Benedek Gergő
Az előző posztunkban bemutattuk az adatkezelés négy fázisát, és felvázoltuk, hogyan lehet optimalizálni az üzleti működést az adatok okos felhasználásával.
A “csúcstechnológia” szó angol megfelelője a “high tech”, ami inkább magas technológiát jelent szó szerint. Mi itt a Lexunitnál nagy hangsúlyt fektetünk arra, hogy ezt a technológiát lehozzuk, és minden üzleti környezetben elérhetővé tegyük.
Ugyanis adatai mindenkinek vannak. Az automatizációs megoldások pedig mindenkinek tudnak segíteni, szektortól és tőkemérettől függetlenül.
A négy fázisból most az első kettővel, vagyis az adatok begyűjtésének és tárolásának módjaival fogunk megismerkedni, hogy érthetővé váljon, hogyan érdemes kezelni ezt a kérdést. (Cikkünk folytatásában az adatok elemzésével és a döntéshozatal támogatásával foglalkozunk.)
Először nézzük meg, hogyan tesznek szert a cégek, vállalkozások üzleti adatokra?
1. Szenzoros adatgyűjtés
Igaz lehet-e például, hogy a szenzoros adatgyűjtés szélesebb körben is használható lehet, mint gondolnánk? Ezekre jó példák a különböző fit karkötők: ez egy párezer forintos kiegészítő, amely számos kényelmi funkciót nyújt, és szenzorokkal folytat méréseket.
Egy szenzor valamilyen fizikai értéket képes mérni, és kiértékelhető jellé alakítani. A szenzor jellege a mérés tárgyától függ, például:
hőmérséklet mérése -> bimetál hőmérő
távolság mérése -> lézeres mérő
nyomás mérése -> nyomásmérő
kép alkotása -> kamera
2. Adatgyűjtés és -elemzés felvételelemzés segítségével
Sok vállalkozásban használnak kamerákat térfigyelésre, biztonsági feladatok ellátására, de egyéb munkafolyamatokhoz is. Ma már nem ritka, hogy egy benzinkút kameraképeit folyamatosan ellenőrzi egy szoftver, és riaszt, ha olyan mozdulatsort észlel, ami dohányzásnak tűnik, hiszen ez különösen veszélyes egy benzinkúton.
De a testtartás és -mozgás analízise is hasznos lehet egy üzemben, ahol a szoftver beazonosíthatja, hogy a kolléga éppen nehezet emel, tárgyat mozgat, sétál, vagy csak áll. Ezeket adattá téve elemezni lehet a dolgozók munkáját, és ebből kiindulva okosabban szervezni a munkát úgy, hogy kevesebb energiával nagyobb hasznot érjen el az üzem.
Üzletekben, butikokban már használnak olyan szoftvert, amely jegyzi a látogatók nemét és korát. Gyakorlatilag egy offline web-analitikai programhoz hasonlóan a tégla-és-malter bolt látogatóit már hasonlóan lehet elemezni, mint a weboldal látogatóit!
3. Smart megoldások az irodában is
Nem csak az otthon lehet “okos”, hanem a munkahely is, legalábbis az Ipar 4.0 és az Internet-of-Things hívószavai által definiált trendek ebbe az irányba mutatnak. Az otthoni hőmérsékletmérés, a páratartalom, a fényviszonyok intelligens vezérlése már nem szokatlan. Ma már olyan hétköznapi otthoni eszközökben is találhatunk beépített gépi tanulás-funkciókat, mint egy elektromos bojler: már felesleges előre beparaméterezni, hogy hány órakor kezdjen milyen energiával vizet fűteni az esti fürdéshez, ugyanis a hardver egy idő után “kitapasztalja” a szokásainkat, felfedezi a melegvíz-használatunk jellegzetes mintázatait, és predikcióba kezd, vagyis egy idő után pont akkorra melegít vizet, amikorra kell.
Az irodai térben a hőmérséklet-, páratartalom- és fénymenedzsment, az eszközök közötti dinamikus kommunikáció (okostáblák) és a megbeszélések szervezésére és lebonyolítására használható szoftverek adják a jelenleg használatos okos megoldások javát.
4. Készletmenedzsment mesterséges intelligencia segítségével
Az e-kereskedelem fellendülő ágban van, még mindig egyre több egyszemélyes vállalkozás indít webshopot, egyre többen vásárolnak szívesen online. Ez azt is jelenti, hogy egyre többen szembesülnek a raktározás, készletkezelés, kiszállítás problémaköreivel, ezért egyre értékesebb lesz az a technológia, amely előre tudja jelezni a kereslet alakulását. Ez sem varázslat: az eddigi rendelések alapos elemzésével mintázatokat lehet felismerni, majd ezeket a jövőre vetítve megjósolni a keresletet, és akkor már ennek megfelelően lehet időzíteni a beszállításokat is. Ezzel csökken a raktározási idő, és optimálisabb üzleti döntéseket lehet hozni. Például az egyik futárcéggel két nappal tovább tart a beszállítás, de 15 százalékkal olcsóbb: mikor éri meg melyiket választani? A mesterséges intelligencia az ilyen konkrét kérdésekre már konkrét válaszokat tud adni.
5. Folyamat-automatizálás
A céges folyamatok nagy része már évtizedek óta adatkezelés: változatos formátumú beérkező információkat kell átalakítani más jellegű információkká. Egy használtautó-kereskedésben például jelentős erőforrásokat emészt fel a papírmunka, a dokumentumok szkennelése és megfelelő szortírozása. Az adattípusok válogatása pedig már most is olyan feladat, amit gépileg is el tudunk látni, tehát egy csomó bürokratikus feladatról lehet emberi erőforrást értékesebb feladatokra átállítani.
Mi ugyanis úgy látjuk, hogy az automatizáció, a mesterséges intelligencia és a robotika fejlődése nem “fenyegetés” a munkavállalók számára. A gépekkel ellátható munka alól felszabadított emberi energiákat fel lehet használni más, értékesebb módokon is, a verseny erre minden céget rákényszerít majd. A későbbiekben fogunk írni még a közeli jövőről alkotott képünkről, az AI-technologiák lehetséges gazdasági-társadalmi hatásairól.
Ne feledjük, hogy az eddig felsorolt metódusok számunkra elsősorban azért érdekesek, mert bemeneti oldalon jelentkeznek, adatot állítanak elő. Az mindegy, hogy ennek a konkrét eszközrendszerben milyen felhasználási módja van, mert ezt az adatot mi már szabadon felhasználhatjuk gépi tanuláson keresztül bármilyen kreatív üzletfejlesztési megoldásra!
Ezek voltak az adatgyűjtés főbb típusai, némi kitekintéssel az adatok felhasználásának módjaira is. Az alábbiakban gyorsan átnézzük, mit kell tudni az adatok tárolásáról.
Üzleti adatok tárolása
Anélkül, hogy lemennénk nagyon technikai szintre ebben az ismeretterjesztő-gondolatébresztő cikkben, meg kell jegyezni, hogy adatból kétféle van: strukturált és strukturálatlan adat.
A strukturált adat a klasszikusan adatként elképzelt információ, mint például egy feljegyzés egy táblázat megfelelő oszlopában és sorában, ennek következtében egyszerűen és jól kereshető egy ilyen adatbázis.
A strukturálatlan adat pedig például egy mintázat egy hang- vagy képfájlban. Nem rendelkezik egy előre definiált adatmodellel, vagy nincs rendezve egy előre meghatározott módon. Ezért jóval nehezebb benne keresni. Egy pixel önmagában nem hordoz adatot a színén kívül, de sok bizonyos színárnyalatú pixel egymás mellett már jelentheti azt, hogy a képen valószínűleg bőrfelületet látunk - ez már olyan információ, amivel egy algoritmus tud kezdeni valamit.
Mindkét adattípus hasznos, de máshogyan kell őket feldolgozni. Természetesen egy átlagos cégnél jóval több strukturálatlan adat keletkezik, mint strukturált.
Adatok tárolása felhőben
Ma már alapkérdés, hogy a lokális adattárolás mellett (vagy helyett) felmennek-e az adatok a felhőbe. Azaz külső partnerhez küldjük őket digitális úton, mint pl. a Google, a Microsoft és egyéb nagy szolgáltatók komplex szoftverkínálata részeként. Az adattárolásra készülve át kell gondolni, hogy milyen mennyiségű és minőségű adat keletkezik bemeneti oldalon. Könnyen bele lehet futni olyan problémákba, mint az a partnerünk, akiknél az adatértékelés kiírási sebessége alacsonyabb volt, mint amilyen sebességgel keletkeztek az adatok, tehát az analízis sosem tudott volna elkészülni az adott beállítások mellett… Ezért előre meg kell határozni, hogy milyen tárolási kapacitásokat akarunk kiépíteni.
A felhőmegoldások azért is jók, mert skálázhatók, bármikor lehet belőlük többet kérni. Olcsóbb és jobb megoldás lesz, mint újabb adattárolókat vásárolni és csatasorba állítani. Ez tehát egy jó érv a felhő mellett azon túl, hogy abba a redundáns tárolás miatt nem csap bele a villám, pontosabban nem csap bele a villám egyszerre mindenhol, ugyanis a széttagolt és többszörös másolatokkal operáló tárolás (redundáns tárolás) miatt nincs egy konkrét fizikai hely, ahol kizárólagosan fellelhető egy bizonyos adatunk.
Kérdés, mi garantálja az adatok biztonságát?
Itt most nem is csak arra kell gondolni, hogy a hackerek ellopják, hanem hogy a saját cégünk alkalmazottai véletlenül tudnak-e kárt okozni az adatokban? Hogyan zajlik a cégben a jogosultság-kezelés? Vannak-e biztonsági mentések, azok hol és hogyan tárolódnak?
Szükség van-e az adatok anonimizálására?
A biztonsági kamerák felvételeinek kezelését is jogszabályok korlátozzák, természetesen ez az üzleti célú felvételekre is igaz.
Ezek voltak tehát azok az alapkérdések, amiket érdemes átgondolni az adatok gyűjtése és tárolása kapcsán, mert ha ezeket az alapokat jól fektetjük le, akkor optimális megoldásokat fogunk tudni kidolgozni az adatokból kinyerhető érték maximalizálására: erről fog szólni a következő poszt.
Szeretne többet tudni a témakörről? Adja meg elérhetőségét és értesítjük az új blogbejegyzésről
