BiznesAnalitykaCDOPolecane tematy

Jak wdrożyć zaawansowaną analitykę

Realizacja każdego projektu IT jest wyzwaniem. W przypadku projektów Big Data dodatkowa trudność polega na: umiejętnym wykorzystaniu różnorodnych framework’ów, technologii i oprogramowania open source; gromadzeniu i przetwarzaniu dużych zbiorów danych oraz pracy na styku biznesu, IT i statystyki. W niniejszym artykule przedstawiamy kluczowe zagadnienia związane z wdrożeniem zawansowanej analityki.

Jak wdrożyć zaawansowaną analitykę

Od czego zacząć? Warto znaleźć odpowiedzi na pytania: jakie w moim biznesie dostrzegam szanse i zagrożenia? Czy gdybym miał wiedzę odnośnie zachowania klientów, ich preferencji zakupowych, aktualnej sprzedaży online, skuteczności akcji marketingowych potrafiłbym te szanse wykorzystać a zagrożeniom przeciwdziałać? Doświadczenie pokazuje, że często na tym etapie kluczowa jest rola działów IT. Zwłaszcza w firmach, gdzie IT ma ambicje działać proaktywnie, stymulować biznes i pokazywać możliwości technologiczne. Ważne jest jednak przeprowadzenie warsztatów z przedstawicielami biznesu, aby precyzyjnie zdefiniować Business Cases, którego realizacja miałaby duże przełożenie na wyniki finansowe.

Wybór danych i wizji rozwiązania analitycznego

Zdefiniowanie Business Cases pozwala ukierunkować działania. Możemy wstępnie określić: jakie dane będziemy analizować; jakie są źródła danych; ile ich jest i jakie rozwiązania technologiczne powinny zostać wykorzystane. Już na tym etapie możliwe jest określenie wizji rozwiązania, harmonogramu, budżetu projektu oraz wskazanie osób, które z ramienia biznesu i IT powinny być zaangażowane w projekt.

Siły IT mogą przygotować konektory do wybranych systemów informatycznych, aby możliwa była akwizycja danych. Analitycy mogą wykonać wstępne testy i określić jakość danych oraz ich statystyczną wartość. Działania te często przeprowadzane są w ramach Proof Of Concept. Pozwala to zarządom podjąć decyzję o budowie platformy analitycznej na podstawie zdefiniowanego Business Cases, wizji rozwiązania, kosztu i potencjalnych korzyści.

Platforma analityczna jako podstawa Big Data

Dobrze zaprojektowana platforma analityczna powinna spełniać kilka, często rywalizujących ze sobą, celów. Oczekuje się, że wiedza płynąca z zastosowania analityki dostarczana będzie pracownikom operacyjnym w prosty sposób. Kierownik regionalny powinien otrzymać informację o konkretnym produkcie, kliencie czy kanale sprzedaży, którym powinien się zająć. Bez konieczności analizowania złożonych raportów i bez znajomości statystyki. Jednocześnie, pracownicy podejmujący strategiczne decyzje odnośnie sprzedaży, marketingu czy logistyki powinni mieć dostęp do danych za pośrednictwem narzędzi klasy BI, MS Excel lub generowanych raportów.

Przeczytaj również
W czasach Covid-19 analityka biznesowa liczy się dużo bardziej niż kiedykolwiek wcześniej

Gromadzone na platformie dane mają dużą wartość. Konieczne jest więc zadbanie o ich bezpieczeństwo, nadzór i dobrze określone poziomy dostępu dla poszczególnych użytkowników. Spełnienie tych postulatów wymaga zbudowania zaawansowanej technologicznie platformy, spełniającej wymogi korporacyjne, działającej w pełni automatycznie i zintegrowanej z użytkowanymi systemami IT.

Opracowanie modeli statystycznych dla zdefiniowanych Business Cases możliwe jest w oparciu o próbkę danych, może więc przebiegać równolegle do budowania platformy analitycznej. Zespół Data Science testuje hipotezy i weryfikuje dostępne metody statystyczne tak, aby osiągnąć jak najlepsze rezultaty. Na tym etapie weryfikowana jest statystyczna istotność poszczególnych zmiennych oraz ich wpływ na budowany model.

Zbudowanie platformy analitycznej w oparciu o technologię Hadoop w warstwie danych pozwala na gromadzenie i przetwarzanie danych spełniając korporacyjne wymagania oraz automatyzując obliczenia związane z zaawansowaną analityką, także real time. Dodatkowo, wysoka skalowalność tak zbudowanej platformy umożliwia realizację pojedynczego Business Cases wraz z produkcyjnym uruchomieniem, a następnie pracę nad kolejnymi. Skracamy dzięki temu czas wprowadzenia produktu na rynek – Time-To-Market. Pozwalamy także na osiągnięcie korzyści tak szybko, jak to tylko możliwe.

Analityka podstawą do wykorzystania posiadanej wiedzy

Opracowanie modeli statystycznych dla zdefiniowanych Business Cases możliwe jest w oparciu o próbkę danych, może więc przebiegać równolegle do budowania platformy analitycznej. Zespół Data Science testuje hipotezy i weryfikuje dostępne metody statystyczne tak, aby osiągnąć jak najlepsze rezultaty. Na tym etapie weryfikowana jest statystyczna istotność poszczególnych zmiennych oraz ich wpływ na budowany model.

Przeczytaj również
Centrum biznesowe Shell w Krakowie rekrutuje do działu IT

Osiągnięte rezultaty prezentowane są biznesowi w celu potwierdzenia korzyści i możliwości produkcyjnego wdrożenia, także w kontekście procesów biznesowych. Kluczowe jest bowiem, aby w bieżącej działalności wykorzystać wiedzę pozyskaną dzięki zastosowaniu zaawansowanej analityki. Wymaga to często dostosowania procesów sprzedażowych, zakupowych i działań marketingowych, a co się z tym wiąże systemów IT je wspierających.

Podejście projektowe do budowy platformy analitycznej

Zagadnienia związane z Big Data są relatywnie młode. Oznacza to, że na rynku nie ma produktu, który spełniałby postulat platformy analitycznej. Oczywiście dostępne jest oprogramowanie – często jako uzupełnienie systemów klasy ERP – w obszarach: antychurn, antyfroud, prognozujące zamówienia na poziomie magazynu, itp. Jednak są to rozwiązania zamknięte, realizujące poszczególne zadania i często bardzo drogie.

Projekty Big Data wymagają specyficznego podejścia. Wynika to z faktu, iż konieczne jest połączenie wielu różnych technologii a wszystko przy dużej ilości gromadzonych danych i przy zapewnieniu wysokiej wydajności wykonywanych obliczeń. W obszarze akwizycji danych konieczne jest zbudowanie konektorów do systemów źródłowych. Ekosystem Hadoop wymaga od specjalistów rozumienia równoległego przetwarzania danych przy ich niestrukturalnym i nierelacyjnym charakterze.

Opracowanie i uruchomienie platformy analitycznej w oparciu o technologię Hadoop wymaga podejścia projektowego. Na podstawie analizy „as is” – celów biznesowych, ilości danych, wymagań odnośnie bezpieczeństwa i innych czynników – możliwe jest zaprojektowanie i uruchomienie indywidualnie dopasowanego, dobrze zintegrowanego środowiska analitycznego. Takie podejście pozwala na realizację wielu różnych Business Cases, zdefiniowanych przez różne działy od sprzedaży i marketingu, przez finanse i kontroling po logistykę i produkcję. A wszystko na jednej spójnej platformie.

Przeczytaj również
Raport Shoper: W 2020 roku podwoiła się liczba e-sklepów spożywczych

Specyfika projektów Big Data

Projekty Big Data wymagają specyficznego podejścia. Wynika to z faktu, iż konieczne jest połączenie wielu różnych technologii a wszystko przy dużej ilości gromadzonych danych i przy zapewnieniu wysokiej wydajności wykonywanych obliczeń. W obszarze akwizycji danych konieczne jest zbudowanie konektorów do systemów źródłowych. Ekosystem Hadoop wymaga od specjalistów rozumienia równoległego przetwarzania danych przy ich niestrukturalnym i nierelacyjnym charakterze. Modele analityczne tworzone są w oparciu o dedykowane środowiska statystyczne wymagające posiadania wysoko wyspecjalizowanych niszowych kompetencji. Z kolei dostarczenie osiągniętych rezultatów odbiorcom wymaga wiedzy i doświadczenia w obszarze integracji systemów IT, hurtowni danych i systemów BI.

Zespół projektowy rozwiązań Big Data składa się często z kilkunastu osób, z dobrze określonym zakresem kompetencji i odpowiedzialności. Kluczowymi osobami są: eksperci w zakresie Data Science – odpowiedzialni za budowane modele analityczne; Data Stewardzi – dbający o jakość danych i ich interpretację oraz architekci IT – odpowiedzialni za opracowanie i uruchomienie platformy analitycznej przy spełnieniu korporacyjnych standardów.

W skład zespołu projektowego wchodzą również przedstawiciele klienta – zarówno z ramienia biznesu, jak i IT. Jest to kluczowe, aby osiągnięte rezultaty miały wysoką wartość biznesową i były wykorzystywane w codziennym biznesie.

Michał Koziara jest Big Data Evangelist w Silmine.

W kolejnych – publikowanych na łamach magazynu ITwiz – artykułach cyklu – Odczarowując Big Data – przedstawimy przykłady zastosowania w handlu detalicznym, finansach, przemyśle, e-commerce, medycynie i wszędzie tam, gdzie nasze doświadczenia pokazują, że Big Data ma sens! W niektórych artykułach skupimy się na technologii, w innych na aspektach biznesowych. Zapraszam do lektury!

Tagi

Dodaj komentarz

Twój adres email nie zostanie opublikowany. Wymagane pola są oznaczone *