13 Δεκέμβριος 2018

Συνέντευξη του Δαμιανoύ Χατζηαντωνίου

Συνέντευξη του Δαμιανoύ Χατζηαντωνίου
Επίκουρου Καθηγητή στο Οικονομικό Πανεπιστήμιο Αθηνών

 

  1. Πρόσφατα ανακοινώσατε ένα ετήσιο πρόγραμμα πιστοποίησης "Big Data and Business Analytics". Θεωρείτε ότι ένα τέτοιο πρόγραμμα έλλειπε από τα ελληνικά πανεπιστήμια;

    Όπως έχει επανειλημμένα αναφερθεί στη διεθνή βιβλιογραφία (π.χ. «Data Scientist: The Sexiest Job of the 21st Century»», Tom Davenport, Harvard Business Review, Οκτώβριος 2012) ο ρόλος του data scientist στις σύγχρονες επιχειρήσεις αποκτά όλο και μεγαλύτερη βαρύτητα. Ταυτόχρονα, έχει επισημανθεί η μεγάλη έλλειψη τέτοιων στελεχών διεθνώς. Για παράδειγμα, η McKinsey στη μελέτη της «Big Data: The next frontier for innovation, competition and productivity» (2011), προβλέπει ότι θα

    χρειαστούν 170.000 data scientists τα επόμενα χρόνια και περίπου 1,5 εκατ. managers θα πρέπει να εκπαιδευτούν στη χρήση και ανάλυση δεδομένων. Μία πιο πρόσφατη μελέτη της Gartner (Οκτώβριος 2012), είναι ακόμα πιο αισιόδοξη: 1,9 εκατ. θέσεις εργασίας για data scientists και άλλα 4 εκατ. για την υποστήριξη αυτών – μόνο στις Η.Π.Α. Τα μεγάλα πανεπιστήμια έχουν αρχίσει με έντονους ρυθμούς να δημιουργούν Data Science Institutes (π.χ. Columbia, New York University) και προγράμματα σπουδών (π.χ. Berkeley, Northwestern, Carnegie Mellon.)

     

    Συνεπώς υπάρχει μία πραγματική ανάγκη, η οποία πιστεύω μπορεί να καλυφθεί άριστα από τα ελληνικά πανεπιστήμια σε συνεργασία με τις εταιρίες που δραστηριοποιούνται στο χώρο - και μάλιστα να είναι ανταγωνιστικά σε διεθνές επίπεδο, όπως απαιτεί άλλωστε και η σύγχρονη ελληνική κοινωνία (αριστεία και εξωστρέφεια). Για παράδειγμα, στο πρόγραμμα εξειδίκευσης που δημιουργήσαμε, οι διδάσκοντες έχουν μεγάλη εμπειρία στο χώρο τους, πλούσια ερευνητική δραστηριότητα και είναι κάτοχοι διδακτορικού διπλώματος από κορυφαία πανεπιστήμια διεθνώς, όπως: Columbia University, Imperial University, LSE, Stanford University, University of Frankfurt, University of Maryland, University of Minnesota. Λίγα ευρωπαϊκά πανεπιστήμια μπορούν να προσφέρουν τέτοιο ανθρώπινο δυναμικό. Θα ήθελα να επισημάνω, γιατί πολλές φορές δημιουργούνται λάθος εικόνες, ότι τα τελευταία 10 με 15 χρόνια, τα ελληνικά πανεπιστήμια διαθέτουν μεγάλο αριθμό εξαιρετικών επιστημόνων, με πλούσιο διδακτικό και ερευνητικό έργο σε διεθνές επίπεδο.

  2. Ποιοί λόγοι σας οδήγησαν στην απόφαση αυτή;

    Το τμήμα Διοικητικής Επιστήμης και Τεχνολογίας (Δ.Ε.Τ.) του Ο.Π.Α., στο οποίο ανήκω, διακρίνεται για την καινοτομία και ευελιξία του στις νέες τάσεις. Η τάση των Big Data και Business Analytics έγινε ξεκάθαρη στο τμήμα μας από πολύ νωρίς, ήδη από τα τέλη του 2010. Η σχετική αρθρογραφία σε ερευνητικές δημοσιεύσεις και περιοδικά (π.χ. Communications of the ACM, Wired), η δημιουργία νέων εταιριών στo Bay area στην California με σχετικό αντικείμενο, οι συζητήσεις με συνάδελφους – κυρίως στην Αμερική – που εργάζονταν σε γνωστά πανεπιστήμια ή εταιρίες (π.χ. Stanford, MIT, Google, Facebook), έδειχνε ξεκάθαρα την κατεύθυνση: λήψη αποφάσεων = δεδομένα + (στατιστική/τεχνητή νοημοσύνη/ΒΙ.) Δεδομένου του επιστημονικού μου πεδίου και της συνάφειας με το χώρο (βάσεις δεδομένων, επιχειρηματική ευφυΐα, analytics μεγάλης κλίμακας) και με την υποστήριξη των Καθ. κ. Πραστάκου, Ιωάννου και Δουκίδη, ανέλαβα να δημιουγήσω μία μελέτη σκοπιμότητας για ένα νέο μεταπτυχιακό και μία επιτροπή διαμόρφωσης του προγράμματός του, αποτελούμενη από γνωστούς καθηγητές μεγάλων πανεπιστημίων του εξωτερικού. Η κατάληξη της πορείας αυτής είναι αυτό το πρόγραμμα εξειδίκευσης που σύντομα θα μετατραπεί σε μεταπτυχιακό πρόγραμμα.

  3. Σε ποιους απευθύνεται το πρόγραμμα αυτό και τι κριτήρια πρέπει να πληρούν;

    Το πρόγραμμα απευθύνεται σε στελέχη του ιδιωτικού – αλλά και δημόσιου, πρέπει να το τονίσω – τομέα, με ισχυρό τεχνικό background, που θα ήθελαν να γνωρίσουν τις σύγχρονες τεχνικές και εργαλεία ανάλυσης δεδομένων και λήψης αποφάσεων. Το προφίλ των υποψηφίων περιγράφεται καλύτερα από τα σχόλια που παρείχε κατά την προετοιμασία αυτού του προγράμματος ο καθηγητής του Stern Business School του πανεπιστημίου της Νέας Υόρκης (NYU) και ειδικός της Google για anti-fraud στο Google Adwords πρόγραμμα κ. Alex Tuzhilin:

    «Η ελάχιστη απαίτηση: οι φοιτητές να γνωρίζουν “κάτι” από τεχνολογία και business (με τον όρο τεχνολογία, εννοώ να έχουν υπόβαθρο πληροφορικής ή μηχανικού.) Επίτηδες έχω αφήσει το «κάτι» να είναι ασαφές. Η χειρότερη περίπτωση είναι κάποιος που γνωρίζει αρκετά από business και λίγα από τεχνολογία και αντίστροφα. Τότε θα πρέπει να διενεργηθούν διορθωτικές ενέργειες, που γενικά είναι δύσκολο. Εξ’ ορισμού, ο φοιτητικός πληθυσμός σας θα είναι bi-modal και η πρόκληση για το πρόγραμμά σας θα είναι να καταφέρει να συνυπάρξουν. Το πλεονέκτημα είναι ότι μπορείτε να τους κάνετε να μάθουν ο ένας από τον άλλον κατά τη διάρκεια των projects και μπορείτε να χρησιμοποιήσετε αυτό το “diversity card” σε διάφορα άλλα σημεία. Ίσως θα «έσπρωχνα» αυτό το business/technology tradeoff προς την πλευρά της τεχνολογίας, καθώς κάποια μαθήματα μπορεί να είναι αρκετά τεχνικά και κάποιοι φοιτητές κατεύθυνσης business με περιορισμένη γνώση τεχνολογίας μπορεί να αντιμετωπίσουν δυσκολίες.»

  4. Πως μπορεί να βοηθήσει το πρόγραμμά σας τους σημερινούς επαγγελματίες;

    Το πρόγραμμα αποτελείται από σύντομα μαθήματα στις βασικές συνιστώσες των big data: βάσεις δεδομένων, διοίκηση, στατιστική, AI. Οι συμμετέχοντες θα εκτεθούν σε θεωρητικές έννοιες και τεχνικές σε αυτούς τους τομείς, θα παρακολουθήσουν διαλέξεις σε ειδικά θέματα για ένα πλήθος κάθετων εφαρμογών (π.χ. public-sector, healthcare, retail, banking, κ.λ.π.) και θα εκπαιδευτούν στα πιο δημοφιλή εργαλεία και συστήματα του χώρου, εμπορικά ή open-source (π.χ. Hadoop/key-value stores, IBM, SAS.) Είναι αυτονόητο ότι ο σκοπός του προγράμματος δεν είναι – και δε θα μπορούσε να είναι – η εμβάθυνση σε ένα συγκεκριμένο τομέα, αλλά η παροχή ενός εύρους (breadth) γνώσεων σε big data analytics, τις οποίες ο απόφοιτος του προγράμματος θα μπορεί να αξιολογήσει και αξιοποιήσει στην επιχείρηση ή οργανισμό που ανήκει.

  5. Υπάρχει πραγματική ανάγκη στην ελληνική αγορά για data scientists και business analytics επαγγελματίες;

    Σαφώς! Η εξέλιξη των big data analytics θα είναι παρόμοια με την επιχειρηματική ευφυΐα: στην αρχή αφορούσε σχεδόν αποκλειστικά επιχειρήσεις και οργανισμούς με πολύ μεγάλο όγκο δεδομένων (π.χ. τράπεζες, τηλεπικοινωνιακούς οργανισμούς), στη συνέχεια επεκτάθηκε σχεδόν σε όλες τις επιχειρήσεις που συλλέγουν κάποια λειτουργικά δεδομένα. Η χρήση των δεδομένων των κοινωνικών δικτύων μόλις τώρα αρχίζει. Επίσης, ας μην ξεχνάμε ότι σε μία χώρα σε οικονομική κρίση, τεχνικές που βοηθούν στην κατανόηση των αναγκών των πελατών και διακράτησή τους, μειώνουν το κόστος και αναπτύσσουν καινοτόμες ενέργειες προώθησης είναι απαραίτητες στην επιβίωση των εταιριών.

    Τέλος, στην Ελλάδα με τα έντονα προβληματα στον τομέα των κρατικών πληροφοριακών συστημάτων, θεωρούμε ότι ένα τέτοιο πρόγραμμα αποτελεί μεγάλη ευκαιρία και για το δημόσιο τομέα: τα επόμενα χρόνια ο δημόσιος τομέας θα πρέπει να αποκτήσει σύγχρονα πληροφοριακά συστήματα και να επιτευχθεί μία ριζική πληροφοριακή αναδιοργάνωση με κύριο σκοπό την υποστήριξη λήψης αποφάσεων σε όλους σχεδόν τους δημόσιους τομείς: υγεία, παιδεία, κοινωνική ασφάλιση, οικονομία, ασφάλεια, μεταφορές, ενέργεια, εξυπηρέτηση πολίτη, κ.α. Θεωρούμε ότι η χρήση τεχνολογιών analytics είναι αναγκαία στην προσπάθεια που κάνει η Ελλάδα για έξοδο από την κρίση. Απόφοιτοι του προγράμματος αυτού μπορούν να αποτελέσουν μία νέα γενιά ικανών στελεχών του δημοσίου με σημαντική συμβολή στην αναδιοργάνωση του δημόσιου τομέα.

  6. Πείτε μας τη γνώμη σας για την εξέλιξη που θα έχουν τα big data και business analytics τα επόμενα χρόνια. Πως θα επηρεάσουν ή θα διαμορφώσουν την παγκόσμια αγορά;

    Αυτή είναι μία καλή ερώτηση. Αρκετοί μιλάνε για «big data bubble», όπως για παράδειγμα η αναλύτρια της Gartner Svetlana Sicular, στο άρθρο της «Big Data is Falling into the Trough of Disillusionment» πριν από μερικούς μήνες. Πρέπει να γίνει κατανοητό, κατά τη γνώμη μου, ότι αυτή τη στιγμή βρισκόμαστε στην αρχή μίας τεχνολογικής επανάστασης. Τώρα δημιουργούνται νέα συστήματα, μοντέλα, γλώσσες ερωτημάτων, εργαλεία, integration frameworks και αναπτύσσονται νέες μέθοδοι ανάλυσης δεδομένων κατάλληλες για κατανεμημένη επεξεργασία. Σε αυτή τη φάση, αν περιμένουμε άμεσα σημαντικά αποτελέσματα και καθολικά επιτυχημένες εγκαταστάσεις θα είμασταν μάλλον αφελείς. Θα πρέπει λοιπόν να υπάρξει μία καλή διαχείριση των προσδοκιών για να μην υπάρξει απογοήτευση. Δεν υπάρχει καμία αμφιβολία, πάλι κατά τη γνώμη μου, ότι οδηγούμαστε σε μία πλήρως data-driven economy, αντίστοιχη της market economy της δεκαετίας του ‘50 και ‘60. Και αυτή είναι μόνο η αρχή... Το επόμενο βήμα είναι η εξάπλωση των αισθητήρων σε κάθε σπίτι, συσκευή, ακόμα και μέσα στο ανθρώπινο σώμα. Αν σήμερα μιλάμε για big data, είναι άγνωστος ο όρος που θα χρησιμοποιούμε στο μέλλον. Τα δεδομένα που θα παράγονται θα είναι πραγματικά ασύλληπτου όγκου, θα παράγονται σε εκρηκτικούς ρυθμούς και θα «κουβαλάνε» εκπληκτική πληροφορία (χώρος, χρόνος, μετρήσεις). Στην ουσία θα ψηφιοποιήσουμε την πραγματικότητά μας. Καταλήγωντας, πιστεύω ότι η ανάπτυξη του χώρου θα είναι μεγάλη, σταθερή και συνεπής.