Business Intelligence w 2018 roku. Czego należy się spodziewać?

utworzone przez | Sty 29, 2018 | Business Intelligence, Tableau |

Obszar szeroko rozumianej analizy danych w ostatnich latach dynamicznie się zmienia i ulega wpływom najróżniejszych trendów. Owe zmiany zachodzą nie tylko w świecie Big Data, o czym pisaliśmy ostatnio, ale również w nieco węższym jego wycinku – Business Intelligence. Jakie trendy będą rządzić w 2018 roku? W dużej mierze są to trendy zapoczątkowane znacznie wcześniej, jednak stale rosnące w siłę, tym między innymi dynamiczny rozwój Artificial Intelligence, Machine Learning oraz Natural Language Processing.

Wzrost znaczenia Artificial Intelligence

Sztuczna inteligencja z jednej strony rodzi wiele nadziei, stwarza bowiem szerokie pole do popisu w kontekście możliwości optymalizacji procesów czy kosztów, zaś z drugiej budzi niemniej obaw. Pośród ryzyk, które nieodzownie wiążą się z rozwojem Artificial Intelligence wskazuje się przede wszystkim na likwidację wielu miejsc pracy. I choć nie podlega to dyskusji, nie można zapominać o tym, że rozwój sztucznej inteligencji prowadzi jednocześnie do tworzenia ogromnej ilości nowych etatów. Póki co bilans netto jest wprawdzie ujemny, jednak przygotowany przez analityków Gartnera raport wskazuje, że zmieni się to już w 2020 roku – sztuczna inteligencja przyczyni się wówczas do likwidacji 1,8 mln miejsc pracy, jednak jednocześnie stworzy ich o pół miliona więcej.

W jaki sposób Artificial Intelligence wpływa na rozwój narzędzi Business Intelligence? Pozwala czołowym dostawcom systemów BI odpowiadać na zmieniające się potrzeby rynku i coraz większe zapotrzebowanie na zaawansowane systemy analityczne. Niezwykle dynamiczny przyrost wolumenu danych oraz rosnąca chęć organizacji do opierania na nich procesu podejmowania kluczowych decyzji biznesowych wymuszają wprowadzenie rozwiązań Business Intelligence na zupełnie nowy poziom. Dotychczasowe wykorzystanie AI w obrębie BI, a także wielu innych obszarów, ma mocno ograniczony charakter – obejmuje bowiem realizację wąsko określonych zadań. Na rozwój tzw. „silnego AI”, a więc systemu informatycznego, który rozumuje podobnie jak człowiek przyjdzie nam jeszcze poczekać. Niewątpliwie jednak branża zmierza w tym kierunku i podejmuje wiele starań, by tworzyć rozwiązania nie tylko niezawodne i zdolne do pracy przez całą dobę, czego oczekuje biznes, ale również wzbogacone ludzkimi pierwiastkami – kreatywnością czy intuicją. Realizacja takiego scenariusza wiązałaby się jednak z możliwością redukcji wielu stanowisk analitycznych. Póki co analitycy mogą jednak spać spokojnie. Ich rola wciąż jest i jeszcze przez długi czas będzie kluczowa dla podejmowanych w organizacji inicjatyw Business Intelligence.

Większe zaangażowanie Machine Learning

O uczeniu maszynowym mówi się sporo od lat. O ile jeszcze kilka lat temu na mówieniu się zwykle kończyło, o tyle dziś zastosowanie Machine Learning w realiach biznesowych nie stanowi niczego nadzwyczajnego. Wręcz przeciwnie. Możliwości jakie oferuje uczenie maszynowe dostrzega coraz więcej organizacji, o czym świadczyć może chociażby stale rosnąca liczba otwartych procesów rekrutacyjnych dla specjalistów w tej dziedzinie czy wyniki raportów publikowanych przez wiodące firmy analityczne. Z danych opublikowanych chociażby przez IDC (International Data Corporation) jasno wynika, że przyszłość ML kształtuje się bardzo optymistycznie. Analitycy firmy przewidują, że do 2020 roku przychody wynikające z wykorzystania w biznesie systemów wykorzystujących Artificial Intelligence oraz Machine Learning sięgną poziomu 46 mld dolarów.

W jak sposób Machine Learning zmienia branżę Business Intelligence? Niewątpliwie uczenie maszynowe wpływa na pracę analityków czyniąc ją znacznie bardziej wydajną. Pozwala ponadto skoncentrować się na tym, co w całym procesie najistotniejsze – wyciąganiu wniosków, doszukiwaniu się implikacji biznesowych i planowaniu kolejnych logicznych korków przeprowadzanych analiz. Można zatem powiedzieć, że Machine Learning pomaga analitykowi w efektywnym poszukiwaniu odpowiedzi na nurtujące go pytania. Sprawia, że jest on nie tylko wydajniejszy, ale również dokładniejszy. Ma tym samym możliwość rekomendowania działań, które w większym stopniu wpływają na biznes. I choć w dużej mierze uczenie maszynowe wyręcza analityka w codziennych obowiązkach, jego udział w procesie analitycznym wciąż jest niezbędny. By jednak pozostać konkurencyjnym musi być otwarty na nowe technologie i świadomy korzyści jakimi przy właściwym wykorzystaniu mogą skutkować dla biznesu.

Wykorzystanie możliwości Natural Language Processing

NLP, czyli Natural Language Processing, po części wiąże się z tematami sztucznej inteligencji, uczenia maszynowego i uczenia głębokiego. Nie jest tym samym czymś zupełnie nowym. O możliwości zastosowania przetwarzania języka naturalnego w obszarze Business Intelligence i korzyściach płynących z takiego działania mówiono już przed laty. Nie bez powodu już w 2008 roku amerykański gigant SAS przejął firmę Teragram, będącą dostawcą oprogramowania przeznaczonego do analizy języka naturalnego. O ile próby rozszerzenia funkcjonalności systemów analitycznych o narzędzia umożliwiające obsługę danych gromadzonych w nieusystematyzowany sposób z sukcesami podejmowano w ubiegłych latach, o tyle w bieżącym roku analitycy spodziewają się ich znacznego nasilenia.

Jakie może mieć to przełożenie na działanie systemów klasy Business Intelligence? Korzyści płynących z wykorzystania stale rozwijających się możliwości NLP jest niewątpliwie wiele, jednak to co najważniejsze z punktu widzenia branży to niewątpliwie możliwość automatyzacji znacznej części procesu analizy dokumentów tekstowych. Mowa między innymi o analizie wyników badań ankietowych, sondaży, a także informacji zwrotnych pochodzących chociażby od klientów. Warto przy tym zauważyć, że zastosowanie przetwarzania języka naturalnego jest znacznie szersze. Doskonały przykład stanowi rozwoju systemów analitycznych sterowanych za pomocą… głosu. Zastąpienie zapytań tworzonych chociażby w języku SQL komendą głosową stanowi niewątpliwie ogromny krok w przód. Stwarza bowiem możliwości nieograniczonego korzystania z systemów analitycznych nie tylko analitykom, posiadającym odpowiednie kompetencje techniczne, ale również wszystkim zainteresowanym i osobom decyzyjnym w firmie. Więcej o możliwościach wynikających z zastosowania Natural Language Processing w obszarze BI oraz korzyściach płynących z takiego działania pisaliśmy jakiś czas temu w kontekście przejęcia przez Tableau firmy ClearGraph – link.

Koncentracja na danych i ich właściwym zabezpieczeniu

Dane mają dziś dla organizacji ogromną wartość, stąd też czymś naturalnym jest rosnąca na nich koncentracja. Mowa nie tylko o prawidłowym zabezpieczeniu firmowych danych, ale również o przemyślanej ich architekturze, selekcji i jakości. Nawet najbardziej zaawansowane procesy analityczne i modele predykcyjne, stworzone przy wykorzystaniu uczenia maszynowego bądź sztucznej inteligencji, nie będą stanowić wsparcia decyzyjnego dla organizacji, jeśli „wkład”, a więc dane wejściowe będą niskiej jakości. Niekompletne, nieaktualne bądź z innego względu wadliwe dane nie tylko stwarzają ryzyko podjęcia niewłaściwej decyzji biznesowej, ale też generują niepotrzebne koszty. Jak zarządzać danymi w organizacji? Doskonale opisuje to Kelle O’Neal, założycielka i CEO First San Francisco Partners, która podkreśla, że w przeszłości przez Data Governance rozumiano kontrolę i bezpieczeństwo danych, zaś dziś termin ten odnosi się do ich wartości:

Governance should be about ensuring that data adds value to the enterprise, as well as enabling the enterprise to derive value from data”.

Rosnąca rola działań analitycznych, która jest niezaprzeczalnym faktem, a także wyzwania jakie stwarza ich pozyskiwanie i gromadzenie, wpływają również na istotne zmiany struktur organizacyjnych przedsiębiorstw. Coraz częściej bowiem pojawiają się w nich stanowiska: Chief Data Officer (CDO) bądź Chief Analytics Officer (CAO). Czym zajmują się tacy specjaliści? Najogólniej rzecz ujmując przejmują oni kontrolę nad szeroko rozumianymi inicjatywami BI, zarządzaniem danymi, budową modeli analitycznych, a ponadto rekomendują zmiany w procesach biznesowych i przedstawiają na wszystkich szczeblach organizacji wartości płynące z analizy danych. W organizacjach, które nie posiadają jeszcze dedykowanych ról CDO bądź CAO, komórka Business Intelligence podlega zwykle pod Chief Information Officera (CIO) i tym samym konkuruje z innymi strategicznymi projektami i inicjatywami IT, za które on również odpowiada. Nierzadko struktura taka prowadzi do hamowania rozwoju komórki analitycznej i realizowanych przez nią projektów, a ponadto nadmiernie obciąża CIO, którego rola również nieustannie ewoluuje. Wymaga bowiem coraz większej, strategicznej wręcz koncentracji na kwestiach zapewnienia bezpieczeństwa gromadzonych przez organizację danych, co stanowi kolejny, niezwykle istotny trend w obszarze Business Intelligence.

Rosnące znaczenie chmury

Rosnąca rola rozwiązań chmurowych to trend, który tyczy się nie tylko segmentu BI, ale również szeroko rozumianego obszaru Big Data, o czym pisaliśmy wcześniej – link. Prowadzenie analityki biznesowej w chmurze ma niewątpliwie wiele zalet, dlatego też zarówno w 2018 roku jak i kolejnych latach można się spodziewać dynamicznego rozwoju takich narzędzi. Na rynku dostępnych jest dziś wiele gotowych rozwiązań BI w chmurze, które wymagają jedynie zasilenia danymi. Istnieją ponadto rozwiązania hybrydowe, które łączą zainstalowany lokalnie w organizacji system Business Intelligence z mocą obliczeniową i innymi funkcjonalnościami oferowanymi przez dostawców usług chmurowych. To, co najskuteczniej przekonuje organizacje do korzystania z takiej alternatywy to niewątpliwie koszty. Rozwiązania chmurowe są stosunkowo tanie i pozwalają na uniknięcie dużych, jednorazowych kosztów związanych z wdrożeniem systemu, co jest nie do uniknięcia przy wyborze tradycyjnej ścieżki. Czy w każdej sytuacji chmura jest lepsza? Nie można w jednoznaczny sposób odpowiedzieć na tak postawione pytanie. Każdorazowo wybór optymalnego rozwiązania powinien być poprzedzony gruntowną analizą potrzeb biznesowych organizacji.

Kolejna istotna kwestia związana z chmurą to niewątpliwie bezpieczeństwo danych. Dane i przeprowadzane na ich podstawie analizy stanowią bardzo często tajemnice firmową, stąd też nie powinny dostać się w niepowołane ręce. Transfer danych poza strukturę organizacji to z jednej strony pewne ryzyko, jednak z drugiej szansa na jeszcze lesze ich zabezpieczenie. Przemysłowe standardy bezpieczeństwa, jakie stosują dostawcy systemów chmurowych, to zdaniem wielu specjalistów gwarancja prawidłowego zabezpieczenia firmowych danych.

Zwrot ku Self-Service BI i Mobile BI

Demokratyzacja dostępu do danych i systemów Business Intelligence przejawia się między innymi w rozwoju samoobsługowych  systemów analitycznych (self-service BI). Systemów, które przenoszą dużą część obowiązków analityka czy specjalisty IT na użytkownika końcowego – przedstawiciela biznesu potrzebującego precyzyjnej i szybkiej informacji na temat konkretnego wycinka podległej mu działalności biznesu. W standardowym modelu chęć uzyskania dedykowanego raportu wymaga pośrednika, przez co wiąże się z koniecznością oczekiwania oraz ryzykiem niezrozumienia zgłoszonych potrzeb i oczekiwań. Systemy self-service BI eliminują te niedogodności decentralizując dostęp do firmowych baz danych.

Dostępne w czasie rzeczywistym, spersonalizowane raporty to szansa na szybsze działanie i podejmowanie bardziej świadomych decyzji. A te jak wiadomo podejmowane są w różnych okolicznościach i porach dnia – nie tylko w biurze w standardowych godzinach pracy, ale również w podróży, podczas spotkań z partnerami biznesowymi itd. Krytyczne staje się tym samym umożliwienie dostępu do systemu BI w dowolnym miejscu i w dowolnym czasie. Na potrzeby te odpowiadają coraz popularniejsze systemy Mobile BI, których uruchomienie jest możliwe z poziomu dowolnego urządzenia mobilnego. Na rynku dostępnych jest już wiele tego typu narzędzi, jednak analitycy spodziewają się dynamicznego rozwoju w tym segmencie w najbliższych latach. Można zatem przypuszczać, że już wkrótce mobilny dostęp do platform analitycznych stanie się czymś zupełnie naturalnym.

Share This