Deloitte živě 

Petr Bednařík z DataSentics: Firmy se ocitají v době cloudové, AI a strojové učení jsou základem

Mezi společnostmi dlouhodobě roste zájem o personalizovaná technologická řešení pro dílčí podnikové procesy. Ne vždy je však vývoj takové unikátní platformy jednoduchou záležitostí. Zejména firmy z oblastí bankovnictví a pojišťovnictví, které pracují s citlivými daty klientů, vyžadují ze strany dodavatelů zvláště komplexní a obezřetný přístup. Jaké technologie jsou v rámci modernizace firem nejvíce využívány? Zeptali jsme se Petra Bednaříka, zakladatele největšího českého machine learning studia DataSentics, které uspělo v žebříčku Deloitte Technology Fast 50 a stalo se osmou nejrychleji rostoucí technologickou firmou ve střední Evropě.

Jaké byly počátky společnosti DataSentics? Jak vznikl nápad založit si machine learning studio?

Všechno to začalo shodou okolností v Deloitte, kam jsem nastoupil hned po škole a kde jsem se věnoval v aktuárském týmu ICT řešením. A právě Deloitte byl tím místem, kde jsem se naučil té správné kombinaci technických a byznysových skillů, jak budovat tým, jak pracovat s klienty a tak podobně. Vždy jsem si ale přál mít vlastní firmu a postavit se úplně na vlastní nohy.

Začali jsme ve dvou lidech ve sklepě, v tomto smyslu to byly klasické startupové začátky. Relativně rychle jsme si definovali firemní vizi: dokázat, že matematika, data science a machine learning lze využít ve skutečném byznysu. Kamenem úrazu ale v tomto oboru často bývá nesprávná kombinace matematických a technických dovedností – existuje řada chytrých matematiků, kteří ale nemají technické schopnosti dotáhnout něco do produkce. A tomu jsme se chtěli vyhnout. Nechtěli jsme skončit jen u grafů a prezentací, pro nás má skutečný dopad až to, když někde něco běží automaticky a skutečně to řídí nějaký proces.

Jakým oblastem se věnujete? Z jakých oborů přichází vaši klienti?

První oblastí, v rámci které jsme začali nabízet naše služby, byly finance, což byla historicky i ta „moje“ oblast, které jsem se věnoval ještě v Deloitte. V DataSentics jsme se zaměřili na téma personalizace, čili praktické využití interakčních dat o chování klientů. Jde zejména o méně tradiční data, například jak se člověk chová na webu, jak přesně kliká v mobilní aplikaci, či méně strukturovaná data jako přepisy hovorů, chatů a podobně. A z tohoto jsme se pomocí prediktivních modelů snažili detailněji pochopit situaci klienta, co se mu honí hlavou, co je pro něj relevantní. Tímto způsobem vytváříme platformy pro banky a pojišťovny, které jim pomáhají personalizovat komunikaci se zákazníky.

Později jsme přišli na to, že problém personalizace není téma výhradně bank, a tak se zrodila druhá část našeho byznysu – služby a produkty pro retail. V tomto případě jsme se zaměřili – vedle dalších řešení – na optimalizaci rozmístění produktů v regálech. Ať už ale mluvíme o jakémkoliv našem řešení, jedna věc je společná napříč všemi našimi službami, a to propojení digitálního světa s tím fyzickým a propojení zákazníků s relevantními produkty.

Poměrně nově se věnujete také službám pro firmy z oblasti médií…

To je naše nejmladší oblast, které jsme se začali věnovat tak rok dva zpátky. Velmi brzy jsme přišli na to, že ti, kdo mají nejzajímavější znalosti o digitálním chování zákazníků, jsou právě média, online publisheři. Lidi chodí na jejich weby, čtou si jejich články, a tak tyto firmy vědí, co je pro jakého čtenáře relevantní. Vzniká tak zajímavá synergie – na straně publisherů budujeme analytickou infrastrukturu, aby lépe chápali svoje zákazníky, a oni tak mohou nabízet mnohem personalizovanější produkty pro jejich komerční klienty v oblasti reklamy (což mohou být zase banky či retaileři). Všechno je tedy propojeno do jednoho ekosystému.

Zmínil jste, že jste na vysoké škole studoval matematiku. Využíváte toto zaměření i ve své práci?

Na ČVUT jsem vystudoval matematické modelování, což je tak trochu mix jaderné fyziky a matematiky. Když člověk studuje matematiku, je to o hodně pokročilých metodách, z mé zkušenosti jich ale 90 % v praxi nevyužijete. Není to tolik o konkrétních metodách – vysoká škola ale člověka vychová hlavně v přemýšlení. Naučí vás, jak s danou sadou matematických nástrojů vyřešit daný problém – a v tomto smyslu funguje skvěle. Ale jak říkám, mimo akademickou praxi jsem nakonec všechny ty konkrétní komplexní metody tolik nevyužil, ale spíše mi pomohly vybudovat si intuici pro chápání složitých systémů založených i na jednodušších metodách.

A co vaši kolegové v DataSentics, jsou to také matematici?

Zejména zpočátku ano, ale v současnosti máme v DataSentics kolegy s různým zaměřením. Hlavní je pro nás trojúhelník tři klíčových skillů: matematika, technologie a byznys. A každý člověk v DataSenticsu je někde v tomto trojúhelníku umístěný. Naším cílem je mít tento trojúhelník co nejvíce vyplněný, to je recept, který se nám osvědčil – když do jednoho, relativně malého týmu dáme lidi s úplně jinými specializacemi, mohou vzniknout velice pěkná řešení. Často to ale ve firmách bývá tak, že data science tým, IT tým a byznysový tým sedí každý separé, vzájemně se nedoplňují a komunikují spolu jen v nezbytné míře. A to je chyba. I pro nás bylo těžké vytvořit smíšené týmy, ze začátku si ti lidé moc nerozuměli, každý měl svou komfortní zónu své specializace. Ale nakonec jsme to překonali, našli společnou řeč a z toho teď těžíme. To je ta naše unikátní výhoda.

Co byl pro vás zlomový moment, kdy jste si uvědomil, že je DataSentics skutečně relevantním hráčem na trhu?

Asi nedokážu jmenovat jeden konkrétní okamžik, mě osobně ale nejvíce motivuje, když vidím, že jsou naše řešení v praxi skutečně využívána a mají nějaké výsledky. Když pak třeba přijdete na web e-shopu, pro který jsme něco zpracovávali, a vidíte tam tu komponentu, vidíte, že funguje, víte, co za ní stojí a že zvyšuje efektivitu – to je vždycky silný moment.

Historicky jsme česká firma se sídlem v Praze, naši první zákazníci byli tedy také z českých vod. Ale ten okamžik, kdy přijdete do zahraničí a zjistíte, že i tam se vaše řešení líbí… To byl další moment, ze kterého jsem měl velkou radost a který dal jasně najevo, že máme v rukou něco unikátního.

Potkaly firmu DataSentics na její cestě nějaké výraznější potíže?

Problémů bylo určitě dost a výzev je stále hodně. Asi první, nejtěžší krok byl přechod z projektového způsobu práce, kdy máte jednoho klienta a pro toho uděláte, co mu na očích uvidíte, na produktový způsob práce, kde vytváříte nějaká obecně použitelná řešení. Jak jsme rostli a klientů přibývalo, uvědomili jsme si, že jestli chceme dál jít touto cestou a škálovat, tak je potřeba zahájit proces prioritizace. A to bylo pro nás bolestivé, chtěli jsme toho totiž dělat víc, než byla naše kapacita. V tom byly naše prvotní představy možná trošku naivní a je to určitě jedna z věcí, na níž lze pracovat neustále.

Jaké technologie v DataSentics pro vývoj svých produktů využíváte?

Dnes mají naše řešení tři hlavní technologické komponenty. První z nich je příprava dat, bez nich by umělá inteligence nemohla fungovat. Data musí být kvalitní, dobře připravená a automatizovaná. My se potýkáme navíc s méně tradičními daty, jako jsou například nestrukturované texty, což je poměrně velká výzva vyžadující specifické technologické know-how. Druhou komponentou je pak reálná matematika a schopnost její praktické aplikace.

Tím v minulosti naše projekty zpravidla končily, takže jsme měli spíše back-endová řešení, která si potom klient sám nějakým způsobem integroval do svého workflow. Aby však klienti správně pochopili a maximálně využili naše řešení, má smysl vytvářet je komplexně, jít až do samotné aplikace a do front-endu. To jsme se museli naučit, a to je zároveň třetí významný technologický aspekt našich řešení.

Jaké jsou trendy v oblasti technologií? Co po vás vaši klienti v tomto směru vyžadují stále více?

Jedna věc, na kterou jsme brzo vsadili, byl cloud, to byla pro udržitelnost našeho modelu nutná podmínka. Před „dobou cloudovou“ infrastruktura každého klienta vypadala jinak, dnes se díky cloudu vše standardizuje. A tato transformace neustále pokračuje. Před třemi lety by žádná banka nebo pojišťovna do cloudu svá data nevložila, dnes už ale cítím, že se to prolamuje.

Druhý velký trend vnímám v zákaznické oblasti, zejména v otázce komunikace firmy se zákazníkem. Koncový zákazníci dnes vyžadují, aby komunikace byla nějakým způsobem personalizovaná. Když kupříkladu banka ví o svém klientovi první poslední, tak zákazník nechce, aby za ním s každou drobností chodila bez kontextu nebo mu nabízela nějaké naprosto nerelevantní produkty.

Jaká technologie je podle vás trendem budoucnosti?

Já myslím, že to bude rozvoj AI. V oblasti umělé inteligence máme zjednodušeně řečeno dva segmenty. První z nich je praktická, „malá“ AI, která se běžně používá pro menší rozhodnutí, například v bance pro identifikaci podvodných transakcí. Jde vlastně o takovou průmyslovou umělou inteligenci, která zpracovává miliony malých rozhodnutí v krátkém čase. Druhým, ne tolik probádaným segmentem, je hlubší umělá inteligence, která by zvládala skutečné hlubší pochopení jazyka, významu textů a podobně. Od utopie skutečně chytré umělé inteligence jsme podle mého názoru ještě docela daleko.

Jaká je budoucnost společnosti DataSentics?

Poměrně horkou novinkou je, že jsme se stali členy skupiny Atos. Máme zajímavé produkty, na lokální úrovni se nám je daří rozšiřovat. Máme prvotní úspěchy i v zahraničí, globalní expanze je ale něco, v čem nejsme tolik zkušení. Došli jsme tedy k názoru, že spojit síly s globálním partnerem, který zahraniční síť má a dokáže z našich produktů a možností vytěžit maximum, je výhodné pro obě strany. Jedině tak můžeme v DataSentics takříkajíc hrát světovou „ligu mistrů“ v oblasti AI.

Velmi sympatický je nám také styl spolupráce se skupinou Atos. Je to velká firma se 100 tisíci lidmi po celém světě. Jejich byznys jsou primárně standardnější IT služby, a nad nimi právě může DataSentics přispět se svými unikátními produkty. Budeme nadále samostatnou firmou, ale budeme mít díky Atosu širokou tržní síť. Atos má znalost trhu a v tomto smyslu se doplníme. A třeba se dostaneme se svými produkty i do oblastí, ve kterých jsme doposud tolik nepůsobili, jako je například healthcare nebo manufacturing.

Měl byste nějakou univerzální radu pro začínající startupy?

Vytvářejte smíšené týmy. Dnes vídám u startupů, že se například hodně zaměřují na technologickou stránku věci a až časem zjistí, jaký byznysový problém svým produktem řeší. Mladým, začínajícím founderům bych před odstartováním vlastního byznysu doporučil také praxi v oboru, například u firmy jako Deloitte. Jde o skvělou příležitost, jak nasát tu správnou kombinaci znalostí z hlediska technologií, byznysu a tak podobně. Osobně z této zkušenosti těžím dodnes.

V programu Deloitte Technology Fast 50 již řadu let oceňujeme nejrychleji rostoucí technologické firmy z celé střední Evropy. Pokud se chcete seznámit i s dalšími úspěšnými českými firmami a poznat jejich příběhy, čtěte náš blog nebo se podívejte na webové stránky programu, kde najde také kompletní žebříček oceněných společností či záznam ze slavnostního předávání.

Deloitte Technology Fast 50
Deloitte živě 

Deloitte Salesforce Lab: Jak se stát odborníkem na řízení vztahů se zákazníky? Klíčové jsou zkušenosti a zápal pro věc

Efektivní řízení vztahů se zákazníky je základním stavebním kamenem úspěchu každé dobré firmy. V Deloitte proto pomáháme klientům s implementací cloudových nástrojů Salesforce pěkně od A do Z. Být ale konzultantem či vývojářem nemůže být jen tak někdo. Tým Deloitte Digital Salesforce pořádá pro zájemce z řad čerstvých absolventů vysokých škol pravidelně program Salesforce Lab. Účastníci si mohou vyzkoušet práci s touto CRM platformou na vlastní kůži a získat tak kýžené zkušenosti. A na ty nejlepší čeká dokonce odměna v podobě pracovní nabídky. 

12. 1. 2022
Deloitte živě 

Digitalizace zdravotnictví: Využití dat přinese více efektivity pro pacienty, lékaře i pojišťovny

„Nedělat nic už dnes nemůžeme,“ říká Tomáš Knížek, náměstek pro informatiku ve VZP, o digitalizaci ve zdravotnictví. Resort se musí (nejen) kvůli zákonu o elektronizaci zdravotnictví připravit na zásadní změny, které by měly celý systém zkvalitnit a zefektivnit. Jak by měla digitalizace zdravotnictví probíhat? Co by měla pacientům a lékařům přinést? A jak se na ni chystá největší česká pojišťovna? Přinášíme vám rozhovor s Tomášem Knížkem, který byl hostem třetí konference CzechSetGo!, která se tentokrát zaměřila na téma eHealth. 

10. 1. 2022
Deloitte živě 

Obchodní bilance za listopad: Vyšší přebytek brzdí nárůst dovozu

Obchodní bilance dosáhla v listopadu mírného přebytku 5,7 miliardy korun, což je v meziročním srovnání o 28,4 miliard korun horší výsledek a v porovnání s předpandemickým rokem 2019 zhoršení o 6,4 miliard korun. Objem vývozu zboží dosáhl 380,4 miliard korun (meziroční růst o 8,1 procent) a objem vývozu dosáhl 374,7 miliard korun (meziroční růst o 17,1 procent). Přebytek obchodní bilance je tedy brzděn hlavně na straně dovozu zboží. 

7. 1. 2022