Jak optymalnie realizować analitykę danych? Jak identyfikować szanse z obszaru analityki danych w organizacji i dbać o ład w procesach zbierania, przetwarzania i wykorzystania danych? W przededniu konferencji CIONET Data Connect 2021 przypominamy wskazówki ekspertów i praktyków biznesowych – uczestników ostatniego spotkania społeczności CIONET, „Being Data Driven”.

Dane można dziś zbierać w dowolnym miejscu, z każdego podłączonego do sieci urządzenia czy aplikacji. Co zrobić, by gromadzenie danych było efektywne, a pozyskane w ten sposób zasoby – wartościowe?

Kluczowym wyzwaniem jest składowanie danych, integracja danych pochodzących z różnych źródeł i ich korelacja. Hurtownie danych puchną coraz bardziej, zatem aby uniknąć niepotrzebnego natłoku danych należy o ich jakość zadbać na samym początku – na przykład oczyszczając poprzez usuwanie duplikatów.

Przemysław Mazurkiewicz, EMEA CEE Presales Director w Commvault, przytacza statystykę mówiącą o tym, że ok. 50% gromadzonych przez firmy danych to tzw. dark data, czyli informacje pozyskiwane, ale w żaden sposób niewykorzystane. Dlatego zaleca się klasyfikację danych, kontrolę tego, co jest potrzebne, a co nie oraz ustalenie czasu, przez jaki dane powinno się przechowywać. „Na tej podstawie dowiadujemy się, co możemy przesunąć do archiwum (najlepiej automatycznie – by system, najlepiej powiązany z rozwiązaniem do backupu, mógł zapanować nad rosnącą ilością danych). Nie jest to łatwe, ale warto” – podkreśla.

Opinię tę podziela Dariusz Piotrowski, dyrektor generalny Dell Technologies Polska: „Analitycy są absolutnie potrzebni, ale gdy otrzymają dane słabej jakości, nieustrukturyzowane, nieoczyszczone, zduplikowane, to analiza będzie obarczona błędem”.

Dodatkowo trzeba możliwie jak najwcześniej wybrać, w którym miejscu te dane agregujemy; czy to ma być chmura, infrastruktura on-premise czy inne rozwiązanie (składowanie lokalne danych zbieranych w czasie rzeczywistym z czujników, a później przenoszenie zbioru do chmury na potrzeby przyszłych analiz trendów). Nie ma bowiem wątpliwości, że przerzucanie ich między różnymi repozytoriami jest nie tylko pracochłonne ale i nieefektywne kosztowo.

Analityka projektowa czy ciągła

Podejście do analityki danych może różnić się w zależności od branży, w jakiej działa przedsiębiorstwo. Przykładowo, w firmie e-commerce czy usługowej, korzystających z danych gromadzonych elektronicznie, łatwiej o taką analityczną ciągłość. Nieco inaczej sprawa wygląda w organizacjach z sektora wytwórczego – tu źródłami danych są maszyny i sprzęt. Zebranie danych wymaga oprzyrządowania, montażu zestawu sensorów i wplecenia ich w sieć. Tak skonstruowana instalacja pomoże w weryfikacji hipotez, ale po zakończeniu procesu konieczny może być jej demontaż, gdyż firma nie jest w stanie jej utrzymać, szczególnie w dużej skali.

Marcin Żukowski, współzałożyciel firmy Snowflake uważa, że „projekty” należy skoncentrować na warstwie infrastruktury (na przykład budowa hurtowni danych to kwestia wymagająca akceptacji na pewnym poziomie zarządczym).

„W Snowflake, gdy musimy zaciągnąć dodatkowe dane, uwzględnić nowe metryki, przemyśleć mechanizmy importowania tych danych czy połączenia z zewnętrznymi systemami, traktujemy to jako projekt. Ale samo pytanie biznesowe projektem nie jest: po prostu łączymy się z bazą danych czy aplikacją i przetwarzamy je” – mówi.

Oczywiście, im bardziej zapytanie skomplikowane, tym większa szansa, że przerodzi się w osobny projekt analityczny.

Paweł Jakubik, dyrektor ds. transformacji cyfrowej w chmurze (Microsoft) na podstawie analiz RFI i RFP, czyli zapytań o informacje / propozycję związanych z postępowaniami zakupowymi zauważa, że w ub. roku spadła ilość zapytań na projekty typu pure data (master data, data lake, data warehouse, itp.). Może to wynikać z faktu, że po fali modernizacji hurtowni większość projektów związanych z danymi jest „zaszywana” w dziedzinowe projekty aplikacyjne, takie jak marketing automation czy Business Process Management. Trend dotyczy również wizualizacji danych – warstwę tę trzeba już traktować jako element innych projektów.

Radosław Piedziuk, Unstructured Data Solutions Sales Manager w Dell Technologies Polska, dodaje, że w przeszłości firmy budowały rozwiązania analityczne pod konkretny projekt. W efekcie analityka bywa prowadzona silosowo. „Dziś, gdy coraz więcej firm ma etap badań i rozwoju za sobą, rozmawiamy o tym, jak zbieranie i analityka mają stać się procesem naturalnym, czymś co uwzględniamy przy każdej modernizacji infrastruktury, tak jak bezpieczeństwo. Kwestię tę trzeba zaadresować, by nie bazować na bieżących, potrzebach, ale być gotowym na to, z czym biznes do nas przyjdzie jutro” – komentuje.

Jak stać się organizacją data-driven?

Najprościej mówiąc, ile organizacji, tyle podejść – albo innymi słowy: ile firm, tyle wyzwań. Mnogość źródeł, różnorodność typów danych i technologii – wszystko to sprawia, że nie ma jednego scenariusza, który można by łatwo przenosić między różnymi organizacjami.

Łukasz Świst, Country Manager Polska & CEE w Software AG, radzi by zacząć od ‘data’, a ‘driven’ przyjdzie samo (chodzi o zapewnienie dostępu do danych, napływających szybko z dużej liczby źródeł, a następnie optymalne zarządzanie nimi). Zebranie danych nie stanowi już problemu; na pierwszy plan wysuwają się use-case’y; praktyczne metody wykorzystania potencjału danych do rozwiązywania konkretnych potrzeb biznesowych.

Podobnego zdania jest Grzegorz Bartler, Chief Technology Officer w Netii – repozytoria, zasilanie danymi, hurtownia czy data market to sprawa kluczowa i podstawa wszystkich działań.

Uzupełnieniem przepisu na data-driven jest opracowanie form i reguł raportowania, obszary analiz ad hoc i analiz zaawansowanych (data science, generowanie modeli analitycznych dla wszystkich możliwych potrzeb biznesowych całej organizacji) oraz Business Intelligence w wymiarze narzędziowym i operacyjnym.

„W Netii nie rozwijaliśmy wszystkich tych obszarów po kolei ale staraliśmy w każdym z nich równocześnie stawiać kolejne kroki” – wspomina Bartler. „Dzięki temu dane są podstawą działalności w całej organizacji, i to działalności każdego typu. Chodzi o dostępność raportów, modeli, umożliwiających podejmowanie decyzji biznesowych, posiadanie konkretnych aplikacji – o umiejętne wykorzystanie danych w decyzjach biznesowych” – dodaje.

Z kolei w Nationale Nederlanden – jak wspomina Eliza Staniszkis, dyrektor pionu Data Platform & System Integration – w procesie planowania strategii cyfrowej dane „dołączono” na końcu. Dlaczego? „Do tematu danych należy podejść platformowo. Ten wątek przewija się w różnych obszarach” – mówi Staniszkis. „O ile strategia IT jest skuteczniejsza, gdy wychodzi od biznesowej, to strategia danych i analityka bez opracowanej strategii biznesowej nie może funkcjonować, ponieważ nie przynosi organizacji żadnej wartości” – przekonuje. W takim ujęciu należy świadomie wybierać obszary koncentracji związane z analityką.

Do tego dochodzi odpowiednie umocowanie kwestii analityki w firmie. Dane potrzebują ambasadora, sponsora, partnerstwa – podkreśla Tomasz Motyl, Chief Information Officer w aion bank. Ten sponsor idei data-driven musi występować na poziomie kadry zarządzającej. Ważne jest, po pierwsze, znalezienie odpowiedniej osoby, która chce się w to zaangażować – to, czy będzie to przedstawiciel działu IT, czy biznesu, ma w istocie drugorzędne znaczenie. Po drugie, liczy się samodyscyplina: krok za krokiem konsekwentnie realizujemy strategię danych.

Wyzwania

Dzięki postępowi technologicznemu i popularyzacji rozwiązań chmurowych koszt uruchomienia projektu badawczego jest dużo niższy niż kiedyś. Uwidaczniają się za to koszty „ludzkie”, jak choćby czas niezbędny do realizacji danego zadania. Inna sprawa, że trudno pozyskać wykwalifikowanych specjalistów z obszaru data science czy inżynierii danych, w dodatku nie są to pracownicy tani.

Analitycy danych muszą „złapać za ster” – współtworzyć rozwiązania i cele biznesowe. Analityka musi być spoiwem między poszczególnymi działami organizacji (np. sprzedaż, produkt) i ciągle pokazywać na liczbach, co wynika z danych.

Modele analityczne nie są w tym wszystkim najtrudniejsze, nawet jeżeli trzeba je tworzyć szybko i efektywnie. Najtrudniejsza jest transformacja biznesowa, którą trzeba przeprowadzać z analitykami: chęć biznesu do zmian – podkreśla Rafał Cegieła, Associate Director, Data Science w BCG GAMMA.

Prof. Piotr Płoszajski uważa, że do optymalnego wykorzystania danych potrzebujemy nie tyle „Big Data”, co „big understanding”. „Musimy walczyć z mentalnością, że gdy tylko zbierzemy odpowiednio dużo danych i wprowadzimy je do sieci neuronowej do przetworzenia, system zwróci nam korelacje. Nie zawsze będą to jednak logiczne związki przyczynowe” – wskazuje. Organizacja musi budować zasób wiedzy w oparciu o dwa filary: analizę danych oraz umiejętność analizy „słabych sygnałów” (firma musi śledzić sygnały, których jeszcze nie umie mierzyć) – dodaje.

--

Już 15, 16 i 18 czerwca odbędzie się najnowsza konferencja CIONET Polska – Data Connect 2021. Wydarzenie poświęcone danym i wszystkiemu, co z nimi związane, to prawie 100 sesji tematycznych i kilkadziesiąt prezentacji z polskiego i zagranicznego rynku. Mistrzowie danych podzielą się swoją praktyczną wiedzą i doświadczeniami. Wszystko podane w najbardziej interaktywnym formacie online z możliwością zgłaszania własnych tematów i wyzwań.

Dla tych z Was, którzy nie mają szansy uczestnicyć w wydarzeniu, mamy niespodziankę: wybrane sesje naszych gości specjalnych będą transmitowane na żywo we wtorek i w środę na profilu LINKEDIN CIONET Polska.

15 czerwca, wtorek, 14:40-15:00 Martin Willcox, Wiceprezes ds. Technologii, Teradata
16 czerwca, środa, 9:50-10:10 Phil Le-Brun, Director, Enterprise Strategist, Amazon Web Services
16 czerwca, środa, 16:30-16:50 Stephen Brobst, Chief Technology Officer, Teradata

Strona wydarzenia: CIONET Data Connect 2021