Δεδομένα και προβλέψεις, δύο τομείς που παρουσιάζουν τρομακτική ανάπτυξη και μαζί μπορούν να προσφέρουν εκπληκτικά αποτελέσματα σε πολλαπλά επίπεδα των επιχειρηματικών δραστηριοτήτων.

Ένα σημαντικό κριτήριο για μια αγορά είναι πάντα οι αριθμοί και στην περίπτωση των Bd & BI οι προβλέψεις είναι εξαιρετικές. Τα κέρδη που προέρχονται από λύσεις βασισμένες στα Big Data και τα Business Analytics (BDA) προβλέπεται να φτάσουν τα 260 δισεκατομμύρια δολάρια παγκοσμίως το 2022 με ετήσια αύξηση της τάξης του 11.9% κατά τη διάρκεια της περιόδου 2017-2022, σύμφωνα με τις προβλέψεις της IDC.

Επίσης, αναφορικά με τη φετινή χρονιά, τα κέρδη των BDA εκτιμούνται σε ένα σύνολο 166 δισεκατομμυρίων δολαρίων, με μια αύξηση 11.7% σε σχέση με το προηγούμενο έτος. Σύμφωνα επίσης με την έρευνα, οι τομείς που εκτιμάται να επενδύσουν περισσότερο σε λύσεις Big Data και Business Analytics κατά τη διάρκεια της συγκεκριμένης πρόβλεψης είναι οι τράπεζες, ο χώρος του discrete manufacturing καθώς και του process manufacturing, οι επαγγελματικές υπηρεσίες και οι κυβερνητικές δομές. Συνδυαστικά αυτοί οι πέντε τομείς αντιστοιχούν σχεδόν στο ήμισυ των παγκοσμίων κερδών του BDA για το έτος που διανύουμε(81 δισεκατομμύρια δολάρια).

“Σε ηγετικό επίπεδο, οι οργανισμοί τείνουν όλο και περισσότερο να βασίζονται στα Big Data και στις λύσεις που προσφέρονται μέσω των analytics για να διαχειριστούν τη σύγκλιση των φυσικών και ψηφιακών τους κόσμων”, δήλωσε η Jessica Goepfert, Program Vice President, Customer Insights and Analysis της IDC. Περισσότερα από τα μισά από τα κεφάλαια που θα διατεθούν για BDA θα αξιοποιηθούν στο IT και στα business services κατά τη διάρκεια της πρόβλεψης, συμπληρώνοντας επίσης πως δύο από τις πιο γρήγορα αναπτυσσόμενες κατηγορίες τεχνολογιών BDA θα είναι οι Cognitive/AI Software Platforms και οι Non-relational Analytics Data Stores. Οι ΗΠΑ είναι μακράν η μεγαλύτερη αγορά γεωγραφικά, παρουσιάζοντας κέρδη από τα BDA ύψους 88 δισεκατομμυρίων δολαρίων αυτό το χρόνο, πάνω από το μισό του παγκοσμίου συνόλου σε βάθος πενταετούς πρόβλεψης.

Η Δυτική Ευρώπη είναι η δεύτερη μεγαλύτερη αγορά γεωγραφικά με τα έσοδα του 2018 εκτιμώμενα να αγγίζουν τα 35 δισεκατομμύρια δολάρια, ακολουθούμενη από την περιοχή της Ασίας/Ειρηνικού με 23.9 δισεκατομμύρια σύμφωνα με την IDC

Η εποχή των ψηφιακών δεδομένων
Οι επιτυχημένες επιχειρήσεις έχουν την ικανότητα να εξάγουν πληροφορίες και γνώσεις από όλα τα δεδομένα που συλλέγουν ώστε να καθορίσουν το αγοραστικό τους κοινό και να προωθήσουν προϊόντα και υπηρεσίες σε αυτό. Στο ταχέως μεταβαλλόμενο περιβάλλον των αγορών, τα δεδομένα τείνουν να οδηγούν σε μεταβολές και τα ίδια τα επιχειρηματικά μοντέλα. Η τεχνική pay-per-use, που έγινε πραγματικότητα χάρη στις cloud πλατφόρμες, αποτελεί πλέον μια καλώς εδραιωμένη πρακτική. Για παράδειγμα, η εμφάνιση του Uber έχει αναταράξει τον χώρο των ταξί. Η εστίαση επίσης έχει μετακινηθεί από μια system-centric προσέγγιση σε μια πιο user-centric προσέγγιση. Ακόμα και πιο κλασικές επιχειρήσεις, όπως ο χώρος των ασφαλειών, παρέχει πλέον 24ωρη εξυπηρέτηση αγορών και διαχείρισης πολιτικών, μέσω smartphones και ακόμα και μέσω καναλιών social media. Προϊόντα και υπηρεσίες αποκτούν υπόσταση μέσω των νέων τεχνολογιών όπως τα big data, η τεχνητή νοημοσύνη, οι δομές blockchain και το augmented και virtual reality και αξιοποιούνται από επιχειρήσεις για να γεννήσουν νέες καινοτόμες λύσεις. Λόγω αυτής της συνεχώς μεταβαλλόμενης αγοράς παρουσιάζεται η επιτακτική ανάγκη στους οργανισμούς, να αγοράσουν ότι μπορούν, να χτίσουν ότι χρειάζεται και να διοχετεύσουν σε outsource λύσεις τα υπόλοιπα για να παραμείνουν σε ένα ανταγωνιστικό επίπεδο κόστους. Η εστίαση στην καινοτομία είναι πλέον βασική για τις επιχειρήσεις οι οποίες χρειάζεται να δημιουργήσουν νέα προϊόντα και υπηρεσίες για να διαφοροποιηθούν από τον ανταγωνισμό. Η υιοθέτηση στρατηγικών που άγουν την ψηφιακή μετάβαση καθώς και η αυτοματοποίηση ενός μεγάλου εύρους δραστηριοτήτων αποτελούν πλέον κυρίαρχες προτεραιότητες για τις επιχειρήσεις.

Πώς εξάγεται γνώση και πληροφορία από τα δεδομένα
Αυτό είναι και το αντικείμενο του Business Intelligence (BI) στα πλαίσια ενός οργανισμού. Στόχος είναι η εξαγωγή ξεκάθαρων, συγκεκριμένων και ουσιαστικών πληροφοριών. Η εξαγωγή της πληροφορίας γίνεται με ανάλυση που μπορεί να πραγματοποιηθεί από διαδικασίες όπως το online analytical processing (OLAP) και το data mining.

Το BI με τη χρήση OLAP και data mining υπάρχει εδώ και αρκετό καιρό, αυτό που έχει αλλάξει την τελευταία δεκαετία είναι η αύξηση των τεχνικών και των εργαλείων για την αξιοποίηση των big data. Τα Big data προκάλεσαν μια έκρηξη στη χρήση πιο εκτενών τεχνικών data-mining.

Τα χαρακτηριστικά των big data, τυπικά περιγράφονται από τα τρία V (volume, velocity και variety). Πρόσφατα όμως ένας τέταρτος όρος έχει προστεθεί, αυτός της αντικειμενικότητας (veracity).

Τι είναι όμως αυτό που έχει κάνει τα big data τόσο ελκυστικά; Οι τεχνολογίες πλέον καθιστούν δυνατή την αποθήκευση δεδομένων σε συμβατικούς υπολογιστές, γεγονός που μειώνει τα κόστη, ενώ συγχρόνως συγκεκριμένοι αλγόριθμοι μπορούν να χρησιμοποιηθούν για εξαγωγή των επιθυμητών πληροφοριών. Το πιο δελεαστικό κίνητρο όμως είναι η προστιθέμενη αξία που προσφέρουν στην επιχείρηση.

Πώς συνδυάζονται τα big data με το BI;
Ας δούμε τρεις τρόπους με τους οποίους κλασικές τεχνικές BI μπορούν να συνδυαστούν με τα big data για τη δημιουργία προστιθέμενης αξίας. Αρχικά ο εντοπισμός των κατάλληλων πελατών είναι πολύτιμος για κάθε επιχείρηση. Ας υποθέσουμε πως εκπροσωπείτε μια αντιπροσωπία αυτοκινήτων συγκεκριμένης μάρκας και έχετε μια λίστα των πελατών που έχουν αγοράσει οχήματα από τη συγκεκριμένη μάρκα. Έχετε πρόσβαση στα social data τους για να δημιουργήσετε μια υπο-λίστα, με μια ή δύο βαθμίδες διαφορετικότητας, με επιπλέον πιθανούς πελάτες. Επίσης το social network analysis σας παρέχει μια εικόνα των συνδέσεων μεταξύ ανθρώπων από πολλά πεδία και ποικίλες εμπορικές δραστηριότητες.

Μια άλλη τεχνική ανάλυσης είναι το regression analysis που μπορεί επίσης να χρησιμοποιηθεί για να μελετηθούν τα δημογραφικά δεδομένα των ατόμων στην υπο-λίστα και, βάσει της ηλικίας, να προβλεφθεί ο τύπος οχήματος που δυνητικά θα αγόραζαν. Το cross-selling προϊόντων και υπηρεσιών είναι επίσης ένας άλλος τρόπος με τον οποίο οι επιχειρήσεις μπορούν να αυξήσουν τα έσοδα τους.

Συνεχίζοντας με την ίδια αναλογία της αντιπροσωπίας αυτοκινήτων, αν γνωρίζατε πως άνθρωποι με ένα συγκεκριμένο δημογραφικό προφίλ που αγόρασαν ένα συγκεκριμένο τύπο αμαξιού έχουν υψηλότερες πιθανότητες να αγοράσουν ένα άλλο είδος αμαξιού ως δεύτερο, αυτό θα παρείχε επίσης προστιθέμενη αξία στην επιχείρηση. Μπορείτε να προβλέψετε αυτή τη σύνδεση μέσω μιας τεχνικής που ονομάζεται association rule learning, η οποία έχει να κάνει με την ανακάλυψη συσχετισμών μεταξύ μεταβλητών.

Τέλος η κατανόηση της οπτικής του καταναλωτή είναι καθοριστικής σημασίας στην επιτυχία μιας επιχείρησης. Τι αισθήματα δημιουργούν η επονομασία και οι κατηγορίες των οχημάτων στην αγορά; Χρησιμοποιώντας τεχνικές όπως η sentiment analysis μπορούν να δώσουν εξαιρετικά αποτελέσματα.


Βελτιστοποίηση των τεχνικών BI
Τα big data και οι τεχνικές ΒI χρησιμοποιούνται συμπληρωματικά για την εξαγωγή ποιοτικότερης γνώσης. To ΒΙ λοιπόν πλέον εξοπλισμένο με αυτά τα καινούργια εργαλεία μπορεί να εξάγει ένα πλούτο πληροφοριών για πολλές πτυχές της επιχείρησης

Αυτά τα δεδομένα συχνά χρησιμοποιούνται επίσης για να προσδιορίσουν αναξιοποίητες επιχειρηματικές ευκαιρίες, να αναδείξουν νέους τρόπους αξιολόγησης και να μετατρέψουν τα ERP δεδομένα σε εύκολα προσβάσιμες και ουσιαστικές πληροφορίες. Όλο και περισσότερες data-driven στρατηγικές αξιοποιούνται από πληθώρα οργανισμών, γεγονός που υποδεικνύει πως αυτές οι πληροφορίες είναι πιο σημαντικές από ποτέ, με ένα 53% των επιχειρήσεων να χρησιμοποιούν big data analytics σύμφωνα με την Dresner Advisory Services

Παρόλο που οι CIO νιώθουν υποχρεωμένοι να συλλέξουν τα δεδομένα, η προσέγγιση που θα ακολουθηθεί από πλευράς data analysis μπορεί να εμπεριέχει πολλές προκλήσεις. Η εξαγωγή της μέγιστης προστιθέμενης αξίας από αυτά τα δεδομένα εξαρτάται από αρκετούς παράγοντες αλλά και αποφάσεις που πρέπει να οδηγούν την προσπάθεια κάθε οργανισμού και οι σημαντικότερες είναι οι εξής:

  • Η διαφορά ανάμεσα στο BI και στα business analytics

Δυστυχώς, ένα μεγάλο εμπόδιο για την πλήρη αξιοποίηση του BI είναι η παρανόηση σχετικά με το τι ακριβώς είναι το BI. Ένα σύνηθες λάθος είναι η σύγχυση του BI με τα business analytics. Ενώ υπάρχουν πολλές διαφορές ανάμεσα στο business intelligence και στο business analytics, ο πιο απλός τρόπος διαχωρισμού είναι το γεγονός ότι το BI εξετάζει παρούσες και παρελθοντικές επιχειρηματικές δράσεις, ενώ τα business analytics επικεντρώνεται στην πρόβλεψη μελλοντικών. Ένα άλλο χαρακτηριστικό διαφοροποίησης είναι πως το BI εστιάζει κυρίως σε επιχειρησιακή αποδοτικότητα μέσω δεδομένων που έχουν ήδη συλλεχθεί.

  • Αποδοτικότερη ανάλυση

Αν επιθυμείτε να έχετε το μέγιστο όφελος από τα δεδομένα του business intelligence, θα χρειαστεί να εργαστείτε με τον πιο αποδοτικό τρόπο. Ο διαχωρισμός των δεδομένων σε περισσότερα πιο προσιτά προς ανάλυση μέρη αποτελεί ένα καλό εφαλτήριο. Η υιοθέτηση μιας DevOps προσέγγισης και η συνεργασία με όσο το δυνατόν περισσότερα τμήματα για την διευκόλυνση του έργου μπορεί επίσης να είναι μια ευεργετική κίνηση.

  • Ξεκάθαρα ROI και στόχοι απόδοσης

Όπως και στις περισσότερες πτυχές των επιχειρήσεων, οι ξεκάθαροι στόχοι είναι ιδιαίτερα σημαντικοί για την διαχείριση των προσδοκιών σχετικά με τα οφέλη της κάθε ομάδας από την εκάστοτε πρωτοβουλία. Οι στόχοι πρέπει να είναι ξεκάθαροι και ρεαλιστικοί, δεν υπάρχει λόγος ενασχόλησης με τα δεδομένα αν τα KPIs δεν είναι κατάλληλα. Ο καθορισμός των KPIs που θα μετρηθούν θα σας βοηθήσει στην εδραίωση των δεικτών που χρήζουν βελτίωσης, καθώς και στον προσδιορισμών των πιο κομβικών δεικτών. Όταν θα υπάρχει μια κατανόηση του τρόπου με τον οποίο οι πληροφορίες των δεδομένων μπορούν να αξιοποιηθούν, τότε είσαστε στην κατάλληλη θέση για να παρουσιάσετε σε ολόκληρη την ομάδα σας τα προεπιλεγμένα δεδομένα με τον πλέον απλό και πιο ξεκάθαρο τρόπο.

  • Επιλογή των σωστών BI εργαλείων

Υπάρχουν πολλά εργαλεία για business intelligence που εξειδικεύονται στην οπτικοποίηση των δεδομένων και στην εξαγωγή ουσιαστικών πληροφοριών. Η Microsoft BI, η SAP, η Oracle και η IBM όλες παρέχουν διαφόρων ειδών εργαλεία BI.

Τελευταία επίσης υπάρχει μια αύξηση των self-service πλατφορμών για data discovery, από εταιρίες όπως η Tabealu, Qlik, Splunk και άλλες, που απευθύνονται κυρίως σε διευθυντικά στελέχη. Η επιλογή του κατάλληλου εργαλείου για την επιχείρηση σας θα πρέπει να είναι το αποτέλεσμα ενδελεχούς μελέτης και συζήτησης σχετικά με το είδος των δεδομένων που θέλετε να μετρήσετε και των πληροφοριών που θέλετε να εξάγετε.

  • Παρουσίαση των δεδομένων με ένα καθαρό, περιεκτικό τρόπο

Ανάλογα με την επιλογή των δεικτών, υπάρχει μια πληθώρα διαθέσιμων τρόπων παρουσίασης των επιχειρηματικών δεδομένων χωρίς να κατακλύσουν ή να μπερδέψουν τους υπαλλήλους. Ένας από τους πλέον αποδοτικούς τρόπους βελτιστοποίησης των BI δεδομένων είναι η δημιουργία μιας απλής και ξεκάθαρης μεθόδου παρουσίασης τους. Για παράδειγμα τα line charts είναι ιδανικά για την παρουσίαση της κίνησης των τάσεων στην πάροδο του χρόνου, ενώ τα bar charts ταιριάζουν κατάλληλα σε συγκρίσεις προϊόντων, υπηρεσιών ή κατηγοριών. Επίσης, πιο περίπλοκα γραφήματα όπως τα tree maps, τα heat maps και τα bubble charts μπορούν να είναι εξίσου αποδοτικά αν εφαρμοστούν σωστά.

  • Επένδυση στην εκπαίδευση της ομάδας

Όπως και με τις περισσότερες νεοεισαχθείσες πρακτικές, θα χρειαστεί να αφιερωθεί χρόνος για την εκπαίδευση της ομάδας ώστε να διασφαλιστεί η εφαρμογή των βέλτιστων πρακτικών. Τα προγράμματα για το BI, λειτουργούν διαφορετικά από προγράμματα όπως το Excel, τόσο σε χρηστικότητα αλλά και σε user-experience. Η επένδυση στην εκπαίδευση, είτε από άποψης χρόνου είτε χρήματος θα επισπεύσει την επιτυχία του BI.

  • Δημιουργία γενικών εκθέσεων δεδομένων

Η δημιουργία λεπτομερών και εξειδικευμένων data insight reports δεν θα σημάνει το τέλος της στρατηγικής BI, αλλά μπορεί να συνεπάγεται πολύ δουλειά για δυσανάλογα μικρό αποτέλεσμα.

Τα δεδομένα αλλάζουν συνεχώς, οπότε η δημιουργία πολύ συγκεκριμένων αναφορών μπορεί να σημαίνει πως οι αναφορές γρήγορα θα ξεπεραστούν ή θα χρήζουν αναβάθμισης.

Οπότε ενώ η απόκτηση εξειδικευμένων πληροφοριών είναι ζωτικής σημασίας, είναι επίσης σημαντικό να προετοιμάζετε γενικές αναφορές με τους δείκτες που έχετε επιλέξει ώστε να είναι εύκολα ανανεώσιμοι και προσβάσιμοι από τον οργανισμό.

  • Καθορισμός της αξίας των δεδομένων σας

Η ανάπτυξη μιας ξεκάθαρης στρατηγικής για την αποθήκευση των δεδομένων είναι κύρια στην διατήρηση της επιτυχίας των BI διαδικασιών. Οι οργανισμοί θα πρέπει να είναι ξεκάθαροι στην διακυβέρνηση των δεδομένων ανεξαρτήτως από το αν αποθηκεύονται σε warehouse solution ή όχι.

Η εδραίωση της αξίας των δεδομένων μπορεί να επηρεάσει την εξέλιξη των νέων προϊόντων και υπηρεσιών και να επιδράσει στην διαδικασία λήψης αποφάσεων των senior IT leaders.

  • Έμφαση περισσότερο στην ανάλυση απ’ ότι στην συλλογή

Ένα μεγάλο μέρος της ενέργειας πρέπει να επικεντρωθεί στην συλλογή των δεδομένων, αλλά αυτό μπορεί να σημαίνει πως συσσωρεύεται όγκος δεδομένων που μπορεί να αποδειχθούν άχρηστα αν δεν επεξεργαστούν καταλλήλως.

Οπότε μπορεί να είναι πιο ευεργετικό να εστιαστεί κυρίως η προσοχή στην ανάλυση δεδομένων για να διασφαλιστεί η αξιοποίηση τους για την προαγωγή των στόχων της επιχείρησης.

  • Ενθάρρυνση της κουλτούρας του εργασιακού περιβάλλοντος στην αποδοχή του BI

Δεν πρόκειται μόνο για την αξιοποίηση των σωστών εργαλείων, οι επιχειρήσεις πρέπει επίσης να ενθαρρύνουν μια νοοτροπία στο προσωπικό τους που να συνάδει με τις πρακτικές του business intelligence.

Αυτό μπορεί να σημαίνει την συμμετοχή των υπαλλήλων στην επιλογή των κατάλληλων δεικτών και στην παραγωγή των αποτελεσμάτων της ανάλυσης δεδομένων.