SAS: Analityka to mocny filar cyfrowej transformacji

O roli zaawansowanej analityki w realiach postępującej digitalizacji biznesu, podejściu polskich firm do operacyjnego wykorzystania analiz biznesowych, a także o nowoczesnej automatyzacji procesów, nowej platformie analitycznej i uelastycznieniu modeli licencjonowania oprogramowania SAS mówi Miłosz Trawczyński, Business Consulting Manager w SAS Polska.

Analityka biznesowa jest dziś w modzie. Dlaczego?

Ponieważ wykorzystanie analityki daje możliwość szybszego podejmowania lepszych, bardziej trafnych decyzji biznesowych. W efekcie nowoczesne rozwiązania analityczne świetnie odnajdują się na tle dzisiejszych trendów. Niemal każda strategia biznesowa zawiera hasła nawiązujące do cyfryzacji. W każdej strategii znajdziemy też odłamy koncepcji data-driven company, dążenie do wykorzystania sztucznej inteligencji i uczenia maszynowego oraz plan migracji do chmury. W większości przypadków działania te mają przynieść poprawę doświadczeń klienta lub efektywności procesów – tego nie da się osiągnąć bez trafnych decyzji, a ich wolumen i dynamika wymagają automatyzacji i zastosowania analityki. Oczywiście w każdej organizacji nieco inna jest świadomość w zakresie cyfrowej transformacji, jednak tego rodzaju projekty są w dużym stopniu stymulowane przez konkurentów.

Dla wielu firm transformacja biznesu jest reakcją na działalność firm, które powstały od razu w cyfrowym świecie i coraz bardziej aktywnie konkurują z tradycyjnymi organizacjami, m.in. z sektora bankowości, telekomunikacji czy retail. Kolejna sprawa to poszukiwanie konkurencyjności między przedsiębiorstwami o tradycyjnym charakterze biznesu i mocne postawienie doświadczeń klienta w centrum działalności. Nic dziwnego, skoro nawet w przypadku tradycyjnych modeli biznesowych konkurencja rynkowa przenosi się do kanałów cyfrowych, a firmy te muszą walczyć o coraz węższe okienko uwagi klienta. Szanse na wygraną w grze o to okienko podnosi zastosowanie analityki biznesowej i sztucznej inteligencji.

Czy zatem wdrożenie analityki może być celem samym w sobie?

Cel powinien być – i najczęściej jest – biznesowy. Istnieje jednak spora różnica w dojrzałości oczekiwań organizacji wobec wykorzystania analityki oraz ich gotowości do tego. Niektóre firmy są na etapie poszukiwania inspiracji, organizują np. konkursy ofert, mające na celu pozyskanie pomysłów na wykorzystanie analityki. Nie można powiedzieć, że jest to podejście pozbawione sensu.

Kluczowe dla wdrożenia narzędzi analitycznych w firmach jest to, aby osoby decyzyjne przekonały się, że analityka faktycznie przynosi korzyści biznesowe. Podobnie specjaliści dziedzinowi muszą uwierzyć, że ich intuicja, wsparta nowymi technologiami, sprawdzi się lepiej niż dotąd.

Co ważne, specjaliści biznesowi, którzy na bieżąco pracują z danymi, chętnie rozwijają swoje kompetencje analityczne – nawet jeśli nie są inżynierami danych, to próbują analitykę zrozumieć. Dzięki temu są w stanie zaadoptować wyniki analiz jako wsparcie posiadanych kompetencji dziedzinowych.

Czy polskie firmy chętnie sięgają po rozbudowane rozwiązania analityczne?

Skala wykorzystania zaawansowanej analityki rośnie także w polskich firmach. Modele analityczne są używane w bardzo różnych branżach i obszarach biznesu. Przykładem może być organizacja z sektora handlu detalicznego, która wdrażając stosujące sztuczną inteligencję rozwiązanie do prognozowania popytu i optymalizacji łańcucha dostaw, ma pełną świadomość, że w ten sposób zyskuje przewagę nad konkurencją.

W efekcie, obserwujemy wzrost liczby zapytań od nowych klientów. Z drugiej jednak strony nasi dotychczasowi klienci, którzy dotąd korzystali z technologii SAS w bardzo tradycyjny sposób, pytają o wykorzystanie metod uczenia maszynowego i sztucznej inteligencji w mocno technologicznych procesach biznesowych, przykładowo w przemyśle. Widać, że firmy te idą w stronę rozszerzania swojego działania o nowe sposoby optymalizacji biznesu.

Jak zaawansowana analityka ma się do cyfrowej transformacji biznesu?

Analityka jest jednym z mocnych filarów cyfrowej transformacji. Umiejętnie wdrożona, pomaga skrócić czas dostarczania najbardziej właściwych decyzji na poziomie poszczególnych operacji biznesowych. Oczywiście pod spodem kryje się cała magia i proces analityczny, w którym my, jako SAS, mamy ogromne doświadczenie. Praktyka pokazuje, że nawet 70% czasu wdrożenia zajmują prace nad procesem analitycznym. Chodzi o właściwe zaprojektowanie zasad prowadzenia analizy i przepływów danych, zadbanie o ich jakość i spójność, uwzględnienie uwarunkowań i reguł biznesowych i zaaplikowanie metod Machine Learning. Ma to na celu doskonalenie obszarów, w których nawet uzyskanie stosunkowo niewielkich jednostkowo wzrostów efektywności w skali całej organizacji przyniesie wymierne korzyści.

Wyzwaniem w tego rodzaju projektach jest to, aby analitykę w miarę szybko zaadoptować w procesy operacyjne. Brzmi to trywialnie, ale nie zawsze takie jest – chodzi przecież o to, aby dobry pomysł biznesowy nie skończył się jedynie na etapie eksperymentu, tylko był realnie wykorzystywany w firmie. Poza wdrożeniem samego narzędzia, zamodelowaniem procesu, stworzeniem modelu Machine Learning kluczowa jest integracja procesu analitycznego z aplikacjami operacyjnymi, które konsumują rezultaty modeli, prognoz, a z drugiej strony dostarczają danych o ich trafności (pętla zwrotna).

Jakie są główne obszary wykorzystania analityki SAS w kontekście projektów cyfrowej transformacji?

Zastosowań analityki jest mnóstwo – zwłaszcza, mając do dyspozycji coraz to nowsze algorytmy i możliwość przetwarzania nowych rodzajów danych, które kiedyś były nieosiągalne np. ze względu na ograniczoną dostępność mocy obliczeniowej. Dziś na przykład możemy z powodzeniem w czasie rzeczywistym analizować strumień wideo i wychwytywać pewne zjawiska, aby np. dopasować do nich działania. Jeden z producentów inhalatorów na podstawie analityki obrazu w czasie rzeczywistym kontroluje czy dany egzemplarz produktu nie ma wady. Mówimy tu o prawdopodobieństwie automatycznego wykrycia wady rzędu nawet 98%. W podobny sposób, choć może z nieco mniejszą skutecznością, bo na poziomie 80–90%, modele analityczne mogą w czasie rzeczywistym np. rozpoznawać marki samochodów przejeżdżających przed kamerą. Oczywiście w statycznych warunkach skuteczność działania takich algorytmów może być dużo wyższa.

Inny przykład jest związany z analizą zdjęć rentgenowskich osób chorujących na raka. W Holandii, wspólnie z instytutem onkologicznym, realizujemy projekt, w którym analizujemy zdjęcia organów – na tej postawie nasza analityka jest w stanie poprawiać skuteczność diagnostyki nowotworów średnio o kilkanaście procent. Algorytm, odpowiednio nauczony przez eksperta, robi to dużo dokładniej niż człowiek.

W podobny sposób możemy analizować strumienie dźwiękowe i dane tekstowe. Możliwe jest też dostosowywanie modeli analitycznych do zmieniających się realiów, również w czasie rzeczywistym. Wykorzystanie analityki na szeroką skalę otwiera także możliwość wykorzystania chmury obliczeniowej. Umożliwia ona bowiem elastyczne skalowanie mocy obliczeniowej, więc nie jest już tak, że na potrzeby jednego projektu analitycznego trzeba kupować potężny serwer. Potrzebną moc obliczeniową można wydzierżawić, stworzyć model analityczny, wytrenować go i wykorzystywać produkcyjnie nawet na ograniczonych zasobach. Ponadto, na rynku pojawią się gotowe sieci neuronowe wytrenowane pod kątem określonych zastosowań, które można zaadoptować w rozwiązaniach SAS.

Jak często polskie firmy korzystają z rozwiązań SAS na potrzeby automatyzacji procesów biznesowych?

Automatyzacja, która staje się realna za sprawą analityki, sprowadza się najczęściej do tego, aby kompetencje ekspertów dziedzinowych wykorzystać tam, gdzie przynoszą one największą wartość – bez marnotrawienia czasu tych osób na mniej istotne zadania.

Rzeczywistym przykładem takiej automatyzacji jest system rekomendacji, który optymalizuje proces dystrybucji towarów do sklepów oraz decyduje o tym, ile, jakiego towaru oraz kiedy powinno się zamówić od producenta. Dzięki naszemu rozwiązaniu część całego procesu jest realizowana automatycznie, zaś obsługa wszystkich nietypowych sytuacji jest pozostawiona ekspertom. Jest to absolutnie efektywny model wykorzystania kompetencji ludzi.

W wielu firmach podobnych rekomendacji rozwiązania SAS dostarczają również w czasie rzeczywistym do kanałów internetowych i mobilnych, czy systemów transakcyjnych – zarówno w odniesieniu do pracowników, jak i do klientów. Świetnie sprawdza się to w zakresie wsparcia sprzedaży czy usprawnienia obsługi klienta, m.in. w systemach bankowości internetowej lub w ramach dystrybucji usług dodatkowych oferowanych przez operatorów telekomunikacyjnych. Analityka pozwala wyłuskiwać te momenty, kiedy klient faktycznie znajduje się w sytuacji decyzyjnej – i jest to najlepsza chwila, aby zaoferować mu dodatkową, właściwie zamodelowaną propozycję. Czasem jest to oferta, czasem informacja, a czasem decyzja, żeby klienta nie niepokoić.

Jakie cele przyświecają zmianom zachodzącym w ofercie SAS? Jakim zasadom biznesowym Państwa klientów odpowiadają nowe rozwiązania?

Z perspektywy zwiększania efektywności wdrażania analityki w firmach bardzo ważne jest to, żeby modeli analitycznych pojawiało się więcej i były one wykorzystywane produkcyjnie. Duże znaczenie ma też możliwość zastosowania wszystkich kompetencji istniejących w organizacji. I tak, badania pokazują, że w zakresie analityki firmy eksperymentują średnio nawet z kilkoma technologiami równocześnie, w tym technologiami open
source. Nic dziwnego, w przedsiębiorstwach istnieją bardzo różne kompetencje analityczne i technologiczne.

Niezbędne jest rozwiązanie pozwalające wykorzystać te kompetencje. Dlatego w 2016 roku zapowiedzieliśmy wprowadzenie na rynek otwartej platformy analitycznej SAS Viya. Dostosowaliśmy platformę analityczną do dzisiejszych wyzwań technologicznych, bo – przykładowo – wspieramy architekturę mikroserwisów, konteneryzację i chmurę obliczeniową, co powoduje, że wszystkie komponenty SAS Viya można wdrożyć na dowolnej platformie chmurowej. Mamy też gotowe komponenty, pozwalające skrócić czas uruchomienia środowiska czy modelu analitycznego z dni do godzin w wybranych środowiskach chmury publicznej. Zapewniamy również możliwość wykorzystania analityki w trybie Software-as-a-Service w ramach infrastruktury SAS.

Poza tym, platforma SAS Viya jest otwarta zarówno z punktu widzenia architektury, jak i funkcjonalności. Takie podejście umożliwia zintegrowanie w naszej platformie rozwiązań open source oraz zaadoptowanie tych modeli analitycznych, które zostały wytworzone w technologiach innych niż SAS. W efekcie możliwe jest doprowadzenie dowolnych modeli analitycznych do etapu, w którym mogą one zostać użyte produkcyjnie w spójnym środowisku i w ramach jednego procesu zarządzania wykorzystaniem analityki.

W typowych dla firmy branżach, jak bankowość, ubezpieczenia czy telekomunikacja, SAS zaczyna odgrywać szczególną rolę jako platforma integrująca otwarte modele analityczne. Mowa tu m.in. o platformach takich jak Hadoop czy Spark oraz rozwiązaniach tworzonych w Pythonie, R lub Javie, które chcą te modele analityczne połączyć na bazie naszej platformy. SAS Viya pozwala wyciągnąć wartość biznesową z różnych kompetencji i wielu technologii analitycznych.

Również w branżach, w których do tej pory obserwowaliśmy mniejsze wykorzystanie analityki, obecnie dostrzegalny jest wzrost dynamiki rozwoju technologii analitycznych. Zainteresowanie analityką widać też w sektorze publicznym. Ciekawym wdrożeniem SAS jest budowa platformy analitycznej w Ministerstwie Finansów, które dysponując coraz większą ilością danych – z JPK czy systemów bankowych – może je sprawnie przetwarzać. Innymi słowy, staliśmy się jednym z elementów składowych transformacji cyfrowej Ministerstwa. Myślę, że pozytywne efekty takich zmian odczuwamy wszyscy. Od 10 lat współpracujemy także z Ministerstwem Edukacji. Na naszej platformie zbudowany został centralny system analityczno-raportowy dla polskiej oświaty (SIO).

Sukcesywnie zmieniają Państwo również model licencjonowania rozwiązań SAS…

Proponujemy elastyczne modele licencjonowania, w tym takie, które nie mają ograniczeń w zakresie mocy serwerów przetwarzających dane i obliczających modele analityczne. Możliwe jest rozliczanie kosztów użycia naszego oprogramowania na podstawie liczby użytkowników, grupy konkretnych zastosowań dziedzinowych czy bezpośrednio w odniesieniu do wielkości „biznesu”. Taka elastyczność jest doceniana przez naszych klientów. Oczywiście nasze oprogramowanie nadal może być instalowane w ramach infrastruktury klienta, choć niejednokrotnie mamy do czynienia z zainteresowaniem podejściem hybrydowym, gdzie środowisko testowe jest w chmurze, a produkcyjne działa w modelu on-premise. W takich zastosowaniach również wychodzimy naprzeciw oczekiwaniom klientów na poziomie licencyjnym. Nasze podejście do licencjonowania daje możliwość lepszego generowania wartości z wykorzystania technologii SAS, znosząc pewne ograniczenia dotyczące m.in. skalowania. Mamy doświadczenia, także w Polsce, gdzie takie podejście się sprawdza – i przyczynia się do bardzo dynamicznego wzrostu skali wykorzystania analityki w biznesie.

Wchodzimy też w różne partnerstwa z dostawcami technologii. Współpracujemy między innymi z producentami kart graficznych – aby wykorzystać ich specyficzne możliwości w kontekście poprawy wydajności analityki, czy z dostawcami systemów automatyki przemysłowej, dzięki czemu możemy przetwarzać dane w czasie rzeczywistym bezpośrednio tam, gdzie są generowane. Systematycznie optymalizujemy metody oraz rozszerzamy skalę danych, na których może pracować analityka SAS. Analityka stanowi jeden z filarów cyfrowej transformacji. Operacyjne wdrożenie analityki na dużą skalę poprawia trafność decyzji i konkurencyjność organizacji. Zapewnienie elastyczności i otwartości przy jednoczesnej gwarancji bezpieczeństwa i kontroli nad procesem analitycznym jest jednym z fundamentów takiego wdrożenia. Otwarta platforma analityczna SAS pozwala na wykorzystanie potencjału różnorodnych kompetencji i technologii analitycznych obecnych w firmach, a w połączeniu z elastycznym modelem licencjonowania daje gwarancję maksymalizacji wartości z inwestycji w analitykę.