Podcast

Ahoj, tady Jirka Vyšarek. Vítám vás u dalšího dílu DataTalku, našeho podcastu o datech s profesionály, kteří mají k datům a jejich využití co říct. Mým dnešním hostem je přesně takový člověk, Honza Kučera z DataMoulu. Ahoj, Honzo.

Ahoj, Jirko, díky za pozvání. Na tvé prezentaci na DataMashi bylo úplně super, a proto bych se jí rád věnoval podrobněji. Ty jsi tam vyprávěl o IoT, o vaší IoT platformě, o tom, jak dnes IoT svět vypadá. Já bych ale začal tebou samotným. V tuto chvíli jsi produktový manažer v DataMoulu, ale tvoje datová kariéra je nejvíc spojena s GoodData, kde jsi strávil, pokud vím, téměř celou dekádu. Tak nám pověz, jak vlastně vypadá tvůj příběh a jak tvá datová kariéra probíhala doposud.

Moje datová kariéra začala, řekněme, někdy před patnácti lety a začala už v Siemensu, kde jsem vlastně ještě při škole dělal databázového architekta. Tam jsem ale moc dlouho nevydržel. Později jsem přešel do GoodData, kde jsem se postupně vypracoval až na produktového manažera, řekněme. Našel jsem cestu z technických rolí právě do produktového managementu. Myslím si, že teď hodně těžím i z toho mého technického zázemí. Nakonec jsem se dostal do společnosti DataMoul.

Společnost DataMoul se zaměřuje typicky na digitalizaci firem, ale není to digitalizace bankovních domén, spíše se jedná o firmy, které produkují nějaký fyzický majetek. Můžeme se bavit například o traktorech, o robotech, které svářejí, o výrobních linkách, automatických sběračích ovoce a podobně. DataMoul se snaží do těchto firem přinést přístup založený na datech (data-driven approach) a pomoci jim optimalizovat jejich byznys. Myslím, že DataMoul je na to poměrně dobře vybavený, protože zde nemáme jenom datové inženýry, ale i silný tým data science.

Je důležité říct, že DataMoul je v tuto chvíli vlastně agentura, tedy poskytuje professional services, je to tak?

Ano, je to z velké části professional services, nicméně během naší práce na různých projektech jsme identifikovali určité společné vzory v řešeních a některé části těch řešení, která doručujeme zákazníkům, se snažíme produktizovat.

A právě tady přicházíš ty? Tvoje role je tedy převzít jednotlivé části, které jste používali v custom vývoji pro klienty, a udělat z nich produkt?

Ano, přesně tak.

A proč právě IoT ze všech těch věcí? Jak to, že právě v této oblasti vidíte nejvíce příležitostí?

Osobně můžu říct, že IoT pro mě představuje něco skutečně spojeného s fyzickým světem. Jak jsem zmiňoval, v GoodData jsme spolupracovali s bankami, bylo tam hodně implementací v e-commerce a podobně, ale nelíbilo se mi, že jsem neviděl přímou a konkrétní hodnotu pro zákazníka. Nebyl jsem například úplně nadšený z toho, že jsme zákazníkovi zvýšili příjmy o 10 %. Samozřejmě je to fajn, zákazník to ocení, ale já jsem z toho necítil naplnění. Proto jsem hledal něco jiného, co mi dnes DataMoul dává.

U IoT vidím skutečný end-to-end proces. My skutečně nasbíráme data, ta data zpracujeme a zpětně třeba instruujeme nějakého robota, což je IoT zařízení, aby něco dělal jinak. Ve výsledku to může znamenat, že například nějakému zvířeti na farmě se vede lépe, odhalíme nemoc dříve než plně propukne, a díky tomu se zvířeti daří lépe. To fyzické má určitě svůj apel, obzvlášť po tom, co člověk stráví deset let v datech, databázích a jedničkách a nulách v amerických Fortune 500 firmách. Chápu tedy, že farma má svůj půvab.

Moje otázka ale směřuje na IoT jako takové. Jste agentura, řešíte tedy více use cases. Proč vidíte potenciál právě v tomto produktu a ne třeba v dalších třiceti, které jste mohli vyvinout z opětovného použití kódu?

Vidíme, že naši zákazníci mají problém například s kolekcí dat. Trh IoT ještě není úplně dospělý. Když se podíváme na klasickou datovou oblast, se kterou se posluchači běžně setkávají, kde se pracuje se zdroji dat a jejich konsolidací, tak tato oblast je poměrně vyspělá, ale IoT trh rozhodně ne. Proto v této oblasti vidíme příležitost pomoci zákazníkům s kolekcí dat, s monitorováním fyzických aktiv a budováním hodnoty nad těmi daty, která sbíráme.

Rozumím. Takže tady ještě nejsou standardy, je to pole neorané, a je tam podobná příležitost jako při změně cloud BI paradigmatu před lety v GoodData. Přichází tedy nová vlna IoT, kde stále chybí standardy, nejsou tam velcí hráči a teprve se tvoří protokoly, je to tak?

Ano, přesně tak, vidím to stejně jako ty. Standardizace pomalu vzniká, ale opravdu velmi pomalu. Přibližně před pěti lety se předpokládalo, že dneska bude standardizace a jasně sepsané osvědčené postupy, jak se IoT řešení budují, ale zatím tomu tak není. Trh IoT platforem je stále ještě v počátcích.

Vidíme některé systémy, které se označují za IoT platformy, ale tyto systémy často nesplňují současnou definici IoT platformy, takže je dnes už neoznačuji za skutečné IoT platformy.

Můžeš být konkrétnější? Jak jsi říkal ještě před vysíláním, tvůj hlavní fokus není ani tak na IoT jako celek, ale spíše na průmyslový IoT, tedy využití v průmyslu a firmách. Jak si mám představit škálu vstupů, se kterými pracujete? Na DataMashi jsi hezky popisoval zařízení, která podporujete na vaší platformě. Co vám všechno do platformy přichází z různých zařízení?

Určitě je zásadní rozlišovat mezi IoT obecně a industriálním IoT, jak jsi zmínil. To první je široké a například sem neřadíme Apple Watch nebo chytré ledničky, které posílají data a lze je ovládat na dálku.

My se bavíme o instalacích, kde máte třeba 30,000, 40,000 nebo i 50,000 zařízení – robotů, s nimiž je potřeba pracovat. A zde je nutný zcela odlišný přístup oproti klasickému řešení.

Představ si, že potřebuješ nasadit nového robota na farmu. Nikdo si nemůže dovolit, aby kvůli tomu člověk strávil celý den instalací a kontrolou konektivity s cloudem. Zařízení proto musí být schopné instalace bez přítomnosti člověka (unattended instalace). Zařízení se musí autentikovat do cloudu, musí proběhnout provisioning, protože samozřejmě nechceme, aby jakékoliv zařízení mohlo posílat data do platformy.

Taková inicializace není v IoT na běžném pořádku. Například u Apple Watch vlastní uživatel zařízení inicializuje, přihlásí se do iCloudu a podobně, ale zde jsou požadavky mnohem vyšší.

Stejné je to s efektivitou platformy. Pokud máme instalaci s padesáti tisíci zařízeními, musí být správa a provoz velmi efektivní.

Bavíme se tedy o průmyslových IoT zařízeních. Nejsou to například Tesla Boti, co házejí slámu, ale…?

Jaký typ zařízení to tedy je? Když říkáš deployovat zařízení, co to znamená? Já viděl robota, drbadlo, přihrnovač slámy a podobně.

Ano, například na konferenci jsem zmiňoval zákazníka Lely, který vyrábí zemědělské roboty. Tito roboti například dojí krávy, sečí trávu, uklízejí po zvířatech a krmí je. Farma pak může být prakticky bez dohledu obsluhy po určitou dobu.

Pokud půjdeme mimo Lely do výrobního sektoru, může to být robotická ruka, například na pásech, kde je mnoho senzorů sbírajících data o chodu linky. Může to být například linka na přepravu ovoce, kde je důležitá sensorika, protože jsou nepřijatelné odstávky linky – znamenaly by finanční ztráty.

Data ze senzorů slouží například k prediktivní údržbě, kdy říkáme například: „Za týden se pravděpodobně linka zadře, je tam špatné ložisko, naměřili jsme vyšší proudy, vyměň to,“ aby se předešlo neplánovaným výpadkům.

Takže se bavíme o těchto typech zařízení v IoT. Na tyto use case se DataMoul specializuje a nyní na jejich základě budujete váš produkt, který máš na starost. To znamená, že jsi velmi hluboko v datových produktech pro IoT. Už jsi jich asi dost vyzkoušel.

Jaký je stav trhu s IoT nyní? Jaká je situace, jaké jsou požadavky klientů? Poptávají toto klienti, nebo to více tlačí výrobci?

Přímou poptávku po IoT platformě bych nepovažoval za nejčastější, protože IoT platforma je jen určitý enabling nástroj, nástroj, který zákazníkům pomáhá budovat IoT řešení.

Na druhou stranu IoT platforma výrazně zkracuje dobu implementace, protože každý zákazník musí vyřešit sběr dat, což není jednoduchý problém. Existuje mnoho různých zařízení, výrobců a protokolů, různé verze softwaru, které se chovají odlišně.

Integrace proto nepřináší zákazníkovi hodnotu, je to spíše překážka, kterou musí překonat.

IoT platforma výrazně zkracuje tuto integrační fázi.

Výsledkem je, že můžeme data efektivně sbírat a nad nimi stavět smysluplné řešení, které přináší peníze.

Platforma je tedy takovým základem, kostrou, která dlouhodobě snižuje náklady.

Velmi zajímavé, připomíná mi to opravdu webovou analytiku před deseti lety.

Když jsem měl tady Lukáše Uhla, říkal, že data se dnes sbírají na jedno místo daleko jednodušeji.

U IoT to ale zatím neplatí.

Zatím ne, zatím ještě ne. My to právě chceme změnit, a to je smysl rozvoje našeho IoT produktu.

Škála protokolů je široká, nikdy nepodporujeme všechno, ale můžeme pokrýt třeba 80 % protokolů, které jsou na trhu nejčastější.

Tím výrazně zkrátíme integrační část pro zákazníka.

Pořád to ale není ve stavu, kdy by zákazník IoT platformu dostal a sám si ji začal plně implementovat.

Stále potřebujeme naši účast, profesionální služby, které zákazníkovi s integrací pomáhají.

Musíme nejprve zmapovat prostředí u klienta, protože není všude stejné a často nás to překvapuje.

Tak mi pověz o některých překvapeních, co pro tebe znamenalo vystřízlivění po GoodData, po práci s Fortune 500 firmami, které všechny jsou AI-driven, ad.

A teď jste na farmě.

No, tam je škála problémů opravdu široká.

Od zcela chybějících konektivních modulů – prostě ti roboti nejsou schopni připojit se do lokální sítě nebo internetu, vůbec nikam.

Tam moc nezmůžeme, je to na zákazníkovi, kterého instruujeme, aby případně zařízení upgradowal, přidal konektivitu.

Druhá oblast jsou datové formáty.

Potýkáme se s binárními daty, přes různé obskurní custom protokoly, které zákazníci interně vyvinuli, a s kterými se musíme integrovat.

Musíme stavět datové můstky, které převedou tato proprietární data do formátu, se kterým se dá dále pracovat v cloudu.

Toto bylo například u zákazníka Lely, který měl vlastní proprietární protokol.

U novějších generací robotů už existuje uvědomění, že data se budou sbírat a pracovat s nimi, ale mnoho zařízení je i pět až deset let starých, a tam jsou integrační můstky stále potřeba.

Ptal jsi se na stav trhu IoT platforem.

Já to vidím velmi pozitivně.

Kdyby tomu tak nebylo, nejspíš bych v produkci IoT produktu nepokračoval.

Vidím to pozitivně, protože investice, které se očekávají do této oblasti, jsou poměrně vysoké.

Firmy se masivně digitalizují, a to i ty, které vyrábějí fyzické asety.

Před pěti až deseti lety začaly podobné změny v bankovním sektoru a nyní přichází i do fyzického světa – zejména poslední roky.

To je velmi pozitivní trend.

Enterprise firmy hodlají do těchto řešení výrazně investovat.

Pro DataMoul je to zcela jasný pozitivní trend.

Rozumím.

Vidím to stejně, vidím Gartnerův hype cyklus.

Byly doby, kdy se řešilo například Sigfox, LoRa a různé IoT aliance.

Poslední tři roky bylo ticho.

Nyní již vidíme reálné use case.

Gartnerův hype cyklus asi opravdu funguje.

Teď jsme u dna propasti a směřujeme vzhůru.

Vnímáš to podobně?

Ano, přesně tak.

O IoT se mluví už i deset let.

Teď nastává chvíle, kdy vytváříme digitální dvojčata a jsme schopni softwarem přes internet ovládat fyzický svět stále lépe.

Víc věcí je programovatelných.

Z éry chytrých ledniček se stávají reálné use case.

Vidím to stejně.

Jediné, co bych chtěl, je, aby to šlo rychleji.

Myslím, že velký zásek způsobila i pandemie COVID-19. Firmy berou tyto projekty jako inovace, které se často škrtají při krizi.

Takže skutečně vidíme zpomalení kvůli COVIDu.

OVIDu. Mluvil jsi o Gartner kvadrantu, který začíná být poměrně zaplněný, řekněme, v tom Gartner kvadrantu se objevuje stále více konkurence. Jsou tam někteří staří hráči typu Thingworks nebo Cumulocity platformy, které zde jsou zhruba posledních pět až deset let. I tyto platformy se upravují podle určitých pravidel toho, jak by dnes a v budoucnu měla IoT platforma vypadat.

Existují komponenty, které jsou dnes poměrně dobře popsané, například nějaký konektivní modul, nějaký zpracování dat a tak dále. To je poměrně dobře zmapováno. Tyto platformy tyto požadavky ještě před pár lety nesplňovaly, ale nyní se začínají dorovnávat k vznikajícím standardům. Stále to není nějaký oficiální revize nebo tak něco, ale už existuje určitý přepis, který IoT komunita uznává, jak by měla IoT platforma vypadat a jaké komponenty by měla obsahovat.

Je také vidět, jak velcí cloudoví hráči do toho investují. Velcí poskytovatelé cloudových služeb jako AWS, Azure a GCP zde dělají velké investice. Microsoft do toho vkládá pravděpodobně nejvíce finančních prostředků a jejich IoT stack na platformě Azure je dnes nejdospělejší. Google a Amazon ho velmi rychle dohánějí a je vidět, že také investují poměrně dost peněz.

Když jsem zmiňoval Thingworks a Cumulocity, dříve běžely jejich platformy na on-premise řešeních, ale dnes také migrují své platformy do cloudu. Infrastruktura nabízená těmito poskytovateli je totiž skutečně vyspělá a již nedává smysl vyvíjet ji interně in-house.

To je pro mě zajímavé, protože v Gartner Hype Cycle je další fenomén, a to Edge Computing, který je velmi spojený s IoT světem a konceptem „Connected Everything“. Jakmile je například osázen každý strom v lese senzory, může spotřebovávat vlastní server, aby se data neposílala celá přes internet. Jak tohle vnímáš? Dokážeme doběhnout do fáze, kdy budeme mít Edge Computing jako připravenou věc, jednu z těch funkcí, které musí dnešní IoT platforma obsahovat?

Za mě je to rozhodně „must have“. Když se bavíme o dospělosti, Edge Computing je podle mě ještě mladší a méně dospělý než IoT obecně. Nicméně je podle mě extrémně důležitou komponentou. Můžeme si představit situaci, kdy nechceme po internetu posílat video soubory, ale potřebujeme například počítat průjezd aut na velmi vytížené silnici kvůli řízení semaforu, abychom mohli optimalizovat dopravní tok. Pokud máme kameru, která snímá průjezd, a videofeed by tékal přímo do cloudu, bylo by to nerealizovatelné, zejména protože konektivita na takových místech pravděpodobně nebude dobrá.

Potřebujeme proto určité rozlišení videa, abychom dokázali dobře detekovat objekty. Typický use case pro edge computing je proto takový, že na nějakém zařízení blíže kameře běží určitý workload, který detekuje vozidla, počítá jejich počet a posílá jenom tu informaci do cloudu, například jednoduchý JSON soubor, kde prochází jen pár kilobajtů dat jednou za půl hodiny. To je vše, co potřebujeme.

Určitě tedy vidím edge computing jako velmi důležitou funkci pro IoT platformy a přijde mi, že je to skutečně „must have“.

Super, říkáš, že je to „must have“, ale realita klientů je na druhou stranu jiná, jak jsi zmínil. Když si to představím v roce 2022, přicházíte s tímto k zákazníkům, jaké jsou nejčastější u nich use casey a co vlastně v tuto chvíli v IIoT klienti řeší?

Ano, je to pravda. Za mě je to určitě „must have“, ale klient samozřejmě nepřijde s tím, že by potřeboval edge computing. Tito lidé jsou typicky úplně z jiné oblasti, než jsme my. My máme spoustu cloud inženýrů schopných stavět IoT řešení a máme určité zkušenosti s embedded engineeringem, ale klienti většinou rozumí své doméně, ale nerozumí tomu, jakio IoT stack vypadá, takže obvykle nepřijdou s požadavkem „potřebuji edge computing“.

Přicházejí typicky s tím, že chtějí centrálně zprávu svých strojů. To je prostě use case – centrální správa strojů z jednoho místa, vlastním portál, kde vidím všechny své stroje, mohu je nějak obsluhovat, restartovat, updatovat, vidím, jestli mají dost provozních kapalin, jestli tam jsou nějaké alarmy, že je třeba vyslat technika. Oni však zpravidla nepřicházejí s tím, že nám budou předepisovat celý IoT stack.

Nemůžeme jim tedy nabídnout off-the-shelf produkt, říkat „hele, tohle je IoT platforma, ta vám všecky problémy vyřeší“. Spíše děláme požadavkovou analýzu společně se zákazníkem a snažíme se rozumět jejich byznysovým požadavkům.

Pak jim typicky řekneme: „OK, potřebujete edge zařízení, které řeší edge computing, protože nelze posílat velké video soubory přes cloud.“ To už je pro zákazníka implementační detail.

Dneska je situace taková, že zákazník není na trhu s množstvím řešení, kde by si řekl: „Chci tuhle IoT řešení,“ přičemž je tam padesát produktů. Existuje jen několik, řekněme use caseů v IoT nebo spíš v průmyslovém IIoT, které jsou již dostatečně vyspělé, aby mohly být označeny jako hotový produkt. Jeden z nich je prediktivní údržba nebo asset monitoring, jak se tomu typicky říká.

Prediktivní údržba jde ve zkratce o to, že nechceme, aby se nám zastavila výroba nebo linka. Roboti a výrobní linky potřebují údržbu a nechceme řešit problém ve chvíli, kdy nastane, ale chceme ho předpovědět s předstihem třeba týdne, abychom měli čas na plánování, náhradní díly a mohli efektivně stroj odstavit na pár minut mimo provoz.

Asset monitoring znamená monitoring těch zařízení – vidím, v jakém stavu jsou, mám katalog zařízení, a to je další typický příklad.

Dnes existují pouze pár use caseů, u kterých není vyžadován větší vývoj na míru. I tak musí přijít řešitel řešení a správně systém nastavit, aby fungoval. Není tedy desítky sledovatelných use caseů, kde by si zákazník jen vybral a systém by „magicky“ fungoval. Je stále mnoho integrační a implementační práce.

V tomto kontextu: Vaše Data Mall IoT platforma má být univerzální generalistická platforma na všechny use case, nebo směřujete spíše k nějaké specializaci a užší profilaci?

To je skvělá otázka. Dnes budujeme generickou platformu, na které vývojáři mohou stavět IoT řešení.

Naší hlavní personou je developer. Chceme, aby platforma byla přístupná developerům, abychom otevřeli IoT svět vývojářské komunitě a poskytli jim všechny nástroje, aby mohli stavět IoT řešení komfortně.

Nepotřebujeme, aby řešili implementační detaily, jako je integrace s konkrétním zařízením, chci, aby pracovali s daty ze strojů v dobře strukturované formě, kterou jim předzpracujeme. Chceme jim dát všechny nástroje, které jim usnadní vytváření byznysové hodnoty pro zákazníka.

V tomto směru se tedy vydáváme.

Je možné, že jakmile budeme dostatečně vyspělí, uvedeme marketplace, kde si uživatel bude moci nainstalovat modul, který například řeší prediktivní údržbu.

Vidíme však, že u našich zákazníků to téměř vždy vede ke custom implementacím. Marketing je tu rychlejší a často se mluví o produktizovaných řešeních, ale realita je taková, že je potřeba systém velmi přizpůsobit a je to spojeno s hodně práce na vývoji. Na internetu lze najít řadu produktizovaných use caseů, ale ve skutečnosti jsou dva až tři takové, které lze spíše konfigurovat než vyvíjet.

Super. Když je tedy tvoje cílová skupina developer, jak bys je nadchnul, motivoval či inspiroval, aby si začali hrát a zajímali se o IoT data?

Myslím si, že IoT je úplně nová oblast, alespoň pro většinu vývojářů. Není mnoho vývojářů, kteří pracují přímo s machine daty. Pokud chce tedy někdo sáhnout po trochu jiných datech a tvořit chytrá řešení nad machine daty, které nejsou úplně jednoduchá na zpracování a vyžadují určité přemýšlení a kreativitu, jak z těchto dat dostat hodnotu, zkuste si roztočit trial na IoT platformě a vyzkoušet to sami.

Můžete začít s generovanými daty, kde vás provedeme procesem, jak s platformou pracovat. Potom můžete vzít Raspberry Pi – není to sice průmyslový IoT, ale koncepty jsou velmi podobné. Vybavte si Raspberry Pi deseti senzory, postavte doma malou meteostanici, začněte data tlačit do cloudu, začněte dělat základní dashboardy.

A pak můžete s daty pracovat dál, například instruovat chytrý termostat k úpravě teploty na základě kombinace vlhkosti, teploty nebo hladiny CO2.

Hrajte si s tímto způsobem, myslím, že je to skvělý vstup do IoT světa.

Mě zaujal tvůj nápad chytré meteostanice. Co čekáš, že se bude dít nyní a v následujícím období v Datamallu, a co vše můžeme očekávat v následujícím roce v IoT světě? Na co bychom měli sledovat, na co se těšíš a čeho se bojíš?

Začnu druhou částí otázky. Myslím, že v IoT světě bude pokračovat prohlubování standardizace. Doufám, že jednoho dne dojdeme do stavu, kdy nebudeme muset dělat mnoho integračních protokolů, ale bude jich jen pár, například pět, které pokryjí 95 % trhu. Budou dobře popsané a vznikne jistý blueprint pro IoT řešení.

Dnes píšeme vlastní standardy, každá platforma či integrátor přijde s vlastním návrhem a čeká, jestli jej komunita přijme, ale ve výsledku jich existuje třeba třicet nebo padesát a každý dělá věci podle svého.

Doufám v konsolidaci blueprintů, což usnadní vývoj a použití IoT platforem, a vývojáři budou moci jednodušeji stavět řešení, která skutečně slouží uživatelům.

Co se týče Datamallu, jednou z našich priorit je oslovování vývojářské komunity. Jak jsem již říkal, chceme tvořit platformu hlavně pro developery, aby se nadchli pro stavbu IoT řešení.

V jaké jsme teď fázi? Jsme v betaverzi?

Jsme nyní v určitém beta stavu, i když bych to nenazval zcela hotovým produktem, ale v prvotní fázi. Jsme zatím spíše interně uzavření, ale chceme velmi brzy vydat první veřejnou verzi. Plánujeme první release do konce roku.

Produkt již máme validovaný u mnoha zákazníků, máme hotové šablony IoT řešení, která běží. Podvozek je skutečně IoT platforma, říkáme mu kernel, a rozšiřujeme jej o specifické moduly přímo pro dané zákazníky.

Máme celý základ vybudovaný a chceme s tím vyjít tento rok ven.

Super, držím palce. Díky. Doufám, že se za rok uvidíme s novými funkcemi a novinkami z IoT trhu.

Díky moc, Honzo.

Také děkuji.

Děkuji, že jste doposlouchali DataTalk až sem. Jak se vám tato epizoda líbila? Co bychom na našem podcastu mohli zlepšit? Koho byste chtěli příště pozvat? Dejte mi prosím vědět, co si o tom myslíte. Můžete to udělat osobně na příštím datameš meetup, nebo hned teď na e-mail: jirka@datatalk.cz.

Pokud se vám tato epizoda líbila, prosím, doporučte ji dále, klikejte na srdíčka, na hvězdičky a dejte odběr, aby naše dashboardy svítily zeleně, křivky letěly vzhůru a všichni stakeholdeři schvalovali extra rozpočet.

Ještě jednou vám děkuji. Poděkování patří také mým kolegům Nikovi a Iris, stejně jako členům našeho partnerského klubu Big Hub, Deep Note, Atakamně a Manitě.

Pokud máte návrhy, tipy na hosty či témata, děláte vlastní akci nebo chcete komunitu podpořit jinak, určitě mi dejte vědět. Díky.

Nechť vás provází data.