Hlavní obsah

Firmy potřebují ajťáky a ekonomy v jednom. Umět číst data bude klíčové

Foto: Profimedia.cz

Už teď je poptávka po lidech, kteří umí pracovat s daty a umí je i interpretovat a obchodně využít. Tato poptávka bude dál narůstat (ilustrační foto).

Zaměstnanci 2v1. Ti podnikatelům pomohou najít nové příležitosti, ale i odříznout nefunkční nebo málo efektivní části byznysu.

Článek

Osobní kontakt vytlačují data a stroje. Zatímco ekonomiku jako celek covid-19 a opatření s ním spojená spíš uspaly, tento nastupující trend aktuální krize ještě zrychlila.

Mnohé firmy nebo celá odvětví jsou nuceny virtualizovat svoje produkty. Příkladem budiž koncerty s hudebníky propojenými přes platformu Zoom nebo závod F1, kde skuteční jezdci seděli za simulátory a závodili na dálku. „Byznys v hodnotě čtyř miliard dolarů se zvirtualizoval z týdne na týden,“ říká Tomáš Mátl, expert na datové analýzy z firmy Colours of Data.

Firmám zároveň vyschly tradiční komunikační a prodejní kanály, kamenné obchody a pobočky. I když už se otevírají, přichází do nich méně lidí než dříve. „Na to firmy mohou zareagovat jediným způsobem – co nejdříve zdokonalit a optimalizovat své digitální kanály: web, aplikace, e-maily, atd. A přes ně na zákazníky cílit velmi personalizovaně – přinášet relevantní nabídky a zprávy. To jediné může zajistit, že jim budou zákazníci naslouchat,“ říká Mátl nekompromisně.

Neobejde se to bez co nejlepší, tedy nejpřesnější a aktuální znalosti zákazníka a jeho kontextu, k čemuž jsou nezbytná aktuální data a nejspíše data z externích zdrojů. Například to, jestli zákazník patří do skupiny lidí, které koronavirová krize postihla negativně, nebo pozitivně. To o sobě lidé často dávají sami vědět na sociálních sítích nebo to lze poznat například z jejich transakcí.

Firmy zároveň začínají odlišně fungovat samy mezi sebou. Ještě před pár týdny dominovaly osobní vztahy, setkání a jednání. Dnes se i tyto věci automatizují a vyřizují elektronicky.

Například k otevření podnikatelského účtu v bance bylo ještě před rokem potřeba jít na pobočku. Různé kontroly a ověření zabraly několik hodin času. Při dnešních omezeních a technických možnostech se to dá automatizovat. „Stroj stáhne nebo přečte data v různých veřejných nebo podnikatelských zdrojích, ověří pravosti dokumentů a podpisů a dotáhne celý proces až do vygenerování smlouvy a založení účtu přibližně za hodinu,“ tvrdí Tomáš Mátl.

Podle něj teď bují tzv. data markety. Podobně jako má Google nebo Apple internetové tržiště všemožných aplikací, vznikají i tržiště s různými typy dat, která si mohou firmy koupit, aby své podnikání vylepšily.

„Budou to dělat i třeba banky. Ty mohou prodávat anonymizovaná data typu ,jak se daří jednotlivým typům byznysu z pohledu příjmu‘. Mohou říct, jaké jsou tržby v různých oborech podle regionů a jiných úrovní detailů,“ popisuje Mátl. Jak dodává, vzniknou také prostředníci – služby, které budou různá data agregovat, jako jsou dnes třeba vyhledávače zboží.

A může jít o data, která zdánlivě nesouvisejí s konkrétním oborem podnikání. „Existuje například služba, která používá statistické metody, aby získala zajímavé informace ze satelitních snímků. Třeba podle analýzy vytíženosti v přístavech a na silnicích v okolí průmyslových oblastí Číny nebo v jiných částech světa umí statisticky určit růst DPH dané země,“ dává příklad Mátl.

Například výrobce zemědělských strojů John Deere prodává návěs za traktor, který při jízdě po poli snímá a v reálném čase vyhodnocuje, co pod sebou vidí. V přední části jsou kamery, v zadní části trysky, a než návěs rostlinu přejede, ví, zda je to plevel, či užitečná plodina, a zda ji postříkat herbicidem, nebo hnojivem. „Metoda vede k 90procentní úspoře herbicidů a 20procentní úspoře hnojiv oproti dříve používaným aplikacím,“ říká Mátl.

Aby ale fungovala, bylo třeba algoritmus naučit, jak může vypadat třeba pýr v tisíci svých podob – aby dokázal rostlinu rozpoznat v různých stadiích, druzích, počasí, atd. K tomu je možno využít externí data (obrázky) rostlin.

Datová analýza urychlí přerod firmy

Především by ale teď měly firmy využít data, která mají, a analyzovat je s cílem zefektivnit svůj chod. Datovým analýzám se dnes podle Oty Novotného, vedoucího katedry informačních technologií na Fakultě informatiky a statistiky Vysoké školy ekonomické v Praze, moc nevěří. Právě data však mohou firmám pomoci dostat se rychleji z krize, do které je uvrhla současná pandemie.

„V krizi je dobré soustředit se na to, co mi jde. Teď neřešit třeba zapojení umělé inteligence, ale naprosté základy, jako je efektivita práce či náklady,“ míní Novotný.

Screening dat by měl běžet už teď, souběžně se snahou o záchranu zaměstnanců a celkového podnikání. Je třeba se podívat nejen na celková čísla, ale udělat rozpad na jednotlivé části firmy – produkty, zákaznické segmenty apod. – a vyhodnotit jejich přínosy do podnikání. „VIP zákazníci už třeba dávno nemusejí být VIP. Mohl vyrůst úplně jiný zákaznický segment,“ dává příklad Novotný.

Taková analýza je vhodným podkladem k tomu, zbavit se nefunkčních částí firem. Není přitom potřeba investovat statisíce, aby podnikatel dokázal svá data lépe vytěžit. „Malé firmě stačí kontingenční tabulka v Excelu,“ tvrdí Novotný. „Musíme se soustředit na věci, které jsou jádrem našeho podnikání, a udělat si analýzu, jak na ně krize dopadla. Následně limitovat oblasti, které se nevztahují k hlavnímu podnikání a nákladově ho zatěžují,“ pokračuje.

Za příklad dává nedávné rozhodnutí společnosti Airbnb omezit podnikání, jež přímo nepodporuje sdílení ubytování – jako investice do hotelů, letecké dopravy a výroby filmů.

Příklad datové analýzy v malé firmě

Co analyzovat:

Cash flow (příjmy a náklady) na nejbližší měsíce. U plánovaných příjmů pracovat i s odhadovanou pravděpodobností, že skutečně dorazí, nemá cenu si lhát do kapsy.

Zákazníky a jejich hodnotu pro firmu. Podívat se, jak je na tom firma u těch klíčových a jaká je pravděpodobnost jejich udržení a výnosů z jejich obsluhy.

Náklady. Jak v čase, tak podle základních druhů.

Kde vzít data:

V účetnictví nebo provozním informačním systému firmy. Pro takové analýzy není třeba hned budovat datové sklady nebo využívat externí tržiště.

V jakém programu analýzu udělat:

Tabulkový editor, např. Excel.

Nástroje self service business intelligence – např. Power BI, Tableau, Qlik atp. Existují i jejich online verze – vše je možné zdarma předem vyzkoušet.

Jak zobrazit výsledky analýzy:

Kontingenční tabulky a grafy (nástroj v tabulkovém editoru zobrazující závislost různých dat).

Heat mapy (zobrazují intenzitu v konkrétních oblastech zkoumání).

Zdroj: Ota Novotný, vedoucí katedry informačních technologií na Fakultě informatiky a statistiky Vysoké školy ekonomické v Praze

Rozhodnutí na základě datové analytiky je informovanější. Když ale někdo neumí data číst, může udělat špatné rozhodnutí. „Ajťáci musí chápat obchodníka a naopak, je důležitý přesah. Obchodník musí vědět, jak se s daty pracuje, aby dokázal naformulovat úkoly pro IT. Ajťák, když ví, jak funguje byznys, může řešení připravit lépe,“ vysvětluje Ota Novotný. „Není také problém naučit lidi s rozhodovací schopností základům datové analýzy,“ doplnil.

Analýza dat je také k ničemu, když firma nezná cíle. „Když na firmu někdo tlačí, aby snížila náklady o pět procent, vždycky se to nějak udělá a firma funguje jako celek. Pokud ale chtějí snížit náklady o 30 procent, musí se zamyslet a udělat to pořádně,“ připomíná Novotný.

Už teď je poptávka po lidech, kteří umí pracovat s daty a umí je i interpretovat a obchodně využít. Tato poptávka bude dál narůstat. „Nevznikne nová pracovní pozice – pořád to bude šéf obchodu, který zná datovou analýzu, nebo datový analytik v bankovnictví nebo retailu. Bude to druhá kompetence,“ popisuje Ota Novotný pracovní zařazení datových translátorů, jak se těmto lidem říká.

Doporučované