V machine learningu tak trochu předpovídáme budoucnost

Poprosili jsme našeho Senior konzultanta Michala Amblera, aby nám pověděl víc o své práci. Je totiž součástí týmu, který má slibný název: Advanced Analytics. Někdo si možná představí, že Michal vede školu robotů, rozvíjí obecnou umělou inteligenci nebo přinejmenším programuje stroje, které kopírují lidskou práci. Ani jedno ale není správně. Machine learning je spíš něco jako datová věda.

V tomhle rozhovoru se kromě informací o populárním oboru dozvíš, proč klienti potřebují datové vědce z EY a co potřebuješ k tomu, abys s Michalem mohl pracovat.

Stavíme na big datech

Pochopit machine learning není úplně jednoduché, ale Michal s námi má trpělivost. Vysvětluje, že jde vlastně o komplikovanou analýzu, která dá klientovi odpovědi na nejrůznější otázky.

Typické jsou pro něj třeba projekty zaměřené na udržení zákazníků. „Pomáháme firmám předvídat, kteří zákazníci od nich odejdou, a chápat, proč odcházejí. Také jim navrhneme, co můžou dělat, aby u nich zůstali. Tím, že klient pochopí, co se děje, může problémům příště předejít,“ popisuje Michal. Machine learning je jednoduše řečeno způsob, jak nalézt vztahy v datech a podpořit lidské rozhodování na základě faktů.

Michalovou věšteckou koulí jsou hlavně dobrá data. „Naši práci zakládáme na faktech. Na vstupních datech jsme totiž závislí a odpovědět dokážeme jen na to, co v nich už nějakým způsobem je. Nevíme, co by se stalo, kdyby se stejný produkt prodával za korunu nebo za milion. Nevíme to, protože ty dvě situace klient nikdy nezkusil a nedovolíme si takhle hádat,“ vrtí hlavou Michal.

Odpovědi, které machine learning poskytuje, jsou pro klienty zásadní. A i když jsou klienti dlouholetými manažery své značky, sami na podobné věci bohužel odpovědět nedokážou. „Náš typický klient je vizionář, který si řekne, že firma dělá něco deset let stejně, a přitom by to mohla dělat lépe. Nebo ví, že mu chybí nějaká znalost, kterou sám nezíská. My pak managementu poskytneme nástroj, který jim pomůže nejasnosti poodkrýt,“ dodává Michal.

Přesto, že je ve světě machine learning oblíbený, v Česku dlouhodobí klienti přibývají postupně. Do tohohle mindsetu musí firmy u nás teprve dospět – jsou ale na dobré cestě. A začnou machine learning využívat i lidé v běžném životě, když se třeba nebudou moct rozhodnout, co si vzít ráno na sebe? „Doufám že ne,“ směje se téhle vizi Michal. „K něčemu takovému máme zatím dost daleko.“

Naši klienti jsou z různých vod

Jednu z věcí, které na své práci Michal oceňuje, je pestrost: „Při práci nahlížím do různých odvětví, a to je pro mě velmi zajímavé. Vidím do nich totiž velmi dobře. Od spotřebitelských či síťových odvětví až po výrobu a finanční služby.“

Díky tomu, že pracuje pokaždé pro jiného klienta, zkouší Michal často něco nového a musí si zachovat otevřené přemýšlení. „Ohromná dynamičnost, to je důvod, proč jsem tady. Někomu to samozřejmě nemusí sednout, určitě se najdou lidi, kteří se chtějí zdokonalovat jen jedním směrem. Ale u nás v týmu to tak není. Musíme se rychle učit, aplikovat to, a pak se dobře naučit zase něco dalšího. V žádném případě se nenudíme.“

Michal dává příklad z nedávné doby, kdy za nimi přišel klient, který vyrábí nápoje: „Říkali, že by rádi zkusili něco nového. Věděli, že existuje něco jako machine learning a chtěli to využít i u sebe. Výsledek přitom nechali na nás. Je hrozně fajn, že machine learning začíná být žádaný obor.“

Oproti operátorům se tým tentokrát musel naladit na potravinářství, konkrétně na nápoje. „Klienty třeba zajímalo, v jakém řetězci mají svůj výrobek prodávat a v jakém období se zaměřit na propagaci tak, aby byli úspěšní. My jsme analyzovali dostupná data a vytvořili model, který nabízí spolehlivou prognózu,“ popisuje Michal základy složitého projektu. „Můžou tak teď porovnávat různé scénáře a rozhodnout se, která varianta je nejlepší.“

Jak se na takovém modelu pracuje? Nevzniká raz dva, chce to konstantní práci. „Nejdřív potřebujeme data od klienta, některé druhy dat si obstaráme i sami. Pak píšeme skripty, ať už v SQL nebo v Pythonu. Navrhneme a vytvoříme model, zkoušíme ho, hodnotíme a vizualizujeme, aby ho klient mohl využít. Pak se s ním o výsledku bavíme,“ vysvětluje datový analytik. Z toho je jasné, že musí ovládat skutečně hodně činností.

Michal Ambler

K oboru jsem se dostal náhodou

Michal přitom machine learning nestudoval, promoval z ekonomie. Úplně něčeho jiného než většina jeho týmových kolegů. „Už na škole jsem se sice dostal ke klasickým statistickým metodám a k datům, většina lidí v týmu ale absolvovala IT nebo Matfyz,“ směje se.

Přiznává, že nedělá úplně všechno, ale práci si mezi sebou v týmu dělí. Druzí jsou v něčem napřed, Michal zase exceluje jinde. „Člověk musí být trochu chameleon,“ říká Michal, a on sám jím opravdu je. Vedle konzultanství hraje ve skupině na klávesy a kytaru, cestuje (nejradši do Norska) a čte (třeba Johna Fowlese nebo Murakamiho).

A jak se tedy člověk z ekonomky k takovému oboru dostane? Třeba úplnou náhodou. „Do EY jsem přišel do jiného oddělení a hned jsem začal pracovat s daty. Naučil jsem se tak spoustu věcí, které jsou potřeba i pro moji současnou pozici,“ dodává Michal. V týmu Advanced analytics, kde se machine learning řeší, je zatím něco přes rok, hrozně ho to ale baví.

Přidej se k nám

Jak Michal dál popisuje, v týmu Advanced Analytics jsou hodně otevření. Úkoly, které řeší, nemají pevné hranice, proto si můžeš vyzkoušet spoustu věcí: „Stejně jako jinde v EY, taky u nás dostávají junioři důležité úkoly. Což je super, pokud někoho láká dávka zodpovědnosti. Zároveň je nás jenom pár, takže se o práci dělíme. Aby u nás někdo mohl fungovat, musí mít touhu dělat různorodé věci.“

Nemusíš se přitom bát, že tě hodí do vody a už z ní nevyplaveš. Kolegové ti pomůžou stejně jako před rokem Michalovi. Parádní je, že se tu můžeš hodně předvést, takzvaně udělat stopu.

A co všechno musíš umět? Ideální je, když machine learning studuješ, ale stačí ti i dobrý základ. Měl bys s daty koketovat už na škole, znát metody a postupy, jak s big data zacházet a jak je testovat. Není třeba nějaká hlubší znalost, tu získáš stejně až tady. Taky se ti hodí analytické přemýšlení a znalost Pythonu. Pokud to ještě neumíš, tak se to rychle douč, protože Python je jazyk současné datové vědy.

Zní to možná namáhavěji než požadavky na jiné obory, ale stojí to za to, protože tu rychle vyrosteš. „Pro mě je tohle práce, kterou jsem chtěl vždycky dělat. Hrozně se mi líbí ta komplexnost, junioři se tu vyšvihnou strašně rychle. Většinou se říká, že konzultační firmy naučí člověka za rok to, co by se jinde učil pět let. Tady je to podle mě někdy i za půl roku,“ dodává.

A co by Michal vzkázal studentům, kteří mají zájem pracovat v EY? „Nepovažuj nás za velkou korporaci. I když jí samozřejmě jsme, vítáme invenci. Náš tým je spíš něco jako start-up, pracujeme na vlastních projektech, jsme flexibilní. Pokud si myslíš, že ti to vyhovuje, tak se na tebe budeme těšit.“

Zrovna teď máme v týmu Data Analytics otevřené dvě pozice - hledáme interny a Junior konzultanty. Pokud tě práce zaujala, budeme se na tebe těšit ve výběrku. :)

Aby byla tvoje cesta s EY pohodlná, pracujeme na kariérním webu s Cookies. Používáním webových stránek s tím souhlasíš. Přečti si víc o souborech Cookies.