Současné trendy v oblasti Business Intelligence

Současné trendy v oblasti Business Intelligence 24. dubna 2015

Jiří Mičke, Ondřej Švihálek

Jiří Mičke Unicorn, Business Intelligence Manager, 2014 CEVA Logistics, BI Manager for Europe, 2009 Czech Airlines, BI & SW Development Manager, 2007 ING, BI & Architecture Manager, 2004 Charles University, Geophysics

2

Copyright © 2015 Unicorn College

Ondřej Švihálek Unicorn Systems, Konzultant mobilních technologií iCom Vision, Zakladatel a předseda představenstva, 2011 Centrum Holdings, Produktový a marketingový ředitel, 2007 Etel, Business development ředitel, 2003 Verizon, Product marketing manažer, 2000 VŠE, Fakulta Informatiky a statistiky, obor Znalostní inženýrství

3


Agenda Úvod Agilní Business Intelligence Self-service BI, Visual Data Discovery Mobilní Business Intelligence Big Data Business Intelligence v cloudu (Metadata) Q & A

4


Agilní Business Intelligence

Agilní Business Intelligence Nejdůležitější charakteristika současného stavu Business Intelligence Hlavní charakteristiky Tlak na okamžité výstupy, výrazné zkrácení vývojového cyklu Všudypřítomnost a mobilita Posun od statického reportingu k interaktivním analýzám a vizualizacím Aktivní role Business uživatelů v získávání a využívání informací Rostoucí význam Business Intelligence jako strategického nástroje řízení Využívání nových datových zdrojů a typů dat Výrazná změna organizačního uspořádání a governance Potřeba a schopnost zpracovat extrémní objemy dat včetně semi-strukturovaných a nestrukturovaných dat Využití cloudu Flexibilita a škálovatelnost Zpracování v paměti 6


Agilní Business Intelligence Měnící se role, význam a možnosti BI se často klasifikuje novými typy „inteligence“, např.:

Source:Vertica HP 7


Predikce vývoje Business Intelligence

8


Posun ve využívání Business Intelligence Důvody a hlavní charakteristiky Nástroje Self-service BI umožní snadné použití analytických metod, vizualizací dat, prediktivní a další analýzy Aktivní přístup Business uživatelů;; zvyšující se know-how analýz a porozumění datům ve společnostech Výrazné zkrácení latence od okamžiku vzniku události, jejího zpracování, zařazení do kontextu až po její využití a konkrétní rozhodnutí Dotazy ad-hoc Operational

What% happened?

Past 9


What%is% happenig?

Tactical

Why%did%it% happened?

Present

Strategic

What%will% happen?

Future

What%do%we% want%to% happen?

Doba rozhodnutí může mít přímý finanční dopad lBusiness event

l

l

Value

lData captured

lIntelligence delivered

l

•

•

Gate agent engaged with the customer

•

Flight is at the g ate with Standby Revenue Pax

•

lSituation

10


Action taken

Flight Departs/Gate agent confirms misconnecting p assengers

l

Time

Customer flies o n the competition/Customer boards aircraft

lMissed Opportunity/Gained Opportunity

In-memory technologie Příklad: SAP-Hana In-Memory Appliance Real-time analýzy Víceúčelová in-memory technologie – podpora Mixed Workload Otevřený přístup k datovým zdrojům Otevřený přístup k front-endovým nástrojům

11


Negativní příklad BI projektu Doba implementace v rozsahu cca 6–18 měsíců X0Months

Analysis

X0Months

X0Months

Design

ETL

DW

OLAP

12


Reporting

Některé možnosti zkrácení doby vývoje Využití cloudu A další

Reporting

Reporting

Kombinace „standardních“ Integration$layer Integration$layer datových struktur ETL$layer s adaptivními strukturami na ETL$layer bázi tzv. key-value pair Data$ Data$ Data$ Source$ Source$ Source Použití virtuálních, fyzických 1 2$ … 3$ i desktop analytických sandboxů Budování prototypů řešení Možnost využití generických industry řešení To ale neznamená NoSQL databáze Nepotřebnost jednotné integrované datové vrstvy Federativní EDW Nutnost vize a systematického dlouhodobého přístupu

Potřeba zavedení „rozumné“ governance 13


Dopady na interní organizaci BI je rozprostřena po celé společnosti, zatímco dříve byla centralizována do jednoho specializovaného BI oddělení. Hlavními nositeli znalostí jsou business analytici. Běžný uživatel a tzv. Power User mají různé potřeby a z toho je potřeba vycházet.

Information* Consumption Information* Interpretation Formerly

Analysis,*Ad3hoc*query Reporting* Preparation Data*Integration Infrastructure

14


Now

Business Intelligence Governance Governance musí reflektovat současný stav BI, jinak se stane překážkou rozvoje BI ve společnosti. Základní princip: Různí uživatelé mají různé potřeby.

Nejedná se o jednorázovou aktivitu/úkol, nýbrž o kontinuální proces, který musí být podporován Senior Managementem. To se týká zejména: Bezpečnostních a legislativních standardů – nutnost dosažení rovnováhy mezi možností aktivního využívání dat uživatelem a ochranou citlivých informací Interpretace dat, „Center of Excellence“ Managementu informací, datových zdrojů a výstupů Metadat, masterdat Data Quality Managementu Managementu požadavků

Možné organizační uspořádání: Governance Steering Committee + Working Team 15


Self-service BI, Visual Data Discovery

Gartner’s Magic Quadrant

17


Co charakterizuje Self-service BI Jednoduchost Rychlost Vizualizace Aktivní činnost uživatele

18


Dále… Intuitivní a snadné použití, možnost okamžité práce Použití pro běžné uživatele Rozsáhlé možnosti vizualizací dat Analytické možnosti Geografické a prostorové analýzy Integrace pokročilých statistických funkcí (trendy, korelace, rozhodovací stromy a další) Sofistikované dashboardy Flexibilita Konektory do všech běžných datových zdrojů Možnost publikace reportů na web a mobilní platformy Snadná integrace s mobilními platformami a Microsoft Office

19


Současný stav na poli Self-service BI

20


Současný stav na poli Self-service BI Snaha původních výrobců nástrojů Self-service BI Poskytnutí funkce tzv. Enterprise Reportingu –zejména sdílení a management reportů, jejich automatická distribuce, schedulling, alerting atp. (Tableau Server, QlickView Server, Power BI Sites) Tzv. In-memory Processing Zvýšení bezpečnostních mechanismů, administrace atp.

Snaha tradičních výrobců nástrojů BI Nabídnout funkce/moduly Self-service BI ve svých existujících nebo nových produktech (např. Microstrategy – Desktop, Analytics Express, Analytics Enterprise, Business Objects, SAS nebo Microsoft se svou platformou Power BI) Prezentace některých výhod, např. jednotné integrované platformy konsolidovaných datových objektů oproti množství izolovaných zdrojů dat Integrace s finančními, ERP a dalšími systémy

21


Mobile Business Intelligence

Jak rozumět pojmu mobilní BI? Vizualizace a zprostředkování přístupu k aktuálním datům, doručení akčních a souhrnných VÝSTUPŮ „Správná data na správném místě ve správný okamžik“

Kontextově inteligentní APLIKACE učící se v reálném čase

23


Vizualizace a zprostředkování přístupu k datům Základní funkce mobilní služby Data Analytické výstupy Metriky Vizualizace prostřednictvím tzv. dashboardu Alerting

24


Mobilní přístup k datům – přehled Základní oblasti reportingu na mobilním zařízení Výkon technologie a produkčních zařízení Aktivita lidí Kvalita celého procesu nebo služby

Formy reportingu „Web based“ reporty Nativní aplikace pro mobil a tablet

Hlavní motivace pro zavedení Rychlejší přístup k informacím pro řídící pracovníky Jednodušší a „samoobslužný“ přístup k datům Správná data ve správný čas pro odpovědné pracovníky „v akci“ Přístup k častěji aktualizovaným informacím pro všechny zaměstnance Zlepšení vizualizace a interpretace dat Řízený přístup k datům se zvláštním režimem

25


Mobilní přístup k datům – technologie Reporting výkonu přenosových sítí Reporting práce webového portálu Reporting prodejních výsledků

26


Mobilní přístup k datům – vedení procesu Tabletová aplikace pro prodejní zástupce

27


Kontextově inteligentní mobilní aplikace

Kontextově inteligentní systémy – přehled Základní vrstvy/celky systému kontextových služeb Systémy pro sběr kontextuálních dat – senzory a trackovací platformy Informace o uživateli Informace o kontextu

Systémy pro vyhodnocení kontextu – BI systémy Prediktivní model chování

Mobilní aplikace poskytující služby na základě aktuálního kontextu Angažování uživatele k dialogu Poskytnutí kontextově orientované služby

Hlavní motivace pro zavedení Poskytnout kvalitnější, přesnější a pohodlnější službu Prodat více

29


Kontextově inteligentní systémy – princip SENZORY

DATABÁZE dat vybraného uživatele

ANALÝZA kontextu

Mobilní APLIKACE navazuje vhodný dialog s uživatelem. 30


Další d atové zdroje

PREDIKTIVNÍ MODEL p řebírá data a analyzuje kontextové informace.

Kontextově inteligentní systémy – funkce Sběr kontextuálních dat a informací uložených o uživateli. Na základě reakce uživatele model poskytne informace nebo akci a ukládá reakci pro další iteraci.

Prediktivní model přebírá data a analyzuje kontextové informace.

Mobilní zařízení navazuje vhodný dialog s uživatelem.

31


Prediktivní model generuje kroky k dosažení nejvhodnější služby a nabídky obsahu.

Kontextově inteligentní systémy – vize V p ráci nastartuje počítač a zruší se přesměrování telefonu.

Upozorněna o straha a o deslána n otifikace k vyzvednutí d ětí.

Škola potvrzuje I D rodiče a čas v yzvednutí dětí.

Mobil přijímá ze s ervisu termíny k v ýměně oleje.

Aplikace zamyká dům, spouští alarm a n astavuje topení.

32


Aplikace o bjednává oblíbený d ruh kávy.

Kontextově inteligentní mobilní aplikace – realita

Kontextově inteligentní systémy – ŠKODA AUTO

34


Kontextově inteligentní systémy – ŠKODA Drive

35


Kontextově inteligentní systémy – ŠKODA Drive

36


Kontextově inteligentní systémy – ŠKODA Drive Základ inteligentní služby na bázi platformy Kronos Mobile

37


Kontextově inteligentní systémy – ŠKODA Servis

38


Big Data

Charakteristika Big dat Volume Variety Velocity Complexity (Variability)

40


Ukázka Big data analýz – O2 TV http://blog.o2.cz/2014/04/16/sle dovanosti-o2-tv-kraluje-nova- tretinu-nize-je-ct1/

41


Ukázka Big data analýz – Oxford Twitter Network

http://oxfordinternetinstitute.github.io/InteractiveVis/network/?__utma=1.1971195275.1426406 978.1426406978.1426406978.1&__utmb=1.4.10.1426406978&__utmc=1&__utmx=- &__utmz=1.1426406978.1.1.utmcsr=google|utmccn=(organic)|utmcmd=organic|utmctr=(not% 20provided)&__utmv=-&__utmk=213654292 42


Výzvy, které je potřeba vyřešit

Source: NewVantage Partners LLC, “Big Data Executive Survey 2014.”

43


Proč a jak využívat Big Data Zavedení Big dat musí být v souladu s BI strategií. Existuje potřeba silného Business Case. Jaká data ukládat a používat a jak se budou výsledky využívat.

44


Integrace Big data do prostředí DW/BI Integrace do celkového DW/BI ekosystému Management, bezpečnost, přístup uživatelů atd.

45


Volba analytické platformy Rozsah použití Příklad Teradata Aster Discovery Portfolio

46


Další Business Intelligence in Cloud Metadata …


Současné trendy v oblasti Business Intelligence

Recommend Documents