Встроенная аналитика предлагает новый уровень BI

Бизнес-аналитика (BI) — мощный инструмент для организаций, но он связан с серьезным обучением и значительными инвестициями в инфраструктуру. В связи с этим поставщики аналитики все чаще предлагают встроенные в приложения решения, часто реального времени и управляемые API, — как способ вывести BI на новый уровень, сообщает портал ComputerWeekly.

Идея использования данных для принятия более эффективных решений хорошо известна. Однако традиционный подход, основанный на инструментах отчетности и анализа, предполагает использование специализированных приложений и высококвалифицированного персонала. Часто компании сталкиваются с тем, что для сбора данных и управления инструментами, а также для построения запросов им приходится создавать команды специалистов по анализу данных.

Это создает узкие места в потоке информации, так как бизнес-подразделения для изучения данных и подготовки отчетов полагаются на команды специалистов. Несмотря на то, что с переходом от электронных таблиц к визуальным информационным панелям инструменты отчетности значительно улучшились за последнее десятилетие, между данными и лицами, принимающими решения, все еще слишком большое расстояние.

Компаниям и организациям также приходится иметь дело с огромным количеством источников данных. Исследование IDC показало, что почти четыре из пяти компаний используют более 100 источников данных, а чуть менее одной трети — более 1000. Зачастую эти данные существуют изолированно.

В результате поставщики предлагают встроенную аналитику, чтобы приблизить пользователей к данным и привести к более быстрому и точному принятию решений. К известным мировым поставщикам в этой области относятся Thoughtspot, Qlik и Tableau, но такие лидеры в области BI и данных, как Informatica, SAS, IBM и Microsoft, также имеют соответствующие возможности.

Встроенная аналитика добавляет функциональность в существующее корпоративное ПО и веб-приложения. Благодаря этому пользователям больше не нужно заходить в другое приложение — обычно это приборная панель или даже сам инструмент BI — для просмотра данных. Вместо этого поставщики аналитики предлагают API для связи своих инструментов с основным приложением.

Встроенная аналитика может использоваться для предоставления мобильным и удаленным сотрудникам доступа к информации для поддержки принятия решений и даже, возможно, к данным в пути. Это выходит за рамки простых инструментов оповещения: системы со встроенной аналитикой позволяют пользователям получать визуализации и детализировать данные в реальном времени.

Технология используется даже для предоставления потребителям информации с учетом контекста. Например, Google использует аналитику для предоставления информации о загруженности того или иного места или сервиса, основываясь на таких переменных, как время суток.

Действительно, некоторые поставщики называют встроенную аналитику «Google для бизнеса», поскольку она позволяет пользователям получать доступ к данным без технических знаний или понимания аналитических запросов.

«Мое определение этой технологии в целом — это добавление аналитики в систему, — говорит Адам Мейер, директор по техническим продуктам компании Qlik. — Это не специализированный BI-инструмент, но зато вы не думаете о том, как анализируете данные. Это просто встроено для вас».

Тенденция к внедрению аналитики в другие приложения или веб-сервисы отражает реальность того, что на предприятиях гораздо больше людей, которые могут извлечь выгоду из идей, предлагаемых BI, чем пользователей традиционных BI-систем.

Предприятия также хотят повысить рентабельность инвестиций в сбор и хранение данных, предоставляя большему числу сотрудников доступ к имеющейся у них информации. А с развитием машинного обучения и искусственного интеллекта часть тяжелой работы, связанной с запросами данных, автоматизируется.

«Надо дать нетехническим пользователям возможность работать с данными, — говорит Дэмиен Брофи, вице-президент компании Thoughtspot в EMEA. — Привнести этот потребительский опыт, подобный опыту Google, в корпоративные данные. Дать доступ к данным тысячам людей, а не только пяти или десяти аналитикам в компании, которые затем создают контент для остальной части бизнеса».

Встроенная аналитика способна на том же уровне заменить статические отчеты, а в перспективе и приборные панели, без необходимости переключения приложений. Таким образом, специалист по управлению персоналом или цепочке поставок может просматривать и — в определенной степени — запрашивать данные, например, из своей системы управления персоналом или планирования ресурсов предприятия (ERP). Сервис-инженер может использовать встроенный в приложение модуль анализа для технического обслуживания для выполнения основных запросов «что если», чтобы проверить, лучше ли заменить деталь сейчас или выполнить мелкий ремонт, а полную замену произвести позже.

Встроенная аналитика для помощи в принятии решений

Агенты по обслуживанию клиентов также используют встроенную аналитику для принятия решений и адаптации предложений для клиентов.

Встроенные системы предназначены для работы с живыми данными и даже потоками данных, даже если пользователям не нужно углубляться в данные. Предприятия, скорее всего, будут использовать одни и те же данные для работы нескольких инструментов анализа: аналитики, специалисты по развитию бизнеса или финансисты будут применять свои собственные инструменты для выполнения сложных запросов, а агентам выездной службы или службы поддержки клиентов может понадобиться не более чем красный или зеленый сигнал светофора на экране.

«Основная идея заключается в том, что каждый раз, когда ваш традиционный процесс отчетности находит первопричину бизнес-проблемы, вы обучаете свое ПО — либо с помощью формальных правил „если — то — это“, либо с помощью МО — предупреждать вас в следующий раз, когда подобная ситуация может возникнуть», — говорит Дункан Джонс, вице-президент и главный аналитик Forrester.

Например, предположим, вам нужно проверить поставщиков, которые задерживают поставку важных товаров. «При старом подходе вы создавали отчеты о работе поставщиков, с KPI своевременной поставки и тенденциями, и просматривали их в поисках плохих исполнителей, — поясняет Джонс. — Новый подход заключается в создании представления на главном экране или приборной панели, которое постоянно предупреждает вас о плохих или быстро ухудшающихся показателях и запускает формальный рабочий процесс для записи предпринимаемых вами действий — например, установления связи с поставщиком, чтобы узнать, что он делает для устранения своих проблем».

Такой тип оповещения помогает предприятиям, поскольку ускоряет процесс принятия решений, предоставляя лучший доступ к данным, которыми уже располагает организация.

«Отчасти это отвечает потребности предприятий быстрее двигаться и оперативнее реагировать на проблемы, — говорит Джонс. — Это также эволюция технологии, позволяющая упростить внедрение встроенной аналитики оповещения».

Поставщики встраиваемой аналитики также используют тенденцию к тому, что предприятия все больше данных хранят в облаке, что облегчает связь с различными приложениями через API. Некоторые идут дальше и предлагают аналитические сервисы: компании может больше не понадобиться опыт в BI, поскольку поставщик может предложить свои собственные аналитические возможности. Опять же, это может происходить через облако, но результаты предоставляются пользователям в их собственном приложении. Можно пойти еще дальше и позволить разным пользователям анализировать данные в собственных приложениях, ориентированных на их рабочий процесс.

«Умное» медицинское устройство, например, ингалятор для лечения астмы, может предоставлять клинические данные человека его врачу, а анонимизированные и агрегированные данные — производителю, чтобы он мог лучше планировать мощности по производству лекарств.

«Данные сейчас меняются так быстро, что вам действительно нужна внутридневная отчетность, — говорит Ли Хауэлл, специалист по аналитике PA Consulting. — Если мы можем поместить эти данные на портал и позволить людям видеть их по мере их поступления или взаимодействовать с ними, то они смогут их детализировать. Это означает размещение данных там, где сотрудники могут их использовать, и этими сотрудниками могут быть все — от генерального директора до оперативного персонала».

Но если преимущество встроенной аналитики и заключается в ее способности адаптировать данные к ролям пользователей и их повседневным задачам, она все равно опирается на основы надежных BI-систем.

Предприятиям, рассматривающим возможность внедрения встроенной аналитики, необходимо обратить внимание на качество, защиту и управление данными. А также на безопасность и конфиденциальность: центральное хранилище данных или озеро данных могут иметь надежные средства контроля безопасности, но имеет ли их приложение, подключающееся через API? Клиентское ПО, внедряющее данные, должно иметь такие же уровни безопасности.

Чистота данных имеет решающее значение

Хотя очистка данных всегда важна для эффективной аналитики и BI, она становится еще более важной, когда пользователи не являются специалистами по анализу данных. Они должны знать, что могут доверять данным, и если данные несовершенны или неполны, это должно быть им известно.

Специалист по анализу данных, работающий в команде аналитиков, инстинктивно чувствует качество и надежность данных и понимает, что данные не обязательно должны быть на 100% полными, чтобы улучшить процесс принятия решений. Но пользователи на местах или старшие менеджеры могут этого не знать.

«Встроенная аналитика продолжает демократизацию данных, предоставляя данные и инсайты непосредственно бизнес-пользователям в рамках их естественного рабочего процесса, — говорит Грег Хэнсон, вице-президент Informatica в EMEA. — Это способствует развитию культуры принятия решений на основе данных и может ускорить создание ценности. Однако для CDO и CIO решающим вопросом должен быть: „Точны ли эти данные, заслуживают ли они доверия и могу ли я на них положиться?“. Чтобы программы встроенной аналитики были успешными, организациям нужна уверенность в том, что данные для них поступают из правильных источников, они высокого качества и их происхождение понятно».

CDO также должны рассмотреть возможность начать с малого и расширять масштабы. Полезность данных реального времени варьируется от рабочего процесса к рабочему процессу. API некоторых поставщиков будут лучше интегрироваться с основным приложением, чем другие. А пользователям потребуется время, чтобы научиться принимать решения на основе данных, которые они видят, а также понять, когда вопросы лучше передавать команде аналитиков или специалистов по анализу данных.

«Организации, в качестве следующего шага вперед, отталкиваются от уже имеющейся облачной инфраструктуры или озер данных и начинают преобразовывать свою инженерию данных в нечто, что можно использовать, — говорит Хауэлл. — Иногда они начинают с нескольких небольших сценариев использования для проверки концепции и доказательства получения ценности. На сегодня некоторые данные используются не так хорошо, как могли бы. Я думаю, что эта способность будет постоянно развиваться».