Analytika už není jen pro velké (2)

Na atributy samoobslužné analytiky se lze podívat z pohledu uživatelů a z pohledu IT.

Z hlediska uživatelů jsou to tyto:

• Samoobslužná – tato vlastnost je přímo v názvu tohoto typu analytiky a jde samozřejmě o tu nejdůležitější. Běžní uživatelé BI totiž musejí mít možnost v případě potřeby vytvořit (upravit) vlastní analýzu bez nutnosti součinnosti na straně IT. Nemusejí přitom ale znát nějaké pokročilé metody, systém jim je vhodnou formou sám zprostředkuje, spočítá a výsledky zpřístupní uživatelsky přívětivou formou.
• Interaktivní – existuje mnoho způsobů, jak může být analytika interaktivní. Uživatelé si například mohou výstupy personifikovat, upravovat jejich vzhled, měnit způsob zobrazení dat, procházet předpřipravenými hierarchiemi, a tak se dívat z celku na detailní hodnoty nebo jen upravovat vstupní filtry nebo parametry.
• Vizuální – vizualizace umožňují uživatelům snadněji najít v datech vzory, trendy nebo anomálie. Samoobslužná analytika nabízí širokou škálu vizualizací, které se uživatelům nabízejí podle vybraných proměnných. Ten například může označit hodnoty, které jej zajímají, a poté je zobrazit – analyzovat v geografickém, mapovém kontextu.
• Flexibilita – uživatelé potřebují flexibilitu při zobrazení i analýzách, aby nemuseli přecházet do jiných nástrojů, například Excelu. Pro někoho je to třeba možnost aplikace pokročilých filtrů nebo výběr top x záznamů, pro jiného zase schopnost vytvořit si vlastní kalkulované proměnné nebo parametry, kterými řídí zobrazení vizualizací.
• Analytická a prediktivní – uživatelé by měli kromě běžného zobrazení metrik (což je doména klasického BI) také mít možnost aplikovat na tyto metriky pokročilé analytické funkce, jako jsou identifikace vzájemné závislosti těchto proměnných, predikce jejich budoucích hodnot nebo třeba vytvoření segmentů pomocí rozhodovacího stromu, a najít tak závislosti, které nejsou na první pohled vidět.   
• Podporující spolupráci – v dnešních společnostech se výsledků nedosahuje jednotlivci, ale spoluprací v týmech. Proto i analytické nástroje musí takovou týmovou kooperaci podporovat – ať už formou možnosti předání výsledků analýzy dalším kolegům nebo schopností tuto analýzu nebo její část okomentovat.
• Mobilní – současná doba vyžaduje, aby byly analýzy, reporty dostupné uživatelům vždy a všude. Znamená to zobrazení výsledků analýz nejen na počítacích, ale také na tabletech a dalších mobilních zařízeních.

Z pohledu IT by samoobslužná analytika pak měla mít tyto vlastnosti:

• Rychlá – nikdo nechce čekat na výsledky analýz celé hodiny. Uživatelé si zvykli, že dostávají relevantní odpovědi poměrně rychle. Spousta samoobslužných systémů se proto staví na rychlém zpracování dat nahraných přímo v paměti (in-memory), aby analýzy netrvaly v řádu hodin, ale sekund. 
• Snadno implementovatelná – aby byla dostupná i pro menší společnosti, nesmí být doba její implementace (nasazení) příliš dlouhá. Toho se dosáhne třeba tím, že spoustu činností mohou uživatelé dělat sami.
• Škálovatelná – pokud se množství uživatelů nebo dat zvýší, systém se musí dát snadno rozšířit. Toho lze dosáhnout například paralelizací zpracování na více serverech zapojených do gridu.
• Různorodé datové zdroje – analytické systémy musejí mít možnost zpracovat i data mimo datové sklady (různé textové soubory, nestrukturovaná data a další), tato data umět načíst a zkombinovat s dalšími dostupnými údaji, aby uživatel dostal co nejkomplexnější pohled. 
• Řiditelná – velmi důležitá vlastnost pro IT. Protože dáváte uživateli poměrně velkou volnost při analýzách, je důležité, aby také šlo co nejjednodušeji nastavit, co vše může s analytickým nástrojem dělat a ke kterým datům má mít přístup.

Samoobslužná analytika se už v nových verzích nástrojů tradičních dodavatelů BI objevuje, a tak pokročilou analýzu dat umožňuje nejen velkým organizacím, ale postupně se zabydluje i u  menších. Doba je vysoce konkurenční a prosadí se jen ti, kteří vědí více…

Autor pracuje jako IT konzultant ve společnosti SAS Institute.

Předchozí díl najdete zde.