Sergej Lugovic Tekstovi

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.



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

26 Jan

Država bi milijardu kuna manje za obrazovanje, a kadra nema

Orginalno članak je objavljen u Poslovnom Dnevniku 3.10.2016

U zadnje vrijeme često čujemo da u Hrvatskoj fali oko tisuću ICT stručnjaka te da nedostatak istih utječe na ekonomski rast ove industrijske grane. Znači imamo vrlo jasan problem koji treba riješiti, odnosno ako možemo stvoriti više ICT stručnjaka stvaramo blagostanje u društvu. Međutim stvaranje tih stručnjaka ima svoju cijenu koju netko na kraju dana mora platiti, te se vodi diskusija tko tu cijenu mora platiti.

Rast ICT-a
U generaciji 2013/2014 studiralo je 178.676 studenata, te od toga samo 0,3 posto na privatnim visokim učilištima. Od ukupnog broja studenata, tehničke znanosti studira 43.825 studenata. Računarstvo studira 5.575 studenata, a informacijske i komunikacijske znanosti studira 7.600 studenata. Podatke o tome koliko ih godišnje završi školovanje na stranicama nema, ali pretpostavimo da školovanje traje u prosjeku četiri godine, a imamo ukupno 13.175 studenata (7,3 posto ukupnog broja studenata), onda možemo zaključiti da je broj studenata koji svake godine završe studije koje ih spremaju za ICT industriju malo više od 3000.

Screen Shot 2017-01-26 at 13.34.56

Ukupni proračun za visoko obrazovanje je 3,5 milijardi kuna za 2015., 2,6 milijardi za 2016. te 2,5 milijardi za 2017. Udio od 7,3 posto po broju studenata čini 259 milijuna kuna izdvajanja za ICT relevantnu edukaciju u 2015., 193 mil. kuna u 2016. te 187 mil. kuna u 2017.  I to pod pretpostavkom da se distribucija studenata neće mijenjati.  Hrvatska ICT industrija danas zapošljava 32.000 radnika te ostvaruje prihode od 31 milijarde kuna uz rast od 12 posto. Sto vodećih ICT tvrtki u Hrvatskoj ima dobit prije kamata, oporezivanja, amortizacije i deprecijacije malo više od 685 milijuna kuna. Procjenimo li koliko uplaćuju poreza na dobit (cca 30%) dobivamo iznos od 205 milijuna kuna. Nastavi li se rast prihoda istim tempom, ICT industrija narast će na prihod od 38,8 mlrd. kuna te će zaposliti ukupno više od 40 tisuća radnika. Unatoč tome, proračun za visoko obrazovanje, prema najavi ministarstva, u 2017. planira se smanjiti za skoro trećinu u odnosu na 2015.

Niz pitanja
Prvo što možemo zamijetiti su dva suprotna trenda: rast  ICT-a s jedne i smanjenje proračuna za obrazovanje s druge strane. To rezultira sve većom razlikom između ponude i potražnje kadra te kapaciteta obrazovnog sistema da kreira taj kadar. Brojke također ukazuju na vrlo mali udio studenata koji se obrazuju na privatnim ustanovama.  Imamo i otvoreno pitanje vezano za odnos proračuna  visokog obrazovanja te broja studenata koji se obrazuju za ICT sektor.  Ova kratka analiza nameće neke smjernice za otvorenu diskusiju na ovu temu. Prva je raspodjela proračunskih sredstava po poljima studiranja te koji su plusevi i minusi na nacionalnom nivou da se ulaže više u visoko obrazovanje programera nego primjerice učitelja.

Sljedeća smjernica tiće se poreznih olakšica za ICT kao industrijsku granu te kako mjeriti učinak takvih politika. Isto tako treba razmotriti i odnos države i industrije, odnosno udjele u participaciji u rješavanju ovog problema. S obzirom na to da je udio privatnih učilišta vrlo mali potrebno je razmotriti i njihovu ulogu. Postoji i prostor za diskusiju treba li uopće sav kadar koji je potreban ICT sektoru imati visoko obrazovanje ili su dovoljni industrijski certifikati uz plaćeno stručno osposobljavanje kod poslodavca.

26 Jan

Otvorena Inovacija i Inovacijski paradox EU

Usporedba: Tehnokracija i Humanizam

Tehnokracija je termin korišten za opisivanje organizacijske strukture ili sustava upravljanja u kojem se odluke donose bazirano na tehnološkim znanjima [1].

Humanizam je filozofski i etički stav koji naglašava vrijednost i agenciju ljudskih bića, individualno i kolektivno, i općenito preferira kritičko mišljenje i dokaze (racionalizam, empirizam) preko uspostavljenih doktrina ili uvjerenja[2].

Zašto je ova distinkcija bitna? Na kolektivnoj razini distinkcija je bitna jer definira uvjerenja pojedinca koji čine kolektiv te on kao takav djeluje, inovira i mijenja svijet u kojem egzistira. Stoga je jako bitno na kojim uvjerenjima to djelovanje nastaje, jer uvjerenja determiniraju djelovanje. Inovacija je primjena nove i poboljšane ideje, postupka, dobra, usluge, procesa koja donosi nove koristi ili kvalitetu u primjeni [3] ili Uvođenje novosti u postupku i radu (o tehnologiji, o patentima, o proizvodnji) [4]. Stoga ako djelovanje koje rezultira uvođenjem novog postupka “umnožimo” uvjerenjima koja mogu biti a) tehnokratska ili b) humanistička – rezultat ishoda mogao bi biti različit. Međutim tu se pojavljuje pojam poduzetnik koji izaziva postojeće doktrine (bazirane na dokazima, koji su sastavni dio Lean Startup metodologije [5] koja se temelji na postavljanju hipoteza, sprovođenjem eksperimenata koje onda dokazuju (ili ne) hipoteze) te kreira nove proizvode ili usluge koji mijenjaju postojeći ekonomskom sistem. Sagledano na ovaj način možemo poduzetništvo pozicionirati bliže humanizmu nego tehnokraciji. Apple je promijenio glazbenu industriju a Amazon industriju prodaje knjiga, a niti jedna niti druga tvrtka nisu bile iz te industrije – odnosno nisu prilazili upravljanju bazirano na tehničkim znanjima iz pojedine domene, a izazivale su postojeće doktrine i uvjerenja u istim.

Paradox Inovacijskog Eko Sustava u EU

Danas u EU imamo jedan veliki paradoks u sustavu inovacija te utjecaja istih na ekonomiju te koristi za društvo. Paradox je sljedeći: Tražeći odgovore na pitanje zašto EU poslovni sektor ima manji inovativni kapacitet nego SAD, autori dolaze do zaključka da je razlog toj situaciji premali broj malih tvrtki koje imaju kapacitet da preusmjere ekonomiju prema novim prilikama i rastu[6]. Istovremeno drugo istraživanje nam ukazuje na pozitivnu korelaciju između ulaganja u Istraživanje i Razvoj (I&R) i edukaciju s povećanjem poduzetničkih aktivnosti unutar postojećih tvrtki, te negativnu korelaciju s kreiranjem novih poduzeća[7]. Znači da razlog za inovacijski kapacitet je nedostatak “izazivača” postojećeg stanja, a s druge strane novac uložen u edukaciju i I&R negativno utječe na kreaciju istih.  Kolege Curley i Salmelin su 2013 predložili novu paradigm inovacije – Open Innovation 2.0 (OI2.0) u kojem su dvije stvari relevantne su za ovaj tekst[8]. Read More

26 Jan

Alati za digitalnu prodaju…

Screen Shot 2017-01-26 at 12.52.13


U zadnje vrijeme se dosta bavim proučavanjem digitalne prodaje, koja uključuje (po meni) i digitalni marketing. Pomalo sam umoran od specijalista u micro područjima koji znaju upravljati contentom na Facebook-u ali ne razumiju SEO, ili one koji znaju Google AdWords a ne znaju dići Twitter oglas, ili onih koji mogu poslati e-mail s dobrim sadržajem ali radije ne bi odgovarali potencijalnom kupcu kada pokaže interes. Naravno da je lijepo imati dobar tim, gdje svatko radi svoj posao (premda čak i nogometne taktike se mijenjanju pa tako i imamo Total Football). Osim što se mijenjaju taktike bitno je znati da većina tvrtki u EU su male tvrtke do 10 zaposlenih.

Screen Shot 2017-01-26 at 12.53.02

Tako da je teško u ovakvom kruženju propagirati uske specijalizacije, naročito ako znamo da je prodaja ono što hrani tvrtku, a samim time i okruženje u kojem tvrtka posluje, te tako utječe na društveno blagostanje (naravno ako je etična).

Stoga sam slobodan podijeliti listu alata koji se mogu koristiti u digitalnoj prodaji koje sam našao zanimljivim. Osim dijeljenja liste alata, cilj ovog posta je čuti i druga mišljenja i iskustva te potaknuti diskusiju oko digitalne prodaje (koja uključuje i digitalni marketing). Bitno je reći da nisam ove alate koristio nego su rezultat proučavanja literature. Isto tako vodio sam i računa pri selekciji da alati budu relativno pristupačnih cijena. Read More

26 Jan

5 Pitanja za analizu svrhe poslovanja?

Nedavno sam slučajno naišao na jedan TED video o svrsi života. S obzirom na to da je dužina odgovarala vremenu koje trebam provesti pred televizorom dok ne krenem vani odlučio sam ga pogledati. Svrha (eng Purpose) mi je jako zanimljiva kako iz aspekta poslovanja i poduzetništva tako i iz perspektive teorije sustava. Jako volim ovaj citat iz 1937 godine “The mechanism of an organization is found at the level below, its purpose at the level above.” Možemo ga tumačiti da svrha definira mehaniku podsustava. Odnosno ako nam je svrha prodati što više, onda će prodajni odjel bit organiziran tako da imamo hard outbound sales tim, a ako nam je svrha zadovoljni kupac (koji onda prodaje dalje za nas) onda će naš odjel prodaje biti organiziran tako da imamo dobru podršku korisnicima. Odličan primjer različitih pristupa prodaji iz HBR-a.

Screen Shot 2017-01-26 at 12.45.59

Definitivno svaki od ova dva pristupa će rezultirati različitom mehanikom, odnosno organizacijom prodaje. Isto tako će biti i sa ostalim dijelovima tvrtke.

Međutim postavlja se pitanje kako pronaći svrhu onoga što radimo, odnosno koji okvir koristiti za analizu svrhe. E baš to je ono što sam slučajno pronašao u ovom videu, te smatram da je vrlo aplikativno za potrebe analize svrhe bilo kojeg poslovanja. Smatram da se isto može koristiti i za analizu na nivou pojedinca ali i na nivou više sustava koji surađuju u svrhu ostvarivanja zajedničkih ciljeva (partneri).

Pitanja autor postavlja su sljedeća (prilagodio sam ih za aplikaciju na poslovnu organizaciju)

1.        Tko smo?

2.        Što radimo?

3.        Za koga to radimo?

4.        Što korisnici za koje to radimo žele i koje su im potrebe?

5.        Kako se korisnici mijenjaju kao rezultat toga?

Prva dva pitanja izgledaju dosta jednostavno te odgovore možemo pronaći vrlo brzo. Međutim već treće pitanje nas vodi prema jasnijem uvidu i definiciji za koga radimo to što radimo? Naprimjer ako nudimo ICT rješenja, za koga to radimo? Za onoga tko plaća ili za onoga tko koristi naša rješenja, ili možda za investitore (kako bi mogli imati transparentnije uvide u poslovanje tvrtke u koju su investirali)? Koristeći se četvrtim pitanjem otvara se još jedna dodatna dimenzija analize, jer su različite potrebe uprave, informatičara ili odjela marketinga. Po meni šlag na kraju je zadnje pitanje, jer nam ono daje polugu za analizu kako se korisnik našeg proizvoda ili usluge mijenja nakon početka korištenja istih. Spoznaja promijeni koja nastupa kao rezultat naše ponude nam istovremeno daje smisao (jer se tu možemo pitati želim li to raditi) ali istovremeno nam omogućuje da analiziramo procese korisnika te pokušamo predvidjeti buduće korake korisnika naših usluga ili proizvoda u svrhu planiranja novih funkcionalnosti proizvoda ili obuhvata usluge.

Probitivajući sami sebe kroz ovih 5 pitanja možemo izbistriti sliku svrhe našeg postojanja te na tajn način stvoriti preduvjete za stvaranje vizije, misije, vrijednosti te pozicioniranja na tržištu.

Screen Shot 2017-01-26 at 12.47.28

28 Nov

Detaljan Model Predikcije Uspješnog Startup-a

Temeljeno na doktorskom radu kolege Boyana Yankova iz Sofie koji je doktorirao na temu predikcije uspješnosti startup-a koristeći se tehnikama strojnog učenja donosimo prijevod ključnih faktora uspjeha Startup tvrtke.


Download PDF verzije 


Publikacija: Yankov, B.: Methodology for Bulgarian Technological Start-ups Success Prediction, Models and a software application for success prediction of start-up companies, Doctoral Dissertation, Sofia (2015)