Většinu kariérního života strávil Jan Balatka na manažerských postech v auditorské a poradenské společnosti Deloitte, kde se především věnoval forenzní a datové analýze. Loni se však rozhodl vydat na dráhu investora a stal se partnerem v investiční skupině Behind Inventions, jež se zaměřuje na české startupy. Zároveň se stal jednatelem společnosti Semantic Visions, se kterou měl již zkušenosti za svého působení v Deloitte a jež se zabývá sémantickou analýzou online médií. „Každý den analyzujeme 1,3 milionu článků ve 12 jazycích, ze kterých jsme schopní pro klienta vybrat přesné a byznysově relevantní informace. Díky našim datům mohou společnosti vyhodnocovat rizika i příležitosti, o kterých by jinak ani netušily,“ říká Balatka.
Pracoval jste dlouhá léta na manažerských postech v Deloittu. Co vás vedlo k výměně velkého korporátu za investiční skupinu a ve výsledku za post jednatele v menší společnosti?
Svým způsobem jsem si splnil sen. Vždy mě lákalo vyzkoušet si podnikání a řízení něčeho svého. V Deloittu jsem byl 18 let a již jsem cítil, že je potřeba otevřít novou kapitolu. Za tu dobu se společnost, kterou mám stále rád a vděčím jí za skvělé zkušenosti, začala mnohem více globalizovat a centralizovat. To je logický a v zásadě správný vývoj, ale v některých aspektech mé práce už to nebylo tolik naplňující. Deloitte se nyní zaměřuje na velké holdingy a mě obecně baví více budovat produkt či zvětšovat menší společnosti, což byly důvody, které mě nakonec dovedly k opuštění dráhy tradičního korporátního života a začátku partnerství v investiční skupině Behind Inventions, která cílí na české startupy s globálními ambicemi.
S jakou vizí jste do společnosti Semantic Visions přišel?
Semantic Visions se stala jedním z projektů našeho fondu Behind Inventions, protože jsme společnost znali již z doby, kdy spolupracovala s Deloittem. Konkrétně byla přímo ve spojení i s mým týmem datových analýz, jenž využíval data produkovaná právě touto společností. Naše zapojení však byla trochu souhra okolností, jelikož hlavní investor Pale Fire Capital hledal způsoby, jak Semantic Visions transformovat. Nám to přišla jako zajímavá příležitost, protože jsme již měli s firmou dobré zkušenosti. Hlavní vize byla jasná – pomoci s transformací, která ze Semantic Visions udělá mnohem větší společnost.
Dříve byla vaše společnost spojována s bojem proti dezinformacím. Je to pro vás stále aktuální?
Šlo především o činnost bývalého jednatele Františka Vrábela, na jehož podíl je bohužel vypsána exekuce pro nesplacený dluh, který nesouvisí se Semantic Visions, a na konci srpna proběhla aukce, přičemž v tuto chvíli je Pale Fire Capital jedinou osobou, která splňuje zákonem stanovené podmínky pro vydražení podílu. Po změně vedení se naše společnost nechce stavět do pozice bojovníka proti dezinformacím. Dodáváme data, ale interpretace je na klientech. Jsme schopní dohledat v médiích počátek informace a předložit i vznik informace, která se v určitých aspektech s první liší, ale vyhodnocení ani fact-checking již není na nás.
Čím se společnost teď především zabývá?
Analýzou globálních online médií. Každý den analyzujeme 1,3 milionu článků ve 12 jazycích, ze kterých jsme schopní pro klienta vybrat přesné a byznysově relevantní informace. Díky našim datům mohou společnosti vyhodnocovat rizika i příležitosti, o kterých by jinak neměly ani tušení.
V čem spočívá samotný proces?
Nebude asi velkým překvapením, když řeknu, že samotný proces je poměrně složitý z hlediska velkého objemu dat a například počtu dodavatelů, jejichž prezenci v médiích pro klienty sledujeme. Z toho vyplývá, že ani z hlediska výpočetní infrastruktury nejde o nic jednoduchého – pro fungování potřebujeme stovky serverů. Pro největšího klienta monitorujeme více než jedenáct milionů firem po celém světě. Když si to představíme na příkladu jednoho článku, nejdříve hledáme pojmenované entity, což může být typově název společnosti, produkt či de facto jakékoliv podstatné jméno, jež nás zajímá. Následně hledáme vztah mezi pojmenovanou entitou a tématem, událostí či časovým ohraničením, a to způsobem, který zaručuje vysokou přesnost při zachování vysoké výtěžnosti. Tedy že výsledek je s vysokou pravděpodobností pravdivý a zároveň jsme neminuli velký počet takových vztahů. V takto zpracovaných datech jsme schopní dodávat klientům nepřesnější informace, které se neopakují, týkají se reálných a aktuálních událostí a ne například zmínky o události ve filmu či v historii a jsou vždy ověřitelné do minulosti.
Co od vás klient může reálně získat? Lze to chápat jako sofistikované mapování potenciálních rizik a příležitostí?
Jde o jeden z hlavních cílů našich klientů, co chtějí z obdržených informací získat. Příkladem je řízení kreditního rizika u bank. Za normálních okolností mají banky z pozice věřitele dobré informace o solventnosti společnosti – sledují transakce, veřejné rejstříky a další finanční údaje, z čehož počítají skóre dlužníka. Díky našim informacím však mohou dříve a včas zjistit, že důležitý dodavatel jejich klienta se ocitá v problémech, například přestává plnit závazky, což může mít negativní dopad na dlužníka banky. Zajímavým příkladem zejména pro velké globální společnosti může být téma takzvaných neetických postupů. Takové nadnárodní skupiny mají řadu dodavatelů a jejich subdodavatelů například z Afriky či jihovýchodní Asie a potřebují monitorovat, zda jejich obchodní partneři třeba nezneužívají dětskou práci, což by pro společnost bylo reputační riziko. Nezůstávejme ale jen u příkladů rizik. Naše analýzy fungují i jako hledání potenciálních příležitostí. Typově lze uvést klienta, jenž podniká ve zdravotnickém materiálu a chce expandovat, a proto potřebuje informace, v jakém regionu se budou stavět nemocnice či polikliniky, což pro něj může znamenat zajímavou zprávu o možné expanzi do dané oblasti.
Předpokládám, že obecně převládají v informacích pro klienty rizika nad příležitostmi…
Poměrově skutečně převládají informace o rizicích nad příležitostmi, ale třeba v tématech spojených s ESG mají navrch spíše příležitosti. Na druhé straně rozdělování informací na rizika a příležitosti není úplně na nás, jak jsem již naznačil, ale spíše na klientovi. Jsme dodavatelem dat a jsme schopní zprostředkovat řetězec informací od zdroje až po signál, ale hlavní vyhodnocení a interpretace je na něm. Nemluvě o tom, že v některé zprávě, která působí negativně, respektive rizikově, může konkrétní klient vidět velkou příležitost spočívající v akvizici společnosti, které se tolik nedaří.
Která odvětví klientů nejvíce využívají vašich služeb? Jsou vhodné pouze pro velké společnosti nebo i pro střední a malé?
Nejvíce máme zastoupenou výrobní sféru, zejména koncovou část, ale často dodáváme data pro různé technologické či konzultační společnosti. Z geografického hlediska máme klienty prakticky z celého světa. Nejčastěji máme obchodní partnery z Evropy a USA, nově i na Blízkém východě. Velikost společnosti nehraje tolik roli – klíčové jsou jejich lokace, ve kterých podnikají. Jak už bylo řečeno, kouzlo Semantic Visions tkví ve schopnosti získávat podstatné informace z velkého kvanta dat z celého světa. Takže pokud i menší či střední společnost funguje v mnoha ohledech globálně, naše služby jí budou užitečné. Naopak pokud větší či střední společnost funguje prakticky jen v Česku a má relativně málo dodavatelů, pak přínos dat je menší, respektive nevyužije plně potenciál nabízené služby.
Jak jste na tom s konkurencí?
V rámci Česka zatím konkurenci nevidíme. Celosvětově existují společnosti ve stejném byznyse, za což jsme rádi. Zdravá konkurence je dobrý stimul pro inovace, zejména z technologického hlediska.
Kam by se měla Semantic Visions posouvat? V čem ve vašem odvětví vidíte budoucnost?
Směr je plná automatizace a zjednodušení z pohledu klienta. Jinými slovy, aby si ideálně sám přes náš systém dokázal co nejvíce a nejlépe definovat požadavky, které mu budou generovat požadovaná data. Rozvíjíme však řadu dalších prvků – z výsledků například stavíme znalostní grafy, díky kterým půjde v budoucnu rychle dotazovat informační kontext, nebo pracujeme na backtestingu vůči různým veličinám. To může být velmi zajímavé pro finanční trhy, kdy na základě historických dat bude možné simulovat, jak by obchodní či cenová strategie fungovala v minulosti, a tím do budoucna snížit riziko.
Autor je publicista
•
