Při budování podnikových řešení v oblasti data managementu, jako jsou metadatová úložiště, datové sklady, data lakes a podobně, se často setkáváme s požadavkem na uplatnění „agilního přístupu“ v kombinaci s garancí pevného rozsahu dodávky, pevného času a dodržení rozpočtu. Termín „agilní“ je v takových případech bezesporu používán nepřesně a zadavatel jím spíše označuje svoji představu, že „něco“ začneme dělat a budeme připravení „to“ všechno průběžně a kdykoliv libovolně měnit, a to včetně zásadních požadavků na to, co má být výsledným produktem a cílovým řešením. Taková představa je lákavá, ale kromě jiného je v zákonitém rozporu s požadavkem fixní ceny a času dodání.

Abych se vyhnul vstupu na tenký led terminologie v oblasti projektového řízení, udělám něco jako cimrmanovský úkrok stranou a zkusím definovat dva vlastní termíny. Prvním termínem bude „inženýrský přístup“. Ten funguje perfektně v situaci, kdy je možné dopředu přesně specifikovat, co má být dodáno. Předmětem takové dodávky může být cokoli, co již bylo mnohokrát opakováno a existuje pro to určitá obecná sada znalostí (tj. určitý „state of the art“ pro danou oblast). Inženýrský přístup předpokládá, že nejprve proběhne analýza požadavků, po jejich schválení se připraví detailní návrh (design) řešení a ten se a kompletně schválí. Pro takto specifikované dílo se sestaví odhady nákladů a pracnosti, projektový plán typu „waterfall“ a následně může dojít k realizaci. (Samozřejmě během realizace dochází ke změnám, které jsou však řádně řízeny a mělo by jich být relativně málo. V případě většího množství zásadnějších změn pak dochází k přeplánování celého projektu.) Veškerý design, odhady i plánování jsou založeny na dlouholetých znalostech a zkušenostech („inženýrství“), a měly by tedy být realistické, což mimo jiné znamená, že jakékoliv odchylky od plánu (zejména v čase, finančním rozpočtu, popřípadě v rozsahu nebo v kvalitě dodávky) jsou dohledatelné a vysvětlitelné.

Příkladem z jiného oboru než IT mohou být třeba projekty ve stavebnictví, které jsou často opakované a dobře porovnatelné. Na trhu existuje mnoho stavitelských firem, platí stejná pravidla a také regulace, kterým se shodně učí studenti stavebních oborů na různých vysokých školách. Také existují metriky, podle kterých je možné dopředu posoudit nebo ověřit odhady pracnosti a nákladovosti (například průměrné náklady na výstavbu metru čtverečního bytu v bytovém domě).

Realita je ale taková, že v oboru informačních technologií je čím dál méně projektů, které by umožňovaly čistý inženýrský přístup. A datové projekty jsou v rámci IT tím nejlepším příkladem. Důvody jsou nasnadě. Každý nový datový projekt je v podstatě unikátní, není tedy splněna podmínka opakovatelnosti. Často mají vzniknout řešení, která jsou v podstatě živým experimentem v dané oblasti. Čím je dynamičtější prostředí, ve kterém se nové projekty iniciují, tím obtížnější je pro zadavatele přesněji specifikovat rozsah, strukturu, nebo dokonce kvalitu požadované dodávky. Navíc projekty jsou čím dál více navzájem propojené a na sobě závislé, což vede k častějším a zásadnějším změnovým požadavkům. Výstupem projektů jsou mnohdy robustní řešení, takže realizace se plánuje na dlouhá období (roky), během kterých dochází k mnoha změnám priorit a obchodních potřeb zadavatele. V takovém kontextu je čistý inženýrský přístup s dopředným plánováním a důsledným vyčíslováním a promítáním (= projektováním) dopadů všech změn prakticky nepoužitelný. Jedním z hlavních rysů inženýrského přístupu je tedy dopředné detailní projektování.

Příroda kolem nás, ve které již po miliardy let běží jednoduchý, ale geniální program evoluce, má skvělé výsledky ve všech oborech. Bez projektu tak vznikly takové doslova zázračné objekty jako třeba mitochondrie v našich eukaryotických buňkách, které fungují jako mikroskopické elektrárny. Zatím asi nejúžasnějším výtvorem přírody je lidský mozek. I ten vznikl podle všeho bez připraveného projektu, bez pravidelných status meetingů, řídících výborů a prioritizačních komisí. Nevíme ani o tom, že by lidský mozek byl společným dílem entuziastických pracovníků v nějakých tribech a squadech podporovaných obětavými scrum mastery pod dohledem empatických agilních koučů, kteří se všichni dlouhé věky každé ráno přihlašovali stand-up cally a pak usilovně spolupracovali na vývoji neuronové sítě v šedé kůře mozkové.

Evoluce má ale několik „háčků“: je nepředvídatelná, nemá žádný cíl a má neuvěřitelně mnoho času a prostředků na vyzkoušení všech „slepých uliček“. Museli bychom mít opravdu velké štěstí, abychom jako zaměstnanci měli takové akcionáře nebo jako dodavatelé takové zákazníky a zadavatele, kteří by nám v roli sponzorů projektů řekli: „Dělejte si, co chcete, jak dlouho budete chtít a s neomezeným rozpočtem. My víme, že dříve nebo později vytvoříte něco opravdu úžasného.“ To je samozřejmě mimo realitu. Otázka tedy zní, jak „ochočit“ evoluci, aby sloužila nějakému předem určenému cíli. Možná to vypadá jako protimluv. Možná ale řešením pro komplexní projekty v dynamicky se měnícím prostředí je právě inteligentně řízená evoluce. Inteligence je někdy definovaná jako něco, co hledá cestu k vymezenému cíli – ať už je tím cílem snížení chudoby v zemích třetího světa nebo přeměna vesmíru v továrnu na papírové vlaštovky. Inteligentním řízením projektů rozumím neustálé a „holistické“ vyhodnocování situace na projektu uvažováním o vhodných změnách (ať už změnách celkového rozsahu nebo kvality cílové dodávky, změnách v dostupných kapacitách a jejich odbornosti, změnách v prioritách dodávek atd.). Hnacím motorem evoluce rozumím maximální míru svobody a tvořivosti každého prvku v soukolí. Inteligentně řízeným evolučním projektem rozumím takové působení poctivých odborníků s holistickým přehledem, kteří maximálně podporují vnitřní svobodu a tvořivost všech spolupracovníků a zároveň je postupně a aktivně směřují k nahrubo vytyčenému cíli, který se ale může měnit.

Inteligentní evoluce má tedy několik klíčových předpokladů – zkušené profesionály, jejich neustálou ochotu pokorně holisticky vyhodnocovat situaci a navrhovat změny cílů i prostředků k nim vedoucím, kontinuálně se učit a zejména o tom všem srozumitelně a s respektem k ostatním komunikovat. Můžu říci, že přinejmenším v oblasti komplexních datových projektů tyto předpoklady splňují konzultanti datové kompetence v Profinitu. V některém z dalších článků se pokusím popsat, jak takový řízeně evoluční proces vypadá v konkrétním projektu na vybudování a rozvoj datového skladu.

Autor: Petr Hájek

Information Management Advisor