Branje zapisa vam bo vzelo 9 minut.

Ali se strinjate z opisom BI = Transforming data into business insights. Lahko to opišete na kakšnem konkretnem primeru?

Podatki so moja strast in predstavljajo izziv v zasebnem življenju in tudi v poslovnem svetu. Naloga direktorja za poslovno inteligenco je pomagati poslovnim uporabnikom osmisliti uporabno vrednost podatkov in z njihovo pomočjo povečati vrednost organizacije. To pa je mogoče le s pravilno uporabo podatkov in različnih podatkovno-analitičnih orodij. Pri tem mi pomaga kompetentna ekipa sodelavcev z raznolikimi strokovnimi znanji, ki podatke prepoznava, zbira, analizira, predstavlja in jih interpretira v uporabne oziroma koristne informacije, kar posledično prinaša tudi spremembe na ravni celotne organizacije. Najpomembnejši vprašanji, ki si jih je potrebno zastaviti pri analizi podatkov, sta »zakaj« in »kaj sledi«. To je povod za razmišljanje poslovnih uporabnikov o uporabnosti podatkov. Ni dovolj, da vidimo, kakšna je bila prodaja in indeks prodaje določenega produkta v posameznem mesecu. Glavno je, da znamo pojasniti, zakaj je bil indeks prodaje pozitiven ali negativen, in kaj lahko naredimo s pomočjo ugotovljenih izsledkov.

Je izraz big data le buzzword in izjava 'podatki so nova nafta' le floskula? Zakaj se daje podatkom in analitiki vedno večji pomen?

Tako nafta kot podatki imajo neko določeno vrednost. Po mojem mnenju pa je izraz »podatki so nova nafta« do neke mere res samo buzzword. Tako nafta kot podatki imajo določeno vrednost, vendar surovi podatki mnogo manj kot surova nafta. Predvsem je pri podatkih pomembno, da z obdelavo povečujemo njihovo uporabnost in vrednost. Če bi bili podatki nova nafta, potem bi bili podatki v rafinerijah in če bi želeli uporabiti te podatke, bi jih morali kupiti. In vsi podatki bi imeli enako strukturo. Danes praktično na vsakem koraku puščamo svoje digitalne sledi. Organizacije zbirajo ogromne količine podatkov in ti podatki sami po sebi nimajo nobene koristi. Kot surove podatke se jih ne da uporabiti pri nobenem odločanju. Organizacije morajo podatke spremeniti v vrednost. To pa lahko naredijo tako, da podatke postavijo v kontekst, v uporabne informacije in te v znanje, ki je pomembno za poslovno odločanje. Tako kot super avtomobili za svoje delovanje potrebujejo posebno gorivo, tako potrebujejo organizacije za odločanje uporabne informacije, ki imajo nek smisel. Ob ogromni količini podatkov je odločanje brez podatkovnih dokazov, samo na podlagi intuicije, zelo tvegano. Odločevalci brez uporabnih podatkov so (lahko) pri svojih odločitvah kot avtomobil v gosti megli. Vedo, kam želijo, ne vedo pa, ali bodo prišli do želenega cilja. Zato so danes podatki temelj za pravo odločanje. Vendar vsi podatki niso uporabni, zato je treba končnim (ključnim) deležnikom s pomočjo analitike dostaviti take podatke, ki so relevantni in uporabni za odločanje v trenutku, ko te podatke potrebujejo.

Vsi podatki niso uporabni, zato je treba končnim (ključnim) deležnikom s pomočjo analitike dostaviti take podatke, ki so relevantni in uporabni za odločanje v trenutku, ko te podatke potrebujejo. - Borut Olenik

Kaj pomeni podatkovna pismenost in kako jo graditi?

Raziskave kažejo, da manj kot 50 % zaposlenih podatke pri svojem poslovnem odločanju uporablja na pravi način in da ima več kot 70 % zaposlenih strah pred uporabo podatkov. Eden od vzrokov za to je tudi podatkovna (ne)pismenost. Podatkovna pismenost pomeni sposobnost posameznikov, da prepoznavajo, razumejo, preučujejo in uporabljajo podatke, delijo informacije z ostalimi deležniki in jih predstavljajo na razumljiv način ter se tako ali drugače konstruktivno ukvarjajo s podatki. Menim, da je danes v procesu digitalizacije in velike količine podatkov podatkovna pismenost zaposlenih ključ za razumevanje poslovanja in podatkovno vodenega odločanja ter s tem konkurenčne prednosti nekega podjetja.

‍

Hipotetično lahko ogromne količine podatkov povzročijo tudi strah pred podatki – zakaj, kako se soočiti s tem, kje začeti, kdo so ključni sogovorniki?

Strah pred podatki ne povzročajo le velike količine podatkov, ampak podatki nasploh. Strah, ki se pri tem pojavlja, je tesno povezan s podatkovno (ne)pismenostjo. Če ima posameznik slabo razvite kompetence in znanja podatkovne pismenosti, kot so branje, razumevanje in analiziranje podatkov, bo strah večji. Poleg tega se je treba zavedati, da imajo danes vse aplikacije podatkovno podporo. Uporabniki vidijo samo uporabniški vmesnik brez zavedanja, da lahko iz podatkov, ki se shranjujejo, pridobijo uporabne informacije.

Tako kot se ne moremo udeležiti maratona brez treninga, se tudi straha pred podatki ne moremo znebiti brez ustreznega izobraževanja. Pri tem si lahko pomagamo na več načinov. Največ lahko naredimo sami z zavedanjem, kako lahko bolj učinkovito opravljamo svoje delo ob uporabi podatkov. Za to so potrebna izobraževanja, strokovne prakse in delavnice, s katerimi zaposleni spoznavajo orodja in dobre prakse pri uporabi podatkov. V vse več podjetjih se vzpostavljajo tudi t. i. »COE – Center of Excellence«, v katerem so zaposleni kompetentni strokovnjaki, ki s pomočjo postavljenih standardov na področju podatkovne analitike pomagajo ostalim sodelavcem pri pridobivanju vrednosti iz podatkov in iskanju rešitev oziroma odgovorov.

Tako kot se ne moremo udeležiti maratona brez treninga, se tudi straha pred podatki ne moremo znebiti brez ustreznega izobraževanja. - Borut Olenik

Kdo vse so strokovnjaki, ki se v podjetjih ukvarjajo s podatki? Kdo ima največjo vlogo pri njihovem 'plemenitenju'?

Vloga posamezne skupine podatkovnih strokovnjakov se razlikujejo med seboj glede na to, kaj delajo, s kom delajo in kje v verigi podatkovnega toka se znajdejo. Pri tem naletimo na različne profile, kot so podatkovni analitik, podatkovni inženir, podatkovni znanstvenik, razvijalec poslovne inteligence, poslovni analitik idr. Ker gre pri razumevanju in obogatitvi podatkov za več stopenjski proces, je vsak v verigi – od zajema podatkov, priprave podatkov, analize podatkov in na koncu končne predstavitve podatkov – enako pomemben. Ključno vprašanje pri plemenitenju podatkov imajo poslovni uporabniki, ki morajo ustrezno interpretirati poslovne zahteve, ki jih lahko s pomočjo podatkov predstavimo.

Verjamete v moč podatkov, predvsem ko so pripravljeni na način, da imajo za različne uporabnike največjo vrednost. Velik pomen dajete vizualizaciji podatkov, omenjate tudi samopostrežno analitiko. Kako je v idealnem svetu videti taka samopostrežba, prilagojena različnim nivojem uporabnikov, ki bo hkrati še vedno ohranila vrednost podatkov?

Zdi se mi, da je danes izjemno pomembno, da smo pri upravljanju s podatki dovolj kritični, da ne verjamemo vsemu, kar nam splet ponudi, ampak moramo najti tisti podatek, ki nas zanima in smo lahko z veliko verjetnostjo prepričani, da je pravi. Pomislite. Imate iskalnik, v katerega vpišete »Segmentacija strank na spletni strani 'namišljenaspletnastran' na današnji dan, kjer nas zanimajo samo stranke, starejše od 18 let« in dobite odgovor v obliki enega ali več vizualnih gradnikov. To bi bilo vrhunsko in verjamem, da bomo čez nekaj let prišli do te točke analitike. Zdaj pa smo še v začetni fazi samopostrežne analitike, katere sinonim je hitrost. Nič več ni čakanja na IT za pripravo podatkov, ampak so podatki na dlani. S pomočjo modernih analitičnih orodji te podatke uporabimo za različne namene, različne uporabnike in to samostojno.

Za hitro in preprosto razumevanje podatkov in trendov je vizualizacija podatkov zelo pomembna. Ogromne količine podatkov in neprestani »digitalni« motilci nas nezavedno silijo v drugačen način predstavitve podatkov. Ključno je, da v nekaj sekundah iz podatkov vidimo tisto informacijo, ki nas zanima. Še posebej, če to spremljamo dnevno ali celo večkrat na dan.

Ali so podatki naš zaveznik?

Si danes predstavljate nakup avtomobila brez podatkov o njegovih lastnostih, kot so npr. vrsta goriva, poraba goriva, dimenzije pnevmatik, dodatki v notranjosti, cena? Brez omenjenih informaciji bi po moje težko kupili vozilo, ki ustreza našim željam, potrebam in predvsem, ali imamo dovolj sredstev za nakup takega avtomobila. Tako je tudi pri poslovnih odločitvah. Odločanje brez podatkovne podpore je odločanje na podlagi naše intuicije. To pomeni, da se ne moremo nasloniti na nič otipljivega, nimamo zaveznika, ki bi mu lahko zaupali. Brez konkretnih podatkov, ki nam pomagajo pri odločanju, smo kot, da bi tavali v megli brez pomoči. Kamorkoli gremo, vse je enako in samo sreča nas lahko pripelje do cilja. Zato je toliko bolj pomembno zavedanje, da so podatki na voljo tu in zdaj. Včasih je izziv pridobiti prave podatke, vendar ko jih pridobimo, smo bolj zanesljivi in odločni. Kot pri zavezniku.

Katere trende zasledujete? Kaj nas bo v prihodnjih letih najbolj zaznamovalo - kaj kot družbo, kaj poslovno?

Vseskozi sem povezan z uporabo podatkov in kako podatke približati končnemu uporabniku, zato spremljam vse, kar je tesno povezano z uporabo podatkov – od tehnologij, kot sta strojno učenje in umetna inteligenca, do strateških usmeritev, kako podatke približati poslovnim uporabnikom, da bodo spoznali njihovo pravo vrednost in jih uporabili na ustrezen način. V zadnjem obdobju zelo velik poudarek dajem vsebinam, ki so usmerjene v podatkovno pismenost uporabnikov z namenom zmanjšanja strahu pred podatki in predstaviti relevantnih, v tistem trenutku potrebnih podatkov za poslovno odločanje, kar lahko dosežemo z različnimi analitičnimi orodji.

Menim, da nas bo uporaba podatkov in z njimi povezane tehnologije, kot je umetna inteligenca, spremljale na vsakem koraku našega življenja. Praktično se to že dogaja s pametnimi telefoni, urami, avtomobili, domovi itd. V prihodnosti pa bo ob krepitvi digitalizacije in podatkov tega še mnogo več, umetna inteligenca in z njo povezane tehnologije (VR, AR) bodo krojile družbo. Podobno se bo dogajalo v poslovnem svetu, kjer bo vedno večji poudarek na podatkovno vodeni kulturi podjetij. Podjetja, ki se temu ne bodo dovolj hitro prilagodila, bodo nekonkurenčna. Zelo pomembno bo upravljanje s podatki in podatkovna pismenost vseh zaposlenih. Z uporabo umetne inteligence se bodo rutinska dela avtomatizirala in optimizirala. Ocenjujem pa, da umetna inteligenca ne bo povsem nadomestila sodelavcev, ampak bodo zaposleni opravljali drugačna, bolj inteligentna dela.

V poslovnem svetu bo vedno večji poudarek na podatkovno vodeni kulturi podjetij. - Borut Olenik

Kaj za vas kot ne-marketingaša pomeni marketinško razmišljanje? Kako gledate na marketing - kot na funkcijo ali kulturo?

Moje prve asociacije na marketing so oglasni pano, znamka, logotip. Ko pogledam globlje, pa ugotavljam, da je zame marketing, kako ljudje zaznavajo, razumejo in razmišljajo o podjetju in blagovni znamki. V tem kontekstu je ključna osredotočenost na stranko z razmišljanjem, kakšne izdelke, produkte in storitve stranka želi in pričakuje, ter kako pritegniti čim več ljudi v sodelovanje z nekim podjetjem. Z mojega zornega kota je pomembno spremljati in analizirati trg ter iskati načine, kako se čim bolj približati potrošniku, s kakšnimi prijemi osmisliti nek izdelek in (o)krepiti znamko podjetja. Marketing je po mojem mnenju obraz podjetja na trgu, ki skrbi za pravilno umestitev izdelkov, cene izdelkov, promocijo in način dostave. Brez pravega marketinga si danes težko predstavljam organizacijo, sploh v dobi digitalizacije in velike količine podatkov, kjer lahko podjetja s pomočjo digitalnega marketinga zelo ciljno oziroma personalizirano stopajo v stik s svojimi obstoječimi in novimi strankami.

Ko pogledam globlje, je zame marketing, kako ljudje zaznavajo, razumejo in razmišljajo o podjetju in blagovni znamki. - Borut Olenik

Kakšno vlogo bi moral imeti marketing v kontekstu podatkov in podatkovne analitike?

Marketinga brez uporabe podatkov in podatkovne analitike si enostavno ne predstavljam. Marketing postaja povsem podatkovno voden. To pomeni, da podatkovni analitiki dobijo vpoglede v podatke, ki jih pridobijo z zbiranjem ogromnih količin podatkov ob vsakokratni interakciji strank s podjetjem na različnih kanalih. S tem lahko podatkovni analitiki oblikujejo napovedne modele, ki služijo marketingu pri učinkovitejšemu doseganju ciljnih strank in izboljševanju njihove uporabniške izkušnje.

Če želi marketing čim bolj učinkovito uporabljati podatke pri svojih vsakodnevnih odločitvah, potrebuje ustrezna orodja za obvladovanje podatkov ter predvsem kompetentne zaposlene z znanji obvladovanja podatkov, kot so zbiranje, analiziranje in predstavitev podatkov.