– Egyik sem. Az ismert „kataklizma” kifejezés megújításával a dataklizmát Magyarországon kreálták. Annyira megtetszett, hogy – az ötletgazda beleegyezésével – „elloptam”, és azóta is használom. Sőt, népszerűsítem az angolszász világban is, például a weboldalamon keresztül (www.sandyvaci.com). A Media Hungary 2017 konferencián hasonló címmel már tartottam is egy előadást.

– Olyan, mint a „kataklizma”, ami azt jelenti, hogy túl sok van valami jóból. És akkor már lehet, hogy az nem is olyan jó. Például az ivóvíz vagy egy tiszta vizű folyó jó dolgok. De az árvíz már nem, az már egy kataklizma. Hasonló a helyzet az adatokkal. Jó, ha van belőle elég. De ha sok van belőle, tudnod kell hogyan gondozd, nehogy elsöpörjön az adat áradat.

– Igen. Sajnos még mindig sok a félreértés akörül, mit is jelent, hogy készen álljunk az adatok hatékony felhasználására, a big data-ra vagy egy CRM rendszerre. Nagyon sokan azzal kezdik, hogy megvan-e a megfelelő IT infrastruktúra, hozzáértő emberek, alapvető folyamatok.

– Van egy rossz hírem a világmegváltással foglalkozó big data szakembereknek: létezik valami, amit úgy hívnak „ronda valóság”. Ez pedig az, hogy a legtöbb cég felső vezetése nem is tudja mi az a big data. Vagy ha tudja is, nem érdekli. Vagy ha érdekli, nincs rá ideje. Vagy ha még szánna is rá időt, nem tudja, mit kezdjen vele.

– Nézzük végig mi az, ami igazán fontos. Mint például az üzleti felállás és környezet. Hány ügyfelem van, hány értékesítési és után-követési csatornám van. Minél több van bármelyikből, annál többet fog egy hatékony adatkezelés segíteni. Ha például szuper luxusjachtokat adok el egy monacói irodából, akkor nincs szükségem adatbányászatra. Vagy ismerem azt a 20-30 embert a világban, aki szóba jöhet, mint potenciális vevő, vagy nem. Kész. Más a helyzet, ha motorcsónakokat értékesítek 20-30 millió potenciális vevőnek, a világ minden részén. Akkor bizony kell az internet, a koordinált ügynökhálózat, az automatizált marketing és az utánkövetés. Röviden: hatékony adatfelhasználás és koordinált adatkezelés.

– Igen, de ezek aránylag könnyen megszerezhetőek. Vehetek IT támogatást, vannak hozzáértő szakemberek a piacon, és ha nincsenek meg a folyamatok, akkor megtervezhetem őket. Amit nehezebb megvenni vagy megtervezni, az a vezetők és beosztottjaik elkötelezettsége. Ezért kell rögtön az üzletmodell után felmérni, mennyire támogatja a digitális átállást a felső vezetés és mennyire készek elfogadni a cég emberei. Felvenni pár IT szakembert az egy dolog. Lecserélni egy több száz fős csapatot, egy másik. Mindenki eldöntheti, melyik a könnyebb.

– Arról, hogy miként lehet felmérni egy cég felkészültségét a digitális átállásra. Hogyan lehet megtanulni, miként „gondozzuk az adatunkat”. Egy kicsit olyan ez, mint jó szülővé válni. Az alap hozzáállás mindenkiben adott. De azért jó tudni, mik azok a technikák, amikkel igazán jól gondozhatjuk a gyermekeinket. Már csak azért is, mert különben könnyen elkeseredhetünk, hogy nekünk ez nem megy. Egy kollégám mondta egyszer: Ha újszülött csecsemőd nem futja rögtön 10 másodperc alatt a 100-at, akkor mégsem lövöd le, ugye? Ezzel – a meglehetősen erős hasonlattal – arra utalt, hogy sok cég „instant csodát” vár a digitalizációtól, és nem elég türelmes ahhoz, hogy lépésről lépésre felépítse az alapokat, amire később szüksége lesz.

– Nem túl nehéz, ha megvan hozzá a tapasztalati háttér. Én például az előadásom elején kiosztok majd egy egyszerű, 12 kérdéses kérdőívet. Az előadás alatt elmondom, hogyan kell kitölteni és mit jelentenek a különböző válaszok. Megnézünk néhány esettanulmányt, hogy milyen lépeseket kell tenni a tanultak alapján. Azután, ha a kitöltött kérdőívet ideadjak vagy visszaküldik e-mailben, megküldöm a személyre szabott válaszokat – egy több száz cég digitális átállása alapján gyűjtött „tapasztalat bank“ alapján. Természetesen ingyen, bármi kötelezettség nélkül.

– Szerencsére a trend az, hogy kezdik felismerni az úgynevezett digitális kultúra fontosságát a dataklizma elkerülésében. A legújabb Capgemini kutatás eredményei nagyon hasonlóak ahhoz a tapasztalat báziséhoz, ami alapján az én kérdőívem is készült. Ez sokáig nem volt így, tehát ennek tudok örülni. Azt is alátámasztják az újabb kutatások, hogy az üzleti környezet és modell milyen fontos. A nagy létszámú ügyféllel dolgozó multi-csatornás, szolgáltatócégek azok, akik a legtöbbet ki tudjak hozni az újabb adatkezelési metódusokból. Ez mindig is így volt, de most már kezd elterjedni ennek a felismerése is.

– Itt sajnos van egy-két figyelmeztető jel. Úgy tűnik nem a kis- és közép méretű cégek azok, akik a legtöbbet hozzak ki a digitális átállásból. Pedig nekik aránylag könnyebben menne, már csak azért is, mert kisebbek, rugalmasabbak és viszonylag fiatalabb a gárdájuk is. Ezzel szemben azok a nagy cégek tarolnak igazan, akik felismerték az adatokban rejlő érteket és ráálltak annak a kiaknázására. Intő jel ez a kisebb cégeknek, hogy könnyen maradandó hátrányt kreálhatnak maguknak, ha nem figyelnek oda.

– A másik intő jel Európa számára, az USA fölénye. És ez nem (csak) abból származik, hogy ott többet fektetnek a különböző technológiákba. Úgy tűnik, hogy az USA-ban az adat alapú munkavégzés az egész céget áthatja, míg Európában ez még nem történt meg. Bár sok cég vezetése nyomja a digitalizációt, a legtöbb cég munkatársai egész egyszerűen még „nem vették meg” a gondolatot.

Gondolj csak bele! Az USA-ban a cég vezetők kétharmada gondolja úgy, hogy a munkaköri elvárások már most megfelelnek náluk egy digitális átálláshoz. És beosztottjaik fele egyet is ért velük. Európában, mondhatni optimistán, a vezetők 90 %-a gondolja ugyanúgy. De csak a beosztottak 5%-a ért egyet ezzel! Nyilvánvaló, hogy ami Amerikában mindennapos dolog, az Európában még mindig valami elit, a „főnökségkre váró” feladat. Erről is fogok beszelni – és hogy mit tegyünk, hogy ezt megváltoztassuk.

– Big data ide vagy oda, van két terület, ahol egy cég könnyedén előnyre tehet szert. Először is, az összes olyan terület, ami eddig is létezett és ezután is létezni fog. Kiváló termékek, ügyfél központúság, jobb költséghatékonyság – hogy csak a legfontosabb hármat említsem. A big data csupán egy eszköz, nem helyettesíti a minőségi gondolkodást, kemény munkát, tudatos üzleti stratégiát.

Másodszor, mivel ugye a big data csak egy eszköz, abból is előnyt lehet kovácsolni, ha jobban használjuk ugyanazt az eszközt. Mondok egy példát: több évtizede létezik az internet, de a legtöbb cég még csak most kezdi megfelelően használni. Itt nem olyan dolgokra gondolok, hogy „minden információ 3 kattintásra legyen”. Inkább olyanokra, hogy a legtöbb weboldal azt adja, amit az ügyfél kér. Hogy ez miért baj? Mert a legtöbben csak azt tudják, mit SZERETNÉNEK, nem pedig azt, mire van SZÜKSÉGÜK. A kettő nem ugyanaz.

– Hozzáértő értékesítők úgy láncolják magukhoz az ügyfeleket, hogy kiderítik, mire is van szükségük, és arra adnak ajánlatot. Ez lehet, hogy nem az, amit az ügyfél kért, de biztosan az, amit értékelni fog! Ezt ma meg szinte senki nem csinálja az interneten, ahol a személyes kérdezz-felelek nehezen kivitelezhető. Aki először tálalja ki, hogyan lehet mesterséges intelligenciával (AI) praktikusan, röviden kitalálni, mire van szüksége az ügyfélnek, annak nyert ugye lesz!

– A prediktív analitika nem szokott tévedni. Viszont emberek minden különösebb erőfeszítés nélkül tudják nagyon tévesen használni az eszközt. Ennek több oka is lehet. Az egyik leggyakoribb, hogy nem vesszük figyelembe a belénk épített szűrőket, amik miatt aztán hamis következtetéseket vonunk le. Ennek egyik híres példája a bostoni Speed Bump projekt, amivel a város közmunka osztálya próbálta feltérképezni kátyúikat. Kihasználva a mobil telefonok mozgásérzékelőit és GPS koordinátait, egy applikáció segítségével begyűjtötték az összes rázkódást város útjairól. Ennek alapján rögtön meg tudták mondani, hova kell embereket küldeni, hogy betemessek a rázkódásokat előidéző kátyúkat.

– Amit kihagytak a számításból, az csak annyi volt, hogy aki bekapcsolt, mozgásérzékelős, GPS-es okos telefonnal, autóval megy valahova, az valószínűleg egy felső- vagy középosztálybeli, aki egy gazdag alvóváros részből egy előkelő iroda kerületbe vezet. Vagyis azokat az igazan kátyús utakat, amin szegényebb emberek közlekednek, tömegközlekedéssel, egyszerűen ilyen módon kifelejtették! Dicséretükre legyen mondva, hogy amint ezt egy odalátogató statisztikus felvetette, rögtön korrigálták a hibát. Sőt, ők maguk publikálták a tévedésüket, hogy ettől mindenki mást megóvjanak.

– Egy másik probléma, ha a felhasználó nincs tudatában, hogy a prediktív analitika általában csak az elsőrendű összefüggéseket vizsgálja. Ha a korreláció több lépesen keresztül történik, akkor könnyű félrediagnosztizálni vagy észre sem venni, mi okoz mit. A híres “5-why” (5 miért?) módszer pont ezt igyekszik megoldani – de még nem hallottam, hogy sikerült volna beépíteni big data analitikába. A “5-why” alapja, hogy minden probléma megoldásához legalább 5 réteg mélyre kell leásni, hogy az igazi okokat feltárjuk. Híres példája a washingtoni Lincoln emlékmű esete.

– Persze. Szívesen. Az emlékmű kezdett szétporladni és nem tudták, mi lenne a megoldás. Egészen, addig, amíg egy “5-why professzor” nem közölte velük, hogy gyújtsák fel az esti megvilágítást 20 perccel később. Az tényleg megoldotta a problémát. Mi is történt? Íme, a logika: Miért porlad az emlékmű? Mert túl sokat mossák vegyszeres vízzel. Miért kell sokat mosni? Mert tele van madár ürülékkel. Miért van annyi madár ürülék rajta? Mert odajárnak a madarak megenni a rengeteg pókot, ami a szobron tanyázik. Miért van ott annyi pók? Mert sok az éjjeli lepke, amit szeretnek a pókok. Miért sok az éjjeli lepke? Mert már alkonyatkor felgyújtják a díszkivilágítást a turisták kedvéért – 15 perccel korábban, mint a többi emlékművön. Tehát, ha később gyújtják fel a világítást, nem lesz annyi éjjeli lepke, vagyis nem lesz annyi pók, tehát nem megy oda annyi madár, azaz nem kell annyit mosni a madár ürüléket. Szoftver legyen a talpán az a prediktív modelling csomag, ami ezt így kitalálta volna!

Magyar születésű, kanadai üzletember, 35 éven át több mint 50 országban dolgozott, kutató fejlesztőtől vezérigazgatói beosztásig, olyan cégeknél, mint P&G, Cadbury, Raiffeisen, Royal Bank of Scotland. A Citibanknál 26 ország CRM stratégiájáért és implementációjáért volt felelős. Az elmúlt 8 évben egyetemi oktatóként és felsővezetői tanácsadóként segít egyéneket és cégeket, a világ számos országában. Eddig 4 könyve jelent meg angolul.

Sandy Váci