S: Pred štyrmi-piatimi rokmi znamenalo spojenie big data veľký trend, postupne sa z toho stal buzzword. Čo dnes znamenajú big data?
Áno, tých pár rokov dozadu to bolo azda najčastejšie skloňované spojenie. O dátach sa hovorilo v médiách, na konferenciách, firmy sa predbiehali v teóriách, ako sa má s nimi pracovať, čo je potrebné urobiť, aby ste spoznali svojho zákazníka, ale väčšinou to ostalo len „pri rečiach“. V mnohých prípadoch sa pozabudlo na samotnú exekúciu, respektíve nevedeli, ako na to, keďže táto tematika bola v našom regióne pomerne nová. Big data sú momentálne stále téma, ale prezliekla sa do buzzwordov ako machine learning, A.I. alebo prediktívne analýzy. Firmy však až dnes začínajú pomaly narážať na niečo, čo pred pár rokmi zanedbali.
S: A nie je to zase len iný názov?
V dobe, keď sa riešili big data ako téma, bol hlavný problém to, ako ich získať, spracovať a ukladať. Momentálne je však problém úplne inde. Firmy majú enormné množstvo dát z mnohých zdrojov, ktorých kvalita je otázna a ktoré následne nevedia interpretovať. Buzzwordy spomenuté vyššie by mali práve s interpretáciou pomôcť, samozrejme, len za predpokladu, že sú dáta kvalitou v poriadku.
S: Nech to nazveme akokoľvek, môžeme povedať, že firmy aj tak riešia stále tie isté problémy...
Áno, hlavným problémom je veľmi nízka kvalita dát. Ak sa firmy nezamerajú práve na zlepšenie ich kvality a procesy s dátami súvisiace, môžu implementovať tie najlepšie nástroje a ani to nebude stačiť. Dnes sa však, po rokoch nečinnosti, ostali do doby, že výrazne cítia, že majú zlé dáta, zlú dátovú kvalitu, ktorá sa už odráža aj na výsledkoch.
S: Prečo je to tak, prečo firmy tých päť rokov nič nerobili... Prečo až teraz prichádza impulz?
Nedá sa povedať, že firmy nič nerobili. Z dlhodobého hľadiska však existuje stále mantra, že všetky IT systémy musia byť dodávané jednou veľkou spoločnosťou, a tým postupom času vznikla takzvaná ERP-centrická štruktúra, keď sa všetky nové požiadavky doslova lepili do jedného systému, čím vznikol „moloch“, ktorého administrácia a správa je takmer nemožná. Samozrejme, takmer všetky tieto systémy sa stavajú na drahej lokálnej serverovej infraštruktúre a dodávatelia využívajú nevedomosť firiem, a to, že firmy sú doslova ich rukojemníkmi. Impulzom je vyššia konkurencia a to, že prichádzajú stále nové zdroje dát a požiadavky, ktoré už nie je možné len tak jednoducho prilepiť. Čím viac sa potreba zmeny odďaľuje, tým bude bolestnejšia.
S: A nie je to aj o samotnom postoji manažérov? Predsa len, urobiť si poriadok v dátach je nákladová položka a efekt sa môže dostaviť až v dlhodobom horizonte.
Mnoho manažérov, nie len tých, ktorí sú zodpovední za dáta, sa bojí zmeny. Jednoducho sa boja urobiť rozhodnutie. Pozície sa často striedajú a tlaky na budgety sú veľké. Pritom si však neuvedomujú, ak majú byť náklady jeden rok stotisíc, tak o pár rokov to môže byť pol milióna.
S: Vieme povedať príklad?
Jednoduchým príkladom je cloud, ktorým sa dajú výrazne ušetriť náklady. Dodávatelia však v mnohých prípadoch firmy odhovárajú, lebo časť ich biznis modelu je založená na servisovaní a updatoch.
S: Tak čo má motivovať manažérov nastúpiť na cestu zmeny? Kde majú vidieť reálny prínos, keď nie vo zvýšení zisku?
Poviem to inak. Ak vzniká potreba pracovať s dátami, treba si uvedomiť, že síce na jednej strane investujú, ale na strane druhej šetria náklady. Takmer 80 % manuálnej práce ľudí súvisiacej s dátami sa dá dnes plne automatizovať. Pre jednu spoločnosť sme robili analýzu a zistilo sa, že len tvorba pravidelných reportov trvala 560 hodín mesačne, čiže 3,5 človeka. Tento čas sa dal reálne skrátiť na minimum a ľudia boli buď presunutí na zmysluplnejšiu činnosť, alebo sa znížili stavy. V tomto prípade bola nutná investícia do agregačnej platformy, ale ROI celej zmeny bolo jednoznačné.
S: Dá sa teda jednoznačne monetizovať prínos lepšej práce s dátami?
V niektorých prípadoch ako optimalizácia skladových zásob alebo cielenie zákazníkov sa, samozrejme, dá. V iných, kde je hlavným efektom zjednodušenie práce a šetrenie času zamestnancov, je to zložitejšie.
S: Napríklad?
Najlepším príkladom je prípadová štúdia v rámci retailovej siete v módnom segmente, ktorú sme riešili. Hlavným problémom boli nadmerné a staré skladové zásoby. V prvej fáze bolo nutné vyriešiť category management, aby bolo vôbec možné produkty správne triediť a následne efektívne vypredávať.
S: Čo ste spravili?
Prvotnou analýzou sme vyhodnotili dostupné dáta, vedeli sme, čo sú ležiaky, čo nové produkty, vyčistili sme databázu zákazníkov, spárovali ich s nákupnou históriou. Napríklad podľa cenovej senzitivity alebo produktových preferencií. Zistili sme, že 10 – 15 % skladových zásob sa vieme zbaviť presným cielením na relevantných zákazníkov. Následne sme nastavili nový systém plánovania a objednávok. Uvoľnením finančných prostriedkov zo starých skladových zásob bolo možné objednávať nové produkty, ktoré sa predávali s vyššou maržou. V tomto príklade bol reálny dosah na hrubú maržu a náklady na cudzie zdroje financovania.
S: Takže o dáta sa firmy začínajú znova zaujímať, mnohé dokonca hľadajú vyslovene špecialistov na túto oblasť.
Tento trend je v zahraničí už dlhšie, u nás sa prejavuje teraz. Vznikajú nové pozície, ktoré majú v kompetencii práve starostlivosť o dáta. Keď si zoberieme naše firmy doteraz, a to aj veľké, v ich štruktúre priamo neexistuje niekto, kto je zodpovedný za kvalitu dát, dátové zdroje a všetky systémy dát. Problémom je však nedostatok kvalifikovaných a skúsených ľudí na trhu.
S: Firmy u nás sa začínajú v mene dát intenzívnejšie spamätávať. Ktoré hlavne sú tie osvietené?
Vo všeobecnosti ide o firmy, ktorých sa dotýkajú nové legislatívne nariadenia, ako napríklad GDPR. Ako som už však spomenul, veľkým problémom je kvalita a množstvo ľudí na trhu a ich nedostatok sa bude ďalej prehlbovať. Čiže spoločnosti, ktoré majú skôr väčšiu pravdepodobnosť nájsť správnych ľudí.
S: A síce?
Sú to firmy z bankového sektora, maloobchodu a distribúcie.
S: Ktoré firmy by mali akútne dáta riešiť, ale neuvedomujú si túto potrebu?
Určite každá firma. Otázka je ako. Mikrosegment a stredné firmy nemusia mať interného človeka, vedia to riešiť cez konzultantov, externých ľudí. Veľké firmy s obratom by sa už mali zamýšľať nad človekom, ktorý bude riešiť dátovú kvalitu, zber a všetko, čo sa týka dát.
S: Keď sa firmy už rozhodnú pracovať s dátami, aké sú najčastejšie problémy, s ktorými sa stretávajú?
Veľa firiem naráža na to, že vlastne s dátami ani nedokážu pracovať, pretože ich kvalita je veľmi zlá.
S: Čo znamená kvalita dát?
Mám databázu zákazníkov, ktorým niečo predávam. Ale ak v nej mám chybné údaje, tak neviem napríklad marketingovo cieliť – hovorím o nesprávnych telefónnych číslach, fakturačných údajoch, e-mailových adresách. Všetky aktivity sa tak minú účinku. Často vznikajú chybné dáta už na vstupe, keď nie je jasne opísaný proces vzniku. To sa stáva napríklad rovnako pri práci s dátami o produktoch category manažmentom.
S: A ďalšie problémy?
Vo firmách vo väčšine prípadov vôbec neexistujú smernice na to, ako majú dáta vznikať, kto je za ne zodpovedný, ako sa má merať ich kvalita. A potom aj taká základná vec, ako je výpočet hrubej marže, môže byť problém. Ako som povedal na začiatku, môžete mať akékoľvek nástroje, ale pokiaľ bude problém v procesoch, budú zbytočné.
S: Čo by teda mal byť prvý krok firmy, ak chce zmeniť prácu s dátami?
Urobiť si dátový audit. Pozrieť sa, kde a ako vznikajú dáta. Jednoduchý príklad, robili sme svojho času audit zákazníckeho systému pre spoločnosť predávajúcu DIY tovar. Zdanlivo jednoduchá vec, zákazník dostal dotazník, vyplnil ho a samotní zamestnanci dáta prepisovali do systému. Už len pri prepise, teda hneď na vstupe, vznikla chybovosť približne 60 % aspoň v jednej kontaktnej informácii. Celý zmysel zákazníckeho programu sa teda strácal. Toto uvádzam ako príklad, ako veľmi dôležité je zistiť, kde v samotnom procese nastáva chyba.
Rozhovor v plnom znení, a tiež odporúčania dátového analytika pre firmy, si môžete prečítať v novembrových Stratégiách.
Kto je Daniel Minárik?
Je analytik, konzultant, retailový nadšenec, riaditeľ a spoluzakladateľ Korner Analytics a momentálne aj CDO v spoločnosti ASBIS. Keďže nevyštudoval vysokú školu, mal viac času, aby zozbieral skúsenosti zo spoločností ako Nike, adidas alebo Tesco, kde pracoval na rôznych pozíciách súvisiacich s dátami, plánovaním a retailom. S jeho prvým startupom ProfitUp získal ocenenie Podnikateľský nápad roka a Telekom Business Wall of Fame. So spoločnosťou Korner Analytics, ktorá je nástupcom ProfitUp, získal v roku 2017 investíciu na ďalší rozvoj a expanziu. Patrí medzi pravidelných rečníkov na konferenciách a práca s dátami je jeho koníčkom a zároveň aj povolaním.