Podcast

Jirka Vicherek (00:00:03): Dobrý den, moje jméno je Jirka Vicherek a vítám vás u dalšího dílu DataTalk podcastu. Mým dnešním hostem je Andy Werner, BI Director v Heureka Group. Ahoj Andy. Ahoj Jirko. Zdravím všechny posluchače.

Jirka Vicherek (00:00:34): My se dneska podíváme do Heureky, do Heureka Group, abych byl přesnější, pregnantní, protože Andy od 7. minulého roku tam nastoupil jako BI director. Heureka byla vždycky takový šampion v data-driven a správné datové kultuře a díky Michala Buska na to ještě navážem. Tím, že si v Heuréce velmi čerstvě a na druhé straně na té datové scéně si už nějaký čas a potkávali jsme se v různých projektech, tak začněme tím, jak se dostal do Heuréky, jak se dostal vlastně do dat takových.

Andy Werner (00:01:13): Já jsem se k datům dostal tím, k velkým datům jsem se dostal tak, že mi byl Excel malý. Já jsem ještě z té generace, která pamatuje Excel, do kterého se vešlo jenom 65 tisíc vřátků a to chvíli stačilo a potom v jeden okamžik stačit přestalo a pak jsem si říkal, ty problémy přece musí pořád řešit datově, ale nějaký hnák než tím Excelem. Takže to mě zaujalo, to byl hlavní signál pro to, nebo hlavní motiv k tomu, jak se dostat k velkým datům a do Business Intelligence.

Jirka Vicherek (00:01:45): No a jak jsi dostal k Excelu?

Andy Werner (00:01:47): Excelu jsem se dostal hnedka při škole, studoval jsem ekonomiku, ale už při škole jsem mohl začít pracovat v PVC, ve velké čtyřce, v oddělení poradenství při transakcích. My jsme dělali něco, čemu jsme říkali commercial due diligence a je to vlastně analýza trhu a validace business plánů. Můžeš si představit třeba private equity fond, který plánuje koupit nějakou společnost velkou a potřebuje na to financování. Aby dostal financování, tak musí přinést business plán. A každý biznis plán je tak dobrý jako dvě čísla v něm a to je jak velký je trh a jak podoste ten trh a kolik toho trhu si ta firma může ukousnout.

A jakmile máš tyhle dvě čísla, tak potom může to víceméně mechanický nápočet a my jsme byli právě podatci, kteří pro banky a pro ty fondy validovali správnost tady těch předpokladů. A u toho jsem se dostal co dva měsíce k novému odvětví, takže jednou jsme počítali, kolik se vymění oken v Česku nebo další týden, kolik se postaví drive-thru fast foodu v Čechách nebo kolik se postaví v Evropě vodních elektráren a do nich jako generátorů. To jsou mi zajímavé. Tam jsem se právě naučil spoustu, tam jsem se naučil, jak vlastně si sehnat data a jak z nich udělat nějaký příběh, jak je poskládat dohromady, jak je komunikovat a k tomu skutečně stačil ten Excel, nějaká trojčlenka a potom PowerPoint a Ale dát tomu smysl, dostat to do nějakého příběhu, udělat z toho graf, udělat z toho grafu, ze kterého si to každej může přečíst, tak to byla velká škola, kterou jsem v PVC dostal.

Jirka Vicherek (00:03:49): Jak pokračovala tvoje kariéra pro PVC?

Andy Werner (00:03:52): Po PVC jsem šel ke klientovi, ta firma se jmenovala Starbev. a tam jsem dělal pricing manažera. Starbeth byla ze private equity vlastněná skupina sedmi pivovarů, mezi nimi Staropramen, Ožujsko, to jsou asi ty, které můžete znát. A vlastně majitele a to management si potřeboval udělat jednu velkou změnu v myšlení v té firmě, protože do té doby byl objem prodaného piva a obrad z toho jako hlavní kápejíčko. Ale to ještě neznamená, že nutně vyděláte.

A začaly se měnit návyky spotřebitelů, začaly preferovat jiné obaly, začaly preferovat nákupy piva v Samošce oproti tomu, aby si zašli do hospody. A to má na tu profitability velký vliv, protože vlastně každý to SKUčko má jiný profit a my jsme, já a můj tým, pricing managerů v těch jednotlivých zemích, tak jsme vlastně začali... zavádět nějakou metodiku přemýšlení tady nad tím. Začali jsme vlastně komunikovat do té firmy, že je velký rozdíl, jestli prodáme litr v plechovce nebo ve skle nebo v kegu a pomalu jsme začali vlastně jako obracet ten pohled té firmy skrz to, na to, že ten objem není to nejdůležitější, ale i třeba struktura a ty a ceny, jako ten goví, že jsou vlastně velkej, velkej líber v tom, jak ta firma funguje. Co je to za rok?

To jsou roky 2011, 2014. A potom jsem si udělal takový mini MBA na rodičovské. Narodila se mi dcera a chtěl jsem s ní strávit čas, že ona chtěla jít do práce, takže jsem byl s Ester doma a u toho jsme...

Jirka Vicherek (00:06:04): To já jenom tady velmi kvituju a chválím a kež by bylo víc takových, tak zase ten poměr je... nešilený, tak jenom tady společenské okenko. Jaký to pro tebe bylo? Doporučil bys to?

Andy Werner (00:06:19): Já to doporučuji. Potom jsem si vyhradil čas i na Lili a je to super a je dobrý být s těma dětma, ale zároveň vidět, co ty naše milovaný manželky všechno musí snášet doma a jak se na nás potom těší, když přijdeme s prácem.

Jirka Vicherek (00:06:38): Dost to změní pohled, když si to vyzkoušíte na vlastní kůři.

Andy Werner (00:06:41): Přesně tak. No, říkal jsem tak, jak to teda souvisí moje MBA a rodičovská. My jsme s Bráchova s Bratancem založili takový startup, říkali jsme tomu Trullymine a dělali jsme made to measure nebo custom made zápisníky. Měli jsme appku, kde jsme měli 50 šablon a zákazník si tam mohl vlastně z těch šablon vybrat svůj vlastní zápisník, nastrukturovat si to a my jsme ho vytiskli potom a doručili. A to, že to mohlo být custom, tak nám dávalo možnost tam dávat nejenom kalendáře, nejenom linky a tečky, ale layouty na ochutnávky čaje a čtenářský denníky a tak.

No, ale proč to tady mluvím, proč je to užitečný pro tu naši konverzaci, je, že já jsem se tam naučil vlastně e-commerce. Přesně tak, podporace a najednou je tam ten svět toho internetu, kde najednou zjišťuju, že existuje nějaký online marketing, že existuje nějaký produkt, že existuje nějaká last mile ekonomika, zjišťuju, že můžu najednou prodávat věci do Ameriky, tady z Prahy nebo z Brna, A vlastně ve velmi malým, ale mohl jsem si vyzkoušet všechny tyhle funkce a ošáci je a jako doteďka z toho těžím a je to velmi přínosně.

Jirka Vicherek (00:08:14): Jak vypadal tvůj personalizovaný diář zápisně?

Andy Werner (00:08:19): Já jsem tam měl plán vždycky na den, nějaký cíle a potom čaj a knížky.

Jirka Vicherek (00:08:26): Super. No a tím, že nevidím ve všech těch klupectvích reklamy na truly mine, tak asi to je jeden z těch startupů, který ti dal spoustu zkušeností, ale nevystřelil úplně?

Andy Werner (00:08:44): Nevystřelil a neměli jsme, asi jsme neměli dost zkušeností, dost sil a možná jsme si to představili trochu naivně. Ale prostě tak v jeden okamžik jsme museli jít do práce. Všichni tři. Ale zkušenosti zůstaly vlastně pár let. To potom běželo samo s pádem.

Takže fajn zkušenost. Takže potom jsem si vyzkoušel.

Jirka Vicherek (00:09:09): Porodičovské. Po rodičovské, jsi šel na trh práce.

Andy Werner (00:09:14): Potom jsem šel na trh práce a šel jsem do Exponei na malou chvilku, tam jsem se naučil, že nejsem dobrý obchodník, to mi nesedělo a potom už přišel mol a velký data.

Jirka Vicherek (00:09:28): A to je asi ta kapitola, která tě jako profesionála z mýho pohledu definovala, respektive to je to období, kdy v mallu, mall group, víc osobností se setkalo a potkáváme je na té BI scéně, že to bylo taky trochu center of excellence, tam se to v tu chvíli dělo.

Andy Werner (00:09:50): Přesně tak, tak já jsem do mohlu přišel a nevěděl jsem moc, co je BI, neuměl jsem si udělat SQL query, ale všel jsem tam do role product ownera, vlastně jako spojky mezi biznisem a těmi daty. Tak vlastně to bylo v okamžiku, kdy tam probíhal, kdy začínala, startovala ta velká transformace z našich jedenácti tůlů datových do dosteku Keboola, Keboola Tableau, kdy a vlastně moje role byla, než se do tohle pustíme, tak ten první úkol byl popsat, co vlastně mol potřebuje a tam jsem vlastně přinášel tu jako moji biznisovou zkušenost. Takže jsem tam udělal hromady intervjů se všema jako stakeholderama. Navnímal jsem, co vlastně potřebují za data ve skladu, co potřebují v marketingu, co potřebují jako obchodníci, customer care a tak tyhle věci. A vlastně tohle potom informovalo to, jakým způsobem budeme tu transformaci dělat, jaký potom budeme No, jak to budeme dělat, kam budeme směřovat?

Jirka Vicherek (00:11:07): Já tím, že tu tvoji cestu znám, tak si myslím, že tohle je nějaké opakující se téma, že jako vlastně přicházíš ty konzultačně biznisový části a v průběhu kariéry vlastně jdeš hloubře a hloubře do technologií, že zase spoustu hostů, které tady máme, tak jdou naopak. začínali jako hardcore programatoři a čím dál tím víc, čím dál tím méně baví technologie a zajímá víc biznis a dopad těch technologií a u tebe tu cestu vnímám úplně.

Andy Werner (00:11:39): Je to tak, já vždycky ty technologie, pro mě vlastně byly nástroj, jak se něčeho dobrat. Ať to bylo, že jsem se naučil Vlookup v Excelu, nebo Macro v Excelu, a nebo SQL, a nebo Tableau, nebo Looker, tak vždycky to bylo s potřebou odpovědět na nějakou odnázku.

Jirka Vicherek (00:12:02): A tak to vnímám, ale čemu se chci dostat je tyhle rozhovory. Tak máme to z nich hrozně logicky, ale zase myslím si, že to umění se ptát na ty správné otázky, dostat to z nich, je taky umění, je to nějaký skill a všechno. Tak přišel jsi do mallu, na jedné straně máš dataře a technologii, na druhé straně máš biznis. Jak vypadá takový interviu, nebo jakoby nějaký rady pro někoho, kdo si není jistý, jestli to dělá dobře, nebo to má dělat poprvé, tak jako mluvte se svými uživateli, je zase chlupatá jasná rada, vaši uživatelé nebo vaši klienti jsou interní klienti, takže mluvte s nima, tak jo, no shit Sherlock. No ale jak říkáš, měl jsem interviu, tak možná jenom jak to probíhá, co je důležitý, kdybys učil nějakého svýho nástupce dělat tyhle interviu, tak na co si dát pozor?

Andy Werner (00:13:06): Ty data by měly být vlastně až na konci až jako výstup a vždycky jsem začínal z pohledu těch řad, jako kdyby od konce až co se s nima stane a vlastně to byly vždycky rozhovory o tom, Jaký máte procesy, co děláte, co s těma datama, co se stane potom, co na základě těch dat můžete udělat dál, protože velmi často přijde biznes a řekne, já chci takovouhle tabulku, ale vlastně až když položím tu otázku a co na základění, ty a ty uděláte, tak až potom vlastně se přijde na to, jak to na sebe vidí a jestli ty data takhle v té formě jsou užitečný. Takže to je tak plně jako high level a potom se to samozřejmě Samozřejmě drolí do stále větších detailů, jak moc granulárně ten proces jsme schopni popsat a tam se děje to kouzlo. Asi se k tomu ještě dostaneme, jak se na to třeba dívám teďka.

Jirka Vicherek (00:14:13): Předpokládám, že takový jako hodně necháváš mluvit, ptáš si na otevřený otázky.

Andy Werner (00:14:19): Je to tak a ptám se fakt na ten biznes, prostě přijdeš do práce a co uděláš, co tě zajímá, podle čeho se rozhoduješ, co budeš dělat dneska třeba, podle čeho se rozhoduješ, do čeho investuješ, ptám se vlastně na odměňovací schémata. Co je to kápejčko, který máš jako reálně v těch bonusech a jak si ho počítáš a jak ho ovlivňuješ, protože velmi často třeba ta zkušenost z toho pivovaru, všichni chceme, aby ta firma byla profitabilní, ale zrovna já mám v cílech tady objem jem.

Jirka Vicherek (00:14:54): A tak zamknou ceny.

Andy Werner (00:14:56): Tak zamknou ceny, přesně tak. A tam je spousta schovaných zádrhelů, který ti lidi, buď to neví, že jsou důležitý, nebo si je nechávají pro sebe, je to potřeba odhalit. Za ty roky už to tak nějak prokouknu.

Jirka Vicherek (00:15:13): Príma. No, takže Malo Group, čas největší transformace. Z plejády toolů napříč různýma firmama, tak si jednocujete do Kebooly a Tableau. Co tam byly jako další nějaký strategický věci, co zase teď v Heurece využíváš?

Andy Werner (00:15:31): Ten největší kus, co já jsem tam měl pod palcem, tak bylo něco, čemu jsme říkali Unit Economics. A já možná, když tady kážu, že je potřeba mluvit o těch use casech, tak než začnu mluvit o té tabulce samotné, tak řeknu, že se navážu na Viktora, který tady mluvil o tom pricingu, o pricing toolu v mallu a že Viktor a Ilia budovali tady ten nástroj. Já je na Lého do pozluchače, bavíme se o

Jirka Vicherek (00:16:05): Ilia Wolfovi, s kterým jsme natačili epizodu ještě za ByteGarden, k tomu se dostaneme, a Viktorou Šohajkovi, který je dneska ve

Andy Werner (00:16:16): Fločku. Tak a taky s ním byl fajn podcast. a Viktor tam právě mluvil o tom nadceňovacím nástroji a aby MOL mohl dobře nadceňovat, aby Viktor mohl dobře nadceňovat, tak potřebuje vědět, jaká je marže jednotlivých produktů a musí být schopen si nasimulovat, když pohnu tady cenou o 2%, co mi to udělá na marži a jestli si můžu tu slevu dovolit dát nebo ne. A vlastně ten náš produkt Union Economics tak stal pod tím a byla to vlastně jako transakční databáze, můžete si představit vlastně PNL-ku každé jednotlivé transakce, která se stala a bylo to do velkého detailu, my jsme měli až marži úroveň 7, takže na začátku mám nějaký jako příjem z toho produktu, potom mám náklad za kolik jsem to nakoupil, Potom e-commerce je specifický v tom, že se k tomu potřeba přičíst nějaké jako zpětné bonusy rozpočítat a tak. A potom tam jsou náklady na logistiku, náklady na handling a tyhle věci.

A to jsme vlastně všechno počítali. Byl to vlastně takový úplně základ, ze kterýho potom vycházel nejenom ten pricing, ale vlastně na základě toho stál na tom i reporting, takže kolik jsme prodali včera, kolik jsme vydělali včera, které kategorii se daří, které kategorii se nedaří, stáli na tom. tvorby vyjednávacích strategií z dodavateli a tak dále, tak dále. Takže byla to fakt velká věc. A zároveň já se vlastně říkal, použil jsem slovo PNLka, prostě každá transakce, každý produkt takhle měl svoji PNLku a a vlastně šlo to, tak jak PNLka vlastně reprezentuje výkon té firmy, tak i my jsme reprezentovali výkon té firmy a museli jsme dát dohromady vlastně všechny ty strany, který k tomu něco měli co říct.

Takže byli tam jako lidi z kontrolingu, financí, kteří se na to dívali, aby to se dělalo lidi, co bylo na učitnictví, ale pak tam byli lidi, co měli speciálně na starosti právě výpočet těch bonusů. Byli tam lidi, kteří říkali, dobrý, a my nad tu bublinkovou folii při tom handlingu tak přemýšlíme takhle. Tohle všechno bylo potřeba zkoordinovat, dát to nějak dohromady na ten jeden krásnej uhlednej řádek v té tabulce.

Jirka Vicherek (00:18:44): Je to logický, o jednotkový ekonomice mluví všichni od největších korporátů po ten nejmenší startupík. Mám dvě otázky. Ta první je, je to jednotný model vlastně, anebo pro každou firmu ta unit economics se počítá trošku jinak? Nebo jsou jenom jiný vstupy podle toho, jaký je to typ, ale jako matematicky je to BNLK a jak je BNLK prostě Dost standardizovaná, tak unit economics vlastně děláš to, co máš.

Andy Werner (00:19:19): No, myslím si, že každá, ta pínelka není vlastně účetně, účetně standardizovaná, bavíme se o manažerským, manažerským účetnictví, takže každá firma to má trošku jinak. Takže my jsme stavili pro MOL a pro CZC, a už to, jak se učtovaly vlastně ty bonusy a jak třeba fungoval sklad, tak mělo velký vliv na to, co my vlastně víme a co musíme, co třeba víme rovnou a co musíme rozpočítat nějakou metodou.

Jirka Vicherek (00:19:46): Super, takže je tam nějaká chytristika, stavíš nějaký model vlastně, jako myšlenkový model, nějakou hypotézu a ta druhá, zase to nejtěžší je asi dát dohromady ty vstupy, ty data, ne? a to zase mohl digitální firma e-commerce, takže jako hodně jako víc dat než v normální firmě, ale to je, kde se spálí nejvíc času a nejvíc toho je, ať prostě kolik stojí bublinková folie a kolik se jí nespotřebuje na jednom tom, tak není triviální jako měřit, ne?

Andy Werner (00:20:19): Přesně tak, takže jedna z těch, proto jsem mluvil vlastně o těch lidech, kteří se k tomu, kteří se toho účastnili, protože ano, potřebovali jsme mít nějaký partiáky na straně, ať už dát třeba SAPu, kteří nám ukazovali, tady jsou tyhle data, nebo to byly zase lidi, kteří pracovali ve skladu a říkali nám, jak funguje ten sklad a my jsme vedle toho koukali do toho SAPu a říkali jsme si, aha, teď tenhle pohyb vidím tady a identifikuju ho takhle. Takže tam je velká, jako fakt jsme šli jako velmi do hloubky a byla tam hromada lidí, kteří na tom spolupracovali. Super, super.

Jirka Vicherek (00:21:05): Tak to jsou Unit Economics.

Andy Werner (00:21:08): A potom další velkou věc, která mě hodně formovala, kterou si odnáším dál, tak jsou data as a self-service. Tehdy jsme si mysleli, že když všem koupíme Tableau, tak nám utrhají ruce a budou nadšeně do toho každý den koukat. 2017,

Jirka Vicherek (00:21:29): no to je doba, kdy jsme myslím dělali s Keboolou právě, nebo pro Keboolou marketing PR content a pamatuju si či Citizen Data Scientist. Takže Citizen Data Scientist, budem učit manažery základy Pythonu, ne SQL, Pythonu.

Andy Werner (00:21:54): A my jsme byli na ně hodně, my jsme koupili to Tableau a mysleli jsme přesně, jak se to říká, vyrobte to, oni přijdou, tak to nebylo až tak jednoduchý. Takže myšlenka byla, pojďme dát... Máme ty data, máme Unit Economics, koupíme Tableau, pojďme do toho dostat co nejvíc lidí, aby aby ta firma byla chytřejší a dělala lepší rozhodnutí a tak brzce krásný. No a tak tam to myslím, že jsme to jako hodně posunuli, ale zároveň pořád tam vždycky je tam jako velkej prostor pro posun. V čem spočívala ta práce?

Ta práce spočívala v tom, že Měli jsme 300 edit licenci na Tableau a těchto 300 lidí jsme jim museli říct, jak to Tableau funguje technicky, jaký data mají, co můžou použít, v jakém zdroji najdou tady tuhle metriku a jak si ji můžou řezat. A další věc byla, to bylo jako nejtěžší vlastně, naučit je s těmi daty pracovat ve smyslu klásci otázky a hledat ty odpovědi. A tam si myslím, že to šlo určitě výrazně pomalej, než já jsem čekal, že já jsem přicházel z toho jako hladovej po těch datech, kdybych já tohle býval byl, měl někde tady v pivovaru, tak to by bylo skvělé.

Jirka Vicherek (00:23:28): Čím dál tím řešil, jak se dostat k datum a technologiím, které ti odpoví.

Andy Werner (00:23:32): Ale ta realita potom, když to má potom člověk jako vysvětlovat jako obchodníkům, tak to bylo jako velmi složitý. A jsem třeba dostal feedback, jsem ukazoval úplně nadšenej, jak v Tableau můžu mít calculated field a můžu si tam udělat nějaký jako if. A feedback byl, no ale Andy, ale my nejsme programáteři. A tam se ukázal ten rozdíl a to mě jako posadilo hodně na zem a říkal jsem, že to tak asi na to musím jít trošku ještě jinak. Bez ifu, jasně, žádné.

Jirka Vicherek (00:24:08): No, tak ať se posuneme, tak pojďme do Bytegarden. Jste se s, již už zmiňovanými, Iliou a Viktorem, potom rozhodli, že si uděláte agožku. Konzultačku.

Andy Werner (00:24:27): No, tam si myslím, že jsme to měli strašně hezky nalajnovaný, že jsme přišli, že jsme si měli velký dar to nazvat možná. Že jsme dostali rovnou velký projekt, ještě ByteGarden ani neexistoval, zároveň jsme byli takhle tři, kteří jsme věděli, dlouho jsme přemýšleli, že bychom spolu rádi něco dělali, korát jsme přemýšleli nad různýma variantama a potom vlastně přišla možnost postavit právě Unit Economics a nějaký základní reporting nad Keboolou v Grouponu. Takže jsme tam, jsme s Iliou pomalu, postupně začali ten projekt rozjíždět, rychle se k nám přidal Viktor a další lidi a kolem toho vlastně vznikl ByteGard. Takže ta propozice té unit economics, to, že jsme to už jednou postavili, tak byl náš lístek tady na tuhle jízdu dál.

Jirka Vicherek (00:25:38): No a pro mě je to super nahrávka, jak jsme se bavili o tý unit economics v e-commerce, tak Groupon zase nemá sklady a nemá fyzický zboží, jsou to kupony, tak tam to musí být vlastně jednodušší ne, bych řekl, že tím, že to je čistě digitální.

Andy Werner (00:25:58): No jsme si taky mysleli.

Jirka Vicherek (00:26:01): Tam do toho asi zase leze ta škála a země.

Andy Werner (00:26:05): Přesně tak leze do toho škála, leze do toho země, lezou do toho různý systémy. To vypadá zvenku jako je to jeden Groupon, ale vlastně Groupon prodává Jak vouchery, tak prodává fyzicky věci přes marketplace i si přesto můžeš zarezervovat hotel a něco je postavený v Americe, něco je postavený v Evropě, takže vlastně my jsme měli třeba jako vlastně 12 biznisů v podstatě a pro každý z nich jsme vlastně objevovali, jak to funguje. to byla doba, kdy vlastně Palefire se začal ujímat kormidla, už měli nějaké exekutivní role tam a vlastně potřebovali dostat nějaký jednotnej pohled na ty data, něco tam bylo, ale mělo to nějaká svá ale, tak jsme to dostali zadání, pojďte nám to tady na zelené louce představět. Pokud vím, tak to tam funguje.

Jirka Vicherek (00:27:09): Gratuluju, no a ještě něco k Bytegardenu.

Andy Werner (00:27:14): Bytegarden a ještě jednu věc bych vypíchal hrozně zajímavou, která mě strašně bavila a to jsou, když jsme se bavili o PVC, jak jsem zmiňoval jako due diligence, tak tady jsme dělali něco podobného. Vlastně jsme dělali pro pár investorů pár projektů, kdy jsme se vlastně dívali dovnitř firem, jak fungují datově, ale zároveň tím, jak jsme zkoumali vlastně tu datovou kulturu, tak jsme dávali jako velmi, myslím, velmi cený vstupy pro ty investory, o tom, jak ta firma funguje jako taková, jaký páky má na to, aby mohla prosperovat a tak, takže to byly to byly velmi zajímavý projekty.

Jirka Vicherek (00:27:58): To je hezký a předpokládám, že zase po Spoustu letech v mallu a tak bylo zajímavé se pochodit po trhu a podívat se do jiných firm a vlastně tohle je ta část konzultační věci, která i mě na to baví a myslím, že je na tom zajímavá, že člověk se velmi rychle dostane do víc kontextu, do víc firm.

Andy Werner (00:28:23): Přesně tak, přesně tak. Asi to jako věčný dilema, myslím si, že tady je spoustu lidí, kteří si zkusili to, to i to a vlastně je dobrý to střídat, protože když jsem někde v organizaci, v korporaci, tak pracuji na jedné věci dlouhodobě, můžu si to vymazlit, rozumím tomu, ale může to být časem rutynní, zase když jdu do konzultačky, tak se to střídá, ale zase k tomu nemám takový... Jirka Vždycky nemám to úplně pod kontrolou.

Jirka Vicherek (00:28:57): Bytegarden jste pak zavřeli rozhodnutím nénutností. Mně se to vlastně hrozně líbí, že v hospodě se bavíte co dál a řeknete si, hele možná to zavřem. Tak co to pro tebe znamenalo?

Andy Werner (00:29:17): Pro mě to znamenalo...

Jirka Vicherek (00:29:19): A zase hezky o tom mluví Viktor Šaha.

Andy Werner (00:29:23): Pro mě to znamenalo zase možnost se trochu zastavit, vydýchat se, rozhodnout se, kterým směrem jít dál a vlastně se zeptat sám sebe, kam, kde můžu tady tu moji zkušenost vlastně nejlíp uplatnit. No a to mi nahráváš, tak

Jirka Vicherek (00:29:48): Heureka, dostáváme se do Heureka Group, tak jaká byla propozice, na co se zdíval, proč si šel do Heureky? Předpokládám, že těch možností nabídek bylo spousta.

Andy Werner (00:30:03): Těch možností bylo, těch směrů určitě bylo víc, ale jsem si říkal, že e-commerce je Je něco, na čem můžu stavět, jsem v tom dlouho. Nemá smysl prostě přerušovat to složené úročení. Je dobré v tom pokračovat. A Heureka tam nebylo o čem váhat. A těch důvodů bylo hodně.

První biolahy byly vlastně prostě heurečí data. A to jako ze dvou důvodů. Heureka je prostě datová autorita v českém e-commerce, můžeme říct jako spíš ve tady v evropském, v středoevropském e-commerce. A to... Z nátury toho biznesu my vidíme, jak se daří shopům, o co mají lidi zájem, prostě proteče skrz nás hromada trafiku, máme vlastně jeden revenue stream, kdy ty data nabízíme, prodáváme, spolíhá na nás vlastně spousta entit na tom trhu.

Tak to byl jeden důvod. A druhý datovej důvod byl vlastně ten tým a ta datová kultura, kterou tam vybudoval Michal Buzek a vlastně celý ten vejkl datovej, který tam je, protože Michal s tím týmem udělal velmi dobrou práci. A já jsem věděl, že jdu do prostředí, kde nebudu muset opravovat každej den jenom pipeliny, kde nebudu muset řešit, jestli mám jako správnej sték, kde nebudu muset řešit takový ty technický bolesti a kde budu... Buzek to vyřešil. Buzek to vyřešil.

Díky Michale, zdravím. a věděl jsem, že budu moct na tomhle podvozku bytelným stavět.

Jirka Vicherek (00:32:04): Standing on the shoulders of giants.

Andy Werner (00:32:06): Přesně tak, přesně tak, že na tomhle podvozku budu moct stavět to, co mě baví a vlastně tlačit dál, vlastně to využití dát a jako posouvat Heureku jako business skrz ty data.

Jirka Vicherek (00:32:21): Podle mě tady taky důležitý říct tu škálu, zase překvapuje mě, že ne všichni to vědí, že když se bavíme, že schválně říkám Heureka, grupné Heureka, že tady naše česká Heureka je jenom část toho biznisu.

Andy Werner (00:32:36): Je to jenom čas biznisu, my jsme v devíti zemích, máme 29 milionů SKUček, který prostě párujeme, který u nás lidi můžou najít, máme přes 20 milionů uživatelů měsíčně, to není malej biznisek.

Jirka Vicherek (00:32:56): To je hodně velký biznisek. Ano, takže to mě zase, jak jsme dělali pro Heurajku, tak často lidi se ptali, co tam technologicky řešit, když je to e-shop bez skladu, ale podle mě ta škála, ta komplexita, to, že seďte na všech těch datech na tom golden mine, tak je to super zajímavý biznis.

Andy Werner (00:33:19): A to byl vlastně i další důvod, proč jsem neváhal proč jít do Heureky, byla vlastně vize a možnost, takovou budoucnost, kterou ten nástroj, ta platforma vlastně slibuje. Někdo to může vnímat jako nákupní rádce, jako cenový srovnáváč, ale vlastně v dnešní době je pořád potřeba mít společnost, ten traffic a je pořád potřeba mít hromady těch produktů na jednom místě a mít to know-how, jak zákazníkům vlastně pomoct vybrat si to nejlepší, vybrat si to rychle, vybrat si to s důvěrou. Takže a Heureka má za sebou roky zkušeností s tím, jak se s kvantem tady těch informací vypořádat. A možná končí nějaká éra toho jednoduchého, zajímá mě jenom, jestli ušetřím 50 korun tady nebo tam, ale přichází doba toho, že chceme těm zákazníkům zase přidat nějakou, nějak jim to zjednodušit, nějak jim nabídnout jiný pohled na ten nákupní proces. a tak dál.

A v tomhle jsem měl jasno, že je tam jako jasnej leadership. Nějakou dobu jsem znal Davida Chmelaře. Věděl jsem, že to je CEO, který má tu vizi, vidí za čtyři rohy a tak. Takže tam to bylo jasný. A potom další věc byla vlastně datová vize.

Takže my jsme si tam jako velmi rychle porozuměli v tom, že můj pohled na data, můj způsob práce s nimi, tak se vlastně skoro stoprocentně zhoduje s tím zadáním, který já mám.

Jirka Vicherek (00:35:12): No a o tom se s tobou chci bavit, protože zas pro mě a myslím si, že pro naši komunitu tohle je hrozně důležitý message, že to je jako nějaký paradigm shift nebo mindset shift, který vidím, že ti nejúspěšnější ho někdy v čase prodělali a dneska je důležitější než kdy dřív. Než se ale k tomu dostaneme, tak já bych chtěl ještě nějaký jako základní organizační jako informační faktory hygienický pro mě. V naší konvertaci je ale důležitý, tak zase přišel jsi do Heureky, jsi BI director pro celou grupu, takže napříč. Kde sedí u Vás jako BI-ko? Je možná první otázka.

Andy Werner (00:36:04): B.I. sedí, sedí, můj šéf je CFO, sedíme ve financích, ale Heureka je specifická v tom, že má vlastně maticovou strukturu. Takže já jako B.I. director říkám jak, ale potom máme něco, čemu říkáme... gengy a gengy říkají, co se má dělat.

Můžeme si představit ty gengy, máme gen, který se zabývá kontentem, máme gen, který se zabývá frontendem, máme gen, který se zabývá vztahy s merchantem. a já jsem vlastně ve velmi luxusní pozici v tom, že já mám ten tým zorganizovaný tak, že vlastně vidí na ty gengy a ty gengy si potom prioritizují tu práci sami a moje role je zajistit, jak to udělat, aby to dávalo celý smysl dohromady a aby to přineslo co největší užitek.

Jirka Vicherek (00:37:05): To mi zní, že to je víc organizační, že neřešíte jenom finance. Kolik máš lidí v týmu? Mám v týmu

Andy Werner (00:37:11): 20 lidí. Mám tam data engineering, malé oddělení a mám tam potom analytiky a mám tam máme i pricing.

Jirka Vicherek (00:37:20): A jak moc jste centralizovaní ve smyslu zase Heureka Group, tak tady Česká Heureka je nějaký lídr největší z těch, jak moc máš lidí v těch jemklivých zemích, ve Slovensku, A dál.

Andy Werner (00:37:35): Máme čtyři lidi jsou v zemích a ti obsluhují vlastně ten zbytek.

Jirka Vicherek (00:37:42): Super.

Andy Werner (00:37:43): A Stack? A Stack máme celá Heureka běží na GCP. Zároveň my v GCP, v BigQuery máme naše Google Analytics všechny data. Takže spoustu na věci používáme datafor tyhle a zároveň máme Keboolu a nad tím vším máme plnotočný Looker.

Jirka Vicherek (00:38:05): Plnotočný Looker, to se moc nevidí.

Andy Werner (00:38:07): Aby byl upřímný, tak jsem si k tomu hledal cestu, protože je to, za čistěma nevýhodama, je to drahé a je to uživatelsky neúplně přivětivý, když si chci tam udělat svůj grafík a tak. Ale to, v čem je to silný a to, co vlastně přesvědčilo ten tým ještě přede mnou tohle vybrat, tak je vlastně ta semantická vrstva, která bude hrát čím dál větší roli z Conversational Analytics a tak, takže vlastně dobrý, mít jako velmi robustně popsaný ten datový model na jednom místě mít to od Google, Gemini, tak to prostě nějakou integrace.

Jirka Vicherek (00:38:47): Zase dvě chvíli jste na GCP a BigQuery je největší jako sklad a tak ten look najednou dává smysl. Super, tak to jsem chtěl jenom tady. medailonek o datech v HVRC. A teď se pojďme vrátit k té větě, co jsi říkal, že nějaká tvé vize datová a to, jak s daty pracovat, se děla s leadershipem a se děla s nějakou reason to believe a tím, proč tebe chtěli. Takže jako vlastně si dostal...

Jirka Vicherek (00:39:27): Důvěru řekněme, že tam byl velký alignment, tak co byla ta tvoje datová vize? S čím si přišel? Na co ti kývili? Nebo v čem si notujete?

Andy Werner (00:39:42): Vlastně toto zadání v té jedné větě je...

Andy Werner (00:39:47): Pojďme to udělat tak, aby ty data byly skutečně při každodenním rozhodování. A to zní možná jako floskulé, ale já jsem přesvědčil ten leadership tím, Že jsem nějak ukázal, jak na to a jak to dostat skutečně do detailů a jak to nějak operacionalizovat nebo jak to udělat jako prakticky. A ta věc je, toto kouzlo je v tom, že mě hrozně záleží na tom, aby se na základě těch dat skutečně něco stalo. Aby se něco stalo, tak se to nemůže, tak nemůžeme zůstat někde na úrovni dashboardu pro board, ale musíme říkat jednotlivým lidem, co mají dělat. Jak nad tím přemýšlěvat, trošku tady si vezmu jako příměr od někud jinu, ale myslím si, že ta analogie je dobrá.

Když máš jako organizmus, život čicha člověka, tak ten když vidí nějakou špatnou zprávu, že se na něj jako řídí tygr, Řítí tygr, tak musíš jako utézt nebo se schovat nebo něco, ale a na to, abys tohle udělal, tak se ti jako zvedne tepovka, rozšíří se ti průdušky, dostane se ti krev jako do svalů, ale to se neděje tím, že by někde z mozku přišlo do toho srdce jako signál Tiger anebo Tiger utíkáme. Tak to není. Tam dochází k nějakému transmisnímu mechanizmu, který vlastně někde v mozku to rozdělí, tady tu informaci velkou, na nějaké detaily a potom na nějaký detailnější signál, na který potom umí reagovat každá ta jedna, každý jeden orgán nebo buňka nebo jako molekula. A vlastně... Stejně tak by mělo fungovat to BI.

My bychom neměli říct, klesají prodeje a čekat, že všichni v té firmě ví, co mají dělat. V té firmě není tlačítko na to, pojďme zvednout revenues. Ale je tam tlačítko, pojďme zavolat merchantům, pojďme vyzkoušet novou fíčuru na webu, pojďme nějak poštelovat performance marketing. A velmi často firmy vlastně naráží na to, že to neumí jako kdyby přeložit do tohohle signálu. Takže kdybych řekl, zase budu pokračovat nějak v tom...

Pozor, Tiger, tak v té biznisové analogii to znamená klesají prodeje, ale proč? Co my s tím uděláme? A teď můžeme jít, prostě potřebujeme mít nějakou mechaniku, jak se dostat k tomu člověku, který s tím něco může udělat. Takže klesají prodeje a proč? Je to proto, že je transaction rate špatná nebo nepřichází dost lidí, řídíme, že nepřichází dost lidí, nepřichází dost lidí.

Na všechny kategorie, nebo na nějakou kategorii, nebo z nějakého druhu trafiku, vidíme, že z nějakého druhu trafiku, pořád tady není tlačítko zvedni trafik, takový tlačítko tady není v té firmě. Tak musíme jít dál, musíme se podívat teda, co drajvuje ten trafik a můžeme si říct, že tak vidíme, že nám třeba na Google klesá average position, Tak zase nemáme tlačítko zvední average position, tak to zase rozbetlíme a potom vidíme, že nám třeba vzrostla metrika time to first byte, ale s tím už můžeme něco udělat. Už tady jsou někde kluci a holky na infra, kteří můžou se podívat do Cloudflare a zjistit jestli tam není někde nějaký problém nebo jestli tam není někde problém, nevím to už je za mě jako velkej detail. Ale já, kdybych přišel do té firmy a řekl, klesají nám prodeje, tak kluci a holky na infra asi neví, co s tím mají udělat, takže by to mohl být teoreticky jejich problém.

Jirka Vicherek (00:44:08): Jo, a vlastně to vůbec neřeší, to je váš problém,

Andy Werner (00:44:11): my tady řešíme. Naše kontrolky jsou zelený, prostě web odpovídá. A vlastně takhle vzniká jako strom, A já si myslím, že BI by mělo hrát roli v tom jako facilitátora, to dostat ten signál co nejhlouběji k těm jednotlivcům. A mělo by hrát roli nejenom v tom tam dostat ten signál, ale vlastně i vymyslet, co ten jednotlivec může udělat a jaký signál potřebuje pro to. Takže víme, že pokud zůstanu tady u toho time to first bite, tak víme, že nepotřebují prostě, že klesají prodeje informaci nebo že kost per klik dělá, jde nahoru nebo dolů, ale prostě potřebují tuhle jasnou, jasný kápejčko té rychlosti té odezvy.

a zároveň je pro ně dobrý jim vysvětlit, jak zase zpátky to navazuje na ten profit a vlastně jim říct, to není tady jenom nějaké číslo, které tady sledujete, abyste měli na co koukat, ale má to přesně tenhle efekt a vy když to nebudete sledovat, tak se stane tohle a výsledkem toho, že ta firma

Andy Werner (00:45:36): nebude tak performovat.

Jirka Vicherek (00:45:39): A to se mi líbí moc, zaprave ta zpět novazební smyčka a za druhé to, že jsem se bál, když si říkal, že ten signál není, že nám klesají prodeje, takže jim řekneš prostě zlepšete infra, potřeba tam to first bite rychlejší, padá to, co tam děláte. Ale Živ vysvetluje, že to má smysl, že to nepřišlo od nikud, ale že teď hele poďme na tomhle dělat a je to jako totálne legit a smysl plný.

Andy Werner (00:46:11): Přesně tak, přesně tak a moje zkušenost a to bylo to, co jsem se tady jako učil ty roky, bylo, že přesně jako uděláme jako dashboard a oni už si s tím poradí a myslím si, že BI by mělo hrát tu roli nejenom v tom business intelligence ve smyslu jako spravodajství, ale to intelligence vlastně tu ty vazby mezi akcema, reakcema, schopností se přizpůsobit.

Jirka Vicherek (00:46:37): No, zase hrozně se mi líbí, jak o tom mluvíš. Myslím si, že to je super relevantní v dnešní době znova a zase, že data to insights to action a právě kde končí povinnost nebo odpovědnost nebo jako pochopení expertiza datovýho nebo BI týmu, tak u toho, že vyčistí data, a nabídne jen ostatním u toho, že jim je naučí v tom hledat nebo automatizuje nebo jako vyčistí signál tím pádem Insighty a líbí se mi, že ty říkáš, že hele ani to nestačí, pojďme řešit, tak prostě tu last mile vlastně BIK a to je jak s Insightu udělat ty actions.

Andy Werner (00:47:30): Přesně tak a já Přijde mi důležitý říct, že to není 0,1, že to není tak, že bychom to vůbec nedělali, anebo že někde existuje firma, která to dělá na 100%. Je tam nějaký jako vzdálený ideál a k tomu se můžeme postupně přibližovat a můžeme se k němu přibližovat ze dvou stran. My jako BI... Víc rozumět tomu biznisu a víc rozumět, jak udělat, jak tam, jak vlastně fungují ty páky, jak tam ty tlačítka fungují, abychom a k ním jako přiřazovat ty signály. A zároveň z druhé strany vlastně může ten biznis přicházet, přicházet líp rozumět datům, líp jako chápat, co vlastně všechno se s tím dá udělat, tak tam se jako plukáme uprostřed.

Jirka Vicherek (00:48:18): No a zase myslím si, že trošku tuším odpověď, ale proč to firmy nedělají, když zase data to insights to action je tady furt, je to otázka jako sil a špatných kaplíček, je to jako nebyly technologie, jako že to bylo prostě rozházený a dát to dohromady bylo hrozně peněz nebo jako Proč něco, co mi přijde logický a dlouho o tom mluvíme, tak je potenciál to zlepšit i v tak datově a data driven, obě datově technologické a data driven myslící firmě jako Heureka Group, tak je tam potenciál. Proč je tak těžký?

Andy Werner (00:49:09): Já si myslím, že je to těžký, protože vlastně je tam těch, jak jsem popisoval, vlastně ten strom těch kápejček, že jich tam vlastně těch úzlů je hrozně moc a těch lidí mezi tím je hrozně moc a že se to vlastně ztrácí postupně v překladu. Tichá pošta. Tichá pošta a že tam není, že tam nejsou jako kdyby mechanizmy, který by tomu pomáhali. A myslím si, že v Heurece se nám daří tohle postupně budovat. Já jsem použil termín KPI 3 nebo stromkáplíček a to byla jedna z prvních věcí, kterou jsem v Heurece udělal, že jsem vzal profit a udělal jsem z toho strom, který skutečně vede až k tomu time to first buy nebo k jakékoliv jiné metrice.

A tím vlastně získáváme mapu, podle které se můžeme orientovat, podle které asi můžeme říct, teď nám tohle nefunguje, na co všechno se máme podívat, co všechno máme diagnostikovat a zároveň jsme tím získali ještě jednu věc, my si k tomu můžeme dát vlastníka a můžeme si říct někoho, kdo to má na starosti, kdo to má sledovat, kdo to má rozumět a za kým můžeme jít, když to nefunguje. A To mi přijde jako velmi silný nástroj. Třeba teď už ho používáme při budžetování. Velmi často se budžetuje ta, když se řekne, lonice udělalo X, tak teď tam dáme X plus 5%. Ale zase to není ta páka.

My se musíme ptát, tady uděláme tuhle fíčuru, tak zvedne nám to co? Transaction rate, budeme si dívat na to, nebo nám to zvedne nějakou frekvenci, nebo něco takovýho. Takže to je jedna věc, kterou já to léčím. A druhá věc, kterou to léčíme je, já jako z pozice BI direktora, tak vlastním weekly KPI review meeting, a to je hlavní schůzka, kde se celá na širší board se potká a dívá se na výsledky. a moje role v tom je strukturovat to, vlastně formát toho, na co se díváme, jak se na to díváme a i strukturovat tu konverzaci a dívat se do toho a klást jako nepříjemné otázky.

A tohle mi dává zase možnost říct, jít po tom stromě a říct, tohle vidíme teď jako problém, pojďme se tady zadrillovat. a zároveň to strukturujeme tak, co s tím uděláme. Vlastně máme to tak, že je to jako psaný dopředu, takže my netrávíme čas tím, že by někdo četl nějaký slejdy nebo tak, ale vedeme diskuzi, co s tím dál. a to je zase velmi silný nástroj. Zase přijde mi důležitý říct, že je to na nějaké škále, ale máme tyhle artefakty a zlepšujeme je, už jsme se z nuly dostali na jedničku a můžeme to takovat.

Jirka Vicherek (00:52:21): No, ještě když se zeptám na ten nástroj jako KPI 3, tak to je nějaký standardizovaný, slyším o něm úpřímně popravit, protože zase je nějakým způsobem logický, co je minimum viable product a předpokládám, že se to taky mění v čase, že vlastně ten model, že to je zase, je to nějaký model toho reálního biznisu a že se upřesňuje, ten trh se mění, takže je to nějaká dynamická, živá do nějaký míry věc, tak co byl ten výkop, co byl prototyp?

Andy Werner (00:52:59): Já už jsem nad tím přemýšlel jako do delší dobu Ale vlastně je to Dá se to On je takový kdyby Fraktál, že vlastně ty začneš Je to v miru, mindmapa v miru Která má prostě úzly A větví se A můžeš začít jenom tím, že si řekneš Až si tam první ten node A řekneš marže Odkud se bere marže Revenue z mínus náklady. A tam můžeš v podstatě skončit do doby, než to vidíš zeleně, pak zjistíš, že ta marže už není zelená, tak se ptáš, kde je to, protože mám vysoký náklady nebo nízky revení. A takhle jdeš dál a dál a dál a vlastně tam, kde máš ten problém, tak si to můžeš vlastně dokreslit a i my tak postupujeme, prostě si říkáme, tady máme performance z nějakého kanálu, tak teďka nefunguje, tak se pojďme nad tím zamyslet a vlastně si to tam doplníme.

Jirka Vicherek (00:53:54): Taky drill down nebo já to znám ze startupového světa jako nebo five wise. Tak tady bude možná ještě víc než five, ale vlastně zase metoda five wise, když se zeptáte proč a proč a proč jak malí dítě jdou běti úrovní, tak se dostanete většinou k first principles.

Andy Werner (00:54:13): Přesně tak a tady máš výhodu, že některý z nich mají jako jasnou aritmetickou závislost plus minus krát. Někde jenom tušíš, že když tohle půjde nahoru, tak i ty ostatní půjdou nahoru.

Jirka Vicherek (00:54:27): No, takže takhle posunujete, takže KPI 3 a weekly si říkal, takže weekly nějaký reporting meeting, který ty facilituješ, ale kde se zase všichni dívají na ta samá data. Kudos Michalovi, hodně lidí řeší, aby vůbec dva z těch lidí, které máš na meetingu se bavili o těch samých datech, tak to ty máš fix a ty řešíš jako už tu akci vlastně.

Andy Werner (00:55:01): Je to tak, je to tak. A potom ještě bych do toho mixu přidal další věc a to je to budgetování, že ty si zase můžeš začít vlastně relativně high level a potom se naplánovat si tam nějaký cíl, ale potom, když se proti tomu porovnáváš tu realitu, tak pokud nejdeš dost hluboko v tom, tak nevíš, co ti to vlastně, která ta metrika přestala vlastně fungovat. a za kterou páku můžeš zatáhnout. Takže zrovna včera jsem právě revidoval nějaký business case, kde říkáme, no ale podle tohle není ta páka. Prostě to, že nám přijde víc uživatelů, tak vlastně není...

To nemáme jak ovlivnit, nemáme to moc jak změřit, že zrovna tahle věc to použila, ale to způsobila. Ale pokud si říkáme, že uživatelé, kteří použili tuhle featuru, tak mají větší frekvenci o conversion rate, tak najednou už víme mnohem hlouběji. Takže to je další páka, jak se dostat k té actionabilitě. Vlastně už od začátku nad tím přemýšlet, když jako plánuju nějakou investici, nějakou akci, tak si říct, Co jsou skutečně ty páky, který je za...

Jirka Vicherek (00:56:20): No a zase bez toho, aniž bys jako něco prozrazoval, nebo pral špináme prádlo, tak zkus skonkretizovat tenhle příklad. Jo, tam vidím, že to je jako niance, že to je malí šif, který dělá velkou změnu, tak zkus mi to popsat, jako většinou přijde, že zeptáš se a tohle je standardní, ale to, ta delta je...

Andy Werner (00:56:49): Já se při tomhle přijde mi už jako ten plán postavit tak, abych měl jistotu, že budu schopen odlišit efekt té jednotlivé akce od efektů všech ostatních. Takže já si můžu krásně naplánovat, že udělám novou fíčuru a ta mi přinese víc trafiků, jenže potom se někde stane na Google v performance něco a celý trafik mi jako klesne a já už nejsem schopen vlastně říct, jestli ta fíčura sama o sobě funguje a kdybych ji neměl, tak je to ještě horší anebo má nějakým řádnou nulovej efekt. A takže se u toho ptám, u těchto business caseů se ptám, co je ta věc, kterou můžeme fakt změřit izolovaně. Takže pokud je to já fitura na webu, tak se ptáme, kolik lidí jí použilo a jaký vlastnosti mají těchto lidí oproti zbytku. a potom z toho už můžu prostě říct, jestli se to vyplácí nebo nevyplácí a zase tam dáte feedback.

Jirka Vicherek (00:58:00): Super, super, tak teď už to chápu, děkuji. Na druhou stranu to, o čem mluvíš, tak mi vlastně přijde takové jako hodně konzultantské, že na to nepotřebuje, jako nemusíte být bíjajko, když bys měl takovýhohle CEO nebo nějaký jiný leadership, Tak tenhle drill down a řízení firmy, tak data jsou v něm důležitá část a druhou stranu udělat si model toho organizmu, tak to v tuhle chvíli přece... Asi málo které BI a datové oddělení bere jako svoji roli, tak když to otočím, tak tenhle mindshift change, tak co znamenal pro datové inženýry a datové analytiky útrbě v týmu. No, tak ty si jdeš povídat s bordákama a kreslíš si model celé organizace, moc pěkný, ale tady kluk nebo holka, a já tě otočím ty stereotypy, tak holka co tady dělá prostě pipeliny v Pythonu versus juniorní BI analytik, který něco naklikává v lookru, tak co se pro něho změnilo, kromě toho, že jeho šef každý den na high value meetingu.

Andy Werner (00:59:23): My naštěstí nemáme kluky a holky, co jen naklikávají. Zase ten tým je skutečně analytický v tom, že umí přečíst v těch datech. Takže to je zase něco, na čem já můžu stavět. Ale to, v čem já ten tým teďka chci posouvat, je v tom, aby nezůstávali u těch... užitečných, ale dashboardů, ale aby se vlastně ptali, co s tím se stane dál.

A vlastně challengeovali toho zadavatele tou jako nepříjemnou otázku a co s tím uděláš. Já ti tady postavím, to je jasný, ale co s tím uděláš. A tam se vlastně začíná jako oddělovat, oddělovat jako zrnou odplev, co se týče těch requestů. Že najednou vlastně přijdeš na to, no možná vlastně vlastně teďka nevím a já bych chtěl po tom mým týmu, aby v tomhle byli jako velmi silní a velmi dobří partiáci, aby se jako spolu zamysleli, co se dá udělat, co na základě toho těch dat můžu udělat, protože z toho potom vypadne vlastně úplně jiný formát toho datového produktu. Protože už najednou to není nikdy dashboard, ale může to být nějaká apka, která rovnou někam něco pošle.

Jirka Vicherek (01:00:40): Nebo totální automatizace, nebo SMS-ká chmelařová.

Andy Werner (01:00:46): automatizace. Přesně tak. A tam jsme trochu naráželi na to, že jak moc teďka ten tým vnímá tu svoji roli a jak moc daleko má jít tady v tom. A jasně, že BI nemá jít tady, jako dá na content řešit, jak se budou párovat produkty, ale mělo by tomu být vlastně velmi blízko a mělo by přemýšlet nad tím, co s tím tam ti lidi budou dělat. Takže to je ten shift, a zároveň zase říkám, není to 0,1, není to, že bychom to nedělali vůbec, není to, že by to těm lidem bylo cizí, ale je to tam vlastně jako kladu trochu jako jiný otázky na jedno.

Takže toto z pohledu BI a zároveň i z pohledu toho biznesu by se měly jako ty hranice prostě stírat, biznes by měl vědět, jaký jsou data k dispozici a už by taky měl přemýšlet, já chci udělat tohle. a jaký data k tomu jsou. Zároveň ten biznis učíme přesně jako říkat, neříkejte nám, chci report, ale říkejte nám, mám tuhle otázku, mám tenhle problém nebo chci dělat tuhle akci a nevím, jestli mám udělat doleva nebo doprava, pomožte mi s tím. Hrozně to zjednoduše jako výrobu a takové jako dumání nad tím, jestli to je hotový nebo není, prostě buď to mám odpověď nebo nemám odpověď a pak je to nebo není hotový.

Jirka Vicherek (01:02:16): Jo, je mi to velmi sympatické a zase ten koncept datových produktů a je to produkt, má uživatelé, má jobs to be done, když se podívám z toho produktovýho, tak něco řeší a když to vyřeší message ve Slacku, tak kvůli tomu nemusím generovat. grafii, tak to je mi velmi sympatický a zase je to nějaký trend, jak moc lidí to dělá, jak moc datových oddělení je fabrika na reporty, které nikdo nečte, tak je otázka, za mě je to totálně relevantní kvůli AI. jazykových modelů, kteří do toho dost hážou vidle a kdy ve chvíli, kdy na nějaké otázky se může stát přirozeným jazykem, generovat SQL je komodita. Jsou tady na jednou datový notebooky, s kterýma může v biznisách si vlastně hrát a přitom jsou as a code a tak. Tak si myslím, že to je relevantnější.

Jak vám do toho vstupuje LLMka?

Andy Werner (01:03:31): Já tu roli LLMek tak, jak fungují teďka, nebudu tady zabíhat do nějaké futurologie, ale to, co umí teďka, tak já si od nich slibuju právě jako stírání těch hranic mezi tím, co jsou data, co je business, takže Na jednou business má data tady v data canvasu v GCP a může si tam přesně jako zeptat, co se s něma dá dělat. Zároveň nám to třeba umožňuje místo toho, abychom udělali ten dashboard, tak rovnou můžeme udělat streamlitovou apku, protože si ji na Vibe kodíme a je to najednou mnohem víc actionable, protože dashboard nic nikam nepošle, ale ta apka něco někam poslat může. Takže najednou je to mnohem víc actionable a zároveň to asi pomáhá, nebo používáme to tak, aby to pomáhlo usnadňovat tu komunikaci, i když je někdo čistý datař, tak najednou má vhléd do toho, jak ten biznis funguje. Díky tady toho.

Jirka Vicherek (01:04:37): No a interně říkal jsi na vibe koudíme streamlitovou appku a tak, tak jak vnímáš tenhle posun zase ať už od produktivity inženýrů po nějakou vizi a tak.

Andy Werner (01:04:55): Já si, to kam já směřuju, že já bych chtěl se stejným časem dělat výrazně, se stejnou kapacitou dělat výrazně lepší věci. Takže prostě teď na jednou na vibe koudici appku bylo by, já nevím, před rokem prostě by za mě bylo no go, protože by to trvalo strašně dlouho. Teď to může trvat vlastně odpoledne. A ona může být najednou interaktivní, může prostě mi umožnit mnohem třeba lepší řezy a tak. Takže abych byl trochu konkrétnější, tak teďka jako poslední věc, co máme, tak je sloužit třeba pro validaci nějakých dat.

Takže možnost si udělat na jednou deset pohledů skrz prostě deset řezlů, tak to se dá zvládnout za odpoledne, zatímco v tom Lookeru bych to musel dělat jako velmi dlouho a když bych se na to chtěl podívat podle kategorii a potom podle shopu, tak už to vyžaduje nějakou jako extra práci, zatímco tady mám jako jedno překlikávátko a mám to rychleji a můžu mnohem líp si tam nastavit nějaký dynamický threshold, který mě na něco upozorní, můžu si mnohem líp zadrillovat. Takže tohle jsou, tohle je to, co se s ním, a to, co se s ním snažím ilustrovat, je, že se stejným časem jsme schopni dostat mnohem lepší insight.

Jirka Vicherek (01:06:32): No, já to vidím podobně, že to jako odemklo ten potenciál a tamto delivery těch produktů datových je mnohem rychlejší nebo může být mnohem rychlejší. Na druhou stranu, když jsme se bavili třeba o lookru, tak si hodně zmiňovalo semantickou vrstvu. a to, jak je ta pravda té organizace někde zaznamenaná, tak čím víc bude ale takovýchhle mini aplikací, tak tím víc to nemáš v jednom prostředí a tím hůř se bude držet nějaká semantická vrstva a tohle se nebojíš, že to je trošku shadow IT, trošku jako... Antipattern v tomhle, že doteď jsme se snažili všechno narvat do jedné databáze a udělat to, hezký streaming, všechno popsat, držet to a teď zase tady máme eukarytickou revoluci.

Andy Werner (01:07:26): Za mě ta vrstva je to GCP, co jsem zmiňoval a tam vlastně bude ta pravda. Přiznávám, nemám to teďka vymyšlený, ale ty data budeme mít v GCP, tam je jako spousta možností, co se toho, co se jako AI týče, co se těch apek týče, co se popisu těch dat týče a tohle by mělo mluvit společně s tím zlukrem, takže to jako v jednom domečku, v jednom balíku a možná tam ještě jsou nějaké jako Bariéry, ale vlastně nejsou nepřekonatelný a s větším či menším hakem to na sebe uvidí. Takže můj cíl teďka na tenhle rok je vlastně si to AI jako internalizovat maximálně, abychom přemýšleli AI first a říkali si, kde nám to může pomoct a přemýšleli v tom, kde nám to může jako desetkrát pomoct. Tak minule jsem v žertu říkal kolegovi, že mu neschválím dovolenou, dokud nebude používat AI a data grip, tak v tomhle tónu bych to rád nesl dál.

Jirka Vicherek (01:08:39): Takže moja motivace prací, to je skvělý. Co teda kromě internalizace tady AI toolů a tohle AI first mindsetu, jsou ty jako velký challenges pro rok 2026. To, o čem si mluvil, tak vlastně zase nůležitý říct si tam půl roku a dva měsíce, tak

Andy Werner (01:09:04): Jednoznačně ten největší challenge pro nás, pro tenhle rok a i ty další je maximalizovat hodnotu z dat. A my si musíme velmi dobře uvědomit, že to, že když uděláme tabulku, ale nikdo se do ní nepodívá, tak je to spíš zbytečný. Net negativ. Tak je to přesně negativ. a potřebujeme se soustředit na to, jak to udělat, aby ten biznis na základě našich dat skutečně jednal.

Ale ne, že si řekneme, že pošleme data a něco se stane a oni to nepoužívají, ale jít do detailů, jít skutečně na úroveň toho, jak jsem měl tu analogii s tím, že srdce čeká na nějaký signál a plíce čekají na nějaký signál, tak najít ty lidi, kteří čekají na signál, doručit jim ten signál a pobavit se společně o tom, jak ten signál přetavit v nějakou konkrétní akci.

Jirka Vicherek (01:10:01): Držím moc palce, jsem moc rád, že to zase zvedáš, myslím si, že je to skvělý pohled, zase začal jsem human centric a startup teorie a tak a začínáš klientem a produkt je určený podle toho, co má dělat a držím moc palce a zase rád bych dodal, že to není Že tyhle rady a tenhle pohled není jenom pro tak super datový firmy jako je Heureka, co už mají vyřešenou čistotu dat, všechny nástroje a takovéhle věci, základy, ale naopak si myslím, že dneska to můžete přeskočit, že vlastně zjistíte, že nepotřebujete datový sklad, protože všechny ty věci, co řešíte, tak když se podíváte, jaký problém řešíte daty, tak třeba spoustu svých dat vůbec nepoužíváte, tak je nepotřebujete řešit, někde skladovat a naopak velký problém, který jste chtěli řešit velkým řešením, tak na něho stačí velmi malinké řešení.

Andy Werner (01:11:12): Tačí na to malinké řešení a ani nemusíte čekat na to, že celá ta firma půjde touhle cestou. I jednotlivý oddělení má svoje nějaké KPI a může si vytvořit svůj vlastní strom, který nemusí začínat na profitu celé firmy, ale může začínat v nějakém úseku a jedno oddělení se tímhle může úplně v pohodě řídit a funguje to vlastně úplně stejně.

Jirka Vicherek (01:11:36): Děkuju moc Andy, držím palce a těším se, co si povíme příště, co bude další challenge a jak se ti bude dařit AI First Mindset dostávat do tvýho týmu. Díky moc, ať se daří.

Andy Werner (01:11:50): Díky moc, díky za pozvání.

Jirka Vicherek (01:11:55): Děkujeme, že jste doposlouchali až sem a díky taky našim stálým partnerům, členům DataTalk klubu. Těmi jsou Sazka, TV Nova, Direct Technologies, GoodData, Miton, Colours of Data, BizzTreat, FLO, Carl Data Company a intecs. Díky moc za podporu a nechtě vás provází DataTalk.