A korszerű szoftvermérnöki tudomány lehetőségei kicsit olyanok, mint egy feneketlen kút: sosem lehet pontos képet alkotni arról, hogy egy öntanító képességgel felruházott program mire lehet képes, a lehetőségek horizontja folyamatosan tágul, a nyuszi ürege pedig egyre csak mélyül.

A legegyszerűbben az alábbi 4 fázisra tudjuk lebontani azt, hogy egy cég számára hogyan válhat komoly profitszázalékokat érő működési funkcióvá a modern adatkezelés:

ADATGYŰJTÉS -> ADATTÁROLÁS -> KIÉRTÉKELÉS -> DÖNTÉSHOZÁS

Ez a cikk egy háromrészes sorozat első része.

Itt, az első részben gyorsan áttekintjük, melyik fázis miről szól, és mit érdemes átgondolni a cég működésében ahhoz, hogy az adatok besegítsenek a termelésbe és szolgáltatásba.

A második részben a négy fázis első felét, a gyűjtést és a tárolást vizsgáljuk meg közelebbről.

A harmadik részben pedig az ipari adatelemzés és a döntéshozatal összefüggéseit mutatjuk be részletesebben.

1. ADATGYŰJTÉS

Az adatokat valahogy be kell gyűjteni: sok vállalkozás már ezen a ponton elvérzik. Sokan vannak, akik nem gyűjtik be azokat az adatokat, amelyekre amúgy szükségük lenne, amelyek tanulságot hordozhatnak.

Az érem másik oldala, hogy sokan sok adattal rendelkeznek, de nem is tudnak róla, vagy nem jut eszükbe, hogy az adataikat valamire használják is, ezért gyakorlatilag olyan, mintha nem is lennének adataik.

Ezen a ponton érdemes átgondolni: milyen adat generálódik az én cégemben?

Sok esetben beszélhetünk nagyon konkrét digitális adatokról, amelyek például szenzorokon keresztül rögzülnek a rendszerben. De az adat létrehozása sokszor aktív döntéseken is múlik. Az adat keletkezése ugyanis eredménye egy tevékenységnek, amit úgy nevezünk, hogy mérés.

Lehet, hogy már zajlanak mérési folyamatok a működésünkben, csak nem úgy nézünk, nem úgy gondolunk rájuk.

Hányszor nyílik egy fotocellás ajtó? Pontosan hány telefonhívást kap egy műszak alatt a recepciós? Átlagosan milyen gyakorisággal kell újratölteni a kávéfőzőt? Hány futár érkezik egy nap alatt? Hány liter benzint tankolnak a kollégák a céges autókba egyenként, átlagosan, és összesen?

Számtalan mérési folyamat zajlik a cégben, amelyet nem feltétlenül tudatosítunk.

És számtalan mérési folyamat hasznos lenne, csak nem jut eszünkbe megteremteni az ahhoz szükséges körülményeket.

A szükséges körülmény néha csak egy figyelő szem, egy toll, és egy kockás (négyzetrácsos!) füzet. Máskor azonban a körülmény a megfelelő szenzorok kihelyezését jelenti.

Az adatgyűjtés egyik legismertebb és leginkább használatos módja az ügyfelek tevékenységeinek mérése: például a weboldalon és a webshopon, hőtérképekkel és látogatási számok rögzítésével - ezek az adatok adják a kulcsot a digitális marketingkampányok sikerességéhez.

Egy másik tipikus felhasználási mód a web "bányászata" vagy fésülése, kaparása (scraping), amikor a nyilvánosan elérhető információkat gyűjtik, osztályozzák és értékteremtő funkciókat készítenek hozzájuk a cégek.

A Lexunit több ilyen projektet hajtott végre már.

Egy példa erre a jogszabályok változásait és azok médiakommentárját automatikusan nyomon követő szolgáltatás.

Egy amerikai startup ötletét, amely az álláskeresési folyamat szinte teljes automatizálására alapul, egy teljeskörű, kiszervezett technológiai és partneri kapcsolat keretében a Lexunit valósította meg.

2. ADATTÁROLÁS

Az adatok gyűjtése nem teremt értéket, ha nem megoldott azok szakszerű tárolása. Az adattárolás lényege a kereshetőség, kategorizálhatóság. Fontos több szempont alapján szűrhető adatbázist építeni, mert így lehet olyan összefüggésekre lelni, amelyekre az adatok gyűjtésének pillanatában még nem feltétlenül gondolunk. Lehet, hogy csak évekkel később hoz majd óriási hasznot, hogy körültekintően beállítottunk olyan paramétereket, kategóriákat vagy tageket, amelyeknek akkor még nem volt előre meghatározott szerepe, amikor keletkezett az adat.

Lokális adattárolás vs felhőalapú adattárolás

A digitális adatok tárolása kapcsán az egyik első döntési pont az, hogy lokális adattárolón vagy a felhőben tároljuk-e azokat? Át kell gondolnunk a biztonsági másolatok készítésének módjait, ütemezését, protokollját.

Az adat akkor jó, ha sok van belőle, de nagy mennyiségű adat tárolása és mozgatása növeli a költségeket. Ezért a megfelelő adatokat könnyen elérhető módon kell tárolni. Ez nem csak azt jelenti, hogy jó, ha az adathoz több fizikai helyről is hozzá lehet férni, hanem a kereshetőség mélységét is.

Gondoljunk bele, hogy mennyivel hasznosabb, ha akár csak egy keresőkifejezést beütve az egész adatbázist át lehet fésülni, azzal szemben ha mondjuk csak a fájlnevekben szereplő dátumokra tudunk támaszkodni, és utána egyesével kell a beazonosított fájlokon belül keresni a szövegben az adott kifejezésre.

A másik szempont az adatok megőrzésének protokollja. Sok cég “mindent és örökre” hozzáállással tárolja adatait, de nem minden adat hordoz értéket, különösen hosszú távon. Ezért érdemes felállítani valamilyen szabályrendszert, ami alapján szelektáljuk, hogy mit őrzünk meg, és hogy milyen időközönként ellenőrizzük, érdemes-e az adott típusú adatot még tovább tárolni, sőt, könnyen elérhető állapotban tartani. Ezzel jelentős költségcsökkentést lehet elérni, illetve a keresési és mindenféle menedzselési folyamatokat is tehermentesítjük, ha nem kell sok felesleges adaton átrágnia magát az algoritmusoknak.

3. ÜZLETI ADATOK KIÉRTÉKELÉSE

Végre, ez az első olyan fázis, amiért csináljuk az egészet, ami már tud konkrét értéket teremteni a számunkra.

Az adatok értékelése, elemzése során állítjuk elő az első üzleti értéket: az információt. A trendek és mintázatok értelmes elemzésével meg lehet alapozni az üzleti döntéseket.

Minden üzlet máshogy tud adatokat szerezni és azokat értékelni. Egy virágbolttól egy Shared Service Centerig a közös pont, hogy mindenkinek van hozzáférése valamilyen adathoz.

Íme néhány példa az adatelemzés legszélesebb körben használt módjairól:

- Ügyfelek elemzése: Kik ők, mik a fájdalompontjaik, mire van szükségük?
A meglévő ügyfélkör elemzésével finomhangolni lehet a marketing, a sales és a termékfejlesztés tevékenységeit is, hiszen egyre pontosabb képet alkothatunk arról, hogy mi képvisel értéket az ügyfelek számára.

- Marketing optimalizálás: Hogyan teljesítenek a digitális marketingeszközök?
Az online marketinges megoldásainkat egy organikus A/B teszt formájában, de a ROI mutatók segítségével gyakran már ránézésre is ellenőrizni tudjuk. Minden megoldás közül kiválaszthatjuk a legjobban teljesítőket, és azokat fejleszthetjük tovább, egy véget nem érő hatékonyságnövelő-ciklust működtetve ezzel.

- Ügyfélszolgálat fejlesztése: Melyik csatorna működik jól, hogyan lehet még jobb?
Minden üzlet más, van akinél a Messenger chat a fő csatorna, más üzleteket inkább telefonon vagy e-mailen keresnek fel kérdéseikkel az ügyfelek. Az adatelemzés révén beazonosíthatjuk a legnagyobb terhelés alatt álló csatornákat és elkezdhetjük fokozni a teljesítményüket, csökkenteni a válaszidőt, növelni az elégedettséget.

- Költségcsökkentés: az ipari működés optimalizálása
A Lexunit ügyfelei jellemzően ipari tevékenységet végeznek, és erre keresnek olyan megoldásokat, amelyekkel fokozni lehet a hatékonyságot. Ilyen lehet például bizonyos meghibásodások előrejelzése, vagy a hibás gyártmányok minél gyorsabb azonosítása és kiszűrése, amely értékes időt takaríthat meg és akár komolyabb anyagi kár keletkezését előzheti meg. Egy másik lehetséges példa a szalagon végzett munkafázisok optimalizálása. Az ilyen cégeknek évtizedes tapasztalata van a folyamat-optimalizálásban, a Kaizen, Kanban, LEAN elvek gyakorlatba helyezésében. Ami viszont itt, a 2010-es évek végének újdonsága az a predikcióban rejlő potenciál.

A költséghatékonyság növelése persze minden egyes elképzelhető üzleti tevékenységben lehetséges és fontos, a hirdetések jobb targetálásától kezdve a pontosabb rekrutáláson át keletkező értékekig. Ami biztos, hogy minden hatékonyságnövelő beavatkozást a tapasztalatok, vagyis az adatok értékelése előzi meg.

4. DÖNTÉSHOZÁS ADATELEMZÉS ALAPJÁN

Az adatok kezelésének legizgalmasabb része az, hogy hogyan hozunk meg döntéseket, az adatok elemzésének eredményeként.

A modern algoritmusok és mesterséges intelligencia-technológiák előnye ebben a fázisban mutatkozik meg talán leglátványosabban. Ezek a szoftvereszközök ugyanis segíteni tudnak a döntés előkészítésében, sőt, bizonyos esetekben döntést is hozhat, és be is avatkozhat.

Minden ipari környezetben megszokott, hogy vannak olyan beépített folyamatok, amelyek bizonyos paraméterek mellett működésbe lépnek. Ha pirosba megy a mutató, kienged a szelep. A mesterséges intelligenciával ugyanezt érhetjük el, csak nagyobb komplexitású, sokparaméteres szituációk során is.

A döntéshozatal egy “forró” téma, hiszen számos szempont merül fel, ha arról beszélünk, hogy megbízunk egy gépben. Ahogy az önvezető autók esetében is gyorsan eljutunk magas szintű etikai-filozófiai kérdésekhez, úgy az üzletvezetésnél is izgalmas ez a terület. Ugyanis a gép segítsége a döntéshozatalban nagyon hasznos tud lenni, ha tehermentesíti a döntéshozót. Vagy ha nem is dönt és végrehajt, de legalább ajánl, vagy szűkíti a lehetséges választások számát. A jó üzleti vezetők kulcsjellemzője, hogy jó döntéseket hoznak. Nyilvánvaló, hogy ez az a terület, ahol a digitális technológiák talán a legnagyobb mértékű üzleti értéket tudják előállítani, ha sikeresek ennek a feladatnak a végrehajtásában.

Itt is el kell mondani, hogy a gép nem fárad, és nem tapasztal stresszt, sem kiégést, ezért az objektivitása sosem csorbul - ugyanazt a minőséget tudja tartani. Sőt, igazából az öntanítás az ilyen rendszerek egyik erőssége, vagyis ha kap visszacsatolást a teljesítményéről, akkor optimalizálni tudja a saját működését: egyre jobb döntéseket tud hozni. A szoftver számára nem probléma, ha sok paraméter van, ami egy emberi vezető számára mind komplikáció, nehezítő tényező, újabb mérlegelési szempont. A szoftvernek ez mindegy, nem okoz gondot számára, hogy minden paramétert a megfelelő súlyozás mellett számításba vegyen.

Mindezek alapján elmondható, hogy a mai korban is létező helyzetképtől, amelyen a joviális, nyugdíj felé közeledő titkársági alkalmazott négyzetrácsos füzetbe rögzít feljegyzéseket, eljutunk oda, hogy egy szoftver nem csak elmenti, hanem elemzi is az adatokat, és azok alapján döntéseket hoz, vagy készít elő a döntéshozó vezető számára. A lehetőség adott, hogy a magyar kkv, regionális- vagy akár globális multi szektor működését digitalizáljuk, és ehhez csak a fent említett négy dolog kell:

• adatgyűjtés (szenzorok)
• adatrögzítés (adattárolók)
• adatértékelés (vizualizációs- és elemzőszoftverek) és a
• döntéshozás (mesterséges intellgencia-megoldások).
  

A Lexunit mind a négy fázisban, és azok összehangolásában is hatékony segítséget tud nyújtani, jelentős iparági tapasztalattal.

Szeretne többet tudni a témakörről?  Adja meg elérhetőségét és értesítjük az új blogbejegyzésről

Következő cikk:

Bőséges termés az adatfarmon - ötletek az üzleti adatok gyűjtésére és tárolására