Nagyon nehéz eldönteni, hogy egy-egy konkrét esetben milyen típusú adatokkal lehet eredményeket elérni – mondja a big data kapcsán David Ginsberg.
Az SAP adatelemzési vezetője szerint a munka leggyönyörűbb része, hogy gyakorlati tudományt művelnek, méréseiket, következtetéseiket a gyakorlatban is kipróbálhatják.
Computerworld: A Harvard Business Review azt írta a data scientist munkáról, hogy a jelen kor legszexisebb feladata. Így látja?
David Ginsberg : Talán inkább a feleségemet kellene erről megkérdeznie... A viccet félretéve, hosszú-hosszú évek óta dolgozom azon, hogy matematikai algoritmusokat alkalmazok és üzleti csapatokat vezetek. A munkám egyre inkább arról szól, hogy elképesztő mennyiségű adatot elemzünk, értékelünk. A munkám tehát szexi abban az értelemben is, hogy hirtelen nem csak odafigyelnek arra, amit mondtunk, hanem egyik napról a másikra valóban nagyon nagy szükség lett a szakértelmünkre. Az üzleti döntéshozók körében azért, hogy a konkurenciát le tudják körözni, egy hátsó szobákban folyó tevékenységből egyszerre a legsikeresebb nagyvállalatok stratégiáját alapjaiban meghatározó üggyé vált az adatelemzési tudomány. Ilyen értelemben valóban szexi a tevékenységünk.
CW: Mennyire van az üzleti területekre ráhatásuk a big data-val foglalkozó vezetőknek a nagyvállalatokon belül? Hasonló a szerepük, mint az üzleti folyamatokba aktívan beavatkozó CIO-knak?
DG: Igen, azzal a különbséggel, hogy nem csak stratégiai, hanem operatív szinten is nagyon fontos dologról van szó, hiszen a vállalat legfontosabb teljesítménymutatóinak állása is egyre inkább rajtunk múlik. A vállalat fő döntéshozóival, köztük az informatikai igazgatóval rendszeres a kapcsolat. Velük a hosszú távú célokon dolgozunk. Ám ugyanúgy a végrehajtó feladatokat, terepen dolgozó munkatársakkal is rendszeres a kapcsolatunk, mert a big data révén rövid távon szintén nagyon jelentős pénzügyi előnyöket lehet elérni. Magyarán mindenki munkája sokkal inkább illeszkedik a céges stratégiába.
CW: Melyek a legnagyobb kihívások a munkája során?
DG: Karrierem során ez a negyedik alkalom, hogy adatelemzési csapatot építek. A matematikai algoritmusok programozása alapvető fontosságú, de sok más jellegű feladatunk is van. Először is: minden az üzleti igényekkel kezdődik. Nagyon nehéz az első lépéseket megtenni, a megfelelő embereket megtalálni arra a feladatra, hogy a konkrét esetben milyen típusú adatokkal lehet igazán eredményeket elérni. Ha ez már megvan, onnantól már jöhetnek a szoftvermérnökök, a matematikusok. Az sem mindegy továbbá, hogy a megszerkesztett algoritmusokat hogyan implementálják a meglévő rendszerekbe. A munkánk leggyönyörűbb része, hogy nem elméleti, hanem gyakorlati tudományt művelünk. Méréseinket, következtetéseinket a gyakorlatban is kipróbálhatjuk. Kritikus dolog a felhasználói élmény: egy pénzügyi vezető egészen máshogyan igényli az adatokat, mint mondjuk egy karbantartásokat vezető, felügyelő kolléga.
CW: Olyan szempontból azért könnyű dolguk van, hogy az SAP az egyik élenjáró bigdata-szállító, az önök HANA platformjára rengeteg adatelemző folyamat épül fel a világon mindenütt.
DG: Ez igaz, de különleges szakértőkből álló csapatunk platformsemleges, szó sincs arról, hogy csak egy megoldással dolgoznánk. Bármilyen elterjedt platformon képesek vagyunk megvalósítani ügyfeleink kívánságát. Igaz, az SAP rendszerének van néhány jól körülhatárolható előnye.
CW: Melyekre gondol?
DG: Például hogy olyan matematikai modelleket tudunk ennek révén felállítani, amelyek gyakorlatilag megjósolják, hogy egy gép vagy egy alkatrész mikor fog tönkremenni. A prediktív analitika pedig vonzó az ügyfelek számára: ha üzembe állítunk egy rendszert, akkor rövidesen már kapjuk az újabb kérést. ’Nagyon jó dolog, de használhatnánk erre, sőt még erre a problémára is’ – érkeznek hozzánk egyre a kérdések és a kérések.
CW: Mondana példát a prediktív analitikára?
DG: Például egy nagy kereskedelmi cégnek szállítottunk ároptimalizáló megoldást. Ennek keretében nem csak igen gyorsan és dinamikusan, hanem lokálisan is képes a HANA árazási segítséget adni. Ugyanakkor az így nyert adatok révén a termékek várható népszerűségét és ennek jövőbeni változásait is igen pontosan meg lehet mondani, sőt meg lehet jósolni. Egy ilyen adattömeg viszont kiválóan használható fogyasztók nagy tömegeinek viselkedési mintáinak elemzésére, amellyel például kiválóan lehet, mondjuk optimalizálni a promóciós célokat, költségeket.
CW: Milyen adatmennyiségekről van szó?
DG:Van olyan online ügyfelünk, ahol petabyte-os adatmennyiségekkel dolgozunk, a kollégák pedig nem kevesebb, mint 300 ezer (!) mérhető változót kell nyomon kövessenek. Egy bigdata-megoldásnak ebben a hatalmas adathalmazban mind a lehetőségeket, mind a fenyegetéseket fel kell ismernie. Ilyen mennyiségnél szükség van a szoftverünkre, hogy a tendenciákat pontosan azonosítsuk.
CW: Hol van még szükség az előbb említett „jóslásokra”?
DG: Jó néhány közműszolgáltatónak dolgozunk világszerte, és el kell mondjam: az ágazat nagy átalakuláson megy épp keresztül. Száz éven át csak egy-egy nagy szolgáltató szállítottak áramot az erőműből a végpontokra, de a napelemek révén jó pár fogyasztó most egyben szolgáltatóvá is vált. Eszközeinkkel egy ilyen, egyre komplexebbé váló rendszer optimalizálásában kell segítenünk.
CW: Más ágazatokban is ekkora változások zajlanak?
DG: Igen, például a közlekedésben, legyen szó a vasúti, vízi vagy légi útvonalakról. E járműparkok fenntartása elképesztő összegekbe kerül. Ha pedig meg tudjuk előre mondani, hogy milyen alkatrészek hogyan fognak fogyni, ezzel euró-tízmilliókat spórolhatunk csak az alkatrész-készleteken. Ugyanígy a gyártás területén is lehetőség van hasonló előrejelzések készítésére. Az automata termékellenőrzéssel összekapcsolva például ugyanígy azt is meg tudjuk mondani, hogy a szintén euró-tízmilliókba kerülő gyártóeszközök hogyan, milyen ütemben fognak meghibásodni. Ezzel a hatalmas karbantartási költségek mellett akár még a méregdrága eszközök élettartamát szintén megnövelhetjük. Ezzel nem csupán több profit marad vállalati partnereinknél, hanem egyúttal versenytársaikkal szembeni reakciókészségük, agilitásuk is növekszik.
CW: Jól hallottam, hogy Önök még a sport területén is használják a HANA-t?
DG: Igen, meglepő hatékonysággal tudjuk analizálni az egyes játékosok teljesítményét, így akár a meccsek eredményeinek várható alakulására is tudunk tippeket adni. Az amerikai foci pedig hatalmas üzlet, különösen az úgynevezett fantasy football, ahol virtuális csapatokat állíthatnak össze az online játékosok.
CW: Esetleg a következő Super Bowl fő szponzora már az SAP lesz? Azt is meg tudják mondani előre, hogy melyik játékos mikor fog lesérülni?
DG: Erről persze nincsen szó, nem vagyok nagy varázsló.
CW: A big data körül hatalmas a felhajtás. Ön szerint is alapjaiban változtatja meg a világot a jelenség?
DG: Hogy a bigdata-jelenség túl van-e lihegve? Talán. De mi nagyon szerények vagyunk: nem akarjuk alapjaiban megváltoztatni a világot, mi csupán ügyfeleink igényeit akarjuk minél tökéletesebben kielégíteni.
CW: Online és közösségi aktivitásunk talán túl sok mindent elárul rólunk, nemde?
DG:A magánélet és az adatbiztonság kérdésének fontosságában száz százalékig egyetértek önnel. Ugyanakkor szerintem nem mindig van igazuk azoknak, akik szerint a közösségi médiából minden fontos adat kinyerhető. Néha sokat segít, de sokszor semmit sem ér. Inkább úgy fogalmaznék, hogy egy extra dimenziót ad hozzá a big data egy stratégiai gondolkozó mindennapjához. Úgy tudnám leírni, hogy a földről a levegőbe emeljük ügyfeleinket, ahonnan egészen más perspektívából láthatnak rá vállalatuk működésére. Ez az a momentum, ami pedig rengeteget segít a megfelelő versenyelőnyök megtalálásában és persze kihasználásában, illetve már az igazi kihívások azonosításában is.
CW: Mire a legbüszkébb az SAP-nál töltött éve alatt?
DG: Minden egyes ügyféllel személyes kapcsolatunk van. Sokszor mondják, hogy nagy cég vagyunk, csak jó sok szoftvert akarunk eladni az ügyfélnek, de ez nem igaz. A mi részlegünk egyfajta kis butikként működik. Szerintem – a nagyszerű csapatunk mellett – ez is a sikerünk alapja.
David Ginsberg
– David Ginsberg az SAP adatelemzési vezetője. Globálisan ő felel a világcég adatelemzési üzletágáért, ahol big data és prediktív analitikai megoldásokat fejlesztenek és implementálnak. Tagja az SAP Services tanácsadó testületének is.
– Ginsberg 2006 óta dolgozik a világcégnél, korábban pedig a Khimetrics, az AMEC, az Agra Simons és a Fluor Daniel vállalatoknál vállat feladatokat.
– A phd-fokozatát a Julius Kruttschnitt Mineral Research Centre (University of Queensland, Ausztrália) berkein belül szerezte. Elektromérnöki diplomáit (MA és BA) a University of Cape Town-on Dél Afrikában kapta.
