Business intelligence je o práci s daty, nikoliv o nasazování systémů

Doba ekonomického poklesu je z hlediska business inteligence (BI) ambivalentní. Na jedné straně je nesporné, že vedoucí pracovníci podniků potřebují mnohem víc informací než dřív, především pro řízení nákladů. A vedle toho je tu skutečnost, že není k dispozici dostatek finančních prostředků na investice, takže nasazení nového analytického systému mnohdy nepřichází v úvahu. Dokonce ani změnu nastavení stávajícího systému si podnik mnohdy nemůže dovolit.

V této situaci je užitečné vrátit se k původnímu konceptu business intelligence, to znamená k tomu, že BI je o smysluplné práci s daty, nikoliv o nasazování dalšího informačního systému. Často totiž stačí začít správně využívat ty nástroje, které již firma vlastní a je zjevné, že k této koncepci některé firmy už začínají přecházet.

Jedná se především o přemýšlivé využívání nástrojů typu Microsoft Excel. To je produkt, s kterým pracuje téměř každý, ale využití se většinou omezuje pouze na mechanické vyplňování tabulek. Tak to ale nemusí být.

Excel může totiž být přímo propojen se zdroji dat a jejich zpracování je možné navíc plně automatizovat. Výsledek pak lze v některých ohledech srovnávat s velkými řešeními typu BI. Uživatel zpravidla mnohdy nemusí ani poznat, že tabulka či graf, které pravidelně dostává jako výstup nějaké analýzy, vznikly „pouze“ v Excelu. Přitom je takové řešení nasazené za zlomek času a za velmi malou část ceny jakéhokoliv BI řešení. V České republice je možné už dnes nalézt relativně malé firmy, které tento přístup využily a kde v současnosti mají velmi dobrý přehled (někdy i lepší než v některých korporacích, kde už drahnou dobu zavádějí složité systémy).

Kdo to vlastně potřebuje?
Prvním krokem pro nasazení takového zjednodušeného řešení BI je pochopitelně to, aby si firma vyjasnila, co chce dělat, jaké informace k tomu potřebuje, z jakých dat lze tyto údaje sestavit a kde se zmíněná data nachází.

Nemusí přitom jít jen o vrcholové manažery, kteří mají k dispozici portál, na němž blikají grafy plnění plánu a vyjíždějí různé ukazatele, různá PKI atd. Mnohem větší přínos může pro organizaci mít, jestliže mají k těm prvkům přístup také lidé ve středním managementu – třeba proto, že bývají dotazováni firemním managementem a měli by být schopni vysvětlit, proč se to či ono děje – to znamená, že potřebují informace a potřebují je ve srozumitelné formě.

Jde však i o to, že lidé na střední úrovní řízení organizace velmi často řeší každodenní úkoly, potřebují se rychle rozhodovat a přehledně podané informace by jim v tom výrazně pomohly. Mnohdy se jedná o zdánlivě běžné věci, ale právě tato dílčí rozhodnutí mají v součtu na výkonnost firmy obrovský dopad.

Avšak existuje zde ještě další skupina uživatelů, na kterou se obvykle zapomíná, nejspíš proto, že velké systémy jsou tak drahé, že není myslitelné přizpůsobovat je standardním zaměstnancům. Takže ti zůstávají u své mechanické práce a desítky hodin ztrácejí činností, kterou by šlo ale naplánovat i mnohem efektivněji.

Jde například o recepční a asistentky, které by mohly třeba využít výhod centrální správy všech dat například pro adresaci hromadné korespondence (mail merge), sestavování podseznamů zákazníků nebo dodavatelů pro firemní akce atp. Velmi by také ocenily každodenní, aktuální, jednotné a zcela automaticky exportovatelné obyčejné seznamy zákazníků, dodavatelů, faktur a fakturačních adres.

Ví-li tedy organizace, co chce, může se do projektu pustit. První variantu lze označit jako „korporátní“ a při listování odbornými časopisy nebo analytickými studiemi by se dokonce mohlo zdát, že je to verze jediná (což by ostatně mohlo souviset třeba s tím, že autory většiny článků a studií jsou konzultanti firem, které velká řešení BI za desítky milionů korun nasazují).

Hodně schvalování, málo informací
Jak takové BI vypadá v praxi? Většinou je soustředěno kolem jediného centrálního datového skladu (často centrálního na kontinentální úrovni), kterým může být třeba SAP BW nebo odpovídající produkt některého z konkurentů. V tomto centrálním datovém skladu jsou uložena data z většiny informačních systémů a uživatelé k nim přistupují přes dálkovou privátní síť.

Nejen prvotní implementace, ale i údržba a vývoj jakéhokoliv dalšího reportu jsou poměrně drahou záležitostí, takže pracovníci zpravidla dostanou pouze určitou předem pevně stanovenou množinu reportů v daném formátu. Pokud by totiž chtěli vidět další ukazatele, znamenalo by to absolvovat velmi složitou proceduru dokazování, že přínos pro organizaci odpovídá vynaloženým nákladům. Tedy proces obtížný a navíc s nejistým výsledkem.

Uživatelé tedy musejí reporty sami aktualizovat, aniž by měli jistotu, že jde o data současná a konzistentní. Často to vede k tomu, že každé ráno provádí řada pracovníků jednotlivě aktualizaci reportů, navzájem si škodí tím, že inicializují několikanásobný download stejné množiny dat, přičemž výsledkem je zvýšené zatížení serveru datového skladu a také zpomalený přenos dat. Po dokončení takové lokální aktualizace uživatel zpravidla provádí ručně export do „svého“ reportu, což vyžaduje spoustu času.

Reálný výsledek v těchto organizacích se tedy dramaticky liší od prezentací na konferencích a podobně. Ještě horší je na tom to, že jen málokdo je ochoten přiznat, že výsledek neodpovídá očekávání. Snaží se tedy již tak složité řešení dále doplňovat, čímž se situace jen zhoršuje.

Práce s Excelem
Proti tomu stojí architektura, která možná není tak mediálně opěvovaná, zato je relativně jednoduchá a funguje. Zřízení centrálního datového skladu je správný a výhodný krok, není však důvod, proč by všichni uživatelé měli pracovat přímo s daty v něm uloženými. Daleko jednodušší řešení spočívá v tom, že se vybraná data pravidelně replikují do místních databází, kde mohou být doplněna o tamější data, která se však do centrální databáze neukládají. Uživatelé, kteří vystačí s předdefinovanými korporátními reporty, je mají k dispozici přímo z centrálního skladu. Ostatní řeší své požadavky s lokální databází.

Zpravidla se jedná o některou z následujících položek:
·    Pevné sestavy pro přímé použití bez nutnosti dalších úprav (například ukazatele, které se pravidelně sledují na poradě vedení nebo které potřebují jednotliví manažeři – jde třeba o aktuální stav čerpání marketingového rozpočtu, včetně dosud nezaplacených, ale již schválených položek).
·    Analytické sestavy (kontingenční tabulka excelu) připravené ve tvaru, který uživatelé používají nejčastěji. To je velmi užitečné pro získávání odpovědí na předem neznámé otázky – uživatel si prostě určí, jakou souvislost vybraných veličin chce vidět.
·    Dynamické sestavy spojují výše uvedené výhody a navíc jsou automatem doplněny o program (VBA). Uživatel tak vidí data ve „svých“ tabulkách a informace ve „svých“ grafech; navíc lze výběrem a pohybem grafických prvků některá data plynule měnit . Může tak například simulovat důsledky změn řady nesouvisejících parametrů na celkový výsledek a řešit tak otázky typu „Výdaje v konkrétních kapitolách a v budoucích měsících – o kolik je nutné je omezit, aby bylo dosaženo snížení celkových ročních nákladů o nařízených celkových 15 %?“ apod.
·    Pro datové analytiky je dokonce možné vytvořit osobní databázi v MS Access, která bude automaticky aktualizována a kde si budou moci „hrát“ s daty podle potřeby bez kontroverzních nároků na centrální vývoj.

Podstatné je také, že všechny výše popsané úkony lze realizovat za pomoci běžných nástrojů, které již ve firmě jsou, že tedy není zapotřebí utrácet další peníze za licence a že každý jednotlivý report může být zprovozněn během pouhých několika dnů. V českých firmách je možné postupovat analogicky, pochopitelně s vynecháním kroku centrálního kontinentálního datového skladu. A lze si představit i situaci, kdy nemusí existovat jednotné úložiště dat, popřípadě jen v nějaké velmi primitivní verzi.

Závěrem
V praktickém životě se ukazuje, že větším přínosem než získání vysoce sofistikovaných výpočtů bývá automatizace vytváření výkazů. Na jedné straně to znamená obrovské množství ušetřeného času zaměstnanců, na druhé straně to vede k tomu, že smysluplné informace jsou k dispozici dříve.

Rozhodnutí o dalších nákladech je tak možné přijímat na základě výsledku plnění rozpočtu k předcházejícímu dni, nikoliv ke konci předminulého měsíce.

Podstatné je také to, že uživatel (ředitel, produktový manažer nebo třeba i pouhá asistentka) dostává data přímo v tom formátu, jaký požaduje, a to bez jakéhokoliv manuálního zásahu. Není tedy již zapotřebí kopírovat data z centrálního reportu do tabulky ve svém počítači a provádět s nimi další operace.

Právě tato automatizace většinou umožní získat rychle podporu uživatelů, kterým tak šetří práci. Je proto dobré při nasazení tohoto typu BI začít nějakým reportem, který standardní pracovníci nejvíce nebo nejčastěji postrádají. Tím se odstraní počáteční skrytý odpor zaměstnanců a získají se „příznivci“, kteří často mají unikátní know-how.

S uživateli však souvisí také největší rizika. Ta mohou spočívat třeba v obavě, že když bude mechanické vytváření reportů automatizováno, přijdou někteří o místo. Ale to je něco, s čím je třeba se vypořádat při každém IT projektu.

Autor je ředitelem společnosti Biz-One.