Gastroahoj
aaaaaaaaaaaaaaaa
aaaaaaaaaaaaaaaa
Martin Müller
Content Lead
SharpGrid pomáhá klientům zvyšovat obrat, tržní podíl a řešit byznysové výzvy. Kdo ale stojí za celým tím datovým ekosystémem, díky kterému jsou naše produkty a služby životaschopné? Seznamte se s naším senior datovým analytikem Tomášem Kovaříkem přezdívaným Kovo, se kterým dnes nahlédneme do zákulisí datového světa SharpGrid.
Klíčové pro mě bylo studium databázových systémů na vysoké škole, po kterém jsem začal pracovat jako BI consultant. Jsem zaměřený spíš na technickou stránku věci, zároveň mě ale vždycky lákalo řešit byznysové výzvy s pomocí dat a hledal jsem místo, kde bych mohl obojí uplatnit. A právě tehdy přišla nabídka od firmy BizMachine (od které se později SharpGrid oddělil), která se věnovala přesně tomu, co mě baví - práci se zajímavými daty v oblasti, kde se dá dostat k řešení opravdu pestré palety problémů.
Do BizMachine jsem nastoupil ještě před vznikem SharpGrid, ale od začátku jsem se pohyboval v oblasti HoReCa, takže můj následný přechod do SharpGrid byl plynulý. První verze datového výstupu, který je dnes naším hlavním produktem, vznikla pár měsíců před mým nástupem, takže se na něm podílím skoro od začátku. Dá se říct, že jsem byl téměř u zrodu celé myšlenky.
Naše data jsou unikátní v jedné věci. Všechno, co děláme, je úzce navázané na reálný, hmatatelný svět tam venku. Fascinuje mě, co všechno se o něm dá zjistit na základě dat ze zdrojů jako jsou Facebook, Tripadvisor nebo webové stránky. Se sociálními sítěmi a webem se každý denně setkáváme, ale až v SharpGrid jsem v plném rozsahu pochopil, jak široce se data z nich dají využít. Na mojí práci mě nejvíc baví vymýšlet, jak s těmi obrovskými objemy informací pracovat, rozšiřovat je a hledat pro ně nové využití.
Zajímavé mi přišlo zpracovávat data z platforem na dovážku jídla jako je Bolt, Wolt nebo Dáme jídlo. Je to oblast, která se v poslední době velmi rychle rozvíjí, a taky se tam objevuje úplně nový typ gastro provozoven - takzvané ghost kitchens, tedy místa, která není možné fyzicky navštívit a poskytují pouze rozvoz. Kdybych měl vybrat něco techničtějšího, tak mě hodně baví zpracovávat data pomocí nástrojů v cloudu. Věnuje se tomu teď celý tým a rozšiřuje nám to obzory.
Pomáháme jim hlavně identifikovat jejich relevantní trh, např. všechny restaurace nebo bary v dané zemi. Naši klienti mají typicky informace o místech, které navštíví jejich obchodní zástupci, to ale nereprezentuje celý trh, je to jen určitý výsek a jeho používání může ve výsledku vést ke špatným rozhodnutím. Úplnost a aktuálnost ručně sbíraných dat vždycky závisí na aktivitě, preciznosti a časových možnostech daných obchodníků. My oproti tomu klientům poskytujeme kompletní obraz o trhu na základě dat z online prostředí a digitálního obrazu jednotlivých provozoven. Je to mnohem přesnější a obchodníkům i jejich manažerům to šetří čas a uvolňuje ruce.
Další oblastí je výběr specifických segmentů podle toho, co zrovna klient potřebuje. Například analýza či vytipování specifických druhů podniků, na které chce zaměřit své obchodní aktivity, jako třeba prémiové restaurace, noční kluby nebo trendy kavárny. Naše data jsou tak komplexní, že můžeme udělat analýzu téměř nad jakýmkoli segmentem nebo částí trhu, klidně i ušitým na míru.
Na základě dat jsme taky schopni klientům říct, které provozovny jsou silně závislé na letní/zimní sezońnosti, co mají na menu, jakou mají cenovou úroveň nebo jaký je jejich potenciál pro prodej vybraných produktů nebo typů produktů. A samozřejmě spoustu dalšího. Třeba náš produkt Outlet Census má přes 40 různých indikátorů, které mohou klíčoví lidé ve firmě použít při rozhodování, kam obchodníky poslat, kde bude největší šance na uzavření obchodu nebo kde jsou nějaké nečekané byznysové příležitosti.
Základem jsou relační a nerelační databáze, které využíváme pro ukládání dat, každodenně pracujeme s MSSQL, PostgreSQL či MongoDB. Pro získávání a zpracování dat, modelování a datovou analytiku používáme především Python. Datové transformace implementujeme rovněž v Pythonu s využitím Spark clusteru a dalších cloudových nástrojů v prostředí Google Cloud Platform a Azure Cloud. Pro orchestraci jednotlivých komponent a zpracování využíváme Apache Airflow.
Velká výzva je udržet vysokou kvalitu, protože pracujeme s daty, která se neustále mění a vyvíjí. Pro naše zákazníky je například důležité mít co nejpřesnější informace o místech, která vznikají a která v poslední době zanikla, což není snadné sledovat. Ale my to umíme.
Podobné je to s propojením našich dat s daty od klienta. Klienti mají typicky svá data v CRM systému a na to, aby mohli naše data co nejlépe využít, je potřeba obojí propojit. Často může mít nějaký podnik v jednom a druhém systému odlišné názvy, jinou adresu nebo už nemusí vůbec existovat. Automatické propojení dat zkrátka vůbec není jednoduché.
Jako seniorní datový analytik jsem zapojený do většiny částí našeho datového ekosystému. V poslední době jde především o specifické klientské projekty a standardizaci jednotlivých částí našeho produktu.
Můj typický den začíná ranním standupem se zbytkem týmu. Po skončení řešíme s kolegy problémy, na které narazili, a se kterými potřebují pomoct. Jde třeba o úpravy datových transformací nebo revize našich výstupů. Jsem taky v kontaktu s komerčním týmem a bavíme se o potřebách našich klientů, jejich zpětné vazbě a jak by mohla ovlivnit naše produkty a výstupy. Typicky taky řeším plánování práce týmu, přípravu výstupů pro klienty na základě jejich požadavků nebo pomáhám s rozvojem SharpGrid produktů Outlet Census a Market Meter.
V ideálním případě bych měl jenom sledovat, jak všechno automaticky samo funguje (smích). Po technické stránce chceme mít základní kroky automatizované a náš čas využívat efektivněji k řešení skutečně náročných a zajímavých úkolů jako jsou získávání nových informací z dat nebo rozšiřování indikátorů, které poskytujeme klientům, aby podle nich mohli lépe řídit svůj byznys, plánovat strategii a řídit týmy. Právě tady leží naše největší přidaná hodnota a zároveň mě to prostě baví. S expanzí do několika dalších zemí se navíc určitě objeví nové výzvy, které jsme zatím neřešili.
První je kreativita a schopnost řešit problémy, protože každý projekt je něčím specifický a vždy je třeba hledat nové cesty a řešení. Platí to jak pro práci na rozvoji našich produktů tak pro specifickou praci pro klienty.
Druhá je proklientský přístup. Nestačí jenom dodat klientovi data a nestarat se o to, jestli je vůbec použil a něco mu přinesla. Naši práci silně ovlivňuje to, co klient potřebuje a jak s našimi daty bude pracovat.
A třetí je týmová spolupráce. Na produktech, vývoji i výstupech se podílí celý tým, takže je důležité mít zpětnou vazbu od kolegů, navzájem se učit od sebe i klientů a sdílet s ostatními svoje zkušenosti a poznatky.
