Od BI do Big Data

Na ostatnim Forum Ekonomicznym w Davos temat Big Data stał się niespodzianie jednym z ciekawszych obszarów technologicznych. Uznano, że dane to jeden z najważniejszych zasobów o ekonomicznej wartości - obok złota czy gotówki. O Big Data dużo pisze się w prasie biznesowej, chociażby w magazynach Forbes czy Harvard Business Review. Big Data niesie bowiem obietnicę daleko idących zmian w branżach, które obsługują dużą liczbę transakcji i klientów. Zmian

ważnych z punktu widzenia biznesu i zarządzania, ale także samego IT. Big Data wymaga nowych kompetencji i umiejętności, nowych rozwiązań technologicznych, nowej organizacji procesów.

Zobacz również:

• IDC CIO Summit – potencjał drzemiący w algorytmach
• Kwanty od OVHCloud dla edukacji
• Inteligentna chmura danych

Zarazem jednak Big Data można traktować nie jako rewolucję, ale ewolucyjny rozwój obszaru Business Intelligence (BI). Tutaj jednak musimy wrócić do korzeni, czyli pytania o mniejszą w praktyce od oczekiwań skuteczność i przydatność rozwiązań analityki biznesowej. Jeśli tak często nie udało się z pomocą BI osiągnąć zakładanych korzyści i stawianych celów, to tym bardziej zagrożeniem jest to, że podobnie stanie się z Big Data.

"Projekty w zakresie Business Intelligence często nie miały jasno postawionego celu. Dlatego tak wiele z nich było nieudanych. Bo nie określono dobrze na początku, do czego mają być tak naprawdę potrzebne" - uważa Maciej Wiśniewski, prezes polskiego oddziału Fujitsu.

Ciągle zbieramy mnóstwo danych, ale tak naprawdę nie wiemy po co - trochę na zasadzie, że może "przyda się" potem. "Najważniejsza jest odgórna strategia biznesowa, co z danymi robić, jak je wykorzystywać. Ze strategii wynikają odpowiednie procesy i algorytmy. To unikalna wiedza i kompetencja danej organizacji, np. o tym, jak precyzyjnie zarządzać kampaniami marketingowym" - twierdzi Adam Marciniak, dyrektor Pionu Rozwoju i Utrzymania Aplikacji w PKO BP.

Poruszamy się po trudnym gruncie - wiedzy zindywidualizowanej i trudno dostępnej. Z tego jednak mogą wynikać konkretne rzeczy, chociażby informacje o tym, dlaczego jednym uczestnikom rynku kampanie crossellingowe wychodzą lepiej niż pozostałym. "Tutaj często nie potrzeba jakiś wielkich systemów, nie wiadomo jakiej automatyzacji - liczy się bowiem unikalne, lokalne know-how, co zrobić z informacją płynącą z danych" - dodaje Roman Tyszkowski, dyrektor Departamentu

Architektury IT w ING Banku Śląskim. Jego zdaniem, biznes często potrzebuje nie wyrafinowanych systemów, ale prostego wsparcia konkretnych kroków w analizie danych. W ING Banku już od dawna stosuje się rozwiązania klasy Big Data (choć może nie tak nazywane) do analizowania logów systemowych, co pozwala identyfikować problemy i podejmować uprzedzające działania związane z nieprawidłowym funkcjonowaniem aplikacji.

"Dane gromadzimy także dlatego, że to pewnego rodzaju polisa od ryzyka związanego z potencjalnymi reklamacjami klientów czy też nowymi potrzebami regulatora" - dodaje Adam Marciniak. "Biznes na ogół mówi, że potrzebuje wszystkich danych, choć nie potrafi dobrze wyjaśnić, po co właściwie. Pomóc może rzeczowa rozmowa pokazującą, że nie ma nic za darmo, że gromadzenie danych niesie określone koszty" - dodaje Grzegorz Stępniak, dyrektor Pionu Informatyki w firmie Gaz-System. Dobra praktyka mówi, że kwestia wykorzystania i analizy danych powinna być określana już na poziomie projektowania systemu - by od początku

czynić to jednym z celów danego rozwiązania.