Łączymy analitykę danych i twardy biznes

Łączymy analitykę danych i twardy biznes

Pana misją jest nadawanie sensu danym – jak to się przekłada na praktyczne działania?

Nadawanie sensu danym polega ich odpowiednim zaprezentowaniu, dodaniu kontekstu i zadbaniu, aby w konsekwencji przyniosły wartość. W tym procesie wsadem są surowe dane, a rezultatem są raporty, analizy czy modele uczenia maszynowego.

Jak to wygląda w praktyce? Wyobraźmy sobie obszar sprzedaży. Na podstawowym poziomie możemy przez analizę danych sprawdzić trendy: czy sprzedaż spadła, czy wzrosła. Czy jej poziom jest zgodny z założeniami dla poszczególnych kategorii produktów, czy regionów geograficznych. Na kolejnym poziomie analizy szukamy odpowiedzi na pytanie, dlaczego sprzedaż się zmieniła. Szukamy przyczyn wzrostu czy spadku przez określenie wpływu różnych czynników wewnętrznych (tj. promocje) czy też zewnętrznych (pogoda czy czynniki makroekonomiczne).

Jeszcze ciekawsze jest pytanie, co się może stać: prognozujemy, jaka będzie sprzedaż w przyszłości na tydzień, miesiąc, a nawet na rok. Takie prognozy pozwalają na przykład franczyzobiorcy zamówić odpowiednią ilość towaru czy zespołowi logistyki przygotować odpowiedni zapas towaru w magazynach przed planowaną akcją promocyjną.

Najbardziej zaawansowane rozwiązania opierają się na przygotowaniu rekomendacji. Ten aspekt analityki jest najbardziej wymagający zarówno dla mojego zespołu, jak i biznesu. Wymaga dużego zaufania do danych i modelu analitycznego, ale daje też najbardziej wymierne korzyści. Przykładem może być rekomendacja dotycząca konkretnej wielkości zamówienia, czy też rekomendacja liczby bułek, które kasjer powinien o konkretnej godzinie wstawić do opiekacza.

Jakimi danymi karmicie ten system?

Do analiz i modelowania wykorzystujemy dane z wielu różnych źródeł. Są to dane wewnętrzne z naszych systemów: system kasowy, programy magazynowe, transportowe, czy dane pochodzące z aplikacji mobilnej. Rozwiązania opieramy również o dane pochodzące ze źródeł zewnętrznych: otwartych oraz komercyjnych (informacje o pogodzie, dane demograficzne i makroekonomiczne).

Kiedyś mówiło się, że najcenniejszym zasobem w firmie są ludzie. Teraz coraz częściej słychać, że to dane są kluczowe.

Uważam, że pracownicy są najważniejszym zasobem w firmie – bez nich te cenne dane leżałyby na serwerze i jedynie generowały koszty. Dane zaś mają wartość dopiero wtedy, kiedy ktoś z nich korzysta. To od umiejętności i talentu ludzi w różnych rolach zależy, w jaki sposób z danych skorzystamy i czy uda się przy ich pomocy znaleźć możliwości poprawy naszej oferty dla klientów, obniżyć koszty np. przez automatyzację procesów, podejmować lepsze decyzje lub działać w sposób bardziej zrównoważony np. zmniejszyć ślad węglowy lub zużycie plastiku.

Żabka nie jest firmą z branży IT i nie kojarzy się na pierwszy rzut oka z organizacją opartą na danych. Jak to się stało, że znalazł Pan w niej swoje miejsce?

Grupa Żabka ma ambicję, aby być topową firmą technologiczną, pomimo że nie działa w branży IT. I nie jest to odrealnione marzenie, ale kierunek strategiczny z konkretnym działaniami i sukcesami – o czym chociażby świadczą liczne nagrody i uznanie ekspertów za wdrożenia w Żabce innowacyjnych rozwiązań.

Istotnym elementem, który przekonał mnie do dołączenia do zespołu Żabki, były rozmowy z kierownictwem i ich przeświadczenie o konieczności budowy kultury data-driven. Ta ambicja widoczna była na poziomie zarządu. Utworzenie mojego departamentu miało przyspieszyć proces transformacji do organizacji opartej na danych. Zaczynając od członków zarządu i kierownictwa wszyscy byli przekonani, że Żabka powinna wykorzystywać dane we wszystkich kluczowych procesach. Ja biorę udział w tej transformacji od czterech lat.

Udało się przekonać wszystkich?

Od organizacji czysto technologicznych Żabkę odróżnia połączenie praktyki, czyli sprzedaży i twardego biznesu z analityką danych. Otwieramy ponad tysiąc sklepów rocznie, zatem decyzji, które trzeba podejmować, jest tak dużo, że nie muszę nikogo przekonywać co do zasadności transformacji. Każdy przedstawiciel biznesu widzi korzyści z rozwiązań analitycznych, zatem transformacja mentalności już się dokonała.

Może to efekt tego, że nie jest Pan inżynierem?

Moje osobiste doświadczenie zdobyłem w konsultingu, kontrolingu i wreszcie w raportowaniu i analityce w międzynarodowych koncernach. Od początku kariery pracowałem z danymi – na początku ze „small data”, potem coraz bardziej z big data. W pewnym momencie stwierdziłem, że analityka interesuje mnie bardziej niż klasyczne finanse i w pełni poświęciłem się zdobywaniu kompetencji w zakresie efektywnego przetwarzania, interpretacji danych oraz prezentacji wniosków.

Czyli doświadczenie IT nie jest koniecznie?

Bez znajomości technologii nie da się pracować w analityce i data science. Ciężko też być szefem zespołów analitycznych. Według mnie każdy dobry manager w obszarze data powinien być jednocześnie pasjonatem tej tematyki, samemu rozwijać swoje kompetencje, być na bieżąco z tym, co się dzieje na rynku i inspirować innych liderów oraz pracowników. Od lidera nie oczekuje się, że samemu będzie na co dzień programował czy modelował – ale praktyczne doświadczenie w tym obszarze zdecydowanie się przydaje nawet w rolach, które pełni lider w obszarze data tj. ambasadora rozwiązań opartych o dane, mówcy, a szczególnie stratega.

W jaki sposób zbudować w firmie kulturę danych? Jak przekonać ludzi do zmiany?

Nie przekonywać, ale mówić językiem korzyści. U nas sprawdziło się znalezienie w organizacji naturalnych promotorów – tych menedżerów, którym zależy, którzy widzą potrzebę i podążają za nowinkami oraz przekonanie ich, aby stali się ambasadorami zmiany na przykładzie własnych obszarów. Nie ma sensu zaczynać do transformacji od kogoś, kto nie czuje, że analityka czy AI są mu potrzebne.

Tak pracowaliśmy w przypadku systemu Business Intelligence w Żabce kilka lat temu. Zaczęliśmy od kilku obszarów, pokazaliśmy, że umiemy i że nowoczesne analityka przynosi konkretne efekty. W ten sposób wykreowaliśmy potrzebę w całej firmie. Podobnie teraz działamy z rozwiązaniami opartymi o generatywną sztuczną inteligencję.

Równie ważne jest zadbanie o stały rozwój kompetencji zarówno wśród odbiorców rozwiązań analitycznych, jak i wśród samych deweloperów. Pomaga przy tym stworzenie społeczności, dzięki której jest przestrzeń na wymianę doświadczeń, inspiracje i współpracę.

Jak wdrożenie rozwiązań bazujących na sztucznej inteligencji zmieni funkcjonowanie Żabki?

Rozwiązania z zakresu sztucznej inteligencji w Żabce wdrażamy już od wielu lat i działają one z powodzeniem w wielu obszarach – to chociażby wspomniane wcześniej modele predykcyjne czy systemy rekomendacyjne oparte na „klasycznych” metodach uczenia maszynowego. W oparciu o modele AI działają np. sklepy bezobsługowe Nano. Modele wykorzystywane są również np. do szacowania potencjału nowych lokalizacji. W tym roku magazyn Forbes przyznał Grupie Żabka pierwsze miejsce w rankingu firm, które w najbardziej innowacyjny sposób wykorzystują rozwiązania oparte na sztucznej inteligencji.

A narzędzie takie, jak ChatGPT?

Nowością we wszystkich organizacjach jest wykorzystanie generatywnej sztucznej inteligencji. Uczymy organizację, jak GenAI wykorzystać w codziennej pracy. Wszystkim w firmie w środowisku Teams umożliwiliśmy na korzystanie z najnowszej wersji GPT 4.0. Jest to doświadczenie porównywalne do rozmowy na komunikatorze z innym pracownikiem. Organizujemy warsztaty, na których pokazujemy, jak efektywnie korzystać z takiego chata, żeby zautomatyzować swoje rutynowe działania lub pomóc swojej kreatywności, przy okazji omijając problemy GenAI.

Mój zespół buduje w tej chwili kilka bardziej rozbudowanych rozwiązań prototypowych w oparciu o generatywną sztuczną inteligencję – np. bot, który wspiera pracowników przy odpowiedziach z zakresu HR (czyli odpowiedzi chata wzbogacone są o informacje pochodzące z wewnętrznych dokumentów, procedur czy intranetu). Budujemy też algorytm, który w oparciu o GPT uzupełnia metadane produktowe, automatyzując pracę do tej pory wykonywaną ręcznie. Jednym z testowanych rozwiązań jest „śniadaniowiec” – bot, który rekomenduje produkty Żabki na podstawie wskazanych przez konsumenta oczekiwań – np. elementów diety. Testujemy też, jak dzięki Gen AI przyspieszyć klasyczne zadania analityczne.