Business Intelligence: Nové zbraně podnikových analytiků (2.)

Dokončení včerejšího článku…

Prediktivní analýza a in-memory BI
Stále více podniků a státních organizací chápe prediktivní analýzu jako důležitý faktor udržení konkurenceschopnosti prostřednictvím modelů a simulací různých variant budoucího vývoje.

William Laurent, respektovaný odborník na informační strategie a governanci, předpokládá, že dříve nebo později dojde k propojení platforem pro pokročilou a prediktivní analýzu s aplikacemi pro dolování dat, které budou těžit data ze sociálních sítí, blogů, zákaznických diskuzních fór atd. Až se možnosti a funkce prediktivní analýzy a sociálních sítí vzájemně vyladí, mohlo by dojít k revoluční přeměně všech aspektů činnosti podniku od CRM po vývoj produktů.

Přispěje k tomu i možnost analyzovat velké množství dat v reálném čase díky tzv. in-memory BI umožňující zpracovat tyto informace v paměti počítače místo jejich načítání z pomalejších disků. To výrazně zrychlí zpracování těchto dat sofistikovanějšími analytickými aplikacemi.

Tato řešení jsou zatím velmi drahá, přesto se podle Jamese Kobieluse z Forrester Research dá v tomto či příštím roce očekávat jejich razantní nástup podmíněný dalším poklesem ceny za GB paměti RAM a dalším rozšířením 64bitových operačních systémů schopných adresovat až 1 TB paměti.

Existuje několik problémů, s nimiž se potenciální uživatelé musí při nasazování technologií pro in-memory BI zatím vypořádat. Patří mezi ně nedostatečná integrační vyspělost BI řešení, nutnost co nejlépe automatizovat načítání dat do paměti s cílem minimalizovat zpoždění při jejich aktualizaci a dostatečná kapacita front-endových nástrojů, odpovídající výpočetním možnostem in-memory BI, vypočítává Umesh Jain z konzultační firmy Merging Elements.

Nasazením této technologie vyvstává také otázka, co s existujícími investicemi zejména velkých podniků do datových skladů. Ani ty by však nemusely přijít nazmar – tato často velmi nákladná řešení poslouží jako primární datový zdroj a jediná centralizovaná „verze pravdy“.

Agile BI
Kvůli transformaci tradičních BI projektů tak, aby vyhovovaly současným uživatelským nárokům, implementuje mnoho organizací formální metodologie, které využívají techniky a nástroje pro efektivnější vývoj, testování a zavádění softwaru. Používané techniky agilního vývoje softwaru řeší obecnou snahu zajistit dostatečnou flexibilitu podnikové BI zkracováním doby potřebné k dokončení projektu.

Důležitými prvky přitom jsou průběžná identifikace klíčových problémů od počátku projektu, zrychlené iterace, průběžné zpřesňování požadavků, aktivní debaty (scrum sessions), časté a důkladné testování a nepřetržitá komunikace mezi byznysem a vývojáři. Dokumentace a formalizace jsou až na druhém místě

Cindi Howson z analytické společnosti BI Scorecards, která propaguje principy Agile BI už zhruba deset let, shrnuje tuto metodu do několika tezí: požadavky se mění i v pozdní fázi vývoje, agilní procesy počítají se změnami, protože jen tak může uživatel získat konkurenční výhodu, byznys a vývojáři musí být po celou dobu trvání projektu v každodenním kontaktu, nejúčinnější a nejefektivnější metoda sdělování informací vývojářskému týmu (i mezi jeho členy navzájem) je osobní konverzace.

Základem je jednoduchost jako způsob, jak minimalizovat množství práce, kterou je nutné vykonat. Požadavky se shromažďují průběžně a kolaborativně, často jako výstupy rychlého prototypingu. Předem dané specifikace liniových manažerů mohou být příliš svazující, zejména bez předběžného seznámení se všemi možnostmi  dané technologie.

Na druhou stranu by měl mít byznys větší kontrolu nad výstupy, ať už jde o vrstvu metadat, dashboardy nebo výkazy. Proto se vyplatí kolaborativní vývoj, kdy mohou linioví manažeři převzít odpovědnost za zavádění nejlepších postupů a kontrol pro zajištění škálovatelnosti a opakované použitelnosti výsledných řešení.

Nejmodernější implementace BI mohou být zprovozněny během hodin či dnů, nikoli týdnů či měsíců. Moderní nástroje či projekty mají v sobě flexibilitu již zabudovanou – jsou schopné pracovat jak se zaváděním softwaru přímo u zákazníka (on-premise), tak s využitím SaaS či cloudu. Mnoho klientů totiž požaduje, aby mohli začít projekt v jednom prostředí a přesunout jej do jiného bez zbytečně vynaloženého času, úsilí či peněz.

S nutností opustit přílišnou centralizaci a konsolidaci BI prostředí souhlasí i firma Forrester Research. Z její zprávy Trendy Business Intelligence v roce 2011 a dalších letech, vydané v březnu 2011, vyplývá, že počet společností plánujících konsolidovat jejich BI mírně klesá – ze 40 procent v roce 2009 na 38 procent v roce 2010. Z dlouhodobého hlediska je patrný vývoj od ohraničených útvarů (označovaných jako sila) přes konsolidaci k Agile BI.

BI z cloudu
Cloud computing se stává komoditou a na pořad dne přicházejí kustomizace a předem připravené balíčky privátních aplikací šitých na míru ve formě vertikálně orientovaných nabídek. Z cloudů se stávají hardwarové a softwarové služby nabízené podle poptávky zákazníků a doplněné odpovídajícími modely poskytování dat.

Ve zprávě Dospívající cloud: co nás může o ekonomii cloudů naučit skupina Grateful Dead společnost IDC uvádí, že polovina dotazovaných organizací velmi vážně uvažuje o tom, že pro BI a analýzy využije veřejný cloud, a celých 70 procent uvádí, že k těmto účelům využije privátní cloudy.

Přesto cloudová BI zatím není žádná masová záležitost, i když někteří softwaroví dodavatelé už avizují možnost provozu svých aplikací v cloudu. Vedle úspory nákladů by měla být hlavním přínosem cloudových řešení obnovená akceschopnost podniku díky tomu, že bude mít pro dolování dat, analýzu i prezentace výstupů k dispozici serverové a úložné prostředky podle potřeby.

Takto flexibilně poskytovaná infrastruktura by mohla vytvořit podmínky pro využívání BI „just-in-time“ a zpřístupnit BI i firmám, které dnes nemají potřebné úložné a výpočetní kapacity, či zaměstnancům, kteří jsou nyní kvůli omezeným výpočetním kapacitám z užívání BI vyloučeni.

Podle Briana Gentileho z firmy Jaspersoft řeší platforma pro cloudovou BI obvykle jednu ze tří zákaznických potřeb.

Buď funguje jako nástroj pro horizontální BI poskytující samostatné interní aplikace pro reporting a analýzu s využitím tradiční relační databáze. Takto pojatou BI využijí menší firmy i větší podniky, kterým nabídne okamžitě dostupnou infrastrukturu a možnost platit pouze za odebraný výpočetní výkon. Velký podnik ji případně může využít i jako rychlé a méně nákladné vývojové prostředí pro dílčí BI projekt, kdy se tak vyhne časově i finančně náročnému pořízení a konfiguraci serverů, operačních systémů a databázového softwaru.

Cloudová BI může také fungovat jako aplikační framework nebo předem vytvořená předloha pro reporting a analýzu určenou pro systémové integrátory, na jejímž základě se skládají specifická zákaznická řešení.

Třetí možností je čistě vývojářská platforma umožňující vytvářet aplikace, jež řeší specifický analytický problém (například analýzu CRM, finanční rozbor nebo analýzu dodavatelsko-odběratelského řetězce) a které lze jako dílčí vrstvu nebo modul vestavět do rozsáhlejších aplikací vytvářených nezávislým dodavatelem softwaru či VARem.

Další generace BI
Během roku 2011 by se měly objevit nové technologie datových skladů, které umožní interaktivně analyzovat přímo surová provozní data. Aby tyto možnosti současné BI procesy a rozhraní co nejlépe využily, budou se muset tomuto trendu přizpůsobit– například tím, že se dále setře hranice mezi fází „návrhu“ a „spotřeby“ BI.

Propojování podnikových a osobních dat potřebné pro rychlou, pragmatickou analýzu povede ke sloučení podnikové a osobní BI. Obvyklé řešení tohoto problému – extrakce a sloučení dat do lokálního datového skladu (buď Excelu, nebo data martu v oddělení) – sice uživatele potěší, ale přinese duplikaci dat a dodatečné náklady na posílení informační governance.

Nové směry v oblasti BI načrtává také už citovaná zpráva Forrester Research Trendy Business Intelligence v roce 2011 a dalších letech. Jde například o automatické rozpoznávání datových zdrojů, podnikového obsahu a vztahů, závislostí a profilů jednotlivých entit nebo o kontextuální BI, kdy jednotlivé procesy poskytují BI nástrojům kontext, na jehož základě se koncovému uživateli automaticky zobrazují relevantní informace.

Dále se rozšíří i nástroje umožňující analyzovat BI metadata, jako jsou údaje o tom, kdo, kdy a proč využívá BI aplikace, a měla by se objevit i tzv. suggestive BI – kombinace metadat, uživatelské analýzy a sociálních tagů, která sama navrhne nejvhodnější následnou aktivitu v probíhajícím BI procesu.