Все новые предприятия все увереннее пополняют ряды уже вставших на путь цифровой трансформации первопроходцев, однако и первым, и вторым не стоит забывать об одной из ее важных составляющей — аналитике, которая собственно и двигает цифровые процессы, пишет портал InformationWeek.

Аналитика всегда была средством, которое помогало предприятиям понять не всегда очевидные моменты, касающиеся их бизнеса, однако чтобы оставаться конкурентоспособными в эпоху цифровизации, одних только дашбордов («плиток визуализации») и статических отчетов сегодня недостаточно. В частности, организациям нужно иметь представление о переменных и корреляциях, которые имеют отношение к их бизнесу, и применять их на практике. Для этих целей лучше всего задействовать расширенную аналитику (augmented analytics — это название придумали эксперты Gartner) — новый класс инструментов на базе машинного обучения и искусственного интеллекта, который может обнаруживать шаблоны, недоступные классическим BI-инструментам, и выдавать более вразумительные результаты.

«В связке с ИИ/машинным обучением расширенная аналитика меняет представление о том, как аналитический контент создается, потребляется и распространяется. Ее инструменты автоматизируют предварительную подготовку данных, обнаружение и обмен информацией. Она также автоматизирует анализ данных, разработку моделей машинного обучения и развертывание», — поясняет вице-президент Gartner Рита Саллам, отмечая, что несмотря на обилие функций автоматизацию некоторых задач, подачу результатов для более широкой аудитории, возможности расширенной аналитики не стоит переоценивать.

Другими словами, предприятия и в дальнейшем будут ощущать потребность в аналитиках и экспертах в области обработки данных. Gartner ожидает, что интерес к углубленному анализу подстегнет продажи решений для BI и аналитики, платформ для обработки данных и машинного обучения, а также для встроенной аналитики (все эти сегменты нацелены на три разные аудитории: бизнес-пользователей, специалистов по данным и разработчиков соответственно).

Расширенная аналитика — новый рыночный катализатор

Аналитика — довольно консервативная сфера. Несмотря на то, что поставщики BI и решений для аналитики едва ли не ежегодно серьезно обновляют функционал своих продуктов, сближая эти рыночные сегменты, BI стал синонимом отчетов, а аналитика — дашбордов. Расширенная аналитика задействует машинное обучение и ИИ, но, как и в вышеописанном случае, ее не стоит называть синонимом этих технологий.

«Развитие аналитики прошло как минимум два этапа. На первом этапе BI состояла из слоя семантики, модель обработки данных была жестко привязана к хранилищам данных, и, что самое важное, эти инструменты могли использовать только ИТ-специалисты, тогда как более широкий круг деловых людей не мог похвастаться доступом к BI-системам. Чтобы как-то компенсировать свои потребности в аналитике, они экспортировали наборы данных в Excel. Второй этап ознаменовал выход на рынок таких компаний, как Qlik, Tableau и Tibco Spotfire, которые предложили массовые продукты, нацеленные на пользователей, которые хотят извлечь из данных максимум», — сказала Саллам.

В современном виде целевой рынок аналитики сфокусирован на довольно значительной аудитории, потому что конкурентоспособность предприятия зависит от все большего числа факторов и ему требуются аналитические инструменты, которые могут проводить количественную и качественную оценку данных. Компании продолжают оцифровывать свои операции, что порождает все больше и больше данных разных видов и типов, которые необходимо проанализировать.

«Десять лет назад причины падении продаж можно было объяснить, отталкиваясь от двух возможных вариантов — цены или качества продукции. Теперь BI-инструменты учитывают большее количество комбинаций данных, к примеру, снижению продаж может способствовать поломка сайта или даже плохая погода. Встает вопрос, как перебрать все возможные комбинации или перестановки, а не всего лишь 10 или 12 столбцов переменных?», — задается вопросом Саллам.

Ответ на этот вопрос заключается в применении машинного обучения и ИИ, которые отвечают за подготовку данных, анализ и вынесение обоснованного ответа на заданный вопрос. Принимая во внимание нехватку талантливых специалистов в области анализа данных, поставщики решений для расширенной аналитики пытаются решить ее за счет повышения производительности труда имеющихся специалистов и менее квалифицированных сотрудников.

«Наука о данных развивается в том же ключе, что и машинное обучение и некоторые методы ИИ, которые применяются для автоматизации процессов выбора функций, моделей и даже генерации кода. Расширенная аналитика в связке с платформами данных и машинным обучением автоматизируют многие из этих процессов. Вдобавок решения для углубленного анализа включают возможности выбора модели расчетов и обоснования полученной в ходе этих расчетов статистики», — сказала Саллам.

Динамическая аналитика

Отчеты и дашборды, которые выдают традиционные BI-инструменты, по-прежнему пользуются популярностью в корпоративной среде, однако для получения как тех, так и других применяются предварительно установленные KPI (ключевые показатели эффективности). С одной стороны, этот подход обеспечивает определенные результаты, но в целом снижает уровень ценности информации, к примеру, он не гарантирует правильность задействованных KPI. Также предполагается, что пользователь понимает взаимосвязь между данными.

В свою очередь, решения для расширенной аналитики раскрывают информацию динамически, на основе контекста и того, что представляет интерес с точки зрения статистики. Контекст включает действия пользователя, просмотр веб-сайтов, анализ сетевого трафика и многое другое. Подобным образом с контекстом взаимодействуют прогностические движки Amazon, Facebook, Google и Netflix. Чтобы прояснить детали контекста, программы динамического анализа умеют общаться с пользователем при помощи голосовой связи. Однако не стоит ждать от них слишком многого — они не смогут нарисовать из данных цельную картину, но все же существенно ускорят их подбор и расстановку.

Стратегия параллельной аналитики

BI и аналитические продукты все еще несут большую ценность бизнесу. Что еще более важно, расширенная аналитика требует, чтобы пользователи понимали структуру данных, поэтому проводить полную замену традиционных инструментов нецелесообразно — лучше всего применять их в паре с расширенной аналитикой, но в фазе эксперимента. Это поможет понять различия между ними, а также выработать дальнейшую аналитическую стратегию. «Компаниям нужно внимательно изучить дорожные карты BI-поставщиков, чьи продукты они уже используют, чтобы удостовериться, что они включают в них возможности расширенной аналитики», — считает Саллам. Она также советует изучить этот вопрос при участии аналитиков и специалистов по данным, которые смогут провести тестирование новых продуктов.

Реальность такова, что аналитические решения в любых итерациях далеки от совершенства и их развертывание, а также применение, требует экспертных навыков и особенно это касается решения сложных проблем. «Открывая доступ к аналитическим инструментам широкому кругу персонала, предприятие должно обучить его грамотной работе с данными: какой информацией ему руководствоваться, какие вопросы задавать, научить пользователей разбираться в типах данных — какие из них учитывать, а какие исключить и т. д.», — советует эксперт Gartner.

Выводы

В последние годы сложность данных, их объем начали выходить за рамки разумного, поэтому неудивительно, что предприятия обратились за помощью к новейшим аналитическим инструментам. Эти инструменты созданы с целью повысить продуктивность работы, наладить партнерские связи между машиной и человеком, однако, как и другие технологические новинки, они не могут заменить критическое мышление. Более того, вы должны думать о данных и аналитике более беспристрастно, чем когда-либо прежде.