Giuliano Giannetti (Revolt BI): Největší zájem o datové služby přichází z retailu

Optimalizují sklady v řádech miliard korun, dokážou predikovat vývoj německého automobilového trhu, pomáhají s odstraňováním vizuálního smogu v Praze. Tým analytiků z Revolt BI pod vedením Giuliana Giannettiho se podílí na spoustě zajímavých projektů. A daří se jim natolik, že i v době koronakrize najímají nové posily.

V poslední době je o analyticích z Revolt BI docela slyšet. Nedávno dokonce vyhráli hackathon organizovaný společností Škoda Auto, jehož cílem bylo na místě vymyslet řešení pro optimalizaci skladování náhradních dílů. “Většina našich klientů je digitálně zaměřena. Je vidět, že firmy, které investovaly do dat před krizí, jsou dnes daleko před těmi, které s investicemi do digitálních technologií teprve začínají,” říká v rozhovoru pro Digibiz CEO Revolt BI Giuliano Giannetti.

Čemu se Revolt BI věnuje?

GG: Považuji nás za datově analytickou a konzultační agenturu. Kromě klasické technologické práce s daty, výpočty a grafy jsme schopni se bavit i s byznysem. Snažíme se reagovat na konkrétní problémy, které klient má, a vymyslet na ně konkrétní datové řešení. Co se týče našich aktivit, děláme několik oblastí. Ta první je klasické BI, čili čištění dat, připravování přehledů, automatizace reportingu, ad hoc analýzy. Ta druhá – zajímavější – část se týká data science projektů. To jsou projekty, u kterých využíváme specifické metody k tomu, abychom zjistili konkrétní problémy, které klient má.

Giuliano Giannetti (36) začínal v roce 2010 na tiskovém oddělení ministerstva obrany. Pracoval na komunikačních strategiích pro mise v Afghánistánu a Kosovu. Posléze byl zodpovědný za definici plánů na kybernetickou bezpečnost na ministerstvu obrany. Mezi jeho zásluhy patří podíl na kybernetickém zákoně, na základě kterého existuje dnešní Národní úřad pro kybernetickou a informační bezpečnost. Giannetti pracoval také v oboru PR, kde se jako konzultant naučil komunikovat s klienty. Poté se rozhodl věnovat technologiím a nastoupil do společnosti Keboola a také McKinsey and Company. Jeho otec je Ital, v Čechách žije od devíti let. “Už jsem tady doma. V rámci Revoltu ale hodně spolupracujeme s italskými partnery i s Italsko-českou obchodní komorou. Tak se nám můj původ vlastně docela hodí,” dodává s úsměvem.

Co je podle vás vlajkovou lodí Revoltu BI?

GG: Od začátku fungování firmy jsme pracovali přibližně pro dvacet subjektů, například pro Škodu, Seznam, dělali jsme drobné projekty pro O2, často spolupracujeme také s Mall Group. Hodně zajímavý projekt je pro mě třeba Carvago. U nich jsme řešili analýzu trhu s auty. Začali jsme úplně od nuly a dnes analyzujeme denně celou inzerci s automobily na evropském trhu. Jen pro představu, jde o nějakých čtyři a půl milionu inzerátů ze 40 serverů. 

To je obrovské množství dat…

GG: S tím pracujeme pomocí našich analytických nástrojů. Umožňuje nám to celkem přesně predikovat například vývoj automobilového trhu v Německu. Jednoduše řešeno, máme nějaké auto s nějakým nájezdem a rokem výroby a my dokážeme určit, za jakou cenu by se dalo prodat na jiném trhu, případně jak dlouho by zůstalo na skladě, než by se našel kupec. Na základě těchto algoritmů klient vykupuje auta a zároveň vidí i v bazarech, jaký mají obrat zboží. Pak jim umí nabídnout to, co je oboustranně výhodné, a rychle na situaci reagovat.

S automobily jste pracovali i pro Škodu Auto?

GG: Pro Škodovku už jsme dělali několik projektů. Kromě zmíněného hackathonu jsme řešili komplikace klienta s duplicitními položkami na skladu náhradních dílů. Problém byl, že do skladu bylo možné dávat libovolné množství položek pod libovolným množstvím jmen. Pak docházelo k tomu, že se například převodovky určitého typu objevovaly víckrát pod různým označením. Takto to nezní jako velký problém. To chápu. Když si ale představíte, že jejich sklad má hodnotu dvě a půl miliardy a že všechny položky, které jsou tam takto duplikované, jsou navíc. To znamená, že se v nich zadržují desítky milionů korun, které by firma mohla utratit za něco jiného než za zbytečnou zásobu dílů, o kterou se navíc musí starat.

Jak jste to vyřešili?

GG: Vyvinuli jsme algoritmus, který dokázal textové řetězce porovnat a zjistit, které díly jsou tam navíc. Identifikovaná hodnota zadržených peněz na duplikovaných součástkách se pohybovala v řádu vyšších desítek až stovek milionů korun.

Giuliano Giannetti často předává své zkušenosti i v rámci setkání tzv. Prague Data Punkers.

Umělá inteligence pomůže Technické správě komunikací hl. m. Prahy

V poslední době se mluví také o aplikaci Prague Vision. Co to přesně je? 

GG: Když jsme začínali tvořit řešení pro Prahu, přemýšleli jsme nad tím, jak můžeme využít dovednosti, které máme. A zároveň jsme chtěli uskutečnit nějaký projekt s naším partnerem, italskou firmou Things.is. Ta se narozdíl od nás zabývá tím hezkým, co je vidět – designem aplikací. My jsme spíš počtáři. Chtěli jsme zkrátka pomoci automatizovat workflow Prahy a hledali jsme prostor, kde můžeme pomoci.

Ten jste nakonec našli v odstraňování vizuálního smogu…

GG: Na začátku to tak jednoduché nebylo, ale přálo nám štěstí. Pro nás bylo zásadní najít jak platformu, na které naše řešení prezentovat, tak člověka – manažera, který dokáže definovat problémy města a má motivaci je řešit. A to je v prostředí české státní správy, kde se kvůli komplikované byrokracii velmi obtížně dělá cokoli nového, poněkud těžké. Naštěstí tu platformu vytvořil primátor Hřib se svou iniciativou #NakopniPrahu a jedním z odborných garantů tohoto hackathonu je Filip Hájek, člen představenstva Technické správy komunikací hlavního města Prahy. S ním jsme rychle našli oblast, v níž by bylo možné využít naše aplikace. A to je právě odstraňování nelegálně využívaných ploch a vizuálního smogu. 

Cílem hackathonu #NakopniPrahu je najít chytrá řešení, jak pomocí technologií nebo inovativních řešení zlepšit život Pražanů. Odborná porota vybrala finálovou jedenáctku, která získala finanční podporu na realizaci prototypu do hackathonu, mezi nimi je i Revolt BI s aplikací Prague Vision. Tři vítězná řešení získají v červnu možnost uvést své projekty do praxe. 

V principu jde o to, že v Praze existuje několik agentur, které posílají lidi, aby chodili po městě a nacházeli nějaké problémy. Asi si tedy dokážete představit, že třeba graffiti v Praze vznikají mnohem rychleji, než je parta uklízečů stihne vůbec najít, vyfotit a zaevidovat. A to neberu v potaz, že sloup veřejného osvětlení, protihluková stěna a zastávka tramvaje mají jiného správce. Ale my jsme současně věděli, že Praha prostřednictvím různých technologií sbírá data a informace. Například jsou systémy, které hlídají parkování, kamery, které sledují provoz atd. 

V čem aplikace spočívá? Co umí?

GG: Abychom mohli dělat naši datovou práci, potřebujeme k tomu samozřejmě data. Informace, kde by se daly identifikovat různé problémy, graffiti, díry ve vozovce, vizuální smog. Pokud totiž po Praze každý den jezdí například vozidla s kamerami a mimoděk tyto informace sbírají, mohou stejně dobře sbírat informace i o vizuálním smogu, jako jsou nelegální reklamy, ale i přebytečné cedule ve městě.

Jak to bude konkrétně vypadat?

GG: V současnosti Technická správa komunikací (TSK – pozn. red.) používá sdílený excel, aby se zapsal nález určitého problému a určilo se, co s ním, a zadalo se odstranění. Jenže když máte například odstavený autovrak a chcete ho odstranit z ulice, musíte si vyžádat souhlas policie, případně městské části, koordinovat to a tak dále. Takové řešení je zdlouhavé a zbytečně složité. A my chceme, aby to naše aplikace systematicky řešila a celý proces zautomatizovala. Pro nás jsou to zase zpětná vrátka k tomu, že pokud si pracovníci budou k jednotlivým událostem dělat fotky a evidenci, poskytnou nám spoustu informací, které můžeme použít pro trénink modelu umělé inteligence. Díky práci těchto lidí naučíme systém i bez obrazových médií vyhodnotit, zda se tam nachází nějaký problém, případně jakého je typu a komu ho poslat k vyřešení. A to my v Revolt BI následně využijeme pro automatizované rozpoznávání problémů pomocí videokamer.

V jaké je to teď fázi?

GG: Aplikace se nyní píše. Do konce června bychom to měli být schopni doručit na čtyři typové scénáře – autovraky, graffiti a dva druhy nelegální reklamy. Jsme totiž součástí finálové skupiny v již zmíněném hackathonu #NakopniPrahu, v němž chceme uspět ve využití strojového učení na rozpoznávání problémů vizuálního smogu. Klientem by měla být Technická správa komunikací.

Dá se prozradit, kolik bude toto řešení stát?

GG: To v tuto chvíli sami nevíme. Odvíjí se to od toho, kolik informací bude aplikace zpracovávat a kolik nám to také zabere času. Nutno chápat, že teď chystáme prototyp, který je omezen provozem. S tím se budeme ucházet o vítězství v hackathonu, aby Praha projekt podpořila a uvedla v realizaci. 

Vidíte i vy sám nějaké další využití této aplikace?

GG: Do tohoto hackathonu jsme šli hlavně proto, že umožňuje interní inovace. Chtěli jsme se posunout ve znalostech obrazové analytiky, kterou jsme dosud u našich klientů nedělali. Ale k vaší otázce, aplikace má podle mě velký potenciál. Existuje hromada odvětví závislých na datech z obrazu, například pivovarnictví, kde vynakládají značné prostředky na vybavení hospod marketingovými materiály. Ale vůbec nemají ponětí o tom, jestli vystavené materiály mají reálný dopad. Toto konkrétně je příklad, kdy by se automatizovaným sběrem informací pomocí monitorovacího auta mohla aplikace využít, mapovat brandy na předzahrádkách, analyzovat data investic do reklamy a podobně. 

„Tableau a Keboola nám hodně pomohly i v některých výběrových řízeních a hackathonech.“ Giuliano Giannetti

Noví klienti přicházejí kvůli platformám Keboola a Tableau

Dvě technologické platformy, Tableau a Keboolu, používáte u svých klientů. Proč jsou tak oblíbené?

GG: My hodně jedem v cloudových technologiích, kde děláme všechny implementace. Vysvětlím vám to na příkladu. Pokud si vezmete nějaký průměrný technologický projekt, tak než začnete cokoli produktivního vytvářet, musíte server někde nainstalovat. Dát ho na nějaké úložiště, někdo se o něj musí starat, musí být nějak napájen, někdo musí administrovat jeho bezpečnost atd. Pokud tento server není na skladě, je potřeba ho objednat. A trvá to tři týdny, než přijde z Číny. Teď možná i déle. Takže pokud nemáte službu, která vám poskytne podporu, jako je třeba cloud, tak ztrácíte měsíce tím, že technicky čekáte na samotný start. V tom nám z hlediska produktivity hodně pomáhá Keboola. Ušetří i půl roku přípravné práce. Je to integrační nástroj, který se nejčastěji využívá k propojení dat. Keboola poskytuje datovou infrastrukturu, a tím nám umožňuje pracovat už od hodiny, kdy podepíšeme spolupráci s klientem. 

Tableau je potom analytická platforma, která se používá pro komplexní analýzu dat. Je to nástroj, ve kterém se dají dělat aktualizace, data se dají různě skládat, vyvářet intuitivní reporty, prostě kompletní data servis. Je to robustní řešení, které umí dennodenní korporátní práci s daty. Tableau i Keboola nám navíc hodně pomohly i v některých výběrových řízeních nebo v hackathonech.

Tableau rádi využíváme, protože to mají rádi i naši klienti. U některých z nich si dokonce manažeři dělají analytiku sami, protože Tableau používají a zvládají. To se z hlediska uživatele u ostatních technologií říci nedá.

Největší zájem o klasickou analytiku je nyní v retailu

Jak vlastně Revolt BI vznikl?

GG: Revolt BI je název, který kombinuje business intelligence, kterou děláme, a náš postoj k projektům. Snažíme se o tzv. revoltu v rámci existující datové kultury. 🙂 Ale vážně… Kdysi jsem pracoval pro Keboolu a McKinsey and Company a dostal jsem se do fáze, kdy jsem se rozhodoval, co bude dál. Byl jsem datový konzultant a analytik. Dal jsem se tehdy dohromady se svým společníkem Markem Čerňanským. Zjistili jsme, že já jsem byl technicky založený a řešil jsem práci s daty na strojové úrovni. Dost mě trápilo, že jsem předával dobře připravené datové výstupy manažerům, kteří často nevěděli, co s tím mají dělat dál. Marek na druhé straně dělal pokročilé projekty, například různé predikce. Ale proces předávání informací mezi manažery a celý ten cyklus byl hrozně zdlouhavý. Tak nás napadlo, že když spojíme své síly, já připravím data a on je zanalyzuje, jsme schopni složité projekty připravit v řádu týdnů až měsíce, čili mnohem rychleji a efektivněji než je zvykem.

Tým Revolt BI se zakladateli Giulianem Giannettim a Markem Čerňanským (vpředu).

Kdo byl vaším první klientem?

GG: Košík.cz. Byl podzim roku 2017, kdy jsme dostali za úkol připravit kompletní analytiku pro řízení firmy. To byl extenzivní projekt. Během prvních čtyř měsíců jsme vyrobili asi sedm set reportů. Zpracovali jsme kompletní analytické výstupy pro celou firmu od skladu až po marketing. To nám pomohlo získat reference, nabrali jsme tým a rychle jsme se rozrostli na nějakých sedm lidí. 

Čili jste nezačínali jako startup?

GG: Já myslím, že my už z definice nejsme startup. My jsme byli ziskoví už od prvního týdne, kdy jsme začali. Náš kapitál ve firmě vlastně vznikl tak, že jsme já i můj společník první měsíce pracovali patnáct až dvacet hodin denně a polovinu výplaty jsme dávali na stranu. Z toho jsme financovali provoz firmy.

Tým Revolt BI

Jak velký tým máte v současné době?

GG: Teď je nás dvacet devět ve dvou zemích. Ale chystáme další nábory. 

Takže se chystáte i v době koronakrize přibírat lidi? Na vás současná situace nijak nedolehla?

GG: U nás je to půl na půl. Měli jsme širší portfolio klientů, byla tam odvětví, která skončila velmi špatně – hlavně cestovní ruch a služby. Naštěstí většina našich klientů je spíše digitálně zaměřena. Zjišťujeme, že pokud firmy investovaly do dat před krizí, tak byly napřed před firmami, které neinvestovaly a teprve teď nějak začínají. Co se týče nás, musím naopak říct, že za poslední měsíc jsme v počtu nových projektů zaznamenali nárůst.

Z jakého odvětví?

GG: Hlavně retail.

O co mají v retailu největší zájem?

GG: Retail je v situaci, kdy vyhodnocuje, co se děje. Takže mají zájem především o klasickou analytiku. Máme nějaké poptávky i na komplexní projekty, například v řízení logistiky, třeba jak optimalizovat sklady v hodnotě několika miliard. Ale ty jsou ve fázi vyjednávání.