Jövőálló adatstratégia

Az adataid értékesebbek,
mint gondolod.
Vedd vissza az irányítást.

Az adatvagyonod ma az IT mélyén rekedt: rendszerekben, munkatársak fejében, riportkérések sorában. Mi az üzlet kezébe adjuk. Egy intelligens adatplatformon az adat döntést alapoz, AI-t táplál, és utat nyit a legacy rendszerek kiváltásához.

Kérj adatvagyon-auditotNézd meg, hogyan dolgozunk
15 éventerprise tapasztalat
100+data product
3+multinacionális bevezetés

A makro kontextus

Miért most, és miért nem érdemes kivárni.

Három párhuzamos kényszer éri egyszerre a magyar intézményi és nagyvállalati szektort. Mindhárom ugyanoda mutat: az adatvagyon kezelése már nem IT-kérdés, hanem igazgatósági szintű döntés.

Kényszer 01

AI versenynyomás, amely nem vár

Minden szektorban beindult az AI bevezetése. Pénzintézetek fraud detekciót automatizálnak, a közszféra döntéstámogatást épít, az ipar prediktív karbantartást vezet be. És mindenhol megjelentek az első agentic pilotok: AI-munkatársak, amelyek nem csak válaszolnak, hanem folyamatokat visznek.

Aki az AI-projektet az adatprobléma megoldása előtt indítja, megakad. Nem a technológia rossz. Az alap hiányzik.

„Az AI versenyt az nyeri, aki előbb rendbe teszi az adatait. Nem az, akinek a legdrágább modellje van.”

Kényszer 02

Reguláció és megfelelési nyomás

A pénzügyi szektort egyszerre éri a DORA, a Basel IV implementáció és az MNB szigorodó adatszolgáltatási elvárása. Az állami szférában az EU interoperabilitási keretek kötelezettséget teremtenek. Az iparban az ESG és a supply chain átláthatóság gyakorlatilag regulációvá teszi az adatgazdálkodást.

„Megbízhatók az adataid? Visszakeresed őket? Auditálható minden lépés?”

Kényszer 03

Legacy rendszerváltás csúcspontja

A magyar piacon az ERP-rendszerek egy generációváltás előtt állnak. A korai SAP-rendszerek terméktámogatása véget ér. A core rendszerek egy évtized alatt felhalmozták azokat a testreszabásokat, amelyeket ma már senki nem dokumentál teljesen.

Aki előbb a platformot építi meg, annak a váltás nem ugrás a mélybe, hanem fokozatos átkelés. És útközben kiderül: kevesebb szoftvert kell megvenni, mint gondolta.

„Mindkét út adatstratégiával kezdődik, és a kiváltás útja az adatplatformon át vezet.”

Nem a mi állításunk, hanem független elemzőházak elemzései

60%

Az AI-projektek ekkora hányadát adják fel 2026-ig, mert nincs mögöttük felkészített adat.

Gartner, 2025
63%

A szervezetek ekkora hányadánál hiányoznak vagy bizonytalanok az AI-t támogató adatkezelési gyakorlatok.

Gartner, 2024
80%

A vállalatok ekkora hányada nevez meg adatkorlátot az AI szélesebb bevezetésének akadályaként.

McKinsey, 2026
40%

Az AI-ügynök projektek ekkora hányadát 2027 végéig leállítják, jellemzően tisztázatlan üzleti érték és hiányos kontroll miatt.

Gartner, 2025

Ugyanazt jelzik: a technológia ritkán a probléma, az adat jelentése és felügyelete annál gyakrabban. Az MIT kutatói ugyanezt írták le a másik oldalról: a bevezetések jellemzően nem a modell képességein, hanem tanulási és munkafolyamatbeli hiányosságokon akadnak el (MIT Project NANDA, 2025).

A három belépési pont

Mindegy, honnan indulsz, ugyanoda érkezel.

Három különböző fájdalomból indul az út, mindhárom ugyanoda fut. Válaszd ki, melyik helyzet áll legközelebb hozzád.

Az intelligens adatplatform

Az adat és a logika a középpontba költözik.

Évtizedekig az alkalmazás volt a középpont, az adat pedig a mellékterméke. Az intelligens adatplatform megfordítja ezt a viszonyt, és ezzel az a réteg lesz, amely a többi rendszert lecserélhetővé teszi.

A régi világ

Az alkalmazás a középpont

Az ERP-ben él az adat, a mélyében rejtőzik a logika. Minden új igény újabb integráció, újabb licenc, újabb függőség. Az adat melléktermék.

Az inverzió

Az adat és a logika a középpont

Explicit, dokumentált, auditálható formában, a szervezet tulajdonaként. Az alkalmazások cserélhető fogyasztók: a régi ERP, az új modul, a BI-eszköz, az AI-modell és a digitális munkatárs mind ugyanabból az igazságforrásból dolgozik.

01

Az idegrendszer

Valós idejű adatáramlás

Minden rendszer eseményeket bocsát ki, nem adatot másol. Minden tranzakció milliszekundumon belül elérhető, point-to-point integráció és batch nélkül.

02

Az értelem

Feldolgozás és üzleti logika

Az adatfolyam értelmet nyer: aggregáció, mintafelismerés, riasztás. A szabályok, amelyek eddig a legacy rendszerek gyomrában lapultak, itt láthatóvá és ellenőrizhetővé válnak. Itt születik meg az adatértelem.

03

Az emlékezet

Egységes, nyílt adatvagyon

A szervezet teljes memóriája, nyílt formátumban, visszamenőleg bármely pillanatra. Egyetlen igazságforrás: az adatod a tiéd, most és tíz év múlva is.

04

Az immunrendszer

Governance, minőség, audit

Ki láthat mit, pontosan definiálva. Minden hozzáférés naplózva, visszakereshető. Multi-tenant izoláció, on-premise és privát cloud kompatibilitás.

Adatértelem: a vállalat közös nyelve

A jelentés az adattal együtt utazik.

Minden fontos üzleti fogalomhoz definíció, felelős és minőségi mérce tartozik: gépi formában, a működő rendszerekben, nem dokumentumokban, amelyeket senki nem nyit ki. A szakirodalom ezt vállalati ontológiának nevezi; mi adatértelemnek hívjuk, mert pontosan azt adja: az adat értelmét.

Ide csatlakozik a riport, a BI és az AI is. Ha két felület mást mutatna, a közös fogalomréteg a hiteles forrás. A kulcs pedig az üzletnél van: az informatika tárolja és szállítja az adatot, a jelentését az üzlet birtokolja.

A jelentés rögzítve

Ugyanaz a fogalom- és mutatódefiníció érvényes a fogalomtárban, a riportokban és az AI-alkalmazásokban. A jelentés nem egyetlen kolléga fejében él.

A megállapodás kikényszerítve

Az adatot szállító és fogadó fél közötti megállapodás gépi formában áll: mit tartalmaz, milyen minőségben, mikorra. A rendszer ellenőrzi, nem az ember.

A felügyelet bizonyítható

Követhető, honnan jött az adat, ki fér hozzá, és milyen AI-megoldás használja. Auditban és szabályozói ellenőrzésben egyaránt igazolható.

A motorháztető alatt érett, nyílt forráskódú, enterprise-grade komponensek dolgoznak: ugyanazok az építőelemek, amelyekre a világ vezető bankjai és tech vállalatai építenek.

Az egyetlen dolog, ami ebben nem ingyenes: tudni, hogyan rakd össze helyesen.

Nézd meg tételesen, mivel foglalkozunk: több mint hatvan elemi képesség

AI-képességek

A platform nem cél. Az számít, amit ráépítesz.

A platformra épülő képességek nem távoli roadmap, hanem lépcsőfokok, amelyeken a szervezet a saját tempójában halad felfelé. És minden fok azonnal értéket termel.

1. fok

Valós idejű döntési réteg

Dashboardok, amelyek nem tegnapi exportot mutatnak, hanem az élő valóságot. Riasztások, amelyek akkor szólnak, amikor a beavatkozásnak még van értelme. A hétfői vita a számokról megszűnik: egy szám van, és az mindenkinek ugyanaz.

2. fok

Prediktív képességek

A historikus mélység és a real-time frissesség együtt teszi lehetővé: fraud detekció viselkedési mintákon, prediktív karbantartás, kereslet-előrejelzés, likviditás-előrejelzés. Nem utólag magyarázod a problémát, hanem előre látod.

3. fok

Nyelvi intelligencia

LLM-alapú asszisztensek, amelyek a szervezet saját, governance alatt álló adatvagyonán dolgoznak, nem az internet zaján. A vezető kérdez, magyarul, és a válasz a tényleges számokból jön, forrásmegjelöléssel.

4. fok

Autonóm agentek és multi-agent folyamatok

Digitális munkatársak, amelyek nem csak válaszolnak: folyamatokat visznek. Rendelést egyeztetnek, riportot állítanak össze, anomáliát vizsgálnak ki, a platform adatán, a platform explicit szabályaival, teljes audit trail mellett.

És itt ér össze a két szál: a kiváltott legacy rendszer helyére nem mindig szoftver kerül. A következő „ERP-rendszered” lehet, hogy egy csapat digitális munkatárs lesz.

Amit az AI megkövetel, és amit a platform ad

Egy AI-rendszer, legyen az prediktív modell, language model vagy autonóm agent, négy adatkövetelményt támaszt egyszerre. Ezért nem lehet az AI-t az adat elé sorolni. És ezért nem kell újrakezdeni semmit, amikor a következő modellgeneráció megjelenik.

01

Frissesség

az AI az aktuális valóságon dolgozik, nem tegnapi snapshoton

Erre való a valós idejű áramlási réteg.

02

Mélység

historikus kontextus: minták, trendek, anomáliák csak időben látszanak

Erre való az adatvagyon-réteg time travelje.

03

Megbízhatóság

az AI nem tud kételkedni: ha az adat hibás, hiteles hangon adja vissza a tévedést

Erre való a governance réteg.

04

Nyíltság

az AI eszközök gyorsan fejlődnek: zárt formátum minden modellváltáskor migrációs projekt

Erre való a nyílt adatvagyon-formátum.

Felügyelt AI: AI-governance

Az autonómia intézményi környezetben csak felügyelettel vállalható.

Ezért a képesség-lépcső mellé odaépítjük a felügyeleti réteget is: a NIST, az ISO 42001 és az EU AI Act elvárásait egyetlen rendszerben lefedve, auditban és szabályozói ellenőrzésben egyaránt bizonyítható formában.

01

AI-leltár

Nyilvántartás minden AI-megoldásról, amely a szervezetben fut, a beszállítói és a beépített funkciókkal együtt. Felelőssel, felhasznált adatkörrel, üzleti céllal.

02

Kockázati besorolás

Minden AI-megoldás besorolva az EU AI Act logikája szerint, mert a besorolásból következnek a kötelezettségek, a magas kockázatú rendszerek megjelölésével.

03

Emberi jóváhagyás

Rögzített szabályok arról, hol kötelező az emberi jóváhagyás, mit kell naplózni, és hogyan mérjük a modellek teljesítményét, élő ellenőrzési pontokként.

04

Bizonyítható működés

Utólag is igazolható, milyen adaton, melyik modellel és mikor született egy AI-döntés. Az agentek nem nyers adatbázist kérdeznek, hanem jogosultságkezelt, naplózott rétegen dolgoznak.

Data & Integration Product

Az adat nem infrastruktúra. Termék.

A Data Product szemléletben minden adatterméknek gazdája, SLA-ja, dokumentációja, belső vevője és adatszerződése van. Próbáld ki: válassz adatterméket, és nézd, mi épül belőle.

Data Product Explorer

Demo adatok

Data product katalógus

Dashboard a kiválasztott termékekből

Napi árbevétel

+6,4%

48,2 M Ft

Forrás: Értékesítési tranzakciók · SLA: real-time

Készletforgás

-1,8 nap

11,4 nap

Forrás: Készlet és logisztika · SLA: 15 perc

Kérdezd az adataidat

46 M Ft

Két raktárban a lassan forgó készlet 38 napja köt le 46 M Ft-ot. Ez a bruttó árrés 2,1 százalékpontja: a két adattermék összekapcsolása nélkül ez a szám sehol nem látszana.

Források: Értékesítési tranzakciók · Készlet és logisztika

Adatszerződés: data contract

A megállapodás nem papíron él: a rendszer kényszeríti ki.

Minden adattermék mögött adatszerződés áll: az adatot szállító és az azt felhasználó terület közötti megállapodás, gépi formában. Nem ember ellenőrzi, hanem a betöltési folyamat: minden futásnál, automatikusan. Eltérés esetén nem a fogyasztó veszi észre a hibát a riportban, hanem a felelős kap riasztást.

Mit tartalmazrögzített struktúra és jelentés: a fogyasztó tudja, mit kap
Milyen minőségbenmérhető szabályok: frissesség, teljesség, érvényesség
Mikorravállalt rendelkezésre állás, amelyre az átvevő tervezhet

A fenti adatok illusztrációk. Éles környezetben mindez a saját platformodon fut, a saját adattermékeidből, governance alatt, teljes audit traillel.

Az időzítés

Az átállás multinacionális környezetben már elindult. Most válik mindenki számára elérhetővé. Most van itt az úttörő előny.

2005

Az első banki real-time adatplatformok

Custom kód, specializált csapatok, éves projektek. A technológia létezett, de nem volt megfizethető.

2020

A nyílt forráskódú ökoszisztéma érettsége

Az adattechnológiák elérik az enterprise production szintet, nyílt forráskódon. A licencdíj nulla.

2026

Az általános elérhetőség pillanata

A teljes platform nyílt komponensekből összerakható. Aki most lép, a következő tervezési ciklusban már az adatvagyonából dönt.

Referenciák

Ahol már bizonyítottunk: éles környezetben, valódi téttel.

MBH Bank (korábban Magyar Bankholding)

Stratégia

Real-time adatplatform-stratégia

Magyarország második legnagyobb bankjának készítettünk real-time adatplatform-stratégiát: a bankösszeolvadásból örökölt, heterogén rendszerek fölé egységes, megbízható adatréteget terveztünk, a forrásrendszerek cseréje nélkül.

Erste Bank Hungary Zrt.

Élesben

Banki rendszerfejlesztés és adatintegráció

Core banki kiszolgáló rendszereket fejlesztünk és integrálunk: szigorúan szabályozott környezetben, napi banki üzemben, évek óta.

SzaktanácsadásK&HRaiffeisenCIBVilati Zrt.

Referenciaanyagok kérésre, NDA mellett: írj nekünk.

A módszertan

Hogyan dolgozunk: mit kapsz és mikor.

Három fázis. Mindegyikhez előre rögzített, számon kérhető átvételi feltétel tartozik, és amíg egy szakasz a saját kapuját nem teljesíti, nem lépünk tovább.

Felszabadítás

Az adat kiszabadítása a zárt rendszerekből

Mit csinálunk

Adatvagyon-audit: feltérképezzük, hol keletkezik az adat, ki felelős érte, hol romlik el. Feltárjuk a rejtett üzleti logikákat is: a triggereket, tárolt eljárásokat, batch jobokat, amelyekben a működési tudás rejtőzik. Forintosítjuk azt, amit eddig csak éreztél: mennyibe kerül naponta az adatkáosz.

Mit kapsz

  • Adatvagyon térkép: forrásrendszerek, adatáramlások, felelősségi körök
  • Az üzleti logika leltára: hol él a működési tudás, és mennyire van veszélyben
  • Üzleti hatáselemzés: a rendezetlen adat számszerűsített költsége
  • Prioritizált roadmap és architektúrajavaslat: a célállapot
Átvételi kapu

Az adatkáosz költsége kimutatva, a roadmap első lépése üzleti esettel alátámasztva, igazgatósági döntésre alkalmas formában.

Rendszerezés

Governance, minőség, egyetlen igazságforrás

Mit csinálunk

Az intelligens adatplatform felépítése, a valós idejű áramlási rétegtől a nyílt adatvagyon-rétegig. Az üzleti logika kiemelése a legacy rendszerek mélyéről: explicit, verziózott, auditálható platformszabályokká. És vele párhuzamosan a szervezeti oldal: adatgazdák kijelölése, közös fogalomtár-műhelyek az üzleti területekkel, mert a definíciókat nem mi találjuk ki, hanem veled tárjuk fel.

Mit kapsz

  • Működő platformalap: az adat elkezd mozogni, valós időben
  • Egyetlen igazságforrás: nyílt formátumban, a te tulajdonodban
  • Explicit üzleti logika: a rejtett szabályok a platformban, dokumentálva
  • Governance keretrendszer és data product katalógus: SLA-val, audit traillel
  • Felelősségi rend: kijelölt, betanított adatgazdák és közös fogalomtár
Átvételi kapu

A platform a 10–20 valós üzleti kérdésedre valós adaton válaszol, közösen kiértékelve, nem demóadaton bemutatva.

Értékteremtés

Az adat munkára fogása

Mit csinálunk

A rendbe tett adatrétegen üzleti értéket teremtünk a képesség-lépcső mentén: valós idejű dashboardok, prediktív analitika, LLM-alapú asszisztensek, és ha készen állsz rá, az Agentversum digitális munkatársai. Párhuzamosan, ha így döntesz, a legacy rendszerek ütemezett kivezetése, modulról modulra. És itt zajlik a tudásátadás is: szerepre szabott képzés éles feladatokon, playbookok, belső oktatók felkészítése.

Mit kapsz

  • Valós idejű döntési réteg: dashboardok, amelyek mindig aktuálisak
  • Működő AI use case-ek: a prediktív modellektől az autonóm agentekig
  • Legacy kivezetési roadmap: melyik rendszer mikor és mivel váltható ki
  • Mérhető ROI: az auditban számszerűsített költség csökkentése
  • Tudásátadás: képzett saját csapat, playbookok, önálló továbbvitel
Átvételi kapu

Minden use case az első fázisban rögzített kiindulási értékhez képest, visszamérve bizonyítja a hatását: nem beszámolóban, hanem számokban.

Minden fázisban, minden lépésben: a szoftver nyílt forráskódú, a tiéd marad. Nincs vendor lock-in. Nincs szállítói függőség. Amit mi adunk: a tudást, a tapasztalatot, és a garanciát, hogy elsőre jól sikerül.

Szegmensek

Minden szektor más ajtón lép be, ugyanabba a szobába.

Magyar állami és közintézményi szektor

A kormányzati digitalizáció következő hulláma az adatvezérelt kormányzás: ahol a szakpolitikai döntések valós idejű, megbízható adaton alapulnak.

A fájdalom

Tárcák és alárendelt szervek adatai egymástól elszigetelten élnek. A döntés-előkészítés manuális adatgyűjtésen alapul: lassú, hibalehetőséggel teli, nem auditálható.

A Dataversum ajánlata

Multi-tenant intelligens adatplatform: minden szerv saját adatszuverenitással, közös jogosultságkezelt rétegen. On-premise és privát cloud kompatibilis. Teljes audit trail. AI-ready alap a döntéstámogatástól az automatizálásig.

Miért minket

Éles, production környezetben megvalósított architektúra, ahol az adatkezelési hiba nem üzleti kár, hanem állampolgárokat érintő incidens.

Gyakori kérdések

Mielőtt felveszed a telefont: a leggyakoribb kérdések.

További kérdés van? Vedd fel velünk a kapcsolatot

Kezdjük itt

Az első lépés egy szám.

Az audit megmutatja, mennyibe kerül naponta az adatkáosz, és melyik az az egy pont, ahol a legtöbbet lehet nyerni a legkevesebb kockázattal. Ez az a szám, amely IT projektből igazgatósági döntést csinál.

Az adataidat kizárólag a kapcsolatfelvételre használjuk.

30 perces első hívásNDAKötelezettség nélkül

Kézzelfogható kezdés

Egy adatkör rendbe tétele

Egyetlen fontos adatkört viszünk végig: definíció, felelős, minőségi szabályok, adatszerződés, katalógusbejegyzés. Néhány hét alatt látható eredmény, mintaként a többihez.

Pilot egyeztetése

Bankszektori referencia

MBH Bank esettanulmány

A banki real-time adatplatform stratégiai anyag bemutatása, kérésre, NDA mellett.

Referenciaanyag igénylése

Executive összefoglaló

Az adatkáosz üzleti költsége

Egy oldalas executive összefoglaló, a felsővezetésnek is elmagyarázható: miért most és miért prioritás.

Összefoglaló kérése