Brez analitike ni posla

Če podjetja ne bodo znala pravočasno ugotoviti, kaj potrebuje trg oziroma potrošnik, bodo prej ali slej ostala praznih rok. Analitika je torej še kako pomembna.

Zadnja leta je področje poslovne analitike v stalnem vzponu. In zelo živahno. Če so ponudniki podjetja do nedavnega še lahko »vlekli za nos« in jih prepričevali, da velja programsko opremo za poslovno analitiko namestiti in uporabljati lokalno, oblačne analitične platforme dokazujejo, da po tem ni absolutno nobene potrebe. Sploh v času, ko podjetja vedno več podatkov že hranijo v oblaku – čemu bi jih torej »pretakala sem ter tja«? Tudi na področju samega programja za analitiko gre na nož. Statična poročila in nadzorne plošče so zamenjale agilne in interaktivne rešitve. Zdaj se tudi najrazličneje upodobljeni kazalniki lahko sproti spreminjajo, pač skladno s podatki, na katerih temeljijo. Klasične tabele v analitične namene uporabljajo le še (poslovni) dinozavri – in to zahtevajo od svojih sodelavcev. Pred leti tako opevano samopostrežništvo je bilo sprejeto odprtih rok. Samopostrežna analitika se je izkazala za zadetek v polno, saj je več poslovnim uporabnikom dala možnost uporabe kompleksne (beri: napredne) analitike, ne da bi morali usvojiti kompleksna nova znanja, vredna diplome.

Kje smo torej danes? Na področju analitike so podjetja v povprečju opravila prvi korak, večina se jih več ne sprašuje, ali potrebujejo analitiko, temveč razmišlja v smeri, kakšno poslovno analitiko izbrati in kako jo uvesti v poslovanje. Ker drugi, ki to počno/uporabljajo, očitno vedo nekaj več od njih, saj jim v vse prej kot poslovanju prijaznim tržnim pogojem uspeva poslovati bolje. Drži, poslovni svet se vrti vedno hitreje, svet tehnologije pa ga ob tem še prehiteva – pogosto po desni. Kakšne tehnološke temelje torej postaviti, da bo na njih cvetela sodobna analitika – in kakšna naj bo?

Brez kakovostnih podatkov ni analitike

Ker se sodobna poslovna okolja šibijo pod težo najrazličnejših podatkov in novi nastajajo z izjemno hitrostjo, postaja upravljanje kakovosti poslovnih podatkov bistvenega pomena. Čemu bi se odločali na slabih podatkih ali pa jih hranili? Niste prepričani, ali v vašem podjetju že skrbite za upravljanje kakovosti podatkov? To se utegne kaj hitro spremeniti. Vendarle gre za najpomembnejši trend na področju poslovne inteligence, pa čeprav je v širšem kontekstu relativno nov. Da ne bo pomote – upravljanje kakovosti podatkov hitro pridobiva pomen in bo vsekakor oblikovalo prihodnost področij, kakršni sta poslovna analitika in poslovno obveščanje.

Upravljanje kakovosti vaših podatkov ne pomeni le, da imate že v izhodišču zgolj visokokakovostne podatke (čeprav je to pomembno), temveč pomeni čiščenje in pripravo podatkov, njihovo distribucijo po podjetju in zatem tudi upravljanje skozi njihovo celotno življenjsko dobo. Ko podatki postanejo uporabni (in sčasoma neuporabni), je naloga podjetja, da jih pregleda, spremlja in se prepriča, da se uporabljajo ustrezno. Dobre prakse upravljanja kakovosti podatkov pomenijo tudi, da ste zelo previdni pri zbiranju in uporabi teh, ki so vam na voljo, in jih uporabljate s pravimi nameni (GDPR). Upravljanje kakovosti podatkov niso le »nabiranje« veliko dobrih podatkov ter čiščenje in priprava podatkov, temveč tudi njihova učinkovita distribucija, upravljanje porazdeljenih ter njihova kontekstualizacija – za uporabnike, podatkovne zbirke ali poslovne sistem oziroma aplikacije.

Zagotavljanje kakovostnih podatkov bi torej veljalo umestiti med prednostne naloge, saj vpliva na vse ravni poslovanja podjetja. Kakovostni podatki ne koristijo le analitikom, temveč vsem zaposlenim in poslovnim aplikacijam v podjetju.

Kakovostni podatki ne koristijo le analitikom, temveč vsem zaposlenim in poslovnim aplikacijam v podjetju.

Vzgajanje podatkovnih znanstvenikov

Svetova poslovne inteligence in poslovne analitike še danes veljata za zelo kompleksna, to pa naj bi se kazalo tudi pri kadrih. Podatkovni znanstveniki so zelo iskani in dragi, toda uporabniki, ki imajo opravka s poslovno analitiko, niso vedno podatkovni znanstveniki. Še več, raziskava medija Forbes je pokazala, da je verjetnost uvajanja rešitev s področja poslovnega obveščanja dvakrat večja v podjetjih, ki štejejo do sto zaposlenih, kot v večjih organizacijah. No, je pa treba obenem priznati, da večja podjetja tovrstno rešitev morebiti že imajo (seveda pa ne vsa). Kakopak je malo verjetno, da bi srednje veliko podjetje med omenjenimi stotimi zaposlenimi danes že imelo podatkovnega znanstvenika. Nič ne de, treba se bo znajti tudi brez njega oziroma vzgojiti lastne podatkovne analitike in znanstvenike.

Že omenjena samopostrežnost je resnično veliko naredila za analitiko. Približala jo je širši množici poslovnih uporabnikov in številni so se vanjo dobesedno zaljubili. Zdi se jim vsemogočna. Ni boljšega od rešitve, ki jo nekaj vprašaš in vrne odličen odgovor, po možnosti še s pojasnilom in podprt s podatki. Prihodnost poslovne analitike je vsekakor v rokah »neusposobljenih« analitikov, odločevalcev in menedžerjev. Analitičnih samoukov. Nikogar več zares ne preseneča, da se samopostrežni BI danes prilagaja vsem vrstam različnih platform, ravni uporabnikov in načinov rabe.

Rezultat? Vedno več je podjetij, ki ne potrebujejo več IT-oddelka za dostop do svojih podatkov. Analitika se kot storitev »streže« v oblaku, vse manj je kompleksnih in dragih lokalnih namestitev. Kar morda (z)manjka samopostrežni rešitvi BI, ki gostuje v oblaku, z vidika algoritmov in prilagodljivosti, nadomesti s hitrostjo, z odzivnostjo, s poročanjem in predvsem z enostavnostjo uporabe – zgolj zadnja je ogromna prednost, saj omogoča, da analitiko v poslovnem okolju uporablja večje število zaposlenih z najrazličnejšimi ravnmi (pred)znanja.

Nadzorne plošče za poslovno analitiko bodo napredovale s podatkovnimi znanstveniki ali grez njih, a bodite brez skrbi, tudi ti zlepa ne bodo izginili. Ravno nasprotno, sčasoma jih bo čedalje več, tako samoukov kot »naravnega prirasta« podatkovno gnanih podjetij.

Podatkovnih znanstvenikov bo čedalje več – tako samoukov kot »naravnega prirasta« podatkovno gnanih podjetij.

Prihaja obogatena analitika

Gartnerjevi analitiki slovijo tudi po tem, da so kovači novih izrazov in krilatic. Pred leti so tako prvi omenili izraz obogatena analitika. Ta počasi, a vztrajno stopa v ospredje. Gartner napoveduje, da bo uvajanje umetne inteligence v rešitve poslovne analitike drugi najpomembnejši tehnološki trend v prihodnjem letu. Pravzaprav napoved predvideva, da bo že do konca tega leta več kot 40 odstotkov nalog s področja podatkovne znanosti obogatenih in avtomatiziranih – opravljala in upravljala jih bo umetna inteligenca.

Kaj sploh je obogatena analitika? Gre za uvajanje avtomatiziranih algoritmov za obdelavo velikih naborov podatkov, ne le z namenom izdelave napovedi in poročil, temveč celo priporočil. Obogatena analitika je po tej plati podobna strojnemu učenju in umetni inteligenci, ki podjetjem odpirata svet novih potencialov. Umetna inteligenca, ki deluje skupaj s podatkovnimi znanstveniki, razčlenjuje podatke in jih opozarja na morebitna odstopanja v številkah/podatkih, veliko preden človeško oko ujame takšne spremembe. Vsekakor ne gre za koncept iz sveta znanstvene fantastike, je pa dobro vedeti, da so pasivnim poročilom dnevi šteti. Vse manj vodstev podjetij zanima, kaj se je zgodilo v preteklosti (in zakaj), želijo pa si poročil v živo – kaj se ta hip dogaja. In po možnosti še odgovora na vprašanje, kaj sledi. Obogatena poročila jim (lahko) povedo, kaj se bo zgodilo. In ker internet stvari še naprej raste, se bodo tudi zbirke podatkov eksponentno povečevale, kar pomeni, da bodo imela orodja s sposobnostjo samodejnega učenja na voljo še več informacij.

Napovedna in predpisovalna analitika

Če vprašate analitike, sta trenutno najvznemirljivejšii temi na področju poslovne analitike napovedna in predpisovalna/preskriptivna (angl. prescriptive) analitika. Kombiniranje zmogljivosti najsodobnejšega strojnega učenja in algoritmov z množičnimi podatki različnim vrstam industrije omogoča, da dosegajo prebojne napredke na področju vpogledov. Gre za zametke napovedovanja prihodnosti, ki pa so že zdaj lahko srhljivo natančni – natančnost je še najbolj odvisna od kakovosti podatkov.

V nasprotju s klasičnimi analitičnimi rešitvami sta predpisovalna in napovedna analitika usmerjeni v prihodnost, zato ni niti ne more biti presenetljivo, da oblikujeta prihodnost poslovne analitike. Napovedna oziroma prediktivna analitika je veja napredne analitike, ki na podlagi trenutnih podatkov in njihovih projekcij napoveduje prihodnje trende in rezultate. To je lahko izjemno uporabno, če lahko uporabnik izkoristi rezultate in pridobi svoje lastne vpoglede. Napovedi temeljijo na preteklih podatkih, zato je vključena sprejemljiva stopnja napake. Napovedna analitika je uporabna pri prepoznavanju tveganj, priložnosti in boljšem razumevanju strank in izdelkov.

Pod črto napovedna analitika sicer ponuja več v smislu čistih diagnostičnih informacij kot predpisovalna analitika, toda v nasprotju z zadnjo napovedna analitika ne zna povedati (niti pojasniti), zakaj se nekaj dogaja. Prav zato se danes preskriptivna analitika zdi sveti gral analitike – ker zna pojasniti, »zakaj« se je nekaj zgodilo oziroma »zakaj« ukrepati tako ali drugače.

Uporaba preskriptivne analitike lahko trgovskemu podjetju pojasni, zakaj ima neka blagajna v trgovini slabše rezultate od povprečja, oziroma ga vsaj usmeri na pot odprave vzroka za to. Morda je blagajna v okvari, potrebuje vzdrževanje, je umazana, ni na pravem/optimalnem mestu, je težava v zaposlenih ipd.

Prav zlitje klasične, napovedne, obogatene in preskriptivne analitike je tisto, kar so si podjetja želela – poslovna kristalna krogla. Le da za brezhibno delovanje ne potrebuje zgolj elektrike, temveč predvsem odlične vedeževalce (beri: podatkovne znanstvenike) in čistočo (beri: kakovostne podatke).