Az adatalapú döntéshozatal világában egyre hangsúlyosabb szerepet kapnak az elemző rendszerek, hogy ki, hogyan és milyen adatokhoz fér hozzá, az később konkrét lépéselőnyt jelenthet. Az üzleti intelligencia rendszerekben rejlő lehetőségekről és saját élményeikről beszélgettünk Tóth Mátéval és Dér Andrással, az információmenedzsment és az üzleti elemzések szakértőivel.
Elmondhatjuk, hogy különböző titulusokkal, de tulajdonképpen mindketten információmenedzsmenttel, adatelemzéssel foglalkoztok? Mit takar ez tulajdonképpen, mivel foglalkoztok, hogyan kezdtétek?
Tóth Máté: Mindketten jó példák vagyunk arra, hogy az élethosszig tartó tanulás nem csupán közhely, hanem alapkövetelmény. Én egy kis kerülővel jutottam erre a pályára, nemzetközi kommunikációt és biztonságpolitikát tanultam az egyetemen, majd a NATO magyarországi szervezeténél kezdtem dolgozni, ahol nagyon hamar az információmenedzsment területén találtam magam. A különböző fájltárolási és döntéstámogató rendszerek koncepcionális tervezése volt a feladatom. Innen aztán az ENSZ Menekültügyi Főbiztosságához kerültem, ahol már 9 ország menekültügyi adatait kellett feldolgozni. Ennél a munkánál kiemelten fontos volt a menekültvédelmi lobbi tevékenységek támogatása, amihez elengedhetetlen volt, hogy azonnal és hitelesen lássuk az adatokból, ha valahol probléma van, beavatkozás szükséges. Szakmailag a legérdekesebb feladat számomra a menekültügyi adattárak megtervezésén túl a magyarországi tranzitzónák adatgyűjtő rendszerének a kialakítása volt. Már a legelső lépéseknél részt vehettem a munkában, én dolgoztam ki az adatgyűjtési és adatbeviteli módszereket, felépítettem az adatbázist, amihez aztán a Power BI segítségével létrehoztunk egy felhasználói interfészt, hogy a kollégák könnyen, gyorsan tudják kezelni a tranzitzónákon átmenő nem csekély számú menekült adatait.
Két év után visszakerültem a NATO Katona-Egészségügyi Kiválósági Központjához, ahol – Andrással közösen – egy katonai egészségügyi járványügyi jelentő rendszer fejlesztésén dolgoztam. Ennek a lényege, hogy ha elég adatot viszünk be pusztán csak az orvoshoz ellátogató katonák tüneteiről – akár a legegyszerűbb panaszokat is, mint köhögés, láz, orrfolyás –, akkor a megfelelő algoritmusokkal a rendszer képes előre jelezni a fertőző betegségeket, biológiai vagy vegyi támadásokat. Ez a módszer sokkal gyorsabb lesz, mint bármilyen klinikai diagnózis, vagy a katonáktól levett minták laboratóriumi tesztelése. Ha valóban használják majd a rendszert, a fertőző betegségek esetén az áldozatok számában akár 70 százalékos csökkenést is elérhetünk.
Mindezek mellett viszonylag hamar kezdtem el tanácsadóként, illetve trénerként dolgozni. A Power BI akkoriban jelent meg Magyarországon mikor az ENSZ-nél dolgoztam, az elsők között kezdtük el használni. Először a szervezeten belül kezdtem oktatóként is dolgozni, majd tanácsadóként külső cégeknél. Amit legjobban élvezek a munkámban, ha fel kell mérni egy szervezet adatelemzési folyamatait, megtalálni hol és hogyan lehet hatékonyabbá tenni, megvizsgálni a különböző problémákat és megoldást találni rájuk.
Ezek szerint a NATO járványügyi előrejelző rendszerének kidolgozásában mindketten részt vesztek, András te milyen egyéb területeken szereztél tapasztalatot?
Dér András: Az én karrierem is elég hasonló ívet írt le, mint Máténál, a nemzetközi tanulmányok közös pont – ennek nem sok köze volt az adatbányászathoz –, illetve emellett logisztikát tanultam. Tulajdonképpen egy rosszul megválasztott önéletrajz fotó volt az oka, hogy nem lettem logisztikus, viszont három hónappal később bekerültem egy elemzői csapatba a MOL-hoz. A fő feladatunk akkor a folyamatmenedzsment és a folyamattámogatás volt, adatelemzéssel keveset foglalkoztunk. Később viszont, ahogy az üzleti élet is egyre inkább az adatvezérelt döntések felé mozdult el, elkezdtünk mi is erre a területre fókuszálni. A nagyvállalati EIP rendszerek (Enterprise Integration Patterns) és ezek jelentkéskészítő funkciói költségesnek és lassúnak számítottak, illetve sokszor nem azt az eredményt hozták, ami elvárt lett volna. Annyira nem, mintha egy piros sportautó helyett kaptunk volna egy kék teherautót. Adott volt tehát a feladat, hogy találjunk egy olyan rendszert, ami gyors, rugalmas ugyanakkor képes közel ugyanolyan funkciókra (skálázhatóság) mint az EIP riportja. Ez volt a Power BI elődje a Power Pivot.
Ekkor kezdődött el Magyarországon a kiskereskedelmi benzinkutak átépítése, amikor is az olaj és üzemanyag mellett az egyéb termékekre helyeztük a hangsúlyt. Ehhez egy olyan stratégiai tervezési és nyomonkövetési rendszert kellett kialakítani, amivel a vezetőség és az értékesítői hálózat is napi szintű adatokat kap a töltőállomásokon bevezetett termékekről. Ki kellett dolgozni egy visszamérési folyamatot, amivel igazolni tudtuk, hogy ez a többszáz millió eurós beruházás ténylegesen megtérül, folyamatosan nyomon kellett követni, hogy a tervekkel összehasonlítva a tényadatok hozzák-e azt az eredményt, ami elvárt volt. Mikor a vezetőség látta, hogy ez mennyire gyorsan és jól működik, létrehoztak egy csapatot a teljes olajipari értéklánc elemzésére, ahová én is bekerültem több nagyon tehetséges kollégámmal együtt, akiktől sokat tanultam.
A sikereitek magukért beszélnek, de voltak nehézségek is, amikkel meg kellett küzdenetek?
Dér András: Általában van egy szakadék az adatelemzéssel foglalkozó szektor és az üzleti szféra között, amit át kell hidalni. A legtöbb szervezetben probléma, hogy hiába vannak meg a legjobb embereik, akik a legjobb elemzéseket készítik, ha azt nem tudják megfelelően prezentálni, nem értik meg az értékesítők kérdéseit, kéréseit. Ha nincs meg ez a közös megértés, akkor csak egy elefántcsonttornyot építünk, aminek zéró haszna lesz.
A mi csapatunk feladata a MOL-nál éppen ennek a szakadéknak az áthidalása volt, hogy olyan riport rendszert hozzunk létre, ami gyorsan és hatékonyan juttatja el az információt a megfelelő helyre és ugyanígy visszacsatornázhatók az értékesítéstől kapott visszajelzések (mi az, amit tudtak használni, mi volt, amit nem értettek, mit szeretnének látni stb.). A munkánk nagy része volt tulajdonképpen folyamatos tréning is annak érdekében, hogy ne kelljen folyton egy IT-s kollégának is ott ülnie a felhasználók mellett, hanem önállóan tudják használni a rendszert. Ehhez egyéni vizualizációt, átlátható dashboardokat kellett létrehoznunk, hogy minden értékesítő könnyen és gyorsan le tudja mérni a saját teljesítményét, jelentéseket tudjon készíteni a vezetőség felé, azonnal látható legyen melyik stratégia hoz eredményt és min kell változtatni.
Tóth Máté: Ezzel a problémával én is szembesültem. Egy vállalatnál általában vannak jó elemzők, jó IT szakemberek, akik kiváló rendszert építenek fel, viszont mindezt megfeleltetni a nem ezen a területen dolgozó kollégák elvárásainak hihetetlenül nehéz feladat. Már a folyamat legelejétől a felhasználói igényeknek megfelelően kell mindent felépíteni, ugyanakkor fontos, hogy legyenek olyan emberek, akik tudnak a két „világ” között közvetíteni.
Amikor tréningeket tartok a gyakorlati példák mellett mindig próbálom arra helyezni a hangsúlyt – főleg, ha kezdő csoporttal dolgozom –, hogy megértsék, mit nyerhetnek az üzleti intelligencia rendszerek használatával, hogy lássák az ebben rejlő versenyelőnyt. Akár ők maguk végzik majd el a tényleges munkafolyamatokat az adatokkal akár nem – a képzéseken természetesen ezt is megtanuljuk – a cél az, hogy lássák mit nyerhetnek a rendszer használatával.
Ha már szóba kerültek a tréningek, van olyan élményetek, amikor a résztvevők azonnal tudták is használni a mindennapi munkában a hallottakat?
Tóth Máté: Legtöbbször kisebb cégeknél fordult elő, hogy a tréning tulajdonképpen tanácsadásba csapott át. Ahogy megismertük, milyen adatokkal dolgoznak, felmértük a belső folyamataikat, rögtön kiderült merre érdemes indulni. A tréning viszont akkor sikeres, ha a végén ezt ők saját maguk is látják.
Dér András: Számomra az egyik legnagyobb sikerélményem volt, amikor az egyik tréning végén konkrétan sírva fakadt az egyik résztvevő, mikor látta, hogy amit mi ott 5 perc alatt felvázoltunk, az neki korábban 4 napi munkájába került. Onnantól kezdve már a tréningen használt megoldást alkalmazta. Ez az a fajta sikerélmény, amire oktatóként vágyunk, amikor a résztvevők megértik, hogy az üzleti intelligencia rendszerek, a Power BI használatával időt és energiát takarítanak meg, nem maguknak kell excelekből prezentációkat, ábrákat gyártani – ha éppen a vezetőség azokat preferálja –, hanem egy rendszer képes mindezt megoldani, egy helyen egy időben lát mindenki mindent.
Kapcsolódó kurzusok:
A hazai KKV szektorban mennyire elterjedt ezeknek a rendszereknek a használata?
Dér András: Én azt látom, hogy sokan használnak már valamilyen adatbázist – főként egy bizonyos cégméret fölött – amihez már vannak beépített riportok, ugyanakkor ezek legtöbbször még egy excel fájlt eredményeznek, amivel aztán még foglalkozni kell (ellenőrizni, felépíteni rá a prezentációkat, újra és újra frissíteni az adatokat), folyamatos karbantartási feladatokat jelent. Ezzel szemben egy ún. self service BI megoldással minimális informatikai támogatás mellett ki lehet építeni egy olyan jelentéskészítő rendszert, ami közel valós időben mutatja az adatokat manuális exportok nélkül. Felhasználóként körülbelül két hét alatt bele lehet tanulni egy Power BI alapú rendszer használatába, a kiépítést pedig akár az informatika iránt kicsit fogékonyabb kolléga is meg tudja csinálni.
Tóth Máté: Ha egy lépést hátrébb lépünk és onnan nézzük, akkor láthatjuk, hogy vannak alapvető gondolkodásbéli nehézségek is. A legtöbb ember fejében az adat egy fájl, egy excel tábla benne sok-sok információval. Az emberek még bizalmatlanok a felhőszolgáltatásokkal szemben, az ad nekik biztonságot, ha a megfelelő mappastrukturában a megfelelő fájlok le vannak mentve a gépekre, közös meghajtóra – még akkor is, ha ma már az informatika ezen régen túllépett. További probléma, hogy a cégek sokszor nem bíznak a felhasználókban, nem adnak direkt hozzáférést az adatokhoz, hanem exportokkal dolgoznak. Erre is lehet intelligencia rendszert építeni, de sokkal hatékonyabb, ha kihagyjuk ezt a plusz lépcsőt és egyből magából az adatbázisból dolgozunk.
Emellett pedig van az a jelenség, amikor egy, már régóta használt üzleti adatbázistól nem szeretnének megválni, eddig is jól működött, miért is kellene váltani. Mindig jó mosolygok, amikor látom, hogy az egyik legnagyobb barkácsáruházban például egy ránézésre is 40 éves szoftverrel készülnek a számlák. Biztos vagyok benne, hogy lenne előnye a váltásnak. De más területeken sem mindig mernek változtatni. Az egyik kollégám banki rendszerek fejlesztésével foglalkozik, ahol gyakran a 40-50 éves szoftvereket próbálja a mai környezetben is elérhetővé és működőképessé tenni. Ezen a területen nem lehet leállás – vagy csak minimális – így nem mernek egy teljesen új rendszert kiépíteni, inkább a meglévőt foltozgatják.
Dér András: Sokszor az is a gond, hogy ha valaki meghallja az informatikai fejlesztés kifejezést, azonnal arra gondol, hogy ezt ő nem fogja tudni kifizetni. Él egy ilyen prekoncepció, hogy a fejlesztés sokba kerül. Van olyan rendszer, ahol ez így van, viszont én pont azt szeretem a Power BI-ban, hogy ez erre nem igaz. A teljes funkcionalitást el lehet érni ingyenesen, néhány kényelmi funkció – például a szervezeten belüli megosztás, bizonyos biztonsági beállítások – az, ami fizetős. Mivel havidíjas a szolgáltatás, így eldönthetjük meddig van rá szükségünk, ha már nem használjuk, nem is fizetünk érte.
Az adatelemzés sokak fejében egy monoton, kevésbé izgalmas feladatként él, ugyanakkor a fentiekből kiderült, hogy elég sok kihívást és érdekességet rejt magában. Számotokra mi a legnagyobb vonzerő, mit szerettek a munkátokban?
Dér András: Én legjobban azokat a feladatokat élvezem, amire valaki azt mondja, hogy nem lehet megcsinálni. Valóban, 10 perc alatt tényleg nem, de ha van rá fél napom, akkor hozok egy megoldási javaslatot, majd 2 nap múlva bemutatom a rendszert. Imádom azt a döbbent csendet, amikor két nap múlva tényleg ott a demó, amit használni lehet.
Tóth Máté: Az ilyen élményeket szeretem én is. A NATO egészségügyi jelentő rendszere, aminek a fejlesztésében Andris is részt vett, épp ilyen volt. Már 18 éve dolgoznak ezen a projekten így eléggé furcsán néztek rám, amikor előálltam vele, hogy fél év múlva tesztelhető rendszert hozok. Egy kis szervezet dedikált munkájának hála meg tudtunk oldani egy 18 éve húzódó problémát. Hozzá kell tenni azonban, hogy ez a siker nem csak rajtunk múlt, kellett hozzá az is, hogy eljusson idáig a technológia. Ma már elérhetők olyan – korábban hatalmas pénzeket felemésztő – szolgáltatások, amikkel megoldhatók a hasonló problémák. A technológiai fejlődésnek hála hatalmas eredményeket lehet elérni, a Power BI használatával és az adatelemzéssekkel egyedülálló eszköz van a kezünkben, ha tudjuk hogyan és hová akarunk eljutni.
Dér András: Minden projektben van mindig egy szkeptikus csapattag is. Ez is lehet hasznos, hiszen legtöbbször jó és jogos kérdéseket fogalmaznak meg. Új elemzési szempontokat lehet behozni az ő szemszögükből vizsgálva a kérdést, amire az sztenderd lekérdezések valószínűleg nem térnek ki. Az szeretem, ha a munkámnak ténylegesen van eredménye, és azzal az eredménnyel nem csak én vagyok elégedett, de a felhasználók is tudják majd alkalmazni, felismerik, hogy amit mi elemzők tudunk adni, azzal az ő munkájukat tesszük könnyebbé.
Trénerként és tanácsadóként sokat segítetek másoknak, ti magatok hogyan tudtok fejlődni, lépést tartani a gyorsan változó szakmai környezettel?
Tóth Máté: Minden feladat egyfajta kihívás is főleg, amikor olyannal találkozunk, amire mások azt mondják, nem lehet megcsinálni. Ez magában hordozza, hogy lépést kell tartanunk a legújabb fejlesztésekkel, hiszen legtöbbször olyan kérdéssel találjuk szembe magunkat, amire addig még nem nagyon született válasz. A mostani munkámban is van olyan, hogy én és még 1500 ember egyaránt várjuk, hogy Microsoft mikor áll elő azzal a funkcióval, amire szükségünk lenne. Amikor pedig végre elérhető, akkor elsőként tudjuk alkalmazni, ezzel tulajdonképpen rá vagyunk kényszerítve, hogy az élcsapatban maradjunk.
Dér András: Folyamatosan olvassuk a havi update-eket, de emellett nekem sokat segítenek a körülöttem lévők is. Van, hogy felvázolok egy problémát a csapatomnak, aztán egy olyan megoldással állnak elő, ami nekem eszembe se jutott volna. Van, hogy Mátéval beszélünk meg egy-egy kérdést, ő hogyan állt neki, mik a tapasztalatai. Ez egy nagyon dinamikus és élő közösség, a szakmai kapcsolatok inspirációt jelentenek.
Tóth Máté: Van olyan kollégám, aki a banki szektorban dolgozik, van, aki a felhőszolgáltatásokkal foglalkozik, van, aki KKV-kal és van, aki startupokkal dolgozik – egyfajta informális kapcsolattartás alakult ki köztünk, és amikor valaki belefut egy problémába, amivel még nem találkozott, akkor egymásra tudunk támaszkodni. Így nem csak a saját Power BI vagy adatelemző területünkre lehet rálátásunk, de megérthetjük azt az ökoszisztémát is, ami ezeket körülveszi. Ez pedig elengedhetetlen, ha sikeresek akarunk lenni.
