Már akkor is adat keletkezhet rólunk, ha kilépünk a lakásból, sőt, akkor is, ha nem lépünk ki. Hol mindenütt gyűlhetnek adatok, és mit tud kezdeni velük a prediktív elemzés annak érdekében, hogy egy vállalat versenyelőnyre tegyen szert? Interjú Bodnár Viktóriával, az IFUA Horváth & Partners ügyvezető partnerével.

– Úgy tűnik, jósokká lépnek elő a controllerek, már amennyiben sikeresen beleássák magukat a prediktív elemzés rejtelmeibe. Mi mindent és hogyan lehet így előre megmondani?

– Például azt, hogy egy patikában a nap bizonyos szakában mit keresnek a vevők, vagyis mivel kell feltölteni a polcokat. Vagy hogy egy üzemben egy-egy gép mikor fog elromlani, tehát mikor kell karbantartani, és arra az időpontra milyen alkatrészeket kell beszerezni. Ehhez szisztematikusan kell gyűjteni és feldolgozni az adatokat.

– Hogy létezik ez?  Közhelynek számít a befektetők világában, hogy a múltbéli hozamok semmit sem mondanak a jövőre nézve. A prediktív elemzés is csak múltbéli, legfeljebb jelenlegi adatokkal dolgozhat. Mégis lehet vele jósolni?

– A különbség az, hogy sokkal többféle adatot veszünk figyelembe, és matematikai módszerekkel trendeket ismerünk fel. Nem csak elemzünk, de összefüggéseket is keresünk. Abból, hogy eddig milyen volt egy befektetésünk ROI (return on investment) mutatója, továbbra sem tudjuk megmondani, hogy milyen lesz a jövőben. De a prediktív elemzés nem csak a főkönyvi adatokkal dolgozik. Azóta, hogy az informatika elterjedt, a vállalatoknál rengeteg adat keletkezik. Magyarországon a 80-as évektől kezdve van ez így. Csakhogy ezek az informatikai rendszerek nem arra lettek kitalálva, hogy a bennük lévő adatokat könnyen lehessen strukturálni, elemezni. Lassúak is voltak, például ha a controlling osztály éppen lehívott egy havi zárást, akkor a könyvelésen órákig nem tudtak dolgozni, mert foglalt volt a számítógép-kapacitás. Mostanra jutottunk odáig, hogy az informatikai rendszerek képesek kiszolgálni a prediktív elemzés igényeit, méghozzá megfizethető áron. Ehhez járul hozzá, hogy a vállalaton kívül is rengeteg adat keletkezik, és ezeket is fel lehet használni az elemzésekhez.

– A patika meg a gépkarbantartás például miből jósol?

– Lehet tudni, hogy egy adott napszakban milyen vevők mennek be, nők vagy férfiak, fiatalok vagy idősek, a közelben laknak vagy a közelben dolgoznak, ők mit szoktak vásárolni, stb. Ezért bocsájtanak ki most már a patikák is hűségkártyát, de a pénztárban keletkező, úgynevezett tranzakciós adatokból is sok minden kiderül. A gépek, berendezések esetében rendelkezésre áll az összes paraméter, tudjuk, hogy az egyes alkatrészek meddig szokták bírni, és milyen jelei vannak annak, hogy nemsokára cserére lesz szükség. Persze, ezekre az előrejelzésekre sem lehet mérget venni, de nagyon jó valószínűségeket lehet elérni.

– Szóval, ha elfogadunk egy hűségkártyát, rögtön a prediktív elemzés alanyaivá válunk.

– Így van. De akkor is, ha egy közösségi oldalon jelezzük, hogy valami tetszik nekünk. Mert azt a tetszést valaki rögzíti, és feldolgozhatja. Adat keletkezik rólunk, ha navigációs rendszert használunk, vagy ha pontgyűjtő bankkártyával vásárolunk, és még sorolhatnánk. A kérdés inkább az, hogy valóban feldolgozzák-e ezeket az adatokat, mert a gyakorlat nagyon változó. Van olyan hipermarket-lánc, amelyik nagyon tudatosan elemez, ennek alapján ad ajánlatokat, ennek alapján tölti fel a polcokat. Máshol egyelőre csak ülnek az adatokon. Azok a vállalatok tudják jól kihasználni a prediktív elemzés lehetőségeit, amelyeknél a menedzsment elhiszi, hogy a döntéseit a saját megérzéseinél sokkal jobban meg lehet alapozni adatokkal.

– Konkrétan milyen vállalatok például?

– Kereskedő cégre az Amazon a klasszikus példa, amely a korábbi vásárlásaink alapján ajánl nekünk könyveket. Gyártó cégre pedig az Otist lehet említeni, amely a 90-es évek elejétől alkalmazza a prediktív elemzést, és ennek köszönhetően mire elromlana egy lift, már ki is küldi a szerelőt.