Kategoria: Uncategorized @fi

AI on ollut kaikkien huulilla nyt muutaman vuoden ajan IT-alalla ja sen kehitys on ollut nopeaa. Myös sovellustoimittajat ovat kehittäneet ja sisällyttäneet enemmän ja enemmän AI mahdollistamia kyvykkyyksiä ohjelmistoihinsa. Matillion ei ole tästä poikkeus. 

Matillionin Data Productivity Cloud (DPC) sisältää useita tekoälypohjaisia ​​objekteja hyödynnettäväksi latausputkien kehittämisessä. Näitä ovat mm. Copilot luonnollisen kielen luontiin, AI Notes automatisoituun dokumentointiin ja komponentit vuorovaikutukseen suurten kielimallien (LLM) kanssa, kuten OpenAI, Azure OpenAI ja Amazon Bedrock. Lisäksi Matillion DPC tarjoaa komponentteja vektoritietokantojen operaatioihin (Pinecone, Snowflake) ja vuorovaikutukseen tekoälypalveluiden, kuten Amazon Textractin, Amazon Transcriben ja Azure Document Intelligencen, kanssa. 

Tässä blogissa tarkastellaan muutamia Matillion Data Productivity Cloud (DPC) tarjoamia mahdollisuuksia kolmesta eri näkökulmasta:  

• AI hyödyntäminen latausputkien kehittämisessä Matillionin Maia tekoälyavustajalla,  
• AI hyödyntäminen latausputkien dokumentoinnissa ja  
• Snowflaken Cortex AI funktioiden hyödyntäminen liiketoiminnan käyttötapauksessa. 

AI hyödyntäminen latausputkien kehittämisessä 

Matillionissa latausputket on perinteisesti rakennettu viemällä latauksen komponentteja kanvakselle, jonka jälkeen ne on yhdistetty ja määritelty halutut käsittelysäännöt. Tämä on ollut selkeä, intuitiivinen ja helppo tapa rakentaa latausputkia. Matillionin AI avustaja Maia vie tämän vielä askeleen pidemmälle. 

Maia kannattaa hyödyntää etenkin tapauksissa, joissa 

• olet käyttänyt Matillion DPC:tä vain vähän aikaa tai muuten kokematon ETL/ELT työkalujen käyttäjä,  
• kehitysympäristö ei ole tuttu, tai 
• haluat saada ehdotuksia, kuinka ratkaista tietty lataustekninen ongelma. 

Alla olevassa esimerkissä Maialle on annettu ohjeeksi tehdä latausputki, joka  

1. Lataa tietoja asiakas- ja tilaustietoja SNOWFLAKE_SAMPLE_DATA tietokannasta. 
2. Yhdistää taulujen tiedot. 
3. Luo taulun ja lataa tiedot luotuun tauluun. 

Maia voidaan hyödyntää latauksen jatkokehittämiseen tai myös yksittäisissä latauksen komponenteissa. Alla olevassa esimerkissä hyödynnetään Maiaa lisäämään lataukseen metadata kenttiä sekä tekemään laskentoja. 

AI hyödyntäminen latausputkien dokumentoinnissa 

Latausputkien dokumentointi usein jää vähälle huomiolle tai kokonaan tekemättä. Tämä usein hidastaa latausten jatkokehitystä, virheiden korjausta tai yleisesti latausputken logiikan ymmärtämistä. Matillion DPC mahdollistaa automaattisen latausputkien ja erillisten komponenttien selitteiden luonnin AI hyödyntäen nopeasti muutamalla hiiren klikkauksella.  

Alla olevassa esimerkissä Add Metadata laskenta komponentti sisältää lisättyjä kenttiä ja laskentoja, mitkä halutaan nostaa esille. Matillionilla automaattinen selitteen luonti antaa selkeän kuvan objektissa tehtävistä toimenpiteistä.  

Maia hyödyntäen voidaan luoda automaattisesti koko latausputken kuvaus sisältäen latauksen vaiheet ja logiikat yksityiskohtaisesti. Ominaisuus mahdollistaa vaivattoman latausputkien kokonaisuuden dokumentoinnin ja siitä on suurta hyötyä, kun on tarve ymmärtää ennestään tuntemattoman latausputken toiminta.  

Snowflake Cortex AI funktioiden käyttötapaus 

Matillion DPC mahdollistaa myös Snowflaken AI ominaisuuksien hyödyntämisen valmiilla objekteilla, jotka voidaan lisätä osaksi normaaleita latausputkia. Tämä low code / no code lähestymistapa mahdollistaa AI hyödyntämisen laajemmalle käyttäjäryhmälle ja madaltaa AI kyvykkyyksien käyttöönottoa matalla kynnyksellä, sillä mitään erityistaitoja ei tarvita.  

Seuraavassa tarkastellaan yksinkertaistettua esimerkkiä, jossa halutaan hyödyntää AI luomaan vastaukset asiakaspalautteisiin. Asiakaspalautteita on tullut kolmella eri kielellä (suomeksi, ruotsiksi ja englanniksi). Matillionin orkestrointi latausputki sisältää 3 eri vaihetta (transformation jobia), joissa käytetään eri Snowflaken Cortex funktioita. Vaiheet ovat: 

• REVIEWS_1_TRANSLATE – Käännetään kaikki palautteet englannin kielille hyödyntäen CORTEX.TRANSLATE-funktiota. 
• REVIEWS_2_SENTIMENT – Määritetään palautteiden sentimentti (positiivinen / negatiivinen) hyödyntäen CORTEX.SENTIMENT-funktiota. 
• REVIEWS_3_REPLY – Luodaan vastaukset palautteille hyödyntäen CORTEX.COMPLETE-funktiota. 

Ensimmäisessä vaiheessa hyödynnetään Cortex Translate -objektia, jolla Snowflakeen ladatut usealla eri kielellä olevat asiakaspalautteet käännetään englannin kielelle. Cortex Translate objektissa määritetään käännettävä sarake, lähdekieli (tässä tapauksessa automaattinen tunnistus) ja kohdekieli, joka on englanti. Käännöksen jälkeen sarakkeet nimetään uudestaan ja tiedot ladataan tietokantaan seuraavaa vaihetta varten.  

Toisessa vaiheessa hyödynnetään Cortex Sentiment -objektia asiakaspalautteen sentimentin tunnistamiseen. Objektin määrityksissä valitaan sarake, johon sentimentin määritys kohdistetaan. Matillion luo uuden sarakkeen arvolle, jonka skaala on -1:sta (negatiivinen) + 1:een (positiivinen). Lopuksi latausputkessa tarvittavat sarakkeet nimetään uudestaan ja tiedot ladataan tietokantaan viimeistä vaihetta varten. 

Viimeisessä latausputkessa hyödynnetään edellisissä vaiheissa tehtyjä käsittelyjä asiakaspalautteen vastauksen muodostamiseen. Latausketjun alussa hyödynnetään Filter objektia jakamaan positiiviset ja negatiiviset palautteet omiksi tietovirroiksi hyödyntäen edellisessä vaiheessa tehtyä sentimentin analysointia. Molemmat data virrat johdetaan omiin Cortex Completions objekteihin. Objekteille määritellään: 

• Vastauksessa hyödynnettävä malli. 
• Järjestelmä prompt, joka antaa kontekstia vastauksen luomiseen. 
• Käyttäjä prompt, joka määrittelee varsinaisen vastauksen. 
• Syöte, jota hyödynnetään vastauksen luonnissa, eli tässä tapauksessa palautetta. 

Vastauksen luomisen jälkeen tietovirrat yhdistetään, muutetaan sarakemuotoisiksi, sarakkeet nimetään uudestaan ja ladataan tietokantaan esim. asiakaspalvelu järjestelmien hyödynnettäväksi.  

Yhteenveto 

Matillionsin AI-ominaisuudet eivät ole vain teknisiä kiihdyttimiä, ne ovat yhteistyötyökaluja, jotka auttavat murtamaan siiloja datainsinöörien, analyytikoiden ja liiketoiminnan sidosryhmien välillä. Ne mahdollistavat luonnollisen kielen vuorovaikutuksen, dokumentaation automaattisen luomisen ja erilaisten näkökulmien toteutuksien lisäämisen suoraan dataputkiin. Matillion kaventaa kuilua liiketoiminnan ja datajärjestelmien välillä, jolloin toimenpiteiden ymmärtäminen ei vaadi teknistä osaamista, kuten koodin lukutaitoa. Tämä avaa oven ketterämmälle kehitykselle, nopeammille iteraatiosykleille ja lopulta useammille datatuotteille, jotka ovat aidosti linjassa liiketoiminnan prioriteettien kanssa. 

Matillion DPC sisältämät latausvirroissa hyödynnettävät AI objektit nopeuttavat ja helpottavat näiden ominaisuuksien käyttöönottoa organisaatioissa. Snowflake Cortex objektit ovat tästä hyvä esimerkki. Matillion DPC hyödynnetään latausketjun tekemiseen ja orkestrointiin, mutta varsinainen tiedon prosessointi suoritetaan Snowflakessa. Tämä poistaa tiedonsiirron, tukee reaaliaikaista suorittamista ja varmistaa, että tietoturvakäytäntöjä noudatetaan kaikkialla. 

-Asko Ovaska

Datatuotteen omistajuus on noussut yhä tärkeämpään rooliin, kun organisaatiot haluavat hyödyntää dataa päätöksenteon ja liiketoiminnan tukena. Tässä kirjoituksessa käydään läpi, mitä datatuotteen tuoteomistajuus käytännössä tarkoittaa, ja mitä taitoja ja näkökulmia se vaatii.

Keräsin muutamia ajatuksia tärkeimmistä näkökulmista. Kirjoitus pohjautuu esitykseen, jonka pidin 12.3.2025 Tulevaisuuden tuoteomistaja -tapahtumassa datatuotteen tuoteomistajuudesta.

Mikä on datatuote?

Datatuote on rakenteellinen kokonaisuus, joka tarjoaa organisaatiolle arvoa esimerkiksi raportoinnin, analytiikan tai operatiivisen toiminnan tukena. Se voi olla dataan pohjautuva palvelu, tietovarasto tai esimerkiksi API, joka mahdollistaa datan hyödyntämisen eri käyttäjäryhmille. 

Jos ja paremminkin kun datasta halutaan arvoa liiketoiminnan ja päätöksenteon tueksi, keskeinen kysymys kuuluu: kuka käyttää dataa ja miten?

Datatuotteen suunnittelussa ja kehittämisessä on tärkeää ymmärtää, millaisia käyttäjäryhmiä on olemassa ja millaista osaamista heillä on. Tällaisia ryhmiä voivat olla esimerkiksi: 

• Itseohjautuvat analyytikot, kehittäjät ja datatieteilijät, jotka käsittelevät raakadataa ja tekevät siitä johtopäätöksiä. 

• Tietojohtajat ja liiketoimintapäättäjät, jotka tarvitsevat visualisoitua ja aggregoitua dataa päätöksentekoon. 

• Loppukäyttäjät, jotka hyödyntävät dataa mutta tarvitsevat tukea sen tulkinnassa ja käytössä. 

Jotta datatuotteen arvo maksimoituu, on tärkeää tarjota oikeanlaisia palveluita eri käyttäjäryhmille – oli kyse sitten API-rajapinnoista, raportoinnista tai räätälöidystä dataneuvonnasta.

Datatuotteen tuoteomistajan rooli

Tuoteomistajuus on tuttu konsepti ohjelmistokehityksestä, mutta datatuotteiden kohdalla rooli saa erityisiä painotuksia. Dataosaaminen on ehdoton etu tuoteomistajalle, sillä ilman sitä on vaikea arvioida, millaiset ratkaisut ovat toisaalta teknisesti kestäviä, mutta toisaalta palvelevat mielekkäästi liiketoimintaa. 

Menestyvä datatuotteen tuoteomistaja: 

• Ymmärtää datalähteet ja ekosysteemit – mistä data tulee, miten sitä käsitellään ja missä sitä hyödynnetään. 

• Hallitsee sidosryhmätyön, sillä datatuotteen ympärillä toimii laaja joukko käyttäjiä ja asiantuntijoita ja riippuvuuksia eri järjestelmiin ja liiketoimintoihin on yleensä paljon. 

• Osaa priorisoida kehitystä liiketoiminnan tarpeiden mukaan, jotta datasta saadaan maksimaalinen hyöty. 

Sidosryhmien yhteistyö ratkaisee

Datatuotteen kehitys ei tapahdu tyhjiössä. Se vaatii tiivistä yhteistyötä niin liiketoiminnan, IT-tiimien kuin loppukäyttäjienkin välillä. Tuoteomistajan tehtävä on tasapainottaa eri odotuksia ja varmistaa, että datatuote palvelee aidosti käyttäjiään. 

Eri toimialoilla datatuotteilla voi olla monenlaisia rooleja – ne voivat esimerkiksi tukea sääntelyvaatimuksia, mahdollistaa asiakasymmärryksen syventämistä tai tehostaa päätöksentekoa. Datatuotteen arvo syntyy siitä, kuinka hyvin se pystyy tarjoamaan tietoa eri käyttäjäryhmille sopivassa muodossa ja auttamaan heitä hyödyntämään sitä omassa työssään.

Miten eteenpäin?

Etlialla autamme asiakkaitamme rakentamaan toimivia, skaalautuvia ja käyttäjälähtöisiä datatuotteita eri ohjelmistoilla. Näissä hankkeissa olemme nähneet, kuinka oikealla omistajuudella ja selkeällä kehitysstrategialla data voidaan valjastaa voimavaraksi, joka tukee sekä operatiivista toimintaa kaikilla tasoilla että strategista päätöksentekoa ylimmässä johdossa. 

Jos haluat keskustella lisää siitä, miten organisaatiosi voisi hyödyntää dataa paremmin, ole rohkeasti yhteydessä!

– Eevi Lappalainen, Senior Data Consultant

Etlia starttasi syksyllä 2022 Career Radar -uravalmennusohjelman, jonka tavoitteena on tarjota kaikille etlialaisille mahdollisuuden reflektoida omaa tilannetta, vahvuuksia ja kehityskohteita sekä päästä keskustelemaan tulevaisuuden urasuunnitelmista ulkopuolisen valmentajan kanssa. Career Radar -valmennuksessa keskeistä on se, että uraan liittyvät haaveet voivat liittyä käytännössä mihin tahansa, myös yrityksen ulkopuolisiin asioihin, ja valmennettava pääsee jakamaan ajatuksiaan täysin luottamuksellisessa ympäristössä. Tavoitteiden pohjalta luodaan konkreettiset askelmerkit kohti tavoitteiden saavuttamista. Etlian työntekijöiden keskuudessa Career Radar -valmennus on otettu hyvin vastaan.

Valmennus jäsentää omaa ajattelua

Etlian Senior Data Architect & Engineer Asko Ovaska osallistui Career Radar -valmennukseen ja on ollut tyytyväinen valmennuksesta saatuihin oivalluksiin. Ovaska kertoo, että valmennus oli oiva tapa jäsennellä omia ajatuksia ja hahmottaa paremmin sitä, mitä tulevaisuudessa haluaa. Myös sparrailu ulkopuolisen valmentajan kanssa tuntui mielekkäältä.

”Omassa mielessä on ollut yksittäisiä ajatuksia siitä, mitä haluaisi tehdä ja millaisia uraan liittyviä tavoitteita on. Nyt nämä asiat koottiin ensimmäistä kertaa yhteen paikkaan. Valmentajalta tuli myös hyviä näkemyksiä ja vastakysymyksiä. Kun niitä rupesi käymään läpi, tunnisti paremmin mikä on oleellista”, Ovaska kertoo.

Valmentajan kanssa pidetyn session jälkeen Ovaska keskusteli valmennuksessa heränneistä ajatuksista oman esimiehensä kanssa. Hän kokee, että keskusteluun oli helppoa lähteä, kun omia ajatuksia ja uraan liittyviä kysymyksiä oli ensin saanut jäsenneltyä ja kirjoitettua ylös. Seuraava valmennukseen liittyvä steppi on puolen vuoden päästä, kun tavoitteita ja niiden etenemistä tarkastellaan uudestaan valmentajan kanssa. Kokonaisuudessaan Ovaska näkee Career Radarin positiivisena kokemuksena ja kokee sen myös monipuolisempana ja kattavampana perinteiseen HR-keskusteluun verrattuna.

”Valmennuksen isoin anti oli saada omat ajatukset konkreettisesti ylös ja päästä sparrailemaan ulkopuolisen tahon kanssa avoimessa ympäristössä”, Ovaska summaa.

Career Radarista kohti partneriohjelmaa

Myös Etlian Senior Cloud Consultant & Data Engineer Raaju Srinivasa Raghavan osallistui Career Radar -valmennukseen. Raaju kokee, että valmennus auttoi kirkastamaan tulevaa urapolkua. Vaikka Career Radarin tarkoituksena on antaa vapaat kädet kaikenlaisten urahaaveiden toteuttamiseen, Raajun tulevaisuuden suunnitelmat liittyvät vahvasti Etliaan ja valmennuksen myötä selkiytyi ajatus partneriohjelmaan hakeutumisesta.

”I had the session with the Career Radar coach and it was quite an eye-opening experience. I have been working on the technical side, but during the program, I was able to understand that the next steps would be more toward the partner track. It was helpful personally and from the company’s point of view.”

Raaju antaa kiitosta siitä, että valmennuksessa kirkastetut tavoitteet eivät ole jääneet pelkäksi sanahelinäksi, vaan niitä on oikeasti lähdetty viemään eteenpäin. 

”Recently, we have kickstarted the partner track so it is really nice to see that you don’t just speak about these things but they are actually put into action.” 

Career Radar -konsepti on Raajun mielestä hyvin linjassa suhteessa Etlian arvoihin, joista yksi on ihmisten voimauttaminen. Raaju näkee, että Career valmennus sopii yritykseen, jonka ilmapiiri on avoin ja välittävä, ja jossa ollaan myös valmiita ottamaan palautetta vastaan. 

”It is not just about you and the company but more about what the company can do for you. Career Radar is a very nice initiative and possible to execute only in a company like Etlia in which we are a close group of consultants, and we care about each other.”

Vuotta 2023 ollaan edetty jo helmikuun puolelle, ja ajattelimme että nyt on mainio hetki ottaa katsaus Etlian tulevaan vuoteen toimitusjohtajamme Juuso Maijalan johdolla.

Vuonna 2022 saavutettiin Etlian taloudelliset tavoitteet ja toimittiin arvopohjaisesti

Ennen kuin käännämme katseet tulevaan, niin otetaan vielä nopea kurkkaus Etlian viime vuoden kohokohtiin. 

Vuonna 2022 Etlia saavutti monia tärkeitä virstanpylväitä, ja vuoteen mahtui monta ikimuistoisia tapahtumaa. Etlia ylitti ensimmäisen kerran miljoonan euron liikevaihdon, ylittäen vuoden alussa asetetun 1,1 miljoonan euron tavoitteen.

Voimme sanoa toimineemme arvoistamme käsin. Mainittakoon päällimmäisenä etenkin “we appreciate people” -arvomme, joka on kaiken toimintamme perustana. Konkreettisia tekoja, joissa arvomme viime vuonna näkyivät, olivat etenkin uuden työntekijälähtöisen uravalmennusohjelman Career Radarin käynnistäminen, sekä valmistelemamme henkilöstöanti, jonka merkinnät tapahtuvat tänä keväänä.

Teimme vuonna 2022 kannattavaa kasvua, paransimme sisäisiä prosesseja ja teimme uusia onnistuneita rekrytointeja. Onnistuimme lisäksi kasvattamaan tunnettuuttamme, joka näkyy muun muassa Linkedin kanavamme huomattavana kasvuna.

Vuosi 2023 käyntiin uusin tavoittein

Siirrytään tähän vuoteen, jonka ensimmäinen kuukausi on lähtenyt Etlialla käyntiin kiireisesti, mutta hyvillä mielin. Tavoitteet vuodelle 2023 ovat korkeat, ja jo tammikuun aikana on ehditty tehdä paljon niiden saavuttamiseksi.

Tavoitteena on viime vuoden tapaan jatkaa työyhteisömme ja työkulttuurin kehittämistä. Etlia on ja haluaa tulevaisuudessakin olla ihmiskeskeinen, ja se ohjaa tekemistämme ja näkyy kaikessa toiminnassamme. 

 “Haluamme rakentaa hyvin avointa kulttuuria, missä asiat ja päätöksenteon perusteet ovat kaikkien etlialaisten tiedossa”, Juuso Maijala summaa.

Myös Etlian henkilöstön määrää on tarkoitus kasvattaa, mikä näkyy toki myös liiketoiminnallisissa tavoitteissamme. Tulemme lisäksi kirkastamaan brändiämme, jonka voi jo nyt huomata uudistuksina graafisessa ilmeessä ja verkkosivullamme. Uutta on luvassa myös Etlian tarjonnassa, ja tulemme julkaisemaan tänä vuonna uuden palvelun. Tästä kerromme kuitenkin vasta hieman myöhemmin, joten jäädään jännityksellä odottamaan mitä on luvassa! 

Suuressa kuvassa Etlian strategiset tavoitteet ovat muuttumattomat, niihin tehtiin vuoden lopun strategiapäivityksessä vain pieniä muutoksia. Haluamme löytää joukkoomme taitavia data- ja analytiikkaosaajia kasvaa kannattavasti ja rakentaa Etlian tunnettuutta.

Monien alojen liiketoiminta on valitettavasti myös kärsinyt viime vuosien kriisien johdosta, ja ne ovat meillekin tekijöitä, joita ei tule sivuuttaa. Kysyntä datalle ja dataosaamiselle kuitenkin jatkuu ja lisääntyy vuosittain, joten Maijala uskoo alan kasvun jatkuvan myös vuonna 2023. Hän näkee toimialamme kasvun varsin positiivisessa valossa, minkä vuoksi Etlia uskaltaa asettaa korkeat tavoitteet.

2023: Etlian 10 -vuotis juhlavuosi

Yrityksemme täyttää tänä vuonna 10 vuotta, mikä tulee näkymään useina tapahtumina ja ehkäpä myös yllätyksinä tulevan vuoden aikana. Juhlavuoden kunniaksi tulemme järjestämään tapahtumia niin henkilöstölle kuin asiakkaille. Asiaan kuuluvasti tulemme juhlimaan syntymäpäiviämme kunnon synttäribileiden merkeissä.