Az adat az új arany – halljuk mostanában. Cikksorozatunkban annak jártunk utána, hogyan lehet okosan, szabályosan adatot gyűjteni, tárolni, és miképpen hasznosulhatnak a beszerzett információk. Elsőként a vállalati nézőpontot mutatjuk be Marton Ádám, az NKE ÁNTK Közgazdaságtani és Nemzetközi Gazdaságtani Tanszékének adjunktusa segítségével.
Kezdjük a legelején: hogyan keletkeznek a vállalati adatok?
A vállalatoknál azok indulása óta keletkeznek különböző minőségű és mennyiségű adatok, elegendő például csak a pénzügyi, számviteli adatokra gondolni. Az információs és kommunikációs technológiák fejlődésével ezen adatok köre tovább bővült, illetve tárolásuk átalakult. Az ipar 4.0 okozta technológiai fejlődéssel ez újabb szintet lépett, s az adatok mennyisége számottevően megnövekedett; az adattárolás is a felhőbe költözött – ezáltal nőtt a költséghatékonyság, egyszerűsödött at adattárolás. Napjainkban minden vállalat számottevő mennyiségű adatot generál, legyen szó egy kisvállalkozásról vagy egy nagyvállalatról. Természetesen az adatmennyiség eltérő szintű, attól függően, hogy a vállalkozás milyen mértékű tevékenységet folytat. Fontos megjegyezni azt is, hogy az adott adatnál ki tekinthető az adatgazdának, illetve az adatkezelőnek. Ez ugyanis behatárolhatja az azokhoz kapcsolódó előnyök kihasználását is. Ezzel párhuzamosan pedig eljutunk az adatminőséghez. Az előzőek ugyanis feltételezték, hogy az adatok a vállalat működési tevékenysége során generálódnak, s nem célzott adatgyűjtés eredményeként. Ez már önmagában befolyásolhatja az adatelemzés lehetőségeit, annak pontosságát, potenciális torzítást magában hordozva. Ezáltal korlátozottá válhat azok hasznosíthatósága, az azokból való releváns következtetések levonása, s az azokból kinyerhető versenyképességet és rezilienciát növelő előnyök egyaránt. Az adatminőség tehát a hagyományos adatelemzés szempontjából is neuralgikus pont, mely a big data adatgyűjtéssel hatványozottan jelentkezhet.
Milyen a jó minőségű adat?
A big data adatminőségének szempontjából a szakirodalom három fő feltételt azonosít: a pontosságot, a következetességet, illetve a teljességet. Mindazonáltal szükséges kiemelni, hogy a big data minőségével kapcsolatos kérdések különböző adatminőségi problémákat vethetnek fel, azok komplex módon értelmezhetőek. Ez visszavezethető az adatok eltérő típusára és jellegére, ugyanis egy strukturálatlan adattal (pl. kép) szemben más jellegű korlátok merülhetnek fel, mint egy strukturált vagy félig strukturált adattal szemben. A vállalati adatpolitikának azonban a három korábban említett feltételre szükséges koncentrálnia. Az adatpolitika hiányában, nem adatelemzési céllal gyűjtött adatok szükségszerűen ezen célkitűzéseket nem fogják teljesíteni. Ezáltal az adatpolitikának az adatgyűjtés szintjén célzottan szükséges meghatároznia azt, hogy az milyen adatelemzési és ezáltal milyen vállalati célokat szolgál. Ezek lehatárolása elősegíti a legkisebb egység, azaz az adat minőségének javulását, mely magában hordozza az adatelemzés pontosságát, s a döntéselőkészítési képességének javítását. A folyamatot tovább folytatva ez pedig magában hordozhatja a hatékonyságnövekedést és a racionalizálást. Ezáltal a vállalat versenyképességének és ellenállóképességének növekedését előidézve. Az adatminőség három fő eleme együttesen kell, hogy fennálljon az adatpolitika kapcsán. Annak bármely elemének sérülése már önmagában a minőség romlását eredményheti, ezáltal csökkentheti az adatelemzés lehetőségeit, s következtetésének levonásának pontosságát.
Tudna erre példát mondani?
Elegendő csak arra gondolnunk, hogy egy gyártósor optimalizálása során hiányzik az egyik napra vonatkozó adat, mely a következetesség és teljesség feltételét is sérti. Ez pedig azt eredményezi, hogy az adatelemzés is pontatlanná válhat, ugyanis annak a napnak a potenciális jellegzetességei hiányoznak a vizsgálati mintából. Hasonló eset lehet, amikor a pontosság elve sérül egy nem megfelelő felbontású kép esetén, amikor egy mintázatot szeretnénk azonosítani, például egészségügyi területen vagy geolokációnál.
A kkv-k számára is fontos e téma? Ha igen, milyen mérettől és mi a teendő?
A big data, s különösen az adatok elemzése a vállalati mérettől függetlenül minden vállalat számára biztosíthat versenyelőnyt. Elegendő csupán arra gondolnunk, hogy a vállalkozás/egyéni vállalkozó a közösségi média tevékenysége során is adatot generál, s vizsgálhatja azt, hogy az adott posztjai, reklámjai milyen elérést generálnak, s hogyan tudja növelni a marketing tevékenységének hatékonyságát. Ez tovagyűrűző hatásként kihat a vállalati hatékonyságra, eredményességre, s ezáltal a profitlehetőségekre is. Általánosságban elmondható, hogy a nagy adatmennyiség pontosabb következtetések levonásához és előrejelzésekhez vezethet, illetve olyan összefüggések azonosíthatók általa, amelyek a hagyományos adatokon, a hagyományos adatelemzéssel nem vagy nem olyan pontossággal. Mindazonáltal a big data és a kapcsolódó elemzés – annak célja, tárgya, jellege –a vállalat méretétől függően változhat, s annak megfelelően szükséges kialakítani az adatpolitikát. Már a generált és elemezhető adatok köre is változhat a vállalat méretével, ugyanis egy kkv nem fog olyan nagy volumenben adatot generálni.
Melyek e területen az élen járó országok, iparágak?
Egyértelműen nem lehet lehatárolni olyan szektort vagy iparágat, ahol a big data és annak elemzése élenjáró lenne. Az iparágak jellegétől függetlenül minden területen elterjedt, pont abból fakadóan, hogy a big data elemzés, a legtöbb vállalatnál egy reakcióként értelmezhető arra vonatkozóan, hogy a gyűjtött adatok számottevően megnövekedtek a vállalati folyamatok során. Azaz például azért egy gyártósornál vagy egy mezőgazdasági drón alkalmazása során maga a gyártási, termelési folyamat része az adatgyűjtés, ami után az alapján hatékonyabbá és előrejelezhetőbbé tehető az adott folyamat. Ezáltal megállapítható, hogy a modern technológiák alkalmazása által generált big data hívta életre az adatelemzést, ami viszont a megfelelő adatpolitika kialakításával hatékonyabbá és célzottabbá teheti az adatgyűjtést, ezáltal további hatékonyságnövekedést elérve az adatelemzések jósága terén. Az élenjáró vállalatok közé ugyanakkor azok sorolhatók, amelyek méretükből vagy tevékenységük jellegéből fakadóan nagy mennyiségű adatot generálnak, mely megfelelő minőségben áll rendelkezésre. Az adat jellege a tevékenységtől is függhet, például egy mezőgazdasági drón más típusú adatokat generálhat, mint egy gyártósoron alkalmazott szenzor vagy egy szolgáltatási szektorból tevékenységet folytató vállalat.
Dolga-e az államnak – ha igen, milyen lépésekkel – támogatni adat-témában a vállalatokat?
Az államnak minden esetben a keretrendszer biztosításában van elsődleges szerepe. A vállalatnak ugyanis elsődlegesen a profitmaximalizálás lesz a szempontja az adatpolitika kialakítása során, míg a fogyasztók/felhasználók az adatvédelemben érdekeltek. Az államnak ezen a szűk mezsgyén kell kialakítania azt a nemzeti adatpolitikai keretrendszert, amely mellett a vállalat hatékonysága és versenyképessége nem sérül, illetve a fogyasztók adatvédelmi szempontjai is érvényesülhetnek. Ezen keretrendszer két szempontból is kifejezetten szűk keresztmetszetet jelent: egyrészt a vállalati szintű hatékonyságra való hatás révén a nemzetközi versenyképességben is releváns szerepet játszik, továbbá az adatvédelem oldaláról – például az adatok szenzitív jellegének meghatározása – is eltérő lehet az egyes országokban. Ezáltal a kialakított szabályozási rendszernek ezekhez szükségszerűen illeszkednie kell. Elegendő csupán arra gondolni, hogyha egy ország által kialakított szabályrendszer a vállalat irányába mutat támogatást, az az adatgyűjtésen és az adatelemzésen keresztül versenyelőnyt biztosíthat az adott ország vállalatainak a nemzetközi színtéren. Ezáltal az állam közvetett módon tudja támogatni a vállalati adatpolitikát. Fontos azonban kiemelni, hogy a kiberbiztonságnak és az adatvédelemnek, illetve az ahhoz kapcsolódó szabályok is számottevő relevanciája van. Ezek révén az állam szintén közvetett módon befolyásolhatja a vállalati adatpolitikát. (E témáról, a közadatokról az interjú következő részében lesz szó. – A Szerk.)
Hogyan kezdjen hozzá a kapcsolódó feladatokhoz egy cégvezető?
Nagyon leegyszerűsítve a legmagasabb szintről érdemes indulni, s azoknak alárendelni az adatokat. Ezzel összhangban a vállalkozások vezetőinek az első szempont az adatpolitika céljainak meghatározása, azaz, hogy milyen vállalati célokat szeretnének adatalapú döntéshozatallal támogatni. Ezen célkitűzésekhez milyen alcélokat szükséges megfogalmazni, s ezek a meglévő vállalati struktúrában, illetve célkitűzések mellett miként támogatottak. Fontos szempont az, hogy az egyes célkitűzésekhez minden esetben szükséges hozzárendelni az adatelemzés módozatát is, azaz, hogy például azt a célt összefüggések vizsgálatával, mintázatok keresésével vagy csoportok kialakításával tudjuk támogatni. A folyamatban ezt követi a legkisebb egység, az adat és az adatgyűjtés módjának meghatározása. Ehhez elengedhetetlen az előző kérdésnél megfogalmazott adatminőségi feltételek teljesítése, a gyűjtendő adatok mennyiségének és jellegének lehatárolása és az, hogy ezek az adatelemzési, s ezáltal a vállalati célokat szolgálják. Fontos szempont, hogy ezekhez szükséges a minőségbiztosítás szempontjából megfelelő belső szabályzatok kialakítása is, melyek illeszkednek a jogszabályi környezethez is. A költségek is ezen logika mentén jelentkezhetnek. Azokat befolyásolhatja az adatgyűjtés szintje és mennyisége, kapcsolódóan az adattárolási kapacitás biztosításához, illetve az adatelemzési kapacitás kiépítéséig.
A fogyasztói igények feltárására, a termék- és szolgáltatásportfolió kialakítására, az adatvezérelt döntéshozatalra, a kockázatkezelésre vagy az innovációra egyaránt kedvezően hathat a megfelelő adatpolitika. Nőhet a termelés és annak nyomán a fogyasztás. A fenntarthatósági szempontokkal milyen összefüggést mutat mindez? Nem ellentétes- e a természetvédelmi, klímatudatos célkitűzésekkel a big data és az MI térnyerése?
Ez egy komplex kérdés. A hatékonyságnövekedés pozitívan befolyásolhatja a fenntarthatósági célokat. Ilyen lehet például egy tervezési folyamat során az, hogy a big data és MI által okozott hatékonyabb tervezés az egyes hibákat és kockázatokat minimalizálhatja, ami csökkentheti például a környezeti terhelést. Továbbá a hatékonyság növekedése eredményezheti a termelési folyamat során az alapanyag szükségletének csökkenését, a gyártási idő csökkenését, vagy környezettudatosabb gyártási folyamat kialakítását is. Hasonló példa lehet fogyasztói oldalról, hogyha az egyén a virtuális térben ki tudja próbálni, hogy az adott ruha miként áll neki vagy az adott bútor illeszkedik-e az ő lakásába, akkor az – a növekvő termelés és fogyasztás ellenére – nem eredményezheti a fenntarthatósági célok csorbulását, sőt, a hatékonyságnövekedés révén még elő is segítheti azokat (például a visszaküldés okozta környezetterhelés csökkenése által). Természetesen, ha csupán azt a mennyiségi tényt nézzük, hogy vállalati oldalról a big data és a MI által okozott hatékonyságnövekedés egyszerűen termelés és fogyasztásnövekedést eredményez, az önmagában a klímatudatos célkitűzések ellen hathat. Mindazonáltal a fentiek alapján fontos szempont a minőségi kritérium figyelembevétele is. A fenntarthatóság oldaláról a big data legnagyobb kihívása, s az egyik legjelentősebb környezetterhelési aspektusa az az adattárolás. Az adattárolási önmagában rendkívül energiaigényes, különösen a hűtési igények miatt. Ezáltal a generált adatok permanens növekedése mellett ezen kapacitás iránti folyamatos keresletnövekedés negatív befolyásolhatja a környezetterhelést. Mindazonáltal nem lehet egyértelműen állást foglalni abból azzal kapcsolatban, hogy melyik irányba billen a mérleg. Rendkívüli felelőssége van az egyénnek, s a vállalatnak is abban a tekintetben, hogy a big data és a mesterséges intelligencia okozta előnyök a fenntarthatósági célkitűzések szolgálatába is állíthatóak legyenek.
Szerző: Kovács Lilla