Data Science az online médiában: az adatvezérelt újságírás jövője

Feltöltve: 2022. március 17.

Data Science AI Trendek Média ML Újságírás

A média világa és technológiai háttere drasztikus tempóban fejlődik. A szerkesztőségek munkáját egyszerű tartalmak esetén már a mesterséges intelligencia is segítheti, azonban az AI alapú megoldások ennél jóval többet és jóval szélesebb skálán biztosítanak a szervezet teljes spektrumán. De mi is az az adatalapú szerkesztőség és hogyan lehet ezen megközelítés szerint gondolkodni? Milyen létező megoldások vannak a piacon, hogy fog kinézni a jövő szerkesztősége és miért van a Bloombergnek egy 200 fős stábja, ami csak ezzel a területtel foglalkozik? Ez alkalommal a Trendency adatszakértő csapatának vezetőivel, Sólyom Balázzsal és Szenczi Rolanddal beszélgettünk az online média és az adatvezérelt újságírás jövőjéről.

Transcript

Laczkó Gábor: – Sziasztok, szeretettel köszöntök mindenkit, én Laczkó Gábor vagyok, a Stylers, Protechtor és Braining Hub hármasnak az egyik alapítója. Mai beszélgetésünk során a Data Science világáról fogunk beszélgetni, méghozzá, hogy az online média területén milyen területet tölt be. Vendégeink Sólyom Balázs és Szenczi Roland. Balázs, Roland, meséljetek kicsit, röviden mutatkozzatok be kérlek egy pár mondatban. Balázs, ha megkezded, megköszönöm.

Sólyom Balázs: – Sziasztok, köszönöm a bemutatást. Egy 10-11 éves multis tapasztalatból érkeztem a Trendencyhez, korábban a telekommunikációs területen, leginkább a digitális területen dolgoztam. Ott gyakornokból lettem három és fél év alatt digitális csapatvezető, utána az Invitel után a UPC-ben folytatódott a karrierem, ahol már online igazgatóként minden digitális dolog hozzám tartozott. Ami igazából végigkísérte a karrieremet, az az adat volt ilyen szempontból, nem nagyon csináltam semmilyen olyan feladatot, vagy nyitottam új projektet az alapján, hogy ne tudtam volna, hogy ez mire lesz és milyen hatással, és mit szeretnék belőle elérni. Amikor a Vodafone-UPC házasság létrejött, akkor úgy döntöttem, hogy ez egy remek kilépési pont számomra, hogy egy kicsit új területen próbáljam ki magam. Akkor jött a Trendencyben az a lehetőség, hogy felépíthetek a kollégáimmal egy teljesen új üzletágat, ami a Data Science és webanalitika üzletág lett, és nagyjából két éve épül ez a kis hatékony csapásmérő egység, ami lassan egy 20 kollégát tud maga mögött, és úgy gondolom, hogy elég masszív tapasztalatot gyűjtött már össze a digitális média területén.

Laczkó Gábor: – Az nagyon szép egyébként, 20 fő az már kézzel fogható csapat, úgyhogy ez  nem is olyan kis csapat, gratulálok hozzá! Roland?

Szenczi Roland: – Sziasztok, én is üdvözlök mindenkit. Igazából nekem a karrierem a pénzügyi matematikából indul, ott a Morgensternnél végeztem különböző modellezési feladatokat, majd utána elmentem Abu Dhabiba, ahol automatizált tőzsdei kereskedéssel foglalkoztunk. Ez volt az a korszak, amikor rájöttem, hogy félre kell rakni a third party megoldásokat és felcsaptam a nemkonvex optimalizálásról szóló könyveket egymás után, és elkezdtem saját egyedi gépi tanulási módszereket írni, igazából ott érezve azt, hogy bármit meg lehet oldani, ha van egy fix domain. Arra gondoltam, miért ne próbálnám meg a magyar médiát, vagy a tágabb értelemben vett más országok médiáját is egy kicsit megváltoztatni. Így csatlakoztam a mostani csapatomba, itt egy 7 fős – elsősorban gépi tanulással foglalkozó – csapatot vezetek.

Laczkó Gábor: – Nagyon izgalmas. Egyébként hogy jött a külföldi vonal? Az ilyen kis szerelem? Vagy egy nagyon izgalmas projekt?

Szenczi Roland: – Nagyon izgalmas projektre hívtak meg, nem lehetett rá nemet mondani. Egy nagyon magas exposure-rel rendelkező projekt volt, egy nagyon komoly összegnek a kezelése, nagyon komoly ember számára, és erre nem lehetett nemet mondani.

Laczkó Gábor: – Értem, köszi. Szó esett már arról, hogy médiában, média területén Data Science-szel foglalkoztok. Pár mondatban kérlek foglaljátok össze, hogy konkrétan mivel!

Sólyom Balázs: – Alapvetően én azt mondanám, hogy ha még eggyel hátrébb lépünk, próbálunk üzleti problémákra minél több választ adni adatok segítségével. Ez lenne az alapvető működésünk. Jelenleg a média területén kitűztünk a zászlós hajónkra, az, hogy hogyan segítsük az adatalapú újságírást, majd hogyan jussunk el egy adatvezérelt újságírásig. Amit én itt ki is emelnék egyből, hogy ez nemcsak szerkesztőségekkel való együttműködést jelent, mert nyilván amikor valaki arra gondol, hogy van egy index.hu, telex.hu, origo.hu, 24.hu, akkor egy szerkesztőség ugrik be neki, de minden egyes ilyen cég mögött, mint minden egyéb más mögött rengeteg divízió áll. Ugyanúgy van nekik is HR osztályuk, értékesítés, foglalkoznak UX, UI-jal, termékfejlesztés, és így tovább. Mi kis túlzással arra ambicionáljuk magunkat, hogy mindenki, aki azon van, hogy egy adott médium jobb teljesítményt érjen el, annak tudjunk segíteni.

Laczkó Gábor: – Manapság ugye több olyan terület van, ami érintheti technológiailag a ti munkásságotokat. Gondolok itt Data Science, AI, automatizáció, vagy ezeknek a közös metszeteire. Ti melyikkel foglalkoztok? Az insite-okat klasszikus Data Science módszerekkel nyeritek ki, vagy megfűszerezitek egy kis AI-jal is? Ez hogy néz ki?

Szenczi Roland: – Igazából erre úgy lehet legegyszerűbben választ adni, hogy az automatizációt és az AI-t ketté kell választani. Mind az automatizálás mind az AI alatt valamilyen kiszervezett tevékenységet értünk. Csak az a fő különbség közöttük és itt főleg a feladat milyensége határozza meg ezt a különbségtételt, hogy az automatizálás valamilyen egyszerű feladat, valamilyen rutinjellegű tevékenység, amit akár szabad szemmel is könnyű ellenőrizni, hogy ez most jól futott-e le, miután a gép végzi el helyettünk. Az AI sokkal komplexebb történet, elsősorban azt szoktam mondani, hogy valamilyen nemlineáris összefüggésnek a kiszervezése, hogy a gép gondolkodjon helyettünk. Mi a kettőnek valamilyen kombinációját alkalmazzuk, hogyha úgy vesszük, hogy az AI alapú elemzéseinkből készülnek riportok is automatizáltan. Valami ilyesmire kell gondolni, amit itt a mindennapokban végzünk. Van, hogy mi mondjuk meg, hogy valamire nem lehet AI-t alkalmazni, mert nincs elég adat hozzá, ez is előfordul. Viszont általában úgy állunk hozzá a dolgokhoz, hogy ha minimálisan, de valamilyen NLP megoldást, valamilyen regressziós eljárást általában be tudunk vezetni egy-egy akár kisebb problémára is. A cél az mindig az, hogy lehetőség szerint valami olyan dolgot adjunk át – és ezt csak AI-jal tudjuk elérni – amit az egyszerű józan paraszti ésszel ránézésre nem lehet felismerni az adaton, és itt jön képbe az AI.

Laczkó Gábor: – A buborékokat nézve, hogy machine learning, deep learning, csak machine learning vagy belementek a deep learning buborékába is?

Szenczi Roland: – A deep learningbe csak akkor megyünk bele, ha van is elég adat hozzá. Ilyennel is találkoztunk már, hogy hatmillió újságcikket fel kellett dolgoznunk, akkor tudtunk alkalmazni deep learninget, de igazából az elérhető adatmennyiség az, ami egy komoly korlát, és innentől kezdve a small data-n kell nagyon okosnak lenni, és az is egy nagyon szép művészet.

Laczkó Gábor: – Most merre tart az online média technológiailag? Mik azok a trendek, amik most a piacon vannak? Mit láttok, milyen típusú feladataitok vannak, amik aktív feladatok, vagy aktív területek? Meséljetek erről!

Sólyom Balázs: – A technológiát én egy picit máshogy közelíteném meg. Nem biztos, hogy a technológia a média aspektusából a legfontosabb, hanem sokkal inkább a mindset. Az eddigi tapasztalatok alapján nagyon sok helyen vannak olyan kollégák, akik az offline világból tértek át a digitális médiába, korábban mondjuk printszerkesztők voltak. Nagyon-nagyon másképp tekintenek erre az egész területre. Kis túlzással azt mondanám, hogy közmű szinten van bizonyos aspektusból maga a technológia, hogy működjön a szerver, legye elérhető a CMS, ha én beütök valamit, az működjön. Nagyjából eddig terjed egyelőre ez a gondolat. Sok helyen nagyon távol vannak attól, hogy a felhasználói igényeket magas szinten ismerjék, azokra fókuszáljának, és azt szolgálják ki. Nagyon nagy a gap, sok esetben egy ügyfél vagy egy szerkesztőségi mindset és a felhasználói igények között. Még azt szintén behoznám a beszélgetésbe, hogy a felhasználók ideje továbbra is 24 órából áll. Ezért versenyeznek nagyon-nagyon sokan és ilyen szempontból nem a digitális média technológiai felkészültsége az igazodási pont, hanem az alapvető technológiáé, hiszen ebben a 24 órában ott van a közösségi média, a webshopok, a bármilyen tartalomszolgáltatók, a streaming szolgáltatók, és ebből kell kihasítani a digitális médiának valamilyen szeletet magának. Úgyhogy én nagyon nagy baklövésnek tekinteném azt, ha csak és kizárólag arra fókuszálnánk, hogy az újságok, akár print, akár online stuffolódnak fel.

Laczkó Gábor: – Mik a trendek most egyébként? Mi látszik? Merre fog menni a médiavilág? Lehet-e prognosztizálni? Nektek vannak-e előrejelzéseitek ezzel kapcsolatban?

Szenczi Roland: – Ha technikai válaszra vagy kíváncsi, hogy technikai szemmel hogyan képzeljük el egy szerkesztőségnek a jövőjét, nyilván elfogult vagyok a High-frequency trading és egyéb tőzsdei automatizálási rendszerekkel kapcsolatban, de szerintem valami ilyesmi történik a médiával, vagy ha más nem, akkor mi drive-oljuk őket Magyarországon egy ilyen irányba. Én tényleg úgy képzelem őket, hogy rengeteg monitor előtt ülve, rengeteg realtime trending dolgot figyelve és elemezve fognak dolgozni a jövőben, ugyanis már most észrevehető hasonló igény afelé, hogy hogyan tudják mások előtt elkapni azokat a trendeket, amiket a felhasználók valószínűleg szeretnének látni. Ez egy nagyon érdekes kihívás különben, szerintem efelé nagyon nagy fókusz terelődik mostanság. Kiemelném azt is, hogy Magyarországon a szerkesztők egész jól ismerik a nyugati világban elterjedt úgynevezett computational journalism technikáját, sikerességét, csak nem volt meg a megfelelő mindset. Ahogy látjuk, a technológia sem volt úgy összerakva, hogy azon megvalósítható lenne. Szerintem ami most történik, hogy beszerzik a technológiát, kialakítják a data mindsetet, a Stanfordnak van egy olyan kutatóintézete, ami pont ezzel foglalkozik, hogy hogyan lehetne az újságírást data driven-né, adatvezéreltté tenni. Ők is mindig azt emlegetik, hogy hogyan lehet egyáltalán adatalapú szerkesztőségben gondolkodni, ez egy komoly szervezeti átalakítás. Nagyjából ennek kellene megtörténnie, a jövő pedig az, hogyha erre átálltak, akkor valós időben monitoringozzák azt, hogy mi történik a piacon, és azt próbálják gyorsan egy szöveg formájában visszaadni az embereknek mint érdekes kattintható contant.

Laczkó Gábor: – Akkor tulajdonképpen erre fókuszáltok, hogy minél láthatóbb insite-okat adjatok?

Szenczi Roland: – Is. Erre az a válasz, hogy is. Igazából az AI-t kétféleképpen vetjük be. Ez úgy néz ki, hogy vagy egy kérdést lezárunk, tehát egy szerkesztőségi vita van arról, hogy kik olvasnak minket, hogy azok milyen hangulatú Facebook kommentekkel fogják elárasztani az oldalunkat. Ezt mi le tudjuk zárni nagyon egyszerűen, meg tudjuk mondani, hogy 8 érzelmi dimenzióból egy pókháló-diagramon milyen irányba lövi ki a dolgokat egy adott poszt, ezzel lezártunk egy vitát. Vannak olyan AI megoldásaink, amikkel kifejezetten provokáljuk a szerkesztőségeket. Például meg tudjuk mondani mi az a téma, amit a versenytársak megírtak, vagy legalább egy kis része a versenytársaknak, de ti ezt valamiért nem írtátok meg. Meg tudjuk mutatni azokat a cikkeket, hogy NLP alapú összehasonlítással mi ezt nagyon szépen meg tudjuk határozni, hogy itt van egy bizonyos tabutéma, ez miért tabu nálatok. A másiknak elszállt a látogatottsága ma, a tiétek lapos, és itt van ez a valami ezt nem írtátok meg, lehet, hogy ez van mögötte. Erre aztán rá tudunk építeni különböző versenytárselemzéseket is. Ilyesmi insite-okban lehet gondolkodni, hogy vagy provokálunk, vagy kérdéseket zárunk le.

Laczkó Gábor: – Ez konkrétan egyébként üzleti tanácsadás, amit adtok nekik, meg amivel segítitek őket.

Szenczi Roland: – Egyetértek, igazából mindenkinek elmondom, hogy mindegy milyen területről érkezett hozzánk valaki data scientistnek az a legfontosabb, hogy minél hamarabb megtanulja, hogy hogyan működik egy szerkesztőség, mi fontos neki, és utána a business logicot hogyan tudjuk ötvözni a matematikai és Data Science megoldásokkal. Ezek egymástól függetlenül nem léteznek. Ahogy sokan elképzelik a machine learninget, hogy csak be kell lökni az adatot, és valami kihullik belőle, ez abszolút fals dolog. Ahogyan bemegy az adat, abban nagyon komolyan benne kell lennie annak, hogy mi mit gondolunk az üzleti modellről.

Sólyom Balázs: – Ide befűznék még egy dolgot, csak hogy reflektáljak arra, hogy mennyire nemcsak szerkesztőségekben gondolkodunk. Hogyha veszünk egy nagyobb portfóliót, ahol több médium, több szerkesztőség is rendelkezésre áll, arra pont most dolgozunk ki egy olyan megoldást, hogy tudjuk valamilyen szinten klaszterezni vagy szegmentálni, hogy észre tudjuk venni vagy meg tudjuk azt mutatni, hogy egy többszáz fős szerkesztőségen belül milyen csoportok azonosíthatók be, kik miben jók, kit merre érdemes tolni, vagy nem. Nagyon erősen azt ambicionáljuk, hogy a menedzsment felé tudjuk majd előadni, vagy a HR felé. Vagy ad absurdum ahol üresedés van, akkor meg lehessen nézni, hogy házon belül hogy lehet pótolni akár egy életpálya modellel, hogy lehet átvinni egy kezdőt egy komolyabb pozícióba. Vagy ha van egy hírhelyzet, mint például most is körülveszi az országunkat, de mondjuk, ha nyáron van egy Eb, egy vb, egy olimpia, akkor rengeteg sportújságíró kell, a gép instant tud arra választ adni, hogyan lehet – ha úgy tetszik – felskálázni a szerkesztőséget hasonló kaliberű, skillű vagy abban a témában, amiben jól tud írni valaki. Ilyen szempontból lehet, hogy ez a tudás valamilyen szinten ott van a főszerkesztőkben, de csak a saját buborékjukban, a teljes portfólióban nem. Nagyon szubjektív dolgok mentén vizsgáljuk az embereket, főleg a saját csapatunkat. Ez a történet egy teljesen objektív képet tud arra adni, nagyon gyors beavatkozást és reakciót tud adni egy-egy médium számára, ami a mai világban kis túlzással elengedhetetlen.

Laczkó Gábor: – Főleg úgy, hogy jó munkaerőt találni, gyorsan integrálni, az tudjuk, hogy a mostani helyzetben nem könnyű. Gyakorlatilag akkor ez egy házon belüli hálózatkutatás, ha jól értem, ahol ezeket az embereket feltérképezitek, hogy aztán majd ki milyen típusú területre lehet jó.

Sólyom Balázs: – Azt mondanám, hogy a hálózatkutatás az kevésbé, mert ott inkább az emberi kapcsolatokat vehetjük alapul, itt meg teljesen azt vizsgáljuk, hogy ki milyen módon ír, milyen szavakat használ, milyen tematikában erős. Ezzel összevetjük a statisztikai mutatókat, a közösségi média teljesítményt, hogy ki ír jobban a Google számára, hogy organikus keresőben jobb legyen, ki az aki a sporttematikára összpontosít, ki az, aki a rövid híreket írja magasabb minőségben, tehát itt nagyon sok minden összefügg ebben az aspektusban. Sok apró modulunkat raktuk össze erre, de tényleg azt próbáljuk megnézni, hogyha van egy többtíz oldalt üzemeltető hatalmas portfólió, aki többezer tartalmat gyárt napi szinten, rengeteg különböző témában, akkor hogy lehet az azonos skillű embereket megtalálni, mert ez is egy komoly kérdőjel. Így kezdtük az egész projektet, hogy van-e egyáltalán ebben valamilyen mintázat. Mert nyilván ezt felrajzoljuk egy papírra, hogy hú de jól hangzik, aztán dolgozunk vele két hónapot, majd kisétálunk vele az ügyfélhez, és megmutatjuk, hogy a 400 embered pont ugyanolyan, akkor nem biztos, hogy megtapsolnak minket és a vállukon hordanak. Ilyen szempontból ott tartunk, hogy most bizonyítottuk be házon belül magunknak, hogy ebben igenis van bőven potenciál, és most készülnek el a mélyebb elemzések, hogy merre tudjuk eltolni a teljes reprezentációt például.

Szenczi Roland: – Örülök, hogy Balázs hangsúlyozta a mélyebb elemzés szót, mert szinte ez a legfontosabb a munkánkban, hogy az üzleti tudás megszerzése az egy lépcső, utána pedig az következik, hogy mennyire tudjuk mélyen elemezni ezeket a dolgokat, mennyire tudunk lefúrni az adatba. A szerkesztők profilozása, klaszterezése során is azt az élményt kerestem, hogy mikor fog végre egy olyan klaszter kiugrani, amire azt mondom, hogy el sem tudtam volna képzelni, hogy létezik ilyen szerkesztőségi csoport, vagy valamilyen társulás, mert akkor meg tudjuk lepni mi is a menedzsmentet, hogy erre érdemes fókuszt fektetni. Tudok is instant mondani egy érdekeset, létezik a szerkesztőknek egy olyan csoportja, akik úgy írnak cikkeket, olyan címmel és olyan fotóval ellátva, hogyha azt én Facebookon kiteszem, akkor hatalmas kommentháború indul majd meg, rengeteg reakciót és újramegosztást fogok kapni az adott posztra, de maga a cikk nem fog konvertálni úgy igazán embereket. A tartalom nem érdekel senkit, mert a címből nagyjából kiderül, hogy mi lehet benne, el sem akarják olvasni, és megindul a kommentháború. Gyakorlatilag igen, léteznek olyan szerkesztők, akik tucatjával írnak ilyen dolgokat, és ezt meg tudjuk mostantól mutatni.

Laczkó Gábor: – Ez nagyon izgalmas rész. Nálatok Balázs, ki a fő célcsoport üzletileg? Akik masszív portfólióval rendelkeznek és nyilván sok adatot tudnak szolgáltatni?

Sólyom Balázs: – A portfólió mérete nyilván üzleti kérdés, hogy mennyire éri meg neki befektetni ebbe és mit tud belőle kihúzni. De ami elsődleges szempont, hogy kellő mélységű és mennyiségű adata legyen. Vannak olyan moduljaink, amihez napi szinten 10.000 látogatás kell, hogy egyáltalán valamit tudjon mondani. Van az a méret, ahol ezzel a mindsettel be tudunk menni. Nyilván mivel egy elemzői üzletág is van házon belül, ezért a small databól is tudunk olyan webanalitikai elemzéseket kihozni, ami úgy gondolom, hogy nagyon sok hasznossággal tud párosulni. De amikor már a Roland csapatát is azt mondom érdemes harcba hívni, akkor oda azért kell az a méretű oldal, aminek többszázezres látogatottsága kéne hogy legyen napi szinten, és viszonylag széles spektrumon mozog tartalmilag, mert különben nem fog neki megtérülni sem üzletileg, sem semmilyen aspektusból ez a történet.

Laczkó Gábor: – Roland, amit említettél, hogy klaszterezitek a kollégákat, példát is mondtál, van esetleg olyan esettanulmányotok, amit akár meg lehet osztani, amin most dolgoztok, dolgoztatok, ami érdekes, izgalmas terület, ami konkrétan egy-egy ügyfélhez kapcsolódik?

Szenczi Roland: – Van jószámmal ilyen, hogy csak egy egyszerűbbet kiemeljek, egyszerű alatt értem, amit előbb is mondtam, 6.000.000 cikket feldolgoztunk, és abból készítettünk egy címkéző mesterséges intelligenciát, ez egyszerre bevonta már a magyar NLP-t és számos klaszterezési kérdéskört is. Ez egy nagyon komplex történet volt sok szempontból, erőforrásügyileg is. Ebből például el tudtunk készíteni egy olyan rendszert, ami bármilyen magyar cikkre megmondja, hogy valójában miről szól. Nagyon sok szerkesztő azt hiszi magáról, mondjuk egy tudományos rovat alatt, hogy ők mindannyian tudományos cikkeket írnak, és azt a rovatot az emberek a tudományért látogatják. És mi ezzel a szofisztikált címkézővel be tudtuk bizonyítani, hogy tudomány és tudomány között is van különbség. Létezik egy ilyen UFO-jelenség, meg kicsit olyan lapos Föld kinézetű cikkvilág, ezt elneveztük valamilyen fantasztikus, meg tudományos érdekesség és egyéb dolognak, ezzel szemben ott vannak teljesen valós témák, mondjuk rákkutatásról szóló tudományos cikk, ami viszont kellően erős tartalommal bír. Ezeket meg tudtuk különböztetni, és azáltal, hogy volt egy szofisztikált címkézőnk, le tudtuk számolni, hogy napi szinten hány ilyen keletkezik. Mivel vannak analitikai adataink, hozzánéztük azt is, hogy melyik milyen átkattintási arányt ér el, melyik milyen oldalmegtekintési statisztikákkal bír. Abból be tudtuk bizonyítani, hogy az a tudományos rovat annyira nem is tudományos, mint amennyire feltűnteti magát. Ezek nagyon érdekes tapasztalatok, mert ezekre lehet üzleti döntéseket alapozni, hogy változtassunk a rovaton, hozzunk be más típusú embereket. Mi lesz azokkal, akik már megszokták ezeket a bulvárjellegű, inkább érdekességszerű féltudományos híreket? Innentől fogva megnyílik egy csomó lehetőség és elemzési világ.

Sólyom Balázs: – Én még mondanék két dolgot, az egyik a címlapi történet, tehát, hogy van rengeteg olyan ember, és szerintem ez céges szinten is, bármilyen szektorba elmegyünk, mindenki azt hiszi, hogy a weboldalának a nyitóoldala az egyik leglátogatottabb és legfontosabb terület. A médiumoknál is van jópár médium, aki irgalmatlan nagy erőforrást rak arra, hogy hogy néz ki a címlap. Van, ahol 3-4 ember dolgozik azon, hogy az hogy néz ki például. Amikor felmértük egy-egy szerkesztőség munkáját, volt, aki azon szöszölt, hogy egy hatkarakteres vagy egy négykarakteres szó legyen a címben, hogy hogy tördelje be a címet desktopon. Ebből kifolyólag kezdtük el az egész címlapmizériát górcső alá venni, és akkor létrehoztunk egy almenüpontot a rendszerben, ami egy az egyben megmutatja azt, hogy a te címlapod mekkora erővel bír a médiumod teljesítésében, az odaérkező látogatók hogy viselkednek. Ennek a csúcspontja egy úgynevezett fattytérkép nevezetű történet volt, ami napra, órára pontosan megmutatja, hogy melyik órában hogy nézett ki a címlap, és hogy teljesített. Ilyen szempontból lehet látni, hogy mikor volt jól megszerkesztve a címlap, milyen átkattintási aránnyal bírt, milyen tematikák voltak kint, mi volt elöl, mi volt lejjebb. Egzakt képet kaphatsz arról, hogy mikor csináltál jó címlapot és mikor nem. Ez is egy olyan modul, ami szerintünk nagyon sokat segíthet ahhoz, hogy minőségi munkát végezzen a szerkesztőség. Másodikként a témaajánlót mondanám, Roland, kérlek arról mesélj, mert az is egy olyan történet, ami szintén egy nagyon jó esettanulmány.

Szenczi Roland: – Rendben. Ez az említett témaajánló egy olyan rendszer, ami egyaránt dolgoz fel belső és külső adatokat. Belső adatok alatt elsősorban átkattintásokat értünk. Ebből számoljuk ki, hogy egy adott felhasználói csoportnak milyen viselkedési mintázatai figyelhetőek meg, különböző napszakokban. Ez még egy nagyon fontos dolog lesz még a történetben. Külső adatnak pedig felhasználunk olyan tényezőket, mintha azt mondanám, hogy a makrogazdaság kihat a hangulatunkra, mondjuk szerintem mind egyet fogunk abban érteni, hogy egy forint-euró árfolyam meghatározza a viselkedési mintánkat. Ezen kívül az is meghatározza a viselkedésünket, hogy milyen időjárás van, vagy hétvége van, vagy éppen közeledik a hétvége, vagy a hét elején vagyunk. Ezeket az információkat beöntöttük egy helyre, ez most történetesen egy neurális háló, annak is sok fajtája van, és igazából mi készítettünk egy olyan idősorelemzést, amivel mi képesek vagyunk átkattintási arányokat megjósolni a következő időszakra a különböző témákra. Mint mondtam, van egy fantasztikus címkézőnk, ami több mint 80 kategóriába be tudja sorolni a különböző cikkeket. Ez egy taxonómiailag nagyon precíz, nagyon átgondolt rendszer. Innentől kezdve különböző címkék alapján azt is meg tudjuk mondani, hogy különböző napszakban az milyen átkattintást tud nagyjából elérni. Igazából ebből tudtunk kiolvasni olyan dolgokat, hogy a koronavírusos híreket inkább délben érdemes kirakni, rossz időben kora reggel érdemes a közlekedési változásokról cikkeket posztolni, vagy erre felhívni az emberek figyelmét, mert ezek érnek el magasabb átkattintást, valamilyen nagyobb nézettséget. Igazából ez a rendszer egy nagyon nagy favoritja mindenkinek, akinek eddig prezentáltuk. Gyakorlatilag úgy működik, hogy kora reggel ránézek, és meglátom, hogy arra a napra egészen estig mit jósol nekem, hogy miről és mikor mit érdemes írnom. Ilyen szempontból ez egy nagyon komoly kapaszkodó tud lenni a szerkesztőségeknek.

Laczkó Gábor: – Egyébként ti Magyarországra dolgoztok leginkább vagy külföldre is?

Sólyom Balázs: – Jelenleg Magyarországon fejlesztettük ki, magyar ügyfelek számára ezt a történetet, viszont pont a közelmúltban raktunk össze egy-egy demófelületet angol és német nyelven, így szeretnénk mindenképp terjeszkedni, mert az eddigi visszajelzések alapján nagyon úgy tűnik, hogy erre a gondolkodásra és erre a termékre több helyen is lenne szükség.

Laczkó Gábor: – Mit láttok a magyar piacon, hogy mennyire elterjedt az ilyen típusú predikcióknak a használata, mennyire van a tudatában a médiumoknak, hogy igenis erre tudatosan készülni kell, meg ezt használni kell? Sokat hallani, hogy a digitalizáció nem biztos, hogy eljut arra a szintre, amelyikre szeretnénk. Ti hogy látjátok ezt?

Szenczi Roland: – Ha technikai szemszögből kell válaszolni rá, én tényleg azt látom, hogy ismerik a témát, tudnak róla, hogy ilyen létezik valahol a messzi nyugaton. És mikor megmutatjuk nekik, akkor nem tudják, hogy ez most őket challengeli meg, hogy ez most helyettük akar okos lenni, viszont én erre szoktam mondani, hogy mi nem akarunk senki helyett okosak lenni, mi csak támogatást, mankót szeretnénk adni. Így is, úgy is meg kell írni a legrelevánsabb történeteket. Én mindig elmondom a csapatban, hogy sosem fogom megjósolni nektek, hogy holnap délben lesz-e autóbaleset a Blahán. Tudom, ezzel kiábrándítottam minden Asimov rajongót, de erre nem leszünk képesek. Nincs annyi adat, nincs annyi rendszer, amiben így lefuthatna. A világ entrópiája – fogadjuk el – sokkal nagyobb, mint az a háló, amiben be tudjuk fogni az általunk ismert adatokat, tudást, és abban dolgozni tudunk. Nagyjából így foglalnám össze a történetet.

Sólyom Balázs: – Ehhez csatlakoznék szintén, hogy ez azért egy valós veszély, hogy erre még sokan ilyen Skynet szinten tekintenek, hogy azért ha átadom a gépeknek az irányítást, akkor jaj mi lesz velem. Ezen felül van az emberekben egy zsigeri hozzáállás abból a szempontból, hogyha itt a gép mást javasol vagy máshogy javasol, akkor én biztos, hogy rossz munkát végeztem és számon leszek kérve. Nagyon sok olyan negatív hipotézis, hozzáállásbeli történet van, amit nekünk le kell küzdeni napról napra. Pont ezért a rendszert tudatosan próbáltuk úgy felépíteni, hogy először csak analitikai eszközként raktuk fel a polcra, utána kezdtünk el prediktív dolgokat bepakolni, és ilyen step by step próbálunk haladni a szerkesztőségekkel kéz a kézben, ha úgy tetszik, hogy véletlenül se legyen az a megélése, hogy ez majd elveszi az ő munkájukat, vagy bele akar szólni. Hanem inkább minél több támogató dolgot próbálunk köréjük rakni, ami azt biztosítja, hogy az ő munkájuk jobb és jobb legyen. Konkrétan a kérdésedre válaszolva, a hazai újságírás marginális szintű dolgokat használ ilyen területen, és ezt nehéz egyelőre megmondani, hogy ez jó vagy rossz. Inkább azt mondanám, hogy ez egy ilyen business as usual vagy egy mindennapi dolog, és aki viszont elkezdi ezt használni, arra nagyon nagy téttel mernék tenni, hogy jobb és jobb eredményt fog hosszú távon elérni. Azzal azért számolni kell, hogy továbbra is felhasználóknak készülnek ezek a tartalmak, instant ezt nem fogja senki lereagálni, de ha elkezdődik egy folyamat, és elkezd az ember szisztematikusan az adatok mentén javítani vagy optimalizálni a tevékenységén, akkor kizárt dolog, hogy ne legyen benne valamilyen pozitív hozadék. Említek egy konkrét példát, amit Roland már korábban felvázolt, voltak olyan tematikák, amit a rendszerben kinéztünk, találtunk olyan médiumot, ahol a tartalmak 25 %-át 500 ember se olvassa el. Olyan médiumról beszélek, aminek napi szinten többszázezer látogatója van. Ha én mint cégvezető megkapnám azt, hogy a szerkesztőim x része azon dolgozik, hogy alig olvassák a tartalmaikat, akkor biztos, hogy elkezdenék változásokat eszközölni. Véletlenül sem azt akarom mondani, hogy leépíteném az embereimet, hanem megnézném, hogy azt írják-e, amiről ők jól írnak, azt írják-e, ami érdekli az embereket, a címlapon, meg különböző forgalomterelő helyeken ez megfelelően van-e, és így tovább. De ha már itt szignifikáns növekedést érek el, és elég alacsony a léc ahhoz, hogy el lehessen, akkor az már olyan pozitív hozadékot hoz mind bevételben, mind az én kiadásaim optimalizálásában, ami biztos, hogy pozitívra fogja hozni a végeredményt. Azért mondom, hogy ebben rengeteg olyan potenciális dolog van, ami felé el lehet indulni, csak valahogy nem a Szent Grált kell ettől várni, hogyha én elkezdem használni, akkor holnaptól dől a lé. Van egy ilyen hurrá hangulatvárás az emberekben, hogyha én majd elkezdek ebbe az irányba menni, akkor holnaptól csilingel a kassza végig.

Laczkó Gábor: – Igazából ez mindig egy kérdéskör ügyféloldalon is, hogy igen, jó ha van egy ilyen, de hogy fogom mérni a sikerességet? Mi lesz egyébként a partnernek a mérőszáma, tehát hogy ő azt fogja látni, hogy célzottabban, többen fognak az ő felületein ott lenni? Ő hogy fogja mérni? Neki mi lesz a sikerkritérium?

Sólyom Balázs: – Ahány ház, annyi szokás. De alapvetően a médiumokra ott van a digitális közönségmérésnek például a rendszere, ami egy egész jó összehasonlítható képet fest a hazai média helyzetéről. Az egyedi felhasználószámban lehet fokmérni, de inkább az oldalmegtekintés szám az, ami valamilyen szinten arányos a bevételekkel. Nyilván lesz egy olyan jellegű kérdés, hogy a kiadás-bevétel metszet hogy alakult, mennyivel lett jobb neki ettől a napja. Mi, amire leginkább lövünk most portfólió szinten, hogy az egy látogató által generált oldalmegtekintés számot növeljük. Szerintünk nem azon van a hangsúly amerre nagyon sokan mennek most a hazai médiában, hogy minél több egyedi felhasználót tudjanak bemutatni, mert hogy van azért jópár ilyen vezető portál, aki nagyon szépen növekedett az elmúlt időszakban, de nagyjából egykattintásos usereket realizált, és leginkább a Facebookról. Úgy gondolom, hogy nem ez a hosszútávú megfelelő piaci stratégia, hanem tényleg inkább azon kell dolgozni szerintem, hogy egy-egy felhasználó minél több oldalt tekintsen meg ez én portfóliómban. Itt is például az algoritmusok bevetése vagy az AI bevetése egy ajánlórendszerben pont ugyanannyira éri meg egy médium tekintetében, mint egy e-commerce területen. Ha jól sejtem, ebben nektek van tapasztalatotok, hogy amint valaki bevezet valamilyen megfelelő intelligenciával ellátott ajánlórendszert, szignifikáns növekedés látható akár a kosárértékben, akár az eladott termék darabszámában. Egy médiumnál ugyanez a történet, csak a termék ott egy cikk. Nagyon nem mindegy, hogy ajánlok-e egy cikket a cikk közben, vagy a végén, ahová a felhasználó tekintete odamegy, és az sem mindegy, hogy milyet ajánlok. Kontextusban odaillik, ami esetleg a felhasználó érdeklődésére is reflektál, vagy csak beszúrok valamit random, ahogy éppen kényem-kedvem tartotta. Nagyon sok olyan pont van, ahol azért ez bevethető.

Laczkó Gábor: – Mi a helyzet külföldön? Ott mennyire tudatos? A magyar piacra jó betekintést adtatok, hogy körülbelül hol helyezkedik el. Mik a best practice-ek, vannak-e best practice-ek külföldön?

Szenczi Roland: – Léteznek, elég egyértelmű mintázatok fedezhetőek fel. Kezdjük szinte a legerősebbel, a Bloomberggel, nekik a terminál miatt alapvetően volt egy nagyon komoly kényszerük, hogy egyrészt szövegből generáljanak számokat, számokból szöveget, oda-vissza. Nekik azt hiszem több mint 200 fős NLP csapatuk van, ebben benne vannak a mérnökök és a kutatók egyaránt. Amilyen eszközöket ők készítenek nagyban, szerényen mondhatjuk, hogy ugyanezeket csináljuk, csak kisebb meccset játszunk kevesebb emberrel, de az igények ugyanazok. A nemstrukturált szöveggel való munka során ők ugyanazokba az akadályokba futottak bele, csak elsősorban angol nyelvi területen, amibe mi belefutottunk a magyar nyelvvel kapcsolatban. Ha mondanék példát, hogy ott milyen kutatások vannak, ugyanoda jutottunk el. Például a címkézés nálunk nagyon fontos történet volt, ők ugyanezzel kezdték a kutatásaikat. Ugyanúgy nekik is vannak különböző problémáik, hogy a named-entity recognition hogyan működik egyre jobban és jobban, mi ugyanezzel szoktunk szórakozni. Kiszedni a tulajdonneveket, helyeket egy mondatból, és megállapítani, hogy ki, mit, mikor, hol, miért végzett el. Gyors és hatékony keresésre építeni algoritmusokat, ez nálunk szinte mindennapos kérdés, hiszen big datával dolgozunk. Akár felhasználói szegmentációt végzünk, ahol többszázezer emberbe kell belekeresni, hogy mik a viselkedési mintázatai, vagy akár a cikkekbe keresünk bele, ugyanezekkel a kérdéssekkel találkozunk. Én szerényen, de a Bloomberghez hasonlítanám magunkat, de úgy, hogy ugyanazokkal a problémákkal szembesültünk. Ha továbbmegyünk, tudok olyan példákat említeni, hogy például a Forbes a CMS-ébe beépített egy olyan ajánlórendszert, ami megmondja, hogy milyen szavakat érdemes használni a cikkben, hogy nagyobb átkattintásokat eredményezzen. Ilyesmi trükkökkel sokan élnek, vagy az analitikai rendszert jobban kibányásszák például a CNN-nél, de ezek már régi történetek. Jelenleg, ami most zajlik az az, hogy hogyan lehet gyorsan, jó minőségű contantet készíteni. Például a Washington Post használ egy olyan rendszert, és Amerikában elég sok adat készül egy ilyen meccsről, rengeteg adatot rögzítenek különböző szenzorokkal, és nagyon jó statisztikákat be lehet vinni egy ilyen rendszerbe, ami legenerálja a szöveget, hogy konkrétan mi történt a meccsen. Helyettem megírja az egészet. Az más kérdés, hogy ez mennyire lesz izgalmas vagy ez mennyire olvasható, de a lényeg át fog jönni. A Bloomberg is innen indult, amikor először rájött arra, hogy mennyire unalmas a részvények árfolyamváltozásairól 2-3 mondatos cikkeket vagy notificationöket írni. Ezeket leautomatizálták ők is egyből, és akkor erre nem kell annyi ember, elég figyelni, hogy nyelvtanilag helyes-e vagy korrekt-e az adott megjelent tartalom.

Laczkó Gábor: – Egyébként egy-egy ilyen megoldást mennyire lehet dobozosítani? Sokszor a nyelv korlátozó tényező tud lenni egy adott területre vagy országra vonatkozólag. Lehet ezekből a megoldásokból egy jó dobozos terméket csinálni?

Szenczi Roland: – Határozottan igen a válaszom. Kezdtük a magyar piacon az elemzést, ott már meg kellett lépnünk a dobozosítást. Eléggé felfutott a kereslet a különböző termékeinkre, úgyhogy túl is vagyunk a magyar nyelvterületen való dobozosításon, és amit következő lépésként meg kell ugrani, az a külföld. Azt mondom, hogy angol és német nyelvterület, akkor NLP szempontból ez nagyon hálás lesz, mert a nehezén, a magyar nyelven már túl vagyunk. Nagyon más erőforrások és kutatások, akár third party megoldások érhetők el az angol nyelvhez, úgyhogy ott határozottan könnyebb meglépni ezeket a dolgokat.

Laczkó Gábor: – Mondtátok, hogy nálatok 20 fős csapat dolgozik összességében a data oldalon, de hogy milyen típusú emberek kellenek ahhoz, hogy ilyen feladat kivitelezhető legyen?

Sólyom Balázs: – Alapvetően nagyon sok területről kell vagy érdemes összerakni a csapatot, amilyen irányba mi mentünk, mert feltehetőleg van egyéb megoldókulcs is erre a dologra. De a nagyon alapoktól kezdve nyilván kell, aki összefogja az egészet és próbálja valamilyen szinten driveolni. Mi ilyen szempontból speciális vagy hálás helyzetben vagyunk, mert azokkal a partnerekkel, akikkel együtt dolgozunk, elég erős tanácsadói mivoltunk van, így nagyon sokszor inkább megvan az a szabadságunk, hogy mi szállítjuk a megoldást az ő problémáikra, nem pedig az ő megoldási javaslataikat kell valahogy beleerőszakolni egy-egy rendszerbe. Van egy saját projektmenedzserünk, az alapvető támogató szerepkörök szükségesek. A főbb területek, van egy nagyobb Data Science csapat, ahol megoszlik a data scientist és a Python fejlesztői kompetencia most már. Ebben korábban küzdöttünk egy kicsit. Próbáltuk szétszedni, hogy mindenki a saját területéhez sokkal közelebb álló dolgokat végezzen, és azt látjuk, hogy ez hatékonyságban is egy szignifikáns előrelépést fog hozni. Mivel konkrét termékről beszélünk, nemcsak egy elemzésről, ezért backend és frontend fejlesztők is tagjai a csapatnak. Ott is több mint 2-3 fő képviselteti magát egy-egy területről, hogy egy teljes terméket létre lehessen hozni. A tesztelés szintén jelen van, kis túlzással ez tényleg olyan, mint egy komplett fejlesztő csapat, amivel minden dolgot meg tudunk kvázi ugrani, és már igénybe vettünk UX UI támogatást ahhoz, hogy a felület is olyan legyen, amit jó kattintgatni és érthető rajta az információ. Úgyhogy egy komplex fejlesztőcsapatot húztunk fel erre a dologra. Kis túlzással Pythonból is mindent meg lehetett volna ugrani, csak nem biztos, hogy annyira optimális lett volna, ahol most tartunk. Tényleg az az irány volt, hogy mindenhonnan próbáltuk összerakni a csapatot.

Szenczi Roland: – Ha szeretnénk vizualizálni az eredményeinket egy felületen, akkor mindenképpen szükségünk van backend és frontend csapatokra, akik ebben rengeteget segítenek nekünk. Végsősoron egy termék az akkor termék, ha az be is van fejezve. Biztos nagyon szép motorokat lehet gyártani, de azt mégiscsak bele kell helyezni az autóba, és akkor az kap egy kasznit, egy kinézetet, sok mindent, még felnit is. Alapvetően nagyon nehéz meghatározni, hogy – bibliai idézettel élve – „a szőnyegnek melyik az a szála, amin az egész szőnyeg szőnyeggé válik, vagy melyik az a kő, amelyiktől a hegy heggyé válik”, mert összességében mindegyikre szükség van, hogy ezt mind érezzük a példákon keresztül. Amikor azt mondjuk, hogy egy olyan terméket adunk át, ami big data digitalizációra is képes, akkor ott kőkeményen szükségünk van backend, frontend csapatokra együtt és közösen meg is beszéljük, hogy akár szerintünk ez hogyan lenne jó. Vannak olyan projektek, ahol az elemzésekre szorítkozunk, és az eredmény valójában lehet, hogy egy prezentáció, vagy egy olyan output, amit akár Wordben is át lehet adni. Ott természetesen elég a Data Science csapat, az a 7 fő, aki keményen dolgozik ezen és elég erős hátterük van. Itt még visszakanyarodva ahhoz, hogy milyen típusú emberek kellenek, a diverzitást hangsúlyoznám. Abból rengeteg előnyünk származott az elmúlt időszakban, hogy más és más területről csatlakoztak hozzánk. Van olyan emberünk, aki tényleg a viselkedéselemzés területéről érkezett, mint pszichológus, és úgy csatlakozott be a mi kőkemény programozós és big data projektünkbe. Ez nekünk abszolút előnyt jelent. Van olyan ember, aki biostatisztika egészségügyi háttérrel rendelkezik, onnan is tudunk előnyöket realizálni. Alapvetően az, hogy valaki behoz valamilyen ismeretet korábbról, azt mi valamilyen módon fel fogjuk használni mindenképpen. A kreativitásban hatalmas erő van. Abszolút olyan területen mozgunk, ami újnak számít és nehéz másokról lesni vagy példákat átvenni, hanem itt nekünk kell kitalálni napról napra dolgokat. Én ezzel szoktam ezt a pozíciót eladni mindenkinek, és remélem senkit nem vertem át ezzel kapcsolatban, hogy itt igazából teljesen út terepen menetelünk, és aki ezt élvezi, hogy olyan rendszereket is használunk sokszor, ahol a dokumentáció még nem érte utol önmagát, a TensorFlownak a dokumentációja az vagy rendszeresen változik, vagy amit leírnak, azt sem lehet komolyan venni, mert máshol tart a kódjuk. Ezt még más módszerekről is el lehetne mondani. Itt olyan emberek kellenek nekünk, akik szeretnek próbálkozni, és nem zavarja őket az, hogy időről időre valami nem fog sikerülni, mert kísérleti terepen vagyunk. A machine learning az nem egy egzakt dolog, hanem olyan, amit folyamatosan kutatni kell. És hogyha van egy megoldás, akkor meg kell tudni válni tőle és keresni kell egy másikat, és nem szabad kapaszkodni az előzőbe. Az elsüllyedt költségeket el kell engedni. Ehhez kell egy olyan hozzáállás, amit mi keresünk a hozzánk jelentkező emberekben is.

Sólyom Balázs: – Kettő olyan személy van a csapatban jelenleg, akinek médiaháttere van, egyikük, aki fejlesztői oldalon dolgozott olyan rendszerekben, ami ezt szolgálta ki, és egy ember, aki elemzőként volt médiaoldalon. Úgy sikerült ezt elérni, hogy mindannyian kívülről jöttünk, viszont nagyon nagy a kíváncsiság a csapatban, és elég jól tudjuk szerintem az üzleti problémákat megérteni, és azokat transzformálni.

Laczkó Gábor: – Mennyire telített ez a piac, ez a szegmens egy viszonylag szűkebb terület, ahol erőteljesen ti is munkálkodtok? Akár nemzetközi, akár magyar szinten konkurencia mennyire van jelen, mennyire ismerték fel, hogy ebben van lehetőség?

Sólyom Balázs: – Én úgy gondolom, hogy attól függ, hogy mire. Ha szétszálazzuk azt a történetet amire mi lövünk, akkor nagyon sokat fogsz találni. Webanalitikával számtalan ember foglalkozik, szövegelemzésre van jópár olyan cég, közösségi monitoringra van megint csak több olyan cég. Aki képes ezt összekapcsolni, és egy nagy egészben reprezentálni, hogy tényleg téged az érdekel, hogy van egy cikked, az hogy teljesített, milyen érzelmekre hatott, azt kiraktad a közösségi médiába, a posztot sikerült-e ugyanolyan érzelmekkel megírni, mint a cikket, és ez milyen közösségi reakciókat kapott, milyen kommenteket, a kommentek milyen érzelmeket mozgattak, és az egészből mennyi pénzt kerestél, mennyibe került. Nem biztos, hogy ezt a komplexitást bárki jelenleg a hazai piacon képes letenni az asztalra azzal a sebességgel, amivel ezt mi tudjuk megcsinálni. Ha valaki beéri azzal, hogy egy-egy szeletre kap egy picit mélyebb kimutatást, abban viszont nagyon sokan vannak jelenleg.

Laczkó Gábor: – Nyilván minél komplexebb egy megoldás, annál jobb. Én például mindig azt keresem, de ezt piaca válogatja. Van csapat, van termék, hogy néz ki nálatok a testreszabás? Hasonló, mint egy CRM bevezetés, hogy van egy dobozos termék, de azért még van egy időszak, amit az adott cégre oda kell szabni. Ez mennyire jellemző nálatok? Mennyire ready a dobozos termék akár?

Sólyom Balázs: – Van egy checklist aminek meg kell felelni, hogy milyen hátterű adatokra van szükség, hogy ezt a rendszert létre lehessen hozni. Az nagyon fontos, hogy mi alapvetően nem arra lőttünk, hogy úgy működjünk, mint egy Google Analytics, hogy berakod a mérőkódot az oldal alá és onnantól működik az adatgyűjtés, hanem mi nagyon sok olyan dologra épülünk rá, ami amúgy már van. A meglévő Google Analyticsből tudunk adatokat kinyerni, a közösségi média aktivitásodból tudunk adatokat kinyerni és így tovább. Vissza tudunk nyúlni historikusan nagyon messzire, ha ez igény. Innentől kezdve, ha megvannak ezek az adottságok, jelenleg én úgy látom, ha mondjuk valamelyik országos portálra kéne rálőni, amiben már van tapasztalatunk, akkor egy hét alatt ott van a termék kis túlzással a működőképes verziónál. Ott még nyilván, ha vannak olyan sajátosságok, hogy a rovatokat ők teljesen máshogy használják, vagy valami nagyon eltér, mint bárhol máshol, vagy az eddigi tapasztalatok mások, akkor van pár nap finomhangolás és így tovább. De egy hét alatt már egy nyomkodható, tesztelhető verziót ki tudunk magunkból préselni, ha a prioritásaink ennek eleget tesznek

Szenczi Roland: – És ebbe már az is benne van, hogy újrafuttattuk a machine learning modelleket, ugyanis egy új portálon más viselkedési sajátosságok figyelhetők meg a felhasználók részéről, és erre mi ráhúzzuk a saját rendszerünket. Történik egy tanítás, innentől kezdve ennek van egy historikus adatigénye, ezeket kell egy új ügyfélnek számunkra beszolgáltatnia.

Laczkó Gábor: – Akkor nem egy SAP bevezetés idejével vetekedik.

Szenczi Roland: – Nem.

Sólyom Balázs: – Az szokott lenni a tapasztalat, hogy sokan ezt minél előbb szeretnék látni a saját dolguk számára, viszont nyilván ennek azért megvan az a trade-offja, hogy tényleg rendelkezésre kell állni egy megfelelően paraméterezett Google-fiókkal mondjuk, akkor ehhez a DKT adatokra szükség van, mármint hogy regisztrálva legyen DKT-ba, a versenytársait meg tudja nevezni valaki, illetve legyen egy központi hozzáférésünk a CMS-hez API úton. Például az szokott lenni a szűk keresztmetszet, hogy ilyen nincs, akkor ezt le kell fejleszteni, és itt nyilván nem mi vagyunk, akinek elsődlegesen az, akinek ez időt igényel, de amint minden ilyen dolog rendelkezésre áll, onnantól kezdve indul ez az idő.

Laczkó Gábor: – Itt mondtad Balázs, hogy milyen technológiai feltételeknek kell megfelelni. Sokszor felmerül az, hogy hol tart az adott cég digitális érettségben, amivel együttjár egy kultúra is. Kultúrálisan hol kell tartania egy olyannak, aki szeretne egy-egy ilyen megoldást bevezetni? Mivel kell rendelkezni? Milyen mindsettel, kultúrával?

Sólyom Balázs: – Nem kérdezel könnyűt vagy inkább tojásokon kell lépdelnem, hogy erre tudjak normálisan válaszolni. Jelenleg szerintem alapvetően nem tart még ott ahol tartania kéne. Csak a saját múltamat végignézve, bárhova mentem, úgy gondolom, hogy új mindsetet hoztam ezzel az adatalapú gondolkodással és eredményekben szignifikáns javulást. Viszont nem volt alapvető igény, tehát nem azzal hívtak oda, hogy gyere, mert te a számokat ilyen jól látod. Ebben szerintem van egy kicsit nagyobb szakadék. Mindennek az az oka, hogy jelenleg a legtöbb gépezet így rövidtávon nézve azt a képet kelti, hogy jól működik, nincs akkora baj. Nagyon kevés helyen ég annyira a ház, hogy meglegyen az az alapvető igény, hogy mégjobb és mégjobb legyek és ebbe fektessek is energiát. Úgyhogy kultúrálisan úgy gondolom, hogy van még hova edukálódnia a piacnak, viszont ezt próbáljuk valamilyen szinten a termék mellé adni, hogy elég erős supportot adunk ahhoz, hogy elmagyarázzuk többször, hogy ebben mi látható, hogy működik, mi mit veszünk le. Akikkel mi együtt dolgozunk, folyamatos elemzéseket adunk át arról, hogy mi látható a rendszerben vagy a számokból mi olvasható ki, és hogyan lehet jobb és jobb munkát elérni. Próbáljuk tolni abba az irányba az egész szekeret, hogy meglegyen az a gondolkodás, hogy ebben van bőven még az asztalon heverő pénz, és a mindset, ami leginkább szükséges ehhez alapnak, az vagy a kíváncsiság, vagy a jobb és jobb eredményeknek a hajtása. Valamilyen szempontból szükség van vagy erre, vagy másikra, hogy meglegyen az az elhivatottság, hogy ebbe időt és energiát tegyen mindenki, és mögéálljon. Tehát ezt szerintem nem lehet alulról építkezve csinálni, itt a vezetésben kell egy olyan jellegű elvárás, egy olyan jellegű iránymutatás, hogy higgyen abba, hogy jobb lesz neki. Nem azonnal, hanem hosszabb távon, és elkezdje ebbe az irányba tolni az embereket. Nyilván sok esetben ez kis túlzással azt jelenti, hogy van egy levegőben lévő repülőnk, amit át kell amúgy alakítani miközben nem zuhanunk le és nem dobunk ki egy utast sem útközben. De van erre lehetőség, ha mindenki hajlandó ezért tenni. Ez nem működhet úgy, hogy mondjuk a stewardessek leülnek és nem csinálnak semmit, meg a pilóta is csak vezet közben, hanem mindenkinek egy kicsit többet kell dolgozni egy adott ideig. Ebben annyi pozitívum van szerintem, ami hosszabb távon életben tudja tartani ezt a szektort. Nagyon sok szám mutat abba az irányba, hogy nem biztos, hogy ennyi médium lesz több év múlva a piacon, mint amennyi most van.

Laczkó Gábor: – Mit értesz ez alatt? Koncentrálódik? Vagy sokkal jobban el fognak halni? Vagy felvásárlások lesznek? Vagy mi várható?

Sólyom Balázs: – Gazdasági szempontból nem tudom megmondani, hogy milyen irányba fog menni, én inkább felhasználói oldalról közelítem meg a dolgot. Amit már többször említettem, hogy a napunk továbbra is 24 órából áll, nézzük meg, hogy mi versenyez ezért a 24 óráért. Ott van még a TV, ami sokak szerint már egy döglött ló, de azért még mindig elviszi az emberek –átlagosan azt hiszem Magyarországon – 5 óráját. Ott vannak a streaming szolgáltatások, amik szintén egyre több időt szakítanak ki, és akkor mondom a legnagyobb versenyhelyzetet, a közösségi médiát, ami igazából nemcsak a Facebook, hanem Instagram, TikTok és a YouTube-ot is valamilyen szinten idesorolom. Ez az egész azt eredményezi, hogy a tartalomgyártás demokratizálódik, most már nemcsak az online médiumok privilégiuma, hogy valamiről ha kell véleményt formáljanak, valamit átadjanak, közösségeket építsenek és így tovább, hanem kis túlzással már egy nemzetközi TikTok felhasználó nagyobb eléréssel bír mint egy-egy médium önmaga. Már olyan cikkek is voltak, hogy a legnagyobb tiktokker többet keres, mint a világ legjobban fizetett CEO-ja. Azért itt nagyon hamar el tudunk jutni oda, hogy a felhasználói idő ezekre a dolgokra fog koncentrálódni. Már most látható olyan mintázat, hogy egy csomó médium a közösségi médiából tartja fel magát, hogy onnan viszi át a felhasználókat, viszont nagyon sok médium azzal nem számol, hogy innentől kezdve a saját brandje erodálódik, az egy felhasználóra vetített oldalmegtekintés száma csökken és a bevétel szép lassan el fog tűnni, ahogy a brand értéke is. Mert a közösségi médiában a kutatásaink alapján már nem brandeket fogyasztasz, brandeket követsz, hanem a newsfeededben jövő hírekre kattintasz rá, és kis túlzással teljesen mindegy, hogy Telex, Index, HVG, 24.hu cikk jött szembe, hanem egy cikk jött szembe. Szép lassan oda fogunk eljutni, hogy nem nagyon lesz szükség erős brandekre, erős médiumokra, hanem csak a tartalom fog kelleni, és mindegy hogy kitől.

Laczkó Gábor: – Ez egy nagyon-nagyon érdekes. Meg hát tényleg errefelé megy a világ, ha csak a környezetemet nézem. Technológiailag vannak-e korlátok? Mit láttok, mik azok a területek, amiket már nem ér el a ti kezetek, vagy a ti megoldásotokkal hozható sikernek a különböző eredményei?

Szenczi Roland: – Elhangzott korábban egy bizonyos költségkeret, amit egyszerűen ha megugrunk, akkor már nem térül meg az ügyfélnek a történet. Nyilván el lehetne menni nagyon messzire, nagyon komoly számítási igényeket igénylő feladatokig. Rengeteg külső adatot lehet megvásárolni, egyre több data brókercég üzemel a piacon, akiktől hihetetlen mennyiségben lehetne akár időjárásadatot vásárolni, vagy más-más területekről fogyasztói adatokat vásárolni és rájönni arra, hogy az embereket mi izgatja. Igazából, ami tényleg egy olyan határ, ha még a pénz sem számít, amit mondtam is, hogy nem lehet megjósolni azt, hogy milyen gazdasági, politikai viszonyrendszer fog holnap délre kialakulni a világban, és hogy erre hogyan lehet felkészülni egy jó cikkel. Ezeket nem lehet letapogatni. A machine learning és a jövő az valamiért össze van kapcsolva, valamiért nagyon arra szeretnék használni az emberek, hogy prediktáljanak, hogy mondjam meg mi lesz egy óra múlva, mi lesz holnap délben, stb., amilyen szinten ezt szeretnék az emberek, ahhoz az egész világot kéne lemodellezni és akkor megint Asimovhoz jutunk vissza. Én ezt látom egy hatalmas korlátnak. A hétköznapokban a gyakorlati példa a korlátra az az, hogy mennyi memóriát tud valaki megvásárolni, mennyi memóriát érez még okénak egy ilyen projekthez, mennyi számítási kapacitást hajlandó bérelni, hajlandó-e Cloudba menni, ilyesmi kérdések szoktak előjönni, amik esetleg korlátokat tudnak jelenteni számukra technológiailag.

Sólyom Balázs: – Illetve amit már említettem, az adat. Tehát, hogy van-e elég adat, mert sokan a saját székükből úgy gondolják, hogy rengeteg adaton ülnek, mert mondjuk van napi 100-200 tranzakciójuk, ami az ő szempontjukból rengeteg, de kis túlzással semmire nem elég. Nagyon sok olyan dolog van, amin házon belül mi is szoktunk néha mosolyogni. Pont a vezérigazgatónk mondta ilyen nagy felfedezésként amikor beszélgettünk, hogy valami nem fog működni valamelyik médiumnál, hogy igen, ha a big datából kivesszük a big szót, akkor végül is eltűnik ez a megoldás. És ez tényleg valid. Ha nincs elég adat, bárhol járhat a technológia, nem fog tudni segíteni. Amit még korlátnak lehet mondani, és nem technológiai oldal, hanem emberi oldal, hogy mit várunk ettől. Van olyan modellünk, ami jelenleg ott tart, hogy ilyen 65-70 %-os pontossággal jósolja meg, amit jósol. Ezen lehet lamentálni, hogy ez most jó vagy nem jó, mi ezt hatalmas eredménynek érezzük, mert ahogy Roland mondta, ott van egy 80 elemes címketartomány, és 70 %-os pontossággal meg tudjuk mondani, hogy mi lesz a top 5 ebből, és még a sorrendet is eltaláljuk. Azért nagyon nem mindegy, hogy az a 70 % az az, hogy talán egy beleesik ebbe a 70-be és akkor hurrá, örülünk, vagy pontosan megvan a sorrendje. Mert ha már csak azt kell megmondani, hogy mi lesz az a 3 ami 5-ből biztos ott lesz, akkor hirtelen a modell pontossága felugorhat 90 %-ra is. Ilyenkor azért nagyon sokan azt várják, hogy tűpontossággal megmondd, hogy márpedig holnap 11-kor mi lesz a legolvasottabb téma. És azért nem tart itt szerintem sem a technológia, sem a világ, de ezt még emberi oldalról sem lehet lekezelni. Voltak olyan beszélgetéseink, ami jól reprezentálja, hogy sokan mit gondolnak. Felmerült az az igény, hogy 5000 médiumot monitorozzunk instant, és adjunk arról feedbacket, vagy jöjjön egy alert, ha valaki ebből ez 5000 médiumból kitesz valamit. Akkor nagyon gyorsan levezettük, hogy ez percenként hány alertet fog jelenteni, és melyik az a hadsereg, aki ezt fel tudja dolgozni, és melyik az a szerkesztőség, amelyik az ebből érkező insite-okat le tudja reagálni, és ebből amúgy cikkek fognak születni. Ezt nagyon egyszerűen egy táblánál végigsakkoztuk, hogy akkor mondjátok el, hogy mi fogja ezt kiaknázni, és eljutottunk oda, hogy teljesen más üzleti igényre tudunk egy megoldást szolgáltatni. Nagyon más sokakban ilyenekben a képzelőerő, mint a realitás.

Laczkó Gábor: – Említettétek a Skynetet, hogy elveszi a munkákat, és kicsit ilyen etikai vonalra rátévedve, amit csináltok, az inkább pótol egy olyan rést, amit ki lehet tömni, és nem elvesz. Ha ezeket összekötjük már automatizmusokkal, Roland amit említettél, hogy Amerikában akár a kosármeccsekre összeállítják a beszámolót, meg automata tőzsdei infókat adnak. Ezek azért már mutatnak afelé, hogy ki lehet váltani egy-egy erőforrást ezzel. Kell-e ettől félnie bárkinek is, hogy csökken a munkája, átalakul a munkája, változni fog a szerepe, mert mondjuk rá már kevésbé lesz szükség egy ilyen típusú szerkesztőségben médiavállalatnál?

Szenczi Roland: – Szerintem nem kell félni egyáltalán. Eddig amit láttam, de amúgy ezt kutatásokkal is megerősítették, itt érdemes akár a Harvard Business Review különböző írásaira is gondolni, hogy eddig bizonyos aktivitásokat átstrukturált az AI. Tulajdonképpen egy mindennapi rutint levett a lábunkról, és ezáltal keletkezett egy csomó kreatív szabadidőnk a munkahelyen belül, amit más projektekre, vagy akár kicsit intellektuálisabb területek felé evezve azt fel lehetett használni valamilyen módon. Legtöbb kutatás azt erősítette meg, nagy esély van rá, hogy mivel egyre kevesebb rutinjellegű vagy nem annyira izgalmas munkát kell végezni akár egy kezdőnek is, megvan az esély arra, hogy az AI által a junior munkavállalók bére hosszú távon emelkedik. Van egy nagy ígéret az egész mögött, nagyon bízom abban, hogy ez felé tartunk. Azt viszont meg kell említeni, hogy valamilyen szintű átképzés, vagy a fókusznak az áthelyezése mindenképpen fontos. Tudjuk, hogy van egy bizonyos franchise, ahol Sandwich Artistnak nevezik azt az embert, aki összerakja a szendvicsünket. Kérdés az, hogy ő tényleg akkora művész, ha egy előre leírt lista alapján valaki más mondja meg, hogy mit kell összerakni? Igazából az AI lesz az, ami egy adott pozíciónak a nagyon jól hangzó neve mögött esetleg tényleg lehet valami nagyon jól hangzó tartalom vagy munka is. Ugyanis nem az Excel vagy az adat valamilyen egyszerű babrálása lesz a mindennapi munka, hanem esetleg egy AI megírása, vagy az AI izgalmas eredményeinek az üzleti megértése és prezentálása. Ezek már sokkal magasabb szintű dolgok. Én nagyon pozitívan tekintek arra, hogy az AI milyen átstrukturálódást okoz. A mindennapi munkánkat biztos megváltoztatja, de úgy érzem, senkinek nem veszi el a munkáját. Még egy nagyon érdekes dolog, bár apróságnak fog hangzani, hogy alapvetően a szöveget lehet, hogy lehet generálni robottal, de hogy az izgalmas legyen, az emberek hangulatát nagyon jól meg tudja bizonyos pontokon pingelgetni, ahhoz még mindig kell egy jó újságíró. Ez az, amit a nap végén mi sem tudunk helyettesíteni, hogy ha már minden elemzést odaadtunk, minden tanácsot megadtunk, hogy abból valaki egy nagyon érdekes cikket írjon, vagy akár egy cikksorozatot, mert valami mégkomplexebb dolgot álmodjon rá, végén mindig kell az ember, csak egyre kreatívabb és kreatívabb ember kell.

Sólyom Balázs: – Én annyival egészíteném ki ezt a dolgot, hogy szerintem nagyon-nagyon sok fog múlni a vezetőkön ebben a tekintetben, hogy ki mit szeretne vagy mit épít, vagy milyen világot képzel el maga köré. Ez egy teljesen saját gondolat, de én úgy gondolom, megvannak azok a dolgok, amiben az AI erős tud lenni, tud hozni egy szingifikáns teljesítményt bizonyos dolgokon, nem nagyon fog hibázni, de nem is fog kiugrót alkotni. Egy gyárban, ahol jó eséllyel A-ból B-be kell rakni dolgokat, ott a robotok hosszabb távon jobb munkaerőt fognak tudni képviselni, mert egyszerűen kevesebbet fognak hibázni a nap végén, mint amit mondjuk az ember tud egy rossz napja esetén, amikor fáradtabb és így tovább. Ebben szerintem sajnos ez a történet fog győzni. Viszont amennyire irracionálisak vagyunk mi emberek, annyira tudunk időnként váratlant húzni, és ebben a váratlanban a nap végén sokkal nagyobb pozitívumok lehetnek, mint amennyit bukhatunk a vámon. Mondok egy nagyon érdekes példát, ami szembejött velem a LinkedInen a közelmúltban. Az Australian Openen azt hiszem a Nadal-Medvegyev meccs állt úgy, hogy a Medvegyev már ment 2-0-ra, és meccslabdái voltak, talán három. Rengeteg kreatív szakember osztotta meg a történetet, hogy itt az AI azt mondta, hogy 97 %-ra a Medvegyev fog nyerni. A történet végét mindenki tudja, Nadal nyert. Szerintem pont ez adja meg azt, hogy igenis megvan az emberekben az az irracionalitás, hogy itt a legtöbb ember még mindig Nadalra tette volna a pénzét, és őneki lett volna igaza. Ameddig a világ ilyen irányba megy, és erre van nyitottság, hogy fel tudjuk vállalni az esetleges negatívumoknak a felelősségét, és tudjuk vállalni a döntéseinkért a felelősséget, addig szerintem az embereknek pont ez a kreativitásra, amit Roland is mondott, igény lesz. Mert annyival jobb dolgok jöhetnek ki, ha tényleg összehasonlítjuk azt a cikket, hogy mi történik akkor, ha egy NBA sportszakértő ír le egy meccset, és milyen, ha egy gép. Zongorázni lehet a különbséget, és ez a különbség még nagyon sokáig ott lesz a világban. Ameddig erre az embereknek igénye van, és ameddig ezt vezetői szinten támogatják, addig biztos, hogy szükség lesz az emberi munkaerőre nagyjából mindenhol. Amint erre az emberek nem mutatnak kellő igényt, vagy amint a vezetők úgy érzik, hogy nem tudják vállalni ennek a kockázatát, ott lesz szerintem ez egy nagyon nehéz döntés.

Laczkó Gábor: – Reméljük, hogy Federer is visszatér, és mondjuk a gép azt mondja, hogy az ellenfelének lesz nagyobb százaléka, tudjuk, hogy milyen képességei és milyen hozzáállása van Federernek, ugyanez eljátszódhat, mint ami Nadalnál volt. Lassan a beszélgetésünk végéhez érünk, Balázs te már kapargattad a jövőt, hogy hogy fog kinézni. Tudom, hogy ez nem a legkényelmesebb kérdés, mi fog történni 20 év múlva? Predikciókat szeretnék kérni tőletek, mondjuk az online média világában, egy szerkesztőség életében mit gondoltok?

Szenczi Roland: – Nekem van egy olyan furcsa hobbim, hogy visszanézek több évvel ezelőtti jóslásokat, és jót nevetek azon, hogy még 1-2 évet sem látnak előre az emberek, főleg különböző gazdasági és politikai szakértőkkel történik ez meg gyakran. Ez most valószínűleg egy olyan videó lesz, amit majd egyszer vissza kell nézni, és lehet, hogy mosolygunk magunkon. Korábban én is céloztam rá, hogy amit a tőzsde világában látunk, hogy sok-sok monitoron figyelünk különböző realtime jelentéseket, trending patterneket, szerintem ez egyre gyakoribbá fog válni, én erre nagyon sok jelet látok, hogy az igény megvan. Most már csak a mindset és a technológia kell hozzá, és szerintem ez ahogyan egy technológia idővel olcsóbbá válik, egyre többen be fogják vezetni valamilyen minőségi szinten ezt a dolgot. A másik, hogy szerintem azok, akik ebben a csatában kicsit lemaradnak, azok előbb-utóbb brutális veszteségekkel fognak szembesülni. Mert az a szerkesztőség, aki ügyesebben tapogatta le a felhasználói igényeket, egyszerűen előrébb fog jutni, nagyobb konverziót fog elérni, több ideig fogja az oldalon tartani az embereket, és onnantól kezdve nem akarok még egy 5.-6.-7. portált is a fejemben tartani, hogy még azt is meg kell látogatnom, hanem inkább maradok annál az egy-két kedvencnél. Ebben a versenyben nagyon nehéz lesz hamarosan topon maradni, ha valaki ebben már mindenféle trükköt bevetett. Viszont azt újra és újra ki kell emelni, hogy egy adott médium, ahogy a neve is utal rá, valamilyen történetet, a világ történéseit közvetíti felénk. Ennek van egy elmesélési módja, meg egy világnézete, hogy ő hogyan látja a világot, valamilyen módon ő ezt filterezi számunkra. Mindig lesz valami brandpreferencia, amit mi jobban kedvelünk, ami minket jobban megszólít. Alapvetően 20 év múlva is arról fog szólni a magas minőségű újságírás, hogy ki tudja jobban elmesélni a saját közönsége számára a dolgokat. Viszont aki ugyanazt a közönséget célozza meg, ott nagyon komoly verseny lesz, és abban szerinem kevesen fognak megmaradni.

Sólyom Balázs: – Csak ismételni tudom magam, hogy szerintem csökkenni fog ilyen szempontból a versenyzők száma, területenként, tehát sokkal centralizáltabb lesz a piac. A nemzetközi vonalat még be se hoztuk, hogy mi van, ha tényleg a technológia akkorát lép előre, hogy a nyelvi korlátok mondjuk úgy, hogy megszűnnek. Például instant lehet lefordítani bármit bármilyen nyelvről, mondjuk 5 év múlva, mert akkorát változik. A technológia, ha visszanézzük az éveket, az elmúlt 10-20 évben akkorát ment előre, mint mondjuk 200 évben korábban. Irgalmatlan nagy léptékkel haladunk előre, és nagyon nehéz megmondani, hogy milyen adottságaink lesznek akár számítási kapacitásban, akár szoftverellátottságban, tehát a 15 évvel ezelőtti PC-m gyengébb volt, mint most a mobiltelefon a zsebemben. Lehet, hogy elég csak 5 évet visszamenni, ha processzorszinten nézzük. Ha ugyanez megy előttünk, akkor megjósolhatatlan a 20 év. Abban én kis túlzással biztos vagyok, hogy sokkal kevesebb médium maradhat talpon, és a tartalom előállításában egyszerűen lépést kell majd tartani azzal, amire a felhasználók most fogékonyak. Látszik, hogy a TikTok mekkorát megy előre bizonyos korosztályok számára, hogy fejleszt a TikTok, hogy 10-20-30 másodperces videókból ott tartunk, hogy nemsokára 10 perces videók jönnek, ami igazán a YouTube-ot is letaszíthatja valamilyen szinten a trónról. Itt olyan szintű sebességváltásra lesz szükség mindenki számára, ami alapján nem tudom, hogy mennyien fognak fennmaradni. Rolandnak abban teljesen igaza van, hogy szükség lesz ugyanígy a médiumokra, valamilyen szinten az online média fennmarad, de sokkal kevesebb szereplő, és sokkal másabb hozzáállással lesz kénytelen folytatni a média azt, amit kell. Vagy pedig mecénások lesznek, akik életben tartják a hóbortjaik miatt az egészet, vagy hogy fennmaradjon ez a kultúra, ha úgy tetszik. De nagyon másképp fog működni záros határidőn belül ez a történet, az biztos.

Laczkó Gábor: – Roland, egyébként, ha meg szeretnéd majd nézni a videót, a protechtor.io-n a videótárban ott lesz több év múlva is, úgyhogy ha visszanéznéd a jelenlegi jóslást, akkor egészen nyugodtan.

Szenczi Roland: – Rendben, köszönöm.

Laczkó Gábor: – Nagyon szépen köszönöm nektek, Roland, Balázs. Nagyon informatív beszélgetés volt, és sok mindent megtudtunk erről a területről. Köszönöm nektek, hogy itt voltatok, és drukkolok, sok sikert nektek a munkátok során, mert azt látom, hogy egy remek, szuper területre tévedtetek, és úgy hallom, meg úgy látom, hogy jól is megy, meg jól is csináljátok. Gratulálok még egyszer, és köszönöm, hogy itt voltatok!

Szenczi Roland: – Köszönjük szépen!

Sólyom Balázs: – Köszönjük!

Laczkó Gábor: – Sziasztok!

Szenczi Roland: – Sziasztok!

Sólyom Balázs: – Sziasztok!


Sólyom Balázs

Sólyom Balázs

Chief Data Officer @ Trendency

Sólyom Balázs pályafutása 2009-ben kezdődött az Invitelnél, ahol előbb gyakornokként, majd 2010-től online marketing tanácsadóként tevékenykedett. 2013-ban kérték fel az online terület vezetésére, amit 2017 januárjáig látott el, majd a UPC-nél folytatta karrierjét, online igazgatóként. 2020 áprilisától építi és vezeti a Trendency Data Science és Analitika üzletágát – az elmúlt közel két év alatt több mint 20 fő dolgozik már azon, hogy adatok segítségével minél több üzleti dilemmában tudjanak támogatást adni. Jelenleg a legnagyobb fókuszt a digitális médiára helyezi csapata, ahol akár a szerkesztői működés optimalizálásában, akár a monetizációs lehetőségek kiaknázásában, akár a felhasználói élmény növelésében születtek már megoldások. Emellett a Metropolitan Egyetemen is oktat digitális hatékonyságmérést, illetve a Bátor tábor digitális stratégájaként támogatja az alapítvány tevékenységét.


Szenczi Roland

Szenczi Roland

Lead Data Scientist @ Trendency

Pénzügyi-matematikai modellezéssel, valamint kvantitatív tőzsdei kereskedő robotok fejlesztésével foglalkozott korábban Abu Dhabiban. 2020-ban csatlakozott a Trendency Online Zrt-hez, ahol lead data scientist pozícióban változatos machine learning és big data projekteken dolgozik csapatával. Az elmúlt két évben jelentős fókuszt helyezett az adatvezérelt újságírás és online média területére, ahol több új megoldást is fejlesztett.


Szakmai partnerek

Data Science az online médiában: az adatvezérelt újságírás jövője

Feltöltve: 2022. március 17.

Data Science AI Trendek Média ML Újságírás

Ajánlott videók

Digitalizáció és innováció az építészetben

Black Friday sémák a magyar piacon és közép-kelet európai tükör

Amit a metaverzumról és üzleti validációjáról tudni kell

Microservice Observability

Nagyvállalati sebezhetőségek és kvantum kihívások az IT biztonságban – interjú Silurral

Mesterséges intelligenciával a rák ellen

A crypto piac és eszközök vállalati szemszögből: lehetőség vagy kockázat?

Az alkalmazásfejlesztés jövője: Low-Code / No-Code

A crypto bányászat befektetési aspektusai: előnyök, kockázatok, szükségletek

Bukott projektek anatómiája

A vezetői karizma és annak határai

“Egy amerikai céget indítani és üzmeletetni, amiből a startupodat tudod futtatni, lényegesen olcsóbb és egyszerűbb”

Iparági trendek és digitalizáció az autókereskedelemben – Beszélgetés Schiller Márkkal

Shipping trendek és kihívások webshop és logisztikai oldalról: Benu és Packeta

Mesterséges intelligencia és jogi felelősség

REGIO JÁTÉK: a modern játékkereskedelmi kiskátéja – stratégiai gondolkodás és IT

Mire van szükség ipari IT fejlesztési projektek input minőségének javításához?

Microservice Tréning Nap

Az e-sport és gaming jelene a magyar piacon és azok kereskedelmi metszetei

Az ingatlanpiaci digitalizáció jelene és jövője

5 év múlva elképzelhetetlen az adathitelesítés blockchain nélkül

API használat, state management és az rxjs szépégei nagy projektek esetén

LegalTech trendek a magyar piacon és a vilában

Foodpanda: Digitalizáció és stratégiai látásmód piacvezető szerepben

Data science módszerek vásárlói viselkedésminták elemzésére 2.0

Next Earth: A blockchain alapú jövő

Nestlé: Online FMCG értékesítés a világ legnagyobb élelmiszeripari vállalatának szemszögéből

A Java jelene és jövője

A sikeres ügyfél-szolgáltató együttműködés kultúrális és szervezési kérdései

Generációk és fogyasztói szokások változása a metaverzum kapujában

OKR, avagy hogyan érik el a világelsők a legambiciózusabb terveiket

A Bitrise sztori: üzlet, vezetés és vállalati kultúra

Mesterséges intelligencia a videós kontent gyártásban

Java REST API kihívások és megoldások

Mesék a való életből: adathalászat, mely a javunkat szolgálja

Az adatvagyon keletkezése, kezelése és monetizációja az e-kereskedelemben

A mesterséges intelligencia alapjai

Cégépítészet – hogyan építsünk sikeres vállalatot a digitális korban?

Amikben hibáztam – Beszélgetés Bojár Gáborral

Influencerek és új médiacsatornák az e-commerce marketingben

HR támogatás a digitális forradalom tükrében

Agilis tesztelés a gyakorlatban

Subscription rendszerek a médiában: HVG, Central Médiacsoport

Az ügyfélélmény versenyjogi és fogyasztóvédelmi aspektusai

Digitális ipari megoldások: az AR/VR ipari alkalmazása

Digitális terméktervezés és a design kutatás haszna

Projekt életciklus fejlesztői szemmel

Ipar 4.0 – Álmok és a valóság Data Science szemszögből

Ameddig a föld kerek, mindig lesznek Dockerek!

Bodorítsunk-e bárányfelhőket – mire jó a cloud?

A fenntarthatósági kihívások az E-commerce logisztikában

Vezető a vezető mögött

Iparági helyzetelemzés a B2B e-commerce piac trendjeiről és jövőjéről

Remote first

AI alapú ajánlórendszerek a gyakorlatban

AI fejlesztési tapasztalatok a hazai nagyvállalati és az amerikai startup szektorból

Ökoszisztémák az e-kereskedelemben

Adatokban gazdag

Kubernetes Policy Enforcement – a Kubernetes videóbírója

Innovatív payment stratégia: így kattintanak egyre többen a fizetés gombra

Engineering kultúra vol. 2: Feedback és onboarding a terítéken

Hogyan építsünk AI alapú vállalati alkalmazásokat? – Avagy egy szakma szépségei és buktatói

Exportfejlesztés az Egyesült Államokban

Intézményi befektetők a nemzetközi piacra lépés mögött – ahogy a Hiventures látja

Szervezeti hálózatelemzés

Konténerizáció ismertető

Data Science – IT Morning School

Data science módszerek vásárlói viselkedésminták elemzésére

Hogyan válasszak e-commerce fejlesztési platformot?

Robotok a vállalati kommunikációban

Single source of TRUTH, avagy a teljes customer experience forrása és jövője

Termékkereső a webáruházakban

A mesterséges intelligencia határterületei

Hogyan lettem adattudós?

Building Products People Will Love

Milyen a hatékony engineering kultúra?

Mi fán terem az agilitás? – IT Morning School

Natív és cross platform alkalmazások – IT Morning School

Webes technológiák – IT Morning School

Hogyan épül fel egy fejlesztő csapat? – IT Morning School

Robotikai alapok – IT Morning School

Technológiai áttekintés – IT Morning School

E-commerce az Egyesült Államokban: Amazon és más csodaszerek

Magyarországról az amerikai piacra: a partraszállástól a befektetőkig

Így reagáltunk mi a változásokra – szallas.hu és ingatlan.com

Kitartás a vezetésben és sportban

Mit tanul ma egy vezető? Mások hogy csinálják?

Kezdjünk bele az AI transzformációba!

Az e-commerce jövője: 50%-os részesedés a teljes kiskereskedelemből?

Vízesés és agilis fejlesztési szemléletek — mindkettőre szükség van?

Microservice architektúra alapok

A jövő váratlanul válik jelenné – Auchan, Decathlon, Rossmann

E-commerce rendszer Microservice architektúrával

Kiberbiztonság webes aspektusai, támadási felületek és védekezési lehetőségek

Felhasználói élmény és e-commerce – 1. rész

Felhasználói élmény és e-commerce – 2. rész

Google Analytics fejlesztői szemmel

Chatbot alapok és gyakori integrációk

Hogyan határozzuk meg és hogy mérjük a legfontosabb eCommerce KPI-okat?

Hogyan használjuk ki az adatelemzés adta lehetőségeket a digitális világban?

Termékajánlók webshopoknak a Google AI segítségével

AI ajánlórendszerek típusai és megközelítései

Diverz kereskedelmi folyamatok felépítése

Evolution of the Shopping Experience – a Walmart Case Study

Ajánlott videók