The post Adafy CPQ – ensimmäinen AI-natiivi tuotekonfiguraattori appeared first on Adafy.
]]>Tarjousprosessi tunneista minuutteihin
Monimutkaisten tuotteiden myynti vaatii perinteisesti paljon manuaalista työtä. Myyjä selvittää asiakkaan tarpeet, tarkistaa tuoteyhteensopivuudet, laskee hinnat ja koostaa tarjouksen käsin. Prosessi vie helposti tunteja ja on altis virheille.
Adafy CPQ automatisoi tämän. Järjestelmä näyttää tuotteen reaaliajassa konfiguroinnin edetessä, laskee hinnat välittömästi ja generoi tarjousdokumentin napin painalluksella.
AI-natiivi arkkitehtuuri
Adafy CPQ on rakennettu alusta asti AI-agentteja varten. Myyjät voivat käyttää Claude- ja ChatGPT-työkaluja tuotekonfiguraatioiden luomiseen luonnollisella kielellä. Käytännössä myyjä voi pyytää: ”Tee tarjous 50 hengen toimistoon, budjetti 80 000 €” – ja AI luo valmiin konfiguraation.
Ei koodausta, ei IT-projekteja
Tuotteet, hinnat ja konfigurointisäännöt päivitetään hallintapaneelista. Muutokset ovat käytössä heti. Konfigurointisäännöt varmistavat, että asiakas voi valita vain yhteensopivia tuotevariantteja.
Valmis verkkokauppa tai API-integraatio
Adafy CPQ toimii kahdella tavalla. Valmis verkkokauppa on käytössä heti – asiakkaat konfiguroivat tuotteita ja pyytävät tarjouksia itsenäisesti. REST API mahdollistaa integroinnin olemassa oleviin järjestelmiin.
Hinnoittelu
– Starter (490 €/kk) – sisäinen myyntityökalu, enintään 3 myyjää
– Business (990 €/kk) – verkkokauppa asiakkaille, enintään 10 myyjää
– Enterprise (1 990 €/kk) – räätälöity käyttöönotto, rajaton määrä myyjiä
Kaikki paketit sisältävät API-pääsyn ja AI-agenttituen.
Startup-tarjous
Alle 3 vuotta vanhoille yrityksille (liikevaihto alle 3 M€) Adafy CPQ tarjoaa Business-paketin 199 €/kk ensimmäiset 3 vuotta.
Lisätietoja: cpq.adafy.com
The post Adafy CPQ – ensimmäinen AI-natiivi tuotekonfiguraattori appeared first on Adafy.
]]>The post Tekoäly ohjelmistokehityksessä: tehokkuutta, laatua ja uusia mahdollisuuksia appeared first on Adafy.
]]>Tekoäly on tullut pysyväksi osaksi ohjelmistokehitystä. Tästä väittämästä on enää vaikea pyristellä perustellusti eroon. Ohjelmistokehittäjille suunnatussa Stack Overflow -kyselyssä 84% vastaajista käytti tai suunnitteli käyttävänsä AI-työkaluja kuluvan vuoden aikana. Vastaajista lähes puolet (47%) käytti AI työkaluja päivittäin. Samaisessa kyselyssä 52% vastaajista totesi, että työkalut ovat positiivisesti vaikuttaneet tuottavuuteen. Huomioiden työkalujen vahvan kehityksen kuluvan vuoden aikana, uskon, että tuo luku on huomattavasti korkeampi ensi vuoden kyselyssä.
Edellä mainitun kyselyn vastaajat ovat pitkälti Stack Overflow -sivuston aktiivisia käyttäjiä, mikä saattaa hieman vääristää kyselytuloksia. Sivusto on ollut paljon uutisissa viime vuosina lähinnä siitä, että tekoäly on syönyt sen kävijämäärät ja tämä voi heijastua myös kyselyn vastauksissa. Vastaajista osa on varmasti vankkumattomia Stack Overflow’n käyttäjiä.
Hyötyjä irti tekoälystä
Nyt, kun olemme päässeet yhteisymmärrykseen, että tekoäly on tullut välttämättömäksi osaksi ohjelmistokehitystä, voimme keskittyä siihen, miten saamme siitä mahdollisimman paljon hyötyjä irti. Ensimmäisenä meidän pitää huolehtia, että koodareilla on riittävästi tietoa ja taitoa käyttää tekoälyä tehokkaasti. Voimme taklata tätä ongelmaa monella eri tavalla, mutta tärkeintä on saada kehittäjät kokeilemaan erilaisia työkaluja avoimin mielin. Adafyssa järjestämme AI Code Camp -nimellä kulkevaa päivän mittaista koulutusta, jossa keskitymme nimenomaan vahvistamaan positiivisia kokemuksia tekoälytyökaluista. Koulutuksessa opetetaan toki LLM-mallien perusteet, MCP-työkalujen hyödyntäminen, kontekstin hallinta jne., mutta tärkeintä on saavuttaa avoin ja positiivinen asenne.
Onko tekoälytyökaluista oikeasti hyötyä ohjelmistokehityksessä?
Tähän kysymykseen on tällä hetkellä vaikea vastata, koska mitattua ja tutkittua tietoa on vielä todella vähän käytössä. Asian tutkimista vaikeuttaa myös merkittävästi se, että työkalut kehittyvät jatkuvasti hurjaa vauhtia. Esimerkiksi 2024 vuonna MCP-serveriä ei oltu vielä edes keksitty (julkaistiin marraskuussa 2024) ja tänä vuonna siitä on tullut jo de facto -ominaisuus moniin työkaluihin. Muuttuvaa kohdetta on todella vaikea mitata.
Olemassa olevista tutkimuksista voidaan kuitenkin löytää muutamia toistuvia teemoja. Ensimmäinen toistuva teema on, että kehittäjien mielestä tekoälytyökalut parantavat tehokkuutta. Esimerkkinä The Space of AI -tutkimuksessa todettiin että 90% vastaajista, jotka käyttivät tekoälyä säännöllisesti, kokivat, että tekoälyn käyttäminen teki heistä tehokkaampia. Toinen toistuva teema on ”mutta.” Lähes kaikissa lukemissani tutkimuksissa on todettu jonkinlainen ”mutta” -teema asiaan. Yleensä tämä teema liittyy siihen, paljonko tekoälyä käytetään ja mitkä ovat käyttäjän tekoälytaidot. Tämä erityisesti korostaa sitä, että tekoälyn ottaminen käyttöön ei maagisesti paranna tehokkuutta, ellei sen käyttöön ole riittävästi taitoja.
Uusilla työkaluilla on myös alkuun taipumusta heikentää tuottavuutta, koska työkalun tehokas käyttäminen vaatii totuttelua. Lyhyellä mittausjaksolla opetteluvaihe heikentää kokonaistuottavuutta ja näin ollen tutkimuksen tulokset vääristyvät ajatellen pitkää kuvaa. Tänä päivänä voidaan kuitenkin pitää lähes varmana sitä, että oikeilla taidoilla ja oikein hyödynnettynä tekoälytyökalut tehostavat ohjelmistokehitystä.
Tekoälytyökalujen mahdollisuudet ohjelmistokehityksessä
Jos oletamme (tutkimuksiinkin perustuen), että tekoälytyökalut parantavat merkittävästi tuottavuutta, tämä avaa monille yrityksille mielenkiintoisia mahdollisuuksia. Lähitulevaisuudessa räätälöityjen ohjelmistojen kehittämisen kustannukset saattavat pudota merkittävästi. Tämä tarkoittaa, että pienet ja keskisuuret yritykset, joille räätälöity ohjelmistokehittäminen tänä päivänä on liian kallista, on avautumassa mahdollisuus kehittää heidän prosesseihinsa kohdennettuna ratkaisuja. Miltä kuulostaisi omiin tarpeisiin täysin räätälöity CRM-järjestelmä tai itse kehitetty ERP-laajennos, joka sisältää kaikki teidän yrityksenne tarvitsemat ominaisuudet?
Tulevaisuudessa laajennettavuus ja räätälöinti tulee mahdollistamaan kilpailuedun saavuttamisen. Jos kuvitellaan, että kaikki alan toimijat käyttäisivät samaa tuotannonohjausjärjestelmää, niin sillä olisi vaikea erottautua kilpailijoista. Jos taas tähän järjestelmään olisi tehty juuri yrityksen tarpeisiin kohdistettu varastonhallintalaajennos, niin varasto-optimoinnin kautta kilpailijoista pystyttäisiin helpommin erottautumaan.
Omasta mielestäni tämän päivän ohjelmistohankinnoissa on tärkeä huomioida, mitä API-rajapintoja valmisohjelmisto tarjoaa. Kuinka helppo rajapintoja on hyödyntää, mitä ne maksavat ja kuinka laajasti ne on toteutettu. Otetaan esimerkkinä ERP-järjestelmä: ERP-järjestelmät tarjoavat tällä hetkellä melko vähän tekoälyyn liittyviä ominaisuuksia, ja jos esimerkiksi halutaan tehdä tekoälypohjainen ostolaskujen automatisoitu hyväksyminen, niin käytössä oleva toiminnanohjausjärjestelmä ei välttämättä tähän taivu. Jos taas ERP:stä löytyy riittävän hyvät rajapinnat, niin toiminto voidaan toteuttaa tekoälyavusteisen ohjelmistokehityksen avulla kohtuullisen nopeasti. Tällöin kilpailueduksi kehitetty ominaisuus ei ole edes toteutettu ERP-ratkaisun sisään, jolloin myöhemmin mahdollisesti tapahtuva ERP-järjestelmän vaihtaminen ei poista itse kehitettyä ratkaisua käytöstä. Hyödynnetään vain API-rajapintoja uudesta ERP-järjestelmästä.
Adafyn kehittämän automaatio- ja integraatioalustan tarkoituksena on mahdollistaa juuri järjestelmien vaihto ja eri järjestelmien välinen keskustelu. Integraatioalustan avulla ERP-järjestelmän rajapinnat voidaan tuoda keskitetysti tekoälyratkaisun saataville ja myöhemmin mahdollisesti tapahtuva ERP-järjestelmän vaihto kohdistuu vain integraatioalustaan, eikä kaikkiin toteutettuihin räätälöityihin ratkaisuihin.
Ohjelmistokehityksen tulevaisuus
Tulevaisuus tulee näyttämään, mihin tekoälytyökalut vielä pystyvät. Ohjelmointi on yksi parhaiten kielimalleille soveltuva kohdealue, joten ala tulee melko varmasti kokemaan isoja muutoksia vielä lähivuosina. Murtuuko valmissovellusten valta-asema? Romahtaako ohjelmistokehitysten kustannukset, kun ohjelmointia pystytään automatisoimaan? Onko tulevaisuuden ohjelmoija vain agenttilaumoja ohjaava operaattori? Tulevaisuuden osalta varmaa on vain epävarmuus, joka kasvaa sitä mukaa, kun kehitysvauhti kiihtyy. Epävarmuuteen ja suunnanmuutoksiin emme pysty vaikuttamaan, mutta pystymme mukailemaan niitä ja pysymään muutosten mukana. Pysymällä mukana säilytämme merkityksellisyytemme myös tulevaisuudessa.
The post Tekoäly ohjelmistokehityksessä: tehokkuutta, laatua ja uusia mahdollisuuksia appeared first on Adafy.
]]>The post Microsoft Fabric -datan hyödyntäminen Fabricin ulkopuolella appeared first on Adafy.
]]>Microsoft Fabricin datatarinassa Power BI -raportti on yleisesti viimeinen luku. Power BI -raportti on lopullinen piste, johon tiedon kerääminen, siistiminen, yhdisteleminen ja käsittely tähtää. Raportin tekemisen jälkeen voidaan todeta, että data on muiden osapuolien saavutettavissa ja helposti käytettävänä.
Fabricin dataa on kuitenkin mahdollista hyödyntää myös Fabricin ulkopuolella, eikä rajoittua sen osalta pelkästään Power BI -raportin tuottamiseen. Datan keräämiseen ja jalostamiseen on käytetty paljon aikaa ja vaivaa, joten datan hyödyntäminen myös muissa ratkaisuissa on järkevää.
Fabricin dataan kytkeytyminen
Fabricissa olevaan dataan on mahdollista päästä käsiksi usealla eri menetelmällä, mutta kaksi yleisintä ja helpoiten käytettävää menetelmää ovat SQL Analytics Endpoint ja GraphQL-rajapinta. Molemmat menetelmät tukevat Microsoft Entran Service Principal:iin perustuvaa tunnistautumista tai Interactive-tilassa tapahtuvaa Entra-tunnistautumista käyttäjien omilla tunnuksilla. Jos termi Service Principal ei ole tuttu, niin yksinkertaistettuna voi ajatella, että se on sovellukselle luotava identiteetti. Identiteetin avulla sovellus voi tunnistautua Fabriciin ja hakea siellä olevaa dataa käyttöoikeuksiensa rajoissa.
SQL Analytics Endpoint
SQL Analytics Endpoint mahdollistaa Fabricin datan lukemisen Fabricin ulkopuolisella sovelluksella samalla tavalla kuin kytkeydyttäisiin SQL-tietokantaan. Tietokantaa vasten on mahdollista tehdä SQL Server -yhteensopivia kyselyjä, joiden suorituskyky on varsin hyvällä tasolla. Mikäli suorituskykyyn liittyvät asiat kiinnostavat enemmän, niin olen kirjoittanut suorityskyvystä erillisen blogikirjoituksen henkilökohtaiseen blogiini. Tämän kirjoituksen löydät tästä linkistä.
Fabricin luonteeseen kuuluu, että sinne ei pusketa dataa, vaan Fabric on aina dataa noutava osapuoli. Näin ollen SQL Analytics Endpoint ei tue datan lisäykseen ja muokkaukseen liittyviä kyselyjä, kuten esimerkiksi INSERT ja UPDATE -käskyjä Lakehouse-tietovarastoa vasten. Warehouse-tietovarastoa vasten myös datan muokkauskäskyt toimivat.
GraphQL
GraphQL on avoimeen ”standardiin” perustuva kyselykieli, joka toimii hieman samalla tavalla kuin REST-rajapinnat. Toisin kuin REST API:t, GraphQL on standartoidumpi menetelmä datan hakemiseen ja muokkaamiseen. Datan hakeminen tapahtuu käyttämällä JSON-tyylisiä kyselyjä, joita lähetetään HTTP-kutsuina Fabriciin. GraphQL tukee samoja tunnistautumismenetelmiä kuin SQL Analytics Endpoint.
GraphQL-rajapinnan kautta on myös mahdollista muokata dataa käyttäen ns. mutation-kyselyjä. Fabricin GraphQL-resurssi luo automaattisesti dataan perustuvia kysely- ja muokkausrakenteita, joita voi kohtuullisen nopeasti hyödyntää sovellusratkaisuissa. GraphQL-rajapinnan käyttämiseen liittyy hieman rajoitteita, jotka on kattavasti listattu Microsoftin dokumentaatiossa. Rajoituksiin on syytä tutustua ennen kuin aloittaa tekemään ensimmäistä toteutusta rajapintaa vasten.
Arkkitehtuuri ja ratkaisukuvaus
Pohditaan seuraavaksi hieman sitä, millainen Fabric-dataa hyödyntävä ratkaisu voisi olla. Perusajatuksena sillä ei ole väliä, hyödynnämmekö SQL Analytics Endpointia tai GraphQL-rajapintaa. Molemmissa on taustalla sama tietoturva (Entra Service Principal) ja samanlainen käyttöoikeushallinta. GraphQL tuo tähän tosin hieman lisävalintaa ja sallii ns. ”Tallennetun käyttäjätilin” käyttämisen, jolloin käyttäjälle voi luvittaa vain API:n. Alla olevaan tietovarastoon ei API-käyttäjää tarvitse tällöin luvitta.
Valintaa menetelmien välillä kannattaa perustella sillä, minkälaista sovellutusta ollaan tekemässä ja minkälaisia kyvykkyyksiä toteuttavasta tiimistä löytyy. Jos tiimissä on paljon SQL-osaamista ja sovelluksesta löytyy hyvä SQL-abstraktio, niin SQL Analytics Endpointin hyödyntäminen Warehouse-tietovarastoa vasten voi olla hyvä valinta. Jos taas osaaminen painottuu API-kutsujen tekemiseen ja tietoon halutaan päästä ilman SQL-kyselyjen kirjoittamista, niin silloin GraphQL voi olla sopivampi valinta.
Mikäli ratkaisussa päädytään GraphQL:n käyttöön, kannattaa pohtia, pitäisikö rajapinnan eteen laittaa jonkinlainen API-hallintatyökalu. Fabric tarjoaa melko heikosti työkaluja API:n hallintaan ja monitorointiin. GraphQL-rajapinnan eteen on mahdollista laittaa Azuren API Management -tuote, joka tukee suoraan GraphQL-tyyppisiä rajapintoja. API Managementin avulla saamme paljon rajapintojen käyttöön, tietoturvaan ja monitorointiin liittyviä työkaluja käyttöön. Tarvittaessa voimme jopa vaihtaa tunnistautumismenetelmän API-avaimeen pohjautuvaksi.
API Management pystyy tarvittaessa suorittamaan Policy-säännön avulla tunnistautumisen käyttäen Service Principal -tunnusta ja näin ollen tarjoamaan esimerkiksi API-avain -pohjaisen tunnistautumisen sovellukselle. Toki, tällöin menetetään käyttäjätason tunnistautuminen, mutta vastaavasti mahdollistetaan esimerkiksi AWS:ssä olevan työkuorman kytkeytyminen GraphQL-rajapintaan.
User Data Functions
Huhtikuun toisena päivänä Fabriciin julkaistiin User Data Function -nimellä kulkeva ominaisuus. Ominaisuuden avulla on mahdollista rakentaa Azure Function -tyylisiä toimintoja, jotka pystyvät kytkeytymään OneLakesta löytyviin tietovarastoihin. Funktiot saavat automaattisesti HTTP-osoitteen, jota on mahdollista kutsua myös Fabricin ulkopuolelta hyödyntäen tuttuja Service Principal- ja Interactive authentication tunnistautumismenetelmiä. Funktioiden avulla on kätevä toteuttaa tietojen validointia, kevyitä ETL-toimintoja ja dataputkissa toistuvia toimintoja helposti jaettavaksi, mutta myös ulkoapäin kutsuttaviksi API-rajapinnoiksi. User Data Functions -ominaisuudella toteutetut funktiot on mahdollista kytkeä osaksi Azuren API Management -tuotetta, ja saada näin lisäkerroksia rajapintojen hallintaan. Ominaisuus on kirjoitushetkellä vielä Preview-tilassa, mutta sinänsä mikään ei estä sen käyttämistä myös tuotantotyökuormissa preview-rajoitukset huomioiden.
Yhteenveto
Fabric on kehittynyt huimasti viimeisen kahden vuoden aikana. Alunperin perinteisestä tietovarastosta yhdistettynä ETL-ominaisuuksiin on päästy jo sovellusalustatasolle. Fabric mahdollistaa dataan liittyvien työkuormien kirjoittamisen usealla eri ohjelmointikielellä ja usealla eri menetelmällä. Dataa on mahdollista julkaista ulospäin Fabricista muille sovelluksille ja sen hyödyntäminen organisaatiossa muussakin kuin raportointikäytössä on varsin helppoa. Suurimmat rajoitukset liittyvät tällä hetkellä rajapintojen heräilyyn käytön jälkeen (cold start) ja ehkä turhan kevyeen hallittavuuteen, jota on toki helppo paikata API-hallintatyökaluilla.
The post Microsoft Fabric -datan hyödyntäminen Fabricin ulkopuolella appeared first on Adafy.
]]>The post Data Engineer / Fabric-osaaja haussa! appeared first on Adafy.
]]>Me olemme vuonna 2012 perustettu reilun 20 hengen teknologiayritys, joka tekee sekä asiakasprojekteja että omia teknologiaratkaisuja. Toimistomme sijaitsee Jyväskylästä, mutta meillä myös täysi etäily on mahdollista ja pohjoisin adafylainen löytyykin Oulusta, eteläisin taas Espanjasta. Teemme datasta fiksuja juttuja ja juuri nyt etsimme joukkoomme uutta Data Engineeriä, joka tietää, miten hommat tehdään käytännössä, ei vain teoriassa.
Mistä on kyse?
Haemme nyt tiimiimme kokenutta Data-osaajaa, joka tuntee Microsoft Fabricin ja PowerBI-raportoinnin kuin omat taskunsa. Lisäksi ymmärrät datan hallintaa ja integraatioita vähän syvemmällä tasolla. Etsimämme huipputyyppi nauttii työstä asiakkaan kanssa: et pelkää tarttua uusiin haasteisiin ja autat perustellen asiakasta löytämään uusia ratkaisuja ja tekemään parempaa liiketoimintaa. Tämä on hands-on-rooli: pääset rakentamaan, kehittämään ja parantamaan asiakkaidemme dataratkaisuja käytännössä, heidän kanssaan. Olet asiakkaiden arvostama kumppani, joka ammentaa omasta kokemuksestaan, näkee kehityspaikat, osaa kommunikoida ne rakentavasti asiakkaalle ja toteuttaa moderneja ratkaisuja aitoihin liiketoiminnan ongelmiin. Työ meillä tehdään kuitenkin tiimeissä, eli apuna on aina 1–2 kehittäjää.
Tulevat projektisi ovat usein tunnetuilla, isoilla suomalaisilla brändeillä, joiden datamatka voi olla vasta alussa. Tutustu muutamiin aiempiin asiakkuuksin täällä. Pääset luomaan uutta, vaikuttamaan ratkaisuihin ja jättämään oman kädenjälkesi siihen, miten asiakkaamme hyödyntävät dataa tulevaisuudessa. Tässä roolissa pääset aidosti sparraamaan asiakasta, rakentamaan kestäviä ratkaisuja ja kehittämään datan hallintaa yhdessä osaavan tiimin kanssa.
Arvostamme seuraavanlaista osaamista:
- Vankka kokemus datan hallinnasta ja erityisesti Microsoft Fabricista
- Python, Power BI ja Azure ovat tuttuja arjen työkaluja
- Olet tottunut pelaamaan integraatioiden kanssa
- Plusssaa saat kokemuksesta muista data-alustoista, kuten Databricks ja Snowflake.
- Olet ”tekemällä oppiva” ja sinulla on kädet savessa -asenne
- Osaat pitää langat käsissä myös isommissa kokonaisuuksissa
- Kommunikoit sujuvasti sekä asiakkaiden että kollegoiden kanssa suomeksi ja englanniksi
- Sinulla on halua ohjata ja sparrata muita, sillä meillä opitaan yhdessä
- Kokemus tekoälyn hyödyntämisestä on iso plussa
Miksi Adafy?
Adafy on moderni datatalo, joka katsoo eteenpäin eikä tyydy vain nykypäivän ratkaisuihin. AI-transformaatio tapahtuu sekä meillä että asiakkaillamme ja missiomme on auttaa heitä siinä. Rakennamme skaalautuvia ratkaisuja tulevaisuuden tarpeisiin ja autamme organisaatioita ottamaan kaiken irti datasta älykkäästi ja vastuullisesti.
Meillä asiantuntija ei ole resurssi, vaan tekemisen keskiössä. Jokaisella on aito mahdollisuus vaikuttaa sekä asiakkaiden tekemiseen että Adafyn suuntaan. Me uskomme siihen, että hyvä elämä ja hyvä työ tukevat toisiaan: meillä työn ja vapaa-ajan yhdistäminen on joustavaa, tekeminen tavoitteellista, mutta inhimillistä, ja jokaisella on tilaa olla oma itsensä. Lue lisää eduistamme ja työstämme.
Adafylla saat:
Mahdollisuuden vaikuttaa tekemiseen ja teknologisiin valintoihin
Tilaa oppia ja kasvaa – tukea ja sparrausta unohtamatta
Rentoja ja asiantuntevia kollegoita, joiden kanssa on oikeasti kiva tehdä töitä
Kulttuurin, jossa luottamus, vapaus ja vastuu kulkevat käsi kädessä
Olemme mukava sekoitus kunnianhimoa, asiantuntijuutta ja huumoria. Ja mikä tärkeintä: täällä ei tarvitse esittää robottia, vaikka datan kanssa työskennelläänkin.
Kiinnostuitko?
Jos kiinnostuit, laita viestiä rekrytointia hoitavalle Ilonalle ([email protected]). Meille ei tarvitse lähettää monimutkaisia hakulomakkeita. Napakka CV tai muu kuvaus aiemmasta kokemuksesta ja projekteista tai linkki LinkedIn-profiiliin riittävät alkuun. Lisätietoja voit kysyä Ilonalta 10–16 välillä myös puhelimella, p. 040 570 5000.
Meidän rekryprosessiin kuuluu ensi vaiheena juttutuokio rekrytoijamme Ilonan kanssa. Sen jälkeen toisella kierroksella seuraan liittyy tekninen asiantuntija, esimerkiksi CTO:mme Panu. Tarpeen mukaan teetämme myös koodaustehtävän, joka vie noin 1-5 tuntia riippuen kokemuksestasi. Tehtävän saa tehdä omaan tahtiin kotona.
The post Data Engineer / Fabric-osaaja haussa! appeared first on Adafy.
]]>The post Microsoft Fabric ERP-datan raportoinnissa appeared first on Adafy.
]]>Data ja sen käsittely on kokenut uuden renessanssin tekoälybuumin kautta. Yritykset ovat keränneet ja luoneet vuosikymmeniä dataa erilaisiin järjestelmiin ja hyödyntäneet sitä vaihtelevin menestyksin. Viimeistään tekoälyn hyödyntämisen kynnyksellä alettiin puhumaan datan laadusta ja saatavuudesta. Datastahan ei ole hyötyä, jos sitä ei voi käyttää tai siihen ei voi luottaa. Pahimmillaan se on kuin se kuuluisa Forest Gumpin suklaarasia: koskaan ei tiedä mitä sieltä löytyy.
Datan laatu on tietenkin subjektiivinen asia. Datan tarvitse olla juuri niin laadukasta, kuin sitä hyödyntävät ratkaisut sitä tarvitsevat. Ylitse vuotavan laadun hakeminen ei varmasti ole kannattavaa, eikä suositeltavaa tavoitella. Datan laadun parantaminen vaatii usein organisaation prosessien muuttamista ja on näin ollen hidasta ja työlästä: Myyjien pitää muistaa syöttää myyntitilauksiin arvio tilauksen koosta ja toimitusajasta. Kokoonpanijoiden pitää muistaa merkitä käytetyn osan sarjanumero talteen. Hankinnan on muistettava kirjata ostotilaukselle puhelinkeskustelun perusteella tiedot riittävän tarkasti. Nämä kaikki esimerkit ovat prosessien palasia, joista hyödynnettävää tietoa syntyy. Mikäli prosessissa on virheitä ja puutteita, niin ne näkyvät myös datassa.
Datan hyödyntäminen
Oletetaan että kuvitteellinen organisaatiomme pystyy keräämään jossain määrin laadukasta dataa, jota olisi järkevää myös hyödyntää. Mitä vaihtoehtoja meillä on? Ensimmäisenä voimme kääntyä keräävän järjestelmän puoleen. Olkoot se tässä tapauksessa vaikka tuotannonohjausjärjestelmä eli ERP. ERP-järjestelmät sisältävät usein varsin kattavasti raportointityökaluja, joiden avulla tietoja saadaan kuvaajiksi ja johdon raporteiksi. Tekoälypuolella on myös otettu merkittäviä askeleita, kun järjestelmien sisään on saatu upotettua dataa hyödyntäviä älykkäitätoiminnallisuuksia. Entäpä jos ERP-järjestelmästä ei näitä ominaisuuksia löydy tai entäpä jos haluaisimme yhdistää useamman eri järjestelmän datat yhteen raporttiin?
Tietovarastot
Datan hyödyntäminen kattavasti ja lähdejärjestelmän kyvykkyyksistä riippumattomasti on yleensä ratkaistu tietovaraston avulla. Tietovarastoja on ollut yrityksissä jo vuosikymmenien ajan, joten konsepti ei ole uusi. Tietovarasto pyrkii yhdistämään tietoja eri järjestelmistä ja mahdollistamaan raportoinnin muilla, kuin lähdejärjestelmän tukemilla työkaluilla. Edellisessä lauseessa on tärkeää huomioida raportoinnin sana. Olemme Adafyssa olleet jo pitkään sitä mieltä, että tietovarasto ei saa olla integraation menetelmä, jonka avulla operatiivisia tietoja yhdistellään. Tiedon monistuminen ja ylimääräinen säilyttäminen ovat aina riski, jota ei kannata ottaa kevyin perustein. Integraatioissa on pyrittävä siihen, että tieto liikkuu järjestelmien välillä ilman ylimääräistä varastointia.
Raportoinnissa tilanne on toinen. Raportoinnissa tehokkuuden kannalta on usein järkevää koostaa tiedot tietovarastoon, jonka käyttäminen ei kuormita operatiivisia järjestelmiä ja niiden tietokantoja. Tietovarasto on siis vielä 2020-luvulla pätevä tapa täyttää usean järjestelmän raportointiin liittyvät haasteet.
Microsoft Fabric
Olemme nyt päässeet tässä kirjoituksessa siihen pisteeseen, että meillä on yhteinen ymmärrys datan käytön lähtökohdista, ongelmista ja mahdollisista ratkaisuista (tietovarasto). Ennen 2023 vuotta Microsoft ekosysteemissä tietovarasto rakentui suuremmilta osin SQL Server tuotteen varaan. Villeimmät organisaatiot hyödyntivät tietojärveä (Data Lake), kuten esimerkiksi Azure Data Lake tuotetta, mutta uskaltaisin väittää että prosentuaalisesti suurin osa turvautui johonkin relaatiotietokantaan. Eikä relaatiotietokanta ole huono valinta. Nykyaikaisessa datatulvassa relaatiotietokannan skaalautuminen tulee vain ongelmaksi, eikä ongelmaan ole olemassa halpaa ratkaisua tietokantojen tuoteperheessä.
SQL tietokanta on erinomainen datavarasto relationaaliselle ja strukturoidulle datalle. Datalle jolla on rakenne ja tietty ennustettavuus rakenteen suhteen. Kielimallien, videoiden, kännykkäkameroiden kuvien jne. myötä data ei ole enää yhtä ennustettavaa rakenteeltaan, kuin se oli vielä 1990-luvulla. Datan monimuotoisuus pakottaa meitä valitsemaan myös tietovarastoinnissa ratkaisuja, jotka tukevat näitä monimutkaisia tiedon muotoja.
2023 vuonna Microsoft julkisti Microsoft Fabric nimisen tuotteen, jonka on tarkoitus ratkaista tietovarastointiin ja raportointiin liittyviä ongelmia. Fabric tukee perinteistä relaatiomallista tiedon käsittelyä, sekä ei-strukturoidun tiedon käsittelyä. Fabric skaalautuu hyvin ja pystyy näin ollen ratkaisemaan perinteisen relaatiotietokannan ongelman horisontaalisesta skaalautumisesta. Enää ei tarvitse hankkia lisää muistia ja parempaa prosessoria, jos haluaa ajaa enemmän raportteja. Riittää että skaalataan Fabric kapasiteettia ylöspäin.
Fabricin todellinen etu on siinä, että se ei ole riippuvainen ERP-toimittajasta. Se ei ole riippuvainen CRM-järjestelmän kyvykkyyksistä tarjota tekoälyratkaisuja tai raporttipohjia. Fabricin avulla yritys voi hyödyntää dataa itse haluamallaan tavalla. Lähdejärjestelmistä yhteen koostettu data tarjoaa laajat raportointi- ja tekoälymahdollisuudet.
Datan kerääminen
Raportoinnissa tämän päivän ongelma ei ole tiedon vähyys. Tietoa ja dataa on yleensä paljon olemassa, mutta se ei ole välttämättä saatavilla. Tieto kerääntyy järjestelmien omiin tietokantoihin, eikä järjestelmätoimittajat ole kovin usein etunenässä kehittämässä avoimia rajapintoja organisaatioiden käyttöön, jotta dataa voitaisiin hyödyntää. Tähän liittyen sanoisinkin terveiset kaikille teille, jotka olette hankkimassa uusia tietojärjestelmiä 2025 vuonna: Katsokaa että järjestelmään löytyy rajapinnat.
Rajapintojen puute ei ole onneksi este datan keräämiselle, mutta kokemuspohjaisesti voin kertoa, että kyllä ne aika paljon helpottaa asiaa. Adafylla olemme rakentaneet kymmeniä jos ei satoja integraatioita järjestelmiin, jotka eivät tarjoa minkäänlaista rajapintaa. Yleensä integraatio voidaan toteuttaa tietokanta- tai tiedostotasolla, jolloin rajapintojen puute ei ole este. Hidaste se saattaa olla, jos tietokannan rakennetta ei ole hyvin kuvattu tai siirtotiedosto on määrämittainen tekstitiedosto ilman minkäänlaista kuvausta.
Datan kerääminen ei ole onneksi tänä päivänä enää yleinen este ja lähtökohtaisesti datat saadaan tavalla tai toisella kerättyä ja siirrettyä tietovarastoon raportointia varten.
Raportointi
Microsoft Fabric tarjoaa meille erilaisia tietovarastoja datalle. Lisäksi joko hyödyntämällä Fabricin omia integraatiokyvykkyyksiä, tai käyttämällä integraatioalustaa pystymme tuomaan datan Fabricin saataville. Fabricin työkuormien avulla pystymme myös siistimään datan ja tekemään siitä raportointikelpoista. Näin ollen meille jää enää ratkaistavaksi varsinainen raportointi.
Microsoft Fabricissa raportointi rakentuu lähes aina Power BI:n päälle. Teoriassa Fabricista löytyy rajapintoja datan muuhunkin hyödyntämiseen, mutta pääasiallinen raportoinnin väline on Power BI. Power BI kytkeytyy suoraan Fabricin tietovarastoihin OneLake abstraktion avulla ja näin ollen perinteisiä verkkoyhteyksien avauksia ja käyttäjätunnusten kanssa taisteluja ei ole edessä. Perinteisemmäksi ongelmaksi Power BI:n kanssa muuttuu lisenssointi ja siihen liittyvät omat kiemurat. Mikäli yrityksellä on varaa hypätä suoraan Fabricin F64 kapasiteettiin, niin silloin vältytään lähtökohtaisesti käyttäjäkohtaisilta Power BI lisensseiltä. Mikäli Fabric kapasiteettia halutaan ajaa hieman huokeammalla kapasiteetilla, niin kuvaan astuu käyttäjäkohtainen Pro tai Premium lisenssointi.
Loppukaneetti
Näin olemma saavuttaneet maalin tarinassamme datan hyödyntämisessä raportoinnissa 2025. Polku on yleensä monivaiheinen ja organisaation lähtötasosta riippuen enemmän tai vähemmän kivinen. Työkaluista tai datan määrästä raportointi ei kuitenkaan yleensä jää enää kiinni. Ongelmat ovat enemmänkin resursseihin liittyviä. Datan ymmärtäminen ja hyödyntäminen vaativat verrattain paljon aikaa ja sitä taas organisaatioissa ei ole koskaan liikaa. Toivottavasti Fabricin kaltaiset keskitetyt työkalut helpottavat tässä taakassa ja tarjoavat organisaatioille nopeamman reitin tehokkaaseen datan hyödyntämiseen.
The post Microsoft Fabric ERP-datan raportoinnissa appeared first on Adafy.
]]>The post Mikael Koskinen aloittaa Adafy Oy:n toimitusjohtajana 24.2. appeared first on Adafy.
]]>Adafy Oy:n uutena toimitusjohtajana on aloittanut Adafyn perustaja Mikael Koskinen. Adafylla aikaisemmin toimitusjohtajana toiminut Satu Kuusinen siirtyy pois Adafylta.
Kiitos Satulle kuluneista vuosista ja onnea uusien haasteiden pariin!
Adafyn tavoitteena on jatkossakin tarjota parasta mahdollista palvelua sekä näkemyksellistä osaamista asiakkaillemme järjestelmäkehitysten, Microsoft-teknologioiden, integraatioiden sekä automaatioiden maailmassa.
The post Mikael Koskinen aloittaa Adafy Oy:n toimitusjohtajana 24.2. appeared first on Adafy.
]]>The post Leppoisaa Joulun ja Uuden Vuoden aikaa! appeared first on Adafy.
]]>Adafyläiset pitävät jouluvapaata 23.12. ja 31.12.
The post Leppoisaa Joulun ja Uuden Vuoden aikaa! appeared first on Adafy.
]]>The post Operatiivinen data Microsoft Fabricissa? appeared first on Adafy.
]]>Microsoft julkisti tämän vuoden Ignite tapahtumassa, että SQL Server tietokannat tulevat myös Microsoft Fabricciin. Ajatuksena tämä ei tunnu kovin mullistavalta, koska onhan meillä aikaisemminkin ollut saatavilla SQL Analytics Endpoint OneLakeen tallennetulle datalle ja olemme pystyneet dataa käsittelemään SQL-kyselyillä ilman ongelmia. Taustalla tässä piilee kuitenkin isompi muutos, joka on nyt alkanut.
SQL Databases in Microsoft Fabric tarkoittaa isoa askelta sisällyttää Fabricciin kyvykkyydet käsitellä operatiivista dataa. Tähän asti olemme tottuneet siihen, että Fabric on data-alusta, joka soveltuu erinomaisesti tietovarastoksi raportointia varten.
With operational databases coming to Fabric, Fabric is evolving from an analytics platform to a data platform and the data layer of the AI and Copilot stack.
Microsoft kuvaa tätä muutosta analysointialustasta data-alustaksi AI ja Copilot työkuormille. Henkilökohtaisesti näen, että operatiivisen datan ja raportointidatan yhteen tuominen on hyvä asia ja tulee jatkossa helpottamaan datan käsittelyä myös raportointia ja analysointia ajatellen. Mitä vähemmän meillä on tarvetta integroida tietokantoja ja siirrellä dataa, sitä tehokkaammin pystymme dataa hyödyntämään. Eikä tämä rajoitu pelkästään AI ja Copilot työkuormiin.
Mitä SQL Databases in Microsoft Fabric tarkoittaa käytännössä?
All data is replicated in near-real time to open-source delta parquet format in OneLake. When you deploy a SQL database in Fabric, you get two endpoints: an endpoint to the database and a “SQL analytics endpoint” that allows querying the replicated data in OneLake. This unifies operational and analytics work without having to move any data.
Käytännössä jatkossa Fabricin käyttäjä pystyy perustamaan SQL tietokannan Microsoft Fabricin sisään ja kytkemään siihen oman tai olemassa olevan sovelluksen. Suorituskyky on myös tuttua Azure SQL tasoa.
Microsoft huolehtii siis jatkossa SQL tietokannan ja OneLake datavaraston välisestä integraatiosta. Käytännössä ratkaisu tarkoittaa sitä, että meillä on SQL Server tietokanta pyörimässä Fabricin sisällä ja kaikki muutokset synkronoituvat OneLaken puolelle raportointia ja jatkokäsittelyä varten. Aikaisemmin vastaava toiminto olisi voitu hoitaa Fabricin Azure SQL Mirroring toiminnolla, mutta nyt sitä ei enää tarvita.
Yleensä operatiivisen tietokannan rakenne ei sovellu suoraan raportointia varten, joten erottelu ja synkronointi (OneLaken ja SQL tietokannan välillä) on järkeenkäypää. Tässä yhteydessä on myös hyvä huomata, että koska SQL Server pyörii Microsoft Fabricin sisällä, se tulee myös käyttämään Fabricin laskentayksiköitä (CU).
Microsoftilta on tulossa myöhemmin työkalu, jolla pystyy arvioimaan Fabricin laskentakapasiteetin tarvetta perustuen SQL Serverin tarpeeseen. Azure SQL:n hinnoittelu on ollut tällä hetkellä suhteellisen edullista, joten epäilen että tämä uusi ratkaisu ei tule välttämättä loppukäyttäjälle halvemmaksi. Johtuen lähinnä siitä, että nykyisellään Fabric kapasiteetin hinnoittelu on portaista ja verrattain kankeaa esimerkiksi Azure SQL:ään verrattuna. Tämä jää kuitenkin nähtäväksi, kunhan saamme ensimmäisiä suorituskykymittauksia ulos oikealla operatiivisella datalla.
Mitä seuraavaksi?
Ajatuksena SaaS-palveluna pyörivä SQL tietokanta, joka synkronoituu automaattisesti raportointia varten tehtyyn tietovarastoon, on houkutteleva. Tämä vähentää tarvetta monimutkaisille verkko- ja tietoturva-asetuksille. Puhumattakaan disaster recovery- ja saavutettavuusasioista.
Onko tämä ensimmäinen iso steppi siihen, että tietokantaratkaisut siirtyvät enemmän Azuresta Fabricin puolelle? Uskoisin näin. Raportointidata on aina johdettu operatiivisesta datasta, joten näiden kahden asian saumaton yhdistäminen on järkevää. Data-alustoissa kilpailu on nykyisin kovaa ja tämä on selkeästi Microsoftin vastaus Snowflaken tyylisille AI Data Cloud -ratkaisuille. Kyvykkyys lisää Microsoft Fabricin houkuttelevuutta ja vähentää kynnystä sen käyttöönottoon, koska operatiivinen data on jo kohta Fabricin sisällä.
Adafy tuo organisaatiosi käyttöön asiantuntemuksen datan kokoamisesta ja hallinnasta (data engineer) sekä datan analysoinnista ja raportoinnista (data analyst). Toimitamme Fabric ratkaisuja kokonaisvaltaisesti aina tarvittavasta Azure laskentakapasiteetista Power BI raportointiin asti.
Tutustu tarkemmin Microsoft Fabriciin liittyviin palveluihimme täällä.
The post Operatiivinen data Microsoft Fabricissa? appeared first on Adafy.
]]>The post Panu Oksala: Teknologiaa, oppimista ja flipperikisaamista appeared first on Adafy.
]]>Kuka on Panu?
Panu Oksala on jyväskyläläinen teknologiaintoilija, joka on viimeiset 15 vuotta viettänyt Microsoftin teknologioiden parissa. Panun kiinnostus ohjelmointiin alkoi jo teini-ikäisenä, kun hän haaveili tietotekniikan opiskelusta. Hän päätyikin opiskelemaan datanomiksi ja siitä alkoi matka, joka on vienyt hänet jatko-opintoihin sekä nykyiseen rooliinsa Adafylle. Kesällä pitkällinen paneutuminen Microsoft –teknologioihin ja tiedon jakaminen palkittiin ja Panulle myönnettiin hieno kunnianosoitus, kun hänestä tuli Microsoft MVP!
Vapaa-aika ja harrastukset: urheilua, lemmikkejä, teknologiaa, flipperiä, opiskelua ja kullan kaivamista
Jos Panua ei löydä koodaamasta tai opiskelemasta ohjelmointiin liittyviä asioita, Panu on luultavasti urheilemassa. Sählyä hän on pelannut jo 15 vuoden ajan, ja kuntosalilla käynti tuo fyysistä vastapainoa näytön äärellä vietetylle ajalle.
Tekniikkaa ei kuitenkaan pääse karkuun edes vapaa-ajalla, sillä Panu on intohimoinen flipperin harrastaja ja kuuluu Suomen flipper-rankingin 25 parhaan pelaajan joukkoon. Flipperin lisäksi hän innostuu lautapeleistä ja tietokonepeleistä.
Panu on myös intohimoinen ja utelias opiskelija vapaa-ajallaan ja hän käyttääkin päivittäin pari tuntia itseopiskeluun ja oman osaamisensa kehittämiseen. Panu mm. kuuntelee podcasteja, kuten Ikkuna Studiota ja Control+Alt+Azurea. Koiralenkit toimivat mainiona tilaisuutena syventyä uusiin aiheisiin. Panu on ollut itsekin näissä podcasteissa vierailevana puhujana.
Arkisista teknologia-asioista on kuitenkin hyvä irrottautua ajoittain ihan kokonaan. Siihen toimii Panulla hyvin se, että hän pakkaa reppunsa ja lähtee koiransa kanssa kullan kaivuuseen Lappiin. Lähtiessään lomalle ja kullan perään, hän ilmoittaa että palaa mikäli kohdalle ei osu riittävän isoa kultakimpaletta. Toistaiseksi lomilta on palattu aina takaisin töihin, ja henkiset akut ladattuina.
Tekniselle alalle suuntaaminen
Panun tie teknologia-alalle alkoi jo lapsuudessa, kun hän pelasi kavereiden kanssa Commodore Amigalla. Koneiden kanssa pelaaminen ja ongelmanratkaisu veivät mukanaan, ja hän huomasi, että tietokoneet tottelevat käskyjä paremmin kuin ihmiset. Tämä kipinä vei Panun kohti ohjelmointia ja lopulta teknologiauraa.
Datanomin opintojen jälkeen Panu pääsi ammattikorkeakouluun jatkamaan alan opintoja ja aloitti uransa IT-alalla. Hän on vuosien varrella työskennellyt lukuisissa projekteissa ja työpaikoissa, ja nykyään Microsoft-teknologiat ovat hänelle se juttu.
Panulle on myös aina ollut tärkeää jakaa omaa osaamistaan ja siksi hän on opiskellut työn ohella myös ammatillisen opettajankoulutuspätevyyden. Panu on käyttänyt opettajaoppejaan mm. kouluttamalla koodiakatemioissa IT-alan uusia osaajia sekä tietysti mentoroimalla ja jakamalla osaamistaan Adafylla.
Miksi Microsoft?
Panu aloitti uransa koodaamalla nettisivuja PHP:lla, mutta se ei tuntunut omalta. Microsoftin pariin tie vei melkein kuin itsestään. Työskennellessään yrityksessä, joka käytti Microsoftin teknologioita hän huomasi niiden olevan yksinkertaisempia ja helppokäyttöisempiä kuin monet muut. Vuosien aikana Microsoftin teknologioiden parissa työskentelystä on tullut Panulle intohimo. Uusien asioiden oppiminen ei lopu ja viime aikoina Panu on paneutunut erityisesti mm. Azureen, tekoälyteknologioihin ja data-alusta Fabriciin.
Adafy ja partneruus
Panu on aina ollut yrittäjähenkinen, kiitos vanhempiensa, jotka molemmat olivat yrittäjiä. Hän pohti pitkään itsekin yrittäjäksi ryhtymistä, mutta lopulta Adafyyn liittyminen partneriksi tuntui luonnolliselta askeleelta. Hän arvostaa sitä, että pienessä yrityksessä hän voi saada enemmän palkintoa omasta työstään ja vaikuttaa suoraan yrityksen suuntaan.
Adafyllä Panu tekee edelleen paljon asiakastyötä ratkaisuarkkitehtinä ja konsulttina, sillä hän nauttii ongelmien ratkaisemisesta ja siitä, että voi oikeasti auttaa asiakkaita. Uusien teknologioiden käytännönläheinen valjastaminen asiakkaiden todellisiin liiketoimintahaasteisiin on Adafyn perustehtävä. Microsoftin uudet teknologiat, kuten tekoäly ja Microsoft Fabric, ovatkin painopisteitä Adafyllä.
Yrityksessä pyritään jatkuvaan kasvuun, sillä kasvu mahdollistaa ja antaa paukkuja esimerkiksi tuotekehitykseen. Omaa tuotekehitystä on tehty mm. automaatio- ja integraatioratkaisujen sekä valmistavan teollisuuden sovellusratkaisujen parissa.
Johtaminen Adafyllä
Johtajana Panu näkee itsensä ennen kaikkea fasilitaattorina. Hän pyrkii jakamaan tietoa, innostamaan tiimiläisiä ja auttamaan heitä kehittämään itseään. Tärkeintä on luoda ympäristö, jossa kaikki voivat oppia ja tehdä päätöksiä itsenäisesti. Adafyllä oppiminen tapahtuu sekä arjessa käytännön projekteissa että järjestetyissä pienryhmissä, joissa jaetaan osaamista.
Adafyn Arkkitehtiakatemia on Panulle erityisen tärkeä. Siinä jo kokeneille ohjelmistokehittäjille tarjotaan mahdollisuus kehittää arkkitehtuuriosaamistaan ja mentoreiden tuella kasvaa teknisiksi arkkitehdeiksi. Panu uskoo, että paras tapa oppia on opettamalla muita – ja tätä hän tekee itse mielellään.
Top 3 vinkkiä Microsoft MVP:ksi haluaville
- Löydä intohimosi: Panun mukaan on tärkeää löytää se osa-alue, josta on oikeasti kiinnostunut. Kun intohimo löytyy, oppiminen ja kehittyminen tulee luonnostaan.
- Jatkuva oppiminen: Maailma muuttuu jatkuvasti, ja pysyäkseen mukana on oltava valmis oppimaan koko ajan. Podcastit, videot, kirjat – tärkeintä on löytää itselle sopiva tapa omaksua uutta tietoa.
- Ole oma itsesi: Feikkaaminen ei kannata, ja Panun mukaan on tärkeää keskittyä siihen, mikä oikeasti kiinnostaa. Rakkaus lajiin kantaa pitkälle.
Seuraa Panua
Panu haluaa jakaa osaamistaan sekä englannin kielellä että suomenkielisen ilmaisen materiaalin kautta., Hänen tavoitteenaan on auttaa niitä, joilla ei ehkä muuten olisi mahdollisuuksia päästä kiinni teknologiaan – ja tehdä sen myös suomeksi, jotta kynnys opiskelun aloittamiseen olisi mahdollisimman matala.
Panun blogista ja Youtube-kanavalta löytyykin syvällistä teknologista sisältöä, joka sopii niin aloitteleville kuin kokeneemmillekin tekijöille.
Panun blogi ja Youtube-kanava:
oksala.net
Youtube-kanava
The post Panu Oksala: Teknologiaa, oppimista ja flipperikisaamista appeared first on Adafy.
]]>The post Adafyn CTO Panu Oksala Microsoft MVP appeared first on Adafy.
]]>CTO:mme Panu Oksalan on valittu Microsoft MVP -yhteisöön!
Kesän aikana Microsoftilta saatiin hienoja uutisia.
Valinta on osoitus Panun teknologiaosaamisesta, pitkäaikaisesta ja laadukkaasta työstä Microsoftin parissa sekä ansiokkaasta tiedon jakamisesta ja kouluttamisesta. Panu työskentelee Adafyllä sekä uusien teknologioiden kartoittajana että käytännöläheisenä ja pidettynä ratkaisuarkkitehtinä asiakkaidemme liiketoimintahaasteiden parissa.
Microsoftin oma kuvaus MVP -ohjelmasta:
The Microsoft Most Valuable Professionals (MVP) program recognizes exceptional community leaders for their technical expertise, leadership, speaking experience, online influence, and commitment to solving real world problems.
Panu Oksala | Most Valuable Professionals (microsoft.com)
Panun valinta Microsoft MVP:ksi syventää Adafyn ja Microsoftin yhteistyötä. Tämän vuoden aikana Adafyllä on suoritettu useita Microsoft Azure -sertifikaatteja ja loppuvuoden aikana tähtäimessämme on Microsoft Solution Partner -asema. Näin pystymme auttamaan asiakkaitamme jatkuvasti paremmin erilaisten teknologiahaasteiden kanssa.
The post Adafyn CTO Panu Oksala Microsoft MVP appeared first on Adafy.
]]>