Heterogenní datové prostředí

Když porovnáme aktuální možnosti firemních softwarů se stavem před deseti, dvaceti lety, je pokrok doby zcela jasný. Spousta nástrojů, bez kterých si dnes nedokážeme fungování byznysu ani představit, ještě před několika lety ani neexistovala, nebo byla dostupná jen v omezené míře v rámci komplexního a drahého řešení.

Dnes trh místo toho nabízí širokou paletu programů a služeb, často zaměřených jen na velmi úzkou výseč trhu či specifickou problematiku. Není proto neobvyklé v jediné firmě pracovat s odlišnými nástroji pro nejrůznější oblasti byznysu – supply chain management, HR, CRM, účetnictví, finanční vykazování a mnohé další. Zatímco ale jednotlivé služby dokážou poskytnout velmi detailní vhled do svých specifických dat, může být mnohdy oříšek tyto informace vzájemně propojit a analyzovat v jednotné formě. Díky stále větší adopci různých cloudových nástrojů ve firmách jsou totiž IT a datové prostředí stále více heterogenní.

Tento trend bohužel často znemožňuje efektivní nasazení nástrojů BI a datové analytiky, protože je stále těžší dostat všechna potřebná data na jedno místo. Jednotlivé aplikace například exportují data v odlišných formátech, pracují s jinými metrikami a atributy, či například určitá data vůbec nenabízí. V takovém případě má firma pouze dvě možnosti. Data může zpracovávat ručně, což krom obrovské časové náročnosti přináší také zvýšené riziko chybovosti. Anebo využije kvalitní ERP systém, kvalitně integrovaný s dalšími aplikacemi ve firmě.

Soutok datových proudů

ERP systémy nabízí moduly na správu nejrůznějších byznysových funkcí, ale přesto je stále velmi pravděpodobné, že firma sáhne i mimo ně po aplikaci třetích stran, která mu bude v dané oblasti lépe vyhovovat. V takovém případě je pak klíčové správně integrovat data mezi nejrůznějšími systémy, aby byla zajištěna bezchybná funkčnost ERP.

Když přijde na proces datové integrace ETL (Extract, Transform, Load), zaujímá ERP unikátní postavení. Díky své schopnosti propojit nejrůznější nástroje má totiž potenciál být jak datový zdroj, tak i destinace. Společnost se například rozhodne používat separátně CRM nástroj. V tom případě by byl ERP software cílovou destinací pro data zasílaná z CRM – navíc formátovaná tak, aby byla v harmonii s ostatními firemními daty. Jestliže se naopak firemní datový tým rozhodne poslat ERP data do nástroje Business intelligence (BI) k vizualizaci a analýze, stane se ERP systém zdrojem pro tuto extrakci. V obou případech je potřeba vyřešit integraci s nezbytnou datovou harmonizací v jakémkoliv směru. Metody propojení jsou přitom hned tři.

Různé způsoby datové integrace

Zdánlivě nejjednodušším způsobem datové integrace je Point-to-Point. Ten staví na individuálním připojení každého jednoho softwaru v datové infrastruktuře ke všem ostatním. Tato metoda umožňuje sdílení dat napříč ekosystémem, je však použitelná pouze při velmi malém počtu nástrojů, obvykle v nižších jednotkách. Proto je nevhodná pro firmy s cílem škálovat, protože dnes je již běžným trendem používat i desítky individuálních aplikací a nástrojů.

Druhou možností je on-premise softwarové řešení Enterprise Service Bus (ESB), které poskytuje framework nezbytný ke sdílení dat mezi aplikacemi. ESB pracuje na principu „překládání“ dat mezi jednotlivými softwary pro on-site integraci a nachází uplatnění v případech, kdy dvě aplikace nenabízí vzájemnou nativní integraci. Tato metoda je ideální pro škálování on-premise integrací, díky čemuž je používána zejména v korporátním prostředí. Kvůli komplexnosti ale takový systém vyžaduje vlastní dedikované vývojové týmy, což zvyšuje jeho finanční nákladnost. ESB současně není vhodné pro implementaci SaaS aplikací, které dnes preferuje většina moderních a rostoucích firem.

Velké oblibě se těší metoda iPaaS (Integration Platform as a Service), tedy Integrační platforma jako služba. Jde o cloudový a často no-code přístup k ERP integraci, díky čemuž jej mohou snadno používat i pracovníci se základními technickými znalostmi. Největší výhodou takové integrační platformy je schopnost zahrnout jakoukoliv SaaS aplikaci nebo on-premises software, ať už jako vstup, či cílovou destinaci. Navíc dokáže tato data transformovat pro použití napříč jednotlivými systémy, které standardně využívají odlišných datových formátů. A to z iPaaS dělá ideální nástroj pro moderní firmy s existujícími datovými stacky i takové, které využívají velké množství individuálních SaaS aplikací.

Data na stříbrném podnose

Donedávna byla schopnost komplexní datové integrace privilegiem velkých firem a korporátů skrze velmi nákladná řešení. Dnes však na trhu existuje řada iPaaS platforem, které dokážou stejnou práci odvést za zlomek ceny. Navíc díky jednoduchosti, efektivitě a schopnosti neomezeného škálování si tato metoda získala obrovskou oblibu mezi moderními firmami a startupy. Při volbě integrační platformy tak doporučuji volit jednoduché a přímočaré řešení, které zvládnou efektivně využít i uživatelé se základními technickými dovednostmi. Klíčové je, aby dokázali nastavit celý systém, veškeré procesy datové extrakce i automatizaci integrace – to vše bez znalosti kódování.

Hlídejte kvalitu dat

Flexibilita ale není jediným problémem, se kterými se dnes firmy potýkají. V poslední době jsme však svědky explozivního růstu adopce cloud aplikací ve firmách, což ještě více umocní stav disperzity dat. Silná stránka integrační platformy – schopnost propojit ohromné množství zdrojů – je totiž současně její potenciální Achillovou patou. Čím více odlišných nástrojů a datových formátů, tím větší riziko toho, že data nedorazí z bodu A do bodu B v pořádku. Například v okamžiku, kdy se výstupy z ERP systému stanou běžnou součástí rozhodování firmy, vede jakákoliv nekonzistence nebo chyba ve vstupních datech ke kaskádě špatných rozhodnutí s potenciálně vysokými náklady. Ať už se tedy k integraci vašeho ERP systému zvolíte jakoukoliv platformu, dbejte vedle možností propojovat data také na schopnost chránit jejich kvalitu. Kvalitní integrační platforma by totiž také měla proaktivně monitorovat datové toky, aby dokázala odhalit a opravit případné anomálie už v místě jejich vzniku.

Jakub Plas Autor článku působí na pozici Head of Growth ve startupu Dataddo.