Image Image Image Image Image Image Image Image Image Image

it-manager | 26/04/2017

Scroll to top

Top

Brak wypowiedzi

O co chodzi w D&A?

O co chodzi w D&A?

20 lipca 2016

Marcin Jasiński, KBJ

Moglibyśmy zacząć ten artykuł od nieśmiertelnego zdania: „ilość danych gromadzonych na świecie rośnie wykładniczo podwajając się co roku” lub „jeszcze dwa lata temu liczba gromadzonych danych była blisko dziesięciokrotnie mniejsza”, ale byłaby to chyba najprostsza droga do tego, aby czytelnik przeszedł do lektury kolejnego artykułu.

Powyższe jest już faktem, z którym nie należy dyskutować i musimy jasno sobie to powiedzieć – rozwój szerokorozumianych technologii IT dostarczył nam potężne narzędzia pozwalające na pozyskiwanie i gromadzenie ogromnych ilości danych, a co ważniejsze – na ich analizowanie w czasie rzeczywistym. Dotychczasowe granice związane z wielkością pamięci do przechowywania informacji, ilością źródeł ich pozyskiwania i wreszcie wydajnością komputerów dostępnych dla zwykłego śmiertelnika zostały tak dalece przesunięte, że w ostatnich latach jesteśmy świadkami wielkiego kroku w nową erę informatyzacji przedsiębiorstw – z dotychczasowej – skupionej na ewidencji, w nową, zdolną przewidywać i pomagać w podejmowaniu decyzji w oparciu o ocean informacji, jakim jest Big Data.

Patrząc na tempo przyrostu danych wydaje się, że analiza tych danych do celów zarządczych to kierunek, od którego nie ma już odwrotu. Podstawowe pytanie nie brzmi: czy przetwarzać te dane, lecz jak je przetwarzać i jak z tej ogromnej ilości wyłuskać te, które niosą za sobą wiedzę wartościową w procesie podejmowania decyzji i zarządzania organizacją.

D&A o co w tym chodzi?

Zaawansowana analiza danych ukryta pod tajemniczo brzmiącym skrótem D&A (Data Analytics) pozwala Biznesowi na odkrywanie kolejnych białych plam w z pozoru dobrze im znanym obszarze działania. Zderzanie ze sobą ogromnych ilości danych, symulacje na niespotykaną dotąd skalę stały się paliwem dla rozwoju inicjatyw wdrożenia w życie naukowego podejścia do analizy dużych wolumenów danych. Co do zasady, to co obserwujemy teraz w obszarze analiz IT od strony teoretycznej nie jest w istocie niczym odkrywczym – wszak nauka już dawno zalgorytmizowała analizy danych (choćby reguły asocjacyjne, wzorce sekwencji, klasyfikacja, grupowanie itd.), jednak – z powodu ograniczeń – nie było możliwe ich wdrożenie w praktyce w tak wielkiej skali jak dzieje się to teraz na naszych oczach.

Okiem Biznesu

Spójrzmy na to zagadnienie z perspektywy Biznesu – na czym polega wartość analizy danych w tak szerokim wymiarze? Czy nie wystarczy tradycyjna analiza, np. sprzedaż w podziale na regiony, asortyment? Wyobraźmy więc sobie, że do naszych historycznych danych dotyczących sprzedaży (pochodzących z systemu klasy ERP) dołączamy informacje o stanie pogody, działalności konkurencji , sytuacji geopolitycznej (zwłaszcza w przypadku globalnych koncernów), notowaniach na giełdzie i zaczynamy… szukać korelacji Oczywiście nie zrobimy tego sami – w tym obszarze wspierają nas w dużej mierze narzędzia i zawarte w nich algorytmy. Jest stuprocentowo pewne, że w tym oceanie informacji, zwanym Big Data, zauważymy szeregi zbieżności i zależności, coś, czego – z powodu naszej ograniczonej percepcji – nie jesteśmy w stanie sami zauważyć w szumie informacyjnym wokół nas. I co więcej, do wykonania analiz nie jest już potrzebny sztab ludzi i tygodnie czasu, a wystarczy… komputer lub tablet i sekundy, w jakich będzie uzyskiwana odpowiedź z wynikami. Reasumując, Biznes dzięki takim narzędziom może podejmować znacznie trafniejsze decyzje – może np. w czasie rzeczywistym porównać bieżące dane do danych historycznych, oczywiście również w kontekście wielu uwarunkowań w otoczeniu biznesowym, jakie są obecnie, i jakie były wcześniej. Odpowiedź na pytanie o korzyści nasuwa się sama – możemy już przewidywać przyszłość… Znając trendy i zależności występujące w historii – z większym prawdopodobieństwem przewidzimy, co wydarzy się w naszym otoczeniu biznesowym przyszłości, a wiedząc jakie czynniki wpływają pozytywnie na nasz biznes – możemy starać się nimi sterować.

Za jeden przykładów posłuży nam sieć handlowa, która gromadzi i analizuje szczegółowe dane w zakresie sprzedaży prowadzonej przez sieci konkurencyjne. Zależności pomiędzy – z pozoru – konkurencyjnymi działaniami dwóch sieci handlowych mających swoje sklepy w tych samych galeriach handlowych mogą być zaskakujące. Jedna z sieci – nazwijmy ją A organizuje promocję, chciałoby się powiedzieć, że zapewne sieć B poniesie z tego tytułu stratę w sprzedaży – prawda? Otóż… zestawienie danych dotyczących sprzedaży w sieci B z informacjami o promocjach w sieci A dała zupełnie inny wynik – sprzedaż w sieci B wzrastała, mimo że to konkurencja zorganizowała promocję! Mając taką wiedzę, sieć B mogła efektywniej rozplanowywać swoje działania w okresie promocji zorganizowanej przez sieć A.

Jednym z najlepszych przykładów wykorzystania „Big Data” w biznesie jest międzynarodowa firma kurierska UPS. Każdego dnia przetwarza ona dane ponad 16 mln przesyłek i obsługuje prawie 9 mln klientów, a łącznie na serwerach zgromadzonych jest 16 petabajtów danych. Ponadto w każdym z 46 tys. samochodów dostawczych zainstalowane są czujniki mierzące prędkość w różnych porach dnia, liczbę hamowań i wiele innych parametrów, które po odpowiedniej analizie pozwalają nie tylko lepiej zaplanować trasy kurierów (tylko w 2011 r. dzięki temu firma zaoszczędziła około 30 mln litrów benzyny), ale także przewidywać z dużą dokładnością, kiedy pojazd wymaga serwisowania. Kolejnym krokiem w podnoszeniu efektywności w UPS ma być zastosowanie analizy „Big Data” do przelotów lotniczych (około 2 tys. każdego dnia).

Czy D&A jest tylko dla wybranych czy dla wszystkich?

Jak wynika z globalnego badania firmy doradczej KPMG, aż 97% przedsiębiorstw stosuje zaawansowaną analitykę danych w swojej działalności. Zdecydowana większość twierdzi, że podejmuje dzięki temu szybsze (86%) i lepsze (80%) decyzje oraz redukuje ryzyko biznesowe (67%).

Według KPMG firmy wykorzystują obecnie D&A w niemal wszystkich obszarach swojej działalności: zarządzaniu ryzykiem (97%), sprzedaży i marketingu (92%), zarządzaniu finansowym (87%), działalności badawczo rozwojowej (80%), audycie sprawozdań finansowych (77%), łańcuchu dostaw (77%), zarządzaniu podatkami (75%), zasobami ludzkimi (75%) czy alokacji kapitału (74%).

Przyjrzyjmy się bliżej obszarowi zarządzania ryzykiem – nie dziwi wcale fakt, że akurat ten obszar cieszy się popularnością jeśli chodzi o zastosowanie zaawansowanej analityki danych. Najczytelniejszym przykładem będą tutaj instytucje finansowe i prowadzona przez nie analiza ryzyka kredytowego. Zgromadzenie danych o historii kredytowej kontrahenta jest dopiero pierwszym krokiem, aby właściwie ocenić poziom ryzyka należy uwzględnić szeroką wiedzę na temat branży, otoczenia biznesowego, w którym działa przyszły kontrahent – dopiero zestawiając te dane ze sobą i odpowiednio analizując – można uzyskać pełen obraz sytuacji wnioskodawcy i podjąć bardziej świadomą decyzję biznesową.

Trendy w narzędziach do zaawansowanej analizy danych – dokąd zmierzamy?

Dotychczasowe systemy Business Intelligence, gdzie IT pracowicie budowało scentralizowane modele danych przeznaczonych do analizy, przestają wystarczać. Powoli zaciera się granica pomiędzy IT, a użytkownikami biznesowymi. Analitycy domagają się mniej lub bardziej zaawansowanych, lecz wciąż intuicyjnych w obsłudze, dostępnych z poziomu komputerów i urządzeń mobilnych narzędzi, dzięki którym samodzielnie, w dowolnym momencie będą mogli analizować dane pozyskane z różnych źródeł: systemów wewnętrznych, Internet of Things, sieci społecznościowych; zestawiać je ze sobą na różne sposoby i doszukiwać się nowych zależności, budować modele symulacyjne i prognostyczne. To podejście, nastawione na kreatywność i chęć odkrywania nowej wiedzy, to kolejne wyzwanie, z którym muszą mierzyć się dostawcy oprogramowania.

Systemy klasy BI zmierzają w kierunku skrócenia czasu dostarczenia informacji do osoby podejmującej decyzję. Do lamusa odchodzą takie rozwiązania, w których wydzielana jest warstwa pośrednicząca (częstokroć działy analiz, controllingu, finansowe) przygotowująca dedykowane raporty dla managementu. Już dawno dostrzeżono, że „świeżość” informacji jest kluczowym czynnikiem wpływającym na elastyczność organizacji i przewagę konkurencyjną. Stąd, kierunkiem rozwoju narzędzi jest zapewnienie ich prostoty, intuicyjności, a jednocześnie elastyczności dzięki oparciu o bardzo mocne silniki bazodanowe (zwłaszcza in-memory) i analityczne odpowiedzialne, za wykonywanie obliczeń z zawrotną prędkością. Tzw. self-service wiedzie prym, gdzie menedżer może sam pytać (nawet przy pomocy telefonu), symulować i analizować wielkie wolumeny danych tak jak tego w danej chwili, w danym kontekście potrzebuje, aby podjąć najbardziej właściwą decyzję.

Mówiąc o trendach nie sposób nie wspomnieć o nadchodzącym kolejnym przełomie – dostarczania platform BI w formie rozwiązań w chmurze, gdzie jednostką rozliczeniową może być nawet… godzina użytkowania takiego rozwiązania dostarczanego jako usługa! Firma badawcza Gartner prognozuje, że rynek zaawansowanej analityki zwiększy się w tym roku o 14% a jego wartość osiągnie 1,5 mld USD. Do 2018 roku więcej niż połowa dużych globalnych przedsiębiorstw będzie wykorzystywać analitykę używając bezpiecznych platform. Jak przewidują obserwatorzy rynek zaawansowanej analityki będzie głównie usługami platform-as-a-service (PaaS).

Na zakończenie

Nie bez kozery takie terminy jak Big Data, D&A, Self-service BI, platform-as-a-service są na ustach wielu specjalistów z szerokorozumianego biznesu. Toniemy w nawale informacji i musimy (to już nie jest kwestia chęci) zbroić się w efektywne narzędzia do przemierzania bezkresnego oceanu danych, efektywnego i szybkiego wydobywania potrzebnych informacji niezbędnych dla prowadzenia nowoczesnego biznesu.

 

Artykuł pochodzi z publikacji “Big Data”, którą nasza redakcja opublikowała w ostatnich tygodniach. Kliknij po pełną wersję:

BigData-okladka

 

 

Wypowiedz się

Wszelkie prawa zastrzeżone