Rozwijanie analityki biznesowej

Z Big Data związane są dzisiaj główne kierunki rozwoju analityki biznesowej. Obejmują one:

• możliwość wykorzystywania danych zarówno strukturalizowanych, jak niestrukturalizowanych, oraz wizualizacja tych danych w jednym logicznym zestawie informacji;

• tworzenie tymczasowej struktury na czas analizy zapewniającej elastyczność w łączeniu danych strukturalizowanych i niestrukturalizowanych;

Zobacz również:

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

• wykorzystanie danych bieżących lub bliskich bieżącym, co pozwala aplikacjom krytycznym, procesom biznesowym i użytkownikom na dostęp do aktualnych informacji;

• dostęp do zewnętrznych źródeł danych w chmurze umożliwiające dodanie danych spoza przedsiębiorstwa w celu wzbogacenia procesu analizy danych;

• dołączenie analityki do procesów biznesowych i aplikacji, umożliwiając w ten sposób automatyczne radzenie sobie z problemami biznesowymi bez interwencji ludzkiej.

Tradycyjna analiza biznesowa opiera się na danych strukturalizowanych, ale takie podejście często nie sprawdza się w analizie prognostycznej (używającej wyciągniętych z danych informacji do przewidywania przyszłych trendów) i wskaźnikowej (dostarczającej informacje o operacjach gospodarczych, funkcjonowaniu przedsiębiorstwa, a także jego kondycji finansowej) - ponieważ zbiory danych są zbyt stare lub ograniczone w swym zakresie. Dane strukturalizowane są jedynie małą częścią zgromadzonych przez biznes danych. Wiele analiz szacuje, że stanowią one ok. 5 proc. wszystkich danych w przedsiębiorstwa.

Cechy wyróżniające ideę Big Data wyrażają się w czterech V: Volume (ilość danych), Variety (różnorodność danych) - połączenie wielu typów danych: strukturalizowanych i niestrukturalizowanych, wewnętrznych i zewnętrznych, historycznych i aktualnych; Velocity (szybkość analizy danych) - właściwa informacja dostarczona we właściwym czasie i z właściwym poziomem dokładności; Value -wartość, jaka może być uzyskać z połączenia pozostałych V.

Analityka Big Data pozwala na lepszy wgląd w stan procesów biznesowych dzięki integrowaniu olbrzymich ilości danych - o odmiennej złożoności, formatach i czasie powstania - w jedne, strukturalizowane dane wyjściowe. Tekst, głos, dane strumieniowe i niestrukturalizowane - połączone w jednej strukturze - pozwalają na powiązanie różnych aspektów informacji w modelach analizy dynamicznej. Modele te obsługują wielowymiarowe macierze danych i mogą być wykorzystane z tradycyjną analityką.

Narzędzia analityki biznesowej ewoluują w kierunku wsparcia takiego podejścia do analiz - zapewniają lepsze możliwości wizualizacji, wykorzystując informacje uzyskiwane w czasie bliskim rzeczywistemu i rozszerzając zakres analizowanych danych.

Sięganie do chmur

Jedną z najbardziej obiecujących cech Big Data jest włączenie do analizy źródeł danych powiązanych z biznesem, które nie są jednak gromadzone i przechowywane przez sam biznes. Najprostszym przykładem może być wymieszanie dostępnych wewnętrznie informacji o trendach sprzedaży z danymi o głównych trendach zainteresowań na portalach społecznościowych. Wykorzystanie chmury pomaga rozwiązać problem skalowalności Big Data - zarówno w obszarze pamięci masowej jak i możliwości przetwarzania.

Treści społecznościowe są najszybciej rozwijającą się kategorią nowych danych w przedsiębiorstwie. Gartner definiuje zawartość społecznościową jako niestrukturalizowane dane tworzone, edytowane i publikowane na korporacyjnych blogach oraz platformach komunikacji i współdziałania, a także na platformach komercyjnych jak Facebook, Linkedln, Twitter itp. Pojawiły się już firmy specjalizujące się w dostarczaniu tych danych na żądanie - do użycia w analizach biznesowych przedsiębiorstwa. Są to m.in. dostawcy usług cloud computing typu IaaS czy PaaS.