Traži
Članci

Majstor za pametne podatke

04 vlj 2019

„Marketing budućnosti, kao i današnji, temelji se na podacima, a ne na dobrom osjećaju direktora marketinga,” smatra belgijski podatkovni znanstvenik Jean-Philippe Schepens.

Jean-Philippe Schepens pomalo je nekonvencionalni podatkovni znanstvenik. Ne izgleda kao „štreber” s obaveznim naočalama, kako obično zamišljamo pojedince koji su oduševljeni znanošću. Njegova je strast i ornitologija i s istim entuzijazmom proučava ptice kao što pomaže tvrtkama da velike količine podataka (big data) pretvore u korisne, pametne podatke. Prispodobe iz svijeta ptica često koristi i na svojim predavanjima, u što su se mogli uvjeriti i sudionici „pametnog” doručka koji je u studenom organizirala tvrtka Bisnode Slovenija, koja se specijalizirala baš za pametne podatke. I Schepens dolazi iz grupe Bisnode, iz njezine belgijske podružnice, gdje je „majstor za pametne podatke”. U razgovoru za MM pitali smo i što radi takav majstor i zašto i kako pametni podaci mogu koristiti marketingu.

Vaš službeni naziv u tvrtki Bisnode prilično je neobičan, vi ste smart data master. O čemu se brinete u ulozi „majstora za pametne podatke”?
Različiti nazivi kao što su direktor ili potpredsjednik nikad me nisu previše zanimali, zato se kod mog naziva više radi o zabavnom nazivu. Ali priznajem da mi godi kad o meni govore kao o majstoru za pametne podatke. Naime, mislim da on dobro ilustrira ono što stvarno radim, a to je pomaganje poduzetnicima i tvrtkama u njihovu poslovanju uz korištenje podataka i znanosti. S veseljem razgovaram s donositeljima odluka u tvrtkama i želim im donijeti još više posla.

Kako biste jednostavno objasnili što su pametni podaci? Kako mnoštvo nepreglednih podataka, big data, koji su zapravo „velika zbrka”, pretvoriti u pametne podatke?
Pametni su podaci oni podaci koji ti stvarno mogu pomoći, s kojima možeš nešto učiniti, dok veliki podaci predstavljaju golemu količinu podataka bez praktične uporabne vrijednosti. Ponekad se radi o velikoj zbrci, kao što ste već rekli, jer ti podaci nisu strukturirani. Zašto ih ne možemo koristiti; moglo bi se reći da se radi o ogromnoj količini podataka. U našoj tvrtki pomažemo gospodarstvu, tvrtkama i donositeljima odluka da te podatke koriste na znanstven način. Sve što želimo jest stvarati vrijednost.

Vi ste ornitolog, dakle znanstveno proučavate ptice. Kako se promatranje ptica isprepliće s vašim analitičkim umom?
Vjerujem da znanost mora imati nekakav okvir, pa tako mora imati i podatkovna znanost. Sociolog, ekonometričar, geograf, matematičar ili kvantni fizičar imaju svoje poglede na znanost i na različite načine gledaju na nju. I sam imam svoj pogled koji se odražava u svemu što radim. Na primjer, prije nekoliko godina osnovao sam tvrtku s imenom Swan, što znači labud, koja sada spada pod okrilje Bisnodea i bavi se analizama društvenih mreža. Naime, veliki sam zagovornik teorije crnog labuda Nassima Nicholasa Taleba. On govori da je crni labud rijedak događaj, ali ima izuzetno veliki učinak i može se retrospektivno predvidjeti. Nakon njegova nastanka trudimo se pronaći razloge za njegovo postojanje i pokušavamo ga učiniti razumljivim i predvidljivim. Prije deset godina, kad je američka banka Lehman Brothers bankrotirala, nitko nije znao zašto su dionice pojeftinile jer nam nisu bili dostupni svi podaci. Nakon dva tjedna pokazalo se da je to posljedica aktivnosti drugorazrednih hipotekarnih kredita s visokim rizikom. Saznali su razlog za raspad tog tržišta, ali nisu imali dostupne sve podatke da bi ga mogli spriječiti. To sam sam „preveo” na područje ornitologije i povijesti. Prije nego je James Cook otkrio Australiju vladalo je opće uvjerenje kako su svi labudovi bijeli, a nakon otkrića ljudi su otkrili da u Australiji stvarno postoje crni labudovi. Da bismo donijeli ispravne zaključke, moramo imati dostupne sve podatke. I zato u svojim predavanjima često koristim poveznicu s ornitologijom. Postoji još jedan razlog: kad ljudi izađu van, samo ih 10 posto primjećuje ptice koje kraj njih lete, a samo 1 posto pita se o kojoj se ptici radi.

Posljednjih nekoliko godina slušamo kako je važno da tvrtke zapošljavaju podatkovne znanstvenike. Što stvarno rade podatkovni znanstvenici i koja je njihova uloga u tvrtkama?
Podatkovni je znanstvenik u biti podatkovni menadžer koji koristi tehnologiju da bi dobio više spoznaja, uvida. No podatkovna znanost ne znači ništa bez poznavanja tržišta. Možete imati dobru ili lošu podatkovnu znanost. Dobar je podatkovni znanstvenik onaj koji vodi računa o poslovanju tvrtke i pokušava ostvariti rezultate korištenjem pametnih podataka, a loš je podatkovni znanstvenik onaj koji podatkovnu znanost samo promatra. Ali ne trebate imate podatkovnu znanost zbog nje same. U tom slučaju radije provodite istraživanja na sveučilištu.

Kako podatkovna znanost može koristiti marketingu?
Pomoću podatkovne znanosti možemo doći do novih spoznaja korisnih za marketing i koristiti podatke koje svi stvaraju. Kao ornitolog ponekad se našalim da je dron zapravo ptica koja stvara podatke. Dakle, svi i sve stvaraju podatke, zato ih možemo koristiti i u marketinške svrhe. Za marketing je važno poznavati ponašanje tvrtke. Moramo znati uvodi li tvrtka novi proizvod, kupuje li drugu tvrtku ili ulazi na novo tržište. To su 360-stupanjski podaci u realnom vremenu koje trebamo. Marketing budućnosti, kao i današnji, temelji se na podacima, a ne na dobrom osjećaju direktora marketinga.
Sadašnji modeli već se temelje na strojnom ili dubokom učenju. Tvrtkama i ljudima omogućujemo da to sami utvrđuju, da testiraju podatke i sami treniraju, odnosno vježbaju modele. Dakle, ne radi se o pisanju modela, već o njihovu treniranju.

Uloga marketinga sigurno će se promijeniti jer s vremenom sve više prihvaća pristup koji se temelji na podacima. Kao podatkovni znanstvenik morate biti otvoreni, imati viziju, uključiti nove tehnologije, istraživati ih i koristiti.

Koristeći Bisnodeov pristup u tri koraka pokušavamo potaknuti ljude na korištenje podataka. Najprije održimo radionicu da detaljno upoznamo poslovanje tvrtke. Zatim dokazujemo koncept i testiramo model kako bi voditelj marketinga već tada mogao testirati određene stvari. Na kraju model implementiramo u cijelosti. Pritom i voditelji marketinga mogu mnogo naučiti jer se radi o procesu koji provodimo zajedno s najvišim vodstvom.

Ljudi imaju pomiješane osjećaje o umjetnoj inteligenciji i pametnim uređajima, koji postaju sve pametniji. Na neki im se način radujemo jer će nam olakšati život i rad, a s druge se strane bojimo da će nas u budućnosti zamijeniti. Kako biste utješili one koji se boje novih tehnoloških mogućnosti?
Moramo biti otvoreniji prema novim mogućnostima jer samo one mogu promijeniti naš svijet. Kad smo prije 150 godina doživjeli industrijsku revoluciju, ljudi su još uvijek ručno obavljali zadatke za koje se danas podrazumijeva da ih obavljaju strojevi. Ljudi će se morati maknuti, a možda i zamijeniti svoj posao. Jednostavne poslove kao što je čišćenje radit će roboti koji će samostalno usisavati i čistiti. Jednostavno se moramo promijeniti i, ako to ne možete prihvatiti, imate problem, a to ovisi o vama. Sebe smatram tehnološkim pozitivcem, zato na sve promjene gledam kao na nešto dobro. A vremena se mijenjaju. Ponekad se ljudi ne žele promijeniti i izaći iz zone udobnosti. Ali doći će do tih promjena. Današnji poslovi sutra će izgledati drugačije i tome se veselim jer ne želim svoj posao mnogo godina raditi na isti način kao danas. Po mojem mišljenju, roboti će zavladati svijetom i zamijeniti mnoge poslove. To će nas prisiliti da svoj posao radimo drugačije, što će nam možda biti još jednostavnije. Na primjer, upravo sam razgovarao s predstavnicima velike banke – analize rizika i ostale usluge obavljat će na drugačiji način, no još uvijek će to biti posao bankara. Banka će se promijeniti, ali neće nestati. Jednostavno morate biti otvoreni za promjene. To se sada događa s Uberom i ostalim tvrtkama. Na primjer, ako se nećete transformirati iz tradicionalne taksi tvrtke, nestat ćete.

Mogu li nam podaci pomoći predvidjeti buduće trendove? Što uopće trebamo pritom tražiti?
Podaci nam mogu pomoći u jasnijem uočavanju trendova, ali ne mogu predvidjeti budućnost; to nikad neće biti moguće, inače ne bih sjedio ovdje, već bih bio bogat jer bih mogao predvidjeti kretanja na burzi (smijeh). Nitko ne može podatke iskoristiti tako da bi mogao ispravno predvidjeti što će se dogoditi. Velike tvrtke, kao što su Gucci, Armani, H&M ili Procter & Gamble, nekad su se oslanjale na stvaratelje trendova, pojedince koji kupuju na određen način. Tvrtke uvijek pokušavaju identificirati te stvaratelje trendova. Kad predstave deset novih proizvoda, na temelju podataka moraju utvrditi kupuju li ih ti stvaratelji trendova. Zatim neposredno šalju povratne informacije u model koji će moći upravljati njihovom proizvodnjom jer će vjerojatnost za uspjeh proizvoda tako biti mnogo veća. Na taj će ga način moći proizvesti više od drugih i tako puno uštedjeti. Dakle, ne mogu predvidjeti trendove, ali ih mogu slijediti. Isto se događa s Google tražilicom koja predviđa trendove na temelju riječi u pretraživanju. Sve to moguće je s podacima, ali tu se predviđanje budućnosti zaustavlja.