Brez analitike nam živeti ni

Ne glede na to, ali je gospodarstvo v krču ali cveti, podatki in analitika v navezi s tehnologijami umetne inteligence stopajo v ospredje, ko gre za okrevanje ali iskanje novih priložnosti za rast.

Tehnologija ni vse, je pa veliko. Preverili smo, na kaj se bodo morali skrbniki podatkov in analitičnih rešitev ter poslovni uporabniki osredotočiti v prihodnje in kam velja vlagati, če želijo podjetja doseči podatkovno gnano poslovanje.

Ne le pametnejša, prihaja odgovornejša umetna inteligenca

Analitska hiša Gartner ocenjuje, da bo umetna inteligenca v poslovanju podjetij igrala čedalje večjo vlogo. Napovedi njenih analitikov namreč pravijo, da naj bi do konca leta 2024 že 75 odstotkov podjetij svoje pilotske projekte s področja umetne inteligence privedlo do stopnje, ko bodo zreli za operativno izvajanje. Kaj bo to pomenilo v praksi? Predvsem okoli petkratno povečanje podatkovne in analitične infrastrukture, zaradi česar si roke manejo predvsem ponudniki teh rešitev.

Čeprav so se tehnologije s področja umetne inteligence, strojnega učenja in obdelave govora v zadnjih mesecih osredotočale na vpoglede in napovedi o širjenju koronavirusa ter učinkovitosti in vplivu protiukrepov, se z vračanjem gospodarstva v ustaljene tirnice spreminja tudi vloga analitičnih rešitev. V ospredju sta tehnologiji, kot sta okrepljeno in porazdeljeno učenje, s katerima podjetja ustvarjajo bolj prilagodljive sisteme za obvladovanje zapletenih poslovnih situacij, tudi tistih bolj kompleksnih.

Na sceno stopa t. i. odgovorna umetna inteligenca, ki strokovnjakom omogoča večjo preglednost odločitvenega modela, kar je bistvenega pomena, če želijo podjetja ali ponudniki rešitev v sisteme vgraditi varovalo pred slabimi odločitvami. Razvoj pa ne temelji le na programski kodi, vedno več je naložb v nove arhitekture procesorjev, razvija se nevromorfna strojna oprema, katere cilj je namestitev v naprave na robu omrežja, kjer bo pospeševala obdelavo podatkov tehnologij umetne inteligence in strojnega učenja ter poskrbela, da bo odzivnost centraliziranih sistemov manjša, prav tako pa bo manjša poraba pasovne širine povezav, saj se bo veliko analitičnih nalog izvedlo na lokacijah čim bliže virom podatkov. Tako porazdeljeni analitični sistemi, podprti z napredno umetno inteligenco, utegnejo prinesti danes še neslutene poslovne učinke.

Na sceno stopa t. i. odgovorna umetna inteligenca z vgrajenim varovalom pred slabimi odločitvami.

Obeta se zaton nadzornih plošč

Čeprav je še do nedavnega poslovni svet (beri: ključni odločevalci in vodstva podjetij) prisegal na nadzorne plošče in prikaz najrazličnejših kazalnikov, se na obzorju že kažejo nove rešitve, ki jih utegnejo pospešeno nadomestiti. Dinamične podatkovne zgodbe z bolj avtomatiziranimi in po vzoru potrošniških rešitev oblikovanimi uporabniškimi izkušnjami bodo nadomestile vizualna poročila ter raziskovanje s preglednicami in kliki na poročila. Tako se bo čas, ki ga uporabniki porabijo za pregledovanje vnaprej generiranih nadzornih plošč, skrajšal. Prehod na kontekstualno zavedne podatkovne zgodbe pomeni, da bodo najpomembnejši vpogledi prilagojeni vsakemu uporabniku posebej na podlagi njegovega zanimanja, vloge v podjetju (delovna mesta) ali posamezne naloge oziroma aktivnosti. Tovrstna dinamična spoznanja bodo vplivala na pospešeno uvajanje tehnologij, kot so razširjena analitika, prepoznavanje govorjenega jezika, pretočno odkrivanje anomalij in rešitve za sodelovanje.

V praksi že sicer velja, da morajo skrbniki podatkov in analitičnih rešitev v podjetjih stalno spremljati razvoj orodij za analitiko in poslovno obveščanje (BI) ter jih uvajati v poslovanje. Uveljavljenim ponudnikov v panogi pa želijo ob bok stopiti predvsem zagonska podjetja, ki nudijo nove, inovativne ter predvsem razširjene uporabniške izkušnje, ki jih poganja govor in imajo bore malo opravka s klasičnimi poročili in nadzornimi ploščami. Kaj je bolj intuitivnega od tega, da po vzoru človeškega pogovora zastavimo vprašanje (analitičnemu) sistemu in dobimo natančen odgovor?

Odločitvena inteligenca

Do leta 2023 naj bi že več kot tretjina velikih podjetij uporabljala rešitve s področja odločitvene inteligence, vključno z modeliranjem odločitev. Odločitvena inteligenca je izraz za področje, ki združuje številne discipline, vključno z upravljanjem odločitev in s podporo odločanju. Obsega aplikacije na področju zapletenih, a prilagodljivih sistemov, ki združujejo več tradicionalnih in naprednih disciplin s področja poslovne inteligence. Ponuja arhitekturo, ki je analitikom in skrbnikom podatkov v pomoč pri načrtovanju, modeliranju, usklajevanju, izvajanju, spremljanju in prilagajanju modelov ter procesov odločanja v okviru poslovnih rezultatov in vedenja. To področje se bo v praksi dokazovalo predvsem v okoljih, kjer poslovne odločitve potrebujejo več logičnih in matematičnih tehnik ter so avtomatizirane ali pa morajo biti dokumentirane in revidirane.

Analitika X

Gartnerjevi raziskovalci uvajajo dodaten, nov izraz na področje poslovne analitike. Analitika X je oznaka za področje analitičnih rešitev, kjer je X spremenljivka za vrsto različnih strukturiranih in nestrukturiranih podatkov in vsebin, kot so besedilna analitika, video analitika, zvočna analitika itd. Analitiki bodo te rešitve uporabljali predvsem za reševanje največjih izzivov sodobne družbe, vključno s podnebnimi spremembami, preprečevanjem bolezni in za spremljanje ter zaščito ogroženih živalskih vrst.

Analitika X bo nadaljevala delo tudi na področju zdravstva, kjer je bila v času pandemije umetna inteligenca ključnega pomena pri analizi in tolmačenju rezultatov iz na tisoče raziskovalnih člankov, virov novic, objav v družbenih medijih in podatkov o kliničnih preizkušanjih. Ob pomoči takšnih rešitev bodo zdravstveni strokovnjaki tudi v prihodnje bolje predvideli širjenje bolezni, načrtovali zmogljivosti medicinske oskrbe, iskali nove načine zdravljenja in hitreje prepoznali ranljive skupine prebivalstva. V prihodnosti bo analitika X v kombinaciji z umetno inteligenco in drugimi tehnologijami ter tehnikami, kakršna je analitika grafov, igrala ključno vlogo pri prepoznavanju, napovedovanju in načrtovanju naravnih nesreč ter drugih kriz.

Obogateno upravljanje podatkov

Obogateno upravljanje podatkov uporablja tehnike strojnega učenja in umetne inteligence za optimizacijo in izboljšanje poslovanja. Prav tako zna metapodatke, pridobljene pri revizijah ali ustvarjanju poročil, uporabiti v dinamičnih operativnih sistemih. Orodja za upravljanje obogatenih podatkov lahko pregledajo velike vzorce operativnih podatkov, vključno z dejanskimi poizvedbami, s podatki o uspešnosti poslovanja in z načrti. Opremljeni z obstoječimi podatki o dejanski rabi rešitev, strojev, orodij in njihovi obremenitvi lahko izboljšani analitični pogon prilagodi delovanje teh rešitev in optimizira njihovo konfiguracijo v smeri zagotavljanja kar največjih zmogljivosti ob upoštevanju varnosti delovanja in vzdrževanja. Obogateno upravljanje podatkov bo analitikom omogočilo poenostavitev in konsolidacijo obstoječih rešitev, saj bo povečalo avtomatizacijo nalog na področju upravljanja podatkov.

Trk podatkovnega in analitičnega sveta

Številna podjetja so na podatke in analitiko gledala – in to še vedno počnejo–kot na različni entiteti in ju temu ustrezno upravljajo. A meje med njima se pospešeno brišejo, tudi po zaslugi ponudnikov, ki v svoje analitične rešitve vgrajujejo orodja za upravljanje podatkov, procesov in delovnih tokov. To bo v prihodnje še bolj očitno in bo povečalo interakcijo ter sodelovanje med zgodovinsko ločenima vlogama podatkov in analitike. Če naj se ta trk spremeni v konstruktivno konvergenco, morajo podjetja vključiti tako analitična orodja kot tudi podatke v celovit analitični bazen. Pri tem naj se ne osredotočajo zgolj na tehnologijo, temveč predvsem na ljudi in poslovne procese s ciljem spodbujanja komunikacije in sodelovanja. Širitev uporabe podatkov in analitičnih ekosistemov navzven prinaša prilagojene analitične zmogljivosti na skoraj sleherno delovno mesto.

Meje med podatki in analitiko se pospešeno brišejo.

Kako do podatkov? Na podatkovni tržnici vendar

V podatkovno gnanem gospodarstvu so podatki valuta. Že v letu 2022 naj bi kar 35 odstotkov velikih podjetij bilo bodisi prodajalcev bodisi kupcev podatkov prek spletnih podatkovnih tržnic. Za primerjavo: danes je takšnih petina podjetij. Podatkovne tržnice in borze podatkov so platforme za konsolidacijo podatkovnih ponudb tretjih oseb. Zagotavljajo centralizirano razpoložljivost in dostop do podatkov ter analitičnih rešitev in ustvarjajo ekonomije obsega. Podjetja se namreč zavedajo, da so pridobivanje, hramba in obdelava podatkov velik strošek, zato lahko te stroške zmanjšajo tako, da (anonimizirane) podatke proda(ja)jo na tržnici ali pa jih od drugih ponudnikov preprosto kupijo. Monetizacija podatkov bo v prihodnjih letih dobila povsem novo dimenzijo in nove podatkovne ekosisteme.

Veriženje podatkovnih blokov in analitika

Tehnologije s področja veriženja podatkovnih blokov (angl. blockchain) obravnavajo dva ključna izziva na področju podatkov in analitike. Takšna podatkovna veriga zagotavlja popoln ter zaupanja vreden vpogled v vire podatkov in transakcij. Prav tako pa blockchain zagotavlja preglednost tudi v primeru kompleksnih omrežij z ogromnim številom »udeležencev«. Ne le kriptovalute in pametne pogodbe, ti sistemi bodo prinesli številne novosti na področje upravljanja zbirk podatkov in zagotovili privlačnejšo možnost za revizijo podatkovnih virov podjetij. Podatkovni strokovnjaki in analitiki bi morali tehnologijo veriženja podatkovnih blokov umestiti v obstoječo infrastrukturo za upravljanje podatkov ali pa jo v celoti nadomestiti z njo.

Hitreje do uporabnih informacij in vrednosti

Tehnologije analize grafov bodo še pospešile kontekstualizacijo pri sprejemanju odločitev, leta 2023 naj bi jih uporabljalo že 30 odstotkov organizacij po svetu. T. i. graf analitika je nekakšna nova analitika omrežij. Gre za skupek analitičnih tehnik, ki omogoča raziskovanje odnosov med subjekti, ljudmi in transakcijami. Z njo bo olajšano odkrivanje prej neznanih odnosov med podatki, prav tako pa tudi pregledovanje tistih, ki jih je težko analizirati s tradicionalnimi analitičnimi orodji.

Zgovoren primer je aktualno (in prihodnje) spopadanje z odzivi na virusne pandemije. Tehnologije analitike omrežij lahko povežejo subjekte po svetu, saj na enem mestu združijo in obdelajo najrazličnejše podatke – od geoprostorskih na telefonih ljudi do sistemov za prepoznavanje obrazov, ki lahko analizirajo fotografije ter ugotovijo, kdo bi lahko imel stik s posamezniki, ki so bili pozitivni na, denimo, koronavirus.