Analitika je tista, ki osmisli podatke

Objavljeno: 28.12.2016 | Avtor: Miran Varga | Kategorija: Monitor Pro | Revija: Januar 2017

Poslovna analitika je ustreznica poživilom v športu. Kaj vse lahko z njo dosežejo podjetja, nam je na dogodku Analytics Experience 2016 pojasnil Wayne Thomson, glavni podatkovni znanstvenik družbe SAS.

Podatki so postali znanost v malem. Kako vi gledate nanje?

Podatki najrazličnejših vrst in oblik so kritični za razumevanje delovanja poslovnih procesov v podjetju. Z mojega zornega kota so dveh vrst – svetli in temni. Ukvarjam se predvsem s slednjimi, saj njihova vrednost ni tako očitna. V podatkih, ki bi jih marsikatero podjetje zavrglo ali ne upoštevalo, tako iščem različne signale in vrednost ter razvijam algoritme, ki to počno bolje od ljudi samih. Strojno učenje nam danes omogoča, da kakovostno obdelamo res velikanske količine podatkov in iz njih izluščimo vrednost.

Številna podjetja so pravzaprav pretresena nad količino podatkov in hitrostjo, s katero nastajajo. Kaj ta poplava podatkov pomeni za področje poslovne analitike?

Podatki analitiki predstavljajo delovno osnovo. Obožuje jih. S čim več podatki in viri podatkov operira podjetje, tem boljše in natančnejše odločitve lahko sklepajo zaposleni. Prav zaradi odločanja se podjetja toliko ukvarjajo s podatki. Ob tem ni pomembno zgolj to, ali so podatki strukturirani ali nestrukturirani. Podatki so res vseh vrst in oblik, tudi analitiki imamo čedalje več opravka s fotografijami, zvočnimi zapisi in video posnetki. V podatkih se skriva glas stranke. In kakšen skriti zaklad. Prav zato imajo trgovci, vlade, telekomi in druga velika podjetja že danes obsežna jezera podatkov, v katerih iščejo t. i. skrite zaklade.

Kako pa podjetja sploh ločijo med dobrimi in slabimi podatki?

To je naloga podatkovnih znanstvenikov. Sicer pa si podjetja veliko pomagajo z najsodobnejšo tehnologijo. Stroji in algoritmi so danes že tako dobri, da lahko samodejno izločijo večino slabih oziroma nepopolnih podatkov. Tehnike globokega učenja in preverjanja vzorcev podatkov so zelo učinkovite pri odkrivanju najrazličnejših anomalij in nepravilnosti, iz njih so se tudi razvile namenske funkcije, npr. odkrivanje različnih prevar, ki je danes nadvse učinkovito, posebej če ga uporablja zaposleni, ki natančno ve, kaj želi doseči. Odkrito povedano, danes večina podjetij ne uporablja niti ne potrebuje velikanskega števila funkcij in analitičnih orodij, zato pa na drugi strani krvavo potrebujejo podatkovne znanstvenike, ki znajo izvabiti kar najboljše iz podatkov. Podatke je namreč treba pred analizo ustrezno pripraviti, tudi učiti, saj nato v nadaljevanju kakovostni podatki v kombinaciji z naprednimi orodji in strokovnjaki s področja analitike podjetjem omogočijo res kakovostne rezultate. In s tem dober vpogled v poslovno prihodnost.

Imate kakšen recept, kako bi lahko podjetja kar najkoristneje uporabila podatke, ki jih imajo zbrane, oziroma so jim na voljo?

Kup načinov je, kako podatke uporabiti za razvoj poslovanja. Analitični pristopi so si v praksi precej podobni. Podjetja, ki uporabljajo analitične rešitve, navadno najprej razvijejo različne modele napovedovanja prihodnosti ter preizkušajo svoje formule obdelave podatkov. Nato na podlagi starih podatkov in že znanih rezultatov preverijo, ali izdelani napovedni model deluje skladno s pričakovanji, torej daje pravilne rezultate, takšne, ki držijo tudi v praksi. Pravi izziv pa je to početi s podatki, postreženimi v realnem času, torej sproti, na robu in pri strankah. A prav to od nas zahtevajo scenariji, ki zajemajo velikansko število naprav s področja interneta stvari, ki vsako sekundo ustvarijo nepredstavljivo veliko podatkov.

Zdi se, da so analitične rešitve skorajda vsemogoče. Koliko jim še manjka do tega ideala? Mar je kakšno področje, ki mu analitične rešitve ne danes ne jutri ne bodo kos?

Težko bodo nadomestile človeško domišljijo in širino uma. Človeka rad postavljam nad tehnologijo. Prepričan sem, da je tudi Picasso že v trenutku, ko si je ogledoval kos marmorja pred seboj, imel v možganih naslikano umetnino, ki jo je želel ustvariti. Torej je vedel, kaj želi doseči, še preden je kamen obdelal. V mojem besednjaku je torej moral zgolj odstraniti slabe podatke in razkriti umetnino. Tudi cilj podatkovnih znanstvenikov je ob pomoči umetne inteligence in vseh mogočih podatkov dobiti kar najboljši rezultat. Umetna pamet res hitro napreduje, prepričan sem, da bomo t. i. splošno umetno inteligenco v različni praksi videli še v tem stoletju. A zanašanje na algoritme ni vsemogočno, tega so se naučili tudi borzniki, ki so polagali velike upe v sisteme avtomatskega trgovanja. Kdo ve, morda se bodo čez nekaj deset let celo stroji lahko obnašali kot ljudje.

Raba analitičnih rešitev zahteva tudi ustrezna znanja zaposlenih. Povpraševanje po podatkovnih znanstvenikih se hitro povečuje, ustreznih strokovnjakov pa je resnično malo. Kako sicer vi definirate podatkovnega znanstvenika in kdo lahko to postane?

V bistvu sta pri mojem delu le dve vrsti podatkovnih znanstvenikov, oboje pa nujno potrebujem v svoji ekipi. Prvi so čistokrvni analitiki, recimo jim tip A, drugi pa razvojni inženirji in programerji, označimo jih kot »tip B«. V praksi sem najbolj vesel, če v ekipo dobim človeka, ki ima t. i. analitično krvno skupino AB. A takšnih profilov strokovnjakov je resnično malo, le za vzorec. Zato pogosto izobražujemo zaposlene, nekatere je pač mogoče naučiti drugih in dodatnih veščin, toda pri tem si ne delam utvar. Zavedam se, da je že v osnovi razlika med računalnikarji in analitiki velikanska, pri svojem delu pa preprosto potrebujem mešanico obeh vrst znanj. Prav zato je še toliko pomembneje ustvariti ustrezno delovno okolje, v katerem bosta obe vrsti strokovnjakov uspešno sodelovali in prenašali znanje druga na drugo.

Za marsikatero poslovno področje, npr. varnost, drži, da smo ljudje najšibkejši člen? Velja to tudi na področju analitike?

V bistvu je najšibkejši člen analitike to, da ji še ni uspelo prodreti v sleherno podjetje. Zato je toliko bolj omejena. Jasno, nemogoče je pričakovati, da bo večina zaposlenih razumela, kaj so regresijski modeli, in jih znala tudi uporabljati, a sodobna analitika že gre v smer kar največjih poenostavitev, saj ima jasen cilj – biti v službi vsakega zaposlenega in mu olajšati delo. Takrat, ko bodo vsi zaposleni v eni ali več oblikah dejavno uporabljali poslovno analitiko, bom resnično vesel. Želim si, da bi nekoč analitika postala tako priljubljena kot ure Citizen na Japonskem. Več desetletij že veljajo za trpežne, a ukrojene po meri posameznika.

Mislim, da bo k mejniku, kako analitiko spraviti v vsako poslovno okolje, še največ prispeval napredek na področju vizualizacije analitike in statistike. Pa tudi avtomatizacija in napredek najrazličnejših algoritmov – ko bodo stvari tako razvite, da bomo lahko aplikacijo ali napravo preprosto vprašali, kar nas zanima, kot to počnemo s sodelavci, bo cilj dosežen. Poslovna inteligenca in analitika bosta pač skriti pod površino oziroma za preglednim in enostavnim uporabniškim vmesnikom. Razen strokovnjakov nikogar ne bo zanimalo, kaj je »pod pokrovom«, dokler bo dajalo zanesljive rezultate.

Mar prežijo z rabo analitike tudi nevarnosti?

Nevarnosti so vedno prisotne. Podjetja morajo biti pragmatična in zastavljati prava vprašanja. Na slaba vprašanja vedno dobimo slabe odgovore. Treba je zelo paziti pri pripravi podatkov, pa tudi pri oblikovanju napovednih modelov. V praksi vse tisto, kar si zamislimo v teoriji, vendarle ne deluje. Analitične rešitve imajo več kritičnih gradnikov in predpostavk, stalno je treba spremljati njihovo »zdravstveno stanje«. Kdor se tega ne zaveda, to ignorira ali pa preprosto pozabi, bo prej ali slej v težavah. Podjetje si z nepremišljeno rabo analitike lahko naredi več škode kot koristi.

Poslovna inteligenca in analitika vse pogosteje nastopata v paru, pa čeprav sta precej različni področji. Lahko v prihodnje vendarle pričakujemo njuno zlitje na poslovnem področju?

Menim, da bo ta izziv v prihodnje vsekakor rešen, uresničilo ga bo t. i. zaznavno računalništvo, ki nam je v veliko pomoč že danes. V prihodnje bomo stvari spravili na to raven, da se bomo lahko pogovarjali z računalnikom in on z nami. Sistemu bomo zastavili vprašanje, on se bo »odpravil« v sef vseh podatkov in našel ustrezne odgovore. Počasi že gremo po tej poti, samo poglejte, koliko digitalnih osebnih pomočnikov nam je danes na voljo. Že Aristotel je predvidel obrise zaznavnega računalništva, Siri in podobne rešitve, ki se učijo na osebnih podatkih, pa so vsak dan bliže temu, da ljudje v praksi ne bodo več ločili med poslovno inteligenco in analitiko, šlo bo le za rešitve, ki nam dajejo odgovore na še tako kompleksna vprašanja.

Kako pomembno vlogo pa ima analitika pri digitalni preobrazbi podjetij?

Nadvse pomembno vlogo. Analitika je tista, ki osmisli podatke, ki jih zberejo internet stvari ali pa vtičniki API. Danes lahko slišite, da programska oprema požira oziroma krmili svet. A v bistvu ta vloga pripada vtičnikom API, s katerimi je možno povezati malone vse sisteme, naprave, podatke … Nič čudnega, da se želijo danes vsa podjetja preobraziti v programska in podatkovno gnana podjetja. Analitika je tako kot povezljivost eden ključnih sestavnih delov digitalne preobrazbe poslovanja.

Kakšna pa je vaša vizija za področje analitike, kaj vse nas še čaka?

Že omenjeno zaznavno računalništvo bo poskrbelo za velike spremembe. Glede vizije ne bi rad preveč napovedoval. Lahko vam naslikam prihodnjo prakso, za katero bo še kako zaslužna poslovna analitika. Takole gre: zjutraj vstanem in vse stvari in stroji morajo delati zame – mi povedati, kam letim, najti dobro parkirišče, mi vrteti osebno prilagojeno glasbo, najti prost sedež na letališču ... Končni rezultat vsega naštetega bo povsem individualizirana, torej meni na roko pisana uporabniška izkušnja.

V podatkih se skriva glas stranke. In kakšen skriti zaklad. Prav zato imajo trgovci, vlade, telekomi in druga velika podjetja že danes obsežna jezera podatkov, v katerih iščejo t. i. skrite zaklade.

Zanašanje na algoritme ni vsemogočno, tega so se naučili tudi borzniki, ki so polagali velike upe v sisteme avtomatskega trgovanja. Kdo ve, morda se bodo čez nekaj deset let celo stroji lahko obnašali kot ljudje.

K mejniku, kako analitiko spraviti v vsako poslovno okolje, bo največ prispeval napredek na področju vizualizacije analitike in statistike. Aplikacijo bomo preprosto vprašali, kar nas zanima.

Naroči se na redna tedenska ali mesečna obvestila o novih prispevkih na naši spletni strani!
Prijava

ph

Komentirajo lahko le prijavljeni uporabniki