Nauka o podacima u industriji medija kroz iskustvo Süddeutsche Zeitung

Data Science Srbija je tokom pandemije Covid-19 nastavila sa aktivnostima u smeru povezivanja i razmene iskustava između profesionalaca koji se bave podacima i veštačkom inteligencijom, i sa fizičkih meetup događaja preselila se u vrituelno okruženje. Do sada je organizovano 6 različitih događaja a pokazalo se da online donose prednosti u vidu lakšeg povezivanja učesnika ne samo iz Srbije već i šire, ali i mogućnost da se događaji jednostavno snime i omogući im se pristup preko YouTube kanala u bilo koje vreme i sa bilo kog mesta.

Gosti predavači na šestom po redu webinaru, bili su data scientisti iz čuvenog Süddeutsche Zeitung-a, najveće novinske kuće u Nemačkoj. Svoje iskustvo i primere dobre prakse podelili su Christopher Pramstaller, Analyst i Audience Development Editor i još dva člana njihovog Data Science tima Carmen Heger i Jie Bao.

Tema webinara bila je “Kako biti informisan ali ne i terorisan podacima/How to be informed and not terrorized by data”.  Imali smo priliku da čujemo koji su to izazovi sa kojima se oni suočavaju, da li se i koliko oni razlikuju od izazova drugih medijskih ali i nemedijskih kompanija, i na koji način se podaci prikupljaju i koriste. Naročito je bilo korisno čuti šta je zaista važno iz ugla jednog data scienece tima, kako obezbediti dovoljnu količinu podataka, kako ih staviti u  funkciju pravovremenog i pametnog donošenja odluka, ali i kako ne biti zaslepljen dovoljnošću samog procesa. 

Vreme koje je sada, nadamo se iza nas, donelo je promene, za koje još uvek ne znamo da li će postati nova normala ili ćemo se uskoro vratiti na staro, ali svakako glad za informacijama bila je prisutna i mnogo više vremena se provodilo online u potrazi za odgovorima nego pre epidemije. Slično se dešavalo i u Nemačkoj, pa je tako i Süddeutsche Zeitung beležio rekorde u posetama tokom marta i aprila meseca, kao i druga ponašanja korisnika koja do tada nisu bila zabeležena. To su ujedno bili i izazovi sa kojima se i njihov data science tim suočavao.

Osim toga, predavači su podelili i svoje viđenje uloge data science stručnjaka u jednoj novinskoj kući, šta su česte greške i zablude i na koji način kompanija treba da koristi podatke u čije prikupljanje i analizu ulaže.  

Prikupljanje podataka i merenje jeste važno i predstavlja prvi korak, ali nije i najvažnije, jer nema vrednost samo po sebi. Veoma je tanka linija između osećaja sigurnosti koje svi ti podaci i grafikoni mogu dati i realne vrednosti istih u trenucima donošenja odluka.

Često se dešava, naročito u krugovima višeg menadženta, da se smatra da je samo merenje i prikupljanje podataka dovoljno za otkrivanje objektivne istine, da je praćenje tuđih primera dobre prakse dovoljno za postizanje istih rezultata i da ukoliko podaci postoje i možemo ih videti na grafikonima, pratiti u trendovima, imamo sve što je neophodno za donošenje odluka koje će nužno obezbediti unapređenje poslovanja. Ali u najvećem broju slučajeva to nije tako. 

Dešava se i da se traženje odgovora u podacima usmerava na način koji će samo potkrepiti neku odluku, koji će opravdati neki plan i traži se zanemarivanje svega što ne govori u prilog tome. To je zamka u koju je lako upasti i zato je treba prepoznati na vreme.

Zašto su merenja i prikupljanja podataka danas toliko značajna?

Odgovor je u promenama, konstantnim i brzim promenama koje se dešavaju u svim industrijama. 

Donosioci odluka svesni su da znanje i iskustvo koje poseduju nije lako održati relevantnim i zato je stalno preispitivanje sveprisutno. Potreban im je kompas koji će im dati smer u kom treba da idu, razmišljaju i delaju. Podaci tu igraju glavnu ulogu, kao objektivni sudija u realnom vremenu, ali ne samostalno. Moraju biti kombinovani sa iskustvom kao još jednim, empirijskim, parametrom, jer jedino tako daju mogućnost sagledavanja koje predhodi odlučivanju. 

Traže se dokazi, potvrde zasnovane na podacima i analizama, koje će biti iza neke odluke. Ekonomski pritisak je sve veći, i potraga za novim i boljim poslovnim modelom je stalna. 

Odgovor može biti u podacima, ali samo ako se meri ono što je važno, ako se analizira ono što je u direktnoj vezi sa nekom odlukom i ukoliko menadžment ima dovoljno razumevanja u radu sa podacima. U tom slučaju, nauka o podacima i jedan data tim u nekoj medijskoj kući može biti dragocen u rešavanju mnogih prepreka na putu koji danas za svaku kompaniju jeste turbulentan.

Ali podaci nam daju informacije samo ako radimo sa njima, ako ih transformišemo. Ako samo služe za generisanje grafikona nisu ništa više osim mrtvo slovo na papiru, nema suštinske vrednosti. Upravo za transformaciju od podatka do informacije neophodna je nauka o podacima i stručnjaci iz ove oblasti, jer oni daju smisao i kontekst podacima, pretvaraju ih u upotrebljivu informaciju na osnovu koje se mogu donositi odluke. 

Istina je da mnoge kompanije ne mogu sebi priuštiti data timove jer to ponekad zahteva mnogo vremena i ulaganja. Ponekad može biti dovoljno osloniti se na iskustvo, možda čak i intuiciju, teoriju i neke klasičnije oblike istraživanja tržišta koji još uvek mogu dati važne uvide i ne trebaju se odbaciti.

Kombinacija svega navedenog je često dobitna kombinacija, spoj metrika i drugih tehnika, uz svesnost menadžmenta da je i njihova uloga ključna kada je razumevanje svih ovih procesa u pitanju. 

Uloga Data Science tima na primeru Süddeutsche Zeitung-a

Praktični primeri koji su se odnosili na predikciju mogućnosti da neki broj korisnika prestane da koristi neku uslugu kao i primer kako se analizira i predviđa broj pretplata i pretplatnika po kategorijama, pokazali su koliko je važno imati podatke u slučaju kada se radi na pomenutim segmentima poslovanja jedne novinske kuće, naročito za medije koji se ne oslanjaju više samo na print izdanja.

Cilj ali i zadatak data stručnjaka je da uz pomoć analize i modela mašinskog učenja pruže podršku i optimizuju proces privlačenja i zadržavanja pretplatnika.

Podaci koji se prikupljaju i analiziraju, imaju vrednost kako za redakcije, kada se radi o instant uvidima i reakcijama na tek objavljene sadržaje, tako i za druge učesnike/stakeholdere, poput marketing tima i uvida u uspešnost i dobit za vreme i nakon određenih kampanja.

Primeri su pokazali svu složenost procesa, koji ne uključuje samo razvoj modela mašinskog učenja, već je to možda i manji segment u odnosu na ostale zadatke poput prikupljanja i verifikacije podataka, razvoja alata za analizu i procesiranje, tumačenje i način prezentovanja rezultata kao i stalni monitoring celog procesa.

Izazovi sa kojima se data tim iznova i iznova suočava su: 

● na koji način omogućiti uvid u navike i ponašanja korisnika koja se često menjaju,  

● kako odgovoriti na stalne zahteve prilagođavanja poslovnog modela u vidu verifikacija potreba za novim funkcionalnostima i proizvodima i 

● kako pri tom ostati u granicama propisa o zaštiti ličnih podataka koji se takođe s vremenom menjaju.

Sa druge strane, kontinualno se javljaju i tehnička pitanja i izazovi koji prate ceo proces poput toga da li modeli rade na očekivan način, da li su pretpostavke na kojima se baziraju buduće odluke validne i da li je stepen zaštite podataka dovoljan.

Ono što su i gosti zaključili je da se mora eksperimentisati što znači da kompanija mora biti otvorena za testiranje različitih modela i mora se prilagođavati. Nauka o podacima jeste i može biti podrška u procesu donošenja odluka, ali veliki udeo u tom procesu i preporukama za menadžment dolazi od eksperata koji kontinualno unapređuju svoja znanja i iskustva kako bi na pravi način prikupljali, obrađivali i tumačili podatke.

“Data Science Srbija je organizacija koja okuplja kompanije i pojedince koji se bave ili žele da se bave podacima. Upotrebu podataka posmatramo holistički, od arhitekture, inženjeringa, analitike, mašinskog učenja, veštačke inteligencije, preko regulatornih okvira, etike, privatnosti i sigurnosti, do načina interpretacije informacija, donošenja poslovnih odluka i uticaj na ekonomiju i društvo u celini. Naša misija je da podstičemo razvoj data science-a u Srbiji i stvaramo uslove za razvoj eksperata koji praktično primenjuju svoje znanje za dobrobit ekonomije i društva. Zagovaramo Data Science kao nacionalno značajnu oblast specijalizacije Srbije.”

Jovana Jočić menadžer komunikacija Data Science Srbija

Webinar “How to be informed and not terrorized by data”: