Smart analityka jako katalizator rozwoju przedsiębiorstw

Żyjemy w gospodarce opartej na danych. To z nich firmy czerpią dziś największą wartość; podejmują bardziej optymalne decyzje biznesowe, pozyskują nowych klientów i zwiększają retencję obecnych. Boom na Big Data sprawił, że coraz więcej organizacji odczuwa potrzebę wdrożenia jej do swoich działań. Kluczową kwestią jest tu jednak zrozumienie zachodzących w organizacji procesów i tego, w jaki sposób Big Data może wesprzeć firmę w rozwoju.

Jesteśmy obecnie w stanie zbierać petabajty rekordów. W każdej minucie generujemy olbrzymie ilości danych: wysyłamy setki milionów maili, pobieramy setki tysięcy aplikacji i kilka milionów razy wprowadzamy zapytania w wyszukiwarce Google. Niezależnie od tego, czy dane są przydatne, czy nie, organizacje przechowują je dla przyszłych referencji.

Jednak samo ich zbieranie i przechowywanie nie dostarczy nam wartości, a może jedynie przysporzyć kosztów. Pierwszym krokiem powinno być zatem zdefiniowanie procesów zachodzących w organizacji i problemu biznesowego, który chcemy za pomocą Big Data rozwiązać. Dogłębna interpretacja tych dwóch elementów powinna dać nam podstawę do właściwego wyboru źródeł danych i opracowania modelu analizy.

Nowe podejście do danych

Dotychczasowe podejście do danych mówi o zbieraniu wszystkiego, zgodnie z zasadą: im więcej, tym lepiej. Posiadanie dużych zbiorów to w tym wypadku możliwość przeprowadzenia wielu analiz i uzyskania różnorodnych informacji. Przechowywanie tak znacznej liczby rekordów jest jednak bardzo czaso- i kosztochłonne. Dochodzi do tego problem tradycyjnych sposobów przetwarzania i przestarzałych technologii, które uniemożliwiają optymalizowanie procesu eksploracji. W tym modelu większość czasu pracy analityka wiąże się z wyszukiwaniem danych, natomiast jedynie jej część poświęcona jest na przeprowadzenie rzeczywistej analizy dostarczającej organizacji wiedzę.

Przyszłość wygrają te firmy, które dla pełnego wykorzystania posiadanych zasobów odejdą od tradycyjnych metod i wdrożą rozwiązania pozwalające na stworzenie inteligentnej platformy analitycznej łączącej potencjał wnoszony przez data scientists, analityków i inżynierów oprogramowania.

Klasyczna metoda zakłada na przykład analizę biorącą pod uwagę wszystkie cechy umożliwiające identyfikację danego zjawiska. Z kolei w przypadku podejścia smart cechy podlegają strategicznej selekcji – ze względu na charakter analizowanego problemu brane są pod uwagę tylko te z nich, które są zasadne dla jego rozwiązania. Właśnie dlatego podejście smart cieszy się zainteresowaniem coraz szerszego grona zwolenników. Uzyskujemy w ten sposób przyspieszenie całej analizy i zwiększamy jej wartość.

Samo Big Data to za mało, by organizacja mogła dynamicznie i skutecznie rozwijać swoją działalność. Niezbędny jest tu jeszcze pierwiastek smart i fast.

Generalna zasada dotycząca analizy danych to: im więcej czasu upływa od zebrania danych do udzielenia odpowiedzi na postawione pytanie, tym mniej jest ona wartościowa i użyteczna. W standardowym modelu przetwarzającym dane pochodzące sprzed kilku miesięcy czy nawet lat to, co uzyskamy, będzie odnosiło się głównie do przeszłości. Biorąc pod uwagę fakt, jak dynamicznie zmienia się obecnie sytuacja rynkowa, podejmowanie decyzji na bazie tak wyciągniętych wniosków obarczone jest dużym ryzykiem dezaktualizacji. Dlatego też przy tworzeniu aplikacji analitycznych organizacje powinny mieć na uwadze możliwość przetwarzania jak najświeższych danych.

Kiedy zaczyna się smart analityka?

Dane są tak dobre jak informacje, których dostarczają. Dlatego smart analityka swój początek ma jeszcze na długo przed eksploracją posiadanych zbiorów. To poziom zrozumienia procesu, jaki chcemy analizować, i zachodzących w jego obrębie zjawisk decyduje o tym, jaką wartość z tego działania wyciągniemy.