Traži
Članci

Novi plan za 2019.? Iskustveno učenje za funkcioniranje digitalizacije, automatizacije i UI-ja

04 vlj 2019

Dragi prijatelji iz financijskih usluga,
završila je 2018. godina i vrijeme je za razmišljanje. Nadam se da je većini godina bila dobra. Zasigurno je to bila (još jedna) godina transformacije. Konačno je savršeni spoj digitalizacije, automatizacije i umjetne inteligencije zamijenio stare, spore i neintegrirane postupke i naslijeđenu tehnologiju; pružio je ne samo funkcionalnost, već i konačno rješenje za prijašnje izazove usklađivanja te pretvorio iskustvo klijenata u konkurentsku prednost (kako se kaže). Kada pogledate unatrag, jeste li zadovoljni napretkom?

Ovo su nam rekli neki od vas: Svi želimo digitalizirati, no sve što dobijemo jesu dodatni ogromni IT projekti. Želimo automatizaciju, no naši ljudi još ručno pretražuju i neprestano kopiraju i lijepe podatke po principu „copy-paste“ za svako važno pitanje. Želimo analizirati i sada imamo velik tim skupo plaćenih stručnjaka koji imaju izvrsne dokaze koncepta, ali još moraju napraviti stvarni i značajni učinak na svakodnevno poslovanje.

Zvuči li vam to poznato? Zateknete li se možda u razmišljanju da se slažete da, ako želimo da 2019. godina bude drugačija, vjerovatno moramo nešto učiniti drugačije?
S druge strane, ako vjerujete da ste ostavili sve izazove iza sebe, svaka čast. Iskreno vam se divim. Želim čuti više o tome. Naravno, ja častim ručkom.

Još ste ovdje? Ako ste nastavili čitati, predstavit ćemo vam ideju koju imamo. To nije teorija, već nešto što je, na prilično težak način, naučio moj tim u tri godine intenzivne transformacije u kompaniji Bisnode u kratkim crtama. To može, ali i ne mora biti vaše savršeno rješenje. Ipak, za nas gotovo da je i bilo savršeno jer nam je zaista pomoglo. Možda može pomoći i vašem timu?

Ne moramo ni reći da sve ovo ovisi o tome koliko je transformacija kompanije Bisnode relevantna za vašu transformaciju. Možda niste čuli za nas, ili ako jeste, možda ste čuli za nas tek prije nekoliko godina. Ipak, podsjeća li vas išta od sljedećeg na vašu situaciju? Na primjer, dug proces integracije više raznih društava koji je sada konačno završen stvarnim sjedinjenjem? Ili fragmentirana, kompleksna, zastarjela tehnološka baza sa svom tehnologijom koju možete zamisliti iz 70-ih, 80-ih i 90-ih? Možda i rastući zahtjevi korisnika s perspektivom da, iako ste im potrebni, ipak ste pomalo spori i zastarjeli u uporedbi s obećavajućim novim konkurentima?
S obzirom na to da smo imali iskustvo rada s više od 60 raznih financijskih institucija tijekom posljednjih 15 godina, od globalnih divova, vodećih nordijskih društava, do rastućih konkurenata, čini nam se da popriličan broj vas dijeli s nama ovakve uvjete rada, barem što se tiče transformacije.

Međutim, ono što ne dijelimo jest pozadina svega. Vama ide dobro. Prije tri godine, nama nije išlo, kako u financijskom pogledu, tako i u pogledu napretka. To su bila najteža vremena za nas. Međutim, ponekad je nužnost zaista majka izuma koja jača odlučnost. Što se tiče i financija i transformacije, zaista se puno toga promijenilo u ove tri godine. Još nismo završili, ali naš je napredak dobar i budućnost nam je obećavajuća.

Što nam mogu donijeti podaci, tehnologija i analitika u budućnosti

Naš put s „dva koraka naprijed, jedan korak natrag” tokom posljednjih nekoliko godina započinje na poznatom terenu.

Svi znamo da se u digitalizaciji radi o podacima, a ništa drugačije nije ni s umjetnom inteligencijom, mašinskim učenjem i dubinskim učenjem - koju god pomodnu riječ preferirali. Znate kako se kaže: „podaci su nova nafta”. A njih ima zaista puno. Očito trik leži u tome da se podaci preuzmu sa svih mjesta na kojima se nalaze u digitalne baze u kojima se mogu dobro iskoristiti. Naravno, svaka je baza veoma specifična i zahtijeva posebnu kombinaciju podataka - ne mogu se pokupiti bilo koji podaci.

U slučaju kompanije Bisnode, koja je prije svega kompanija koja radi s podacima, podaci se prikupljaju iz izvora, prerađuju i uparuju, da bi se iskoristili u analitici, logikom potreba klijenta i u vanjskim aplikacijskim programskim interfejsima te se integriraju u sisteme i procese klijenata.

Prije pet godina (ili deset ili dvadeset) to se radilo u mnogim zasebnim „monolitnim” sistemima. Bilo je dobro dok količina podataka nije postala tako velika. Bilo je dobro dok je primatelj uglavnom bilo ljudsko biće. Međutim, kada su se stvari promijenile i došlo je do potrebe za rukovanjem sa sve većim brojem podataka koji su se sve češće mijenjali, a primatelj je postao fino prilagođeni robot s tačno određenom svrhom, to više nije dobro funkcioniralo.

Prije tri godine, upustili smo se u izgradnju „cjevovoda” za podatke da bismo zadovoljili ovu potrebu. Ideja je bila jednostavna: nikada ne bismo mogli predvidjeti sve načine na koje bi naši klijenti mogli željeti da upotrijebe podatke u budućnosti. Također, ne bismo mogli zaustaviti ili kontrolirati povećanje podataka, kao ni brzinu kojom se podaci mijenjaju ili njihovom povećanom regulacijom. Stoga smo morali omogućiti našim klijentima da dođu do prave kombinacije podataka i analitike baš tamo gdje im je ona potrebna, bez prethodne najave te da mogu odmah od toga profitirati.

Prije dvije godine proradio je naš „cjevovod”. Međutim, bio je spor. Protok podataka više je nalikovao protoku asfalta nego plina. To se dogodilo unatoč činjenici da smo imali veoma savremenu tehnološku bazu s izvrsnom arhitekturom (možemo implementirati kodove u proizvodnju 30 ili više puta tokom dana, što je velika promjena od tromjesečnih ciklusa iz prijašnjih vremena) i izvrsne analitičare, uključujući novi tim za UI / strojno učenje / dubinsko učenje i klijente koji su željeli iskoristiti pogodnosti.

Očito nismo u tome bili usamljeni: otprilike u ovo vrijeme postalo je očito da su veoma skupi analitički stručnjaci u čije smo zapošljavanje uložili jako puno truda trošili 70 - 80 % vremena na prikupljanje podataka, njihovo razumijevanje, mapiranje i remapiranje. Mnogi su nam klijenti u povjerenju rekli da se i oni muče s iskorištavanjem vlastitih podataka. Mogli smo samo suosjećajno kimnuti glavom.

Lekcije u izazovima i neuspjehu

Tada smo shvatili da, iako je naš „cjevovod“ bio koristan za protok podataka, omogućavanje pristupa bilo je samo dio izazova. Kako je to svojevremeno rekao jedan analitički stručnjak: „Više ne moram tražiti podatke. Međutim, još ih moram ručno mapirati u modele. I zatim još moramo ručno mapirati i podatke i model u proizvodnju. Razlog je taj što nijedan od ovih sistema zapravo ne razumije šta podaci sadržavaju i na što se odnose.”

Shvatili smo da je ovo tačno ne samo za naše analitičare, već i za svaku tehnološku komponentu, svaki korak procesa i svakog klijenta.

Zahvaljujući tom uvidu, shvatili smo da uz (sada poprilično besprijekoran) protok podataka, također postoji i skriveni, ručni i ad hoc postupak kojim se prenosi znanje o podacima. To je bio spori dio - ponovno tumačenje, mapiranje i integracija podataka.

To je bilo loše, jer što smo se više približavali umjetnoj inteligenciji, stanje je postajalo gore, stoga smo za takav način učenja to morali popraviti, također i za povratne informacije, za svaku odluku u stvarnom vremenu. Ovaj izazov jedan je od ključnih razloga zašto su modeli UI zaglavili u fazi dokaza koncepta.

Isprobali smo više različitih pristupa... od kojih nijedan nije uspio. Ipak, mogu ponosno reći da smo doživjeli neuspjeh razumljivo brzo i mnogo toga naučili. Zaista, ne postoji razlog zašto biste ponavljali naše pogreške - stoga, za vaše dobro:

  • „Trebamo stvoriti „zlatni zapis” (evidenciju svih podataka). Dok je to ponekad jedina ispravna stvar koja se može učiniti, neizbježna normalizacija podataka s njihovim velikim porastom nije se dobro uklapala s isprogramiranom UI ili robotima - jednostavno smo u „cjevovodu“ gubili previše detalja. Također, ako imate veliki set postojećih analitičkih modela iz različitih izvora, rana normalizacija u procesu prije svega će osigurati da podaci nisu usklađeni ni s jednim.
  • „Ovo će se riješiti agilnošću.” Agilnost je izvrsna, ali ova se pretpostavka pokazala pogrešnom. Kombinacija razdvajanja interesa, brzine i fokusa na vrijednost koja se isporučuje kupcu u svakom aspektu i činjenica da su programeri uzbuđeniji u vezi koda nego nekog elementa podataka znači da je to samo još jedan oblik brzog mapiranja koje ne dovodi do uspjeha.
  • „Da samo bolje upotrebljavamo aplikacijske programske interfejse (ili njihovu dokumentaciju), taj bi se problem riješio.” Ovo je vjerovatno bila najteža i najnepredvidljivija lekcija: Ukratko, pokušali smo učiniti aplikacijske programske interfejse između mikrousluga toliko specifičnim, o tome što se poslalo i primilo, da bismo uklonili svaku dvosmislenost. Nažalost, neto učinak ovoga bilo je stvaranje prebliskog uparivanja - čime se prestalo razdvajati između interesa i fleksibilnosti. To je prvo neprimjetno: tek kada se s vremenom poveća potreba za dodavanjem i izmjenama podataka pa uvidite kako se brzina iznenada smanjuje, a napori održavanja rastu, shvatate da ste, uprkos arhitekturi mikrousluga, f unkcionalno stvorili nove tehnološke monolite.

Nesumnjivo da je na popis moguće dodati još stavki, ali umjesto toga, ubrzat ću za jednu godinu unaprijed.

Nisu dovoljni samo podaci, već i podaci o podacima

Pokazalo se da je analitička arhitektura koja se temelji na ontologiji naše rješenje, s eksplicitnim i pridruženim metapodacima duž čitavog „cjevovoda“. Uz svaki element podatka, dok se kreće našim „cjevovodom“, sada putuju i opisi koji govore o tome što podaci jesu (ontologija), kako su povezani s drugim elementima podataka, odakle dolaze, kako su obrađeni te ko ih može upotrebljavati i pohranjivati a da ne postanu neusklađeni.

Da smo savjetnici koji vam žele „prodati” savjete ili projekte, sada bi se upustili u dugački monolog o tome šta to znači na dubljoj i stručnijoj razini (i zatim bi vam se pokušalo prodati ili softversko rješenje ili savjetnici). Nismo, i stoga nećemo. Zasigurno imate stručnjaka za baze podataka koji vam to mogu objasniti.

Umjesto toga, reći ćemo vam o značaju koji je to imalo za nas:

Prvo, zaista nas je osposobilo to što smo stekli podatke za koje sada izravno možemo razumjeti gdje se trebaju upotrebljavati, od strane ljudi i strojeva koji ih trebaju. Zajedno s procesima između krajnjih korisnika i agilnim razvojem mogli smo stvoriti puno cjelovitije razdvajanje - i sve više zaobići zabludu o „velikim IT projektima”. Može zvučati pretjerano, no ponekad nazivamo ovo što postižemo „demokratizacijom podataka”. Podaci su sada zaista dostupni za upotrebu svima - funkcionalnu upotrebu bez ovisnosti o drugima. Da, ukupni IT troškovi još su poprilično veliki, ali sada dolaze uz mnogo manje rizika međuovisnosti. Ne bi li manji, agilniji IT napori za vas također bili dobri?

Također se privodi kraju razdoblje u kojem je kompanija Bisnode, nalik ljudima koji su u prošlosti morali tražiti te rezati i lijepiti podatke, morala neprestano tražiti stručnjake, dokumente i specifikacije za naše potrebe ili potrebe naših klijenata. Više ne morate pretraživati registratore, listove u Excelu i interne sisteme ili pronalaziti ljude. Šta bi se dogodilo da se vaše osoblje ne mora više ograničavati pristupom i razumijevanjem, već da se može usredotočiti na posao koji rade?

Primjerice, ako izgrađujete napredni model predviđanja ili automatsku poslovnu logiku ili stvarate digitalne tokove rada, možete odabrati podatke koje trebate - potpuno transparentno. Ovo znači da se mapiranje, koje se nekad mukotrpno radilo ručno u svim fazama, može izvesti u obliku čitljivom ljudima samo jednom, a svaka faza prije i nakon toga može se strojno provjeriti. Kada dovršite izgradnju i razvijete svoj model, možete biti sigurni da ima pristup pravom setu podataka također i u proizvodnji; možete biti sigurni da su rezultati dostupni njihovom svakom potencijalnom korisniku i da su iscrpni podaci iz sljedećih faza također ondje, spremni da ih upotrijebi vaš model UI. Kakav bi bio efekt da se rad stručnjaka može istog trenutka bilo gdje promijeniti? Učenje UI ne bi se zaustavilo na početnoj fazi razvoja?

Zapravo, još bolje od toga. Pokazalo se da samo trećina analitičkih napora stvara prave primjenjive rezultate, a tako i pogodnosti, s previše onih koje ne rješavaju važne poslovne izazove ili nisu dovoljno transparentne da bi se krajnji korisnik usudio vjerovati im i postupiti izravno u skladu s njima ili jednostavno upotrijebiti podatke na način koji nije u skladu sa standardima (ovo posljednje očito je sada puno važnije s pojavom GDPR-a). S obzirom da „cjevovod“ takođe odmah omogućuje protok metapodataka, usklađenost se može izravno provjeriti, izvori koji ulaze u model transparentni su, a poslodavac i analitičar imaju zajednički jezik kojim opisuju ono što traže. Što bi se dogodilo da možemo osigurati da vlasnici društava i analitičari uvijek zajedno mogu riješiti sve izazove?

Ako vam treba veća količina podataka ili raznovrsniji podaci, ni to nije teško. Na kraju, upotrebom ontologije i metapodataka aplikacijski programski interfejsi mogu biti, na druge načine, izuzetno generički. To znači da dodaci i promjene u podacima tipično mogu jednostavno proteći bez ručnog rada, što ubrzava čitavi proces. Vrijeme za integraciju novih izvora opštih podataka iz mjeseci se pretvorilo u dane. Koje nove podatke biste voljeli upotrebljavati da biste potaknuli rast svog poslovanja da ih možete dobiti ondje gdje su vam potrebni?

Ako želite iskoristiti ljudsku inteligenciju digitalizacijom - na način da automatizirani strojevi izvršavaju „jednostavne poslove”, a ljudi se mogu usredotočiti na kompleksnije - također imam inspirativno iskustvo. Ako su ljudi koji se bave kompleksnijim zadacima dobro informirani o prikupljenim podacima, njihovom podrijeklu i načinu procjene, puno su veće šanse da će nastaviti raditi tamo gdje se stroj zaustavio, umjesto da započinju sve ispočetka ručnim prikupljanjem i provjerom podataka. Kakav bi bio rezultat da svi vaši ljudi (recimo, u procesima „upoznaj svog klijenta”) mogu svoje napore usredotočiti na ono što će stvarno dati neki uspjeh, umjesto na prikupljanje podataka?

Ovi koncepti i ideje nisu novi. Nada i obećanja zasigurno nisu. Možda to neće biti sve što će vam trebati. Međutim, ideja jest bila uspješna u praksi te je izuzetno uticala na napredak i brzinu. Ako ste zainteresovani, voljeli bismo čuti vaše mišljenje. Ako ovo isprobate, voljeli bismo čuti vaše priče o uspjehu, ali isto tako i o svemu što ste naučili. Zajedno ćemo postati još bolji.

I 2019. godina vjerojatno će biti godina transformacije. Ne zaboravimo da je sada prošlo više od 30 godina od slavne dosjetke Roberta Solowa: „Možete vidjeti računalno doba posvuda, osim u statistikama produktivnosti.“ Također ne zaboravimo je da gotovo jednako toliko godina prošlo i otkad je Paul Krugman rekao da „produktivnost nije sve, ali dugoročno je gotovo sve.”

Meni je to dovoljan dokaz da digitalizacija (u svim svojim aspektima) konačno može dokazati gospodinu Solowu da nije bio u pravu i učiniti gospodina Krugmana sretnim. Dokažimo to u 2019. godini, može?