Три кита будущей аналитики


Автор: TAdviserВремя прочтения: 6 минДата публикации: 04.09.2020
Теги: бизнес-аналитика, подкаст, эксперт

Слова «искусственный интеллект» не значат ничего, если нет данных. Не больше они значат, если данные есть, но нет систем, способных данные собирать, обрабатывать и показывать пользователям. Слава богу, с данными у нас все хорошо: IDC оценили, что сейчас, в этом году, в мире существует 40 триллионов гигабайт (то есть 40 зеттабайт) данных. Аналитических систем и систем бизнес-аналитики на рынке тоже много. Разберемся с ними в подкасте эксперта департамента аналитических решений ГК «КОРУС Консалтинг» Светланой Вронской.

Большая часть функциональности существующих сейчас BI-решений очень похожа. Да, есть различия в форматах хранения данных, отличается внешний вид дашбордов, но в целом представленные системы для бизнес-анализа остаются «родственниками».

Для того, чтобы выделиться на фоне конкурентов, производители BI должны следовать нескольким тенденциям. И, если честно, самые передовые уже делают это. Итак, что это три кита, на которых бизнес-аналитика будущего сможет крепко стоять на ногах.

Первый и важный пункт – самостоятельная работа с BI, так называемая self-service BI. Это означает, что роль ИТ при внедрении и поддержке BI минимизируется, бизнес-аналитик либо станет data scientist-ом, либо исчезнет как класс, так как бизнес-пользователи будут сами делать все. А у пользователей появятся широкие возможности для самостоятельной работы с данными, использования встроенных инструментов машинного обучения, интерактивного изучения данных, аналитики на основе поисковых запросов и самостоятельной подготовки данных в любых разрезах.

Звучит очень здорово, однако есть несколько «но». Во-первых, до сих пор, несмотря на наполеоновские планы по внедрению self-service BI, команды аналитиков проводят большую часть времени для того, чтобы самим анализировать данные, а не для того, чтобы помогать самим пользователям это делать. Второй риск заключается в том, что многие пользователи просто не умеют обращаться с исходными данными, а о возможностях для обучения этим навыкам пока подумали не все компании. И третий спорный момент, который надо учесть при внедрении системы self-service BI, это опасность того, что пользователи начнут создавать собственные аналитические приложения для решения своих тактических задач, а не действовать в рамках единой стратегии по работе с данными.

Вторая вещь, наполняющая передовые BI, это дополненная аналитика (augmented analytics). По сути этот термин означает возможности искусственного интеллекта и, в частности, машинного обучения, которые тот самый self-service BI и будут помогать внедрять в жизнь. Дополненная аналитика помогает пользователям, подсказывая, где и какие данные брать для анализа, как лучше располагать результат анализа на дашбордах, дает возможность расширенной работы c data discoverу и даже может объяснить, что означает тот или иной результат.

Увы, и здесь есть риски. Для начала, технология Augmented analytics только начала развиваться и поэтому несет риск утечки данных. Затем, как пессимистично подсчитали аналитики из Gartner, к 2022 году дополненная аналитика будет использоваться повсюду, но только 10% аналитиков будут использовать ее в полном объеме. Что означает, что до пользователей эти возможности могут не дойти еще дольше.

И последний столп будущего успеха системы бизнес-аналитики – это внедрение технологии Интернета вещей. Передача данных с датчиков с помощью систем Интернета вещей – актуальнейшая вещь, так как во многих случаях использования BI (например, на сложном производстве, добыче полезных ископаемых) не всегда возможно передавать данные для обработки в какой-то централизованный хаб, а оттуда в BI. Данные приходится сразу стримить в BI и там же обрабатывать. Поэтому все вендоры будут встраивать функциональность для получения и обработки данных от IoT-устройств/систем.

Так как, по прогнозу того же Gartner, к 2025 году 80% всей потребительcкой и промышленной электроники будут иметь функциональность по анализу работоспособности устройств, значение подобных возможностей трудно переоценить. Они особенно будут востребованы при автономной работе устройства: к примеру, интеграция в режиме реального времени к центральному процессору обработки данных и аналитики может быть невозможна для беспилотных автомобилей или устройства на дне океана.

Однако и Интернет вещей потребует новых навыков от сотрудников, которые работают с аналитикой. Неспособность заранее обучить их этим навыкам приведет к тому, что компании не смогут использовать данные с датчиков IoT и потеряют в эффективности.

Итак, производители аналитических систем запомнили эти тенденции и начали думать об их встраивании в свои системы. Что же делать в это время пользователям – компаниям, которые хотят получать достоверную информацию о своей деятельности и оперативно на нее реагировать.

Мне кажется, что им стоит подумать о следующем.

Внедрение нескольких аналитических систем — это норма на международных рынках. Мультивендорный подход в работе с аналитикой обеспечит возможность целиком взглянуть на компанию. Безусловно, управление и поддержка различных аналитических платформам - длительный процесс, который требует значительных ресурсов, но взяв лучшее от проверенных вендоров, организации смогут быстрее воспользоваться той новой функциональностью, о которой мы сегодня говорили.

При этом компании должны управлять своими аналитическим системами как единым комплексом. Поэтому очень важно задействовать специалистов – внутренних или подрядчика - консалтинговую компанию, которая не просто внедрит решение по визуализации или разработает хранилище данных, а сможет создать централизованную целевую архитектуру для полноценной работы с данными на всех уровнях компании.

И, конечно, пользователи BI не должны забывать про риски. Это и некорректное использование данных: ведь чем больше прав вы даете пользователям, тем больше шансов, что они неверно ее используют; и сбор зоопарка аналитических систем, которые внедрялись в разное время и в которых уже невозможно разобраться. И важный момент, о котором я уже упоминала сегодня - отсутствие обучения. Введение таких новых процессов, как самостоятельное управление, подготовка данных и работа с аналитикой, могут свести пользователей с ума. И, как вы сами понимаете, явно не добавит успеха новой BI-системе.

Но если помнить об этих правилах и подстегивать производителей побыстрее вводить в строй self-service BI, дополненную аналитику и интеграцию с Интернетом вещей, то единая точка правды в вашей компании будет еще точнее.

Иcточник: TAdviser

Читайте также