Blog

15 Oct

Govor s panela “Not only Cambridge Analytica. Manipulations in the Information Space”

Nedavno sam bio pozvan na panel na Ekonomskom forumu u Poljskoj koji se bavio tematikama vezanim uz obranu i sigurnost.  Ime panela je bilo; Not only Cambridge Analytica. Manipulations in the Information Space. U daljnjem tekstu prenosim govor u cijelosti

Povezana slika

 

Slika 1 – Conceptual map of various BSD/SBD interpretations in the related literature. (ref)

“Besides electrical engineering theory of the transmission of messages, there is a larger field [cybernetics] which includes not only the study of language but the study of messages as a means of controlling machinery and society…” — Norbert Wiener, In Cybernetics (1948)

Thoughts on the topic by Sergej Lugović

First of all I would like to comment on the introduction text to the panel. We have to be clear about what we are talking about. There is a difference between social media and social networks.

Before going to the deeper analysis of the issues we are facing, we have to clarify lenses used to observe phenomena. In the context of social media we can separate it into three different levels, user perception of information, how people communicate and how they cooperate based on social media. For example the questions that arise are; what is the level of trust toward social media information sources, how do people check facts about data that is retrieved and so on. Another set of questions related to the communications that can be asked are; which social media platforms do people use for certain tasks, what the messages sent between agents convey, who is communicating with whom, and what is the capacity of the communication channels and so on. And then we are coming to the cooperation level, where we can ask questions on how people actually act when using these platforms and by doing so change the environment they operate.

In my view problem is that people actually act less, but at the same time spent more time on the social media. I would like to give a recent example. One small farmer in Croatia recently posted on his Facebook wall about his legal case with the government. In the post he criticized the government, but did not mention why he had problems with them. Hundreds of comments were posted, and the post reached 550,000 views, everybody was an “expert” in the law, agriculture and business and was sharing their expertise in the comments – but the question is how many of those “experts” actually bought his products. If only a portion of them bought his product – he will be out of his financial problem in just a day.

Another interesting indicator is related to the dollar value of the time people spent on Facebook. FB has 2,3 billion users, that spend 50 minutes a day on it, multiplied by 365 days and multiplied by global average income of 8,3 PPP[1] dollars per hour.

This comes to 5,6 trillions of PPP dollars. Total EU GDP is around 22 trillion, Poland is about 1,1 trillion and Germany is around 4,5 trillion.

The thoughts above are related to the analysis that place a user in the central point of the observation. It is important that we are aware of another analytical perspective – the information system perspective, in which we look on social media as an information system (consisting of social, technology and information artifacts). In my view this is more appropriate question to ask.

First of all social media as information systems are more open and adaptive then classical information systems that we use in our daily operations. By being as such they are more advanced and powerful, but with power comes responsibility but also attraction to it. This is the reason some governments are trying to control social media platforms (without much of success) or use them in fulfilling their agenda. Usually in a discourse we are finding finger pointing toward developing countries governments, but the case I like to use is of ZunZuneo – a Cuban social network developed by US agencies with an aim to oppose communist system in Cuba.

A recent example that related to the events in Chemnitz where a messenger service owned by Facebook was used to distribute the photo of an arrest warrant. As it consists of information (photo), technology (WhatsApp) and social (people involved) – it is an information system in a true sense.

Here we can ask the question; if this is illegal content then is Facebook responsible for allowing its distribution? Silk Road was also just a platform.

This shift from classical social media (or information systems) toward the messengers and primary non text social media such as Youtube and Instagram calls for new types of social media listening paradigm, that we are calling Social Media Listening 2.0. Under such a paradigm quantitative methods are not enough, as we still do not have access to computing power that could analyze large amounts of multimedia content. Also as messengers are more closed in terms of machine based data collections (such as Twitter or FB API’s) digital anthropology methods should be applied to collect data.

Because of their complexity such information systems are called Ultra Large Systems in which users are not just users but are elements of such a systems and data are collected from the users and the systems interaction features open possibilities to manipulate those interactions. It’s done by implementing mechanisms that enable such a information systems to be adaptive. The problem with this mechanism are the motives and goals behind the operations they perform. An example is the recent US election. Advertisers used the implemented advertising mechanisms in Facebook to manipulate the voters and those mechanisms are fed by data about the users activities on the Facebook. At the other side being able to use the same advertising system is very valuable for a business trying to reach their customers more efficiently then through classical media channels.

So now to come back to the question this panel is considering, I will say that its not about the avoiding the risk of social media in terms of manipulation, but about accepting those risks and using different available methods to manage risks. It’s all about acceptance but not avoidance, because avoidance will mean no actions. Control and communication always go together and manipulation is an essential attribute to it. But understanding and accepting risks is the name of the game and makes the world better place.

 

Više informacija o forumu možete naći ovdje 

 

11 Oct

Bilo kuda podatci svuda ali bez procesa nema ništa od truda

Kroz zadnjih nekoliko godina u našem Big Data lab-u se bavimo sa strukturiranjem podataka iz različitih izvora, pronalaženjem funkcija koje možemo primijeniti na te podatke te identifikacijom koristi koje možemo kreirati.

Data Functions Benefits Figure

 

Slika 1 – Okvir Data – Functions – Benefits (DFB)

Koristeći okvir Data – Functions – Benefits (DFB) s vremenom smo uvidjeli da se isti osim za potrebe dizajna informacijskog sustava isti može i koristiti i za potrebe razvoja poslovnih pothvata temeljenih na novim tehnologijama koji unutar svojih procesa obrađuju podatke kako bi generirale koristi za krajnje korisnike. Pojednostavljeno rečeno, ako kreiramo informacijski sustav on bi morao imati neku svoju svrhu te generirati koristi za krajnjeg korisnika smanjujući neizvjesnost koja se nalazi u socio tehničkim sustavima u kojima krajnji korisnik djeluje.

Tijekom vremena došli smo do sekvence koja se počela ponavljati iz projekta u projekt. Ista se nametnula kao pomoć prilikom izrade informacijskih sustava temeljenih na big data konceptu uključujući dizajn, izradu te kontinuirano unapređenja. Povratna veza od korisnika sustava, koja se temelji na obrascima informacijskog ponašanja korisnika temeljeno na analizi logova, omogućuje dizajniranje adaptivnih funkcionalnosti informacijskog sustava. Primjer iz svakodnevnog života je nova funkcionalnost iOS12 koja omogućuje da korisnik ima uvid u provedeno vrijeme za zaslonom ali i mogućnost podešavanja kontrolera koji će odrediti kako telefon funkcionira.

iPhone X showing Screen Time stats for Jason’s iPad with time spent on Games, Entertainment and Social Networking, plus menu links for Downtime, App Limits, Always Allowed and Content and Privacy Restrictions.

Slika 2 –  View, Model, Control sučelje korištenja mobilnog uređaja (reference, retrieved 11.10.2018)

Sekvenca se sastoji od sljedećih koraka

Definiranje izvora signala – bilo koji podatak će se pojaviti na nekom izvoru signala. Međutim signal je najčešće dinamičan i ima svoje oscilacije. Naprimjer jačina svjetlosti na zemlji se mijenja iz dana u noć, te ima svoju dinamiku unutar dana. Ako radimo sustav koji uključuje ili isključuje rasvjetu nije potrebno pohranjivati sve podatke koje signal generira. Stoga prije nego odredimo koje podatke želimo sakupljati potrebno je definirati sve moguće izvore signala koji mogu generirati podatke za informacijski sustav.

Definicija podataka koji se obrađuju informacijskim sustavom – kada imamo uvid u sve signale koji dolaze iz socio tehničkih sustava (ponašanje ljudi, ponašanje prirode, ponašanje strojeva) potrebno je odrediti koje podatke želimo pohraniti u informacijski sustav za daljnju obradu. Ako analiziramo razinu svjetlosti te temperaturu u nekom prostoru moramo odrediti na koji način iz konstantnog signala pospremamo podatke u informacijski sustav za daljinu obradu. Ovisno o kontekstu, te koristima koje želimo dobiti informacijskim sustavom određujemo spremamo li podatke za svaku minutu ili svaki sat, pospremamo li s jednom ili četiri decimale, te u kojem formatu te u koji tip baze podataka.

Izračunavanje korelacija  – kako bi mogli znati koje su nam variable bitne za daljnju obradu podataka potrebno je u setu podataka pronaći korelacije. Korelacije podataka su nam temelj da odredimo koje su to variable kojima kasnije možemo modelirati i modelirati ponašanje informacijskog sustava. Osnovno svojstvo variable je da ima vrijednost te se ista može mijenjati. Naprimjer svijetlo se može mijenjati zbog kretanja sunca, ali isto tako možemo automatizirati umjetno svjetlo u prostoru sukladno potrebama čovjeka koji se nalazi u tom prostoru (npr čovjek može čitati ili spavati).

Kauzalnost i povratne veze – kada imamo variable, čije se vrijednosti mijenjaju, potrebno je utvrditi međusobnu povezanost tih varijabli, odnosno ustanoviti njihovu kauzalnost te snagu te povezanosti (odnosno statističku vjerojatnost da promjena A rezultira promjenom B). Što je vjerojatnost veća i kauzalnost je veća. Obično se bavimo složenijim sustavima potrebno je i definirati povratne veze informacijskog sustava. Naprimjer ako količina svjetlosti padne, upali umjetnu rasvjetu, kada umjetna rasvjeta podigne temperaturu u prostoru, upali ventilaciju, ako je ventilacija pre jaka upozori čovjeka u prostoru da se može prehladiti.

Modeliranje i razvoj funkcija – kada smo definirali komponente sustava (variable) te njihove povratne veze, potrebno je modelirati sustav koristeći se nekom od postojećih metodologija (npr konceptualizacija, formulacija, testiranje i implementacija, Randers, 1980) te razraditi funkcije koje obrađuju podatke na način kako bi se moglo upravljati informacijskim sustavom (kako kroz simulacije prije stvarne realizacije funkcije, putem automatizirane realizacije funkcije). Isto tako poželjno je implementirati mehanizme koji omogućuju promatranje ponašanja sustava kroz vrijeme te tako sakupljamo podatke za unapređenje modela kroz vrijeme.

Kontroleri – kada imamo model i funkcije onda znamo što kontroliramo te zašto. Implementacijom kontrolera omogućujemo krajnjem korisniku da prilagođava sustav sukladno potrebama te implementaciju (polu)automatiziranog rada sustava. Isto tako različiti kontroleri se mogu dodjeljivati različitim korisnicima sustava sukladno njihovim radnim zadatcima.

Vizualizacija – kao zadnji korak u sekvenci izrade informacijskog sustava potrebno je napraviti vizualizaciju informacija koje sustav generira. Kvalitetna vizualizacija informacija omogućuje lakše i učinkovitije korištenje informacijskog sustava te tako i rezultira većim korištenjem istog.

 

References

Randers, J. 1980. “Guidelines for Model Conceptualization” in Elements of the System Dynamics Method. J. Randers, ed. Waltham, MA: Pegasus Communications

13 Sep

Snaga volje, intelekta, resursa i tržišta

U nedavnom intervjuu Pau Graham, jedan od osnivača Y-Combinator-a jednog od globalno najuspješnijih akceleratora, usporedio je dva faktora uspjeha koja utječu na uspjeh startupa. Jedan je determiniranost odnosno odlučnost a drugi inteligencija osnivača. Kako je rekao Paul, ako inteligentnom čovjeku oduzmeš determiniranost, ostaje je neučinkovita ali brilijantna osoba. Međutim ako determiniranom poduzetniku oduzmemo inteligenciju, ostaje nam startup koji zarađuje novce bez obzira na hype koji njegov startup stvara. Determiniranost i inteligencija su intrinzični faktori uspjeha, a s obzirom na to da svako djelovanje nastaje u nekom okruženju, onda je potrebno analitičku matricu proširiti i za faktore iz okruženja. Dva vjerojatno najbitnija faktora koja se nalaze u okruženju poduzetnika su resursi i tržište. Resursi mogu biti materijalni i ne materijalni. Opipljivi, odnosno materijalni resursi su oni koje možemo dotaknuti ili dohvatiti kao što su ured, stroj za proizvodnju, računalo te naravno financijska sredstva. Nematerijalni resursi mogu biti znanje, društvena mreža, poznanstva, baze podataka i slično. Kada govorimo o tržištu, mislimo na njegovu veličinu, njegovu dinamiku rasta, kupovnu moć te konkurenciju koja djeluje na istom.

Screen Shot 2018-09-13 at 09.34.33

Analitička matrica za evaluaciju potencijala startupa

Koristeći ovu analitičku matricu vrlo brzo možemo ostvariti spoznaje o potencijalu kako našeg poslovnog pothvata ili onoga u koji želimo investirati. Pitanja koja možemo postaviti vezana za odlučnost i determinaciju mogu biti vezana uz odricanja na koja je poduzetnik spreman. Kako kaže stara poduzetnička izreka “Koliko možeš trpjeti?” Istovremeno odlučnost se može gledati i kroz neuspjehe i poteškoće kroz koje poduzetnik prolazi kako bi došao do cilja. Međutim ovdje se postavlja pitanje vezano uz to kako prepoznati granicu do koje se odričemo i pokušavamo realizirati poslovnu priliku. Odgovor na to nam daje inteligencija koja se u sažetoj definiciji može tumačiti kao reakcija agenta (osobe ili poduzeća) na novo okruženje. Tržište je definitivno bitno okruženje svakom poduzetniku. Povratna veza koju nastaje temeljen informacija s tržišta je ta koja nam pomaže kako bi regulirali odricanje te prihvaćanje neuspjeha. Jer inače imamo Sizifov posao. Rizik ovakve situacije je i u tome koliko imamo resursa na raspolaganju. Jedna od poruka iz Sun Tzu-a, knjige o umijeća ratovanja, je da kada ideš u napad, vojsku treba hraniti osvojenim hranom a ne svojom. Jedan od većih problema startupova je cash burn out, odnosno prebrzo trošenje financijskih resursa. Stoga ako imamo determiniranost i odlučnost prema uspjehu, a nemamo resursa možemo se naći u problem (kao da idemo na Velebit u natikačama). Međutim osim nedostatka resursa, rizik je i ako netko ima dostup resursima te ih troši na neutemeljenim očekivanjima. Dobar primjer može biti kupovanje traktora na kredit. Puno je poljoprivrednika kupilo traktore pa sada imaju problema s plaćanjem kredita jer su krivo proračunali snagu tržišta, odnosno prihode koje su mogli ostvariti prodajući svoje proizvode.

Ova jednostavna matrica od četiri faktora daje nam nekoliko analitičkih perspektiva. Prva perspektiva je mogućnost bodovanja ovih faktora (kako za evaluaciju pothvata od strane poduzetnika, tako i od investitora). Jedan startup može imati ukupan zbroj ocjena faktora 8 a drugi 22 (ako svakom faktoru dajemo ocjenu od 1-5). Druga perspektiva je usklađenost faktora. Naprimjer odluka investirati u startup koji ima resurse, inteligenciju i determiniranost ali adresira tržište koje ne postoji ili je već zauzeto ostalim igračima ne bi baš bila ispravna. Stoga je jako bitno da je poslovanje usklađeno po ovim faktorima. Treća perspektiva je analiza povratnih veza između pojedinih faktora te njihova kauzalnost. Naprimjer ako investiramo još financijskih resursa ili uložimo vrijeme u razvoj još jedne funkcionalnosti moramo znati kako će ti uloženi resursi rezultati prihodima na tržištu. Ili ako imamo intelektualni kapital u obliku nekog algoritma ili spoznaje kako riješiti neki problem (te validaciju od kupca o tome da je to spreman platiti), a nismo se spremni odreći nečega teško da ikada od toga možemo kreirati prihod.

Stoga koraci analize bi izgledali ovako;

  1. Razmisli i spoznaj snagu volje, intelekta, resursa te tržišta
  2. Analiziraj usklađenost volje, intelekta, resursa te tržišta
  3. Napravi model za mjerenje povratnih veza između volje, intelekta, resursa te tržišta

Kako nam kaže Sun Tzu; ako razumiješ protivnika i poznaš sebe, ne moraš se bojati ni tisuću bitaka.

13 Sep

Poduzetništvo na infuziji. Marketing i PR prijeko potrebni

Kada sam prije par dana pročitao naslov “Nema bolovanja, to joj je naša država dala”: Fotka prodavačice iz Splita rastužila i razljutila sve” odmah sam pomislio da žena radi za sebe, te bez obzira na svoje zdravstveno stanje mora prodavati. Danas je izašao novi članak o istoj gospođi koji potvrđuje moje misli.

Zašto mi je ovaj članak bitan? Jer u prvom naslovu država i poduzetnik stavljeni su u negativni kontekst. Jer može se pročitati da je vlasnik štanda poduzetnik koji svojim radnicima ne odobrava bolovanje, a država takve postupke tolerira. I tako dolazimo do antipoduzetničke klime.

Kao prvo referencirao bih se na nedavni članak HBR-a koji preispituje definiciju poduzetništva (po meni najbolje definicija “entrepreneurship as the pursuit of opportunity beyond the resources you currently control”). Da citiram po meni ključnu rečenicu:

And, by the way, the need for entrepreneurs is not limited to commercial enterprises. All of our institutions will likely need to cultivate and encourage entrepreneurs throughout their ranks — NGOs, schools and government agencies. (ref)

Ako danas u EU živi oko 25% ljudi ispod praga siromaštva i društvene ekskluzije, a nemamo dovoljno resursa, onda je definitivno potrebno aplicirati definiciju beyond resources te pronaći načine kako poboljšati život građana. I to je poduzetništvo.

Evo malo i brojeva…

U Hrvatskoj se u 2016 registriralo oko 24,000 novih poslovnih subjekata po brojevima DZS – (više ovdje), većina njih ima neke planove, želi realizirati prilike te zaraditi (ako nisu neprofitne organizacije) . E sada kako se zarađuje? Tako da se ostvari prihod, plate rashodi, te ono što ostane je zarada. Tako učim sina koji ima 9 godina, a na žalost primjećujem da mediji često brkaju prihode od zarade. Slobodan sam tvrditi da nikako ne može svih tih 24,000 pravnih subjekata imati skrivene namjere da ukradu, prevare i iskoriste zaposlenike.

Evo i brojeva na nivou EU

Izvještaj ovdje

Ukratko poduzetnici zapošljavaju oko 2/3 zaposlenih u EU, te 99 od 100 poslovnih subjekata su mali i srednji poduzetnici. U Hrvatskoj zapošljavaju oko 65% zaposlenih (izvještaj ovdje).

Jedna teza koju sam postavio prije ljeta je ta da mali i srednji poduzetnici te državne institucije ne ulažu u marketing i PR. Razlog je ili nedostatak novca (poduzetnici) ili pravna ograničenja (država). I onda tko nam puni medije sadržajem?

Pune korporacije… kojima uvijek država smeta, a poduzetnici su im konkurencija ….

Dobar primjer je “borba” Ubera i Taxista… jedni su globalna korporacija s razvijenim funkcijama marketinga, prodaje, razvoja poslovanja, lobiranja, a drugi su neorganizirani. Na kraju postupci Taxi-ista idu u korist Uberu (jer se Taxi-sti sami diskreditiraju svojim postupcima). Ali nisu krivi Taxi-sti, a krivo je nepoznavanje domene marketinga i PR-a. Naprimjer ako bi se pitala javnost zašto Taxi s licencom ne knjiži troškove benzina, amortizacije i spomeničke rente (u ZG) a Uberovi partneri knjiže otvorio bi se jedna potpuno nova dimenzija javne rasprave (jer ono što sam saznao razgovarajući s vozačima obje strane govori da Uber zarađuje više po kilometru nego Taxi ZG). A to me vraća na nepoznavanje razlika od prihoda i rashoda…Ovakvih primjera ima u svakoj industriji (dok pišem sjetim se prehrambene, kada mali proizvođač mesa proda staro mjesto, to je skandal, a kada vodeći lanac u HR proda meso s crvima, onda ponudi da se vrate novci kupcu i tu priča stane). Mediji se financiraju od oglasa, a objavljuju sadržaje. Pa sada zamislite poslovni model u kojem bi isti mediji loše pisali o onima tko im omogućava da postoje.

Međutim što me čini optimistom u svemu ovome je to da je svaka velika tvrtka bila jednom mala, te je izazvala one velike te sama narasla.

Ključno pitanje je otkriti kada se vino počne pretvarati u kvasinu, te onda ili pokušati zaustaviti taj proces ili promijeniti naljepnicu. Što je opet posao marketinga i PR-a :-)

26 May

Food data kao poddisciplina Big Data – Od stola do polja u kontekstu OPG-a

Screen Shot 2018-05-26 at 08.30.00

Trenutno se često čuje o procesu koji se bavi plasmanom hrane od polja do stola. Međutim postoji i alternativa tom procesu. A ona je od stola do polja. Koja je razlika između ta dva pogleda na plasman hrane?

Glavna razlika je što se u procesu od polja do stola bavimo fizičkim proizvodima, odnosno samom hranom, dok se u procesu od stola do polja bavimo podatcima koji prikazuju potrebe za hranom. Hrana nastaje na polju, a informacija o tome da je hrana potrebna na stolu, u trenutku kada se pojede obrok. Tijekom godina promatranja nezavisne proizvodnje hrane te traženja odgovora kako informacijski sustavi mogu pomoći hrvatskim OPG-ovima jedan od glavnih izazova manjih i nezavisnih proizvođača hrane je planiranje. Kako procesuirati proizvode s polja, kome ih prodati, gdje se kupac nalazi, koliko je spreman platiti, kolika je potražnja te koja je dinamika potrošnje, koliko uložiti u marketing, koje kanale koristiti te s kim biti partner. Ako krenemo od stola, odnosno sakupljamo podatke te ih procesuiramo kako bi stvorili informaciju znamo odgovore na sva gore navedena pitanja. Ako tome dodamo da krajnji konzument hrane ima interakciju s informacijskim sustavom, stvaramo uvid u njegove potrošačke navike, možemo sakupiti povratnu informaciju kako unaprijediti proizvod te nam on može pomoći u plasmanu naših proizvoda tako da nas promovira prema svojim poznanicima te tako postaje bitan agent u povećanju prodaje.

E sada gdje su izazovi u dizajnu jednog takvog informacijskog sustava, koje podatke obrađujemo? Isto tako kako se takav informacijski sustav uklapa u koncept Big Data.

Big Data po mojoj radnoj definiciju su obrada nestrukturiranih podataka na kojima se može temeljiti neka akcija, koji su procesuirani što bliže realnom vremenu te zadovoljavaju informacijske potrebe osobe u kontekstu.

Koje su to dvije osobe u kontekstu? Proizvođač i konzument. Stoga neka od pitanja bi bila sljedeća

  • Koje podatke skupljamo?
  • Kako ih strukturiramo?
  • Kako je povezan tijek podataka između konzumenta te proizvođača?
  • Koliko treba vremena da se iz tih podataka stvori informacija?
  • Gdje se pohranjuju podatci, te tko im ima pristup?
  • Koje procedure obrada tih podataka koristimo?
  • Kako ih vizualiziramo?
  • Kako provjerimo njihovu izvornost te točnost?
  • Kako usklađujemo rad različitih informacijskih sustava koji te podatke procesuiraju?
  • Kako trošimo uvijek limitirane resurse (kako financijske, tako ljudske i tehnološke)?

Nekidan smo s kolegom sjedili na kavi te razgovarali o ovim izazovima

Misao koje je ostala u zajedničkom mentalnom prostoru je ta da je ustvari strašno to što o osobi s kojom jedemo možemo saznati skoro sve a o hrani koju jedemo skoro ništa.

Tu bih stao, te ostavio čitatelja da razmisli o ovome, te da ako može pridruži nam se u našem mentalnom prostoru

27 Feb

Digitalna Transformacija – Intervjui pojedinaca iz realnog sektora

Studenti: Mario Kamenjak Grgur Šimunić Marko Punoš Kristijan Milojević Valentina Miloščić Lorans Al Gasem Karolina Beronić

Uvod

Digitalna transformacija, takozvana 4. industrijska revolucija uvodi primjenu informacijsko- komunikacijskih tehnologija (ICT) kao dio svog poslovanja. Digitalna transformacija je proces promjene asociran s primjenom digitalne tehnologije u svim aspektima ljudskog društva. Tvrtke na nove načine modeliraju i prilagođavaju svoje poslovne procese. Digitalna transformacija omogućava inovativnost, podiže produktivnost, konkurentnost i ubrzava transformaciju. Dvije osnovne strategije u digitalnoj transformaciji su optimizacija i inovacija. Optimizacija se odnosi na digitalizaciju poslovanja, a inovacija na kreiranje novih proizvoda i usluga temeljeno na ICTu te inoviranje poslovnih modela. Digitalna transformacija uključuje, ali nije ograničena na internet stvari, računarstvo u oblaku, digitalnu analitiku i big data. Digitalna transformacija utječe na vlade, velike i male tvrtke, medije, umjetnost medicinu i znanost. Ona je kao takva kreirala mnoge tržišne prilike i transformirala je mnoga tržišta koja su se morala prilagoditi na nove tehnologije. Digitalna transformacija se može smatrati 3. fazom prihvaćanja digitalnih proizvoda. Prva je digitalna kompetencija. Druga faza je digitalno korištenje. I tek treća faza je digitalna transformacija. Transformacijska faza znači da digitalni procesi korištenja kreiraju sasvim novu vrstu inovacije i kreativnosti umjesto da unaprjeđuju tradicionalne metode. Primjenom digitalnih platformi (drugačijim razmišljanjem i načinom rada) mijenja se način tradicionalnog dosadašnjeg poslovanja, primjerice Airbnb, Booking, TripAdvisor ,Uber, Lift, Cohealo. Danas IT je fokusiran na nove poslovne modele, identifikaciju kupaca i novih poslovnih prilika. Danas je ključno razumjeti i predviđati potrebe i očekivanja korisnika. Danas najčešće digitalne tehnologije digitalne transformacije su cloud, mobilne tehnologije, društvene mreže, napredna analitika i big dana, Internet of Things, umjetna inteligencija, augmented i virtual reality, roboti, dronovi, blockchain i 3D printanje. Digitalna transformacija neminovno mijenja i sociološke i kulturne trendove.

Pitanja za intervju (ispod svakog pitanja nalaze se odgovori nekoliko osoba)

1. Razumijete li pojam digitalne transformacije?

2. Da li ste čuli za pojam 4. industrijske revolucije?

3. Što Vas je potaklo na digitalnu transformaciju i koji je bio ključni moment na tržištu za tu

odluku?

4. Kako je vaša organizacija provela digitalnu transformaciju?

5. Što je za Vas značilo uvođenje digitalne transformacije?

6. Koje benefite je za vašu tvrtku donijela digitalna transformacija?

7. Kako se digitalna transformacija odrazila na Vaše zaposlenike?

8. Kako se digitalna transformacija odrazila na produktivnost zaposlenika?

9. Kakav je značaj bio za Vaše klijente?

10. Na koje prepreke ste naišli?

11. U kojem vremenskom razdoblju se povratio trošak uvođenja digitalizacije?

12. Kako se poslovanje vaše organizacije optimiziralo tijekom digitalne transformacije?

13. Koristite li više ili manje papirnatih dokumenata u odnosu na prošlost?

14. Da li se i dalje uviđa potreba za digitalizacijom još dodatnih procesa?

15. Koliko je bitna strategija u vođenju digitalne transformacije?

Odgovori  na pitanja

Read More

27 Feb

Digitalna transformacija poslovanja – kako tvrtke vide istu (radovi studenata)

Studenti: Matko Mijatović, Dario Đurasović, Marko-Jakov Šimunović, Maroje Macola, Zlatko Erdelja

Pitanja postavljenja u pet tvrtki:

1. Znate li što točno podrazumijeva pojam digitalna transformacija?

2. Jeste li započeli s procesom digitalne transformacije?

3. Koji bi bili glavni razlozi početka procesa digitalne transformacije?

4. Kako biste mjerili uspješnost same digitalne transformacije?

5. Koje znanja i vještine su potrebne za realizaciju digitalne transformacije?

6. Na koji način bi se vaš poslovni plan prilagodio digitalnoj transformaciji?

7. Kako bi digitalna transformacija utjecala na same resurse i zaposlenike?

8. Kako vaši korisnici i zaposlenici prihvaćaju digitalnu transformaciju?

9. Smatrate li da je digitalna transformacija ključna za uspjeh vaše tvrtke?

Read More

09 Oct

10 strateških tehnoloških trendova u 2018 – Gartner

1. Umjetna Inteligencija kao osnova (AI foundation)  Kako bi omogućili napredak strojnog učenja, a samim time i napredak UI, važne su sve učestalije ugradnje u području UI. Priprema podataka, ulaganje u vještine, procese i alate doprinose poboljšanju sustava UI. Fokus ulaganja stavlja se na integraciju, algoritme i
metodologiju osposobljavanja te modeliranje.

2. Inteligentne aplikacije i analitika (Intelligent apps and analytics)
mijenjaju način na koji ljudi komuniciraju sa sustavima i transformiraju način na koji rade.

3. Inteligentne stvari (Intelligent things) u
ključuju korištenje autonomnih vozila, robota i dronova, kao i proširenje postojećih rješenja Interneta stvari pružajući naprednije povezivanje ljudi sa njihovim okruženjem.

4. Digitalni blizanac (Digital twin) 
odnosi se na digitalni prikaz entiteta ili sustava u
stvarnom svijetu, koji će s vremenom postati dinamički povezani sa stvarnim
svijetom. U takvom novostvorenom digitalnom svijetu koji omogućuje naprednu
simulaciju, rad i analizu, koristi će imati sve uključene strane.

5. Cloud to the edge 
oblik računalne topologije koji obrađuje, prikuplja i isporučuje informacije bliže izvoru. Kada se koriste kao komplementarni koncepti, oblak može biti stil računanja koji se upotrebljava za stvaranje usluga orijentiranog modela i centralizirane upravljačke i koordinacijske strukture s rubom koji se koristi kao stil isporuke koji omogućuje odvajanje ili distribuciju procesa izvršavanja aspekata usluge oblak.

6. Konverzacijske platforme (Conversational platforms)
kao što su chatbots-ovi
mijenjaju način na koji ljudi komuniciraju s digitalnim svijetom; korisnik postavlja
pitanja, a platforma temeljem prikupljenih iskustava daje odgovore.

7. Poticajna iskustva (Immersive experience)
virtualna, povećana i mješovita stvarnost polako mijenjaju način na koji ljudi opažaju svijet. Primjenom takvog iskustva, tvrtke su u mogućnosti stvoriti scenarij u realnom svijetu te ga primijeniti na dizajn, obuku i vizualizaciju.

8. Blockchain
 se odnosi na evoluciju digitalnih transformacijskih platformi, a
upotrebljava se u nizu različitih aplikacija kao što su one za potrebe vlada, zdravstva, proizvodnje, distribucija medija, verifikacija identiteta, registar naslova i lanca opskrbe.

9. Upravljanja događajima (Event driven) je stavljanje fokusa na sam događaj, što znači da uvijek osjeća, uvijek je spreman i kontinuirano uči, stoga bi lideri digitalne transformacije “event thinking”; trebali učiniti tehničkom, organizacijskom i kulturalnom podlogom svoje strategije.

10. Kontinuirani model prilagodljivog procjenjivanja rizika i povjerenja (Continuous adaptive risk and trust – CARTA) zauzima sve važniju ulogu u digitalnom svijetu. Omogućuje poduzećima da temeljem procjene rizika i povjerenja pruže pravovremene odluke.

Izvorni članak

http://sdtimes.com/gartners-top-10-technology-trends-2018/

07 Jun

Primjena strojnog učenja za potrebe evaluacije uspjeha startup tvrtke

U četvrtak, 8.6.2017, u 14 sati u Brozovoj 6a u prostoru Poduzmi@TVZ (4 kat) održat će se predavanje kolege Bojana Jankova sa Sofia University. Boyan će prezentirati svoj istraživački rad na kojem je i doktorirao, koji se bavi primjenama strojnog učenja u svrhu predviđanja i evaluacije uspjeha startup tvrtki. Boyan osim sto predaje na Sofia University, vlasnik je i uspješne i brzo rastuće IT tvrtke koja se bavi razvojem aplikacija temeljenih na umjetnoj inteligenciji i Java tehnologijama. Boyan je gost TVZ-a u sklopu Erasmus programa.

Model koji je Boyan razvio u svom doktoratu

http://tehnoloskopoduzetnistvo.com/index.php/2016/11/28/detaljan-model-predikcije-uspjesnog-startup-a/

Bojanov Blog

https://byankov.com/

14 Apr

Kolaboracija velikih tvrtki i startupova

U današnje vrijeme sve veći broj europskih i svjetskih tvrtki ima potrebu ulagati u startupe, točnije nalaziti različite načine na koji bi zaradile, a najčešće je to pronalazak svog poslovnog modela. Takva potreba nije nova niti neuobičajena izvan granica Hrvatske. Štoviše, u posljednjih se nekoliko godina u Europi i SAD-u povećao broj poduzetničkih akceleratora pokrenutih ili financiranih od strane velikih svjetski poznatih kompanija. Tehnološki projekti i startupi u svijetu postoje već duži niz godina, dok na našem području oni predstavljaju jedan težak zalogaj zbog nedostatnih resursa kojima (ne)raspolažemo.

Prirodno, tehnološki projekti imaju najveći potencijal za rast. Danas se stalno govori o startupima poput Voxija, Shoutema, ManageWP-a, Nordeusa i Spotieja. Tvrtke poput ovih nisu ograničene na samo jednu regiju – one nude jednostavna, instantna i inovativna rješenja za cijeli svijet. Njihova je ,,roba” u većinskim slučajevima običan softver s prilično jeftinom produkcijom i reprodukcijom, ali on služi i daje obostranu korist.

Općenito, moderni korporativni akceleracijski programi startupima u početnim fazama nude financiranje i/ili usluge, za što mogu, ali i ne moraju, uzeti proviziju. Među uslugama slične vrste, vrlo je često korištenje opremljenih modernih ureda te tehnoloških platformi (recimo poneki razvojni alati, serverska infrastruktura), a tvrtke nerijetko izdaju i besplatne avionske letove za svoje sponzore.

Međutim, nitko ne spominje kolika se problematika krila u početnim fazama ulaganja u startupe. Naime, u prošlosti je za uspješno uspostavljanje startupa bila potrebna velika količina novca i preuzimanje velikih rizika na sebe. Prvo visokotehnološko VC ulaganje u startupe (1957.) napravila je kompanija Digital Equipment Corporation (DEC). Kompanije su, po uzoru na nju, morale samostalno početi proizvoditi vlastite proizvode, pa se stoga ukazala potreba za izgradnjom sve većeg broja tvornica i ogromnih lanaca.

Jedan od primjera velike tvrtke koja danas ima itekako važan utjecaj na svijet, ali i sve uspješniji proces vlastitog ulaganja u startupe, svakako je Coca-Cola. Poznata je informacija da ta tvrtka surađuje i sklapa ugovore sa cijelim svijetom, pa tako i s jugoistočnom Europom, točnije Balkanom. Coca-Cola je potpisala ugovor s jednom tvrtkom koja je još prije gotovo tri godine uložila upravo u hrvatski startup. Naime, ovdje je riječ o dvojici prijatelja koji su najprije razvili aplikaciju za upravljanje terenskom prodajom. U tu je aplikaciju 2010. godine uložio Saša Cvetojević, investitor u zdravstvenom sektoru, ICT tvrtakama te u distribuciji robe široke potrošnje. Read More