Zaawansowana analityka jest w zasięgu każdej organizacji

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.

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.

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.