Революция в аналитике. Как в эпоху Big Data улучшить ваш бизнес с помощью операционной аналитики
Шрифт:
В подробностях об этом вы можете – и должны – прочитать в данной книге. Отмечу лишь, что, в отличие от неторопливой пакетной аналитики, бывшей уделом бэк-офисов, сегодняшняя операционная аналитика выполняется намного быстрее и к тому же непрерывно. Причем выполняется не отдельно, а интегрируется с существующими бизнес-процессами и системами. Я называю эту тенденцию «Аналитикой 3.0», и вы прочитаете о том в первой главе, но термин Билла «операционная аналитика», безусловно, точнее. И Билл описывает ее феномен гораздо подробнее, чем это когда-либо удавалось сделать мне.
Такое развитие давно уже запоздало – лет на 50, пока существовало разделение между аналитикой и деловыми операциями, породившее ряд проблем. Хотя руководители часто требовали аналитику и данные для поддержки
Принимая во внимание все эти проблемы традиционной аналитики, пожалуй, следует рассматривать как приверженность силе привычки тот факт, что организации по-прежнему планируют внедрение и регламентацию аналитики в своей деловой деятельности, а не переводят ее в разряд дополнительных и необязательных действий. Использование же операционной аналитики исключает пренебрежение к аналитике как таковой вследствие неправильного ее применения. Аналитика нужна для формирования как стратегических, так и тактических решений, и ее нужно выполнять в одно время, в одном месте с основной операционной деятельностью и на той же скорости. Насколько ускоряется поток данных внутри компаний, настолько должна увеличиваться и скорость аналитической обработки и принятия решений.
Если же вы не заглядывали в будущее, то, возможно, сочтете эту книгу очередным опусом на тему больших данных. Ничего подобного. Во-первых, Фрэнкс уже написал замечательную книгу на эту тему: «Укрощение больших данных»1 [1] (Taming the Big Data Tidal Wave). Во-вторых, здесь он рассматривает использование любых данных – всех типов и размеров. Фактически его новый труд можно определить как первую книгу после больших данных. Фрэнкс считает само собой разумеющимся, что организации будут использовать имеющиеся у них как небольшие структурированные, так и крупные, менее структурированные информационные активы. Разве может быть иначе? Кажется очевидным, что данные могут быть полезными независимо от их размера или структуры. К сожалению, поскольку «малые данные» появились до «больших», редко кто из авторов рассматривает «все данные» и рекомендует приспособить технологическую среду и аналитические процессы к различным типам данных, которыми вам придется управлять и которые придется анализировать.
1
Фрэнкс Б. Укрощение больших данных: Как извлекать знания из массивов информации с помощью глубокой аналитики. – М.: Манн, Иванов и Фербер, 2014.
Кроме того, это одна из первых книг, где рассматривается «аналитика вещей». Об Интернете вещей уже написано немало: быстрый поиск на Amazon выдает больше десятка книг, несмотря на относительную новизну термина. Но гораздо меньше написано о том, как можно извлечь пользу из сенсорных данных, т. е. анализировать и использовать их для нахождения решений и обнаружения аномалий. Многие из приведенных Фрэнксом примеров применения операционной аналитики включают Интернет вещей, и автор рассматривает то, как аналитика может быть использована для работы с огромными потоками данных, производимых сенсорами.
Хотя Билл Фрэнкс и является ведущим аналитиком компании Teradata, он не отдает предпочтения конкретным технологиям и поставщикам. Например, в главе пятой совершенно беспристрастно обсуждаются сравнительные достоинства платформы Hadoop и коммерческих хранилищ данных, основанных на реляционной технологии. Думаю, что Билл прав в том, что большинство организаций будут использовать разнообразные технологии хранения и анализа данных. Похоже, ничто не исчезает бесследно; новые технологии дополняют старые, а объемы данных растут достаточно быстрыми темпами, чтобы нашлось применение всем технологиям.
Книга охватывает широкий круг вопросов – от технологий и неприкосновенности частной жизни до кадровых проблем. Все это изложено в очень приемлемой форме и доступным языком. Не в стиле Фрэнкса шокировать читателей сенсационными заявлениями и предсказаниями, вместо этого вам предлагается спокойное и откровенное описание состояния операционной аналитики в 2014 г.
Слово «революция» в названии книги вполне уместно. Переход к операционной аналитике является революционным во многих отношениях, что и раскрывается в книге. Тем не менее есть по крайней мере одна нестандартная проблема, которую Фрэнкс не рассматривает подробно. Встроенная в систему, создаваемая в режиме реального времени аналитика поднимает множество вопросов о том, как будут функционировать организации в будущем. Когда принятие решений в значительной степени перейдет к компьютерам, что станет с людьми, ранее принимавшими решения? Как смогут люди контролировать и совершенствовать процесс принятия решений, если он фактически станет невидимым? Фрэнкс указывает – когда решения принимаются в режиме реального времени и без (или почти без) вмешательства человека, потребуется действительно хороший подбор аналитики и правил принятия решений, иначе можно очень быстро потерять много денег. Однако он не раскрывает подробно новые роли людей в этой среде. Должен признаться, что я несказанно рад такому его упущению, поскольку сам как раз пишу книгу на данную тему!
Итак, погрузитесь в эту книгу и в прежде неведомый вам мир, где многие важные решения принимаются благодаря операционной аналитике. Вы ничего не потеряете, кроме нерешительности и своего офиса за вашей спиной!
Вступление
Подобно индустриальному производству в XVIII в., сфере аналитики необходимо пройти через свою промышленную революцию. Аналитические процессы сегодня обычно осуществляются кустарным способом, причем с осторожностью и ориентированностью на потребителя. Во многих случаях это срабатывает, а кустарный способ зачастую оказывается вполне подходящим. Тем не менее нам необходимо начать выводить аналитику на новые уровни с точки зрения как масштаба, так и воздействия. Промышленная революция трансформировала процессы производства из ремесленничества в современные фантастические технологии, позволяющие производить качественные продукты в массовом масштабе. Такого же рода революция должна произойти и в области аналитики.
Много веков назад, если людям требовалась чаша, они обращались к гончару. Гончар изготавливал чашу в соответствии с потребностями заказчика. Проблема заключалась в том, что такой подход нельзя было масштабировать. Ограниченное количество гончаров могло изготовить лишь определенное количество чаш в день. Сегодня посуда в основном производится в промышленных масштабах на фабриках. Разумеется, по-прежнему можно заказать индивидуальную посуду у гончара, но такой подход будет неразумным с точки зрения затрат и годится только для особых случаев. Помимо финансовых соображений люди сегодня зачастую делают выбор в пользу стабильности продукции массового производства. Тем не менее даже в современном мире посуда не появляется неким волшебным образом. Кто-то по-прежнему должен придумывать ее дизайн, создавать прототипы, пресс-формы и следить за тем, чтобы пресс-формы раз за разом производили одинаковую продукцию. И только когда производственная линия полностью собрана и отлажена, новую посуду запускают в массовое производство.