Analityka jest sztuką przekuwania danych w najlepsze decyzje

Wierzę, że wiedza merytoryczna pracownika jest najcenniejsza i to do niego powinna dopasować się technologia – nie odwrotnie. Narzędzia muszą wyzwolić potencjał wiedzy użytkownika – przekonuje nasz rozmówca.

W nowym cyklu wywiadów prezentujemy rozmowy z członkami rady programowej think tanku „How To Do IT”. Dziś na nasze pytania odpowiada Patryk Choroś, Business Development Director w SAS Polska.

Wiele badań wskazuje, że zaawansowana analityka badań stanie się oczywistą i fundamentalną częścią biznesu. Dlaczego? Co, pytając wprost, „dają” nam dane i narzędzia do ich analizowania?

Już dzisiaj zaawansowana analityka stała się fundamentalną częścią biznesu. Dlaczego? Zacznijmy od początku: na czym opiera się biznes? Na umiejętności podejmowania dobrych decyzji. Może to być na przykład decyzja banku czy sklepu internetowego o rekomendacji konkretnych produktów dla klienta. Trafienie „w punkt” – czyli dopasowanie do klienta w odpowiednim momencie – to gwarancja sukcesu. Takie decyzje mogą mieć szerokie spektrum oddziaływania. Dla firm produkcyjnych oznaczają na przykład wykorzystanie okienka zakupowego dla surowca. Umiejętność zebrania informacji opisujących całość łańcucha produkcyjnego aż po punkty sprzedaży ułatwia oszacowanie marży, jaką uzyskamy, i podjęcie bardzo strategicznej decyzji zakupowej. Skorzystanie z możliwości optymalizacji scenariuszy biznesowych pozwala nam odnajdywać takie plany działań, które maksymalizują marżę.

Analityka jest dziś sztuką przekuwania danych w optymalne, podjęte we właściwym czasie decyzje. Na tym jednak nie można poprzestać, a wskazane powyżej działania to tylko metoda na utrzymanie pozycji lidera, a nie gwarancja do wyprzedzenia konkurencji. Zwinność w aplikowaniu analityki i włączaniu nowych danych do procesów biznesowych pozwala na budowanie trwałych przewag konkurencyjnych. Dobrym przykładem jest tutaj Intercars – firma niesamowicie rozwinęła się w ostatnich latach właśnie dzięki wykorzystaniu analityki do zmiany zasad konkurowania na już mocno nasyconym rynku. Przy zachowaniu racjonalnego gospodarowania kapitałem i pojemnością sieci dystrybucyjnej udało jej się konkurować dostępnością towaru. Taką umiejętność dała jej analityka i możliwość dokładnego prognozowania popytu. Konkurując dostępnością towarów, uciekła od redukowania marż, a zdobyte w ten sposób środki umiejętnie zainwestowała w ekspansję. Dzisiaj jest międzynarodowym potentatem.

Jak analityka może pomóc firmie w konkretnych wyzwaniach, np. HR‑owych czy sprzedażowych?

Obszar rozwiązań HR jest bardzo ciekawy. I nie mam tu na myśli wyłącznie rozwiązań wspierających selekcję kandydatów i analityczne dopasowywanie osób do ścieżek kariery. Analityka wspiera proces planowania pracy w trzech głównych obszarach.

Pierwszym z nich są metody służące do przewidywania przyszłego zapotrzebowania na pracę (np. obciążenia zgłoszeniami, liczby kasjerów itp.). Tzw. analityka predykcyjna pozwala na wychwytywanie wzorców i zależności występujących w przeszłości oraz wykorzystanie płynących z nich wniosków do tworzenia prognoz.

Drugi obszar rozwiązań służy do wskazywania najlepszego wariantu z dostępnej puli – zazwyczaj ograniczonej szeregiem założeń. Są to wspomniane już powyżej badania operacyjne. Ograniczenia uwzględnione w modelu mogą obejmować m.in. dostępne zasoby, preferencje pracowników czy wymogi kodeksu pracy. Analityka pozwala m.in. na znajdowanie optymalnego układu, kolejności bądź przypisania pracowników do zadań, które minimalizuje wskazaną funkcję kosztu. Skuteczne wdrożenie zaawansowanej analityki zapewnia automatyzację tego procesu, przyśpiesza go oraz pozwala na uwzględnienie większej liczby czynników i wygenerowanie liczniejszych rekomendacji niż nawet wysoko wykwalifikowany specjalista.

Ostatni obszar to metody symulacyjne. Wykorzystuje się je do przewidywania zachowania systemów, którego nie sposób przewidzieć w prosty sposób. Przykładem mogą być procesy o charakterze losowym – kiedy pojawienie się zmian bądź nowych elementów nie następuje zgodnie z ustalonym wcześniej planem. Przeprowadzenie setek lub tysięcy symulacji pozwala ocenić na przykład, jak otwarcie kolejnego punktu obsługi wpłynie na czas oczekiwania klienta. Metody te dają możliwość ewaluacji zmian przed ich wdrożeniem do procesu oraz weryfikacji uzyskanych rozwiązań.

Pytałeś również o sprzedaż. Dane i analityka są też nierozłącznym składnikiem działania firm i procesów sprzedaży. Niekwestionowanym liderem jest Nestlé. Tam analityka znalazła szereg zastosowań – od prognozowania sprzedaży nowych produktów przez szacowanie potencjału nowych lokalizacji aż po dobór asortymentu oferowanego w sklepach. Dzięki analityce firmy handlowe mogą dobierać ceny oferowanych towarów do typów lokalizacji, maksymalizować marże w koszykach zakupowych klientów, badać efektywność i projektować najlepsze promocje.

Zrozumienie zachowań dzisiejszego klienta jest zadaniem trudnym, ale analiza danych zebranych z paragonów przynosi wiedzę niezbędną przy skutecznym rozwijaniu sieci sprzedaży. Firma handlowa musi trwale ewoluować, dopasowując się do preferencji swoich klientów – to właśnie umiejętność gromadzenia danych i ich analizy gwarantuje skuteczność w tym procesie. Analiza koszykowa, tzw. współkupowania, pokazuje trendy, pozwala dobierać asortyment i przewidywać zapotrzebowanie. Steruje nawet układem towarów w sklepie oraz ułatwia negocjacje z partnerami handlowymi, dostarczając jednoznacznych informacji o potencjale danej lokalizacji.

Praktyka pokazuje jednak, że wcale nie tak łatwo być organizacją napędzaną przez dane (data‑driven). Jakie wyzwania i trudności trzeba pokonać na drodze do efektywnego wykorzystywania danych w codziennej działalności biznesowej?

Rzeczywiście droga od pozyskania danych do podejmowania skutecznych i efektywnych działań jest pełna barier i wyzwań. Na szczęście mamy szereg przykładów wskazujących najlepsze praktyki w ich przełamywaniu. Naszych klientów prowadzimy krok po kroku przez tzw. cykl analityczny.

W pierwszym kroku skupiamy się na pozyskiwaniu danych, ich integracji i udostępnieniu do analizy przez użytkowników. Tu trzeba pamiętać o nowych klasach danych, jakich dostarcza nam cyfrowa gospodarka. To zarówno dane niestrukturalne (tekst), jak i szybko napływające strumienie zdarzeń (np. z rozwiązań inteligentnych maszyn). Wszystko to wymaga integracji, weryfikacji i bieżącej kontroli jakości, możliwość scalenia w widok przedstawiający klienta, transakcję, towar lub punkt sprzedaży. Z pomocą przychodzą tu lekkie i zwinne rozwiązania dostosowane do umiejętności użytkownika. Wdrażamy narzędzia wizualne, gdzie bez konieczności programowania i ze wsparciem analityki możemy klasyfikować zmienne (system podpowiada typ danych i ich znaczenie), oceniać jakość i kompletność danych, wykorzystywać gotowe procesy poprawy i standaryzacji informacji. Tak budowane w locie zbiory są podstawą do dalszej analizy i modelowania.

Wierzę, że wiedza merytoryczna pracownika jest najcenniejsza i to do niego powinna dopasowywać się technologia – nie odwrotnie. Narzędzia muszą wyzwalać potencjał wiedzy użytkownika, uwalniać go od żmudnych i powtarzalnych zadań na rzecz innowacji. Wtedy organizacja będzie zdolna zbudować atrakcyjne miejsca pracy, a na rynku utrzymać pozycję lidera. Strategie takie nazywamy demokratyzacją analityki i danych – budujemy środowiska dostępne dla każdego pracownika, przystępne w sposobie użycia i pozbawione ograniczeń co do możliwości uzyskiwania odpowiedzi na pytania biznesowe. W ten sposób łamiemy bariery wdrożenia rozwiązań analitycznych.

Wnioski, które można odnaleźć w danych dzięki zaawansowanej analityce, muszą przekładać się na działanie organizacji. Właśnie dlatego w momencie, kiedy już zbudowane są modele analityczne (np. rekomendacyjne lub prognozujące popyt) skutecznie należy je wpleść w działanie systemów IT firmy. To najważniejszy krok, ponieważ jest on również podstawą automatyzacji podejmowania decyzji. W tym celu, w ramach realizowanych przez nas wdrożeń, uruchamiamy silniki reguł decyzyjnych. Wybór narzędzia jest tu podyktowany złożonością reguł, stopniem integracji z analityką (np. automatyzacja monitorowania jakości prognoz z modeli analitycznych) oraz dynamiką napływania danych (inne podejście należy stosować w przetwarzaniu danych w czasie zbliżonym do rzeczywistego). W badaniach dojrzałości analitycznej realizowanych przez SAS aspekt umiejętności przekładania wniosków na decyzje identyfikowany jest jako kluczowy aspekt sukcesu inwestycji w rozwój analityki.

Czy do narzędzi analitycznych trzeba „dorosnąć”? Innymi słowy: czy są firmy za małe, za młode na stosowanie zaawansowanych narzędzi? Może w pierwszej kolejności powinny się skupić na innych obszarach biznesu?

Nie ma firm za małych i za młodych na analitykę. Szczególnie w czasach, gdy analityka może być podstawą ich pozycji konkurencyjnej. To, na co należy zwracać uwagę, to dobór narzędzi. W SAS umiemy zaprojektować środowisko analityczne dopasowane do potrzeb i zastosowań klienta. Inaczej wybieramy architekturę i narzędzia dla kilkuosobowego zespołu analityków, a inaczej dla dużego zespołu Data science odpowiedzialnego za utrzymanie równocześnie działających kilkudziesięciu modeli uczenia maszynowego. Za każdym razem w centrum decyzji jest użytkownik i zadanie przed nim stojące.

Na początek drogi, dla firm, które nie mają pewności co do wartości płynących z analityki, proponujemy samoobsługowe narzędzia wizualizacyjne. W nich w prosty sposób można połączyć zebrane dane, poddać je analizie. Co ciekawe, już na etapie budowania prostych wizualizacji pozwalamy na sięgnięcie po zaawansowane modele data mining. Użytkownik z zaledwie podstawową wiedzą matematyczną jest w stanie samodzielnie, za pomocą kilku kliknięć, zbudować prognozę popytu czy zidentyfikować segmenty klientów lub transakcji. Na tej podstawie, jeszcze bez automatyzacji, już można usprawniać swój biznes, lepiej rozumieć miejsca powstawania największych marż, badać efektywność realizowanych zleceń i dopasowywać się do nowych grup klientów.

Wraz z rozwojem narzędzi analitycznych oraz z ich zwiększoną dostępnością, rosnąć będzie też zapotrzebowanie na nowe zawody i specjalizacje. Jakie kompetencje powinni rozwijać w sobie liderzy – a jakie pracownicy – by być gotowymi na przyszłość?

Dużo mówi się o analityce zabierającej miejsca pracy. To nieprawda tak długo, jak długo rzeczywiście skupimy się na dopasowywaniu do zmieniających się zadań i obowiązków pracowników. Wykorzystanie danych, ich analiza i projektowanie nowych usługi i produktów w cyfrowej przestrzeni gospodarki tworzą cały szereg nowych miejsc pracy. Informacje o tym można odnaleźć w opracowaniach firm doradczych i specjalizujących się w rekrutacji i zarządzaniu kadrami. Nowe zawody wiążą się z umiejętnością aplikowania zaawansowanej analityki do procesów biznesowych – od przygotowania danych poprzez dobór metody analitycznej aż po interpretację wyników. To wszystko jednak realizowane jest w świetle kompetencji biznesowej, która jest fundamentem data science. Czyli pierwszy krok do rozwoju własnych kadr każdy przedsiębiorca ma poczyniony.

Pracownicy powinni przede wszystkim przygotować się w najbliższych latach na odejście od mechanicznego wykonywania swoich obowiązków. W tym obszarze zastąpią ich programowe roboty lub wyspecjalizowane modele analityczne (uczenie maszynowe lub sztuczna inteligencja). Czym oni będą się zatem zajmować? Będą fundamentem budowania relacji z klientami i dostawcami, staną się innowatorami projektującymi nowe metody realizacji strategii firm, w których pracują. A ci, którzy będą rozwijać się w statystyce i ekonometrii, zostaną projektantami algorytmów i specjalistami data science. Zapewne w określonym zakresie konieczne będzie pozyskanie z rynku nowych kadr – szczególnie jeżeli chodzi o kompetencje programistyczne, ale na to także będziemy gotowi. SAS od lat współpracuje z uczelniami, skutecznie kształcąc specjalistów data science.

Za to dla liderów i szefów firm transformacja analityczna będzie dużo większym wyzwaniem. Dynamika zmian, jakie będą obserwować na rynku, konieczność orientacji w otoczeniu i zapewnienia zwinności swojej własnej organizacji będą nie lada wyzwaniem. To, czego nie mogą zaniedbać, to kształcenie w zakresie umiejętności zarządzania innowacją, stałego doskonalenia i pogłębiania wiedzy o możliwościach technologicznych oraz umiejętności przyciągania talentów. Od tych cech będzie w przyszłości zależał los ich przedsiębiorstw.