Работата со податоци опфаќа многу различни домени, а секој од нив има поинаква комплексност и потреби – нешто што му е многу познато на Дане Јосифовски кој низ своето искуство имал можност да работи од анализа на макроекономски податоци, до следење на перформансите на програма за поддршка на ИТ компании. Токму потребата за подобра и поефикасна анализа на истите го мотивирало да се запише на обуката Data Analytics for Business Decision Making која опфаќа изучување на Python, SQL и Power BI.

Со него разговаравме за улогата на податоците во доменот на неговото работење, како и првите впечатоци од обуката.

Подолг период имате работено во Влада на Р.М, конкретно во делот на тековни економски политики. Со каков вид податоци се имате сретнато во тој период и како би го опишале тоа искуство?

Периодот кога работев на спроведување на економски политики подразбираше анализа на податоци од повеќе економски сегменти со цел носење на соодветни навремени одлуки и ефикасно спроведување на економските владини политики. На стратешко ниво најголемо внимание посветував на анализа на макроекономски податоци за движењата на основните макроекономски показатели како БДП, извоз и увоз, инвестиции и сл. со цел компарација и споредба на различни периоди, влијание на различни мерки или споредба со други земји.

Дополнително, во одреден период од ангажманот бев и дел од тим кој ги анализираше финансиските податоци за функционирањето на јавните претпријатија во нашата земја со цел да се увидат и оценат нивните перформанси и да се предложат соодветни мерки за нивна поголема ефикасност. И во двата случаи оперирав со голем сет на податоци, а пресметките и споредбите ги правев со помош на Ексел и сите функционалности кои ги овозможува Ексел.

Колкаво е комплексноста на задачата да се анализираат макроекономски податоци и кој е бенефитот од нив во рамки на државната економија? Каде ја согледувавте најголемата корист од истите?

Комплексноста кај анализата на макроекономски податоци е генерирана пред сè затоа што се работи со големи серии на податоци на месечно, квартално или годишно ниво. Дополнително на тоа, релациите помеѓу различни податоци ја дополнуваат комплексноста при анализата.

Пример, многу често промените на вредностите на еден макроекономски податок предизвикуваат промени кај останатите показатели. Ова наложува анализата да вклучува интер-релациски модели што во Ексел навистина претставуваше предизвик. Во поглед на корисноста, како што споменав, резултатите на анализата се основа за носење точни и навремени одлуки.

Да биде појасно ќе дадам пример: кога се дизајнира одредена владина мерка потребно е да се направи анализа со која ќе се предвидат финансиските импликации во поглед на буџетот, односно колку средства да се наменат за реализација на таа мерка, колкав би бил трошокот и од друга страна преку спроведување на таа мерка кои ефекти би се постигнале во поглед на приливи во буџетот, па така да се согледа која е исплатливоста и дали треба нешто да се промени во механизмите за спроведување на мерката.

Во моментов сте ICT Sector Lead на Програмата за зголемување на пазарната вработливост на швајцарската амбасада преку која се обезбедува поддршка на секторите: активен туризам, одржлив агробизнис и информатичко комуникациски технологии. Што подразбираат обврските во рамки на оваа позиција и во кој дел се среќавате со анализа на податоци?

Спроведувањето на Програмата и преземањето активности за поддршка на компаниите во ИКТ секторот за кој јас сум одговорен подразбира реализација на активности кои ќе придонесат кон повеќе иновации и креирање продукти со додадена вредност од страна на македонскиот ИКТ сектор. Како и при секое носење одлука, така и тука, детална анализа на компаниите е потребна со цел носење одлука за поддршка. Тоа што е особено важно во поглед на податоци е следењето на резултатите кои се остваруваат по добиената поддршка.

Поконкретно, ова подразбира следење на промената на повеќе параметри и индикатори за секоја поддржана компанија, како на пример висината на реализирани продажби, промени во поглед на профитабилноста, вработувањата, платите на вработените, а во поголем дел од случаите овие промени се следат во рамки на синџирот на вредности, односно се анализираат податоци и за добавувачите на поддржаните компании.

Кога ќе се направи споредба на алатка како Екселот наспроти модернизацијата со нови алатки, каде најмногу ја согледувате предноста во употребата на Python?

Екселот е најчесто користен, особено во администрација, со оглед на тоа што е лесен за употреба и како алатка нуди можности за основни анализи на податоци. Од друга страна, тоа што можев да го согледам неколку недели откако почнав да изучувам Python е дека нуди многу поголем спектар на аналитички операции. Првично може да се оперира со огромен сет на податоци без притоа „комјутерот да кочи“ како што некогаш се случува при работа со Ексел.

Понатака, со помош на Python промените на податоците, формулите и насоките за анализа полесно се применуваат, работата е автоматизирана во голем степен и не мора како во Ексел секаде да се копира и да се врши промената поединечно. Python тоа го обезбедува, бидејќи е базиран на код и со една промена на кодот истата се пресликува секаде каде истиот е употребен.

Последно би издвоил тоа што Python дозволува и е доста ефикасен при пресметување сложени равенки и алгоритми, а притоа точноста и следственоста на податоците е на високо ниво.

Ако сето ова погоре говори за вашето досегашно искуство, каде се пронаоѓате себеси во иднина во делот на работа со податоци? Има ли фокусно поле во кое сакате да се насочите?

Ние секојдневно носиме голем број одлуки врз основа на наше искуство и истите ги поткрепуваме со заклучоци добиени преку анализа на податоци. Вака јас функционирам и во приватниот и во професионалниот живот. Можеби од тука и љубовта кон бројките, математика и статистика.

Дополнително на ова, времето во кое живееме, ја позиционираше дигитализацијата како неминовен процес, а тоа пак, особено ја истакнува потребата за анализа на податоци. Кога сега би требало да одлучам, фокус би ми била анализа на компаниски податоци поврзани со компаниските операции како на пример финансии, логистика, човечки ресурси или поврзани со пазарот пример продажба, пазарни сегменти, продукти и слично.

Како гледате во процесот на дигитализација во Македонија и улогата што овој процес го има во начинот на обработка на податоците, но и вредноста што ја имаат податоците во различни сфери од работењето?

Македонскиот јавен и приватен сектор има доста простор за унапредување кога станува збор за дигитализацијата. Последниов период соочени со пандемијата од Ковид вирусот и тоа како ја истакна потребата за дигитализација почнувајќи од електронски достапни јавни сервиси на институциите до онлајн продажба кај приватниот сектор.

Од анализите кои ги спроведувам во рамки на мојот сегашен ангажман може да се заклучи дека компаниите кои располагаат со дигитални алатки во своето работење, полесно се справуваа со здравствените и економските предизвици на кризата, лесно ги продолжија операциите на дистанца, комуникацијата со вработените, како и со клиентите и партнерите.

Гледано пошироко, дигитализацијата претставува можност за зголемување на конкурентноста на македонската економија која е мала по обем, бидејќи преку онлајн канали се отвораат нови пазари и можности за македонските компании.

Во поглед на улогата и вредноста на податоците, можам да кажам дека податоците се значајни во носење на деловни одлуки, притоа следењето и анализирање и тоа како има придобивки за бизнисот.

Најочигледен пример е финансискиот сектор каде банките секојдневно анализираат големи количества на податоци врз основа на кои ги носат одлуките, антиципираат движења на пазарот, намалуваат ризици или ги прилагодуваат своите понуди согласно потребите на пазарот, со што ги оптимизираат и подобруваат своите услуги и корисничкото искуство. Ова е релевантно за сите сектори, бидејќи преку следење и анализа на податоци бизнисот може да донесе клучни одлуки кои ќе го дистанцираат од конкуренцијата или ќе ја унапредат неговата продуктивност и профитабилност.

Колку неформалното образование придонесе за подигнување на свесноста и го поттикна напредокот токму во процесот на дигитализација?

Појавата на неформалните академии е поттикната од реалната потреба на пазарот. ИКТ секторот, а и останатите индустрии, вклучително и јавниот сектор, секојдневно се соочуваат со предизвик во наоѓањето стручен кадар, со или без искуство, кој што може да одговори на потребите од забрзаниот процес на дигитализација.

Значи, јасно е дека неформалното образование придонесува во намалувањето на овој предизвик. Позиционираноста на академиите на пример, како опција за обезбедување можност за добро платена работа по завршувањето на академијата, начинот на промоција со истакнување на сите бенефити кои добрите програмери би ги имале, секако дека придонесува во подигање на свеста и влијае врз забрзување на процесот на дигитализација.

Зошто се одлучивте за обуката Data Analytics for Business Decision Making и какви се првите впечатоци од истата?

Првично затоа што ме интересира работа со бројки, податоци, анализи и слично, по природа сакам објективно одлучување. Дополнително, од повеќето сегменти во ИКТ индустријата најверојатно со оглед дека сум магистер по финансиски менаџмент, анализата на податоци ми беше најприродна и најприфатлива сфера каде мислам дека можам да се унапредам и да научам нешто што реално ќе придонесе за мојата професионална надградба и унапредување.

Исто така, за вашата организација слушнав пофални зборови од претходни учесници на академиите и обуките кои ги организирате, што исто така позитивно влијаеше на мојата одлука. Размислував дали да се запишам на Академија, ама сепак со оглед на моето слободно време на крај се одлучив за обуката Data Analytics for Business Decision Making.

Ваша препорака за сите оние кои размислуваат да го надоградат знаењето во делот на изучување алатки за анализа на податоци. Од каде е добро да започнат?

Многупати пријатели или блиски познаници ми се обратиле со прашање во смисла кој програмски јазик или која Академија да ја одберат. Тоа што сум им го одговорил како совет би го посочил и тука. Важно е да се избере област која е блиска и сродна со професионалната ориентација за да може од практична страна да се совладува новото знаење.

Пример, моето формално економско финансиско образование е одлично надополнето со изучување алатки за анализа на податоци.

Втор совет е тоа дека определбата треба да биде нешто што предизвикува интерес и возбуда, за учењето да не претставува дополнителна обврска, туку повеќе да биде предизвик и забава. Ова од аспект што учењето програмирање, за некој кој нема претходно програмерско искуство, треба да биде интересно и да сака тоа да го научи, бидејќи реално бара посветување во смисла присуство на предавањата, решавање задачи и вежбање во слободно време.