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