Českým projektům prý stále většinou chybí „technický vhled“, nějaká jedinečná technologie, která by je povýšila nad konkurenci. Uvedl příklad kalifornské služby Uber, která není obyčejným objednáváním taxíků, o což se jen v Praze prý snaží startupů hned několik, ale využívá pokročilé předvídání, kde kdy kdo bude převoz potřebovat. „Když berete do ruky telefon, abyste si přivolali Uber, už na vás čekají,“ dodává s nadsázkou. To jim dává konkurenční výhodu.
Filip tvrdí, že takřka každá světově úspěšná internetová služba vděčí za svůj úspěch nějaké pokročilé technologii, díky které je napřed před ostatními. K tomu je ovšem potřebí znalostí z více oborů. Českým zakladatelům projektů vyčítá to, že vývojářům zadávají vyzkoušená řešení, namísto toho, aby se jich zeptali, jak by se daný problém dal vyřešit nejlépe. V tom, co děláte, máte využívat svého vzdělání, ale ještě lépe, když využijete i vzdělání druhých, dodává.
Dále už jen několik postřehů, neboť nelze jednou zprávou postihnout dva dny přednášek ve čtyřech souběžných blocích.
Zakladatelský tým potřebuje vyváženou odbornost
Když Lukáš Fittl vyprávěl o tom, jak se nevydařil jeho druhý startup, jako hlavní rozdíl mezi zakladatelským týmem EfficientCloud a svým nynějším projektem Spark59 zmínil rozložení odbornosti v týmu. V EfficientCloud byli všichni tři zakladatelé vlastně především vývojáři; obchodu se Lukáš ujal z nutnosti, že měl pocit, že z nich tří měl k němu ještě zhruba nejblíže, ale přesto v něm neměl skoro žádné zkušenosti nebo znalosti. Ve Spark59 jsou tři zakladatelé oborově mnohem vyváženější, například Ash Maurya je prý skoro čistý obchoďák a marketér.
Mimoto Lukáš přiznává, že s myšlenkami Lean Startup sice tenkrát koketoval, že něco zkoušel „pro zkoušení samo“, ale že se beztak až do konce EfficientCloud v zásadě drželi své původní představy.
Flavius Ştef ve svém vystoupení prohlásil, že „Lean Startup“ je vlastně vědecká metoda uplatněná na vývoj produktu. Formulujete si domněnku, kterou pak pokusem buďto potvrdíte, nebo vyvrátíte. Ve své představě o tom, co se chystáte vyvíjet, musíte na počátku umět rozpoznat pouhé předpoklady — například, že zákazník potřebuje tu a tu funkci — a přijít na způsob, jak změřit nebo dokázat, že předpoklad platí.
Učte se pracovat s daty
Podle Michala Bachmana jsou „velká data“ jen „buzzword“; podstatou oboru „big data“ není to, že jsou velká, ale jejich zpracování a analýza tak, abychom dokázali na dotazy získávat téměř okamžité odpovědi.
Dat ovšem bývá hodně a Ameya Kanitkar z Grouponu přišel promluvit o tom, jak se s tím vypořádává Groupon, který potřebuje vybírat nejvhodnější slevy a personalizovat uživatelskou zkušenost pro desítky milionů uživatelů; přitom to musí běžet jakoby real-time. (Ve skutečnosti si to dvakrát denně předpočítávají a trvá jim to sedm hodin.)
Michal Bachman jinak představil přístupnou formou některé základy z matematické teorie grafů. Ukázal například, proč je zákonité, že o vhodné pracovní nabídce se zpravidla dozvíte od letmého známého, a nikoli od dobrého přítele (a není to proto, že by vám přítel dobrou práci nepřál).
Rostoucí potřeba „datové vědy“ byla na konferenci zmíněna vícekrát. Důvtipně pracovat s mnoha daty musí dnes takřka každý projekt, který chce získat výhodu před jinými.
ČLÁNKY DO MAILU