facebook LinkedIN LinkedIN - follow
Tematické sekce
 
Branžové sekce
Přehledy
 
Tematické seriály
 

GDPR

General Data Protection Regulation zásadně mění zpracování osobních údajů a zavádí nové povinnosti...

články >>

 

Jak uřídit IT projekt a nezbláznit se

Užitečné tipy a nástroje pro řešení problémů řízení inovací a vývoje produktů...

články >>

 

Industry 4.0

Průmysl 4.0

Jaký vliv bude mít čtvrtá průmyslová revoluce na výrobu a výrobní firmy?

články >>

 

Komplexní svět eIDAS

O nařízení eIDAS již bylo mnoho řečeno i napsáno. A proto jediné, o čem...

články >>

 

Trendy v CRM

Systémy pro řízení vztahů se zákazníky (CRM) prochází v posledních letech výraznou změnou. Zatímco dříve...

články >>

 

Příručka úspěšného IT manažera

Dnes je řada IT manažerů opomíjena. Úspěšní bývají brouci Pytlíci a Ferdové...

články >>

 
Partneři webu
Compas automatizace
IT SYSTEMS 10/2014 , AI a Business Intelligence

Současné trendy v oboru business intelligence

Samoobslužnost, přirozené dotazování, information discovery, mobilita



Acrea CRNedávno jsem seděl na kávě se svým známým, odborníkem na výrobu elektrické energie. Tématem diskuze byly systémy pro měření účinnosti výroby v elektrárnách a praktická implementace takového řešení ve velké energetické společnosti, v níž v současné době pracuje. Můj známý si povzdechl: „Na začátku mám tisíce nebo desetitisíce měřících bodů denně z výrobní technologie, ale když tento datový tok projde několika řídícími systémy, na konci dostanu jenom 8 agregovaných hodnot popisujících okamžitý stav účinnosti výroby. To už mi dávno nestačí, musím být přesvědčen, že mohu těmto agregovaným hodnotám věřit, ale především chci vědět, proč jsou čísla taková, jaká jsou. Bohužel nemám žádnou možnost dostat se k detailním datům, takže musím zjišťovat přímo v elektrárně, proč účinnost není taková, jak má být. Přitom vím, že v informačních systémech tato data jsou, takže kdybych měl možnost se k nim dostat, věděl bych stav věci přímo od stolu nebo i někde na služební cestě.“


Tato diskuze popisuje poměrně věrně současný stav, kdy realita v konkrétním tržním segmentu (v tomto případě energetika, ale příklad z diskuze se dá snadno zobecnit) vyžaduje od odborných pracovníků, aby čím dál více rozuměli svému businessu – tedy nejen aby věděli, JAKÉ hodnoty klíčových ukazatelů jsou, ale také PROČ jsou hodnoty takové, jaké jsou. Za prostředek pochopení vlastního businessu jsou považovány nástroje business intelligence. Kvalita těchto nástrojů, jejich vlastností a funkcí a pochopitelně i kvalita implementace prostředí business intelligence rozhodují významnou měrou o tom, zda-li bude uživatel tyto nástroje akceptovat jako důležitého pomocníka při výkonu své práce. V opačném případě budou považovány za přítěž, která je zaměstnancům vnucena ze strany IT, ale která ve skutečnosti nepřináší žádnou přidanou hodnotu.

Jaké trendy to tedy jsou, aby výše uvedený pracovník (a s ním tisíce a miliony podobných po celém světě) byli spokojeni s tím, co IT pro podporu jejich práce nabízí?

Méně IT, více samoobslužnosti

Dnešní pracovníci vyžadují nejen okamžitý a dostatečně detailní přístup k datům v informačních systémech, ale také možnost kombinovat tato data s vlastními seznamy dat, která jsou k dispozici v běžných desktopových systémech, jako je Microsoft Excel nebo Word. V současné době je prakticky nepředstavitelné pro koncového uživatele čekat dny nebo týdny, až oddělení IT připraví potřebné rozhraní. Uživatel vyžaduje kombinovat svá data (například vlastní srovnávací hodnoty pro testování různých scénářů vývoje ukazatelů oproti skutečnosti na základě dat poskytnutých ze systému) jako součást své každodenní práce. Moderní nástroje již nabízí v rámci standardního produktu uživatelské rozhraní pro nahrání vlastních dat (uživatelský mash-up). Tato data přitom nemusí být pouze strukturovaná (Excel), ale mohou mít podobu například volného textu. To je silná vlastnost, umožňující nejen srovnávání číselných hodnot, ale i nalézání volnějších korelací na základě různých typů vstupních informací. Podstatné je, že tato samoobslužnost podporuje agilitu v přístupu k analýze obchodních dat a jevů – na zjištěné skutečnosti může uživatel reagovat řádově rychleji, než kdyby musel vyžadovat asistenci oddělení IT při nahrávání vlastních dat.

Podstatné také je, že samoobslužnost není v rozporu s bezpečností a  výkonností celého systému – současné analytické nástroje musí zajistit, že uživatel pracuje bezpečně oddělen od ostatních uživatelů pouze v rámci svého uživatelského pískoviště, přičemž dostatečná odezva systému při analytické práci i nad velikými objemy dat řádu TB je dána schopností zpracovávat tato data přímo v operační paměti počítače (in-memory computing).

Vizualizace a dotazování přirozeným jazykem

Je nepochybné, že tlak na rychlejší pochopení všech souvislostí vyplývajících z analyzovaných dat vyžaduje i nové a inovativní pohledy na vlastní analytické postupy. Jednou z cest, která se všeobecně v současné době prosazuje, jsou rozšířené možnosti vizualizace a grafické interpretace analyzovaných dat. Aby však tyto možnosti byly všeobecně akceptovány různými úrovněmi uživatelů, nestačí již nabídka grafických možností podobných Excelu. Grafická interpretace dat musí pracovat s vysokou mírou agregace, názornosti a abstrakce, především pokud máme na mysli obecně prosazovaný trend mobility. Jednoduše řečeno – nejen uživatele s rozhraním iPADu nebo mobilního telefonu musí práce s analytickým prostředím bavit, aniž by se musel považovat za profesionálního datového analytika.

Dalšími metodami, které podporují akceptaci práce s analytickými nástroji, jsou možnosti kladení dotazu volným textem –uživatel tedy zapíše svojí otázku v rozhraní BI nástroje tak, jak přirozeně mluví a myslí bez toho, že by musel znát přesnou strukturu zdrojových dat nebo se učit konstrukci dotazovacího jazyka. Plány předních výrobců BI řešení jdou ale ještě dál – k dotazu položenému přirozenou řečí, mluveným „dialogem“ s analytickým nástrojem. Všichni již známe platformu Siri společnosti Apple - již brzy budou tyto rozšířené možnosti uživatelského komfortu i součástí výbavy běžných analytických nástrojů. Tyto vlastnosti budou významné nejen pro běžného uživatele, ale rozšíří také významně možnosti uplatnění pracovníků s fyzickým omezením.

Nejen čísla, ale i texty jsou důležitá data

V současné době je business klasických „kamenných“ hráčů na trhu (především v oblasti bankovnictví, telekomunikací a energetiky) stále více vystaven konkurenci nezávislých prodejců, kteří kombinují produktovou nabídku a využívají převážně internetové kanály pro působení na spotřebitele. Důsledkem tohoto zásadního posunu v posledních letech je, že není tak zjevné jako v minulosti, jaké důvody vedou například k poklesu prodeje energetické komodity v sektoru malých zákazníků. Ještě v nedávné minulosti se veškeré informace potřebné k analýze vlastního businessu nacházely ve vlastněném CRM systému. Analýzou vlastních dat byla tedy snadno zjistitelná příčina poklesu prodeje. Přesun businessu na internet ale způsobil, že řadu dat a informací vypovídajících o našem vlastním businessu již nevlastníme: nacházejí se totiž ve veřejně sdílených sociálních sítích (Facebook), informačních fórech, odborných portálech apod. Odborné názory zde publikované, ale i emotivně motivované komentáře ve prospěch či proti našemu vlastnímu produktu či značce mohou ovlivnit vývoj businessu více, než si myslíme. Firmy, které toto pochopí a naučí se tyto veřejné zdroje dobře využívat pro analýzu svého tržního postavení, mohou získat velkou tržní výhodu.

Veřejné zdroje na internetu mají ale jeden velký nedostatek, pokud se na ně podíváme očima standardních analytických řešení, tak jak je známe z minulosti: tato data totiž nemají přesnou strukturu, vzájemnou vazbu, či snadno vysledovatelnou souvislost mezi dvěma indikátory. Jedná se obvykle o nestrukturovaná či pouze částečně strukturovaná data ve formě textového záznamu, recenze, řetězce vzájemně se podmiňujících komentářů. Nicméně i tyto struktury obsahují bohatství užitečných informací, které jsou nám k užitku ovšem pouze tehdy, pokud je dokážeme transformovat do podoby, které budeme rozumět.

Je jasné, že standardní analytické nástroje, zaměřené především na analýzu dat z transakčních datových skladů s pevnou datovou strukturou, zde selhávají. Vývoj tedy vede k využívání nástrojů jiného typu, souhrnně nazývaných Information discovery. Tyto nástroje nevyžadují znalost datového modelu a naopak se na vstupu vypořádají s různými datovými strukturami včetně volného textu. Tyto nástroje musí podporovat hledání vazeb mezi informačními entitami i tam, kdy takové vazby vůbec netušíme - tedy místo nalézání tvrdých souvislostí i určení vazeb, které mají charakter „měkké“ korelace. Typickým příkladem je právě výše zmiňovaná analýza veřejných nálad vůči konkrétní značce, která má na vývoj vlastního businessu podstatně větší vliv, než by bylo na první pohled zjevné pouze analýzou vnitropodnikových dat.

Obr. 1: Ukázka z prostředí Endeca Information Discovery: Moderní analytické nástroje musí podporovat analýzu nestrukturovaných dat.
Obr. 1: Ukázka z prostředí Endeca Information Discovery: Moderní analytické nástroje musí podporovat analýzu nestrukturovaných dat.

Využití těchto nástrojů se ale neomezuje pouze na oblast obchodních dat: již nyní jsou ve světě známé implementace v oblasti ochrany veřejné bezpečnosti, kdy se různé nelegální skupiny skrývají právě za anonymitou internetu, nebo v automobilovém oboru, kde slouží k analýze servisních úkonů z dat v řádu statisíců servisních záznamů.

Informace kdykoliv a kdekoliv

Modelový pracovník uvedený na začátku článku má ve své kompetenci několik pracovišť rozmístěných po celé republice. Požadavky na vysokou efektivitu práce mu přitom nedovolují mít ve všech lokalitách spolupracovníky, kteří by dohlíželi na chod systémů, které má ve své kompetenci. Přirozeným požadavkem je pak mít přehled o všech systémech z jednoho místa, a to nejen na pracovištích firmy, ale i kdekoliv na cestě. Je již obecným standardem, že analytická řešení obvykle podporují mobilní řešení na platformách Android nebo Apple. Co však odlišuje skutečně profesionální řešení od ostatních jsou dva požadavky: vysoká bezpečnost a schopnost přizpůsobení.

Obr. 2: Aby se mobilní BI platforma prosadila, musí být schopna podporovat tablety s větší obrazovkou i mobilní telefony, přičemž toto přizpůsobení musí být automatické.
Obr. 2: Aby se mobilní BI platforma prosadila, musí být schopna podporovat tablety s větší obrazovkou i mobilní telefony, přičemž toto přizpůsobení musí být automatické.

Zajištění vysoké míry bezpečnost při přístupu k podnikovým systémům z mobilních platforem je přirozeným požadavkem každého bezpečnostního manažera IT a v nemenší míře se to týká i zabezpečení přístupu k BI datům. Moderní analytické aplikace pro mobilní platformy mohou využívat nejen svoje proprietární metody zabezpečení přístupu k datům, ale klíčová je především podpora specializovaných řešení typu MDM (Mobile Device Management), která zajišťují pokročilé metody identifikace přistupující osoby včetně autorizace pomocí hlasu. S vysokou mírou bezpečnosti souvisí také řízení celého analytického prostředí mobilního pracovníka. Řešení musí umožňovat hromadné aktualizace mobilního prostředí, například pracovních panelů, bez toho, aby mobilní pracovník musel aktivně přistupovat do vnitřního prostředí firmy. To obecně představuje bezpečnostní hrozbu i v případě využití technologie VPN, a vzniká tak dilema, jak umožnit z mobilní platformy dril do detailních dat, pokud by to mobilní pracovník vyžadoval. Elegantním řešením je kombinace mobilní BI platformy obsahující agregovaná data s instancí analytického prostředí v externím cloudu – pokud pracovník potřebuje detailní data, nepřipojuje se do interního prostředí firmy, ale využije externí datový mart.

Druhým požadavkem je schopnost přizpůsobení analytického rozhraní přístroji, se kterým mobilní pracovník pracuje. Aby se mobilní BI platforma prosadila do široké praxe, musí být schopna podporovat jak tablety s větší obrazovkou, tak i relativně malé mobilní telefony, přičemž toto přizpůsobení musí být automatické. Vedle nativních klientských aplikací pro platformy Android, Apple či Blackberry se prosazuje i univerzální standard HTML5, který umožňuje vývoj analytických aplikací nezávislých na platformě. To poskytuje širokou škálu možností vývoje klientského prostředí včetně integrace dalších aplikací, což přibližuje mobilního pracovníka ještě více standardnímu pracovnímu procesu, který zná ze svého pracoviště.

Martin Zikmunda

Autor článku působí ve společnosti Oracle Czech.
Chcete získat časopis IT Systems s tímto a mnoha dalšími články z oblasti informačních systémů a řízení podnikové informatiky? Objednejte si předplatné nebo konkrétní vydání časopisu IT Systems z našeho archivu.