DATA / ZNALOSTI / AIPARDUBICE / PRAHA → KAMKOLIV
BITS2B / OPEN BUSINESS PROTOCOL* 2014 → 2026 / CZ

Budoucnost
má váš
kontext.

Nástroj si koupí každý. Váš kontext má jen vaše firma.

Náš manifest
01 / MANIFEST

Budoucnost ve vašich rukou.

Silná firma stojí na lidech, kteří nesou odpovědnost. Na znalostech, které zůstávají. A na technologiích, které má pod kontrolou. Tohle je budoucnost, kterou s vámi stavíme.

01.01Lidé

Inteligenci si pronajmete. Úsudek musíte mít vlastní.

Odpověď dnes dostanete za pár sekund. Poznat, jestli odpovídá na správnou otázku, je pořád práce pro člověka. Inteligence přestala být vzácná. Vzácný zůstal úsudek: vědět, co chtít, dodat souvislosti a poznat výsledek, který vypadá přesvědčivě, ale je špatně.

Tím se mění, v čem je hodnota vaší práce. Udělat úkol už nestačí. Cení se ten, kdo rozumí souvislostem, umí je vysvětlit a stojí si za výsledkem. Mění se pohled na senioritu. AI chce šířku a přesah: rozumět byznysu, procesům, lidem. Dvacet let praxe nepomůže, když nedokážete zpochybnit vlastní postup. Kdo umí klást otázky a ručit za výsledek, zmůže víc než celé oddělení.

AI je multiplikátor. Násobí odbornost, ale i zmatek. Dobrý člověk s AI zvládne práci týmu. Špatně vedený tým s AI vyrábí chyby rychlostí, na kterou firma není připravená.

AI nešetří čas. Posouvá laťku. Efektivní lidé pracují více než dřív, z jedné hodiny kreativního přemýšlení a koncentrace denně je šest. Řeší, co odkládali. Zkouší, na co neměli kapacitu. Učení je součást práce. Vyhoření je reálné riziko.

Nejtěžší na adopci není technologie, ale to, zda obstojí současná firemní kultura. Lidé se nebojí AI. Bojí se ztráty statusu. Člověk, jehož hodnota stála na tom, že jako jediný něco věděl, má důvod nový způsob práce brzdit. Firma musí změnit, co odměňuje a jak se dívá na senioritu.

Vedení jde první. Používá AI a vyžaduje totéž od týmu. Adopce potřebuje jasné očekávání, čas na učení a bezpečný prostor.

AI si koupíte. Kulturu, která z ní udělá výhodu, musíte vybudovat.

01.02Kontext

Budoucnost má váš kontext.

AI zná většinu dostupného lidského vědění. Knihy, internet, noviny, kód celého světa. Přesto neví, proč máte tři ceníky, který zákazník platí pozdě a co se stalo, když loni vypadl sklad. GitHub je celý zdokumentovaný. Váš byznys ne. Bez těchto souvislostí AI odpovídá sebejistě a obecně. AI bez kontextu je drahá hračka.

Většina firem svůj kontext nevlastní. Má ho půjčený od lidí a dodavatelů, kteří si ho pamatují. Proč se změnil ceník. Která výjimka drží zákazníka. Proč se do jednoho systému raději nesahá. Tak vzniká znalostní dluh: rozhodnutí bez zdůvodnění, proces předaný ústně, incident, ze kterého zůstalo jen zavřené hlášení. Firma za tu zkušenost zaplatila a nedokáže ji použít znovu. Každé „to ví jen kolega" je znalostní dluh. Připisuje další úrok.

Dokud jsou správní lidé na telefonu, dluh není vidět. Jejich paměť nahrazuje systém, jejich ochota zachraňuje provoz a firma si závislost plete se stabilitou. Pak někdo odejde nebo přestane zvedat telefon. Adopce AI vystaví účet ještě dřív: agent potřebuje vědět, který údaj platí, kdo smí rozhodnout a proč se tady postupuje jinak. Dostane složku dokumentů, tři protichůdné odpovědi a žádného vlastníka. AI váš znalostní dluh nevytvoří. Přestane vám dovolovat ho přehlížet.

Další složka dokumentů to nevyřeší. Dokument napsaný jednou pro audit zastarává v okamžiku odevzdání. Znalosti se nesepisují. Stojí na datech a sbírají se při práci. Z hovorů, z rozhodnutí, z incidentů, z každé odpovědi, kterou někdo dal potřetí. Dobré řešení je zachycuje a propojuje samo. Člověk ověřuje, co platí a kdo za to odpovídá. Kdo čeká, až bude čas dokumentovat, nezačne nikdy. Kvalita dat přestala být technické téma. Je součástí řízení firmy.

O svém kontextu rozhodujete vy. Odkud pochází, kdo ho smí použít, jak ho přenesete jinam. Model vyměníte. Kontext, který jste roky nezachycovali, zpětně nestáhnete. Modely se pronajímají. Nástroje se kupují. Kontext se buduje. Roky.

Kontext je kapitál. Vlastněte ho.

01.03Software

Host vyhazuje vrchního.

Software se dvacet let prodával na hlavu. Licence za uživatele, cena za sedačku, logo na slajdu jako argument. Když práci dělá agent, není koho počítat a bitva log končí: agentovi je jedno, čí značka je na produktu. Zajímá ho rozhraní, dokumentace a jestli se dá ověřit, co udělal. SaaS éra, jak ji známe, končí. Ne proto, že by software zmizel. Protože ho přestali používat lidé. Co nemá API a strojově čitelný kontext, agent neobslouží. A brzy ho nebude obsluhovat nikdo. Software pro lidi i agenty je standard.

Mění se výroba. Kód vzniká rychleji, než ho firma stačí zadat, ověřit a převzít. Psaní přestalo být úzkým hrdlem. Hrdlem je zadání, ověření, testování a rozhodování. Optimalizujete pipeline, ne její nejsilnější článek. Práce naceněná na pět dní se udělá za den. Hodiny mají relativní cenu. Kupujete výsledek a odpovědnost.

Náklady se nepřesunuly nikam pryč. Přesunuly se z lidí na tokeny a z tokenů na chyby. Špatně vedený agent neudělá jednu chybu. Udělá ji stokrát, než si někdo všimne. Automatizace bez kontroly automatizuje i ztrátu. Limity, telemetrie a kontrola nákladů nejsou účetnictví. Jsou řízení provozu.

Stejná AI, která píše váš kód, v něm hledá díry. Je to válka agentů, bezpečnost je souboj incentiv. Motivace najít chybu může být silnější než vaše motivace napsat bezpečný kód. Bezpečnost proto hraje první ligu, ne poslední sprint. Patří do každého workflow, a když rozhoduje agent, musí být dohledatelné, z čeho vycházel a kdo to schválil. Bez auditní stopy nemáte systém. Máte štěstí.

Rovnováha se obrací. Umět postavit software už dodavatele neodlišuje. Interní softwarové týmy rostou. Otevřený kód je zpravidla bezpečnější a firmy se k němu vrací, ne z ideologie, ale z pragmatismu. Bitcoin také nedrží přes bilion dolarů proto, že je jeho kód tajný, ale proto, že ho může přečíst a vlastnit každý.

Nemusíte si všechno postavit sami. Dodavatele si dnes kupujete proto, abyste to zítra uměli sami: předá řešení, naučí váš tým a nechá po sobě know-how.

Dodavatel, kterého nemůžete vyměnit, řídí část vaší firmy.

01.04Čas

Náskok si zpětně nekoupíte.

Tokeny dokoupíte. Lidi najmete. Rok zkušeností do příštího týdne nestihnete. Každý měsíc čekání je měsíc, ve kterém se učí někdo jiný. Dodavatele si nenajímáte proto, že to neumíte. Najímáte si ho, protože nemáte čas na slepé uličky. Zkrátí cestu, předá zkušenost vašemu týmu a platíte i za chyby, které díky němu neuděláte.

Výhoda přístupu k AI je přechodná. Nástroje se rozšíří, dnešní náskok bude zítřejší minimum. Až bude AI mít každý, zvedne se produktivita všem a všichni budou na stejném místě. Jen víc strhaní. Kdo čeká, až technologie dozraje, zjistí, že mezitím dozrála konkurence.

Pak rozhodne, co jste si vybudovali. Kultura, která z AI dělá výhodu. Kontext, který konkurence nemá. Stack, který vlastníte. To zůstane i po výměně modelu, nástroje nebo dodavatele.

Proto stavíme odspodu. Data. Znalosti. AI. V tomhle pořadí.

02 / CO DĚLÁMEOD ROKU 2014

Technologie se mění.
Zkušenost zůstává.

Vyrostli jsme na datových skladech. Stavěli jsme je ještě před založením Bits2b. V roce 2014 jsme založili firmu a začali pracovat s cloudovými technologiemi včetně Amazon Web Services. Dnes propojujeme data, firemní znalosti a AI.

Máme za sebou návrhy, migrace, roky provozu i incidenty, při kterých se ukáže, co řešení skutečně vydrží. Umíme jít od otázky vedení přes architekturu až k dotazu, který zpomaluje databázi. A převzít odpovědnost za celek.

02.01 / ZÁKLAD

Data.

Spolehlivý základ pro každé rozhodnutí. Od zdroje až po informaci, kterou někdo skutečně použije. Datové sklady stavíme pro farmacii, energetiku, finance i technologické firmy. Zkušenost s jejich každodenním provozem přenášíme do každého dalšího řešení.

  • Datové sklady, datamarty, ETL a integrace
  • Reporting a analytické aplikace
  • Databáze: optimalizace, migrace, upgrady, provoz
  • Zakázkový vývoj analytických aplikací
02.02 / KONTEXT

Znalosti.

To, co ví jeden člověk, může znát celá firma. Kontext, který přežije změnu lidí i nástrojů a který čtou lidé i AI. Děláme to sami na sobě: celá naše firma běží nad vlastní znalostní bází, se kterou pracují lidé i naši agenti.

  • Živá dokumentace a znalostní báze
  • Mapy systémů, dodavatelů, dat a odpovědností
  • Data governance, metadata, kvalita dat
  • Workflow, vlastnictví znalostí a odpovědnosti
02.03 / AKCE

AI.

Inteligence zapojená do skutečné práce. Se znalostí vaší firmy a s jasně určenými hranicemi. Naši agenti řeší kalendáře, incidenty, reporting i dokumentaci. Vaše lidi to naučíme, vaše procesy tím projdeme, vaše pravidla pro to napíšeme.

  • AI strategie, architektura, centra kompetencí
  • Agenti a multiagentní vývoj aplikací
  • Pilotní nasazení, zavádění do procesů a školení pro management, znalostní pracovníky i techniky
  • Bezpečnost a AI governance: přístupy, auditní stopa, regulace
03 / JAK SPOLUPRACUJEME

Tak blízko,
jak potřebujete.

03.01

Postavíme.

Platformu, aplikaci, datový sklad nebo agenta. Od návrhu po provoz, s dokumentací a předáním vašemu týmu. Stavíme tak, aby to po nás mohl převzít kdokoli.

03.02

Poradíme.

Strategie, architektura, audit, školení. Řekneme, co dává smysl, co ne a kolik to bude stát. Pak převezmeme řízení, nebo vás necháme jít samotné.

03.03

Přidáme se.

CTO, architekt, manažer BI, projektový manažer nebo specialista přímo ve vašem týmu. Váš kontext, vaše nástroje, společná odpovědnost za dodávku. Neposíláme juniora s výkazem. Posíláme někoho, kdo za sebou má datové sklady, migrace a incidenty a kdo po sobě nechá know-how, ne závislost.

04 / Z PRAXE

Přesvědčení je začátek.
Rozhoduje praxe.

Vybrané situace, které jsme řešili.

Databáze & forenzní analýza

Provoz stál. Data promluvila.

Analýza příčin výpadku PostgreSQL

Výpadek platformy pro logistiku, 26 minut ve špičce. Dodavatel infrastruktury bez odpovědi.

Rozbalit případZavřít detail

Co jsme udělali

Rekonstrukce z logů a databázových statistik místo dohadů. Časová osa incidentu, každé tvrzení propojené s evidencí. Zprávy pro techniky i management.

VÝSLEDEK

Příčina prokázaná daty: náročné dotazy zahltily disk, 168 GB dočasných dat v pěti vlnách. Prokázána série pochybení dodavatele, který následně finančně kompenzoval zákazníka.

Data & cloud

Datová platforma. Bez zbytečné tíhy.

Datová platforma na DuckDB a Google Cloud

Fintech v Asii potřeboval spojit databázi a marketingová API. Bez enterprise molochu.

Rozbalit případZavřít detail

Co jsme udělali

DuckDB jako dotazovací vrstva, Google Cloud. Dodávka po malých přírůstcích, každý s vlastní hodnotou.

VÝSLEDEK

Platforma běží za zlomek ceny tradičního skladu a roste po krocích, které si klient objednává sám.

Reporting

Čísla tam, kde je lidé čtou.

Reporting tržeb přes WhatsApp a SMS

Provozní manažeři restaurací nečtou dashboardy. Čtou telefon.

Rozbalit případZavřít detail

Co jsme udělali

Qlik připraví každou hodinu data za pobočku. Distribuční vrstva je pošle jako zprávu na WhatsApp a SMS.

VÝSLEDEK

Tržby a provozní čísla tam, kde se rozhoduje. Bez přihlašování, bez školení.

AI strategie

AI, kterou lze obhájit před boardem.

AI centrum kompetencí pro energetiku

Vedení IT potřebuje AI strategii, kterou obhájí před boardem i před regulací.

Rozbalit případZavřít detail

Co jsme udělali

Podklad pro CTO: kde firma je, co dělá okolí, návrh centra kompetencí, implementační plán, výpočet přínosů, rizika a rozhodovací body.

VÝSLEDEK

Jeden modulární dokument pro board, akcionáře i projektovou kancelář. AI Act započítaný, ne dodatečně.

Vzdělávání

Ze školení rovnou do vlastní práce.

AI školení pro zaměstnance

Malá energetická firma. Od montérů po management nikdo nepoužívá AI systematicky.

Rozbalit případZavřít detail

Co jsme udělali

Jeden den, tři bloky: úvod a bezpečnost pro všechny, webové AI nástroje, desktopový AI asistent pro znalostní pracovníky. Vlastní účty, vlastní úkoly.

VÝSLEDEK

Lidé odcházejí s nástrojem nastaveným na vlastní práci, ne s prezentací.

Dlouhodobé partnerství

Více než deset let. Pořád v souvislostech.

Datový sklad pro farmaceutickou korporaci

Globální farmaceutická firma. Reporting a integrace pro několik zemí, přísná pravidla, dlouhý horizont.

Rozbalit případZavřít detail

Co jsme udělali

Datové sklady, ETL a reporting jako dlouhodobá dodávka. Migrace a upgrady bez výpadku provozu, napříč generacemi technologií.

VÝSLEDEK

Víc než deset let nepřetržité spolupráce. Znalost prostředí se přenáší do každé další etapy.

Průmyslové IoT

Platforma se teprve rodila. My na ní už stavěli.

Referenční aplikace prediktivní údržby pro novou průmyslovou IoT platformu

Výrobce nové globální IoT platformy ji připravoval pro uvedení na trh a potřeboval referenční aplikaci, která srozumitelně ukáže její možnosti na reálném průmyslovém scénáři.

Rozbalit případZavřít detail

Co jsme udělali

Přímo s týmem výrobce platformy jsme navrhli a vyvinuli kompletní aplikaci pro prediktivní údržbu průmyslových zařízení — od analýzy přes architekturu až po vývoj nad daty ze senzorů. Pracovali jsme přitom s technologií, která sama ještě vznikala a nebyla veřejně dostupná.

VÝSLEDEK

Vznikla referenční aplikace, kterou výrobce převzal pod svou značku a používal k prezentaci možností nové platformy zákazníkům i na veletrzích.

Automatizace financí

Tisíce kroků. Jedno spuštění.

Automatizace globálních finančních rekonciliací v Alteryxu

Globální farmaceutická skupina se 150 společnostmi potřebovala zjednodušit velmi komplexní mezifiremní finanční rekonciliace řízené rozsáhlou sadou účetních pravidel.

Rozbalit případZavřít detail

Co jsme udělali

V Alteryxu jsme navrhli a vyvinuli komplexní low-code workflow, které automaticky načítalo účetní data ze SAPu, doplňovalo konfigurační vstupy z Excelu a podle pravidel definovaných finančními experty provádělo celý výpočet a rekonciliaci. Uvnitř šlo o proces s tisíci navazujících kroků, navenek o jeden řízený automatizovaný celek.

VÝSLEDEK

Řešení umožnilo centrálnímu finančnímu týmu spouštět celý proces jako jeden automatizovaný workflow namísto ručního zpracování rozsáhlých dat a pravidel. Aplikace byla následně dlouhodobě používána v centrále společnosti. Technická realizace trvala 3 měsíce oproti odhadu 24 měsíců pro tým SAP vývojářů. Řešení zahrnovalo 36 reportů, zakázka byla v řádu jednotek milionů korun.

Data & governance

Data pro klienta vašeho klienta. Bez rizika pro vás.

Zákaznická datová vrstva nad produkční PostgreSQL

Logistická platforma potřebovala dát svému zákazníkovi s řetězcem poboček přístup k jeho datům. Přímo do produkce ho pustit nešlo, exporty ručně posílat nikdo nechtěl.

Rozbalit případZavřít detail

Co jsme udělali

Oddělené schéma s 11 pohledy jako datový kontrakt. Vyhrazený účet jen pro čtení s limitem spojení a času dotazu, účet nevidí do produkčního schématu, pohledy chráněné bezpečnostní bariérou, katalogy sdílené napříč zákazníky filtrované, aby neunikla data nikoho jiného. Osobní údaje izolované v jediném pohledu, který jde jedním příkazem odebrat. Uživatelská příručka pro analytiky klienta, provozní dokumentace pro předání.

VÝSLEDEK

Shoda s dosavadním reportingem na haléř, finanční identity drží na 100 % objednávek. Nejdražší dotaz 15 sekund proti limitu 60. Klient si data tahá sám, nese tak za zpracování dat přímou odpovědnost a platforma nemusela dělat custom úpravy do produktu čistě z potřeby jednoho zákazníka.

Reporting v ostrém provozu

Reporting pro masové eventy.

Reporting masového eventu

Vícedenní event, desetitisíce návštěvníků, bezkontaktní platby, provoz, management a řada stánkařů, kteří chtějí každý den vidět své tržby.

Rozbalit případZavřít detail

Co jsme udělali

Přestavba reportingu na samostatnou datovou vrstvu: jeden generátor tahá data z platební databáze, reporty z něj jen čtou. Tři ročníky v jedné aplikaci, denní reporty pro stánkaře, antifraud reporty.

VÝSLEDEK

Reporting běžel celý event bez výpadku. Masová akce je firma, která existuje tři dny: co nefunguje ráno, musí fungovat v poledne. Změny šly do produkce během události, bez testovacího okna a bez druhého pokusu.

AI ve vývoji

AI, kterou si vývojáři nechali.

Zavedení AI do vývojářského týmu fintechu

Fintech v Asii chtěl AI v pipeline, ne v prezentaci. Vývojáři, analytici a produktoví manažeři, každý s jinou potřebou, jeden kontext pro všechny.

Rozbalit případZavřít detail

Co jsme udělali

Mapa kódu pro AI: 32 modulů, závislosti, konvence, známé pasti. Sdílená knihovna kontrolních a SQL dovedností v repozitáři klienta, AI review jako brána v CI, vzorek pro měření kvality proti výchozímu stavu. Kickoff workshop pro vývojáře, čtyřhodinový SQL trénink pro produktový tým. Model-agnostické zadání, aby šlo kdykoli vyměnit dodavatele AI.

VÝSLEDEK

První fáze za 46 hodin naší práce a 11 hodin klienta. AI review běží v pipeline klienta, dovednosti si tým rozšiřuje sám. Stavíme první iteraci stroje, klient ho přebírá.

Vlastní aplikace

Tisíce kontrol v terénu. Jedna obrazovka pro vedoucího.

Analytická aplikace pro řízení terénních týmů na eventech

Na velkém festivalu pracují i stovky pracovníků: úklid, bezpečnost, logistika, platební terminály, kvalita obsluhy. Vedoucí týmu ví, co se dělo, až po festivalu, a to jen z vyprávění.

Rozbalit případZavřít detail

Co jsme udělali

Nad daty z naší aplikace pro řízení terénních týmů jsme postavili interaktivní dashboardy: tisíce kontrol, GPS analýza kvality dat, detekce nemožných tras a dodatečně vyplněných kontrol, prioritizovaná doporučení pro vedoucí pracovníky.

VÝSLEDEK

Vedoucí vidí vzorce chování jednotlivých pracovníků, které z papíru nebyly vidět.

Discovery infrastruktury

Co ve firmě opravdu běží. Za šest týdnů.

Discovery interní sítě, aplikací a cloudu ve výrobním závodu

Český závod globálního výrobce elektroniky připravoval cloudovou strategii a nevěděl, co všechno mu v síti běží. Dokumentace neúplná, ze seznamu serverů pro klíčový systém přišla polovina toho, co bylo v provozu vidět.

Rozbalit případZavřít detail

Co jsme udělali

Tři sprinty, šest týdnů, zakázka v řádu stovek tisíc korun. Sondy pro analýzu síťového provozu ve dvou lokalitách, nástroj pro mapování sítě, napojení na existující SIEM. Identifikace aplikací a jejich toků, měření v čase, odhalení komunikace s cloudovými službami a nestandardního provozu. Ověření proti tomu, co si firma o svém prostředí myslela.

VÝSLEDEK

Seznam viditelných sítí, popis chování hlavních aplikací, seznam skutečně používaných cloudových služeb a nestandardní komunikace. Podklad pro cloudovou strategii postavený na datech, ne na dokumentaci.

BI governance

Kdo má práva, která nepotřebuje.

Audit cloudové BI platformy: aplikace, prostor, oprávnění

Logistická platforma zvažovala levnější plán cloudové BI. Nikdo přesně nevěděl, kolik aplikací běží, co zabírá prostor a kdo má admin práva a proč.

Rozbalit případZavřít detail

Co jsme udělali

Audit přes API: 27 prostorů, 128 aplikací, 35 GB, osiřelé aplikace bez zdroje, zpětná linie datových připojení. Forenzní analýza oprávnění jednoho účtu z auditních logů: 416 událostí, dohledáno kdo a kdy přidělil admin práva, 56 přihlášení a nula administrativních akcí.

VÝSLEDEK

Vyčištěná práva, přehled o tom, co tenant skutečně stojí, a podklad pro licenční jednání. Výsledkem bylo udržení vyššího plánu za nižší cenu místo plánovaného downgradu.

Vlastní AI provoz

Provozujeme, co prodáváme.

Firemní AI asistentka a znalostní báze pro šestnáctičlennou firmu

Firma o šestnácti lidech, desítky klientů, znalosti v hlavách a v chatech. Chtěli jsme AI, která zná firmu, ne obecného chatbota.

Rozbalit případZavřít detail

Co jsme udělali

Znalostní báze se třemi vrstvami paměti, čitelná pro lidi i pro AI, v otevřených formátech pod verzováním. Nad ní firemní AI asistentka jako trvalá služba: kalendáře, úkoly, denní přehledy, napojení na účetnictví přes vlastní autorizační vrstvu. Každá pracovní session končí zápisem do paměti.

VÝSLEDEK

Znalostní dluh se nezvětšuje. Nový kolega nebo agent se zorientuje z jednoho místa. Know-how o účetním rozhraní zabalené do dovednosti, kterou používá kdokoli z týmu.

Datový sklad

Starý sklad nešel zachránit. Postavili jsme nový.

Datový sklad na Snowflake a AWS pro mikrofinanční společnost

Mikrofinanční společnost v jihovýchodní Asii. Datový sklad na PostgreSQL sdílený s produkční databází úvěrového systému, každý dotaz analytika ohrožoval provoz. Reporting trval týdny a byl chybový. Analytický provoz nutil zákazníka neúměrně škálovat vertikálně, až na druhou nejvyšší instanci v AWS.

Rozbalit případZavřít detail

Co jsme udělali

Audit starého skladu s jasným verdiktem: nezachraňovat, postavit znovu. Dvě fáze: nejdřív přesun do AWS s failoverem, pak nový sklad na S3, Lambda a Snowflake s metodikou Data Vault a vlastním automatizačním frameworkem. Datový katalog, sandbox pro datový tým. Tým dvanácti lidí, rok a půl, zakázka v řádu jednotek milionů korun.

VÝSLEDEK

Dodávka požadavků z týdnů na dny díky sandboxu, historizace dat od návrhu. Management klienta projekt sám prezentoval jako referenci.

Analytická platforma

1 500 uživatelů. Nikdo nevěděl, kdo co používá.

Center of Excellence pro analytickou platformu v globální farmacii

Globální farmaceutická firma s 1 500 uživateli analytické platformy. Licence se obnovovaly naslepo, znalost prostředí rozptýlená, žádná pravidla pro životní cyklus workflow.

Rozbalit případZavřít detail

Co jsme udělali

Půlroční projekt: analýza reálného využití licencí, dokumentace celého prostředí, reporting využití platformy, workshopy a školení pro nováčky, zastupování klienta vůči vendorovi při obnově licencí. Návrh centra kompetencí: procesy, životní cyklus, správa uživatelů. Zakázka v řádu jednotek milionů korun.

VÝSLEDEK

Závěrečný assessment s doporučeními, který vedení i uživatelé přijali. Projekt vedl přímo k navazující zakázce v sesterské společnosti klienta.

Migrace

Firma se rozdělila. Analytika musela přežít.

Migrace analytické platformy při odštěpení společnosti

Odštěpení divize globální farmaceutické skupiny do samostatné firmy s pevným datem. Stovky analytických workflow běžely v prostředí mateřské firmy a k datu odštěpení musely běžet jinde.

Rozbalit případZavřít detail

Co jsme udělali

Inventura workflow, instalace a kvalifikace nových serverů včetně identity, konektorů na ERP, CRM a datový sklad, metodika governance, samotná migrace a podpora uživatelů. Fixní cena v řádu jednotek milionů korun, tři až šest měsíců.

VÝSLEDEK

Platforma běžela od prvního dne nové firmy. Vztah pokračuje podporou třetí úrovně i v dalším roce.

Vývoj analytické platformy

13 000 uživatelů, dva špičkové dny v roce. Bez licence na hlavu.

Platforma pro distribuci analytických reportů ze studentských anket

Veřejná vysoká škola musí ze zákona vyhodnocovat studentské ankety a výsledky zpřístupnit 13 000 uživatelům. Zátěž přichází dvakrát ročně skokově, stovky až tisíce lidí naráz hned po publikaci. Požadavky: přihlášení doménovým účtem, oprávnění na úrovni řádků podle domény, centrální provoz, nic na klientských stanicích.

Rozbalit případZavřít detail

Co jsme udělali

Porovnání variant: licence BI nástroje na hlavu za víc než milion eur ročně, kapacitní licence, open source s úzkým hrdlem na jednom serveru. Zvolena a postavena serverless architektura v cloudu, který škola už používá: elastický výkon, jeden jazyk pro frontend i backend, řešení v majetku školy. Proof of concept, vývoj, migrace do produkce, školení správy a poradenství k řízení oprávnění.

VÝSLEDEK

Platforma zvládá skokovou zátěž bez licence na uživatele. Škola ji vlastní a provozuje sama. Zakázka v řádu stovek tisíc korun.

Vlastní produkt: znalosti a metadata

Registr GDPR, aktiva, vztahy. Jedno místo.

Platforma pro správu znalostí a metadat nasazená pro GDPR agendu univerzity

Veřejná vysoká škola vedla registr zpracování osobních údajů, evidenci aktiv pro kybernetickou bezpečnost a role v tabulkách a dokumentech, které nikdo nedokázal udržet aktuální ani propojit.

Rozbalit případZavřít detail

Co jsme udělali

Nasazení našeho produktu pro správu znalostí a metadat: webové rozhraní, fulltext, vizualizace vztahů mezi objekty, verzování. Modely pro GDPR registr, správu aktiv a role, hromadný import stávajících evidencí. Stejný produkt slouží jinde jako datový katalog: import metadat z databáze, vztahy mezi tabulkami, pohledy a funkcemi, základ data governance za jeden den.

VÝSLEDEK

Jedno místo pravdy pro GDPR i kybernetickou bezpečnost, spravované vlastními lidmi školy. Zakázka v řádu jednotek milionů korun.

Výběr dodavatele

Čtyři dodavatelé, 120 otázek, jedno rozhodnutí.

Výběr datového centra a bezpečnostní architektura pro skupinu SaaS firem

Skupina SaaS firem po incidentu s dodavatelem hostingu potřebovala vybrat nového provozovatele infrastruktury a nechtěla vybírat podle prezentace.

Rozbalit případZavřít detail

Co jsme udělali

Audit infrastruktury, výzva čtyřem dodavatelům se 120 otázkami, scoring, ověření referencí. Návrh cílové bezpečnostní architektury: firewally v HA, segmentace, ochrana koncových bodů, správa privilegovaných přístupů, monitoring toků a logů.

VÝSLEDEK

Strukturované srovnání dodavatelů jako podklad pro výběrové řízení a migraci. Rozhodnutí postavené na odpovědích, ne na slajdech.

Výkon databáze

Jedna změna. Dotaz stokrát rychlejší.

Optimalizace produkční PostgreSQL databáze úvěrového systému

Mikrofinanční společnost v Asii. Produkční databáze úvěrového systému sloužila zároveň jako analytická, procesor na hraně, každé zpomalení znamenalo čekající schvalování úvěrů.

Rozbalit případZavřít detail

Co jsme udělali

Čtyři sprinty rychlých vítězství bez zásahu do byznys logiky. Trvalý monitoring pomalých dotazů s minutovými snímky všeho nad 10 sekund. Analýza deseti databázových funkcí: hypotéza, testovací objekty, ověření, kontrola dopadu na zbytek produkce, DDL skripty. První vybraný dotaz: tabulka s 9 miliony záznamů, 5 sekund na 11 řádků výsledku, spouštěný 60 000krát.

VÝSLEDEK

Po jednoduché změně běží dotaz stokrát rychleji. Stejné výsledky na menší instanci serveru. Práce se stala základem pro rozhodnutí postavit nový datový sklad.

Data & krizový management

Datový tým bez vedení. Deadline nepočká.

Seniorní interim vedení BI competence centra v energetice

Velká energetická společnost zůstala v kritické fázi datového projektu bez vedení BI competence centra. Potřebovala seniorní řízení hned, ne za tři měsíce.

Rozbalit případZavřít detail

Co jsme udělali

Seniorní interim manažer převzal tým i odpovědnost za rozpracovaný projekt. Rychle se zorientoval v prostředí firmy, stabilizoval řízení a dovedl projekt k dokončení. Pak pomohl vybrat interního nástupce a připravil tým i agendu na plynulé předání.

VÝSLEDEK

Projekt dokončen, tým stabilizován, interní manažer převzal fungující celek.

05 / LIDÉ ZA BITS2B

Široký záběr.
Společná odpovědnost.

Naše výhoda nejsou nástroje. Jsou to lidé. Malý expertní tým z České republiky: architekti, projektoví manažeři, datoví inženýři, analytici a vývojáři. Máme za sebou datové sklady pro globální farmacii, migrace pro energetiku a výpadky, které nikdo jiný nedokázal vysvětlit. Neposíláme juniory, aby se u vás učili. Posíláme lidi, kteří to už udělali.

Rozumíme zadání vedení, sáhneme do kódu a víme, co znamená držet systém v provozu. Když problém překročí hranice jedné specializace, nepředáváme ho dál. Jdeme s ním.

Potřebujete vybrat nového dodavatele infrastruktury? Nahradit manažera, který odešel ze dne na den? Vyřešit incident, u kterého se dodavatel odmlčel? Postavte před nás překážku. Vyřešíme ji.

Zkušenosti sdílíme napříč týmem. Vlastní znalostní báze propojuje práci našich lidí a AI, kterou používáme denně.

Kybernetickou bezpečnost rozvíjíme se sesterskou firmou Bits4s.

05.01 / VEDENÍ

Martin Sakala

Jednatel

05.02 / VEDENÍ

Martin Veselý

Jednatel

05.03 / OBCHOD

David May

Obchodní ředitel

05.04 / FINANCE

Romana Brázdová

Účetní