W biznesie liczy się to, jak dużo danych jesteśmy w stanie zdobyć. Ale samo posiadanie takich informacji to dopiero połowa sukcesu. Jak podejść do analizy danych, aby „wycisnąć” z nich jak najwięcej?
Dane, dane, jak najwięcej danych
Pojęciem big data określa się duże, zmienne i różnorodne dane, w których algorytm potrafi znajdować wzory zachowań. Bardzo często przedsiębiorcy gromadzą dane bez namysłu, nie zastanawiając się nawet, do czego mogą się przydać. Panuje trend na posiadanie jak największej ilości informacji, ale istotne jest wybranie tylko tych, które rzeczywiście są w stanie powiedzieć nam o konkretnych parametrach, ważnych z punktu widzenia prowadzonego przedsięwzięcia.
Dlatego na samym początku trzeba odpowiedzieć sobie na pytanie - jakie dane zamierzamy zbierać i po co są nam teraz, a także w przyszłości mogą być potrzebne?
Kluczowe wskaźniki wydajności
Kiedy określimy cele, a mówiąc bardziej biznesowo - KPIs (Key Performance Indicators) dla naszego przedsięwzięcia, będziemy mogli dokładniej odpowiedzieć na to pytanie. Kluczowe wskaźniki wydajności muszą być ściśle powiązane z celami biznesowymi organizacji. Najpierw powinniśmy opisać cele strategiczne, a następnie przyporządkować do nich cele operacyjne i kluczowe rezultaty.
Każdemu celowi operacyjnemu przyporządkowuje się metryki, które będą wskaźnikami wydajności, a każdy KPI powinien mieć określony cel, który chcemy osiągnąć. Aby nie powstał nadmiar danych, dla jednego zdarzenia powinno być nie więcej niż 5 do 10 wskaźników. Mając określone dane, jakich potrzebujemy, możemy przejść do ich analizy.
Dane jakościowe i ilościowe
Dane ilościowe pokażą nam konkretne wartości - ile osób odwiedza witrynę, jaki jest współczynnik porzuceń koszyka w sklepie internetowym, jaki jest wzrost sprzedaży w konkretnym miesiącu.
Drugim typem danych są dane jakościowe, które odpowiadają na pytania, dlaczego klient czy użytkownik podjął takie, a nie inne działania. Narzędziami zbierającymi takie dane są ankiety, badania użyteczności oraz oceny eksperckie.
W przypadku małej ilości zmiennych, które chcemy zebrać i przeanalizować możemy korzystać z bezpłatnych programów, takich jak Google Analytics. Jednak kiedy potencjał tych narzędzi wyczerpuje się, a my potrzebujemy dodatkowych informacji, należy zaimplementować bardziej zaawansowane rozwiązania. Coraz więcej firm inwestuje w infrastrukturę i oprogramowanie, które pozwolą analizować dane z wykorzystaniem systemów sztucznej inteligencji – uczenia maszynowego czy uczenia głębokiego.
Aby wdrożyć systemy SI w firmie należy stworzyć odpowiednie algorytmy i modele, zgodnie z którymi przetwarzane będą zasoby danych. Niezbędna będzie także inwestycja w potężną moc obliczeniową, zapewnianą przez procesory. Do takich zastosowań powstają procesory z rodziny Intel Xeon oraz Intel Xeon Phi, które dziś działają w 97% serwerów w centrach danych przetwarzających obciążenia SI – wyjaśnia Krzysztof Jonak, Poland Country Manager w Intelu.
Dlaczego tak ważna analiza?
Same dane jeszcze o niczym nam nie mówią. Są liczbami i wskaźnikami, które bez odpowiedniej analizy nie przydadzą się na nic. Taki proces przekształcania danych w informacje nazywamy Business Intelligence. Informacje te następnie przekształca się w wiedzę, która może być wykorzystywana do zwiększenia konkurencyjności przedsiębiorstwa. Pierwszym etapem analizy jest utworzenie hurtowni danych, która pozwala na ujednolicenie i powiązanie danych zgromadzonych w różnych systemach informatycznych przedsiębiorstwa. Utworzenie hurtowni danych zwalnia systemy transakcyjne od tworzenia raportów i umożliwia korzystanie z różnych systemów BI.
System Business Intelligence generuje raporty lub wylicza kluczowe wskaźniki wydajności (KPIs), na podstawie których można postawić hipotezy i zweryfikować je poprzez wykonywanie szczegółowych przekrojów danych. Służą do tego różnego rodzaju systemy analityczne.
Dane do analizy mogą pochodzić z wielu miejsc. Możemy zbierać i analizować informacje korzystając z danych z portali społecznościowych, zakupowych, systemów informacji marketingowej, baz danych klientów, monitoringu punktu sprzedaży, magazynu czy innego interesującego nas miejsca. Dzięki wnioskom wyciąganym z takich danych, możemy stworzyć profil klienta czy określonej sytuacji, który może pomóc nam przy podejmowaniu kolejnych decyzji biznesowych.
Ciągłe doskonalenie
Dzięki analizie danych dostajemy konkretne informacje. Przygotowane analizy, raporty i wnioski powinny prowadzić do podjęcia konkretnego działania. Każdemu z przygotowanych kluczowych wskaźników wydajności przyporządkowujemy określone, mierzalne cele. Następnie powinniśmy określić drogi, które nas do tych celów przybliżą i oceniamy, która z tych dróg jest najprostsza do zrealizowania. Po przetestowaniu tej drogi, wdrażamy ją w naszej firmie i mierzymy efekt jej działania. Jeśli cel został spełniony, możemy cieszyć się sukcesem. Jeśli nie, wdrażamy kolejne rozwiązanie. Taki proces powinien być zastosowany do wszystkich kluczowych wskaźników wydajności.
Odpowiednie wykorzystanie danych zawsze było w biznesie jedną z najbardziej kluczowych spraw. Wykorzystanie big data niesie za sobą znacznie większe możliwości analiz - szybszych, dokładniejszych i wykorzystujących dane z wielu źródeł. Warto jednak pamiętać, że prawo nie pozwala na dowolne manewrowanie danymi klientów. Toczą się dyskusje, jak chronić użytkowników, a jednocześnie nie ograniczać możliwości analizy danych.
Daniel Kot
Szukasz porady? Skontaktuj się z ekspertem z Asseco:
+48 22 574 88 23; e-mail: piotr.fabjaniak@assecods.pl