[Podcast] Mike Konstantoulakis: Data-Driven Οργανισμοί, AI & Data, Attribution & MMMs, Data Silos

November 15, 2025

Σε αυτό το επεισόδιο του podcast φιλοξενούμε τον Mike Κωνσταντουλάκη, BI Director στο eFood, για μια συζήτηση σχετικά με τον ρόλο των δεδομένων στους σύγχρονους οργανισμούς, τις προκλήσεις, τις ευκαιρίες, καθώς και τις απαραίτητες δεξιότητες και την εκπαίδευση για την ανάπτυξη ομάδων και στελεχών.

Αναλυτικό Summary

1. Το ιστορικό του Mike & η στροφή στα Data (02:45)

Ο Mike Κωνσταντουλάκης ξεκίνησε τις σπουδές του στα Οικονομικά (ΑΣΟΕ) με αρχικό ενδιαφέρον στο Core Financial και το Financial Engineering. Συνέχισε με μεταπτυχιακό στην Επιχειρησιακή Έρευνα στο Warwick της Αγγλίας, ένα πεδίο που συνδύαζε Πληροφορική, Μαθηματικά και Προγραμματισμό. Η πρώτη του επαγγελματική επαφή με τα δεδομένα έγινε σε μια τράπεζα στην Αγγλία στο κομμάτι του Analytics, όπου συνειδητοποίησε ότι η ελευθερία που προσέφεραν τα δεδομένα για την επίλυση προβλημάτων τον έλκυε περισσότερο από τους αυστηρούς κανόνες του Financial Engineering. Έκτοτε, εργάζεται στον τομέα των Data για πάνω από 10 χρόνια.

2. Data-Driven Εξέλιξη & Προκλήσεις (06:17)

Ο Mike αναλύει γιατί τα Data έχουν γίνει τόσο σημαντικά. Επισημαίνει δύο βασικούς λόγους:

Τεχνολογική Ανάπτυξη: Η ύπαρξη σύγχρονων εργαλείων, η προσβασιμότητα και το scalability του Cloud και της αυτοματοποίησης είναι πλέον αδιανόητα σε σύγκριση με 10-15 χρόνια πριν, όταν το VBA και το Excel θεωρούνταν κορυφαία εργαλεία ανάλυσης.
Ωριμότητα των Οργανισμών: Τα στελέχη που σπούδαζαν πριν από 10 χρόνια έχουν πλέον φτάσει σε θέσεις Management και μπορούν να αξιοποιήσουν τα δεδομένα για να λάβουν αποφάσεις, κάτι που δεν συνέβαινε στο παρελθόν.
- Είναι προϋπόθεση τα Data; Η απάντηση είναι Ναι. Οι εταιρείες που πέτυχαν παλαιότερα χωρίς data, απλά δεν μπορούσαν να τα χρησιμοποιήσουν. Σήμερα, η μη χρήση δεδομένων σε οποιοδήποτε industry (retail, finance, κλπ.) ισοδυναμεί με απώλεια τεράστιου ανταγωνιστικού πλεονεκτήματος, ειδικά σε κλάδους με μικρά margins.

3. Attribution & MMM (16:35)

Ο Mike συμφωνεί ότι δεν υπάρχει τέλειο attribution μοντέλο που να μπορεί να αποδώσει την πώληση με απόλυτη ακρίβεια σε όλα τα touchpoints ενός πελάτη (όπως online, offline, φίλοι κ.λπ.). Για τον ίδιο, κανένα από τα μοντέλα (Last Click, Linear, Time Decay) δεν τον έχει πείσει πλήρως. Ωστόσο, επισημαίνει ότι, επειδή οι άνθρωποι των Data δεν μπορούν να πουν απλά “δεν είναι τέλειο, δεν το χρησιμοποιούμε”, είναι απαραίτητο να χρησιμοποιούνται τα διαθέσιμα εργαλεία, όπως το MMM (Marketing Mix Modeling), αλλά πάντα σε συνδυασμό με πολύ δυνατό human expertise. Ο αναλυτής πρέπει να εφαρμόσει τα αποτελέσματα στο συγκεκριμένο industry και στο ιδιαίτερο κανάλι (π.χ. Omnichannel ή Digital-Only) της εταιρείας.

4. Ο ρόλος του Data Analyst/Specialist στο Performance Marketing (22:50)

Πολλοί Performance Marketers αναλαμβάνουν και ρόλο αναλυτή, επειδή τα Digital Analytics είναι η πιο δομημένη και καλά οργανωμένη πηγή δεδομένων που υπάρχει σήμερα, σε αντίθεση με άλλα ERP/Offline συστήματα. Ο Mike τονίζει ότι η ιδανική κατάσταση (η λύση) είναι η ανάπτυξη μιας κουλτούρας Data-Driven σε όλο τον οργανισμό:

Hub & Spoke / Self-Service BI: Ένα κεντρικό τμήμα BI/Data πρέπει να κάνει τις deep-dive αναλύσεις και να στήνει την υποδομή.
Business Enablement: Ταυτόχρονα, πρέπει να παρέχει Self-Service BI εργαλεία και data literacy (γνώση δεδομένων) στα τμήματα του Business (π.χ. Marketing) ώστε να μπορούν να εξυπηρετούνται μόνα τους στις καθημερινές τους ανάγκες reporting και ανάλυσης, χωρίς να “τρέχουν” στους αναλυτές για κάθε νούμερο.
Πρόκληση: Αυτή η κατάσταση είναι κοινή παγκοσμίως, καθώς υπάρχει silo μεταξύ των Business Analysts (που ασχολούνται με ERP data) και των Digital Analysts (που ασχολούνται με Google Analytics/Digital Data).

5. Οι 3 Επόμενες Μεγάλες Προκλήσεις στα Data (43:32)

Ο Mike θεωρεί ότι οι τρεις σημαντικότερες προκλήσεις για το μέλλον είναι:

Data Consolidation (Ενοποίηση Δεδομένων): Η ικανότητα να ενωθούν όλα τα disparate data sources (offline, digital, social, CRM, κλπ.) σε ένα ενιαίο, αξιόπιστο σύστημα.
Data Literacy / Business Knowledge: Όλοι οι άνθρωποι σε μια εταιρεία, ανεξαρτήτως ρόλου (π.χ. Sales Manager), πρέπει να γνωρίζουν πώς να διαβάζουν δεδομένα και να κατανοούν τις βασικές business ανάγκες. Αυτό είναι ένα θέμα νοοτροπίας.
Τεχνολογικές Εξελίξεις: Η ανάγκη των εργαζομένων να κάνουν reskilling για να αξιοποιήσουν τις τεχνολογίες που έρχονται (όπως η Τεχνητή Νοημοσύνη και το Cloud), γιατί αλλιώς μια εταιρεία θα τρέχει με την ταχύτητα του 2020 και όχι του 2035.

Περιγραφή Θέματος	Χρονική Σήμανση
Εισαγωγή & Συστάσεις	00:00 – 02:45
Το ιστορικό του Mike & η στροφή στα Data	02:45 – 06:17
Γιατί τα Data έχουν γίνει “Sexy” και η εξέλιξη των Οργανισμών σε Data-Driven	06:17 – 10:50
Είναι προϋπόθεση η χρήση Data για την επιτυχία μιας επιχείρησης;	10:50 – 13:42
Προκλήσεις με την Τεχνητή Νοημοσύνη (ΑΙ) & Data (Ποιότητα, Reskilling)	13:42 – 16:35
Attribution Modeling & Marketing Mix Modeling (MMM)	16:35 – 22:50
Ο ρόλος του Data Analyst/Specialist στο Performance Marketing & Digital Analytics	22:50 – 28:03
Το πρόβλημα των Data Silos και η αναξιοπιστία στα Digital Data	28:03 – 33:14
Η σύγκρουση BI/Data με Business/Marketing & η λύση του Self-Service BI	33:14 – 40:08
Συμβουλές για όσους ξεκινούν με τα Data – Σύνδεση με το Business	40:08 – 43:32
Οι 3 Επόμενες Μεγάλες Προκλήσεις στα Data (Ενοποίηση, Data Literacy, Τεχνολογία)	43:32 – 47:33
Closing Thoughts & Προτάσεις για Πηγές Ενημέρωσης	47:33 – 50:18