A jó döntések nem (csak) a számokra épülnek - most akkor mik a döntéstámogató rendszerek?

Kovács Zsolt

2020 decemberében adta ki a Forrester elemző cég a legfrissebb negyedéves jelentést a digitális döntéstámogató platformokról (Digital Decisioning Platforms, továbbiakban DDP, lásd az interjú végén). Ennek kapcsán beszélgettünk Györke Dániellel, a SYNLAB Hungary CIO-jával, a SYNLAB International BI vezetőjével, aki részt vett korábbi szakmai munkája során ilyen típusú rendszer bevezetésében.

Györke Dániel a SYNLAB HUNGARY CIO-ja, a SYNLAB International BI vezetője, a 2020-as Data & Digital vendége

A bizonyíték-alapú menedzsment (Evidence-based Management) térhódítása évek óta tart már az üzleti életben. Egyfajta mozgalomként hivatott felváltani a szakértői heurisztikákra, tapasztalatokra és azokból (időnként) tévesen levont következtetésekre épülő döntéshozatalt egy tényekre, adatokra támaszkodó módszertannal. Annak ellenére, hogy mennyire nyilvánvalónak tűnik a kettő közötti választás, utóbbi meghonosítása a szervezetben nem egyszerű feladat. Sohasem áll rendelkezésünkre „tökéletes informáltság” döntéseink meghozatala során, egyfelől az információ összegyűjtéséhez szükséges idő miatt, másfelől saját agyunk sem képes kielégítő mennyiségű információ feldolgozására. Többek között ezért is van szükség a heurisztikákra, a szakértőkre és a következtetésekre a múlt eseményeiből. A bizonyíték-alapú menedzsment él ugyan a tökéletlen információ feltételével, de lehetővé teszi azt is, hogy a döntéseket az újonnan érkező bizonyítékok befolyásolják. Így a döntéseink minősége jobb lesz, hiszen aktuális adatokra támaszkodunk azok meghozatala során. Ebbe a trendbe illeszkedik bele számtalan vállalati elemzési-, üzleti intelligencia- és adatvizualizációs eszköz, amelyek újabbnál újabb technológiákat (gépi tanulás, mesterséges intelligencia stb.) alkalmaznak az üzleti insight-ok kinyerésére, hogy a döntéshozatal gyors és tény alapú legyen.

Ez akkor most azt jelenti, hogy a szakértőket ki kell rúgni?

„Tapasztalatom szerint a DDP a munkahelyeket nem megszünteti, hanem átalakítja, minőségi munkahelyeket teremt helyettük” – mondta Györke Dániel. „Ezeknek a platformoknak megvan a saját nyelvezetük. Nem úgy kell elképzelni, mint amikor szkripteket írunk, inkább olyanok, mint a döntési fák, a decisioning framework és az ehhez hasonlóknak a vizuális vezérlő felületei, ahol be lehet állítani paramétereket, stratégiákat lehet építeni, követni, vannak drag-n-drop-os vizuális szerkesztő felületek, amelyek a business process modelling (BPM) annotációs nyelvét alkalmazzák. Ha az építőkockákat, építőelemeket megérti az ember, könnyedén építhetők a modellek, stratégiák. Ehhez inkább elhivatottság kell, illetve analitikus látásmód, óriási tapasztalat az adott területről, - értem ezalatt magát a szakmát is (például az iparágban az ügyfelek jellemző viselkedése) és azt a területet is (az én példámban a marketing), amire bevezettük a Pega Marketinget.”

(Ugyanis ezen technológiák, döntéselőkészítő eszközök előnyei akkor érezhetők szignifikánsan, ha azt a hozzáértő üzleti szakértők alkalmazzák. Így az emberi üzleti logika, szakértelem találkozik az algoritmus fáradhatatlanságával, pontosságával és fejleszthetőségével – a szerk.)

A Pega melyik részével foglalkozott?

„A Pega egy keretrendszer, nagyon sokféle iparági megoldást építenek. Én kifejezetten a Pega Marketing bevezetésével foglalkoztam, üzleti oldali project lead-ként” – folytatja Györke Dániel. „Ilyen szempontból minden aspektusával foglalkoztam: kicsit a technikai részébe is belefolytam, de a fő kérdés az volt, hogy a kereskedelmi decisioning framework-öt hogyan építsük fel. Ugyanakkor párhuzamosan futott egy eset menedzsment projekt is, ahol jegykezeléssel, ügykezelésekkel foglalkozó Pega keretrendszert építettünk fel, annak viszont nem volt ilyen típusú, kifejezett döntési keretrendszere. Tehát az egy teljesen klasszikus business modelling keretrendszeren alapuló ügymenet, use case-ekkel történő bevezetés volt.

A Pega Marketing bevezetést egy külsős beszállító, úgynevezett rendszerintegrátor támogatta, teljesen rá voltak bízva a Pegasystem bevonásának keretei és feltételei. Így gyakorlatilag az idő 100%-ában, amikor támogatásra volt szükségünk, akkor a rendszerintegrátorhoz fordultunk. Talán a legérdekesebb része a projektnek az volt, hogy a rendszerintegrátor kérte, hogy írjuk le a use case-eket, viszont mi a tradicionális marketingkommunikáció szerint írtuk le azokat. Ezt követően ők számos tréningen keresztül végigvezettek bennünket, hogyan kell „átfordítani” a klasszikus üzleti eseteket az always-on marketing esetekre. A Pega Marketinghez hozzá sem nyúltunk egy jó darabig, meg kellett tanulnunk másként gondolkodni ezekről az esetekről.

Kicsit olyan, mint amikor az embernek (aki soha nem programozott, vagy fejlesztett alkalmazást előtte) el kell kezdeni gondolkodnia úgy, mint egy programozónak vagy egy alkalmazásfejlesztőnek. Jelenleg nem a kódolóra gondolok, hanem arra, aki tényleg egy alkalmazást fejleszt. Tehát egy valós feladatban a világot le kell modellezned a számítógépen az alkalmazás-szoftverfejlesztés technológia nyelvére. Ez másfajta gondolkodásmódot igényel a marketinges közösségtől is, így egy teljesen új csapatot kellett létrehozni ennek a rendszernek a működtetésére, - nem IT, még csak nem is a kereskedelmi területen, hanem kifejezetten a marketingen belül. Az új csapathoz új szerepköröket is kellett rendelni, amelyek akkoriban nem is nagyon léteztek még Magyarországon. Talán csak annál a pár cégnél, ahol magát a Pega Marketinget bevezették. Ez 1,5-2 éve volt, azóta lehet, hogy bevezették más cégeknél is, de akkor még csak nálunk volt ilyen bevezetés.”

Milyen üzleti helyzet támogatására alkalmazták?

„Nagyon röviden az üzleti helyzet az volt, hogy sokkal pontosabban tudjuk célozni, targetálni az ügyfélbázist és sokkal relevánsabb ajánlatokkal. Kampánymenedzsment eszközünk volt előtte is, de akkoriban különálló rendszer volt az inbound és az outbound marketingre. A Pega Marketingben az a csodálatos, hogy egyben tudja kezelni az egészet, hiszen nem szőnyegbombázás-szerűen a teljes ügyfélkört akarja lefedni, hanem egyenként figyeli az ügyfeleket. Így azt is meg tudja mondani, hogy adott ügyfélnek abban az adott pillanatban mi a legrelevánsabb ajánlat, amellyel az ügyfelet az értékesítési pont felé tudja terelni, mi a leginkább hatékony csatorna és üzenet, és hol teheti ezt ki neki. Ebbe az irányba szeretett volna a cég fejleszteni a marketing aktivitásán.”

Amikor először találkozott a DDP technológiával/platformokkal, mi volt a fő szembetűnő képesség, ami megkülönböztette a “standardnak” mondható BI platformok, eszközök képességeitől?

„Teljesen más a megközelítése, működése. Egyfelől a döntési keretrendszerek nem csak előkészítik a döntéseket, hanem meg is hozzák azokat. Sőt, valamilyen szinten öntanulók is, tehát a historikus teljesítmény alapján hoznak új döntéseket.

Vegyünk például egy marketing kommunikációs rendszert. Van egy ügyfélbázisom, rengeteg ügyféllel benne. Ehhez meg kell határozni a célcsoportot, a nekik szóló üzenetet, amit ki kell küldeni célirányosan a marketing csatornára, majd reménykedünk, hogy jók lesznek a feltételezéseink, amelyeket a BI által készített riport alapján vontunk le.

A döntésen alapuló keretrendszerek működési elve abból indul ki, hogy valamilyen algoritmuson alapuló szofisztikált keretrendszer elvégzi az összes fent említett tevékenységet, és gyakorlatilag önjáró módon tud kommunikálni az ügyfélbázissal. A Pega a többi DDP-hez hasonló módon egy keretrendszer, amely az üzleti folyamatok modellezésére alapul (Business Process Modelling, BPM). Azt is mondhatnám, hogy nem is az eszköz, ami lényeges, hanem a metodológia, amelyet megvalósít.

Az én példám esetében ez az always-on marketing metodológia. Ennek a módszertannak az a lényege, hogy az ügyfelet mindig autentikus, leginkább személyre szabott módon, a lehető leginkább személyre szabott üzenettel és hangnemben a számára preferált csatornán és időben találjuk meg. Ehhez rengeteg adattal kell rendelkezni.

Nem arról van szó, hogy mi a saját hipotéziseinkre támaszkodva szétszedjük az adatbázisokat és ezeket ellátjuk különböző attribútumokkal és kilistázzuk a marketing adatbázisban, hanem fogjuk a teljes ügyfélbázist, illetve a paramétereket, amelyek alapján szegmentálnánk azt és betöltjük a Pega Marketingbe. Emellett létrehozzuk az ajánlati csomagjainkat és az azokhoz fűződő paramétereket, amelyek segítségével meghatározhatjuk, hogy mely ügyfeleknek lehet releváns az ajánlati csomag.

A döntési keretrendszert az ügyfélbázis és az ajánlatok közé „eresztjük”, az szegmentálja az ügyfélbázist, azonosítja és hozzárendeli a releváns ajánlatokat. És még azt is meg fogja mondani, hogy az adott ügyfélnek milyen csatornán, milyen tonalitással, illetve mikor küldje ki az ajánlatot.

Nyilvánvalóan van néhány ismérv, ami mentén érdemes előszegmentálni, például prepaid-es és előfizetéses ügyfelek mentén, illetve üzleti és magán ügyfelek mentén, mert ezeknél a csoportoknál az ajánlatokkal kapcsolatos igények is különbözők. Az ajánlatok és az ügyfelek közé felépítünk egy különböző stratégiákra épülő keretrendszert, amely az adatokon lefuttatva megmondja arra a napra vonatkozólag, hogy kiket kell keresni aznap, mekkora lesz a várható hatékonysága a kampánynak, hogy az illetőt tegezzük vagy magázzuk, délelőtt vagy délután keressük, e-mailen vagy inkább telefonon, elkészíti a felkeresendők listáját, előkészíti az üzeneteket, szövegeket. Ezt követően átadja a stafétabotot a kommunikációs átjárónak, amely befogadja a rengeteg adatot és kiadja azoknak az eszközöknek, amelyek képesek elvégezni a tevékenységeket (szerverek, telefonközpontok, self-care felületet – mobil applikáció, ügyfélfelületek).

A szakember szerepe a keretrendszerek építésénél értékelődik fel, hiszen az ajánlatok szétosztásánál figyelembe kell, hogy vegye a döntési keretrendszer bonyolultságát és az adatmennyiséget is. Értelemszerűen, ha sok adattal, összetett számításokat kell végezni, akkor a magas teljesítményigényből könnyedén születhet magas fenntartási költség, főleg, ha mondjuk 0-24 fenn kell tartani a működést, mert mobilapplikációs felületeken inbound kampányokat szolgálunk ki.”

Mely részei tetszettek és emelték ki az eddig megismert megoldások közül?

„Őszintén szólva? Minden. Amikor találkozol egy olyan technológiai megoldással, amely mögött egy zseniális ötlet áll, és egy amúgy már szinte elcsépelt, de a marketingesek által már korábban is vágyott dolgot is meg tud valósítani. Ez tényleg egy sikeres projekt volt, kézzel fogható eredményei voltak számokban is (bevételemelkedési és ügyfélelérési hatékonyságjavulás volt az elvárás előzetesen).
Lenyűgözött, hogy egy újfajta megközelítéssel dolgozhattam, - ebből valóban rengeteget lehetett tanulni. És kellett is!  Kezdetben, amikor mondták, hogy ez lesz, kissé kétkedve fogadtuk, mint amikor először van lego a gyerek kezében, hogy ezzel most mit is kell csinálni? Aztán idővel felismertük az erényeit és láttuk, hogy egy jó elgondolás, egy jó termék, és jó megvalósítás is.”

Mostani cégénél is bevetné, ha nem nézzük a bevezetés költségvonzatát?

„A mostani cég teljesen más iparág. A labordiagnosztikának nagyon más driver-ei vannak és nagyon máshogy működik. Viszont azt gondolom, hogy lenne keresnivalója egy ilyen eszköznek. Nem kellene feltétlenül azt a komplexitást megvalósítani, mint más iparágakban, de mindenképpen egy óriási segítség lenne, főleg az automatizmus miatt. Rengeteg olyan feladatot tud automatizálni, amire tulajdonképpen inkább csak adminisztrátorokat kell fenntartani. A marketinges példához visszakanyarodva: állítsd be a kampányt a kampánymenedzsment rendszerben, rögzítsd a kampányt, rakd hozzá a célcsoportot, rakd hozzá a kreatívot, rakd hozzá az időzítést, a feladót, stb. Azért ezek lélektelen dolgok, ha ilyen napi negyven, ötven, hatvan kampányt kell beállítani és mindenre manufaktúra jelleggel van egy ember. Az egyik csak a kampányokat állítja össze, a másik csak a kreatívokat készíti, ezek tényleg ilyen darálók. Na az ilyenekből le tud venni. Illetve a kreatív részével lehet innentől kezdve foglalkozni, hiszen mint a potmétereket, állítjuk a paramétereket a decisioning framework-ben, a stratégiákban, így szépen lassan azt vesszük észre, hogy folyamatosan tudjuk javítani a teljesítményt, a hatékonyságot. Nyilván néha el is tudjuk rontani - hallottunk olyat is, hogy valaki addig-addig csinálta, hogy jól elrontotta és borzasztó kampányeredmények születtek. Ez egy kétélű fegyver és nagyon óvatosan kell vele bánni. De az emberben benne van azért a játékosság, ezzel lehet kísérletezni, szinte a végtelenségig lehet egy ilyet finomhangolni és dolgozni vele. Tehát összehasonlíthatatlan az összes többi eddigi kampánymenedzsment rendszerrel.

Ilyen szempontból nagyon nagy haszna lenne például most az egészségügyi szektorban, egy ilyen típusú cégnél is, mert optimalizáltak az erőforrásaink, főleg az emberi erőforrások. Számunkra inkább a mögötte lévő hardver-szoftver parknak való elvárásoknak megfelelés lenne komolyabb kihívás. Illetve maga a bevezetés, mert az egészségügy sajnos informatikai oldalról elmarad. Ezalatt a kórházi informatikai rendszereket értem, ha mondjuk összevetjük azzal, hogy hol tart jelenleg a bankszektor vagy a telekommunikáció.”

Mit várjunk a következő 5 évben a DDP-k területén?

„Azt gondolom, hogy ezek újszerű eszközök, megközelítések, tehát nem ezeken a rendszereken fog múlni, hogy megmaradnak-e és hogy hová fejlődnek, hanem a felhasználóikon. Mennyire lesz kitartásuk ahhoz, hogy a maguk komplexitásában megértsék és aztán meglássák azt a gyönyörűséget, ami ezen komplexitás mögött van és elkezdjék kiaknázni ennek minden lehetőségét? A következő 5 évben az fog elválni, hogy ki mennyire hívja segítségül a gépi tanulást, ami azon is múlik, hogy mennyire ismerik fel a cégek azt, hogy szükség van az adattudósok fenntartására az adatok feldolgozásához, megfelelő modellek, algoritmusok bevezetéséhez, hogy a tényleg megfelelő insight-okat meglássák saját adathalmazukban. Ezt követően pedig képesek legyenek úgy strukturálni, konszolidálni, hogy oda tudják adni azokat a DDP-knek felhasználásra. Ezek a rendszerek kétféleképpen tudják az adatokat hasznosítani:

  • megkapják az adatokat és a modellt, és akkor ők futtatják a modellt aktívan a meglévő adatbázison
  • megkapják a már kiértékelt, lefuttatott/ügyfélre lefuttatott modell értékeket, és azokat már csak mint döntési pont használják a megosztott rendszerükben.

Tényleg minden azon múlik, hogy mennyire lesznek képesek a cégek belátni azt, hogy itt többről van szó, mint egy rendszernek a bevezetéséről. Komplexebben kell gondolkodni, biztosítani kell az adatoknak a megfelelő rendelkezésére állását. A DDP-k adatok nélkül már félkarú óriásoknak sem nevezhetők.

Tehát két feltételnek kell teljesülnie a DDP-k nyújtotta lehetőségek kiaknázására:

  • Mindenük az adat. Ha adatot nem tudunk nekik adni, akkor a bevezetésük teljesen felesleges.
  • Teljesen integráltnak kell lenniük.”

Vajon lehozzák ezeket a megoldásokat magyarországi nagyvállalati konstrukciós szintre?

„Magyarországon ezen rendszerek bevezetése a multi cégek esetén a cégcsoporttól függ. Ők tudnak dedikált csapatokat létrehozni csoport szinten, akikkel egy ilyenbe könnyebben bele lehet vágni, így eljuthatnak Magyarországra is. Ahhoz, hogy egy teljesen magyar tulajdonú vállalat rákapjon az ízére, először is egyáltalán tudatában kell lennie annak, hogy létezik egy ilyen opció, egy megoldás. Nagyon sokan nem is tudják, hogy élhetnek ilyen lehetőséggel. Továbbá az is kérdés, hogyha valakinek a látókörébe kerül, azt követően képes lesz-e felfogni, hogy ez miről is szól és mit jelentene elkezdeni használni.

Ezt evangelizálni kell, szervezni workshopokat, tréning napokat és hirdetni kell az igét, - viszont ebben nyilvánvalóan van kockázat. A rendszerintegrátorok számára is kockázat, hogy majd ráharapnak-e a magyar vállalatok. Az biztos, hogy nem annyira elterjedt, mert eddig nem is lehetett olyan embert találni, hogy Pega Decisioning consultant. Ha valaki ilyet ír egy állásajánlatba, akkor még a végén azt gondolják, hogy esztergapad mellé keres valakit. Ez egy erős túlzás volt, de ez még nem egy sikerterület Magyarországon. Ha pedig azt mondjuk, hogy legyen decisioning framework test consultant, az viszont nem tűnik olyan izgalmasnak. Pedig itt nem olyan a tesztelés, mint más esetekben. Rengeteg paraméternek az együttállását kell figyelni, rendkívül erős analitikus gondolkodásmódra van szükség, és óriási tapasztalatra az adott domain területről. Azért mondom, evangelizáció nélkül ezek a rendszerek nem tudnak elterjedni Magyarországon.”

Tarolnak a „kis” gyártók

A Forrester független elemző cég már két éve foglalkozik önálló elemzés keretein belül a digitális döntéstámogató platformokkal, amelyek lényege, hogy az emberi szakértelmet ötvözik az adatvezérelt döntéstámogató technológiákkal.

A jelentésben 13 DDP "gyártót” vizsgáltak meg és helyeztek fel a sokak által jól ismert Forrester Wave™ ábrára. Az értékelés szempontjait három fő csoportba osztották (jelenlegi ajánlat, stratégia, piaci jelenlét), így állt elő a következő ábra:

A "gyártók” igyekeznek integrálni a hagyományos üzleti szabályokat, döntési logikákat a döntéstámogató technológiákkal, ilyen például az analytics, a gépi tanulás, az optimalizáció. Ennek eredményeképpen a megrendelők olyan platformszolgáltatókat keresnek, amelyek termékei:

  • az üzleti szakértőket felruházzák a döntési logika „megírásának” eszközeivel – ez grafikus interfészeken keresztül történik, tehát úgynevezett low-code eszközöket biztosítanak, amelyek nem igényelnek fejlesztői tudást az üzleti logika meghatározásához
  • a döntéstámogatási technológiákat tartalmazzák vagy integrálják – ez azt jelenti, hogy a fentebb említett technológiákat, analitikákat integrálják a DDP felületbe, vagy lehetővé teszik azok outputjaiként értelmezhető elemzések, modellek importálását a platformokba
  • gyors iterációs lehetőségeket támogatnak – tehát lehetőség nyílik a logikák hatékonyságának mérésére és módosítására, hogy azok jobban illeszkedjenek a megváltozó piaci környezethez, új üzleti stratégiákhoz, stb.

Figyelemre méltó az elemzésben, hogy nagy gyártók alig szerepelnek benne, - kivétel ez alól az IBM, az SAS, valamint a TIBCO termékei is az ismertebbek közé sorolhatók. Úgy tűnik, számos kisebb gyártó szolgálja ki a nagyvállalati vásárlókat, például az ACTICO az ING, a Santander, a Thyssenkrupp és sok más ügyfél számára nyújtja szolgáltatásait. Egy másik érdekesség, hogy a versenyzői szegmensbe sorolták a nyílt forráskódú megoldásairól ismert Red Hat nevű gyártót, amelyet a piacvezető IBM 2019-ben megvásárolt $34 milliárdért. A Red Hat kommunikációja szerint az IBM azt ígéri, hogy megmarad a Red Hat vezetése és függetlensége a felvásárlás után is. Többek között ezért szerepel továbbra is két külön megoldásként az elemzésben a két gyártó terméke.

Az elemzés alapján funkcionalitása miatt került a Pegasystems az erősen teljesítők közé. Szélesen kiterjedő intelligens automatizációs platformjához hozzáadásként kiemelkedik adatintegrációban (adatvirtualizációval együtt – ami relatíve egyedi képesség egy DDP esetén), projektmenedzsment és projekt akcelerátorok területén, valamint a platform a legrelevánsabb biztonsági és adatbiztonsági standardoknak megfelelő tanúsítványokkal rendelkezik. Ugyanakkor sok más DDP-vel ellentétben a Pega főleg a saját applikációiba való beágyazásra fókuszál, - részben ennek az eredménye, hogy limitáltak a telepítési opciók.

A szerző az IFUA Horváth & Partners Kft tanácsadója

Hivatkozások:
ACTICO GmbH (2021): Customer Stories, Letöltés helye: https://www.actico.com/customers/, Letöltés ideje: 2021.01.19
Forrester Wave™ 2020: Digital Decisioning Platforms, Q4 2020
Pfeffer, Jeffrey (2010): Evidence-Based Management for Entrepreneurial Environments: Faster and Better Decisions with Less Risk
Red Hat Inc. (2021): IBM Closes Landmark Acquisition of Red Hat for $34 Billion; Defines Open, Hybrid Cloud Future, Letöltés helye: https://www.redhat.com/en/about/press-releases/ibm-closes-landmark-acquisition-red-hat-34-billion-defines-open-hybrid-cloud-future, Letöltés ideje: 2021.01.19