ARTUR SZYMAŃSKI: Algorytmy AI dokonują kategoryzacji dużo sprawniej, niż człowiek (z precyzją na poziomie nawet 90 proc.), a dodatkowo pozwalają określić tzw. sentyment rozmowy czyli emocji, jakie stoją za zgłoszeniem – pozytywnych lub negatywnych. Przykładowo, jeżeli zanotowany zostanie negatywny sentyment rozmowy, a z systemu bilingowego wynika, że dzwoniącemu klientowi kończy się umowa, to można wygenerować alert, że ta osoba wymaga szczególnej uwagi, jeżeli operator chce ją utrzymać jako klienta.
Jak indywidualną uwagę można poświęcić pojedynczemu klientowi w warunkach dostawcy, którego baza liczy setki tysięcy i miliony osób?
ARTUR SZYMAŃSKI: Od strony czysto technicznej nie ma ograniczeń. To bardziej kwestia polityki i wyboru po stronie dostawców. W praktyce firm telekomunikacyjnych, w takim wypadku jak wyżej informacja o tzw. wysokim „score churnowym” powoduje naliczenie wyższego rabatu do nowej oferty. Upust cenowy jest dzisiaj bowiem podstawowym narzędziem utrzymania klienta.
Na ile narzędzia analityczne, o których dzisiaj mówimy, są standardem na rynku telekomunikacyjnym?
MIŁOSZ TRAWCZYŃSKI: Analityka jako taka jest szeroko stosowana na tym rynku. Inna sprawa, w jak szerokim zakresie działalności przedsiębiorstwa i jak zaawansowane narzędzia się stosuje. Z tym bywa bardzo różnie.
Uzyskanie przekrojowego, analitycznego obrazu przedsiębiorstwa wymaga najpierw wdrożenia podstawowych narzędzi informatycznych do zarządzania firmą, a potem skonstruowania systemu analitycznego bazującego na danych z tych źródeł – systemu, który potrafi pozyskać wartościowe dane i efektywnie je przetworzyć. I wreszcie chodzi o to, by te dane umieć analityczne „zoperacjonalizować”, czyli skutecznie wykorzystać w działalności przedsiębiorstwa. To jest zadanie takich technologii, jak SAS.
Skoro mówimy o „wsadzie” do systemów analitycznych, to wiadomo, że infrastruktura informatyczna w wielu firmach telekomunikacyjnych bywa leciwa i mało zintegrowana. Czy to wpływa na jakość i możliwość wykorzystania danych?
MIŁOSZ TRAWCZYŃSKI: Wpływa w bardzo istotny sposób.
Na przykład plany wdrożenia zakładają połączenie danych o kliencie ze wszystkich kanałów interakcji z informacją o jego działaniach transakcyjnych i behawioralnych, ale na koniec okazuje się, że dane które można pozyskać są tylko fragmentaryczne.
ARTUR SZYMAŃSKI: W telekomunikacji regułą jest, że im operator dłużej na rynku, im dłużej rosło jego zaplecze IT, tym większym wyzwaniem jest dla niego pozyskanie danych dla narzędzi analitycznych.
MIŁOSZ TRAWCZYŃSKI: Z tym trzeba się pogodzić i podejść do sprawy bardzo pragmatycznie. Istnieją zasoby, które każdy operator musi mieć, i od których zawsze można zacząć, nawet jeżeli nie odpowiada to wstępnym ambicjom projektu. Choćby to było tylko 60-70 proc. zasobu, którym chcielibyśmy dysponować.
Analityka oparta na ograniczonych zasobach ma sens?
MIŁOSZ TRAWCZYŃSKI: Oczywiście, że precyzja i efektywność uzależniona jest od jakości i wolumenu danych, ale to nie znaczy, że na podstawie ograniczonego zasobu nie można wyciągać wartościowych i użytecznych wniosków.
W praktyce pracy z firmami telekomunikacyjnymi odwołujemy się także do zewnętrznych źródeł danych, które mogą wspomóc analitykę danego przedsiębiorstwa.
Jakiego rodzaju to są dane?
MIŁOSZ TRAWCZYŃSKI: Na przykład dane statystyczne z ogólnie dostępnych źródeł publicznych o demografii, czy charakterystyce lokalizacji.
Dygresja: jak pan ocenia jakość danych w publicznych rejestrach?
MIŁOSZ TRAWCZYŃSKI: Pozornie te zasoby są bardzo duże i różnorakie. W praktyce przydatność wykazuje około 80 proc. dostępnych zasobów.
A jak wygląda jakość danych pochodzących z systemów, które eksploatują operatorzy? Jaka dla przykładu jest jakość danych pochodzących z call-center?
ARTUR SZYMAŃSKI: Co najmniej zadowalająca. W tym wypadku zasób stanowią rozmowy z klientami – nagrania lub inny rodzaj rejestracji – z którego algorytm potrafi wyciągnąć niezbędne dane, pozwalające (jak mówiliśmy wcześniej) na kategoryzację, wychwycenie sentymentu i dalszą analizę. Jeżeli istnieje taka potrzeba, to na podstawie takiej analizy generowany jest alert, który zasila w czasie rzeczywistym inny system potrafiący go wykorzystać do konkretnego działania sprzedażowego lub utrzymaniowego.
