FABCON Europe 2026: Data, tekoäly ja liiketoiminta yhdistyvät

FABCON Europe 2026 kokosi Barcelonaan data-alan ammattilaisia, Microsoftin tuotejohtajia, kumppaneita ja yhteisön asiantuntijoita keskustelemaan datan, analytiikan ja tekoälyn tulevaisuudesta.
Microsoft Partner Dayn keskusteluissa ja tapahtuman teknisissä sessioissa käsiteltiin muun muassa reaaliaikaista analytiikkaa, semanttisia malleja ja AI-agentteja. Kaiken keskeltä nousi kuitenkin esiin yksi yhteinen teema: datan ja tekoälyn ekosysteemi kehittyy yhä yhtenäisemmäksi, ja liiketoimintakontekstin ymmärtäminen on tärkeämpää kuin koskaan.

Microsoft Partner Day: Asiakasarvo ja konsultoinnin tulevaisuus

Viikko alkoi Microsoft Partner Daylla, jossa teknologian lisäksi keskityttiin asiakkaiden haasteisiin, liiketoimintahyötyihin ja Microsoft-kumppaneiden muuttuvaan rooliin.

Partner Dayn aikana meillä oli mahdollisuus keskustella Arun Ulag, Microsoftin Azure Datasta vastaavan Executive Vice Presidentin, kanssa konsultoinnin tulevaisuudesta maailmassa, jossa AI-agenttien rooli kasvaa.

Keskustelut herättivät pohtimaan erityisesti sitä, miten tekoäly ja automaatio muuttavat teknologiaratkaisujen toteuttamista. Kun toteutus tehostuu, konsulteilla on entistä paremmat mahdollisuudet tuottaa asiakkaille lisäarvoa liiketoimintaymmärryksen, arkkitehtuurisuunnittelun sekä sen tunnistamisen kautta, missä teknologia voi tuottaa todellista hyötyä.

Data engineereille ja arkkitehdeille tämä korostaa tarvetta osallistua asiakaskeskusteluihin jo varhaisessa vaiheessa. Onnistunut toteutus alkaa jo ennen varsinaista kehitystyötä: ongelman ymmärtämisestä, oikean lähestymistavan määrittelystä sekä liiketoiminnan ja teknologian näkökulmien yhdistämisestä.

Yhdistetystä datasta kohti kokonaisvaltaista liiketoimintaymmärrystä

Konferenssissa esitellyt uudistukset antoivat konkreettisen kuvan siitä, mihin suuntaan Microsoftin Data + AI -ekosysteemi on kehittymässä.

Arung Ulag nosti FABCON keynote yhteenvedossaan, esiin, kuinka tärkeää on yhdistää organisaation data ja liiketoimintakonteksti Microsoft Copilotin ja AI-agenttien käyttöön.

Yksi merkittävistä uudistuksista oli Fabric IQ tuleminen yleisesti saataville Microsoft Copilot Chatissa ja Coworkissa. Tämä mahdollistaa liiketoimintaan liittyvien kysymysten esittämisen luotettaviin Power BI semanttisiin malleihin ja raportteihin perustuen.

Samalla Fabric IQ Ontologyyn ja Semantic Viewsiin liittyvät kehitysaskeleet mahdollistavat liiketoiminnan määritelmien, suhteiden ja mittareiden entistä laajemman uudelleenkäytön analytiikassa, sovelluksissa ja tekoälyssä.

Ajatellaan esimerkiksi tilannetta, jossa yritys kysyy AI-agentilta, miksi tietty asiakastilaus on myöhässä. Pelkkä tilaustietojen saatavuus ei vielä riitä. Jotta vastaus olisi hyödyllinen, agentin täytyy ymmärtää, miten tilaukset liittyvät asiakkaisiin, varastotilanteeseen, toimituksiin ja liiketoimintasääntöihin..

Juuri tässä semanttisten mallien ja ontologioiden merkitys korostuu: ne yhdistävät datan sen kuvaamiin liiketoiminnan käsitteisiin.

Datakehityksestä ja analytiikasta entistä helpommin lähestyttävää

Toinen kiinnostava kehityssuunta oli tekoälyavusteisen kehitystyön kasvava rooli.

Project Osmos ja sen agenttipohjaiset datakehitysominaisuudet sekä Fabric Appsiin liittyvät uudistukset osoittivat, kuinka tekoälystä on tulossa osa dataputkien, analytiikan ja liiketoimintasovellusten rakentamista.

Kuten Bodgan Crivat nosti esiin FABCON analytiikkauudistus yhteenvedossaan, kehitys ulottuu myös GPU-kiihdytettyihin tietovarastokyselyihin, avoimempiin semanttisiin määritelmiin ja hallitun analytiikan tuomiseen osaksi päivittäisiä työnkulkuja.

Myös muut julkistukset, kuten OneLake IQ Sharing, Fabricin observability-ominaisuudet ja reaaliaikaisen analytiikan parannukset, vahvistivat kehityssuuntaa kohti entistä yhtenäisempää ekosysteemiä.

Kasvava Fabric-yhteisö, mukaan lukien Microsoft MVP ja riippumattomat asiantuntijat, toi keskusteluihin myös arvokkaita käytännön näkökulmia teknologian käyttöönottoon, datan hallintaan ja arkkitehtuurivalintoihin.

Nämä innovaatiot voivat vähentää ratkaisujen rakentamiseen tarvittavaa työtä, mutta samalla ne korostavat entisestään laadukkaan dataperustan, hyvän datan hallinnan ja oikeiden arkkitehtuuripäätösten merkitystä.

Mitä tämä tarkoittaa asiakkaille ja konsulteille?

Organisaatioille mahdollisuudet ulottuvat yksittäisten Fabric-ominaisuuksien käyttöönottoa pidemmälle. Kyse on olemassa olevien datainvestointien, liiketoimintatiedon ja tekoälyn yhdistämisestä todellisten ongelmien ratkaisemiseksi.

Konsulteille tämä tarkoittaa yksittäisiä teknologioita laajempaa näkökulmaa ja asiakkaan dataympäristön tarkastelua kokonaisuutena.

Yhä tärkeämmäksi nousevat kysymykset kuten:

  • Mitä liiketoimintaongelmaa olemme ratkaisemassa?
  • Miten liiketoiminnan käsitteet liittyvät toisiinsa?
  • Voidaanko samoja luotettavia määritelmiä hyödyntää raportoinnissa, sovelluksissa ja AI-agenteissa?

Data-ammattilaisten rooli ei ole muuttumassa vähemmän tekniseksi. Sen sijaan rooli laajenee yhdistämään teknisen osaamisen, semanttisen arkkitehtuurin, liiketoimintaymmärryksen ja arvonluonnin.

Katse tulevaisuuteen

FABCON Europe 2026 esitteli runsaasti uusia ominaisuuksia, mutta tapahtuman tärkein oppi ei liittynyt mihinkään yksittäiseen julkistukseen.

Datakehityksen, analytiikan, tekoälyn ja liiketoimintasovellusten väliset rajat hämärtyvät jatkuvasti. Kun nämä osa-alueet yhdistyvät entistä tiiviimmin, organisaatioille avautuu uusia mahdollisuuksia hyödyntää dataansa tehokkaammin ja muuttaa se konkreettiseksi liiketoimintahyödyksi.

Meille Etlialla tämä vahvistaa entisestään ajatusta siitä, kuinka tärkeää on yhdistää vahva tekninen asiantuntemus asiakkaiden liiketoiminnan syvälliseen ymmärtämiseen. Haluamme auttaa asiakkaitamme navigoimaan kehittyvien teknologioiden keskellä, tekemään perusteltuja arkkitehtuurivalintoja ja keskittymään ratkaisuihin, jotka tuottavat kestävää arvoa.

Kun teknologiaratkaisujen toteuttaminen helpottuu, todellinen erottautumistekijä on ymmärrys siitä, mitä kannattaa rakentaa, miten data kytkeytyy yhteen ja missä arvo syntyy. Kaikki lähtee liiketoiminnan ymmärtämisestä.

Miten organisaationne voisi hyödyntää Microsoft Fabricin ja tekoälyn uusia mahdollisuuksia? Olipa kyse nykyisen data-arkkitehtuurin kehittämisestä, Microsoft Fabricin käyttöönotosta tai tekoälyn hyödyntämisestä, autamme mielellämme löytämään liiketoimintaanne parhaiten sopivat ratkaisut. Ota yhteyttä, niin keskustellaan lisää!

– Raaju Srinivasa Raghavan, Partner & Senior Cloud Consultant / Data Engineer

Snowflake World Tour 2026: AI-agentit muuttavat datan hyödyntämistä – mutta laadukas data ratkaisee edelleen

Snowflake World Tour 2026 järjestettiin jälleen Tukholmassa. Tällä kertaa tapahtuma kokosi paikalle yli 2000 osallistujaa kuulemaan Snowflaken uusimmista kehitysaskelista datan ja AI:n ympärillä. Ohjelmassa oli yli 30 sessiota ja 67 puhujaa 11 eri toimialalta, puheenvuorot käsittelivät niin teknisiä ratkaisuja, asiakastarinoita kuin Snowflaken uusimpia ominaisuuksiakin. Päivän agenda oli mahdollista rakentaa omien kiinnostuksen kohteiden ympärille, ja omissa valinnoissani korostuivat erityisesti Snowflaken AI-ominaisuudet, datan hallinta ja kustannusten seuranta sekä data engineeringin kehittyminen tekoälyn myötä.

Tapahtuman perusteella kehityksen suunta on selvä: yksittäisistä AI-ominaisuuksista ollaan siirtymässä kohti agentteja ja agentic enterprise -ajattelua. AI ei pelkästään vastaa kysymyksiin vaan pystyy hyödyntämään yrityksen dataa, sovelluksia ja liiketoimintakontekstia tehtävien suorittamiseen.

Samalla yksi asia korostui lähes kaikessa: mitä enemmän vastuuta AI:lle annetaan, sitä tärkeämmiksi nousevat luotettava data, governance ja kustannusten hallinta.

Snowflake World Tour 2026 Keynote – kohti Agentic Enterprisea 

Keynotessa Snowflaken viesti rakentui vahvasti Agentic Enterprise -ajattelun ympärille. AI-agenttien hyödyntäminen ei kuitenkaan onnistu vain ottamalla käyttöön uusi AI-palvelu, vaan niiden taustalla tarvitaan luotettava data, liiketoimintakonteksti, hallinta ja integraatiot yrityksen muihin järjestelmiin.

Snowflaken agenttipohjainen ympäristö rakentuu kolmesta keskeisestä kokonaisuudesta:

  • yrityksen datasta ja kontekstista,
  • käytettävistä AI-malleista
  • sekä ohjelmistoista ja sovelluksista.

Näitä hallinnoi agenttien hallintakerros, jonka tehtävänä on yhdistää kokonaisuus hallitusti.

Tähän liittyen esiin nostettiin esimerkiksi Snowflake CoWork, joka tuo AI-agentit osaksi työntekijän päivittäistä työskentelyä, sekä enemmän kehittäjille suunnattu Snowflake CoCo, jonka tavoitteena on nopeuttaa Snowflake pohjaisten ohjelmistojen- ja dataratkaisujen kehittämistä AI-avusteisesti.

Samalla korostettiin, että tärkeässä roolissa ovat yrityksen oma data, sen liiketoimintakonteksti sekä hallintamalli, jonka avulla agenttien toimintaa voidaan kontrolloida.

Yksittäisenä erillisenä nostona keynotessa nousi esiin Snowflaken ja eurooppalaisen pilvipalveluntarjoaja STACKITin yhteistyö. Yhteistyön tarkoituksena on tarjota eurooppalaisille yrityksille paikallinen pilvipalvelu. STACKITin datakeskukset sijaitsevat Saksassa ja Itävallassa.

Luotettava data on edelleen kaiken perusta 

AI:n vahvasta roolista huolimatta yksi päivän toistuvista teemoista oli hyvin tuttu: ilman laadukasta ja hallittua dataa ei synny myöskään luotettavia AI-ratkaisuja.

Swedbankin esityksessä käytiin läpi pankin Data & AI-transformaatiota ja Snowflaken roolia sen teknisenä perustana.

Yrityksen tavoitteena on siirtyä tilanteesta, jossa data nähdään lähinnä IT:n vastuuna, malliin, jossa data on koko liiketoiminnan yhteinen resurssi. Transformaation keskeisiä tavoitteita ovat datan laadun ja saatavuuden parantaminen, manuaalisen työn vähentäminen sekä analytiikan ja AI:n tuominen lähemmäksi liiketoiminnan päivittäistä päätöksentekoa.

Esityksen ehkä tärkein viesti oli yksinkertainen: Luotettava AI edellyttää luotettavaa dataa. AI-ratkaisujen rakentaminen ei siis poista toimivan data-alustan, datan laadun tai governance-ratkaisujen merkitystä – päinvastoin niiden merkitys kasvaa.

Snowflaken hallinta ja kustannukset entistä tarkemmin kontrolliin 

Snowflakeen on tullut useita uusia ominaisuuksia kustannusten hallintaan ja kontrolliin. Kustannuksia voidaan seurata organisaatiotasolta aina yksittäisiin käyttäjiin ja tiimeihin asti. Budjetteja voidaan puolestaan määritellä esimerkiksi resursseille tai tageihin perustuen.

Myös AI:n kustannuksia voidaan seurata entistä tarkemmin. Tämä tulee olemaan tärkeää AI-palveluiden käytön kasvaessa, sillä esimerkiksi mallien ja agenttien käyttö muodostaa Snowflake-ympäristöön uuden kustannusulottuvuuden. Käyttäjäkohtaiset kiintiöt sekä mahdollisuus automatisoida toimenpiteitä budjettirajojen täyttyessä helpottavat kustannusten hallintaa.

Tavoitteena on antaa käyttäjille enemmän mahdollisuuksia rakentaa ratkaisuja, mutta organisaatio säilyttää samalla kontrollin kustannuksiin.

Semantic Views tuo yhteisen merkityksen datalle ja AI:lle 

AI:n yleistyessä semanttisen kerroksen merkitys kasvaa. Jos esimerkiksi liikevaihto määritellään eri tavalla Power BI:ssä, SQL-kyselyissä ja AI-agentille annetussa kontekstissa, voidaan samaan kysymykseen saada useita eri vastauksia.

Snowflaken Semantic Viewsin tavoitteena on ratkaista tätä ongelmaa määrittelemällä liiketoiminnan käsitteet, mittarit, dimensiot ja niiden väliset suhteet keskitetysti Snowflakeen. Semantic Studio helpottaa semanttisten mallien rakentamista. Aikaisemmin malleja rakennettiin pitkälti YAML-määritysten avulla, mutta jatkossa niitä voidaan muodostaa ja ylläpitää visuaalisemmin ja luonnollista kieltä hyödyntäen.

Mielenkiintoinen kehityssuunta on myös Snowflaken semanttisen kerroksen yhdistäminen muihin sitä hyödyntäviin työkaluihin. Esimerkkinä Power BI:n olemassa olevia malleja voidaan hyödyntää Semantic Viewin lähtökohtana ja samoja määrityksiä voidaan hyödyntää Power BI:ssä ja Excelissä.

Lopputulemana sama liiketoimintamääritelmä palvelee BI-raportointia, SQL-kyselyitä, sovelluksia ja AI-agentteja.

Snowflake CoWork ja Cortex Agentit vievät AI:n kysymyksistä toimintaan 

Snowflake CoWork oli yksi päivän näkyvimmistä AI-aiheista. Sen tavoite on toimia työntekijän henkilökohtaisena työkaluna, joka tuntee yrityksen datan ja kontekstin sekä pystyy käyttämään erilaisia työkaluja tehtävien suorittamiseen.

Keskeinen muutos aikaisempiin AI-ratkaisuihin verrattuna on siirtyminen kysymys–vastaus-mallista kohti toimintaa. Pelkästä datan analysoinnista ja vastausten tuottamisesta siirrytään kohti toimintaa: agentti voi hyödyntää muita agentteja, työkaluja ja yrityksen järjestelmiä tehtävien suorittamiseen.

Tätä kehitystä tukevat esimerkiksi CoWorkin automaatiot, käyttäjäkohtaiset skills-ominaisuudet sekä integraatiot muihin työkaluihin. Käytännössä tavoitteena on, että käyttäjän ei tarvitse itse tietää, mikä agentti tai tekninen komponentti tehtävän suorittamiseen tarvitaan, vaan CoWork pystyy ohjaamaan tehtävän oikealle agentille.

AI ei ole enää erillinen ominaisuus data-alustan päällä, vaan siitä ollaan tekemässä kiinteä osa päivittäistä työskentelyä.

Data Engineerin työ muuttuu AI:n mukana 

Päivän esityksissä nousi esiin myös Data Engineerin työnkuvan muuttuminen. AI:ta hyödyntäen pystytään automatisoimaan yhä enemmän esimerkiksi koodin kirjoittamista, rutiininomaista debuggausta, pipelinejen pohjien rakentamista sekä koodin migrointeja ja refaktorointeja.

Tämä ei kuitenkaan poista Data Engineerin tarvetta. Painopiste siirtyy enemmän järjestelmien ja ratkaisuiden kokonaisuuksien ymmärtämiseen, datatuotteiden suunnitteluun, governanceen ja liiketoiminnan ymmärtämiseen.

Data Engineerin arvo ei siis tulevaisuudessa synny pelkästään siitä, kuinka nopeasti hän pystyy tekemään pipelinejä tai kirjoittamaan SQL:ää. Yhä tärkeämmäksi nousee kyky ymmärtää, millainen ratkaisu kannattaa rakentaa, miten dataa hallitaan ja miten tekninen toteutus palvelee liiketoimintaa.

Snowflake World Tour 2026 – AI siirtyy kokeiluista osaksi data-alustaa 

Snowflake World Tour oli jälleen hyvä tilaisuus nähdä, mihin suuntaan Snowflake ja koko data-ala ovat menossa.

Tulevaisuus näyttää selkeästi agenttipohjaiselta. Samalla päivän esityksistä jäi kuitenkin vahvasti mieleen, ettei AI vähennä hyvän datan, governancen tai kustannusten hallinnan merkitystä – päinvastoin.

Mitä enemmän AI:lle annetaan mahdollisuuksia käyttää yrityksen dataa ja suorittaa itsenäisesti tehtäviä, sitä tärkeämpää on tietää, mitä data tarkoittaa, kuka sitä saa käyttää ja millä kustannuksilla.

-Asko Ovaska

Partner, Senior Data Engineer

Snowflake User Group Helsinki saapuu Etlialle 8.9.2026

Etlia toimii syyskuun Snowflake User Group Helsinki -tapahtuman isäntänä ja sponsorina.

Tervetuloa mukaan viettämään iltaa Snowflaken, data-alustojen ja analytiikan parissa Etlian toimistolle Keilaniemeen. Illan ohjelmassa kuullaan Fennian asiakasesitys PII-tiedon tunnistamisesta ja hyödyntämisestä Snowflakessa sekä Snowflaken katsaus Summit 2026 -tapahtuman tärkeimpiin julkistuksiin. Lisäksi luvassa on verkostoitumista Suomen Snowflake-yhteisön kanssa.

📅 Tiistai 8.9.2026

🕔 Klo 17.00–20.00

📍 Etlia Oy
Finago Tower
Keilaniementie 1
02150 Espoo

🍕 Tarjolla pientä purtavaa ja virvokkeita.

🎟️ Osallistuminen on maksutonta, mutta vaatii ennakkoilmoittautumisen.

👉 Ilmoittaudu tapahtumaan

Ohjelma

17.00
Saapuminen, tarjoilut ja verkostoituminen

17.30
Snowflake User Group Helsingin avaus
Mika Heino & Asko Ovaska (Etlia)

17.40
Jani Thind (Fennia)
PII-tiedon tunnistaminen, tagaus ja hyödyntäminen Snowflakessa
Esitys suomeksi + Q&A

18.30
Tauko

18.40
Elli Pennanen (Snowflake)
Snowflake Summit 2026 – tärkeimmät julkaisut ja niiden käytännön vaikutukset

19.30
Verkostoituminen

20.00
Tilaisuus päättyy

Odotamme innolla, että saamme toivottaa Snowflake-yhteisön tervetulleeksi Etlialle!

SAP Sapphire Madrid 2026: Tekoälyavustajista autonomisiin liiketoimintaprosesseihin

Toukokuussa pääsin osallistumaan SAP Sapphire Madrid 2026 -tapahtumaan yhdessä asiakkaiden, kumppaneiden ja SAP-asiantuntijoiden kanssa eri puolilta Eurooppaa. Tapahtuman aikana kuultiin lukuisia kiinnostavia puheenvuoroja ja julkistuksia, mutta itselleni erityisesti 20. toukokuuta järjestetty globaali keynote The Beginning of Better jäi mieleen. Se tarjosi selkeän näkymän siihen, millaisena SAP näkee yritysteknologian ja tekoälyn tulevaisuuden.

Christian Kleinin, Sebastian Steinhaeuserin, Philipp Herzigin ja Muhammad Alamin esittämä keynote ei keskittynyt tekoälyyn pelkästään työntekijöiden tuottavuuden parantajana. Sen sijaan SAP:n viesti oli, että seuraava askel on autonominen yritys (Autonomous Enterprise), jossa ihmiset määrittelevät tavoitteet, toimintaperiaatteet ja rajat, kun taas tekoälyagentit toteuttavat liiketoimintaprosesseja hallitusti ihmisten valvonnassa.

Kohti autonomista liiketoimintaa

Yksi keynoten kiinnostavimmista havainnoista oli se, miten SAP kehystää yritysten tekoälyn seuraavaa vaihetta. Keskustelu ei enää keskity pelkästään tekoälyavustajiin, jotka auttavat työntekijöitä suorittamaan tehtäviä tehokkaammin, vaan yhä enemmän järjestelmiin, jotka kykenevät toteuttamaan liiketoimintaprosesseja itsenäisesti ihmisten valvonnassa.

Tämän vision keskiössä on uusi SAP Autonomous Suite. SAP kuvasi sitä kokonaisuutena, joka yhdistää tekoälyagentit, avustajat, liiketoimintasovellukset sekä hallinta- ja valvontakyvykkyydet yhdeksi toimintamalliksi. Yksittäisten AI-ratkaisujen sijaan tavoitteena on mahdollistaa liiketoimintaprosessien orkestrointi yli organisaation toimintorajojen säilyttäen samalla näkyvyyden, vaatimustenmukaisuuden ja kontrollin.

Juuri tässä SAP:in viesti poikkesi monista nykyisistä AI-keskusteluista. Tekoälyratkaisujen pilotointi on monelle organisaatiolle jo arkipäivää, mutta niiden kytkeminen osaksi varsinaisia liiketoimintaprosesseja on usein huomattavasti haastavampaa. SAP:in viesti oli selkeä: yritystason tekoälyn tulee olla sisäänrakennettuna operatiivisiin järjestelmiin eikä toimia niiden rinnalla erillisenä ratkaisuna.

SAP Joulen rooli kasvaa

Toinen merkittävä julkistus liittyi Jouleen, jonka rooli SAP AI-strategiassa laajenee entisestään. Joule ei näyttäydy enää pelkästään keskustelupohjaisena avustajana, vaan osana laajempaa AI-työtilaa ja toimintaympäristöä.

SAP esitteli Joule Workin, Joule Assistantsin, Joule Agentsin sekä Joule Studio 2.0 osina yhtenäistä kokonaisuutta, jonka tavoitteena on tukea sekä työntekijöitä, että autonomisia liiketoimintaprosesseja. Suunta viittaa tulevaisuuteen, jossa käyttäjät eivät hyödynnä tekoälyä ainoastaan keskustelupohjaisen avustamisen kautta, vaan myös erikoistuneiden agenttien avulla, jotka kykenevät suorittamaan määriteltyjä liiketoimintatehtäviä itsenäisesti.

Erityisen kiinnostavaa oli se, että SAP ei esitellyt näitä ratkaisuja erillisinä tuotteina, vaan osana yhteistä toimintaympäristöä. Painopiste oli ihmisten, AI-avustajien ja autonomisten agenttien välisessä yhteistyössä olemassa olevien liiketoimintaprosessien sisällä.

Luottamus ja data kaiken perustana

Ehkä koko Sapphire-tapahtuman keskeisin teema oli luottamus.

SAP korosti useissa puheenvuoroissa, että autonominen tekoäly voi toimia tehokkaasti vain silloin, kun se perustuu luotettavaan liiketoimintadataan ja selkeisiin hallintamalleihin. Tähän kokonaisuuteen liittyvät SAP Business Data Cloud, uusi SAP Business AI Platform sekä SAP AI Agent Hub, jotka muodostavat perustan tekoälyagenttien rakentamiselle, käyttöönotolle ja hallinnalle.

SAP Business AI Platform esiteltiin alustana, jonka avulla organisaatiot voivat kehittää, hallita ja operoida yritystason tekoälyagentteja. Samalla SAP Business Data Cloud tarjoaa liiketoimintakontekstin, jota agentit tarvitsevat päätöksenteon tueksi, kun taas hallinta- ja valvontakyvykkyydet varmistavat läpinäkyvyyden, turvallisuuden ja vastuullisuuden.

Mielenkiintoista oli myös nähdä SAP korostavan yhteistyötään Mistral AI kanssa sekä sitoutumistaan eurooppalaiseen ja luotettavaan tekoälyyn. Erityisesti eurooppalaisille organisaatioille datan suvereniteettiin, sääntelyn noudattamiseen ja luotettavaan AI-infrastruktuuriin liittyvät kysymykset ovat yhä tärkeämpiä. Monessa tapauksessa ne ovat vähintään yhtä merkittäviä tekijöitä kuin itse tekoälymallien suorituskyky.

Mitä tämä tarkoittaa yrityksille?

Tekoälyn käyttöönottoa suunnitteleville organisaatioille Sapphire-tapahtuman tärkein viesti ei liittynyt yksittäisiin ominaisuuksiin tai uusiin toiminnallisuuksiin. Kyse oli ennen kaikkea arkkitehtuurista, toimintamalleista ja siitä, miten tekoäly voidaan tuoda osaksi liiketoiminnan ydintoimintoja.

Monet yritykset ovat jo havainneet, että tekoälyratkaisujen käyttöönotto on usein helpompaa kuin niiden skaalaaminen osaksi kriittisiä liiketoimintaprosesseja. Todellinen haaste on rakentaa ympäristö, jossa tekoäly toimii luotettavasti, turvallisesti ja liiketoiminnan tavoitteiden mukaisesti.

Keynoten The Beginning of Better keskeinen viesti oli selkeä: yritysten tekoälyn seuraava vaihe ei ole enää pelkästään tekoälyn avustama työ. Tavoitteena ovat liiketoimintaprosessit, joissa tekoäly pystyy toteuttamaan tehtäviä itsenäisesti ihmisten määrittelemien sääntöjen ja valvonnan puitteissa.

SAP visiossa autonominen yritys yhdistää Joulen, tekoälyagentit, luotettavan liiketoimintadatan ja SAP Autonomous Suiten mahdollistamaan tämän kehityksen.

Katse tulevaisuuteen

Tapahtuman jälkeen oma käsitykseni yritysten tekoälyn seuraavista askelista vahvistui. Keskustelu ei enää pyöri pelkästään yksittäisten AI-ominaisuuksien ympärillä, vaan yhä enemmän siinä, miten tekoäly voidaan tuoda osaksi liiketoimintaprosesseja turvallisesti, hallitusti ja aidosti arvoa tuottaen.

Ovatko organisaatiot vielä valmiita täysin autonomisiin liiketoimintaprosesseihin? Tämä kysymys jää kuitenkin vielä avoimeksi. SAP Sapphire 2026:ssa esitetyn vision perusteella suunta näyttää kuitenkin selvältä: yritysohjelmistot kehittyvät kohti ympäristöjä, joissa ihmiset määrittävät tavoitteet ja toimintaperiaatteet, samalla kun tekoäly ottaa yhä suuremman vastuun niiden toteuttamisesta.

On mielenkiintoista nähdä, kuinka nopeasti tämä visio alkaa näkyä käytännön ratkaisuissa ja organisaatioiden arjessa tulevien vuosien aikana.

-Juuso Maijala, CEO

Datan demokratisointi ja älykkäät agentit – Mitä opimme AWS Summitista? 

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  

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

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.

.