Prihodnost poslovne inteligence

Angleško besedno zvezo business intelligence smo v preteklosti slovenili kot poslovno obveščanje, saj so se ta orodja pretežno uporabljala za ustvarjanje poročil članom uprave in direktorjem. Danes pa lahko tovrstna poslovna inteligenca opolnomoči praktično vsako delovno mesto in zaposlenega, ki ima opravka s sprejemanjem odločitev.

Poslovna inteligenca (BI) je nedvomno postala nepogrešljiva dobrina za podjetja vseh velikosti. Vsa namreč želijo izkoristiti svoje podatke in vsako razpoložljivo informacijo ter karseda natančno napovedati mogoče prihodnje rezultate ter tako sprejemati odločitve, ki povečujejo prihodke, izboljšujejo produktivnost in pospešujejo rast poslovanja. Toda tudi področje poslovne inteligence je zadnja leta deležno precejšnje preobrazbe, saj je že pandemija koronavirusa pokazala, da rast poslovanja ne gre nujno le v eno smer. Poslovna inteligenca je lahko zelo koristna tudi takrat, ko je treba zajeziti oziroma omejiti škodo. Vsak prihranjen evro je namreč tisti, ki ga lahko nato podjetje investira …

Orodja poslovne inteligence se počasi, a vztrajno prebijajo na seznam nujnih programskih rešitev v podjetjih. Kar je lep dosežek, če vemo, da je bila še nedavno poslovna inteligenca dragocena rešitev, rezervirana le za velika podjetja z globokimi žepi, ki so si lahko privoščila nakup izjemno zmogljivih podatkovnih centrov in podatkovnih strokovnjakov, ki so jim pomagali osmisliti gore zbranih podatkov. Na srečo so tehnologije, kot je računalništvo v oblaku, zagotovile cenovno dostopna orodja za analizo podatkov tudi malim in srednje velikim podjetjem in jih popeljala v revolucijo s kratico BI. Tehnološki napredek je torej naredil prednosti tehnologije BI dostopne skoraj vsem. Pa so podjetja to izkoristila? Pred leti je veljalo, da so rešitve BI najhitreje v poslovanje vpeljevala podjetja z manj kot sto zaposlenimi. Nič drugače ni danes. A ob vpeljavi BI v poslovanje podjetja kaj hitro ugotovijo, da imajo ogromno ozkih grl. Začne se že s podatki …

Brez kakovostnih podatkov ni kakovostnih odločitev

Eden najpomembnejših in najzahtevnejših vidikov poslovne inteligence je zagotavljanje kakovosti in zanesljivosti podatkov, s katerimi podjetje dela. Kakovost in upravljanje podatkov sta bistvenega pomena za zagotavljanje natančnih, doslednih in zaupanja vrednih vpogledov, ki lahko povečajo poslovno vrednost in rezultate. Vendar sta kakovost in upravljanje podatkov tudi zapletena in dinamična procesa, ki vključujeta več zainteresiranih strani, standardov in orodij. Saj ste verjetno že kdaj bili na sestankih, kjer je imel vsak oddelek svoje podatke in svojo različico resnice? Za kaj takega v svetu BI ni prostora. Znati morate oceniti, spremljati in izboljšati kakovost svojih podatkovnih virov ter upoštevati najboljše prakse in politike za varnost podatkov, zasebnost in etiko.

Še celo v proizvodnih podjetjih, kjer se zdi, da so podatki že privzeto točni, lahko implementacija BI-orodij sprva povzroči obilo glavobolov, a je hkrati tudi odlična priložnost za odkrivanje in odpravljanje napak ter ozkih grl. Zagotavljanje kakovosti podatkov v proizvodnih okoljih je zato izrednega pomena, posebej v primerih, ko se senzorski podatki samodejno nalagajo v podatkovno jezero v industrijskih obratih. K poslabšanju kakovosti podatkov lahko prispeva več dejavnikov, vključno z aktivnostmi vzdrževanja, nenačrtovanimi zaustavitvami, s kalibracijami strojev ipd. Ko jih uporabljajo podatkovni znanstveniki za pridobivanje uporabnih vpogledov, je za ohranjanje visoke kakovosti podatkov zato ključnega pomena napovedovanje proaktivnega vzdrževanja za zmanjšanje nenačrtovanih izpadov.

Natančno in zanesljivo zbiranje podatkov iz senzorjev je bistveno za ustvarjanje pomembnih vpogledov in sprejemanje utemeljenih odločitev. Vsaka nedoslednost, netočnost ali nepopolnost podatkov lahko namreč privede do zavajajočih ali nezanesljivih rezultatov. Prav zato je vsaka implementacija BI-orodij praktično nujno povezana s predhodno analizo in čiščenjem podatkov. Zgolj uvoz »surovih« podatkov lahko poskrbi za marsikatero manj prijetno presenečenje.

Oblačne in hibridne rešitve

Pomemben trend na področju BI je tudi prehod na rešitve v oblaku in hibridne rešitve, ki zagotavljajo večjo prilagodljivost, razširljivost in stroškovno učinkovitost kot tradicionalni lokalno nameščeni sistemi. Rešitve v oblaku in hibridne rešitve omogočajo dostop, shranjevanje in obdelavo podatkov iz različnih virov in platform ter izkoriščanje prednosti storitev in aplikacij v oblaku. Vendar pa rešitve v oblaku in hibridne rešitve prinašajo tudi nekatere izzive, kot so težave z integracijo in migracijo podatkov pa tudi zmogljivostmi in varnostjo. Znati morate oceniti, izbrati in uvesti najboljše rešitve BI v oblaku in hibridne rešitve za svoje potrebe ter jih učinkovito upravljati in optimizirati.

Ko je Forbes ameriška podjetja vprašal, katerega ponudnika oblačnih BI-storitev uporabljajo, so bili rezultati malce šokantni za ponudnike specializiranih BI-rešitev. 60 odstotkov vprašanih je za orodja BI uporabljalo Amazon Web Services (AWS), 43 odstotkov Microsoft Azure, 40 odstotkov Google Cloud in 12 odstotkov IBM Bluemix.

Samopostrežne storitve in demokratizacija BI

V svetu BI je očitna tudi rast t. i. samopostrežništva in demokratizacije omenjenih orodij, ki več uporabnikom omogočajo dostop do podatkov ter njihovo analizo in deljenje, ne da bi se pri tem zanašali na strokovnjake z oddelka IT ali celo BI. Samopostrežništvo in demokratizacija omogočata hitrejše in agilnejše sprejemanje odločitev ter spodbujata kulturo, ki temelji na podatkih, in sodelovanje v podjetju. Hkrati pa je treba priznati, da tovrstna širina, ko želi podjetje orodja BI omogočiti kar največjemu krogu zaposlenih, zahteva tudi nekatere kompromise, kot so ohranjanje kakovosti in upravljanja podatkov, zagotavljanje ustreznega usposabljanja in podpore ter uravnoteženje vlog in odgovornosti različnih uporabnikov. Če ceno takšnega pristopa za trenutek zanemarimo … Zaposlene je najprej treba naučiti, kako ustvarjati in uporabljati vpoglede v podatke, še pred tem pa postaviti izjemno zanesljive podatkovne temelje (beri: zagotoviti usklajenost in doslednost podatkov).

Umetna inteligenca in strojno učenje

Seveda tudi področje poslovne inteligence nikakor ni imuno na vključevanje tehnologij umetne inteligence (AI) in strojnega učenja (ML), ki povečujejo zmogljivosti in vrednost analize ter vizualizacije podatkov. Umetna inteligenca in večpredstavnostno učenje omogočata avtomatizacijo, razširitev in optimizacijo različnih nalog BI, kot so priprava podatkov, odkrivanje anomalij, napovedno modeliranje, obdelava naravnega jezika in priporočilni sistemi. Ob tem AI in ML prinašata tudi nekatere izzive, kot so pojasnjevanje in potrjevanje rezultatov, zagotavljanje poštenosti in etičnosti analitičnih ter podatkovnih modelov in upravljanje kompleksnosti algoritmov.

Umetna inteligenca lahko v podatkih odkrije marsikaj, pogosto tudi stvari, na katere poslovni uporabnik sploh ne bi pomislil. Dosedanja praksa pa izpostavlja tudi težavo, ko lahko umetna inteligenca v odločitveni model vnese številne pristranskosti. Eden od načinov za ublažitev takšne nepravičnosti je uporaba odgovorne umetne inteligence (RAI). Podjetja si pri tem lahko pomagajo tudi z odprtokodno rešitvijo Fairlearn, ki je bila zgrajena prav z namenom izboljšanja pravičnosti sistemov umetne inteligence.

Pripovedovanje zgodb in vizualizacija podatkov

Pa smo prišli do trenutka, ko podatki spregovorijo. Pomen pripovedovanja zgodb o podatkih in njihove vizualizacije je čedalje večji. Predstavitev podatkov je zelo pomembna za njihovo sporočilo. Sporočanje podatkov in vpogledov na jasen, privlačen in uporaben način je cilj vseh orodij BI. Pripovedovanje zgodb o podatkih in vizualizacija sta bistvena za to, da so podatki dostopni, razumljivi in pomembni za različna občinstva in namene, vendar sta to tudi veščini, ki zahtevata ustvarjalnost, kritično razmišljanje in empatijo. Znati morate oblikovati in predstaviti podatkovne zgodbe in vizualizacije, ki pritegnejo pozornost, čustva in dejanja občinstva, ter se prilagoditi njegovim povratnim informacijam in potrebam.

Pri izbiri vizualizacij za pripovedovanje zgodb o podatkih zaposleni pogosto storijo več napak. Med najpogostejšimi je izbira napačne vrste vizualizacije, torej izbira take, ki informacij ali spoznanj iz podatkov ne prenaša učinkovito. Zelo pogosta napaka je tudi preobremenitev vizualizacije s podatki. Vključitev prevelike količine informacij v eno vizualizacijo oteži njeno interpretacijo. Še huje je, če je na delu »izkrivljanje« podatkov oziroma uporaba vizualizacij, ki napačno predstavljajo podatke ali izkrivljajo zgodbo. Manj uporabna je tudi predstavitev vizualizacij brez zadostnega konteksta ali razlage. Med klasične »BI-grehe« pa lahko štejemo tudi neupoštevanje občinstva in ustvarjanje vizualizacij, ki niso prilagojene potrebam in željam občinstva.

Poslovna inteligenca in specializirani kadri

Tudi v svetu poslovne inteligence so velike razlike med amaterji in profesionalci. Področju BI danes vladata izjemna diverzifikacija in specializacija poklicnih poti in vlog, kar je posledica vse večjega povpraševanja in hkrati kompleksnosti tega področja. Industrijski BI je namreč precej drugačen od marketinškega BI-orodja, zato se tudi karierne poti in vloge v BI razlikujejo glede na panogo, podjetje, funkcijo in raven strokovnega znanja zaposlenih. Med najpogostejšimi vlogami na področju BI so podatkovni analitik, podatkovni inženir, podatkovni znanstvenik, razvijalec BI, svetovalec BI, vodja BI in arhitekt BI, vendar se vloge v BI razvijajo in širijo, saj se pojavljajo nova znanja, orodja in področja. Podjetje pa mora prepoznati, razviti in predstaviti svoje spretnosti na področju BI ter raziskati in najti prave kadre iz sveta poslovne inteligence, ki ustrezajo njegovim interesom in ciljem.

Katero BI-orodje izbrati?

Če ste ta članek prebrali, da bi dobili odgovor na to vprašanje, vam bom posredoval odgovor domačega BI-strokovnjaka, ki mi je že pred leti dejal takole: »Popolnega ali najboljšega orodja BI ni. Pri iskanju vedno izberite tisto orodje, s katerim najdete povezavo in se vam zdi prijetno za uporabo. Na koncu se poskušajte naučiti in obvladati le eno orodje BI, saj uporaba več različnih vodi v popoln kaos in izgubo časa ter energije vseh vpletenih.«