Reisebrev fra TDWI Las Vegas – februar 2025

I februar var jeg nok en gang på TDWI (Transforming Data With Intelligence) sin datakonferanse i Las Vegas. Jeg pleier å dra hit annet hvert år for å holde meg oppdatert, lære noe nytt, få bekreftet kunnskap jeg allerede har, og hente inspirasjon til jobben min som rådgiver og arkitekt.

Konferansen består av hele eller halve dager på skolebenken med noen av de største navnene innen data. Det er ikke tillatt å pitche verktøy i forelesningene, noe som sikrer at fokuset ligger på hvordan vi best kan skape verdi i arbeidet vårt. For meg er dette den ultimate måten å lære og bli inspirert på. Andre konferanser, med korte keynotes på en halvtime eller time, berører bare overflaten sammenlignet med detaljnivået vi får her. Jeg er for ordens skyld ikke betalt av TDWI for å si dette.

‍

Så hva lærte jeg i 2025, et år der kunstig intelligens har sprengt Gartner sin hype cycle, alle snakker om data fabrics, og data mesh fremstilles som det beste siden oppskåret brød?

‍

‍

Vær varsom med hva du leser og hører!

‍

I år fokuserte jeg spesielt på temaene KI – særlig LLM-er (Large Language Models), Data Fabric og generell dataarkitektur .

‍

Å lese artikler og meninger om for eksempel Data Fabric eller Data Mesh bærer ofte preg av Dunning-Kruger-effekten hos forfatterne. Mange slike tekster har dessuten et salgsbudskap, enten for et produkt eller en rådgivningsportefølje.

‍

På konferansen deltok jeg på en halv dag med Pradeep Karpur, professor ved Universitetet i Calgary og AI & Data-partner i EY. Han kunne fortelle at han arbeidet med et Data Fabric-prosjekt for en kunde, men de var langt unna å være ferdige – faktisk også langt unna å kunne kalle løsningen en ekte Data Fabric. Grunnen var enkel: Teknologien er rett og slett ikke moden nok ennå.

‍

‍

Hva er egentlig en Data Fabric?

‍

Data Fabric er ikke en arkitektur i seg selv, men en metode som implementeres over arkitekturen – gjerne over en "medalje-arkitektur". Hensikten er å automatisere store deler av en dataplattform ved hjelp av KI. For eksempel kan man automatisk identifisere relasjoner mellom nye og eksisterende data. Dette krever en metadata-drevet plattform med strenge standarder, samt store mengder data og metadata som KI-modellene kan trenes på. Siden disse dataene er tett knyttet til forretningskonteksten, kan ikke eksterne data benyttes i treningen. I nevnte prosjekt fokuserte de derfor på å bygge plattformen slik at den kunne dra nytte av fremtidige verktøy og modeller.

‍

‍

Hvordan passer Data Mesh inn?

‍

Data Mesh er en organisatorisk overbygning – sterkt inspirert av Team Topologies – på toppen av en Data Fabric. På spørsmål om en Data Mesh må bygges på en Data Fabric, svarte Karpur kontant: Ja.

‍

I en Data Mesh desentraliseres ansvaret for data til ulike forretningsenheter, hvor Data Engineers eller Data Scientists både skaper og bruker data i en felles plattform. For å unngå anarki i formater og metoder, trengs automatiserings- og metadata-prinsippene fra Data Fabric, i tillegg til en global datastruktur for governance.

‍

‍

KI, LLM-er og andre høydepunkter

‍

Nesten alle foredragsholdere mente at "2025 might be the year" for faktisk bruk av LLM-er på virksomheters egne data – særlig med fremveksten av agenter. Jeg tilbrakte en hel dag på skolebenken med Stephen Brobst, en av de beste innen datafeltet. Jeg har vært på kurset hans tidligere, men det var nå oppdatert med enda mer inspirerende KI-innhold. Ingen konkrete LLM-prosjekter av stor verdi ble imidlertid presentert. Og konkrete eksempler av betydning i datafeltet har jeg tilgode å se. Men ideene og mulighetene begynte å komme til overflaten.

‍

Evan Levy, som jeg har hørt flere ganger før, holdt en fantastisk dag om data governance. Jeg fikk også en én-til-én-samtale med ham om et faktisk prosjekt jeg jobber med, hvor vi diskuterte arkitektur og governance. Prosjektet jeg snakker om her handler om en helhetlig tilnærming av både en integrasjonsplattform og en dataplattform som jeg har hjulpet flere selskaper å implementere, så jeg vet egentlig at det virker, men det er godt å få noen nye øyne på problemstillingene. Heldigvis ble det mest til at han bekreftet min tilnærming – "You are preaching to the choir" – før vi begynte å snakke om hans tur til Svalbard for noen år siden.

‍

‍

Vil du fortsette praten her hjemme?

‍

For meg er én uke i Las Vegas på alle måter for lenge, men når du kan nerde om data med de flinkeste folkene i bransjen, tåler jeg både blinkende lys og casinostøy. Dagen starter 07:30 og varer gjerne til 17:00 – og da er det ikke mye futt igjen i en gammel datanerd.

‍

Selvfølgelig har jeg utelatt mange detaljer i denne korte artikkelen, men vil du høre mer – eller er du uenig i noe – tar jeg gjerne en kaffeprat om data. Send meg en LinkedIn-melding her. Og jeg håper jeg selv ikke har havnet i Dunning-Kruger-fellen.

‍

‍

‍

‍

Om Espen Langbråten

‍

Espen har jobbet med data og strukturering av data i 25 år. Han har bred erfaring fra mange forskjellige bransjer .Han brenner for å skape verdi med å tilpasse beste praksis til hva som faktisk fungerer for bedriften og hva selskapet faktisk har behov for. Han har tidligere holdt talks på datakonferanser i USA og resten av Skandinavia.

‍