Διατηρώντας την ορμή της ψηφιακής αλλαγής, τα δεδομένα γίνονται το πολυτιμότερο asset για κάθε οργανισμό και η ανάλυσή τους είναι περισσότερο κρίσιμη από ποτέ για τη διαχείριση των προκλήσεων του σήμερα και του αύριο σε έναν κόσμο που αλλάζει και ψηφιοποιείται όλο και πιο γρήγορα.
Στο live, online και interactive Data Conference με τίτλο: «Unlocking Data Value in an Uncertain World», που οργανώθηκε από την BOUSSIAS και το περιοδικό netweek, στις 28 Σεπτεμβρίου 2022, υπό την αιγίδα των InTTrust, Unisystem, Performance, IBM και Satori Analytics φωτίστηκε κάθε πτυχή της επιχειρηματικής αξιοποίησης των δεδομένων, αλλά και οι σημαντικότερες προκλήσεις του εξαιρετικά δυναμικού οικοσυστήματος των data, καθώς αυτό πρωταγωνιστεί στη νέα εποχή.
Με την πανδημία να έχει πυροδοτήσει έναν ιλιγγιώδη ρυθμό τεχνολογικών αλλαγών και τις επιχειρήσεις να υιοθετούν ψηφιακές λύσεις πολύ πριν από το αρχικό χρονοδιάγραμμά τους, η αξιοποίηση των δεδομένων γίνεται επιτακτική για κάθε οργανισμό που θέλει να συμβαδίσει με τις εξελίξεις και να προσαρμοστεί στις αλλαγές που φέρνει η νέα εποχή.
Ανοίγοντας τις εργασίες του συνεδρίου ο συντονιστής Γρηγόρης Γραμμένος έδωσε τον λόγο στον Δρ. Χάρη Στελλάκη, Διευθυντή της Διεύθυνσης Διαχείρισης Έργων Υποδομών, ΚτΠ ΜΑΕ, ο οποίος παρουσίασε τα βήματα που έχουν γίνει στο Δημόσιο στην υιοθέτηση των τεχνολογιών ανάλυσης δεδομένων, αλλά και τον ρόλο της Κοινωνίας της Πληροφορίας στον ψηφιακό μετασχηματισμό της χώρας. Έτσι παρουσίασε και το έργο big data του δημοσίου με τίτλο «Υλοποίηση κεντρικού Κόμβου Διαχείρισης και Ανάλυσης Πολυδιάστατων Δεδομένων Μεγάλου Όγκου» το οποίο σαν στόχο του έχει την δημιουργία γνώσης προς κυβερνητικούς χρήστες, αλλά και πολίτες και επιχειρήσεις για την ποιότητα των παρεχόμενων δημόσιων υπηρεσιών στους τομείς της οικονομίας και ανάπτυξης, τις κοινωνικές δομές και υπηρεσίες το περιβάλλον και τις υποδομές και τον ψηφιακό μετασχηματισμό και την κοινή γνώση, το οποίο ήδη βρίσκεται σε φάση υποβολής προσφορών.
Η Βάνα Σύψα Aν. Καθ. Επιδημιολογίας και Ιατρικής Στατιστικής, Ιατρική Σχολή, Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών μίλησε για το πώς τα δεδομένα βοήθησαν στη διαχείριση και αντιμετώπιση της πανδημίας, στον σχεδιασμό φαρμακευτικών και μη φαρμακευτικών παρεμβάσεων και την αποτίμηση της αποτελεσματικότητας των μέτρων που λήφθηκαν. «Στην πανδημία είχαμε πληθώρα δεδομένων από πολλές πηγές, από κινητά μέχρι αεροπορικές εταιρείες, ιχνηλάτηση επαφών, το CDC, τους ασθενείς… μέχρι και δεδομένα των αναζητήσεων του πληθυσμού. Αυτά μας βοήθησαν να απαντήσουμε σε ερωτήσεις από το ποιος είναι ο δείκτης διάδοσης του ιού, το ρυθμό αναπαραγωγής, την αποτελεσματικότητα των μέτρων, τους παράγοντες της μετάδοσης ιού, την αποτελεσματικότητα των εμβολίων, μέχρι και τον τρόπο που θα μπορούσε να οργανωθεί ο έλεγχος των ταξιδιωτών στην χώρα».
Η Τόνια Σιδέρη, Head of AI and Analytics Centre of Excellence – Digital Incubator and Innovation της Novo Nordisk εξήγησε πως τα ευρήματα του ΑΙ μπορούν να αξιοποιηθούν και αξιολογηθούν, σε βιομηχανική κλίμακα. Τον τρόπο που χαρακτηριστικά παραδείγματα machine learning διαδικασιών επιδρούν στο value chain της εταιρείας, αλλά και τι απαιτείται ώστε να ενσωματωθούν σε επιχειρηματικά μοντέλα και εκπαίδευση των ανθρώπων σε νέες διαδικασίες. « Η Novo Nordisk σαν εταιρεία παράγει και καταναλώνει πάρα πολλά δεδομένα και στόχος της ομάδας μου είναι να συνεργαστούμε με business technology και domain experts σε όλη την εταιρεία για να φέρουμε αυτά τα δεδομένα στη ζωή, από το cloud και τα data bases που έχουμε με προηγμένη ανάλυση και machine learning για να τα βελτιστοποιήσουμε και χρησιμοποιήσουμε. Για να συστηματοποιήσουμε την τεχνητή νοημοσύνη εκεί που πραγματικά τη χρειάζεται η εταιρεία, πρέπει να ασχοληθούμε με όλες τις παραμέτρους, ξεκινώντας από τους ανθρώπους πριν περάσουμε στην τεχνολογία».
Ο Μηνάς Πάντος Industrial IT Solutions Team Leader της InTTrust μίλησε για την σύγκλιση των κόσμων του ΙΤ και του ΟΤ. «Ο κόσμος της παραγωγής είναι φαινομενικά ασύνδετος με τον κόσμο του ΙΤ. Στα επόμενα χρόνια τα πρότζεκτ που αφορούν την ανάπτυξη ΙοΤ έργων θα μονοπωλήσουν το ενδιαφέρον των οργανισμών και την ίδια στιγμή το 80% των data που παράγονται σε βιομηχανική παραγωγή μένουν αναξιοποίητα. Δεν προσφέρουν feedback και δεν συνδέονται με την υπόλοιπη δραστηριότητα και έτσι χάνεται ένα πολύ μεγάλο κομμάτι γνώσης που πρακτικά είναι μπροστά στα μάτια μας. Γιατί; Τεχνικές δυσκολίες και πολυπλοκότητα ευθύνονται για την αποτυχία πρότζεκτ διασύνδεσης ΙΤ και ΟΤ, υπάρχει συχνά έλλειψη προϋπολογισμού, αλλά και τεχνικά καταρτισμένου προσωπικού, αλλά και το ζήτημα της ασφάλειας των δεδομένων της βιομηχανικής παραγωγής».
Ο Andrea De Mauro, Professor of Analytics στο International University of Geneva, συγγραφέας του «Data Analytics Made Easy», αναφέρθηκε στην αναζήτηση της υλοποίησης των data analytics, ως μία πρόκληση πολιτισμική και οργανωτική, που απαιτεί την εμπλοκή και αφοσίωση ανθρώπων από διαφορετικές ειδικότητες και επίπεδα της ιεραρχίας. Όπως εξήγησε είναι οι διαφορετικές διαστάσεις και προκλήσεις της ανθρώπινης πλευράς που θα ξεκλειδώσουν την αξία των data και των αλγορίθμων τους. «Το ζήτημα της πολυπλοκότητας των διαδικασιών γύρω από τα data analytics μοιάζει κυρίαρχο. Αλλά αν το δούμε προσεκτικά έρχεται μετά από την αποδοχή της ανάγκης για ανάλυση δεδομένων. Ώστε να αφιερωθούν σε αυτά οι ανάλογοι πόροι και οι άνθρωποι σε ένα οργανισμό. Aν ο senior manager δεν καταλαβαίνει τι είναι και γιατί έχουν σημασία, δεν θα του αρέσει καθόλου να του πουν αυτά τι να κάνει».
Ο Richard Robinson, Chief Strategist, on Open Data and Standards του Bloomberg, συγγραφέας του «Understanding the Financial Industry through Linguistics», ανέλυσε το πως μπορεί κανείς να «ξεκλειδώσει» τον κώδικα πίσω από την ανάλυση δεδομένων με κλειδί τις αρχές της εφαρμοσμένης γλωσσολογίας. «Κάθε πρόταση μπορεί να έχει τουλάχιστον 7 διαφορετικές ερμηνείες. Στον προφορικό λόγο αυτό ξεκαθαρίζεται από την εκφορά του λόγου, ή τα συνφραζόμενα, αλλά στην ανάλυση δεδομένων η πρόκληση είναι μεγαλύτερη. Τα “data” είναι άλλη μια λέξη για την “αποθηκευμένη γλώσσα» και από μόνα τους δεν παρέχουν καμία πληροφορία. Τα διαφορετικά industries όμως αποδίδουν διαφορετικές σημασίες σε αυτά, ως κοινωνικά συστήματα που συνδέονται και συνθέτονται πάνω σε συγκεκριμένα Communities of Practice (CoP)».
Ο Βασίλης Παναγός, Business Development Manager -Analytics, Performance Technologies, εξήγησε τις δυνατότητες του IBM Cloud Pak for Data. Όπως είπε για αρκετές δεκαετίες οι επιχειρήσεις προσαρμόζονται στις πιο πρόσφατες τεχνολογικές καινοτομίες για να επαναπροσδιορίσουν τον τρόπο με τον οποίο οι πελάτες αλληλεπιδρούν μαζί τους. Οι περισσότερες πια χρησιμοποιούν εφαρμογές ΑΙ συμπεριλαμβανομένου και μηχανικής μάθησης και έχουν την δυνατότητα εργασίας με κατανεμημένα δεδομένα, σε δομημένες, ημι-δομημένες και μη δομημένες μορφές. Έτσι οι επιχειρήσεις έχουν την δυνατότητα με μεταφέρουν την εμπειρία των πελατών στο επόμενο στάδιο. «Βέβαια το ΑΙ είναι τόσο καλό όσο είναι και τα δεδομένα μας, γιατί τελικά αυτά επεξεργάζεται. Οι CEO θέλουν να παίρνουν αποφάσεις με βάση αυτά αλλά αυτό δεν είναι εύκολο λόγο των silos».
O Daniel Melin, Strategist στην Skatteverket (της Σουηδικής Φορολογικής Υπηρεσίας), παρουσίασε την εξέλιξη ενός οργανισμού χωρίς την χρήση των πιο κοινών υπηρεσιών cloud της Αμερικής. Όπως εξήγησε γίνεται όλο και πιο δύσκολο για τον δημόσιο τομέα να χρησιμοποιεί αμερικανικές υπηρεσίες cloud, αλλά η ανάγκη του να εξελιχθεί μένοντας νομικά ασφαλής παραμένει. «Το θεσμικό πλαίσιο βρίσκεται σε διαρκή εξέλιξη, η κατάσταση είναι δυναμική και πρέπει να ξεκαθαριστεί αν ένας οργανισμός που εδρεύει σε ευρωπαϊκό έδαφος μπορεί να χρησιμοποιεί μια cloud based βάση υποδομή δεδομένων σε Αμερικανικό έδαφος μιας και τόσο ο κανονισμός GDPR όσο και η ευρωπαϊκή νομολογία έρχονται σε αντίθεση με την Αμερικανική νομοθεσία επιτήρησης. Από ένα σημείο και μετά οι υπηρεσίες δεν είναι εύχρηστες λόγω των επιπρόσθετων προστατευτικών κανονισμών και η χρήση ενός ευρωπαϊκού data center δεν μοιάζει να είναι η λύση. Δεν μπορούμε να περιμένουμε να γίνει κάποιο θαύμα, ή μια πολιτική συμφωνία οπότε ας δουλέψουμε με vendors για να λύσουμε τα προβλήματα μας σήμερα».
H Dr. Sahar Changuel, Data Manager της Société Générale, εστίασε στα ζητήματα data quality που προκύπτουν στην νέα εποχή. «Τα πάντα είναι εξαρτημένα από τα data, οργανισμοί και οικογένειες, επιχειρήσεις και κυβερνήσεις, υγεία και εκπαίδευση ή τράπεζες. Η εξάρτηση μας από την πληροφορία δεν είναι κάτι καινούργιο. Αυτό που είναι καινούργιο είναι ότι υπάρχουν όλο και περισσότερα δεδομένα, διαφορετικών ειδών και πηγών σε ένα όλο και πιο σύνθετο περιβάλλον επεξεργασίας. Η χρήση ΑΙ κάνει τα πράγματα πιο περίπλοκα. Τον Ιούνιο του 2020 στην Αμερική ένας άνδρας συνελήφθη λανθασμένα λόγο ενός λάθους του προγράμματος αναγνώρισης προσώπων των αρχών. Ήταν η πρώτη καταγεγραμμένη περίπτωση και έθεσε το ζήτημα της ποιότητας δεδομένων που απαιτείται προκειμένου να υλοποιηθεί η υπόσχεση της ΑΙ και του machine learning. Η χαμηλή ποιότητα data είναι ο Νο 1 εχθρός».
Ο Δημήτρης Καρυστινός, Solution Manager, Big Data & Analytics της UniSystems, παρουσίασε την αξία της χρήσης δεδομένων στη λήψη αποφάσεων σε χώρους όπως αυτός του Fast Moving Consumer Goods, μέσα από ένα εξαιρετικό use case. Σε αυτό η χρήση data science και machine learning εφαρμογών βοήθησε στην επίτευξη επιχειρηματικών στόχων, στην κατανόηση του πελάτη και των αναγκών του, την βελτίωση των προσφερόμενων υπηρεσιών και γενικότερα της πελατειακής εμπειρίας. «Για να το καταφέρουμε κληθήκαμε να αξιοποιήσουμε έναν πολύ μεγάλο όγκο δεδομένων, 260 εκατομμύρια συναλλαγών σε βάθος τριών ετών, 22 εκατομμύρια λογαριασμοί, πάνω από 1200 προϊόντα, από 170 χιλιάδες πελάτες. Και οι αλγόριθμοι μηχανικής μάθησης και η γενικότερη μεθοδολογία του data science θα μας έλυνε την άσκηση».
Ο Πάνος Μπάσιος, Digital, Data & Analytics Director Greece, Cyprus and Malta της MSD, παρουσίασε την ιδιαίτερη στην εποχή μας σημασία της αξιοποίηση δεδομένων στο χώρο της υγείας. «Από την εμπειρία που έχω σε διαφορετικά επιχειρηματικά πεδία, στη χρήση των data στον τομέα της υγείας μιλάμε για πραγματική αξία δεδομένων μιας και εκεί αυτά μπορούν να χρησιμοποιηθούν για την βελτίωση της ανθρώπινης ζωής. Μιλάμε διαρκώς για data και είναι της μόδας, είναι καλό ότι οδεύουμε προς μια data driven κουλτούρα, δεν πρέπει όμως ποτέ να ξεχνάμε ότι τα δεδομένα όπως και στην αναλογική ζωή συνδυάζονται για να λαμβάνονται αποφάσεις. Ο ψηφιακός κόσμος μας επιτρέπει να κάνουμε scaling αυτών των δεδομένων. Έχει υπολογιστεί ότι το 30% των δεδομένων που παράγουμε είναι δεδομένα υγείας, αλλά μόνο το 1% αυτών αξιοποιείται».
Ο Εμμανουήλ Πιπεράκης, Chief Data & Analytics Officer της CEPAL, ανέλυσε τον τρόπο με τον οποίο η διαχείριση των δεδομένων μπορεί να γίνει από ένα εργαλείο επιβίωσης, παράγοντας διαφοροποίησης. Ιδιαίτερο ενδιαφέρον παρουσίασε η περιγραφή μιας data maturity ladder, μια κλίμακας που αντιπροσωπεύει την ωρίμανση των δεδομένων που η επιχείρηση μπορεί να «ανεβεί» αξιολογώντας τα δεδομένα της και την ανάλυση τους. «Βασικές προϋποθέσεις είναι: Να υπάρχει υποστήριξη από την διοίκηση και αναγνώριση της ανάγκης, να δημιουργηθεί ή αναπτυχθεί μια ομάδα στο μέγεθος των αναγκών, η οποία θα ακούει τις ανάγκες αυτές και δεν θα εφαρμόζει έτοιμες λύσεις. Σε πρώτη φάση πρέπει να κατανοήσει κανείς τον οργανισμό πριν περάσει στο data governance, μετά να δημιουργηθεί ένα όραμα στον οργανισμό και μετά να δημιουργηθεί πάνω σε αυτό μια στρατηγική. Τότε μπορεί να αρχίσει η πραγματική δουλειά».
Ο Tushar Joshi, Data Science Consultant & Tactical Research Lead της The DH Collaborative, στήριξε την παρουσίαση του στα applications της Data Science στο ποδόσφαιρο, για να παρουσιάσει πως ποδοσφαιρικές λέσχες αλλά και οι ίδιες οι ομοσπονδίες ποδοσφαίρου τελικά κατέφυγαν στα data analytics, για να παρακολουθήσουν και να βελτιώσουν την απόδοση και τις τακτικές στα γήπεδα, αλλά και να βρουν νέους παίκτες μέσω των data analytics στο scouting και βέβαια να επιταχύνουν την ανάπτυξη των παικτών, μέσα από γνωστά παραδείγματα. «Ήταν το 2002 όταν η ομάδα baseball Oakland Athletics κατέφυγε πρώτη στα sport data analytics καθαρά από ανάγκη.
Οι τρεις καλύτεροι παίκτες της ομάδας έφυγαν στην αρχή της σεζόν και ο μάνατζερ έπρεπε με περιορισμένο budget να τους αντικαταστήσει, οπότε βασίστηκε στα στατιστικά για να βρει τους καλύτερους παίκτες που δεν είχαν ακόμα προβληθεί ώστε να τους πάρει φτηνά. Τελικά κέρδισαν 20 αγώνες στη σειρά και έγιναν και ταινία».
O Ανδρέας Σβώλος, Διαχείριση Έργων Τεχνολογίας της Πληροφορίας, της Γενικής Γραμματείας Πληροφοριακών Συστημάτων Δημόσιας Διοίκησης, εστίασε στη διαχείριση και ανάλυση δεδομένων στο δημόσιο τομέα, τα βήματα στην υιοθέτηση τεχνολογιών Διαχείρισης και Ανάλυσης Δεδομένων, αλλά και ασφάλειας αυτών. «Τα έργα τα οποία προωθεί η ΓΓΠΣΔΔ και εντάσσει στο γενικότερο σχεδιασμό της αφορούν σε τρεις κατευθύνσεις. Την διακυβέρνηση των δεδομένων (data governance) που συμπεριλαμβάνει και την διασφάλιση συμμόρφωσης με το GDPR. Την ταξινόμηση των δεδομένων (data classification) του πληροφοριακού συστήματος του συστήματος που διαχειρίζεται τεράστιο όγκο πληροφοριών και συνιστά και μέρος της στρατηγικής κυβερνοασφάλειας, αλλά και μείωση του κόστους διατήρησης τους αφού συμβάλει στην απαλοιφή των πλεοναζόντων. Και τα δεδομένα μεγάλου όγκου και την ανάλυση τους (big data analytics), ώστε να παρέχουν στοιχεία για τη λήψη αποφάσεων αξιοποιώντας τεχνικές επιχειρηματικής ευφυίας πάνω σε αυτά».
Ο Ζαχαρίας Σιατρής, Senior Account Manager της Satori Analytics, εξήγησε πως μπορούμε να χτίσουμε μια στρατηγική με την βοήθεια της υλοποίησης μοντέλων τεχνητής νοημοσύνης πάνω σε σωστά δομημένα δεδομένα. «Όλοι γνωρίζουμε ότι για να δουλέψει ένα μοντέλο τεχνητής νοημοσύνης τα δεδομένα πρέπει να είναι αξιόπιστα, σωστά και αντικειμενικά.
H συγκέντρωση όλων των δεδομένων από όλες τις πηγές ώστε να δημιουργήσουμε μία single source of truth είναι απαραίτητη για ένα πλαίσιο data governance και της διαφάνειας τους. Οι διαδικασίες επίβλεψης και ελέγχου τους γίνονται πολύ πιο εύκολα όταν τα δεδομένα αυτά είναι centralized. Έτσι και μόνο τότε μπορούμε να υλοποιήσουμε μια data driven στρατηγική με την χρήση ΑΙ, εξάγοντας τα σωστά αποτελέσματα με τη χρήση machine learning αλγορίθμων. Γενικότερα το explainable AI θα είναι ένα πολύ hot topic τα επόμενα χρόνια γιατί όλοι ξέρουμε ότι η τεχνητή νοημοσύνη είναι κατά κάποιο τρόπο ένα black box και χρειάζεται την διαφάνεια που το explainable AI προσδίδει».
Ο Νικόλαος Κολόκας, Βοηθός έρευνας στο Ινστιτούτο Τεχνολογίας Πληροφορικής και Επικοινωνιών, μίλησε για το σύστημα ΣΙΡΟΚΟ, ένα έργο που συνδυάζει ψηφιακές τεχνολογίες και γνωστικά εργαλεία για τη βελτιστοποίηση της απόδοσης σε εργοστάσια παραγωγής. Υλοποιείται από το ερευνητικό κέντρο ΕΚΕΤΑ και θα εφαρμοστεί πιλοτικά σε εργοστάσιο παραγωγής τσιμέντου του Ομίλου ΤΙΤΑΝ, με δυνατότητα μελλοντικής εφαρμογής και σε άλλα παρόμοια εργοστάσια.
Με στόχο να βελτιστοποιηθούν διάφοροι καίριοι δείκτες απόδοσης του εργοστασίου, που αφορούν το κόστος παραγωγής, την ποιότητα των προϊόντων και το περιβαλλοντικό αποτύπωμα. «Η κύρια ιδέα είναι μέσα από στοιχεία καινοτομίας να αναπτύξουμε γνωστικά μοντέλα -αυτόματα επικαιροποιούμενα- βασισμένα σε συναρτήσεις κατάλληλες για τον έλεγχο και την βελτιστοποίηση της παραγωγικής διαδικασίας στο βιομηχανικό περιβάλλον, με βάση πολυδιάστατα δεδομένα προερχόμενα από αισθητήρες σε όλη την industrial IoT μονάδα. Στόχος είναι το σύστημα να γίνει πιο έξυπνο και αυτοματοποιημένο».
Ο Γιάννης Κοτζαγκιαουρίδης CEO, Resolve της Wunderman Thompson MAP/πρώην Global Chief Data & AI Officer, της Edelman κάλεσε ευθύς εξαρχής το κοινό να μιλήσει για το μέλλον. «Ας μιλήσουμε για το γιατί το μέλλον κατά την δική μου άποψη είναι “ομοσποδιοποιημένο”».
Όπως είπε ο Tim Cook, CEO της Apple, σε μια πιο απλή εκδοχή υπάρχει η λάθος άποψη ότι τα περισσότερα data -προσωπικά data- είναι απαραίτητα για να επιτύχουμε είναι η εύκολη λύση. Δεν είναι βιώσιμη και δεν χτίζει μακρόχρονη αξία βασισμένη σε εμπιστοσύνη. Αλλά ας πούμε ότι δεν σας αρέσει η Apple ή ο Τιμ Κουκ. Σε αυτή την αγορά η τεχνολογία παράγει περισσότερα data από ποτέ τα οποία κάθονται σε silos λιγότερο διασυνδεδεμένα από ποτέ, αφού όλοι τα προστατεύουν περισσότερο από ποτέ.
Έτσι χάνουμε τα event level identifiers οπότε και την σύνδεση ανάμεσα στις εμπειρίες και τα οικοσυστήματα μάρκετινγκ. Ταυτόχρονα έχουμε τις απαιτήσεις συμμόρφωσης με τους κανονισμούς κάθε αγοράς. Και οι καταναλωτές από την άλλη μαθαίνουν πως να μπλοκάρουν τις διαφημίσεις αλλά και την συλλογή δεδομένων τους. Ενώ ζητάνε από τα brands να έχουν αξίες και σκοπό».
H Camila Manera, πρώην Data Scientist Manager της The Walt Disney Company και Chief Data Officer της LibroDepases, έδειξε πως μπορεί κανείς να ξεκλειδώσει την δύναμη των δεδομένων. «Τα data δεν είναι απλώς απαραίτητα. Είναι ζωτικής σημασίας για τις επιχειρήσεις αφού είναι στην ουσία το νευρικό τους σύστημα. Ακόμα και αν αυτό δεν είναι ακόμα εμφανές αλλά θα αναδειχθεί στα επόμενα δέκα χρόνια. Γιατί τα data μας λένε πως να ερμηνεύσουμε την πραγματικότητα και κατ’ επέκταση τι να κάνουμε και πως να το κάνουμε, άρα ένα framework για την επιτυχία. Το workflow που απαιτείται για να τα καταφέρουμε το έχω διαρθρώσει σε 7 βασικά βήματα: την σύσταση της ομάδας, την ανάπτυξη του ΑΙ και του machine learning, την οπτικοποίηση των αποτελεσμάτων, την επιλογή των εργαλείων, την ανάπτυξη τους, την εξαγωγή της αξίας από την διαδικασία και τον προσδιορισμό του impact της όλης διαδικασίας».
Ο Παναγιώτης Λαζαρίδης, Senior Data Product Manager του Economist, εμβάθυνε στο ρόλο του data product manager. «Τι είναι τα data products; Κατά τη γνώμη μου είναι strategic assets μιας επιχείρησης. Μπορούν να παρέχουν ανταγωνιστικό πλεονέκτημα σε αυτή δίνοντας της τη δυνατότητα να πάρει καλύτερες και πιο ακριβείς αποφάσεις, μειώνοντας τόσο το χρόνο που απαιτείται όσο και την αβεβαιότητα γύρω από αυτές. Συνδυάζουν πολλαπλές πηγές δεδομένων για να λύσουν συγκεκριμένα αλλά πολυσχιδή προβλήματα και εξελίσσονται συνεχώς για να καλύψουν νέες ανάγκες. Είναι προσβάσιμα σε όλη την οργάνωση των δεδομένων και γιαυτό “δημοκρατικά” δομημένα και για να είναι αξιόπιστα πρέπει να ακολουθούν τα υψηλότερα στάνταρ ποιότητας.
The Today & the Future of Financial Services with Data + AI
Το πρώτο πάνελ του Data Conference εστίασε στο πώς η αξιοποίηση των δεδομένων και του ΑΙ διαμορφώνουν το παρόν και το μέλλον των χρηματοπιστωτικών οργανισμών. Ο συντονιστής του πάνελ και δημοσιογράφος του netweek Γιάννης Ριζόπουλος, ξεκίνησε ρωτώντας τους συμμετέχοντες για τα συχνότερα προβλήματα στην διαδικασία ανάλυσης των δεδομένων.
Ο Kωνσταντίνος Τσίπτσης, Director of Advanced Analytics & Campaign Management της Eurobank, ανέφερε ότι παλιότερα τα προβλήματα ξεκινούσαν από την ίδια την διαθεσιμότητα των δεδομένων προς ανάλυση, αλλά αυτό έχει πια ξεπεραστεί αφού το σύγχρονο ΙΤ προσφέρει πληρέστατες βάσεις δεδομένων τις οποίες και αξιοποιούν. «Το πρόβλημα θεωρώ πια πως εντοπίζεται στην εφαρμογή των αποτελεσμάτων της ανάλυσης δεδομένων στην παραγωγή γιαυτό και ακούμε όλο και περισσότερο για ML Ops δηλαδή πως θα κάνουμε το machine learning operational. Kυρίως την εφαρμογή των advanced analytics στα συναλλακτικά μέσα. Το άλλο πρόβλημα είναι η σωστή αξιοποίηση τους επιχειρηματικά».
Για τον Νίκο Δρούκα, Data Analytics Manager της Εθνικής Τράπεζας της Ελλάδος, ένα από τα μεγαλύτερα προβλήματα αυτή την στιγμή είναι η τάση προς την πολυπλοκότητα. «Ο πιο εντυπωσιακός τρόπος επίλυσης ενός προβλήματος συχνά εξετάζεται πριν από τον πιο απλό. Τα στελέχη της διοίκησης έχουν πολλές έγνοιες και είναι δύσκολο να καταλάβουμε την αξία μιας λύσης που τους προσφέρουμε αν αυτό δεν το κάνουμε με απλό τρόπο. Για εμάς τους data scientists αυτό θα πρέπει να ξεκινάει ακόμα και χωρίς την χρήση μοντέλων. Πρέπει να αναρωτηθούμε “μπορώ να λύσω ένα πρόβλημα με ένα report και να κερδίσω χρόνο;”. Πρέπει ακόμα να αναρωτιόμαστε αν χρειαστεί η χρήση ενός μοντέλου αν προσεγγίζουμε τις λύσεις από την πιο απλή στην πιο σύνθετη. Πολλές φορές μια περίπλοκη λύση προσθέτει ελάχιστη αξία και στερεί πόρους από αλλού».
Συμφωνώντας με τους προηγούμενους ο Εμμανουήλ Πιπεράκης, Chief Data & Analytics Officer, CEPAL, σημείωσε ότι «ένα επιπλέον μεγάλο πρόβλημα είναι το να μπορούμε να πάρουμε “buy in” από το business μας ότι τα προβλήματα που λύνουμε τα λύνουμε σωστά. Το να βλέπουν έναν αλγόριθμο που δεν μπορείς να εξηγήσεις σε αρκετές περιπτώσεις κάνει λίγο δύσκολο να πείσεις τον άλλο ότι δουλεύει και βοηθάει. Ένα άλλο πρόβλημα είναι ότι πριν βοηθήσουμε πρέπει να ακούσουμε τους stakeholders και χρειάζεται μια “μετάφραση” αυτού που μας λένε, από αυτό που ζητάνε σε αυτό που θα μπορούσε πραγματικά να βοηθήσει».
Ο Κωνσταντίνος Γεωργίου, Business Intelligence Manager της Alpha Bank, θεώρησε ότι μία από τις μεγαλύτερες προκλήσεις είναι το να δίνονται συνεχώς υψηλής ποιότητα δεδομένα που να είναι συνεπή. «Όχι μόνο εκεί που μαζεύονται τα δεδομένα, αλλά να έχουμε δημιουργήσει και ένα τέτοιο framework και πολιτική που να ξεφεύγει και από τα όρια του ΙΤ ώστε και η κατανάλωση των δεδομένων από τους data scientists, τους αναλυτές, αλλά και αυτούς που “ρεπορτάρουν” στο μάνατζμεντ να γίνεται με έναν τρόπο που να καθορίζεται από κανόνες και δεν δίνεται με δεδομένα χαμηλής ποιότητας ή διαφορετικής ερμηνείας από κάθε διαφορετικό business unit. Αυτό δημιουργεί μια συμπαγή βάση δεδομένων όχι μόνο για τον οργανισμό αλλά και για τους φορείς εποπτείας του».
Why Data Analytics is the future of everything?
To Data Conference ολοκληρώθηκε με ένα πάνελ ομιλητών να ανταλλάσσουν απόψεις κάτω από τον -αν μην τι άλλο ευθύ- τίτλο «Why Data Analytics is the future of everything?», υπό τον συντονισμό του Δαμιανού Χατζηαντωνίου, Αναπληρωτή Καθηγητή, Διευθυντή του διεθνούς Μεταπτυχιακού Προγράμματος Σπουδών “Business Analytics”, στο Οικονομικό Πανεπιστήμιο Αθηνών και με την συμμετοχή μεταξύ άλλων και των Πάνου Μπάσιου και Παναγιώτη Λαζαρίδη.
Στο πλαίσιο της συζήτησης για το ρόλο των data analytics ως το μέλλον των πάντων, ο Γιώργος Tσιατήρης, ΙΤ Manager της METRO ΑΕΒΕ, αναγνώρισε ότι τα τελευταία χρόνια είναι τόσο ραγδαίες οι εξελίξεις στον τομέα ώστε να υπάρχει τεράστια διαφορά στη διαδικασία λήψης αποφάσεων. «Η διαδικασία αυτή παλιότερα βασιζόταν σε επίπονες διαδικασίες επεξεργασίας μεγάλου όγκου δεδομένων, την ενοποίηση δεκάδων reports, που οι αναλυτές επεξεργάζονταν πολλές φορές και για εβδομάδες. Όλο αυτό αποφασίστηκε να αλλάξει με ένα απλό βήμα, αντικαθιστώντας το ΒΙ σύστημα δεκαπενταετίας με κάτι πιο σύγχρονο και εξελιγμένο. Αυτό από μόνο του άλλαξε τον τρόπο με τον οποίο βλέπουμε τα δεδομένα όχι μόνο εμείς αλλά και η διοίκηση ώστε να λαμβάνει τις αποφάσεις».
O Νίκος Καστρινάκης, Director of Business Intelligence της Orfium, αναφερόμενος στον τρόπο που η χρήση και ανάλυση δεδομένων έχει επηρεάσει την λήψη αποφάσεων σε έναν οργανισμό σχολίασε ότι στην Orfium προσπαθούν να κάνουν το επόμενο βήμα με τα self serving analytics. «Θέλουμε και οι υπόλοιποι μέσα στην εταιρία εκτός από τους data analysts να μπορούν να κάνουν αναλύσεις χωρίς την βοήθεια των data expertise. Tα data στην εταιρία μας είναι πολύ σημαντικά αφού αλλάζουν την στρατηγική μας σε real time βάση και ευτυχώς υπάρχει αποδοχή και αναγνώριση του πόσο σημαντικά είναι».
Ο Γιώργος Μάτσας, Consumer Experience & Data Insight Manager της Nespresso Hellas S.A, ανέφερε ότι τα τελευταία χρόνια έχει επέλθει ένας εκδημοκρατισμός σε ότι αφορά την ανάλυση δεδομένων. «Με την βοήθεια εργαλεία που απλοποιούν την ανάλυση δεδομένων την απλώνουν σε συναδέλφους που δεν έχουν background στατιστικής ή πληροφορικής. Πριν από 10 χρόνια ακόμα και ένα απλό reporting ήταν για συγκεκριμένους και η λήψη αποφάσεων σε ακόμα πιο λίγους, στη διοίκηση. Τώρα τα δεδομένα είναι στη διάθεση σχεδόν όλων στην εταιρία και με data visualization».
Στο πλαίσιο της συζήτησης για το ίδιο το μέλλον των data analytics, ο Γιάννης Σαράντης, Director Of Business Intelligence, Blueground Co, το χαρακτήρισε ιδιαίτερα υποσχόμενο. «Έχουμε στήσει την ομάδα του data science από την αρχή της χρονιάς. Υπάρχουν παραδοσιακά προβλήματα όπως το revenue optimization ή το πράσινο optimization, πως επιλέγουμε τα διαμερίσματα αλλά η τεχνολογία στο χώρο των ακινήτων εξελίσσεται, με δεδομένα από το ΙοΤ και διάφορες συσκευές αλλά σίγουρα έχει πάρα πολύ μέλλον το πως υιοθετούνται αυτές οι τεχνολογίες και εξετάζουμε ακόμα και τεχνολογίες NLP για sentiment analysis στην επαφή με τους πελάτες, αλλά και forecasting στα revenues ή στα bookings. Όλο και περισσότερα αντικείμενα που ήταν περίπλοκα στο παρελθόν ενσωματώνονται σε εύχρηστα εργαλεία».