Podcast

Jak sztuczna inteligencja może pomóc znaleźć Ci mieszkanie

Spółka DataWorkshop, której jestem założycielem oraz prezesem, pomaga firmom wdrażać uczenie maszynowe we właściwy sposób. Wspomagamy również budowanie i szkolenie zespołów, które ostatecznie dążą do bycia autonomicznymi i będą w stanie utrzymać i rozwijać innowacyjne rozwiązania w firmach, bez pomocy z zewnątrz.

Mówiąc wprost, przechodzimy od firmy, która nie posiada wiedzy eksperckiej o uczeniu maszynowym, pomagamy te rozwiązania stworzyć, a później tę wiedzę przekazać do zespołu wewnątrz firmy, żeby mogła tę autonomię utrzymywać i rozwijać dalej.

Dzisiejszym gościem jest Paweł Gniadkowski, CEO firmy obido. Jest to miejsce, które umożliwia znalezienie mieszkania do zakupu na rynku pierwotnym w wygodny dla Ciebie sposób. W 2019 r. mój zespół rozpoczął współpracę z obido i wdrożyliśmy pierwszy model uczenia maszynowego na produkcję.


Paweł Gniadkowski, rozmówca podcastu "Jak sztuczna inteligencja może pomóc znaleźć Ci mieszkanie"
Paweł Gniadkowski



Już teraz przynosi to wymierne korzyści. Dlaczego to podkreślam? Większość projektów machine learning kończy się na fazie prototypów i nigdy nie wdrażają się na produkcję. Tak się dzieje w większości przypadków. My to wdrożyliśmy i co więcej to zaczyna przynosić mierzalne korzyści. Teraz przymierzamy się do kontynuacji współpracy przy znacznie dłuższym projekcie, z większym budżetem. Dochodzimy do drugiej części wspólnych działań w ramach budowy innowacyjnego laboratorium.

Mimo tego że obido zajmuje się branżą nieruchomości, to problemy, z którymi się zmagają, mogą być podobne w wielu innych branżach. W szczególności jeżeli mówimy o e-commerce. Umiejętność dopasowania usługi do klienta w sposób spersonalizowany już jest czymś większym niż same marzenia. To po prostu trzeba umieć zrobić, nie ma innej opcji. 

Na koniec tej rozmowy będzie ciekawostka, którą na pewno chcesz usłyszeć, w szczególności jeśli chcesz kupić mieszkanie (albo ktoś z Twojej rodziny lub znajomy).


Cześć Paweł. Przedstaw się: kim jesteś? Czym się zajmujesz? Gdzie mieszkasz?

Cześć. Paweł Gniadkowski, mam przyjemność kierowania bardzo fajną firmą obido.pl. Jestem z Krakowa i tutaj stacjonujemy.


Co ostatnio ciekawego przeczytałeś?

Książka: Patrick Lencioni "Pięć  dysfunkcji pracy zespołowej"

Trudny temat. Ostatnio niestety mniej czasu mam na czytanie książek. Częściej są to audiobooki. Natomiast jeśli miałbym coś polecić, to zachęcam Cię do przeczytania książki Patricka Lencioniego „Pięć dysfunkcji pracy zespołowej”. To nie jest ostatnia książka, jaką przeczytałem, natomiast z tych, z którymi miałem ostatnio styczność, rzeczywiście ta jest najbardziej wartościowa. Ostatnio czytałem biografię Mike’a Tysona, którą męczę od jakiegoś czasu, ale przyznam szczerze, że to chyba nie jest pozycja, którą bym polecił. Dokończę ją, natomiast nie będzie to książka, która się znajdzie w czołówce mojego zestawienia.




Czym się zajmuje obido? Jak długo jesteście na rynku? Wyjaśnij proszę od razu, jaki problem rozwiązujecie? Dlaczego użytkownicy chcą korzystać z Waszych usług?

Obido założyliśmy 5 lat temu, dosłownie za miesiąc planujemy obchodzić 5. urodziny. Pół roku trwał development, a oficjalny start miał miejsce w październiku 2015 r, czyli wtedy otworzyliśmy się na klientów. Otworzyliśmy się na ludzi, którzy szukają mieszkań i domów na rynku pierwotnym, czyli działamy w branży mieszkaniowo-deweloperskiej.

Stworzyliśmy coś na kształt marketplace, który łączy deweloperów mieszkaniowych, którzy mają do sprzedania mieszkania oraz klientów, którzy takie mieszkania chcieliby kupić. Problemów w tej branży jest dużo i my staramy się dotykać wielu z nich. Przede wszystkim produkt i proces jest bardzo trudny.

Z reguły ludzie kupują mieszkania raz w życiu, nie mają tu doświadczeń, jest to dla nich jedna z najważniejszych decyzji w życiu, o ile nie najważniejsza. Duża kwota, duża nieznajomość rynku. My staramy się ten proces sprowadzić do bardzo bezpiecznego przeprowadzenia klienta przez te tematy, wskazania mu wszystkich możliwych opcji, w momencie, kiedy klient ma jakiekolwiek pytania, wątpliwości, bo tej branży po prostu nie zna. My jesteśmy po to, żeby na te pytania odpowiedzieć.

Finalnie, kiedy ma już bardzo krótką listę i musi podjąć decyzję, bardzo często stosujemy takie sformułowanie, że jesteśmy kimś, kto go poklepie po ramieniu i potwierdzi, że to jest dobra decyzja. Bo tak naprawdę bardzo często on dokładnie tego potrzebuje. On tę decyzję już mentalnie podjął, natomiast ze względu na to, że wartość tego zakupu jest tak duża, potrzebuje kogoś, kto mu w roli eksperta powie, że ta decyzja jest rzeczywiście właściwa.





Pomagacie w bardzo trudnym wyborze. Zwykle ta decyzja, przynajmniej w tym momencie w Polsce, podejmowana jest faktycznie raz w życiu. W odróżnieniu np. od krajów zachodnich, gdzie kupuje się dom albo mieszkanie pod potrzeby i zwykle tych transakcji jest trochę więcej w ciągu życia.


Skąd pochodzi nazwa obido? Co to znaczy?

To jest bardzo trudny temat. Oryginalnie, jak w przypadku wielu firm, obido miała działać trochę inaczej, niż działa dzisiaj. Początkowo to był system, w którym deweloperzy mogli kupować dostęp do klientów, którzy szukają dokładnie takich mieszkań, jakie mają w ofercie, czyli kupować ich uwagę. Stąd użyliśmy takiego sformułowania na samym początku online bid on i z tego wzięła się nazwa. Natomiast kluczowe było to, że ona musiała być symetryczna. Wśród wielu dziwnych zboczeń moich i mojego wspólnika (współzałożyciela obido), ta symetria jest dosyć istotna i tak naprawdę było to dopasowanie do tego aspektu. Nie ma tu jakiejś większej głębi.


Stąd rozumiem, że jak się pisze pierwsze „o” to też trzeba pisać z małej litery, żeby tą symetrię zachować, prawda?

Tak. Tutaj niestety z urzędami bardzo ciężko nam się walczy, bo wszyscy na siłę piszą z dużej, co nas bardzo kole w oczy. Natomiast, rzeczywiście zawsze używamy nazwy pisanej małymi literami. 


Z punktu widzenia biznesowego roczne przychody obido wzrosły o 75% do prawie 10 mln zł. Zajęliście 17-tą pozycję w kategorii wschodzącej gwiazdy prestiżowego zestawienia Deloitte Technology Fast 50 in Central Europe. Wszystko to się odbyło w 2019 r., więc rok był bardzo udany biznesowo. Proszę, wymień 5 najważniejszych rzeczy, które na to wpłynęły.

Rzeczywiście to był najlepszy, najciekawszy i pewnie najbardziej pracowity rok dla nas. Bardzo dużo rzeczy się udało. To, co wymieniłeś, to jest jakaś część. Jeszcze więcej rzeczy się nie udało, ale o tym mówi się rzadziej. Żeby taka jedna fajna rzecz wyszła, trzeba spróbować 10 razy i tych 9 porażek zwykle znika, nigdzie się ich nie komunikuje.

Natomiast jest jedna rzecz, która spina wszystko i jest ponad tymi pięcioma, które postaram się za chwilę wymienić – to jest zespół. Niczego byśmy nie dokonali tak naprawdę, gdyby nie fantastyczni ludzie, którzy z nami pracują. Dla nich praca w obido to coś więcej niż wykonywanie obowiązków i niezależnie od sytuacji, zawsze możemy na nich liczyć. Ich determinacja spowodowała, że udało się to, co się udało zrobić. 

Przechodząc do odpowiedzi na Twoje pytanie, gdyby to miało być 5 rzeczy, to powiedziałbym, że pierwsze miejsce to jest na pewno fokus, tzn. wreszcie udało nam się dojrzeć do tego, żeby umieć się skupić na bardzo konkretnym celu. Wyrośliśmy z przekonania i tak funkcjonowaliśmy przez pierwsze 3, 4 lata, że jak najwięcej rzeczy musimy próbować, testować, jak tylko pojawia się ciekawa okazja, to z niej korzystać.

W pewnym momencie, przy pewnej wielkości firmy, musieliśmy tę sytuację ustabilizować i skupić się na bardzo konkretnych celach, na strategii, którą obieramy na dany rok. To była właściwa decyzja i na tym etapie tego nam było trzeba. Czyli pierwsze miejsce to jest skupienie się, od strategii całej firmy poprzez dyrektorów, działy, każdego pracownika, który wiedział dokładnie, co jest jego celem, czy celem jego działu w danym momencie.

Druga rzecz, którą bym wymienił to jest uporządkowanie struktury, co też bardzo nam pomogło i to jest część pracy nad organizacją, która po prostu rośnie. Nie może sobie tak bezwiednie działać i to na pewno uporządkowało nam wiele procesów i pozwoliło działać dużo sprawniej.

Trzecia rzecz warta wspomnienia, to technologia, czyli to, co nam się udało osiągnąć w warstwie technologicznej. Przede wszystkim integracje z systemami reklamowymi, dzięki czemu rzeczywiście jesteśmy w stanie dostarczać deweloperom bardzo wysokiej jakości efekty. Również klienci otrzymują bardzo dopasowane oferty i to nie tylko w serwisie (gdy się zalogują), ale również poprzez systemy reklamowe.

Udało nam się stworzyć technologię spacerów w 3D dla każdego mieszkania w naszej ofercie. To jest ma rzadko niespotykana funkcja, nie tylko w skali naszego kraju. Dzięki temu każdy klient, który za naszym pośrednictwem szuka mieszkań, może przespacerować się po każdym mieszkaniu dostępnym w ofercie. Technologicznie udało nam się bardzo dużo rzeczy domknąć. Nie tyle ile byśmy chcieli, natomiast to nam pozwoliło odskoczyć konkurencji i zbudować tutaj silną przewagę.





Czwarta kwestia to dbałość o cały proces. Pomimo tego, że urośliśmy, że dużo się zmieniało i już nie jest tak łatwo podejmować u nas decyzje, cały czas udało nam się dbać o to, żeby ten proces z punktu widzenia klienta był jak najwygodniejszy. Czyli zawsze stawialiśmy sobie klienta w centrum i to, że to on jest zagubiony w tym procesie poszukiwania mieszkania, to dla niego jest ta decyzja bardzo trudna.


W ubiegłym roku przyrost klientów mieliśmy bardzo duży, prawie dwukrotny. Obsługujemy ponad 40 tys. osób i udało nam się, nadal przy tej ilości, nie zgubić tego, co jest najważniejsze.

Piąta rzecz to nasza przewaga w dbałości o szczegóły. Przy każdym aspekcie tego procesu, każdej tworzonej rzeczy zwracamy uwagę na wszystkie jej aspekty, na to czy to jest wygodne dla klienta, dla dewelopera, dla jego pracowników. Czy spina się to z interfejsem, komunikacją, którą prowadzimy? Staramy się trzymać jeden kierunek i utrzymywać wszystkie działania szczególnie spójnymi. Myślę, że ta mieszanina pozwoliła nam tak dużo zrobić w ubiegłym roku.



Nawiążę teraz do punktu związanego z technologią. Wiem, że od dłuższego czasu, próbowaliście wykorzystać uczenie maszynowe, korzystając z gotowych rozwiązań tzw. pudełkowych i dostępnych narzędzi.

Jednak w tym przypadku było to niewystarczające, ponieważ Wasz problem jest znacznie trudniejszy. Dlatego w 2019 r. rozpoczęliśmy współpracę (DataWorkshop z obido), która polegała na zadawaniu właściwych pytań, analizie danych, znalezieniu pewnych rzeczy, które nie są oczywiste, ale się dzieją (są tego pewne przyczyny, jak zaczynasz nad tym się zastanawiać).

Skończyło się to tym, że wdrożyliśmy prawdziwe modele, które działają i już zaczynają przynosić pewne efekty. Jak oceniasz naszą współpracę w tej pierwszej fazie? Dlaczego chcesz współpracować dalej?


Dobre pytanie, którego się spodziewałem. Celowo nie wymieniałem w pytaniu, które przed chwilą zadałeś, tej warstwy naszej współpracy jako elementu, który był częścią sukcesu ubiegłego roku. Celowo, bo tak naprawdę to jest wielki temat, który bardzo fajnie nam się rozpoczął. Widzimy pierwsze efekty, chętnie za chwilę opowiem jakie. Natomiast bardzo dużo nadziei upatruję już w tym roku. Takich prawdziwych, dużych efektów, oczekuję w najbliższych miesiącach w tej warstwie. 

Złożoność tematu, z którym my się borykamy, jest duża i szczerze mówiąc, my tego nie doceniliśmy. Próbowaliśmy korzystać z gotowych modeli, natomiast nie dawało to żadnych sensownych efektów. Okazywało się, że problem, który chcemy rozwiązać i posiadane dane są na tyle specyficzne, że takie modele nie dają sobie rady. To jest pierwszy powód. 

Drugi to nasze podejście. Jak pewnie wiele firm, które chcą zacząć temat machine learningu i w ogóle próbują do niego podejść, dostosowywaliśmy narzędzie do konkretnych potrzeb, ale pomijaliśmy bardzo ważną fazę, mianowicie analizę. Bardzo doceniam z Waszej strony, że nauczyliście nas tego, że zanim w ogóle przystąpimy do warstwy technologicznej, trzeba zrozumieć problem, przeanalizować sytuację.

Wiedzieć, po co się to robi, czego oczekujemy, zastanowić się nad tym jeszcze zanim dobierzemy narzędzia. Czy te dane są dobrej jakości, czy są wystarczające? Oczywiście nie wszystko da się stwierdzić na samym początku i tutaj wiele rzeczy wychodzi później.

Natomiast ta faza analizy jest bardzo często całkowicie pomijana i u nas też ten błąd popełniliśmy. Tutaj bardzo doceniam to, że zwracasz zawsze uwagę na dane. Jeśli dane wejściowe będą niskiej jakości, to nieważne, co się z nimi zrobi dalej, trudno oczekiwać wartościowego efektu. Ta analiza bardzo nam pomogła. Dopiero później szuka się rozwiązania.

 

Kolejna rzecz, która wynika z tych pierwszych miesięcy naszej współpracy, to jest styl badawczy prac w tym obszarze. Tak naprawdę to nie jest tak, że jesteśmy w stanie sobie stworzyć model i on będzie święty, nietykalny, idealny. Zawsze jest coś do poprawienia, do przeanalizowania.


Trzeba nauczyć się zadawać pytania, czy to jest na pewno właściwe, czy idziemy w dobrym kierunku, czy nie dałoby się tego zrobić lepiej.


Tu rzeczywiście fajne jest to, że dla Was to jest już nawyk, a my musieliśmy się tego nauczyć. Mając bardzo dobry background technologiczny, jednak byliśmy przyzwyczajeni do tego, że jak coś się zakoduje w styczniu i nie nastąpią żadne szczególne czynniki, to to będzie działało aż do grudnia w niezmienionej postaci i będzie działało z tą samą jakością. Natomiast tutaj temat jest dużo bardziej płynny.

Ciągle dostarczamy nowych informacji, reagujemy na to, jak zmienia się rynek. Myślę, że udało nam się dzięki Wam zrozumieć to, jak ten proces powinien w przyszłości wyglądać.







Bardzo dziękuję za tę szczerą wypowiedź, w szczególności jeżeli chodzi o końcówkę, gdy mówiłeś o backgroundzie technologicznym i zmianie sposobu prowadzenia projektów przy ciągłych zmianach.  

Rynek cały czas się zmienia, żyje i w praktyce to oznaczało, że jak trenowaliśmy modele i sprawdzaliśmy ten z przesunięciem w czasie (np. trenujemy model na danych z kwietnia i aplikujemy ten model na danych z lipca) to widać było, że ten model radził sobie gorzej niż model, który był wytrenowany na świeżych danych.

To dla mnie też było bardzo fajne wyzwanie technologiczno-intelektualne, jak to wszystko ogarnąć. Udało się zrobić taką rzecz, która się dzieje stosunkowo rzadko (pomijając gigantów jak Facebook, Google itd.), a mianowicie to, że modele automatycznie codziennie się trenują i automatycznie są aktualizowane na produkcję.

Bardzo mało firm jest w stanie pochwalić się takim wynikiem, a to w praktyce oznacza, że Wasz model cały czas ewoluuje razem z rynkiem. Jeżeli jakieś zapotrzebowania klienta się zmieniają, rytm współpracy także. Na przykład teraz, jeżeli chodzi o koronawirusa – zupełnie wszystko się pozmieniało, wchodzą teraz zupełnie inne reguły gry w interakcji z ludźmi.


Trzeba się do tego zaadoptować. Przez to, że model się trenuje codziennie, to jest w stanie znacznie szybciej wyłapać pewne zmiany w rzeczywistości i lepiej się dopasować do kontekstu. Jeżeli chodzi o wyniki biznesowe, to już zostawię ten wątek dla Ciebie. Z punktu widzenia biznesowego jak już teraz widzisz te wyniki? Dokąd to wszystko dąży?

Jeżeli chodzi o aspekty biznesowe, to jest to bardzo ciekawe pytanie. Zastanawiałem się nad tym przed rozmową. Tak naprawdę, żeby w pełni odpowiedzieć, możemy sobie podzielić te korzyści na trzy główne kategorie. 

Pierwsza to nieoczywiste korzyści biznesowe. Może się to wydać śmieszne, ale jest tego całkiem sporo. Tak naprawdę to, że rozpoczęliśmy te tematy, wymusiło na nas kilka rzeczy, których się po prostu nie spodziewaliśmy. Przede wszystkim, pojawił się pierwszy raz od powstania obido, jakiś zewnętrzny podmiot (czyli Wy), który musiał bardzo dokładnie zrozumieć procesy, które się u nas dzieją.

Tutaj przede wszystkim, przy okazji udało się je uporządkować. Sam pamiętasz, że w wielu przypadkach, dochodziliśmy do takiego momentu, kiedy zadawaliście nam pytanie, jak coś działa i padały dwie całkiem różne odpowiedzi od dwóch różnych członków zespołu, bo nie zawsze dokumentacja była aktualna, bo ktoś akurat wprowadzał później jakieś zmiany, o których niekoniecznie wiedzieli wszyscy inni i dużo innych rzeczy, które naturalnie w firmach występują w ferworze walki.

Przy okazji naszej współpracy udało nam się sporo rzeczy uporządkować, chociaż nie taki był cel. Sporo też dokumentacji powstało, której wcześniej nie było. Ale też nasze spotkania były przyczynkiem do tego, żeby nad wieloma procesami w ogóle się zastanowić, na ile są one dzisiaj optymalne, na ile mają sens.

Spojrzenie kogoś z zewnątrz, z Waszego zespołu było bardzo wartościowe, bo zadawaliście pytania, które były genialne w swojej prostocie – dlaczego nie robicie tego w ten czy inny sposób? Będąc w branży i siedząc w tym cały czas, na pewne rzeczy już po prostu nie zwracaliśmy uwagi. Przy okazji naszej współpracy sporo udało nam się zrobić refaktoryzacji.

Myślę, że jakąś część kodu też usunęliśmy, bo odkryliśmy, że nie wiadomo, po co ona w ogóle istnieje. To było fajne, są to takie nieoczywiste rzeczy. Nie tego się spodziewaliśmy, ale też muszę o tym wspomnieć, bo jest to fajny i dosyć ciekawy aspekt współpracy. 

Kategoria druga – biznesowe korzyści. Obsługujemy dzisiaj ponad 42 tys. klientów, którzy szukają mieszkania przez okres około 4 do 6 miesięcy. Jest to długi proces, duża ilość klientów, a całą obsługę prowadzi w tej chwili kilkunastoosobowy zespół. Więc jeśli chodzi o stosunek wielkości tego zespołu do ilości klientów, którym trzeba pomóc, to teoretycznie wydaje się, że to nie jest możliwe.

Nam się to udaje, natomiast bardzo dużym wyzwaniem dla nas jest to, żebyśmy w tym długim, kilkumiesięcznym procesie, wiedzieli, kto jest na którym etapie i kto w tej chwili wymaga naszej pilnej pomocy, wsparcia, komu możemy pomóc bardziej niż innym, komu jesteśmy potrzebni w danym momencie bardziej.

Tutaj mieliśmy oczywiście wypracowane samodzielnie mechanizmy, które działały przed rozpoczęciem naszej współpracy. Natomiast zauważyliśmy, że to już nie jest optymalne. Przy takiej ilości klientów warunki bardzo często są chybione i potrzebowaliśmy lepszego bytu, który będzie w stanie nam podpowiedzieć, którym klientem trzeba się w tej chwili pilnie zająć, bo on jest na takim etapie poszukiwań, że już będzie podejmował finalną decyzję albo to jest klient, który ma w tej chwili problem, bo całkowicie zmieniły się jego kryteria (np. otrzymał informacje o tym, jaka jest jego zdolność kredytowa) itd.

Tutaj wdrożyliśmy model, który podpowiada naszym konsultantom, którzy klienci mogą wymagać naszej opieki i pod względem kolejności, należałoby się nimi zająć. Rzeczywiście dzięki temu modelowi udało nam się wyciąć bardzo dużą część algorytmów, które przez pewien czas działały i w miarę się sprawdzały, ale ich skuteczność spadała.

Zamieniliśmy je na podpowiedzi czy sugestie modelu i uzyskaliśmy wzrost jakości zadowolenia klientów. Byliśmy w stanie mierzalnie ocenić, że zajmujemy się częściej tymi ludźmi, którzy rzeczywiście potrzebują naszej pomocy w danym momencie. Tutaj mamy wzrosty rzędu 30%, jeśli chodzi o wskaźnik trafialności zadań, które do nas trafiają.

Wydaje się mało, ale przy tej ilości klientów to jest dla nas gigantyczny skok i bardzo realne oszczędności. To jest wzrost zadowolenia klientów, bo nie zajmujemy głowy tym, którzy akurat naszej pomocy nie potrzebują i odwrotnie – trafimy do tych, którzy potrzebują jakiegoś wsparcia. To się przekłada na realne korzyści finansowe, biznesowe, ale też na zadowolenie klientów. Więc jeśli chodzi o te korzyści biznesowe, to rzeczywiście już na tym etapie je odczuwamy.

Jest jeszcze trzecia kategoria. Też dosyć ciekawa w kontekście perspektywy, która jest przed nami. Mianowicie korzyści edukacyjne. Pierwsze rzecz to jest kwestia tego, że świadomość dostępnych możliwości wewnątrz firmy wzrosła drastycznie. Pierwsza część to są ludzie techniczni, programiści czy zespół, który u nas rozwija aplikacje.

U nich ten poziom świadomości wzrósł głównie w aspektach technologicznych, technicznych. Natomiast co ciekawe, również pozostali członkowie zespołu, którzy niekoniecznie mieli styczność bezpośrednio z tym projektem, słuchając tego, jakie są efekty, czy analizując podsumowania, w dużo większym stopniu mają świadomość, czym w ogóle te rozwiązania machine learningowe są, mogą być, co jesteśmy w stanie w nich wyciągnąć.

Wiemy dobrze, że często jest takie przeświadczenie, że są mylone pojęcia machine learningu z botami, co jest już jakieś kuriozalne. Ja to do dzisiaj słyszę, w momencie, kiedy mówiliśmy o wsparciu naszego projektu, że będziemy mieli bota, który będzie odpowiadał za klientów. To jest jedyne skojarzenie, które wielu ludzi jest w stanie sobie z takimi rozwiązaniami przytoczyć. Natomiast ta świadomość wzrosła, co nam pozwoliło bardzo fajne ułożyć dokładny plan rozwoju na najbliższe 2 lata, jeśli chodzi o tego typu rozwiązania.

Wiemy, co jest możliwe, co jest w zasięgu naszej ręki, do czego musimy się bardziej przygotować, jakie dane powinniśmy zbierać, aby móc za rok, dwa myśleć o pewnych rozwiązaniach. Ten aspekt edukacyjny, wcale jest nie mniej ważny, bo dzięki temu, już dzisiaj jesteśmy w stanie dostosowywać wewnętrzne procesy do tego, czego byśmy oczekiwali od danej aplikacji, rozwiązania za rok, za dwa. 


Podsumowując, bardzo ciekawy projekt, bardzo ciekawy rok, korzyści biznesowe i te nieoczywiste, ale też korzyści edukacyjne. Ja się bardzo cieszę, że ten temat rozpoczęliśmy i cieszę się, że udało nam się wygospodarować środki na to, żeby to zrobić w takiej skali. Oczywiście zawsze chcielibyśmy więcej, natomiast nie narzekamy, bo to jest inwestycja, która już nam się opłaca. Uważam, że to była dobra decyzja.




Jak zapytałem o 2019 r. i o 5 punktów, które warto wymienić, to jako pierwszy wymieniłeś fokus. W związku z tym zwrócę uwagę na ten score, żeby to było oczywiste dla wszystkich. To jest tak, że skupienie się na użytkowniku, który w tej chwili potrzebuje konkretnej opieki, wskazówki jest dużą wartością dodaną i w drugą stronę – jeśli ktoś tego nie potrzebuje, to po co frustrować tego użytkownika?

To co właśnie robi score to priorytetyzacja, na kim w danym momencie warto się skoncentrować. Ale też co jest ważne, score jest zmienny w czasie. Modele podmieniają się codziennie w zależności od sytuacji, która się wydarzy. Jeżeli score dzisiaj jest troszkę mniejszy, to jutro czy pojutrze może być znacznie większy, w zależności od tego, jak się zmienia sytuacja użytkownika. 


Porozmawialiśmy o tym, co udało się zrobić. Wyniki są naprawdę ciekawe. Warto było o tym powiedzieć, w szczególności dla osób, które zastanawiają się, jak uzyskać takie wzrosty jak u Was. Teraz porozmawiajmy o przyszłości. Dostaliście dofinansowanie na stworzenie laboratorium AI.

Na czym będą polegały prace w laboratorium? Jak planujesz zacząć budować zespół? Czym będzie się zajmować?

Tak, rzeczywiście dosłownie w ostatnich dniach grudnia otrzymaliśmy oficjalne potwierdzenie. Udało nam się uzyskać dofinansowanie rzędu 1 mln złotych, co pozwala nam podwoić budżet, bo do prawie 1,5 mln złotych, które mieliśmy zaplanowane na 2020 r., dokładamy 1 mln złotych. Udało nam się w tym aspekcie edukacyjnym zbudować listę elementów, na których nam zależy i są możliwe oraz które pozwolą nam zbudować przewagę w 2020 r.

W ramach tego laboratorium chcemy się skupić w tej chwili na trzech kluczowych tematach. Oczywiście ja mam chrapkę na jeszcze kilka lub kilkanaście pobocznych, ale obiecałem Ci, że się nie będziemy w tym projekcie rozchodzić na boki, więc postaram się to trzymać w ryzach. 

Pierwszy temat, który będziemy chcieli pociągnąć dalej, to jest popracować dalej nad modelem, który będzie nam scoringował klientów i będzie nam odpowiadał na pytanie, który klient w tej chwili wymaga naszego wsparcia i opieki. To, że my coś mamy stworzone, to wcale nie znaczy, że jest to wersja idealna i nie ma potrzeby dalszego pracowania nad nią.

Nauczyliśmy się też w naszej współpracy, że trzeba zbierać jak największą ilość danych i od jakiegoś czasu, zbieramy kolejne informacje na temat procesu naszych klientów. Chcielibyśmy ten model rozwinąć, czyli chcielibyśmy jeszcze dokładniej wiedzieć, który klient danego dnia wymaga naszego wsparcia i opieki. 

Druga część projektu to rozwinięcie tego tematu. Chcielibyśmy wiedzieć, jakiego wsparcia oczekuje klient? Pracując z użytkownikami szukającymi mieszkania, kontaktujemy się z nimi na szereg sposobów, wykonujemy bardzo wiele akcji – kontaktujemy się telefonicznie, smsowo, mailowo o różnych porach.

Czasem wysyłamy im oferty, czasem sugerujemy zmianę preferencji, czasem informujemy o tym, jak zmienia się rynek, czy zmienia się oferta w ich okolicy. Generalnie jest bardzo dużo możliwych działań do podjęcia i chcielibyśmy dać takie narzędzie naszemu zespołowi wsparcia klienta, dzięki któremu konsultanci będą wiedzieć, jakiego działania oczekuje klient w danym momencie.

Przy tych 40 tys. jest wielu specyficznych klientów i wiele szczególnych elementów, które trzeba wziąć pod uwagę. Są klienci, którzy preferują kontakt po 17:00, głównie telefoniczny. Są tacy, którzy korzystają z obido głównie w pracy, ale niekoniecznie chcieliby rozmawiać przez telefon, bo niekoniecznie chcą o tym temacie rozmawiać przy kolegach czy przy szefie. Są tacy, którzy korzystają z komunikacji miejskiej, gdzie komfort rozmowy jest niekoniecznie duży.

Są tacy, którzy wolą dostać szerszą ofertę i samemu przebierać, a z kolei są też tacy, którzy woleliby od nas uzyskać 3 idealnie dopasowane propozycje i podjąć decyzję na tej podstawie. Także jest wiele aspektów, które tutaj trzeba poruszyć. W ramach tej drugiej części projektu, będziemy starali się odpowiedzieć na pytanie – jakiego wsparcia powinniśmy klientowi udzielić? 

Trzecia rzecz, która jest z punktu widzenia klienta najciekawsza, to jest system rekomendacji. Czyli chcielibyśmy wykorzystać machine learning do sugerowania mieszkań, które dany klient może rozważyć, jeśli chodzi o zakup. To jest bardzo ciężki temat. Kiedy rozpoczynaliśmy obido, postawiliśmy sobie za cel bardzo dokładne oparametryzowanie mieszkań.



Mamy kilkadziesiąt parametrów dla każdego mieszkania, to jest bardzo duży wysiłek całego jednego zespołu obido, który opisuje te mieszkania, analizuje. Każdy rzut mieszkania jest przerysowywany w AutoCadzie do jednego standardu po to, żebyśmy te dane sprzedali. Przed rozpoczęciem projektu i w pierwszych miesiącach byliśmy przekonani, że to jest nasza przewaga.

To, że klient może wybrać kilkanaście, kilkadziesiąt filtrów i dostanie bardzo dopasowaną ofertę. Po kilku miesiącach okazało się, że klienci, którzy usuwali konto, czyli kończyli z nami współpracę, bo dokonali zakupu, mówili nam, że kupili mieszkanie. Gdy sprawdziliśmy, to się okazało, że to mieszkanie kompletnie nie pasuje do wybieranych kryteriów. Dlaczego? Dlatego, że te kryteria się zmieniają, bardzo często przeważył jakiś jeden aspekt, którego w ogóle nie wzięliśmy pod uwagę.

Czyli klient mówił, że koniecznie chce kupić mieszkanie na Białołęce, ale potem się okazało, że w całkiem innej dzielnicy zobaczył ofertę z 50 m balkonem, z widokiem na park i to go zachwyciło i finalnie kupił to mieszkanie. Okazało się, że tak naprawdę takie matematyczne podejście do kryteriów, akurat w tym procesie nie ma kompletnie sensu.

Przenieśliśmy wagę tych kryteriów na naszych konsultantów, którzy korzystając z własnego doświadczenia, często widzieli, że jak klient szuka mieszkania do 400 tys. na Mokotowie to on i tak za pół roku skończy poszukiwania na Białołęce, bo jak już przejdzie cały ten proces edukacyjny, to taki będzie jego wybór.

Natomiast przy kilkudziesięciu tys. klientów trudno o tak indywidualne podejście, analizę takiej ilości danych. Stąd chcielibyśmy przenieść to w dużej mierze na rozwiązanie, które będziemy tworzyć. 

Pytałeś jeszcze o zespół, bo tu jest fajna rzecz, mianowicie nasz zespół w ramach tego laboratorium to nie są tylko osoby techniczne, technologiczne, lecz mamy tu też ludzi, którzy pracują bezpośrednio z klientami.

Fajnie jest tworzyć ciekawe rozwiązania i o tym mówić, natomiast dopóki to nie przynosi nam korzyści biznesowych, które z kolei możemy zmierzyć, albo dopóki nie mamy feedbacku, czy to, co zrobiliśmy rzeczywiście jest skuteczne i się sprawdza, to kompletnie nie ma to sensu.

Więc w ramach tego projektu, mamy też analityków, którzy normalnie będą pracować z klientami, ale część ich pracy to będzie feedback do zespołu technologicznego, czy dane rozwiązanie się sprawdza i spełnia kryteria, które sobie postawiliśmy przed danym etapem. 



Człowiek dość często nie wie, czego chce i wiele słynnych osób na ten temat się wypowiadało. Jest słynna wypowiedź Forda:

„Gdybym na początku swojej kariery jako przedsiębiorcy zapytał klientów, czego chcą, wszyscy byliby zgodni: chcemy szybszych koni. Więc ich nie pytałem”.


Steve Jobs podobnie mówił:


„Ludzie nie wiedzą, czego chcą, dopóki im tego nie pokażesz”.


To jest właśnie fajna rzecz, że to nie jest nic złego w tym, że ktoś nie wie, czego chce, bo tak naprawdę jeszcze tego nie doświadczył. Nie było tej opcji w jego wyobraźni. Kiedy ta opcja się pojawiła, dopiero wtedy człowiek sobie uświadamia, że w sumie to jest lepsze.

Polacy zmieniają swoje kluczowe preferencje dotyczące poszukiwanego mieszkania 8 razy. Czy uczenie maszynowe może to zmienić?
źródło: https://obido.pl/app/odkrywaj/



Stąd pojawił się taki konflikt logiczny, że najpierw wybrane zostały określone preferencje, a ostatecznie decydujemy się na zupełnie inną rzecz. Co jest fajne w tym wszystkim, jeżeli chodzi o uczenie maszynowe, to to, że modele trzeba starać się jak najmniej opierać na inputach uzyskanych od ludzi wprost i opierać się na stabilnych danych (np. jakie mieszkanie ogląda, które się bardziej spodobało).

Taki pomocny system, który będzie podpowiadał m.in. na podstawie rzutu, który macie bardzo fajnie przerobiony. To może być ogromna wartość dodana, kiedy model wczuje się w realne potrzeby tego człowieka. Macie skalę, to jest też bardzo ważna rzecz, że ludzie są dość podobni do siebie.

Mimo tego że każdy z nas jest inny to poruszając się przy większej skali, ciężko znaleźć bardzo unikalne przypadki. Dzięki temu można przewidywać pewne rzeczy. Jak widzimy podobne zachowanie (są to zupełnie inne mieszkania, ale podobne do siebie), to da się to na poziomie uczenia maszynowego osiągnąć.

Może być to bardzo duża wartość dodana, bo ten użytkownik rzeczywiście czuje taką indywidualną opiekę, spersonalizowane podpowiedzi, co i jak warto zrobić. 


Bardzo ciekawe jest także przeprowadzenie testów, wdrażania danego modelu. Czyli w praktyce to oznacza, że to zawsze są próby wyciągania wniosków. To, co zrobiliśmy już przedtem na mniejszą skalę (teraz będzie na większą skalę), to jest to, że model przygotowuje pewne wyniki i teraz oczywiście możemy to sprawdzić na danych historycznych i tak zwykle robimy, żeby mieć przynajmniej jakąś pewność, że ten model działa dobrze.

Ostatecznie jednak liczy się rzeczywistość. Osoby pracujące z klientem od razu otrzymują feedback. Czy było warto? Czy to było trafione? To jest bardzo fajna rzecz. Osoba, która pracuje na co dzień z klientem, kolekcjonuje dużo informacji i dość często ma wyjaśnienia różnych niekoniecznie logicznych sytuacji. 


Wymieniłeś teraz trzy bardzo ciekawe projekty. Co to oznacza dla użytkownika? Co będzie lepiej, szybciej? 

Odkąd rozeszła się informacja o tym, że to laboratorium powstanie, często to pytanie słyszę. Tak jak wspomniałem wcześniej, już się pojawiło kilka sugestii od dziennikarzy szczególnie, że będzie pewnie jakiś bot, który będzie wyskakiwał na stronie i to będzie ta sztuczna inteligencja. Odpowiadając na to pytanie, w tym kierunku absolutnie nie idziemy. Z punktu widzenia klienta, tak naprawdę zadzieją się dwie rzeczy. 

Pierwsza: proces współpracy z nami, będzie dużo mniej uciążliwy.

Będziemy w dużo większym stopniu mogli odczytać, jakie wsparcie na danym etapie klientowi jest potrzebne. Jak popatrzymy na te 6 miesięcy poszukiwań mieszkania, to wcale nie jest tak, że klient szuka z dokładnie taką samą intensywnością.

Mamy zidentyfikowane fazy, czyli najpierw jest taki okres napalenia się: „Tak, ja teraz będę szukał, już przeglądam oferty„. Bardzo często klienci widzą te billboardy deweloperów, że już 4 tys. zł za m2, mieszkanie z wielkim balkonem, pięknym widokiem na park itd.

Później się okazuje, że takich ofert jest niewiele. Następuje taki okres rozczarowania, uśpienia tych poszukiwań. Często następuje etap badania zdolności kredytowych, budowania tej zdolności kredytowej. Później dopiero klient wraca i chce podejmować finalną decyzję.

Bardzo ważne jest dla nas wykrycie, na którym etapie tego procesu on się znajduje, żeby dostarczać mu dokładnie to, czego on na danym etapie oczekuje. W momencie kiedy jest jeszcze na etapie edukacyjnym i oczekuje szerokiego przeglądu ofert – nie potrzebuje naszego wsparcia, tylko po prostu musi poznać ten rynek i się z nim zaznajomić.

Na tym etapie powinniśmy mu pomóc w ten sposób. Jeśli już finalizuje zakup i potrzebuje tego przysłowiowego poklepania po ramieniu i potwierdzenia, że rzeczywiście to jest to, co mu odpowiada, to powinniśmy zadziałać całkiem inaczej.

Pierwsza korzyść dla klientów powinna być taka, że rzeczywiście ten proces będzie dla nich jeszcze przyjemniejszy, prostszy, że będziemy czytali w jego myślach. Będziemy wiedzieli, czego on oczekuje od nas w danym momencie. 

Druga korzyść, której się spodziewamy to kwestia dopasowania ofert. Chcielibyśmy wiedzieć w momencie, kiedy użytkownik zakłada konto i rozpoczyna poszukiwania, gdzie on te poszukiwania za kilka miesięcy zakończy. Z punktu widzenia klienta to powinno być cenne. Tu oczywiście pojawia się wokół wiele aspektów.

Czyli wracając do mojego przykładu, klient, który rozpoczyna poszukiwania i mówi, że chce mieszkać na Mokotowie, nawet jeśli algorytmy czy mechanizmy nam powiedzą, że on i tak finalnie kupi na Białołęce, to niekoniecznie właściwe będzie powiedzenie: „Hej, Ciebie nie będzie stać na to mieszkanie na Mokotowie. Ty i tak skończysz w innym regionie”.

To oczywiście przykład, bo akurat Warszawy dokładnie nie znam. Sposób komunikacji i podania uzyskanych danych to jest rzecz, którą będzie rozpracowywał zespół wsparcia. Natomiast z punktu widzenia klienta oczekujemy tego, że dużo szybciej będzie w stanie dotrzeć do swojego finalnego wyboru. Czyli mówiąc wprost, ten okres 5-6 miesięcy poszukiwań, skrócimy mu do 2-3 miesięcy. Taki byłby nasz cel, jeśli chodzi o tę warstwę użytkownika. 



Teraz żyjemy w takich ciekawych czasach, kiedy pewne branże żyją swoim własnym życiem. Z drugiej strony jednak ciężko, żeby poszczególne firmy nadal były konkurencyjne, nie będąc firmami technologicznymi. Podam taki prosty przykład.

Ostatnio zainteresowałem się  przypadkiem rosyjskiej firmy zajmującej się pizzą. W pewnym momencie firma zaczęłą rosnąć bardzo szybko. Dlaczego? Tak naprawdę oni są bardziej firmą technologiczną niż firmą, która produkuje pizzę.

Innymi słowy oni cały proces wytwarzania pizzy w tej chwili mają scyfryzowany. Czyli dokładnie wiedzą, ile mają pizzerii, co w tych pizzeriach się dzieje, ile pizz się produkuje, ile się sprzedało, ile wszystkich składników było zużytych itd.

Oni wszystko widzą w czasie rzeczywistym. To jest ciekawe spojrzenie, bo jak o tym myślę, to wydaje się, że w najbliższym czasie ciężko w ogóle będzie przetrwać firmom tylko siedząc w tej swojej branży, nie będąc firmami technologicznymi. 

Wracając do branży nieruchomości – Paweł, z Twojego punktu widzenia uważasz, że jesteście firmą technologiczną, czy bardziej firmą, która się zajmuje nieruchomościami? Jak w ogóle ta branża się zmienia w perspektywie czasu (2, 5 lub więcej lat)? Jakie zmiany wejdą w życie?


Fajne pytanie. Chyba od zawsze traktowaliśmy obido jako firmę technologiczną. Nie dlatego, że nie doceniamy aspektu ludzkiego, bo uważam, że on jest absolutnie kluczowy. Cały zespół wsparcia, który mamy jest kluczowy, żeby ta firma działała.

Natomiast tak naprawdę taki zespół, który doradza, gdyby miał to robić z równą jakością, bez tego wsparcia technologicznego nie byłby w stanie takiej ilości klientów obsłużyć. Jeśli chodzi o rynek nieruchomości, to analizujemy na bieżąco sytuację i rozważamy kilka scenariuszy, w jakim kierunku ta branża podąży.

Od początku naszą świadomą decyzją było to, że zaczęliśmy od rynku pierwotnego, mieszkaniowego, bo to był punkt, w którym byliśmy w stanie najszybciej zbudować przewagę i najszybciej się nauczyć. Natomiast mamy w zanadrzu bardzo szerokie rozwiązanie, które na przełomie tego i przyszłego roku będziemy w stanie pokazać światu.

Ono dojrzeje na tyle, że będziemy w stanie wdrożyć je produkcyjnie, czyli rynek będzie na nie gotowy. Wiadomo, że rynek się zmienia. Sytuacja obecna z koronawirusem też wpływa na ten rynek dosyć mocno. Jednocześnie musimy mieć świadomość, że rynek, szczególnie polski, jest bardzo specyficzny.

W Polsce nadal klienci nadal wolą mieć mieszkanie, niż je wynajmować. Jest takie przeświadczenie, że to jest moje własne i pomimo tego, że jeszcze 40 lat będę ten kredyt spłacał i w księdze wieczystej jest bank, to ludzie traktują to mieszkanie jako swoje. Natomiast to się siłą rzeczy będzie zmieniało. Model rynku na pewno się zmieni i inne formy mieszkalnictwa będą zdobywały popularność.

My jesteśmy na to gotowi już dzisiaj. Moment, w którym pokażemy to światu i wyjdziemy w tym kierunku, to jest tylko i wyłącznie świadoma decyzja biznesowa, w którym momencie powinniśmy skorygować kierunek. Naszym celem jest właśnie być absolutnym liderem technologicznym w tej branży. Wszystkie działania temu podporządkowujemy.

Dane zbieramy na temat całego rynku nieruchomości. Nie tylko tej części, na której dzisiaj operujemy z użytkownikami, bo tak naprawdę, rynek może się zmienić, ludzie mogą zrezygnować z rynku pierwotnego na rzecz rynku wtórnego, mogą skłonić się ku najmowi. Ale jedno się absolutnie nie zmieni – ludzie gdzieś będą musieli mieszkać.

To jest rzecz, która jest stała, niezmienna i stoi u podstaw tego biznesu. Naszym zadaniem jest wykorzystać technologię do tego, żeby w tych procesach klientom pomóc. Myślę, że Polska powoli staje się gotowa na rewolucję, która na różnych rynkach się dzieje.

Tak jak na rynku motoryzacyjnym, jeszcze kilka lat temu nie do pomyślenia była forma inna niż zakup samochodu, tak teraz najmy stają się coraz częstsze. Ludzie po prostu, chcą mieć temat z głowy. Tak jak dzisiaj, zakup mieszkania, to jeszcze bardzo często jest osobno zakup, osobno proces kredytowy, osobno proces wykończenia, tak coraz częściej ludzie chcą mieć ten temat załatwiony od A do Z.

Jesteśmy na to gotowi i tutaj technologia nas wesprze. Co ciekawe, te mechanizmy, które my zauważyliśmy na rynku nieruchomości, też udało nam się w ubiegłym roku wypreparować do całkiem osobnego startupu, bo zauważyliśmy, że pewne zachowania ludzi są też kopiowane w innych branżach.

Tak jak my widzimy, że jedni klienci rozważają dane mieszkanie, bo mają dzieci i blisko jest przedszkole, bo blisko pracują itd., tak całkiem inny klient, ale dokładnie to samo mieszkanie, może rozważać ze względu na to, że będzie mógł je korzystnie wynająć, z uwagi na to, że blisko są centra biurowe. To samo mieszkanie, a całkiem inna motywacja do zakupu. Jako że stworzyliśmy taką technologię dla rynku nieruchomości, przygotowaliśmy ją ponad rok temu dla rynku e-commerce.

Przez rok trwały testy i w tej chwili mamy produkt dla całkiem innej branży, zupełnie nie związanej z nieruchomościami – produkt, który wspiera zachowania zakupowe w sklepach internetowych. Kończąc ten mój długi wywód i odpowiadając wreszcie na Twoje pytanie, jesteśmy zdecydowanie bardziej technologiczni, ale absolutnie na zapominamy o aspekcie ludzkim, bo on jest niezmiernie ważny, szczególnie w takich decyzjach, gdzie wartość zakupu to jest pół miliona złotych.

Tutaj człowiek zawsze będzie musiał istnieć, zawsze będą pracownicy biur sprzedaży. Ich rola pewnie się zmieni, natomiast nie wierzę w to, że znikną całkowicie. 



A propos produktu, który właśnie teraz się pojawił na podstawie doświadczenia, które wytworzyliście w e-commerce, to możemy nagrać osobny odcinek, bo tam też będzie uczenie maszynowe. 

A teraz obiecana ciekawostka. Powiedz coś więcej na temat możliwości wygrania 300 tys. złotych w konkursie RMF FM. Jak to działa? Czy to nadal jest aktualne? Jak to wyglądało w poprzedniej edycji?


Był to eksperyment, który w ubiegłym roku rozpoczęliśmy z radiem RMF FM. Eksperyment dosyć ciekawy, mianowicie wszyscy klienci, którzy z naszą pomocą znaleźli mieszkanie i je kupili, mogli wziąć udział w konkursie. Nagrodą główną był zwrot pieniędzy, wydanych na mieszkanie z limitem do 300 tys. zł.

Bardzo ciekawa akcja. Był to dla nas eksperyment na bardzo wielu polach. Również na polu współpracy z medium, z którym nie mieliśmy do czynienia, bo akurat reklam radiowych nigdy nie kupowaliśmy. Spotkaliśmy bardzo ciekawych ludzi po stronie RMF FM.

Ciężka była dla nich współpraca z nami, bo my nie do końca rozumieliśmy specyfikę ich branży i odwrotnie. Natomiast finalnie myślę, że obie strony są z tej akcji bardzo zadowolone. Sądzę, że bardzo zadowolona jest Pani Paulina, która w pierwszej edycji wygrała ten zwrot, bo tak naprawdę, nagle się dowiedziała, że spłacimy za nią cały 30-letni kredyt.

Jest w tej chwili już druga edycja. Myślę, że współpraca z RMF FM nam się na tyle dobrze układa, że ten element na stałe już zagości na antenie radia. Bardzo ciekawy aspekt i rzeczywiście dla nas to jest takie przedłużenie procesu, w którym my jesteśmy. Bardzo dużego kopa nam daje, jak widzimy, że rzeczywiście pomagamy tym ludziom, że to, co robimy, ma sens, że oni doceniają to, że jesteśmy niezależni, do niczego nie namawiamy, niczego nie wciskamy.

Nie mamy interesu, żeby polecić jednego czy drugiego dewelopera, bo tak naprawdę, finansowo to nam nic nie zmienia. Więc rzeczywiście akcja się cieszy bardzo dużym zainteresowaniem. Druga edycja trwa. Jeśli ktoś szuka mieszkania, to dlaczego miałby nie szukać u nas, skoro może dostać zwrot wszystkich wydanych pieniędzy? Myślę, że pojawią się kolejne edycje, bo zainteresowanie jest naprawdę duże. 





Bardzo dziękuję Pawle za dzisiejszą rozmowę. Myślę, że osoby, które działają w zupełnie innych branżach, mogą zobaczyć podobne problemy i podobne wyzwania na swoim podwórku.

Mam nadzieję, że znajdą dla siebie przynajmniej częściowe rozwiązanie albo co najmniej inspirację do tego, żeby z tymi problemami jakoś sobie poradzić. Dziękuję, że udało Ci się znaleźć czas, bo teraz wiele się dzieje. Życzę nam udanej współpracy przy laboratorium innowacji, żeby obido stało się jeszcze bardziej pomocne dla ludzi, bo ostatecznie o to chodzi.

Wielkie dzięki również za rozmowę, za ten etap współpracy, który jest już za nami. Też mam nadzieję, że to, co się wydarzy w tym roku, będzie jeszcze ciekawsze i będziemy mogli za jakiś czas się pochwalić tym wspólnie, bo o to przecież chodzi. Życzymy zdrowia i tego, żeby to, co dzisiaj dzieje, jak najszybciej się skończyło, jeśli chodzi o temat koronawirusa. Wielkie dzięki jeszcze raz.


Make Data Work.

Reshape the Future.


PRACTICAL MACHINE LEARNING

Zapisz się, a otrzymasz:

  1. Wartościowe materiały przygotowane przez gości podcastu, prezenty dla słuchaczy.
  2. Zniżkę (10% lub większą) na trening uczenia maszynowego.
  3. Aktualności na temat sztucznej inteligencji w zakresie nauki, technologii i biznesu.
  4. Będziesz na bieżąco ze wszystkimi odcinkami Biznes Myśli.
Rozpędź swój biznes sztuczną inteligencją! Powered by ConvertKit

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.

Dodaj komentarz

Twój adres email nie zostanie opublikowany. Pola, których wypełnienie jest wymagane, są oznaczone symbolem *