Částka, za kterou se technologie i lidé z analytického startupu Stories v roce 2018 stali součástí globální softwarové společnosti Workday, nikdy nebyla zveřejněna. Podle odborníků však šlo pro trio zakladatelů ve složení Filip Doušek, Vojta Roček a Peter Fedoročko o jeden z nejúspěšnějších exitů české startupové historie. Z popela týmu Stories, který pomocí strojového učení analyzoval firemní data a tvořil z nich příběhy hodné řešení, vyrostla pražská pobočka Workday, která produkt dále rozvíjí a integruje s dalšími řešeními. Do křesel pro hosty technologického podcastu SCRIPTease usedli Zdeněk Stupňánek, šéf vývojového týmu, a také Hynek Walner, vedoucí analytického týmu, jenž nastoupil do Stories v srpnu 2016.
Článek vznikl v rámci spolupráce SJ News a podcastu SCRIPTease. Celou epizodu si můžete poslechnout zde:
Kalifornská firma svoje portfolio služeb buduje z velké části právě skrze nákupy dalších dobře fungujících startupů, podnikajících v příbuzných oborech – celkem takových transakcí uskutečnila už zhruba dvě desítky. „Hlavním produktem firmy Workday je sada nástrojů určená pro oddělení HR. Základem je například generování výplatních pásek či zapisování dovolených a podobně. Rozšiřujeme se ale postupně do dalších oblastí, jako je vzdělávání a podpora softwarů pro finance. Poslední dobou se hodně zaměřujeme na oblasti strojového učení a umělé inteligence, to je takový hlavní trend napříč firmou,“ vysvětluje Stupňánek. „Používá nás více než 50 procent globálních korporací – společností, které se nacházejí v žebříčku Fortune 500. Jinak je to celosvětově něco okolo 7000 firem.“ Z velkých hráčů na českém IT rybníčku jde například o Seznam.cz nebo Avast. „Aplikace neslouží pro manažery, kteří mají na starosti 20 nebo 50 lidí. Našimi uživateli jsou jednatelé či seniorní manažeři, kteří pod sebou mají třeba 500 či 1000 lidí,“ doplňuje Walner.
Proč se nedaří udržet zaměstnance? Nástroj často odhalí nečekané důvody
Ve Workday v současnosti pracuje necelých 18 000 zaměstnanců, z toho přes 80 v pobočce v Praze. Jde zejména o vývojáře, produktové analytiky a testery, kteří dohromady tvoří jeden tým schopný dodat ucelený produkt. Kromě toho se pražská pobočka nedávno rozrostla ještě o druhý tým věnující se jiným oblastem, než je hlavní produkt zvaný People Analytics. „Jde o samostatný produkt v rámci platformy Workday. Klient musí mít implementovaný Workday, aby si mohl produkt People Analytics koupit. Idea je taková, že se snažíme automatizovat HR analytiku. Uživateli, což je typicky nějaký HR partner, tedy člověk, který řeší data o zaměstnancích a trendy, dodáváme produkt, který vše automatizuje a minimalizuje potřebu zaměstnávat vlastní interní analytický tým, “ popisuje Hynek Walner. „Není to tak, že by firma analytický tým poté vůbec nepotřebovala. Ale může spíše řešit různé okrajové případy a konkrétní problémy, které se jím pomocí našeho nástroje podaří identifikovat,“ dodává Stupňánek.
Konkrétní implementaci u klienta vysvětluje Hynek Walner na příkladu: „HR bude zajímat, jaké jsou trendy spojené s odcházejícími lidmi. Proč odcházejí, jestli se ve firmě něco neděje. Standardní proces by byl takový, že by HR partner zadal svému oddělení, aby připravili prezentaci o tom, jaké jsou nejčastější důvody odchodu lidí. Analytik by začal sbírat data, mapovat své zadání řečí dat. Hledat významné odchylky, anomálie a změny například přes pobočky, oddělení, pozice či pohlaví. Když tohle má, snaží se jednotlivé náhledy spojit a vytvořit nějaký narativ. Výstupem pak může být vysvětlení ve stylu ‚to nejdůležitější je, že nám odcházejí seniorní Java vývojáři v Londýně, protože byli dlouhodobě nespokojení s platem‘. Přesně to se snaží udělat naše aplikace. Jednotlivé body procesu algoritmicky popisujeme a generujeme skript, který dokáže to stejné vytvořit sám.“
Významným pomocníkem je pochopitelně téměř nekonečná výpočetní kapacita, která v nerovném souboji s lidmi významně naklání misku vah ve prospěch technologií. „Analytik možná dokáže vytvořit za měsíc sto analýz, ve kterých zpracuje data a porozumí jim. My jich díky síle strojů dokážeme teoreticky udělat miliony, takže vyzkoušíme i varianty, které by člověka nikdy nenapadly. Data projdeme do šířky i hloubky a vykonáme práci za sto takových analytiků,“ popisuje Stupňánek sílu parciálních reportů, které jsou informatickou obdobou hledání jehly v kupce sena. „Není to přitom jenom o tom, že dané anomálie najdeme. Náš nástroj je schopný vyhodnotit, které anomálie mají největší dopad na dané oddělení, firmu, zemi. Takže když manažer přijde a má čas řešit jen jednu věc s největším dopadem, hned ji vidí,“ dodává.
Data odhalují i zajímavé celosvětové trendy, o nichž se zatím nemluví
Právě vybrat konkrétní anomálii může být často docela oříšek. „Každý příběh, který pro klienta objevíme a popíšeme, by měl být dostatečně unikátní a relevantní. Nesmí se třeba stát, že zároveň řekneme, že odchází příliš mnoho lidí z týmu vývojářů, a že odchází příliš mnoho lidí z pobočky v Londýně, pokud z dostupných dat víme, že vývojáři sídlí jen a pouze v Londýně,“ nabízejí Stupňánek s Walnerem konkrétní příklad potenciálně duplicitního nálezu v datech.
Nejdůležitější informací pro každé oddělení řízení lidských zdrojů přitom není to, že se něco děje, ale zejména to, proč se to děje. S tím pomáhá nástroj Workday Peakon, který sbírá data o takzvaném uživatelském sentimentu – tedy zjednodušeně řečeno o tom, jak se zaměstnancům v práci líbí napříč různými tématy a kategoriemi. Jde o ověřený princip NPS (Net Promoter Score) pracující na škále od 1 do 10, který využívají například e-shopy, dále doplněný o analýzu textových polí na bázi umělé inteligence. Data z Peakon jsou pro Workday People Analytics jedním z datových zdrojů, ale zdaleka ne jediným.
Workday využívá ve svých produktech následující technologie:
Python, Kotlin, Hadoop
Zajímavou oblastí je prioritizace jednotlivých zjištění, neboť v závislosti na typu podnikání či nastavení firemní kultury mohou mít totožná data pro dva klienty zcela odlišný význam. „Ne nutně se bavíme o lidech, kteří se vše snaží optimalizovat řečí peněz. HR partnery zajímá, co se děje s lidmi, takže i informace o tom, že ve velké míře odcházejí juniorní zaměstnanci, kteří firmu nestáli moc peněz, je důležitá. A naopak, ne pro každého klienta je nutně špatně, že lidé odcházejí,“ popisuje Walner. „Rozhodně vidíme zajímavé meta trendy v rámci průmyslu. V metrikách se odrazil začátek pandemie covidu i tzv. Great Resignation v Americe. Narostl s tím i pohyb dat v naší aplikaci, neboť všichni začali trochu panikařit a kontrolovat, co se děje a proč odcházejí lidi,“ doplňuje. „Zákazník, který si kupuje produkty Workday, souhlasí s tím, že bude přispívat částečně anonymizovanými daty našemu Data Science týmu, což je omezená skupina lidí, kteří jednak podporují produkční týmy, a jednak vyvíjejí dál naše řešení. Zároveň ale nesmíme tato data používat k tomu, abychom například cíleně jiným firmám nabízeli lepší řešení,“ vysvětluje Hynek Walner.
Pro management je 1 stránka informací často maximum
Zavádění systému Workday u korporací, které obvykle mají minimálně tisíce, ale spíše i statisíce zaměstnanců, představuje náročný proces na několik měsíců. Nasazení nástroje People Analytics vyvíjeného v pražské kanceláři oproti tomu představuje kratší úkol na přibližně 4-6 týdnů. „Uživatelé si verifikují a mapují data prostřednictví pomocného nástroje, který jejich byznys model prováže s naším analytickým. Potvrdí si, že jejich očekávání odpovídají realitě, a tím implementace končí. U konkurence může tento proces trvat až rok,“ popisuje jednu z konkurenčních výhod Stupňánek. „Analytický proces se následně spouští každý týden, většina reportů je ale na měsíční bázi, případně čtvrtletní nebo až roční,“ dodává Walner.
Cílem přitom není na uživatele – manažera lidských zdrojů – vysypat hromadu grafů, čísel a metrik, ze kterých není zřejmé, co se přesně děje. „Ideálně chceme slovně popsat, co se vlastně stalo a proč je to zajímavé. Aktuálně zkoumáme, jestli by nebylo pro tuto úlohu možné využít řešení na bázi umělé inteligence,“ vysvětluje Stupňánek. „Na detailnější úrovni se snažíme popsat tzv. drivery, tedy důvody, které lidi vedou k určitému chování. Informace tedy není ‚odešlo pět vývojářů‘, ale ‚odešlo pět vývojářů, protože v posledních letech dostali přidáno méně než ostatní‘. Naše ideální představa je, že nástroj produkuje výstup na jednu stránku. Ne novinový článek, ale analýzu včetně grafů a zdůvodnění, podobnou té, kterou by předložil analytik. Protože známe každý krok analýzy, dokážeme jednotlivé body dobře popsat a dát vše pomocí práce se šablonami dohromady,“ popisuje Hynek Walner aktuální práci svého týmu.
V tento moment tedy oddělení HR ví, co se stalo a proč – a další krok pro vývoj ve Workday je více než zřejmý. „Chceme lidem pomoci a říct jim, co s tím, třeba když odcházejí lidi. Podívejte se na tohle, zkontrolujte, že s nimi manažer pracuje korektním způsobem,“ popisuje budoucnost firmy Stupňánek. Walner upozorňuje také na to, že výpočetní jádro Workday je natolik univerzální, že lze využít i k analýze finančních dat a predikce ekonomických ukazatelů. Teoreticky lze pokročilý systém pro detekci anomálií použít i k detekci fraudulentních incidentů. Oba hosté připomínají, že firma Workday se historicky daty z oblasti lidských zdrojů vůbec nezabývala a prioritizovala právě oblast financí. Změny přišly až s nedávnými akvizicemi, mimo jiné právě českého startupu Stories.
Jak probíhá spolupráce pražského týmu s dalšími pobočkami Workday po celém světě? Stává se, že musí datový tým manuálně ověřovat správnost provedené analýzy a vysvětlovat ji klientovi napřímo? Je interní vize firmy v souladu s tím, jaké požadavky mají na pokročilou analytiku uživatelé z nejbohatších firem světa? To vše se dozvíte v další epizodě podcastu SCRIPTease se Zdeňkem Stupňánkem a Hynkem Walnerem z českého týmu společnosti Workday. Do tajů augmentované analytiky vás společně s nimi zasvětí moderátor Jiří Bachel z vývojářské firmy LOLO.team.
