Με δεδομένη την εκθετική αύξηση των αποθηκευμένων data για τη χρήση τους από τις εταιρείες, η ανάγκη διευθέτησης πολλών σχετικών ζητημάτων προκύπτει, από τους τρόπους συλλογής, έως ηθικά θέματα. Αυτά αποτελούν ενδεικτικό μέρος από το μεγάλο θεματικό εύρος του Data Conference 2020 που διοργανώθηκε από τη Boussias Communications.

Οι επιχειρήσεις συλλέγουν δεδομένα με ρυθμούς που δύσκολα μπορεί να αντιληφθεί ο ανθρώπινος νους – οι πρωτοπόρες από αυτές να ξεχωρίζουν από τους νέους τρόπους που εφευρίσκουν για τη συλλογή αυτών και, φυσικά, από τους τρόπους αξιοποίησής τους. Η αξία των δεδομένων πηγάζει ακριβώς από τους τρόπους με τους οποίους αυτά αξιοποιούνται και -επειδή το αποτέλεσμα είναι αυτό που μετράει-, από το κέρδος στο οποίο έμμεσα ή άμεσα οδηγούν. Από την άλλη μεριά, ανεξάρτητα από το ποιος αξιοποιεί τα δεδομένα, δεν είναι λίγα -είναι όμως δυσεπίλυτα- τα ηθικά ζητήματα που προκύπτουν σχετικά με την ιδιοκτησία των data και την ιδιωτικότητα των ιδιοκτητών τους.
Τα παραπάνω είναι αποτελούν μέρος της θεματολογίας του Data Conference 2020 με τίτλο «Transforming data to business value», το οποίο πραγματοποιήθηκε στις 22 Σεπτεμβρίου 2020 με τη συμμετοχή ομιλητών, στελεχών και επιστημόνων από την Ελλάδα και το διεθνή χώρο. Το Συνέδριο έλαβε χώρα σε ψηφιακή μορφή. Υπεύθυνος για το περιεχόμενο ήταν o δημοσιογράφος Γιάννης Μουρατίδης, ενώ το συντονισμό έκανε ο δημοσιογράφος Γρηγόρης Γραμμένος.

Η γνώση που προέρχεται από τα λάθη
Το συνέδριο άνοιξε, από πλευράς ομιλητών, με την τοποθέτηση της Emily Bailey, Data Science Manager, Uber, η οποία μίλησε για τα διδάγματα από τα failures, τις αστοχίες δηλαδή, κατά τη διδαχή του Machine Learning. Το περιεχόμενο της ομιλίας της Emily Bailey ήταν βασισμένο σε ένα case study για το large-scale business forecasting, προερχόμενο από τμήμα loyalty & subscription της εταιρείας. Στόχος του τμήματος ήταν η πρόβλεψη των μετακινήσεων (Ride) που προσφέρει η εταιρεία, έτσι ώστε να γίνει ο καθορισμός στρατηγικής ανάπτυξης και επενδύσεων της Uber. H αναλύτρια παρουσίασε το μοντέλο που χρησιμοποιείται για τις προβλέψεις χρήσης του συστήματος από οδηγούς και επιβάτες, ανά πόλη και ανά μήνα, έτσι ώστε να βελτιστοποιηθεί η ροή εξόδων και να μεγιστοποιηθεί το κέρδος χρηστών κάθε είδους. Ιδιαίτερο ενδιαφέρον είχε η επισήμανση της ανάγκης για δημιουργία ευέλικτων ομάδων, ευέλικτων στρατηγικών και ευέλικτου, αντίστοιχα, επιχειρησιακού περιβάλλοντος.

Ο Dr. Μανώλης Τσαγκάρης, Head of Analytics at Performance Technologies S.A, παρουσίασε, εν συνεχεία, τρόπους αξιοποίησης Big Data με χρήση SQL, με στόχο καλύτερες αναλύσεις με ταυτόχρονη συγγραφή λιγότερου κώδικα. Ο Dr. Μανώλης Τσαγκάρης έδωσε ένα πολύ ενδιαφέρον παράδειγμα βασισμένο σε μια τηλεφωνική εταιρεία με τρία εκατομμύρια συνδρομητές και στη διάθεσή της αντιστοιχα τεράστιο όγκο δεδομένων από τα μηνύματα που αφήνουν οι συνδρομητές αυτοί σε ετήσια βάση – περί τα 31 τρισ. μηνύματα. Στόχος της εταιρείας είναι να εντοπίσει ένα κλεμμένο τηλέφωνο, το οποίο χρησιμοποιείται παράλληλα με το νόμιμο τηλέφωνο του δράστη. Εντοπίζοντας το κλεμμένο τηλέφωνο, ταυτόχρονα γίνεται και ο εντοπισμός του δράστη. Με βάση τη χρήση διαφορετικών κυψελών κινητής τηλεφωνίας, κατά τη μετακίνηση των δύο τηλεφώνων, είναι δυνατόν, με λιγότερες από 200 γραμμές κώδικα, να γίνει ο εντοπισμός του πιθανού δράστη, με ποσοστό επιτυχίας 95%. Μάλιστα, αυτό είναι δυνατόν χωρίς να διαταραχθεί η επεξεργασία δεδομένων από τα μηνύματα. Τα τελευταία εισέρχονται στο σύστημα σε πραγματικό χρόνο, με ρυθμό 1 εκατομμύριο ανά sec. Επιπλέον, είναι δυνατή η παρακολούθηση για τον εντοπισμό πολλών παρόμοιων περιπτώσεων την ίδια στιγμή, τόνισε ο Dr. Μανώλης Τσαγκάρης. Το πιο ενδιαφέρον σημείο για τους ακροατές ήταν η ανάλυση της αρχιτεκτονικής και του modeling που χρησιμοποιείται, από τα οποία έγιναν κατανοητοί οι λόγοι για τους οποίους η Vertical SQL Analytical platform μπορεί να είναι σε μεγάλο βαθμό ευέλικτη, σταθερή και ταχεία.

Η πρώτη keynote speaker του συνεδρίου ήταν η Χριστίνα Μποϊδίδου, Data Scientist, BBC. Το άκρως ενδιαφέρον θέμα της ομιλίας της ήταν σχετικό με το συνδυασμό της ανθρώπινης ευφυίας με τη μηχανική μάθηση, έτσι όπως αυτές χρησιμοποιούνται από το βρετανικό κανάλι, με στόχο αυτό να γίνει περισσότερο προσωπικό προς τους τηλεθεατές του. Προϋπόθεση, αυτό να επιτευχθεί χωρίς να διαταρχουν οι αρχές και οι εκδοτικές γραμμές του Μέσου. Το BBC διακρίνεται για την ποιότητα του περιεχομένου του, την ειλικρίνεια και τον πλουραλισμό των απόψεων που παρουσιάζει, με κινητήριο μοχλό τη δημιουργικότητα των εργαζομένων του.

Η ακρίβεια, η πληρότητα και ο σεβασμός της ιδιωτικότητας του χρήστη-τηλεθεατή είναι ανάμεσα στις βασικές αρχές του καναλιού. Τα δεδομένα που συγκεντρώνει το BBC προέρχονται από το 91% του πληθυσμού στο Ηνωμένο Βασίλειο. Το κανάλι παράγει ο 2000 θέματα κάθε μέρα και έχει 3,6 εκ. ενεργούς χρήστες κάθε εβδομάδα στο BBC Sounds, το ραδιοφωνικό και postcast app που διαθέτει. Η χρήση Machine Learning είναι απαραίτητη για την επεξεργασία και κατανόηση του μεγάλου όγκου δεδομένων που είναι διαθέσιμα, για τον προσδιορισμό των προτιμήσεων των χρηστών, για την προαγωγή της ποιότητας των υπηρεσιών και για την παροχή μιας πιο προσωποποιημένης εμπειρίας, όπως αναφέραμε. Η Χριστίνα Μποϊδίδου περιέγραψε τον τρόπο αλληλεπίδρασης του Machine Learning με τις ανθρώπινες δεξιότητες -με τον άνθρωπο να είναι στην «καρδιά» των διεργασιών.
Η αναλύτρια του BBC εξήγησε τον τρόπο που η ίδια και οι συνεργάτες της αξιολογούν και χρησιμοποιούν τα metadata που προσφέρουν τα προγράμματα, σε συνδυασμό με τις δραστηριότητες των χρηστών για να διαμορφώσουν το σύστημα προτάσεων προς τον χρήστη (Recommender System). Κοινό σημείο κλειδί σε όλα τα αυτοματοποιημένα συστήματα που χρησιμοποιεί το BBC, είναι η αξιολόγηση από τον άνθρωπο των προτάσεων προς τους χρήστες, με βάση τις αρχές που έχει υιοθετήσει ο οργανισμός για τη Μηχανική Μάθηση.

Retail & Big Data
O Γιάννης Παπίδης, Chief Technology & Business Change Officer, Κωτσόβολος έδωσε συνέχεια στη ροή του Συνεδρίου με το πολύ ενδιαφέρον θέμα της βελτιστοποίησης των λιανικών πωλήσεων μέσα από τα Big Data, έτσι όπως αυτή εφαρμόζεται στην Κωτσόβολος. To στέλεχος της Κωτσόβολος είπε ότι η εταιρεία έχει καταφέρει να ανταπεξέλθει στις κρίσεις μέσα από τη φρέσκια νοοτροπία που τη χαρακτηρίζει, κάτι που σημαίνει ότι δεν βασίζεται σε πρακτικές του παρελθόντος για να ανταπεξέλθει στο σήμερα. Με αυτό το σκεπτικό έχει ξεκινήσει η χρήση των Big Data στην Κωτσόβολος. Το γενικότερο πλαίσιο είναι αυτό του ψηφιακού μετασχηματισμού που βρίσκεται σε συνεχή εξέλιξη στην εταιρεία, το οποίο είναι σε ευθυγράμμιση με την κουλτούρα του Οργανισμού.

Ο «πλούτος της πληροφορίας», όπως χαρακτηριστικά είπε ο Γιάννης Παπίδης, «ήταν τόσο μεγάλος που άλλαξε ριζικά την αλυσίδα τροφοδοσίας της εταιρείας».
Η εικόνα που έχουν αποκτήσει τα στελέχη της εταιρείας που ασχολούνται με την τροφοδοσία εκτείνεται από το τι γίνεται στο ράφι, έως τι γίνεται στο εξωτερικό πεδίο, στις παραδόσεις, σε πραγματικό χρόνο. Η περαιτέρω βελτιστοποίηση ήρθε με τη χρήση αλγορίθμων και μέσα σε λιγότερο από δύο χρόνια άλλαξε το σύνολο λειτουργίας της εταιρείας. Η επιδραση των analytics έχει ενσωματωθεί πλήρως και οι αλλαγές γίνονται άμεσα, χωρίς καθυστερήσεις. Το μέλλον στην Κωτσόβολος περιλαμβάνει πρόσβαση στη γνώση για όλους, συνεχή βελτίωση και σταδιακή αυτοματοποίηση διαδικασιών, που θα οδηγήσει σε hands off λειτουργίες σε μόλις σε δύο έτη από τώρα. Πάντως, ο Γιάννης Παπίδης τόνισε ότι το «ownership» των διαδικασιών θα συνεχίσει να ανήκει στον άνθρωπο.

Data analysis ως οδηγός
Το δεύτερο μέρος του συνεδρίου ξεκίνησε με την ομιλία του διεθνή keynote ομιλητή Victor Moron, Chief Data Scientist, Nectar Loyalty, με θέμα τη μετάβαση από την ανάλυση δεδομένων στην ανάπτυξη με βάση την επιστημονική τους ανάλυση. Η Nectar ιδρύθηκε το 2002 και απαριθμεί 18,5 εκατομμύρια ενεργούς χρήστες, οι οποίοι ανήκουν σε 22 partners και 350 online retailers. Επιχειρηματικά, υπάρχουν τέσσερα πεδία εστίασης, τα Loyalty Scheme, Data and Insights, Digital, Advertising. O Victor Moron τόνισε ότι η ομάδα που των αναλυτών δεδομένων θα πρέπει να προσθέτει αξία στην επιχείρηση, μέσα από τη δημιουργία νέων προϊόντων, την βελτιστοποίηση των διεργασιών και των αποτελεσμάτων, όπως και την επικαιροποίηση.

Τα οφέλη από την επιστήμη των δεδομένων είναι χωρίς όριο, το οποίο εξαρτάται και μόνο από το μέγεθος της επένδυσης που θα γίνει, συμπληρωσε ο διεθνής ομιλητής. Η κατανόηση των αναγκών και ο προσδιορισμός της αξίας που πρέπει να αποδοθεί, η σύνθεση της σωστής ομάδας με μέλη που όχι μόνο ταιριάζουν και έχουν υψηλό επίπεδο, αλλά αλληλοσυμπληρώνονται και, τέλος, η διαχείριση των προσδοκιών και ετοιμότητα για αλλαγή είναι τα σημεία που οδηγούν στη σωστή αξιοποίηση των δεδομένων.

Στην τοποθέτησή του, ο Θάνος Παππάς, Director of Technology της PAPPAS B.I. Technology, με θέμα “Changing the way you think about data with Tableau” εστίασε στις δυνατότητες που προσφέρει το Business Intelligence System της Tableau στις επιχειρήσεις, οι οποίες είναι απαραίτητο πλέον να διαθέτουν και να αναλύουν τα κατάλληλα δεδομένα για να «τρέχουν» what-if scenarios και να λαμβάνουν τις βέλτιστες επιχειρηματικές αποφάσεις σε ένα οικονομικό περιβάλλον που καθιστά την ακρίβεια του forecasting, ανέφικτη. Οι μεγάλες δυνατότητες του Tableau έγιναν άμεσα αντιληπτές όταν ο Director of Technology της PAPPAS B.I. Technology έκανε live demonstration διερεύνησης και επεξεργασίας δεδομένων για ένα υποθετικό πρόβλημα κερδοφορίας σε προϊόν επιχείρησης. Το demonstration έδειξε ότι μέσα σε μόλις επτά λεπτά, το σύστημα ήταν σε θέση να προβάλει πλήρες sales report με τις αιτίες του προβλήματος. Στο πλαίσιο της συμμετοχής της PAPPAS B.I. Technology στο συνέδριο, η εταιρεία προσέφερε δωρεάν εκπαίδευση στο Tableau Prep Builder, σε όσες εταιρείες έδειξαν ενδιαφέρον να μάθουν περισσότερα για το σύστημα.

Ο τρίτος keynote speaker στο Data Conference, o Jan Teichmann, Senior Data Scientist – Consultant στην Trainline έδειξε έναν τρόπο για το πώς μπορεί να γίνει η επιστήμη των δεδομένων και οι ομάδες που την αξιοποιούν μέρος της επιτυχίας μιας επιχείρησης. Τα αποτελέσματα των ερευνών που παρουσιάστηκαν έδειξαν ότι, υπάρχει σημαντική καθυστέρηση των επιχειρήσεων στην αξιοποίηση των data science projects, ενώ αργεί να γίνει αισθητό το όφελος από τα insights στα αποτελέσματα και μάλιστα σε συντριπτικό ποσοστό. Όπως τονίστηκε, η επιτυχία της χρήσης των δεδομένων με τρόπο επιστημονικό είναι κάτι πολύ δύσκολο να επιτευχθεί. Η έλλειψη κινήτρων, η έλλειψη οργανωμένου σχεδίου για αλλαγή, ένα ασαφές μοντέλο παραγωγής, η επιλογή της ομάδας επιστημόνων με λάθος τρόπο και η απουσία ενός roadmap για την ενσωμάτωση των αλλαγών που θα φέρουν τα νέα project, είναι μερικοί από τους λόγους που καθυστερούν την επιτυχία ή κάνουν μικροτερο το μέγεθός της. Ο Jan Teichmann έδειξε την έλλειψη μοντέλου παραγωγής, το οποίο θα ενσωματώνει την αξιοποίηση των δεδομένων, ως τον σημαντικότερο από τους παραπάνω λόγους που οδηγούν σε μη βέλτιστα αποτελέσματα από την εφαρμογή της επιστήμης των δεδομένων στις επιχειρήσεις.

Η Dr. Ειρήνη Σπυροπούλου, Centre of Excellence in Document Intelligence at NSCR Demokritos, μοιράστηκε με τους συμμετέχοντες στο συνέδριο τα συμπεράσματα από τη χρήση Τεχνητής Νοημοσύνης για το χτίσιμο λύσεων σε μεγάλες εταιρείες, μια έρευνα που διεξήγαγε ο Δημόκριτος με την υποστήριξη της EY. Πιο συγκεκριμένα, η ομιλήτρια ήταν υπεύθυνη για την ανάπτυξη λύσεων Cyber Security με ΑΙ στην Barkleys, με τρόπο επιτυχημένο, που είχε ως αποτέλεσμα την αντικατάσταση παραδοσιακών μοντέλων ελέγχου με μοντέλα Machine Learning και τη σύλληψη κακόβουλων επιθέσεων σε πραγματικό χρόνο. Τα μοντέλα ML που χρησιμοποιήθηκαν χαρακτηρίστηκαν από την Lockheed Martin ως «πέραν των βιομηχανικών στάνταρ». H ομιλήτρια τόνισε την ανάγκη για κουλτούρα χρήσης AI από ένα οργανισμό, στην υιοθέτηση της οποίας υπάρχουν πολλά εμπόδια, τα οποία εγείρονται από καταξιωμένους επιστήμονες στην κυβερνοασφάλεια.

Πάνελ συζήτησης
Το συνέδριο ολοκληρώθηκε με ένα ενδιαφέρον πάνελ με τη συμμετοχή στελεχών της αγοράς και μελών της επιστημονικής κοινότητας, στο οποίο συζητήθηκαν οι εμπειρίες που έχουν αποκομίσει επιχειρήσεις από τη χρήση τεχνητής νοημοσύνης για την επεξεργασία δεδομένων σε έργα τους που έχουν ολοκληρωθεί. Στο πάνελ συμμετείχαν η Dr. Ειρήνη Σπυροπούλου, Centre of Excellence in Document Intelligence στον NSCR Demokritos, η Ευαγγελία Δημητροκάλη, Data Management Infrastructure Officer στην Metro, ο Κωνσταντίνος Λιάπης, Head of Applied AI στην Kaizen Gaming (Stoiximan & Betano) και ο Γιάννης Παπίδης, Chief Technology & Business Change Officer στην Κωτσόβολος. Το συντονισμό του πάνελ είχε ο Γιάννης Μουρατίδης, Business Editor. Οι συμμετέχοντες συμφώνησαν ότι δεν υπάρχει λόγος να φοβάται η ανθρώπινη κοινότητα την Τεχνητή Νοημοσύνη, εφόσον με αυτή εμπλακούν οι σωστοί άνθρωποι με την κατάλληλη κουλτούρα. Η τήρηση των βασικών ηθικών αρχών είναι η εξασφάλιση ότι, η τεχνητή νοημοσύνη θα χρησιμοποιηθεί με τρόπο πραγματικά ωφέλιμο, τόνισε η Ευαγγελία Δημητροκάλη.

Στο ίδιο πνεύμα, ο Κωνσταντίνος Λιάπης, συμπλήρωσε ότι η τεχνητή νοημοσύνη μπορεί να αποτελεί εν δυνάμει ένα πολύτιμο εργαλείο, αλλά ο καθοριστικός παράγοντας για να επιτευχθεί αυτό είναι το είδος της χρήσης που θα γίνει. Στη συνέχεια, ο κάθε ένας από τους συμμετέχοντες στο πάνελ εξέθεσε μέρος της εμπειρίας του από τη χρήση της τεχνητής νοημοσύνης, η οποία αξιοποιεί τα δεδομένα που έχουν συλλεχθεί, στην εταιρεία την οποία στελεχώνει.

Το Συνέδριο συμπληρώθηκε με ιδανικό τρόπο με δύο εικοσάλεπτα networking sessions, κατά τη διάρκεια των οποίων οι συμμετέχοντες είχαν την ευκαιρία για προσωπική, κατ’ ιδίαν επικοινωνία.
Μεγάλος χορηγός ήταν η Performance Technologies, χορηγός η PAPPAS B.I. Technology, ενώ τη φροντίδα του livestreaming είχε η CONEQ Hellas. Τη διοργάνωση έκανε το περιοδικό netweek της Boussias Communications.