– En god data-scientist er som et plagsomt barn – de spør alltid hvorfor

Hvis ikke bedriften forplikter seg til å dedikere medarbeidere og ressurser til et dataprosjekt, vil ikke analyseavdelingen til PostNL gjennomføre det.

Dette forteller Frank Ferro, som er Director Insight i det nederlandske postselskapet PostNL, på Gartners Data & Analytics Summit, som ble arrangert i Frankfurt i forrige uke.

– Vi har utfordringer. Hvis mengden av brev fortsetter å bli mindre, slik vi tror den vil bli, er vi ikke profitable med vår nåværende logistikk, forteller Ferro.

Det samme gjelder for pakker. Her forventer PostNL at bedriftens nåværende metode for å levere pakker på, blir uholdbar i løpet av bare to til tre år.

– Vi er nødt til å bli smartere, sier Frank Ferro. – Og for å bli det er analytics og «data literacy» svært viktige.

Krever domenekunnskap

Det finnes nok arbeid for dataekspertene i PostNL. Millioner av brev og pakker som flyttes og skannes hver eneste dag, gir et enormt brukbart datasett av høy kvalitet. Men når prosjektene prioriteres, er kundenes dedikasjon det avgjørende elementet, forteller Frank Ferro.

– Det skjer stadig vekk at folk kommer og sier «jeg har en stor bunke data» og forventer å få levert noe om et par uker. Det fungerer ikke. Jeg krever domenekunnskap – ellers gjennomfører jeg ikke prosjektet.

De fleste dataprosjektene kjøres i løpet av 12 til 16 uker. I den perioden forlanger Ferro at bedriften stiller med en domeneekspert som kjenner til prosessene, i minst to dager hver uke.

I tillegg må bedriften være i stand til – og være villige til – å gjennomføre tiltak, hvis den hypotesen som avdelingen kommer med sammen med datagruppen, viser seg å holde stikk.

– Vi ber dem om å forestille seg hva de vil gjøre hvis hypotesen er sann. Er du deretter villig til å investere i IT? Er du villig til å lære opp folk på en ny måte? Hvis hypotesen er sann, vil du dermed gjennomføre handlinger – hvis ikke, kan vi like godt ta tak i et annet prosjekt, sier Frank Ferro.

– Vi går ikke så langt som å skrive en kontrakt. Men jeg vil ha samtaler med de mennene og kvinnene som har mandatet. De samtalene er virkelig viktige. Og noen ganger vanskelige.

Begrens evalueringen

Når bedriften har en idé – og er klar til å forplikte seg – setter datagruppen seg ned sammen med avdelingen. Da kan bedriften forklare hva de regner med at dataene kan brukes til. Og svaret fra Ferros data-scientist vil være: «Hvorfor tror dere det?»

– En god data-scientist er som et irriterende barn – de spør alltid hvorfor, sier Frank Ferro.

Et eksempel på hvordan PostNL bruker dataanalyse, kan demonstreres i jakten på forsvunne pakker. Med jevne mellomrom kommer kunder med henvendelser om pakker som aldri har kommet fram, eller hvor innholdet er borte.

Sammen med bedriften gikk analyseavdelingen gjennom de ulike stedene der pakker kunne forsvinne, og årsakene til det. Og sammen endte de opp med å fokusere på pakker som forsvinner mellom første sortering – i byen som du sender dem fra – og i andre sortering; i byen som du sender dem til.

Artikkelen fortsetter under

– Evaluering er svært viktig. I løpet av et prosjekt er det helt garantert at det dukker opp mange andre interessante ting med dataene dine, sier Frank Ferro.

– Det legger du til side og skriver det ned, og når prosjektet er gjennomført, foreslår du at bedriften ser nærmere på det. Men dette skal ikke være en del av prosjektet.

Algoritmer gir nye spørsmål

Når en pakke beveger seg fra avsender til mottaker hos PostNL blir den skannet mellom 15 og 20 ganger. Hvis en pakke blir skannet i Hamburg og lagt i bilen, forventer du at den blir skannet igjen i Frankfurt, forklarer Ferro. Skjer ikke dette, vet ikke PostNL hvilket av omkring 80 transportbånd pakken kan ha havnet på.

– Vi utviklet en algoritme som identifiserer «vennene» til den forsvunne pakken. Dette er pakker som har nesten de samme karakteristika som pakken som mangler, forklarer han.

Algoritmen kommer med et tips om hvor noe har gått galt. Og deretter kan PostNL sjekke det relevante overvåkningskameraet.

– I gamle dager måtte vi sjekke alle kameraene og alle transportbåndene. Og det tar lang tid. Nå kan vi med stor sannsynlighet si hvilket bånd det er snakk om, sier Frank Ferro.

Med denne algoritmen finner PostNL pakker 2000 ganger raskere enn med den manuelle prosessen. I tillegg til dette starter den manuelle prosessen først når noen kommer med en klage.

«Nå vet vi det med én gang»

Dataavdelingen har lagd algoritmer som forutsier mer nøyaktig om en pakke kommer fram i rett tid, eller blir forsinket. Den nye kunnskapen og transparensen som algoritmene leverer, gjør at vi kan stille nye spørsmål.

– Hvordan skal vi reagere? Hva skal vi fortelle til mottaker og avsender? Dette er diskusjoner som dukker opp på grunn av analytics og på grunn av den gjennomsiktigheten som vi skaper, sier Frank Ferro.

– Dette innebærer at vi må foreta beslutninger som vi før ikke visste var aktuelle. Og det er den største utfordringen for oss i tiden som kommer.

Artikkelen har tidligere vært publisert på Datatech. Datatech tilhører Teknologiens Mediehus.