4 populiariausios verslo analitikos tendencijos 2020 metams

Priimti sprendimus, paremtus duomenimis (data – driven), jau nebėra siekiamybė, tą būtina daryti visiems, norintiems sėkmingai funkcionuoti šiuolaikinėje verslo aplinkoje. Tam, kad jūsų sprendimai kuo dažniau būtų paremti duomenimis, pateikiame 4 populiariausias verslo analitikos (BI – business intelligence) tendencijas 2020 – iesiems. 

Įmonės jau nebespėlioja duomenų analizės tema, bet aktyviai ieško sprendimo, geriausiai patenkinančio jų unikalius poreikius. Būtent todėl verslo analitikos sprendimai sparčiai vystosi ir tampa vis labiau pritaikomi, kas savo ruožtu atneša dar daugiau pokyčių verslo ir technologijų srityse.

Tad kas 2020 metais keisis verslo analitikoje?

Sąveikaujanti verslo analitika (Collaborative Business Intelligence)

Nors sąveikaujanti verslo analitika ir nėra naujas terminas, tačiau šiais metais jis bus ypač aktualus dėl išaugusio poreikio aktyviau bendradarbiauti verslo aplinkoje.

Tai iš esmės verslo analitikos programinės įrangos sujungimas su bendradarbiavimą skatinančiais įrankiais (pavyzdžiui, socialinės medijos, WEB 2.0 technologijos, internetinių ataskaitų teikimo priemonės ir t.t.). Tokiu būdų tobulinamas duomenimis paremtų sprendimų priėmimo procesas.

Priimti sprendimą nebėra vieno ar kelių žmonių reikalas, informacija dalinasi daugybė departamentų, kurie dažnu atveju yra skirtinguose regionuose. Dėl šios priežasties, susitarti tapo sudėtingiau, bet nemažiau svarbu. Būtent tai ir yra situacijos, kuriose sąveikaujančios verslo analitikos įrankiai komandoms užtikrina efektyvų sprendimų priėmimą, naudojantis realiu laiku gautais duomenimis.

Trys svarbiausi sąveikaujančios verslo analitikos aspektai:

Informacijos atradimas: kai turima informacija yra izoliuojama, ji yra mažiau vertinga, tačiau naudojant sąveikaujančios verslo analitikos įrankius, ją galime panaudoti efektyviausiu įmanomu būdu. Tarkime, pardavimų skyriaus ir finansų skyriaus informacija yra vertinga, tačiau naudojant programinę įrangą, kuri apjungia šią informacija, ją apdoroja bei pateikia įžvalgas, galima atrasti daugiau naudingų tendencijų, padėsiančių priimti geresnius verslo sprendimus.

Žinių išsaugojimas: įmonės nedokumentuoja joms priklausančios intelektinės nuosavybės kasdien, todėl turimos žinios gali pranykti. Sąveikaujanti verslo analitika gali padėti pakeisti situaciją. BI programinė įranga padeda institucionalizuoti struktūrizuotus ir nestruktūrizuotus duomenis, kad būtų lengviau dalintis įžvalgomis, informacija ir praktika.

Žinių plitimas: vystantis interneto technologijoms ir smarkiai išplitus socialiniams tinklams, visa naudinga informacija perduodama per kelias minutes. Tai panašu į informacijos sklidimą iš lūpų į lūpas, kai radę kokybišką, lengvai naudojamą programinę įrangą, papasakosite apie tai kolegai, draugui ir kt. Vykstančios diskusijos, reikalaujančios informacijos tiek iš organizacijos vidaus, tiek iš išorės, skatina jūsų duomenų saugyklos augimą.

Grafinės duomenų bazės (Graph Databases)

Grafinė analitika yra metodų rinkinys, parodantis, kaip subjektai, tokie kaip organizacijos, žmonės ir operacijos yra susiję vienas su kitu. Grafikų duomenų saugyklos tvarko visus ryšius tarp subjektų ir tokiu būdu suteikia vartotojams galimybę greičiau ir geriau suprasti, atrasti ir numatyti sudėtingus duomenų siloso tarpusavio ryšius.

Verslo atstovai užduoda vis sudėtingesnius klausimus, susijusius tiek su struktūrizuotais, tiek nestruktūruotais duomenimis, dažnai derindami kelių programų surinktus duomenis. Analizuoti tokius sudėtingus duomenis nėra praktiška arba kai kuriais atvejais neįmanoma, naudojant tradicinius užklausų įrankius arba užklausų kalbas, tokias kaip SQL.

Nors iki šiol specializuotų įgūdžių poreikis ribojo jų taikymą, ekspertai sako, kad grafikų duomenų bazės taps plačiai naudojamos. Pavyzdžiui, „Gartner“ prognozuoja, kad keletą ateinančių metų grafikų duomenų bazių taikymas kasmet augs 100%, tai paspartins duomenų rengimą, taip pat bus sudarytos sąlygos sudėtingesniems ir adaptyvesniems duomenų mokslams.

Čia pateiktas paprastas grafinio duomenų modelio pavyzdys:

Kaip matote, šioje schemoje yra dvi esybės (node) – Laura ir Jonas, kurias jungia ryšiai. Abi esybės turi tą pačią etiketę „žmogus“. Šiame pavyzdyje tik Jono esybė turi savybių, tačiau kiekviena esybė bei ryšys gali jų turėti.

Realus pasaulis yra susietas, o grafikų duomenų bazės intuityviai atspindi šiuos kartais nuoseklius, kartais nenuoseklius ryšius, todėl duomenų modelius lengviau suprasti. Žmogaus smegenys galvoja ne lentelių ar eilių principu, bet  abstrakčiai, remiantis objektais ir ryšiais. Būtent tuo grafiko paradigma skiriasi nuo kitų duomenų bazės modelių.

Atminties kompiuterija (In-Memory Computing)

Dabartinis verslo aplinkos suvokimas rodo stiprią tendenciją priimti tai, ką daugelis laiko šventuoju analizės graliu: atminties kompiuterija (IMC). Neseniai atliktos „Deloitte“ apklausos rezultatai rodo, kad IMC idėja yra gerai žinoma IT vadovams, tačiau produktyvus naudojimas vis dar apsiriboja keliais drąsiais inovatoriais.

Vertinant iš techninės įrangos (hardware) perspektyvos, duomenų analizę sudaro trys komponentai: skaičiavimus atliekantis procesorius, duomenų saugykla ir sistema, perduodanti duomenis tarp šių dviejų komponentų. Pagrindinė problema su kuria susiduria IT pagrindu atlikta duomenų analizė yra saugojimo vėlavimas. Apdorojimo galia negali būti panaudota visu pajėgumu, nes apdorojami duomenys nėra gaunami pakankamai greitai, kad būtų naudojami standieji diskai.

Trumpai tariant, IMC reiškia duomenų, kurie tradiciškai buvo saugomi standžiajame diske, perkėlimą į atminties kompiuteriją. Didžiausią dėmesį sutelkiant į grynos aparatinės įrangos savybes, žymiai sumažėja delsos ir nepaprastai pagreitėja duomenų analizės procesas. Pavyzdžiui, „Intel“ „Nehalem“ modulinės architektūros testai parodė, kad atminties delsos laikas sumažėja nuo vieno milijono CPU ciklų iki vidutiniškai 250 CPU ciklų.

Duomenų privatumas ir skaitmeninė etika (Data Privacy and Digital Ethics)

Auga poreikis išplėsti įmonių atsakomybės apibrėžimą, kai duomenys tvarkomi plačiąja prasme. Didesnis dėmesys duomenų privatumui pereinant prie skaitmeninės etikos pakeis supratimą apie duomenų saugumą iš to, jog reikia laikytis nustatytų taisyklių į tai, jog reikia daryti tai, kas yra teisinga.

Naujausioje „Avanade“ apklausoje, kurioje dalyvavo 1 200 „C-suite“, aukštesnio lygio IT ir verslo sprendimų priėmėjų iš 12 šalių, atskleidžiama, kad skaitmeninė etika dažniau įtraukiama į susitikimų darbotvarkę nei saugumas. Kadangi skaitmeninė etika tampa diskusijų objektu, tikimasi, kad daugiau kompanijų laikysis vertybėmis pagrįsto požiūrio į duomenų analizę.

Tokios technologijos kaip data lineage ar google cloud DLP (Data loss prevention) padeda užtikrinti duomenų privatumą ir tokiu būdu tampa lengviau plėsti skaitmeninės etikos praktiką. Tarkime, data lineage apibūdina duomenų kilmę, judėjimą, charakteristikas ir kokybę. Be jos, bet koks duomenų kitimas taptų sinonimišku reiškiniu paskutiniai „sugedusio telefono” stotelei, kuomet duomenys yra visiškai iškraipomi, o atsekti jų kilmės yra neįmanoma.

O Google cloud DLP padeda geriau suprasti ir valdyti jautrius duomenis. Įrankis naudoja daugiau nei 120 iš anksto paruoštų detektorių, kad nustatytų pasikartojančius duomenų modelius, formatus ir netgi suprastų kontekstą.

Aptarėme 4 populiariausias verslo analitikos tendencijas. O kas jūsų manymu bus itin svarbu 2020 metais? 

0