Data Driven Organizations
Podcast

Data Driven Organisation

 

Dzisiejszym gościem jest Wojtek Ptak. Bardzo inspirujący, inteligentny i skromny człowiek. Bardzo cieszę się, że mogliśmy się poznać bo nasze dyskusje często są dla mnie “świeżym oddechem” i nie chodzi tutaj o smog w Krakowie. Po prostu cieszę się, że mogę z kimś poruszyć tematy bardziej złożone. Zwłaszcza takie, na które nie ma jednoznacznej odpowiedzi. Wojtek ma spore doświadczenie, którym również się dzieli.

Rozmowa wyszła trochę dłuższa, ale warto poświęcić ten czas, bo to jest dawka wiedzy, którą Wojtek gromadził przez spory okres czasu. Będą również prezenty, tym razem dość sporo – na końcu dowiesz się jak możesz je dostać. Już nie przedłużam i zapraszam do naszej rozmowy.

Wojtek Ptak
Wojtek Ptak… aha i Vladimir 🙂


Cześć Wojtku! Przedstaw się, kim jesteś? Czym się zajmujesz? Gdzie mieszkasz?

Cześć Vladimirze! Serdecznie Ci dziękuję za zaproszenie do podcastu! Na pytanie kim jesteś mogę odpowiedzieć na kilka sposobów, ponieważ sam zastanawiałem się jakieś 2 lata temu co właściwie robiłem zawodowo. Jeżeli chodzi o stronę zawodową, myślę, że mogę powiedzieć, że przez 10 lat specjalizowałem się w czymś co dopiero później zyskało nazwę. Konsultowałem projekty związane z transformacją w kierunku Data Driven Organisation.

Aktualnie jestem CTO FreshMaila, do którego dołączyłem 2 lata temu, swoją rolę pełnię od około roku, natomiast w tym momencie odpowiadam za strategiczny rozwój produktu, rozwój zespołu i jego kompetencji oraz strategiczne projekty – szczególnie z mojej działki. Ponieważ dołączyłem do zespołu jako konsultant Big Data, odpowiadając za zbudowanie nowego cluster do obróbki danych. Fascynuje mnie strasznie temat kultury, pracy z danymi, dane i transformacje, które z nich wynikają.

Gdzie mieszkam? Mieszkam w Krakowie i to jest z mojej perspektywy świetna lokalizacja, ponieważ jestem osobą, która ciągle gromadzi pomysły i pewne problemy, wyzwania z tyłu głowy. Na co dzień po mnie tego nie widać, natomiast ciągle o tym myślę i wykorzystuję do tego lokalizację Krakowa. Ponieważ uwielbiam góry, uwielbiam rozmyślać na świeżym powietrzu, odpoczywać, tworzyć nowe rozwiązania, pomysły. Spotkacie mnie w lecie pędzącego w dół na rowerze, a w zimie jadącego na nartach, na freeride, uwielbiam też skitury oraz freeride’owe wydanie snowboardu.

Bardzo cieszę się, że zgodziłeś się na tę rozmowę. Jesteś osobą z tej nielicznej grupy (przynajmniej w moim otoczeniu), która potrafi bardzo fajnie, w ciekawy (i co ważne praktyczny) sposób opowiedzieć o tym, o czym dzisiaj będziemy rozmawiać. Ale na początek standardowe pytanie – co ostatnio czytałeś?

Chciałem przede wszystkim podziękować wszystkim osobom, które przede mną wystąpiły w podcaście BiznesMyśli. Ponieważ to pytanie uwielbiam, czytane książki wiele mówią o człowieku i zawsze inspiruję się wieloma pozycjami.

Sam chciałbym polecić Wam książkę całkowicie inną. To jest autentycznie książka którą przeczytałem ostatnio, w związku z tym odpowiem wprost na pytanie Vladimira, jest to – „Drive” Daniela Pinka. Wybór tej książki nie jest przypadkowy, ponieważ jestem właśnie w momencie przeprowadzania ewaluacji z zespołem, a książka ta opowiada o tym co nas motywuje do pracy. Ta książka zresztą była, jednym zbiorem myśli, które całkowicie odmieniły sposób w jaki wiele firm funkcjonuje. Jeżeli jesteście zafascynowani kulturą Spotify, Google, Microsoft – myślę, że jest to pozycja, po którą chcecie sięgnąć.

O czym ona opowiada?

Daniel Pink opowiada o motywacji na trzech poziomach. Pierwszy rodzaj, jest to motywacja do około rewolucji przemysłowej, gdzie czynnikiem motywującym nas jako ludzi było przede wszystkim przetrwanie. Najpierw musieliśmy walczyć z mamutami, później musieliśmy walczyć z wrogami naszego plemienia. Następnie przeszliśmy w fazę rewolucji przemysłowej, która trwała, tak naprawdę do niedawna… Daniel Pink odnosi się do wielu badań naukowych, które zmieniły pojęcie motywacji pracowników z lat 60-70, więc można powiedzieć do około 50 lat temu. Skupia się na motywacji związanej z klasycznym modelem zarządzania, wszyscy to znamy: kij-marchewka, motywowanie poprzez premie finansowe i wszystko co jest z tym związane.

Wiele firm w dalszym ciągu tak funkcjonuje, pomimo tego, że badania pokazują, że absolutnie nie powinny w ten sposób funkcjonować, a nawet motywuje nas jako pracowników intelektualnych całkiem coś innego. Tu jest właśnie to wyzwanie i cała odpowiedź, na którą Daniel Pink poświęca drugą połowę książki – jak motywować pracowników w obszarze, gdzie przede wszystkim ważna jest praca intelektualna, gdzie skupiamy się na wytwarzaniu rzeczy siłą swoich myśli, współpracą z innymi zespołami itd.

Co jest ważne?

On wskazuje trzy główne czynniki: danie każdemu z członków zespołu autonomiczności, dążenie do doskonałości (tzw. mastery) – znając Vladimira już na tyle wiem, że jest jedną z osób, która świetnie się porusza w tej części i bardzo tego też potrzebuje. Kolejny element to purpose, czyli wyższy cel. W związku z tym, każdego z nas motywują te trzy rzeczy: autonomiczność, możliwość doskonalenia się i poczucie większego celu. Ta książka opowiada jak zbudować kulturę organizacji, w której możemy się rozwijać.

Już czuć potencjał i entuzjazm w tych tematach! Mam nadzieję, że wiele wyciągniemy z tej rozmowy. Masz dość duże doświadczenie w pracy z danymi. Pracowałeś w wielu firmach, również międzynarodowych. Mam nadzieję, że zdradzisz nazwy niektórych z nich – o ile możesz. Widziałeś jakie problemy mają te firmy i tutaj pojawia się tzw. data silos. Powiedz dokładnie co to jest, dlaczego to jest problem? Później będziemy to rozwijać.

Przez prawie 10 lat miałem okazję pracować we współzałożonej przez siebie firmie. Miałem to szczęście, że mogłem spróbować życia startupowca. Założyłem firmę wraz z pewnym Holendrem i Amerykaninem. Oni mieli świetną siatkę kontaktów, ja do tego przedsięwzięcia przyniosłem doświadczenie, możliwość zbudowania zespołu. Na początku skupiliśmy się na budowie lepszych narzędzi sprzedaży.

Jeżeli pomyślicie jak wyglądał świat w 2007 roku przypomnicie sobie, że ten świat był bardzo mało interaktywny. Nie było jeszcze iPhonów, iPadów i większość decyzji było podejmowanych w oparciu o bardzo statyczne prezentacje danych. Nasz pomysł polegał na tym, żeby dane przedstawiać w sposób bardzo interaktywny. Nasze narzędzie miało pewną cechę dzięki, której zbudowaliśmy później inne możliwości. Posiadało ono możliwość integracji z różnymi źródłami danych – to było dla nas ważne od samego początku.

Nasz klient mógł zakupić platformę, zbudować swoje nowe prezentacje sprzedażowe – było tam troszeczkę predykcji sprzedażowej opartej o te dane i integracja z różnymi źródłami danych. Okazało się, że to był czynnik, który spowodował, że nasza platforma wybiła się i była bardzo chętnie kupowana, integrowana przez różne firmy. Miałem okazję współpracować z wieloma korporacjami. Widziałem bardzo wiele firm od środka ponieważ przede wszystkim pełniłem rolę konsultanta i architekta tego rozwiązania. Bardzo często miałem do czynienia ze sponsorami projektów wewnątrz korporacji, bardzo często były to osoby na poziomie zarządu.

Natomiast, już przechodząc do samych marek – myślę, że jak najbardziej mogę powiedzieć, że pracowałem z takimi firmami jak: Coca-Cola z centralną finansową w Wiedniu. Nasz produkt był też tworzony dla głównej centrali w Atlancie. Moim klientem był również Macy’s, Bloomingdales, Saks 5th Avenue, American Bankers Association, Boots, Next. Również firmy takie jak: Dixons Carphone Warehouse, BP, T-Mobile, Heineken i kilka innych. Miałem okazję widzieć wiele firm od środka, mogłem obserwować jak te firmy się zmieniają, jak wdrażają narzędzia do analizy danych, do pracy z danymi.

To był świetny okres kiedy mogłem się naprawdę wiele nauczyć. Natomiast, tak jak mówisz, widziałem też wiele antyprzykładów, nie wymienię ich z nazwy. Ale wracając do silosów, chciałem zadać Ci Vladimirze pytanie – jak myślisz, co to są dobre dane?

Dobre dane… to jest dobre pytanie na początek. Jeśli patrzymy z punktu widzenia biznesu, dobre dane to takie, które wskażą drogę, pomogą podjąć decyzję i tworzą ten proces bardziej przejrzystym. Jeżeli masz dane, które tylko  gromadzą się na dyskach – to jest za mało. Jeżeli masz dane, które pomagają Ci rozwiązywać problemy – to są dobre dane.

Super Vladimirze, ja powiem tak: jestem bardzo bliski tej samej opinii. Byłem bardzo drobiazgowym konsultantem, ponieważ ja to pytanie zadawałem każdemu. Nieważne kto był na jakim stanowisku, zadawałem to pytanie członkom zarządów dużych korporacji, nie raz pytając się ich wprost – czy uważasz, że masz dobre dane? Czym dla Ciebie są dobre dane? Odpowiedź była bardzo podobna do twojej.

Z mojego doświadczenia wynika, że wiele osób myli dobre dane z dużą ilością danych. Byłem świadkiem wdrożeń bardzo dużych hurtowni danych w firmach, gdzie wydano nieraz setki, miliony dolarów na systemy, które zbierały dane i już wydawało się, że będą one dobre. Natomiast te narzędzia nie zapewniały jednej bardzo podstawowej rzeczy – prostego, łatwego i demokratycznego dostępu do danych.

Jednym słowem nie zapewniały tego, że wszyscy są w stanie analizować te dane w taki sam odpowiedni sposób. Wiele firm posiada bardzo dużo danych, jeżeli chodzi o produkcję związaną z ich działalnością, supply chain czyli wszelką logistykę dostarczania, dane finansowe, HR-owe, dane związane z operacjami online. Te dane bardzo często są w posiadaniu tylko pewnych zespołów.

Tu pojawia się problem. Bardzo często w połączeniu z pewną kulturą pracy te dane są posiadane przez te zespoły – one się czują panami i władcami tego. Dostęp do tych danych bardzo często jest chroniony i broniony. Często spotykaliśmy się z sytuacjami, że kogoś trzeba prosić o dostęp do danych. Jest to szczególnie zagrożone, jeżeli model wynagrodzenia pracowników wspiera niezdrową konkurencję między zespołami. Wtedy naprawdę prosimy się o katastrofę.

W takiej sytuacji ogromnym zagrożeniem dla firmy jest podejmowanie decyzji w związku z danymi, które te zespołu posiadają. Wydaje nam się, że mamy jakiś obraz sytuacji i podejmujemy decyzję, bo przecież to są fakty, dane, które nie kłamią – nic bardziej błędnego nie może nam się w takiej sytuacji przydarzyć. Jeżeli mamy dane w silosach mamy tylko i wyłącznie fragmentaryczną część wiedzy, na temat tego co się dzieje w naszym systemie. Naszą działalność często opisują setki jak nie tysiące wskaźników, jeżeli dane, które je tworzą oddamy w ręce zespołów, które są zamknięte tworzymy kulturę, w której każdy widzi tylko swoją część biznesu – danych, to sprawia, że może podjąć decyzję tylko i wyłącznie w związku z tym co widzi.

Jak sprzedaż może podejmować decyzje, jeżeli nie ma informacji z działu supply chain? Jednym słowem, nie wiemy jakich produktów może nam zabraknąć. Czym to może skutkować? Między innymi, budową zamków z danych – czyli posiadaniem i bronieniem dostępu do danych, bardzo źle dobranymi celami, bardzo zamkniętymi zespołami, bardzo zamkniętą komunikacją. To jest bardzo groźne zjawisko, żeby uświadomić skalę muszę powiedzieć, że absolutna większość firm, z którymi się zetknąłem miała na tym polu mniejszy czy większy problem.

Niewiele firm potrafi świetnie przekształcić się i korzystać z dobrodziejstwa jakim są dane. Żeby nie było bardzo poważnie i korporacyjnie powiem, że… Na pewno słyszałeś o zwierzaku, który często występuje w takim ekosystemie, nazywa się HIPO – HIghest  Paid Person’s Opinion – jest to bardzo groźne zjawisko, które bardzo często występuje w takiej kulturze.

HIPPO - Highest Paid Person's Opinion
HIPPO – Highest Paid Person’s Opinion

Jest to osoba, która bardzo mocno wpływa na podejmowane decyzje, bez względu na dane, na to co mówią fakty, bo ona ma intuicję, bo robiło się tak przez ostatnie 20 lat i ona wie co będzie dalej. Nic bardziej mylnego, ponieważ świat zmienia się szybciej niż myślisz! 😉

Bardzo dobrze to ująłeś – czuć już napięcie, mam nadzieję, że im dalej tym więcej będzie konkretu. Teraz przejdźmy do sedna tej rozmowy, będziemy rozmawiać o Data Driven Companies lub Organisations.

Nie ukrywam, że już dawno chciałem nagrać ten odcinek, ale brakowało mi osoby, która potrafi to odpowiednio wyjaśnić i wskazać ścieżkę jak się po tym poruszać, jak trzeba zmienić sposób myślenia. Cieszę się, że udało mi się Cię znaleźć. Zacznijmy od początku – wyjaśnij proszę co to jest Data Driven Company?

Wszyscy chyba się zgodzimy, że mamy produkt oparty o dane, że pracujemy w firmie opartej o dane. Jeżeli myślicie troszeczkę inaczej to podpowiem Wam, że absolutnie tak jest. Od rolnictwa, szkolnictwa, przemysłu ciężkiego i zbrojeniowego, wszelkich działań państwowych, działalności produkcyjnej, sprzedażowej, usługowej, online – wszyscy produkujemy bardzo duże ilości danych. Nie jest tajemnicą, że nawet rolnictwo, które bardzo długo było traktowane jako tradycyjna gałąź gospodarki, jest bardzo scyfryzowane.

Co to oznacza?

Każdy rodzaj działalności produkuje olbrzymie ilości danych, w związku z tym możemy opisywać coraz pełniej obraz działalności, która jest właśnie prowadzona. Cały ekosystem biznesowy, w którym ta działalność jest. Tak naprawdę, możemy coraz pełniej rozumieć te 360 stopni wokół firmy, w której ona się znajduje, klientów, produkcję, logistykę, wsparcie, HR, finanse itd.

Rozmawiamy w ramach podcastu BiznesMyśli, gdzie przedstawiasz jak szybko zmienia się świat, bardzo wiele osób przede mną odnosiło się do danych. Wiemy również, że na same hasła typu: Hadoop, SparkDeep Learning inwestorzy chętnie sięgają do kieszeni. Skoro mamy więc firmę, która jest oparta o dane możemy sięgnąć po technologie, ponieważ one są coraz tańsze, coraz łatwiejsze.

Jak stać się organizacją, która wykorzysta tę przewagę?

Data Driven Organisation – to w wielkim skrócie – firma, która w całej swojej działalności kieruje się podejmowaniem decyzji w oparciu o fakty, o informacje, które są wyciągane z zebranych danych.

 

Powiedziałeś taką prostą rzecz – podejmowanie decyzji na podstawie faktów. Myślę, że większość prezesów o tym wie, ale problem tkwi w tym, że nie potrafią zrozumieć co to tak naprawdę oznacza.

Spróbujmy to teraz trochę wyjaśnić, ale żeby nadać priorytety naszej rozmowie to podkreślę, że w tej chwili mamy wybór: firma staje się tzw. data-driven i podejmuje właściwe decyzje albo przegrywa – jest wiele takich przykładów. Podaj proszę kilka takich przykładów z twojego doświadczenia albo takie, które są dla Ciebie inspirujące.

Mogę podkreślić, że jestem bardzo szczęśliwy, że mogłem uczestniczyć w kilku wzorcowych wdrożeniach narzędzi do zbierania i analizy danych. Natomiast, chciałem wam zwrócić uwagę na to, jak zmienił się świat w przeciągu ostatnich 10 lat – cytując Vladimira – bardzo, bardzo szybko. 10 lat temu top 10 firm na świecie stanowiły firmy klasyczne, np. produkujące, z sektora sprzedażowego lub usług.

Natomiast, to co się stało teraz to jest to, że przede wszystkim królują tam firmy technologiczne, które opierają się o wielką ilość danych i o bardzo zaawansowane możliwości i techniki analizy danych. Mówimy o takich firmach jak: Amazon, Google, Apple, Microsoft, Facebook czy Alibaba. Większość z tych firm stanowią firmy, które świetnie potrafiły wykorzystać potencjał ludzi, których zatrudniają oraz uczenia maszynowego.

Cytując wiele wybitnych osób, to jest bardzo ciekawe, bo próbowałem szukać autora tego cytatu, ale okazuje się, że bardzo wiele osób sobie go przypisuje. Myślę, że możemy zamieścić link do Quora, gdzie jest dokładnie wypisane około 15 osób, które powiedziały:

„Data is the new oil”.

To jest bardzo ważny cytat, który padł wielokrotnie z wielu ust. Bardzo wiele firm go cytowało. Zobaczcie większość firm dostrzega jak olbrzymim potencjałem stają się dane. Przede wszystkim chciałem zwrócić uwagę na kilka firm, które są w tym obszarze absolutnie świetne i odniosły spektakularny sukces.

Mówimy np. o Netflix, Spotify i Tesli. Trzech z tych firm 10 lat temu jeszcze nie było, odniosły one gigantyczny sukces dzięki kulturze pracy, dzięki danym, które zbierają i umiejętnemu wykorzystaniu tego w modelu biznesowym. Mają jeszcze jedną cechę wspólną, ich kadra managerska jest bardzo specyficzna, jeżeli porównać ją do klasycznych modeli zarządzania. Są to firmy prowadzone w sposób otwarty z bardzo otwartą kulturą uczenia się tzw. eksperymentu.

Skupiają się na nierozłącznym łączeniu danych, ludzi, uczenia maszynowego i optymalizacji całych procesów. Polecam wam zapoznać się ze szczegółami co się dzieje pod maską tych firm i dlaczego akurat one odniosły taki sukces. Wracając do przykładu dobrego wdrożenia Data Driven Organisation, chciałbym przede wszystkim opowiedzieć o projekcie, który wykonałem dla firmy Homebase.

Pozwolił on mi obserwować cały projekt od samego początku do bardzo dobrego wdrożenia i kolejnych etapów, które były dużymi sukcesami. W tym projekcie pełniłem rolę głównego konsultanta, w pewnym sensie architekta rozwiązania, jak i również kierowałem całym projektem z naszej strony, jeżeli chodzi o wdrożenie.

Czym jest Homebase?

Jest to firma z Wielkiej Brytanii, która ma około 370 sklepów, jest to sprzedawca wielkoformatowy – sieć supermarketów, z rynku Do It Yourself. Na naszym rynku jest to np. Castorama czy OBI.

Do tej firmy dołączyła bardzo ciekawa osoba – Echo Lu, którą miałem przyjemność poznać, jako Chief Operations Officer. Jak każdy C-Level Executive Manager przez pierwsze 90 dni swojej działalności wywróciła wszystko do góry nogami. Zrobiła wielki audyt, zrozumiała gdzie jest jej firma, z jakimi problemami się boryka, jak wygląda sprzedaż, całe to przedsięwzięcie.

Co się okazało?

370 sklepów, 370 sposobów mierzenia pewnych rzeczy, 370 sposobów komunikacji z biznesem – na to wszystko nakładają się Regional Managers, na to wszystko nakłada się zarząd. W jaki sposób podejmowano wcześniej decyzje? Nie do końca była tego pewna, ale pewnie była tam duża dawka intuicji. Cóż ona sobie wymyśliła? Stwierdziła: mamy wszystkie czynniki, które są potrzebne do zmiany tej organizacji, więc musimy pokazać ludziom, że można prowadzić firmę całkowicie inaczej, można rozmawiać, uczyć się od siebie i optymalizować cały biznes.

Trzeba dodać, że branża Do It Yourself, jest branżą opartą o bardzo niską marżę, jak również bardzo sezonową. Mocny jest tam czynnik, np. pór roku, przecież nie kupisz kosiarki w zimie, a odśnieżarki w lecie – chyba, że masz świetną promocję i moduł przewidujący pogodę. Mówimy o firmie, która musi wyciskać siódme poty, żeby działać świetnie. Jej pomysł polegał na tym, aby wprowadzić, poszczególnymi etapami, wspólny język w organizacji.

Jak ona to zrobiła?

Po audycie, zebrała 35 głównych wskaźników, które odpowiadały za to jak radzą sobie sklepy, jak powinny działać. Były to wskaźniki z 4 głównych grup: logistyka, finanse, HR oraz satysfakcja klienta. Następnie umieściliśmy to wszystko na bardzo przystępnym dashboardzie, z którego można było korzystać zarówno poprzez tablet jak i komputer, co było też bardzo ważne. Te wszystkie dane zostały w bardzo prosty i przystępny sposób przekazane wszystkim pracownikom firmy, od kierowników działów po sam zarząd. Cała firma zaczęła mówić jednym językiem.

Projekt okazał się wielkim sukcesem ponieważ okazało się, że wszyscy zaczęli mierzyć do samo, mówić o tym samym. Wychodziły bardzo podobne problemy, ludzie mogli się od siebie uczyć, mogli wymieniać się wiedzą. Następnym etapem było zwiększenie 35 wskaźników aż do 200 – to też było wyzwaniem, żeby odpowiednio to wizualizować, zapewnić odpowiednią łatwość korzystania z tego narzędzia. Dodaliśmy również jedną funkcjonalność, w każdej metryce można było przeczytać dlaczego ona jest ważna i co zmienia w mojej firmie, jak mogę nad nią pracować i kto jest tak zwanym championem tej metryki – jaki szef sklepu świetnie sobie w niej radzi?

Dzięki temu gdy miałem problem z tą konkretną rzeczą np. jeżeli chodzi o satysfakcję klientów, mogłem od razu zobaczyć w narzędziu, kto mający podobny sklep do mnie, świetnie sobie z tym radzi i mieć od razu do niego namiary, żeby się skontaktować. Był to dla mnie ciekawy projekt, bardzo dużo się nauczyłem, jak wdrożyć kulturę pracy z danymi oraz jak ważnym czynnikiem w takim projekcie są ludzie i sama kultura firmy.

Bez tego wszystkiego, bez wspólnego nazewnictwa, kultury pracy, wymiany doświadczeń dane to tylko bajty na dysku – możemy mieć nawet petabajty, ale to nic więcej. Tutaj chciałem mieć też pytanie do Was.

Zastanówcie się proszę – jak często w firmie, w której wy funkcjonujecie na co dzień, te same rzeczy są nazywane w absolutnie różny sposób lub ta sama rzecz oznacza różne mierniki, metryki pod spodem? Jest to bardzo ciekawe zagadnienie, które mnie fascynuje. Jest to rzecz, która bardzo często wpływa na to, że wewnątrz organizacji źle się rozumiemy lub rozmawiamy o różnych rzeczach.

Bardzo fajny przykład. Myślę, że jest to bardzo praktyczne pytanie, zwłaszcza jeżeli jesteś osobą decyzyjną to jest dobry moment, żeby zadać sobie to proste pytanie i spróbować na nie odpowiedzieć. Dzisiaj spróbujemy obalić kilka mitów w tym temacie. Przygotowałem nawet listę:

Mit nr 1 – mamy łatwo dostępne dane. Upraszczając można powiedzieć, że każdy kto chce ma dostęp do tych danych.

Mit nr 2 – wiem gdzie są dane.

Mit nr 3 – zakładając, że mamy hurtownie danych lub popularne ostatnio hadoop, no to już mamy organizację data-driven.

Mit nr 4, że mamy dane historyczne, chociaż jeżeli na to spojrzymy to mamy tak zwany model CRUD – czyli tylko tworzymy, aktualizujemy wiersze, rekordy w locie i mamy tylko stan faktyczny.

Mit nr 5 – na którym skończymy, choć ta lista może być dużo dłuższa – brzmi, że mamy raport, pulpit, na którym jest ukazanych kilka wykresów np. sprzedaży, więc to jest już data-driven, bo podejmuję decyzję patrząc na takie zestawienie.

Pytanie do Ciebie Wojtku – w jaki sposób mogę zmierzyć czy moja organizacja jest data-driven i jak daleko jestem do tego celu?

Świetne pytanie, jest to również miejsce, w którym chciałbym, żeby nasi słuchacze zastanowili się w jakim miejscu jest ich organizacja i co mogą zrobić żeby wstąpiła na wyższy poziom wtajemniczenia. Przede wszystkim odnieśmy się do tego, co to znaczy data-driven?

W literaturze mamy kilka odniesień do tego znaczenia, kilka definicji. Mamy data-informed, data-influenceddata-driven. Jeżeli myślimy o organizacji Data Driven Organisation w taki sposób jak drive oznacza kierowanie samochodem, to myślę, że jesteśmy w błędzie. Tak naprawdę to nie oznacza, że jeżeli dane mówią nam skręć w lewo, to zawsze musimy to zrobić. Możemy jechać w drugą lub trzecią ulicę w lewo i będzie to dla nas lepsze.

Zwróćcie też uwagę, że drive po angielsku nie zawsze oznacza kierowanie się takie sztywne, oznacza również uczynienie czegoś, czyli cause something to happen. W związku z tym Data Driven Organisation z mojego doświadczenia jest bliższe tej definicji. Chcemy, żeby przy podejmowaniu decyzji kierować się suchymi faktami i danymi, nie emocjami, intuicją lub mitami. Bardzo fajnie poziomy zaawansowania firm przedstawił Thomas Davenport, profesor MIT – możecie go znać z wielu książek, np.: Big Data at work, Analytics at work, Keeping up with the Quants.

Przedstawił on osiem poziomów, na których może znaleźć się firma. Co jest bardzo istotne, jest to materiał z 2006 lub 2007 roku. Zobaczcie to 11 lat, a świat zmienia się szybciej niż myślimy. Zobaczcie gdzie znajduje się wasza organizacja.

Poziom 1

Pierwszy poziom to raporty standardowe, mamy tu na myśli nasze standardowe Excele, które przedstawiają nam sytuacje z przeszłości, gdzie byliśmy, co się stało i dlaczego.

 

Poziom 2

Drugim poziomem, na którym może znajdować się organizacja, jest możliwość tworzenia raportów ad hoc. W sytuacji, w której po analizie standardowego raportu, jeżeli wiem, że coś się stało, mogę skorzystać z systemu, który odpowie mi na pytanie: jak wiele tego było? Dlaczego? Mogę iść w głąb tych danych, tworzyć trochę bardziej skomplikowany raport na żądanie. Jest to bardzo częsta sytuacja, w której ten raport jest przeliczany i wypluwany w formie kolejnego spreadsheet’u.

 

Poziom 3

Trzecim poziomem, na którym może znajdować się organizacja, jest możliwość tworzenia raportów drill-down. To jest bardzo ciekawe, wchodzimy w wymiary danych. Możecie o tym pomyśleć, jak o wymiarze czasu, produkowanych produktów, traktować jako wymiar geograficzny sprzedaży, wymiar kanałów, do których nasz produkt jest celowany. Jeżeli chodzi o raporty typu drill-down, są to raporty gdzie możemy wchodzić w głąb danych. Jako CFO mogę zrozumieć sytuację: ok, w zeszłym tygodniu sprzedałem tyle puszek Coca-Coli, a ile w regionach? Np. Ameryka, Europa, Azja, itd. A ile w Europie Środkowej? A ile w Polsce? A ile w jakimś mieście? To jest poziom kultury pracy z danymi, gdzie możemy wchodzić w tego typu raporty drill-down.

 

Poziom 4

Kolejnym wymienionym przez Davenporta poziomem były tzw. alerty. Możliwość tworzenia alertów-powiadomień, w sytuacji kiedy dany wskaźnik osiągnie zadany poziom. Może to być spadek lub wzrost, natomiast chodzi o to, że jesteśmy automatycznie powiadamiani co się stało. To jest bardzo istotne z punktu widzenia firmy. Sytuacja, w której np. ilość towaru na magazynie spadnie poniżej pewnego poziomu lub różnica względem biznes planu finansowego przekroczy X wartości – to jest bardzo ważna możliwość. Zastanówcie się czy wasza firma posiada taką możliwość?

Cztery poziomy analizy danych, z mojego doświadczenia, należą do klasycznego modelu pracy z danymi. Pozwalają one na stworzenie co najwyżej kultury data-informed, w której jesteśmy poinformowani na temat tego co się stało lub zdarzyło. Zwróćcie uwagę, że to wszystko działo się w przeszłości, musimy podjąć decyzje dotyczące przyszłości natomiast nie jesteśmy w stanie stwierdzić co się będzie działo. Tutaj bardzo często z pomocą przychodzi uczenie maszynowe i kolejne cztery poziomy analizy danych.

 

Poziom 5

Następnym poziomem, który wymienia Davenport, jest analiza statystyczna. Wykorzystanie modeli statystycznych w odpowiadaniu na pytania. Dlaczego to się dzieje? Jakie możliwości nam umykają? Dlaczego mamy tak wysoki churn rate? Co się stało? Jak pewnego rodzaju wskaźniki wpływały na siebie nawzajem, aby wytworzyć daną sytuację, w której firma się znajduje.

 

Poziom 6

Następnym poziomem, bardzo ciekawym, z mojego doświadczenia wiem, że niewiele firm dochodzi tak daleko – jest tzw. forecasting, czyli możliwość odpowiadania sobie na pytanie: co się stanie, jeżeli dany trend będzie się kontynuował?

Można pomyśleć, że w dzisiejszych czasach to jest tak proste pytanie, mamy trochę danych weźmiemy model statystyczny i już będziemy wiedzieli – nic bardziej mylnego. Jeżeli zastanowić się jak wiele czynników wpływa na wasz produkt, firmę zobaczycie jak wiele elementów ze sobą powiązanych składa się na dany trend.

 

Poziom 7

Następnym poziomem, który wymienia Davenport jest predictive modelling – co się stanie w kolejnym etapie? To są pytanie o to co się będzie działo jeżeli – to jest bardzo fajna klasa narzędzi, z którą się spotkałem – tzw. what if modelling. Co jeżeli np. wejdę na nowy rynek albo zmienię profil produktów? To jest poziom, na którym klasyczne uczenie maszynowe i olbrzymie ilości danych łączą się.

 

Poziom 8

Ósmy – ostatni poziom, na którym może znajdować się firma to optimization – czyli optymalizacja. To jest bardzo ciekawy poziom, ponieważ on jest oderwany od samych danych i od algorytmów. On skupia się na kulturze biznesu, optymalizujemy pracę całej firmy, całej organizacji w związku z faktami, które możemy interpretować, więc cała organizacja staje się data-driven. W związku z tym chciałem Ci zadać pytanie – jak myślisz, na jakim poziomie znajduje się Twoja firma i co możesz zrobić, żeby było lepiej?

 

Natomiast cytowany już wielokrotnie Davenport w świetnym artykule w Harvard Business Review z 2006 roku podkreślił, że część techniczna jest bardzo mało istotna jeżeli zabraknie skupienia się na właściwych celach, właściwej kultury pracy i ekspertów – myślę, że do tego wrócimy. Victoria Bernhardt w swojej książce “Data, Data, Everywhere” ujęła to świetnie mówiąc, że „proces podejmowania decyzji w oparciu o dane jest tylko częściowo w danych. Tak naprawdę chodzi o współdzieloną jasną wizję i świetne przywództwo gdzie jest wspierana kultura tak podejmowanych decyzji”.

Nawiązując do kultury – jesteś bardzo mocnym promotorem tego punktu. Wyjaśnij proszę dlaczego jest to według Ciebie tak ważne?

Wspomnieliśmy już wcześniej firmę Microsoft, której CEO – Satya Nadella jest moim wielkim idolem. Zwróćcie uwagę jak bardzo zmieniła się ta firma za czasów, gdy on objął swoje stanowisko. Firma o bardzo skostniałym modelu biznesowym – myślę, że niejeden z Was pracuje w firmie, która płaciła dziesiątki tysięcy dolarów Microsoftowi za oprogramowanie. Ja sam też należałem do tych osób. Firma ta zmieniła się całkowicie, wspiera otwarte oprogramowanie i gigantyczny rozwój technologii.

Wydaje ona olbrzymie nakłady na rozwój uczenia maszynowego, kultury pracy z danymi, na edukację nowych pokoleń programistów, dzieci, na bardzo wiele ciekawych inicjatyw. Wszystko to za czasów, gdy Satya Nadella stał się prezesem Microsoft. Obejmując swoje stanowisko, w jednym z oficjalnych blogów Microsoft Satya Nadella powiedział, że:

„kultura pracy jest nie tylko związana z technologią. Jest przede wszystkim związana ze zmianą kultury organizacji tak, aby każdy departament, zespół oraz każdy członek zespołu mógł podejmować decyzje, robić świetne rzeczy mając dane u swoich placów”.

Aby transformacja w kierunku Data Driven Organisation odniosła sukces potrzebujemy kilku czynników. Zebraliśmy je w 2 kategorie, nie raz rozmawialiśmy o tym też z Vladimirem.

Z mojego doświadczenia jest to część technologiczna, czyli mamy dane – pomyślcie jak wiele danych produkuje Wasza firma? Jak one są różne? W idealnej sytuacji, potrzebujemy je wszystkie. Jeżeli chodzi o FreshMail, ile faktów produkuje wysyłka maila? A my ich wysyłamy dziesiątki milionów. Vladimir pracuje w firmie, która produkuje sprzęt. Lokomotywa potrafi zebrać dziesiątki terabajtów danych dziennie na temat siebie i produkuje to bardzo dużą ilość informacji, które możemy wykorzystać – ok, ale musimy je zapisać.

Drugim czynnikiem, elementem jest technologia, która pozwala na zebranie tych danych w sposób bardzo łatwy skalowany, dający bardzo łatwy dostęp do nich.

Trzecim elementem jest uczenie maszynowe – magiczny sos, którym polewamy te dane leżące na terabajtach naszych dysków. Tutaj staje się magia – ale nie do końca, ponieważ jest jeszcze druga bardzo istotna kategoria. Dla mnie jest to część ludzka, która skupia się przede wszystkim na tym, że potrzebuje ekspertów domenowych, posiadających wiedzę na temat tego co się dzieje w naszej firmie.

Potrzebujemy odpowiedniej platformy do współtworzenia tej wiedzy oraz odpowiedniej kultury, otwartej kultury pracy, która wspiera pracę z tymi danymi. Bardzo ważna część – bardzo wiele firm skupia się tylko na części technologicznej, gdzie jak powiedzieliśmy mamy dane, technologię, która umożliwia ich obróbkę oraz algorytmy. I już jesteśmy Data Driven Organisation, już jesteśmy AI Driven – uwielbiamy czytać tego typu nagłówki i sobie myślę, co tak naprawdę znaczy AI Driven? Wracając do kultury pracy, która jest tak istotna w tym całym zagadnieniu.

Chciałem zadać Ci Vladimirze pytanie – czym jest dla Ciebie kultura pracy?

To jest trudne pytanie, myślę, że można nagrać na ten temat osobny odcinek, żeby rozwinąć i poprzez przekłady to wyjaśnić. W skrócie można odpowiedzieć, że to jest sposób myślenia. Stąd też wynika ta potęga współpracy (lub jej brak) w zespole, żeby rozwiązywać konkretne problemy.

Świetnie to powiedziałeś! Absolutnie się z Tobą zgadzam i chciałem to rozwinąć o pewien przykład wzięty z literatury, gdzie z pomocą przychodzi nam profesor MIT Edgar Schein. Jest on osobą, która w latach 70-90. poświęciła olbrzymią ilość energii na badanie kultury pracy i na opracowanie czym powinna ona być w nowoczesnych organizacjach. Jest autorem świetnych pozycji, np.: Organizational Culture and Leadership oraz Humble Inquiry.

Polecam też Wam wywiad z nim w Google, gdzie pytano go o kulturę pracy. Myślę, że pewną tajemnicą, z której na co dzień nie zdajemy sobie sprawy jest to, że jest on osobą, która absolutnie stworzyła podwaliny nowoczesnej kultury pracy. Jeżeli spytacie się doświadczonych managerów z tych firm, będą oni wskazywać na Ed’a Schein’a, że to jego prace, sposób myślenia najbardziej odcisnęły piętno na sposobie w jaki zaczęto kreować kulturę organizacji.

W wielkim skrócie, nawiązując do książki Organizational Culture and Leadership, kultura według Schein’a jest głębszym poziomem podstawowych założeń i przekonań, które dzielą wszyscy członkowie organizacji, a które obrazują nam się, gdy działamy nieświadomie. O co chodzi? Aby przedstawić tę myśl zastanówcie się przez chwilę – kiedy działacie nieświadomie w pracy? Są to momenty kryzysu, konfliktu oraz momenty np. plotek. Jak wasz zespół zachowuje się w takiej sytuacji?

To jest właśnie to, czym według Ed’a Schein’a, jest kultura waszej organizacji. Myślę, że bardzo fajnym ćwiczeniem, które możecie wykonać jest, że gdy opowiem Wam o tym modelu kultury Schein’a, pójdziecie następnego dnia do swojej firmy i zobaczcie na jakich poziomach, jak ta kultura wygląda.

Czym jest właśnie model Schein’a? 

Model ten zakłada istnienie trzech poziomów kultury, przyrównuje on go do góry lodowej. Mamy część, która jest widoczna, nazywa on ją artefaktami. Czym one są? To np. język, którym porozumiewa się firma, są to namacalne i widoczne elementy, np. logotyp, biuro, kolory firmy to co widzimy na co dzień. Są to pewne ceremonie i procesy firmowe. Każdy z Was wie jak występował Steve Jobs – to jest właśnie to, co widać na zewnątrz. Jest to również zestaw firmowych legend i opowieści, które krążą przy kawomatach i na korytarzach.

To jest ta kultura, którą widać na co dzień, którą momentalnie czujecie, gdy wchodzicie do organizacji. Edgar Schein powiedział, że to jest ta część, na której najczęściej skupia się klasyczny manager, coś co według niego tworzy kulturę. Tym można bardzo łatwo zarządzać, można zmienić slogan, kolor, sposób w jaki się spotykamy albo o czym mówimy, jest to bardzo łatwe.

Część druga i trzecia jest natomiast niewidoczna i bardzo ciężka do zmiany. Część druga to, to co czujemy w organizacji – są to współdzielone wartości i założenia. Mówimy tutaj o wizji produktu, o wyższym celu w firmy – to są pewne wartości, które tworzą nowocześni liderzy, za którymi inne osoby będą chciały iść i wykonywać te rzeczy. Trzeci poziom jest absolutnie najgłębszym i najważniejszym elementem. Jest to tzw. podstawowe założenie. Czynności i decyzje, które wykonujemy podświadomie.

Jak zachowujemy się podczas konfliktu? Jak zachowujecie się w sytuacjach, w których jest napięcie, w sytuacjach awaryjnych? Jak zachowujecie się, gdy działacie instynktownie? Jest to element, który bardzo długo w nas dojrzewa i jest bardzo trudny do zmiany. Co więcej, z mojego doświadczenia wiem, że bardzo wiele osób zarządzających firmą nie zdaje sobie sprawy z tego poziomu, że on istnieje i czym on tak naprawdę jest. Co ciekawe, jest on bardzo często przed nimi ukryty.

Model organizacji kultury (Schein's model)
Model organizacji kultury (Schein’s model)

Dlaczego mówię o modelu kultury Schein’a? Ponieważ, opowiadając o swoim modelu powiedział on bardzo istotną rzecz. Jeżeli się zastanowicie zobaczycie jak bardzo jest to istotne, a mianowicie „te rzeczy, które są na wierzchu góry lodowej najłatwiej jest zmienić. Te które są na dole najciężej, ale od nich trzeba zacząć”. Jeżeli czeka Was transformacja w kierunku Data Driven Organisation, to zmiana koloru logotypu i dodanie sloganu „AI Driven Company” prawdopodobnie zakończy się totalnym fiaskiem.

Tutaj z pomocą może przyjść zmiana kultury organizacji, zrozumienie czym ona jest, czym się na co dzień kierujemy, jak ze sobą współpracujemy i wypracowanie nowego świetnego modelu. Czy będzie świetny? Zobaczymy, na pewno będzie inny. Jest to bardzo odważna decyzja, oznacza, że zmieniamy firmę w jej najgłębszych pokładach. To jest coś co oznacza, że jeżeli pójdziemy tą drogą ona nie będzie już tym samym. Czy będzie lepsza, czy gorsza? Nie wiadomo, na pewno będzie inna.

Zaprosiłem Cię do tej rozmowy bo mało tego, że promujesz podejście kultury to jesteś również praktykiem. Mało kto o tym wie, ponieważ to są wewnętrzne spotkania, ale organizujesz je we FreshMail, nazywają się one Refresh. Wyjaśnij proszę osobom decyzyjnym dlaczego kultura jest elementem koniecznym do przejścia transformacji w kierunku data-driven?

Refresh w FreshMail
Refresh w FreshMail

 

Hasło przewodnie tego podcastu brzmi: „świat zmienia się szybciej niż myślisz” – co to oznacza? Organizacja, w której pracujemy, jej warunki brzegowe, to jak on pracuje z innymi firmami, jak pracuje ze swoimi klientami, z pracownikami zmienia się – zmienia się dużo szybciej niż myślisz!

Co dają nam dane?

Możliwość poznania faktów, niezmiennych informacji o tym co się stało, przewidywania odpowiednich trendów i przyszłości. Jeżeli świat zmienia się szybciej niż myślimy to, to jak wykorzystamy dane daje nam możliwości zrozumienia całej sytuacji, w której znajduje się nasze przedsiębiorstwo, nasz produkt i daje nam możliwość podjęcia właściwych decyzji. Jest to o tyle istotne, że w dzisiejszym świecie musimy robić wszystko, żeby nasz produkt był konkurencyjny, innowacyjny.

Musimy szybko reagować na zmiany. Bardzo ważnym aspektem konkurencyjności jest innowacyjność – to jest bardzo ciekawy element, na który trzeba zwrócić szczególną uwagę jeżeli mówimy o kulturze pracy. Wróćmy do dwóch firm, o których wspominaliśmy – Spotify i Tesla.

Cytując Elona Muska – CEO Tesli, którego chyba wszyscy stawiamy sobie za wzór innowacyjności – on powiedział coś takiego:

„Możemy tu popełniać błędy (gdy mówił o swojej firmie), jeżeli rzeczy się nie psują znaczy, że nie jesteśmy wystarczająco innowacyjni”.

Jeszcze dalej idzie Daniel Ek, który mówi:

„Naszym celem jest popełnianie błędów szybciej niż ktokolwiek inny”.

Zobaczcie jak poważne są to słowa, jeżeli chodzi o dwóch CEO tak wielkich firm. Mówiąc wprost, oni chcą, żeby ich pracownicy popełniali błędy, aby jak najszybciej je popełniali. Dlaczego? Żeby być konkurencyjnym, innowacyjnym musimy odkrywać lądy, który nigdy wcześniej nie były odkryte, być tam gdzie jeszcze nikogo nie było.

Jak możemy to zrobić?

Właśnie w ten sposób – popełniając błędy, dając naszym pracownikom możliwość robienie czegoś, czego jeszcze nikt nie zrobił. Tylko dzięki temu będziemy coraz bardziej konkurencyjni i lepsi w tym co robimy. Jak jest dobrze popełniać błędy w projekcie? To jest bardzo istotne. Myślę, że też kilka uwag doda od siebie Vladimir, który jako ekspert od uczenia maszynowego wie, że nieraz popełniamy osiem błędów, żeby doprowadzić dwa eksperymenty do sukcesu.

Natomiast, aby dobrze przeprowadzić eksperyment musimy zastanowić się, co tak naprawdę chcemy zrobić. Jaka jest hipoteza naszego działania? Co chcemy osiągnąć? Co chcemy udowodnić? Jeżeli już to będziemy mieli, zastanówmy się jakie dane możemy zebrać? Jakie mierniki, wskaźniki? Jak możemy je zebrać? Jaki jest najprostszy, najłatwiejszy sposób? Czy jesteśmy je w stanie zbierać w czasie rzeczywistym?

Jeżeli tylko warunki eksperymentu tego potrzebują. Następnie nauczmy się komunikować i wizualizować te dane – to jest bardzo istotna część ponieważ niejednokrotnie, jak osoby techniczne pewnie łapiemy się na tym, że mamy taką świetną hipotezę, ale inni mnie nie rozumieją. Ja bym powiedział komunikacja i kultura, w której możemy się komunikować jest bardzo istotna.

Jest taki świetny plakat – Startup Vitamins, który produkuje gadżety dla startupów – “Experiment > Fail > Learn > Repeat”. Dla mnie świetnie oddaje to pętlę, w którą dobrze jest wejść jeśli chodzi o nowe, innowacyjne elementy naszej działalności, naszych produktów gdzie bardzo ważnym czynnikiem jest „Learn”.

"Experiment

W wielu firmach tego brakuje, jest „Experiment > Fail > Repeat”. Zwróćcie uwagę jak w waszych zespołach, w waszej firmie podchodzi się do tej części „Learn”. Czy wyciągamy właściwe wnioski? Jak je komunikujemy? Czy potrafimy je komunikować? Idąc dalej tropem kultury i dlaczego ona jest taka ważna. Mam do Ciebie Vladimirze kolejne pytanie – czy lubisz słyszeć, że się mylisz?

Myślę, że uczciwa odpowiedź może być tylko jedna. Jak ktoś mówi, że lubi to raczej nie do końca jest to prawda. Ale z drugiej strony wydaje mi się, że trzeba w takiej sytuacji oddzielać emocje od decyzji. Nawet jeżeli coś nam się nie podoba, ktoś nam mówi, że jesteśmy głupi albo, że nasza decyzja jest nieprawidłowa to jest ok. Skoro ta osoba tak mówi, to prawdopodobnie ma jakieś dowody i żeby je usłyszeć warto mu darować do, że się z nami nie zgadza.

 Też trochę życie mnie nauczyło, jak ktoś mówi do mnie i to bardzo mi „boli”, warto zatrzymać się na chwilę i zrozumieć dlaczego, bo zawsze w tym “bólu” kryje się coś ważnego, niż tylko zwykła emocja.

To jest bardzo ciekawy aspekt kultury jeżeli chodzi o Data Driven Organisation – dane nie mają emocji, nie kłamią – są faktami, które wydarzyły się w przeszłości. Bardzo często, jeżeli mówimy o przewidywaniu przyszłości i trendów, one też nie będą kłamały. To jest bardzo ciekawe, ponieważ szczególnie w organizacjach, w których istnieje nasz ulubiony pluszowy zwierzak HIPO, bardzo często istnieje kultura podejmowania decyzji w oparciu o odczucia, emocje i pewnego rodzaju mity.

Moje pytanie nie było bezcelowe, ponieważ jeżeli pójdziecie w kierunku Data Driven Organisation bardzo często będziecie słyszeć, że się mylicie. Często jako prezesi firmy, jako CFO, jako CTO – będzie to nieodłączna część waszego dnia, to Wam mogę obiecać. Dane nigdy nie kłamią, one po prostu będą leciały. Jeżeli coś będzie szło całkowicie inaczej niż wy myślicie, to będzie szło. Tu jest bardzo ciekawy aspekt, który mnie interesuje.

Wiele osób, wywodzących się z klasycznego modelu zarządzania, widzi tutaj jedno z zagrożeń – jak ja mogę mojemu zespołowi powiedzieć, że się mylę? No jak?! Przecież oni patrzą na mnie jak na ostoję, na skałę, na której to wszystko jest zbudowane. Natomiast zastanówcie się, czy to aby na pewno jest właściwe podejście i dokąd może nas ono doprowadzić? Z mojego własnego doświadczenia, ja patrzę na to zupełnie na odwrót – to daje nam nowe możliwości.

Jeżeli wiem szybko, że się mylę – a na pewno będę się mylił! To dzięki temu szybko będę mógł dokonać korekty, nie będę brnął w złe decyzje. Jeżeli mówimy o całym ekosystemie, widoku 360 wokół naszej firmy, na te wszystkie dane, które jesteśmy w stanie zgromadzić zobaczcie ile wiedzy eksperckiej jest potrzebne, żeby to wszystko ogarnąć. Absolutnie nie ma osoby, która jest w stanie to zrobić.

Żaden CEO istniejący na tej planecie nie jest w stanie ogarnąć nawet tak prostego biznesu jak np. najprostszy sklepik, mając wszystkie dostępne dane, tego będzie po prostu za dużo. Faktów będzie za dużo, one będą ciągle spływać, zmieniać się. Od tego absolutnie mozna zwariować.

Dlaczego widzę to jako nowe możliwości? Jeżeli podejdziemy do tego inaczej, bardzo szybko będziemy mogli dokonać korekty. Jest to również bardzo ciekawa rzecz. Takie pojęcie od zawsze jest nam znane w IT – Servant Leadership – czyli, osoba, która zarządza w taki sposób, że nie wnosi faktów, doświadczenia jako takiego, ponieważ nie jest w stanie (tych danych jest za dużo).

Ona ma doświadczenie w tworzeniu środowiska, w którym ta firma może pracować i dzięki tym nowym faktom, danym może podjąć decyzje. Ma tak zwany z angielskiego gut feeling – czyli tę ikrę w sobie, że podejmie właściwe decyzje na podstawie tych faktów.

Ona nie wnosi już tego klasycznego czynnika. Jest to znane nam z metodyk zwinnych, gdzie bardzo szybko dokonujemy korekty kursu. Świetnie opisał to, cytowany już przez nas Edgar Schein w książce „Humble Inquiry” – polecam Wam bardzo tę pozycję jeżeli jesteście zainteresowani tym zagadnieniem.

Dzięki wielkie Wojtku za poruszenie tego tematu! Mam plan następnych odcinków, które chce nagrać i jeden z nich będzie brzmiał mniej więcej: „Prezesie, trochę więcej pokory”, gdzie chcę podzielić się własnym doświadczeniem, jak kierownictwa potrafi przeszkadzać, zwłaszcza jeśli w grę wchodzi ego. Proszę daj mi znać, czy taka odcinek będzie ciekawy dla Ciebie, to wtedy jest szansa, że pojawi się wcześniej (lub nawet wcale).

Wojtek, wracam do Ciebie z kolejnym pytaniem. Jak teraz słucha nas osoba decyzyjna, prezes albo CTO lub ktoś na tym poziomie i chce naprawdę zmienić swoją firmę, zrobić transformację to jakie kroki polecasz, które trzeba wykonać, żeby przejść w kierunku data-driven?

Bazując na własnym doświadczeniu, myślę, że zacząłbym od samego początku, czyli od kultury pracy zespołu. Jest to bardzo istotna rzecz – zrozumieć gdzie jesteśmy.

Co kieruje naszym zespołem?

W jaki sposób podejmuje decyzje? Olbrzymią siłą Data Driven Organisation jest to, że zmieniamy całkowicie to, kto i jak posiada dane, każdy staje się własnym analitykiem, każdy posiada dane na czubkach swoich placów. Może wyciągnąć informacje o swojej działalności o działalności swoich kolegów. W takim razie czy mam zespół, który jest na to otwarty i gotowy? Czy będzie on mógł właściwie podjąć decyzje? Czy będzie umiał to robić? Czy firma będzie na to otwarta? – to jest pierwszy krok.

Wspólny język

Drugi krok, który bym polecał, to wypracowanie wspólnego języka. Upewnienie się, że te same rzeczy oznaczają dokładnie to samo. Zastanówcie się jak wiele nieścisłości i konfliktów mogło wynikać z tego, że przez pojęcie „dobry i zły klient” lub „duży i mały klient” różne osoby myślały o absolutnie różnych rzeczach. Zacznijcie je nazywać tak samo, spotkajcie się, porozmawiajcie o tym. Czy to na pewno jest duży klient? A może to jest wielki zielony klient? Zacznijcie nazywać wszystko tak samo.

Metryki

Następnie stwórzcie wokół tego metryki. Zastanówcie się jak możecie to mierzyć i dlaczego to jest ważne. Jeżeli będziecie już to mieli, zastanówcie się skąd możecie mieć dane. Czy możemy mieć wszystkie te dane? Jeżeli nie, to trzeba będzie prawdopodobnie porozmawiać z innymi zespołami, ściągnąć troszeczkę więcej danych.

Mam dla Was bardzo dobrą wiadomość, jeżeli chodzi o narzędzia to powiedziałbym, że czynniki, które wiele firm pokazuje jako najważniejsze i największe, z mojego doświadczenia tak naprawdę są na samym końcu. Wszystkie udane projekty Data Driven Organisation, w których ja brałem udział zaczynały się od Exceli i proof of concept był tam robiony.

Muszę powiedzieć, że w projektach, w których brałem udział stwierdziłem, że nie potrafię Excela. Widziałem wielkie dashboardy, które posiadały dziesiątki KPI, w wielu wymiarach danych łącznie z drill-down wewnątrz jednego arkusza kalkulacyjnego. Jak to laptopy wytrzymywały? Można dyskutować, natomiast sam Excel, jego VLookup oraz Pivot Table to są niesamowicie potężne narzędzia.

"Data Smart" John'a Foreman'a
„Data Smart” John’a Foreman’a

Co więcej, polecam Wam książkę – „Data Smart” John’a Foreman’a, który pokaże jak przy użyciu Excela wykonać wiele modeli statystycznych oraz wykorzystać uczenie maszynowe, aby już w tym programie móc dokonać ich analizy.

Nie musicie wcale inwestować w Hadoop, nie musicie mieć Sparka, żeby podjąć pierwsze kroki i właściwe decyzje. Bardzo Wam się przyda narzędzie do wizualizacji danych, zarówno chmura Microsoft, czyli Office 365 – PowerBI, jak i Google Suite – Google Data Studio. Są to narzędzia, do których możecie podpiąć swoje arkusze kalkulacyjne i wizualizować wyniki.

Co to daje?

Możliwość przedstawiania wniosków, szybkiego podejmowania decyzji. Często zarówno bazy danych, klastry Big Data, jak i arkusze kalkulacyjne to tak naprawdę olbrzymie zbiory liczby. Ciężko coś z tego wyłowić. Jedna najprostsza wizualizacja jest warta więcej niż tysiąc słów. Obydwie te platformy posiadają narzędzia do troszeczkę bardziej zaawansowanej analizy. Jeżeli jesteście już początkującymi Data Scientist, znacie Pythona obydwie platformy umożliwiają Wam tworzenie notebook’ów i przeprowadzanie pewnych eksperymentów na tych danych.

Zarówno w Azure są notebooki, jaki i Google wypuścił Colab. Wspomnieliśmy o wizualizacjach, to jest bardzo ważny krok. Myślę, że koniecznym jest to, żebyście zapoznali się z tym jak wizualizować dane. W jaki sposób przedstawiać je prosto, intuicyjnie. Istnieje bardzo wiele sposób wizualizacji, nawet odpowiedni dobór fontu i koloru na odpowiednim tle może nieść ze sobą kilka informacji biznesowych.

Zielony na czerwonym, zielony na białym, czarny na czerwonym – to może być ten sam wskaźnik przedstawiający te same sytuacje, które od razu możemy zinterpretować i zrozumieć gdzie jesteśmy. Chciałem Wam gorąco polecić ksiażkę “Storytelling with Data” Cole’a Knaffic’a oraz “Design for Information” Isabel Meirelles.

"Story Telling With Data" Cole Nussbaumer Knaflic
„Story Telling With Data” Cole Nussbaumer Knaflic

Są to naprawdę świetne pozycje. Jedna z nich jest zbiorem olbrzymiej ilości inspiracji, także wywodzących się z historii. Jak wizualizowano dane? Jak je przedstawiano?

 “Design for Information” Isabel Meirelles
“Design for Information” Isabel Meirelles

 Druga natomiast, krok po kroku przeprowadzi Was przez to jak można w bardzo ciekawy sposób różne dane przedstawić i jakie narzędzie w jakich sytuacjach stosować.

Jak zacząć?

Wracając do Twojego pytania – jak zacząć? Jeżeli słucha nas prezes firmy i myśli: „wszystko super, moi członkowie zespołu wiedzą jak zacząć swoją część. Natomiast jak ja mam zacząć transformację firmy?” Myślę, że to jest świetne pytanie, ale każdy przypadek jest absolutnie indywidualny. Kłamstwem z mojej strony byłoby, gdybym powiedział: „Jest taka ścieżka, musicie ją podążać”. W świecie, w którym wszystko jest personalizowane, nasze firmy też są wyjątkowe.

Sytuacja, w której znajdują się nasze firmy, zespoły, ich kultura pracy też jest bardzo indywidualna. W związku z tym polecałbym przeprowadzenie audytu, skorzystanie z pomocy profesjonalistów i zastanowienie się jakie kroki należy podjąć.

Prawdopodobnie będzie to związane ze zbieraniem wielkiej ilości danych, odpowiedniej analizy. To co muszę Wam powiedzieć to, to że nie kupicie gotowego przepisu jak dokonać transformacji swojej organizacji. Nie istnieje coś takiego jak jedno właściwe rozwiązanie, nie istnieje nazywane po angielsku silver bullet, które rozwiąże wszystkie wasze problemy.

Chciałbym tu zacytować Taiichi Ōno, który jest jednym z twórców Lean oraz sukcesu Toyoty po II Wojnie Światowej, który powiedział:

„Przestań zapożyczać mądrość i staraj się myśleć samemu. Stań na przeciw swoim wyzwaniom i myśl, myśl, myśl. Cierpienie i rozwiązywanie problemów stwarza nam możliwości, aby być lepszym. Sukcesem jest to, żeby nigdy się nie poddać”.

Taiichi Ōno
Taiichi Ōno

Bardzo fajnie to ująłeś. Troszkę zmieniając temat, ale pozostając w sferze rozwoju. Jesteś absolwentem kursu „Praktyczne uczenie maszynowe„. Mam tutaj kilka pytań. Powiedz proszę jaką wartość dodaną dostałeś po kursie? Miałeś najdroższy pakiet Premium, na ile było to opłacalne finansowo? I po trzecie, komu polecasz ten kurs?

Tak, zgadza się. Chociaż Vladimir, co do mojej pilności będzie miał uwagi, ponieważ nie udało mi się go skończyć w 100%. Powiem tak, mi przede wszystkim chodziło o możliwość poukładania sobie wiedzy i upewnienia się, że mam ją kompletną – jeżeli chodzi o zagadnienia, którymi byłem przede wszystkim zainteresowany.

To było założenie, z którym wystartowałem. Co mi dało to, że skorzystałem z tego najwyższego pakietu? Chodziło mi o to, żeby ktoś indywidualnie ze mną usiadł i pomógł mi rozwiązać moje praktyczne problemy oraz naprowadził mnie w niektórych sytuacjach, gdy się zaplątałem lub zgubiłem.

Muszę przyznać, że przedyskutowaliśmy z Vladimirem bardzo długie godziny – jest to fascynujący człowiek o olbrzymim doświadczeniu. Jeżeli tylko jesteście w takiej sytuacji jak ja, gorąco Wam to polecam. Jest osobą, która zawsze znajdzie dla Was czas i pomoże, nakieruje na właściwe rozwiązanie. Muszę przyznać, że wielką częścią naszych rozmów była kultura pracy z danymi, możliwości jakie to daje, możliwości uczenia maszynowego. Po każdym z tych spotkań wychodziłem pełen pomysłów i chęci zmiany świata na lepsze szybciej niż myślę. Muszę przyznać, że była to świetna opcja.

Skłamałbym mówiąc, że polecam ten kurs każdemu, ponieważ myślę, że nie jest on tak prosty jakby się wydawało. Dobrze mieć pewne doświadczenie w pracy z danymi i wiedzieć co się chce od tego kursu. Dobrze jest podejść do niego w sytuacji, gdy faktycznie chcemy wykorzystać uzyskaną tam wiedzę. Jest to wiedza, która może nam bardzo szybko ulecieć. Jest to bardzo praktyczny kurs, który pozwoli nam zastosować, już od pierwszego modułu, niektóre rozwiązania w codziennej pracy.

Bardzo dziękuję Ci za taką opinię! Już na sam koniec, żeby było bardzo wesoło – są obiecane prezenty! Właściwie mamy dwa prezenty, Wojtku powiedz proszę czym one są.

Jednym z prezentów jest moja prezentacja, dotycząca kultury organizacji, którą skonwertuję do pdf i zostanie załączona do tego podcastu. Zachęcam Was, żeby się zapoznać, zadawać sobie pytania oraz wrócić do Vladimira, do mnie, do swoich znajomych z przemyśleniami, pytaniami oraz sugestiami.

Drugim prezentem są 3 egzemplarze książki „Drive„. Bardzo ją polecam wszystkim osobom, które są decyzyjne oraz posiadają zespoły. Żeby zrozumieć czym tak naprawdę motywuje się Twój zespół. Czym on się kieruje w swojej pracy? Z Vladimirem również chcieliśmy wam indywidualnie zadedykować każdy egzemplarz.

Drive: The Surprising Truth About What Motivates Us
Drive: The Surprising Truth About What Motivates Us

Przed nagraniem podcastu Wojtek przyniósł dużą torbę, w której były te wszystkie książki, które wymieniał, a nawet było ich jeszcze więcej. Wierzcie mi, że Wojtek nie tylko znalazł ciekawe artykuły na Amazonie, ale on je przerobił i polecał to co faktycznie jest warte uwagi.

Ostatnie już pytanie na dzisiaj. Wojtku jak można się z Tobą skontaktować?

Najprościej można mnie znaleźć na LinkedInTwitter, jestem osobą, która nie ma Facebook’a z wielu powodów, o których mogę chętnie z Wami porozmawiać w cztery oczy. Będę również bardzo niedługo na Big Data Technology Summit w Warszawie. Jeżeli się tam wybieracie serdecznie zapraszam do kontaktu. Od razu zapraszam Was na kawę, świetnie jeżeli będziemy mogli się spotkać i wymienić swoje doświadczenia.

Dziękuje Ci bardzo Wojtku za Twój czas, Twoją energię i Twoją chęć podzielenia się wiedzą. Jak wiesz, dzisiaj spędziliśmy trochę czasu, żeby to nagrać i już jest późny wieczór, ale mam nadzieję, że było warto.

Dzięki Vladimirze! Tak jak wspomniałem na początku jestem bardzo szczęśliwy, że mogłem wystąpić u Ciebie i że mogłem podzielić się swoją wiedzą. Zachęcam Was bardzo do kontaktu jeżeli tylko macie jakieś pytania. Trzymajcie się i do zobaczenia.


Nasza rozmowa mogłaby trwać jeszcze dłużej, ale ten odcinek i tak już zrobił się za długi. Proszę daj mi znać co o tym myślisz.

Wojtek wspomniał o prezentach i już tłumaczę jak można je dostać.  Pierwszy prezent to prezentacja (bardzo polecam!), którą można dostać zapisując na newsletter.

Data Driven Organizations
Data Driven Organizations

Druga nagroda to trzy książki Drive – rozdam je trzem wybranym osobom, które napiszą w sieciach społecznościowych dlaczego słuchają “Biznes Myśli” oraz dołączą link do strony http://biznesmysli.pl. Mówiąc sieć społecznościowa, mam na myśli: Facebook, Twitter, LinkedIn. Tylko proszę dodaj jeszcze hashtag “#biznesmyśli”, żebym po prostu mógł Cię znaleźć.

data.sphere.it: A conference devoted to making the most in a world that’s DATA DRIVEN
Data.sphere.it: A conference devoted to making the most in a world that’s DATA DRIVEN

Chcę zaprosić Cię na konferencję Data Sphere, gdzie dowiesz się więcej o koncepcji “Data Driven”. Również będę tam prelegentem – serdecznie zapraszam! W ramach współpracy z organizatorami konferencji mam dla Ciebie kilka prezentów. Do 15 lutego będą dostępne bilety Early Birds (koszt ok. 400 zł.), ale do tego dostaniesz jeszcze zniżkę 10%. Sumarycznie będzie to 60% taniej od ceny końcowej. Jeśli jednak będziesz kupować bilety już po 15 lutego, to wtedy dostaniesz zniżkę 15%. Promokod: Welcome-Data.Workshop.

Przypomnę, że druga edycja kursu “Praktyczne uczenie maszynowe” startuje 26 lutego. Jeśli wahasz się, warto przesłuchać poprzedni odcinek. Od razu powiem, że trzecia edycja prawdopodobnie będzie dopiero za rok i raczej zostanie poprowadzona po angielsku, chociaż to jeszcze się okaże.

Praktyczne uczenie maszynowe dla programistów 2.0*
Praktyczne uczenie maszynowe dla programistów 2.0*

Przypominam, że specjalnie dla słuchaczy BiznesMyśli jest zniżka 25%: biznesmysli_ds25 i nawet więcej. Pierwsza osoba, która kupi kurs z tym kodem, dostanie bezpłatną wejściówkę na konferencję DataSphere (wspomnianą przed chwilą). Regularny koszt biletu, po 15 lutego będzie warty ok. 750 zł. netto, dla osoby fizycznej trzeba doliczyć VAT i wtedy będzie to ok. 1000 zł. – dlatego warto być pierwszym.

Również wspomnę o serii bezpłatnych webinarów, które teraz prowadzę. Postanowiłem zrobić 4 bezpłatne webinary, gdzie staram się prostym językiem tłumaczyć jak można używać uczenie maszynowe do rozwiązania zadań. Zrobiłem to z kilku powodów… bo nudziło mi się w tak zwanym międzyczasie, czyli pomiędzy pierwszą a drugą edycją kursu miałem trochę więcej czasu 🙂

Żartuję oczywiście… teraz mam dość napięty grafik. Natomiast dostaję bardzo dużo pytań jak zacząć, co polecam itd. I znacznie łatwiej jest mi zrobić materiał raz i potem wysyłać tylko link, niż próbować w mailu na szybko opisać to wszystko. Również to podejście jest bardziej praktyczne, bo krok po kroku przechodzimy przez zadania. Co więcej, pomaga mi to  lepiej przygotować ludzi do kursu, bo tam wchodzimy w detale i znacznie więcej czasu spędzamy na rozumieniu tego co się robi.

Na koniec mam tylko jedną prośbę, poleć ten odcinek co najmniej jednej osobie, która potrzebuje tej wiedzy. Być może dzięki temu, inwestując dosłownie minutę, pomożesz komuś.

To tyle na dzisiaj, dziękuję Ci bardzo za Twój czas, chęć zdobywania nowej wiedzy i wytrwałość (bo ten odcinek był trochę dłuższy niż zwykle). Życzę Ci wszystkiego dobrego.

Od 2013 roku zacząłem pracować z uczeniem maszynowym (od strony praktycznej). W 2015 założyłem inicjatywę DataWorkshop. Pomagać ludziom zaczać stosować uczenie maszynow w praktyce. W 2017 zacząłem nagrywać podcast BiznesMyśli. Jestem perfekcjonistą w sercu i pragmatykiem z nawyku. Lubię podróżować.

Jeden Komentarz

Dodaj komentarz

Twój adres e-mail nie zostanie opublikowany. Wymagane pola są oznaczone *