V torek, 14. marca 2017, se je v Kristalni palači v Ljubljani odvil Forum poslovne analitike. Sodeč po številu obiskovalcev, so podatki in poslovna analitika vroča tema, saj so bila vsa razpoložljiva mesta zapolnjena.
Vzdušje je bilo odlično, polno pozitivne energije in čutiti je bilo radovednost udeležencev, kaj bo predstavljeno na dogodku. Navsezadnje je bil to prvi Forum poslovne analitike v Sloveniji.
Govorci so se dobro pripravili in teme so obsegale od tega, ali sodi poslovna analitika v IT ali morda v poslovni oddelek, pa do realnih primerov, kako je podjetju BI pomagal pri prepoznavi anomalij pri veliki količini podatkov.
Pri vseh predavanjih je bilo zaznati stičišča, skupni imenovalec. Izzive pa, s katerimi se vsakodnevno spopadajo, je moč razdeliti v naslednja področja:
– kako postaviti arhitekturo,
– konsolidacija in preverjanje točnosti podatkov za zaupanje v podatke,
– postavitev kazalnikov uspešnosti.
Zanimivo je bilo opazovati predstavitev izzivov, ki so si sicer sorodni, a je bila terminologija govorcev zaradi različnih kontekstov zelo raznolika.
Na kratko bom poskusil razdelati ključne stvari, ki so se mi vtisnile na podlagi omenjenih izzivov.
BI ali ne BI?
Dejstvo je, da se količina podatkov veča. K temu nedvomno prispevajo tudi vse naprave, ki postajajo pametnejše in zmeraj več jih zna sporočati podatke, pa naj bodo to pametni telefoni, avtomobili ali pa domač hladilnik. Prav tako se je čez leta nabralo veliko zgodovinskih podatkov, z na primer meteoroloških postaj, seizmoloških postaj in navsezadnje podatki z nogometnih tekem.
Nekako čutimo potrebo, da bi izmerili vse, kar se da. In to tudi počnemo. Podatki so pač vsepovsod.
Kam gredo vsi podatki?
Potreba po skladiščenju in obdelavi podatkov se je pokazala že zelo zgodaj. Prvo relacijsko bazo je izdalo podjetje Relational Software že leta 1979. Poimenovali so jo Oracle. Danes poznamo to podjetje pod imenom Oracle Corporation in ni naključje, da je trenutno Oracle najbolj uporabljena baza. Relacijski model je resda najbolj razširjen, še zdaleč pa ni edini. Tako poznamo tudi ključ – vrednost baze, skladišče dokumentov, široko stolpčna skladišča in še mnogo drugih. Katero izbrati, je odvisno od več faktorjev in pa seveda zahtev. Zanimivo je, da je v uporabi preko 300 različnih baz, vendar jih 10 najbolj uporabljenih pokrije več kot 90 % vse uporabe.
Za namene poslovne analitike je navadno najbolj primerna zvezdna shema, njena izpeljanka snežinkasta shema ali še kakšna tretja izpeljanka. Pri teh konstrukcijah podatkovnega modela po navadi dobimo eno glavno tabelo s povezavami na več dimenzijskih tabel. Končen izris takšnega modela dá obliko zvezde ali snežinke, odvisno od prvotne izbire sheme. Te sheme lepo sovpadajo z arhitekturo relacijskih baz.
Če bi radi shranjevali dokumente uporabnikov, je boljša izbira skladišče dokumentov. Podobno, če shranjujemo uporabniška imena s pripadajočimi zgoščenimi vrednostmi gesel, npr. za kriptografski napad s slovarjem, bo ključ – vrednost baza primernejša izbira.
Podatke imamo. Pa sedaj?
Vsak, ki je kdaj obdeloval večjo količino podatkov, bo najbrž pritrdil, da je mukotrpno pregledovati tisoče in tisoče vrstic podatkov ter gledati, kje se skriva anomalija ali podatek, ki ga iščemo. Zato se je pokazala potreba po temeljitejši obdelavi podatkov in prijaznemu prikazu le-teh.
Leta 1958 je računalniški strokovnjak Hans Peter Luhn, zaposlen pri IBM, napisal prelomni članek z naslovom “A Business Intelligence System”, ki ga opiše kot “avtomatiziran sistem … razvit za razširitev informacij na različnih oddelkih industrije, znanstvenem področju ali v vladnih organizacijah.”
V Sloveniji se je uveljavil izraz poslovna analitika in ne poslovna inteligenca, čeprav še vedno zasledimo oboje. Glede na to, da se je angleški izraz intelligence močno uveljavil po drugi svetovni vojni, v času hitre rasti vladnih organizacij, prav tako pa je v tem času izšel zgoraj omenjeni članek, je moč razumeti izbiro imena. To potrdi tudi prvoten opis BI Hansa Petra Luhna, ki v osrednjo definicijo vključi vladne organizacije kot primarne uporabnike BI.
Danes BI razumemo nekoliko drugače. Websterjev slovar jo opiše kot: “Zmožnost predstavljanja dejstev na način, da s primernimi ukrepi vodijo proti želenemu cilju”. Še poenostavljeno povedano, BI je način, da hitro in enostavno predstavimo velike količine informacij, na podlagi katerih potem lahko delamo najboljše možne odločitve.
BI arhitektura
Definicija poslovne analitike je precej abstraktna. V podjetju je oddelek za razvoj programske opreme npr. jasno določen v IT področje. Po drugi strani pa je oddelek vodenja določen v poslovno področje. Tukaj ima BI osrednjo težavo. Po eni strani mora omogočiti poslovnim oddelkom prikaz in posledično lažje poslovno odločanje, po drugi strani pa mora IT pripraviti podatkovni model, podatkovno skladišče, dimenzije, merjence in še mnogo ostalih, precej tehničnih stvari.
Ravno to je bila tudi rdeča nit Foruma poslovne analitike.
Ni jasno določeno, kam umestiti BI in kakšne pristope uporabiti, da bi karseda zadostili poslovnim potrebam. Tako je eden izmed glavnih govorcev odlično predstavil, kako so to uredili v njihovem podjetju. Poudaril je, da nimajo BI ekipe, ampak BI iniciativo. Njihov oddelek sodeluje s poslovnimi oddelki pri definiranju poslovnih pravil, ki jih nato skupno implementirajo ter pripravijo standardna poročila. To je le eden izmed pristopov, ki se korenito oddalji od pristopa, ki so ga ubrali v drugem podjetju, kjer BI uvrščajo v oddelek kontrolinga. Delovanje tega oddelka se približa pristopu timskega dela, ki je bolj zaprt kot iniciativa. Poslovne zahteve definirajo sami in osnova za standardna poročila gre preko enotnega podatkovnega skladišča. Tako dosežejo enotnost podatkov, ki pa je naslednji osrednji problem.
Preden si ga podrobneje ogledamo, naj povem, da ni jasne ločnice med dobro in slabo prakso, med pravilnim in nepravilnim pristopom postavljanja BI arhitekture. Večina govorcev je poudarila, da je treba postaviti arhitekturo tako, da bo olajšala delo poslovnega odločanja in se ne držati monolitnega kalupa “samo en način je pravilen”. Na kratko, za določeno delo s podatki je potrebno izbrati pravo orodje.
Nadaljevanje bloga >>> Forum poslovne analitike: Pravilno poslovno določanje
Marko Koležnik, specialist podatkovne integracije v Result d.o.o.
