Do obróbki danych służy wiele narzędzi. Chyba każdy, kto pracuje z danymi, korzysta z arkuszy kalkulacyjnych. Są to najprostsze i najbardziej dostępne narzędzia, z najniższą barierą wejścia – można w nich “obrobić” dane na przykład do prezentacji lub przygotowania plików wsadowych.
Na wyższym poziomie zaawansowania są narzędzia, które dają bezpośredni dostęp do bazy danych, jak na przykład Oracle sql developer czy Microsoft SQL server. Za pomocą tego typu programów (wykorzystujących język sql) można tworzyć zapytania, które zwrócą dane użytkownikowi.
Jeszcze większe możliwości oferuje Python i właśnie ze względu na swoją wszechstronność tak dobrze sprawdza się w analizie danych. Jako narzędzie open source jest popularny i powszechnie używany, dzięki temu “dorobił się” wielu różnych bibliotek. Trywialnym stwierdzeniem jest, że w Pythonie można zrobić wszystko – ale to prawda. Jak to możliwe? Wszystkie formaty można przerobić na data frame, następnie wykonywać na nich wszelkie możliwe operacje, a wyniki udostępniać w innych formatach danych.
Sztuczna inteligencja to jeszcze “wyższa szkoła jazdy”. Wiem, że usprawnia podejmowanie decyzji na podstawie danych i… to wszystko, co o niej wiem. Jak działa – nie wiem. Dla mnie to taki – przynajmniej na razie – black box.
I wreszcie – ostatnia grupa narzędzi do obróbki i prezentacji danych, czyli Business Intelligence. Oprogramowanie tej klasy jest rozwijane przez różnych dostawców od ponad 20 lat. Jak działa? Mówiąc w uproszczeniu, narzędzia te łączy się ze źródłem danych poprzez wskazanie bazy z określeniem jej typu. Są wyposażane w coraz więcej przydatnych funkcji i usprawnień, aby coraz lepiej radziły sobie z obróbką coraz większej ilości danych i ich przetwarzaniem – w informacje, które pomogą kadrze zarządzającej podejmować dobre decyzje biznesowe.
Business Intelligence to jednak tylko narzędzia. To człowiek musi je skonfigurować i zoptymalizować, aby zadziałały prawidłowo. W przeciwnym razie albo w ogóle nie uda się wygenerować raportu, albo, co może gorsze, dane w nim zaprezentowane będą błędne, co spowoduje podjęcie złej decyzji biznesowej.
Według mnie, najważniejsze korzyści to możliwość łączenia danych z wielu źródeł oraz bezpieczeństwo danych. Administrator systemu decyduje, jaki zakres uprawnień nadaje konkretnemu użytkownikowi: do wglądu w cały raport czy tylko w jego część? W razie potrzeby, może uniemożliwić wybranej osobie wygenerowanie raportu, blokując dostęp do danych.
Kolejną zaletą tego rodzaju oprogramowania jest skalowalność. Oznacza to, że można je stopniowo wprowadzać do użycia w organizacji, do procesu podejmowania decyzji biznesowych, na różnych poziomach – od strategicznego, przez taktyczny do operacyjnego.
- Poziom strategiczny – to analiza, której celem jest wskazanie aktualnych i przyszłych mocnych “stron” oraz rozwojowych obszarów organizacji, a także potencjalnych zagrożeń, uniemożliwiających rozwój. Podejście strategiczne jest niezbędne, aby planować rozwój firmy w długim okresie.1
- Poziom taktyczny – decyzje, które wpływają na szybkość i zwinność firmy w codziennych działaniach.
- Poziom operacyjny – dotyczy bieżących obowiązków i zadań pracowników.
W przypadku narzędzi Business Intelligence typu self-service największym udogodnieniem dla użytkowników jest możliwość samodzielnego wygenerowania raportu i jego łatwe udostępnienie – jednorazowe lub cykliczne, za pomocą paru kliknięć. Dane można przeglądać na różnym poziomie szczegółowości, z uwzględnieniem czasu i trendów, w dowolnym urządzeniu: komputerze, tablecie czy smartphonie. Deweloperzy Business Intelligence mogą przygotować widoki dostosowane do preferencji użytkowników.
Aplikacje Business Intelligence oferują prostą i czytelną formę prezentacji danych, zarówno w widoku tabelarycznym, jak i na różnego rodzaju wykresach. Można je wykorzystywać do analizy bieżącej sytuacji (np. sprzedaży w porównaniu do poprzednich lat), do analizy statystycznej lub predyktywnej. W zasadzie wszystko sprowadza się do stworzenia odpowiednich KPI, czyli tego, co chcemy mierzyć. Podstawowe możliwości polegają na prezentowaniu tego, co już się wydarzyło (np. wyników sprzedaży w poprzednim kwartale). Jednak aplikacje i ich algorytmy stają się coraz mądrzejsze i na podstawie różnych trendów pomagają również przewidzieć przyszłość. Coraz częściej są też wspierane przez sztuczną inteligencję, więc ich możliwości stale się zwiększają.
Jak przedstawić dane, czyli dashboardy
W mojej karierze pracowałem dla największych korporacji, które nie dość, że generowały ogromne ilości danych, to także konsumowały dane z różnych, w tym ogólnodostępnych źródeł. Moją rolą jako analityka systemów bazodanowych było zbieranie wymagań funkcjonalnych, niefunkcjonalnych, a także tak zwanych wymagań przejścia.
Wymagania niefunkcjonalne najczęściej dotyczą bezpieczeństwa danych, określenia dostępu do danych, terminu ich mergowania oraz godziny przeliczenia.
Zdecydowanie ciekawszym i trudniejszym zadaniem jest opracowanie wymagań funkcjonalnych do przygotowania dashboardu. Oprócz ustalenia, co biznes chce zobaczyć na dashboardzie, trzeba określić, jak powiązać dane z różnych źródeł – te wygenerowane przez organizację z tymi spoza organizacji. Często trudne bywa nawet łączenie źródeł danych w ramach organizacji. Okazuje się na przykład, że drugi zespół udostępnia dane na zasadzie zewnętrznego źródła, co oznacza, że odmawia podpięcia się pod tabele źródłowe. Efekt? Dostęp do danych jest możliwy poprzez różne obejścia, jak np. cykliczny mail z raportem. Traci się przez to czas na tworzenie obejść i niejednokrotnie pracę ręczną.
MOŻE CIĘ TAKŻE ZAINTERESOWAĆ: DASHBOARDY W SALESFORCE – JAK WYKORZYSTAĆ ICH POTENCJAŁ?
Nie będę odkrywcą, pisząc, że zbieranie wymagań od biznesu i współpraca z nim może być czystą przyjemnością lub po prostu obowiązkiem do wykonania. Większość moich dotychczasowych doświadczeń jest pozytywna: pracowałem w projektach, w których biznes wiedział, czego chce, jakimi danymi dysponuje i co chce z nich “wyczytać”. Rozumiał też ograniczenia, np. technologiczne i uczestniczył w poszukiwaniu rozwiązań. Nie blokował zgłoszonych propozycji, nie zgłaszał wymagań, które były niespójne, czyli odbiegały od przyjętych wcześniej założeń.
Zdarzało mi się też współpracować z biznesem, który – niestety – nie wykazywał takiego zrozumienia dla naszej analitycznej pracy. W takiej sytuacji analityk również musi umieć sobie poradzić, ponieważ pełni w projekcie odpowiedzialną funkcję – jest głównym łącznikiem między interesariuszami a sponsorami. Od jego umiejętności zależy w dużej mierze sukces projektu. Musi więc umieć skategoryzować dane, przeanalizować je i zaprezentować. Potrzebna do tego jest nie tylko spora praktyka, ale także wiedza domenowa z danej branży.
Każda firma generuje i przetwarza informacje. Jeżeli spełniają one standard (czyli: są dostarczane w odpowiednich terminach, dokładne, wartościowe i przydatne), to po ich analizie management firmy powinien być w stanie podejmować decyzje na wszystkich poziomach, od procesów operacyjnych, przez taktyczne do strategicznych. Nie każda firma potrzebuje narzędzi business intelligence do podejmowania decyzji. Grunt, aby management miał pewność, że może polegać na danych. Jakie narzędzie zostanie użyte do ich prezentacji to, według mnie, efekt decyzji, na jakie rozwiązanie daną firmę stać.
I wreszcie: wartość znajduje się nie w danych wejściowych, ale w wynikach.
Bibliografia
2. IIBA Babok Guide v3
- Business and System Analyst
-
Analizą biznesową zajmuje się od 6 lat. Pracował zarówno dla polskich, jak i zagranicznych firm, m.in. z branży usługowej (benefity pracownicze, ubezpieczenia). Aktualnie zaangażowany w projekty dla branży medycznej (life science). W pracy lubi rozwiązywać problemy, dlatego tak chętnie skupia się na optymalizacji procesów i szukaniu rozwiązań, wspierających potrzeby użytkowników aplikacji. W zespole lubi dzielić się wiedzą, doświadczeniem i… dobrym żartem.
