Přibývají firmy s nepořádkem v datech. S úklidem pomůže umělá inteligence

Zástupce šéfredaktora Týdeníku Ekonom Martin Petříček byl moderátorem unikátní diskuze bankovních gigantů na šestém ročníku KPMG Data Festivalu. V rámci akce a následně mimo ni si popovídal i s dalšími datovými odborníky včetně našeho zakladatele Oty Novotného. Jejich vyjádření jsou součástí následujícího článku, který se, stejně jako letošní ročník Festivalu, dotýká zejména vlivu umělé inteligence na práci s daty ve firmách. Děkujeme za zajímavý článek, který vám se svolením pana Petříčka sdílíme na následujících řádcích.

Data jsou v době informační nejcennějším aktivem, a firmy se jich proto snaží sbírat co nejvíc. Mohou je využít třeba k tomu, aby nabídly klientům lepší produkty či zlepšily fungování podniků. Bankovní datoví experti – Petr Fabera z ČSOB, Jiří Kacerovský z Komerční banky a Lukáš Mazánek z Raiffeisenbank – se však při debatě na KPMG Data Festivalu, přednáškové akci věnované problematice využívání dat, shodli, že mít plný datový sklad nestačí. Je třeba zajistit, aby sesbíraná data byla dostatečně kvalitní. A lidé ve firmách navíc musí přesně vědět, k čemu jsou data potřeba. V bankách mohou sloužit třeba k lepšímu zabezpečení transakcí či pro zajištění kybernetické bezpečnosti. Banky k tomu používají například okamžité údaje o využívání bankomatů nebo o chování konkrétního klienta. Zaměřují se na anomálie, které jim při odhalování podvodů mohou pomoci. „V boji proti kybernetické kriminalitě je důležitá datová kvalita. Pokud datům nerozumíme, nedokážeme je ani použít,“ říká Mazánek.

KPMG Data Festival, na kterém se letos podílelo 43 společností, ukázal, že zejména velké firmy si nutnost pořádku v sesbíraných datech uvědomují. Zakladatel festivalu a prorektor Vysoké školy ekonomické v Praze Ota Novotný však upozorňuje, že s rozšiřováním počtu firem, které datovou analýzu používají, přibývá – bohužel – i těch, jež mají v datech nepořádek. „Naším cílem je rozšířit dovednost ‚uklízet‘ v datech mezi co největší počet firem. Stejně jako se dříve rozšiřovalo používání samotné datové analytiky,“ říká Novotný.

Expert poradenské společnosti KPMG na data a umělou inteligenci Ondřej Michalák říká, že někdy je lepší sbírat dat méně, avšak pořádně, než mít přehršel údajů, ale méně kvalitních. „Pomáhá, když mají firmy jasně určeno, kdo za data zodpovídá. O celé datové prostředí by měl pečovat datový ředitel, který by jim neměl rozumět jen po technické stránce, ale hlavně po té byznysové. Úplně nejlepší je, když na něm neleží úplně vše a datová gramotnost je rozšířená napříč firmou,“ říká Michalák. Neznalost kvality a významu dostupných dat patří podle něj k nejběžnějším problémům. Paralýza analýzou Kvůli rostoucímu objemu sbíraných dat bez dostatečného třídění však podle Novotného často nastává spíše „paralýza analýzou“. „Analytici se v datech většinou slušně vyznají, ale řadoví zaměstnanci to tak jednoduché nemají, pokud jim právě analytici nepřipraví vhodné vstupy,“ upozorňuje Novotný. Situace se podle něj nezlepší, dokud analytické dovednosti nezíská nebo nebude používat většina zaměstnanců. Jinými slovy, je třeba školit pracovníky na různých pozicích, aby i oni získali povědomí o využití, správě a ochraně dat.

Vedle spolehlivých čísel jsou však podle Michaláka důležité také datové vizualizace. „Obrázek řekne víc než tisíc slov nebo tisíc čísel,“ připomíná Michalák okřídlené, ale platné rčení. Při zpracování velkých dat poroste do budoucna dál i role umělé inteligence. „Je obvykle schopná lépe a rychleji odhalit vzorce, které se v datech odrážejí. Analýzy většího množství dat, které dříve končily ‚jen‘ nějakým expertním odhadem, mohou díky umělé inteligenci přinést přesnější výsledky,“ říká. Někdy je produkt firmy přímo závislý na využití strojového učení. Třeba Spotify, YouTube či Instagram využívají algoritmy k vyhodnocování nejrelevantnějšího obsahu pro daného uživatele. Jinde, třeba v automobilovém průmyslu, se snaží využít data, která generují vozy či výrobní zařízení, k optimalizaci výroby či nabídce nových služeb. „Umělá inteligence může například po přečtení provozních dat automobilů doporučit návštěvu servisu. Nebo dokáže bez zapojení člověka odhalit z netypických zvuků motoru možnou poruchu,“ přibližuje Michalák.

Umělá inteligence může na základě dat pomoci třeba i při hledání úspor CO2, optimalizuje spotřebu materiálů, dopravy, odpadu a ostatních zdrojů oxidů uhlíku, upozorňuje zakladatel společnosti Green0meter Karel Kotoun. Význam umělé inteligence by však při snaze o zvyšování datové kvality nepřeceňoval.

„I přes rostoucí investice do nástrojů a strategií pro správu dat je stále výzvou zajistit jejich konzistenci a aktuálnost, zejména vzhledem k neustálým změnám a růstu datových zdrojů. Data se totiž mění a jejich objemy rostou, což znamená, že potřeba neustálého monitorování a úklidu nikdy nekončí. Umělá inteligence nám v boji s datovou kvalitou pomůže, ale spásu nepřinese,“ říká Kotoun.