Czym jest analityka?

Definicja analityki

Analityka to proces odkrywania i interpretowania znaczących wzorców w danych oraz informowania o nich. Mówiąc wprost, analityka pomaga nam dostrzec spostrzeżenia i znaczące dane, których w innym przypadku moglibyśmy nie zauważyć. Analityka biznesowa ma na celu wykorzystanie wiedzy uzyskanej z danych do podejmowania bardziej świadomych decyzji, które pomogą organizacjom zwiększyć sprzedaż, zredukować koszty i wprowadzić inne usprawnienia biznesowe.

Analityka biznesowa

Analityka biznesowa jest obecnie wszechobecna, ponieważ każde przedsiębiorstwo chce uzyskiwać lepsze wyniki i będzie korzystać z narzędzi analitycznych w celu podejmowania trafniejszych decyzji. Firmy starają się w jeszcze większym stopniu wykorzystać analitykę — zasilają narzędzia analityczne większą ilością danych w celu szybszego uzyskania dokładniejszych informacji dla większej liczby osób. Przy okazji chcą za to wszystko mniej płacić. Do osiągnięcia tych celów potrzebna jest zaawansowana chmurowa platforma analityczna (PDF) obsługująca cały proces analityczny w sposób bezpieczny, elastyczny i niezawodny. Platforma ta musi być zdolna do udostępniania użytkownikom samoobsługowych narzędzi analitycznych bez uszczerbku dla obowiązujących w przedsiębiorstwie zasad nadzoru. Ponadto musi być łatwa w administrowaniu.

Czy można jednak korzystać z systemu klasy korporacyjnej bez ponoszenia typowych dla niego kosztów i bez posiadania typowej dla niego infrastruktury?

Dzięki zastosowaniu analityki biznesowej (w połączeniu z funkcjami personalizacji i samouczenia się maszyn oraz głęboką wiedzą branżową) przedsiębiorstwa mogą uzyskiwać na podstawie posiadanych danych z aplikacji, hurtowni i jezior danych przydatne informacje pozwalające na podejmowanie dalszych działań. Analityka biznesowa powinna być zatem kompletnym procesem prowadzącym do podjęcia świadomych decyzji. Na podstawie uzyskanych informacji przedsiębiorstwo powinno być zdolne do ewentualnej ponownej oceny i realizacji swoich procesów lub ich zmiany. W każdym przypadku chodzi o podjęcie określonych działań.

Podstawy analityki

Same w sobie dane nie mają znaczenia. Wszelka ich analiza jest bezcelowa, jeśli nie będzie prowadzić do podjęcia określonych działań. Jeśli zakupiona technologia nie będzie odpowiednio wykorzystywana, inwestycja nie zwróci się w pełni. Obecnie potrafimy skutecznie „porozumiewać się” z posiadanymi danymi: uzyskiwać od nich prognozy i odpowiedzi na pytania oraz powodować, aby „uczyły się” nowych wzorców. W danych tkwi więc znaczny potencjał.

Korzyści biznesowe wynikające z analityki

  • Nowy sposób pracy

    Specyfika działalności biznesowej ulega zmianom, którym towarzyszą nowe sposoby konkurowania. Aby zaspokoić wymagania zaawansowanego technicznie personelu, należy korzystać z metod tworzenia wartości i szybkiego działania. Uzyskiwanie informacji przez użytkowników powinno odbywać się szybko i w prosty sposób, przy jednoczesnym zachowaniu najwyższych standardów jakości i bezpieczeństwa danych. Podstawą strategii korzystania z analityki w przedsiębiorstwie powinna być scentralizowana platforma analityczna, w której kluczową rolę odgrywa dział IT. Połączenie inicjatyw zapoczątkowanych w działach biznesowych i dziale IT to optymalne źródło innowacji.

  • Odkryj nowe możliwości

    Dzięki rozwojowi technologii analitycznych nieustannie powstają nowe możliwości wykorzystywania posiadanych danych. Nowoczesne metody wyróżnia możliwość prognozowania, samodzielnej nauki i adaptacji, tak aby pomóc w zidentyfikowaniu ukrytych wzorców. Są też bardziej intuicyjne dzięki atrakcyjnym wizualizacjom, które umożliwiają błyskawiczne zrozumienie znaczenia ukrytego w milionach wierszy i kolumn danych. Nowoczesne rozwiązania analityczne są łatwe w użyciu i można z nich korzystać na urządzeniach przenośnych. Zapewniają dostęp do odpowiednich danych we właściwym czasie przy minimalnych albo zerowych nakładach na szkolenia.

  • Wizualizuj swoje dane

    Każdy chce dostrzec w posiadanych danych sygnały pozwalające wyprzedzić konkurencję. Umożliwiają to narzędzia analityczne zdolne do zaprezentowania w wysokiej rozdzielczości obrazu otoczenia biznesowego. Dzięki połączeniu danych osobowych, danych przedsiębiorstwa i zasobów Big Data można w ciągu kilku minut zrozumieć wartość dostępnych danych i udostępnić współpracownikom wynikające z nich wnioski.

Przeszłość: historia analityki

Porównywanie statystyk i analizowanie danych miało miejsce jeszcze w czasach poprzedzających historię pisaną, można jednak wyróżnić pewne kamienie milowe, które pomogły zmienić analitykę w znany nam dzisiaj proces.

W 1785 r. William Playfair wymyślił wykres słupkowy, który jest jednym z podstawowych i powszechnie używanych narzędzi do wizualizacji danych. Mówi się że wymyślił wykresy słupkowe, aby przedstawić kilkadziesiąt punktów danych.

W 1812 r. twórca map, Charles Joseph Minard, przedstawił straty poniesione przez wojska Napoleona podczas marszu na Moskwę. Zaczynając od granicy polsko-rosyjskiej, stworzył liniową mapę z grubymi i cienkimi liniami pokazującymi związek ponoszonych strat z mroźną zimą i czasem, w którym armia znajdowała się z dala od linii dostaw.

W 1890 r. Herman Hollerith wynalazł „maszynę licząco-analityczną”, która zapisywała dane na kartach dziurkowanych. Pozwoliło to na szybszą analizę danych i skróciło czas przetwarzania danych uzyskanych ze spisu powszechnego w Stanach Zjednoczonych z siedmiu lat do 18 miesięcy. Tak właśnie pojawił się obecny do dziś biznesowy wymóg stałego udoskonalania sposobów zbierania i analizy danych.

Teraźniejszość: analityka dzisiaj

W latach siedemdziesiątych i osiemdziesiątych XX w. opracowano relacyjny system bazodanowy i język SQL, które ekstrapolowały dane na potrzeby analizy na żądanie.

Pod koniec lat osiemdziesiątych William H. Inmon przedstawił koncepcję „hurtowni danych”, w przypadku której dostęp do danych można było uzyskiwać szybko i wielokrotnie. Ponadto analityk firmy Gartner, Howard Dresner, użył po raz pierwszy terminu „business intelligence” (analiza biznesowa), który przyczynił się do tego, że branża zaczęła dążyć do analizy danych z zamiarem lepszego zrozumienia istoty procesów biznesowych.

W latach dziewięćdziesiątych koncepcja eksploracji danych pozwoliła przedsiębiorstwom analizować i odkrywać wzorce w niezwykle dużych zestawach danych. Analitycy i badacze danych korzystali wówczas z języków programowania takich jak R i Python, aby opracować algorytmy samouczenia się maszyn, przetwarzać duże zestawy danych i tworzyć złożone wizualizacje danych.

W pierwszej dekadzie XXI w. innowacje w wyszukiwaniu internetowym pozwoliły na opracowanie platform do przetwarzania dużych zbiorów danych MapReduce, Apache Hadoop i Apache Cassandra, które pomagały w odkrywaniu, przetwarzaniu i prezentowaniu informacji.

Przyszłość: analityka nowej generacji

W miarę jak przedsiębiorstwom przestawał wystarczać zwykły wgląd w dane, a zaczynały być potrzebne kolejne przydatne informacje, zaczęto rozwijać narzędzia analityczne.

Pierwsze zestawy narzędzi analitycznych bazowały na modelach semantycznych opartych na oprogramowaniu do analizy biznesowej. Zestawy te pomogły w zapewnieniu silnego nadzoru nad danymi oraz pozwoliły na analizę danych i odpowiednie dostosowania w ramach poszczególnych funkcji. Wadą była natomiast pojawiająca się nieterminowość raportów. Osoby podejmujące decyzje biznesowe czasami nie miały pewności, czy wyniki analiz zostały dostosowane do pierwotnego zapytania. Z technicznego punktu widzenia modele takie są głównie używane lokalnie, co czyni je nieefektywnymi kosztowo. Dane są natomiast często przechowywane w silosach.

W późniejszym czasie rozwój narzędzi samoobsługowych sprawił, że analityka trafiła do szerszego grona odbiorców. W efekcie coraz intensywniej zaczęto korzystać z narzędzi analitycznych, ponieważ nie wymagały one żadnych specjalnych umiejętności. Takie desktopowe narzędzia analityki biznesowej zyskały popularność w ciągu ostatnich kilku lat, zwłaszcza w kontekście korzystania z nich w chmurze. Użytkownicy biznesowi lubią bowiem eksplorować różnorodne zasoby danych. O ile łatwość obsługi nie sprawia problemów, łączenie danych i tworzenie „pojedynczej wersji prawdy” staje się jednak coraz bardziej złożone. Analityka realizowana z poziomu desktopa nie zawsze jest skalowalna do większych grup. Jest również podatna na niespójne definicje.

Ostatnio narzędzia analityczne zaczęły zapewniać jeszcze dokładniejsze informacje biznesowe dzięki zastosowaniu mechanizmów automatycznej aktualizacji oraz automatyzacji wykrywania, czyszczenia danych i publikowania danych. Użytkownicy biznesowi mogą już współpracować ze sobą za pomocą dowolnych urządzeń w modelu kontekstowym, wykorzystywać informacje w czasie rzeczywistym i poprawiać osiągane wyniki.

Obecnie ludzie nadal wykonują większość pracy, automatyzacja staje się jednak coraz bardziej popularna. Dane z dostępnych źródeł można łatwo ze sobą łączyć. Działanie użytkownika polega na zadawaniu pytań, na które uzyskuje odpowiedzi w formie zwizualizowanych reprezentacji danych, na podstawie których buduje modele służące prognozowaniu tendencji lub wyników. Wszystkie te modele są zarządzane i kontrolowane przez ludzi na bardzo szczegółowym poziomie. Włączenie w procesy analityczne funkcji zbierania i wykrywania danych oraz samouczenia się maszyn zapewnia użytkownikowi końcowemu więcej opcji w szybszym czasie niż kiedykolwiek wcześniej.

Upowszechnianie się analityki biznesowej

Analityka dotyczy każdego aspektu naszego życia. Bez względu na zadane pytanie — o pracownika, o finanse, o upodobania lub awersje klienta i ich wpływ na jego zachowanie — funkcje analityczne udzielają na nie odpowiedzi i pomagają podejmować świadome decyzje.