Do nowych realiów najszybciej dostosowują się firmy, które szeroko korzystają z analityki

Z Magdaleną Konieczną-Wrzesień, dyrektor sprzedaży do sektorów publicznego i komercyjnego w SAS Institute Polska, rozmawiamy o postępującej operacjonalizacji danych w biznesie, możliwościach zaawansowanej analityki jako narzędzia pozwalającego firmom lepiej dostosować się do skutków pandemii COVID-19, a także o roli chmury obliczeniowej i sztucznej inteligencji w rozwoju potencjału analizy danych biznesowych.

W jaki sposób w ostatnich latach zmieniła się rola danych w biznesie? O podejmowaniu decyzji na podstawie twardych danych, a nie intuicji mówi się od lat…

To prawda, rozmawiamy i pracujemy z klientami w tym obszarze już od wielu lat. Zaszła jednak zmiana – dzisiaj oparcie kluczowych procesów na danych stało się jednym z podstawowych paradygmatów biznesu. Umiejętność efektywnego wyciągania wniosków z dostępnych danych jest codziennym zadaniem każdej firmy. Obecnie biznes jest po prostu cyfrowy, a skuteczność i sprawność procesów podejmowania decyzji ma kluczowy wpływ na to, czy organizacja odniesie sukces, czy porażkę. Jednocześnie, wykorzystanie zaawansowanej analityki w celu uzyskania jak najlepszych rekomendacji w procesach biznesowych stało się nowym i bardzo skutecznym narzędziem pozwalającym rywalizować na coraz bardziej nasyconych rynkach.

Jak pandemia COVID-19 może wpłynąć na zainteresowanie zaawansowaną analityką biznesową?

Pandemia pokazała, jak istotnym elementem biznesu jest umiejętność reagowania na zmianę. Mimo że zdolność dostosowywania działalności do zmian otoczenia jest naturalnym elementem każdego biznesu, to w obliczu pandemii ilość, szybkość oraz zakres zmian znacznie wzrosły. Czasowy spadek popytu, załamanie łańcuchów dostaw, zaburzenia procesów produkcyjnych to tylko niektóre ze skutków pandemii. Sprawiają one jednak, że szczególnie ważne stało się obecnie sprawne prognozowanie, planowanie produkcji i dynamiczne zarządzanie łańcuchem dostaw. Niezbędna stała się naprawdę duża skala elastyczności biznesowej oraz zdolność do błyskawicznego podejmowania decyzji. Zmieniły się również priorytety operacyjne związane m.in. z obszarami HR i kontaktami z klientami.

W wielu firmach menedżerowie próbują szacować, w jaki sposób będą zachowywały się ich branże po ustąpieniu pandemii w dłuższej perspektywie. Szczególnie istotne staje się więc prognozowanie oparte na danych pochodzących z wielu źródeł. Potrzebna staje się też zmiana dotychczasowych metod analitycznych. Modele prognostyczne stosowane przed wybuchem epidemii COVID-19 wydają się niedostosowane do dostarczania wiarygodnych wyników w warunkach zmiennego środowiska zewnętrznego, zwłaszcza w odniesieniu do prognozowania średnio- i długoterminowego. Konieczne jest uwzględnienie takich czynników jak rozwój lub wygaszanie epidemii, czy tempo odmrażania poszczególnych sektorów gospodarki i regionów geograficznych, w Polsce oraz w krajach, z którymi prowadzimy wymianę handlową.
Praktyka pokazuje, że do nowych realiów najszybciej dostosowują się te firmy, które wcześniej przeszły transformację biznesu pod kątem szerokiego wykorzystania analityki. Przewaga była większa w tych organizacjach, które były bardziej zaawansowane w transformacji analitycznej. Na przykład umiejętność szybkiego przeliczania prognoz popytu oraz wdrażania nowych zmiennych i modeli pozwoliła skutecznie zmaksymalizować przewagi zbudowane dzięki analityce w bardziej stabilnym okresie. Dojrzała platforma analityczna umożliwia automatyzowanie większości z tych zadań, dzięki czemu pozwala realizować je częściej oraz skracać czas pomiędzy obserwacjami zdarzeń biznesowych, przykładowo, zawarciem transakcji sprzedaży, a wykorzystaniem tych danych w procesie prognozowania oraz podejmowania decyzji o cenach i zatowarowaniu.

Czy przedsiębiorstwa z sektora komercyjnego podchodzą do możliwości analityki biznesowej w podobny sposób, co organizacje z sektora publicznego?

Tak, choć inny jest cel projektów wykorzystujących analitykę biznesową. Organizacje z sektora publicznego mają określoną misję społeczną, zaś firmy komercyjne z założenia dążą do maksymalizacji zysku. W naturalny sposób wynikają stąd więc inne podejścia do analityki. Przykładowo, polskie Ministerstwo Finansów korzysta z rozwiązań SAS m.in. na potrzeby eliminacji z rynku podmiotów, które nie regulują zobowiązań lub wyłudzają zwrot nienależnego podatku, a także zapewnienia racjonalności środków wydatkowanych na kontrole skarbowe. Nasze technologie pomagają więc w zapewnieniu sprawnej, dobrze ukierunkowanej i skutecznej organizacji publicznych finansów.

Z kolei w sektorze komercyjnym analityka biznesowa odgrywa kluczową rolę w organizacji działań operacyjnych, ale też w procesach planowania nowych inicjatyw biznesowych i rozwoju przedsiębiorstw. Wnioski z analiz mogą bowiem istotnie wpłynąć na atrakcyjność ofert handlowych kierowanych do różnych grup odbiorców, a co za tym idzie – bezpośrednio zwiększać przychody i zyski. Analiza danych odgrywa również istotną rolę w ramach koncepcji Przemysłu 4.0, która zakłada m.in., że produkt po opuszczeniu fabryki nadal komunikuje się z producentem, tworząc nowy strumień przychodów.

W przemyśle coraz mocniej widoczne jest też zainteresowanie rozwiązaniami Digital Twin. Koncepcja cyfrowego bliźniaka nie jest nowa, ale polski rynek zaczyna się poważnie interesować tematem analitycznego modelowania produkcji. Na fali tematów inżynieryjnych rozpracowujemy również obszar predykcyjnego utrzymania ruchu i budowy tzw. wirtualnych czujników. Taka inicjatywa jest np. częścią projektu, który realizujemy w firmie Ciech.

Jakie są oczekiwania względem analityki biznesowej w firmie Ciech?

Zaawansowana analityka wykorzystana na potrzeby optymalizacji działalności przedsiębiorstw z sektora produkcji chemicznej pozwala osiągnąć m.in. oszczędność energii i zużycia reagentów oraz poprawę parametrów procesów produkcyjnych i wyrobów końcowych. Umożliwia też zwiększenie możliwości produkcji przy istniejących mocach produkcyjnych i wydłużenie pracy instalacji między remontami. Dzięki wykorzystaniu wirtualnych czujników możliwa jest również predykcja trudno mierzalnych parametrów procesu produkcyjnego. Tak właśnie było w przypadku tej firmy.

Pierwszym obszarem, do którego zaaplikowaliśmy analitykę SAS, było zmniejszenie zużycia pary w procesie destylacji amoniaku. Mniejsze zużycie pary, to mniej spalonego węgla, mniej CO2 w atmosferze i mniejsze koszty. Czysto analityczne podejście w takim projekcie nie jest wystarczające. Musieliśmy przyjrzeć się procesowi od strony chemii, fizyki i automatyki przemysłowej. W bardzo krótkim czasie udało nam się pobrać, przygotować i przeanalizować historyczne dane pomiarowe z kilkudziesięciu różnych czujników, a także wypracować koncepcję rozwiązania w postaci modelu gotowego do wdrożenia w rzeczywistych warunkach. Projekt zakończył się na początku 2020 roku, a jego efekty potwierdziły oczekiwania i skłoniły kierownictwo firmy Ciech do operacyjnego wykorzystania wyników projektu pilotażowego i dalszego jego rozwoju. Nie bez znaczenia była tu referencja SAS w Solvay Group, która w branży produkcji sody ma podobną pozycję, co koncern Ford w branży samochodowej. Nasz projekt ma na celu polepszenie jednego lub kilku etapów produkcji sody metodą Ernest Solvaya, a więc czegoś, co jest nieustannie poprawiane od roku 1865. Zadanie jest więc bardzo ambitne.

O jakich innych projektach analityki biznesowej z polskiego rynku warto wspomnieć?

Bardzo interesujący okazał się projekt przeprowadzony dla firmy Rossmann. Firma ta kładzie bardzo mocny nacisk na relacje z ludźmi – klientami, pracownikami, dostawcami i właścicielami. Taka orientacja wymaga dłuższej sprawności operacyjnej i umiejętności szybkiego dopasowania do zmieniających się warunków rynkowych. Kluczowym obszarem w tym mechanizmie jest wykorzystanie zaawansowanej analityki danych, pozwalającej na przewidywanie przyszłych potrzeb zakupowych klientów, a także niezawodnie działający łańcuch dostaw, gwarantujący, że właściwe produkty znajdują się w odpowiednim czasie we właściwym sklepie. Od 2019 roku wspieramy firmę Rossmann właśnie w zakresie poprawy jakości prognozowania i zatowarowania sieci. Projekt ten dowodzi, że analityka nie służy jedynie do analizowania kosztów, a co więcej – umiejętnie wykorzystana – może pozwolić na wzrost sprzedaży wskutek zwiększenia dostępności towarów we właściwych placówkach.

O analityce mówi dziś wielu dostawców tradycyjnie i historycznie związanych z oprogramowaniem wspierającym zarządzanie. Co wyróżnia ofertę SAS?

Unikalna dla SAS jest skala oferowanych narzędzi i modeli analitycznych, a także wysoki stopień integracji całej platformy. Całościowo i w ramach jednego rozwiązania wspieramy m.in. procesy zarządzania danymi i ich analizy oraz podejmowania decyzji. Dzięki temu możliwa staje się automatyzacja całego procesu, sięgającego od zdarzenia biznesowego aż do podjęcia decyzji, przy zachowaniu możliwości przebudowywania modeli analitycznych w locie. Naszą platformę wyróżnia też otwartość i możliwość precyzyjnego dostosowania do potrzeb użytkowników. Cenna jest również łatwość obsługi naszych narzędzi. Zapewniamy, przykładowo, graficzny interfejs do najbardziej skomplikowanych metod matematycznych. Wspieramy także programowanie analityki z użyciem narzędzi open source – to analityk wybiera narzędzia i język programowania, za pomocą których chce się komunikować z platformą.

Co, w praktyce, zmienia możliwość zaprzęgnięcia algorytmów AI/ML do analityki?

Sztuczna inteligencja i uczenie maszynowe wprowadzają do analityki biznesowej nową jakość w zakresie dokładności wyciąganych wniosków. Algorytmy uczenia maszynowego lepiej odkrywają schowane w danych wzorce i relacje między zdarzeniami biznesowymi. Realizowaliśmy np. pilotażowy projekt prognozowania zapotrzebowania na wodę w sieci wodociągowej. Klasyczne metody Data Mining sugerowałyby wykorzystanie technik prognozowania dla szeregów czasowych. Dzięki zastosowaniu algorytmów ML okazało się jednak, że użycie liczb losowych dawało dużo lepszą jakość prognozy. Analogicznie w modelowaniu współwystępowania chorób, które realizowaliśmy wspólnie z Narodowym Instytutem Kardiologii. Zaawansowane modele uczenia maszynowego pozwalały na uzyskanie lepszych typowań, a więc i pełniejsze zrealizowanie postawionych celów.

Czy polskie firmy są wystarczająco dojrzałe do tego typu projektów?

Polskie firmy od lat dowodzą o dojrzałości i gotowości na wdrożenia złożonych rozwiązań analitycznych. Podczas realizacji projektów wdrożeniowych współpracujemy po stronie klientów z osobami, które są w pełni świadome oczekiwań, ale też mają wysoki poziom doświadczenia i kompetencji w posługiwaniu się systemami IT, stosowaniu analityki oraz znajomości metod matematycznych. W połączeniu z dobrze zidentyfikowanymi i na bieżąco monitorowanymi przez menedżerów celami biznesowymi gwarantuje to powodzenie projektu i znaczący zwrot z inwestycji. Doświadczenia, które zdobywamy w ramach współpracy z klientami z Polski, niejednokrotnie budzą uznanie u kolegów z innych krajów.

Co jest niezbędne, aby z powodzeniem wdrożyć nowoczesną analitykę biznesową, zarówno w wymiarze technologicznym, jak i organizacyjnym? W jaki sposób na te wymagania wpływa możliwość wdrożenia rozwiązań SAS w modelu cloud computing?

Myślę, że sukces zależy przede wszystkim od dojrzałości organizacyjnej, gotowości na zmianę, a także umiejętności formułowania celów i strategii biznesowej. Analityka, która ma się stać przewagą konkurencyjną firmy, to analityka, która zmienia jej sposób działania, redefiniuje metody podejmowania decyzji i wpływa na wszystkie obszary działalności. Rozumienie tej zmiany oraz zidentyfikowanie punktów wpływu analityki na biznes jest kluczowe dla powodzenia projektu. Naszym zadaniem jest jednak zapewnienie niezbędnego wsparcia również i w tym obszarze.

W ujęciu technologicznym na pewno niezbędna staje się możliwość dynamicznego gospodarowania infrastrukturą obliczeniową. Przeliczanie modeli matematycznych wymaga dużej mocy obliczeniowej. Jednak inne potrzeby dotyczą przetwarzania i integracji danych, a inne automatyzacji wsparcia procesów decyzyjnych. Mamy też projekty, w których sięgamy po możliwości zarezerwowane dla procesorów graficznych. Ważne jest więc, aby infrastruktura IT była gotowa sprostać tego rodzaju obciążeniom przy zapewnieniu wysokiej efektywności kosztowej. Dużego znaczenia nabiera tu elastyczność i dynamika środowiska IT. W tym kontekście wiele zmienia upowszechnienie modelu chmury obliczeniowej. Dzięki możliwości wykorzystania skalowalnych i elastycznych zasobów chmurowych znika jedno z tradycyjnych ograniczeń dotyczących wdrożenia analityki biznesowej.

Co ważne, oprogramowanie SAS dobrze czuje się w takich środowiskach i jest w stanie w pełni wykorzystać ich specyfikę. Dysponujemy wzorcami wdrożeniowymi dla wszystkich popularnych dostawców cloud computingu. Co więcej, w ramach niektórych platform chmurowych można wręcz w sposób samoobsługowy wynająć gotowe instancje analityki SAS. Mamy też własną ofertę chmurową, w ramach której oferujemy rozwiązania analityczne działające w naszych centrach danych ulokowanych na całym świecie. Jeden z naszych ośrodków przetwarzania znajduje się w Niemczech, co ma duże znaczenie dla tych klientów, którzy chcą zachować kontrolę nad lokalizacją przetwarzania danych i przetwarzać je na terenie UE. Oferujemy również kompleksową usługę, w ramach której zarządzamy środowiskiem analitycznym SAS działającym w modelu cloud computing firm trzecich.