Članci

Majstor za pametne podatke

04 feb 2019

„Marketing budućnosti, kao i sadašnjosti, temelji se na podacima, a ne na dobrom osjećaju direktora marketinga,” smatra belgijski naučnik za podatke Jean-Philippe Schepens.

Jean-Philippe Schepens pomalo je nekonvencionalni naučnik za podatke. 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 kompanijama da velike količine podataka (big data) pretvore u korisne, pametne podatke. Metafore iz svijeta ptica često koristi i na svojim predavanjima, u što su se mogli uvjeriti i sudionici eventa „Smart Breakfast“ koji je u novembru organizovala kompanija Bisnode Slovenija, koja se specijalizirala upravo za pametne podatke. I Schepens dolazi iz grupe Bisnode, iz njezine belgijske podružnice, gdje je smart data master - majstor za pametne podatke. U razgovoru za MM pitali smo i šta radi takav majstor i zašto i kako pametni podaci mogu koristiti marketingu.

Vaš službeni naziv u kompaniji 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 ilustruje ono što stvarno radim, a to je pomaganje poduzetnicima i kompanijama u njihovom poslovanju uz korištenje podataka i nauke. S veseljem razgovaram s donosiocima odluka u kompanijama i želim im donijeti još više posla.

Kako biste jednostavno objasnili šta 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 upotrebne 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 kompaniji pomažemo privredi, kompanijama i donositeljima odluka da te podatke koriste na znanstven način. Sve što želimo jest stvarati vrijednost.

Vi ste ornitolog, dakle znaučno proučavate ptice. Kako se promatranje ptica prepliće s vašim analitičkim umom?
Vjerujem da nauka mora imati nekakav okvir, pa tako mora imati i nauka o podacima. Sociolog, ekonometričar, geograf, matematičar ili kvantni fizičar imaju svoje poglede na nauku 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 kompaniju 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. Ona 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 dvije sedmice 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 opšte uvjerenje kako su svi labudovi bijeli, a nakon otkrića Australije, ljudi su otkrili da tu 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 kompanije zapošljavaju naučnike za podatke. Šta stvarno rade naučnici za podatke i koja je njihova uloga u kompanijama?
Naučnik za podatke je u biti menadžer za podatke koji koristi tehnologiju da bi dobio više spoznaja, uvida. No nauka o podacima ne znači ništa bez poznavanja tržišta. Možete imati dobru ili lošu znanost o podacima. Dobar je naučnik za podatke onaj koji vodi računa o poslovanju kompanije i pokušava ostvariti rezultate korištenjem pametnih podataka, a loš je naučnik za podatke onaj koji ovu nauku samo posmatra. Ali ne trebate imate nauku opodacima zbog nje same. U tom slučaju radije provodite istraživanja na univerzitetu.

Kako nauka o podacima može koristiti marketingu?
Pomoću nauke o podacima 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 kompanije. Moramo znati uvodi li ona novi proizvod, kupuje li drugu kompaniju ili ulazi na novo tržište. To su 360-stepenski 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 prihvata pristup koji se temelji na podacima. Kao naučnik za podatke 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 kompanije. 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 rukovodstvom.

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 mom 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 kompanijama. Na primjer, ako se nećete transformisati iz tradicionalne taksi kompanije, nestat ćete.

Mogu li nam podaci pomoći predvidjeti buduće trendove? Šta uopšte 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). Niko ne može podatke iskoristiti tako da bi mogao ispravno predvidjeti što će se dogoditi. Velike kompanije, kao što su Gucci, Armani, H&M ili Procter&Gamble, nekad su se oslanjale na kretore trendova, pojedince koji kupuju na određen način. Kompanije uvijek pokušavaju identificirati te pokretače trendova. Kad predstave deset novih proizvoda, na temelju podataka moraju utvrditi kupuju li ih ti pokretači trendova. Zatim neposredno šalju povratne informacije u model koji će moći upravljati njihovom proizvodnjom jer će vjerovatnost 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 pretraživačem koji predviđa trendove na temelju riječi u pretraživanju. Sve to moguće je s podacima, ali tu se predviđanje budućnosti zaustavlja.