Podcast

Dobrý den, mé jméno je Jirka Vecherek a vítám vás u dalšího dílu Data Talku. Dnes k nám do studia přivítáme dva vzácné hosty z dalekého východu, konkrétně z mé rodné Ostravy, a to jsou Ivo Pleva a Michal Bočvarov. Ahoj. Ahoj.

Ivo a Michal se zabývají daty, inovacemi a strategií v Dopravním podniku Ostrava. Ivo je vedoucím oddělení datové strategie a analýzy a Michal je strategickým analytikem v tomto oddělení. Dnes se budeme bavit o tom, jak data v DPO vlastně fungují, co zde řeší a obecně i o tom, jaké příležitosti data v městské hromadné dopravě nabízejí a jak tam fungují.

Než se ale pustíme do hlavního tématu a podíváme se, jak Dopravní podnik Ostrava pracuje s daty a jakou roli zde data hrají, pojďte mi přiblížit, jak jste se do DPO dostali, jaká je vaše kariérní cesta a jak vlastně souvisíte s datovými technologiemi. Asi Ivo, tě poprosím, začni.

Tak ještě jednou ahoj, jmenuji se Ivo Pleva a pracuji jako vedoucí oddělení datové strategie a analýzy v Dopravním podniku Ostrava. Můj příběh je takový, že jsem se do dopravního podniku dostal přes kolegu Michala, který mě oslovil, abych dopravnímu podniku pomohl „zabít“ Excel – tedy pokud to tak mohu říct, Michale. Asi ano.

Pojď k nám zabít Excel. A jaká je tvá historie, proč sis myslíš, že tě Michal vybral na tento hrdinský úkol?

V podstatě mám za sebou historii takovou, že hned po škole jsem začal pracovat v O2 jako key account manažer pro péči o top segment zákazníků. Vydržel jsem tam přibližně 13 let a kromě standardního prodeje telekomunikačních služeb jsem se učil prodávat i řešení na míru zákazníkům, tedy solution architekturu, kdy jsme se snažili nabídnout produkty jiné než běžné telekomunikace. Už tam se práce s daty nějakým způsobem propisovala.

Po 13 letech, kdy jsem chtěl změnu, jsem se osamostatnil a začal pracovat s daty pro menší organizace v okolí Severní Moravy. Moje specializace byla převážně controlling v ICT odděleních, tedy konsolidace ICT nákladů. Rozuměl jsem technologiím, ale i financím, což byl základ mé budoucí datové role.

Po dvou až třech letech jsem se seznámil s Michalem a jeho kolegou, který je dnes generálním ředitelem dopravního podniku. Přišli se mnou, abych jim pomohl přepnout organizaci z reportingu v Excelu do reportingu v Power BI, čemuž jsem se už nějakou dobu věnoval a měl jsem zkušenosti. Tak to celé začalo.

Jak ses do DPO dostal ty, Michale? Jaká je tvoje cesta?

Moje cesta byla zajímavá. Jednoho dne jsem v předchozí práci zcela zhořel. Potom jsem se potkal s mým kamarádem a spolužákem Danem Orisem, který se později stal ředitelem Dopravního podniku Ostrava. Ten mi říkal, že dostal nějakou nabídku a zajímalo ho, zda nemám pro něj nějaké nápady na novou práci. Vzhledem k tomu, že jsem se celý život pohyboval kolem technologií, přišel jsem s nějakými nápady.

Dan se pak dostal do DPO a říkal: „Pojď si to tam zrealizovat.“ Já jsem však přesně nevěděl, co tam budu dělat, protože jsem nikdy neměl zkušenost s korporátní sférou. Do DPO jsme nastupovali v době, kdy byl v kurzu Smart City. Z toho hypeu nám vyšlo, že nejzajímavější je práce s daty. Dan už měl s daty nějaké zkušenosti.

O jakém roce mluvíme?

Bylo to před sedmi až pěti lety. Já jsem už z předchozí práce znal Iva, takže jsem ho oslovil, zda by s námi nechtěl na tom pracovat. Podařilo se nám ho získat a tam se začal psát celý příběh.

Pojďme se tedy podívat na tento příběh. Většina našich posluchačů asi nikdy neviděla, jak vypadá ICT a data v podobné organizaci, jako je dopravní podnik. Když jste do DPO přišli a „otevřeli Pandořinu skříňku“ — což je typická organizace s excely, nemotivovanými uživateli a datově řízenou kulturou — a ještě je to veřejnoprávní instituce s politickými tlaky a dalšími omezeními. Jaký byl váš první seznamovací moment?

Začali jsme se rozhlížet, jak věci fungují. Pro mě byla ta branže úplně nová. Sledovali jsme, jak funguje IT, jaké jsou toky informací, začali jsme se ptát po datech, ale klasicky se data držela v Excelových tabulkách. Ve chvíli, kdy ERP systém nestíhal, každý si pomáhal Excely.

Postupně, hlavně po příchodu Iva, jsme začali vymýšlet strategii, jak s tím kontinuálně pracovat, co jsou specifika dopravního podniku a co je standardizované. Některá oddělení vždy dobře pracovala s daty – dopravní oddělení, které plánovalo jízdní řády, a také GIS a controlling. Tam byla velmi slušná úroveň. V podstatě na tom systému jedeme dodnes. Snažili jsme se to skonsolidovat, o čem více poví Ivo.

Ivo, kdy jsi do DPO nastoupil? Dejme tomu z časového hlediska.

Do dopravního podniku jsem nastoupil koncem roku 2017. Když jsem tam přicházel, fungovalo tam IT oddělení, ale neexistovalo žádné datové oddělení. Každý s daty pracoval, jak uměl, a podle možností systému. Ihned mi bylo jasné, že každý útvar mluví „řečí svého kmene“, ale všichni dohromady nemluví stejnou řečí.

To mě zaujalo a začal jsem pracovat na tom, aby dopravní podnik sjednotil jazyk dat, aby data z jednoho útvaru pomáhala pracovat i jinému útvaru, který je primárně netvoří. A to byl první obraz, který mám z té doby. Když se na to dívám zpětně po sedmi letech, přijde mi to úsměvné, protože dnes pracujeme trochu jinak.

Naše první motivace byla tedy vyřešit, jak s tímto problémem pohnout. Začali jsme s kolegou řešit, jak data ze všech míst, kde se v dopravním podniku shromažďovala, uložit strukturovaně, aby jim všichni rozuměli. To znamenalo průzkum všech informačních systémů, databází, hledání dokumentace a zejména ověření, zda ta data skutečně patří dopravnímu podniku.

To bylo klíčové, protože když jsme se začali ptát, spousta lidí mimo dopravní podnik, kteří s ním spolupracovali, začala být pozorná – už to nebyla běžná otázka, kterou si podobné organizace kladou. Po zjištění, že některá data skutečně vlastníme, následovala otázka, zda existuje dokumentace, která pomůže data přehledně a srozumitelně vizualizovat.

To byl začátek. Data, která jsme měli, jsme dávali do datového modelu v Power BI a začali s nimi pracovat.

Michale, chceš něco doplnit?

Ano, na začátku se naše role s Ivem trochu rozdělily. Ivo se pustil do analýzy stávajících řešení a dat, zatímco já začal získávat další data, která by mohla být užitečná. Například systém poskytuje Wi-Fi, mají zařízení s napojenou aplikací, snažíme se získávat data z vozů, sledujeme cestu lidí, co vyhledávají, odkud kam jezdí.

Začali jsme tak budovat nové systémy a v té době Ivo řešil stávající systém, aby se dostal pod kontrolu. Dá se říci, že v té době vzniklo interní datové oddělení, dnes nazývané oddělením datové strategie a analýzy, a od té doby jsme se rozdělili na dvě vertikály.

Já mám na starosti spolu s dalšími kolegy datovou vědu a práci s daty obecně, ke které se ještě vrátíme. Michal se stará spíše o zajišťování dat, vytváření správných kombinací informačních systémů a i o působení dopravního podniku v digitálních kanálech, například má pod sebou kolegu, který řeší digitální branding DPO.

Můžete nám popsat vaše oddělení? Říkal jsi, že s tebou, Michale, tam je ještě někdo další.

Ano, jsme malý tým. Zdravíme všechny kolegy.

Koho dalšího najdeme ve vašem oddělení datové strategie a analýzy? Kolik vás je? Kde jste umístěni, jste součástí IT, nebo něčeho jiného?

To je dobrá otázka. Na začátku jsme s vedením dopravního podniku definovali, že aby datové oddělení mělo šanci dlouhodobě přežít, chceme se vymanit z obecného vnímání pracovníků dopravního podniku jako techniků.

Nechtěli jsme být pod IT oddělením, se kterým jsme měli různorodé zkušenosti – někdy dobré, jindy ne takové. Chtěli jsme vytvořit oddělení, které pomáhá lidem a proměňuje data v příběhy s lidskou tváří, aby se lidé, kteří ICT tolik neovládají, nás nebáli.

Potřebovali jsme získat důvěru, legendu a pravdu, kterou data mají. Proto jsme chtěli, aby oddělení bylo samostatné a přímo podřízené generálnímu řediteli. Důvodem bylo, že dobrou datovou kulturu nelze tlačit zdola, ale musí mít podporu zhora.

Dostali jsme tedy podporu vedení, což nám umožnilo postupně vybudovat technologický stack a dodat první výsledky interním zákazníkům. Někdy to trvalo velmi dlouho, protože bylo potřeba dát dohromady nejen interní technologie, ale i komunikovat s externími dodavateli, kteří často nevydávají data snadno.

První výsledky jsme začali přinášet až po roce a půl. Protože předtím se v dopravním podniku takto řízeně s daty nikdy nepracovalo. První sadu KPI jsme tvořili spolu s ředitelem a pak jsme postupně onboardovali zbytek vedení. To chvilku trvalo, ale kolegové byli velmi šikovní a časem už sami chodili s vlastními požadavky.

To byl okamžik, kdy jsme si říkali, že firma není úplně data-driven, ale spíš data-influenced. Pak to začalo rychle růst a trvalo to přibližně dva až tři roky.

Chtěl bych ještě dodat, že když jsme na začátku žádali dodavatele o KPI a přístup k datům, často jsme marně naráželi. Postupem času se i dodavatelská scéna posunula a dnes už to není takový problém jako před sedmi lety.

Podívejme se tedy na první rok a půl. Probíhal audit, hledání dat, domluva s dodavateli. Zmiňovali jste zabití Excelu a příchod Power BI. Jak spolu tyto dvě věci souvisely? Byly to paralelní procesy nebo co bylo vejcem a co slepicí?

To bylo první téma, o kterém jsme mluvili – „zabijeme Excel“, pokud tak mohu říci drsně.

Ale Excel nebezpečně žije. Já vidím, jak se vždycky kroutíte, když říkám, že zabijeme Excel. Protože v jakékoliv organizaci vždycky bude nějaký Google Sheet nebo Excel.

Toto sousloví nám spíše zajistilo pozornost, ale brzo jsme si uvědomili, že Excel je nesmrtelný.

Proto jsme raději nechali Excel žít a snažili se komunikovat s interními zaměstnanci dopravního podniku, aby ta data a digitální stopy, která mají v Excelu, dostávali do primárních informačních systémů, kam patří.

Dopravní podnik má dnes tři hlavní informační systémy a pokud je v nich neměli, museli jsme lidi naučit data tam zpátky zadávat.

Protože organizace nikdy nepracovala datově řízeně, pracovníci si našli zkratky, kdy místo zadávání do ERP zapisovali do Excelu – jednodušší, ale nevhodné.

Říkáme tomu Shadow IT nebo Shadow BI.

Až my jsme lidi učili, aby se vraceli zpátky do primárních systémů.

Pokud nějaký formulář nebo informační systém nebyl technicky připravený, motivovali jsme je, aby se nebáli říci IT oddělení, aby formuláře nebo místa pro zápis dat upravili.

To byl první milník, kdy se data začala objevovat tam, kde předtím nebyla.

Druhý milník byl a je i stále řešení kvality digitálních stop a dat.

Například v ERP systému, za který firma platí nemalé prostředky, lze někdy do pole určeného pro datum zapsat text nebo nesmyslné datum, například rok 6065, což samozřejmě není správné.

Dlouhodobě učíme lidi, aby tyto chyby eliminovali a zároveň školíme IT oddělení, aby podobné chyby systémově nedovolovalo.

Děkuji, že jsi zmínil kvalitu dat, protože je to téma, ke kterému se stále vracíme.

První reporty, které jsme dělali, byly primárně o porovnání dat mezi jednotlivými systémy a vizualizaci pomocí semaforu – zelená nebo červená – aby bylo jasné, co je potřeba napravit.

Následoval proces uklízení dat, který trval poměrně dlouho.

Máme Helios, jsme partnerem Heliosu, a máme třetinu modulů Heliosu upravených na míru, protože je to specifikum veřejné dopravy, kde se řeší směny a další komplikované skutečnosti, a díky…

Uklid probíhal relativně svižně a rychle, protože jsme uměli reagovat. Když zmíním to „zabít Excel“, tak nám Excel vadí především jako nejistý datový zdroj. Ve chvíli, kdy tam někdo přidá sloupec, je to celé, jak kdyby, rozhozené, a proto Excel nemáme rádi. Přesto ho někdy používáme, například i sem tam Google Sheets, ale ten je zamknutý, neumožňuje uživatelům měnit data, a v tu chvíli je to pro nás jistý zdroj, který se nemění v průběhu času.

Zmínil jsi Helios a Ivo mluvil o třech klíčových informačních systémech. Můžeme se na to podívat z hlediska infrastruktury a dat, jak to vypadá, odkud data tečou, o jak velkých objemech dat mluvíme a jak vlastně ten „šelmostroj“ vypadá?

Když začnu od prvního, Helios je v dopravním podniku typické ERP, kde se soustřeďují všechny informace účetního charakteru, informace o lidských zdrojích, o hmotném i nehmotném majetku – tedy klasické ERP, které známe. Dopravní podnik pak používá informační systém Korund, který slouží ke správě vozového a nemovitostního parku, který dopravní podnik vlastní. Je potřeba jej opravovat, doplňovat a nějak řešit, aby vše fungovalo a jezdilo. Třetím informačním systémem je GIST, manažerský informační systém, kde se dlouhodobě tvoří plány na finance, počty kusů, množství a podobně. Tyto plány procházejí vícekolovým schvalovacím procesem a po finálním schválení se převedou do oficiálního plánu, vůči kterému se sleduje skutečnost.

Mezi těmito třemi informačními systémy dnes probíhá čilý datový ruch, existuje mnoho datových pump, které denně přinášejí informace, aby si tyto systémy mezi sebou rozuměly. My jsme museli náš budoucí reporting sjednotit, protože každý systém měl svůj vlastní reporting – a to byla ona řeč různých kmenů, o které jsem mluvil na začátku. Museli jsme to sjednotit do jazyka jednoho kmene, což je dnes pro nás Power BI.

Do Power BI jsme integrovali data ze všech tří systémů a začali jsme vytvářet srozumitelný reporting, který kombinuje informace ze všech systémů najednou. Postupně se k tomu začaly přidávat další datové zdroje, které na počátku nespatřovali jako klíčové, protože práce s těmi třemi primárními byla již dost náročná.

Mezi zajímavé zdroje patří například denní generování přibližně 600 až 1000 CSV souborů, kde se shromažďují telemetrická data o provozu veřejné dopravy v Ostravě. Dále jsou stále využívány některé klíčové Excely, které i po sedmi letech stále fungují a pravděpodobně je ani nenahradíme, možná ani nechceme, protože lidé, kteří s nimi pracují a jsou v nich doma, často z vyššího věku nemají zájem se učit nové systémy. V tomto menším počtu Excelů udržují pořádek a stále nám dobře slouží.

K tomu se také přidalo několik různých mikroaplikací, o kterých by zde mohl hovořit spíše Michal, které sbírají data a vše se dnes kolektuje do jednoho rozsáhlého reportingu. Snažíme se tvořit konkrétní příběhy, které ovlivňují rozhodování lidí, jež v dopravním podniku činí zásadní rozhodnutí.

Než Michal naváže s komentářem k novým aplikacím, rád bych položil jednu otázku. To, co popisujete, je do značné míry přirovnatelné k jakékoliv velké organizaci – klasický BI systém, reporting, kontrola kvality dat, konsolidace dat a zvyknutí si na práci s nimi. Jaká jsou specifika toho, že jste přitom stále dopravní podnik Ostrava, veřejnoprávní instituce financovaná městem?

Možná to mohu spojit takto: přibližně 70 % naší práce je stejně jako u jiné organizace – klasická infrastruktura, ekonomika a tak dále. Zbývajících 30 % je vysoce specifických a patří k dopravním podnikům. Jsme hodně fyzický podnik – přítomnost a sběr dat jsou zásadní. Kdybychom neměřili data, zítra bychom vyjeli s prázdnýma rukama. Hlavním substrátem jsou řidiči a všichni lidé, kteří udržují tento kolos v chodu.

Snažíme se sledovat data; když jsme začínali s reportingem, začali jsme klasicky ekonomickými oblastmi – porovnávání, sklady a podobně. Běžný postup, co se děje všude. Postupem času jsme se propracovali k tomu, co před chvílí popisoval Ivo – technologické reporty, kde už to bylo složitější. Jednalo se o specifikace komunikace s křižovatkami, ověřování kvality dat, abychom mohli monitorovat dodavatele. Často oznamují, že něco má fungovat určitým způsobem, ale v praxi to funguje jinak, a proto se snažíme kvalitu měřit. Když se tedy daný vstup dělá, snažíme se ho prověřovat.

Připomínáš dodavatele, kteří jsou datovými partnery, jako jsou teleoperátoři, nebo poskytovatelé systémů, jež používáme. Máme hodně systémů na míru, některé jsou vlastně prototypy vytvořené přímo pro nás. Každý prototyp sebou nese určitou míru chybovosti. Společně s dodavateli se snažíme tyto chyby odstraňovat; někdy to jde lépe, někdy hůře, ale to je asi boj každého.

Postupem času kromě našeho IT oddělení zapojila i oddělení jízdních řádů a další pracující na datech spojených s dopravou. Už dnes máme reporting zaměřený na zpoždění vozů na zastávkách a podobně. To všechno zpracováváme v Power BI.

Poslední část tvoří dopravní data, kde máme zákonnou povinnost posílat informace do centrálních informačních systémů, na kterých běží známý systém IDOS. Kromě toho používáme mezinárodní standardy jako GTFS a NETEX. Nad tímto systémem provozujeme aplikace, například mobilní aplikaci Moje DPO a podobně. Tyto oblasti jsou velmi specifické.

Trochu obecněji – jak prioritizujete? Co byl první report? Byl určen pro představenstvo a odpověď na otázku, jak je na tom dopravní podnik jako celek? Kde nám tečou nejvíc peníze? Nebo to bylo účetnictví, controlling? Chápu, že začátek znamenal čistit a dát věci do pořádku. Podle čeho potom postupujete v prioritách?

Za mě bych před zmíněný úklid doplnil klíčovou fázi, a to byla analýza stávajících databází, které jsme měli, a jejich napíchnutí. Ne všichni totiž chtěli, aby do dat bylo vidět, což je ve většině organizací běžné. Museli jsme tedy hodně makat, abychom rozklíčovali strukturu databází, zjistili, ve kterých tabulkách jsou správná data, která potřebujeme, a vytvořili dokumentaci tam, kde chyběla, protože u většiny databází dokumentace nebyla. To bylo časově velice náročné a pokud vedení organizace neposkytne prostor, nestane se to a celý řetězec se zastaví.

Potom přišel masivní úklid, protože nikdo se systématicky těmito daty dlouho nezabýval. I v primárních databázích byly chyby, které způsobovaly, že algoritmy používané pro vizualizaci nefungovaly správně. Úklid jsme tedy museli udělat. Měli jsme na výběr: buď jednoduchou formu filtrovat špatná data a ignorovat je, ale tím jsme nevěděli, o jaká data přijdeme, nebo jsme zvolili složitější cestu – pracovat s garanty dat, kteří je do systému zapisují. Domlouvali jsme se na operacích, které data průběžně čistily, a zároveň jsme u IT objednávali opravu vstupních polí, aby se chyby v budoucnu neopakovaly.

Až potom jsme řešili, co s daty uděláme. Zde nastala spolupráce s Michalem, který je strategický analytik zodpovědný za vizualizaci a způsob, jakým data komunikují, a já s kolegyní jsme připravovali data do kondice, aby vizualizace fungovala podle našich představ zaznamenaných na flipchartu či na papíře.

Hodně to připomínalo ping-pong – data se opakovaně vracela ke zdroji, kde se dalo zasáhnout a změnit něco, co ovlivňuje kvalitu a podstatu dat. Pro organizace, které chtějí s tímto začít, je velmi důležité dát lidem prostor, „čerstvý vzduch“. Nejhorší je, když vývojáře a kreativce začleníte do běžných procesů, kde fungují jiná pravidla než potřebují pro inovaci.

Díky tomu jsme po sedmi letech stále živí a myslím, že už nejsme v pozici, kdy opravujeme data, ale spíše vyvíjíme nové věci. Díky širokému spektru dat dokážeme kombinovat informace, které dříve nebylo možné propojit, protože informační systémy nebyly dostatečně integrovány. To vše si dnes dokončujeme na úrovni BI nástroje.

Proto už ani nespolupracujeme s dodavateli na integraci dat, ale data si propojujeme sami. Dokonce máme nástroje jako mikroaplikace, které umožňují data obohatit o nové informace, které nechceme nebo nemůžeme sbírat přímo v primárních systémech. Vybudování tohoto ekosystému nás posouvá do role, kdy data nejen opravujeme, ale nově také správně generujeme.

V současnosti jsou všechny zpracované reporty plně automatizované a nevyžadují naši extrémní pozornost. Jen když přijde alert, který signalizuje problém, řešíme jeho příčinu. Zaměřujeme se tedy spíše na získávání nových dat, která potřebujeme k plnění konkrétních strategických cílů reportingu.

Michale, rád bych, abys doplnil. Já bych se trochu soustředil na strategické cíle, protože jsme hlavně popisovali začátky, ale cíle na začátku se lišily od dnešních. Sedm let je dlouhá doba. Pro nás to byla výrazná znalostní jízda – snad jsem se za posledních pět let tolik nenaučil jako právě v DPO.

Ano, DPO bylo překvapením. Nic jiného nezbývalo a určitě nás to posunulo dál. Cesta, kterou dnes jdeme, znamená lepší poznání potřeb zákazníků, postavení dat pod tyto potřeby, vytváření datových modelů, demokratizaci dat. Pracujeme na vytváření 360° pohledů, jak směrem k cestujícím, tak i zaměstnancům.

Vše musí být efektivní – máme data vstupující dovnitř i data, která chceme poskytovat ven. Systematicky proto měníme a přizpůsobujeme systémy tomu, jak se mění strategické cíle, a jdeme jim naproti. Mezitím se také mění samotné systémy.

To, co jsme před sedmi lety vysnili a nevěděli, jak se k tomu dostat, se nyní díky technologiím stává realitou. Musím poděkovat klukům z Kebola, Běrtu Švabovi a dalším, kteří nám bezplatně radili a pomáhali. I když jsme nedokázali realizovat všechno ve stanoveném čase, ze strany technologie jsme zásadně pokročili a současné možnosti nám skvěle vyhovují.

Michal zmínil tzv. 360, a myslím, že jsme ještě konkretizovali, co to znamená. Pro nás tvorba reportingu zahrnuje tři hlavní produkty cílené na zákazníky – někdy interní, jindy externí.

Prvním produktem je samotný reporting, tedy sada metrik a KPI, které nám ukazují aktuální stav a kde by se měla zaměřit pozornost, například boardu dopravního podniku při řešení aktuálních témat.

Druhý produkt… Mohl bys dát nějaký konkrétní příklad? Například tržby, počet cestujících?

Ano, určitě všechny základní ukazatele, které si představíte. Specifické pro dopravní podnik je například sledování odchylek od jízdních řádů. Před zavedením reportingu jsme fungovali tak, že náhodně vybírali CSV soubory generované vozy při zastavení na zastávce a dělali základní statistiky ručně – zhruba za rok zpracovali asi 20 tisíc řádků, na základě kterých konstatovali, že odchylka od jízdního řádu nepřesahuje pět procent, takže splnili cíl definovaný městem.

Když jsme data začali masivně načítat do reportingu a sledovat cíl podrobně, pracovali jsme s přibližně 45 miliony řádků. Dokázali jsme rozdělit město na zóny a sledovat například, že v centru jsou větší odchylky kvůli vyšší obsazenosti dopravních komunikací, zatímco na periferii je situace lepší.

Tím jsme posunuli diskuzi o vyhodnocování tohoto KPJ zpracovaného na malém vzorku na přesnou analýzu všech dat. Tento ukazatel je pro dopravní podnik charakteristický.

Samozřejmě sledujeme i další oblasti známé všem: cashflow, hospodářský výsledek, úspěšnost náboru. Dnes je velmi složité sehnat řidiče v pracovním trhu. Máme přibližně 1050 řidičů s určitou fluktuací. Tyto klasické problémy jsou na trhu práce a souvisí s aktuálními tržními podmínkami – když je trh přeplněný, lidi prostě nejsou.

Snažíme se…

(Tady text končí.)

Reportovat v rámci reportingu vše, co nás aktuálně trápí, a o čem se prostě baví vrcholový a střední management. To je vlastně vždycky naše zadání pro reporting. V tomto směru se mi líbilo to, co říkal Michal, že klíčový moment, který tady často slyšíme, je přechod z push principu na pull princip. Místo toho, abyste chodili za nimi a říkali: „Nechtěli byste tenhle report? Pojďte používat tato data,“ nastává situace, kdy oni přicházejí za vámi s vlastními byznysovými problémy a vlastním kontextem a říkají: „Chci data, aby to vyřešila.“

O tomhle se můžete pobavit – jaké byly požadavky, co třeba z vašeho pohledu nebylo tak důležité, ale jakmile někdo přišel, viděli jste kontext a byl to velmi úspěšný projekt. Podle mě je to zásadní milník, kdy to začíná fungovat, kdy synergie byznysu a datových či technologických stránek začíná dávat smysl a tvoří se skutečná přidaná hodnota.

Chtěl bych, abychom se k tomu vyjádřili oba dva, protože já se na to dívám z pohledu realizátora a Michal spíše jako kreativec a vývojář toho, o čem budu nyní hovořit.

Zpočátku to bylo těžké, protože jsme potřebovali vygenerovat nějaké produkty našeho malého oddělení, abychom se obhájili před týmem, který tam něco dělal léta, a my jsme přišli s tím, že si mají chvíli počkat, protože budeme nějakou dobu něco připravovat a pak to začneme dělat lépe. Tohle samozřejmě žádnou organizaci nemotivuje, protože už jste nebyli první s tímto příslibem. Abychom se ochránili před tzv. samovýlučovacím efektem, který je snad v každé organizaci, museli jsme velmi rychle zkopírovat to, co už se reportovalo.

Jen jsme to přesunuli z Excelů, kde se reportovalo jednou za čtvrtletí, do reportingu, který se aktualizuje denně s jedním dnem prodlení po uzávěrce. Data jsme nahrávali do Power BI a začali plnit reporty s malým zpožděním, což byl pro naše interní zákazníky benefit – najednou viděli více, než v těch Excelových sestavách, které se plnily jednou měsíčně nebo jednou za kvartál.

Tím jsme si začali kupovat jejich pozornost. Druhým momentem byl Michal, který se svými nápady a kreativitou začal reporty vylepšovat. Nechci mu brát vítr z plachet, ale jak se reporty ladí? Především tak, že jsou jednoduché a přehledné. Po celou dobu jsme přemýšleli, jak to udělat, aby to bylo srozumitelné, jednotné a aby to bylo škálovatelné s růstem.

Přišli jsme s konceptem, který nazýváme „dlaždice“: na nich je aktuální KPI, pod ním vývoj za poslední měsíce, trendová křivka, dále data year-to-year, year-to-plan nebo vztahy. Dole jsou zelené fajfky nebo červené křížky. Reportování probíhá tak, že jen hledáme červené křížky a diskutujeme, kdy, proč a jak se něco pokazilo. Vytvořili jsme takové „semaforové“ přehledy, dnes jich je asi sto, pokrývající klíčové KPI z ekonomiky, techniky, HR a dalších oblastí.

Tato sada neustále roste, a proto ji nyní chceme reorganizovat. Máme čtyři strategické cíle: spokojené cestující, spokojené zaměstnance, spokojené v uvozovkách „stakeholdery“, tedy dobré vztahy s partnery. Máme dvě vertikály – spokojeného zaměstnance a spokojeného cestujícího, přičemž se prolíná vztah s partnery a celkově vysoká efektivita a spokojený stakeholder tvoří plátno.

Tento směr nyní začínáme aplikovat při reorganizaci dlaždic, které byly zpočátku poskládané podle oddělení, aby měly větší význam, aby lidé, kteří je sledují, viděli konečného cestujícího. Už to běží; dnes jsme to částečně upravovali a budeme v tom pokračovat na cestě zpět.

Naše filozofie je zjednodušení, datový storytelling a přehlednost – nepřebohacovat, mít to jednoduché a jednotné, aby například ekonomický ředitel rozuměl datům z oblasti technické a naopak.

Adopce trvala asi půl roku, ale dnes to běží automaticky, jen doděláváme nové dlaždice a začíná další fáze. Michal vymyslel jednotnou vizualizaci pro celou organizaci, ať už jde o personální, kontrolní nebo telemetrická data. Vždy je stejný vzhled, stejné barvy a stejná pozice informací.

Mým úkolem bylo zkoordinovat všechna data tak, aby to šlo v reportingu zobrazit. Nakreslit to na papír je jednoduché, ale uspořádat data a upravit je tak, aby odpovídala vizualizaci, už bylo složitější. To bylo moje hlavní zadání. Dnes to funguje velmi dobře.

Jak říkal Michal, jsme ve fázi, kdy chceme, aby data více pracovaly pro nás interně v dopravním podniku. To je druhý produkt. Už jsem zmínil tři produkty; první je reporting. Druhým produktem je to, co Michal pracovně nazval „360“. Nejsme si jisti, zda tento název zůstane oficiální, ale znamená to, že naše dlaždice, které jsou dnes stejné pro různá témata, přeskládáme do logických celků, aby bylo vidět těch čtyři základní oblasti, které chceme sledovat – zákazníka, zaměstnance a podobně.

To je naše nová výzva. Abych to přiblížil posluchačům – dnes se jednou měsíčně setkává top management nad těmi dlaždicemi a hledáme červené křížky, tedy problémy. Nyní se s každou vertikálou bavíme zvlášť: personální ředitel říká, co ho trápí, proč jsou tam červené křížky, co chce zlepšit a jak.

Stejně pak hovoří technický ředitel, dopravní ředitel, nákupní ředitel a další. Po implementaci „360“ se ale nebudeme věnovat problémům jednotlivých ředitelů, ale konkrétně problémům v zákaznické oblasti.

Každý z ředitelů bude mít své slovo. Nebude to monolog jednotlivce po 15 minutách, ale diskuse workshopového typu, kde každý může pomoci druhému problém vyřešit či upravit.

Tím vzniká větší zapojení lidí a z mého pohledu je to efektivnější práce s daty ku prospěchu celé organizace. Je to tahání za jeden provaz, nikoli jen vykonávání si své kontroly, ale posun k inovacím.

Máme vizualizaci a dlouhodobě lidi na ní připravujeme, vlastně je trénujeme. Neztratíme tak dosavadní práci, ale díky jednoduchosti systému jen přeformulujeme obsah a více vtáhneme lidi do diskusí.

A třetí produkt? Ten není primárně pro interního zákazníka, spíše pro externího, byť to může být i dodavatel.

Pomáhali jsme u různých projektů, například dopravní podnik zakoupil technologii do vozů. Vozů máme nyní asi 570, dříve jich bylo asi 1620. Příklad – Ostrava byla první, která měla kompletní platbu jízdenek kartou; to byl důvod k pýchě vůči Brnu a Praze, že oni stále jezdí v hotovosti.

Konkrétně mluvím o instalaci Wi-Fi ve vozech, což je Michalův projekt, který připravil a pak vedl implementaci. V rámci tohoto projektu jsem dostal úkol začít sledovat data, jak instalace probíhá a zda je hotová.

Protože to, že dodavatel něco namontuje, neznamená, že to funguje. Datař musí hledat digitální stopy, které potvrdí nejen instalaci, ale i funkčnost. Není to jednoduché – pokud to dodavatel špatně uchopí, může na papíře tvrdit, že vše je v pořádku, ale data ukážou opak.

Mým úkolem bylo vše dát dohromady. Výsledný report se povedl tak dobře, že zaujal i dodavatele, který pak s námi navázal spolupráci a stal se i svým interním reportem.

To považuji za základ digitálního EZLáčka – nápadu, abychom metodu práce s daty pro externí zákazníky nazvali digitální EZLá a začali ji používat v nových smlouvách. Ve smlouvách bude jasně definováno, jak má vypadat reporting při předávacím procesu i kontrole, zda dodávka je funkční.

To je třetí produkt, který už reporting v dopravním podniku obsahuje a pomalu se začíná implementovat i do nákupních procesů.

Ivo, ty jsi mluvil o digitálním EZLáčku. Přijde mi to jako velmi dobrý a ilustrativní příklad vaší výjimečné pozice v organizaci – že vaše práce se promítá do nákupních smluv a do procesů, kde obvykle data a BI neprotékají. Vaše práce tak začíná mít skutečný dopad.

Jak si vysvětlujete, že jste od začátku měli podporu vedení a že to bylo od byznysu, a ne jen z pozadí infrastruktury či jako příslib, že koupíme datový sklad a nyní ho musíme využívat, protože za něj platíme spoustu peněz?

Motivací je samozřejmě více, které se poskládaly do jednoho řešení – digitálního SLA. Jednou z hlavních motivací je úspora interní práce. Když se něco dodává ve velkém, je potřeba více lidí, kteří vše inventarizují, podepíšou, že dodávka proběhla a zkontrolují funkčnost.

Hlavním důvodem je automatizace tohoto procesu, abychom měli kontrolu nad dodávkami rychleji. Kontrola často zdržuje projekt, což je riziko.

Vedení má motivaci mít situaci v projektu pod kontrolou – zcela přirozený požadavek top managementu.

Každý report by měl vést ke konkrétnímu akčnímu plánu – důvod, proč data zpracováváme. Musí mít dopad, musí být zacílený, aby se s nimi něco dělalo. Data posíláme do systémů, kde pracují za nás, nebo k lidem, kteří by měli na základě dat rozhodovat a ovlivňovat cíle, což pak bude vidět v datech zpětně.

Když mluvíte o posílání dat k lidem a používání Power BI jako vizualizační a interakční platformy, kdo u vás ve firmě do Power BI se dívá? Máte pět licencí pro ředitele jednotlivých sekcí, a ti reporty otevírají?

Propagovalo se to i do dalších oddělení a útvarů? Nahradili jste Excel? Jaký je plán licenci a používání Power BI?

Excel asi nikdy úplně nezanecháme, ale lze říct, že hlavní reporty jsme nahradili. U těch důležitých je potřeba mít data co nejrychleji v přehledné vizualizaci.

Na začátku jsme pracovali s asi deseti licencemi Power BI – my jako datové oddělení a pět ředitelů hlavních útvarů. Probíhal vizualizační ping-pong tvorby reportů jen pro tyto osoby.

Postupně, jak se zvětšoval počet sledovaných dlaždic, rostl i počet licencí. Dnes máme zhruba 60 licencí.

Snažíme se vzdělávat okolí v dopravním podniku tak, aby každý útvar měl minimálně jednoho primárního garanta do dat. Některá oddělení pracují s daty více, například dopravní úsek – jízdní řád jsou data, telemetrie z vozidel je data, která sledují plnění jízdního řádu.

Tam je víc lidí s licencemi, jeden hlavní garant a několik vedoucích směn, kteří potřebují reporting k řízení tisícového kolektivu – o nemocenské, o tom, zda vyjely plánované vozy a další informace na jednom místě.

Takže na těchto útvarech je více uživatelů s licencemi. Celkem zhruba 60 lidí.

Mimochodem, proč Power BI? Práce s daty a udělení přístupů není levná, proto jsme hledali nákladově efektivní řešení. Power BI nám přinesl v té době oproti Tableau či jiným systémům obrovskou demokratizaci BI.

Cena byla přijatelná, možnosti rozmanité, např. základní verze začínala na 20 dolarech, později na deseti, a…

Skočilo to na 20, kde se rozšířily možnosti, a Ivo Pankájecký kouzlil s datovými modely, abychom se stále vešli do velikosti, která nám byla dána, a nemuseli platit, protože další tarif byl potom jen 5000 dolarů měsíčně nebo něco podobného. Takže jsme to i logicky nějak strategicky přeplánovávali a organizovali, jak co a kde zobrazujeme, aby datový model pod tím korespondoval s obsahem pro jednotlivá oddělení. Byl to docela dobrý příběh.

Cestou jsme zkoušeli spoustu různých řešení, testovali jsme i Kebulu před 4–5 lety, která nás bavila, akorát na konci dne jsme nebyli schopni to prodat u vozovkářských bordů, proč to potřebujeme, proč by za to měli být schopni platit. Nakonec jsme se s kluky nějak nedomluvili, neuměli jsme to vysoutěžit. Je otázka, jestli ji vůbec kdy chtěli.

Soutěžíme podle zákona o veřejných zakázkách a spolupracovat s někým tak progresivním, jak kluci byli, je komplikovanější, a tak jsme se snažili, ty rámce byly omezené, takže o to raději dneska jsme, že jsme si před pár lety udělali nějakou IT strategii. Jejím podtitulem bylo „Data pod kontrolou“ a měla za cíl sjednotit trochu technologický stack pro všechny vertikály v systému a sladit požadavky, jak krátkodobé, tak dlouhodobé cíle.

Chtěli jsme znát požadavky uživatele: "Vy chcete toto, vy chcete ono, pojďme vytvořit řešení, které koresponduje s daty, bude jednodušší je napojit, bude jednodušší s nimi pracovat.“ To se povedlo.

Naběhli jsme do Azure, učíme se s ním, do toho nám vpadl loňský rok plný zajímavých překvapení od Microsoftu. Najednou nám tam spadl eFabrik, což nám hodně připomíná Kebulu, a s tím se učíme hrát. Máme tam nového kolegu a postupně převádíme věci z BIčka, sobarobi a i před sobarobí, protože jsme si řekli, že data nejen chceme ukazovat, ale chceme je také posílat do práce.

Začali jsme si říkat: „Ok, než upgradovat staré systémy v C# a protože máme problém sehnat C# vývojáře, tak to zkusíme udělat vedle a potom to následně poslat zpátky do výpočtů, které jsou v Azure a využívají jeho možnosti.“ Začali jsme o tom uvažovat komplexněji, proto jsme tu IT strategii stavěli. Najednou jsou tu možnosti, systém se posouvá mnohem rychleji než očekáváme, učíme se s ním a uvidíme, kam nás to povede.

Určitě nás zajímají predikce, machine learning a podobné technologie. Ivo, můžeš na to navázat?

Předtím než navážeš na vizi a budoucnost s těmi všemi sexy možnostmi, které současné datové technologie odemkly, tak jste mnohokrát zdůraznili, že data jsou vaše. Možná v komerčním sektoru je to samozřejmé, v tomto veřejnoprávním sektoru a státní správě to tak není vždy. Vy jste si to dali jako jádro ICT strategie. Proč je to tak důležité a co to pro vás znamenalo, kromě obchodování s dodavateli a vysvětlování jim, že data jsou vaše a je potřeba se o ně starat?

Je to specifické tím, že všechno soutěžíme a je to správně. Ve chvíli, kdy něco nenapíšeme do zadávací dokumentace, stojí proti nám partneři, kteří chtějí na zakázce vydělat. Když tam chybí například věta, že systém musí mít API nebo musí být jasně vydefinováno, že data jsou naše, tak zakázku nedostaneme. Je to jednoduché.

Potom přijde datový specialista, který potřebuje s daty něco dělat, napojit je do jiného technologického stacku než má dodavatel, a dodavatel přijde s fakturou, takže proto to je důležité. Pamatuju si, a doufám, že to říkal Michal, že trh se hodně posunul, ale jak bylo těžké odejít ze SAPu, protože stáhnout svá data ze SAPu stálo víc než dva roky provozu systému.

Data jsou naše znamená také, že nějaká otevřená data, když jste veřejnoprávní institucí, jsou další kapitolou. Uvažujete o tom takto? Máte jeden zákaznický segment, jednu cílovku či vertikálu – město, zastupitele, kraje?

Nevím, jak to máte přesně, ale jak přemýšlíte nad otevřenými daty a jejich užitkem nejenom uvnitř organizace, ale i navenek?

My jsme to před třemi čtyřmi lety docela aktivně řešili. Dělali jsme hackathony a poskytovali data v uvozovkách veřejně. Zveřejňujeme dopravní data – máme GTFS, GTFS-RT, což jsou specifická dopravní data, dynamická i statická, zajímavá pro naše partnery.

Jinak nemáme standardizované otevřené API, ani jsme na to neměli dostatek lidí. Teď doháníme technologický stack, ve kterém je snazší to udělat, protože na konci musí být lidé, kteří API schvalují. V tomto segmentu jsme je zatím neměli.

Dodnes řešíme, že sekci práce s API musíme posílit, diskutujeme, kde ty lidi vycvičit nebo koupit. Když někdo přijde s zajímavým požadavkem, snažíme se vyhovět a vyjít vstříc.

Máme také data online na DPO, kde zveřejňujeme některá data a plánujeme to posílit. Chceme také zlepšit informovanost cestujících o efektivitě, bezpečnosti, spolehlivosti.

Toto jsou výzvy na letošní rok a diskutujeme, jak to technicky udělat. Formáty, o kterých jsem mluvil, aby se data zobrazovala v Google Search, Seznamu a podobně.

Česká republika v některých ohledech značně předběhla dobu. ChAPS s panem Chlebníčanem vytvořili centrální informační systém s jednotným datovým formátem v době, kdy to nebylo rozšířené.

Máme ho stále, ostatní formáty se vyvíjejí, nyní se řeší LENSTeC, a brzy nový LENSTeC.

Z Evropské unie na nás dopadají povinnosti o zveřejňování dat, tak se nyní budeme bavit o formátech jako NETEX a SIRI a také GTFS, který vytvořil Google. GTFS používá většina systémů, s dynamickou i statickou podobou.

Dnes Praha, myslím, že i Brno a třeba i další města tyto datové formáty mají a zasílají je do Seznamu a Google, takže kdokoliv může tato data využít.

Zní to, jako byste v Dopravním podniku udělali velký kus práce, navzdory omezením, a s množstvím hackování jste dosáhli dobrých výsledků. Mám z toho radost.

Co je další krok, co vidíte za příležitosti teď, když máte základní provozní data v pořádku? Jaké inovace a produkty sledujete?

Znovu zopakuji, máme strategické cíle, spokojený cestující je na prvním místě.

Mluvíme o nových znalostech, technických, datových i psychologických, v chování.

Chceme znovu detailně prostudovat potřeby cestujících a zjistit, jak na ně reagovat v různých tematických oblastech.

U nás silně rezonuje lepší informovanost. Pracujeme na mimořádných zprávách, real-time informacích, rychlém a přesném doručení informací cestujícím.

Momentálně probíhá soutěž na počítání cestujících, testujeme také e-papíry.

Do e-paperů, do aplikací a na web chceme přenášet informace o obsazenosti vozů, o dostupnosti místa pro vozičkáře apod.

Postupujeme krok po kroku v těchto segmentech zároveň se snažíme rozkrýt podstatu cestujícího, přizpůsobit se jeho potřebám a přizpůsobit datové modely tomu, co vidíme, i najít to, co nevidíme, a vytvořit systémy, abychom to mohli sledovat.

Je to dlouhodobá postupná práce.

Já se zaměřuji spíše na interní svět a služby pro vnitřní pracovníky Dopravního podniku.

Můj cíl na tento rok je vtáhnout více kolegů, kteří s daty pracují.

Momentálně připravuji jednoduchý univerzální datový model, kde nemusíme do modelů dávat všechna data na hromadu, ale zjednodušit je tak, aby nebyly složité.

Model má být uchopitelný i pro nedataře, kteří chtějí s daty pracovat.

Cílem je, aby si mohli tvořit vlastní vizualizace a KPI pro lepší kontrolu svých týmů či procesů.

Chtěli bychom data dostat k těm, kteří nejsou datoví specialisté, a doufáme, že to půjde jednou i automatizovat.

Držím vám palce – jako hrdý ostravský patriot mám radost a vděk, že to takto posouváte.

Měli jste sice trochu obavu, že to děláte jinak nebo že nemáte našim posluchačům co říct, byli jste trochu skromní, když jste sem přicházeli.

Na druhou stranu velmi krásně popisujete klíčové věci, které právě rezonují v celém trhu.

Posun od technologií a infrastruktury k zákazníkovi, k data-driven přístupu, k rozsáhlým a komplexním infrastrukturám a pak zase zpět k tomu, pro koho to je a jak mu to doručit co nejrychleji, ve správný čas, nejlépe s insightem a nějakou akční hodnotou.

Jak si udržujete přehled? Komunikujete s ostatními městy?

Je tu nějaký dialog, komunita datových specialistů či lidí, kteří řeší data v MHD? Povězte nám, jak to máte.

Máme pár přátel, s nimiž rádi diskutujeme.

Dále sledujeme internet a YouTube.

Za ty roky už víme, koho sledovat a kdo nás posouvá.

Možná jsme nezmínili jednu věc.

Jedna věc je mít data pohromadě, druhá je umět je „provrtat“ a vyprávět jejich příběh (data storytelling), který je často odtržený od samotné práce s daty.

Pro nás je to jeden celek.

Uvažujeme, jak data učinit srozumitelnými, přehlednými a zajímavými i pro ty poslední zastupitele, aby jim to bylo jasné.

Když informace není chápaná, je k ničemu – kde je akční plán?

Z vlastní zkušenosti mohu doplnit, že Michal je v tomto velmi dobrý.

Dlouho nám vracel výsledky, dokud nebyly opravdu jednoduché a srozumitelné pro okolí, které nebylo u výroby reportů či vizualizací.

Jako typický datař mám tendenci používat složitější metody zobrazování, ale Michal dokázal výstupy zjednodušit.

Všichni jsme začínali, jak se říká, ve Chci Cebou (neformálně).

Je to jako ping-pong mezi námi a trvá to, dokud nejsou výsledky jednoduše publikovatelné a srozumitelné.

Líbí se mi ještě jedna věc, kterou musím pochválit Michala – je nositelem otevřenosti Dopravního podniku a přitahování zajímavých lidí z komunity.

Zmiňoval Kebulu, Berta Švába, hackathony, které jste pořádali.

Co se mi líbí, je, že když dáte inteligentnímu člověku zajímavý problém, nemůže si pomoct, než ho začít řešit.

Toto oslovování chytrých lidí vede k inspiraci, obohacování a neformálnímu poradnímu sboru zdarma.

Jak k tomu přistupujete?

Ze začátku jsme byli více navenek – pořádali grilovačky a podobné akce a mohli jsme se bavit s různými lidmi, kteří nám dávali podněty.

Pak jsme se trochu stáhli dovnitř, uvědomili si, že některé cíle se na začátku nepodařily, redefinovali jsme je a začali na nich pracovat.

Pak přišel covid, což všechno zkomplikovalo.

Nyní se opět vracíme k tomu, že chceme ven, komunikovat a diskutovat.

Určitě chceme mluvit s dalšími dataři, protože víc hlav – víc ví.

Pokud mohu, tak je dobré, aby dataři nebyli sami, to může být osamělý boj.

Inovace ve velkých organizacích mají vzestupy i pády, a je potřeba se vzájemně podporovat.

Moc děkuji vám oběma a rád bych na závěr potvrdil to, co říkal Michal – DPO se otevírá směrem ven, hledá inspiraci a chce se bavit o možnostech a dalších krocích.

Proto jsme se rozhodli uspořádat úplně první Datamesh v Ostravě.

Velmi vám děkuji – jako ostravák jsem od začátku chtěl vytvořit Datamesh.

Pokud toto posloucháte, den vydání této epizody je středa 20. 7., a jste z Ostravy nebo okolí, nebo se chcete vydat do moravskoslezské metropole, zveme vás na první Datamesh Ostrava v Boom Boom klubu, což je nový klub Štěpána Kozuby, ano, původně z Tří tygů a Divadla Mír.

Těšíme se na vás, registrace na Datamesh je možná.

Můžete se zde také zeptat Iva a Michala na detaily, které jsme nestihli probrat nebo které vzhledem k povaze jejich práce nemohou říct úplně na mikrofon.

Děkujeme Jirkovi za organizaci a srdečně vás zveme.

Zveme vás do Ostravy, protože my rádi diskutujeme o našich tématech, ale zjistili jsme, že hodně diskutujeme s Prahou a že vlastně nemáme moc s kým diskutovat v Ostravě. Tak tedy, přijďte, ať se seznámíme a ať máme něco i tady u nás.

Těšíme se. Děkujeme moc, držím palce. Děkuji také za pozvání a těšíme se.

A to je všechno. Děkujeme, že jste doposlouchali až sem. Děkujeme také našim partnerům: Big Hubu, Souhonu Sasce, Bestritu, Colors of Data, Revolt BI, Good Data, Kebule, eMarku, Karl Data Company a Datamindumu.

Pokud vás zajímá víc, navštivte naše stránky datatalk.cz a přihlaste se k odběru našeho newsletteru.