Pripreme za implementaciju rješenja za BI i Big data
Što su to rješenja za BI i Big data?
BI – Business intelligence
Pojam Business Intelligence (BI) ili Poslovna inteligencija ima dva značenja. Prvo, odnosi se na vrstu analize podataka kojoj je cilj razumijevanje organizacijskih aktivnosti i mogućnosti. Rezultati takve analize koriste se za poboljšanje organizacijski dostignuća. Kada ljudi kažu da su podaci ključ konkurentske prednosti, oni artikuliraju na obećanje svojstveno aktivnostima poslovne inteligencije. Ako organizacija sama postavlja prava pitanja, zahtjeve prema podacima, može steći bolji uvid u svoje proizvode, usluge i klijente, a sve skupa omogućuje donošenje boljih odluka o tome kako ispuniti svoje strateške ciljeve.
Drugo, poslovna inteligencija se odnosi na skup tehnologija koje podržavaju ovu vrstu analize podataka. Evolucija alata za podršku odlukama, BI alati omogućuju postavljanje upita, rudarenje podataka, statističku analizu, izvješćivanje, modeliranje scenarija, vizualizaciju podataka i slično. BI alati se koriste za sve, od proračuna do napredne analitike. Poslovna inteligencija (BI) najčešće se naslanja na uređenja skladišta podataka (DWH – Data warehous). Primarni pokretač za skladištenje podataka je podrška operativnim funkcijama, zahtjevima usklađenosti i aktivnostima poslovne inteligencije (BI) (iako je važno napomenuti da sve BI aktivnosti ne ovise o podacima iz podatkovnih skladišta).
Sve se više od organizacija traži da dostave određene podatke kao dokaz da su se pridržavali regulatornih zahtjeva. Budući da sadrže povijesne podatke, podatkovna skladišta su često izvor odgovora na takve zahtjeve. Štoviše, podrška za poslovnu inteligenciju (BI) i dalje je primarni razlog za građenje i održavanje podatkovnih skladišta. BI pruža uvid u sve značajne elemente organizacije, kupce, dobavljače, usluge i proizvode. Organizacija koja djeluje na temelju znanja stečenog iz BI može poboljšati operativnu učinkovitost i konkurentsku prednost. Kako sve više podataka postaje dostupno u sve kraćem vremenu, BI je evoluirao od retrospektivne procjene do prediktivne analitike (analitike predviđanja).
Big data
S početkom 2000-ih, termini Big Data i Data Science su se nažalost koristili kao „buzzwords“. Koncepti i njihove implikacije pogrešno su shvaćeni ili su barem ograničeni konsenzusom o njihovom značenju. Čak je i značenje riječi ‘Veliki’ relativno. Big Data i Data znanost povezana je sa značajnim tehnološkim promjenama koje su omogućile ljudima da stvaraju, pohranjuju i analizirati sve veće količine podataka. Što je još važnije, ljudi mogu koristiti te podatke za predviđanje i utjecaj ponašanja, kao i za stjecanje uvida u niz važnih tema, kao što su zdravstvene prakse, prirodne pojave upravljanje resursima i ekonomski razvoj. Big Data se ne odnosi samo na količinu podataka, već i na njihovu raznolikost (strukturirani i nestrukturirani, dokumenti, datoteke, audio, video i streaming podaci, itd.), te brzinu kojom se proizvode (brzina), zatim ljude (Data Scientists ) koji rudare podatke te razvijaju prediktivne i preskriptivne modele i analitiku.
Obrasci podataka brzo su se razvili u 21. stoljeću s pojavom velikih podataka i tehnologija koje to podržavaju. Tradicionalna poslovna inteligencija pruža izvješćivanje o takozvanom ‘retrovizoru’, tj. analiziraju strukturirane podatke za opisivanje prošlih trendova. U nekim slučajevima, BI obrasci se koriste za predviđanje budućeg ponašanja, ali ne s visokim stupnjem samouvjerenost. Donedavno je dubinska analiza ogromnih skupova podataka bila ograničena tehnologijom. Analize su se oslanjale na uzorkovanje ili druga sredstva apstrakcije kako bi aproksimirali obrasce. Prikupljanja i analize velikih skupova uključuju razne metode iz matematike, statistike, informatike, obrade signala, modeliranja vjerojatnosti, prepoznavanje uzoraka, strojnog učenja, neizvjesnost i vizualizacija podataka, a sve kako bi se dobio uvid i predvidjela ponašanja na temelju skupova velikih podataka. Ukratko, znanost o podacima pronašla je nove načine za analizu i dobivanje vrijednosti iz podataka. Kako su veliki podaci uvedeni u okruženja skladištenja podataka i poslovne inteligencije, Data Science
tehnike koriste se kako bi se pružio pogled na organizaciju usmjerenu prema budućnosti. Prediktivne
sposobnosti, u stvarnom vremenu i temeljene na podatkovnim modelima, pri tome koristeći različite vrste izvora podataka, nude organizacijama bolji uvid kamo njihovo poslovanje ide.
Značenje velikih podataka karakterizira nekoliko atributa:
- Volumen: Odnosi se na količinu podataka. Big Data često ima tisuće entiteta ili elemenata u milijardama zapisa.
- Brzina: Odnosi se na brzinu kojom se podaci hvataju, generiraju ili dijele. Big Data se često može distribuirati, pa čak i analizirati u stvarnom vremenu.
- Raznolikost / varijabilnost: Odnosi se na oblike u kojima se podaci prikupljaju ili isporučuju. Big Data zahtijeva pohranjivanje podataka u više različitih formata; struktura podataka često je nedosljedna unutar ili između skupova podataka.
- Viskoznost: Odnosi se na to koliko je podatke teško koristiti ili integrirati.
- Promjenjivost: Odnosi se na to koliko često dolazi do promjena podataka i stoga koliko dugo su podaci korisni.
- Vjerodostojnost: Odnosi se na to koliko su podaci pouzdani.
Izvor: DAMA – DMBOK2, Abate Information Triangle
Najveći poslovni pokretač za razvoj organizacijskih sposobnosti oko velikih podataka i znanosti o podacima je želja za pronalaženjem i djelovanjem na poslovne prilike koje se mogu otkriti putem skupova podataka. Znanost o podacima može poboljšati operacije. Strojno učenje, algoritmi mogu automatizirati složene aktivnosti koje oduzimaju vrijeme, čime se poboljšava organizacijska učinkovitost, smanjujući troškove i ublažavanje rizika.
Budući da se velik dio ljudskih aktivnosti obavlja elektronički, gomilaju se ogromne količine podataka.
Big Data se proizvodi putem e-pošte, društvenih medija, online narudžbi, pa čak i online videoigara. Podaci se ne generiraju samo putem telefona i uređaja na prodajnim mjestima, nego i nadzornim sustavima, senzorima u transportnim sustavima, medicinskim sustavima nadziranja zdravstvenih funkcija, industrijski i komunalni nadzorni sustavi, sateliti i vojna oprema.
Kako pripremiti razvoj i implementaciju BI rješenja
Za kvalitetnu pripremu implementacije BI rješenja, a uz činjenicu da se ista uglavnom oslanjaju na uređena i održavana podatkovna skladišta, nužno je razumjeti zahtjeve za razvoj skladišta podataka. Štoviše, korištenje će se s vremenom razvijati sve više, onako kako korisnici analiziraju i istražuju podatke. U početnim fazama razvoja ovakvih rješenja, potrebno je uzeti dovoljno vremena za analize i postavljanje pitanja vezana uz sposobnosti podataka i izvore podataka koji podržavaju te sposobnosti. Ovakav pristup se isplati kasnije, kada se obrada podataka testira korištenjem stvarnih izvora podataka. U prikupljanju zahtjeva za DW/BI projekte počinje se s poslovnim ciljevima i strategijom upravljanja podacima. Potrebno je identificirati i obuhvatiti poslovna područja, a zatim identificirati i intervjuirati odgovarajuće poslovne ljude, s pitanjima što, zašto i kako rade. Gdje je moguće, potrebno je definirati i uhvatite ključne metrike i načine izračuna postignuća (učinka). Oni mogu otkriti poslovna pravila koja pružaju temelj za automatizacija očekivanja kvalitete podataka. Potrebno je katalogizirati zahtjeve i odredite ih prema onima koji su potrebni za puštanje u rad i usvajanje podatkovnog skladište i BI rješenja koje se na takvo skladište oslanja.
Potrebno je izraditi DW/BI arhitekturu. DW/BI arhitektura treba opisati odakle podaci dolaze, kamo idu, kada idu, zašto i kako ide u skladište. Kako se uključuju detalje o hardveru i softveru te organizacijski okvir za spojiti sve planirane aktivnosti. Tehnički zahtjevi trebaju uključivati performanse, dostupnost i potrebno vrijeme implementacije.
U pripremi implementacije BI rješenja bitna je implementacija BI portfelj, što znači identificiranje pravih alata u skladu s korisničkim potrebama i specifičnostima.
U definiranju ciljnih grupa korisnika, postoji spektar BI potreba. Najprije upoznajte grupe korisnika, a zatim ih spojite na specifične alate za grupe korisnika u organizaciji. Na jednom kraju su IT programeri koji se bave izdvajanjem podataka, koji se usredotočuju na napredne BI funkcionalnost, a s druge strane, potrošači informacija najčešće žele brzi pristup određenim specifičnim izvješćima. Potrošači informacija, najčešće potražuju određeni stupanj interaktivnosti BI rješenja, kao što je filtriranje, sortiranje ili možda samo želite vidjeti statička izvješća, što im kroz adekvatnu pripremu i implementaciju BI rješenja treba omogućiti. Menadžeri i napredni korisnici najčešće imaju potrebu za kompleksnijim izvješćima, posebno izrudarenim podacima kako bi identificirali neke specifične uzroke poslovnih problema.
Kako pripremiti razvoj i implementaciju Big Data rješenja
Prije svega potrebno je definirati „Big data“ strategiju i poslovne potrebe same organizacije. Big Data strategija mora biti usklađena s cjelokupnom poslovnom strategijom organizacije i podržavati sve njene poslovne zahtjeve i biti dio podatkovne strategije organizacije. Strategija velikih podataka mora uključivati određene kriterija temeljem koji se priprema razvoj i implementacija Big Data rješenja za neku organizaciju, pa je potrebno prepoznati i ocijeniti:
- Koje probleme organizacija pokušava riješiti i za što joj je potrebna analitika. Prednost Data Science je u tome što može pružiti novi pogled na organizaciju, ali organizacija još uvijek treba imati početnu, sadašnju točku. Organizacija može odrediti da se podaci koriste za razumijevanje poslovanje ili poslovnog okruženja, ali i dokazati ideje o vrijednosti novih proizvoda ili usluga koje organizacija planira uvesti, istražiti nešto što je nepoznato ili izmisliti novi način poslovanja (novi poslovni model). Važno je da se uspostaviti proces za ocjenjivanje ovih inicijativa u nekoliko faza tijekom pripreme i provedbe implementacije Big Data poslovnih rješenja. Vrijednost i izvedivost ovakve inicijative (implementacije Big data rješenja), potrebno je ocijeniti kroz nekoliko parametara, kao:
- Koje izvore podataka koristiti ili nabaviti: Interni izvori mogu biti jednostavni za korištenje, ali također mogu biti ograničenog opsega. Vanjski izvori mogu biti korisni, ali su izvan operativne kontrole (njima upravljaju drugi, kao u slučaju društvenih medija). Prikupljanje podataka koji se integriraju s postojećim podacima organizacije, mogu smanjiti ukupne troškove ulaganja u razvoj i implementaciju Big data rješenja. Kao i kod svakog razvojnog projekta, izbor izvora podataka za rad na znanosti o podacima mora biti vođen problemima koje organizacija pokušava riješiti. Potrebno je odrediti kriterije kvaliteta i pouzdanosti podataka i postaviti plan za korištenje tijekom vremena. Big data okruženja omogućuju brzi unos puno podataka, ali korištenje tih podataka i upravljanje njima tijekom vremena još uvijek iziskuje poznavanje osnovnih činjenica:
- Podrijetlo podataka
- Format podataka
- Što elementi podataka predstavljaju
- Kako se povezuje s drugim podacima
- Koliko često će se ažurirati big data podaci
- Pravodobnost i opseg podataka: Mnogi podaci se mogu dobiti u stvarnom vremenu, pa su podaci niske latencije idealni, ali često dolazi u pitanje sposobnost strojnog učenja, jer je ogromna razlika između računalnih algoritma usmjerenih na podatke u mirovanju u odnosu na algoritme koji su usmjereni na podatke u „strujanju“.
- Međusobni utjecaji različitih struktura podataka: Možda će trebati postojati struktura ili sadržaj promjene u drugim strukturama podataka kako bi bile prikladne za integraciju sa skupovima velikih podataka.
Smjernice za pripremu i provedbu implementacije Big data rješenja slične su onima koje se primjenjuju u implementaciji DW sustava (skladišta podataka). Mnoga od općih načela upravljanja podatkovnim skladištima, primjenjuju se i na upravljanje velikim podacima (osigurati da su podatkovni izvori pouzdani i imaju dovoljno meta podataka koji omogućuju korištenje matičnih podataka, adekvatno upravljanje kvalitetom podataka, definirati kako integrirati podatke iz različitih izvora i osigurati da su podaci sigurni i zaštićeni). Pripremne aktivnosti u implementaciji Big Data okruženja povezane su sa skupom nepoznanica, kako što su: kako će se podaci koristiti, koji će podaci biti vrijedni, koliko dugo ih treba čuvati te se na sve njih treba obratiti posebna pozornost u pripremi implementacije Big data rješenja.
Zašto je važna priprema za implementaciju BI i Big data rješenja?
Business Intelligence (BI) prikuplja potrebne podatke, analizira ih i utvrđuje koje radnje treba poduzeti, pomažući organizacijama (tvrtkama) da odgovore na pitanja i prate učinak u odnosu na postavljene ciljeve. Tvrtke mogu iskoristiti sveobuhvatan prikaz podataka organizacije i zatim ih koristiti za pokretanje promjena, smanjenje neučinkovitosti i brzu prilagodbu promjenama. Uz BI, tvrtke mogu donositi pametnije odluke temeljene na podacima. Mogu analizirati ponašanje kupaca, pa čak i usporediti svoje podatke s konkurentima, pomažući sebi da rade brže i učinkovitije. BI omogućuje tvrtkama povećanje produktivnosti, povećanje prihoda, ubrzanje rasta poslovanja i osiguranje veće dobiti. Implementacija BI sustava u organizaciji može smanjiti vrijeme koje radnici/izvršni radnici troše na obradu i analizu podataka. Organizacije moraju ispravno analizirati podatke kako bi razumjele ponašanje svojih kupaca (korisnika), poboljšale poslovne operacije, optimizirale lanac opskrbe itd. Uzimajući u obzir vrstu, volumen i brzinu podataka, tvrtke mogu implementirati sustave poslovne inteligencije (BI) kako bi te podatke mogli koristiti na pravi način. Poslovna inteligencija kombinira poslovnu analitiku, rudarenje podataka, vizualizaciju podataka, alate za podatke i infrastrukturu, koji nude pristup točnim, razumljivim i djelotvornim informacijama na zahtjev, omogućujući organizacijama koje rade s puno podataka da donose ispravne poslovne odluke.
Po pitanju važnosti i utjecaja poslovne inteligencije u budućnosti (BI), ista se kontinuirano razvija, pa organizacije moraju pratiti najnovije trendove u tom području. Poslovna inteligencija će u budućnosti biti automatiziranija, bez grešaka, pronicljivija i jednostavnija za korisnike. Obuhvatit će veću publiku i sigurno će je naširoko koristiti gotovo sve organizacije. BI će također sve više biti usmjerena na rad s velikim podacima (Big Data), što će tvrtkama olakšati razumijevanje i analizu podataka. Uz moderne BI alate, tvrtke mogu otkriti nove uvide, generirati smislena izvješća itd., omogućujući im da postanu proaktivniji u obavljanju svojih svakodnevnih poslovnih operacija te u konačnici poslovno uspješniji.
Kroz BI i primjenu konverzacijske umjetne inteligencije, koja koristi digitalne i glasovne interakcije za analizu namjera korisnika, organizacijama se pruža prilika da izgrade, automatiziraju, nadziru i optimiziraju korisničku uslugu i korisničko iskustvo. Kako potrošači očekuju da tvrtke komuniciraju s njima putem svojih preferiranih kanala komunikacije, bilo da se radi o razgovorima ili porukama, očekuju da razumiju njihovu namjeru i ponude personalizirana rješenja za njihove upite.
Bez analize velikih podataka (Big data) i alata za poslovnu inteligenciju (BI), tvrtke neće iskoristiti prednosti donošenja odluka na temelju podataka. Morat će se osloniti na akumulirano znanje i intuiciju kako bi analizirali podatka, a takve metode mogu dovesti do mogućih pogrešaka i netočne interpretacije podataka.
Analitika velikih podataka (Big data) pomaže tvrtkama da prikupljaju, obrađuju, čiste i analiziraju velike skupove podataka tako da mogu otkriti trendove, obrasce i korelacije iz velikog skupa neobrađenih podataka. To pomaže tvrtkama da donose odluke temeljene na podacima, čime se promiče poslovni rast. Jednako tako i Business Intelligence (BI) pomaže tvrtkama i poduzećima prikupiti potrebne podatke, analizirati ih i odrediti koje radnje treba poduzeti kako bi postigli svoje ciljeve. Ovaj im proces također pomaže da dobiju odgovore na svoje upite i prate njihovu izvedbu u odnosu na te ciljeve. Poslovna inteligencija uključuje analizu podataka i poslovnu analitiku, koji korisnicima pomažu da donose adekvatne zaključke iz analize podataka. Znanstvenici koriste podatke, zajedno s naprednom statistikom i prediktivnom analitikom, kako bi otkrili obrasce i predvidjeli buduće obrasce. Poslovna inteligencija zatim koristi ove modele i algoritme kako bi rezultate razložila na djelotvoran jezik, pomažući na taj način tvrtkama da donesu ispravne poslovne odluke koje se temelje na prikupljenom velikom količinom podataka.
Sažeto i jednostavno možemo zaključiti da su konkretni benefiti za organizacije koje koriste BI & Big data rješenja:
- Poboljšano donošenje odluka
- Poboljšani interni poslovni procesi
- Identifikacija poslovnih problema
- Poboljšana prodaja i povećani prihodi
- Prednost u odnosu na konkurenciju
- Sposobnost prepoznavanja novih i nadolazećih poslovnih trendova.
- Smanjenje troškova
- Povećana učinkovitost
- Procjena financija i financijskih tijekova
- Prepoznavanje preferencija kupaca
- Povećano zapošljavanje pravih talenata
Kako Vam ZIH može pomoći?
ZIH u svom radu na DM&G (BI & Big data) projektima koristi vodeće svjetsko znanje u ovom području, primjenjuje relevantne metode i alate, te nudi slijedeće konzultantske usluge:
- Procjena zrelosti DM&G sustava
- Uspostava vodećeg okvira (Frameworks) za uspostavu DM&G
- Definiranje strategije i prioriteta razvoja DM&G sustava
- Određivanje politike i ciljeva DM&G sustava
- Određivanje organizacije i odgovornosti za DM&G sustav
- Izrada programa implementacije DM&G sustava
- Priprema implementacije BI & Big data poslovnih rješenja
Edukacije iz navedenog područja:
Možda Vas interesiraju i ove naše usluge i edukacije:
Zašto ZIH?
ZIH ima značajno iskustvo u pripremi i izvođenju DM&G projekata, procjeni zrelosti poslovnih subjekata u području upravljanja podacima, definiranju strategija i politika za upravljanje podacima te izradu programa i akcijskih planova implementacije DM&G sustava te edukacija krajnjih korisnika podatkovnih sustava (DWH – skladišta podataka i korištenja alata iz područja poslovne inteligencije te sustava odlučivanja temeljenih na podacima).
