Τα Αnalytics as a Service (AaaS) αποτελούν μια ενδιαφέρουσα εναλλακτική πρόταση για οποιαδήποτε οργανισμό χρειάζεται ανάλυση των δεδομένων του, χωρίς να χρειαστεί να κάνει τη μεγάλη επένδυση που απαιτούν οι on-premises αντιπροτάσεις τους.

Είναι γεγονός ότι τα Big Data έχουν αλλάξει τον τρόπο που λειτουργούν οι επιχειρήσεις σήμερα. Οι εταιρείες γνωρίζουν, πλέον, ότι χρειάζεται να αξιοποιήσουν τα δεδομένα τους για να απελευθερώσουν την αποτελεσματικότητα και τις βελτιωμένες υπηρεσίες που κρύβουν αυτά. Η αξία της εκμετάλλευσης των δεδομένων στις λειτουργικές και επιχειρηματικές διαδικασίες έγκειται στα συνεπαγόμενα ανταγωνιστικά πλεονεκτήματα και στις δομικές αλλαγές που προκαλούνται στη επιχειρηματική λειτουργία.

Το να εκμαιεύσει κανείς, ωστόσο, την αξία που κρύβουν τα δεδομένα δεν είναι καθόλου εύκολη υπόθεση. Η φύση των δεδομένων και των πηγών που τα παράγουν σήμερα, αλλά και οι τεχνολογίες που τα αποθηκεύουν, τα διαχειρίζονται και τα αναλύουν έχει οδηγήσει σε ένα τοπίο που κατακλύζεται άναρχα από δεδομένα. Η ανάλυση και αξιοποίηση αυτού των όγκου δεδομένων αποτελεί μεγάλη πρόκληση για κάθε πληροφοριακή υποδομή.

ΑaaS: η λύση από το cloud
Το …πρόβλημα που υπάρχει είναι ότι οι διαδικασίες αξιοποίησης των δεδομένων είναι ιδιαίτερα απαιτητικές σε πόρους. Για τους οργανισμούς που δεν έχουν την πολυτέλεια να διαθέτουν servers που θα μπορούσαν να τους εκμεταλλευτούν στον αδρανή χρόνο τους, ώστε να διοχετεύσουν σε αυτούς τα φορτία ανάλυσης, η δυνατότητα εκμετάλλευσης του cloud θα μπορούσε να αποτελούσε μια ενδιαφέρουσα και οικονομική εναλλακτική λύση στη μορφή των Analytics as a Service. To cloud προσφέρει αρκετά πλεονεκτήματα στην επεξεργασία και ανάλυση δεδομένων. Καθώς οι πλατφόρμες Big Data είναι αρκετά πολύπλοκες και αδηφάγες σε πόρους, είναι πολύ δύσκολο (και ίσως ασύμφορο) για το in-house IT να αναπτύξει τις υποδομές που απαιτούνται για την αξιοποίησή τους.

Το μοντέλο “pay-per-use” που προσφέρει το cloud λύνει τα χέρια σε αρκετές επιχειρήσεις, καθώς τους επιτρέπει να εκμεταλλευτούν την πληροφορία που κρύβεται στα δεδομένα τους, χωρίς να χρειαστεί να αναπτύξουν πολυδάπανες και πολύπλοκες υποδομές. Άλλωστε, πολλές εργασίες ανάλυσης Big Data μπορούν εύκολα να γίνουν παράλληλα ή να «τεμαχιστούν» σε μικρότερες, περισσότερο διακριτές, εργασίες, κάτι που ταιριάζει ιδανικά στις δυνατότητες ενός public cloud. Γι’ αυτό και αρκετοί πάροχοι υπηρεσιών public cloud προσφέρουν templates για δημοφιλείς πλατφόρμες Big Data, όπως είναι το Hadoop, διευκολύνοντας τους administrators να διαμορφώσουν την απαιτούμενη υποδομή.

Και για μερικά φορτία ανάλυσης Big Data η λύση του cloud φαίνεται να αποτελεί τη μοναδική επεκτάσιμη επιλογή, αλλά και εκλυστική λύση για τη διαχείριση μέσου όγκου φορτίων ανάλυσης. Θα λέγαμε ότι η ευελιξία επέκτασης που προσφέρει το cloud ταιριάζει γάντι στη λογική ανάλυσης των Big Data. Φυσικά, η αξιοποίηση του cloud για την ανάλυση μεγάλου όγκου δεδομένων δεν αποτελεί μονόδρομο και μπορεί κανείς κάλιστα να υιοθετήσει μια υβριδική προσέγγιση, αξιοποιώντας τόσο το cloud όσο και τις οn-premises υποδομές για μια αποτελεσματικότερη ανάλυση.

Big Data, μεγάλες ανησυχίες
Αναμφισβήτητα, η μεγαλύτερη συνεισφορά του cloud στην επίλυση προβλημάτων που σχετίζονται με τα Big Data είναι ότι οι Διευθύνσεις Πληροφορικής δεν χρειάζονται ούτε να αγοράσουν υποδομές, ούτε να ρυθμίσουν τίποτα. Το μόνο που απαιτείται για να γίνει η ανάλυση είναι ένας απλός Web browser. Αν και η εκμετάλλευση του cloud για την ανάλυση μεγάλου όγκου δεδομένων έχει αρκετά οφέλη, δεν παύουν να υπάρχουν και αρκετές …ανησυχίες . Όπως είναι, για παράδειγμα, η ασφάλεια, αλλά και οι φυσικοί περιορισμοί που σχετίζονται με τη μετακίνηση και το latency των δεδομένων. Ακόμα πιο ανησυχητική είναι η έλλειψη εκπαιδευμένου προσωπικού, το οποίο θα πρέπει να γνωρίζει πώς να δημιουργεί επιχειρηματικά ερωτήματα των δεδομένων, με έναν κατανοητό τρόπο.

Αν και τα τελευταία προβλήματα μπορούν να αντιμετωπιστούν με την πάροδο του χρόνου, οι δεξιότητες που απαιτούνται για την αξιόπιστη και επιστημονική ανάλυση των δεδομένων (βλ. data science) είναι δύσκολο να αποκτηθούν και σίγουρα δεν συγκαταλέγονται στις τυπικές ικανότητες ενός μέσου IT administrator, δημιουργώντας ένα κενό δεξιοτήτων που πρέπει να αντιμετωπιστεί το ταχύτερο δυνατόν. Επίσης, ένα ακόμα πρόβλημα έχει να κάνει με τη απροθυμία αρκετών οργανισμών να ανεβάσουν τα δεδομένα τους στο cloud.

Ειδικά αν έχουν συνηθίσει να διατηρούν παραδοσιακά τα δεδομένα τους στα δικά τους data center, αντιστεκόμενοι σε κάθε προσπάθεια μεταφοράς τους εκτός εταιρείας. Σε πολλές περιπτώσεις, ωστόσο, τα θετικά της ανάλυσης στο cloud φαίνεται να υπερέχουν των αρνητικών, καθώς οι περισσότερες εταιρείες δεν μπορούν να αντέξουν τις επενδύσεις που πρέπει να γίνουν, ούτε διαθέτουν τους πόρους για να αναλύσουν εσωτερικά τους τεράστιους όγκους που πλημμυρίζουν καθημερινά τα πληροφοριακά τους συστήματα.

Κτίζοντας μια επιτυχημένη λύση AaaS
Tα Analytics-as-a-Service δημιουργούν μια μεγάλη δυναμική και για τους vendors λύσεων Αnalytics, οι οποίοι μπορούν να μετατραπούν σε πολύτιμους συνεργάτες σε όσες εταιρείες δεν έχουν αξιοποιήσει ακόμα τα Analytics, σκεφτόμενες το κόστος μιας on-premise επένδυσης. Για να αναπτυχθεί μια άριστη σχέση συνεργασίας ανάμεσα στους vendors των AaaS λύσεων και τους πελάτες ή, αν προτιμάτε, για να κτιστεί μια επιτυχημένη λύση AaaS, θα πρέπει να πληρούνται ορισμένες προϋποθέσεις, όπως:

1. Ξεκαθάρισμα των απαιτήσων και αναγκών
Αυτό που έχει αξία για τους τελικούς πελάτες, ήτοι αυτό που πρέπει να προσφέρουν οι vendors με τις λύσεις τους, είναι η παροχή πολύτιμων και πρακτικών πληροφοριών που οι πελάτες τους θα μπορούν να αξιοποιήσουν για να εργαστούν καλύτερα και ταχύτερα. Για να επιτευχθεί αυτό θα πρέπει, καταρχάς, κάθε πτυχή ενός project AaaS να αναλυθεί και να ευθυγραμματιστεί με τις προσδοκίες της επιχείρησης που θα το χρησιμοποιήσει, ώστε να εξασφαλιστεί ότι χρησιμοποιούνται τα κατάλληλα δεδομένα για να προσφέρουν την καλύτερη δυνατή γνώση.

Στο πλαίσιο αυτό οι vendors οφείλουν να ξεκαθαρίσουν ποια είδη δεδομένων είναι πιο πιθανό να υποστηρίξουν τα analytics που χρειάζονται οι επιχειρήσεις και να γνωρίζουν τι δεδομένα θα χρειαστεί να επεξεργαστούν. Πολλές εταιρείες θα ήθελαν, αρχικά, να χρησιμοποιήσουν όλα τα δεδομένα που έχουν στη διάθεσή τους, ελπίζοντας ότι θα καταφέρουν να εκμαιεύσουν κάτι χρήσιμο μέσα από την ανάλυσή τους. Γι’ αυτό είναι οι σημαντικό οι AaaS provider να βοηθήσουν σε αυτό το στάδιο τους πελάτες τους μέσα από σαφώς καθορισμένες παραμέτρους για τα είδη της πλήροφορίας που θα ταιριάζουν καλύτερα με το project.

Στο πλαίσιο αυτό είναι κρίσιμο να καθοριστεί και να συμφωνηθεί εξαρχής, πριν ξεκινήσει η οποιαδήποτε εργασία, η διαδικασία μετακίνησης των δεδομένων από τον πελάτη στο πάροχο της λύσης AaaS και το αντίστροφο. Η ενθάρρυνση των ανοικτών προτύπων διασφαλίζει τους πελάτες ότι θα μπορούν να αποκτήσουν πρόσβαση στα δεδομένα τους σε όλη τη διαδικασία και ότι τα δεδομένα θα παραμείνουν διαθέσιμα σε αυτούς ανά πάσα στιγμή. Οι πάροχοι λύσεων Analytics as a Service οφείλουν, επίσης, να διασφαλίσουν στους πελάτες τους ότι μπορούν να αποκτήσουν τα δεδομένα τους στην περίπτωση που αποφασίσουν να πάρουν πάνω τους ένα μέρος του project ή να το τελειώσουν. Ξεκαθαρίζοντας όλα τα παραπάνω, οι εταιρείες κατανοούν εξαρχής τη διαδικασία, περιορίζοντας τα προβλήματα που θα προκύπτουν με την πάροδο του χρόνου.

Κάτι ακόμα που πρέπει να προσεχθεί είναι η ουδετερότητα του vendor, καθώς αυτό αποτελεί πηγή ανησυχίας για κάθε οργανισμό που ξεκινάει τη συνεργασία του με ένα πάροχο υπηρεσιών. Κανείς δεν θέλει να «κλειδωθεί» σε ένα vendor, ειδικά, δε, όταν πρόκειται για θέματα που αφορούν τα δεδομένα του, γι’ αυτό και είναι σημαντικό οι vendors να εξασφαλίζουν στους πελάτες τους την απρόσκοπτη πρόσβαση στα δεδομένα τους. Γι’ αυτό και είναι θεμιτκό να υποστηρίζονται ανοικτές και στάνταρ μέθοδοι κωδικοποίησης της πληροφορίας, που θα διευκολύνουν τις εταιρείες και τους παρόχους να διαμοιράζονται ευκολότερα τα δεδομένα και την πληροφορία που κρύβουν.

Ένα ακόμα σημαντικό σημείο στη σχέση vendor και πελατών είναι να υπάρχουν εκτιμήσεις του κόστους και να προσφέρεται η δυνατότητα στους πελάτες να κλιμακώσουν τις υπηρεσίες σύμφωνα με τις ανάγκες τους. Οι προσφορές λύσεων στο cloud πρέπει να συνοδεύονται από μοντέλα τιμολόγησης που θα διασφαλίζουν στους πελάτες ότι θα πληρώνουν μόνο αυτό που χρησιμοποιούν. Αυτά ενθαρρύνει τη διαφάνεια σε όλη τη διαδικασία. Όλα τα παραπάνω βοηθάνε όλα τα εμπλεκόμενα μέρη ώστε να κτίσουν μια αμοιβώς επωφελής σχέση, που αποτελεί προαιτούμενο για μια επιτυχημένη λύση AaaS.


2. Σωστές …διασυνδέσεις.
Σημαντικό για το κλείσιμο κάθε συμφωνίας πώλησης είναι να πειστούν οι decision makers γι’ αυτήν. Όσον αφορά μια λύση AaaS, τα στελέχη της εταιρείας που θα αναγνωρίσουν την ανάγκη για την εφαρμογή της και θα φροντίσουν να την προωθήσουν είναι εκείνα που διαθέτουν ευθύνες και εκπαίδευση που άπτονται άμεσα με την επιχειρηματική ευφυία (BI, Business Intelligence) και τη διαχείριση δεδομένων. Αυτά τα στελέχη κατανοούν την προσπάθεια που συνοδεύει την αποθήκευση και την ανάλυση των δεδομένων, όπως και τους περιορισμούς που τίθονται από την υπάρχουσα IT υποδομή.

Τα συνήθη επιχείρηματα που μπορούν να χρησιμοποιήσουν αυτά τα στελέχη για την προώθηση μιας λύσης AaaS είναι η εξάλειψη της ανάγκης αναβάθμισης σε μια υποδομή, η πρόσθετη τεχνογνωσία που προσφέρει ένας analytics vendor, όπως και η ουδετερότητά του. Συχνά, οι επιχειρήσεις που χρειάζονται τα analytics δεν απαιτούν την ίδια υπολογιστική ισχύ κάθε μέρα, οπότε η συνεργασία με έναν συνεργάτη που θα μπορεί να προσφέρει υπολογιστική ισχύ ανάλογα με τις ανάγκες, αποτελεί ένα σημαντικό όφελος κόστους, καθώς οι πληροφοριακές υποδομές, συχνά, δεν έχουν κατασκευαστεί έτσι, ώστε να αναλύουν την ποσότητα των δεδομένων που απαιτείται.

Έτσι, ένας πάροχος υπηρεσιών που θα μπορεί να προσφέρει στις επιχειρήσεις την ευελιξία που χρειάζονται στην υπολογιστική, χωρίς κεφαλειακές δαπάνες, είναι κάτι που θα πρέπει να χρησιμοποιηθεί στις διαπραγματεύσεις. Επιπλέον, η ουδετερότητα του vendor στην εξόρυξη δεδομένων θα διευκολύνει τους decision makers, καθώς θα ξέρουν ότι θα μπορούν να αποκτούν πρόσβαση στα δεδομένα τους όποτε χρειάζεται. Από την πλευρά του ο πάροχος μιας λύσης AaaS θα πρέπει να δώσει στους decision makers όλα εκείνα τα επιχεριήματα που χρειάζονται για να την προωθήσουν μέσα στην εταιρεία τους.

Τέλος, οι Analytics Providers θα πρέπει να διαθέτουν την εμπειρία και την τεχνογνωσία που χρειάζονται οι επιχειρήσεις, ώστε να μπορούν να δώσουν λύση στα προβλήματά τους που σχετίζονται με την ανάλυση των δεδομένων τους (για επιχειρήσεις ποικίλου μεγέθους που δραστηριοποιούνται σε διάφορους κλάδους της αγοράς).

3. Eπιδεικνύοντας την αξία.
Άπαξ και κτιστεί η σχέση του vendor με τον πελάτη, το επόμενο σημαντικό εμπόδιο που πρέπει να αρθεί είναι ο τρόπος πρόσβασης στα εταιρικά δεδομένα. Η εύρεση ενός απρόσκοπτου τρόπου για την ανάλυση, τη μετακίνηση και την ανάλυση των δεδομένων αποτελεί ένα σημαντικό βήμα για την έναρξη μιας επιτυχημένης υλοποίησης. Το να κοιτάει κανείς απλά μόνο σε servers και υποδομές δεν βοηθάει στην απόκτηση μιας ολιστική κατανόησης των δεδομένων, η οποία απαιτείται για να γίνει αποτελεσματική εκμετάλλευση των Αnalytics.

Αποκτώντας πρόσβαση στα δεδομένα σε επίπεδο εφαρμογής και αναπτύσσοντας μια διαδικασία για τη μετακίνησή τους, θα αποδείξει ένας πάροχος στους πελάτες του, και ειδικά σε δύσπιστα τεχνολογικά στελέχη, ότι μπορεί να κτιστεί μια αποτελεσματική σχέση συνεργασίας ακόμα και στα πρώιμα στάδια. Αυτό ισχύει ειδικά όταν οι οργανισμοί διαθέτουν φορτία αδόμητων δεδομένων που χρειάζεται να επεξεργαστούν. Οι providers που θα καταφέρουν να εξορύξουν την πληροφορία και να προσφέρουν αναλύσεις τάσεων από μεγάλους όγκους αδόμητων δεδομένων επιδεικνύουν στους οργανισμούς την αξία που μπορούν να τους προσφέρουν. Είναι κρίσιμο, επίσης, να κατανοήσουν οι service providers ποιος αξιολογεί την ανάλυση των δεδομένων, είτε πρόκειται για έναν εσωτερικό data scientist είτε για έναν line managers, καθώς η εκτίμηση της αξίας πρέπει να γίνει στο άτομο που θα κάνει την ανάλυση.

4. Υποστήριξη.
Η υποδομή και τα data services που απαιτούνται για ένα projects AaaS αποτελούν συχνές πηγές δισταγμού. Όσοι providers φροντίσουν να προσφέρουν μια υποστήριξη στους πελάτες γι’ αυτά τα θέματα κτίζουν τα θεμέλια για να αποτελέσουν σημαντικούς συνεργάτες γι’ αυτούς. Μέσα από την υποστήριξη – και την απαραίτητη γαλούχιση – οι εταιρείες θα αποκτήσουν τη βαθύτερη γνώση που χρειάζονται για να βελτιώσουν τη λειτουργία και την αποτελεσματικότητά τους.

Η υποστήριξη της απαιτούμενης υποδομής για την ανάπτυξη επεκτάσιμων analytics, όπως και η καθοδήγηση σε κάθε βήμα, κάνει έναν πάροχο ιδανικό από τα πρώιμα στάδια. Όσοι εταιρείες αποκτήσουν αυτό το επίπεδο υποστήριξης είναι πιθανόν να συνεχίσουν να συνεργάζονται με ένα analytics provider σε βάθος χρόνου, προσθέτοντας συνεχώς περισσότερη αξία σε αυτή τη σχέση. Για τις επιχειρήσεις, τα Analytics καταλήγουν σε ένα πράγμα: τη βελτίωσή τους. Οι providers που κατανοούν τους τρόπους με τους οποίους οι πελάτες τους θέλουν να βελτιωθούν και τους παρέχουν το δρόμο για να τα κάνουν, είναι πιο πιθανό να αναπτύξουν επιτυχημένες συνεργασίες με τους πελάτες τους. Καθώς η υποδομή και τα data services μπαίνουν στη θέση τους, οι providers μπορούν να ξεκινήσουν να μετακινούν τα στοιβαγμένα, συγκεντρωμένα δεδομένα μέσα από διάφορες εφαρμογές – ακόμα και τα αδόμητα δεδομένα που στεγάζονται σε μεμονωμένους υπολογιστές και συστήματα storage.

Καθώς όλο και περισσότερες εταιρείες εξετάζουν την αξιοποίηση των analytics, οι service providers που θα βρίσκουν διαφορετικούς τρόπους για να αντλήσουν την αξία και να προσφέρουν αποτελέσματα είναι πιο πιθανό να ξεχωρίσουν ως ιδανικοί συνεργάτες. Κάθε επιχείρηση χρειάζεται καλύτερη πληροφόρηση και καλύτερο πρόσβαση σε κρίσιμα insights που θα μετασχηματίσουν θετικά τη λειτουργία της. Οι analytics vendors που θα αποκτήσουν μια βαθιά κατανόηση των αναγκών των πελατών τους, δημιουργώντας μια σαφώς καθορισμένη αλυσίδα αξίας έχουν όλα τα εχέγγυα για κεφαλοποιήσουν την τάση των analytics και των AaaS ειδικότερα.

Γιατί AaaS;
Οι πιο σύνηθεις λόγοι για να επιλέξει ένας οργανισμός μια λύση Analytics as a Service είναι οι εξής:

  • Γρήγορη γνώση. Xρειάζονται λίγες ημέρες ή εβδομάδες από την έναρξη της υλοποίησης μιας λύσης AaaS, ώστε να πάρει κανείς τα πρώτα αποτελέσματα, σε αντίθεση με το στάνταρ μοντέλο των Analytics που απαιτεί προμήθειες και εγκατάσταση εξοπλισμού (hardware) και λογισμικού, πριν ξεκινήσει η οποιαδήποτε διαδικασία ανάλυσης.
  • Γρήγορο ROI. Ένα μοντέλο AaaS επιτρέπει στις επιχειρήσεις να πληρώνουν μόνο για τη χρήση των αναλύσεων που κάνουν, με αποτέλεσμα κάθε ενέργεια άντλησης πληροφορίας από τα δεδομένα να μεταφράζεται σε λειτουργικό (OpΕx) κόστος – σε αντίθεση με το παραδοσιακό μοντέλο, όπου απαιτούνται τεράστια αρχικά κόστη επένδυσης (CapEx) σε hardware και software, πριν ξεκινήσει η οποιαδήποτε ενέργεια ανάλυσης.
  • Μικρότερη πολυπλοκότητα υποστήριξης. Το AaaS σε καμία περίπτωση δεν προσθέτει πολυπλοκότητα στο μοντέλο ανάλυσης. Σε αντίθεση με τη χρήση νέων τεχνολογιών in-house, που μεταφράζεται σε πρόσθετη υποστήριξη και ενσωμάτωση στις υπάρχουσες πληροφοριακές υποδομές, συν την πρόσθετη υποστήριξη που απαιτείται για τους χρήστες.
  • Καλύτερη επεκτασιμότητα. Μια αύξηση των αναγκών ανάλυσης δεν περιορίζεται από τον αριθμό αδειών που έχει προμηθευτεί μια εταιρεία ή από τη διαθεσιμότητα του hardware, σε αντίθεση με το παραδοσιακό μοντέλο, που επιβάλλει συγκεκριμένους περιορισμούς στο ποιος και πώς θα μπορεί να χρησιμοποιεί μια λύση.
  • Διαθεσιμότητα δυνατοτήτων. Δεν χρειάζεται να ανησυχείτε για την απόκτηση, συντήρηση και διατήρηση δεξιοτήτων ανάλυσης. Ο AaaS πάροχος φροντίζει για όλα αυτά και μπορεί να αξιοποιήσει αποτελεσματικά την τεχνογνωσία του στα analytics για να ικανοποιήσει ταυτόχρονα πολλούς πελάτες.