O soudobém vědeckém oboru, těžení dat a datových hornících. Moderuje David Šťáhlavský.

*Jedná se o přepis mluveného slova, vezměte proto prosím v úvahu, že některé pasáže díky tomu mohou působit trochu nesourodě. Děkujeme za pochopení.

DŠ: Můj dnešní host tvrdí, že data jsou zlato. Nemyslí přitom ceny připojení k datovým sítím, ale opravdu data, která má každá firma. Ota Novotný přišel do hovoru z Vysoké školy ekonomické.

DŠ: Jak je to s těmi daty a s tím zlatem?

ON: V mnoha místech je to skryté zlato, které se musí nejdříve vytěžit, zpracovat a potom se z něj dá něco vyrobit, ale data ve firmách jako taková mají obrovskou hodnotu, protože když se s nimi dobře pracuje, tak dokážou znásobit to, co firmy dělají, jejich zisky, výnosy, působení pro dobro a tak dále.

DŠ: Kdybychom si ještě měli vymezit, co jsou to ta data?

ON: Definice dat je, že je to určitý údaj, který je čitelný počítačem, a to je vlastně všechno a my potom k datům v tom kontextu přidáváme další definice, což je informace. Znalost informace je použití dat v určitém kontextu. Takže když měříte teplotu a máte čísla 36; 38; 42 a nevíte, že je to teplota, tak vám jsou k ničemu. Ale ve chvíli, kdy víte, že je to kontext měření teploty, tak s danými daty můžete pracovat a můžete měřit teplotu průměrnou, maximální, minimální a podobně. A na to se dá navázat spousta dalších věcí. A kdyby zase čísla 23; 26; a 28 byla čísla tramvají, tak z nich nikdy průměrnou tramvaj neuděláte.

DŠ: Dneska máme 2; 9; 2020 – to jsou zase data v kalendáři. Pokud nebudeme vědět, o jaké dny jde, tak nám to bude také k ničemu.

ON: Přesně tak, znalost je, že když víte, že některý den je neděle, tak už se dá odpočívat a podobně. To je zjednodušeně celý princip. My to zjednodušujeme, že v datech je zlato. Samozřejmě zlato je v těch informacích, které se z nich dostanou.

DŠ: A když budu ještě konkrétnější, tak data jsou třeba: data na faktuře, o zaměstnancích, o zisku, o chodu té firmy?

ON: Tam to všechno začalo. To znamená, začalo to účetnictvím, vedením účetních knih a dat v nich. Potom se to postupně rozšiřovalo na data z výroby, faktur a tak dál. To jsou věci, které jsou jasně dané, ale dnes už jsou data ne jenom takováto přesná, ale jsou už i data o tom, jak jsou lidi spolu spojení. S jakou pravděpodobností si něco koupí nebo nekoupí, to z těch dat jsme schopni dosáhnout. No a data jsou i to, jak je zaznamenáván teď náš rozhovor do digitální podoby a to jsou zase zvuková data.

DŠ: Nicméně my ta data neprozradíme na rozdíl od některých firem, které data prodávají nebo zneužívají.

ON: To je několik věcí, zaprvé v nějakých předchozích deseti letech se hodně mluvilo o prodeji dat. Hlavní takovou komoditou bylo: „Mám svoje zákazníky, tak je prodám nějaké další firmě a ta je nějakým způsobem vytěží.“ Dneska už to není takhle jednoduché. Dneska v těch pozitivních scénářícse data těží a hledá v nich sama firma to, co by mohla prodávat a zákazníkům nabízet. Z mého pohledu je největší hloupost prodávat vlastní data dál. Co se týká zneužívání, tak to je úplně jiná kapitola a tam jde právě o to, že někdo má data a koupí od někoho nějaká další a spojí je dohromady, tak to může působit velmi nebezpečně. Protože v té chvílí se může stát určitým pánem nad osudy spousty lidí.

DŠ: A to se děje, to nevylučujete?

ON: Nevylučuji.

DŠ: Vraťme se k podstatě Vašeho oboru, protože vy jste garantem datových oborů na Vysoké škole ekonomické, tudíž mluvíme o vědeckém oboru.

ON: Je to tak. Jsou to obory, které jsme nově otevřeli na VŠE. Minulý rok jsme otevřeli MBA a letos otevíráme magisterský obor, ale navazujeme na více než dvacetiletou historii výuky datové analytiky propojené s podnikáním u nás. No a tato datová analytika není zaměřená na to, jak data zneužívat, ale na to, jak z nich ve firmě vytěžit právě to zlato.

DŠ: Jak jste zmínil, učíte studenty těžit data, mně to trochu připomíná spojení těžit Bitcoin. Ale to je samozřejmě o něčem jiném. Opravdu datová těžba není jen slovní abreviatura ale odborný termín? ON: Opravdu je to odborný termín z anglického pojmu data mining čili dolování dat. To je disciplína, která je zde již mnoho let. Dnes se na ni připojují další termíny jako je umělá inteligence a další algoritmy. V zásadě je ten princip pořád stejný, a sice, že mám horu dat a já se do ní nějakým způsobem provrtávám, těžím je a najdu tam ten drahokam nebo to co potřebuji, a to vynesu na světlo, a to mi potom pomáhá.

DŠ: A teď to podstatné, kdo ta data těží nebo kdo se v té hoře dat dokáže efektivně vyznat?

ON: Dneska je to relativně nová profese, které se říká datový analytik nebo datový vědec. To jsou lidé, kteří ovládají právě postupy, jak z velkého množství dat dostat to, co potřebujeme. V praxi například můžeme mít celou řadu zákazníků, kteří u nás nakupují produkty a já bych měl být schopen zjistit, jaké další produkty jim nabídnout. Dost často se přichází k zajímavým kombinacím. Jednu takovou zajímavou analýzu jsme dělali v obchodním řetězci v Čechách. No a tam nám vyšla velmi zajímavá kombinace, s čím se pojí nákup bulvárního deníku, dost často s koupí lahve rumu.

DŠ: Aha. Tedy zajdu do trafiky, koupím si nejmenovaný bulvár a k tomu ten jmenovaný rum?

ON: Ano, je to tak. A když toto víte, tak s tím můžete pracovat a třeba umisťovat ty dva produkty vedle sebe a tak podobně. A to už je významná věc, která může zvýšit tržby.

DŠ: Akorát mě napadá. Že to nemůže být v trafice, ale musí to být v obchodě. V trafice to jsou asi spíše cigarety.

ON: Je to tak, závisí to na tom, o jaké město se jedná, kdo do té trafiky chodí a tak podobně. Pro každou trafiku toto můžete spočítat a podle toho třeba přeskládat výrobky vedle sebe.

DŠ: Tohle je takový nový byznys pro outsourcingové firmy. Je to tak?

ON: Ze začátku, pokud firma nemá potřebné odborníky a nemá ta data v pořádku, tak asi není jiná možnost než se vydat outsoucingem. Později jednoznačně doporučuji si vychovat své vlastní lidi, kteří se datům věnují a znají detailně to, co firma dělá a kudy potřebuje směřovat. To jsou poté ti nejlepší datoví analytici i ve srovnání s outsourcingem. Na začátku je potřeba data dostat do pořádku, mít je kvalitní a vyznat se v nich. Na to jsou většinou potřeba externí síly, obzvlášť pokud se jedná o velké firmy. Ale potom jednoznačně doporučuji si vychovat vlastní lidi.

DŠ: Trochu mi to připomíná restaurace, jako že si dělají vlastní vývar.

ON: Je to tak. Rozhodně v tomto případě polotovar, který je dodáván všem, není tou konkurenční výhodou jako vlastní jídlo.

DŠ: Vraťme se zpět k datům. Znamená to, že jsme v zásadě chaotičtí?

ON: Ano, je to tak, hodně se rozhodujeme na základě intuice. V našem případě je vždy vhodné spojit tu intuici s daty. Ono se totiž dost často stává, že spousta firem, které datovou analytiku outsourcují a prodávají, tak říkají: „Koupíte si náš nástroj, a už se nebudete muset rozhodovat. Už všechno půjde hladce.“ Ale ono to tak není. Rozhodování tam pořád je, jen je informovanější a jen ta intuice se může lépe využít. Takže to co my učíme, je právě kombinovat tyhle dvě věci. Jak znalost dat, tak to rozhodování na základě intuice podpořené daty. Jedno nebo druhé samostatně nepřinese ty výsledky.

DŠ: Jak vypadá takový výsledný produkt analýzy dat? Je to excelovská tabulka, nebo něco mnohem složitějšího?

ON: Závisí na tom, na co ten produkt je potřeba. Úplně nejjednodušší datová analýza, když se vrátíme k těm začátkům, je opravdu excelovská tabulka, kde víme, kolik jsme prodali, přes jaké výrobkové skupiny a tak podobně. Druhý typ výstupu je právě seznam zákazníků a kolik čeho by bylo vhodné tomu zákazníkovi prodat, případně jaké je riziko, že nesplatí úvěr a podobně. No a takový nejhezčí výstup datové analytiky, který jsem viděl v poslední době je například aplikace, která poslouchá váš hlas. Analyzuje ho, když čtete pohádky dětem a ve chvíli kdy přečtete určité slovo v té pohádce, tak přehraje nějaký pěkný zvuk, který pomůže tomu dítěti usnout.

DŠ: To jste mě uklidnil, já jsem si myslel, že by třeba signální slovo mohlo zapůsobit na něco jiného, například na otevření těch dat.

ON: Je to tak. Šlo by to určitě takhle nastavit. V současné době jsme svědky právě toho, že ta, dejme tomu tvrdá transakční podniková data, o kterých jsme se bavili, se právě hodně propojují s daty měkčími a nestrukturovanými. Právě ze sociálních sítí – kdo s kým funguje, s analýzou hlasu nebo obrazu a kombinace všech těchto věcí dohromady dokáže přinést hodnotu, kterou jsme si nikdy předtím nebyli schopni představit.

DŠ: Když firma svá data neumí využít. To znamená, nepoužije ten outsourcing, který v primární fázi, jak jste říkal je nutný, uchyluje se často k tomu, že prostě ta data prodá?

ON: Nemyslím si. Dneska právě i díky tomu, že se posouváme v zákonných normách, tak prodej dat už není tak jednoduchý právě díky GDPR. Tyto excesy se hodně limitují. Spíš si myslím, že firma prostě nevyužívá svůj potenciál. Naši kolegové z Anglie při diskusi o tom, jak bychom měli firmy přesvědčit, aby datovou analytiku používali, říkají: „Tak podívej se, je to jednoduché. U nás v Anglii říkáme, že buď jedeš vlakem, nebo nejedeš vlakem. Už to není o tom, že je to dobrá věc a přesvědčování. Ale stává se z toho standard a ti, co ho nepoužívají, tak už prostě tím vlakem nejedou.“

DŠ: A vědí to?

ON: Dost často to nevědí. A právě proto se snažíme vzdělávat datové analytiky, ale i lidi z firem, aby věděli, jak se dá s daty pracovat, a znali určité datové minimum, což otevírá oči aspoň na tu úplně nejzákladnější úroveň práce s daty a chápání toho, k čemu by ty nástroje ve firmě mohli použít.

DŠ: Dá se nějak kvantifikovat, jak by vypadala ideální firma, která umí ideálně využít svá data?

ON: Takové firmy jsou. Je to firma, která je schopná velmi rychle reagovat na měnící se prostředí.

DŠ: Kdy je ve fázi, že je ještě neumí data efektivně využívat a kdy už ano?

ON: Za rok si v nich udělá pořádek. To je věc, která se dost často přeskakuje v prodejním cyklu a v tom, jak se ta datová analytika vysvětluje. To je ta část, která nejvíc trvá. V průběhu toho roku si může zkusit i nějaké menší projekty na zákaznických datech. Ale ten pořádek za tři měsíce prostě neuděláte. Takže za rok máme pořádek a na tom můžeme začít stavět. A za nějaké dva, tři roky se firma může začít posouvat, pokud tomu dává dostatečný akcent. Není to věc, která by prostě byla ze dne na den. I když dneska všechny ty procesy jsou o několik řádů rychlejší než před 25 lety, kdy jsem se do té problematiky pustil.

DŠ: Ten růstový koeficient může za dva, tři roky vypadat jak?

ON: Za tu dobu firma najde své rezervy a je schopná poznat, že se něco děje ještě před tím, než ji to porazí. To já považuji za to nejdůležitější. Spousty věcí, které ve firmách jsou a potom vyplavou jako velký problém, mají svoje vnitřní signály, které když dopředu odchytíte, tak můžete těm velkým problémům zabránit.

DŠ: Trochu utíkáte od otázky. Jaké je to potenciální procento? Teď jsme na nule, jaký nárůst obratu nebo čistý zisk může přinést taková datová analýza za tři roky?

ON: To je velmi těžké říct. Do smlouvy bych to určitě nedal. Existují firmy, které jsou schopné ty obraty znásobit, posouvat se v řádech desítek procent obratu a spokojenosti zákazníků. Velmi to závisí na tom, jak byla firma vedená původně. Pokud zavedete ve firmě, kde byl obrovský nepořádek datovou analytiky, tak nárůst je významný. A naopak, pokud byla firma vedena byť intuitivně, ale kvalitně, tak nárůst nemusí být tak velký jak by se mohlo očekávat. Z toho často plyne zklamání pokročilých firem, kdy jim obchodníci slibují, že dojde k nárůstu o 100 %, a ono se poté ukáže, že to již nejde, že firma je schopná se posouvat jen v řádech jednotek procent. Proto je vždy složitější používat absolutní ukazatele, lepší je bavit se o tom, jak rychle dokáže firma reagovat.

DŠ: Jak jste se k tomuto oboru dostal? Před 25 lety jste říkal, že je to SCI-FI, dnes je to pevná realita.

ON: V tomto případě zde hrála roli náhoda. Dostal jsem se na studijní praxi do zahraniční firmy, která tyto systémy chtěla zavést. To byl první impulz. Druhým impulzem byl můj návrat do Čech. Společně s kolegou z katedry, který se tomuto tématu začal věnovat a pochopil využití takového analytického systému, jsme začali tento systém implementovat a přesvědčovat firmy, aby se touto cestou pustily.

DŠ: Na VŠE v Praze jste jediným studiem tohoto druhu v Evropě.

ON: Dalo by se to tak říct. My se na datovou analytiku nedíváme detailně z technologického hlediska, absolventi tedy neumí detailně strukturalizovat neuronovou síť apod. Díváme se ale na to, jak tu síť využít pro podnikání. Lidé, kteří od nás odcházejí, jsou přesně na rozhraní, kdy znají datovou analytiku a podnikání. Dokáží tedy propojit tyto dva světy, a to je přesně to, co dnes chybí. Když máte datového experta, který ale neví, proč by se ta datová analýza měla dělat, tak jí nikdy nemůže udělat tak dobře.

Pokud máte manažera, který ví, co potřebuje pro byznys, ale neumí pracovat s daty, tak je to taky špatně. My jsme si dali za cíl vychovat lidi, kteří budou protínat tyto dva světy.

DŠ: Dnes se všude mluví o COVID krizi a o pandemii. Myslíte si, že ta pandemie posílila tendenci k datové analýze? Berou dnes lidé vážně toto „podnikové zlato?“

ON: Určitě. V Čechách zatím ještě sice ne, ale pokud bychom se poučili z předchozí ekonomické krize, tak když se bavím se společnostmi, které se věnují pokročilým datovým analýzám, často říkají, že to bylo jejich největší růstové období. V době krize totiž začínají hledat rezervy a způsoby, jak být efektivnější. V tuto chvíli je správná znalost a použití dat ten správný směr. Očekávám, že pandemie bude další impulz k většímu rozvoji datové analytiky a jejího využívání.

DŠ: Podnikáte v tuto chvíli?

ON: Nepodnikám, ale mám na starosti podnikatelský akcelerátor VŠE, který pomáhá startupům.

DŠ: Cítíte, že COVID krize tyto startupy a projekty posílila?

ON: Zde záleží na oblasti, ve které se startupy pohybují. Nelze se zde bavit o posílení, jelikož investoři a budoucí zákazníci jsou v této chvíli opatrnější. Myslím si však, že až věci odezní, tak ten, kdo bude připraven se správnými řešeními založenými na datové analytice, uspěje.

DŠ: Vy jste ovšem v byznysu začínal, podnikal jste.

ON: Ano, podnikal jsem a pracoval jsem také jako konzultant. Poté jsem řídil malou firmu, která dodávala informace. Časem jsem se plně přesunul na VŠE. Téma podnikání jsem si však ponechal v tom, že spolupracujeme na velkém množství projektů s firmami, abychom stále byli relevantní a neučili pouze teorii.

DŠ: Ptám se proto, jestli vás neláká založit si znova firmu a využít to, co učíte, v praxi.

ON: To, co učíme, si vyzkoušíme v praxi s partnery v rámci partnerských projektů. Je často zajímavé v praxi zjistit, co funguje a co nefunguje. Co se týče mých osobních plánů, mám jednu myšlenku, která by jednomu takovému startupu dala vzniknout.

DŠ: Ve vašem programu připravujete odborníky do praxe. Kde se nachází hranice mezi podnikáním a pedagogikou, pokud pedagogové současně podnikají?

ON: Žádná hranice není, ti lidé si musí to, co vyučují, vyzkoušet v praxi. Podstatou VŠE je dobře vzdělávat v podnikání a v té chvíli, pokud jako VŠE působíme v některých pilotních projektech, tak já to vidím jedině ku prospěchu věci a ta hranice by se měla víc posouvat ke spolupráci s praxí. U nás to většinou začíná nějakým zajímavým projektem z praxe, který je nám zadán. Z toho pak může vzniknout nějaká zajímavá myšlenka. Díky této myšlence lze vypracovat s partnerem reálný podnikatelský záměr a někteří lidé mohou přestoupit ze školy do vlastního podnikání. Tímto způsobem to probíhá i v naší partnerské škole UC Berkeley, kam velmi často jezdíme.

DŠ: My Češi máme tendenci se podceňovat. Učíte své žáky se také chválit?

ON: Učím. Vždy jim říkám, že to, co dostávají, je jedno z nejlepších vzdělání ve střední Evropě. Toto podceňování je však celoevropská vlastnost, nikoliv jen česká. Pokud srovnáte české studenty se studenty v Americe, tak rozdíl v sebeprezentaci je pořád vysoký, přestože znalostně jsou na tom naši studenti často lépe.

DŠ: Je tato zdrženlivost vidět v úspěšnosti firem? Pokud bychom vzali srovnatelné firmy z Ameriky a od nás, lze tuto zdrženlivost spatřit?

ON: Není to tak, že bychom se zde podceňovali a v Americe jsou věci tak, jak být mají. Je to právě naopak. Myslím si, že u nás jsou firmy zodpovědné a prezentují věci tak, jak jsou. Když v Americe chcete působit jako člověk ze startupu, tak musíte mít hodně velké ego a hodně velké plány. Je to jiný svět a jiná kultura.

DŠ: Dnešním hostem byl garant datových oborů na VŠE – Ota Novotný.

Share This

Share this post with your friends!