Infostud grupa specijal EP003: Radomir Ikić

Audio zapis razgovora:

Transkript razgovora:

Ivan Minić: Poštovani slušaoci i gledaoci Pojačalo podkasta, dobro došli u treću epizodu specijala u Infostudu. Ja sam Ivan Minić, vaš domaćin, a danas u gostima imam Radomira Ikića koji je project manager u data science timu Infostuda. Dobro došao! Kako bi ti objasnio šta je tvoja pozicija?

Radomir Ikić: Neizvesno još uvek :), ali ako se vratimo na osnove project managmenta a ignorišemo za sada ovaj data science deo, koji možda malo i maglovit, još uvek, ne samo kod nas, već inače u primeni, onda je moja svrha da isporučim projekat u okvirima koji su dati, i da se negde maksimizira vrednost projekta i da se on lepo implementira tamo gde treba da služi nekoj svojoj svrsi. 

Ivan Minić: I ti si jedan onih koji su u Infostud došli prilično davno, i koji su krenuli od nekih juniorskih pozicija a danas su došli na neka lepa mesta, i tvoj razvojni put je, takođe, interesantan i imao je razne faze. Kada si došao u Infostud i na koju poziciju?

Dolazak u Infostud

Radomir Ikić: Bilo je to 2011. godine, posle fakulteta. Ja sam studirao novinarstvo. To je bila pozicija administratora oglasnog sadržaja na obrazovnim sajtovima, tako da je to bio neki početak, neka baš osnova, gde sam se, ne baš prvi put, susreo sa administriranjem jednog sajta, ali prvi put onako ozbiljno, da se to negde objavi, da vidim svojih ruku delo ali da to nije neki moj projekat sa kojim se igram. 

Ivan Minić: To je bio početak, ali za ovih deset godina je tvoj razvojni put kroz Infostud bio prilično interesantan. Šta su bile neke od najinteresantnijih tačaka, kao se sveto kretalo, kako si se ti razvijao, kako su se razvijala tvoja interesovanja i kako je firma to pratila?

Radomir Ikić: Pa, ne znam. Sad kad vratim tih 10 godina unazad, onako malo kad premotam, nisam nešto, ne osetim da je to bio sad neki smisleni napor, da ja želim da stignem od tačke A do tačke B, pa sad idemo da vidimo kako pravimo te neke stepenice. Nije to bio neko razvojni plan u tom smislu da imam zamišljen krajnji cilj, nego je onako bilo i Infostud je rastao i ja sam rastao, otvarale su se neke mogućnosti i tamo gde mi je bilo zanimljivo ja sam pokušao da “zabodem nos”, da vidim šta ima i da doprinesem nečemu. Neke te stvari su bile uspešne, neke manje uspešne, ali tu smo i dalje, 10 godina se igramo, tako da je to možda najbitnije. Probao sam razne uloge. Najpre je to bio taj unos sadržaja, na to se nekako nadovezalo i neko malo iskustvo iz prodaje usluga i odnosa sa klijentima, neki mali set marketing aktivnosti. Ovde kod nas u Infostudu je to tako, jednostavno, učestvuješ u svemu čemu možeš da doprineseš na neki način i ne držiš se striktno svoje pozicije, bar tako je najčešće bilo u početku. E, onda je tu došao razvoj sajta i funkcionalnosti kao pozicija na kojoj sam se najduže zadržao, i to sam probao i na obrazovnim sajtovima u nekom sastavu, pa kao svi radimo na tim sajtovima, i kasnije kad smo se podelili na manje ekipe. Pa, onda na sajtu Polovni automobili. Tamo sam bio nekih tri godine. Sad sam u centralnom sektoru, sektoru koji je prvo bio korporativni razvoj, a sada je to opet dva sektora – jedan jeste korporativni razvoj koji se bavi nekim organizacionim projektima i promenama, a drugi sektor je novi sektor, sektor koji se pravi podacima, istraživanjem i razvojem na osnovu tih podataka. Tako da, to je neki put, tako da kažem. 

Šta je data science sektor i kako se razvijao u Infostudu

Ivan Minić: Ono što, prosto, želimo da ispričamo kako uopšte nastaje, kako se uviđa potreba i kako nastaje plan da se formira data science tim za jednu kompaniju kao što je Infostud. Naravno, potreba je jasna da postoji, ali, prosto, jedno dugo vreme ulazi se u tako nešto na osnovu nekog ličnog osećaja. I što si više u priči, tvoj lični osećaj je sve tačniji u većini slučajeva, ali ne uvek. I često nemaš za šta da se uhvatiš da bi doneo zaključke koji su ti potrebni, pa tad osećaj ima veće šanse da promaši. A, ovo donošenje odluka na osnovu podataka je, u suštini, nešto što digitalna ekonomija i biznisi koji se razvijaju, možda ne primarno, ali i u digitalnoj sferi, nose sa sobom jer, prosto, na raspolaganju nam je mnoštvo podataka. Mnoštvo podataka ciljano možemo da sakupimo ako znamo da su nam potrebni. Samo ne znamo koji nam to podaci trebaju i baš šta ćemo sa njima i sve preostalo. I sve su to neke stvari koje, prosto, treba da se pojavi svest, pa da onda sazru, pa da se onda nađe adekvatno rešenje. I to je proces koji traje. Kako je taj proces izgledao kod vas?

Radomir Ikić: Da, kod nas je to proces koji još uvek traje. Negde je razloga za formiranje tog nekog centralnog odeljenja koje se bavi podacima u našem slučaju bio, onako kako ja to razumem, taj što je svaki biznis fokusiran na svoje korisnike i potrebe svojih korisnika, i fokusiran na razvoj proizvoda i usluga pomoću kojih to treba da se zadovolji. A onda ti podaci tu dolaze kao neka sekundarna sirovina, kao nešto što u tom procesu ostaje. Ono što se nameće često u online biznisima jeste da su ti podaci tu, pa su tu, i to super može da se iskoristi. E, sad… kod nas, postali smo svesni toga da to jeste jedan potencijal, a da to baš sve može da se iskoristi tek tako samo po sebi teško bez nekog smislenog napora da se to dovede do nekog upotrebnog oblika, i uopšte, da se biznis procesi dizajniraju tako da ostaju neki upotrebljivi podaci iza toga. I onda smo shvatili, jednostavno, da najviše tome možemo da se približimo nekim centralnim naporom. OK, biznisi neka se bave svojim stvarima, svojim problemima, uslugama i proizvodima, ali hajde da mi pomognemo svakom od tih biznisa koji su deo Infostud grupe, da im jednostavno donekle rešimo te neke podatke i da im pomognemo da podignu set kompetencija koje su potrebne da uđu u priču sa podacima. Tako da, eto to je neka logika kojom smo se vodili u rešavanju tog izazova krenemo centralno.

Ivan Minić: A kako si ti uopšte došao u kontakt sa data sciencom?

Radomir Ikić: Pozicija razvoja u našoj firmi je nešto što ti da neki širok pogled na sve i svakakve oblasti koje se negde ukrštaju kroz tu neku poziciju. Radiš sa programerima, i sa dizajnerima i sa biznis ljudima, pišeš projekte, definišeš ih, iniciraš ih, vodiš ih, sarađuješ sa svim tim ljudima da se sve to realizuje, i onda tu negde dođeš do raznih informacija, pa izabereš neku novu oblast koja te zanima. Ja sam tako krenuo dosta da čačkam Google analitiku i jako mi je bio fascinantan taj momenat kada u online okruženju možeš sve da izmeriš, možeš da pratiš kako tvoj proizvod funkcioniše i da u skladu sa tim reaguješ. I onda dosta čačkao iz toga. Bila je tu jedna konferencija koja je ključna za moje interesovanje za podatke, a to je Super Week. Organizuje je jedna super ekipa i održava se nadomak Budimpešte. Ove zime, naravno, nije bila zbog korone, ali to je događaj gde se skupi veliki broj stručnjaka iz te oblasti i nesebično dele znanje, neumorno pet dana u jednom hotelu gde se zatvoren na brdu i nemaš ništa drugo sem analitike. I tu sam čuo priče šta sve ljudi mogu da urade sa tim i da to nije banalno, i onda sam to pokušao da donesem u Infostud. Mi smo to i ranije to primenjivali, ali u smislu “OK, stavićemo eventove, malo ćemo da merimo posetu, videćemo šta i kako”. Onda smo i došli do prvog izazova kada smo shvatili da mi imao taj potencijal, imamo gomilu sajtova i da možemo da pomognemo, na primer Poslovima da plasiraju neki svoj proizvod zato što znamo da neki tamo ljudi na Polovnjacima su možda automehaničari, a ovde imamo poslodavce koji to jako traže. E, sad, to je i dalje na nivou koncepta i podleže raznoraznim pravilima i procedurama, i komplikovano je, nije jednostavno, ali, da, imamo tu mogućnost. I onda je to mene krenulo da radi, hajde da vidimo kako to da uradimo, pa sam tu sprovodio neke eksperimente sa analitikom, ulazio sve dublje i dublje. Tu je nekako paralelno i Dušica, moja šefica, koju ovom prilikom pozdravljam :), krenula sa formiranjem Korporativnog razvoja koji je krenuo sa guranjem cilja da postanemo data driven kompanija, i tu su nam se negde ukrstili putevi. Onda su, zatim, u tim došli Elizabeta, devojka je došla iz Rusije pre jedno godinu i po dana, doselila se ovde iz Moskve iz privatnih razloga, a onda kasnije prijavila se kod nas kao sistem administrator i završila u ovom data science odeljenju kao neko radi na data science projekta i data scientist je. Pa, onda je tu došla Isidora, koja je završila psihologiju, radila je razna istraživanja i analitika, pa je nekako i ona tu uplivala. Imamo i Stevana je koji je jako mnogo radio na obradi prirodnog jezika i sistemima za obradu prirodnog jezika, koji je sad na Poslovima i radi na rekomenderu i na još nekim sistemima. I onda se tu nekako sastavila ta neka ekipa i krenuli smo da radimo projekte. Ali, to je krenulo na nivou “OK, hajde da probamo da napravimo neki algoritam koji će da proceni da li je cena ovog vozila fer ili nije fer”, u smislu da li je dobra prilika za kupovinu ili nije, ili ako formiraš cenu, da li si formirao dobru cenu po kojoj ćeš da je prodaš ili čak možeš malo jače ili bi trebao da možda malo da sniziš očekivanja. Onda smo tako nekako ulazili u te neke projekte sa “hajde da probamo” 🙂 Ali smo onda posle svakog tog projekta shvatili koliko ti nemaš sa biznisom isplaniranu tu implementaciju gde će taj projekat da sedne, kako će da se koristi, koji je njegov biznis potencija, da li mi očekujemo da dobijemo neke pare, da li nešto hoćemo da zaradimo ili hoćemo da unapredimo neki proces, da se radi brže, bolje i efikasnije ili da vežemo prisnije korisnike  ili neki segment korisnika za nešto. Ako nemamo taj plan, onda ovo ostaje neka eksperimentacija jer svaki taj projekat kasnije kada se razvije, ima posla i da se implementira. I ako ta dva sveta nisu dobro povezana, raznorazni osećaji razočarenja proizilaze iz toga – “što sam ja pravio ovo kad se na kraju ne korist?” ili “e, vidi, mi to super možemo, ali možda ne prikupljamo podatke dovoljno dobro” ili “Ne, ovaj bizinis nema realno očekivanje da se ovaj projekat realizuje zato što to nikada nećemo moći da isporučimo dovoljno veliku vrednost na ovaj način”. Tipa, provešćemo dve godine gradeći neki sistem za pretragu oglasa, a onda ćemo kada ga implementiramo shvatiti da, jednostavno, ne možemo mnogo bolji posao da uradimo od nekog običnog sistema koji će ispod ispisati oglase koji slične cene i, možda, ako pričamo o automobilima istog oblika karoserije i namene. I onda tu se rodila potreba za upravljanjem tim procesom, odnosno za planiranjem projekta, dobrom strukturom projekta, odabirom aktivnosti koje će se prvo raditi u projektu, i tu se otvorila potreba da postoji i neki project manager u data science projektima.

Budući projekti data science sektora

Ivan Minić: Naveo si sada neke primere šta to može da bude nešto što ste vi radili i razvijali. Generalno ljudi najbolje razumeju stvari kroz primere i mislim da ovi koje si dao jesu dobri, ali mi se čini da su to uglavnom bile small scale stvari, neke na nivou nekog eksperimenta koji je nice to have. I sigurno, može da doprinese, ne mora da doprinese, ali nije čak i ako ne doprinese, nije strašno. Ali ta težnja da se postane data driven kompanija, odnosno da se ključne odluke donose na osnovu podataka je mnogo viši i kompleksniji cilj od toga, vi još uvek niste došli do toga ali idete ka tome, a i pre data science generalno važne poruke su donošene na osnovu podataka, samo na drugi način. Šta je neki plan za naredni period što se toga tiče i koji su neki tipovi projekata na kojima želite dalje da razvijate priču?

Radomir Ikić: Pa glavni plan je uopšte dovesti organizaciju do toga da može da donosi odluke na osnovu podataka. Neke prve stvari koje su rađene, koje su vrlo basic i osnovne jeste da li u svakom biznisu imamo definisane KPI-eve za bitne stvari koje su bitne za taj biznis, u smislu da posete, prihoda, odnosa u odnosu na konkurenciju i tako dalje. I to su radile moje kolege iz korporativnog razvoja, gde su radili sa pojedinačnim biznisima to posle. Svako je to nekako pratio, ali mi smo grupa i negde smo pokušali da napravimo sistem od toga. To je bio neki prvi korak, to su neki bazični indikatori koji treba da nas pokrenu na razmišljanje da vidimo da li uopšte treba da donesemo neku odluku, znači da nas podaci poguraju da preispitamo neko stanje. A onda dalje, kada smo krenuli u data science projekte i kada smo pokušali da gradimo neke funkcionalnosti koje će koristiti naše podatke, koji su raznorazni jer mi funkcionišemo na nekom savršenom ljubavnom trouglu – takvi su naši biznisi, otprilike 🙂 Sa jedne strane smo mi, sa druge strane su korisnici, sa treće strane su oglašivači, a ako to postoji dobro određeno težište, onda sve dobro radi. I u tom trouglu stvarno mnogo podataka ima. Onda smo uložili napor u to – OK, hajde prvo da sistematišemo te podatke. Znači, da smislimo neki način kako Infostud radi po pitanju skladištenja podataka, po pitanju opisa tih podataka, po pitanju njihove strukture i oblika gde se oni nalaze, kako im se pristupa, jer su to neke bazične stvari koje treba srediti da bi neko ko zna uopšte da ih analizira mogao da donosi neke zaključke. Tako da nam je to stvar kojom se sada najviše u suštini bavimo. Jedan od mojih projekata koje vodim je sistematizacija analitičkih podataka, odnosno podataka o interakciji podataka sa sajtom gde pokušavamo negde da sažvaćemo taj Infostud data jezik koji će jako lako moći da damo na korišćenje svakom našem biznisu i da onda, bilo da je novi neki biznis koji ulazi u grupaciju ili neki od postojećih, jednostavno da rešimo te neke prepreke u razumevanju podataka. Jer, šta je situacija? Ako imaš centralno odeljenje i ljude koji treba tamo nešto da rade sa tim podacima, jako je dug period dok neko uđe u samu strukturu tih podataka i u kakvom su stanju ti podaci u nekom biznisu. Ukoliko imamo neki zajednički sistem i neku zajedničku strukturu to je mnogo lakše. Tako da, tu smo negde, jedan od projekata koji sada guramo i koji počinju je izgradnja te neke centralne data infrastrukture  u kojoj treba sve to da se slije, i cela priča oko data lake i data wearhousa i kako se relacije između ta dva sistema grade, i kako se zasnivaju dobri procesi koji od sirovih podataka dovode stvari do upotrebljivih podataka. To su stvari oko kojih, bar ja, sad najviše razmišljam i pokrećemo dosta inicijativa da se to negde napravi neki sređeni sistem od toga. 

Ivan Minić: Podaci su super, ali je vrlo važno da se oni razumeju u pravom kontekstu. Da bi do toga došlo, potrebno je da je i deo bizinis ljudi uzme svoje aktivno učešće u svemu. Kako funkcioniše taj vid saradnje? Odnosno, jasno je da svest o važnosti postoji, ali, prosto, kako je ljudima da promene način na koji su do tog trenutka funkcionisali i da daju šansu nekim novim stvarima koje su logične, ali možda neuobičajne i nešto na šta nisu naviknuti?

Kako pomiriti nauku i biznis

Radomir Ikić: Pa i kao svaka promena, malo je neudobna, ali ono čime se ja u svome radu vodima, a i nekako i Infostud karakteristika je – hajde da krenemo od nekih vrednosti. OK, ako imamo vrednosti koje hoćemo da isporučimo kroz neki projekat, onda ćemo se jako lako razumeti šta oko toga treba da se uradili ili ćemo jedni drugima dati poverenje, u smislu i prostora da radiš na nečemu i u smislu mog vremena koje treba da tebe saslušam nešto kako bismo mogli da sarađujemo. Tako, ta neka vrednost projekta koja se unapred definiše i koju želimo da jurimo i koja je dovoljno opipljiva za biznis, to je nešto od čeka počinjemo, i to je negde gde nam se interesi uvrežavaju. Jer, postoji taj svet ljudi koji postoje sa podacima koji je mnogo drugačiji od ljudi koji rade u biznisu, i jednostavno, potrebno je povezati ta dva sveta. Često su i jedni i drugi u pravu, a postoji nerazumevanje između, tako da, odatle negde idemo da nađemo zajedničku vrednost od koje počinjemo da radimo. Taj biznis kontekst je dosta značajan za data ljude, jer ukoliko imamo biznis kontekst u tom smislu šta je proizvod koji gradimo, koju vrednost on treba da ima, koji problem treba da reši, za koji posao mi angažujemo neko AI ili LM rešenje ili pokušavamo da napravimo, koji posao treba da reši, to data ljudima daje veoma dobar uvid u to koju će tehnologiju da koriste, na koji način će da reše neki projekat i ono čemu ćemo mi težiti je da ubuduće postavljamo neke metodologije kojima vodimo te projekte, kako ih planiramo i osmišljavamo. Probaćemo da što pre “ubijemo” jedan takav projekat. Mislim, nećemo se neprijateljski odnositi prema njemu, ali činjenica je da često u data projekte ulazimo zato što ih gledamo kao magično rešenje nekog problema. Oni nisu rešenje problema. Oni su alat kojim se problem rešava. Za taj problem mogu da se koriste i drugi alati. I u zavisnosti od toga i koji je biznis zreo za razmišljanje i analizu podataka, zavisi to koliko je zreo da se primeni neko data science rešenje određenog problema. I tu je u pripremi projekta jako dobro i korisno doći do procene te zrelosti biznisa. I onda dati neke preporuke u skladu sa tim. OK, hajde ipak da probamo neki NVP koji će nas malo bliže približiti ovom problemu, a da ne zaglavimo u neki API projekat koji će da traje godinu, godinu i po dana, gde treba uložiti određene resurse. Malo je kod nas maglovito, pošto interni su resursi, pa nemamo osećaj koštanja, ali jako se vidi dobro kad dođe neko eksterno i ponudi neki projekat koji je super neki AI sistem za moderaciju oglasa, kada dođemo do cene koštanja, i onda kažemo “puf, jako puno evra, a mi ne znamo tačno šta ćemo sa tim”. I to je kada ti neko eksterno dođe i ponudi tako nešto, to je onako jako lep pokazatelj da nismo spremni jednostavno da uđemo u to i da nam je dovoljno dobro da jeftinije i sa nekim, uslovno da kažem, primitivnijim tehnologijama rešimo problem. Eto, jedan primer konkretan, pošto smo rekli da ćemo pokušati da sve ovo potkrepimo primerima, pre nekih dve godine, možda malo jače, prvi neki data projekat u Infostudu bio je implementacija sistema za preporuku oglasa u Polovnjacima. Jedna partnerska češka firma nam je ponudila njihovo rešenje koje bi trebalo da bude content diagnostic, odnosno, taj rekomender bi trebao da preporučuje kakav god sadržaj, bilo to tekstovi ili oglasi za automobile. I onda smo prvo pokušali to da implementiramo. Nismo se mnogo bavili time kako ćemo da merimo uspeh, tu nam je bilo više važno da probamo. Cena je bila OK za test, da malo naučimo nešto. I onda smo to implementirali, imali smo doprinos rastu stope konverzije od nekih 5-6%, ako se dobro sećam i to je nama bilo OK, podiže konverziju. Međutim, onda smo za par meseci uzeli i sklepali neko naše rešenje koje gleda, ovaj rekomender je gledao 50 različitih parametara automobila i pratio sve moguće korisnike i onda na osnovu toga sličnim korisnicima, jer je gledao i njihovu interakciju sa automobilima, proračunavao šta da im preporuči. A onda smo mi napravili naše rešenje gleda sa samo 3 ili 4 parametra neka automobile, zato što smo znali da na tržištu to su neki kriterijumi – cena, gorivo… 

Ivan Minić: Plivajući zamajac 😀

Radomir Ikić: Plivajući zamajac, na primer 😀 I onda smo napravili “if then else”, i stavili isto pet oglasa na isto mesto i taj naš sistem je imao 0,04% manji doprinos stopi rasta konverzije. I onda smo rekli, pa ovaj rekomender što su nam prodali, pa i ne radi baš najbolje. Nije poenta bila u tome da to ne radi najbolje, nego to nije posao za koji smo trebali da zaposlimo taj rekomender. E, sad, kada se vratim na ovo planiranje projekata i odabir toga šta radimo u data science timu, ono čemu ćemo težiti je da dobro preispitamo imali nešto jednostavnije od ovoga, da može pre da zadovolji biznis, zato što, opet se vraćam, ono od čega krećemo jeste potrebe biznisa i njegovih korisnika, što bolji i optimalniji način da to zadovoljimo. Ako to može bez AI, super! Ako nemamo drugu ideju i ipak želimo da probamo AI, onda ćemo to da definišemo kao research projekat u kome istražujemo nešto, pa ćemo da vidimo na kraju, ali i onda i ljudi koji to rade znaju da ćemo to možda da bacimo u smeće i nećemo da koristimo. I onda nema frustracija na kraju. Znali smo šta nam je posao. 

Ivan Minić: A nema ni očekivanja, posebno onih komercijalnih koja su uvek kada je firma, čak i kada je relativno već velika, i dalje mi ne pričamo o visokoprofitabilnim industrijama i svemu ostalom, već mora da se vodi i računa o svemu, stvari moraju da budu najjednostavnije moguće, ali ne i jednostavnije od toga. Ali, isto tako, prosto, ako postoji niz rešenja na raspolaganju, treba da se pronađe optimalno, i to što je neko rešenje 1% bolje, ako je tri puta kompleksnije, onda se verovatno ne isplati. Čak i ako ne pričamo o tom komponenti da je jedno rešenje interno razvijeno, drugo je kupljeno, nego prosto, kada uzmeš u obzir kompleksnost svega, resurse koji se troše, stabilnost sistema, sve što povlači rad sa nečim što koristi velike količine podataka. Mislim, kada pričamo o big data, to je buzz word već 7-8 godina. Pa šta je tu teško? Pa teško je kada imaš previše nečega da izvučeš ono što ima smisla. To je poenta. Nije poenta u tome da sad nađem “treba mi taj podatak, imam ga”, već šta ćeš sa tim podatkom? Šta ti on znači? On izolovan ne znači ništa. Ako ukrstiš neke stvari, može da znači, ali nije lako ukrštati na neku ogromnu količinu i vrlo je važno i odabrati adekvatne KPI-e, postaviti hipoteze koje treba da se testiraju, ne ono da se pretpostavlja da je sve zapisano u kamenu i sigurno tako. I tu negde mislim da, iako, mnogi od nas i dalje prvo slušaju svoj želudac, ili nešto unutra, šta god to bilo, super je kad to možeš da testiraš i to možeš da proveriš i možeš da postaviš metodologiju, da potkrepiš, jer onda će manje da te boli želudac, i manje ćeš da razmišljaš o tome da li je ta odluka bazirana na nekoj intuiciji ili ličnom iskustvu, ali je vrlo subjektivna, i da li je ona ispravna ili ne. Vi imate veliki sistem, sa mnogo različitih vertikala, u kojima u svakoj kada se napravi malo unapređenje, u konačnici se pravi velika razlika. Kroz deset malih unapređenja na svakom od mesta, na kraju se napravi jako veliki rezultat i to je negde pretpostavljam i cilj kroz vreme da se do toga dođe. 

Radomir Ikić: U suštini jeste, jer i mi kada ovako kao centralno odeljenje koje nije deo nijednog biznisa konkretno, a svima negde pomaže i pokušava da zajedno sa svima radi, da prosejavamo te podatke u potrazi za zlatnim grumenjem, mislim da je dobar pristup tako nekako ući u sve to. Zašto? Zato što danas ako pravimo rekomender za polovnjake, i on tamo ne može da bude angažovan za dovoljan posao koji treba da uradi, OK, imamo 4Zida.rs, probaćemo tamo, možda će tamo drugačije da radi, ili probaćemo u Poslovima. Danas sutra će doći neki novi biznis u grupi koji nema niti resurse niti znanje kako da uradi nešto, pa ćemo mu to dati kao gotovo rešenje. Tako da, tu negde stvarno pokušavamo da se ponašamo kao grupacija koja će taj neki rad sa podacima i rezultate tog rada da ponudi za sve njene članove. I mislim da je to jedna od snaga koje imamo i koje treba da koristimo taj potencijal.

Uticaj GDPR-a na poslovanje 

Ivan Minić: Jedna od nezaobilaznih tema kada pričamo o podacima i svemu onome što sejemo po internetu, je i GDPR i sve ono što je on doneo i sve one komplikacije, sve implikacije i sve komplikacije. Šta u vašem slučaju donosi GDPR?

Radomir Ikić: U našem slučaj, reći ću svoje lično mišljenje, ne donosi mnogo, niti nešto mnogo odnosi, samo podrazumeva neku jaču stopu odgovornosti za nešto za šta nas niko ranije nije proaktivno nije cimao, nije zahtevao od nas, a sada je to neko pravilo i sada se zahteva. Ja tako gledam na to. Čini mi se da to da treba da imaš svrhu obrade određenih podataka i da ih koristiš samo za ono što ti je neko dozvolio da ih koristiš je vrlo prirodno, bez obzira što smo ranije bili u mogućnosti da radimo druge stvari. Ali, ako počinjemo od svojih ličnih vrednosti kao pojedinci ili kao kompanija, stvari su poprilično jasne. I tu nema nekih iznenađenja u svemu tome ako tako postavimo stvari i tako ih i gledamo. Tehnički je jednostavna stvar za ispratiti i jednostavna stvar za obezbediti, usaglašena sa nekim odrednicima GDPR. Na primer, mi smo ranije imali saradnje sa bankama za kreiranje kreditnih kalkulatora, gde smo imali inicijativu da ljudi preko naših sajtova mogu da apliciraju za kredit za automobil, na primer ili da uporede više ponuda banaka. Ali smo onda došli do GDPR regulative gde mi upravljamo podacima, odnosno, dolazimo u posed nekih osetljivih podataka o našim korisnicima koje ranije nismo tražili, gde onda nije samo naš odgovornost kako ćemo se postaviti prema tome, već kako će i banka kao partner da gleda na nas kao dodatnog obrađivača tih podataka i  dali mi tu nudimo dovoljno velik nivo sigurnosti. I onda tu odnos postaje komplikovan, tu stvar više nije – ajd samo da omogućimo da nešto može, nego to mora da ima neki jak nivo sigurnosti i to je negde gde se, na tom plastičnom primeru, ogledava komplikacija koju uvodi GDPR, ali ne gledam na to kao na nešto što nije smisleno. Jeste, ja prvi na kraju bih voleo od koga god ili gde god sam ostavio svoje podatke u trenutku kada mi se to učini za shodno mogu da ih povučem, i da jednostavno niko nema uvid u njih više zato što ja to ne želim. Eto, jednostavno. Tako da, vrlo mi je to prirodno. E, sad… baš je i Miroslav Varga u jednom razgovoru kod tebe rekao da misli da baš malim igračima ne ide na ruku, ide velikim. Znam da je Google veliki sistem i da jednostavno podatke može da ima i nesmetano od first party konteksta, to jest, sve je first party kontekst, tako da third party ograničenja, praćenje ljudi od treće strane ih i ne tangira u tom smislu. Sreća negde Infostuda jeste da isto tako nekako imamo mnogo vertikala i jednostavno nigde nemamo to kršenje takvih nekih regulativa u smislu da nešto prikupljamo iz third party konteksta, svuda smo kao jedna grupa biznisa i to nam negde ide na ruku. Međutim, odgovornost jeste kako ćemo mi to da koristimo i odgovornost jeste da li su naši korisnici svesni kako mi to koristimo. To je, na kraju krajeva, najsitnije gledano IUX problem, kako predočiti to ljudima, jer naši korisnici su razni, sa raznim nivoom tehničke pismenosti.. 

Ivan Minić: Koriste najrazličitije uređaje. 

Radomir Ikić: Bukvalno. I imamo situaciju da nas ljudi zovu za korisničku podršku da ime ne radi nešto u nalogu na Polovnim automobilima, i onda, kada pitamo koji browser koriste, oni ne znaju da odgovore ili da moramo znamo tehničku podršku da bi neko otvorio mejl nalog da bi mogao da pristupi sajtu. To je s jedne strane simpatično, jer neko je otvorio mejl nalog da se učlani… 

Ivan Minić: Nije, nije simpatično, ali je u delu opisa posla. 

Radomir Ikić: Ne, simpatično je to zato što, onako, lep je osećaj da znaš da je neko odlučio da se da uključi taj računar da bi mogao da oglasi svoj automobil zato što zna da će da prodati na Polovnim automobilima. U tom smislu je simpatično. 

Ivan Minić: Jeste.

Radomir Ikić: Onome ko mora da tu podršku verovatno uopšte nije. 😀 Ali, ti onda imaš odgovornost da objasniš ljudima “hej, ja prikupljam tvoje podatke”, i kada to kažeš, to zvuči jako strašno. Eto, to su neki razni izazovi rada sa GDPR-om, poštovanje GDPR procedura koje padaju na jedan online biznis. Jako široka tema, možda da ne širimo 😀

Ivan Minić: Ne, samo sam hteo prosto da se dotaknemo i toga jer to jeste nešto što u mnogim situacijama drastičo menja pristupe. U vašem ne toliko, ali oni koji su zavisili od third party podataka za svoje biznise, a takvih biznisa je mnogo, su sada u mnogo težoj poziciji i, prosto, poziciji koja se iz nedelje u nedelju, iz meseca u mesec dodatno usložnjava sa novim stvarima koje se dešavaju sa različitim tržišnim igračima, tržišnim interesima koji odlučuju da te stvari regulišu onako kako njima to najbolje odgovara. Hvala ti. Mislim da smo oslikali ljudima malo priču o tome kako jedna kompanija koja radi prave stvari razmišlja na pravi način i da su podaci izuzetno važni da bi se donosile ispravne i dobre poslovne odluke. Takođe, jako mi je drago da smo prošli kroz to da pokažemo da je to proces, da to nije “neko je rekao i sutra se sve dešava samo od sebe”, da je to vrlo kompleksan proces koji sa sobom kasnije povlači i vrlo ozbiljne benefite ali i to traje, i da je to put koji nije ni malo jednostavan, ali je vredan da se kroz njega prođe. Hvala ti i za tvoju ličnu Infostud priču, zato što imam neki osećaj kada pričam sa ljudima odavde, što sam već više puta rekao, da su to sve neki fini, pristojni, dobri ljudi koji su ovde već dugo zato što žele da budu  ovde, zato što su u okruženju koje ih stimuliše, zato što su u okruženju koje im pomaže da rastu i da se razvijaju i to u meri u kojoj je to moguće se trudi da isprati i njihova interesovanja i njihove strasti i uzme ih u obzir kada se prave planovi za razvoj i sve ostalo. Hvala vama što ste nas slušali i gledali. Kao i do sada, vidimo se naredne nedelje u redovnoj epizodi, a u narednu sredu u narednom specijalu.