Data-applicaties bieden eindgebruikers snel en interactief toegang tot informatie. Deze apps analyseren grootschalige datasets op de achtergrond met moderne Data Science technologieën, waardoor ze informatie direct kunnen voorzien van context en gebruikers in staat stellen om onmiddellijk actie te ondernemen op basis van deze inzichten.
In dit blog beschrijven we wat er allemaal bij komt kijken om intelligente data-applicaties met een AI/ML component te ontwikkelen en beheren.
Als je net begint lijkt het overweldigend wat je allemaal moet doen en investeren in mensen, processen en technologie om data-applicaties te ontwikkelen. Het goede nieuws is dat het geen alles of niets is, maar dat je kunt groeien in lijn met de volwassenheid.
Wij onderscheiden vier fases van volwassenheid:
- Ad-hoc
- Implementeerbaar
- Reproduceerbaar
- Continuïteit
Hieronder worden de verschillende volwassenheidsniveaus verder beschreven. In elk van de vier niveaus zijn verschillende bouwstenen minimaal van belang. Dit is gevisualiseerd en de mate van inkleuring geeft aan hoe professioneel de inrichting van de bouwsteen nodig is.
Het is een versimpelde weergave van de werkelijkheid is en natuurlijk kan het per situatie verschillen afhankelijk van de eisen van de organisatie. We gaan gemakshalve ervanuit dat de data-applicaties een ML/AI component in zich hebben. In de praktijk hoeft dit niet zo te zijn.
In deze fase worden er binnen de organisatie de eerste data-applicaties ontwikkeld, maar de richting is nog niet helemaal duidelijk en het gebeurt op een ad-hoc manier. Er moet nog veel worden uitgezocht wat werkt voor de organisatie. Deze volwassenheidsfase heeft een sterk experimenteel karakter, waarbij Proof of Concepts, snel itereren en kijken wat werkt centraal staat boven structuur en bestendigen.
Het team en platform voor de data-applicaties ontwikkeling is nog klein en in opbouw. Bijvoorbeeld een innovatie-team, Nog niets in productie, maar de focus ligt wel op de ontwikkeling van werkbare prototypes voor eindgebruikers.
De bouwblokken die hiervoor relevant zijn, staan hieronder weergegeven. Het is duidelijk dat de focus op experimenteren ligt, met een lichtere, minder volwassen componenten op vlak van data, deployment en prototype apps.
In deze fase is de organisatie voorbij de experimentele fase en de eerste data-applicatie wordt binnen de organisatie gebruikt in productie. Met andere woorden: het is geïmplementeerd. Het team dat data-applicaties ontwikkelt en beheert is groter en er is meer behoefte aan structuur. Om de structuur aan te brengen is de repositories en automation bouwsteen ingevuld, de eerste datastromen zijn aanwezig die door de data orchestratie worden gestuurd, en er ligt een steviger fundament van de data foundation. Om te weten en te reageren op wat er in productie gebeurt, zijn de eerste stappen gezet op het vlak van Observability/Monitoring. Denk aan wat er gebeurt in de data kwaliteit, met de applicatie gebruik en performance. De bouwblokken die relevant zijn, staan hieronder weergegeven. De eerste stappen op databeveiligingsvlak worden ook gezet.
In deze volwassenheidsfase ligt de focus op het opschalen in al haar facetten. Binnen de organisatie is de waarde van data-applicaties bewezen en er is behoefte om aan meer, complexere en robuustere data-applicaties.
Om goed te kunnen opschalen is reproduceerbaarheid essentieel. Voor snelle en foutloze reproduceerbaarheid is automatisering er belangrijk. De onderdelen van het voortbrengingsproces zijn geautomatiseerd met CI/CD. Daarnaast is het belangrijk om het overzicht te blijven houden in de groei van het aantal data-applicaties. Vandaar dat Observability in haar totaliteit in deze fase een belangrijke bouwsteen is. Tenslotte, moet alles in goede veilige banen geleid worden en daarom is het fundament van Governance & Security in deze fase ook gelegd.
Dit is de hoogste fase van volwassenheid waarin een volledig data-gedreven organisatie continue opereert.
Alle bouwblokken zijn ingevuld verder geprofessionaliseerd. Op basis van data die de data-applicaties genereren worden (al dan niet automatisch) beslissingen genomen over de verdere ontwikkeling of het verbeteren dan wel hertrainen van de AI-modellen.
Om succesvol en effectief over te gaan naar een digitale en innovatieve organisatie is er meer nodig dan alleen het ontwikkelen en gebruik van data-applicaties. Bij Full Orbit helpen we organisaties om de digitale transformatie te starten met de juiste kennis, strategie en oplossingen. Dit doen we door middel van een stapsgewijze aanpak die past bij het tempo van de specifieke organisatie.
Wil je meer weten over het ontwikkelen van Data-Applicaties? Download dan de whitepaper "Data-applicaties: Succesvol realiseren, beheersen en groeien"
