AnalitykaPREZENTACJA PARTNERA
Zaawansowana analityka jest w zasięgu każdej organizacji
Executive ViewPoint
Z Arturem Skalskim, Head of Architecture and Analytics Division w SAS, rozmawiamy o uniwersalnej ścieżce skutecznego wdrożenia analityki w firmie; specyfice platformy SAS Viya; zmianach, które w niej wprowadzono, i nowym modelu pay-as-you-go; tym, w jaki sposób SAS wspiera wykorzystanie narzędzi analitycznych w chmurze oraz jakie kompetencje należy rozwijać w związku z ewolucją analityki biznesowej.
Jakie jest biznesowe znaczenie innowacji technologicznych w obecnych, mocno niepewnych realiach?
Najważniejszym oczekiwaniem w kontekście innowacji jest dziś poszukiwanie efektywności. Wszystko to, co robimy ma być bardziej skuteczne i mniej kosztowne. Oznacza to w wielu przypadkach automatyzację procesów, a to wymusza potrzebę wyposażania ich w inteligencję, tak aby decyzje podejmowane przez automaty były trafne z punktu widzenia procesu.
Podając kilka przykładów: w obszarze CRM nie chcemy zarzucać klienta komunikacją marketingową, bo przyniesie to odwrotny skutek, a ta, którą zdecydujemy się wysłać, ma odpowiadać aktualnemu kontekstowi i być przedstawiona w sposób, dający największe szanse na zainteresowanie i dialog. System podążając za klientem, może sam wykryć i zdecydować o potrzebie komunikacji, a na bazie wyniku działania modeli analitycznych wybrać jej treść i formę przekazu. Zatem komunikacja jest czymś zautomatyzowanym, a pracownicy zamiast na procesie realizacji kampanii, mogą skupić się na wyszukiwaniu nowych wzorców czy ścieżek zachowań klientów, prowadzących do określonych rezultatów, które ostatecznie mogą być zaimplementowane do systemu. W efekcie, indywidualizując i personalizując strategię na poziomie klienta, przy tych samych zasobach, robimy więcej i jednocześnie jesteśmy bardziej skuteczni.
W obszarze ryzyka kredytowego, automatyzacji mogą podlegać procesy oceny ryzyka kredytowego, działające w ramach ofert na własnych stronach i w aplikacjach mobilnych pożyczkodawcy lub w ramach oferty wspierającej sprzedaż w e-commerce. Gdy taki proces jest zautomatyzowany, jesteśmy w stanie realizować ofertę bardzo szybko, a jeśli wyposażymy dodatkowo proces w modele analityczne, możemy ograniczać skutecznie ryzyko kredytowe i wystąpienie złego długu, czyli takiego, którego nie będziemy mogli odzyskać.
Inny przykład z branży retail. Zakłócenia łańcuchów dostaw, inflacja i dynamiczne zmiany zachowań konsumentów powodują, że wyzwaniem jest zapewnienie odpowiedniego poziomu zatowarowania. I tutaj w ramach podnoszenia efektywności i poszukiwania optymalizacji procesu chodzi między innymi o to, aby z jednej strony produktu nie zabrakło na półce, a z drugiej – jego nadmiar nie zalegał w magazynie i nie generował kosztów. W tym obszarze również realizujemy niezwykle innowacyjne projekty, gdzie sieci handlowe wykorzystują najnowsze algorytmy i metody optymalizacyjne, aby konkurować dostępnością towaru od ręki, minimalizując koszty ich transportu i przechowywania.
Podobnie jest w sektorze przemysłowym, gdzie możemy stosować automatyzację i sztuczną inteligencję choćby do ciągłego monitorowania jakości wytwarzanych produktów, czy też prognozowania awarii lub koniecznych okien serwisowych, czym możemy ostatecznie ograniczać koszty.
Innowacje są istotnym czynnikiem, o ile nie najważniejszym, w zakresie zwiększania efektywności, dobrego zarządzania posiadanymi zasobami przy jednoczesnym rozwoju biznesu, co w dzisiejszym otoczeniu makroekonomicznym ma coraz większe znaczenie. Dlatego koncentrujemy się na wspieraniu naszych klientów w uruchamianiu inteligentnych procesów biznesowych, a nasza technologia jest rozwijana w takim kierunku, aby mogli je wdrażać w szybki i łatwy sposób.
Czy da się wskazać uniwersalną ścieżkę, która pozwala skutecznie wdrożyć zaawansowaną analitykę, aby zwiększyć konkurencyjność firmy na rynku?
Przede wszystkim trzeba myśleć o tym z punktu widzenia kompletnego cyklu analitycznego, a nie tylko budowy modelu. Należy zacząć od dostarczenia i przygotowania danych do modelowania, zapewnienia, że wypracowane cechy analityczne będą dostępne dla modeli na środowiskach produkcyjnych, poprzez uwzględnienie modelowania (dziś proces może być w pełni zautomatyzowany, stąd jako taki nie jest najważniejszy), a na operacjonalizacji modelu – zdefiniowaniu, jak z tego modelu będą korzystać aplikacje czy procesy, które automatyzujemy – kończąc.
Warto też od razu zaplanować, jak będziemy dostarczać odpowiedzi dla modeli, czyli informacje, czy model zadziałał dobrze, czy nie, czy decyzja podjęta na podstawie wyniku z modelu była trafiona. Potrzebujemy tego, aby monitorować jakość modeli i wiedzieć, czy nadal dobrze opisują modelowane zjawisko, czy nie potrzebują douczenia.
Innym aspektem jest to, kto w organizacji ma zajmować się analityką. I tutaj, moim zdaniem, warto zapewnić dostęp do narzędzi jak najszerszej grupie użytkowników. Jeśli dziś proces modelowania może być zautomatyzowany, to nic nie stoi na przeszkodzie, żeby te modele mogły powstawać bezpośrednio w jednostkach, w których są potrzebne. Eliminujemy w ten sposób wąskie gardła i ograniczenia kadrowe, kompetencyjne, przyspieszając jednocześnie transformację cyfrową w tym obszarze.
Oferta SAS Viya na Microsoft Azure Marketplace zapewnia dostęp zarówno do podstawowych, jak i zaawansowanych funkcji analitycznych. Jest gotowym i w pełni skonfigurowanym środowiskiem, które ma duże możliwości obliczeniowe.
Jakie korzyści oferuje SAS Viya oparta na platformie publicznej chmury obliczeniowej, poza oczywistym faktem, że użytkownik płaci tylko za realnie wykorzystane zasoby?
Oferta SAS Viya na Microsoft Azure Marketplace zapewnia dostęp zarówno do podstawowych, jak i zaawansowanych funkcji analitycznych. Jest gotowym i w pełni skonfigurowanym środowiskiem, które ma duże możliwości obliczeniowe. Są w nim dostępne funkcjonalności związane z Data Exploration czy Data Analytics.
Można w takim środowisku w dość prosty sposób przygotować model analityczny i zoperacjonalizować go do kontenera, który może być uruchomiony w dowolnym środowisku wpierającym kontenery, poza platformą SAS. Zadaniem tej konkretnej edycji jest zapewnienie dostępności analityki do jak najszerszego grona odbiorców w formie dającej możliwość zrealizowania scenariusza „od zera do bohatera”. Mam dane, brakuje mi środowiska analitycznego, niekoniecznie znam się na programowaniu w open source, może niekoniecznie bardzo dobrze się znam na samej analityce, a chciałbym szybko zbudować dobry model, poprawnie opisujący jakieś zjawisko, i wypuścić go jako usługę, wspierającą moje procesy biznesowe.
SAS Viya na Azure Marketplace umożliwia właśnie takie działanie. Jako użytkownik posiadający subskrypcję Azure (niedługo to będzie dotyczyć również pozostałych chmur publicznych), mogę szybko zamówić i uruchomić w pełni skonfigurowane środowisko, do którego muszę dostarczyć jedynie dane. Ostatecznie cały proces może potrwać zaledwie kilkanaście minut. Ta pełna funkcjonalność dostępna jest od ręki i rozliczana za konkretne użycie. Mówimy więc o naprawdę małych kosztach.
To rozwiązanie skierowane jest zatem do każdej wielkości organizacji?
Nawet mała firma, która nie ma w zespole kompetencji programistycznych czy też silnych kompetencji analitycznych, a chce przygotować szybko model na potrzeby prostego środowiska produkcyjnego, działającego w dowolnej infrastrukturze chmurowej, może skorzystać z naszego środowiska. Budowa modelu jest wysoce zautomatyzowana (oczywiście nadal istnieje ścieżka dla użytkowników zaawansowanych), a ponadto, zarówno dane, jak i budowany w oparciu o nie model są zinterpretowane i objaśnione użytkownikowi w aplikacji. A zatem od użytkownika wymagana jest w zasadzie jedynie wiedza biznesowa odnośnie do zjawiska, które chce zamodelować, resztą zajmuje się maszyna.
Jakie inne nowości oferuje dziś SAS Viya?
Przede wszystkim platforma zmieniła się od strony architektonicznej. Składa się ze skonteneryzowanych mikrousług, które mogą działać w każdym środowisku wspierającym Kubernetes. Można ją zaimplementować na własnym sprzęcie on-premise i dokładnie tak samo będzie to wdrożenie wyglądało, jeśli skorzystamy z chmury Azure, Google Cloud czy Amazon Web Services.
Co więcej, jesteśmy w stanie migrować pomiędzy chmurami, zarówno samą platformę, jak i całe know-how, jakie na niej wypracowaliśmy. Ponadto konteneryzacja mikrousług daje dużą elastyczność w zakresie skalowalności poszczególnych komponentów i ostatecznie optymalizacji zasobów infrastruktury, a zatem i kosztów, bez negatywnego wpływu na szybkość działania procesów biznesowych. To jest ten duży przeskok.
Wciąż pracujemy również nad tym, aby SAS Viya była platformą otwartą. Funkcjonalności analityczne związane z zarządzaniem danymi, ich transformacją, przetwarzaniem czy automatyzacją budowy modeli analitycznych – są dziś dostępne za pośrednictwem API. Oznacza to, że można użyć różnych aplikacji open source – m.in. popularnego Jupyter Nootebook – lub innych interfejsów, aby z ich poziomu, za pomocą API korzystać z funkcjonalności SAS Viya. Jest to pierwszy aspekt otwartości.
Drugi aspekt to otwartość na świat Data Science. Obecnie jest on w dużej mierze światem open source. Naszym celem jest, aby niezależnie od tego, w jakim kierunku pójdą społeczności rozwijające data science i w jakim języku użytkownik będzie chciał budować model analityczny, zapewnić mu wystandaryzowaną ścieżkę zarządzania modelami analitycznymi i włączania ich do procesów biznesowych.
SAS Viya zmieniła się od strony architektonicznej. Składa się z mikrousług, które mogą działać w każdym środowisku Kubernetesa. Można ją zaimplementować na własnym sprzęcie on-premise i dokładnie tak samo będzie to wdrożenie wyglądało, jeśli skorzystamy z chmury.
Jak wygląda zainteresowanie platformą SAS Viya w chmurze? Czy polskie firmy chętnie sięgają po rozwiązania analityczne w tym modelu? Dla jakich organizacji są przeznaczone te rozwiązania?
Naszymi klientami są zazwyczaj duże firmy. Teraz, gdy mamy już SAS Viya na Microsoft Azure Marketplace, mamy nadzieję szerzej docierać również do firm małych i średnich. Natomiast jeśli chodzi o chmurę, to zainteresowanie jest spore. Daje ona obietnicę tego, że można przeprowadzić szybkie wdrożenie i skorzystać z takiej mocy obliczeniowej, jaka jest w danym momencie niezbędna. Nie trzeba inwestować w sprzęt i utrzymywać własne data center. Nasza platforma wdrożona w chmurze wpisuje się w ten kierunek szybkości dostarczania i skalowania w miarę potrzeb biznesu.
Jakie sektory korzystają z platformy SAS Viya w chmurze?
Globalnie są to praktycznie wszystkie sektory, może poza przemysłowym, poza szczególnymi zastosowaniami związanymi z IoT, gdzie ze względu na opóźnienia związane z transferem danych, nie ma sensu wysyłać danych do chmury, a bardziej wskazana jest ich analiza w ramach własnej infrastruktury.
Warto podkreślić, że zainteresowanie płynie też z sektora finansowego, który do niedawna, z uwagi na kwestie regulacyjne, utrzymywał największy dystans do chmury. Mamy coraz więcej zapytań o platformy analityczne czy też dziedzinowe rozwiązania biznesowe, które banki chciałyby wdrażać również w chmurach publicznych.
Dlaczego firmy decydują się przenosić do chmury? Głównie z powodu elastyczności i skalowalności?
Z tych powodów na pewno. Sądzę, że takim powodem jest też efektywność kosztowa. Chmura zwalnia z konieczności zakupu i utrzymania własnej infrastruktury oraz rozwijania kompetencji do jej administracji. Ponadto w modelu umożliwiającym kontrolę kosztów, np. Platform as a Service (jeden z modeli, w jakim wdrażamy SAS Viya), staje się interesującą i opłacalną alternatywą dla rozwoju własnej infrastruktury. Poza tym potencjalnie ta infrastruktura w chmurze może być dla nas dostępna szybciej, co oznacza redukcję kosztów związanych z utraconymi możliwościami.
Co łatwa dostępność do infrastruktury w chmurze oznacza dla potencjału wykorzystania analityki na różnych szczeblach biznesu?
Oznacza, że jesteśmy np. w stanie powoływać środowiska dostosowane do konkretnych projektów. Jeśli przeprowadzamy cyfrową transformację w firmie i potrzebujemy stworzyć środowisko analityczne, z którego będzie korzystało szerokie grono pracowników, zespołów i działów, to możemy je zbudować dokładnie w taki sposób, aby zapewnić wszystkim zainteresowanym odpowiedni dostęp. W momencie kiedy ono nie jest potrzebne, możemy je wyłączyć i nie płacić za czas, kiedy nie funkcjonuje. Udaje nam się w ten sposób zbudować kompromis między zapewnieniem jak najszerszego dostępu do analityki dla szerokiego grona ekspertów biznesowych a kontrolą kosztów, związaną z utrzymywaniem środowisk.
Jakie kompetencje powinni rozwijać pracownicy, aby nadążać za tą ewolucją analityki biznesowej?
Na pewno fundamentalne i ponadczasowe są kompetencje stricte analityczne, takie jak statystyka i ekonometria. One zawsze powinny stać na pierwszym miejscu. Umiejętności programowania są potrzebne, ale w dobie kiedy modele analityczne mogą być budowane w sposób zautomatyzowany, przede wszystkim trzeba wiedzieć, jak stosować metody analityczne, jaka jest logika działania algorytmów, które generują wyniki analiz oraz jak je stosować, by dobrze opisać dane zjawisko i móc podejmować trafne decyzje.