2020. 04. 13. - olvasási idő: 19 perc
Az adat nem az új olaj, hanem az új gyarmati nyersanyag: az a kérdés, ki dolgozza fel és ki adja el a belőle készült terméket. Pazarlók, gyűjtögetők és adatvezéreltek, a tárolási dilemma GDPR után, és az az eset, amikor nem üzleti kérdésből, hanem magából az adatból indulunk ki.
Az adatvagyon az a felhalmozott adatkészlet, amiből egy szervezet üzleti értéket tud előállítani. Az értéke nem attól függ, hogy a birtokosa felismeri-e: ugyanúgy megvan akkor is, ha senki nem nyúl hozzá. Az adatvagyon-felmérés pontosan arra a kérdésre válaszol, hogy mennyi hasznosítható érték van a céged adataiban, és mi az a néhány projekt, amivel ez kiaknázható.
Ez a cikk három korábbi írásunkból állt össze, mert ugyanannak a kérdésnek három oldalát tárgyalták: mit is jelent az, hogy az adat erőforrás, érdemes-e mindent megőrizni, és mit tegyünk akkor, ha van adat, de nincs kérdés.
"Az adat az új olaj." "Az adat az új arany." "Az adat az új pénz." Ezek a szlogenek jól hangzanak, és pontosan annyira pontosak, amennyire egy szlogen lenni tud. Az olaj energiahordozó, környezetszennyező, geopolitikai tényező, és az ára önmagában gazdaságokat mozgat. Az adat egyik sem ezek közül.
Ha analógiát keresünk, ne a kétezres évek világkereskedelmét nézzük, hanem a földrajzi felfedezések és a gyarmatbirodalmak kiépülésének korát. Akkor is új területekért, nemesfémekért és nyersanyagokért folyt a verseny, és gyakran szó szerint gyöngyökért cserélték el azt, aminek az értékét az egyik fél nem ismerte fel.
Ez az analógia két dolgot magyaráz meg pontosan.
Az egyik a feldolgozás helye. A gyarmati gazdaság logikája az volt, hogy a nyersanyag a gyarmatról elkerül, a feldolgozás az anyaországban történik, és a kész terméket sokszor magának a gyarmatnak adják el. Ezt a modellt később hosszú küzdelemmel írták felül. Ma ugyanez a kérdés egy adatmegosztási szerződésnél merül fel: ki dolgozza fel az adatot, kinél keletkezik a belőle készült termék, és ki fizet érte.
A másik az apróbetű. Ostobaság azt mondani, hogy az adat nem értékes, ezért törölhető. De ugyanennyire rövidlátó olyan szereplővel szerződni, aki nem csak elviszi az adatot, hanem apróbetűs kitételekkel azt is biztosítja, hogy soha ne kapd vissza. Az adatvagyon szempontjából az ilyen szerződés nem bevétel, hanem elidegenítés.
Ez nem csak nagyvállalati kérdés. Igaz magánszemélyre, akinek a bankszámlatörténetéből kiolvashatók a költési szokásai, és igaz egy közintézményre is: érdemes végiggondolni, mit lát meg egy digitális átállás után az oktatást szervező szereplő az egyes tanárról és az egyes diákról.
Az adatkezelési érettségnek három jól felismerhető szintje van.
| Szint | Mit tesz az adattal | Tipikus jel |
|---|---|---|
| Pazarló | Nem ismeri fel az adat értékét, vagy fél tőle. Havonta törli a logokat, vagy egyszerűen átengedi az adatot egy másik szereplőnek | "Ezt minek tartsuk meg?" A rendszer alapbeállítás szerint felülír |
| Gyűjtögető | Megváltoztatta a hozzáállását, ment és tárol, és arra vár, hogy legyen elég adata és elég kompetenciája a feldolgozáshoz | "Mindent eltárolunk, majd lesz vele valami." Van adattárház, de nincs belőle döntés |
| Adatvezérelt | Értéket teremt az összegyűjtött adatból, és van tapasztalata arról, mikor hasznos és mikor felesleges adathoz nyúlni | Tudja, melyik kérdésre nem érdemes modellt építeni, mert egy riport is elég |
A gyűjtögető szint önmagában előrelépés a pazarlóhoz képest, de csapda is: sok szervezet évekig marad itt, mert a "majd lesz vele valami" nem kényszerít ki döntést. A harmadik szint legfontosabb jele éppen nem az, hogy sok adatos projekt fut, hanem az, hogy a szervezet meg tudja mondani, melyik projektet nem érdemes elindítani.
Ha az érdekel, hogyan lehet a második szintről a harmadikra lépni, arról a data science bevezetése a vállalatnál szól részletesen.
Erre a kérdésre egy adattudós ösztönösen igent mond, és 2016-ban, amikor ezt a gondolatot először megírtuk, ez majdnem mindig jó válasz volt. A tárolás egységköltsége addig drasztikusan csökkent: ami a nyolcvanas években több mint egymillió dollárba került volna, az elférne egy nyolcgigabájtos promóciós pendrive-on, és 2016-ban egy gigabájt tárolása már tíz dollárcent alá esett. Azóta tovább csökkent.
Ebből következik az az érv, ami azóta sem veszített az erejéből: ha egy megbeszélésen arról tárgyal öt ember, hogy megőrizzenek-e egy adathalmazt, a megbeszélés órabére gyakran több, mint maga a tárolás egy évre. Ha a döntés tisztán költségalapú, akkor a döntést nem kell meghozni.
Csak éppen a döntés ritkán tisztán költségalapú. Három dolog van, ami valóban nehézzé teszi.
A "tároljunk mindent" elv a tapasztalatunk szerint akkor működik, ha három feltétel együtt teljesül: a személyes adatok kezelése egyszerűsítve van, a munkatársak széles köre egyszerű jogosultsági szabályokkal hozzáér az adathoz (jellemzően a pénzügyi adatok kivételével), és van rugalmasan bővíthető tárolási infrastruktúra. Ez tipikusan innovatív technológiai cégeknél és startupoknál áll fenn.
A fenti gondolatot a GDPR alkalmazása (2018. május) előtt írtuk, és ez a legfontosabb kiegészítés. A "tároljunk mindent, majd kitaláljuk, mire jó" elv személyes adatra ma nem áll, mert a rendelet három alapelve pontosan ezt zárja ki: a célhoz kötöttség (csak meghatározott, előre megnevezett célra), az adattakarékosság (csak annyi adat, amennyi a célhoz szükséges) és a tárolási korlátozás (csak addig, ameddig a cél indokolja).
A gyakorlati következtetés nem az, hogy kevesebb adatot érdemes tárolni, hanem az, hogy két különböző dologról van szó.
| Adattípus | Mi a szabály | Mit érdemes tenni |
|---|---|---|
| Személyes adat | Cél, jogalap és megőrzési idő kell hozzá | Végiggondolt megőrzési rend, dokumentált jogalap, lejáratkor törlés vagy anonimizálás |
| Gép-, szenzor-, folyamat- és tranzakciós adat személyes azonosító nélkül | Nincs ilyen korlát | Itt marad érvényes az eredeti elv: inkább tartsuk meg |
| Személyes adatból készült aggregált vagy anonimizált állomány | Ha valóban nem azonosítható vissza, kikerül a rendelet hatálya alól | Ez a leggyakoribb jó válasz: az elemzéshez szükséges szint megőrzése egyedi azonosítás nélkül |
A legtöbb üzleti elemzéshez nincs szükség arra, hogy tudjuk, melyik konkrét ember melyik sor. Aki ezt korán végiggondolja, az később nem kerül abba a helyzetbe, hogy vagy jogi kockázatot vállal, vagy eldobja a történeti adatát.
Az adatos projekt tankönyvi menete az üzleti problémával kezdődik. Ezt írja le a CRISP-DM módszertan hat fázisa is: az üzleti probléma megértése, az adatok feltárása, az adattranszformáció, a modellezés, a kiértékelés és az implementáció, a fázisok között pedig szinte mindig kell iterálni, ami jól illeszkedik az agilis szemlélethez.
Csak hogy a valóságban gyakran nem így indul. Sok cég úgy fordul hozzánk, hogy szeretne egy izgalmas, érdemi üzleti hatást felmutató adatos projektet, de nincs kész kérdése. Ilyenkor érdemes megfordítani a sorrendet, és nem az üzleti problémából, hanem magából az adatból indulni.
Ennek hat lépése van.
Két dolog miatt szeretünk így dolgozni. Az egyik, hogy kreatívabb és üzletszagúbb megoldások jönnek ki, mint egy előre megfogalmazott kérdésből. A másik, hogy a költés fokozatos: az adatfelderítés és a use-case készítés jellemzően nyolc és huszonegy nap között van, tehát a nagy integrációs beruházás előtt van egy valódi döntési pont, ahol a megrendelő tényekre alapozva mondhat igent vagy nemet.
És van egy tapasztalat, amit érdemes kimondani: a megoldásaink akkor a legmeggyőzőbbek, amikor a partner saját adatán futó elemzéssel támasztjuk alá őket. Egy elsőre túl egyszerűnek vagy túl futurisztikusnak tűnő ötlet is egészen máshogy hangzik, ha a saját számaid vannak mellette.
Az, hogy egy ilyen use-case végül milyen típusú projekt lesz, külön kérdés: erről a data science projektek négy típusa szól.
A fenti gondolatmenet gyakorlati formája nálunk az adatvagyon-felmérés. Röviden összefoglalva ez négy szakasz.
Három dolgot.
Ha a lista élén álló projekt üzleti értékét külön is meg akarod erősíteni, mielőtt fejlesztés indul, arra van az üzleti validációs workshop.
Hat kérdés, amiből általában kiderül, melyik szinten van a szervezet. Ha háromnál több nemet számolsz, érdemes felmérést csinálni.
Mi az adatvagyon? Az a felhalmozott adatkészlet, amiből a szervezet üzleti értéket tud előállítani. Nem azonos az adatmennyiséggel: egy jól dokumentált, összekapcsolható, néhány éves történettel bíró adatkészlet többet ér, mint egy sokszor nagyobb, de rendezetlen állomány.
Érdemes minden adatot megőrizni? Gép-, szenzor- és folyamatadat esetén jellemzően igen, mert a tárolás költsége elenyésző ahhoz a lehetőséghez képest, amit a történeti adat ad. Személyes adatra viszont nem, mert ott a GDPR célhoz kötöttséget, adattakarékosságot és tárolási korlátozást ír elő. A legtöbb elemzés aggregált vagy anonimizált formában is elvégezhető.
Mennyi ideig tart egy adatvagyon-felmérés? Az adatfelderítés és a use-case-ek megfogalmazása jellemzően nyolc és huszonegy nap közötti munka, a pontos idő az adatkörök számától és állapotától függ. Ez tudatosan úgy van kialakítva, hogy a nagyobb beruházás előtt legyen egy valódi döntési pont.
Mi van, ha nincs kész üzleti kérdésünk? Akkor is van értelme elindulni. Ilyenkor megfordítjuk a sorrendet: az adatból indulunk ki, felderítjük, mit lehet benne látni, és abból fogalmazunk meg tíz-húsz lehetséges use-case-t, amelyek közül a saját csapatod választja ki a továbbvitelre érdemeseket.
Mi a leggyakoribb hiba ebben a szakaszban? Hogy a szervezet gyűjtögetőként ragad meg. Az adat gyűlik, az infrastruktúra készül, de nincs olyan konkrét kérdés, aminek a megválaszolása üzleti döntést változtatna meg. A felmérésnek éppen az a dolga, hogy ebből a körből kivezessen.
Ha a fenti kérdésekre több nem is jött ki, mint igen, az nem baj: a legtöbb szervezet a gyűjtögető szinten van, és onnan a következő lépés nem egy nagy program, hanem egy jól kiválasztott projekt.
Leíró, diagnosztikus, prediktív vagy preskriptív: négy projekttípus, négy különböző üzleti kérdésre. Táblázattal és valós projektpéldákkal ahhoz, hogy eldöntsd, a céged melyikkel induljon.
Riport, dashboard, adattárház, data lake, önkiszolgáló BI. Mit takarnak ezek a fogalmak, mi a különbség az üzleti intelligencia és a data science között, és mikor melyikre van szükséged?
Két éve tervezünk OKR-ral: céges, területi és egyéni szinten. Hogyan néz ki nálunk a negyedéves tervezés, hogyan értékelünk 0-tól 1-ig, és mi az, amit menet közben tanultunk meg.
Komplex adatgyűjtő, portfóliókezelő és kereskedő rendszer az energiaszektorban
Adatalapú üzemanyag- és menetidő-tervezés a szállítmányozásban