Program Foruma podatkovne analitike

Torek, 24. marec
PreviousNext

  • 8.00

    1

    Sprejem in registracija

  • 9.00

    2

    Otvoritev

    Peter Ribarič

    Direktor Planet GV, d.o.o.

  • 3

    Napoved programa in predstavitev rdeče niti

    Jure Jeraj

    Programski vodja FPA

  • 9.10

    S podatkovno analitiko do inteligentnejših agentov

    Boris Cergol, Cergol AI
    Prikaži več

    Razvoj umetne inteligence nas je v kratkem času pripeljal od nebogljenih chatbotov do avtonomnih agentov, ki se vse bolj obnašajo kot pravi digitalnih sodelavci. To prinaša nekatere nove izzive, nekateri pa ostajajo enaki kot pri človeških zaposlenih. Med slednjimi je eden najpomembnejših, kako zagotoviti, da imajo agenti zares prave veščine, ki se tudi prilagajajo naglim spremembam na trgu. V predavanju bom predstavil več konkretnih primerov alternativnih pristopov k podatkovni analitiki, s katerimi lahko iz podatkov o zaposlenih, strankah, konkurenci ali širših trendih izluščimo veščine, ki ohranjajo konkurenčno prednost naših agentov.

  • 9.40

    Ko LLM postane analitik in sodnik – Večoznačna klasifikacija in validacija kategorij ter sentimenta komentarjev strank bencinskih servisov

    dr. Kaja Kandare, Petrol
    Prikaži več

    Ankete Net Promoter Score (NPS) omogočajo kvantitativno merjenje zadovoljstva strank, vendar pogosto ne zajamejo kompleksnosti mnenj, izraženih v odprtih besedilnih komentarjih. V tem prispevku predstavljamo metodološki okvir za samodejno večoznačno tematsko razvrščanje in analizo sentimenta slovenskih povratnih informacij strank bencinskih servisov z uporabo velikih jezikovnih modelov (LLM).

    Predlagani sistem hkrati identificira več tematskih kategorij znotraj posameznega komentarja ter za vsako zaznano temo določi pripadajočo stopnjo sentimenta, s čimer naslavlja pogost pojav mešanih mnenj znotraj ene povratne informacije. Za zagotavljanje zanesljivosti rezultatov uvajamo dvofazni validacijski pristop LLM-kot-sodnik (angl. LLM-as-a-Judge), ki ločuje ocenjevanje pokritosti tematskih kategorij od ocenjevanja pravilnosti sentimenta. Takšna ločitev zmanjšuje logične konflikte, značilne za enostopenjske evalvacijske pristope, ter omogoča natančnejšo diagnostiko napak razvrščanja.

    Za dodatno povečanje robustnosti evalvacije uporabljamo pristop LLM-kot-porota (angl. LLM-as-a-Jury), pri katerem je bila vsaka povratna informacija večkrat neodvisno ocenjena z istim modelom ter dodatno validirana z drugim temeljnim modelom. Končna ocena je bila določena z agregacijo posameznih ocen, s čimer smo zmanjšali vpliv stohastičnosti modelov in posamičnih pristranskosti ter zagotovili večjo stabilnost evalvacijskih rezultatov.

    Predstavljeno delo ponuja praktične in ponovljive smernice za uvajanje LLM-podprte analitike besedil v produkcijskih okoljih ter osvetljuje ravnotežje med natančnostjo, stroškovno učinkovitostjo in rigoroznostjo validacije pri analizi pretežno slovenskih, a delno večjezičnih povratnih informacij.

  • 10.05

    Sodobna digitalna zdravstvena platforma (Digital Health Platform)

    Borut Fabjan, Better
    Prikaži več

  • 10.25

    Odmor

  • 10.55

    Meritve vibracij za ugotavljanje konstrukcijskih pomanjkljivosti na mostovih

    mag. Dino Florjančič, DeweSoft Monitoring
    Prikaži več

    V Evropi je prek 10.000 mostov označenih kot konstrukcijsko pomanjkljivih. Preveč, da bi jih bilo mogoče vse pregledati, kaj šele popravljati. Zato mnoge države vlagajo v merilne sisteme, s katerimi želijo ugotoviti, kateri od teh mostov so v najbolj kritičnem stanju, da lahko prioritizirajo ukrepe.

    Naše podjetje razvija merilne naprave, ki so nameščene že na prek 500 konstrukcij po svetu, pretežno na mostove in pa tudi na vetrne turbine. Zagotavljati moramo natančne in zanesljive meritve vibracij, sinhronizirane po celotni konstrukciji.

  • 11.25

    Funkcionalen Data Mesh v večjih podjetjih

    Miha Gornik, NLB
    Prikaži več

    Ali je Data Mesh v 2025 sploh še relevanten? Data Mesh v dobi (post) AI. Organizacijske predpostavke za pravilno odločitev Data Mesh ali Centralizacija (velikost podjetja, panoga, …). Kako narediti funkcionalen data mesh v večjih podjetjih (primer NLBja za PBI)? Ali je platforma MS Fabric/Power BI dozorela, da lahko večjim podjetjem omogoča Data Mesh?

  • 11.50

    Kako ideje zaposlenih postanejo Googlova AI orodja v prodaji

    Lenart Celar, Google
    Prikaži več

    Lenart Celar bo predstavil Googlov interni program za spodbujanje AI inovacij znotraj prodajnih ekip. Predavanje se bo osredotočilo na to, kako Google spodbuja svoje zaposlene, da svoje ideje preoblikujejo v konkretna in uporabna AI orodja. Pojasnil bo agilni, trimesečni cikel, ki omogoča hiter razvoj, testiranje in implementacijo novih rešitev. Udeleženci bodo spoznali strukturirano metodologijo za ocenjevanje idej, ki temelji na merilih, kot so poslovni vpliv, tehnična izvedljivost in skalabilnost. Skozi predstavidev bomo spoznali, kako kultura inovacij, tesno sodelovanje med prodajnimi in produktnimi ekipami ter miselnost “misli 10x” korenito preoblikujejo poslovanje in uspešno vključijo AI v jedro svojega poslovanja.

  • 12.15

    Kosilo

  • 13.15

    Evolucija podatkovnih platform: učinkovita zasnova podatkovnih skladišč v praksi

    Gašper Stanovnik, Bragg
    Prikaži več

    Predavanje predstavlja razvoj Braggove podatkovne platforme na Google Cloudu v zadnjem desetletju – od prvih ročnih rešitev do sodobnega, skalabilnega data warehouse ekosistema, ki podpira online casino platforme in njihove ključne poslovne procese. Predstavljene bodo ključne tehnične odločitve, vključno z orkestracijo podatkovnih procesov z Airflowom, upravljanjem infrastrukture s Terraformom ter avtomatizacijo podatkovnih pipelineov z n8n. Poseben poudarek bo namenjen optimizaciji arhitekture skozi nenehno iskanje ravnotežja med uporabo managed cloud storitev in razvojem lastnih rešitev, kot je standardiziran pristop za hitro unifikacijo in orkestracijo jobov, razvit v sodelovanju z analitiki.Platforma omogoča tudi povratno distribucijo podatkov (npr. player tagov) v produkcijske sisteme ter razbremenitev core casino platforme z izvajanjem zahtevnih kalkulacij v data warehouse okolju. Predstavljeni bodo konkretni primeri uporabe, vključno z regulatory reportingom, billing procesi, recommendation engineom, responsible gaming monitoringom in produkcijskim monitoringom.

  • 13.40

    Umetnost podatkovnih uvidov

    Borut Olenik, Celtra
    Prikaži več

    V Celtri smo v zadnjem obdobju veliko pozornosti namenili podatkovnemu inženirstvu, kakovosti podatkov in upravljanju podatkov ter s tem postavili trdne temelje za prihodnjo uporabo podatkov in umetne inteligence. Ob tem se neizogibno pojavi klasično vprašanje: kaj je bilo prej – kokoš ali jajce? Ali lahko umetno inteligenco smiselno uporabljamo tudi v okolju z nepopolnimi in neurejenimi podatki ter kakšna je pri tem vloga posameznikov, ki te sisteme načrtujejo, gradijo in uporabljajo.

  • 14.05

    V dobi enakih orodij štejejo razlike v razmišljanju

    Josip Franz, Petrol
    Prikaži več

  • 14.30

    Odmor

  • 14.45

    Pogovor – Modrost odločanja v nepredvidenih razmerah

    Andrej Šter
    Pogovor vodi Peter Ribarič
    Prikaži več

  • 15.10

    Vroči stol – Digitalizacija kompleksnega javnega sistema

    mag. Teja Batagelj, MZ in Jure Jeraj,programski vodja FPA
    Prikaži več

  • 15.35

    Pragmatični optimizem pri uvajanju Gen UI in UI agentov

    prof. dr. Peter Trkman, UL EF
    Prikaži več

  • 16.00

    Data networking

    Druženje

  • 17.30

    Zaključek

Moderator Foruma podatkovne analitike

Aljoša Ternovšek

Aljoša Ternovšek prihaja iz Maribora. Po končani srednji šoli je doštudiral na Akademiji za gledališče, radio, film in televizijo v Ljubljani, smer dramska igra. Po končanem študiju je dve leti ustvarjal kot svobodni umetnik, kasneje pa se je zaposlil v Mestnem gledališču ljubljanskem. Leta 2005 se je preselil v Mestno gledališče Ptuj, kjer je igral do leta 2009. Od leta 2011 je član igralskega ansambla Prešernovega gledališča Kranj. Je dobitnik nagrade Združenja dramskih umetnikov Slovenije za vlogo Bajana v predstavi Stenica in Borštnikove nagrade za vlogo Wladeka v predstavi Naš razred.

Večina Aljošo pozna po vlogi Dušana Vaupotiča – Duleta iz filma Kleščar ter oddaje Tistega lepega popoldneva in v zadnjih letih kot voditelja kviza Vem.

  • 8.00

    Sprejem in registracija

  • 8.30

    Otvoritev konference

  • 8.35

    S podatki do novih poslovnih modelov

    dr. Boštjan Kaluža

  • 9.20

    Kako z analitiko izboljšujejo igro najboljši tenisači na svetu?

    dr. Miha Mlakar
    Prikaži več

    Na primeru vrhunskega tenisa pokažemo, kako s pomočjo uporabe napredne analitike izboljšamo uspešnost tenisačev. Pri tem so pristopi enaki kot v poslovnem svetu. Primer bo predstavil bivši profesionalni teniški igralec, sedanji selektor slovenske teniške reprezentance, ki se je kot podatkovni analitik prebil v samo svetovno špico vrhunskega tenisa.

  • 10.00

    Okrogla miza – Mi imamo že vse

    Prikaži več

    Če že imamo vse, a smo potem najboljši?” Pa smo res najboljši v vsem? Niti organizacija niti posamezniki se ne smemo zadovoljiti s trenutnim stanjem, saj vsak zastoj lahko še prehitro povzroči, da organizacija “zaspi” in posledično propade (npr. Nokia, Kodak, …). Organizacije se morajo zato stalno prilagajati in razvijati, razvoj pa se ne meri samo v tržnem deležu ali dobičku, temveč v vseh poslovnih vidikih, tudi v zadovoljstvu zaposlenih, strank in ostalih deležnikov.

  • 10.35

    Odmor za druženje

  • 10.50

    Dinamično postavljanje cen

    Damjan Slapar, Nomago InterCity
    Prikaži več

    V Nomagu se osredotočajo na vlaganja v tehnologije, saj se zavedajo njihovega pomena za uspeh podjetja v zahtevnem poslovnem okolju. Predstavljeni bodo izzivi in dosežki pri vpeljavi strojnega učenja za dinamično postavljanje cen. Predavanje ne bo usmerjeno le na tehnološke, temveč tudi na organizacijske izzive, ki jih je potrebno nasloviti, da je podjetje zmožno vpeljati najsodobnejšo tehnologijo.

  • 10:50

    Izzivi, priložnosti in perspektiva poslovne inteligence v državni upravi – projekt Skrinja

    Dr. Karmen Kern Pipan, Paula Kolenko, Sektor za upravljanje s podatki, na Direktoratu za informacijsko družbo in informatiko na MJU
    Prikaži več

    Z vzpostavitvijo sistema poslovne inteligence v državni upravi preko projekta skrinja, uporabnikom omogočamo, da podatki postanejo informacije za boljše odločitve. Prvi podatkovni vir, ki je zaživel v skrinji je sistem plač javnega sektorja, v razvoju je prenos podatkov javnih naročil, ki bo sledil v naslednjih mesecih. Skrinja uporabnikom omogoča pridobivanje podatkov v realnem času, avtomatizacijo analiz in poročil ter napovedno analitiko za pripravo različnih scenarijev tako za potrebe strateškega načrtovanja kot tudi za operativno raven.

  • 11:20

    Ko planiranje preraste v nepogrešljivo orodje za upravljanje

    Senaid Mrkaljević,  A1 Slovenija d.d, Bogomir Jalovec, In516ht d.o.o.
    Prikaži več

    Prisluhnite kako je A1 prešel iz ročnega planiranja v Excelu v avtomatizirani planski proces s pomočjo napredne analitike. Predstavili vam bodo tudi, kako se to odraža v planskih procesih in dejanskem odločanju vodstva podjetja.

  • 11:50

    Dnevno upravljanje zalog, nabave in prodaje

  • 12:10

    Odmor za kosilo

  • 13:00

    Upravljanje prodaje v realnem času s pomočjo poslovne inteligence in analitike

    Patricija Filipič Orel, Mateja Kuhar Zobarič

  • 13.30

    Podpora hitri rasti poslovanja

    Edvard König, EKWB d.o.o.
    Prikaži več

    EKWB je podjetje, ki hitro povečuje obseg poslovanja v vseh ozirih: prodaja, geografija, proizvodnja in logistika. Slišali bomo, kako rešujejo izziv obdržati pregled nad poslovanjem in poslovnimi odločitvami ob vedno večjem obsegu podjetja in razpoložljivih podatkov. Trenutna rešitev vključuje ERP, sistem za planiranje, sistem za podporo proizvodnji in logistiki in sistem za poslovno analitiko. Vsak gradnik zase je specializiran za dejavnost podjetja, podatkih iz vseh skupaj pa povezani v enotno sliko, ki služi bolj učinkovitemu upravljanju, tako na strateškem kot na operativnem nivoju.

  • 11:20

    DWH nove generacije v oblaku

    Andreas Pollinger, Sixt SE
    Prikaži več

    Na predavanju se bo predstavil Sixtov novi interni produkt – Sixt Data Shop, ki je podatkovno skladišče, zgrajeno izključno v oblaku. Eden izmed glavnih namenov tega podatkovnega skladišča je odprtje podatkov poslovnim uporabnikom. Na primeru bo prikazano povezovanje tehnike (in tehničnih oddelkov) ter vsebine (oz. poslovnih oddelkov). Na predavanju se bo tudi ovrglo nekaj mitov in strahov pri uporabi oblačnih rešitev, hkrati pa bomo delili nekaj uporabnih trikov pri migraciji klasičnih sistemov na oblačne storitve.

  • 11:50

    GARBAGE IN <> GARBAGE OUT

    Tomaž Koren, Business Solutions
    Prikaži več

    Ustrezna priprava podatkov je ključni predpogoj uspeha uvedbe poslovne analitike, kot seveda tudi drugih poslovno informacijskih rešitev (ERP, CRM, DWH…), tako z vidika uporabe, kot tudi z vidika »zaupanja« v aplikacijo. Priprava podatkov je časovno zahtevna in hkrati ključna faza podatkovne analize in priprave integracij med sistemi. Če ji ne posvetimo zadosti časa, se običajno razvije sindrom “garbage in, garbage out”. Na konkretnih primerih bomo pokazali, kako nam pri obdelavi podatkov lahko sodobna orodja omogočajo prepoznavo duplikatov, napačnih vnosov, anomalij… ter se tako izognemo »garbage out« učinku, kar nam močno olajša delo pri vzdrževanju kvalitete podatkov, ter tako poveča zaupanje v podatke in posledično v aplikacije, ki le-te uporabljajo.

  • 12:10

    Odmor za kosilo

  • 13:00

    Varnost in varstvo osebnih podatkov

    Miroslav Ekart
    Prikaži več

    Splošna uredba EU o varstvu podatkov nalaga obveznosti naročnikom storitev v oblaku. Ali so ponujene rešitve na naročnike pravno ustrezne in v skladu z GDPR? Kako zagotoviti ustrezno varnost? Kako se je mogoče izogniti sklenitvi pogodbe o pogodbeni obdelavi?

  • 13:30

    Dejavniki odločanja pri izbiri tehnološke podpore in pregled trga

    dr. Bojan Cestnik
    Prikaži več

    Namen poslovne analitike je zagotoviti pravočasne in točne informacije za boljše strateško, taktično in operativno poslovno odločanje. Pri izbiri ustreznih orodij za tehnološko podporo poslovni analitiki so podjetja pogosto soočena s številnimi izzivi. V okviru predavanja bomo analizirali dejavnike odločanja in zastavili ključna vprašanja, na katera morajo podjetja znati odgovoriti, da si izboljšajo možnosti za uspešno vpeljavo poslovne analitike v poslovanje. V kontekstu omenjenih dejavnikov bomo predstavili primerjalni pregled ponudnikov tehnoloških rešitev s področja poslovne analitike.

  • 14:00

    Zaključek foruma

Rezervirajte svoje mesto na Forumu podatkovne analitike, ki bo v torek 24. marca 2026, v Ljubljani.

Prijavite se