Rozhovor s Otakarem Horákem: Data jako základ úspěšné digitalizace

• Digital Factory
• Rozhovor

Na letošním ročníku konference Trends in Automotive Logistics hrála data hlavní roli. Není divu, pro plné využití potenciálu, který nové technologie, digitalizace a automatizace nabízejí, jsou kvalitní a čistá data nepostradatelná. O tom, jak je sbírat, řídit a hlavně co nejlépe využít, jsme mluvili s Otakarem Horákem, který se problematikou dat a práce s nimi zabývá každý den ve své roli ředitele divize specializující se na pokročilé plánovací systémy.

Oto, poměrně často se v kontextu dat používá výmluvný příměr „garbage in – garbage out“. Nepotřebuje asi úplně vysvětlit, spíš mě zajímá, jak moc je to pravda?

Tento obrat používám rád. Je stručný a dokonale přesný. V práci s daty platí, že kvalita dat na vstupu odpovídá kvalitě informací, které získám jejich zpracováním. Proč totiž digitalizujeme? Důvodem je nejen to, že si usnadňujeme práci, zrychlujeme ji, zefektivňujeme, automatizujeme a tak dále. Digitalizací především získáváme možnost mít přehled o tom, co se nám děje pod rukama. Vznikají data, a to v každém kroku digitalizovaného procesu. Jednotlivá data jsou nám ale k ničemu. Potřebujeme je sbírat, interpretovat a porovnávat – jinými slovy, získávat z dat informace. K tomu nám pomáhají například nástroje známé pod pojmem Business Intelligence. Pokud ale nemám data kvalitní, informace, kterou z nich získám, bude zavádějící. A na základě nepravdivé informace pak mohu udělat chybné rozhodnutí. To je hlavní myšlenka uvedeného hesla  „garbage in – garbage out“ – a platí beze zbytku.

Je to tak i dnes, v době nastupující AI, respektive bude to platit i nadále? Neporadí si AI s tímto problémem?

Ano, ale jen částečně. Z určitého pohledu navíc nástup AI tento problém ještě vyeskaluje. Hned to vysvětlím. AI je samozřejmě skvělý nástroj pro rychlé zpracování velkého množství dat. Ale pozor. Každou umělou inteligenci musíš napřed „vycvičit“. A nácvik musí probíhat na obrovském množství velmi čistých dat. Vybavuješ si, jak někdy jazykové modely AI odpovídají na některé otázky nesmyslně a motají páté přes deváté? Chybu na první pohled vidíš, rozpoznáš ji. Dokázala bys to ale i v případě analýzy logistických procesů? Spíš ne, chyba totiž nebude působit jako nesmysl. Pokud by ses zkušeným okem podívala na zdrojová data, možná bys nějakou nesrovnalost odhalila. Jenže už provádíš úlohy od zdrojových dat natolik vzdálené, že prakticky nemáš šanci chybu najít. Proto v kontextu práce s daty stále častěji slýcháme pojem Data Intelligence, který zahrnuje veškerou práci s daty od jejich sběru a čištění až po celkové řízení nakládání s nimi, s cílem získat co nejlepší podklad pro další zpracování.

To je i jedno z témat, kterému se věnuje divize, kterou vedeš. Jak jste se od plánovacích systémů dostali k celkovému řízení dat?

Velmi přirozeně. Právě pokročilé plánovací systémy APS (Advanced Planning and Scheduling), kterým se naše divize dlouhodobě věnuje, jsou totiž velmi citlivé na zdroje, ze kterých vycházejí. My se u APS bavíme o plánování extrémně složitých procesů, které ovlivňuje řada proměnných a omezení. Takto robustní systém potřebuje dostatečně spolehlivá data, na jejichž základě může pracovat. Zjistili jsme, že i firmy, které v digitalizaci opravdu pokročily, se nedokážou vyhnout tomu, aby jim třeba některá data chyběla nebo byla špatně zanesena kvůli prosté lidské chybě. Na implementaci celého APS systému pak bylo nejsložitější odchytávat tyto nedostatky, které v naprosté většině případů vedly ke zdrojovým datům. A tak jsme vytvořili vlastní řešení, které nám pomáhá připravit master data na integraci s APS, ale i s dalšími systémy.

Vyplatí se vlastní vývoj? Proč jste nesáhli po některém z nástrojů, které na trhu jsou?

Nástrojů podporujících řízení dat je celá řada a jsou bezesporu kvalitní. Často ale velmi robustní, jejich nasazení pak může být drahé a časově náročné. My máme ve výrobním prostředí zkušenost skoro třicet let. Přesně víme, „kam sáhnout“ a kde se chyby objevují nejčastěji. Takže jsme vytvořili velmi štíhlé, rychle využitelné řešení, které provádí sérii testů odhalujících tyto chyby. A osvědčilo se. Rozhodli jsme se tedy v jeho vývoji pokračovat a rozvíjet ho podle potřeb našich zákazníků. S vizí dát k dispozici chytrý a užitečný nástroj, který lze snadno implementovat a nastavit podle individuálních specifik zákazníka a jeho oboru. Zákazník pak může tuto práci nechat úplně na nás. Provedeme ho i navazujícími procesy jako například integrací a propojením různých systémů mezi sebou. Navíc máme zkušenost se systémem SAP, který je v odvětví automotive skoro bych řekl standardem, ale ne každý mu rozumí – my ano.

Sám jsi ale řekl, že toto téma přesahuje oblast čištění a kvality dat. Je to tak i v případě vašeho řešení?

Jistě, i Aimtec Data Intelligence, jak nástroji říkáme, má daleko širší záběr a ještě větší ambice pro další rozvoj. Představ si, že náš systém posbírá všechna data, která mu určíme, očistí je a následně je uloží do DataWarehousu. Pak se samozřejmě nabízí takový cenný zdroj dál využít. Podporujeme Business Intelligence funkcionality, jako je tvorba dashboardů, reportů, KPI nebo vizuálů. Je k dispozici standardní set takových výstupů, ale není problém je specificky upravit nebo připravit zcela nové. Provádíme i tzv. data pre-processing, kdy data připravujeme pro navazující systémy, dáváme jim nějakou přidanou hodnotu. Může jít i o velmi komplikované matematické úlohy, pro ty je k dispozici solver, který umožňuje výpočet složitých matematických optimalizací.

Snímek z aplikace Aimtec Data Intelligence

Všechna data a veškeré reporty jsou dostupné z webové aplikace, která umožňuje nastavení různých přístupů k informacím a pohledům na ně pro dané skupiny uživatelů. Celý systém je postaven modulárně, jednotlivé funkce je možné zapínat a vypínat. Tuto pružnost podporuje i to, že Aimtec Data Intelligence běží jako cloudové řešení a zákazník jej má dostupné jako službu. To znamená, že mu odpadají starosti s infrastrukturou a licencemi, ale také ve větší míře nezatěžuje interní IT oddělení.

Zmínil jsi, že plánujete Aimtec Data Intelligence dál rozvíjet. Už víš, jakým směrem?

Připravujeme zapojení AI, z pohledu intepretace dat bude zajímavé využití tzv. Natural Language Processing, tedy zajištění, aby aplikace byla schopna přijímat a odpovídat na dotazy pro datovou analýzu v „lidské řeči“, tak jako to teď umí známé jazykové modely. Ale jak je pro Aimtec zvykem, i v případě využití AI platí, že chceme zákazníkům přinést osvědčené řešení vyzkoušené na praktických use cases. Také do budoucna se systém bude rozvíjet v návaznosti na oborových best practices, zároveň zachováme možnost pružného přizpůsobení a umožníme v co největší míře samostatnou konfigurovatelnost řešení tak, aby plnilo svou původní funkci rychle využitelného nástroje.

Sdílejte článek