Što je u biti Data Driven organizacija?

Organizacija je to koja većinu upravljanja temelji na konkretnim podacima i to na način da ih koristi ne samo prilikom donošenja odluka, nego i praćenja rezultata i efekata istih tih odluka te kontinuirano pronalazi načine na koje unaprijediti i bolje iskoristiti podatkovne resurse što nastaju unutar same tvrtke i u kombinaciji s podacima koji dolaze iz eksternih izvora.

Pri tome ne mislim samo na tehničku arhitekturu koja se odnosi na prikupljanje, čišćenje i analizu samih podataka, nego na kompletnu organizacijsku kulturu koja promiče i podrazumijeva dostupnost svih relevantnih podataka svim organizacijskim dijelovima s ciljem poboljšanja postojećih i kreiranja novih poslovnih procesa i proizvoda/usluga.

Koja je uopće vrijednost podataka za tvrtku danas?

Svakako moramo naglasiti to da se vrijednost i uloga podataka razlikuju po pojedinim granama industrije, ali istovremeno možemo reći da ne postoji industrija čije se način poslovanja već sada nije uvelike promijenio ili će se uvelike promijeniti u bližoj budućnosti i to na način da će dostupnost i način korištenja podataka definirati konkurentnost i održivost poslovanja na tržištu.

Moje mišljenje je da sve što se skriva iza pojmova kao što su big data, advanced analytics, data science i slične buzzworde možemo svesti na jedan cilj, a to je: omogućiti poboljšanje postojećih ili uvođenje novih poslovnih proizvoda/usluga koji se temelje na ogromnim podatkovnim skupovima te kompleksnim analitičkim algoritmima i to na profitabilan način.

Pri tome naglasak moramo staviti na 'profitabilan način' jer postoji jako velik broj primjera ideja i teorijskih algoritama koji su poznati odavno, ali ih nije bilo moguće primijeniti u poslovanju zbog neodgovarajućih ili preskupih tehnoloških rješenja dostupnih u to vrijeme.

Kao primjer možemo uzeti analize komunikacijskih mreža te uloga pojedinaca u takvoj mreži što se temelje na metodama teorije grafova (social network analysis), a koje su poznate još od početka 20. stoljeća, ali nisu mogle doživjeti značajniju primjenu jer nije bilo moguće prikupiti ni spremiti tako velike podatkovne skupove - niti je bilo moguće izvoditi tako kompleksne algoritme na tehnološkim platformama dostupnim u to vrijeme.

Ovakva rješenja su se počela koristiti u telekomima tijekom zadnjeg desetljeća u kontekstu boljeg predviđanja churna, ciljanih kampanja i sl., a sve to je moguće iz nekoliko razloga:

• telekomi imaju informaciju o tome tko s kim komunicira, koliko često i dugo
• pojavili su se big data i druge open source tehnologije i alati koji omogućavanju spremanje i procesiranje tolike količine podataka uz minimalne troškove.

S tim da za ovaj konkretan primjer već sada možemo navesti da promjenom načina na koji ljudi komuniciraju (sve manje razgovora/poziva, SMS je skoro potpuno zastario, sve više razmjena poruka i poziva putem aplikacija kao što su Viber, Whatsapp, Skype i sl.) dostupnost i potpunost podataka o tome tko s kim koliko komunicira više nije dostupna ni samim telekom operaterima, što samo dokazuje koliko se pojedine industrije brzo i nepredvidljivo transformiraju.

Mogućnost spremanja i procesiranja ogromne količine podataka je postala dostupna svima tako da je sad moguće realizirati ideje koje su potpuno nove ili koje su postojale već duže vrijeme. Podaci su se 'bacali' jer ih je bilo preskupo čuvati i/ili ih nije bilo moguće procesirati kompleksnijim algoritmima uz prihvatljive troškove.

Koje sektore u Hrvatskoj prepoznajete kao one koji najviše ulažu u podatkovnu znanost (data science)?

Tu svakako moramo primarno navesti telekomunikacije i financije (koji su i naši glavni klijenti) koji su već osnovali i dedicirane odjele što se bave isključivo ovom tematikom, ali sve je više primjera iz drugih grana kao što su energetika, osiguranja, maloprodaja itd.

Evo imamo i svježi primjer iz sektora energetike, a radi se o projektu koji smo mi kao tvrtka Neos uspješno implementirali za Gradsku plinaru Zagreb i odnosi se na prediktivne modele potrošnje plina koji koriste interno dostupne povijesne podatke o potrošnji plina te eksterne podatke o vremenskoj prognozi i očekivanim temperaturama. Rezultati predikcija se koriste za unapređenje procesa nabave plina te optimizacije distribucijske mreže. Više o samom projektu i iskustvima možete čuti na predavanju na ovogodišnjoj Data Science Economy konferenciji.

Kolika je potražnja kompanija za stručnjacima, bez obzira traže li zaposlenike sa specifičnim vještinama ili specijalizirane tvrtke za to područje? Premašuje li ponuda potražnju ili je obrnuto?

Trenutno je na tržištu velik nerazmjer između ponude i potražnje, tj. potražnja za stručnjacima u većini IT područja je puno veća nego što je ponuda na tržištu rada. Vjerojatno razloge možemo pronaći u činjenici da je velik broj postojećih stručnjaka otišao raditi u inozemstvo, a i velik broj mladih ljudi koji završe fakultet odlazi u inozemstvo a da uopće ne započnu radni vijek u Hrvatskoj.

U kontekstu stručnjaka za data science situacija je još problematičnija s obzirom da se radi o specifičnim profilima koji moraju imati širok spektar znanja (poslovna, tehnološka, kompleksne statističke i analitičke metode) i dodatno biti vrlo kreativni i istraživačkog duha jer se većinom radi na način da nema unaprijed definiranih smjerova analiza i podataka od interesa.

U Neosu od samog osnutka (a na tržištu smo već više od 15 godina) ulažemo puno u razvoj vlastitih kadrova i to na način da 'odgajamo' ljude koji su certificirani i imaju znanja ne samo iz tehnološkog aspekta, nego i konkretnih poslovnih domena (npr. financijska industrija, telekom i sl.) te samim time osiguravamo dodatnu vrijednost za klijente na način da sudjelujemo i u poslovnim definicijama zahtjeva s iskustvima s drugih projekata, preispitujemo i predlažemo moguće smjerove i ideje.

Sama činjenica da imamo kontinuirano otvoren natječaj za radna mjesta različitih profila te trenutno imamo potrebu za dodatnih 20-ak stručnjaka različitih profila govori o tome koliki je nedostatak stručnjaka odgovarajućeg profila.

Što donosi ovogodišnja Data Science Economy konferencija i zašto bismo trebali sudjelovati na njoj?

DSE 2018 donosi pregled novih trendova, alata, koncepata, ali i konkretnih iskustava i projekata koji se odnose na data science. Mislim da je osnovna prednost ove konferencije ta da ju je organizirala data science zajednica koja se sastoji od različitih firmi i pojedinaca što se bave ovom tematikom, dok je dobar dio sličnih konferencija organiziran isključivo od pojedinog vendora koji će naravno potencirati vlastita rješenja i alate. Mislim da ove godine imamo priliku čuti puno zanimljivih predavanja i radionica, ali i ne treba zanemariti neformalni dio konferencije, u kojem imate priliku jedan-na-jedan popričati s ljudima koji imaju konkretna iskustva i mogu pomoći konkretnim savjetima ili novim poslovnim suradnjama.

Može li se u Hrvatskoj osoba adekvatno educirati na području podatkovne znanosti?

S obzirom da se radi o vrlo traženim zanimanjima, postoji veći broj privatnih i državnih institucija koje nude programe što obrađuju tematiku na vrlo kvalitetan način, s tim da treba uzeti u obzir to da se radi o području koje zahtijeva prije svega poznavanje velikog broja različitih tehnologija, metoda koje se daju naučiti na odgovarajućim programima, ali jednako je važno i da se radi o osobi koja posjeduje odlike kao što su analitičnost, kreativnost - kako se na engl. kaže, thinking out of the box - što ne može garantirati nijedan tečaj ili program. Pored navedenih izvora, mišljenja sam da je još uvijek glavni izvor edukacije sam internet s bezbroj primjera, članaka, tehnologija na ovu tematiku, tako da mislim da ljudi iz Hrvatske imaju iste mogućnosti za profiliranje u ovom segmentu kao i oni iz drugih zemalja.

Ova tema je dosta interesantna i često smo u situaciji da odgovaramo na slična pitanja pa smo zato odlučili i organizirati panel na ovogodišnjoj konferenciji upravo na ovu temu te će se moći iz prve ruke čuti mišljenja različitih institucija koje nude usluge edukacije iz sfere data sciencea.