Pri EOS-u masovni podatki niso učinkoviti, če jih ljudje ne vodijo

Ko nastopijo stroji, postanejo ljudje zastareli: to ne drži, pravijo v EOS-ovem Centru za analitiko: razvili so analitično platformo za preoblikovanje poslovanja na EOS-trgih – in oblikovali podatkovno gnan način razmišljanja v celotni organizaciji.

Kmalu po tem, ko se je Joachim Göller pridružil EOS-skupini decembra 2017, je začel ugotavljati, kako oblikovati Center za analitiko. Njegova naloga: pomagati doseči, da se bodo EOS in njegove aktivnosti v 25 državah preoblikovali v podatkovno gnano podjetje. »Kmalu sem ugotovil, da moramo najprej narediti korak nazaj, da bi naredili velik korak naprej,« pravi Göller, ko sedi v konferenčni sobi v EOS-pisarni v centru City centre v Hamburgu.

EOS, katerega sedež se nahaja v Nemčiji, je močno prisoten in ima dobre rezultate pri upravljanju terjatev v Evropi. Zelo različne države, kot so Poljska, Španija ter Bosna in Hercegovina, so na seznamu lokacij na celini. Vendar EOS posluje tudi v Rusiji in na drugem delu Atlantika, v Kanadi in ZDA. To kaže na to, kakšen je obseg naloge, ki so se je Göller in njegova ekipa v Centru za analitiko (CoA) lotili: ne gre samo za razvijanje platforme za poslovno inteligenco. Gre za vključevanje podatkovno gnanega načina razmišljanja v delovno kulturo v več kot 55 podružnicah, ki oskrbijo približno 20.000 strank po celem svetu, ob širjenju podatkovno gnanega sprejemanja odločitev in sprejemanju spremljajoče tehnologije.

Joachim Göller

Razvijanje sistema, ki bo deloval z več storitvami za izterjavo dolgov

»Smo močna gonilna sila, ki stoji za digitalizacijo v EOS-u, kar prav tako pomeni, da moramo podatkom dati obliko in jih preoblikovati v informacije,« pravi vodja. »Prvotno gre predvsem za dostop do podatkovnih virov, preverjanje kakovosti in ustvarjanje zgodovine.« Z razvojem platforme lahko Center za analitiko integrira lokalne sisteme za izterjavo dolgov, ki se v podružnicah po celem svetu že uporabljajo po celotnem svetu, in analitično sprejemanje odločitev prestavi na platformo: enote EOS-a lahko ohranijo svoj osnovni sistem za izterjave, ki ustreza zahtevam njihovega trga – Center za analitiko ga bo povezal s svojo infrastrukturo in ga nadgradil s podatkovno znanostjo in vizualizacijo podatkov celotnega podjetja ter hkrati zagotovil zasebnost vsake stranke z izključno uporabo anonimiziranih podatkov.

Da bi bolj razumeli način delovanja Centra za analitiko, si oglejmo njegove zaposlene. Zaposleni v Centru so medsebojno precej različni: »Vedno iščemo nove nadarjene posameznike s tehničnim znanjem,« pravi vodja ekipe Patrick Witte. Primerni profili so tako podatkovni znanstveniki, razvijalci programske opreme, podatkovni inženirji in razvijalci platform. Oni oblikujejo in upravljajo platformo za analitiko, ki ostaja v središču dela Centra za odličnost, ki želi preobraziti EOS in mu pomagati ostati na vodilnem mestu v panogi. »Naš cilj je poiskati najučinkovitejši način za premik podatkov iz različnih EOS-držav v platformo za analitiko ob upoštevanju predpisov EU o varstvu podatkov,« pravi Witte. »To nam omogoča oblikovanje napovednih modelov, uporabo umetne inteligence in ustvarjanje kanalov za pošiljanje ugotovitev operativni strani, s čimer ji zagotavljamo konkurenčno prednost.«

Mislite globalno in ravnajte lokalno

Center za analitiko vključuje tudi svetovalce, ki spodbujajo deljenje najboljših praks s področja analitike, vključno z varnostjo podatkov in varstvom zasebnosti, v vseh podružnicah. »Sodelavce lahko podpremo pri analiziranju podatkov v enem delu sveta, medtem ko pomagamo izboljšati obstoječe statistične modele v drugem delu,« pravi Witte. »Pri tem tesno sodelujemo z našimi sodelavci v celotni skupini EOS.« Tukaj nastopi druga skupina profesionalcev v Centru za odličnost: analitični svetovalci in podatkovni znanstveniki, od katerih ima večina metodično ozadje – vse od matematike do ekonomije. »Da bi bile vse poslovne potrebe prepoznane in zadovoljene s pravilnim analitičnim pristopom, je potreben širok nabor veščin,« pravi Witte.

Witte je diplomiral s statistike na Univerzi v Dortmundu. Preden se je leta 2012 pridružil EOS-u, je delal v mednarodnem podjetju za poslovno analitiko. »Potrebne veščine sem pridobil tukaj v EOS-u,« pravi. »Vendar ne obstaja nek predpisan način – v ekipi Centra za odličnost boste srečali ljudi, ki jih morda ne bi pričakovali v finančnem sektorju: »Pri nas je delal tudi teoretični fizik, ki je več let delal kot svetovalec, preden se nam je pridružil.«

Uporaba agilne metodologije v finančnih storitvah

Witte in njegov sodelavec Joachim Göller opažata velik zagon v ekipi Centra za odličnost. »V osnovi me je pritegnilo vzdušje, ki je značilno za zagonska podjetja,« pravi Göller, ki je prej več let delal v bančnem sektorju. »Center za odličnost je zelo prilagodljiva, kulturno zelo raznolika ekipa s svojim tempom.«

Poslovni model Centra za odličnost, ki je kot EOS-ov lasten fintech, je podoben modelom številnih zagonskih podjetij: najprej je treba ustvariti platformo za analitiko, nato prilagoditi operacije in partnerjem omogočiti povezovanje njihovih lastnih sistemov z nudenjem API-ja. In, seveda, nenehno testirati, se učiti in izboljševati sistem s sledenjem pravilom agilnega razvoja programske opreme. Z eno veliko razliko glede na delo zagonskih podjetij: ekipa Centra za odličnost lahko fintech inovacije razvija, ne da bi morala skrbeti za zadovoljstvo investitorjev. V EOS-u je najpomembnejša dolgoročna zavezanost strankam.

Uporaba podatkovno gnanega pristopa v postopku izterjave

Medtem ko se spremembe v Nemčiji že dodobra izvajajo in smo že lahko priča prvim primerom uporabe z novo programsko opremo FX, želi Center za odličnost zdaj pri uporabi podobnega podatkovno gnanega načina razmišljanja podpreti še druge enote. Göller je prepričan, da bodo zgodbe o uspehu tlakovale pot in ustvarile prave spodbude za odločevalce: »Podobno je sodobnemu marketingu: pridobiti moraš oboževalce, ki bodo ta postopek peljali naprej,« pravi. »Rezultat vsakega primera, ki se ga lotimo, mora imeti neposredno korist za stranko.« Na prvem mestu so ljudje: agilni način dela se v Centru za odličnost zelo uporablja.

Skrb, da bi tehnologija masovnih podatkov lahko nadomestila ljudi in delovna mesta, je neutemeljena, pravi Witte. »Zanašamo se na to, da bodo naši strokovnjaki znali razložiti razpoložljive podatke potrošnikov in postaviti prava vprašanja, na katera bo sistem za analizo podatkov nato lahko odgovoril.« En način, kako lahko zaposleni v EOS-u gledajo na strojno učenje in umetno inteligenco, je, da ga dojemajo kot pametnega sodelavca, ki jim pomaga sprejemati bolj informirane in personalizirane odločitve o najboljšem naslednjem koraku – in povečati stopnjo izterjanih dolgov.

A project team discusses target groups around the whiteboard.

Bolj personaliziran pristop k naslavljanju strank

»Platforma je veliko učinkovitejša pri povezovanju podatkov in pripravi napovedi v dejanskem času,« pravi Witte. »V preteklosti je bilo naše sprejemanje odločitev morda zasnovano na dveh ali treh ključnih informacijah o dolžniku. Vendar obstaja veliko več podatkov, s katerimi lahko stranke medsebojno ločimo.« Strojno učenje lahko zaposlenim omogoči tudi, da namenijo več časa zapletenejšim primerom, kot so plačilna nesposobnost ali sodna izterjava dolgov, medtem ko se preprostejše zadeve rešijo samodejno.

V Nemčiji prva različica podatkovno gnane programske opreme FX zaposlenim v EOS-u že pomaga prepoznavati najboljši način za vzpostavitev dialoga s stranko. Gre za odločanje o tem, ali izbrati klic, pošiljanje pisma, besedilnega sporočila ali e-pošte oziroma zaposlenim predlagati, da vključijo terenske storitve. »Trikrat zapored sem že govoril s stranko, z algoritmi pa lahko dosežemo ravnovesje: ali stopiti s stranko v stik še četrtič ali pa zadevo raje nekaj časa pustiti na miru,« pravi Göller.

Za upravljanje rešitev za masovne podatke so potrebni zaposleni

Čeprav je videti, da preobrazba v podatkovno gnano podjetje poveča učinkovitost in možnosti za poplačilo dolga, bodo od tega imele znatno korist tudi stranke, pravi Göller. Poleg drugih prednosti bo sistem poiskal najprimernejši čas za pošiljanje obvestil strankam. »Da bi pa se v vsakem primeru zanesli na algoritme, bi bilo v nasprotju z našimi etičnimi standardi,« pravi Göller. EOS na primer ne bi nikoli dovolil, da algoritem oceni kreditno zgodovino osebe glede na zven njenega imena. »Tukaj se močno zanašamo na ljudi in na to, da bodo prav oni določili meje.«

Delite to

Tiskanje