BI érettségi modell 2020

Tudja, hogy miért van bukásra ítélve a legtöbb digitális transzformációs projekt?

Szeretné megérteni, hogy melyek a kulcsfontosságú tényezők a sikeres transzformációhoz bármely vállalatnál? Ismerje meg a részleteket elemzésünkből!

Bevezető gondolatok

Az IoT korszak miatt elérhetővé vált óriási mennyiségű adatnak köszönhetően az utóbbi években nagy az érdeklődés a BI & Analytics témák iránt. Ez természetesen új ötleteket és technikákat is hozott magával az információk értelmezése és az üzleti érték azonosítása terén.

Az üzleti oldal és az adatok elemzésének összehangolása már egy ideje várat magára: az AI technikák természetének és előnyeinek megértésének hiánya, és a kontextusba helyezett automatizálás hiánya, illetve a nem strukturált adatokból történő elemzések jelentik még mindig a legnagyobb akadályt a vállalatoknak, hogy ezeket a technológiákat magukénak tudhassák és működtessék. A kihívást az elkövetkező évekre az jelenti, hogy áttekinthetővé tegyük az adatelemzők részére az AI-t (mesterséges intelligenciát) és a teljes “fejlett elemzés” (advanced analytics) területét, illetve kialakítsuk az áttekinthető kommunikációt a vezetőség irányába. Az adatelemzőknek meg kell tanulniuk tisztán és egyszerűen átadni komplex történeteket, ez pedig a legújabb technikák és azok korlátainak átfogó megértését igényli.

Lewis Carroll’s Vörös Királynője szerint: “Ha teljes erőbedobással futsz, az csak arra jó, hogy egy helyben maradj. Ha valahová el akarsz jutni, ahhoz legalább kétszer olyan gyorsan kell futnod!

Lépést tartani a folyamatosan változó technológiai és üzleti környezettel nagy nyomást gyakorol minden vállalatra, és a menedzserek hajlamosak siettetni az újításokat, mellyel az egész szervezetet eleve bukásra ítélik. Bizonyos, hogy a vállalat BI jelenlegi állapota tükrözi a múltbeli igényeket (a kérdés az: mennyire messzi ez a múlt?)

BI érettségi modell 2020

Egy érett vállalat esetében megfigyelhető az üzleti igények egy természetes evolúciója azzal kapcsolatban, hogy hogyan használják az adatokat (és az azok alapjául szolgáló backend megoldásokat) és elemzéseket annak érdekében, hogy választ kapjanak bizonyos kérdésekre; illetve, hogy a szervezeti struktúra és vállalati kultúra hogyan tükrözi a fenti viszonyokat. Hogyan néz ki tehát ez az evolúció?

BI érettségi modell 2020

1. A kezdet

A kezdetben egy IT-s ember készített egy teljesen alap riportot (minden bizonnyal táblázatot). A föld még kietlen és puszta volt, a mélység fölött sötétség volt és Isten Lelke lebegett a vizek fölött. Az adatok még formázatlanok és hiányosak voltak; a vállalat a sötétségben tapogatózott. Ez a működésnek egy minden tudatosságot nélkülöző állapota, ahol csak megpróbálunk hozzáférni az adatokhoz.

2. Legyen világosság!

És a BI világosságot hozott a riportokra. Akkor ezt mondta Isten: Legyen világosság! És lett világosság. Megalkották a fő eredményességi mutatókat (KPI), amelyek segítik felfedezni a sikeresség méréséhez szükséges adatokat, illetve megválaszolják a “Mi történt?” típusú kérdéseket. Megjelentek a relációs adatbázisok, de ez még csak a pillanatnyi lehetőségeket kihasználó fázis, a többé-kevésbé hozzáértő, Zoli vagy Laci nevű IT-sok kezében.

3. Adatból információt

Ezután jön a kérdés: “Miért történt ez?” Ahhoz, hogy erre válaszolni tudjunk, mélyebbre kell ásnunk és meg kell értenünk a változók közötti összefüggéseket. A modellek fejlődnek, hogy meghatározzák az adatok összekapcsolódását, és azonosítsák az üzleti oldal mozgatórugóit. Az adataink információvá váltak. Egyre inkább a lényegre koncentrálunk. Ezen a ponton már többdimenziós adatmodellekkel is rendelkezésre állhatnak és több üzleti adatelemző található a különböző részlegeken, hogy ad-hoc üzleti kérdésekre válaszoljanak.

4. Mi fog történni?

Most már tudjuk a “Miért?” kérdésre a választ, de egyre jobban aggódunk a jövő miatt. Vajon mi fog történni a vállalattal? Ekkorra már stratégiában gondolkodunk, és valószínűleg vettünk egy nagy levegőt egy Vállalati Adattárház építéséhez, illetve kibővítettük az alkalmazásokat, hogy a múltbéli adatokból kikövetkeztethessük a jövőre vonatkozó információkat. A prediktív szint valószínűleg a növekvő vállalat struktúrájára is hatással van, mely követi a többi dimenzió változásait is. A BI Kompetencia Központ az egyik kulcsfontosságú tényezője ennek a szintnek, hogy egy szabványosított és központosított szakértői csapat segítségével minden releváns kompetenciát kihasználjunk és támogassuk egy adatvezérelt szervezet igényeit.

5. Információból tudás

Az Előíró (Prescriptive) szinten a “Miért fog ez megtörténni?” kérdésre az információ tudássá való átalakításával válaszolnánk. A vállalat mostanra már valószínűleg olyan nagy, mintha független és öntudatosságra ébredt szervezet lenne, amely az üzleti igények szerint alakítaná a saját struktúráját.

Az adatelemzők, akik mindenhol megtalálhatók a vállalaton belül, mély és előremutató betekintést biztosítanak az adatokba, illetve célzott és releváns elemzésekkel és javaslatokkal látják el az üzleti felhasználókat. Komplex analitikai megoldásokat tesznek elérhetővé a napi felhasználók számára, rugalmas és könnyen használható modellek készítésével. Ahogy a begyűjtött adatok mennyisége drasztikusan nő, a nagy adat (Big Data) és strukturálatlan adat megoldások jelennek meg az IT infrastruktúrában. Ez a kiterjesztés szintje.

6. BI mint levegő

Az érettség utolsó szintje a digitális transzformáció optimalizálására összpontosít a szervezeti struktúra értelmében, azaz hogyan használjuk az adatokat, illetve milyen típusú elemzési módszereket alkalmazunk a tudás döntéssé való átalakításában. A vállalat most már birtokában van egy olyan elemzési ökoszisztémának, amellyel válaszolni tud olyan kérdésekre, mint például “Hogyan döntsünk?” és “Hogyan előzzük meg?”, illetve a legjobb lépésekre vonatkozó javaslatokat kizárólag adatokra alapozva tudják megfogalmazni. Ebben a fázisban az adat olyan alapvető szükséglet, mint az embereknek a levegővétel. Ezt úgy hívjuk “BI mint levegő”.

BI érettségi modell 2020: További észrevételek

Hogyan együnk meg egy elefántot?

Falatonként. Ne siettessünk vagy lépjünk előre a BI evolúcióval, mert az megzavarja az üzletmenetet és visszafordítja a fejlődést. Egy körültekintően kialakított BI ütemterv lehet, hogy lassabb, de biztosítja azt, hogy megfelelően haladjunk.

Soha ne hagyjuk magára az embereket!

Támogassuk, hogy a korai elfogadók “hirdessék az igét”, de ne engedjük, hogy az “ellenállók” nagyon lemaradjanak. Hajlamosak vagyunk ellenállni a változásoknak, ilyenkor azt mondjuk: “Mindig is így csináltuk.” A sikeres transzformáció kulcsfontosságú előfeltétele a szervezeti kultúra megváltoztatása azáltal, hogy oktatásokkal és e-learning programokkal támogatjuk a munkatársakat, hogy a következő generáció haladó BI felhasználóikká váljanak.

A 4. dimenzió: Szervezet

Ezek a dimenziók folyamatosan együttműködnek egymással, ezért együtt kell kezelni őket.

Legyünk készek a befogadásra!

A mélytanulás (Deep Learning) és a gépi tanulás (Machine Learning) egyre inkább valósággá válik a Fortune 500-os cégeken túl is, ezzel egyidejűleg a B2C mobil alkalmazások is IoT alapú ajánlói rendszerrel működnek, a teljes személyreszabás (hyper-personalization) és a valósidejű tanuló rendszerek a mindennapi életünk részévé váltak. Stabilabb és költséghatékonyabb nagy adat platformok segítenek mélyebb és még átfogóbb betekint biztosítani a strukturálatlan és sötét adatokba, ennek eredményeképpen az Industry 4.0-ban rejlő lehetőségek elérhetővé válnak a közepes méretű vállalkozások számára is.

Miben tudnak a Onespire Zrt. Data Science és Innováció szakértői segíteni Önnek?

Közösen felmérjük, hogy cégük milyen érettségi szinten helyezkedik el az adatok, elemzések, üzlet és szervezet szempontjából, illetve meghatározunk egy végrehajtható stratégiai tervet, hogy hogyan váljon a vállalat jóból a legjobbá az iparágon belül az üzleti folytonosság megszakítása nélkül. Az érettségi szint növekedésével a vállalat egyre közelebb kerül az összes adat és stratégiai eszköz kiaknázásához az ügyfél elégedettség és az üzleti teljesítmény növelése érdekében, folyamatosan felülmúlva az elvárásokat.

Apáthy Sándor

Tudja, hogy miért van bukásra ítélve a legtöbb digitális transzformációs projekt?

Szerző: Apáthy Sándor

Data Science és Innováció Kompetencia Központ

Kövesse a Onespire Zrt. közösségi média oldalait is!

További bejegyzéseink

Kérdése van szolgáltatásainkkal kapcsolatban?

Küldje el e-mail címét és kérdését, szakértőnk megkeresi Önt két munkanapon belül!

1 + 14 =

Share This