Podcast

Dobrý den, jmenuji se Jirka Vicherek a vítám vás u dalšího dílu Datatolku. Mými dnešními vzácnými hosty jsou dva seniorní datoví konzultanti ze společnosti Logio, a to Filip Vondruška a Jiří Dědeček. Ahoj kluci.
Ahoj, dobrý den. Čau.

Pro mě je Logio jedna z takových legendárních českých technologických firem. Částečně proto, že v mé osobní zkušenosti jsem byl u toho, když kluci investovali do Stories, a celý příběh Stories je fascinující. Myslím si ale, že vlastně na tom trhu nemáte úplně tak hrozně mnoho vyhlášených firem a že se stane, že spousta našich posluchačů Logio slyší poprvé, nebo si vás nezařadí, co vlastně děláte. Tak kluci, představíte trošku vaši firmu?

No tak Logio je firma, která se primárně zabývá hezky něčím, co se říká supply chain, což možná právě proto není tak úplně etablované v tom světě třeba našich posluchačů, protože to je trošku téma, které zní divně. Nicméně každopádně je to firma, která rozhodně spadá do datové analýzy a do toho poolu témat, protože v principu jsme data-driven společnost. Logio je firma, která má dvě divize. Máme nějaký svůj software, který ten supply chain řídí, o tom se ještě asi budeme bavit. A pak máme spoustu konzultantů, kteří pomáhají firmám prakticky s jakýmkoliv tématem a nemusí to být jenom supply chain.

Ano, myslím, že jsem to popsal dostatečně, Jirka mě asi doplní.

Jo, pro mě Logio bylo vždycky super v tom, že když jsem přicházel, tak OK, přicházím do nějaké technologické společnosti, která dělá consulting, nicméně ten consulting dělá trošku jinak. Dělá ho na základě matematiky, na základě tvrdých dat, tak aby rozhodnutí byla racionálně odůvodněná, aby to nebylo jen o kecání, že někdo má nějaké zkušenosti, ale aby to bylo maximálně podložené daty, v nichž je ta pravda. To pro mě bylo vždy extrémně důležité a to je možná to, v čem je Logio trochu jiné než jiné konzultační společnosti.

No a když si představíme vaše zákazníky a ty nejčastější problémy nebo poptávky, které na vás chodí?

Zase ten supply chain, k tomu se dostaneme, protože je dost široký. Mluvili jste tady o prastrojích, o retailu a o FMCG věcech. Ano, je tam i celý automotive, což je taky velké téma pro nás. Ale už děláme i pro e-commerce, i do služeb občas zabředneme. Takže začínáme to rozšiřovat a ten supply chain není jediné téma, které Logio dělá, protože data vlastně jenom použiješ na jinou otázku a pak díky datům na tu otázku odpovíš. A vlastně nám začalo, když jsme se s daty více začali pracovat na projektech, zjišťovat, že to můžeme použít i na jiná témata než jen supply chain, abych ti odpověděl.

Super. A než se vrhneme na to, co vlastně supply chain znamená, jak je to široké téma a jaké to má dopady na vaši práci, povíte nám, jak jste se dostali do Logia? Jak dlouho tam jste? Jaká byla vaše cesta?

Já jsem do Logia nastoupil zhruba před sedmi a půl lety. Stalo se to tak, že na Vysoké škole ekonomické přišel na přednášku jeden z našich seniorních konzultantů a začal tam vyprávět něco o simulacích, forecastingu a matematických metodách obecně. A protože jsem to studoval, říkal jsem si, jo dobré, tady existuje nějaká společnost, která to dělá, tak možná tam budu mít uplatnění s tím, co jsem se naučil. Šel jsem na pohovor, který byl strašně příjemný, nastoupil jsem a hned první den mě kolega poslal k datům. Poprvé jsem viděl data, která byla větší než 20 megabajtů, konkrétně to mělo asi gigabajt, byly to nějaké retailové prodeje. U pohovoru jsem trošku lhal, že umím Python, a teď mi řekli, že R se moc nepoužívá, ale používáme Python, tak abych s tím začal pracovat. Byl jsem zvyklý z korporátů, kde všechno trvalo pomalu, že notebook dostaneš za dva měsíce. A tady jsem dostal notebook hned první den a začal zpracovávat data, dostal jsem kontext a ten člověk, který mě nabíral, odešel k zákazníkovi, a nikdo jiný tu neuměl Python. Tak začala moje cesta, kdy jsem se pomocí googlení a podobně naučil Python.

Postupem času, jak trh a projekty vyžadovaly větší a detailnější analýzy a rostla datová základna u zákazníků, bylo to stále nutnější. Postupně jsem rostl ve společnosti až do pozice seniorního konzultanta, který rozumí jak datům, tak výrobě, logistice a obecně supply chainu. Ale k tomu se ještě dostaneme.

A na jaké škole tě odchytili?

Na VŠE, na čtvrté fakultě, Ekonometrie a operační výzkum. To je ta pravá fakulta, která za něco stojí.

Já jsem studoval druhou fakultu, mezinárodní obchod. Nevím proč, máma si myslela, že to je asi nejlepší cesta, jak zbohatnout. Pak mě to začalo nudit, když jsem se přiblížil k datům.

Promiň, já ti do toho skočím. Na té fakultě je skvělé právě to, že tam je skvělá kombinace technických dovedností, nástrojů a zároveň byznysu, tedy ekonomiky. Ukázali nám, jak racionálně použít data – nejen na nějaké analýze, ale přímo s konkrétními ekonomickými dopady. Pro mě to byla výborná fakulta, skvělý základ pro život, který je prostoupený daty.

Super, děkuji, Jirko. A co ty, Filipe? Tvůj příběh začal taky na VŠE, ale pokračoval dál.

Mě těší, že jsme oba z Prahy. Já ji také vystudoval, potom jsem dělal controlling a chvíli finance, tam jsem byl vlastně králem účetních. Pak mě to přestalo bavit a přešel jsem k datovým skladům. Byl jsem v nich léta, opravdu správně postupoval podle všech metodik, ale začalo mě to nudit, protože jsem neměl nějakou konkrétní dodávku byznysu. Můj úkol byl udělat datový sklad, který každou noc přepočítá data, proběhne všemi fázemi a nespadne. Ráno nemám zprávu o chybějícím ETL. To mě přestalo bavit, protože výsledkem byla databáze, která byla zdravá, ale mě nezajímalo, co v ní je.

Pak jsem si řekl, že bych chtěl pomáhat data skutečně využívat. Proto jsem odešel do Logia, kde jsem cítil, že se to děje. Nechci říkat, že Logio dělá věci úplně jinak než jiné firmy, ale už nejsem technik, ale řeším byznys, a proto jsem v Logiu, protože tam se věci skutečně řeší agilně. Je tam byznys úloha a odpověď na ni. Udělej to, jak chceš, ale je to o logice a novém mindsetu, tak proto Logio.

Já tam byl o tři měsíce dřív.

Ale já to nevěděl, myslel jsem si, že jsi strašně senior.

Vypadáš mladě, samozřejmě. Já jsem k tobě chodil pro rady a vůbec jsem nevěděl, že tam jsi o tři měsíce déle.

Skvělé. Co řešíte v Logiu dnes? Jaká je vaše role? Když si představíme vaši práci, co všechno máte na starost?

Osobně řešíme většinu věcí spojených s daty a především se supply chainem. Typický příklad: firma dostane byznys plán od mateřské společnosti a ta řekne: „Hele, co doručíte, řekni mi, jaké investice k tomu budeš potřebovat.“ My vezmeme byznys plán, uděláme detailní datovou analýzu, zjistíme, že to znamená tolik a tolik strojů, tolik a tolik skladových zásob, tolik a tolik lidí v budoucnu. Vše spočítáme a nějak odpovíme. Na základě faktů připravíme byznys case, aby firma věděla, kam má investovat a jak se rozvíjet. To je jeden z mnoha příkladů.

Jste solo konzultanti, celý balíček? Nebo jdete ke klientovi a potom se vracíte do vašeho týmu, kde si práci rozdělíte?

Myslím, že máme mikro týmy. Někteří lidé to dokážou zvládnout celé sami, jindy jsou to dvojice či trojice. Jsou i větší projekty, které trvají rok, takže tam na tom pracuje více lidí, ale většinou jde o mikro týmy – dvojice, které si rozumějí a rozdělí si role. Někdo víc data, někdo víc byznys. Záleží na projektu, protože potřebuješ někoho, kdo spočítá data, a někoho, kdo rozumí logistice, regálům, výrobě a procesům.

Většinou tým od začátku funguje jako jeden celek a všichni jsou plnohodnotnými členy projektu. Není to tak, že máme dataře někde v pozadí, který něco spočítá a ostatní to pak použijí. Je to spíš tak, že datař je součástí squad, aby viděl kontext, co počítá, a postupně to sám i prezentuje, protože tomu rozumí a ví, jak to předat zákazníkovi.

Super. Když zůstaneme u skladu, regálů a logistiky, dostáváme se právě do tématu supply chain. Jak vy vysvětlujete tento pojem? Bavili jsme se, že může být úzký nebo velmi široký. Když si vezmeme oblast, do jaké míry pomáháte klientům, co je pro vás supply chain?

Já ti odpovím otázkou, zkus to vysvětlit ty, ať vidíme, jak si to představuje běžný posluchač.

Já doufám, že jsem velmi pod úrovní odbornosti běžného posluchače, proto to dělám, a doufám, že si posluchači časem přejí i odbornější moderátory než jsem já. Pro mě jsou to skladové zásoby. Vždycky jsem měl Logio spojené s nějakými plýtváními a frešovými potravinami, kde je mnoho vstupů. Logistika, aby celý řetězec fungoval, je v tom případě extrémně důležitá, protože jsou tam velké ztráty. Tak jsem tu oblast vnímal. Dále je tu automotive, s tím, že jde o just-in-time výrobu a změny v globálních logistických řetězcích. Ale jak to říkám, přijde mi ta úroveň komplexity a počet různých problémů, které musíme konzultačně podchytit, jako extrémně vysoký.

Kolik má Logio teď lidí?

160. V takovém počtu už to asi můžeme zvládnout, hezky jste vyrostli.

Ano, shrnul jsi to správně, ta témata nám spadají. Ten supply chain je třeba chápat jako proces v kontextu. Tvé měřítko je limit. Když si to představíš jen u jedné firmy, je to nákup, zaskladnění, výroba, skladování a odbyt – to je supply chain jedné firmy. Když na to ale nahlížíš globálně jako na dodavatelský řetězec, vrátíme se k začátku a konci supply chainu, pak jeden konec je zákazník, který konzumuje produkt, který protékal tím supply chainem. Například u FMCG je to potravina. Celý supply chain spočívá v tom, že druhým koncem jsou primární zdroje – vytěžení wolframu, výroba baterie, třeba iPhonu, balení, to vše až po odpad, který vznikne, když iPhone po pěti letech vyhodíš.

Já ho mám vyrovnaný, nechávám v krabici. Vždycky si říkám, že tam jsou nějaká data, která možná ještě někdy vydolujeme. Nedávno se mi povedlo dát se dohromady staré disky z notebooků a objevil jsem fotky bývalých přítelkyň.

To byl asi hezký večer, ale pojďme zpět k supply chainu a jeho měření.

Jedna noha už na hrobě, druhou na slubce, že? Nevím, supply chain narovnám, ale když to zvětšíš jako měřítko, zjistíš, jak je důležité, aby se třeba nákladní loď nezasekla v Suezu a nezastavila dodávky do Evropy. Proč teď ve všech lékárnách chybí antibiotika, například penicilinová?

To je celý supply chain. A je to sice veliký problém, ale pořád proces. Je to materiálový tok, ve kterém je spousta nejistot a modelování se stává zajímavým pro datové specialisty.

Když budeme brát antibiotika v lékárně, nadřazená otázka je, jaká je pravděpodobnost, že bude chřipková epidemie nebo jiná nemoc, a kolik antibiotik tam má být skladem. Jaká je spádovost, kolik lidí chodí do té konkrétní lékárny, aby tam bylo dostatek balení? Jak často se to bude doplňovat? Je logistika včasná? Dostane se antibiotikum do centrálního skladu? Je vyrobeno a schváleno? Musely se třeba tisknout příbalové letáky, které musely být schváleny a trvalo sto let, než povolili novou změnu? To všechno může zdržet celý supply chain.

Na konci zjistíte, že aby v lékárně byl správný počet balení, potřebujete pravděpodobnostní model založený na velkých číslech, který většinou nelze přesně spočítat. My se snažíme aspoň něco vypočítat a mít určitý stupeň přesnosti, abychom trefili správný počet balení. A to může být supply chain.

Nevím, jestli bylo to vysvětlení srozumitelné, ale snad to mělo nějaký konec.

Bylo dostatečně jasné. Můžeš říct, jaké čtyři projekty teď máš rozpracované? Jak moc se liší podle průmyslového odvětví jejich představa a interpretace supply chainu? Jak moc saháš tak daleko, že modeluješ třeba těžbu rudy v Mongolsku? A jak moc jde o běžný byznys, kde se jen připojí datový sklad a počítá se, kam dát palety?

Jeden z příkladů je asi všem známý, a to košík. Tedy klasická dodávka potravin. Třeba v Praze. Je tam mnoho proměnných, ale je to vlastně jednoduchý – nakoupí se, zaskladní, někdo objedná a prodá. Ale i tam je spousta proměnných, zejména u frešových položek v nákupním košíku. Co se k čemu prodává, jak fungují promoce a další specifika FMCG.

Pak je tam automotive, kde…

Ty se sakra vědecky zajímáš o Suez a kde řešíš to, že nejsou čipy, jestli se teďka přeplánuje výroba a jak to ovlivní celou ekonomiku. To je hrozně zajímavé, že Škodovka se rozhodne, že přestane vyrábět tyhle oktávky v tomhle týdnu, a teď to zpoždění, než se tahle informace dostane ke všem dodavatelům jako tier 1, tier 2, tier 3, trvá několik týdnů. Teď oni už zase jedou na jiné vlně a jsou tam ty vlny v ekonomice, které jen proto, že není obyčejný čip, tak se vlastně všichni se zpožděním několika týdnů dozvídáme, že budeme muset plánovat výrobu úplně jinak, protože dodáváme blinkry. Takže to fakt, to měřítko se liší podle zákazníka a občas to může být prostě o rámci časovém, a někdy jde jen o to, jestli ti přijedou papriky a stihneš je zaskladnit a rozvézt po Praze 6. Super, a když ještě, promiň, zůstanu u toho, jak jsi na začátku říkal, že máte dva business modely, jeden je professional services, konzultační – hodinový nebo projektový, a ten druhý je jako SaaSový, vyvíjíte vlastní produkty. Jeden velký software máte, tak ten software řeší, jak velkou škálu toho supply chainu? Je specializovaný, anebo je úplně agnostický a můžeš do něj nahrávat Suez i Wolfram?

Buďme při zemi, máme ten software samozřejmě a je to na úrovni Bistubu, je to end-to-end model toho zákazníka. Dokážeme se posunout trochu dál a třeba rozšířit o nějaká makrodata nebo data o tom, co se děje ještě předtím, ale samozřejmě kvalita těch dat není malá, takže se o to snažíme, známe to, ale…

Takže váš software, Verityco, tak pokrývá vlastně ten interní supply chain. Ano, ano. Super, super, tak to pro mě je jedno vysvětlení. Když teď máš marketing, možná by mě to zajímalo. Ne, umíme to energizovat z obou stran, co se bude dít na úrovni demografie, tak ty řešíš prostě spádovost lidí a to samozřejmě začíná hrát roli. Ale řekněme, ten core se opravdu matematicky děje uvnitř.

Toto jsou ty nejtvrdší věci, samozřejmě manažeři to chtějí, chtějí vidět počasí a plánování piva, tak všichni to plánují podle počasí. Tak do tohoto modelu to dáš, řekneš, že je to tam, a kontribuješ, jinak nic. Ale je to tam.

A vlastně vedle toho velkého softwaru také máme nějaký custom malý nástroj, který vytváříme. Ono to často vzniká tak, že děláme projekt. Ten automotive, o kterém jsme se bavili, tak prostě dřív fungoval tak, že odvolávky, respektive objednávky těch automobilek, byly stálé, nikdo nic neřešil, vyrábělo se, všechno bylo vybalancované. A najednou přišel covid a nevím, obecně teď nějaká krize celého supply chainu. Najednou lidé, kteří byli zvyklí pracovat s určitou trvalostí, zjistili, že teď Škodovka jednou řekne, že bude vyrábět 60 aut, potom 120, další týden, že nic, pak to zase změní, neustále roste variabilita, na kterou dodavatelé nejsou jednoduše připraveni.

A my se díváme na ten proces a snažíme se ho nějak nastavit. Pak řekneme: OK, máte tyhle data k dispozici, pojďme je využít, abyste věděli ve správný čas, kde je problém, co se změnilo, abyste na to mohli reagovat. Doteď jste to věděli spíš pocitově, pojďme ta data využít k tomu, abyste věděli včas, jak reagovat.

A tyto malé softwary vyvíjíme přímo pro zákazníka, protože známe data, která má, a víme, jak je vizualizovat, aby mu to pomohlo. Konkrétní příklad? Automotive, kdy se neustále mění výrobní plány automobilek, což ovlivňuje tier 1, tier 2, tier 3 dodavatele, kteří musí včas vědět, kdy co vyrobit a potřebují maximálně zrychlit informační toky.

Co jsme jim postavili? Nástroj, který bere data o odvolávkách a každé ráno (často i vícekrát za den) je aktualizuje a oni okamžitě vědí, co se změnilo, u jakých výrobků, u jakých zákazníků a jestli se to pravděpodobně ještě změní.

To si uvědomuji jako největší problém v automotive: někdo ve Škrovce rozhodne přeplánovat výrobu a než se to rozšíří dodavatelským řetězcem, což je značný procentní podíl HDP, trvá to týdny. Dodavatel plastových výlisků se pak dozví, že v dalším kvartále to bude jinak, takže nebude potřebovat stroje, které koupil před dvěma lety. To je strašně složitý proces.

To, co Jirka popsal, je snaha dodat traceability a říct základníkovi: Hele, už se to láme, ještě dřív, než se to projeví v datech, protože sentiment chytíme algoritmy, které vykazují, že Škodovka bude přeplánovávat, protože poslala nízké odvolávky, potvrdí to další týden a situace se může ještě zhoršit.

Můžeme se dostat i k aktuálním tématům, protože s covidem, brutální válkou na Ukrajině a surovinami mám pocit, že vám a dalším datovým firmám to hraje do karet v tom smyslu, že v nestabilní době musíte více sledovat data. Pětiletka přestala fungovat v komplexním a rychle se měnícím světě. V IT se mluví o tomto světě už dlouho a teď to zažívají výrobní firmy, co znamená dynamicky měnit odvolávky, hledat suroviny apod. To vám asi hrálo do karet, ne?

Ano, jsou z toho úplně nové případy. Jeden z posledních, co jsem řešil, byl případ dodávek do Ruska. Pro jednu firmu jsme řešili potenciální úniky jejich produktů do Ruska přes různé cesty a zjistili jsme, přes které zákazníky v Kazachstánu to teče. Takový případ nikdo předtím neřešil.

Dnes Datař v Praze řeší, že díky sankcím jsou určité produkty, které se do Ruska dostat nesmějí, ale pravděpodobně tam protekly přes Kazachstán. Nemám chuť označovat Kazachstán, ale chci se tam podívat. Ten případ způsobil ukončení kontraktu s jedním dodavatelem či odběratelem, který pravděpodobně přeprodával do Ruska.

Když začal covid, nebo spíš pokračovala válka na Ukrajině s invazí do Kyjeva, znamená to pro vás, že musíte ke všem klientům a začít nultíně doladit modely, protože ty modely jsou optimalizované na minulou situaci, naučené na historických datech, a najednou nastává paradigm shift?

Ne tak modely, ale procesy firmy přestanou fungovat, protože oni byli zvyklí na určitý režim a náhle se všechno změní.

Mám 40 % byznysplánů do Ruska, a co to znamená? Firmy často nevědí, co to vlastně znamená, myslí si, že to asi bude velké. My postavíme kapacitní model, který využívá data o tom, co vyrábějí, jak dlouho to trvá na strojích, a spočítáme, jak nová situace ovlivní kapacitu a kde případně hledat nové tržní segmenty. Model umí spočítat transportní náklady, kapacitu strojů a pomůže dohnat byznysplán na jiných zákaznících.

Jak mluvíme o různých byznys případech, fascinující je, že jde vždy o fyzické věci – rohlíky, banány, stěrače, lisované plasty. Jak to ovlivňuje vaši práci?

Je to super, protože se s tím stotožníš, pochopíš, že to, co počítáš, není teorie o počtu kliknutí na web, ale něco hmatatelného, něco co si představíš, i když o supply chainu nevíš nic. Tyto příklady přinášejí krásné příběhy.

Když analyzuješ data lékáren, zjistíš, že například lék na bolest hlavy, vyprošťovák, se nejvíce prodával v sobotu ráno a lidé se na něj spoléhali na neděli ráno. To je vtipný příběh, který data vypráví.

Logio se dotýká takových dat, která jsou reálně viditelná. Nebo postavíme sklad, který stojí a funguje, což je super. Když jsme pomáhali navrhovat sklad v plzeňském Prazdroji, začal koncept, lidé počítali materiálové toky, vybrali místo, kde sklad bude stát. O dva roky později dataři přijeli, vylezli na 40metrový sklad a podívali se do něj. Řekli si, že data, která počítali, nejsou jen abstraktní čísla, ale výsledkem bylo něco hmatatelného a funkčního.

Díky tomu mají větší odpovědnost, protože už vědí, proč data počítají, co mají sledovat. Vidí, co z toho vznikne.

My máme velký rozdíl mezi Jirkovým a mým přístupem k těmto věcem. Jirka říká, že když děláme projekty v logistice nebo výrobě, rád dojede do provozu, podívá se na stroje a pochopí, jak to funguje. To považuje za nejlepší postup a myslí si, že datař by to měl udělat.

Já si říkám, že nepotřebuji chodit na místo, když v datech vidím tabulku, transakční ID a je vidět, že se to přemístilo. Nepotřebuji chodit po skladu. Asi je ale dobré tam zajít alespoň juniorům, kteří to nikdy neviděli.

Jirkův přístup je asi správný. Záleží na tom, kolik skladů už člověk viděl – první má velkou přidanou hodnotu, další už tolik ne. Naopak jsem slyšel, že když máš data, může být nebezpečné spoléhat se jen na osobní zkušenost. Například při optimalizaci skladových zásob, kdy Martin Hronec z Albertu mluvil o pečícím plánu, ale při návštěvě prodejny je regál prázdný. Reálná zkušenost je silná, ale nemusí být relevantní.

Když mluvíme o druhé straně, máte proti sobě většinou netechnické lidi, biznismeny, odborníky, ne IT a datové specialisty, je to tak?

Ano, to je hlavní problém. Kdyby tam seděli IT lidé, dorozuměli bychom se krásně, ale ti nejsou decision makeři. Tam jsou lidé s jinými myšlenkovými procesy a je potřeba se do nich vnořit, pochopit, jak myslí, jaké informace jsou pro ně stravitelné. Najít spojení je náročné a je to velké prozření.

Logio umí pracovat s lidmi možná víc než s daty a mohli bychom se zlepšit v prezentaci dat. Největší problém datařů je umět prodat svou práci. Umějí dělat výborné věci, ale neprodají je rozhodovacím osobám, které je pochopí.

Vedle datových analýz děláme i dynamické simulace, což znamená, že postavíme ve softwaru továrnu a simulujeme různé scénáře objemů a podobně. Nedávno jsme pro jednu společnost vybudovali model, ukázali jsme, kolik ušetří a jak to funguje. Oni pak viděli průběh, jak chodí lidé po továrně.

Pro ně je to super, ale viděli, že jeden zaměstnanec nemá mít zelené tričko, ale modré. Pro dataře, který vytvořil komplexní model šetřící peníze, je to frustrující.

Ukazuje to, jak důležité je pochopit přístup lidí, protože pro něj je důležité, jaký má někdo tričko, ne samotný výstup modelu.

Takové situace, kdy jsou zvyklí na starý způsob práce a přijde nový graf, který odmítnou. Na nás je pochopit, jaký graf očekávají a co chtějí vidět.

Teď jsem dělal nějaký projekt po d… (text zde končí).

Dlouhou dobu to bylo fakt finanční výkaznictví, protože teď hodně děláme tu logistiku a tohle je spláchaná věc. A teď po dlouhé době jsem se zase opravdu zabýval financemi a povídal jsem si s účetní, což je specifický život, vlastně druh povolání. Některé lidi se tím živí, i když by to asi šlo automatizovat, ale nevidím pro to důvod. Znám spoustu účetních, kteří jsou jasní účetní, přestože účetnictví vůbec nedělají. A přitom už skoro deset let se mluví o tom, že to je profese, která zanikne. A pořád nezanikla. Jak je to možné? Asi jich je míň, ale stále jsou.

A teď zpátky k tomu. Když jste si povídali s tou účetní, říkali jste si, že je snad jedno, jestli je něco seřazené zprava doleva, nebo naopak. Ale ona na to upozornila, abyste se vrátil zpátky na vysokou školu, protože to není jedno – musí to být seřazené takhle. A je to prostě tak, že v buňce B8 mám číslo a pokud tam není, tak je to špatně. A teď s takovým člověkem, na základě několikatýdenního projektu, řešíte, že když tam toto nebude, tak si to můžete vzít a spláchnout do záchodu.

Je strašně důležité naladit se na toho člověka a nenechat se odradit, protože to samozřejmě dokáže hodně demotivovat. Naopak si říct, že je to výzva, protože teď vlastně začínáte hrát na psychologa a učitele, snažíte se toho člověka provést svým myšlením, pochopit to jeho, a být schopní tyto dva světy spojit. Někdy je to náročnější, jindy je to snažší. Data k tomu jsou naprosto nezbytná.

Dělali jsme totéž v jedné hliníkárně. Přišli jsme tam s cílem pomoci narovnat plánování výroby. A tam ti borci, co tam jsou padesát let, to všechno mají v hlavě. Teď vidí mladého týpka, ptají se: „Ty vole, co nám tady budeš říkat? Ty mi budeš něco říkat o hliníku?“ Ale my jsme vzali ta data a po čtrnácti dnech analýzy jsme zjistili, že data jsou úplně skvělá, protože tam je ta pravda. Jak říká Filip, on sklad vidí právě z těch dat, a my z dat viděli tu výrobu, přesně jsme věděli, co by se mělo ještě vyrábět, což je hodně specifické. Na jednání nám řekli, že tomu nemůžeme rozumět, protože tam je stovky tisíc kombinací. Ale když jsme jim to ukázali, pochopili, že tomu rozumíme, protože jsme udělali správnou analýzu a vizualizaci. Někdy ten člověk úplně přepnul a řekl si: „Tak oni tomu asi rozumějí, tak pojďme spolupracovat.“

To je skvělé. K těm lidem musíš přistupovat tak, že nejdřív pochopíš jejich mentalitu, jak fungují, kde jsou jejich mantinely, a snažíš se je stáhnout do našeho světa. Druhá věc je, odmentorovat je v našem světě tak, aby vám důvěřovali. Když už přiznají, že jsou ve velkém detailu ztracení, ale aspoň vám důvěřují, to stačí pro projekt. Je to vlastně psychologie, že jim neříkáš, že je ohromíš, ale že jim ukážeš, že rozumíš tomu, jak fungují procesy. To pomůže vybudovat důvěru.

Pak on řekne: „Hele, o to se stará Filip nebo Jirka nebo Logio celek, a já jim věřím, protože jim to dokáží prezentovat.“ Současně je potřeba je malinko vyzvat: „Hele, tady je třeba něco změnit,“ a on ti věří a prostě to udělá. Odbornou diskuzi s nimi fakt bereš. Je to o komunikaci: „Spojujeme vaši zkušenost s našimi daty, pojďme z toho udělat něco lepšího.“ Najednou ten člověk přepne, nechá si poradit a je to úplně jiná situace. Stejně jako jsme to udělali my – ve stejný termín byli před 14 dny naprosto odmítaví, a pak najednou nabízeli spolupráci. Ta důvěra tam prostě byla.

Asi nejvíc oceňujeme data, protože v nich je pravda, kterou lze komunikovat a podle ní se dá správně rozhodovat. Vy dva to děláte minimálně sedm let. Jak se za to období změnil váš přístup? Co jste se naučili? Máte nějaké záchytné body nebo věci, jimiž budujete důvěru, něco, co jste radikálně změnili?

Určitě ano. Na začátku jsme jako datoví experti měli tendenci vysvětlovat úplný detail, jak jsme něco počítali, což nikoho nezajímá. Lidi chtějí nakonec vidět číslo a vědět, co mají udělat. Já jsem měl tendenci říkat: „Spočítal jsem tohle, tam jsou výjimky, tamto…“ Ale pochopil jsem, že nikoho to nezajímá. Všichni chtějí „black box“, tedy proces, jehož výsledkem je číslo vedoucí k rozhodnutí.

Další věc, kterou jsem pochopil, je potřeba být autentický. Měl jsem pocit, že musím mluvit erudovaně a odborně, ale pak jsem začal komunikovat tak, jak jsem zvyklý v osobním životě. Lidi začali reagovat jinak, protože ta otevřenost a autenticita hodně pomáhá vztahu a projektu. To je velmi důležité.

Třetí věc je mluvit jejich řečí, pochopit, jaké grafy znají, jak k tomu přistupují, a začít postupnými kroky. Například neříkat hned: „Zautomatizujeme report, který vám ukazuje čísla zprava doleva,“ ale začít pomalu, tak aby si už od začátku plně rozuměli a společně vymýšleli řešení. To jsou tři hlavní body, které hodně pomáhají.

Je hezké slyšet, že to není o nástroji nebo technologii, ale o komunikaci s druhou stranou. Každý klient je jiný. Když chceš zvýšit důvěru, jsou skvělým pomocníkem reference. Máme za sebou sedm let zkušeností, už jsme pracovali s mnoha sklady v různých firmách. Když řeknete: „Dělali jsme to pro firmu, která je ve vašem odvětví a možná se dívá na tu větší firmu tady,“ tak to hodně vzbudí důvěru, protože máš za sebou baťoh referencí, na které se můžeš odkazovat.

Když jsme dataři a oni manažeři přes něco, důvěru vybuduješ tak, že jsi aspoň z šedesáti procent znalcem té oblasti, aby byl partnerem v diskusi. Pak ti svěří data s vědomím: „Filip a Jirka tomu rozumí a oni se o to postarají, protože znají i náš byznys.“ Musíš se dostat na druhou stranu řeky.

S manažerem mluvíš o velkých číslech, potom jdeš za ajťákem a hledáš správná data v SAPu, abys dostal odpovědi. Je to o přepínání mezi různými typy komunikace a o tom, vědět, co toho člověka zajímá, jak moc chce jít do detailu.

Pěkný příklad byl s finančním ředitelem, když jsem měl něco vysvětlovat a ptal jsem se: „Proč to neděláte takhle?“ On se zastavil a řekl svému týmu: „Proč to neděláme takhle?“ A za tři hodiny jsme měli objednávku v mailu. Takové zkušenosti jsou cenné.

Líbí se mi, že máte interní zkušenost, že jste viděli vnitřnosti mnoha firem, i těch velkých značek, a jste v realitě. Měl jsem vždy pocit, že přicházíte s praktickými řešeními, ne s powerpointovými prezentacemi o budoucnosti logistiky za 20 let.

Jak se pohybujete ve „přehypované“ oblasti technologií a bublin, například v AI, kde je obrovská poptávka po implementaci velkých jazykových modelů, bez ohledu na to, zda vůbec mají textová data?

Určitě za vámi přicházejí s takovými požadavky. Pamatuji si éru průmyslu 4.0, Digital Twin a technologie jako blockchain. Už jste jistě měli požadavky na blockchain. Jak vychytáváte rozdíl mezi tím, co chce vedení vize, a tím, co potřebuje skladník, aby se zboží pohybovalo a banány správně dozrávaly a nehníly?

To jsou bizarní situace. Vedení řekne: „Budeme mít Digital Twin.“ My jako Logio, lídr consultingu v této oblasti, říkáme: „Za ty peníze uděláme cokoliv, ale tohle nedává smysl. Na to nemáte data. Nemáte ani reporting z výroby a chcete Digital Twin?“ Digital Twin znamená, že máte digitální obraz továrny, přesně víte, co se kde děje. Ale vy nezískáváte data ze strojů. Takže řekneme: „Digital Twin je cíl za pět let. Udělejme roadmapu, analýzy, navrhněme cestu, jak se tam dostanete.“

S daty, která máte, si možná uděláte nějakou ukázku pro management, ale tím to skončí a přínos nebude. Raději racionalizujme a najděme způsob, jak se na to dostat.

Je potřeba mít sebevědomí říct: „Toto za ty peníze dělat nebudu, i kdyby byly velké. Uděláme to tak, aby to mělo přínos.“ A to posiluje vztah se zákazníkem. Často vidíme situace, kdy chtějí zautomatizovat robota, ale zjistíme, že nemají data, aby ho rozjeli, a tak ho neumějí využít.

Typické je to i u informačních systémů. Firma chce lepší plánování výroby, koupí software, který to má naplánovat. Ale nemají data, jsou tam chyby, takže žádný software to nevyřeší. Oni jsou na to naučení, že software problém vyřeší, ale to není pravda.

Je to hlavně otázka kvality dat, co firma má a nemá. A taky o sebevědomí říct: „Tohle je nesmysl.“ Nejen naše sebevědomí, ale také toho lokálního managementu, který řekne mateřské firmě, že nemají data a musí jít postupně. To je velký úkol v byznysu.

Také je potřeba naučit je „přebalovat“ – tedy balit zboží lépe, ekonomicky, což pak zvýší jejich důvěru a efektivitu.

Richard Plenoš, vy stále hledáte smysl v ekonomice, nebo spíše sledujete, jak se vyvíjí situace v maturitě, kdy víte, že data vždy potřebujete? Na začátku se díváte, jaká data sbírají a jak s nimi zacházejí, nebo hledáte především business case?

A druhá otázka je, kde je hranice, kdy vedení rozhodne, že se projekt bude jmenovat Digital Twin a musí se vykopnout, ale šance na úspěch je mizivá. Protože pro operátora (Mášu nebo Frantu) je důležité, aby bylo vše „za zeleno“, aby mu to pomohlo. Vaše práce tedy musí odpovědět na reálnou potřebu, ne jen na floskule.

Hledáte, jak reálně pomoct lidem, například aby se jim lépe vyskladňovalo, protože tam tráví 8 hodin denně, jezdí s vysokozdvižným vozíkem, vykládají zboží a tak. A pokud v datech najdete způsob, jak pomoci, navrhnete to. Když management chce něco jiného, velmi to vyzýváte, než s tím půjdete dál, protože často ta přání není možno naplnit.

Snažíte se, pokud to má rozumný základ a business case, dělat to. Jinak ne. Závidím vám, že máte reálný svět a zkušenosti – to hodně pomáhá. Protože kdybych já dělal jen advokáta, řekl bych, že váš klient je v Česku head a jeho práce je denně komunikovat se zahraniční mateřskou společností, schvalovat budgety a řešit pracovní místa, to je jeho business. Záleží, jestli chce slyšet „digital twin“, protože díky tomu dostane 200 milionů eur na tři roky.

Líbí se mi, že jste s těmi lidmi, co řeší každodenní provoz – například co se stane s banány. Zajímáte se o to, jak se to projikluje do reálného světa. Pomáhá to, když zatáhnete ruční brzdu očekávání a řeknete, že nejdřív uděláme rychlá vítězství (quick wins), vyřešíme úzká místa (bottlenecky), a pak uděláme velké věci.

Ten management sice tlačí, ale pak vám zavolá s projektem, protože jste mu vybudovali důvěru a řekli mu: „Tohle nedělej, nemá to smysl.“ Takový win-win.

Data v tom hrozně pomáhají, protože když někdo něco chce, podíváte se do dat a zjistíte, zda to dává smysl a lze to udělat. Proto říkáme „data-driven consulting“ – data obsahují pravdu, a podle ní se dá správně rozhodnout. To je zábava a silný argument směrem k mateřským firmám.

A jak se díváte na ty technologie a trendy? Je to prostě „future is already here, it's just not evenly distributed“? Jinými slovy budoucnost je tu, jen není všude stejně dostupná?

Samozřejmě jednou tam blockchain, supply chain…

Ale tady budou vaše děti, a teď to nemá smysl řešit, nebo se z toho dá vždycky něco vzít a aplikovat. Jak se na to díváte teď?

Typický příklad za mě je krásný tím, jak je obrovský, jak zabírá nejenom technologickou sféru, mám pocit, že i společenskou debatu – jsou to velké jazykové modely, ChatGPT. Jak je to teď? Jste na tom sedm let, není to první Gartner hype cycle, který zažíváte, a uprostřed něho jste, máte nějaký framework, jak s tím vlastně pracovat?

Back to basics, na všechno potřebujete data. Je to super inspirace, takže když je teď nějaký aktuální hype, tak si řekneme: dobrý, je to vlastně nějaký budoucí směr, který teď zajímá hodně lidí, ale znova se snažíme tam najít to, co dává u zákazníka smysl. Nepřijdeme s tím, že děláme AI, uděláme AI, ale řekneme si: OK, tady by se asi AI dalo využít, tak pojďme se dostat k tomu, jak by se to během těch dvou, tří, čtyř let mělo uplatnit.

Stejně to bylo s Digitotwinem, úplně stejně to bylo s Průmyslem 4.0. A co se týče ChatGPT, tak já osobně ho používám třeba, když potřebuji, nevím, napsat nabídku, tak mi to prostě lépe zformuluje. Když potřebuji opravit skript, hodím tam skript a on mi to vysvětlí, a tím se nějakým způsobem dokážu učit. Ale že bych ho používal od rána do večera, to vůbec ne.

Ale to je vlastně docela dobré, protože teď ten problém, nebo ta otázka, nebo aby ti odpověděl nějak smysluplně, tak ti řeknu: Hele, jsem muzikant, a kapela hraje tak dobře, jak hraje ten nejhorší muzikant v té kapele. A podle mě to funguje i v tom projektovém světě – dokud tyto technologie nebudou používat manažeři a nebudou je mít za své, tak to tam prostě nebude fungovat.

Takže je potřeba je vzdělávat, můžeš jim pomoct, aby se to přetavilo do reálného života, ale dokud oni sami nebudou schopni technologie přijímat jako své, tak to nebude fungovat. Ale když to děláme pro interní účel, jak to používáme…

Jakmile ale jdeš do týmu se zákazníkem, a ten zákazník na to ještě není připravený, nebo ty lidé nejsou schopní to začít aplikovat, tak je to zatím jen hype. Musíš přemýšlet a fungovat v jeho realitě, ne ve své.

Nicméně je to skvělá inspirace, kam se to pravděpodobně bude ubírat a je to směr, ke kterému se dá zlehka přiblížit.

Super.

A když mluvíme o budoucnosti, jaká je teď budoucnost logia vás? Co vás čeká v nejbližší době, na co se můžeme z vaší kuchyně těšit a co bude pro vás důležité a podstatné?

Já se těším, až vyjde tento Datatalk. Pro nás je teď nosné téma to, že jsme získali investora, takže pro nás je důležitá expanze na západ. Tím získáme větší relevanci, takže směřujeme do Německa a podobně. To je asi ten nejbližší směr, kde můžeme to, co děláme dobře v Česku, dělat i v zahraničí.

Teď jsme dostali tak trochu mandát s touto investicí v pozadí. Budeme dělat pořád skvělé věci, doufám jen, že se rozšíříme.

Jen se budu muset naučit německy. A německý reál je… Já se těším, jak jsme mluvili o měřítku, o tom supply chainu, že se nám začne zvětšovat, že budeme dělat velké projekty globálního rázu. A to nesouvisí jen s expanzí do Dachu, ale myslím, že se to začne dít, protože end to end je také kolem tohoto hype a vlastně je to hrozně blízko a už se to děje.

To měřítko se rozšiřuje a najednou se tam ocitneš. Na to se těším, to bude dobré.

Držím vám moc palce. Děkuji, že jste přišli a povídali si o tom, jak fungují data v supply chainu a jak komunikovat s klienty, kteří nejsou IT specialisté ani datoví odborníci.

Držím Logiu a vám dvěma moc palce. Věřím, že se nevidíme naposledy.

Děkuji moc.

A to je všechno. Díky, že jste doposlouchali další díl Datatalku. Díky též našim partnerům – BigHubu, Vypnoutu, Mantě, Natinu, Atakamně, Gimbimu, Seznamu, CZ a Muse.

Pokud vás zajímají další informace ze světa datových technologií a ze československé datové scény, navštivte naše stránky datatolk.cz.

Nechť vás provází data.