Podcast

Dobrý den, mé jméno je Jirka Vicherek a vítám vás u dalšího dílu DataTalku. Dnes je mým hostem Ivan Dovicá. Ahoj, Ivane.

Ahoj, děkuji za pozvání.

Ivane, ty jsi založil a nyní spoluvedeš fintechovou firmu Dateo. Pomáháte bankám pracovat s jejich platebními daty a tím zlepšujete jejich služby pro koncové zákazníky, držitele karet a bankovních účtů jako jsem já a naši posluchači.

Než se pustíme do Dateo, jak funguje datově i technologicky a co vlastně děláte, mohl bys prosím představit sebe a jak ses dostal do fintechové firmy tohoto typu?

Určitě. Tak samozřejmě nakonec to byla nějaká náhoda. Já jsem vystudoval Matfyz a informatiku, poté jsem se věnoval výzkumu a vlastně aplikované matematice v Berlíně. Tam jsem optimalizoval letadélka, a po návratu mě tato oblast stále zajímala, ale trh na to nebyl příliš vyzrálý, řekněme to tak.

A v jakém roce to bylo? V jakém roce jsi optimalizoval letadélka v Berlíně?

To bylo nějak kolem roku 2008, 2009, 2010, to už je dávná minulost, takže přesně nevím.

A poté jsi nějakou dobu strávil v management consultingu v BCG.

Ano, přesně. Po odchodu jsem nevěděl, co se sebou, a tehdy jsem potkal Ondru Knuta, druhého zakladatele, který také pochází původně z BCG. On v rámci jednoho projektu pro banku mapoval inovace v bankovnictví a tam právě narazil na myšlenku Cardlinked Marketingu, kterému se věnovala jedna americká firma. A to nás zaujalo, řekli jsme si, že to zkusíme u nás.

Takže to bylo kolem roku 2013?

Ano, rok 2013, kdy jsme se rozhodli do toho jít naplno. Dateo má tedy již devět let.

To je docela dlouhá doba, přesto si myslím, že termín Cardlinked Marketing je známý spíše marketérům, rozhodně ne datovým specialistům ani obecně retailu. Podle mě si pod zkratkou CLO mnoho lidí nic nepředstaví. Jak bys to tedy přiblížil? Jaký je vývoj tohoto trhu a o co vlastně jde?

Je to tak. Myslím, že Dateo je tak trochu podprahová služba, protože vše, co poskytujeme, je wide label, tedy vlastně lidé ani nevědí, že nás používají. Cardlinked Marketing – náš hlavní problém byl, že nikdo vlastně nevěděl, co to je, jak to funguje a co to dělá. Část našeho byznysu tedy bylo vysvětlit retailu, že existuje možnost dělat cílený marketing, který lze změřit.

Kdybychom měli posluchačům představit Cardlinked Marketing na příkladu, tak když si vezmou své mobilní telefony a najdou v nich svou bankovní aplikaci, u některých z nich najdou produkty, které využívají CLO. Nejjednodušší je to vysvětlit na příkladu zákazníků České spořitelny, kteří používají produkt MoneyBack – to jsme my. U UniCreditu se to jmenuje Ušetřeté a v Airbank jsou to odměny za platby.

Celé to spočívá v tom, že pokud se klient zaregistruje do programu, začneme dostávat jeho platební data, na základě kterých dostává cílené slevy, většinou cashbackové. Stačí si je aktivovat, člověk zaplatí kartou v obchodě a na konci měsíce mu připíšeme cashback zpět.

Je to velmi příjemné pro klienta, jednoduché, nic nemusí nikde ukazovat a vlastně si může i zapomenout, že si slevu aktivoval. Hlavní hodnotou jsou však data – retailer má měřitelný dopad svých kampaní, může segmentovat nabídky, různé segmenty klientů mohou mít různé typy slev. Může se změřit výsledek kampaně, zda slevy skončily, zda klienti zůstali či odešli. To je to „wow“ na celém tom systému.

Jak moc vlastně řešíte ten marketplace? Předpokládám, že celou nabídkovou stranu těch doporučení vy přinášíte?

Ano, děláme to end to end. Nejprve se musíme dohodnout s bankou, aby integrovala danou službu do své aplikace, poté vytvořit trh se slevami. Máme tedy v každé zemi, kde působíme, obchodní tým, který komunikuje s retailery a dohoduje slevy. Řešíme Alberty, Lidly, Kauflandy a další, aby nám poskytli marketingové akce.

Celý proces zpracováváme a vyhodnocujeme.

A jak je Dateo velké?

Je několik metrik. Máme asi 100 zaměstnanců. Klientů, kteří využívají Cardlinked marketing, jsme překročili tři miliony. Působíme na pěti trzích: Česko, Slovensko, Maďarsko, Rakousko, Rumunsko, a brzy přidáme Chorvatsko. Partnerů, kteří na platformě mají nějaké slevy, je aktuálně přes 500. Takže jste dost velcí a rozjetí. Co je ta magie? Bavili jsme se o tom, že máte víc use caseů, datově je to zajímavý a velmi enterprise trh. Co je „wow“ faktor? Proč se Dateo tak daří?

Myslím, že „wow“ je postaven na základech, a to jsou data. Když jsme začínali, bylo nám jasné, co chceme dělat – poskytovat slevy, vyhodnocovat. Byli jsme překvapeni, jak velký chaos je v datech.

Kartová data jsou krásnou informací o chování klienta, ale jsou neštrukturovaná. Banka je dostává jen jako text, a každý text vypadá jinak. Dokonce i od jednoho obchodníka se textové popisy liší, takže to je jeden velký chaos. My jsme začali data uklízet a myslím, že jsme se to naučili velmi dobře – to je základ celého úspěchu.

Díky tomu dnes velmi dobře vidíme do dat a umíme kampaně správně změřit a nastavit. Z toho jsme vytvořili náš druhý produkt Tapix, což je API, které bance dodává informace o platbách.

Paradoxně banky tato data mají desítky let, ale používají nás, aby jim řekli, co vlastně stojí za platbou, například že platba proběhla v Tesku na Národní a Tesco jsou potraviny.

Jaký je tedy vstup, co banka dostane, když zákazník zaplatí kartou v obchodě, a co s tím vy dále děláte?

Kartové platby jsou do určité míry unifikované na celém světě, existuje ISO standard, pod kterým fungují Visa, Mastercard a další. Součástí jsou i informace o obchodníkovi, městě a další. Tyto údaje si však každý obchodník nastavuje sám, takže když otevřete kavárnu a pojmenujete ji třeba „Vicherek“, tak to tam prostě bude uvedeno, ať už je to tak správně, nebo ne.

Klienti se pak dívají na tyto informace. Dále jsou tam další pole, která identifikují terminál, a další data, o kterých ani nevíme, co všechno obnášejí.

To tedy banka dostane a část z toho zobrazuje klientům. My tato data přetváříme na strukturované informace o obchodníkovi a pobočce.

Proč s tím banky do nedávna nic nedělaly? Protože kvalita dat byla špatná?

Částečně to je dáno dobou. Často se stává, že někdo začne s něčím příliš brzy a jde určitým směrem, a když začne někdo později, může přeskočit některé fáze.

Historicky banky očekávaly klasifikaci, například jestli jde o potraviny, oblečení atd. My jsme byli naivní a chtěli vědět přesně, kde se platba uskutečnila.

Trochu jsme tedy změnili zadání a dodnes nad tím iterujeme asi sedm let. Začali jsme ručně, stále se na to díváme, ale nyní většinu věcí již neřešíme ručně.

To je asi ten rozdíl – banky obvykle fungují projektově, něco chtějí udělat, udělá se to, hotovo, jde se dál. Ale tady je potřeba postupné zlepšování.

Dnes máme daleko více dat než jakákoli banka a jsme platformou schopnou na to investovat více času než jakákoli banka samotná, i když jsou velmi velké.

Dnes máme asi 18 klientů, kteří používají tuto datovou službu, 12 bank používá Cardlinked Marketing, takže dohromady cca 30 institucí využívá tyto obohacené data.

Kam jste to s těmi daty dneska dostali? Co vlastně Dateo s těmi daty dělá?

Začnu možná od začátku. Jak jsem říkal, prvním krokem bylo, že ještě než jsme měli klienta, tak prvé dva roky jsme vůbec klienty mezi bankami nehledali.

Vzpomínám si, že jsem poprosil kamarády a známé na sociálních sítích, jestli mi neposkytnou výpis své historie z bankovnictví. Nebylo to příjemné, ale našlo se pár odvážných, kteří nám data dali, abychom mohli začít s čištěním.

Ze začátku to stačilo k pochopení, co v datech je a co není, ale jak to rostlo, nebylo to už udržitelné pouze ručně.

Jaké byly vaše nejčastější úkoly při práci s daty?

První věc, co každého napadne, kterou i často vidíme i v bankách, je používání regulárních výrazů – když se objeví „Tesco“, řeknu, že jde o Tesco. Ale v první verzi se pak zjistilo, že „Tescoma“ se chytla také a třeba to není správné.

Takže bylo potřeba to vylepšovat, protože je spousta výjimek a detailů, jak to přesně dělat.

Další věc, která nás zajímala, byla konkrétní pobočka – člověk ví „Tesco“, ale kde přesně? Přemýšleli jsme, zda existují nějaké zdroje dat, které by to řekly, nebo musíme si to vypočítat.

Když má člověk hodně dat, často algoritmy odhalí zajímavé informace.

K přístupu jsme přistoupili selským rozumem: když jsme viděli, že nějaký postup opakujeme, dá se algoritimzovat.

Takže jsme to zalgoritmizovali a člověku zbyly jen složitější případy, které na první pohled nešly zpracovat. Ty jsme pak zkoumali a část se podařilo také vyřešit. A tak stále pokračujeme až dodnes.

Velmi důležitou částí jsou pak kontroly. Když algoritmus běží, je třeba zkontrolovat, zda pracuje správně.

Často je potřeba jiné pohledy nebo přístupy, které potvrzují či vyvracejí vypočtené informace.

Tím vzniká celá mašinérie algoritmů a postupů, které tvoří něco složitého.

Můžeš uvést nějaký zajímavý příklad těch struktur, algoritmů nebo situací, kdy jsi myslel, že se něco snadno algoritimzuje, ale ve skutečnosti je potřeba lidská kontrola?

Mohu uvést genezi či hlubší pohled například na geolokaci.

Když máme souběžné platby klienta, třeba dvě zaplacené pět minut po sobě, u jedné známe pobočku, u druhé ne.

To nám naznačuje, že první bude někde poblíž.

Tento přístup funguje dobře zejména v centrech měst.

Problém nastává, když jsou pobočky blízko u sebe – třeba na metru, protože klient pak může zaplatit po 10 minutách výrazně vzdáleněji.

Dále existují e-shopy, které v datech nejsou označeny jako e-shopy, ale poznáme to podle toho, že lidé během pěti minut mohou zaplatit kdekoli v republice.

Takže kontrolujeme i úplně jiné parametry jiným přístupem.

Dalším příkladem jsou čerpací stanice na dálnicích, kde do 5–15 minut v okolí není žádná další platba.

Na takových detailech poznáváme, že lze identifikovat více situací a existují výjimky, které ale nejsou problémem, spíše přinášejí další možnosti.

A upgraduje ti to model, nebo je to spíš další část rozhodovacího stromu?

Ne, není to důvod vyřazovat nějakou situaci, spíše se s tím musíme naučit žít a využívat to v náš prospěch.

Přímé využití těchto parametrů je otázkou.

Například lokalizace nám může pomoci ověřit, zda je obchod označen jako e-shop a zda tomu tak skutečně je.

Celý systém se tak skládá a navzájem doplňuje.

Pokud se napojím na vaše Tapix API, jak jsou data aktuální? Jsou včerejší, nebo třeba i novější, když provedu platbu kartou?

Data jsou poměrně čerstvá.

Produkujeme aktualizace několikrát týdně.

Obvykle trvá pár dní, než transakce dorazí k nám.

Každá banka nám data posílá v reálném čase, ale reálná dostupnost klientům je v řádu dnů, v nejlepším případě do 24 hodin.

Mám pocit, že s těmi daty děláte spoustu manipulací a používáte mnoho chytrých triků. Jak se dá nakonec ověřit, že výsledky jsou správné? Jak moc je to váš pohled a jak moc je to pravda?

To je dobrá otázka.

Je to úplně jiný přístup než například u datového skladu, kde musí všechno přesně sedět, zejména u finančních dat.

My pracujeme často s pravděpodobnostmi.

Jsme v tomto velmi konzervativní – pokud si nejsme něčím jistí, tak to do systému nedáváme.

Na trhu jsou firmy, které tvrdí, že mají confidence level například 80 %, což je moc nízké, protože klient nechce, aby každá pátá transakce byla označena špatně.

Není to nikdy na 100 %, ale vždy se snažíme kvalitu posouvat.

Když se například ukáže, že jsme někde chybovali, musíme to opravit a zároveň se z toho poučit, aby stroj poznal, že tam je problém a příště se nezopakuje.

Jak benchmarkujete kvalitu?

Benchmarkujeme ji podle počtu reklamací nebo návrhů na vylepšení.

Někdy to není chyba, ale spíše doplnění informací, které tam chyběly.

Dnes máme zhruba jednu chybovou transakci na šest milionů zpracovaných.

To je myslím velmi dobrý výsledek, ne?

Mně to samotné nic neříká. To je těžké, protože hodně záleží na tom, jak jsou klienti aktivní v nahlášení těch chyb, ale myslím si, že to je dost dobré. Podle toho, jak to, Ivane, popisuješ, to zní jako pár chytrých triků dohromady, nějaký rozhodovací strom a vlastně relativně datově jednoduchá úloha.

Přesně tak. Vypadá to tak, ale já si myslím, že v tom je ta velká hodnota celého projektu. Na první pohled to působí jako něco velmi dobrého, velmi robustního. V dnešní době je to extrémně aktuální téma. Lidé si často myslí, že vezmou data, nahází to do nějakého stroje, pustí na to deep learning a z toho vypadne něco úžasného. Ale realita je často úplně jiná. My máme dokonce nějaké neuronové sítě, ale ty jsou určené pro města, kde byste je vůbec nečekal.

Vůbec nám nepomáhají při prvotním dohledávání těch věcí, spíše naopak při kontrolách. Právě to „wow“ efekt je o těch inkrementálních změnách, o celém frameworku a jednotlivých částech a vlastně celý systém stojí a padá na pochopení problému.

Takže to všechno stojí na celistvosti, že jde o problém platebních dat. Myslím si, že nejvíce nám pomohlo pochopení toho, kde a jak ta data vznikají, že si je lidé nastavují sami, že banky je reálně jen přeposílají dál, a také jakým způsobem jsou vydávané terminály a jak jsou obnovovány.

To znamená vlastně jen pochopení reality a toho, jak se data vážou právě na ni, což nám strašně pomáhá. V podstatě je to triviální věc, ale velmi často vidíme, že bez pochopení základů čehokoliv je těžké vybudovat něco funkčního.

Mám pocit, že na start-upovém technologickém trhu vznikají věci, které by nevznikly, kdyby se člověk přišel zeptat svého klienta. Chtěl bych říci, že právě v tom vidím velkou hodnotu – podívat se na to, jak to funguje v reálném světě, u reálných uživatelů, pořádně si ušpinit ruce. Mnoho technologických a datových lidí udělá cokoli, aby do té reality nemuseli vstupovat. Vybírají si polovinu internetu a zkouší různé algoritmy, místo aby si koupili chleba a sledovali, co dělá pekař.

Ano, přesně to je ono. To je to, co vidíme v bankách. Banky chtějí pracovat s těmi daty, ale nechtějí si ušpinit ruce, a proto je tam ten „disconnect“.

Obrovská hodnota, na které Datajho stojí, je právě chápání těch platebních dat, jejich čištění a zpracování do podoby, se kterou může banka nebo finanční instituce dále pracovat. Toto máte zabaleno pod názvem Tapex, že?

Ano. Je to vlastně API, samostatný produkt, který si i obchodně žije svým životem. Cardlink Marketing je velmi zaměřený, jde vlastně o platformu zaměřenou na retail, takže jsme v několika zemích a tam musíme vybudovat mnoho klientů i retailových partnerů. Naopak Tapex je univerzálnější, dnes je používán různými institucemi po Evropě a na Blízkém východě. Největšího klienta má v Jordánsku, to je vlastně ten Tapex.

Tam obohacujete databázi banky o věci, které jste si v průběhu procesu obohatili jako prodejní metriky?

Ano, to nám zase přineslo další problémy kvůli jinému jazyku, jinému fungování a podobně.

Super, a teď se dostáváme k vašemu velkému produktu, který není SaaS, ale je velmi partnerský a implementační – Cardlink Marketing. Co se s těmi daty pak děje? Segmentujete skupiny podle toho, jestli nakupují, nebo co o těch lidech víte? Co s tím děláte vy, nebo retaileři?

V Cardlink Marketingu jsou ta data základní „potravou“, se kterou se pracuje, ale největší hodnota spočívá v pochopení retailerů, jak funguje jejich byznys, jaké jsou jejich cíle a jak navrhnout funkční kampaň a následně ji vyhodnotit. Ty data jsou k tomu samozřejmě nezbytná, ale celý ten proces stojí na porozumění retailu.

Kdybych byl třeba Tesco nebo jiný retailový řetězec a přišel za vámi s požadavkem na kampaň, jak vypadá ten proces?

Nejdříve je třeba pochopit, jaké jsou cíle daného retailera. Ty se během roku mění, mají různé fáze – někdo vstupuje na trh a chce o sobě dát vědět, někdo už je zavedený, má velkou část trhu a chce podpořit retenci, nebo naopak chce získat nové klienty. Nejčastěji je to tak, že s námi přicházejí s novým druhem marketingu, novým kanálem pro ně. Je to určitě nový kanál.

Jako příklad mohu uvést design kampaně na přivedení nového klienta do obchodu, který mu nabídne zajímavou slevu, třeba 10 %.

Když klient už nakupuje, bylo na začátku poměrně obtížné ukázat, že v těchto „aktivních“ klientech je větší potenciál než v těch, kteří k vám vůbec nechodí. Mnoho klientů sice chodí, ale nakupují i jinde, a pokud je trochu motivujete, přesune více svých výdajů právě k vám, než noví klienti, co přijdou zvenku. Je to takzvané „nízko visící ovoce“, které lze snadno sebrat. Nabídka pak vypadá jinak – motivuje k větším nákupním košíkům a podobně.

Ano, to jsem si všiml i ve svých odměnách, kde jsou většinou nějaké tréninky, například 500 korun nákup, a podobně. Zdá se, že zvyšujete objem nákupů. Ano, je to o pochopení cílů, segmentaci klientů a nalezení win-win situace. Na plošnou 10% slevu klientům, kteří často nakupují, to pro obchodníka nemusí být úplně výhodné. Naopak klient, který tam nechodí a dostane třeba nabídku 2 % slevy až po čtvrtém nákupu, ho to příliš nedostane. Proto je důležité najít průnik.

Jsme schopni dělat také A/B testovací kampaně, díky kterým lze zjistit optimální výši slevy. Ta musí být nejen zajímavá pro klienta, ale zároveň musí umožnit obchodníkovi slušnou marži. Možností je hodně, a to i geograficky, kdy slabší regiony potřebují podporu.

Máte nějaké konkrétní klienty, případové studie?

Největším klientem v České republice je Albert, se kterým spolupracujeme už roky. Obecně pak patří potraviny mezi největší výdaje lidí, a na druhém místě jsou pohonné hmoty. Proto s nimi spolupracujeme také, konkrétně s Benzínou a myslím i s Orlenem. Máme tak pokrytých těch největších partnerů.

Pro vás jsou ti největší klienti zároveň nejzajímavější, protože mají silné značky a slevy, které přivedou klienty k používání vaší aplikace, že?

To máš pravdu. Zároveň nakupující klienti jsou pro nás zajímaví kvůli vysoké frekvenci nákupů, což souvisí také s potřebou a celkovým výdajem klienta v retailu.

A pracuje s tím pak nějak banka, nebo banka k těmto údajům nemá přístup, protože vše probíhá na vaší platformě?

Celé to probíhá na naší platformě. My samozřejmě na základě smluv víme, co s daty smíme a co ne, ale celkové vyhodnocování dat kampaní děláme my. Ano, děláme to kompletně my.

A kdybys, Ivane, založil banku a chtěl tam mít svůj věrnostní program a oslovil vás z její strany – jak by to fungovalo?

To je už větší projekt, protože pro banku je to velká věc. Produkt je velmi viditelný a týká se banky na mnoha úrovních. Typicky to trvá devět měsíců až přibližně rok, taková integrace. Zahrnuje nastavení datové výměny, API a také školení zaměstnanců banky a nastavení procesů mezi námi. Když například zákazník zavolá na call centrum a nahlásí, že mu nefunguje nějaká sleva, musí tamní pracovníci vědět, o co jde, kde to je a jak komunikovat s námi. Je to tedy komplikovaný projekt.

Technicky, jak probíhá implementace?

Jsou dvě části. Jedna je datový tok, druhá integrace do frontendu. Datový tok je klasická datová výměna – v denních dávkách dostáváme data. Doposud jsme to řešili jako API, nyní finišujeme vývoj SDK, takže by to měly banky mít jednodušší a flexibilnější.

A s tím samotným produktem mluvíte – sledujete, jak funguje, dáváte zpětnou vazbu?

Určitě zpětnou vazbu dáváme. Produkt je však majetkem banky a oni mají zpravidla poměrně silný názor na to, co a jak má být. Mají vlastní guidelines. My se snažíme proces řídit a vyhnout se opakování stejných chyb. Máme za sebou mnohé zkušenosti, takže neustále vylepšujeme.

Mám pocit, že se vám podařilo něco výjimečného. Stát se integrálním partnerem tradičních regulovaných subjektů jako jsou banky, dostat se k platebním datům a stavět nad nimi produkt, to není jednoduché. Co je podle tebe klíč k úspěchu? Tohle znám od mnoha hostů i kamarádů z enterprise segmentu a vím, jak bolestivé to může být.

Je těžké pojmenovat jednu věc, ale nejvíce vidím vytrvalost. Už jsem na začátku říkal, že nám trvalo dva roky dohodnout se s první bankou, oběhali jsme banky se slidami. Pak nám trvalo skoro další dva roky přidat další banku. V enterprise segmentu je čas nutný. Kdo to zkusí a po půl roce vidí neúspěch, vůbec to nic neznamená, protože půl roku to jde všem špatně.

Důležitý je samozřejmě i produkt samotný, jeho nabídka. Z našeho pohledu je to win-win-win situace – retailer získá kanál, přes který komunikuje s klienty, klienti získávají slevy a banka je prostředník, který vše zjednodušuje, protože je to na její kartě.

Ale je třeba říci, že enterprise segment je náročný, a pokud se to podaří, stojí to za to. Pamatuji si diskusi s jedním potenciálním investorem, kterému vadilo, že náš byznys má charakter 0–1 – buď prolomíme banku a funguje to, nebo ne a nemáme nic. Feedback loop je velmi pomalý.

Ano, je pomalé, ale má to výhodu – když se to podaří, dostalo se to k milionům klientů najednou.

Produkt by šel spustit i jako B2C, s vlastním appkou, díky PSD2. Člověk si tam připojí data a vydává cashbacky.

Ale pro nás to není tolik zajímavé, protože dostat do samostatné aplikace dva miliony lidí v Česku, aby tam chodili pravidelně, se nezdá realistické.

V bankovní aplikaci jsou ti lidi věrní a mají tam návštěvnost, což dává smysl, protože se to vztahuje k nákupům a finančnímu stavu, a je správné, že ta aplikace klientovi dává smysl.

Zmínil jsi PSD2, jak moc pro vás znamenala, jak to vnímáš?

PSD2 zatím moc nevnímáme. Myslím, že svět tím zatím změněný nebyl, alespoň v naší oblasti, ale vidím v tom velký potenciál. Otevírá data novým firmám a umožňuje jim s nimi pracovat.

Každý trh má několik bank, které nějak inovují. Díky PSD2 vznikají stovky tisíc startupů, které mají přístup k datům a příležitost něco zkoušet. Z dlouhodobého hlediska to přinese mnoho zajímavých produktů a nápadů.

Pro vás tedy není PSD2 zásadní, protože data máte přímo od zdroje, nedostáváte je přes uživatele?

Ano, přesně tak.

Pro Tapex je to příležitost, protože startupy více než kdokoliv jiný potřebují pracovat s daty.

Vytváří to nový trh nebankovních institucí? Neobanky jsou banky?

Neobanky jsou spíše fintechy, zaměřené na řízení výdajů a rozpočtů.

Mně se na tom líbí z vašeho pohledu, že jste našli bohatý zdroj dat, který nikdo efektivně nepoužíval, a přitom může generovat hodnotu všem stranám trhu.

Vidíš nějaké podobné příležitosti i jinde?

Mně přijde zajímavý směr health tech. Vidím tam obrovský potenciál.

Dnes je naše zdravotnictví ve stavu, který bych označil za zpátečnický, protože nemáme data, nesbíráme je a nepracujeme s nimi. Bez velkého pokroku v biologii samotné si myslím, že data by mohla výrazně posunout oblast zdravotnictví.

Kdybyste teď nedělali Datajho, šel bys do medtechu?

Určitě bych o tom uvažoval, ale bojím se, že by to mohlo být ještě složitější než práce s bankami, protože zdravotní záznamy jsou ještě citlivější záležitost. Navíc není jasné, zda jsou k dispozici digitálně, kde jsou a co všechno bychom potřebovali.

Ale myslím si, že je to obrovská příležitost do budoucna.

A co budoucnost Datajho? Co vás teď čeká, jaké máte plány na příští rok?

Jedním z hlavních plánů je růst. V obou produktech vidíme velké příležitosti, zejména ve světě, takže to nás zaměstnává hodně.

V Tapexu je to stále růst databáze a všeho kolem ní. To je samo o sobě problém – škálování, pochopení dalších trhů a všech souvisejících věcí.

Také aktualizace dat. Když má člověk produkt ve fázi, kdy už není úplná novinka, musí začít řešit věci, které v krátkodobém horizontu vůbec nevnímal jako problém.

Například?

Například zastarávání informací, změna loga firmy, rebranding. My to musíme zachytit a aktualizovat. To už máme vyřešené, ale je tam spousta dalších výzev.

A co u Cardlink Marketingu?

Tam vidíme příležitosti v dalších produktových funkcích. Jít více směrem k tomu, co retailer očekává, hlavně ti velcí retaileri, jak komunikovat s klientem a jak ještě zlepšit produkt.

Co to znamená? Nějaké jiné než cashbackové nabídky?

Například ano, nebo další možnosti…

Vať tým konkrétním položkám. Například přinést slevu na, nevím… čokoládu, mléko. Ano, například být schopný komunikovat slevy na různé kategorie, nebo konkrétně na jednotlivé produkty. Znovu způsobem, který nebude obtěžovat klienty, protože ani my, ani banka nemáme zájem, aby klient ve svém feedu viděl 40 položek od jednoho partnera na modrý svetr, na žluté ponožky a tak dále.

Takže zlepšit ještě to propojení mezi tím klientem a tím prodejcem. Držím vám moc palce, dále vás budou s radostí používat. Za mě jste takový skrytý drahokam českého fintechu a přeji hodně štěstí. Děkuji.

Děkuji, že jste doposlouchali Datatalk až sem. Jak se vám tato epizoda líbila? Co byste na našem podcastu zlepšili? Koho pozvat příště? Dejte mi prosím vědět, co si myslíte. A to můžete buď osobně na příštím Datamex meetupu, nebo hned teď na mail jirka-datatalk.cz. A pokud se vám tahle epizoda líbila, doporučte ji prosím dál. Klikejte na srdíčka, na hvězdičky, dávejte subscriby, ať nám svítí dashboardy zeleně, křivky dělají hokejku a všichni stakeholdeři schvalují extra budget.

Ještě jednou vám děkuji. Poděkování patří také mým kolegům, Nikovi a Iris, stejně jako členům našeho partnerského klubu, Big Hubu, Deep Note, Atakamě a Mantě. Pokud máte návrh, nějaké tipy na hosty či témata, pořádáte vlastní akci nebo byste chtěli datovou komunitu podpořit jinak, určitě mi dejte vědět. Děkuji. Nechť vás provází tata.