Jak zjistit potřebu datovÚho skladu

M¨j kolega recesista nedßvno na ulici oslovil deset kolemjdoucÝch otßzkou, zda nevýdÝ, kde je poblÝ× datovř sklad. ...


M¨j kolega recesista nedßvno na ulici oslovil deset kolemjdoucÝch otßzkou, zda
nevýdÝ, kde je poblÝ× datovř sklad.
Devýt nevýdýlo a jedna nahluchlß panÝ ho poslala do zeleniny. I kdy× uvedenř
vzorek nebyl statisticky pr¨kaznř
a zjevný neobsahoval ×ßdnÚ zßstupce poŔÝtaŔovÚ komunity, stejný soudÝm, ×e
termÝn datovř sklad nenÝ ÜirokÚ
veřejnosti přÝliÜ znßm.

NavÝc v datovÚm skladu jsou data Ŕtena, tak×e bychom vlastný mýli mluvit spÝÜe
o datovÚ knihovný. Ale kdy× u× se
tento termÝn v×il, budeme ho pou×Ývat nßsledujÝcÝch nýkolik softwarovřch a
mana×erskřch generacÝ, dokud se
nestane technickřm detailem Ŕehosi mnohem dokonalejÜÝho a nikoho z naÜich
potomk¨ u× vÝc nebude zajÝmat.
Mana×eři Ŕeskřch spoleŔnostÝ jsou na tom dnes s informovanostÝ o datovřch
skladech podstatný lÚpe ne× před pßr
lety. U mnoha střednÝch a menÜÝch podnik¨ se vÜak tato znalost Ŕasto omezuje
jen na povýdomÝ o jakÚsi u×iteŔnÚ
softwarovÚ technologii, kterou si zatÝm nemohou dovolit. Je takovř nßzor na
mÝstý? Stejný jako datovř sklad nenÝ
vÜelÚkem na jakoukoli bolÝstku, jeho odmÝtßnÝ m¨×e svýdŔit o osudnÚ
krßtkozrakosti. Pokusme se zamyslet, kde
hledat odpový´ na otßzky typu: äPotřebuje naÜe firma datovř sklad?ô, äK Ŕemu to
bude dobrÚ?ô nebo äVyplatÝ se
nßm do nýj investovat?ô
NemusÝ břt drahř
Datovř sklad je, jednoduÜe řeŔeno, databßze optimalizovanß pro dotazovßnÝ a
analřzy dat. TÝm se liÜÝ od databßze
bý×nÚho podnikovÚho systÚmu, kterß je výtÜinou optimalizovanß pro provßdýnÝ
jednoduchřch operacÝ (objednßvky,
prodeje, dodßvky) a obsahuje jen data nezbytný nutnß pro jejich evidenci. S
naposledy řeŔenřm souvisÝ druhß
zßsadnÝ odliÜnost od podnikovÚho informaŔnÝho systÚmu ľ datovř sklad navÝc m¨×e
zahrnovat i jinß data (detaily
operacÝ, informace o odvýtvÝ, konkurenci, nebo třeba takÚ informace o poŔasÝ),
zkrßtka vÜe, co tam chceme mÝt,
mßme-li na to diskovÚ kapacity a mß-li to pro nßs nýjakř smysl.
Implementace datovÚho skladu vy×aduje pořÝzenÝ dotazovacÝch a analytickřch
grafickřch nßstroj¨ a vytvořenÝ
aplikacÝ pro aktualizaci dat. Nad datovřmi sklady jsou takÚ budovßny specifickÚ
aplikace pro řÝzenÝ vztah¨ se
zßkaznÝky, pro strategickÚ plßnovßnÝ apod. Technologie datovřch sklad¨ jsou
dnes přÝvýtivýjÜÝ a srozumitelnýjÜÝ ne×
před nýkolika lety, typickß implementace se vÜak stßle neobejde bez vysoce
kvalifikovanÚ prßce. Velmi Ŕasto zde
hrajÝ podstatnou roli zkuÜenosti z implementace obdobnřch projekt¨.
Jak slo×itou technologii vybrat? Jak s nÝ budeme pracovat? Nßklady na pořÝzenÝ
jednoduchÚho datovÚho skladu pro
jednu oblast dat ľ tzv. data mart (jako je analřza prodej¨ nebo zßkaznÝk¨)
nemusejÝ při pou×itÝ převß×ný vlastnÝch sil
a levnýjÜÝch technologiÝ přesßhnout Ŕßstku 500 tisÝc korun. ŐpiŔkovß
celopodnikovß řeÜenÝ, pokrřvajÝcÝ vÜechny
aspekty Ŕinnosti firmy, naopak představujÝ investici nýkolika milion¨ nebo
dokonce desÝtek milion¨ korun.
D¨kladnÚ zvß×enÝ nezbytnosti a nßvratnosti týchto investic je tedy zcela na
mÝstý. VýtÜina mana×er¨ ovÜem otßzku
nßvratnosti posuzuje jen kvalitativný ľ jejÝ ŔÝselnÚ vyjßdřenÝ je obtÝ×nÚ.
RozhodnutÝ o investici do datovÚho skladu
mß Ŕasto tÚ× politickř charakter. Pokud se konkurence vyzbrojuje lepÜÝmi ÜÝpy s
výtÜÝm dostřelem, jdeme si je bez
velkřch ·vah výtÜinou pořÝdit taky ľ v sßzce je toti× udr×enÝ pozice na trhu.
Potřebujeme datovř sklad?
Jak ale zjistit, jestli firma potřebuje datovř sklad? Odpový´ je velmi
jednoduchß. Pokud potřebujeme z historickřch
i aktußlnÝch firemnÝch dat zÝskßvat informace nebo znalosti, kterÚ nßm pomohou
zlepÜit rozhodovßnÝ, je Ŕas
poohlÚdnout se po datovÚm skladu. Jinřmi slovy, nem¨×eme-li z dat vytý×it
nýjakou nßm dosud neznßmou nebo
opomenutou zkuÜenost, jsou nßm k niŔemu.
Nikdo asi nebude popÝrat vhodnost datovÚho skladu v podniku, kde se po delÜÝ
dobu opakujÝ podobnÚ situace
v podobnřch podmÝnkßch ľ napřÝklad při řÝzenÝ prodeje v sÝti supermarket¨. Na
druhÚ straný advokßt řeÜÝcÝ ka×dř
mýsÝc odliÜnř přÝpad bude pravdýpodobný o smysluplnosti pořÝzenÝ datovÚho
skladu pochybovat. Mohl by ovÜem
přijÝt např. na to, ×e 90 % prohranřch problematickřch stßnÝ se soudcem XY
připadß na pondýlky, kdy si vzal
Ŕervenou kravatu, ale nßklady na takovÚ zjiÜtýnÝ by byly nemalÚ a jejich
nßvratnost nejspÝÜe diskutabilnÝ. Podobný
zbyteŔnÚ by bylo nasazenÝ datovÚho skladu tam, kde vznikß jen malÚ mno×stvÝ dat
a jejich analřzu lze zvlßdnout bez
poŔÝtaŔovřch technologiÝ.
VřÜe uvedenř přÝklad s Ŕervenou kravatou naznaŔuje, ×e datovÚ sklady jsou velmi
vhodnÚ pro vyhledßvßnÝ skrytřch
trend¨ a souvislostÝ, kterÚ bychom ve velkÚm mno×stvÝ dat jinak jen tý×ko
objevovali. Technicky vzato, vytvßřejÝ
tzv. multidimenzionßlnÝ pohled na data. Ka×dř řßdek v tomto pohledu si m¨×eme
představit jako popis urŔitÚ situace
nebo procesu ľ aŁ u× je to např. jednotlivř obchodnÝ přÝpad nebo agregace
obchod¨ za urŔitÚ obdobÝ. ěßdek v tomto
multidimenzionßlnÝm pohledu obsahuje za prvÚ dimenze ľ co× jsou identifikace
prvk¨ a jejich vlastnostÝ, kterÚ pro
popisovanou situaci nebo proces pova×ujeme za vřznamnÚ, a za druhÚ mýřitelnß
fakta (objem prodeje, poŔet
zßkaznÝk¨ apod.). Tak např. při prodeji novÚho automobilu m¨×eme sledovat
dimenze, jako jsou typy prodanřch
voz¨, kterř dealer, kde a kdy je prodal, informace o zßkaznÝcÝch, o zp¨sobu
prodeje, o souvislostech s reklamou,
o poprodejnÝm servisu, atd.
Předpoklßdejme, ×e soustředÝme vÝce týchto dat za nýjakÚ obdobÝ a zkusÝme je
statisticky analyzovat. Ihned nßs
napadne potencißlnÝ vyu×itÝ pro lepÜÝ zamýřenÝ cÝlenÚ reklamy nebo taktiky
prodeje: äJakß skupina zßkaznÝk¨ (výk,
rodina, přÝjem, geografickß oblast...) a za jakřm ·Ŕelem si kupuje urŔitř typ
vozu s urŔitřmi dopl˛ky?ô, äKterß
skupina preferuje leasing?ô atd. M¨×eme se vÜak zabřvat i otßzkami typu äProŔ
dealer X dosahuje pro danou
skupinu jen podpr¨mýrnřch vřsledk¨ v porovnßnÝ s ostatnÝmi?ô, äProŔ mß
autosalon Y ni×ÜÝ procento stßlřch
zßkaznÝk¨?ô. DalÜÝm předmýtem analřzy m¨×e břt Internet. Budeme--li do datovÚho
skladu uklßdat data
o přÝstupech na webovou strßnku s nabÝdkou automobil¨, zÝskßme spoustu dalÜÝch
informacÝ o tom, co potencißlnÝ
zßkaznÝky zajÝmß nejvÝc. Nakonec nßs mohou zajÝmat i detaily ľ jakß je historie
zßkaznÝka X, jakÚ problÚmy mýl
v servisu apod.
NejŔastýjÜÝ vyu×itÝ
Častou aplikacÝ datovřch sklad¨ je kromý podpory rozhodovßnÝ i kontrolnÝ funkce
ľ hlavný tam, kde ji z nýjakřch
d¨vod¨ nedostateŔný vykonßvß podnikovř informaŔnÝ systÚm. NenÝ neobvyklÚ
propojenÝ ·daj¨ z finanŔnÝho
controllingu s geografickřmi a prodejnÝmi daty, např. chceme-
-li zjistit, kde jsou horÜÝ vřsledky ovlivnýny vyÜÜÝ intenzitou konkurence a
kde neefektivnÝm řÝzenÝm nebo
nekvalitnÝm servisem.
Jinřm typickřm pou×itÝm je předchßzenÝ rizik¨m. Ta si velmi Ŕasto uvýdomujeme
přÝliÜ pozdý, i kdy× jejich nßznaky
existovaly u× dřÝve. MÝrnÚ zhorÜenÝ platebnÝ morßlky odbýratele je mo×nß
zp¨sobeno chřipkou v jeho fakturaŔnÝm
oddýlenÝ, ale m¨×e břt takÚ signßlem pozdýjÜÝch problÚm¨. Őirokß Ükßla pou×itÝ
se vÜak nabÝzÝ i v oblastech, kde
nejde o ×ivot firmy. Pacient, kterř zva×uje podstoupenÝ operace, by asi rßd
výdýl, zda mu nehrozÝ zvřÜenÚ specifickÚ
riziko (výk, fyzickß dispozice, kombinace nýkolika nemocÝ apod.). Nßzor lÚkaře
a přÝbuznřch m¨×e břt subjektivnÝ,
na rozdÝl od pr¨kaznýjÜÝ historickÚ statistiky pooperaŔnÝch komplikacÝ u
podobnřch přÝpad¨.

Zßvýrem
Technologie datovřch sklad¨ si nekladou za cÝl zastoupit Ŕlovýka při
rozhodovßnÝ a udýlat vÜe za nýj. Samotnř
datovř sklad takÚ neznß vÜechny odpovýdi, ale m¨×e nßs nasmýrovat na hlubÜÝ
zkoumßnÝ oblastÝ, kde mßme nýjakÚ
rezervy nebo Üanci na lepÜÝ vřsledky. I bez znalosti konkrÚtnÝch technologiÝ je
mo×nÚ se jeÜtý před pořÝzenÝm
datovÚho skladu efektivný rozhodnout o tom, zda jej firma skuteŔný potřebuje a
v jakÚm rozsahu.
Kde jsme ·spýÜnÝ a mohli bychom břt jeÜtý ·spýÜnýjÜÝ? Kde jsme dýlali chyby a
dýlßme je znovu a znovu? Co by na
tyto výci mohlo mÝt nejvýtÜÝ vliv, co vÜechno spolu souvisÝ? Co z toho je
d¨le×itÚ pro naÜe rozhodovßnÝ? JakÚ
alternativy se nßm nabÝzejÝ a co budeme potřebovat výdýt? Mßme o tom vÜem data
a jsme schopni to evidovat?
Odpovýdi na podobnÚ otßzky jsou Ŕasto pouze explicitnÝm vyjßdřenÝm toho, co ji×
mana×eři výdÝ. K jejich nalezenÝ
nenÝ třeba budovat ×ßdnÚ slo×itÚ modely, staŔÝ mana×erskř cit, znalost podniku
a zdravř rozum. S týmito odpový´mi
zÝskßte mnohem dokonalejÜÝ představu, jakř datovř sklad potřebujete, co by mýl
obsahovat a zda je to investice,
kterou si nejen m¨×ete, ale i chcete dovolit.









Komentáře
K tomuto článku není připojena žádná diskuze, nebo byla zakázána.