Hlavní navigace

Jak se vyznat v záplavě dat

3. 1. 2012

Sdílet

 Autor: © Johnny Lye - Fotolia.com
Jedním z největších problémů v současném IT je obrovská záplava dat. Zejména firmy, které už mají nástroje ke sběru informací doslova o každém kroku ve firmě, mohou mít problém najít v nich údaje, které jsou pro ně skutečně důležité.

Podívejme se na některé z pokročilých nástrojů, jež z množství dat dokážou získat jen ta podstatná a umí z nich vytěžit maximum.

Inteligentní reporty
Zobrazit v reportu v podstatě jakékoliv číslo dnes už nebývá takový problém. Můžete monitorovat motorhodiny strojů ve výrobě, počty průchodů za hodinu u vstupů do obchodu atd. Samotné reporty, které obsahují jen jednotlivá čísla, jsou však v dnešní době už k ničemu. Pokud ale bude možné jednoduše zjistit, kterými průchody chodí lidé do obchodu nejčastěji a v kolik hodin jich přichází nejvíce, můžeme tuto informaci už nějakým způsobem využít pro zvýšení tržeb.

Inteligentní reportovací nástroje proto umějí zobrazit nejen číslo samotné, ale také jeho zdroje, až na nejzákladnější úroveň. U každého čísla navíc nabízejí i jeho přesnou definici, aby pod ním každý rozuměl přesně to samé. Díky inteligentním reportům pak není problém jasně a účinně definovat nová opatření či nové požadavky na sběr dat.

Automatické „předzpracování“ dat
V dnešní době datové exploze je naprosto nezbytné, aby data byla nějakým způsobem už strojově předpřipravena. Uživatel, který s reporty pracuje, nemusí vidět dvacet stránek čísel, jež jsou v pořádku. Primárně ho zajímá těch pět čísel, která nějakým způsobem – ať už pozitivním či negativním – vybočují z běžné praxe.

Teprve u nich má smysl zajímat se o jejich význam, původ, strukturu i vývoj v čase. Proto k inteligentním reportům patří i inteligentní předzpracování získaných dat a možnost rychle mít přehled o datech, která nějakým způsobem vybočují. Typicky u firem využívajících Balanced Scorecard jsou zajímavé zejména klíčové ukazatele, které se od původního plánu výrazně odlišují. To že  je ROA o 1 % nad nebo pod plánem, firmu tolik bolet nemusí, jako to, jestli je čekací doba u pokladen o 115 % vyšší, než bylo plánováno coby únosná mez. To je to, co má smysl okamžitě řešit.

Analytické nástroje hrají prim
Prosté zobrazení získaných dat a možnost jejich detailního procházení však v dnešní době také už nestačí. Čím dál tím významnější roli začínají hrát analytické nástroje. Ty mohou pomoci s analýzou historických dat, díky které například můžeme zjistit, že od té doby, co 500 metrů od našeho obchodu s potravinami otevřela nová pekárna, se počet zákazníků v odpolední špičce snížil o 20 % a spolu s ním klesl i prodej pečiva. Anebo nám mohou také pomoci s odpovědí na otázku „Co kdyby…?“.

A právě tyto nástroje jsou pro budoucnost života libovolné firmy nejpodstatnější. Díky nim můžeme například zjistit, že kdyby v odpolední špičce přišlo jen o 15 % víc zákazníků, prodlouží se jejich doba stání u pokladen o deset minut, což by bylo neúnosné. Díky nim také můžeme modelovat různé situace ať už právě provozního zatížení anebo třeba vývoje budoucích tržeb a odbytu jednotlivých skupin zboží na základě statistického modelování a regresní analýzy doplněné třeba o naše vlastní parametry použitého modelu.

Účel těchto analytických nástrojů je přitom jasný – na základě detailních dat přesně identifikovat slabá místa i obchodní příležitosti a včas připravit firmu na statisticky nejpravděpodobnější budoucí vývoj.

Možnost práce s daty
Aby se skutečně podařilo přenést detailní data ze světa čísel do konkrétních manažerských rozhodnutí, je v dnešní době absolutně nezbytné, aby uživatelé, kteří mají k dispozici rozhodovací pravomoci i potřebné byznysové know-how, měli možnost snadno a intuitivně s daty sami pracovat.

Doby, kdy manažer nadiktoval svým podřízeným reporty, které potřebuje přinést na poradu, pak se jimi probíral a pak doplnil své požadavky o to, co ještě potřebuje vědět, jsou dávno pryč. Luxus procházení staticky získaných, několik dní připravovaných, a tím i zastaralých a mnohdy nepřesných dat si už žádná firma v dnešním konkurenčním prostředí nemůže dovolit. S daty musí pracovat přímo ti, kteří vědí, co přesně v nich hledají, a kteří z nich také mohou něco vyčíst.

Je tedy žádoucí, aby dnešní podnikové informační systémy a analytické nástroje umožňovaly uživateli jednoduše doplňovat data, přidávat poznámky k datům v reportech (např. u dat, která jsou v danou chvíli nějakým způsobem nestandardní, ale zatím je těžké říci proč) a provádět nad nimi přímo další analýzy, které mohou rychle přinést odpovědi na otázky, co dělat dál. Uživatel také musí mít možnost snadno nastavovat nejrůznější pravidla a upozornění. To je důležité zejména proto, aby bylo možné pružně reagovat na nějaké nestandardní situace. Kupříkladu při prodloužení doby čekání u pokladny na pět minut tak můžete získat okamžitě zprávu a otevřít obratem další pokladnu, aby se čekací doba zkrátila.

S daty se pracuje v reálném čase
Aby si uživatel mohl s daty opravdu „hrát“ a měl tak motivaci v nich začít hledat to, co je pro firmu důležité, je nezbytné, aby se s daty pracovalo v reálném čase. K tomu jsou potřeba dvě věci – fungující sběr dat v reálném čase, kdy i data, která je nutné ručně zadávat, budou zadávána ihned, a ne v pátek podvečer za celý týden zpětně, kdy už navíc uživatel část dat doslova „cucá z prstu“ – a v neposlední řadě také výkonný hardware, který taktéž v reálném čase umožní získaná data analyzovat a provádět nad nimi analytické výpočty.

Výkonným hardwarem přitom nemusí být nutně myšleny jen servery, storage řešení a desktopy, ale také síťová infrastruktura s příslušnou páteřní konektivitou. V dnešní době je totiž už řada dat v privátním či veřejném cloudu nebo alespoň v centrální serverovně třeba desítky až stovky kilometrů daleko, a tak konektivita, její rychlost, spolehlivost a dostupnost začínají hrát významnou roli.

Všechny nástroje i data na jednom místě
Konečně posledním a zároveň nejdůležitějším krokem k chytřejšímu zpracování dat je prezentace všech podstatných dat na jednom místě a v jednom nástroji. Ten přitom musí nabízet uživateli dostatečný komfort i srozumitelné grafické a textové výstupy. Pokud má uživatel skutečně pracovat s aplikací jako s analytickým řešením, musí mít možnost interaktivně měnit pohledy na data, filtrovat, či procházet mezi jednotlivými reporty, a to vše z jednoho místa a jednoho prostředí, ze kterého je schopen obsluhovat všechny nástroje, jež potřebuje.

A to jak technologicky (jedno nastavení bezpečnosti, SSO, jeden webový odkaz…), tak i uživatelsky (všechny aplikace si je uživatel schopen zobrazit na jedné obrazovce, podobně se ovládají, je schopen si přizpůsobovat design…). Jedině pak bude schopen proměnit gigabajty a terabajty zpracovávaných dat v hmatatelné obchodní výsledky.

Autor pracuje jako odborník na information management a BA v IBM Česká republika

Byl pro vás článek přínosný?