Az EOS-nél a Big Data nem működik a humán vezetés nélkül

Ha a gépek beköltöznek az emberi munkaerő elavulttá válik: ez nem igaz, mondja az EOS Elemzési Központjának csoportvezetője: Olyan elemzőplatformot építettek, amely az EOS piacain az üzlet tevékenység átalakítását – és a teljes szervezeten belül egy adatközpontú gondolkodásmód megteremtését tűzte ki célul.

Nem sokkal azután, hogy Joachim Göller 2017. decemberben az EOS Grouphoz csatlakozott, megnézte, hogyan formálhatja át az Elemzési Központot. A feladata: az EOS és tevékenységeinek támogatása 25 országban, hogy egy adatközpontú vállalattá váljanak. „Annak érdekében, hogy ezt a nagyszerű előrelépést el lehessen érni, hamar rájöttem, hogy először vissza kell lépnünk" – mondja Göller a hamburgi városközpontban található EOS iroda egyik konferenciatermében ülve.

Az EOS a németországi központjával erős jelenléttel és jelentős eredményekkel rendelkezik az európai követeléskezelés területén. Olyan eltérő országok szerepelnek a kontinens helyszíneinek listáján, mint Lengyelország, Spanyolország és Bosznia. De EOS Oroszországban, az Atlanti-óceán területén, Kanadában és az Egyesült Államokban is jelen van. Ez a feladat méretét is jelzi: Göller és csapata az Elemzési Központban (Centre of Analytics, CoA) megoldják ezt: Nem csak egy üzleti intelligencia platform létrehozásáról van szó. Több mint 55 leányvállalat munkakultúrájába kell az adatközpontú gondolkodásmódot beágyazni, melyek körülbelül 20 000 ügyfelet szolgálnak ki világszerte, miközben az adatközpontú döntéshozatalt és a mögöttes technológiát is összefogják.

Joachim Göller

Olyan rendszer kifejlesztése, amely több behajtási szolgáltatással működik

„Egy olyan erős hajtóerőt képviselőnk, amely az EOS-nél folyó digitalizálás mögött áll és az adatokat formába önti és információkká alakítja” mondja a vezető. „Eleinte minden az adatforrásokhoz való hozzáférésről szól, a minőség ellenőrzéséről és az előzmény létrehozásáról.” Az Elemzési Központ a platform fejlesztésével integrálni tudja a helyi kintlevőségkezelő rendszereket, amelyeket az EOS-vállalatok már világszerte alkalmaznak, és az analitikus döntéshozatalt a platform felé terelni: Az EOS egységek a központi kintlevőségkezelő rendszereiket megtarthatják, amelyek megfelelnek a piacuk követelményeiknek, a CoA csatlakoztatja az infrastruktúrájukhoz, feltölti a teljes vállalat adattudományával és adatvizualizálási erejével, miközben kizárólag anonimizált adatok használatával minden ügyfél adatvédelmét biztosítja.

Ahhoz, hogy jobb képet kapjon az Elemzési Központ működéséről segítünk megismerni a mögötte álló embereket. Az egység munkatársai számos különböző profillal rendelkeznek: „Egy részről mindig keressük a műszaki beállítottságú tehetségeket” mondja Patrick Witte csoportvezető. Az adattudósok, szoftverfejlesztők, adatmérnökök és platformtervezők illenek bele a képbe. Ők tervezik és működtetik az elemzési platformot, ami a CoA az EOS átalakítására irányuló törekvéseinek központja marad, és segít benne, hogy piacvezető maradjon. „Célunk, hogy megtaláljuk a leghatékonyabb módot a különböző EOS-országok adatainak az elemzési platformba való átvitelér,e az EU adatvédelmi szabályainak megfelelve” – mondja Witte.

„Ez lehetővé teszi számunkra, hogy előrejelző modelleket tervezzünk, a mesterséges intelligenciát alkalmazzuk, és csatornákat hozzunk létre, a visszajelzéseket működési oldalról való visszaküldéséhez – versenyelőnyt biztosítva számukra.”

Globális gondolkodás, helyi intézkedések

Az Elemzési Központnak van egy tanácsadói ága is, amely az elemzéshez kapcsolódó legjobb gyakorlatokat osztja meg, beleértve az adatbiztonságot és az adatvédelmet minden vállalatnál. „Képesek vagyunk a munkatársakat támogatni abban, hogy az adatokat a világ egyik felében elemezzék, míg a meglévő statisztikai modellek javítását támogatjuk a másik felében” mondja Witte. „Ennek érdekében kéz a kézben dolgozunk együtt munkatársainkkal a teljes EOS Groupban.” Itt csatlakozik a CoA-szakemberek második csoportja: Elemzési tanácsadók és adattudósok, legtöbbjük a matematikától a közgazdaságtanig terjedő módszertani háttérrel rendelkezik. „Széleskörű készségekre van szükség ahhoz, hogy az üzleti igényeket azonosíthassuk és a megfelelő analitikai megközelítéssel megoldjuk” mondja Witte.

Witte a Dortmundi Egyetemen szerzett statisztikai diplomát, majd később egy nemzetközi üzleti elemző cégnél dolgozott, mielőtt 2012-ben az EOS-hoz csatlakozott. „A szükséges készségeket itt, az EOS-nél sajátítottam el” mondja. De nincs recept – a CoA csapatánál a pénzügyi szektorban olyan emberekkel találkozik, akikre nem is számítana. „Van elméleti fizikusunk is, aki sok éven át tanácsadóként dolgozott, mielőtt hozzánk jött volna.”

Az agilis módszertan alkalmazása a pénzügyi szolgáltatásokban

Witte és munkatársa Joachim Göller mindketten egy óriási lendületet éreznek a CoA-csapaton belül. „Elsősorban tényleg a start-up-atmoszféra az, ami ide vonzott” mondja Göller, aki korábban sok éven át a bankszektorban dolgozott. „A CoA egy nagyon agilis, kulturálisan rendkívül sokféle csapat egy saját tempóval.”

Mintha az EOS létrehozta volna saját Fintechjét, a CoA üzleti modellje hasonlít arra, amit sok start-up vállalkozás igazolt: Először egy helyi elemzési platformot kell beszerezni, később a skálázási műveletek jönnek, és lehetővé tenni a partnerek számára, hogy API biztosításával a saját rendszereiket csatlakoztassák. Természetesen a rendszert folyamatos tesztelni kell, tanítani és fejleszteni az agilis szoftverfejlesztés szabályainak követésével. A start-up élethez képest egy jelentős eltérés van: A CoA csapata a fintech innováción úgy tud dolgozni, hogy közben nem kell a befektetők kedvét keresnie. Az EOS-nél minden az ügyfelek iránti hosszú távú elkötelezettségről szól.

Adatközpontú megközelítés alkalmazása a kintlevőségkezelési folyamatban

Míg a változási folyamat már zajlik Németországban és az első használati eseteket az FX nevű új szoftverrel kezeli, a CoA más részlegek támogatására törekszik a hasonló adatközpontú gondolkodásmód adaptálásában. Göller bízik benne, hogy a sikertörténetek kikövezik az útjukat és megfelelő ösztönzést biztosítanak a döntéshozóknak: „Ez olyan, mint a modern hétköznapi marketing: Követőket kell szerezni, akik a folyamatot előbbre viszik” mondja. „Minden esetnek, amellyel foglalkozunk, közvetlen előnyt kell jelentenie az ügyfél számára.” Az emberek az elsők: A CoA nagy mértékben alkalmazza az agilis munkamódszert.

„A bigdata-technológia helyettesítheti az embereket és a munkahelyek bizonytalanná válnak” állítja Witte, „Mi a szakértőinkre bízzuk a rendelkezésre álló fogyasztói adatok értelmezését és az adatelemző rendszer számára a megfelelő kérdések feltevését.” Az egyik módja annak, hogy az EOS munkatársai megvizsgálják a gépi tanulást és a mesterséges intelligenciát, hogy olyan okos „munkatárshoz” hasonlítják, aki a következő legjobb lépéssel kapcsolatban segít tájékozottabb és személyre szabottabb döntéseket hozni – és a követelések beszedési arányát növelni.

A project team discusses target groups around the whiteboard.
When companies develop in-house solutions, it helps to think like a start-up: Who can I convince early on with my solutions and thus get to become my ambassador within the organisation?

Egy személyre szabottabb út az ügyfél megszólításában

„A platform sokkal hatékonyabb az adatok egyeztetésében és valós idejű előrejelzés készítésében” mondja Witte. „A múltban a döntéshozatalunk egy adóssal kapcsolatban két vagy három információn alapult. De sokkal több adat van, ami az ügyfelek megkülönböztetésében tud segíteni nekünk.” A gépi tanulás abban is segíthet, hogy több időt szánjunk az összetettebb esetekre, úgymint a fizetésképtelenség vagy a bírósági végrehajtás, míg az egyértelmű eseteket automatikusan kezeljük.

Németországban az adatvezérelt FX-szoftver első változata már segíti az EOS munkatársait abban, hogy meghatározzák az ügyféllel folytatott párbeszéd a legígéretesebb módját. Választ a telefonhívás, a levél, a szöveges üzenet és az e-mail között, vagy azt tanácsolja a személyzetnek, hogy alkalmazzon helyszíni szolgáltatást. „Ha már egymás után háromszor beszélgettünk egy ügyféllel, az algoritmusok segíthetnek abban, hogy megtaláljuk az egyensúlyt: Kapcsolatba lépjünk vele negyedszer is, vagy hagyjunk kis időt neki” mondja Göller.

A big data-medolgásokhoz azokat működtető alkalmazottakra is szükség van

Miközben az adatközpontú üzleti tevékenység átalakulása növeli a hatékonyságot és növeli az adósság visszafizetésének esélyeit, az ügyfelek is jelentős előnyben részesülnek Göller szerint. Más előnyök mellett a rendszer megtalálja a legmegfelelőbb időt, hogy mikor küldjön az ügyfeleknek riasztásokat. „Az algoritmusokra való támaszkodás mindenesetre ellentétes lenne az etikai normáinkkal” mondja Göller. Például az EOS soha nem engedne meg olyan algoritmust, amely a kölcsönfelvevők hitelelőzményeit a nevük hangzása alapján értékelné. „Ez az a pont, amikor erősen az emberi erőforrásokra támaszkodunk és határokat emelünk.”

Nyomtatás