A mesterséges intelligencia (AI) nem teszi feleslegessé a széles értelemben vett üzleti intelligenciát*. Bár többen úgy érezhetik, hogy AI-jal meg lehet úszni a fogalom-, adatáramlás-, adatminőség-tisztázást, és az ezzel járó konfliktusokat, ez pont fordítva van. Régóta hangoztatott elvek, szabályok váltak még fontosabbá, ha azt akarjuk, hogy az AI megbízhatóan támogasson. Ezt támasztották alá az IFUA Horváth Data & Digitalon elhangzottak is. Összefoglaló gondolatok, levonható tanulságok a konferencia kapcsán.
Fontos, hogy „egy igazság” érvényesüljön a vállalatban és ezen belül a funkcionális területeken is. Vagyis el kell érni, hogy az adatok, a lekérdezések, a riportok mindenki számára (így az AI-nak is) ugyanazt jelentsék.
Ez minden szervezetre igaz, tehát nem csak vállalatokra, hanem intézményekre is. Nem véletlen, hogy az egyik előadónkat éppen egy egyetemtől – a Grazi Egyetemtől – hívtuk meg az IFUA Horváth Data & Digitalra. Ők már 10+ éve ilyen környezetben dolgoznak.
A másik előadó cég, amelyik az egy igazság elvére építve alakított ki vezetői döntéstámogató rendszert (tervezési és beszámolási rendszer, egységes adatbázis alapon; integráltan), a Central Médiacsoport volt. Három évvel ezelőtt kezdtek dolgozni a BI jövőképen, abban előálló roadmap mentén haladtak a fejlesztéssel (változással), amelynek a kulcsa az egy igazság. A fogalmi katalógusa pedig szemantikus réteg.
Egy teljes vezetői információs rendszert képeztek le, van tervezési rendszerük, riporting rendszerük. Először egy adatbázist (adattárház) hoztak létre, hogy megfelelő adatokon tudjanak tervezni is, meg beszámolni is. Így tankönyvszerűen kialakították az új és teljes döntéstámogatási rendszerüket. Mára van tervezési rendszerük és beszámolási rendszerük is.
Ami külön kiemelendő, hogy azoknak a cégeknek sem kell lemondaniuk ezekről, amelyek még nem vágtak bele az ilyen típusú megközelítésbe (irányítás fókuszú, platformfüggetlen roadmap, szemantikus réteg, valós önkiszolgálási célok, belső kompetenciák felfejlesztése) – vagy benne vannak, de inkább nem látják a végét.
Nem minden cégnél vevő a szervezet olyan komoly transzformációs projektre, mint amilyet a Central Médiacsoportnál véghez vittek. Ennek különböző okai lehetnek. Ilyenkor is fontos azonban a fejlesztés, nem lehet megelégedni azzal, ami van. Erre adott példát a magyarországi Raiffeisen Bank, ahol a hatásosabb vizualizáció fejlesztése érdekében vezettek be új eszközt (Zebra BI) tanácsadói javaslatra, támogatással.
Hozzá kell tenni, hogy ilyen kisebb plusz szolgáltatásokkal azért nem lehet megúszni, hogy az ember roadmapben, szemantikus rétegben gondolkozzon. Ők is így gondolják.
Azok semmiképpen ne dőljenek hátra, akiknek a számítógépén „desktop” PowerBI-ban már van egy két „jobb” riport. Körültekintően körbe kell építeni, hogy a vállalati / szervezeti egy igazság köszönjön vissza belőle. És az se baj, ha ezt szuper hatásosan teszik – ahogy a Bank képviselője bemutatta.
Mindannyian ismerjük azt a helyzetet, hogy a külföldi anyavállalat ragaszkodik ahhoz, hogy Magyarországon is pontosan ugyanaz a BI rendszer működjön, mint náluk. Mondjuk a központban minden (ERP, HR, Beszerzés, CRM, S&OP, BI, CPM) SAP-ban van, miközben hazai viszonyok közt ez túl költséges, és a magyarországi gazdasági környezetben is kell hozni a pénzügyi eredményeket. A győri Audi megharcolt azért, hogy a lokális irányításhoz saját magára szabott eszközrendszert választhasson, és ettől kapja meg a hazai menedzsment azokat a válaszokat, amelyek alapján jól tudják irányítani a magyar Audit.
Ők a szintén német gyökerű, de mára már világszintű KNIME-mal megoldott controlling megoldásaikról adtak elő. A szakembereik online oktatásban képezték ki magukat, nem kellett drága képzést fizetni. Könnyen beszerezhető, rugalmas (citizen típusú) szoftverrel tudnak adatelőkészítést végezni, ahelyett, hogy magas szoftver licencdíjak és nemzetközi tanácsadói díjak mellett próbálkoznának valamivel.
De van olyan is, hogy nem lehet kitérni az anyavállalati policy-k elől. Akkor viszont meg kell kérni a csapatot (létszámot) hozzá, meg kell kérni a kereteket az oktatásokra, meg amire még szükség van. Ezt az utat járta be a stuttgarti központú ROTO. Csak egy példa: ott 20 fős csapat végzi a riportingot a teljes vállalatcsoport számára Győr-Moson-Sopron vármegyéből, magyar szakember irányításával.
Ez az üzenet csak közvetve jelent meg a konferencián. A Grazi Egyetemtől magyar előadónk volt. Több mint 10 éve kint dolgozik, ott építi az Egyetem szemantikus réteg alapú BI rendszerét adattárház alapon. A magyar vezetőknek fel kell készülniük arra, hogy amit itthon megtanulnak a szakembereik, az előbb-utóbb értékes lesz a nyugat-európai piacon. Folyamatosan kell gondolkozni azon, hogyan fogják majd pótolni a munkatársaikat.
Volt olyan előadónk is, aki nem controllingos példát hozott. A Hydro előadója a munkavédelmi, környezetvédelmi rendszerüket mutatta be. Ez egy globálisan működő norvég cég, kétszáz gyárral, az alumíniumipar és a megújuló energia a tevékenységi területük. Remek GenAI megoldásuk van, az egész világon használják. Azért sikeres, mert nagyon jól definiált az adatkörnyezet, így a GenAI is jól tud működni. És ez nagyon fontos, mert élet- és környezetvédelemről van szó, nem szabad tévedni.
Rossz adatokon a mesterséges intelligencia „nem játszik”. Az AI-nak különösen fontosak a jó adatok, mert nagyon gyorsan adja a válaszokat, és nagyon összetett helyzetekből. Csak akkor szabad bevezetni, ha nagyon stabil és nagyon jól definiált az adatkörnyezet is. Visszautalok itt arra, hogy a szemantikus réteg adja meg a jó definíciókat. Ha jó a definíció, csak akkor lesz jó a riport. Bármilyen BI eszközben.
Van, aki azt hiszi, nem kell már foglalkozni a BI-jal, itt a mesterséges intelligencia, majd azt használjuk. Majd az megadja nekünk az információkat.
De nem lehet kihagyni az általános iskolát meg a középiskolát! Ezeket ki kell járni. A szabályok mentén kell az adatokat előállítani ahhoz, hogy a BI és a GenAI is „jól” működjön. Az AI nem fogja kiváltani a BI riportokat meg a BI rendszereket. Így látták ezt a kerekasztal-beszélgetés résztvevői is. Volt köztük jelentős pénzintézet, összetett közműcég, nemzetközi kereskedelmi cég, világszintű iparvállalat képviselője. Mindegyik ugyanezt állította. Igenis, nélkülözhetetlen a fogalmi katalógus is.
Van, hogy „működik” már BI rendszer, de nincs benne fogalmi katalógus, nincs szemantikus réteg. Akkor ott mit csináljanak?
Aki ebben gyakorlati tapasztalattal bír, tudja, hogy ezt utólag is be lehet vezetni. Aki kihagyta az elemi iskolát, még pótolhatja. Nem lesz triviális, de be lehet pótolni. És be is kell. A nemzetközi gyakorlat is azt támasztja alá, hogy szemantikus réteg nélkül a kiegyensúlyozott irányítási célok nem érvényesülnek.
A szerző az IFUA Horváth partnere, a Business Intelligence kompetencia központjának szponzora az IFUA Horváth Enterprise Analytics Clusterében
*Front end BI (Visual reporting, Visual analytics) + Back end BI (ETL / ELT, DWH, Data Lake, OLAP, stb) + Semantic layer (Szemantikus réteg, Adatvirtualizáció) + CPM (Planning & Forecasting, S&OP, szimulációs megoldások) + Advanced Analytics
