Az üzleti intelligencia (Business Intelligence, BI) az elmúlt években demokratizálódott. Ez lett a digitális transzformáció, az adattárházak, a mobil kliensek és a könnyen használható riporting eszközök következménye. A kérdés most az, hogy idén milyen irányba fejlődik tovább ez a terület?

Először nézzük át a külső hatásokat, majd vonjuk le a következtetéseket!

Külső hatások:

• Az IoT, vagyis a „dolgok internete” az elmúlt évek nagy „buzzword”-je volt. Mára már beépült az életünkbe, néha más köntösben – pl. Ipar 4.0 – bukkan fel újra. Észre sem vesszük, de a minket körülvevő szenzorok évente megsokszorozzák a feldolgozható adatmennyiséget.
• Az exponenciálisan növekvő – többnyire strukturálatlan – adathalmaz feldolgozására Big Data rendszerek jöttek-jönnek létre. Egy meglévő Big Data rendszer természetesen fel is kelti az igényt további adatforrások becsatlakoztatására.
• Egyre nagyobb az igény arra, hogy az így keletkezett rengeteg adat alapján mind mélyebben meg lehessen ismerni az ügyfelek és munkatársak igényeit („customer insight”), optimalizálni lehessen a folyamatokat.
• A kapott eredményeket könnyen értelmezhető, testre szabott vizualizáció segítségével lehet a leggyorsabban értelmezni, megosztani.
• A fenti kör a piaci kényszer hatására időben egyre gyorsul, ezért egyre könnyebben, gyorsabban bevezethető technológiákra van szükség.

Ezek alapján a BI trendek 2018-ban várhatóan az alábbiak szerint fognak alakulni.

Multi-cloud, BI as a Service

Az üzleti igények gyors kielégítése miatt a BI területen is tovább terjed a felhő technológia alkalmazása. A vállalatok egyre gyakrabban fognak úgynevezett „multi-cloud” rendszert választani, tehát ahelyett, hogy egy szolgáltatóra tennék le a voksukat, az egyes rendszerek más és más felhőszolgáltatásból jönnek majd. Így lesz ez a BI (vagy Analitika), mint szolgáltatással is (AaaS). A multi-cloud felhasználás miatt egyre nagyobb igény lesz a különböző felhő alapú BI szolgáltatások integrációjára, mind identitás (felhasználók és jogosultságok), mind adat szinten.

Machine Learning

Az üzleti vagy ipari folyamatokból begyűjtött adatokból algoritmikus eszközökkel rendkívül fontos következtetések nyerhetők ki. Ezt tudja a Machine Learning (ML, gépi tanulás) még magasabb szintre emelni. Az ML segítségével korábbi tényadatok alapján megtanított modellek segítségével leszünk képesek friss adatok osztályozására (classification), szegmentálására vagy akár jóslására (prediction) is. Az ML jelenleg az informatika leggyorsabban fejlődő területe, 2018-ban már várható, hogy a BI mindennapi alkalmazásában is egyre inkább előfordulnak ML technológiák.

Adatvizualizáció

Az egyre több adat kikényszeríti az egyre magasabb szintű információtömörítést és absztrakciót. Épp ezért a minőségi adatvizualizációs eszközök használata és az adat alapú történet mesélés, mint narratíva alkalmazása általánossá válik. Vagyis ezen a területen is fontos, hogy a mondanivalónkat egy történetre felfűzve, könnyen érthetően tudjuk átadni.

Önkiszolgáló BI

A felhő alapú, szolgáltatott BI rendszerek a gyors bevezetésen kívül az alábbi előnyökkel is járnak:

• A munkatársak egyszerű eszközökkel készíthetnek a saját munkájukat megkönnyítő riportokat.
• A riportokat könnyen meg tudják osztani munkatársaikkal, vezetőikkel.
• A megosztott információt könnyen meg tudják vitatani integrált csoportmunka eszközökkel.

Crowd Sourced Data Governance

A megalapozott döntésekhez egyre gyakrabban külső adatforrások használatára is szükség van. Ilyenek például a piaci, jogi, környezeti hatások adatai. A külső forrásból származó adatgyűjtés egyre gyakoribb esete a „crowd-sourcing”, az internet felhasználóktól származó adatok felhasználása.

Példa:

Az Országos Meteorológiai Intézet sok, nagyon pontos meteorológiai állomással gyűjti az adatokat. Ezzel szemben a Weather Underground nevű szolgáltató ennél legalább két nagyságrenddel több, viszont megbízhatatlan és pontatlan magán időjárás állomással (Personal Weather Station, PWS) gyűjti az adatokat, ugyanakkor Machine Learning segítségével szűri ki a zajt és készít előrejelzést. A végeredmény: összehasonlítható minőség, viszont – a crowd-sourcing üzleti modelljéből adódóan – ingyenes az adatforrás.

A külső felhasználók – többé-kevésbé megbízhatatlan – adatainak használata miatt a BI rendszereknek egyre inkább fel kell készülniük az adatok megbízhatóságának ellenőrzésére, ezért a jövőben a Data Governance is fontos szerepet kap.

Egyéb várható trendek:

• Chief Data Officer: Az exponenciálisan növekvő adatmennyiség természetes velejárója, hogy a vállalatoknál egyre inkább igény lesz az adatvagyonért felelős vezetőre.
• Biztonság, adatbiztosítás: Egy esetleges adatvesztés rendkívüli anyagi és erkölcsi kárt okozhat egy szervezet számára, ezért a jövőben fel fog értékelődni az adatvesztés elleni biztosítások szerepe.
• Természetes nyelvek használata (Natural Language Processing, NLP): Főleg angol nyelvterületen várhatóan idén fog elterjedni a természetes nyelvi eszközök használata a BI lekérdezéseknél.
• Data Science képzés: A Machine Learning és Data Scientist projektekhez a jelenleginél egy nagyságrenddel több szakértőre lesz szükség, ezért felértékelődik ezen kompetenciák oktatása.
• Location Intelligence: Főleg a crowd-sourcing miatt, a geográfiailag kiterjedt adatforrások esetén új információk kinyerésére lesz lehetőség e terület kiaknázásával.
• Beágyazott/elosztott BI: Az IoT természetes szimbiózisban él a felhő technológiával, az érzékelők sokasága által gyűjtött adatok a felhőben gyűlnek és kerülnek feldolgozásra. Vannak azonban olyan esetek, amikor gyorsabb döntésre, helyi kiértékelésre lesz szükség. Ezért a beágyazott rendszerek saját BI funkciói várhatóan el fognak terjedni.
• Mobil BI és BI csoportmunka: Ezek a területek kiszélesednek és a mindennapjaink részévé válnak.
• Master Data/Quality Management: A sok, különböző adatforrás magával vonja az adatminőség kérdését, tehát az MDM megoldások továbbra is fontosak lesznek.

A szerző Analytics as a Service szegmens vezető az IFUA Horváth & Partnersnél.