Διαβάζοντας τις χιλιάδες λέξεις της πρόσφατης κριτικής για τη νέα κυβερνητική πλατφόρμα PosoKanei, σε ένα νεόκοπο αλλά με μεγάλη μαρκίζα site, η πρώτη σκέψη που έρχεται στο μυαλό κάποιου που παρακολουθεί καθημερινά το ελληνικό οικοσύστημα των startups και του enterprise software είναι μία: Η τάση να διυλίζουμε τον κώνωπα, χάνοντας εντελώς τη μεγάλη εικόνα.
Η εφαρμογή λανσαρίστηκε, δουλεύει, υποστηρίζεται από επαγγελματίες και προσφέρει μια κεντρική λύση σε ένα πιεστικό πρόβλημα. Γιατί, λοιπόν, γράφτηκαν τόσες λέξεις για να αποδομηθεί; Ας δούμε την πραγματικότητα με όρους αγοράς.
1. Το “σκάνδαλο” των 370.000 Ευρώ: Ένας enterprise ρεαλισμός
Το αφήγημα ότι «υπάρχουν εργαλεία που απαιτούν κλάσμα αυτών των χρημάτων» συγκρίνει ανόμοια πράγματα: ένα ερασιτεχνικό web scraper με μια enterprise υποδομή. Τα 370.000 ευρώ για ένα GovTech έργο εθνικής εμβέλειας δεν είναι απλά λογικό ποσό, είναι απολύτως «value for money».
Το budget αυτό καλύπτει:
- Ανάπτυξη 3 διαφορετικών υποδομών: Web πλατφόρμα, Native iOS App και Native Android App, φτιαγμένα για high traffic.
- Βαριά ERP Integrations: Δεν μιλάμε για “διάβασμα” μιας ιστοσελίδας. Μιλάμε για απευθείας διασύνδεση με τα πολύπλοκα (και συχνά δυσκίνητα) συστήματα ERP των σούπερ μάρκετ, διαχειριζόμενα 10.000+ κωδικούς σε πραγματικό χρόνο.
- 15 Μήνες SLA και υποστήριξης: Η ανάδοχος εταιρεία έχει δεσμευμένους μηχανικούς (DevOps, Backend, QA) για να συντηρούν το σύστημα, να λύνουν προβλήματα και να κάνουν προσαρμογές για ενάμιση χρόνο.
- Ανθρώπινο δυναμικό: Μια τέτοια ομάδα απαιτεί τουλάχιστον 7-8 εξειδικευμένους επαγγελματίες (Project Managers, Data Engineers, Developers). Με τα σημερινά κόστη της αγοράς πληροφορικής, τα νούμερα δικαιολογούνται απόλυτα.
2. Το τεράστιο challenge του Data Normalization
Η κριτική εστιάζει στο ότι η αναζήτηση για “gouda” βγάζει διαφορετικά αποτελέσματα από το “γκούντα”. Αυτό δεν είναι ένα απλό bug, αλλά ίσως το μεγαλύτερο πρόβλημα στην επιστήμη των δεδομένων: το Data Normalization.
Όταν το ένα σούπερ μάρκετ καταχωρεί στο σύστημά του το «ΓΑΛΑ ΦΡΕΣΚΟ 1Λ», το άλλο το «ΦΡΕΣΚΟ ΓΑΛΑ 1LT» και το τρίτο το «ΓΑΛΑ ΠΛΗΡΕΣ 1000ML», η ενοποίηση αυτών των βάσεων ώστε το σύστημα να αναγνωρίσει το ίδιο ακριβώς προϊόν είναι ένας εφιάλτης Data Engineering. Το ότι το σύστημα το πετυχαίνει ήδη σε μεγάλο βαθμό είναι τεχνολογικό επίτευγμα και μάλιστα μας δίνει και μέσες τιμές ευρωπαϊκών σουπερμάρκετ στα αντίστοιχα προϊόντα με δυνατότητα να προτείνουμε και άλλα εκτός Ελλάδας σουπερμάρκετ!
3. Κυβερνοασφάλεια και Anti-DDoS vs. «Εφιάλτης»
Ο συντάκτης αναφέρει ότι μετά από 4 σκαναρίσματα η εφαρμογή «κλείδωσε» με ένα κακομεταφρασμένο μήνυμα. Στον κόσμο του software, το Rate Limiting δεν είναι σφάλμα, είναι βασικό χαρακτηριστικό ασφαλείας.
Μια επίσημη κυβερνητική υποδομή (gov.gr) υφίσταται αυστηρά Penetration Tests και πρέπει να είναι GDPR Compliant. Το όριο στα requests υπάρχει ακριβώς για να αποτρέψει τα bots και τα κακόβουλα scrapers από το να «ρίξουν» τους servers (DDoS επιθέσεις). Το αν το όριο ήταν πολύ αυστηρό τις πρώτες μέρες είναι ζήτημα ενός απλού patch, όχι δομική αποτυχία.
4. Το ιδεολόγημα των Open APIs και η βιωσιμότητα
Γιατί το κράτος δεν δίνει τα δεδομένα μέσω Open API σε ανεξάρτητους developers; Η απάντηση είναι απλή: Τα δεδομένα δεν του ανήκουν. Οι αλυσίδες συναίνεσαν στο να ανοίξουν τα συστήματά τους αποκλειστικά για τη θεσμική ενημέρωση του πολίτη, όχι για να γίνουν δωρεάν πάροχοι data για εμπορική εκμετάλλευση από τρίτους.
Επιπλέον, υπάρχει το ζήτημα της βιωσιμότητας (sustainability). Τα ανεξάρτητα scraping projects είναι ρομαντικά, αλλά συνήθως εφήμερα. Αργά ή γρήγορα, οι δημιουργοί τους αδυνατούν να καλύψουν τα κόστη των servers ή τα καταστήματα αλλάζουν τον κώδικά τους και η υπηρεσία «σπάει». Οι πολίτες χρειάζονται μια μόνιμη, θεσμική υποδομή.
5. Το Business ROI για τον πολίτη
Ας δούμε την απόσβεση της επένδυσης (ROI) με startup λογική. Το έργο κόστισε 370.000 ευρώ. Αν 200.000 νοικοκυριά χρησιμοποιήσουν την εφαρμογή και εξοικονομήσουν μόλις 5 ευρώ τον μήνα το καθένα, η κοινωνία γλιτώνει συνολικά 1.000.000 ευρώ κάθε μήνα. Η πλατφόρμα, δηλαδή, κάνει απόσβεση του κόστους κατασκευής της μέσα στις πρώτες 15 ημέρες λειτουργίας της.
Προσωπικά γλίτωσα 2 ευρώ για τη φέτα που προτιμώ σε ένα προϊόν σε μια αγορά.
Συμπέρασμα
Στο οικοσύστημα της τεχνολογίας, υπάρχει ένας χρυσός κανόνας: “Done is better than perfect”. Το PosoKanei είναι ένα Minimum Viable Product (MVP) που βγήκε live, λειτουργεί, έχει σοβαρές enterprise βάσεις και λύνει ένα πραγματικό πρόβλημα (ακρίβεια). Οι όποιες «παιδικές ασθένειες» θα λυθούν με τα επόμενα updates.
Αντί να αναλωνόμαστε σε θεωρητικές tech-γκρίνιες, οι οποίες αναιρούνται μάλιστα από τους ειδικούς που φιλοξενούνται στο άρθρο, ας αναγνωρίσουμε ότι το κράτος αρχίζει επιτέλους να λειτουργεί ως σωστός Product Owner.
Τα υπόλοιπα είναι απλώς «θόρυβος» για τα clicks ή τεχνολογική ημιμάθεια.
