Pochopení zákazníků, bleskové reporty, efektivnější výroba a výrazně pružnější rozhodování. Data mohou posunout váš byznys na novou úroveň. Ale potřebujete nástroje, které vám umožní data sesbírat, přečíst, a hlavně pochopit.

Vytěžit z dat tu správnou hodnotu je pro mnoho českých firem náročná výzva. Jak se prostřednictvím datové vědy propracovat k inovativnímu produktu či službě, která zajistí úspěch na trhu?

Nebojte se hledat v datech

Aby data mohla v byznysu sehrát zásadní roli, nesmějí ležet ladem. „Je třeba nahlížet na data ze všech stran, analyzovat je podle různých parametrů, kombinovat je a nalézt v nich nový pohled, nějakou novou informaci. Často dostanete překvapivé řešení, které vás předem ani nenapadlo,“ popisuje přínos datové vědy Viktor Němec, senior presales manager české pobočky společnosti Oracle.

Mnohdy jde o úlohy extrémně náročné na výpočet, ale díky cloudu mohou i menší firmy dosáhnout na potřebný výpočetní výkon a těžit z dostupných dat. A k dispozici jsou technologie, které se o analytiku postarají. Velké firmy, jako je Oracle, investují do výzkumu a vývoje, aby kromě základní správy databáze poskytly podnikům kompletní datovou a informační platformu pro data management.

Používejte kvalitní nástroje

Aby byl systém účinný, je třeba ukládat a zpracovávat velké objemy dat z interních firemních systémů a kombinovat je s externími daty ze sociálních sítí, sociodemografickými údaji, grafy, mapami, kalendáři, ale když je potřeba, tak i s předpovědí počasí. „Naším cílem je zajistit, aby podniky měly přístup ke všem potřebným datům bez ohledu na velikost firmy a bez ohledu na to, jak náročné úlohy si nad daty postaví,“ vysvětluje ředitelka české pobočky Oraclu Renata Dvořáková.

Ředitelka české pobočky Oraclu Renata Dvořáková

Ideálním řešením je integrovaná platforma, která zvládne ukládání, analýzu a interpretaci z různých zdrojů na jednom místě bez problémů s kompatibilitou. Není třeba jiné nářadí na každou úlohu. Multimodelová databáze Oraclu umožňuje ukládání a zpracování dat ve všemožných podobách, ať už jde například o text, obrázky, PDF soubory, či zvukové záznamy. V objemech dat ani v jejich složitosti dnes už firmy nic nelimituje.

„V podstatě dodáváme něco jako švýcarský nůž pro datové vědce. Zákazník ho může použít nejen jako obyčejný nůž, ale i jako pilku nebo vývrtku. Nebo – a to je naše hlavní výhoda – jako kombinaci všeho dohromady,“ říká Viktor Němec.

Změňte myšlení

Datová věda sice může přinést řadu výhod na trhu, ale není samospásná. Nový přístup k datům bude pravděpodobně znamenat, že se změní způsob rozhodování, nejspíš bude třeba reorganizovat týmy a přehodnotit strukturu společnosti i způsob práce.

Datová věda v byznysu
Data science využívá vědecké metody, procesy a pokročilé algoritmy k vytěžení informací z množiny dat. Data mohou být v různém formátu (nemusí být nutně strukturovaná), bývají to statistiky, obchodní záznamy, mapová data, grafy, údaje ze senzorů, údaje posbírané z webu, sociálních sítí či chytrých telefonů… Datová věda v nich analyzuje trendy a souvislosti, které umožňují firmám zvýšit efektivitu, zjednodušit rozhodování, poznat zákazníky a poskytnout jim inovativní produkty či služby. Data jsou základem inovací, ale jejich hodnota je závislá na informacích, které z nich datová věda vytěží. Zatímco ještě před pár lety nebylo možné složité algoritmy reálně spustit, současné cloudové technologie poskytují dostatečnou výpočetní kapacitu a jsou dostupné pro potřeby menších firem i obřích korporací – zákazník platí jen za výkon, který opravdu využívá, a může ho kdykoli zvýšit či naopak snížit.

Pokuste se změnit myšlení, vyhodnoťte si, jak podnik funguje a jak účinně a rychle je schopen dojít k rozhodnutím, která ovlivňují výkon. Neodklízejte datové experty a ajťáky do sklepů, ale zapojte je přímo do agilních týmů, které budou sdílet data a propojí se do funkčního ekosystému. Pokud nebudou postupy datové vědy integrovány do firemních procesů a systémů rozhodování, výrazně to sníží možnost spolupráce obchodních manažerů s datovými vědci.

Datová věda může být přínosem pouze ve chvíli, kdy je o tom přesvědčená celá firma. Každý musí pochopit, proč ke změně dochází, a podpořit rozhodnutí. Teprve pak může firma na datech skutečně začít vydělávat.

Jak otevřít švýcarský nůž

Platforma pro data science umožňuje nad daty a informacemi vybudovat v podstatě cokoli – od jednoduchých aplikací až po expertní systémy s vysokou přidanou hodnotou. Tady je několik příkladů:

Kdo je můj zákazník

Firmy se stále více zajímají o to, kdo jsou jejich zákazníci a co přesně chtějí. Datová věda nabízí detailní odpovědi díky analýze zpětné vazby, věrnostního programu nebo komentářů na sociálních sítích. Umí identifikovat klíčové demografické údaje, jako je věk, pohlaví, rodinný stav, vzdělání či příjem. Pokročilé systémy jsou dokonce schopny analyzovat digitální komunikaci a vyvodit z ní informace o životním stylu, osobních vlastnostech nebo příslušnosti ke společenské vrstvě. Zní to trochu jako Big Brother, ale firmám to umožňuje rozpoznat trendy a vytvořit pro zákazníky odpovídající produkt či službu nebo přesně zacílit reklamu.

 

Síť pod kontrolou

Díky kombinaci demografických a mapových dat je možné kontrolovat celou síť, ať už jde o obchod, či utility. Firma pak má dokonalý přehled o tom, jak se daří jednotlivým pobočkám či prodejcům, o co je v regionu zájem a jaký produkt naopak potřebuje podporu. Telekomunikační nebo energetické firmy zase díky analýze dat zvládnou lépe plánovat rozšiřování a posilování rozvodné sítě tak, aby nedocházelo k přetížení nebo naopak ke zbytečnému předimenzování sítě.

 

Rychlejší vyhodnocení

Kdo je rychlejší, udělá byznys. V pojišťovnictví či bankovnictví se využívají rychlé analýzy dat při scoringu klientů a rozhodování o tom, jak vysokou dostanou půjčku či pojistku. Rychlost rozhoduje i v dalších oborech. Moderní platformy pro data management a analytiku zkracují i nejnáročnější vyhodnocení dat z dnů na hodiny, některé úlohy zvládají dokonce v reálném čase.

 

Reporty a umělá inteligence

V českých firmách se reporty často vytvářejí zdlouhavě a neefektivně. Další úloha pro data science: inteligentní firemní systémy měří klíčové ukazatele výkonnosti (KPI) a vyhodnocují je. Oracle k tomu využívá umělou inteligenci a strojové učení. Systém se sám učí, které parametry se sledují nejčastěji, a pro ně si data chystá předem. Dokáže během vteřin zpracovat report, který běžně trvá několik hodin. Podobně AI zrychluje i další firemní procesy. „Oracle databáze je dostupná jako autonomní řešení. Cloud nám umožnil zavést prvky umělé inteligence, která provozování databáze sama optimalizuje a stará se o její bezproblémový chod. To znamená, že ať už je databáze provozovaná na vlastních serverech, nebo v podobě cloudové služby, obejde se bez ruční správy. Sama ladí svůj výkon, řeší případné problémy, instaluje opravy i bezpečnostní aktualizace,“ doplňuje Renata Dvořáková.

 

Snazší rozhodování

Rychlejší a přesnější měření KPI umožňuje manažerům rychlejší a přesnější rozhodování. Stejně jako roboti automatizují opakující se úkoly ve výrobě, datová věda může automatizovat některá provozní rozhodnutí a výrazně zefektivnit řízení. Ať už jde o cenovou politiku, propočítávání cash flow a provozních nákladů, sledování efektivity výroby a zaměstnanců, hledání příčin neúspěchu, či měření dopadu marketingových kampaní. Analýzy dat firmám navíc umožňují prediktivní rozhodování – inteligentní platforma dokáže sestavit prognózy příjmů a výsledků, identifikovat nové příležitosti a včas upozornit na hrozící problém. Uživatelé mají přehledný vizualizovaný přístup k průběžným změnám předpovědí, vidí související ukazatele a mohou neustále provádět revize plánů.

 

Služby budoucnosti

Když pravidelný zákazník prochází kolem obchodu, aplikace v telefonu mu předá zprávu, že jeho oblíbený sortiment je právě zlevněný… Systém velmi rychle vyhodnotí GPS souřadnice a databázi produktů, zákazníků i jejich preferencí. Výsledkem je individualizovaná služba, pokud o ni zákazník stojí. Jde o příklad extrémního využití dat, není to úloha typická pro data science, ale spíše jde o pokročilou analýzu dat a real time decisioning. Současné platformy ale umějí oboje – zvládnou složitou úlohu i extrémně rychlé zpracování v reálném čase.