Новини
27 Октомври 2026
На 21 октомври „Балкан Сървисис” и Qlik събраха бизнес и технологични специалисти в зала The Venue, „София Тех Парк“, за събитието From Data to AI: Building the Foundation for Intelligent Business.
В стремежа си да интегрират AI в своите процеси, организациите често започват с избора на технология. Възможността тя да предоставя надеждни и значими резултати обаче зависи от нещо много по-фундаментално – качеството на данните, процесите за тяхното управление и способността на бизнеса да превръща информацията в практически приложими анализи.
Затова и в центъра на полудневния семинар седеше въпросът: Готови ли са бизнес данните на организациите да подпомагат вземането на по-интелигентни решения и ефективното използване на изкуствен интелект?
Темата провокира интересни дискусии сред участниците, като насочи вниманието към реалните предизвикателства при работата с данни от различни системи, екипи и бизнес функции.
Амбициите за AI нарастват, но готовността на данните остава предизвикателство
Един от основните акценти още в началото на деня дойде от съвместната презентация на Бояна Ликоманова-Димова, Head of Business Solutions & Consulting и партньор в Balkan Services и Димитър Проданов – BI Solution Architect и също партньор в компанията.
Двамата разгледаха разминаването между амбициите на организациите за използване на AI и готовността им да го подкрепят с надеждни данни, а представените по време на сесията данни от проучване, цитирано от Cloudera, илюстрираха мащаба на предизвикателството. Спрямо проучването им, едва 7% от анкетираните определят данните си като напълно готови за AI. Най-често посочваната пречка са изолираните информационни системи и трудностите при интеграцията им – 56%. Сред останалите предизвикателства са липсата на ясна стратегия, посочена от 44% от участниците, и проблемите с качеството на данните или пристрастията в тях, отчетени от 41%.
Тези резултати показват, че внедряването на AI решение само по себе си не означава, че организацията е готова да го използва ефективно. Когато данните са разпокъсани, непоследователни или труднодостъпни, дори най-съвременните технологии могат да срещнат затруднения при генерирането на надеждни резултати.
Затова подготовката за AI започва с реалистична оценка на състоянието на данните, идентифициране на пропуските и изграждане на процеси и отговорности за тяхното преодоляване.
От разпокъсана информация към решения, на които бизнесът може да се довери
В рамките на събитието екипите на Balkan Services & Qlik разгледаха и конкретните стъпки, чрез които организациите могат да направят данните си по-надеждни и по-полезни за вземането на решения.
Един от основните примери показа как едно и също бизнес понятие може да има различно значение за отделните звена в организацията.
Например понятието „Продажби“ може да означава приключени поръчки за търговския отдел, доставени стоки за логистиката или фактурирани приходи и свързани счетоводни документи за счетоводството. Въпреки че всички използват един и същ термин, показателите отразяват различни бизнес събития.
Без обща дефиниция сравненията между отделите могат да бъдат подвеждащи. Отчетите могат да изглеждат противоречиви, въпреки че всяка система отразява коректно дейностите, за които е предназначена. За да се избегне това, организациите трябва да определят какво означава всеки показател, кой е подходящият източник на информация, кое бизнес събитие и коя дата са релевантни и кой носи отговорност за проверката на резултата.
Качеството на данните изисква повече от успешно изпълнен процес
Друг важен извод от деня беше, че извличането и трансформирането на данни може да протече без технически грешки, но крайната информация въпреки това да бъде неточна или подвеждаща. Така, един процес може да приключи успешно от техническа гледна точка, без да произведе коректен бизнес резултат.
Затова проверката на данните не трябва да се ограничава до установяване дали даден процес е изпълнен успешно.Тя трябва да следва пет основни стъпки:
- Дефиниране на правилата и уточняване на показателите, източниците и отчетните периоди.
- Последователна подготовка на данните чрез съпоставяне на идентификатори, уеднаквяване на форматите и прилагане на предварително договорените трансформации.
- Проверка на резултатите чрез валидиране на задължителните полета, датите, взаимовръзките и съответствието с одобрените източници.
- Публикуване на проверената информация за целите на отчетността, след като бъдат изпълнени договорените критерии за приемане.
- Наблюдение и отстраняване на проблеми чрез определяне на отговорници за несъответствията, коригиране на грешките и повторна проверка на резултатите.
Същият принцип важи и за отчетите. Еднин дашборд може да съдържа всички налични показатели, но това не означава непременно, че помага за по-добри решения. Ефективната визуализация откроява най-важните индикатори,прави промените в представянето видими и показва къде са необходими допълнителен анализ или конкретни действия.
Като пример беше показано как общото увеличение на брутната печалба може да прикрива спад в представянето на отделни продуктови групи. Когато тези разлики са ясно визуализирани, ръководителите могат да надхвърлят общите показатели и да установят къде бизнесът реализира по-добри резултати и къде губи стойност.
Целта не е просто да разполагаме с повече данни, а да направим информацията по-разбираема, надеждна и приложима на практика.
Изграждане на стабилна основа за AI
От екипа на Qlik пък участниците успяха да видят на живо как принципите, които стоят в основата на надеждната аналитика, са също толкова важни и за успешното внедряване на AI.
В съвместната презентация на Йоана Теодора Халип, Кристина Витюк и Славомир Барановски беше разгледано как приложението на AI особено през платформата Qlik може да се развива от подпомагане на потребителите при създаване на съдържание, обяснения и анализи до работа с одобрени бизнес данни и контекст, а впоследствие – до изпълнение на разрешени действия при подходящ контрол.
Всеки следващ етап изисква внимателен подход към достъпа до данни, отговорностите, управлението и контрола. Необходимо е AI системите да разполагат с подходящата информация, но достъпът до нея трябва да се регулира от ясни правила. Резултатите и действията им също следва да бъдат оценявани спрямо бизнес процесите, които подпомагат.
Това прави качеството на данните, прозрачността и ясно определените отговорности още по-важни с развитието на по-сложни AI приложения.
Основното послание беше ясно: AI трябва да разширява човешките възможности, а не да заменя човешката преценка.
От данните към реална бизнес стойност
Дискусиите по време на From Data to AI подчертаха необходимостта данните, аналитиката и изкуственият интелект да се разглеждат като взаимосвързани части от цялостната бизнес стратегия.
За организациите пътят започва с разбирането кои решения трябва да бъдат подобрени и каква информация е необходима за това. Следва изграждането на последователни показатели, надеждна отчетност, по-добро управление на данните и структуриран подход към внедряването на AI.
Разговорите между участниците показаха актуалността на тези въпроси за компаниите, които преминават през процеси на дигитална трансформация. Преходът от експериментиране към реални резултати изисква не само технологични възможности, но и сътрудничество между бизнес и ИТ екипите, ясни процеси и доверие в информацията, върху която се вземат решения.
Историята на ORNO, един от големите дистрибутори в България и клиент както на Balkan Services, така и на Qlik, илюстрира този подход на практика и подчертава значението на избора на правилния партньор за дигиталната трансформация. Чрез съвместната си работа Balkan Services и Qlik помогнаха на компанията да свърже бизнес нуждите си с възможностите на аналитиката на данни. Този пример показва как добре обоснованият подход към данните може да подпомогне вземането на по-информирани решения, да създаде възможности за постигане на по-висока бизнес стойност и да изгради стабилна основа за бъдещото внедряване на AI.
Balkan Services и Qlik благодарят на всички участници, които се присъединиха към събитието и допринесоха към дискусиите.
