Baroni razbojnici digitalnog doba

Način na koji je kompanija Cambridge Analytica iskoristila Facebook da prikupi podatke o desetinama miliona korisnika samo je jedan od problema vezanih za ovu društvenu mrežu i njen uticaj na društveni i politički život. Na izvestan način ovaj skandal je skrenuo pažnju sa važnijih pitanja koja proističu iz modela poslovanja giganata interneta: Google, Facebook, Amazon i druge velike tehnološke kompanije izgradile su najobuhvatniji i najbezobzirniji aparat nadzora i praćenja koji je svet ikada video. Svi smo pod njihovom prismotrom.

Poslovni model internet kompanija može se opisati kao kapitalizam nadziranja – što je prva učinila harvardska profesorka Shoshana Zuboff 2015. godine. Izgrađen na tehnologijama prikupljanja informacija i manipulisanja ponašanjem korisnika, kapitalizam nadziranja nastao je onog trenutka kada su inženjeri iz Googla shvatili da prateći šta korisnici unose u pretraživač mogu anticipirati njihove želje. Razvijanje tehnika za predviđanje želja korisnika omogućilo im je da plasiraju prilagođene oglase koji će uvećati prihode kompanije.

Danas praktično svaki aspekt svakodnevnog života ostavlja trag u korporativnim bazama podataka koji se koriste za predviđanje i oblikovanje svih oblika ponašanja. Ali korporacije koje se bave biznisom nadziranja ne zadovoljavaju se samo praćenjem želja korisnika; one aktivno oblikuju i usmeravaju te želje u skladu sa svojim ciljevima. To obično znači da se od nas očekuje da kliknemo na reklamu, posetimo veb-stranicu ili konačno nešto kupimo. Da bi to postigli, koriste se sve poznate prečice i predubeđenja koja utiču na ljude prilikom donošenja odluka, čime se bavi disciplina poznata kao „heuristika“. To često podrazumeva da se linkovi i drugi sadržaji moraju prikazati na način koji ih čini atraktivnijim, a u nekim slučajevima kao što su takozvani „mračni šabloni“ – trikovi za privlačenje pažnje i prodaju ili prikupljanje ličnih podataka koji uključuju element prevare – koriste se arhitekture izbora koje korisnike proračunato dovode u zabludu.

Opsežni eksperimenti omogućuju dalje usavršavanje oglasa i poziva na interakciju. Google je na primer do 2014. godišnje izvodio oko 10.000 eksperimenata u oblasti pretrage i plasiranja oglasa, a u bilo kom trenutku u toku je bar 1.000 eksperimenata. Eksperimentima se testiraju korisnički interfejsi, algoritmi i drugi elementi servisa da bi se ustanovilo koje kombinacije su najefikasnije za angažovanje korisnika. Oglasi vas prate sa jedne veb-stranice na drugu, svaki put suptilno izmenjeni, jer kompanija pokušava da na osnovu vašeg ponašanja i reakcija otkrije koja varijacija će vas naterati da konačno kliknete na oglas.

Otuda, ako koristite Chrome pretraživač ili Google aplikacije gotovo je sigurno da ste deo uzorka u desetinama psiholoških eksperimenata koji treba da ustanove profil vaših navika i slabe tačke koje kompanijama mogu doneti korist. Taj personalizovani i dinamički oblik podsticanja određenih oblika ponašanja pruža kompanijama mnoštvo prilika da manipulišu korisnicima na načine nezamislive pre nastanka interneta. A budući da se saznanja o vašim slabim tačkama dalje primenjuju za što efikasniji uticaj na ostale korisnike, vi ste praktično saučesnik, ne samo u sopstvenoj već i u manipulaciji vaših prijatelja i članova porodice, suseda i kolega, praktično svakog korisnika ovih usluga.

Većina ljudi ne shvata koliko inače nedostupnih informacija možete otkriti samo analizom relativno depersonalizovanih podataka o ponašanju neke osobe. Istraživanje iz 2013. koje je sproveo Centar za psihometriju Univerziteta u Kembridžu pokazalo je da i bez činjeničnih podataka o nekoj osobi analiza „lajkova“ na Facebooku može precizno pokazati njenu seksualnu orijentaciju, etničku pripadnost, nivo zadovoljstva životom, politička i verska ubeđenja, da li su joj roditelji razvedeni i da li koristi droge. U nastavku istraživanja 2015. pokazalo se da kroz analizu „lajkova“ kompjuter može proceniti karakteristike vaše ličnosti – koliko ste naklonjeni umetnostima, koliko ste stidljivi ili kooperativni – bolje nego članovi vaše porodice i prijatelji. Zamislite sad koliko se podataka, čak i onih koje smatrate ličnim i poverljivim, može izvući iz mora drugih informacija koje korporacije prikupljaju o vama i svakom drugom korisniku. Onda zamislite eksponencijalni rast količine takvih podataka koji će uslediti sa širenjem takozvanog interneta stvari (Internet of Things, IoT) – što je praktično mreža senzora, kamera i mikrofona koji će se kriti u vašim domovima, kancelarijama i na javnim mestima i vredno prikupljati i slati podatke u baze podataka kapitalizma nadziranja.

Oni koji su pratili saslušanje Marka Zuckerberga pred Kongresom prošle nedelje su u zabludi ako misle da ne treba da se brinu jer ne koriste Facebook. Tehnike praćenja koje kompanija koristi – uključujući alat Facebook Pixel namenjen oglašivačima i dugmad „like“ i „share“ – utkane su u sam internet i mnoštvo veb stranica. Na taj način se prate korisnici širom interneta, stiču predstavu o njihovim interesovanjima i upućuju im se prilagođeni oglasi. Zeynep Tufekci, profesor sociologije na Univerzitetu Severne Karoline, napisao je nedavno u New York Timesu da čak i ako nemate otvoren nalog, Facebook može dedukovati informacije o vama na osnovu onoga što zna o vašim prijateljima koji ga imaju. Čak i ako niste registrovani korisnik, Facebook verovatno sastavlja „skriveni dosije“ o vama, isto kao za svoje korisnike. U Americi nema načina da to sprečite. Koristili Facebook ili ne, on vas posmatra.

Često se tvrdi da su lični podaci cena koju plaćamo da bismo besplatno koristili ponuđene usluge. Ali to nije sasvim tačno. Prava cena koju plaćamo da bismo koristili Google i Facebook jeste naša privatnost. Odustajanje od prava na privatnost omogućuje kompanijama da istražuju vaše psihološke slabe tačke i naplaćuju oglašivačima mogućnost da ih koriste. Da bi to prikrile, ove kompanije se skrivaju iza dokumenata o politici privatnosti koji su često dugački, komplikovani i pisani nerazumljivim pravnim jezikom. Pre desetak godina jedno istraživanje je pokazalo da bi prosečnom korisniku godišnje trebalo oko 25 dana (i noći) da pročita sve politike privatnosti koje je primoran da prihvati. Ko ima vremena i volje da to čita? Pozivanje na privatnost da bi se opravdale takve prakse liči na prevaru – Federalna komisija za trgovinu je osudila politiku privatnosti koju nudi Google jer korisnike dovodi u zabludu – naročito kada se ima u vidu da korporacije u biznisu nadziranja koriste heurističke metode da otkriju najbolji način prezentacije politika privatnosti tako da navedu korisnike da ih prihvate.

Možda vam se čini da je to razumna cena za održavanje kontakta sa prijateljima i rođacima. Ali ono što dobijate zauzvrat nije verna slika vašeg socijalnog kruga, već prilagođena verzija kojom upravljaju algoritmi inženjera iz Facebooka. To što vidite nije stvarnost, već slika stvarnosti koju je za vas filtrirao Facebook. U tu prilagođenu sliku enkodirani su različiti sudovi o tome šta je po mišljenju Facebooka vredno vaše pažnje. Na primer, algoritam za prikazivanje novih objava smanjuje vidljivost onih korisnika koji prema kriterijumima kompanije nisu dovoljno aktivni – to jest, prikazuje manji broj njihovih objava drugim korisnicima – i uvećava vidljivost onih koji su aktivniji. To je nov oblik kontrole: radite ono što Facebook od vas želi i bićete nagrađeni; ako ne ispunite kvotu, bićete kažnjeni socijalnom nevidljivošću. To može proizvesti teške posledice. Zamislite, na primer, da ste se u trenutku teške bolesti okrenuli Facebooku u pokušaju da doprete do prijatelja koji će vas podržati i utešiti, ali niko od vaših prijatelja ne reaguje i vi umirete u uverenju da nikome nije stalo do vas – samo zato što niste bili dovoljno aktivni da bi Facebook smatrao da je vaša bolest vredna pažnje vaših prijatelja. To nije anti-utopija iz budućnosti – to se navodno dogodilo prošle godine.

Kada Mark Zuckerberg govori o povezivanju ljudi, kao što često čini, on uvek zaboravlja da naglasi da je to povezivanje ljudi sa Facebookom. Koliko god da Zuckerberg priča o zajednici i povezanosti, Facebook ne postoji da bi doprineo održavanju društvenih veza i istinskih prijateljstava. On zarađuje od oglašavanja i zato želi da što više surfujete, skrolujete i klikćete i tako ustupate detalje o svom životu za dalju obradu. Da bi to postigao, Facebook se mora pozicionirati kao centar vašeg društvenog života i posrednik vaše stvarnosti.

Tako posredovana stvarnost daje kompaniji kao što je Zuckerbergova značajan uticaj na globalni protok informacija. Sa tim uticajem ide i odgovornost. Ipak, zahvaljujući nedavno procurelim internim dokumentima znamo da Facebook ne razmišlja mnogo o posledicama svog delanja i da toleriše globalni procvat lažnih vesti i dezinformacija. U Mjanmaru na primer, gde je Facebook toliko dominantan da mnogi veruju da su Facebook i internet jedna ista stvar, brisani su sadržaji kojima se skreće pažnja na etničko čišćenje Rohinja muslimana i zabranjivani sadržaji njihovih grupa, dok pozive na nasilje protiv njih niko nije cenzurisao. Uticaj Facebooka u Mjanmaru je tako veliki da ga Ujedinjene nacije i grupe za zaštitu ljudskih prava optužuju za pomaganje u genocidu.

Da ne bude zabune, takvo ponašanje nije ograničeno samo na Facebook; to je endemski oblik ponašanja u kapitalizmu nadziranja. Poznato je da je Google preporučivao linkove koji vode do stranica o teorijama zavere; u članku u Timesu objavljeno je da je Google čak postavljao oglase za lažne vesti na stranice posvećene proveri činjenica u vestima. U pokušaju da uveća broj klikova i prihod, YouTube, jedan od servisa pod kontrolom Googla, usmerava korisnike na sve ekstremnije video snimke i postaje vodeći generator radikalizacije u 21. veku.

Svet upravo otkriva da stvarnost posredovana Facebookom olakšava nadziranje glasača od strane političkih partija i kampanja. Facebook alati „prilagođena publika“ i „slična publika“ omogućuju oglašivačima, uključujući i političke organizacije, da dostave spiskove ljudi na koje ciljaju i povežu ih sa njihovim profilima. Oglašivači onda mogu izabrati slične ljude koji nisu bili na njihovim spiskovima i usmeriti političke poruke na sve njih, što znatno pojačava efekte kampanje. Pomoću takvih alata za mikrociljanje organizatori kampanja mogu precizno plasirati različite poruke različitim grupama glasača. Prema članku iz magazina Wired, tokom američkih predsedničkih izbora 2016. Trumpova kampanja je svakog dana koristila oglase u 40-50 hiljada različitih varijacija pažljivo osmišljenih da deluju na ciljane grupe i prethodno testiranih eksperimentima. Na dan treće predsedničke debate, takvih prilagođenih varijacija bilo je 175.000. Menadžer Trumpove digitalne kampanje tvrdi da je Trump pobedio zahvaljujući Facebooku i Twitteru.

Za vreme izbora za Kongres 2010. godine Facebook je organizovao sopstveno istraživanje efekata političkih poruka upućenih preko onlajn platformi. Istraživanje je pokazalo da je moguće uvećati verovatnoću izlaska birača na glasanje za oko 0,4 odsto plasiranjem obaveštenja da su njihovi prijatelji već glasali i ohrabrivanjem da učine isto (nešto drugačiji eksperiment izveden 2012. dao je sličan rezultat). To ne zvuči kao mnogo, ali na nivou zemlje to je oko 340.000 glasova. George W. Bush je pobedio sa razlikom od nekoliko stotina glasova u Floridi; Donald Trump je 2016. pobedio zahvaljujući tome što je uspeo da privuče oko 80.000 glasova više u samo tri države. Pažljivo dizajnirane mikro-kampanje pod parolom „izađi i glasaj“ imaju veliki značaj u slučajevima kada je trka izjednačena. Takođe, u kampanji 2016. Trump je koristio alatku „prilagođena publika“ za vođenje tri kampanje za odvraćanje onih grupa birača koji bi mogli glasati za Hillary: ciljali su na demokrate koji podržavaju Sandersa porukama o njenim vezama sa finansijskom elitom; na mlade žene porukama o njenoj podršci suprugu uprkos optužbama za seksualno neprimereno ponašanje; i na Afroamerikance porukama o njenim komentarima o „supergrabljivcima“ iz 1996. Negativne kampanje nisu ništa novo, ali precizno ciljanje mikro-kampanjama danas ih čini efikasnijim nego ikada – po cenu potkopavanja poverenja u političare i vere u demokratski proces.

Kao što primećuje profesor Tufekci: „Ako su inženjeri konsenzusa 20. veka imali na raspolaganju lupe i bejzbol palice, njihove kolege u 21. veku imaju teleskope, mikroskope i skalpele u obliku algoritama i analitike“. Moguće je da ne postoji dvoje ljudi koji su videli isti skup oglasa, jer se u svakom sukobljavanju argumenata i dezinformacija vrše precizna prilagođavanja za različite grupe, pa glasači i ne znaju šta je servirano drugima. Dok su se političke kampanje u prošlosti odvijale pred očima javnosti, a tvrdnje i argumenti kandidata su stavljani pod lupu, mikro-ciljanje znači da se izborni proces danas pomerio ka privatnoj i personalnoj sferi, bez mnogo prilika za unakrsno ispitivanje i osporavanje dezinformacija. Po mišljenju stručnjaka za digitalne medije Justina Hendrixa i Davida Carolla, to je „noćna mora za demokratiju“.

Kao društvo polako dolazimo sebi i uočavamo probleme koje stvara Facebook. Poštovanje privatnosti nikada nije bilo deo njihove misije. Zuckerberg je više puta podsećao senatore da je Facebook izrastao iz ideje grupe studenata za veb-stranicu – ali nije pomenuo da su na toj stranici birali najzgodnije studentkinje bez njihove saglasnosti. U prvoj deceniji razvoja ovog sajta, njegov moto je bio „kreći se brzo i ruši sve što ti se nađe na putu“. Sa takvim poslovnim etosom nije neobično što nas skandali povezani sa Facebookom više ne iznenađuju.

Ponekad neko primeti sumnjive postupke ove kompanije i digne prašinu. Kao i poslednjih dana, onda se obično pojavi Zuckerberg, izjavi da mu je veoma žao i da nije mogao da predvidi problem (uprkos upozorenjima stručnjaka i grupa za zaštitu privatnosti), izgovori nekoliko rečenica o „zajednici“ i planiranim „poboljšanjima“ i obeća da će se Facebook promeniti. Ali posle svih izvinjenja i obećanja da će biti pažljiviji i da će korisnicima osigurati više privatnosti – a bilo ih je dosta – neke stvari ostaju iste: nadziranje je ugrađeno u gene Facebooka, a svrha njegovog postojanja je kapitalizam nadziranja. Rešenje koje se nudi je predvidivo i pogrešno: dajte Facebooku još veću moć.

Zuckerbergovo saslušanje pred Kongresom jasno je pokazalo nekoliko stvari. Facebook i dalje odbija da prizna koliko malo korisnici znaju o onome što Facebook radi. Zuckerberg tvrdi da je većina korisnika upoznata sa aktivnostima praćenja koje se sprovode i da im to ne smeta, ali istraživanja pokazuju da se većina korisnika ne bi saglasila sa takvim praksama. Takođe, da bi opravdao svoj poslovni model, Facebook insistira na tvrdnji da korisnici preferiraju ciljano oglašavanje, uprkos tome što istraživanja pokazuju da 41 odsto njihovih korisnika više voli tradicionalno oglašavanje, dok se svega 21 odsto opredeljuje za ciljane oglase (63 odsto bi volelo da vidi manje oglasa bilo koje vrste). Sada se zna da desetine hiljada aplikacija imaju pristup velikim količinama podataka o korisnicima prikupljenim do 2015, baš kao i Cambridge Analytica. Tek sada, kad se našao pod reflektorima javnosti, Facebook pokušava da revidira odobrenja za korišćenje podataka.

Konačno, ni Facebook ni Google niti bilo koja od kompanija za nadziranje i praćenje ne mogu se same od sebe reformisati na iole smislen način, jer su zavisne od naših podataka. Poslednji patenti koje je Facebook zaštitio ne obećavaju ništa dobro. Kapitalizam nadziranja se često prikazuje kao prirodan poredak stvari u digitalnom svetu, ali to je rezultat izbora koje su pravili ljudi u trci za profitom. Kao poslovni model on nije ni neizbežan ni nepromenjiv.

Korak u dobrom smeru bi bio prelazak na kontekstualno oglašavanje. To znači da biste oglase dobijali na osnovu sadržaja stranice koju posećujete, a ne na osnovu analize podataka prikupljenih praćenjem ponašanja korisnika. Najavljena Opšta uredba o zaštiti podataka o ličnosti (GDPR) u Evropskoj uniji, kojom se štite prava korisnika, zahteva nove pristupe. I Facebook i Google su imali teškoća da ispune zahteve već postojećih zakona o zaštiti podataka koji su u Evropi stroži. Sudovi u Belgiji i Nemačkoj nedavno su objavili da su neke od praksi koje primenjuje Facebook (uključujući praćenje ljudi koji nemaju Facebook nalog) protivzakonite, a Google je već bio kritikovan i plaćao velike kazne zbog prikupljanja podataka bez saglasnosti i obaveštavanja korisnika o tome šta radi sa njima.

Ispunjavanje uslova koje postavlja GDPR verovatno će biti veliki izazov za kompanije koje se bave biznisom nadziranja. Ali uz zaprećene kazne i do 4 odsto globalnog prometa za ozbiljna kršenja pravila EU, tehnološke kompanije će morati ozbiljnije da shvate svoju odgovornost i sprovedu reforme. Pošto će već morati da primene nova pravila da bi nastavile da rade u Evropi, mogle bi – relativno lako – da primene ista pravila na korisnike u Severnoj Americi i ostatku sveta. I zaista, Facebook je pod sve većim pritiskom da tako i postupi – a i Zuckerberg je natuknuo da bi kompanija mogla poći u tom smeru. To bi bio veliki korak napred; zaštitnica prava potrošača Jessica Rich u članku objavljenom u magazinu Wired primećuje da bi bilo još bolje kad bi i Sjedinjene Države usvojile zakone slične onima u Evropi.

Problematična praksa kompanija za nadziranje i njihovo uporno odbijanje da odgovorno postupaju doveli su nas do prekretnice. Možemo se usprotiviti visokom nivou korporativnog nadziranja, kakvo pre dolaska interneta svakako ne bismo prihvatili, tako što ćemo izvršiti pritisak na Facebook i zakonodavce da nešto promene i tako što ćemo koristiti alternativne servise sa drugačijim poslovnim modelima. Takođe možemo zahtevati pozivanje na odgovornost čitavog digitalnog oligopola i bolju zaštitu naše privatnosti i podataka. Ovo je trenutak odluke: da li će internet pripasti njima ili nama?

Jennifer Cobbe, The New York Review of Books, 12.04.2018.

Peščanik.net, 19.04.2018.

Srodni link: Paul Mason – Budućnost Facebooka

 

Big Data i biznis: Kako izvući smisao i korist  iz gigantskih baza podataka?

Koliko je vremena potrebno da se oporavite od hirurškog zahvata zamene kuka?

Za bolnice širom sveta ovo  nipošto nije akademsko pitanje. Bolnice su imale oko 36 milijardi dolara nekompenzovanih troškova zbrinjavanja u 2015. godini. Najveći deo njih potiče od neplaćenih računa pacijenata.

Jedno rešenje ovog problema je ograničavanje troškova vezanih za operaciju – ali kako? Odgovor: Machine learning („Mašinsko učenje“ je već uvrežen termin u srpskom jeziku, mada je pogrešan; „Učenje mašina“ daleko preciznije pogađa suštinu). Bolnice sada koriste prediktivnu analitiku kako bi prognozirale prosečne boravke i potencijalne komplikacije koje mogu iskrsnuti tokom operacija, poput operacije kičme.

Na primer, podaci od kupaca usluga zdravstvene zaštite pokazuju starosnu dob pacijenta, ustanove koje obezbeđuju osnovne zdravstvene usluge, i sekundarnu dijagnozu. Pomoću mašinskog učenja i prediktivne analize podaci sada mogu predvideti buduće troškove i doprineti identifikovanju pacijenata koji mogu imati probleme u oporavku. Ishod? Bolnice donose bolje kliničke odluke, doživljavaju niže stope readmisije, nudeći kraće bolničke boravke i pružajući bolju negu.

Biznisi ogromnog broja preduzeća pokazuju slične efekte „stvarne situacije na terenu“, dakle, dobijaju realističnije cifre u predikciji, a sve to zahvaljujući upotrebi mašinskog učenja za analiziranje svojih poslovnih podataka. Često je problem u nedovoljnoj količini podataka – potrebnih za što bolju analizu i predikciju – a ti im podaci često nedostaju.

Po rečima Majka Gotjerija (Mike Gaultieri), analitičara kompanije za tehnološku predikciju marketinga i tržišta, Forrester Research, mašinsko učenje nije ni nalik tradicionalnoj poslovnoj inteligenciji u kojoj su garantovani rezultati. “Ukoliko tražite model za mašinsko učenje, možete reći ‘pokušaću’, ali možda nećete uspeti”, rekao je. “Preduzeća i biznisi moraju da razumeju da samo zato što ste želeli da imate model koji predviđa kretanje akcija na berzama ne znači da ćete ga i u stvarnosti imati.”

Rags Raghavendra, rukovodilac analitike u DXC Technology’s Analytics Data Labs, globalnom čvorištu koje analitičari podataka koriste, fokusirao se na konsalting i pronalaženje načina operacionalizacije analitike. On kaže da su “kompanije frustrirane jer često preteruju”. Žele da im big data analitika “odradi” prevelike grupe podataka, “žonglirajući” njima iako nisu dovoljno kvalifikovani za njihovo tumačenje i razumevanje, a i ne shvatajući koliko je taj zalogaj prevelik.  “Klijenti pokušavaju da učine nemoguće u smislu pokušaja da izvuku značenje iz svih mogućih vrsta podataka kojima imaju pristup”, rekao je on. “Ono što preporučujemo je da dobro razmotre podatke koje već poseduju i koji su lako dostupni, a tek potom da pređu na sledeći korak.”

Kompanije koje su pokušale i nisu uspele da proniknu u smisao i praktične aspekte analize velikih skupova podataka pre svega bi trebalo da prihvate da su neuspeh i iteracija tj ponavljanje neizostavni deo procesa analitike. One, ipak, mogu da svoje šanse za uspeh maksimiziraju tako što će postati pametniji kada je reč o korišćenju mašinskog učenja.

Evo osam načina za bolji i efikasniji pristup Big data analitici:

1. Počnite s problemom koji želite da rešite. Uranjati u podatke „skokom sa desetke“ a potom iščekivati da će oni volšebno izroniti pred vas je pogrešan pristup. Sve dobre priče o analitici podataka počinju identifikovanjem odgovarajuće metrike performansi koja povezuje poslovni rezultat sa pitanjima koja se odnose na podatke. Međutim, odabrana metrika ne bi trebalo da bude preširoka ili isuviše “granularna” tj usitnjena. Na primer, kada je DXC nedavno radio s jednom medijskom kompanijom na pojašnjenju razloga zbog kojih je pretplatnici napuštaju, najočiglednija metrika bila je promena u pretplatničkoj bazi. Kao što se ispostavilo, relevantnija metrika bio je Prosečni prihod po korisniku (ARPU), koji je bio direktno povezan sa većim poslovnim ciljevima koje je kompanije preduzimala kako bi povećala prihode.

2. Proces mašinskog učenja trebalo bi ’industrijalizovati’ odnosno razviti u širokom industrijskom obimu. “Čitav ovaj proces analize velikih skupova podataka nije industrijalizovan”, rekao je Raghavendra, čija Laboratorija podržava široku paletu oblasti, uključujući proizvodnju, telekomunikacije, automobilsku industriju, avio-kompaniju, energetiku, finansijske usluge i zdravstvenu zaštitu. “Dešava se da mnogo puta iznova i iznova ponavljate analizu ili je ne možete uvećati tj primeniti u širem obimu.” DXC je snažan zagovornik efikasnog i pojednostavljenog pristupa široko primenjivog mašinskog učenja, koji veruje da bi sve faze analize – od unošenja podataka i njihovog prečišćavanja, do stvaranja namenskih algoritama i njihovog stavljanja u proces aktivne analitike, a potom i generisanju uvida stečenih kroz podatke – trebalo da budu ponovno upotrebljive i raspoređene na kompanijske tehnologije.

3. Nemojte dozvoliti da vas ometaju i koče podaci koje ljubomorno čuva svako odeljenje pojedinačno unutar kompanije (tzv „silosi“:  izolovane grupe podataka koje ne cirkulišu u data analitici jedne kompanije jer uposlenici nekog odeljenja naprosto ne žele da ih dele s drugima, misleći da na taj način „drže prednost“ u odnosu na druga kompanijska odeljenja). Silosi su zbog toga veliko “prokletstvo” brojnih računarskih programa koji rade na korporativnoj analitici, jer sprečavaju pristup jedinstvenoj bazi podataka. Silosi, ipak, nisu toliko velika prepreka, kako neki veruju. “Ukoliko posedujete strategiju za pravilno korišćenje pametnih podataka i platformi, ne bi trebalo da previše brinete o silosima”, kaže Raghavendra. Jednostavno rečeno, ne morate brinuti o silosima sve dok ne predstavljaju problem za zadatak koji ste odabrali da rešite. Međutim, trebalo bi da se pripremite za neki predstojeći skup problema u nizu (tzv pipeline*) tako što ćete obezbediti integraciju različitih izvora podataka. “Postoje fleksibilne i modularne platforme koje vam omogućavaju da integrišete podatke kada je potrebno”, dodao je Raghavendra. (U računarstvu, pajplajn* je skup elemenata za obradu podataka povezanih u niz, pri čemu je autput jednog elementa input sledećeg. Elementi u nizu često se procesiraju paralelno ili kroz sekvence tj „komadiće“; u tom slučaju, određena količina buffer tj pufernog skladišta često se ubacuje između elemenata).

4. Mislite od-spolja-ka-iznutra. Ne morate uvek imati sve informacije, talenat, analitiku i inteligenciju: Ovo je priča o ekosistemu, a pobediće oni koji dodirnu „matricu sposobnosti“ koja se nalazi oko njih. Analitičari podataka kroz kraudsorsing*, kao i kroz „mašinsko učenje-kao-servis“ i eksterne skupove podataka, dobijaju moćan potencijal u poslovoj trci.

Crowdsourcing (angažovanje javnosti) je korišćena i legitimna metoda preuzimanja tuđih ideja, postupak dobijanja potrebnih usluga, ideja ili podataka od neodređenog skupa ljudi (shodno izreci: “Uzeti podatke od pojedinca je krađa, uzeti podatke od većeg broja ljudi je – istraživanje”).

5. Koristite sirove skupove podataka (takozvana „data-jezera“). Jezera podataka su spremišta u kojima možete sačuvati sve vaše postojeće podatke u izvornom obliku, bez obzira na njihov format Jezero podataka je spremište za skladištenje podataka koje sadrži ogromnu količinu sirovih podataka u svom izvornom formatu, sve dok se za njima ne ukaže potreba. I dok hijerarhijski organizovano skladište podataka čuva podatke u fajlovima ili fasciklama (folderima), data-jezero koristi “ravnu”, tj. horizontalnu ili baznu arhitekturu za čuvanje podataka, dakle bez hijerarhije (organizacije) podataka. Svakom elementu podataka u data-jezeru dodeljen je jedinstveni identifikator i označen je skupom proširenih oznaka metapodataka. Kada se pojavi upit od strane biznisa, data jezero se može upitati za relevantne podatke, a zatim se može analizirati manji skup podataka kako bi se odgovorilo na upit).

Raghavendra je mišljenja da kompanije treba da se upuste u praksu stavljanja svih svojih podataka u „data-jezero“. Ovi veliki skupovi sirovih podataka nisu stavljeni u fajlove niti su klasifikovani u foldere po važnosti, već su „u rinfuzu“, iako su svi indeksirani i tagovani kao metadata, spremni da se pojave na upit poslovnog subjekta. “Nemojte razmišljati o strukturiranju (važnosti, smisla i korisnosti podataka) na samom početku”, preporučuje Ragavendra.

6. Vršite istraživačku analizu podataka (exploratory data analysis, EDA) sa ciljem kojeg imate na umu. Prva faza „rudarenja podataka“ je upravo EDA, koja nastoji da rezimira podatke, vizuelno i ne-vizuelno. “Ono što sam često imao prilike da vidim je da je istraživački deo analize podataka potisnut”, rekao je Bharathan Shamasundar, viši analitičar podataka u DXC. “Svrha EDA tj istraživačke analize podataka je da se upoznaju s uzorcima i obrascima koji se u podacima poavljuju i samo na osnovu toga zauzimaju stavove o tome šta da čine nakon toga. Kompanije to često rade površno. “DXC-ovo iskustvo sa kompanijom za energetske usluge naglašava važnost pametne EDA tehnologije.

Jedno privatno komunalno preduzeće tražilo je preciznu prognozu koliko će energije proizvesti njihove vetroelektrane. Zbog toga što je ovo preduzeće primenilo istraživački deo analize (EDA) na svoje algoritme, tim savetodavne firme DXC je uspešno opovrglo već postojeće repere za čak 95% performansi vetro-turbina, uprkos tome što je upotrebljavano manje varijabli kako bi obavili svoje proračune. To iskustvo pokazuje značajne potencijale EDA metoda, naročito ako se sprovedu unapred, što će češće dovesti do algoritama prikladnih raspoloživim podacima.

7. Koristite inteligentno uzorkovanje. Jedan od razloga što kompanije imaju problema s pristupom u prave uvide Big data ishoda je zato što ih – previše koriste. “Uzorkovanje je postalo loša reč”, rekao je Šamasundar. “Uzorkovanje podataka je pametan način baratanja sirovim podacima.” Često se dešava da je ono što izgleda kao “big data” krcato redundantnim tj izlišnim informacijama. Analitičari iz DXC su za jedno robno-trgovačko preduzeće identifikovali  kako im je veliki deo uskladištenih podataka bio, zapravo, suvišan, jer je 94% svih njihovih trgovinskih poslova zasnovano na manjem podskupu podataka. Ovo pokazuje da je vrednovanje kvaliteta i relevantnosti važna komponenta strategije podataka.

8. Ustanovite fleksibilan operativni model za vaš program analitike podataka. Raghavendra vam savetuje da „Nikako ne odustajete od pokretanja programa za analizu podataka samo zato što ne možete da unajmite data-analitičara. Potražnja za ekspertima koji umeju da pravilno i smisleno „pročitaju“ velike hrpe podataka  trenutno je 60 procenata veća od broja stručnjaka, a nema znakova da se ovaj disparitet usporava. Međutim, ukoliko jedno preduzeće nije u stanju da zaposli dovoljno data-analitičara, Raghavendra preporučuje da, u tom slučaju, treba razmisliti o uporednom korišćenju partnerskih organizacija koje pružaju specijalističku analitičku podršku i “analitičara opštih podataka o građanima”. Stručnjak za prekopavanje tj „rudarenje podataka“ o građanima je osoba koja razume domen i poslovanje svojih poslodavaca/organizacija. Oni mogu obaviti razumnu analizu koristeći neke analitičke platforme koje su sada pojednostavile određene zadatke i zahteve u baratanju podacima. Pošto kompanije primenjuju analitiku za rešavanje problema, partnerske organizacije mogu biti od pomoći  kao podrška u uvećanju obima njihovih programa i izgradnji „dubljih“ mogućnosti u još raznovrsnijim oblastima.

I mada praćenje ovih smernica povećava verovatnoću za postizanje uspeha, preduzeća ne smeju smetnuti s uma da je mogućnost neuspeha realna i uvek prisutna. Analitika podataka sprovodi se kao naučni metod koji se zasniva na dokazivanju ili opovrgavanju hipoteze. Upotrebu podataka treba, potom, posmatrati kao istraživačku i razvojnu aktivnost (R&D). “Najbolje je imati pet-šest ili desetak i više ideja, i potom ih voditi paralelno”, opisuje Goltjeri upite zasnovane na podacima, “jer neće svi oni funkcionisati”.

Izazovi će postajati sve teži i teži, kako se količina podataka vremenom bude sve više uvećavala. Sa druge strane, što više podataka imate – to je i veća potencijalna nagrada i uspeh.

Prema Dejvu Aronu (Dave Aron), šefu istraživanja u  londonskoj IT firmi za istraživačko-savetodavne usluge Leading Edge Forum, DXC-ovom partneru za rukovođenje idejnim strategijama, još je uvek previše kompanija koje svojom najvrednijom imovinom smatraju ono što poseduju u fizičkom i finansijskom smislu.

“Preduzeća koja bi trebalo da dožive uspon i uvećanje svojih profita u narednoj deceniji jesu ona koja su prepoznala da su upravo informacije i njihova analiza ta nadasve “vredna imovina”, pa stoga grade i kontinuirano unapređuju svoje platforme za data-analitiku i izučavanje podataka”, kaže Aron. “Internet stvari (IoT), uz sve obimniji i glomazniji pravni okvir za zaštitu podataka čine da data-analitika postane relevantnija nego ikada pre.”

Obezbeđivanje koristi od analize „big date“ – bez obzira da li ste bolnica ili uslužna firma ili bilo koji drugi tip biznisa – zahtevaće promišljen pristup, puno hrabrosti, kao i respekta za naučne metode analize informacija dobijenih u vašem poslovanju.

WIRED Brand Lab, DXC Technology

10 Vizija budućnosti “Interneta svih stvari”

Evo “top ten” trendova u budućnosti Interneta Stvari (Internet of things, IoT, ili, takođe, industrijski internet), nastalih na osnovu analiza Gartnera, kompanije za analitiku IT biznisa.

06

Guglovom pretragom termina “Internet of Things (Interenet svih stvari), IoT, ili Industrijski internet)” dobijamo preko 280.000.000 rezultata, zahvaljujući medijima koji u zadnje vreme intenzivno donose priče o vezi koja postoji između, recimo, pametnih kućnih aparata, nosivih uređaja i samonavodećih interaktivnih automobila. Zahvaljujući intenzivnoj medijskoj pokrivenosti, IoT je počeo da postaje i deo svakodnevnog govora. Ovo, ipak,nije potpuna slika, prema Niku Džonsu, potpredsedniku i stručnjaku kompanije Gartner koja se bavi analitikom IT biznisa. “IoT zahteva široku paletu novih tehnologija i znanja kojima mnoge kompanije i poslovni sistemi još uvek nisu ovladali”, kaže Džons, dodajući da je “jedan od stalnih lajtmotiva u oblasti IoT-a nezrelost, nedoraslost zahtevima koje tehnologija i najnovije usluge stavljaju pred  prodavce koji ih pružaju. Projektovanje stvari i opreme koja je u stanju da se nosi s ovom nedoraslošću zadatku, kao i upravljanje rizicima koje takva situacija stvara, biće ključni izazov kompanijama koje intenzivno koriste IoT. U mnogim oblastima tehnologije, nedostatak određenih veština i sposobnosti će takođe predstavljati značajan izazov.”

IoT će u godinama koje su pred nama izgledati sasvim drukčije nego danas. IoT je, zapravo, “greenfield tehnologija” – jer nastupa na “poslovnoj utrini”. To znači i da bi novi igrači, sa novim poslovnim modelima, pristupima i rešenjima, mogli da se pojave iznenada i “niotkuda”, trenutno preuzimajući  dosadašnje nosioce funkcija. Međutim, oblast biznisa je ključno tržište. I dok se govori o uređajima ugrađenim u odeću i o interaktivnim kućama, realna vrednost i neposredno tržište* za IoT jeste u biznisima i kompanijama. Potpuno usvajanje puno IoT okruženja daleko će više nalikovati već tradicionalnom modelu IT-difuzije (od preduzeća do potrošača), nego kao potrošačko usvajanje društvenih medija  i personalne mobilne tehnologije.

(*Neposredno tržište: Vremenski period, obično prekratak, potreban preduzećima da bi adekvatno označila ili rešila problem prilagođavanja promenama, koje zahtevaju trenutni uslovi u biznisu i industriji)

01

1. Platforme

Platforma je ključ uspeha. “Stvari” i uređaji će uveliko pojeftiniti, aplikacije će se umnožiti geometrijskom progresijom, a povezivanje će koštati veoma malo, “skoro besplatno”. Treba uzeti u obzir da IoT platforme umnogome uvezuju  infrastrukturne komponente iz sastava jednog IoT sistema, i to unutar samo jednog proizvoda. Usluge koje pružaju takve platforme spadaju u tri glavne kategorije:

I  Kontrolni uređaji niskog nivoa i operacije kao što su komunikacije, praćenje uređaja i upravljanje, bezbednost i ažuriranje kompanijskog softvera.

II  Brojne akvizicije IoT podataka, transformacija i upravljanje.

III Razvoj IoT aplikacija, uključujući softver za praćenje radnji korisnik u realnom vremenu (Event-driven logic, EDL), programiranje aplikacija, vizuelizaciju, analizu kao i kreiranje adaptera za povezivanje sa kompanijskim sistemima.

2.Standardi i ekosistemi

02

Gartner ističe da se,  procvatom IoT uređaja koji se sve više umožavaju pojavljuju i novi radno-tehnološki ekosistemi, i da će biti velikog rivaliteta, odnosno “komercijalno-tehnološke bitke među ovim ekosistemima”, kao i da će “dominirati oblasti poput pametnih interaktivnih kuća, pametnih gradova i zdravstvene zaštite. Prema prognozama Gartnerovih analitičara, “Svi oni koji se bave stvaranjem IoT sistema mogli bi započeti da razvijaju varijante svojih proizvoda za podršku većem broju standarda ili ekosistema, i biti spremni da ažuriraju svoje proizvode tokom njihovog životnog veka, kako standardi budu evoluirali a pojavljivali se novi API standardi” (protokoli, alati i rutine za  stvaranje novih aplikacija). Izvesno je da će biti velike borbe u cilju usvajanja IoT aplikacija od strane svetskog tržišta. Sa milijardama uređaja projektovanih da manipulišu petabajtima podataka, programeri aplikacija imaće nepregledno polje za pokretanje hiljada, ili čak miliona, novih i cool aplikacija. Ali, slično događajima u svetu pametnih aplikacija za pametne telefone, svi će voditi bitku za što veću naklonost od strane potrošača – a samo će njih nekolicina dospeti do vrha, kada će, konačno, biti prihvaćene i priznate od strane biznisa i potrošača.

3.Event stream procesori: obrada podataka u realnom vremenu

Prema Gartnerovim prognozama, “Neke IoT aplikacije generisaće ekstremno visoke stope-količine podataka koji će morati da budu analizirani u realnom vremenu. Biće uobičajeno da oprema i sistemi bliske budućnosti obrađuju desetine hiljada referenci u sekundi, a milioni operacija u sekundi mogu se uskoro pojaviti u nekim situacijama rada telekomunikacija ili telemetrije. Kako bi se odgovorilo na ove ogromne tehnološke zahteve, pojavile su se distributivne platforme za računarski streaming (DSCP-ovi). One obično koriste paralelne arhitekture za obradu protoka velike količine podataka podataka prilikom obavljanja zadataka kao što su real-time analitika i identifikacioni paterni (strukturni obrasci).”

4. Operativni sistemi

Već postoji širok spektar sistema, dizajniranih za određene, specifične namene.

5.Procesori i arhitektura

Za dizajniranje uređaja budućnosti, biće više nego porebno duboko razumevanje potreba koje će ova nova generacija uređaja iziskivati od svojih arhitekata, koji će morati da poseduju “ogromne tehničke veštine.”

05

6. Širokopojasne niskonaponske mreže

Sadašnja rešenja su vlasništvo pojedinačnih kompanija premda su standardi ti koji će zadominirati nad pojedincima. Prema Gartnerovim očekivanjima, “Tradicionalne mobilne mreže ne isporučuju dobru kombinaciju tehničkih karakteristika i operativnih troškova za one IoT aplikacije koje zahtevaju širokopojasno pokrivanje u kombinaciji sa relativno niskom propusnošću frekventnih opsega, dugovečnošću baterije, niskim hardverskim i operativnim troškovima kao i njihovom visokom frekventnom gustinom, odnosno, zbijenošću. Dugoročni cilj širokopojasne IoT mreže je da obezbeđuje brzinu prenosa podataka od nekoliko stotina bitova u sekundi (bps) do nekoliko desetina Kilobita u sekundi (Kbps) sa nacionalnom pokrivenošću, životom baterije do 10 godina, jednom krajnjom cenom hardvera od oko $5 i podržavajući stotine hiljada uređaja koji su povezani na baznu stanicu ili njen ekvivalent. Prve niskonaponske mreže (LPWAN) bile su zasnovane na tehnologijama su vlasništvo pojedinačnih kompanija (kao u eri mobilnih telefona pre pojave sada široko prihvaćenih IoS-a i Androida, gde je svaka kompanija imala svoj standard odvojen I nekompatibilan sa svim ostalim mobilnim uređajima), mada će se tržište na duži rok sigurno prikloniti nekim novim, široko prohvaćenim budućim standardima kao što je to, recimo, Narrowband IoT (NB-IOT), koji će verovatno i zadominirati u ovoj oblasti.”

7. Niskonaponska IoT mreža malog dometa

Kratkodometne niskonaponske mreže koje će povezivati uređaje biće daleko komplikovanije. Više neće postojati samo jedna zajednička infrastruktura za povezivanje uređaja.

8. Upravljanje IoT uređajima

Mnogi IoT uređaji koji nisu prolazni, već su koncipirani tako da nam u poslu i industriji potraju još neko vreme, iziskivaće upravljanje i servisiranje tj održavanje IoT sistema, kao što je potrebno i sa svim današnjim uređajima (apdejt odnosno ažuriranje poslovne opreme tj. softvera itd), što u igru uvodi velike izazove.

9. Analitika

03

Po prognozama Gartnera, firme koja se bavi analitikom IT biznisa, IoT će zahtevati nov pristup i – samoj analitici. “Novi analitički alati i algoritmi su nam više nego potrebni, ali s drastičnim povećanjem količine podataka kojima će se baratati do 2021. godine, potrebe za IoT sistemom mogao bi se u perspektivi razlikovati od tradicionalne analitike”,  kažu iz Gartnera. Ključna vrednost i kvalitet IoT-a biće “podaci”, Ali, ovaj novi kvalitet ima svoju vrednost samo ukoliko se obimne količine podataka mogu konvertovati u uvide, shvatanja, kao i informacije, na način da se mogu pretvoriti u konkretne aktivnosti koje će preobraziti kompanije, menjajući živote ljudi i utičući na društvene promene.

10. Bezbednost

04

Prema Gartneru, prisutne su pretnje od strane virusa koji bi onemogućavali ekonomičnu potrošnju baterije dok se uređaj ne koristi (tzv funkcija “sleep”). Ove napad  koriste zlonamerni kod koji se kroz IoT širi posvuda, a sa ciljem pražnjenja baterija uređaja tako što će ih virus držati neprekidno aktivnim. Prema Gartneru, “IoT uvodi širok spektar novih bezbednosnih rizika i izazova na obilju uređaja, njihovim platformama i operativnim sistemima, kroz njihovu međusobnu komunikaciju pa je čak i pretnja sistemima na koje su oni povezani. Sigurnosne tehnologije moraće da obavezno zaštite veliki broj uređaja i platformi kako od informatičkih napada tako i od fizičkih oštećenja, njihova komunikacija biće šifrovana a IoT će se susretati s novom vrstom izazova poput mimikrije-imitiranja pravih uređaja, kada virusi preuzimaju njihov identitet, ili blokirajući “sleep” funkciju, pritom brzo isisavajući struju iz baterije. Bezbednost IoT-a i uređaja biće dodatno zakomplikovana činjenicom da mnoge “Internet-stvari” koriste jednostavne procesore i operativne sisteme, koji nisu u stanju da podržavaju sofisticirane bezbednosne pristupe.”

Šta je sledeće?

IoT tržište je doslovce bezgranično. Predstoji nam jako uzbudljiv period, iako je potrebno sačiniti izuzetan softver i hardver, sa sofisticiranom pozadinskom podrškom na više bezbednosnih nivoa i uvodeći red i sofisticirano korišćenje podataka, uz shvatanje perspektive da je bezbednost veština koja obuhvata kriptografiju. Većini kompanija nedostaju talenti koja su im potrebni za razvoj bezbednosnih proizvoda.

(Tekst: Ahmed Banafa, IoT ekspert, Ilustracije i grafik: OpenMind)

OpenMind

Nemačka: spremna za Industriju 4.0 (1. deo)

Najveća ekonomija Evrope s pravom je zabrinuta da je digitalizacija pretnja njenom liderskom mestu u industriji, piše londonski nedeljnik The Economist

04

Od kada je osnovana 1923. godine, kompanija Trumpf, u porodičnom vlasništvu sa sedištem u blizini Štutgarta, imala je jedan glavni zadatak: da proizvodi stvari koje proizvode stvari. Počelo je sa motorizovanim ručnim makazama i drugim alatima za obradu limova. Zatim je Trumpf izmislio CNC mašine i bio među prvima koji su počeli da koriste laser za sečenje metala. To je vrhunski primer jedne firme iz industrijskog srca Nemačke koja je prerasla svoj brend (koji doslovno znači “proizvođač srednje veličine”), i danas ima godišnji promet od €2.7 milijardi ($3.2 milijarde dolara) i više od 10.000 zaposlenih širom sveta.

Trujmfovi koreni u obradi metala i drugih materijala u potpunoj su suprotnosti sa onim što on pokušava da ostvari u narednom periodu: da izgradi potpuno novi biznis u potpunosti zasnovan na softveru i velikom broju podataka. Njegova nedavno lansirana online ponuda pod imenom Axoom, povezuje mašine koje je proizveo Trumpf i drugi proizvođači, i koristi podatke koje pomoću ovih mašina prikuplja kako bi pomogao kupcima da organizuju svoju proizvodnju – na primer, da ih upozori kada im ponestaje materijala ili da ih naruči direktno od dobavljača. Slično kao pametni telefoni, Axoom će moći da pokrene “aplikacije” drugih snabdevača, kao što je softver koji zakazuje faze posla, ili da predvidi kada će mašini trebati rezervni deo.

Graph: The Economist

Graph 01: The Economist

Pokušaj kompanije da redefiniše sebe je simbol skoka koji proizvođači, u Nemačkoj i svuda drugde, sada moraju da naprave. Mnogo diskutovani i nadasve aktuelni “Internet stvari” (Internet of things, IoT) postaje realnost na podovima fabričkih hala: industrijske mašine i proizvodi koje oni prave sve su češće “napakovani” senzorima i povezani na internet.

Kao rezultat toga, pravila u mnogim industrijama, od građevinske opreme do automobila, menjaju se munjevitom brzinom: proizvodnja stvari prelazi u drugi plan, dok je poznavanje stvari sve važnije. U mnogim slučajevima uspešna preduzeća više neće biti ona koja najbolje proizvode, već ona koja prikupljaju najbolje podatke i kombinuju ih tako da mogu da ponude najbolje digitalne usluge. A najveći dobitnici od svih mogu biti oni koji kontrolišu “platformu”: sloj softvera koji kombinuje različite vrste uređaja, podataka i usluga, na osnovu kojih druge firme mogu da izgrade svoje ponude, baš kao što Trumpf pokušava da uradi sa Axoomom.

Ovladavanje ovom vrstom transformacije treba da bude na dnevnom redu bilo koje zemlje sa velikom industrijskom bazom (vidi grafikon 1). Nigde, međutim, taj osećaj hitnosti nije razvijeniji nego u Nemačkoj, gde je strah da digitalizacija ugrožava njenu poziciju kao vodeće industrijske nacije izuzetno jak, a nedavno mu je serija skandala sa Folksvagenovim (VW) softverom dala na pikantnosti. Prva polovina borbe da se savlada digitalni svet je – izgubljena, prema Timoteusu Hotgesu (Timotheus Hottges), šefu Deutsche Telekoma. “Sada je pitanje: kako osvojiti drugu polovinu?”

15

Problem ne leži u tome što su nemačke firme prestale sa inovacijama. U stvari, mnoge od njih su ispred svojih konkurenata u digitalizaciji svojih proizvoda, kao i svojih prodajnih kapaciteta. Preobražaj proizvoda i fabrika u “pametne” (smart factories) je, međutim, samo prva faza na putu digitalizacije, tvrdi u svom izveštaju nemačka Nacionalna akademija nauka i inženjerstva (Acatech) u nedavnom izveštaju. Sledeći korak bio bi korišćenje podataka dobijenih od povezanih uređaja i druge informacije kako bi se ponudile pametne usluge, i, samim tim, zaradio novac sa novim poslovnim modelima. Firme koje ne mogu da stvore takve ponude “mogu brzo da izgube sposobnost da se takmiče”, tvrdi izveštaj Acatech.

Pametne usluge ne moraju biti usko povezane sa glavnom upotrebom proizvoda. Napredni automobili, na primer, imaju digitalnu konjsku snagu 20 personalnih računara i generišu 25 gigabajta podataka na sat vožnje, procenjuje Gabrijel Zajbert (Gabriel Seiberth) iz kompanije Accenture, provajdera IT i konsultantskih usluga. Umesto da se koncentrišu samo na pravljenje vozila, tvrdi on, proizvođači treba da razmišljaju o tome kako da obezbede – i profitiraju – od zabavnih i e-commerce servisa koji mogu biti ponuđeni na ekranima unutar vozila. “Automobil će postati centralni deo digitalnog života jedne osobe”, kaže Zajbert.

03

Graph 02: The Economist

Takve poruke posebno odzvanjaju u Nemačkoj. Neki strahuju da bi njeni proizvođači, koji direktno ili indirektno zapošljavaju jednog od sedam radnika širom zemlje, mogli biti degradirani na niskorangirane obrađivače metala, dok bi američki tehnološki giganti pravili veći deo novca obezbeđivanjem softvera i zabave u kolima, a možda, kasnije, i projektujući same automobile.

Apple i Google pritiskaju  proizvođače automobila da instaliraju operativne sisteme koje su dizajnirali za sisteme zabave u kolima, koji u relanosti isisavaju veliki broj drugih podataka o automobilu i putnicima. Proizvođači su počeli da shvataju da, ako se odreknu ove teritorije, mogu rizikovati svoj “suverenitet nad podacima” koje generišu u svojim vozilima, po rečima Vilkoa Štarka (Wilco Andreas Stark), generalnog direktora za strategiju Dajmlera (Daimler). Oni bi mogli da završe kao Samsung, čiji je profit od pametnih telefona limitiran činjenicom da zavisi Androida, Googlovog mobilnog operativnog sistema.

Ne brinu samo nemački proizvođači o ovakvoj vrsti budućnosti, naprotiv. Američki tech-kolosi takođe pokušavaju da uspostave platforme za “pametne kuće”, koje prikupljaju podatke od uređaja, sistema grejanja i sl. “Onaj ko kontroliše platforme vladaće budućnošću”, tvrdi Henning Kagermann, šef Akateka (Acatech), koji je skovao termin Industrija 4.0″ (Industrie 4.0), zajednički napor nemačke industrije da napravi prelazak na digitalnu, internetom povezanu budućnost.

07

Uprkos takvim problemima, u Nemačkoj je na neki način industrija, izgleda, dobro pripremljena za uspon usluga i platformi. Šefovi ovih industrija nastoje da se izbore s ovim izazovom. Aksel Špringer (Axel Springer), izdavački gigant, počeo je trend među nemačkim firmama tako što neki od njegovih čelnih ljudi po nekoliko meseci žive u Silikonskoj dolini. Iskustvo je navelo firmu da investira u konsultantsku kuću, nazvanu Hy!, koja direktore „stare ekonomije“ upućuje u razumevanje startup-ova, pomažući im da planiraju svoju digitalnu transformaciju.

Neke firme su već reagovale na uvid da su digitalne platforme od ključnog značaja za njihovu budućnost. Jedan od njih je Trumpf. Drugi je Klokner (Klockner), trgovac metalom koji je stvorio platformu za povezivanje proizvođača čelika sa građevinskim firmama i drugim klijentima. Nemački inženjerski i proizvodni giganti su takođe, počeli da ozbiljno shvataju platforme: Boš (Bosch) sada nudi “IoT Suite” da pomogne drugim kompanijama u kreiranju novih usluga oko povezanih uređaja. Dojče Telekom se udružio sa drugim firmama ne bi li stvorio Kivikon (Qivicon), „pametnu“ kućnu platformu kojom želi da konkuriše Eplu (Apple) i Guglu (Google).

08I nemačka vlada pokušava da pomogne. Ona je preuzela vodeću ulogu u Industrie 4.0, stvarajući oko nje gustu strukturu koja povezuje sve: od strukovnih udruženja i ministarstava do sindikata i akademika. Samo u zemlji sa nemačkom korporativnom tradicijom bi pokušaj da se biznis napravi agilnijim i otvorenijim za promene mogao do te mere biti “napunjen” upravnim odborima, radnim grupama i savetodavnim odborima.

Prvi cilj ove birokratije je da proizvede šablone i probne testove za isprobavanje inovativnih digitalnih usluga, kao i da objavljuje zanimljive primere. Njen drugi cilj je da ubedi dve grupe u potrebu za promenom: male i srednje nemačke firme, kao i industrijske sindikate, koji, pod nemačkim modelom koupravljanja, učestvuju u mnogim odlukama menadžmenta. “Stvaranje situacije u kojoj je prihvatanje novog modela poslovanja „nova normala“ nemačke industrije predstavlja, verujemo, ključ”, kaže Matijas Mahnig (Matthias Machnig), visoki zvaničnik Ministarstva ekonomije koji predvodi napore države za sveobuhvatno uvođenje „Industrie 4.0“ u nemački poslovni sistem.

The Economist

Nemačka: spremna za Industriju 4.0 (2. deo)