Dr. Dave Schrader je strokovnjak na področju podatkovnih skladišč, poslovne inteligence in nekdanji direktor trženja za masovne podatke (Big Data) pri Teradata Corporation. Z njim smo se pogovarjali o njegovih izkušnjah in pogledu na področju podatkovne analitike, saj ga v septembru gostimo na Ekonomski fakulteti, na seminarju Podatkovna analitika za doseganje poslovnih ciljev. Seminar bo potekal 28. in 29. septembra 2017.
Dr. Dave Schrader je priljubljen govorec na konferencah in je pomagal številnim podjetjem pri razumevanju strateške uporabe tako tradicionalnih kot tudi masovnih podatkov za boljše razumevanje in analizo navad njihovih strank. Zbral je najboljše praktične študije za izboljšavo klicnih centrov, celotnega pojavljanja na spletu, pa tudi trgovin na drobno, bančnih bankomatov in mobilnih naprav.
Korporaciji Teradata se je dr. Dave Schrader pridružil leta 1991 in opravljal več funkcij, tako inženirskih kot trženjskih. Pred tem je delal pri Servio Logic, kjer je vodil projekte podatkovnih baz. Je svetovno priljubljen konferenčni govorec na temo uporabe tehnologij za ustvarjanje konkurenčne prednosti.
Kako opredeljujete masovne podatke in za katere bi rekli, da so danes bolj pomembni – tradicionalni ali masovni podatki?
Masovne podatke je težko opredeliti, saj se ta izraz danes uporablja za pravzaprav vse. Količina, raznolikost, hitrost in verodostojnost so en niz lastnosti s katerimi jih lahko opišemo, vendar je to nezadosten okvir, saj lahko tradicionalni podatki prav tako posedujejo naštete lastnosti. Torej je ta primerjava precej relativna.
Osebno kot ključni diferenciator dojemam raznolikost – zajemanje podatkov, ki vsebujejo koristne informacije (npr. glas), preoblikovanje le teh v tradicionalne podatke (npr. tekst) in kombiniranje z ostalimi tradicionalnimi podatki za izboljšavo napovednih modelov. Moj preprost primer, s katerim pojasnjujem koncept, je kričanje in preklinjanje med pogovorom z agentom v klicnem centru. Glasovni klic je mogoče digitalizirati in ga analizirati po glasnosti tona ter tako prepoznavati jezne oziroma ostre besede. Ti rezultati se lahko dodajo obstoječim modelom. Na splošno mislim, da se masovni podatki lahko dopolnjujejo s tradicionalnimi podatki, ne morejo pa jih nadomestiti.
Kako bi opisali vaše delo s podjetji na področju podatkovne analitike? Kako in pri čem jim pomagate?
Pomagam jim razumeti in prepoznati možnosti, ki jih masovni in tradicionalni podatki ponujajo za boljše poslovno odločanje v podjetju. Menim, da podatkovna analitika izboljšuje tri funkcijska področja. Včasih pomagam pri uporabniškem delu poslovanja, kjer pokažem kako zbrati in analizirati uporabniške sledi za lažjo pripravo različnih kampanj. Včasih sodelujem z upravami, z namenom gradnje sistemov, ki bodo nadgrajevali poslovanje. To dosegamo s ključnimi kazalniki uspešnosti (KPI) in z nadzornimi ploščami, ki v realnem času zaznavajo in prikazujejo dogajanje. Na področju uspešnosti podjetij sodelujem tudi z direktorji posameznih področij in finančnimi analitiki. Tretje področje pa je administracija oz. »back office«, kamor spadajo tudi analitika oskrbovalne verige in B2B procesi, ki uporablja podatke za izboljšanje produktivnosti, kakovosti produktov in storitev ter za odpravo napak.
Udeleženci mojih delavnic in predavanj najbolj cenijo mojo zbirko študij primerov, katerih imam več kot 300. Te natančno pokažejo kako so nekatera podjetja s pomočjo podatkovne analitike dosegla poslovni uspeh. Omenjam in opozarjam pa tudi na pasti, z namenom, da se jim lahko izognejo.
Kako lahko podjetja iz podatkov dobijo največ dodane vrednosti in kdo v podjetju naj bo za to zadolžen?
Vrednost nastane z globljimi vpogledi. Pogosto pričnem z merjenjem in oceno trenutnega pristopa in pokažem, kako ostala podjetja z globljimi in hitrejšimi vpogledi ustvarjajo boljše rezultate. Naprimer, z uporabo zgoraj omenjenih treh kategorij, vrednost za vodjo ključnih strank nastane z boljšimi modeli za pridobitev in ohranjanje strank ter njihovo rastjo. Dodana vrednost za upravo ali vodjo financ so boljši vpogledi v stopnjo produktivnosti, dobičkonosnosti ter ustvarjanje konkurenčne prednosti s hitrejšim zaznavanjem priložnosti ter težav. Za direktorja oskrbovalnih verig podatkovna analitika predstavlja vrednost pri identifikaciji problemov v proizvodnji, razumevanje odstopanj in hitrejši proizvodnji.
Dr. Dave Schrader, kaj je po vašem mnenju trenutno največji izziv, s katerim se podjetja soočajo na področju podatkovne analitike?
Za premik po krivulji zrelosti navzgor je pomembno predvsem pravo vodenje. Le tako se odpre priložnost za ustvarjanje kulture, ki temelji na podatkih, to pa je ključno gonilo dobička. Menim, da je poleg vodstva v večini podjetij kar precej dobrega analitičnega znanja, vendar pogostokrat to ni razširjeno skozi celotno podjetje. Zato ta podjetja izpustijo priložnosti, ki jih ponuja celovit pristop k podatkovni analitiki.
Kateri izmed trenutnih trendov na področju podatkovne analitike vas najbolj zanimajo?
Mislim, da smo končno mimo napihovanja vloge masovnih podatkov in da se zdaj lahko osredotočimo na njihovo inkrementalno vrednost. Če se vrnemo k mojem uvodnemu primeru, koliko pravzaprav doprinašajo ti modeli, ki zaznavajo in analizirajo jezne stranke v klicnem centru? 5%? 25%? Odgovor na to pomaga upravičiti naložbe v tovrstna orodja.
Najbolj me zanimata področji analitike časovnih vrst in izboljšave vizualizacije podatkov, ki pripomoreta k boljši komunikaciji med analitiki in poslovnimi partnerji. Sposobnost zaznavanja vzorcev je ključna in lahko omogoči boljši vpogled ter izboljša komunikacijo z ostalimi zaposlenimi, kar pripomore tudi k njihovem boljšem delovanju.
Kam je osredotočeno vaše delo danes?
Odkar sem upokojen, sem pogosto govorec na univerzah, večinoma na poslovnih šolah, predavam pa tudi na fakultetah za računalništvo. Predavam o masovnih podatkih, kdaj tudi o humanitarni koristi podatkov (študentje so idealistični!), zadnje čase pa največ o športni analitiki. V letu 2017 sem imel že 45 predavanj na dvajsetih univerzah, za preko tisoč študentov in trenerjev.
Športna analitika je zelo aktualno področje, saj obstaja veliko možnosti apliciranja poslovnih ugotovitev na šport. Obstajajo tri področja. Prvič, analitika navijačev je precej podobna CRM-ju – kateri dejavniki vplivajo na nakup vstopnic in podaljšanje sezonskih vstopnic? Kako socialna omrežja vplivajo na poslovanje športnih ekip? Drugič, administracija se osredotoča na ekipo in taktične pristope za trenerje. Katere kombinacije igralcev bodo najbolj učinkovite proti določenemu nasprotniku? Katere poteze v igri so bolj ali manj uspešne? Tretje področje pa so moč, fitnes in kondicijska pripravljenost ter delo s trenerji. Kako naporni naj bodo treningi? Kako predvidevati poškodbe igralcev? Kako spanje in prehrana vplivata na igralčevo učinkovitost?
Vsa ta vprašanja so zelo zanimiva zame in glede na to, da so profesionalne in v Ameriki tudi univerzitetne ekipe začele zaposlovati analitike, je moja trenutna strast pomoč študentom pri pridobivanju znanj in spretnosti ter projektov na področju športa.