Podejmowanie decyzji biznesowych jest dziś trudniejsze może niż kiedykolwiek. Wciąż rozwijające się technologie, zmieniające się szybko oczekiwania klientów, a także globalizacja, z której wynika ścisła współzależność gospodarcza, sprawiły, że dotychczasowe modele działania uległy całkowitej zmianie. Długotrwałe poszukiwanie rozwiązań metodą prób i błędów przestało być możliwe w sytuacji, gdy rynek oczekuje od nas szybkich działań, a błąd może skutkować wyeliminowaniem z gry. W nowych warunkach konieczne staje się więc sięgnięcie po nowe techniki i narzędzia, które wspomogą kadrę zarządzającą w podejmowaniu trafnych, ugruntowanych na rzetelnej wiedzy decyzjach. Kluczem do sukcesu okazuje się jak najlepsze wykorzystanie danych zbieranych przez przedsiębiorstwa, będących źródłem wielu bardzo cennych informacji.
Biorąc pod uwagę ilość i różnorodność zgromadzonych danych nie jest to jednak zadanie proste.
Istnieje szereg powszechnie stosowanych technik analizowania danych, które umownie można umieścić w trzech następujących grupach:
-
- zapytania i raporty, w tym analizy ad hoc (formułowane są zapytania definiujące format i zakres uzyskiwanych informacji, a następnie wyświetlane są wyniki),
- analiza wielowymiarowa (dane są analizowane z wielu różnych perspektyw),
- eksploracja danych (polega na odkrywaniu wzorców, grupowaniu obiektów o podobnych atrybutach oraz stosowaniu innych zabiegów zapewniających lepszy wgląd w dane).
Proste zapytania do baz danych, okresowe raporty oraz analizy ad hoc, sporządzane doraźnie, w określonym celu, są od dawna wykorzystywane w codziennej działalności firm i organizacji. Tak zwane dane operacyjne dotyczące klientów, produktów, czy transakcji, przechowywane w repozytoriach, wśród których dominują relacyjne bazy danych, to naturalny pierwszy “surowiec” do wykorzystania w celu wspierania procesu decyzyjnego. Wbudowane w te bazy funkcje raportujące, arkusze kalkulacyjne i zapytania SQL nie dają jednak jeszcze takich możliwości, jakie oferują zaawansowane techniki Business Intelligence – analiza wielowymiarowa, a zwłaszcza eksploracja danych. Z doświadczenia Soflab wynika jednak, że im chętniej i skuteczniej klienci stosują mniej skomplikowane narzędzia analityczne, tym łatwiej im się wdrożyć w bardziej specjalistyczne rozwiązania, których celem jest jak najdokładniejsze zbadanie i jak najefektywniejsze wykorzystanie dostępnych danych do celów biznesowych.
Termin Business Intelligence – analityka biznesowa – odnosi się do komputerowego wspomagania procesów podejmowania decyzji, ale może być różnie interpretowany. Można przyjąć, że jest to pojęcie ogólnie określające pewne architektury, narzędzia, metodyki i repozytoria, które, bazując na ogromnych wolumenach danych, pokażą ich wzajemne relacje, przedstawią je w przejrzystej formie graficznej i pozwolą na wyciąganie wniosków oraz formułowanie rekomendacji co do dalszej działalności. Użytkownik ma mieć zapewniony interaktywny dostęp do danych i manipulowania nimi; kadra zarządzająca i analitycy mają mieć możliwość prowadzenia odpowiednich analiz. Proces Business Intelligence obejmuje zatem przekształcanie “suchych” danych w przydatne informacje, a następnie przełożenie ich na decyzje i działania.
To jednak, jak powiedzieliśmy, ujęcie bardzo ogólne. W praktyce, każdy z podmiotów sięgających po rozwiązania BI, znajduje się w innej sytuacji, inaczej definiuje swoje cele, gdzie indziej widzi ryzyko i, w konsekwencji, musi przyjąć inny schemat działania. W tym kontekście o wiele skuteczniejsze wydaje się podejście, w którym BI jest pewnym wyznaczonym kierunkiem, w jakim zmierza klient wspierany przez ekspertów, w miarę jak rosną jego potrzeby i umiejętności w zakresie realnego wykorzystania dostępnych narzędzi analitycznych. Potencjał eksplorowanych danych jest bowiem tak wielki, że nie jest możliwe, by od razu w pełni go wykorzystać.
Oznacza to, że przyjąć należy strategię stopniowego i konsekwentnego wspierania klientów, tak, aby krok po kroku odkrywali, jakie są ich potrzeby, ale i możliwości analizowania danych. Naszym zdaniem tylko wtedy wdrażane techniki i narzędzia, takie jak ETL, OLAP, PowerBI, itp., zostaną zaakceptowane, właściwie wykorzystane i przyniosą oczekiwane efekty. Przedstawiona na schemacie koncepcja kolejnych poziomów wykorzystania danych w procesie decyzyjnym wypływa bezpośrednio z doświadczeń Soflab w pracy z klientami.
Analityka biznesowa jest zatem czymś więcej niż raportowanie, czy przygotowywanie analiz w odpowiedzi na doraźne potrzeby. Jest to swego rodzaju filozofia postępowania, strategicznie obrany kierunek działania; proces, w którym dzięki zaawansowanym narzędziom analizy danych stopniowo odkrywamy i wykorzystujemy nasze możliwości. Jakie stwarza to szanse dla biznesu i jakie stawia przed nim wyzwania? O tym w kolejnym artykule na naszym blogu.
Umów się na bezpłatną konsultację
Krzysztof Świder
Business Intelligence & Smart Data w Soflab Technology Sp. z o.o
Studiował matematykę stosowaną i informatykę na Wydziale Systemów Sterowania Politechniki Kijowskiej. Tytuł doktora nauk technicznych uzyskał na Wydziale Elektroniki i Technik Informacyjnych Politechniki Warszawskiej.
Uczestniczył w projektach badawczych m.in. z zakresu wykorzystania obliczeń symbolicznych w robotyce, analizy danych nieustrukturyzowanych oraz zastosowań sztucznej inteligencji na potrzeby przemysłu 4.0. Jest autorem i współautorem kilkunastu publikacji z dziedziny nauk technicznych, w tym dotyczących wykorzystania metod analizy danych we wspomaganiu decyzji.
Współpracował m.in. z: Credit Agricole BP S.A., PU Group Limited, Volvo Polska, Handlopex S.A. oraz Acacium Group.
