facebook LinkedIN LinkedIN - follow
Tematické sekce
 
Branžové sekce
Přihlášení SystemNEWSPřehledy
 
Tematické seriály

Jak uřídit IT projekt a nezbláznit se

Užitečné tipy a nástroje pro řešení problémů řízení inovací a vývoje produktů...

články >>

 

Industry 4.0

Průmysl 4.0

Jaký vliv bude mít čtvrtá průmyslová revoluce na výrobu a výrobní firmy?

články >>

 
Nové!

RPA - automatizace procesů

Softwaroví roboti automatizují obchodní procesy.

články >>

 
Nové!

IoT – internet věcí

Internet věcí a jeho uplatnění napříč obory.

články >>

 
Nové!

VR – virtuální realita

Praktické využití virtuální reality ve službách i podnikových aplikacích.

články >>

 
Nové!

Bankovní identita (BankID)

K službám eGovernmentu přímo z internetového bankovnictví.

články >>

 

Příručka úspěšného IT manažera

Dnes je řada IT manažerů opomíjena. Úspěšní bývají brouci Pytlíci a Ferdové...

články >>

 
 
Partneři webu
IT řešení pro výrobní podniky II , AI a Business Intelligence

Jak si pomoci datovou analytikou v době krize

Martin Potančok, Vlastimil Černý


Rostoucí inflace, nedostatek pracovních sil a surovin, ale i narušené logistické řetězce a nízká kvalita dopravní infrastruktury či dopady pandemie COVID-19, to jsou jen některé z problémů, které ovlivňují ekonomickou situaci, mohou zapříčinit její zhoršení a velmi tvrdě dopadnout na firmy.


V situacích, kdy se firmy dostávají do krize, ať už z důvodu ekonomických či celospolečenských změn, vzniká obrovský tlak na velmi rychlá rozhodnutí o dalším směřováním firmy, často včetně vynucených úprav personální politiky. V těchto momentech roste riziko unáhleného a mnohdy až zkratkovitého jednání plného emocí a intuice, které ne vždy vede ke správným rozhodnutím. Je to tedy správný a v daném okamžiku jediný možný přístup? Jakou roli zde hrají data? Přirovnejme si tuto situaci k první pomoci – obrovská míra stresu, jakému jsou v nové situaci někteří lidé vystaveni, zapříčiní, že nejsou schopni uváženého, správného jednání. Naopak profesionální záchranáři mají situace naučené a řídí se přesně danými postupy, v rámci kterých pracují s aktuálními daty. Stejnou váhu mají data a schopnost je správně vyhodnotit a použít i v podnikání.

Podniková analytika může v krizových situacích výrazně pomoci nejen v oblastech řízení nákladů, predikce vývoje prodejů, optimalizace dodavatelských řetězců či sledování trhu a konkurence. Důležitou podmínkou je však její správné nastavení, a to včetně podpory analytické kultury napříč celou firmou. To však zpravidla není možné bez určitých znalostí a zkušeností v oblasti datových věd, pokročilé analytiky a umělé inteligence s orientací na business. Soubor těchto znalostí označujeme jako datovou gramotnost – tedy schopnost porozumět datům a správně je využívat. Na základě výzkumu platformy Data & Business VŠE dělíme kompetence datové gramotnosti na znalosti (porozumění datovým konceptům nebo přístupům) a dovednosti (praktická schopnost aplikovat tyto koncepty nebo přístupy). Kompetence pak dále dělíme do pěti kategorií, kterými jsou A. Koncepce dat, etika a bezpečnost, B. Analytické principy a metody, C. Sběr a příprava dat, D. Analýza a vyhodnocení dat a E. Interpretace dat, komunikace a rozhodování. V praxi můžeme říci, že běžný firemní uživatel je konzumentem analytických výstupů vytvořených ostatními a musí být schopen řešit své problémy analytickým způsobem s použitím dat, nemusí je ale umět shromažďovat a připravovat. Na druhou stranu pokročilí uživatelé řeší problémy analytickým způsobem s daty od začátku do konce, včetně jejich získávání a transformace.

Mezi oblasti, kde v současné době plné celospolečenských změn vidíme nejzřetelněji mnohostranné přínosy datové analytiky, patří například zdravotnictví a logistika. Zde lze demonstrovat, jak datová analytika může pomoci nejen v době krize a že pracovat na rozvoji výše uvedených kompetencí, abychom dokázali využít její potenciál, se vyplatí.

Ve zdravotnictví intuice nestačí

Z pohledu každého zdravotnického zařízení je proces plánování, provádění a úspěšné vykazování poskytované léčebné péče klíčem k ekonomické a finanční stabilitě. Je proto velmi důležité v této oblasti nasadit co nejvíce exaktních procesů k podpoře strategického rozhodování a řízení. Je až s podivem, jak často je však v této klíčové oblasti řízení založeno na intuici a dlouholetých zvycích, a jak málo se využívají nové technologie, jako je datová analytika nebo využití prediktivních funkcí, např. umělé inteligence a strojového učení. Nicméně argumenty postavené proti datové „pravdě“ ve stylu „My to ale děláme hezky!“ dlouhodobě neobstojí, a dříve nebo později se projeví na jednom místě, které je proti emočnímu stylu řízení inertní, a tím je bankovní účet. Navíc, v současné situaci, kdy musí zdravotnická zařízení díky probíhající pandemii reagovat na nestandardní situaci změnou struktury léčebné péče a mechanismů její úhrady, a tím pádem čelit nestandardním podmínkám, na které nelze aplikovat intuitivní a zkušenostní principy, je význam datové vědy důležitější než kdy jindy. A ti, kteří již před vypuknutím pandemie vsadili na kartu exaktnosti, jsou nyní ve velké konkurenční výhodě.

Logistika závisí na datech

Mnoho z nás si pamatuje ze studií klasickou optimalizační úlohu cesty pošťáka při rozvozu zásilek k adresátům. Tato úloha se snaží optimalizovat cestu s cílem dosáhnout co nejkratší vzdálenosti. V současnosti, kdy byl celý svět skokově paralyzován pandemickou krizí, nově vznikající služby online objednávání a doručování zboží postavily mnoho firem, pro které je distribuce koncovým zákazníkům novinkou a nejedná se o jejich primární službu, před otázku, jak tuto skokovou poptávku optimalizovat. A pokud se zamyslíme nad tím, jaké parametry mohou do této úlohy vstupovat mimo základní požadavek optimalizace vzdálenosti, uvědomíme si, že tato úloha je jako stvořená pro datovou analýzu. Informace o aktuální dopravní situaci, pozici „pošťáka“ nebo vytíženosti jednotlivých tras v průběhu dne dostupné online nabízí kombinace technologií, jako je IoT, datová analytika, umělá inteligence a strojové učení, které nám umožní rozhodování na základě okamžitých exaktních dat o dané situaci, predikci vývoje a korekčních zásahů v reálném čase.

Pro někoho by to mohlo znít jako sci-fi, ale firmy, které tyto technologie zavedly nebo zavádějí, investují do své budoucnosti a v silné konkurenci přežijí.

Ing. Martin Potančok, Ph.D. Ing. Martin Potančok, Ph.D.
Martin Potančok působí jako business analytik na velkých mezinárodních projektech. Na Fakultě informatiky a statistiky se věnuje výuce a výzkumným projektům z oblasti využití dat v rozhodovacích procesech a ukazuje, jak řídit analytiku ve firmách. Je spoluzakladatelem vzdělávací platformy Data & Business VŠE.
Ing. Vlastimil Černý, MBA Ing. Vlastimil Černý, MBA
Vlastimil Černý se specializuje na řízení a koordinaci poradenských a implementačních projektů v oblasti zdravotní péče, sahajících od poskytovatelů po plátce zdravotní péče, se zaměřením na oblasti eHealth, managementu, zdravotní péče, financí, veřejných zakázek, informačních a komunikačních technologií, a to zejména v oblasti hybridních cloudových technologií, umělé inteligence, strojového učení, internetu věcí a pokročilé datové analytiky.

Zdroj: Smolníková, M., Chalupová, H., Potančok, M., Novotný, O., & Puskas-Juhasz, R. (2021). Building and testing a comprehensive data literacy model for business users. Paper presented at the IDIMT 2021 - Pandemics: Impacts, Strategies and Responses, 29th Interdisciplinary Information Management Talks, 125-132

Chcete získat časopis IT Systems s tímto a mnoha dalšími články z oblasti informačních systémů a řízení podnikové informatiky? Objednejte si předplatné nebo konkrétní vydání časopisu IT Systems z našeho archivu.

Inzerce

Čtvrtá průmyslová evoluce

IT Systems 6/2022Brzy tomu bude už deset let, kdy se objevil pojem Průmysl 4.0, který evokoval, že digitální technologie přináší do průmyslu něco převratného, revolučního. Někdo proto může být zklamaný, že ve skutečnosti se žádná průmyslová revoluce nekoná. Ano, různé digitální technologie, jako je internet věcí, umělá inteligence a analýza tzv. velkých dat, jež jsou aplikované v továrnách, zvyšují efektivitu a výkonnost.