A hagyományos üzleti intelligencia (BI) megközelítés alkalmazása még a legfrissebb technológia, best practice és architektúra bevetése esetén is magában hordoz egy rendszerszintű kockázatot: a folyamatos IT-lemaradást a BI igények kiszolgálásában. Azok a vállalatok, ahol az üzleti intelligencia igények több mint 20 százalékát az IT próbálja megvalósítani és leszállítani az üzleti területek számára, kénytelenek szembesülni a "hógolyó-hatással", amit a BI-igények teljesítésében jelentkező, örökösen növekvő IT-lemaradás okoz. Miért? A válasznak több eleme is van.

1. Az üzlet és vele együtt a BI igények változási sebessége sokkal nagyobb, mint amit egy IT-centrikus támogatási modell kezelni képes. Még a legprecízebben megtervezett, az ajánlásoknak leginkább megfelelő BI alkalmazások esetében is jelentkezik az a probléma, hogy a cégek számára rendkívüli erőfeszítést jelent a gyorsan változó üzleti igényeknek való megfelelés. Szemben az ERP, pénzügyi vagy CRM rendszerekkel, amelyeknél az életciklus legalábbis években mérhető, egy üzleti intelligencia alkalmazás már a publikálását követő másnap elévülhet. Egy pár hétig tartó fejlesztési folyamat alatt ma már teljesen megváltozhat az üzleti környezet egy előre nem látott akvizíció, egy új versenytárs megjelenése, egy új menedzsment felállása vagy egy új törvényi szabályozás miatt.

2. A szoftverek hagyományos vízesés életciklusmodellje egész egyszerűen nem húzható rá az üzleti intelligencia projektekre. A vízesés modell azt a megközelítést alkalmazza, hogy amikor a fejlesztési folyamat a felhasználói igények összegyűjtésével kezdődik, abból aztán születik egy jóváhagyott specifikáció, majd pedig a programozók ezt a specifikációt kapják meg a fejlesztés elvégzéséhez. Ez a fajta módszer sok esetben sikerrel alkalmazható a klasszikus alkalmazásfejlesztési munkáknál, ahol a követelményrendszer jellemzően egységes és letisztult. A legtöbb BI projekt esetén azonban gyakorlatilag működésképtelen. A BI projektekben alkalmazandó megközelítés ugyanis elsősorban nem a funkcionalitásra, hanem az üzleti információra fókuszál, ahol az üzleti kérdések azonosítása és megválaszolása a fő cél, ezért sokkal célravezetőbb iteratív fejlesztési ciklusokban gondolkodni.

Az iteratív megközelítésben a valódi üzleti igények a legtöbbször akkor körvonalazódnak, amikor az üzlet már lát is valamit a készülő BI alkalmazásból. Így a gyakorlatban is ki tudja próbálni az első eredményeket, és el tud kezdeni játszani az első verziók felületeivel, funkcióival, és ismerkedhet a look&feel-lel.

"Mik a legkritikusabb kulcskövetelmények, amit a BI alkalmazásotoknak meg kellene valósítania?" – hangzik a tipikus IT megközelítésű kérdés.

"Igazából mindenre fókuszálnia kellene, mert nem tudom megmondani, hogy milyen riportokat kell majd előállítanom, és milyen elemzésekre lesz szükségem, mire élesben is használni kezdjük" – érkezik az IT számára lehangoló válasz.

3. Az üzlet és az IT felfogása sok esetben nagyon különbözik a BI alkalmazásokkal és projektekkel kapcsolatban. Az üzleti vezetők, menedzserek és az üzleti területek más munkatársai számára mindennél fontosabbak az üzleti követelmények, és persze az ütemezés tekintetében is a saját igényeiket szeretnék megvalósulni látni, függetlenül attól, hogy az IT mit tud vállalni. Ez maximálisan érthető is, hiszen az üzlet van a frontvonalban, neki kell folyamatosan megfelelnie az ügyfelek igényeinek, és neki kell elkerülnie, hogy a cég a versenytársakkal szemben alulmaradjon. Az IT-nak persze más szempontokat is szem előtt kell tartania, mert az ő felelőssége, hogy az informatikai környezet és működés megfeleljen a jogszabályoknak, a biztonsági előírásoknak és az üzemeltetési követelményeknek. Ezért aztán az a BI területén is ragaszkodik a sztenderd megoldásokhoz és az ezekhez társuló, más területen már bevált szoftverfejlesztési és projektmenedzsment módszertanokhoz.

Ezek a válaszok azonban nem azt akarják sugallni, hogy az üzletmenet szempontjából kritikus, összvállalati szintű BI alkalmazásokat informatikailag képzetlen kezekbe kellene adni! A Forrester Research kutatásai szerint azonban a jól működő, hatékony BI alkalmazásportfólió feltétele, hogy a BI alkalmazások kevesebb, mint a 20 százaléka tartozzon az IT által, hagyományos módon menedzselt alkalmazások körébe. Ideális esetben a BI tartalmak fennmaradó 80 százalékát az üzletnek önmagának kellene megvalósítania.

A siker kulcsa: üzlet által menedzselt, önkiszolgáló BI

De mi kell ahhoz, hogy egy üzleti intelligencia megoldás a különféle felhasználói körök (pl. alkalmi felhasználók, power userek vagy menedzserek) számára lehetővé tegye, hogy önkiszolgáló módon állítsák elő új lekérdezéseiket, riportjaikat, elemzéseiket és dashboard-jaikat? Az "intuitív" és a "felhasználóbarát" meglehetősen szubjektív jelzők. A point&click és a drag&drop működést támogató felhasználói felület valóságos Kánaán a karrierjét zöld képernyős konzol előtt kezdő IT-szakember számára, de a tudásmunkások fiatalabb generációjának, akik a Google és a Facebook közösségi felületein szocializálódtak, egy point&click felület nem feltétlenülül magától értetődő és természetes. Amikor a BI eszközök önkiszolgáló  lehetőségeit vesszük számba, az alábbi tulajdonságokat célszerű fókuszba állítanunk.

Az IBM forradalmi önkiszolgáló BI-szolgáltatásai
Az IBM önkiszolgáló megoldásainak alapját olyan fundamentumok biztosítják, mint a Cognos több évtizedes üzleti intelligencia tudásbázisa, a TM1 robusztus, memóriaalapú OLAP megoldása, az SPSS adatbányászati és statisztikai képességei, valamint az új korszakot jelentő innováció, az IBM Watson. Ezek kombinációja egyedülálló helyzetet teremt a BI eszközök versenyében.

2014. végén az IBM bemutatta a rendkívüli újdonságot jelentő, felhőalapú BI megoldását, a Watson Analyticset. Ez a robusztus big data technológiára épülő megoldás forradalmi változásokat indít el az önkiszolgáló BI világban azzal, hogy segít áthidalni az üzleti felhasználói kör számára a tudományos felkészültség hiányát, ami eddig lehetetlenné tette a mélyebb adatfeltárás és -elemzés szélesebb körű elterjedését és üzleti alkalmazását. A Watson Analytics eszköztára ennek érdekében olyan megoldásokat vonultat fel, mint a természetesnyelv-feldolgozás (natural language processing – NLP), így a lekérdezések többé nem valamilyen programnyelv, például  az SQL használatával történnek, hanem természetes, beszélt nyelven.

Emellett szemantikai és statisztikai adatelemzést biztosít, hogy a felhasználó a legkifejezőbb vizualizációval kezdhesse a munkát. Rendelkezik beépített analitikai függvénykészlettel a különféle prediktív algoritmusoktól egészen a filterekig, amelyek világos üzleti fogalmakkal dolgoznak, megtisztítva minden technikai és szakmai zsargontól. Továbbá fontos eleme az automatikus relációdetektálás az adatokban. Mindezek  további elemzésre bátorítják a felhasználót. A Watson Analytics olyan szintre emeli az adatokkal való munkát az üzleti felhasználók számára, amire még nem volt példa az üzleti intelligencia történetében.

Automatikus modellezés. Nem minden üzleti felhasználó tapasztalt adatmodellező is egy személyben (sőt!), így fontos szempont, hogy egy önkiszolgáló BI eszköz automatikusan javaslatot tegyen az alkalmazandó metaadat modellre a bejövő adatok típusa és tartalma alapján.

Vannak eszközök, amelyek csak az adattípusokat veszik figyelembe (pl. dátumok, számok, szöveges oszlopok megkülönböztetése), míg mások képesek a bejövő adathalmaz alapján automatikusan lekérdezésre optimalizált adatszerkezetet javasolni, amely tartalmazza az induló tény- és dimenzióelemeket. A legjobb eszközök képesek hierarchiák automata detektálására és felépítésére is.

Kalkulált és származtatott mérőszámok. Az IT-fejlesztők nem láthatnak és definiálhatnak előre minden olyan lehetséges merőszámot az adatpiacokban, amire az üzletnek később nagy szüksége lesz. Ezért fontos tisztázni, hogy egy BI eszköz használata során a végfelhasználók hozhatnak-e létre új, kalkulált mérőszámokat, és hogy a kalkulációs lehetőségek mennyire bőségesek, lehetővé teszik-e például a logikai elágazásokat vagy egyéb logikai kifejezések megvalósítását, valamint azt is, hogy mekkora beépített algebrai, szöveges, üzleti, pénzügyi vagy akár prediktív függvénykészlettel rendelkeznek.

Magas szintű adatvizualizáció out-of-the-box. Az önkiszolgáló BI megoldások fontos eleme a gazdag és látványos vizualizációs eszköztár, ami tartalmaz repülőgép-műszerfal jellegű diagramokat, egyedi grafikonokat és térképeket, térinformatikai vizualizációkat és infografikákat. A vizualizáció másik vetülete, hogy a felhasználó mennyire hatékonyan tudja vizualizálni a fontos adatköreit, és azokon hogyan tud továbbdolgozni. Ide tartoznak az animációk vagy például az a képesség, hogy az eszköz tudja-e elemezni a bejövő adatokat, képes-e felismerni a mintákat és a kulcs mezőket, és ez alapján automatikusan javaslatot tenni az adott adathalmazt legszemléletesebben kifejező vizualizációra.

Kollaboráció. Senki sem dolgozik manapság önmagában, elszeparáltan a csapat többi tagjától egy üzleti szervezetben, ezért olyan BI-környezetre van szükség, ami támogatja a felhasználó-felhasználó és a felhasználó-fejlesztő jellegű együttműködést. Fontos, hogy milyen csapatmunka-támogató készlete van a BI eszköznek, ahogy az is, hogy miként integrálható más közösségi megoldásokkal, például a SharePointtal, az IBM Connections-szel vagy a Novell Teaminggel.

Adatvirtualizálás és átfúrás bárhova. A mai big data környezetben senki sem gondolkodhat abban, hogy a vállalati adatainak közel 100 százalékát strukturált, lekérdező adatbázisokba rakja be. Emiatt megnőtt a jelentősége az olyan megoldásoknak, amelyek képesek virtuálisan összekötni különféle adatforrásokat, és lehetővé teszik az adatok közti átfúrást bármely irányba az adatforrások között. Ennek hiányában napokat, heteket vagy akár hónapokat kell várni arra, hogy az új adatforrások betöltésre kerüljenek az adattárházba.

Oszlop promptok. Az IT régóta készít olyan riportokat, amelyek a futtatáskor szűrő mezőket (ún. prompt-okat) jelenítenek meg (vizsgált időszak, régió, szervezeti egység stb.), mert ezzel csökkenthető az előállítandó konzerv riportok száma. Ennek egy fejlettebb változata, amikor csupán néhány sztenderd vállalti riport-template készül központilag, amelyeket futtatva az üzleti felhasználók szabadon eldönthetik, hogy melyik oszlopra szeretnének promptolni. Az adatvirtualizációval és az átfúrási funkcióval (drill anywhere) kombinálva ez elméletileg kezelhető mennyiségűre tudja csökkenteni a konzerv vállalati riportok számát.

Kereső-szerű felület. A Google jellegű felhasználói felület alkalmazását több fontos szempont is indokolja az önkiszolgáló BI eszközöknél. Először is, minimális vagy semmilyen képzést sem igényel, mivel nehezen képzelhető el olyan tudásmunkás a mai világban, aki ne tudna használni egy webes keresőszolgáltatást. Ez már önmagában nyereség, hiszen egy értékesítő számára minden egyes tréningen töltött óra gyakorlatilag egy órányi idő távol a potenciális ügyfelektől. Másodszor, a point&click felhasználói felület azt feltételezi, hogy a használója pontosan tudja, hogy mit keres. Csakhogy  az üzleti információk feltárási munkája során gyakran nem ez a helyzet. Ilyen esetben egy keresőszerű felület különösen hasznos segítség lehet. Végül, de nem utolsósorban az ilyen felületek lehetővé teszik lista oldali szűrők (ún. faceted navigation) alkalmazását, ami gyakran a legjobb megoldás a kiegyensúlyozatlan hierarchiák lefúrási útvonalainak bejárására.

Visszaírás. A "Mi lenne ha…?" forgatókönyvek létrehozása a meglévő adatokkal megjelenik a legtöbb BI és OLAP eszköz szolgáltatásai között. Ez odáig mehet, hogy a felhasználó szeletelni tudja a riportjait a különböző dimenziók alapján, és elemezni tudja az ok-okozati összefüggéseket. Ahhoz azonban, hogy különféle forgatókönyveket hozzunk létre egy új büdzsé kialakításakor vagy a "várhatózás" során, szükség van az adatok valós idejű visszaírására az adatbázisba vagy az OLAP adatkockába. A visszaírási lehetőségek kapcsán lényeges, hogy a BI eszköz lehetővé teszi-e az aggregált értékek módosítását és visszaosztást az elemi szintekre különböző módszerekkel, támogatja-e az elemi értékek közvetlen módosítását, teljesen új értékek generálását, vagy új tranzakciók visszaírását operatív alkalmazásokba, és persze, hogy mindez igényel-e bármilyen programozási munkát.

Adatfeltárás és elemzés. A riporting, az elemzés és a slice&dice műveletek a meglévő adatmodelleken szintén olyan funkciók, amelyek a legtöbb BI megoldás eszköztárában megjelennek. Ez a megközelítés viszont azt feltételezi, hogy az adatmodellezők előre fel tudják készíteni a modelljeiket a jövőbeni riporting és elemzési igények kiszolgálására. Elemezési lehetőséget új hierarchiák vagy olyan entitások és attribútumok szerint, melyek nem lettek beépítve a modellbe, már jóval kevesebb eszköz képes nyújtani.

Megosztás másokkal, éles üzembe helyezés. Végül, de nem utolsósorban, nézzük, mi a helyzet azzal a szituációval, amikor az üzleti munkatárs elkészítette a saját BI alkalmazását felhasználva az összes, de legalábbis a lehető legtöbb funkciót a fent leírtak közül. Akkor most hogyan tovább? Hogyan oszthatja ezt meg a kollégáival, a projektcsapat többi tagjával vagy a vállalat többi részlegével?

Visszatérünk a jó öreg "Hívjuk az IT-t!" formulához, vagy a BI eszköz esetleg azt is lehetővé teszi, hogy publikáljuk az elkészült BI tartalmakat egy megosztott környezetbe? Habár, a gyakorlatban azért ennek nem feltétlenül kellene ilyen szimplán megtörténnie, mert sok esetben az ilyen önkiszolgáló módon készült alkalmazásokat először fel kell készíteni az éles használtra. Mi a helyes megközelítés? Jó kompromisszumnak tűnik egy olyan publikációs lépés, amely elindítja az "élesítési workflow-t", vagy legalábbis automatikusan értesíti az illetékes IT-s kollégákat.

A cikk szerzője Zircher Andor, a Business Process Consulting Zrt. BI-szakértője