittava dataa tehokkaasti ennen kuin tekoälystä voidaan saada täysi liiketoimintahyöty. 

AWS:n vahva panostus Amazon Bedrockiin, Apache Icebergiin, S3 Tauluihin ja agenttipohjaisiin ratkaisuihin antaa hyvän kuvan siitä, mihin suuntaan pilvi- ja dataekosysteemi on seuraavina vuosina kehittymässä. 

-Asko Ovaska, Partner, Senior Data Architecht & Engineer  

Data Innovation Summit 2026: Tekoäly on vain niin viisas kuin sen perusta

Posted on

Viime viikon loppupuoli vierähti Tukholmassa Data Innovation Summitissa. Kyseessä on ehdottomasti Pohjoismaiden tärkein ja suurin data-alan tapahtuma, joka kokoaa saman katon alle alan kirkkaimmat toimijat, visionäärit ja tekijät.

Kista Messukeskus toimi erinomaisena kohtauspaikkana, jossa pääsimme vaihtamaan ajatuksia niin nykyisten asiakkaidemme, prospektien, kumppaneidemme kuin maailman johtavien ohjelmistotoimittajien kanssa. Se on paras paikka, jossa alan tulevaisuuden trendit muuttuvat käytännön keskusteluiksi ja jossa data verkostojen voima korostuu. Perinteisesti Suomesta oli kattava osallistujajoukko.

Hypestä kohti käytäntöä

Kun vertaamme tämänvuotista tapahtumaa viime vuoteen, muutos on silmiinpistävä. Viime vuonna puheissa dominoi vielä tekoälyn valtava potentiaali ja alkuinnostus (hype), mutta nyt ilmassa oli huomattavasti realistisempi ja tekemiseen keskittyvä ote. Organisaatiot ovat siirtyneet kokeiluista ja demoista kohti aitoja tuotantoratkaisuja.

Samalla kun tekoälyä on alettu soveltaa käytännössä, on opittu kantapään kautta, mitkä asiat todella ratkaisevat onnistumisen. Tämän kokemuksen myötä kolme kriittistä aihealuetta on noussut selkeästi ylitse muiden.

1. Ei tekoälyä ilman modernia data platformia

Käytännön työssä on huomattu, että tekoäly on loppupeleissä vain ”matemaattinen kerros” datan päällä. Jotta tekoäly voisi toimia luotettavasti ja nopeasti, se tarvitsee taakseen modernin ja skaalautuvan Data-alusta/Data Platformin. Ilman vankkaa pohjaa parhaatkin algoritmit jäävät lähes aina hyödyttömiksi.

2. Konteksti on kuningas (Context is Everything)

Tekoäly on vaikuttava, mutta se on pohjimmiltaan sokea ilman yrityskohtaista sisältöä eli kontekstia. Käytännön toteutukset ovat osoittaneet, että yleiset kielimallit hallusinoivat tai antavat ympäripyöreitä vastauksia ilman tarkkaa, kuratoitua yritysdataa. Menestyjät syöttävät tekoälylle omaa sisältöään, jolloin siitä tulee todellinen strateginen työkalu.

3. Data Governance – Villi länsi on ohi

Kolmas ja ehkä kriittisin oppi on ollut datan hallinnan eli governancen välttämättömyys. Kun AI-hankkeet viedään tuotantoon, vastuu kasvaa. On tiedettävä, mistä data tulee, kuka siihen pääsee käsiksi ja ovatko tulokset auditoitavissa? Myös vastuukysymykset on pakko ratkaista. Voidaan hyvin kiteyttää: Data ilman hallintaa on riski ja hyvä data on omaisuuserä.

Menestys syntyy teknologiasta ja ihmisistä – Etlia apunasi

Konferenssin ehkä tärkein loppupäätelmä oli, että teknologia yksin ei riitä. Tarvitaan kokeneita asiantuntijoita, jotka osaavat yhdistää nämä kolme palasta – alustan, kontekstin ja hallinnan – toimivaksi kokonaisuudeksi.

Nämä kolme osa-aluetta muodostavat Etlian osaamisen ytimen. Olemme toimineet modernien data platformien, datan hallinnan ja ”datan murskauksen” parissa yrityksemme perustamisesta lähtien. Meille nämä teemat eivät ole uusia trendejä, vaan vankkaa ydinkokemusta, jonka päälle rakennamme tämän päivän tekoälyratkaisuja.

Osaavat konsulttimme varmistavat, että data- ja tekoälyhankkeet tuottavat todellista liiketoimintahyötyä eivätkä jää vain kalliiksi kokeiluiksi. Me tunnemme datan matkan lähteestä tekoälyn käyttöliittymään saakka.

Onko teidän yrityksessänne perusta kunnossa, ennen kuin tekoälyltä pyydetään vastauksia? Ota yhteyttä, niin laitetaan datanne töihin vuosien kokemuksella!

Ota yhteyttä
Varaa aika puhelulle

– Petri Räsänen & Juuso Maijala

Tekoälyohjatut prosessit vaativat modernin data-alustan ja osaamista

Posted on

Yritysten data-alustat ovat siirtymässä uuteen aikakauteen. Siinä missä aiemmin niiden rooli oli kerätä ja raportoida tietoa, nyt niitä kehitetään ensisijaisesti mahdollistamaan tekoälyn hyödyntäminen, ja ennen kaikkea yritysten prosessien tehostaminen.

Tämä muutos on merkittävä. Data ei ole enää pelkkä päätöksenteon tuki, vaan aktiivinen osa operatiivista tekemistä. Tekoäly ei enää vain analysoi prosesseja, se osallistuu niiden suorittamiseen ja optimointiin.

Moderni data-alusta yhdistää datan, analytiikan ja tekoälyn suoraan liiketoimintaprosesseihin. Lopputuloksena syntyy järjestelmiä, jotka ohjaavat ja automatisoivat toimintaa.

1. Rutiinitehtävien automatisointi 

Tekoäly soveltuu erinomaisesti toistuviin ja sääntöpohjaisiin tehtäviin, kuten laskujen käsittelyyn, kirjanpitoon, asiakaspalvelun chatbotteihin ja sähköpostien lajitteluun sekä vastausluonnoksiin. Näin säästetään aikaa ja vähennetään inhimillisiä virheitä. 

2. Data-analytiikka ja ennustaminen 

Tekoäly mahdollistaa siirtymän reaktiivisesta toiminnasta ennakoivaan. Tästä esimerkkejä ovat: 

  • Myynnin ennustaminen  
  • Kysynnän ja varaston optimointi  
  • Asiakaskäyttäytymisen analysointi  

Tämä mahdollistaa paremmat ja nopeammat päätökset datan pohjalta. 

3. Asiakaskokemuksen parantaminen 

Personointi ja reaaliaikainen reagointi personoiduilla suosituksilla sekä kohdennetulla markkinoinnilla lisää myyntiä ja asiakastyytyväisyyttä. 

4. Sisäisten prosessien tehostaminen 

Sisäisiä prosesseja voidaan tehostaa mm. dokumenttien automaattisella käsittelyllä,  tukemalla projektinhallintaa sekä tuottamalla ennusteita AI:lla. Näin voidaan saavuttaa nopeampi tiedonkulku ja vähemmän manuaalista työtä. 

5. Tuotannon ja operaatioiden optimointi 

Operatiivinen tehokkuus paranee datan ja tekoälyn yhdistelmällä. Tästä esimerkkeinä ennakoiva huolto, logistiikan optimointi ja laadunvalvonta kuvantunnistuksella. Nämä voivat mahdollistaa pienemmät kustannukset ja seisokkiajat. 

6. Sisällöntuotanto ja viestintä 

Generatiivinen tekoäly nopeuttaa tiedon tuottamista, kuten markkinointitekstit, raportit,  tarjoukset ja koulutusmateriaalit, joilla voidaan saavuttaa nopeampi ja yhtenäisempi viestintä sekä kustannussäästöjä. 

7. Päätöksenteon tukeminen 

Tekoäly tukee johtoa yhä strategisemmalla tasolla, mm. skenaariolaskelmissa, riskiarvioinneissa, KPI-seurannassa ja poikkeamien tunnistuksessa. Näin voidaan saavuttaa strategisesti parempia päätöksiä. 

Vaaditaan organisatorinen muutos 

Vaikka teknologia kehittyy nopeasti, suurin haaste ei ole tekninen, vaan organisatorinen.  Tekoälyn hyödyntäminen prosessien tehostamisessa vaatii muutoksia siinä, miten organisaatio toimii: 

1. Siirtymä siiloista datavetoiseen tekemiseen 

Data ei voi olla vain IT:n vastuulla. Sen tulee olla osa jokapäiväistä päätöksentekoa kaikilla tasoilla. 

2. Uudet roolit ja osaaminen 

Tarvitaan uusia kyvykkyyksiä: 

  • data engineerit ja ML-asiantuntijat  
  • liiketoiminnan ja teknologian yhdistävät roolit (esim. AI product owner)  
  • ja ennen kaikkea kyky ymmärtää prosesseja datan näkökulmasta  

3. Prosessien uudelleenajattelu 

Tekoälyä ei kannata liimata vanhojen prosessien päälle. Suurin hyöty syntyy, kun prosessit suunnitellaan uudelleen tekoäly edellä. 

4. Muutosjohtaminen 

Organisaation on opittava luottamaan dataan ja tekoälyyn. Tämä vaatii kulttuurin muutosta, ei pelkästään uusia työkaluja. 

Kohti autonomisia liiketoimintaprosesseja 

Seuraava kehitysvaihe on jo näkyvissä: autonomiset prosessit. 

Autonomisessa prosessissa: 

  • data päivittyy reaaliaikaisesti,  
  • tekoäly analysoi tilanteen ja 
  • järjestelmä tekee päätöksiä ja käynnistää toimenpiteitä automaattisesti  

Esimerkiksi: 

  • varasto täydentyy automaattisesti kysyntäennusteen perusteella  
  • asiakaspalvelu ratkaisee suuren osan yhteydenotoista ilman ihmistä  
  • tuotantolinja optimoi itseään jatkuvasti sensoridatan perusteella  

Ihmisen rooli ei katoa vaan muuttuu: operatiivisesta tekemisestä siirrytään ohjaukseen, valvontaan ja poikkeustilanteiden ratkaisemiseen. 

Mitä onnistuminen vaatii? 

Tekoälyn hyödyntäminen prosessien tehostamisessa edellyttää kolmen tekijän yhdistämistä: 

  1. Ymmärrys tehostettavista prosesseista,  
  2. Tekoäly, joka voidaan integroida suoraan tekemiseen ja 
  3. Laadukas ja yhtenäinen data modernin data-alustan päällä  

Ilman yhtenäistä data-alustaa tekoäly jää helposti irrallisiksi kokeiluiksi. 

Autonominen datavetoinen liiketoiminta 

Data-alustojen murros ei ole pelkkä teknologinen päivitys, se on muutos tavassa, jolla yritykset toimivat. 

Organisaatiot, jotka onnistuvat yhdistämään datan, tekoälyn ja prosessit, eivät ainoastaan tehosta toimintaansa, vaan ne rakentavat pohjan autonomiselle, jatkuvasti optimoituvalle liiketoiminnalle, ja juuri siinä syntyy tulevaisuuden kilpailuetu. Tällainen muutos edellyttää syvää osaamista ja käytännön kokemusta.  

Etlialla olemme työskennelleet näiden teemojen parissa alusta asti. Korkea asiakastyytyväisyytemme (NPS 88) kertoo kyvystämme tuottaa konkreettista arvoa ja vahvistaa asiakkaidemme kilpailukykyä myös tulevaisuudessa. 

Mikäli haluat keskustella aiheesta lisää, niin ota yhteyttä!

-Juuso Maijala, CEO

Data-alan suurin murros: Koodarista kuraattoriksi ja ”Vibe & Agenttikoodauksen” aikakauteen

Posted on

Vielä muutama vuosi sitten data-arkkitehtuurien rakentaminen oli pitkälti käsityötä: asiantuntijoiden SQL-lauseiden hienosäätöä, Python-skriptien debuggaamista sekä raskaiden ETL-putkien rakentamista. Muutama vuosi sitten saapui generatiivinen tekoäly, ja pelikenttä muuttui pysyvästi.

Olen seurannut data-alaa, ohjelmistoja sekä konsultointia vuosituhannen vaihteesta yli 25 vuoden ajan. Olen nähnyt useiden teknologioiden nousevan ja väistyvän, mutta uskallan sanoa, että nyt käsillä oleva murros on suurin näkemäni muutos sitten pilviratkaisuihin siirtymisen, joka alkoi tapahtua 2010-luvulla. Siinä missä pilvi muutti sen missä data asuu ja prosessointi tapahtuu, tekoäly tulee muuttamaan sen, miten datan kanssa työskentelemme päivittäin.

Tämä ei tarkoita data-asiantuntijoiden katoamista vaan roolin painopisteen muutamista: tekijöistä on tulossa yhä enemmän arkkitehteja, kuraattoreita ja laadunvarmistajia kuin koodin vääntäjiä.

Ohjelmistojätit tekoälyn eturintamassa

Suuret data-alustat ja integraatiotyökalut eivät ole jääneet odottelemaan, vaan ne ovat integroineet tekoälyn suoraan ydintoimintoihinsa. Tämä automatisoi jo nyt huomattavan osan työstä, joka aiemmin tehtiin käsin.

AlustaEsimerkkejä AI-ratkaisuista
Snowflake (Cortex)Tuo LLM-mallit suoraan datan luokse, mahdollistaen älykkään analyysin ilman datan siirtämistä turvallisesta ympäristöstä.
Databricks (Agents Bricks)Tarjoaa työkalut itsenäisten agenttien rakentamiseen, jotka osaavat hakea tietoa ja suorittaa tehtäviä yritysdatan pohjalta.
Microsoft FabricCopilot ohjaa läpi koko tietovirran, automatisoiden koodin generointia, dokumentointia ja raportointia.
SAP (Joule)Helpottaa navigointia monimutkaisissa ERP-tietorakenteissa ja kääntää liiketoimintaprosessit nopeammin ymmärrettäviksi oivalluksiksi.

”Vibe” tai “Agentti” koodaus vaatii rautaista senioriteettia

Mielenkiintoinen ja paljon keskustelua herättänyt ilmiö on niin sanottu vibe coding. Vibe coding viittaa tyyliin, jossa asiantuntija ei välttämättä kirjoita jokaista riviä itse, vaan kuvailee luonnollisella kielellä halutun lopputuloksen – ja antaa tekoälyn hoitaa teknisen toteutuksen. Tässä tyylissä keskiössä on intentio, ei syntaksi.

Toinen nopeasti yleistyvä käsite on agenttikoodaus. Agenttikoodaus tarkoittaa mallia, jossa tekoälyagentti toimii osittain tai täysin itsenäisesti: se hakee tietoa, käsittelee dataa ja suorittaa määriteltyjä tehtäviä yrityksen dataympäristössä ennalta asetettujen tavoitteiden pohjalta. Kehittäjän rooli siirtyy tällöin toteuttajasta ohjaajaksi ja orkestroijaksi.

Mutta tässä piilee merkittävä sudenkuoppa: jos ei tiedä, miltä laadukkaan koodin ja kestävän arkkitehtuurin ”kuuluu tuntua”, vibe-koodaus johtaa nopeasti hallitsemattomaan ja vaikeasti ylläpidettävään kokonaisuuteen. Tekoäly on erinomainen apulainen, mutta se on surkea johtaja.

Tässä kohtaa senioriteetti ja kokemus nousevat arvoonsa. Kokenut asiantuntija tunnistaa välittömästi, kun tekoälyn ehdottama ratkaisu on teknisesti hieno mutta käytännössä virhealtis tai vaikeasti skaalautuva. Mitä helpommaksi koodin tuottaminen käy, sitä tärkeämmäksi nousee ymmärrys siitä, mitä todella ollaan tekemässä ja miksi.

Jatkossa tämä asiantuntemus vielä korostuu, kun siirrytään ympäristöihin, joissa useat tekoälyagentit toimivat rinnakkain ja suorittavat tehtäviä osittain itsenäisesti. Mitä enemmän päätöksentekoa delegoidaan agenteille, sitä tärkeämpää on ymmärtää kokonaisarkkitehtuuri, vastuurajat ja riskit.

Etlialla olemme kehityksen ytimessä

Tämä teknologinen murros on nopeampi kuin mikään aiempi. Siksi meillä Etlialla panostetaan jatkuvaan oppimiseen ja markkinan seurantaan tavalla, joka näkyy suoraan asiakkaillemme.

  • Aktiivinen seuranta: Analysoimme jatkuvasti markkinajohtajien julkistuksia. Emme tyydy esitteisiin, vaan testaamme uudet ominaisuudet käytännössä, jotta tiedämme niiden todellisen arvon. Tässä kohti pitää kiittää myös teknologiatoimittajia, jotka pitävät kiitettävästi kumppaneita ajan tasalla uusista AI -ominaisuuksista
  • Osaamisen validointi: Meillä tekoälyä hyödynnetään nopeuttamaan rutiineja, mutta senioritason asiantuntemus varmistaa aina, että lopputulos on tuotantokelpoinen, tietoturvallinen ja ylläpidettävä.
  • Tiedon jakaminen: Jaamme osaamistamme aktiivisesti tiimin kesken, jotta uusin ymmärrys siirtyy välittömästi asiakkaidemme hyödyksi.

Meille on kunnia-asia, että asiakkaamme saavat aina ajanmukaista strategista näkemystä – emme rakenna eilispäivän ratkaisuja tämän päivän ongelmiin.

Onko perinteinen osaaminen enää tarpeen?

Vaikka tekoäly hoitaa rutiinit, todellinen ymmärrys datan rakenteista ja integraatioista on kriittisempää kuin koskaan. Asiantuntijan rooli on siirtynyt suorittavasta työstä kohti tarkastajan, arkkitehdin ja orkestroijan tehtäviä. On tiedettävä tarkalleen, mitä ollaan rakentamassa, jotta tekoälyä osataan ohjata oikeaan suuntaan.

Data engineering on muuttumassa teknisestä suorittamisesta strategisemmaksi rooliksi. Kun alustojen natiivit AI-työkalut hoitavat raskaan työn, jää enemmän tilaa sille, mikä on oikeasti tärkeää: datan muuttamiselle todelliseksi liiketoiminta-arvoksi.

-Petri Räsänen

Haluatko kuulla, miten Etlian kokeneet asiantuntijat voivat auttaa teitä navigoimaan tässä murroksessa ja hyödyntämään uusia työkaluja hallitusti? Ollaan yhteydessä!

SAP Business Data Cloud explained: how Snowflake and Databricks fit into SAP’s multi-platform data strategy

Posted on

Insights from SAP TechEd Berlin 2025: why data became SAP’s strategic core

Reflecting on SAP TechEd Berlin 2025, one theme stood out above all others: data has become the foundation of SAP’s future strategy. 

While AI demonstrations and development tooling attracted attention, the most meaningful announcements focused on how enterprise data is accessed, shared, and activated across platforms. 

At the center of this shift is SAP Business Data Cloud (BDC), a strategic layer designed for organizations operating in increasingly complex, multi-platform landscapes. Its implications are significant for customers navigating increasingly complex data landscapes. 

SAP Business Data Cloud: embracing reality, not fighting it

Enterprise data is no longer confined to a single platform. SAP systems, cloud data warehouses, and analytics tools already coexist in most organizations. What SAP Business Data Cloud does differently is acknowledge this reality instead of trying to replace it. 

BDC is designed as an open data access layer, connecting SAP data natively with platforms such as:

  • Snowflake
  • Databricks
  • Google Cloud
  • and Microsoft Fabric

The emphasis on zero-copy data sharing is particularly important: data can be consumed and analyzed without constant replication. This reduces cost, latency, and architectural complexity. 

From Etlia’s perspective, this is a welcomed and pragmatic shift. Many organizations already run hybrid data architectures, and BDC provides a way to integrate SAP data into those environments without forcing disruptive migrations or one-size-fits-all solutions. 

How SAP Business Data Cloud works with Snowflake, Databricks and Microsoft?

SAP’s message at TechEd was clear: there is no single “correct” data platform. Instead, SAP is enabling a coordinated, multi-platform data strategy where each platform plays a distinct role.

Platform roles in SAP’s multi-platform data architecture

  • SAP Business Data Cloud (BDC)
    • Open data access layer and governance backbone, connecting SAP data with external platforms securely and consistently
  • Snowflake
    • Scalable analytics and data sharing platform, positioned as an SAP-certified solution extension
  • Databricks
    • Scalable analytics and data sharing platform including advanced analytics, machine learning, and data science workloads
  • Microsoft Fabric
    • Tight integration with Microsoft 365, Power BI, and the Power Platform, especially in Microsoft-centric ecosystems

This model reflects how enterprises already work in practice: SAP remains the system of record, while analytics, AI, and innovation happen across multiple specialized platforms.

Snowflake as a Strategic Extension, Not Just an Integration 

One of the most notable announcements at TechEd was SAP’s positioning of Snowflake as a Solution Extension to SAP Business Data Cloud. 

This is more than a technical integration or partnership label. As a solution extension, Snowflake becomes: 

  • Fully certified, packaged, and sold by SAP 
  • Supported by SAP throughout the full lifecycle 
  • Aligned with SAP’s roadmap and enterprise support model 

Crucially, SAP Snowflake includes the full Snowflake feature set while complementing it with SAP-specific strengths, particularly in planning. 

From Etlia’s point of view, this confirms something we already see in customer projects: Snowflake, Databricks, and Fabric are not competing replacements for SAP, but complementary platforms. The strategic shift from SAP is clear: value is created by choosing the right tool for the right workload and ensuring that data flows cleanly, securely, and governably between platforms.

One Data Strategy, Multiple Platforms

A key takeaway from SAP TechEd Berlin 2025 is that SAP is no longer pushing a single “correct” data platform. Instead, it is enabling a multi-platform data strategy, where: 

  • SAP remains the system of record for core business processes 
  • Snowflake excels in scalable analytics and data sharing 
  • Databricks supports advanced analytics and data science 
  • Microsoft Fabric fits naturally into Microsoft-centric ecosystems 

For customers, the challenge is no longer choosing one platform over another. The real challenge is designing an architecture where these platforms work together, with clear ownership, strong governance, and measurable business value.

Data as the Foundation for Enterprise AI 

AI discussions at TechEd consistently came back to one point: AI only works if the data foundation is solid. 

SAP’s introduction of SAP-RPT-1, an AI foundation model for structured business data, reflects this mindset. Rather than focusing on language alone, SAP is investing in models that understand tables, relationships, and enterprise semantics, the kind of data that actually runs businesses. 

With Model Context Protocol (MCP), SAP is also addressing a growing need: enabling Large Language Models to access business data in a governed, contextual way. This opens the door to AI use cases that go beyond chatbots and into real decision support, analytics, and automation. 

From Etlia’s perspective, this reinforces a critical message to customers: AI success is not about tools, but about data readiness. Clean models, shared semantics, and well-designed data architectures matter more than the choice of any single AI platform. 

What This Means in Practice

SAP TechEd Berlin 2025 showed a SAP that is more open, more realistic, and more aligned with how enterprises actually operate today.

SAP Business Data Cloud, deeper partnerships with Snowflake, Databricks and Microsoft Fabric and native support for multi-platform architectures all point in the same direction. 

For organizations, the question is no longer whether SAP data will live alongside Snowflake, Databricks, or Fabric, but how well those environments are integrated. 

And that is where the work for Etlia begins.

– Juuso Maijala, CEO

Etlia is a data consultancy specializing in SAP, Snowflake, Databricks, and Microsoft Fabric architectures for enterprise environments.

Etlia works with organizations designing SAP-centric data architectures where SAP Business Data Cloud acts as the governance and access layer, while analytics, AI, and business intelligence are delivered across multiple best-of-breed platforms.

Toimitusjohtajan katsaus 2025 – Kasvua, luottamusta ja yhdessä tekemistä 

Posted on

Vuosi 2025 alkaa kääntyä kohti loppuaan, ja on luonteva hetki pysähtyä katsomaan sekä taaksepäin että eteenpäin. Etlialla kulunut vuosi on ollut merkityksellinen monella tasolla. Olemme jatkaneet jo pitkään jatkunutta kasvuamme ja kasvaneet vuonna 2025 noin 20 %.

Viime kesänä julkaisemassani puolivuotiskatsauksessa katsoimme luottavaisin mielin tulevaan ja arvioimme markkinanäkymien olevan positiiviset sekä kysynnän jatkavan kasvuaan. Nyt vuoden lopussa voimme todeta, että vuoden toinen puolisko lunasti nämä odotukset, H2:n ollessa vahva.

Kasvu ei kuitenkaan ole meille itseisarvo. Se on seurausta luottamuksesta, pitkäjänteisestä tekemisestä ja ennen kaikkea ihmisistä; asiakkaista, työntekijöistä ja kumppaneista.

Uusia asiakkuuksia ja vahvistuvaa osaamista 

Vuoteen 2025 on mahtunut paljon. Olemme saaneet useita uusia asiakkuuksia, ja olemassa olevat asiakassuhteet ovat entisestään vahvistuneet. Asiakassuhteiden vahvistumisesta hyvänä esimerkkinä toimii uudet asiakasreferenssit, joista mainittakoon Orion ja Fennia. Nämä yhteistyöt ovat meille äärimmäisen arvokkaita ja vahvistavat entisestään Etlian asemaa luotettavana ja vaikuttavana kumppanina.

Samalla Etlia on kasvanut myös sisältäpäin. Olemme toivottaneet tervetulleiksi uusia etlialaisia ja vahvistaneet organisaatiotamme palkkaamalla myynti- ja markkinointijohtajan. Tämä on tärkeä askel seuraavaa kasvuvaihetta ajatellen.

Myös kumppanuudet ovat syventyneet vuoden aikana. Yhteistyö on kehittynyt entistä strategisemmaksi ja pitkäjänteisemmäksi. Juuri sellaiseksi, johon Etliassa uskomme.

Asiakastyytyväisyys huipputasolla 

Yksi vuoden suurimmista ylpeydenaiheistamme on asiakastyytyväisyys. Etlian NPS nousi vuonna 2025 uskomattomaan lukemaan 88, kun se vuonna 2024 oli jo erinomainen 81. Tämä kertoo paljon.

Korkea asiakastyytyväisyys mahdollistaa hyvän asiakaspysyvyyden ja siten pitkät asiakassuhteet, sekä myös konsulttiemme viihtyvyyden työssään. Se on vahva osoitus siitä, että teemme oikeita asioita ja teemme ne oikein.

Tästä kiitos kuuluu Etlian Championeille, eli Etlian työntekijöille, sekä asiakkaillemme, joiden kanssa saamme tehdä merkityksellistä työtä joka päivä.

Etlia laajeni Tampereelle 

Vuoden 2025 lopussa otimme myös konkreettisen askeleen kohti tulevaa, kun avasimme marraskuussa uuden toimiston Tampereelle. Laajentuminen uuteen kaupunkiin on meille tärkeä etappi ja luo erinomaisen pohjan tulevalle kasvulle, uusille osaajille ja entistäkin paremman palvelun asiakkaillemme.

Tämän päälle on hyvä rakentaa.

Lämmin joulutervehdys 

Haluan lopuksi kiittää teitä kaikkia kuluneesta vuodesta.

Asiakkaille: kiitos luottamuksesta ja avoimesta yhteistyöstä. Te mahdollistatte sen, että Etlia voi kehittyä ja kasvaa.

Työntekijöille: kiitos sitoutumisesta, ammattitaidosta ja Etlia-hengestä. Te olette Etlian sydän ja syy siihen, miksi asiakastyytyväisyys on huipputasolla.

Yhteistyökumppaneille: kiitos sujuvasta ja kehittyvästä yhteistyöstä. Yhdessä olemme enemmän.

Tänä jouluna olemme halunneet muistaa myös laajemmin yhteiskuntaa lahjoittamalla varoja lasten syöpähoitoihin (Team Rynkeby). Samalla olemme mukana tukemassa terveyttä ja unohtumattomia kokemuksia, asioita, joilla on todellinen merkitys.

Toivotan kaikille rauhallista joulua ja menestyksekästä uutta vuotta 2026.

Juuso Maijalan kuva

Juuso Maijala

CEO, Etlia Data Engineering

  Datamatka Tukholmaan – Databricks Data+AI World Tour

Posted on

Viime viikolla suuntasimme kolmen hengen porukalla: Raaju, Jaakko ja Petri, Tukholmaan osallistumaan Databricksin Data+Ai World Touriin. Matka yhdistyi Databricks Finland User Groupin tapaamiseen, tarjoten rennossa ilmapiirissä mahdollisuuden verkostoitua muiden Suomen Databricks-yhteisön jäsenten kanssa sekä syventyä datan ja tekoälyn ajankohtaisiin teemoihin tapahtuman aikana.

Iltapäiväjuna Turkuun ja Databricks Meetup merellä 

Matkamme alkoi iltapäivällä junalla Helsingistä sekä Tampereelta Turkuun, mikä antoi hyvän mahdollisuuden irrottautua arjesta ja virittäytyä tulevaan tapahtumaan jo matkalla. Turusta nousimme laivaan kohti Tukholmaa ja konferenssitunnelmaan päästiin heti.

Laivalla järjestetty Databricks Meetup -tilaisuus oli erinomainen aloitus matkalle. Rento ympäristö mahdollisti hyvät keskustelut Databricks-asiakkaiden, kumppaneiden ja Databricksin edustajien kanssa. Keskustelut liikkuivat käytännön kokemuksista aina tulevaisuuden data- ja AI-ratkaisuihin. Meetup loi hyvän pohjan seuraavan päivän konferenssille ja vahvisti tunnetta aktiivisesta ja avoimesta Databricks-yhteisöstä.

Databricks Data+AI World Tour Tukholmassa

Tukholmassa järjestetty Databricks Data & AI World Tour kokosi yhteen laajan joukon asiakkaita ja Databricks-kumppaneita. Tapahtuma sopii erinomaisesti Databricks-asiakkaille ja kumppaneille, jotka haluavat ymmärtää alustan kokonaiskuvaa, Databricksin suuntaa sekä kuulla, miten muut organisaatiot hyödyntävät dataa ja tekoälyä liiketoiminnassaan.

Tapahtuman keskeiset teemat

Agendassa korostuivat erityisesti: 

  • Data intelligence ja Lakehouse-arkkitehtuuri modernin analytiikan perustana
  • Generative AI ja agenttipohjaiset ratkaisut, jotka tuovat tekoälyn lähemmäs liiketoimintaprosesseja
  • Governance, tietoturva ja skaalautuvuus data- ja AI-ratkaisuissa
  • Asiakas- ja kumppaniesitykset, joissa nähtiin konkreettisia käyttötapauksia eri toimialoilta

Sisältö tarjosi hyvän kokonaiskuvan Databricks-alustan mahdollisuuksista ja ajankohtaisista teemoista. Asiakastarinoiden ja konkreettisten Databricks-toteutusten kautta keynote-puheenvuoro antoi tuoreita näkökulmia siihen, miten arkipäiväisiä dataan liittyviä haasteita ratkaistaan Databricksin avulla. Syvällisesti Databricks-teknologiaa jo hallitseville osaajille tapahtumassa olisi voinut olla yksi selkeästi teknisempi track, jossa olisi porauduttu vielä syvemmälle uusiin teknologisiin featureihin, arkkitehtuuriratkaisuihin ja teknisiin yksityiskohtiin.

Tätä kuitenkin paikkasi hienosti Databricksin oma laaja esittelypiste, jossa oli saatavilla erittäin syvää teknologista osaamista. Pisteellä pääsi keskustelemaan Databricks-asiantuntijoiden kanssa konkreettisista kysymyksistä, uusista ominaisuuksista ja parhaista käytännöistä, usein jopa syvemmällä tasolla kuin perinteisissä sessioissa.

Kohtaamisia ja oivalluksia

Yksi matkan suurimmista anneista oli ihmisten kohtaaminen. Asiakkaiden ja kumppaneiden kanssa käydyt keskustelut tarjosivat arvokkaita näkökulmia siihen, miten Databricksia hyödynnetään eri organisaatioissa: datan yhdistämisestä ja analytiikasta aina tuotantotason AI-ratkaisuihin asti. 

Paluu suoraan Tukholmasta Helsinkiin

Konferenssipäivän jälkeen paluu sujui lennolla suoraan Tukholmasta Helsinkiin. Lyhyt paluumatka tarjosi hyvän hetken koota ajatuksia ja summata tärkeimmät opit ennen paluuta arkeen. 

Mitä matkasta jäi käteen?

Mukana palasi: 

  • uusia näkökulmia Databricksin teknologiseen kehitykseen 
  • parempi ymmärrys alustan roadmapista ja käyttötapauksista 
  • vahvistuneita suhteita asiakkaisiin ja kumppaneihin 
  • inspiraatiota tuleviin data- ja AI-projekteihin 

Lopuksi suuret kiitokset Databricks Suomen tiimille hienosti järjestetystä tapahtumasta, hyvästä seurasta ja erinomaisesta yhteishengestä, kokonaisuus toimi loistavasti alusta loppuun 

– Raaju, Jaakko & Petri

Luottamus rakentuu yhteistyöstä: Etlian NPS nyt 88  

Posted on

Mikä on NPS ja miksi se on tärkeä meille?

NPS eli Net Promoter Score on kansainvälisesti tunnettu mittari, joka kertoo asiakkaiden halukkuudesta suositella yritystä eteenpäin.

Tänä vuonna NPS-lukumme on 88, mikä kertoo asiakkaidemme vahvasta luottamuksesta sekä siitä, että yhteinen tekemisemme näkyy myös asiakaskokemuksessa. Tämä on erinomainen parannus viime vuoden hyvään tulokseen, 81, ja kertoo ennen kaikkea siitä, että asiakkaamme kokevat yhteistyön kanssamme arvokkaaksi ja sujuvaksi. Haluamme kiittää asiakkaitamme yhteistyöstä ja arvokkaasta palautteesta.

NPS perustuu yksinkertaiseen kysymykseen: Kuinka todennäköisesti suosittelisit Etliaa kollegallesi tai yhteistyökumppanillesi asteikolla 0-10 (1= en suosittele lainkaan, 10= suosittelisin erittäin todennäköisesti).

Vastausten perusteella asiakkaat jaetaan kolmeen ryhmään:

  • Suosittelijat (9-10): asiakkaat, jotka todennäköisesti suosittelisivat meitä eteenpäin
  • Passiiviset (7-8): tyytyväisiä, mutta eivät aktiivisia suosittelijoita
  • Kriitikot (0-6): eivät suosittelisi meitä eteenpäin

Lopullinen NPS-luku saadaan vähentämällä kriitikoiden prosenttiosuus suosittelijoiden prosenttiosuudesta. IT-alan keskimääräinen NPS-luku Pohjoismaissa on 38,8 (Trustmary, 2024).

Näin mittasimme asiakastyytyväisyyttä tänä vuonna

Lähetimme NPS-kyselyn kaikille asiakkaille, joiden kanssa olemme tehneet yhteistyötä kuluvan vuoden aikana. Kysely oli avoinna määräajan, ja viestimme alusta asti, että se sulkeutuu tiettyyn päivään mennessä. Meille Etlialla on tärkeää mitata NPS-tulostamme läpinäkyvästi, sillä luottamus rakentuu myös siitä, miten itse toimimme. Kysely oli luottamuksellinen, jotta asiakkaat pystyivät antamaan palautetta avoimesti. Ohessa muutamia palautteita, joita saimme vapaissa kommenteissa:

”Erittäin ammattitaitoista henkilökuntaa ja vielä mukavaa” 
”Thank you for co-operation!” 

”Collaboration has been smooth and transparent all the time” 

NPS-tuloksen taustalla jatkuvaa kehittämistä ja yhteisiä käytäntöjä

Yksi merkittävä tekijä NPS-tuloksemme parantumisessa on ollut Common Ways of Working -tietopankkimme, jonka avulla pyrimme jatkuvaan yhteiseen kehittymiseen ja oppimiseen.

Common Ways of Working on sisäinen hyvien käytäntöjen dokumentti, jota olemme kehittäneet ja ylläpitäneet yhdessä jo muutaman vuoden ajan. Sinne keräämme käytännön oivalluksia, toimivia työtapoja ja projektikokemuksia, joita haluamme jakaa muiden kanssa.

Käytännön tasolla käymme yhteisesti dokumenttia läpi joka toinen viikko sisäisissä palavereissa. Tällöin sovimme kuka ottaa seuraavaksi tarkasteluun tietyn osion ja mitä kehitetään seuraavaksi. Jokainen konsultti saa myös aika ajoin ”kotiläksyksi” lisätä omia havaintojaan tai ehdotuksia, tai kommentoida aikaisempia merkintöjä.

Tavoitteena ei ole vain tallentaa tietoa, vaan rakentaa yhteistä ymmärrystä siitä, mikä toimii. Kun jaamme oppejamme avoimesti, kehitämme jatkuvasti sekä omaa tekemistämme että asiakaskokemusta.

Ja lopulta, hyvä NPS kuuluu meille kaikille. Tämä tulos on yhteinen onnistuminen, joka kertoo jokaisen Etlialaisen halusta tehdä asiat hyvin ja asiakkaan etu edellä. Kiitos kuuluu niin asiakkaillemme kuin koko tiimillemme, yhdessä teemme datasta aidosti liiketoimintaa tukevia ratkaisuja.

Katse kohti tulevaa

Olemme kiitollisia jokaiselle asiakkaallemme, joka käytti hetken aikaansa vastatakseen kyselyyn. Saamamme palaute on meille enemmän kuin luku, se on suunta, jonka avulla voimme tutkia omaa toimintaamme: Missä olemme onnistuneet ja mitä voimme kehittää?

Vaikka NPS 88 on saavutus, josta olemme ylpeitä, se ei ole päätepiste. Se on meille tärkein kannustin jatkaa samalla kehityshaluisella otteella, jonka ansiosta olemme onnistuneet rakentamaan pitkäkestoisia ja luottamuksellisia asiakassuhteita.

Snowflake World Tour 2025 – mitä uutta datan, tekoälyn ja sovellusten maailmassa? 

Posted on

Snowflake World Tour 2025 -tapahtuma järjestettiin tänä vuonna 14.10. Tukholmassa. Paikkana oli jälleen kuten aikaisemminkin 3 Arena. Tapahtumassa oli yli 1500 osallistujaa, joille oli tarjolla 33 sessiota 57 puhujan voimin 11 eri liiketoiminnan alueelta. Useat eri osa-alueiden sessiot datan, tekoälyn ja sovelluskehityksen näkökulmista mahdollistivat jokaiselle koota oman agendan päivälle – niin myös minulle. 

Päivää täydensi myös useiden eri partnereiden omat standit, jotka mahdollistivat tutustumisen uusiin teknologisiin vaihtoehtoihin sekä vaihtaa ajatuksia tuttujen partnereiden kanssa. Ei myöskään sovi unohtaa tapahtuman tarjoamaa mahdollisuutta ajatusten vaihtoa tapahtumaan osallistuneiden kesken. 

Snowflake World Tour 2025 Keynote-puheenvuorot

Keynote –puheenvuorot tarjosivat kattavan katsauksen siihen, miten Snowflake näkee datan, tekoälyn ja sovellusten yhteispelin muuttamassa liiketoimintaa. Esityksissä korostettiin, että datan merkitys liiketoiminnassa ei enää rajoitu pelkkään raportointiin, vaan siitä tulee yhä vahvemmin liiketoimintaa vauhdittava voima: tekoälyn, sovellusten ja analytiikan yhteispeli ratkaisee voittajat.  

Keynote -puheenvuoroissa käytiin läpi, kuinka Snowflake voi tukea koko datan elinkaaren aikana keräämisestä analytiikkaan ja sovelluksiin toimien samalla saumattomasti ja skaalautuvasti unohtamatta tietoturvaa ja datan hallintaa. 

Globaalisti toimivat yritykset esittivät kuinka ne hyödyntävät Snowflakea toiminnassaan: 

  • Siemens korosti käytön helppoutta: datan hyödyntämisen yksinkertaistaminen sadoille tiimeille innovoinnin vauhdittamiseksi globaalisti. 
  • Fiserv. / Paypal korosti turvallisen ja reaaliaikaisen datayhteistyön mahdollistamista globaalissa maksuekosysteemissä. 
  • AstraZeneca korosti datan jakamista globaaliin tutkimukseen turvallisesti ja hallitusti. 

Muutama uusi julkistus saatiin Tukholmassa kuten:

  • Snowflake tulee saataville AWS European Sovereing Cloudiin  
  • Snowflake nyt livenä myös Microsoft Azuren Sweden Central Regionissa 
  • Snowpark connect for Apache Spark mahdollistaa Spark koodin ajon Snowflaken warehousessa 

Monipuoliset esitykset datasta, tekoälystä ja sovelluskehityksestä

Päivän aikana oli tarjolla useita eri esityksiä/puheenvuoroja monelta eri osa-alueelta:  

  • teknisiä hands-on esityksiä 
  • asiakkaiden- ja partnereiden ratkaisujen esittelyitä 
  • monipuolisia läpikäyntejä Snowflaken ominaisuuksista 
  • erilaisia paneelikeskusteluja datan ympärillä 

Vaikka nykyään kaikkien huulilla on AI ja sen mahdollisuudet, tapahtumassa oli kiitettävästi esityksiä, joissa käytiin läpi, mitä vaaditaan AI hyödyntämiseen käytännössä.  

Alla muutamia nostoja esityksiä, joita itse kävin kuuntelemassa: 

Snowflake Openflow ja AI SQL: käytännön mahdollisuuksia 2025

Snowflake Openflow – tietojen integrointiin

Tässä läpikäynnissä esiteltiin Openflown tarjoamia mahdollisuuksia datan integraatioista. Openflowin visiona on pystyä lataamaan dataa kaikista lähteistä kaikkiin kohteisiin. 

Päähuomioita Snowflake OpenFlowsta: 

  • Useita eri deployment mahdollisuuksia, jotka mahdollistavat myös latausten ajamisen omassa pilvessä. 
  • Erittäin kattavat valmiiksi rakennetut liittymät, mutta mahdollisuus määrittää myös omia liittymiä. 
  • Helppo hallinnoida ja turvallinen edistyneellä autentikaatiolla ja oikeuksien jaolla 
  • Mahdollistaa Snowpipe Streaming käytön data virtojen lähes reaaliaikaiseen striimaukseen. 
  • Reaaliaikainen data putkien valvonta ja varoitukset 

AI-ominaisuuksia datan hyödyntämiseen

Esityksessä esiteltiin Snowflaken tarjoamia AI ominaisuuksia, jotka helpottavat yrityksiä saamaan enemmän irti datastaan. Esityksessä korostettiin myös partnereiden tarjoamia palveluita, joita voidaan hyödyntää kätevästi. 

Päähuomioita AI-ominaisuuksista: 

  • Cortex Search mahdollistaa nopean ja tekoälyä hyödyntävän tekstidatan haun hyödyntäen hybridi­haku­moottoria (avainsana + vektori -yhdistelmä). Tämä tarjoaa ominaisuuksia kuten automaattisen indeksoinnin, luonnollisen kielen kyselyt ja helpon integroinnin RAG-sovelluksiin. 
  • AI SQL mahdollistaa luonnollisen kielen kyselyt, automaattiset koodin täydennykset ja koneoppimismallien käytön suoraan SQL-koodissa. 
  • Semantic Views mahdollistaa liiketoiminnan käsitteiden, kuten mittareiden, dimensioiden ja faktojen, mallintamisen suoraan tietokannassa yhtenäisessä loogisessa kerroksessa. 
  • Cortex Analyst mahdollistaa luonnollisen kielen kyselyt rakenteellisesta datasta suoraan ilman, että käyttäjän tarvitsee kirjoittaa SQL:ää 
  • Snowflake Intelligence yhdistää edellä mainitut ja on agenttien kautta toimiva tekoälyratkaisu, jonka avulla käyttäjät voivat keskustella luonnollisella kielellä niin rakenteellisen kuin rakenteettomankin datan kanssa, saada välittömiä vastauksia, visualisointeja ja toimintasuosituksia. 

Datan hallinta ja kustannusten optimointi Snowflake World Tour 2025 -esityksissä

Datan turvallisuus ja sensitiivisen tiedon hyödyntäminen Snowflakessa

Esityksessä käytiin Snowflaken tarjoamia mahdollisuuksia rakentaa datan sensitiivisyyden näkökulmasta kestäviä ratkaisuja, jotka mahdollistavat datan oikeaoppisen käsittelyn palvellen liiketoimintaa. 

Päähuomioita ja nostoja: 

  • Yksinkertaisia keinoja: Tiedon jättäminen pois tai tietojen yhdistäminen tarvittavalle tasolle. 
  • Tietoja ei voi jakaa kaikille – Voidaan hyödyntään Private listings Snowflake Marketplacessa vain valituille asiakkaille ja kumppaneille. 
  • Halutaan jakaa vain hyödyntäjän oma data – Voidaan hyödyntää Secure Views ja/tai UDF, jolloin voidaan määritellä, että vain halutut tiedot jaetaan 
  • Ei voida näyttää henkilötietoja – Voidaan hyödyntää Dynamic Masking -ominaisuutta henkilötietojen piilottamiseen. Jos henkilötietoja tarvitaan esimerkiksi tietojen yhdistämiseen, voidaan hyödyntää Projection policies –ominaisuutta, mikä mahdollistaa tietojen yhdistämisen ilman tietojen näkymistä. 
  • Useiden osapuolten yhteinen analysointi – Voidaan käyttää Data Clean Room -ominaisuutta, jossa useat eri osapuolet voivat yhdistää ja analysoida dataan yhdessä ilman, että raakatietoja paljastetaan osapuolille. 

Snowflaken tarjoamat ominaisuudet tekevät tietoturvallisesta ja hallitusta datan jakamisesta entistä helpompaa – sekä yhteistyökumppaneiden välillä että organisaation sisällä.
Lue lisää Snowflaken hyödyntämisestä ja tietoturvallisesta käyttöönotosta Etlian blogista.

Snowflaken käytön ja kustannusten optimointi 

Esityksessä käytiin läpi mahdollisuuksia seurata ja optimoida Snowflaken käyttöä ja kustannuksia. Tämä jaettiin kolmeen eri osa-alueeseen: näkyvyys, kontrolli ja optimointi. 

Snowflake tarjoaa kaikille näille osa-alueille sisäänrakennettuja ratkaisuja:

Näkyvyys – Kulujen ymmärtäminen ja suorituskyky  

  • Tili- ja organisaatiotason kustannusten seuranta 
  • Kustannusten poikkeavuuksien seuranta auttaa tunnistaan kuluja paljon kasvattamat tapahtumat 
  • Suorituskyvyn seurannalla voi reaaliaikaisesti ja historiallisen datan perusteella seurata kyselyjen suorituskykyä, varastojen kuormitusta ja taulukoiden muutoksia. 
  • Voidaan ryhmitellä toisiinsa liittyvät kyselyt – kuten toistuvat, ajastetut tai monivaiheiset kyselyt helpottamaan resurssien käyttöä ja pullonkauloja. 

Kontrolli – Rajoita ja hallitse kulutusta 

  • Kulurajojen asettaminen tili-, resurssi- ja tag-tasolle mahdollistaa kulujen rajoittamisen. 
  • Warehousien koolla ja skaalautuvuudella voidaan määrittää käytössä olevia resursseja. 
  • Auto-suspendillä voidaan määrittää warehouselle automaattinen sammumisaika, kun se ei käytössä. 
  • Resurssi monitoreilla voidaan tarkkailla warehousien toimitaan ja käyttöä 
  • Adaptiiviset warehouset määrittävät itse tarvittavat resurssit tehtävän suorittamiseen. 

Optimointi – Kulujen ja toiminnan optimointi 

  • Warehouse käyttöaste metriikoilla voidaan seurata, kuinka resursseja on käytetty suhteessa varattuun kapasiteettiin. 
  • Pruning historia näkymillä nähdään, kuinka hyvin tietokannassa tapahtuva mikro-partitioiden karsinta (pruning) on kyselyssä onnistunut. 
  • Kyselyjen tiedot, joka tunnistaa automaattisesti suorituskykyyn vaikuttavia kyselyolosuhteita ja tarjoaa käyttäjälle selkeän viestin ongelmasta sekä ehdotuksia sen korjaamiseen. 
  • Kustannusten tiedot, joka tunnistaa mahdollisuuksia kustannusten optimointiin ja näyttää, missä voi säästää krediittejä tai tallennustilaa. 

Miksi Snowflake World Tour 2025 oli käymisen arvoinen

Snowflake World Tour oli jälleen kerran käymisen arvoinen tapahtuma, josta löytyy kaikille jotain ja helposti räätälöitävissä itselle sopivaksi. Oli sitten kyseessä asiakas, partneri tai Snowflaken käyttöönottoa harkitseva, tapahtuma antaa kokonaisvaltaisen kuvan Snowflakesta ja sen tarjoamista mahdollisuuksista. Ensi vuonna varmasti uudestaan. 

Asko Ovaska 

Partner, Seniori konsultti, Etlia Oy 

Informatica Cloud Data Governance & Catalog – asiakastyöpaja 26.11.2025

Posted on

Ilmoittaudu mukaan käytännönläheiseen työpajaan Etlian ja Informatican asiantuntijoiden kanssa!

Informatica Cloud Data Governance & Catalog -ratkaisut haltuun – käytännön työpaja data-ammattilaisille 

Tervetuloa mukaan käytännönläheiseen työpajaan, jossa sukellamme Informatican tiedon hallinnan työkaluihin ja opimme, miten niitä hyödynnetään tehokkaasti modernissa dataympäristössä. 

Olitpa sitten kokenut nykyinen tiedonhallinnan ammattilainen tai vasta-alkaja, saat konkreettisia oppeja ja mahdollisuuden kehittää osaamistasi yhdessä Etlian ja Informatican asiantuntijoiden kanssa. 
🗓 Keskiviikko 26.11.2025 klo 9.00–15.00
📍 Etlian toimisto, Workland Keilaniemi, Keilaniementie 1
🌍 Työpaja pidetään pääasiassa englanniksi

🔍 Miksi osallistua?

  • Hands-on-tekemistä oikeilla tiedon hallinnan työkaluilla 
    Opit parhaiten tekemällä – Workshopissa pääset itse testaamaan Informatican ratkaisuja ja näkemään niiden hyödyt käytännössä. 
  • Asiantuntijoiden ohjaamat demot ja harjoitukset 
    Etlian ja Informatican asiantuntijat johdattavat sinut käytännön esimerkkien ja ajankohtaisten casejen kautta ratkaisuihin, joita voit soveltaa heti omassa työssäsi. 
  • Yhteisöllisyys ja vertaistuki 
    Workshop tarjoaa tilaisuuden tavata muita datahallinnan ammattilaisia, jakaa kokemuksia ja rakentaa uusia kontakteja. 

🧩 Työpajassa opit:

  • Miten modernit Data Covernance ja Data Catalog -ratkaisut toimivat pilviympäristössä? 
  • Miten voit nopeuttaa tiedonhallintaa, kehitystä ja päätöksentekoa nykyaikaisilla ratkaisuilla.
  • Saat uusia ideoita, inspiraatiota ja vertaistukea muilta osallistujilta 
.