Vrnimo se k problemu enotnosti podatkov. Za pravilno poslovno odločanje je to ključnega pomena.
Predstavljajte si, da imate nalogo pripraviti letno poročilo za vodje podjetja. Glavni merjenec je število izdelkov, ki so šli na trg. Ta pokaže, da je bilo pri tem podjetje letos uspešnejše kot lansko leto. Z veseljem predate poročilo naprej. Istočasno je enako poročilo pripravil drug oddelek podjetja, ki pa je uporabil drugačno definicijo izdelka, ki gre na trg (mednje npr. niso šteli izdelkov , ki jim je pretekel rok uporabe, preden so jih uspeli prodati). Rezultati, ki jih je predstavil ta oddelek, kažejo veliko manj uspešno poslovanje podjetja. Komu naj vodja verjame oz. na podlagi katerega poročila sprejme nadaljnje odločitve?
Ta izmišljeni primer pokaže, da lahko že majhna neenotnost definicije vpliva na popolnoma drugačne rezultate, ki lahko posledično vodijo v nepravilno poslovno odločanje.
Ena resnica za pravilno poslovno odločanje
Zato je razumljiv pristop uporabe podatkovnega skladišča s poenotenimi definicijami. V tem primeru se BI skupaj s poslovnim oddelkom dogovori o definicijah, ki jih nato uporabljajo v poročilih. Kar je morda najpomembnejše: ko se o tem enkrat dogovori, velja ta definicija za vse. Če se tega dosledno drži, se lahko dosežejo enotna poročila iz različnih oddelkov.
Problem nastopi, ker v praksi ni trivialno definirati polja tako, da se zadosti vsem poslovnim pravilom različnih oddelkov. V tem primeru se uporabi drugačen pristop, največkrat z uporabo drugačne sheme podatkovnega skladišča, ali s pravili počasi spreminjajoče dimenzije. Vendar to presega okvirje in namen tega članka.
Podobno kot pri arhitekturi tudi tukaj ni recepta, ki bi zagotovil enotnost poročil in hkrati pokritje vseh zahtev oddelka za pravilno poslovno odločanje.
Besedišče
Izpostavil bi še tretjo lastnost poslovne inteligence, tj. besedišče.
V svetu razvoja programske opreme je programerjem jasno, kaj pomeni testiranje enot, dedovanje razredov ali pa docker. Ko se dva programerja pogovarjata, je včasih slišati kot nerazumljiv jezik s pridihom angleščine. Sam vidim glavni razlog za to poenotenost pojmov in s tem je obema takoj jasno, o čem drugi govori.
V svetu BI žal (še) ni tako. Menim, da je glavni “krivec” ravno razpetost med IT-jem in poslovnim oddelkom, kjer vsak uporablja svojo terminologijo. Tako je nastal nekakšen hibrid, ki služi kot most med tehničnim in poslovnim svetom. Seveda za to ni kriv kader na enem ali drugem področju, temveč sama narava cilja. Poslovni svet ga razume širše – kaj bi radi dosegli, medtem ko ga IT obravnava bolj v tehničnem smislu – kako implementirati, da bomo to dosegli.
Tako se lahko zapletemo med pojmi podatkovna baza, podatkovno skladišče, podatkovno jezero in še kakšen bolj domišljen izraz, ki ima spredaj pridevnik podatkoven. V resnici pa je za definiranje polja treba razumeti poslovno logiko in za ta namen lahko vse te tri izraze (poenostavljeno) razumemo kot “tam, kjer so podatki”.
Prediktivna analitika oz. kaj bo v prihodnje?
Za konec se ozrimo še v prihodnost. Vsekakor je poslovna analitika močno področje, ki se aktivno razvija. Če k temu dodamo še vsaj superlinearno če ne že kar eksponentno rast podatkov, je razumljivo, da se tudi pristopi za obdelavo podatkov spreminjajo. Drastično. Moorov zakon namreč pravi, da se procesorska moč podvoji vsaki dve leti. Vprašanje je, ali bo procesorska moč rastla sorazmerno s količino podatkov. V vsakem primeru imamo že na voljo rešitve, ki omogočajo obdelavo ogromne količine podatkov v zelo kratkem času. Tudi tukaj ni enotne rešitve, največkrat pa moramo za dosego takšne hitrosti spremeniti podatkovno strukturo in podatke prestaviti v oblak, kjer za naše poizvedbe oziroma izračune deluje na stotine ali celo na tisoče računalnikov naenkrat, povezanih med seboj. Očitne prednosti so, da ne potrebujemo lastne infrastrukture strežnikov (primerno ohlajenih, seveda), varnostnih sistemov v primeru požara ter varnostnih kopij podatkov.
Sliši se odlično, vendar plačamo po porabi procesorja/mreže. Vsak ponudnik se nekoliko razlikuje od načina zaračunavanja, vsem pa je skupna korelacija med količino obdelanih podatkov ter ceno, ki jo za to plačamo. Če bo rast podatkov še v prihodnje eksponentna, lahko takšne storitve hitro postanejo (pre)drage.
Končni KPI
Na Forumu poslovne analitike je bilo jasno zaznati, da se prisotni zavedajo predstavjenih izzivov in da se z njimi vsakodnevno spopadajo, nekateri bolj direktno, nekateri manj. Mislim, da so takšni dogodki odlična priložnost, da tudi na slovenskem trgu morda malo bolj poenotimo izraze iz sveta poslovne analitike in se na podlagi izmenjave mnenj lažje odločimo o izbiri arhitekture, prednostih oz. slabost enih in drugih pristopov ali pa se pogovarjamo o tem, kdo bo v prihodnje vodilni proizvajalec BI rešitev. Deljenje znanja in izkušenj s področja implementacije celovitih rešitev upravljanja s podatki je lahko ključno za pravilno poslovno odločanje.
Se vidimo prihodnje leto!
Marko Koležnik, specialist podatkovne integracije v Result d.o.o.
Še niste prebrali prvega dela bloga >>> Forum poslovne analitike: Kam gredo vsi podatki?
