Podcast

Dobrý den, jmenuji se Jirka Vicherek a vítám vás u dalšího dílu podcastu Datatalk. Mým dnešním hostem je Rado Oresky, partner a CDO společnosti Emark. Ahoj, Rado.

Zdravím. Dnes se s Radem společně podíváme do minulosti, konkrétně na jeho příběh, který je spojený se značkou a společností Emark, jež prošla za posledních patnáct let velkým vývojem. Někteří z vás se s ní již setkali, působí na českém trhu a začínají být stále více vidět. Pro posluchače ze Slovenska je Emark určitě známý. Mnozí ji asi spojují s technologií Click, o které si také budeme povídat. Zároveň se zaměříme i na Snowflake a na to, jak trh nyní mění generativní umělá inteligence a AI obecně.

Než se do toho pustíme, Rado, představ se nám, kde ses vzal? Jak ses dostal do společnosti Emark? Kde začíná tvůj příběh?

Můj příběh začíná pravděpodobně před sedmnácti lety, kdy jsem studoval na Fakultě managementu Univerzity Komenského v Bratislavě. Tehdy jsem navštívil jednu skvělou přednášku, kterou vedl jeden z partnerů a zakladatelů Emarku. Vyprávěl o tom, jak dělá datovou analytiku pro různé firmy, a to mě velmi zaujalo.

Když jsem se pak hlásil na pracovní pohovor a psal diplomovou práci, po prvním kole výběrového řízení jsem nastoupil do Emarku jako konzultant. Byl jsem tehdy člověk, který nevěděl přesně, co bude dělat, ale byl jsem nadšený a věřil, že to bude určitě skvělé.

Co tě tehdy chytlo? Jaká byla tvoje specializace? Byl jsi technologicky zaměřený?

Vůbec ne. Studoval jsem management se specializací na strategický management, který je silně propojený i s konzultantskou činností. Emark byl původně konzultantskou firmou a postupný přechod k technologickému zaměření nastal někdy kolem roku 2011.

Jak tento přechod vypadal? Jak si ho máme představit?

V roce 2010 jste na trhu měli velké konzultantské firmy, které byly drahé a vy jste přišli a nabízeli, že postavíte i datový sklad?

Ani my jsme v tom úplně neuspěli, spíše jsme měli velmi vyhraněný přístup. Pracovali jsme i pro veřejný sektor a různé menší společnosti, řešili jsme hodně procesní a strategické řízení. Pak jsme začali používat jiné nástroje a software, například QPR, který je dnes relevantní.

Paralelně jsme se seznámili s technologií Click, která se nám velmi líbila, zejména díky své flexibilitě. V té době byly serverové konfigurace kolem 8 až 16 GB RAM považovány za high-end v našem regionu, a s technologií Click jsme dokázali zpracovávat miliony záznamů na takovýchto serverech, což bylo pro zákazníky velmi inovativní, protože jsme se tak v podstatě dostávali i k big data řešením na svou dobu.

Tento přechod byl tedy velmi postupný – počet konzultačních projektů se postupně snižoval, protože jsme se na ně neorientovali obchodně ani marketingově, ale naopak jsme začali stále více přesvědčovat zákazníky, aby budovali datovou analytiku.

V současnosti vás vnímám spíše jako technologického konzultanta, který se specializuje na datovou oblast, a technologie Click je vaší vlajkovou lodí. Mohli byste krátce představit Click někomu, kdo s ním není obeznámený, a vysvětlit, kde v technologickém stacku vlastně stojí?

Samozřejmě, rád. Jsem velkým fanouškem Clicku, takže budu určitě zaujatý. Nicméně základ je v tom, že jsme s tímto nástrojem byli schopni vytvořit end-to-end řešení pro zákazníky. Například v účetnictví, kde máte hlavní knihu a účetní deník, s Clickem načteme data, zpracujeme je, vizualizujeme a zpřístupníme lidem, aby s nimi mohli dynamicky pracovat.

Click se často srovnává s Power BI, ale pro mě jde mnohem dál a nabízí širší možnosti použití. Není to pouze vizualizační nástroj, ale zahrnuje také datovou transformaci, kompletní ETL proces, komplexní skriptování a až jemné programování.

V době, kdy jsme s Clickem začínali, tedy v roce 2011, Power BI ještě neexistovalo, což nám poskytovalo konkurenční výhodu. Dnes je trh nasycen mnoha nástroji, ale i přesto má Click stále výjimečné postavení.

Vrátili bychom se tedy k tomu roku 2011-2012, kdy vaše partnerství a láska k této technologii začala a když došlo k přerodu z čistě konzultační firmy na technologickou firmu. Jak vypadaly ty projekty tehdy, co bylo jejich náplní?

Ty první projekty do velké míry souvisely s maturitou trhu v oblasti analytiky. Tehdy se ještě téměř vše analyzovalo v Excelu, který je i dnes stále hojně používaný, ale tehdy to bylo skutečně v Excelu.

S použitím Clicku jsme například v Unicredit leasingu nebo u jedné velmi zajímavé výrobní firmy řešili náhradu manuální práce spojené s tvorbou reportů v Excelu. Pomohli jsme vytvořit datový sklad, konsolidovat data ze zdrojových systémů a zajistit, aby všichni v organizaci sledovali stejné metriky – například obchodní marži – stejným způsobem, aby nevznikaly zmatky v komunikaci mezi odděleními.

Cílem bylo dynamizovat procesy tak, aby se finanční uzávěrky mohly dělat co nejrychleji, protože dříve trvala měsíční uzávěrka i tři týdny, což je pro firmu příliš dlouho.

My jsme už tehdy vnímali, že nyní přichází doba, kdy se firmy nesmí řídit pouze pocitem nebo pohybem na bankovním účtu, ale mají přecházet na řízení založené na datech, které skutečně ukazují, co se ve firmě děje.

Z toho, co říkáš, vaše cesta šla z úrovně byznysových strategií do hloubky business intelligence – tedy k metrikám, KPIs a reportingové vrstvě – jinými slovy do oblasti IT a dat blíže ke zdrojovým systémům. Nebylo vždy samozřejmé, že zákazník měl již vybudovaný datový sklad?

Přesně tak. Projekty jen začínaly a my jsme často šli přímo do účetnictví nebo výrobních systémů, odkud jsme data tahali a zpracovávali. Diskuze se tak začaly více soustředit na technickou stránku, více jsme komunikovali s IT lidmi, datovými inženýry a architekty u zákazníků.

Tím se měnil i náš náborový profil – začali jsme být více IT firmou, přitom jsme si stále chtěli udržet i konzultační rozměr. Ne vždy se nám to dařilo u všech zákazníků, ale chceme ho stále mít a dále rozvíjet.

Naším cílem je dělat smysluplné, byznysově přínosné projekty, které skutečně přinesou nějakou přidanou hodnotu, například zlepšení marže nebo zvýšení počtu zákazníků.

Je zajímavé, že vaše cesta jde trochu opačným směrem než příběhy některých jiných firem, které často začínají jako IT nebo datové sklady a snaží se pak dostać k byznysovému managementu. Vy jste šli od byznysu níže k IT a infrastruktuře. Dnes děláte hodně i infrastrukturu a datové sklady. Vzpomeneš si na nějaký první projekt v této oblasti?

Ano, my jsme data warehousing v podstatě budovali přímo v Clicku, který má možnosti strukturovat datové schémata. Například zajímavé projekty jsme realizovali v ESETu, což je velká antivirová firma známá i u vás.

V ESETu jsme pomáhali s budováním reportingu nad jejich licenčními systémy a příjmy. Další velmi rozsáhlý projekt byl u Unicredit Leasingu, kde jsme zpracovávali stovky tabulek z mnoha zdrojových systémů, například účetnictví, úvěrového systému či dalších core systémů, a sjednocovali jsme je.

Takže od roku 2011, kdy jsme naskočili na vlnu Clicku, jsme postupně šli od vizualizací k podpoře infrastruktury.

Zajímavým příkladem je poměrně rozsáhlá adopce Clicku ve Foxconnu, velké výrobní firmě v Pardubicích, pro kterou jsme nebyli přímo dodavatelem, ale pomáhali jsme jim s implementací a poradenstvím.

Foxconn má dnes desítky developerů, kteří si Click upravují a rozvíjejí sami. Používají jej napojit na SAP i další moduly, vytvářejí datové schémata a technologie je využívána nejen k top management reportingu, ale přímo v plánování výroby. Dokonce mají skripty, které připravují data jako vstup přes IoT do konkrétních strojů, podle kterých se plánuje nastavení výroby.

Je to krásné příklady využití platformy.

Jak jsi sám prožíval tu změnu v rámci Emarku? Nastoupil jsi jako konzultant zaměřený na management, ale firma se měnila v technologickou a ty jsi se přesouval blíže k datům a IT. Jaký je tvůj příběh v rámci této proměny?

Když jsem nastupoval, pracoval jsem trochu na oblasti performance managementu a nastavování metrik, takže už tehdy mi to bylo blízké.

S Excelem jsem pracoval velmi dobře, ale když jsem objevil možnosti Clicku, propadl jsem mu úplně. Bylo to vlastně nalezení smyslu mého profesního života.

Samozřejmě byly i těžké projekty a náročné chvíle, přemýšlel jsem i o tom, jestli nezměnit čistě konzultační sféru a nepřejít někam do BI oddělení, ale vždy jsem si uvědomoval, že mě to strašně baví – chápat problémy zákazníků a najít, jak jim data pomohou.

Především mě baví propojit byznysové myšlení, například doprava, kdy nás trápí opožděné dodávky, a nalézt ve datech řešení, jak takové problémy odhalit a skutečně je vyřešit.

Jak se projekty posouvaly? Nejprve to byly účetní a byznys intelligence projekty, dnes jsou to rozsáhlé digitalizační a automatizační projekty, jako jsi zmínil Foxconn, které se týkají celého spektra podniku. Čím to podle tebe bylo? Posunoval se trh a datová zralost, nebo šla Emark hlouběji a nabízela širší služby? Nebo to byla hlavně schopnost Clicku?

Prvně je třeba říct, že se nástroj Click vyvíjí, znám ho dobře a vidím, jak jednotlivé moduly a schopnosti rostou.

Click nám poskytl svobodu diskutovat o čemkoliv — ať už šlo o účetnictví, HR systém, nebo cokoli jiného, vždy jsme mohli data připojit a řešit daný use case.

To nám umožnilo soustředit se nejen na to, co zákazník chce, ale i na to, co skutečně potřebuje. Co konkrétně jej trápí – může jít o udržení zaměstnanců, opožděné dodávky nebo obchodní marži.

Click nám umožnil napojit jakákoli data k řešení těchto problémů, což byl klíčový faktor úspěchu.

Postupně jsme tedy posunuli analytiku z vrcholového managementu směrem k lidem na pobočkách nebo na výrobních halách, kterým jsme umožnili sledovat aktuální stav výroby či logistiky na velkých obrazovkách.

Lidé začali chápat, že data nejen zobrazují výsledky, ale mohou pomoci zlepšit konkrétní procesy v oblasti výroby, logistiky nebo HR.

Tento posun vedl k náročnějším požadavkům zákazníků a my jsme to využili k realizaci různých digitalizačních projektů.

Zmínil jsi Foxconn a Tomunikreit, kde jste pomáhali zdigitalizovat proces schvalování úvěrů — to nemá přímo co do činění s analytikou, ale Click zde slouží jako integrační nástroj, který propojuje data ze systémů a umožňuje, aby zákazník na pobočce mohl do několika minut získat informaci o tom, zda je vůbec způsobilý k úvěru, což výrazně zrychlilo celý proces.

Tím se zkrátil čas schválení z několika dnů na minuty, což zásadně posouvá byznys.

Na druhou stranu, když se podíváme na dnešní situaci po deseti letech, Click není jediný nástroj, který používáte, ale máte širší portfolio technologií. Můžeš uvést, na co Click není vhodný a kdy byste použili jiné nástroje?

[Pokračování zřejmě patří do další části rozhovoru.]

Toto je korektní, gramaticky správný a obsahově zachovávající přepis původního textu do spisovné češtiny, rozdělený do přehledných odstavců. Pokud budete potřebovat pokračování nebo úpravy, rád pomohu.

Vymezení use case je důležité, protože teď, jak to říkáte, bez ohledu na doménu, velikost klienta či použití stačí hodit tam Klik a bude to fungovat, což mi zní trochu jako „to je příliš dobré, aby to byla pravda“. Takže co jsou vlastně use case, kdy si říkáte, že na to to nebylo stavěno, případně je tam třeba specializace nebo zůstat ve vlastním steku? Jsou tam situace, kdy už je přehnané ohýbání systému?

Určitě ano, určitě. Proto si to také uvědomujeme a proto jdeme do jiných technologií, jako je například Snowflake. Klik má určitý storage, ale není to ideální. Když jsem hardcore a chci skutečný data warehouse, nebudu stavět v Kliku. I když jsme to vyřešili u většiny firem, zvlášť při přesunu do cloudu, tak jsme si uvědomili, že co se týče data warehouse, pokud chceme mít data dobře strukturovaná, chceme mít snapshoty těch dat, verzionování, na to jsou lepší jiné nástroje. Proto jsme například přibrali Snowflake, který to řeší perfektně, protože Klik umí krásně posílat data do Snowflake z on-prem systémů, tedy umí dělat migraci a pak nad tím stavět další vrstvy.

A Klik je tedy on-premise, nemá cloudovou verzi?
Klik má cloudovou verzi, takže my jsme u velkých zákazníků ve fázi přechodu – někteří jsou on-premise kvůli citlivosti dat a strategickým diskuzím ohledně cloudu, ještě se nerozhodli. Někteří už jsou plně v cloudu a jiní právě procesně přecházejí z on-premise na cloudovou verzi.

A jaká byla tvoje role v tom všem?
Stále jsem chodil za zákazníky, kódil jsem, ale čím déle, tím méně. Role konzultanta po pár letech přešla do role projektového manažera, kdy už jsme měli větší týmy u zákazníků. Řídil jsem je, kontroloval práci, časem jsem také bral na starost juniornější kolegy, které bylo potřeba zaučit, a zároveň nechávat vyrůstat ty méně zkušené na jednodušších úkolech. Byla to spíš projektová manažerská role.

A jak se tým rozrůstal, bylo potřeba někoho, kdo jej povede. Takže jsi přebral roli technical directora?
Ano, asi po sedmi, osmi letech to tak bylo. Z konzultační firmy jsem se stal technickým ředitelem.

Kolik vás dnes v MRKu je?
Asi kolem 60 lidí. Z toho technický tým, tedy delivery tým, má asi 40 lidí – to je většina, zbytek jsou administrace, obchod, marketing. Většina lidí se věnuje projektům přímo u zákazníků.

Jaká byla další významná událost v rámci tvého osobního života spojená s firmou?
Poznal jsem tam moji budoucí manželku. Pracovali jsme spolu i na několika projektech. Ona vytvořila poměrně komplexní skript pro prohledávání metadat souborů uložených na discích. To nás přivedlo k myšlence netvořit jen servisní projekty, ale možná vytvořit nějaký produkt.

A tak vznikl první produkt MRKu, nazvaný „Krtko“.
Ano, „Krtko“ byl konektor z Klika, který umožnil naskenovat soubory a metadata v strukturované formě dát do Klika pro analýzu. Postupně jsme ho doplnili o možnost skenovat i obsah souborů – prezentace, Word, Excel, PowerPoint, PDF, obrázky, které lze zpracovat přes OCR. Byl to zajímavý produkt s různými use case, například jedna policejní agentura v jedné zemi jej používá při vyšetřování.

To byl tedy zárodek produktového zaměření v MRKu.
Ano, začali jsme přemýšlet o dalším produktu. Měli jsme projekt pro jednoho autodílera na Slovensku, který potřeboval řídit cashflow a fakturační systém. Místo nákupu fakturačního systému jsme v Kliku vytvořili prototyp formuláře pro zápis dat, což se stalo základem dalšího produktu.

Ale ne všechno bylo ideální, jaké jste měli „lessons learned“?
Zjistili jsme například, že Klik není vhodný nástroj k produktivizaci, protože kód není skrytý, veškerý skript a know-how je veřejné, což není pro produkt ideální. Proto jsme se rozhodli produkty vyčlenit do samostatné firmy, což umožnilo oddělení servisní a produktové části, i z právních důvodů s ohledem na partnery.

Jak vypadá trh s Klikem?
Je to běžný nástroj, máme klienty, kteří ho používají, a díky partnerské síti i obchodujeme. V našem regionu máme partnerství na úrovni Master Reseller, takže jsme velmi úzce propojeni s technologiemi Klika. Z Klika samotného nám chodí určitý byznys, ale ne příliš mnoho.

Propojili jste tedy Emark a Klik v úzké partnerství.
Ano, Infinity (naše produktová firma) se snaží prodávat produkty zaměřené na Klik globálně, buď přímo enterprise zákazníkům, nebo skrze lokální partnery ve světě jako doplněk k jejich službám.

Kolik má Infinity lidí a kolik produktů?
Máme asi 15 lidí, aktuálně 3 až 4 produkty. Jeden je spíše utlumený, hlavní fokus je na tzv. writeback – zpětný zápis z analytiky, například komentáře, plánování nebo workflow.

Je Infinity samostatná firma, nebo se sdílí kapacity s MRKem?
Je to samostatná firma, spojení je jen na úrovni CEO. Vývojáři sedí odděleně a nepotřebují si kapacity půjčovat. Toto oddělení jsme už zvládli, protože dříve, když lidé dělali paralelně projekty i produktový vývoj, bylo to stresující.

Když se podíváme na to, jestli se vám podařilo s produktem prorazit globálně, jak to vypadá?
Ano, otevřelo nám to vyšší úroveň analytiky u zákazníků. Už není jen jednosměrná komunikace přes reporty, ale obousměrná. Díky Infinity mohu přidat kontext k výsledkům, upravovat výrobní plány, pracovat s daty operativně.

Příkladem je firma „Don't Meets“ z Velké Británie, která potřebovala řešit plánování obchodu a forecasting.
Předtím vše řešili v Excelu, jejich Klik je dlouhodobě používaný a chtěli posunout plánování systémovějším směrem. S Infinity jsme vytvořili plánovací řešení, podporované strojovým učením, které automaticky předvyplňuje forecast na základě historie, svátků a promoakcí. Může tak manažer upravovat předpověď operativně.

Tímto způsobem se jim podařilo zlepšit přesnost plánování o 10 %, což je u takto velké firmy velký efekt pro byznys, například zlepšením logistiky a minimalizací expirací produktů.

Masová výroba, tedy produkty expirují, nedají se pře...

Když chci z jednoho logistického centra přesunout zboží do jiného, jsou s tím spojeny velké náklady na dodavatelský řetězec (supply chain). Zároveň potřebuji mít dobrý forecasting obchodu, abych věděl, co mám vyrábět a kdy mám s výrobou začít. Takže jakékoliv jemné zpřesnění těchto forecastů mělo velký dopad na byznys jako takový.

Přijde mi zajímavé, že teď zase mluvíš o tom, jak nástroj, který vám umožnil rozšířit byznys, tedy rozšířit use case, což byste samotným Klikem nemohli udělat, se najednou dá realizovat díky Infinity. Získali jste si k byznysu přístup přes Infinity? Bylo to tak, že Infinity vám otevřelo dveře, nebo to byl samostatný klient, u kterého jste jednali jako e-mark? Tento klient vlastně přišel, byl vyvinut e-markem, ale samotný use case přišel díky tomu, že existovalo Infinity.

Jiný klient, například na Slovensku, Tatra banka, byl vlastně vyvinut díky Infinity, protože tam se řešil risk management, což je opět úplně mimo datovou analytiku. Přestože máme nástroj, který umožňuje obousměrnou komunikaci, nejen prezentaci dat, ale i zápis dat, tak s ním vytvořili celý workflow pro řízení rizik v bance. Tatra banka je něco jako komerční banka tady v Čechách.

Na této úrovni povědomí o slovenských reáliích myslím, že je spousta i českých posluchačů, a máme hodně slovenských posluchačů, za což jsme velmi rádi nejen v Česku, ale i na Slovensku.

Další věci, které jsi právě zmínil, vlastně jsi začal mluvit o machine learningu. Předtím jsme se z oblasti BIA dostali trochu k data warehousingu, nějakým automatizacím, technologiím a infrastruktuře. A najednou řešíme machine learning a data science. Jak to pro vás bylo logické a přirozené postupně přidávat use cases v tomto směru a jak složité to pro tebe bylo řídit? Protože klasické projekty BIA, datové analýzy nebo data engineering jsou jedna doména s určitými pravidly, scope a principy, zatímco data science je spíše výzkum a vývoj, trochu jiná hra, jiný režim.

Jaký byl váš příběh? Naštěstí v době, kdy už jsme viděli na trhu rostoucí zájem o predikční modely, o získání více hodnoty z dat, jsem díky mým úžasným kolegům nemusel být už technickým ředitelem. Tu pozici jsem postoupil kolegovi Palovi Hajastekovi a já jsem se začal více věnovat R&D, tedy podpoře vývoje řešení, která sloužila jako inspirace pro zákazníky.

Mnohé z těchto řešení byly postaveny na bázi Infinity, protože to byla konkurenční výhoda, něco jiného za analytikou. Když jsme začali řešit více projektů v oblasti plánování, dávalo to smysl – když vytvářím plán, nespoléhám jen na průměr z minulého roku, ale přidávám něco zajímavějšího, nějaký predikční model.

Machine learningové knihovny jsou dnes na velmi vysoké úrovni. Samozřejmě je stále potřeba mít dobře připravená data, vědět, co do modelu vstupuje, a nespoléhat se na něj slepě. Protože jsme zpracovávali data a prezentovali je, bylo logické přemýšlet, co z nich můžeme získat navíc – to jsou právě predikční modely. Ať už jde o time series forecasting, tedy předpověď budoucího prodeje, predictive maintenance – kdy se co pokazí, nebo churn model, který pomáhá odhalit zákazníky pravděpodobně ukončující službu. U některých operátorů nebo zákazníků, kteří mají subscription business, má práce na portfoliu aktivní smysl.

Ty sis vlastně také postupně vybudoval pozici partnera e-marku. Dostals se na nejvyšší úroveň. Nejenže jste s e-markem našli cestu i v osobním životě, když jsi získal manželku, ale vzali tě i mezi sebe na vedoucí pozici. Co se tím pro tebe změnilo?

Pro mě to byl logicky větší závazek. Ne že bych do toho šel s nadšením, protože mám rád i osobní čas, věnovat se manželce apod., ale samozřejmě ty závazky rostou.

Už jste slavnostně zmínili, že manželka je součástí Infinity, což je celkem dobré, to mohu doporučit – dát manželku do dceřiné společnosti.

Partnerství znamená větší odpovědnost – vidíš věci z vyšší perspektivy, více ovlivňuješ strategii, musíš více přemýšlet o relevantních tématech teď i v horizontu 5 let. Čím vyšší pozice, tím větší „hasení“ problémů. Často se stává, že problémy graduují natolik, že je třeba je řešit až na nejvyšší úrovni, tedy na úrovni partnera.

Takže velká agenda spočívá v kombinaci inspirace zákazníků, práce na R&D, řešení vizí a aktuálních problémových situací. Nechci vyznít tak, že pořád jen řeším problémy, ale taková je realita.

Měla jsem na mysli trochu obrácenou implikaci: zda vsadíš na dobrou technologii a tak nějak s ní vyrosteš, protože trh jde stejným směrem, nebo zdali tě to baví, protože jde o cutting-edge téma, a ať už by to byla data nebo například interní psychologie zaměstnanců, bude tě to zajímat a budeš tam růst. Jak moc je to o štěstí a jak moc o výběru domény a tobě samotném?

Myslím, že do velké míry to bylo štěstí. Netvrdím, že bych si to sám vytvořil a naplánoval. Spíše šlo o životní souhru okolností – dělal jsem, co mě baví a kde umím pomoct. Díky bohu jsme na tom mohli vyrůst právě díky tématu dat. Jistě, dělal bych cokoliv s tím samým zápalem, pokud by to bylo něco, co mě blízké a co mě opravdu baví. Stále mě baví třeba i ve dvě ráno otevřít si skript a začít něco řešit a vytvářet.

Gratuluji, to je velmi hezké. A děláte takhle s manželkou pořád noční „hadíčky“ u skriptů? Už mám malou dcerku, takže priority jsou jinde. Výborně, chápu.

Pojďme dál, protože mě zajímá, kdy přestal být klik vaší jedinou propozicí. Do nějaké doby, než jsi se stal partnerem (rok 2019), jste byli velmi spojeni s Klikem. Snažíte se vybudovat značku eMark, dvě samostatné entity, ale dříve to bylo takřka synonymum. Jak se stalo, že Snowflake byl další technologií? Říkal jsi, že je zde komplementarita, nebo něco víc? Po tak dlouhé době spojené s Klikem si dovedu představit více scénářů. Jak probíhalo rozhodnutí a celý proces?

Přestože jsem studoval strategický management, nemohu říct, že to byla promyšlená strategie. Snowflake jsem vnímal jako sexy technologii. Bylo to cloudové řešení, což bylo před pěti lety v této lokalitě velmi nové a neprobádané. Přesto bylo výrazně rychlé a navzdory své síle velmi jednoduché na používání.

Řekl bych, že jsme do toho chtěli jít, protože se nám technologie velmi líbila, tak jako jsme před 15–17 lety milovali Klik, protože jsme v něm viděli potenciál posunout byznys na vyšší úroveň díky datům. Tak jsme vnímali Snowflake jako potenciál udělat pro byznys něco navíc a posunout ho dál, a k tomu se přidala zmíněná komplementarita.

Ve skutečnosti klik a Snowflake na sebe perfektně navazují a celé dává smysl zejména v rámci přechodu na cloud. Mnoho firem má nyní core systémy on-premises, ale chce data přesunout do cloudu, kde s nimi mohou dále pracovat – provádět integrace, analytiku, data science. Klik umožňuje tyto data přesunout do Snowflake a pracovat s nimi v cloudu.

Momentálně se opravdu soustředíme na Snowflake a máme za sebou několik pěkných projektů, například pro Model Group, velkou firmu vyrábějící obalové materiály ve Švýcarsku, která zde operuje v Čechách. Mají čtyři SAPy v různých lokalitách a potřebovali data z nich nějakým způsobem integrovat a propojit ještě se Salesforcem, což je cloudový systém.

Snowflake tam krásně zapadl: modernizace, přesun do cloudu, synchronizace mezi systémy a budování povědomí o datech ve firmě, tedy analytiku a postupně i data science.

Takže to pěkně zapadá do vlny, že klik umožňuje přesun dat do Snowflake, data jsou v cloudu, a můžeme s nimi dále pracovat.

Když se vrátím k začátku, zamiluješ se do technologie, vidíš, že je trendy, vsadíš na ni, řekneš, že to bude součástí vaší produktové řady. Co pak? Prodáš to prvnímu zákazníkovi, učíš se na něm, vyjasňuješ si partnerství a licenci, našel jsi první use case, kde se hodí, a jdeš do toho. Jak jste v tomhle postupovali?

Formální partnerství bylo velmi důležité, zejména z hlediska příspěvku a spolupráce. Současně jsme se museli naučit technologii natolik, abychom ji neprodávali někomu, čemu nerozumíme. Prošli jsme certifikacemi, abychom měli formální doklad o tom, že opravdu víme, co děláme.

Důležité je mít také správného člověka – v Model Group je to Radek Starčičini, úžasný inovátor, který s námi viděl potenciál technologie. Když se vše sejde, a to je samozřejmě i o štěstí (ale „štěstí přeje připraveným“), postupně se podaří první prodeje, vybudování byznysu a kompetence.

Aktuálně, tak jako jsme velmi dobří v Kliku, se soustředíme také na Snowflake. V rámci data engineeringu jsme trochu otevřenější i dalším technologiím, protože dovednosti získané ve Snowflake mohou být přenosné i na Databricks nebo BigQuery. Tedy v oblasti data engineeringu a budování cloudových datových skladů jsme obecně otevřenější.

Dobře jste to otevřeli. Uvidíme, co dalšího přinesete.

Podíváme-li se na váš tým 40 lidí, co tam najdeme za role? Jak to řídíš? Máš tam hodně byznysových konzultantů, data engineerů, warehousing? Jak to rozděluješ? Jak moc je člověk univerzální, umí trochu ze všeho, nebo máte hodně specialistů, kteří jsou nejchytřejší na Snowflake, ale klik jim nedávejte do ruky?

Začíná se to trochu diverzifikovat. Tým data engineerů se velmi dobře vyzná v Snowflake a příbuzných technologiích. Klik vnímají především jako integrační nástroj, tedy ingestion – dostat data ze systémů například do Snowflake, což je jejich silná část.

Pokud jde o analytiku nebo data science už pro koncové uživatele, tam jsou možná slabší. Na to máme spoustu lidí, kteří s Klikem dělají déle než pět let, jsou v něm experty.

Výzvou pro ně může být práce na projektech Snowflake. Tak jak je to podle mě běžné v mnoha firmách: hledáme lidi podle přístupu („hire for attitude, not for skills“), vážíme si těch, kteří mají drive učit se nové věci a zlepšovat se.

Klik je velmi komplexní technologie, někomu stačí umět ji dobře, ale současně vidíme zájem lidí posouvat se za hranice Kliku i směrem ke Snowflake a data science – chtějí porozumět datům co nejlépe a nasadit co nejvíce technik.

Tak dostáváš mě k další otázce: Klik se posunul, říkáš, že je „cloudový Klik“, Snowflake byl „cloud first“. Obě platformy rostou, jak to na trhu vidíme – různé nástroje se snaží získat co největší podíl hodnoty. Říkáš, že jsou komplementární pro vás, nevedou mezi sebou konflikt či konkurenční boj. Klidně by mohl být scénář, že Snowflake má nějakou funkcionalitu, kterou má i Klik, a naopak.

Nevím přesně, jaká je dynamika, ale myslím, že Snowflake je už asi větší firma než Klik. Jsou trochu odlišné, a my je moc nesrovnáváme. Klik je silný v integraci a analytice, Snowflake je extrémně silný storage a data warehouse. Obě technologie nyní masivně tlačí AI, protože všichni tlačí na AI, jinak „jsi mrtvý“ na trhu.

Já si myslím, že eMark také intenzivně směřuje do AI.

Přesně tak. V tomto už začínáme vidět potenciální substituty a rozhodování, kde budeme co dělat. Například oba nástroje mají funkcionalitu nazvanou Document AI, což znamená, že do systému můžete vložit nestrukturovaná data jako PDF, Wordy a další soubory.

Pomocí generativní AI a jazykových modelů pak můžete z těchto dokumentů dělat data mining, zjistit, co v nich je, a ptát se na to v přirozeném jazyce (Natural Language).

Oba nástroje to umí a my nyní budeme vyhodnocovat, který je v tomto přesnější, rychlejší a levnější – což je také důležitý aspekt.

Kolem AI a machine learningu ve Snowflakeu je například Snowpark, kde… [text končí]

To je v podstatě celý Pythonový kód nebo Scala. Kóduji, kóduji, kóduji. V Clicku mají něco, co se jmenuje AutoML, což je jakási pomůcka. Někteří data scientisti nad tím ohrnují nos, že si to chtějí sami nakódovat. AutoML jsou v podstatě předpřipravené algoritmy, které vezmou dataset, vyhodnotí ho, řeknou, který algoritmus je nejpřesnější, umožní ho nasadit do provozu a používat. Ale úplně do toho nevidím, je to trochu black box, nevidím úplně do těch vnitřností.

Takže i toto pro nás bude další úroveň výzvy, že když budeme řešit Customer Churn u daného zákazníka, tak je otázka, co je lepší. Pojďme přes Snowflake, protože to nám umožní mít i Data Warehouse a zároveň s tím use casem vyřešit i další komplementární případy, nebo má spíše smysl řešit to v Clicku, protože chtějí i nějakou analytiku atd., protože v Snowflakeu je analytika méně silná.

Já mám rád možnosti. Teď to vypadá, že možností bude extrémně mnoho.

A když už jsme tady vypustili ze stáje to kozlíka a konečně řekli slovo AI, jak vnímáš ty poslední dva roky a to, co se děje na trhu? Projevuje se to i u vás a u vašich klientů? Co to znamená? ChatGPT, generativní AI, celá tahle vlna?

Jednoznačně se těším, že to vytváří větší povědomí. Najednou je AI téma všude, v každém byznysu. Už nejsi divný v hospodě, když řekneš, že musíš mít AI, jinak jsi skončil. Je super, že to povědomí vzniká.

Naše role, možná i spíše konzultační, je toto povědomí trochu ukrotit a nasměrovat na skutečný byznysový cíl. Protože myslím si, že mnoho nadšenců se pohybuje s myšlenkou: pojďme integrovat ChatGPT a dát tam hlavně nějaký jazykový model do byznysového procesu. Ale proč vlastně? Zaprvé může „halucinovat“, pokud není dobře vyladěn. A zadruhé, podstatné je, jaký je cíl, který chci v byznysu vyřešit. A jestli mi náhodou nějaká statistika nebo tradiční machine learning není lepší nástroj k tomu cíli. Jazykové modely na predikci byznysu zatím nejsou úplně optimální.

Takže spíše vidím naši roli nyní v tom, že ano, mnoho firem má o to zájem a pojďme jim pomoci se v tom zorientovat a nasměrovat je k správnému uvažování. Tak trošku „tone it down“, abychom využili hype, protože je v tom hybná síla, peníze, investice, ale použijme je prakticky.

To byla reakce na současný hype. Jak to vidíš s tím, jak generativní AI změní BI? Vlastně všechny ty profese, o kterých teď mluvíme, nebudou potřeba, protože budeme mít chatbota, který se zeptáme třeba na churn a on nám to v agentačním systému vyřeší, odpoví na všechny otázky a programátoři budou bez práce.

Osobně si myslím, že jsme od toho ještě poměrně daleko, protože vrátím se k datům. Nejdříve je totiž potřeba mít dobrá data a vyřešit jejich kvalitu, která podle mě zatím není ideální. Firmy mají nějaká data o svých zákaznících, ale možná ne všechna, která skutečně ovlivňují churn. Je otázka, jestli se mohu úplně stoprocentně spolehnout na výsledek, nebo jestli se nad ním musím vyloženě zamyslet a něco s ním ještě udělat.

To je první aspekt. Druhý aspekt je, že podle mě bude velkým akcelerátorem produktivity pro některé lidi, kteří jsou opravdu zaměření na datovou analýzu nebo data engineering, protože to jim výrazně pomůže. Nejsem si ale úplně jistý, jestli běžný člověk, například na pobočce, bude mít čas skutečně promýšlet, jak se otázku generativní AI zeptat, formulovat správnou otázku, interpretovat odpověď a komunikovat s ní, zatímco musí řešit zákazníka. Protože ve firmách 99 % lidí se datové analytice nevěnuje, věnuje se práci v byznysu.

Takže tam určitě nějaké místo mít bude, ale spíše si myslím, že zůstane prostor pro tradiční analytiku, která těm lidem data připraví, klidně i za pomoci generativní AI, ale předpřipraví je tak, aby je mohli rychle využít a nemuseli si pokládat otázky a vést konverzaci, protože na to nemají čas.

Když se podíváme na vaši nabídku a zmíněné technologie, kde podle tebe mají velké jazykové modely místo? Existuje use case, kdy není potřeba krotit zákazníky a říkáš si: jo, do toho bychom šli?

Určitě právě v neštrukturovaných datech vidím velký potenciál. Vidím velké množství prototypů a experimentů, které zkoumají, co všechny informace lze z neštrukturovaných dat vytáhnout. Hodně dat totiž potřebuje sumarizaci, takže v tom vidím místo, protože i strukturovaná data lze díky LLM sumarizovat rychleji a efektivněji.

Pro nás jako firmu je to také pomůcka při programování, protože všem lidem, kteří s těmi technologiemi začali pracovat, zvyšuje produktivitu. Nejen programátorům, ale i marketingu, obchodu a dalším oblastem. Je to užitečné pro mnoho činností, od napsání lepšího kódu nebo informace, jak kód napsat, až po vytvoření profesionálního e-mailu, aniž by museli příliš přemýšlet.

Myslíš, že někoho z tvých kolegů brzy nahradí agentní systém, nebo že tebe nahradí agentní systém?

Nemyslím si. Určitě to zvýší jejich produktivitu, ale myslím si, že jsou to tak velcí odborníci a zároveň skvělí lidé s drivem učit se nové věci, že když uvidí, že něco mohou dělat jednodušeji, nebo to už není potřeba dělat, naučí se něco nového, inovativního, co umí využít a vytvořit pro zákazníky nějakou hodnotu.

Takže já osobně bych určitě nebyl tam, kde jsem, bez lidí, kteří jsou v Marku, a jsem jim nesmírně vděčný za všechno, co dělají. A samozřejmě bez Clicku a své ženy.

To je potřeba tady reflektovat – tvůj příběh.

Co vás teď čeká? Zdá se, že čím dál více rozvíjíte aktivity v Česku, že Česko je pro vás čím dál zajímavější trh. Mám pocit, že jste tady vlastně delší dobu přítomní. Jak dlouho už jste v Česku?

Myslím, že asi sedm nebo osm let tak nějak. Hlavně v Pardubicích, tam jsou developeři, máme kancelář i v Praze.

Česko je samozřejmě větší ekonomika než Slovensko, je zde hodně zahraničních firem, více dat a více příležitostí pro realizaci, ať už v Clickech, nebo ve Snowflakeu, či s jinými technologiemi. Pro nás to je velmi zajímavý trh.

Proto dnes jedu na meetup, který pořádáme nedaleko odtud, a určitě budou i další akce a webináře.

Určitě sledujte náš newsletter Data Talk, kde zveřejňujeme všechny datové akce. Budu si muset zkontrolovat, že tam máme i ty MR. Máme, máme. Super, tak to je skvělé.

Děkuji ti moc, Rado, za naše povídání, že jsme prošli tu historii MR, a myslím, že to bylo hodně poučné pro lidi, kteří řeší nebo chtějí řešit data.

Pokud vás zajímají další informace, navštivte naše stránky datatalk.cz a přihlaste se k odběru našeho newsletteru.