Поставщики аналитических решений постоянно добавляют в свои продукты новые возможности, но чтобы воспользоваться их преимуществами, компаниям нужно усвоить несколько важных уроков. Опрошенные порталом InformationWeek эксперты ведущих исследовательских компаний рассказывают о том, что нужно учесть.

Поставщики BI-платформ и средств аналитики начали более активно предоставлять расширенные аналитические функции, которые увеличивают возможности так называемых гражданских специалистов по обработке данных. В частности, они подключили средства для понимания естественного языка, чтобы пользователям было легче осуществлять запросы и воспринимать результаты. Фактически взаимодействие между ними и системой проходит в форме «разговора». Инструменты расширенной аналитики также поставляются с предварительно подготовленными моделями машинного обучения, что дает возможность пользователю в один клик делать прогнозы, выявлять тенденции и их развороты, аномалии, исключения — задачи, которые ранее не обходились без участия профессиональных специалистов по данным.

Другими словами, BI-платформы двинулись в направлении упрощенного моделирования, но многим предприятиям еще предстоит пройти долгий путь, прежде чем их бизнес станет действительно «инсайт-ориентированным». Вице-президент и главный аналитик Forrester Борис Эвелсон приводит следующие данные: «Только 7% фирм задействуют передовые, основанные на аналитике методы; в аналитические базы данных и приложения попадает менее 20% всех исходных бизнес- и операционных данных; аналитические приложения корпоративного уровня применяют только 20% информационных работников».

Несмотря на то, что поставщики решений для расширенной аналитики постоянно пополняют их новыми функциями, предприятиям нужно правильно построить работу с ними.

В чем кроются сложности при работе предприятий с аналитикой

Поставщики BI- и аналитических платформ конкурируют друг с другом настолько жестко, что, как говорит Эвелсон, он не видит между ними особой разницы. Как только один поставщик вводит новую функцию, она сразу же попадает в следующие релизы других вендоров. Однако причины, по которым предприятия не реализуют свои аналитические цели, связаны не столько с технологиями, сколько с процессами и людьми. «Технологии — это лишь небольшая часть уравнения успеха. Остальные части — люди, процессы, данные, стратегия и то, сколько руководители готовы инвестировать, — сказал Эвелсон. — Главная причина, по которой предприятия до сих пор не воспользовались всеми преимуществами расширенной аналитики, никоим образом не связана с технологией».

Однако технология также играет свою роль. Например, хотя реляционные и многомерные базы данных могут ответить на многие вопросы, для понимания взаимосвязей необходимы графовые базы данных. «Когда вы достигнете трех или четырех степеней разделения, качество работы традиционных аналитических решений упадет, поэтому вам понадобится что-то вроде графовой аналитики», — считает Эвелсон. По его словам, также предстоит еще проделать большую работу по созданию семантического слоя поверх аналитики. Кроме того, аналитика предыдущего поколения не решала дилемму «я не знаю, чего я не знаю» (unknown unknowns).

«Почему у нас нет системы, работающей в фоновом режиме, которая может обнаружить что-нибудь интересное, например аномалию, исключение или разворот тренда без запроса? — задается вопросом Эвелсон. — Мы рассматриваем расширенную аналитику как push-аналитику (движение аналитики навстречу пользователю), тогда как раньше мне нужно было извлекать информацию, запрашивать ее (pull-аналитика, движение пользователя навстречу аналитике)». Технологии такого типа начинают появляться. Forrester называет этот сегмент рынка «Anomaly Detection» (обнаружение аномалий), но он еще находится в зачаточном развитии.

Стратегии вендоров

Несмотря на то, что BI всегда ассоциировалась с отчетами, а аналитика — с дашбордами (панелями мониторинга), и у BI-поставщиков и у поставщиков аналитических платформ имеются как функции для формирования отчетности, так и дашборды. Совсем недавно они добавили возможности расширенной аналитики. Дашборды позволяют отслеживать ключевые показатели эффективности. Они также предоставляют интерактивные возможности, такие как фильтрация, сортировка и сводка, чтобы пользователи могли анализировать данные разными способами.

«Проблема в том, что это работа, которая выполняется исключительно ручную. Помимо прочего, ее не так просто сделать, если вы не являетесь квалифицированным аналитиком, — говорит заслуженный вице-президент и партнер Gartner Рита Саллам. — Мы рассматриваем расширенную аналитику как инструмент, который выходит за рамки парадигмы дашбордов». Расширенная аналитика автоматически генерирует информацию на основе запросов на естественном для пользователей языке, избавляя от необходимости взаимодействовать с дашбордами. Возможности поиска и описания на понятном языке упрощают ее использование, что делает ее более подходящей для опытных гражданских специалистов по данным.

Важность обучения

Инструменты расширенной аналитики скрывают от пользователя ее сложность, но эта простота лишь кажущаяся и она не заменяет аналитическое мышление. Большинству бизнес-сотрудников не помещало бы обучиться анализу данных. «Чем больше вы автоматизируете, тем больше вам нужно обучать людей, — советует Саллам. — Раньше мы обучали людей тому, как пользоваться этим инструментом. Теперь мы должны научить людей критическому мышлению, использовать данные в контексте и понимать на уровне концепции, что является действительно важным, а что нет. Это позволит им правильно оценивать идеи, которые им предоставляются автоматически».

Более важный вопрос заключается в том, согласуется ли аналитическая работа с бизнес-целями предприятия, потому что полученные идеи могут иметь минимальную ценность или вообще ее не иметь, если они не соответствуют тому, чего компания пытается достичь. Еще один важный момент: гражданские специалисты по данным не могут заменить профессионалов. И те, и другие должны работать вместе, поэтому гражданским специалистам нужно улучшать свои навыки в области данных. «Аналитик или потребитель не может принимать во внимание непроверенные результаты, — говорит она. — В этом плане сотрудничество между экспертами и появляющимся классом гражданских специалистов по данным имеет решающее значение».

Ведущий специалист PwC по ИИ Ананд Рао рассказал, что все сотрудники компании проходят обучение цифровым технологиям, включая аналитику данных и интеллектуальную автоматизацию, потому что обе эти технологии связаны между собой. «Мы не ждем того, что они станут специалистами по обработке данных, программистами Python или разработчиками ПО, но мы хотим, чтобы они знали, что делает система, почему она это делает, как задавать правильные вопросы, а также чтобы они понимали основные риски, связанные с качеством рекомендаций, выдаваемых системой. Не нужно принимать все на веру, но нужно уметь распознавать, когда они противоречат вашей интуиции. Я думаю, что такое обучение очень необходимо во всех сферах», — советует он.

Выводы

Инструменты расширенной аналитики помогают организациям стать более проницательными, но инструмент — это всего лишь инструмент. Предприятиям необходимо проделать немалую работу, чтобы привести данные к тому состоянию, когда они станут пригодными для анализа. Достичь этого можно при помощи определенных усилий, включая управление данными и обеспечение безопасности, а также обучение пользователей расширенной аналитике, чтобы они могли повышать ценность бизнеса с помощью новых идей.