Революция в аналитике. Как в эпоху Big Data улучшить ваш бизнес с помощью операционной аналитики

• При переводе традиционной аналитики в операционную, если это необходимо, пожертвуйте функциональностью инструментов и удобством для пользователя ради масштабируемости и простоты интеграции.

• Разделяйте собственную ценность аналитики и дополнительную ценность, создаваемую конкретным инструментом или технологией при генерации результатов анализа.

• Определите и примите в расчет все виды затрат, связанных с инвестированием в аналитику, по прошествии времени и с объективной точки зрения. Не зацикливайтесь на отдельных позициях.

• Обратите особое внимание на текущие затраты на оплату труда, связанного как с обслуживанием, так и с созданием и тестированием аналитических процессов. Трудозатраты чаще всего игнорируются или серьезно недооцениваются.

• Убедитесь, что в бизнес-кейсе учтены различные параметры необходимого масштабирования. В противном случае ликвидация разрывов приведет к дополнительным издержкам или же вообще придется начать все сначала.

• Не форсируйте подготовку бизнес-кейса, если его нет. Усердно продвигаемый метод подойдет отнюдь не каждой организации прямо сейчас (если вообще подойдет).

• Начните с малого и используйте целевые пилотные проекты для получения осязаемых результатов. Не нужно полностью внедрять аналитический процесс, чтобы доказать его ценность.

• Смиритесь с тем, что новые инновационные инициативы всегда несут в себе много неопределенности. Если нельзя достичь согласия касательно некоторых предположений, просто покажите, что все рассматриваемые предположения указывают в одном направлении.

Глава 5

Создаем аналитическую платформу

В последние годы аналитический ландшафт все более усложняется. В сегодняшнем мире операционной аналитики совсем не так просто выбрать аналитические инструменты и базы данных. Появилось много новых инструментов и технологий, которые можно включить в современное аналитическое окружение. Эти технологии включают в себя нереляционные платформы, такие как Hadoop, платформы для обнаружения данных, поддерживающие как реляционные, так и нереляционные данные, а также их обработку, аналитика оперативной памяти, аналитика на основе графического процессора, обработка сложных событий и встроенные аналитические библиотеки. Мы поговорим о каждой технологии более подробно.

Со временем дальнейшая интеграция сделает аналитическое окружение еще более цельным и простым в использовании. Но сегодня приходится иметь дело с разнообразием компонентов в аналитической платформе. Главное здесь – надежно настроить платформу в целом так, чтобы она могла удовлетворять все ваши аналитические потребности. Причем и насущные, и те, чье появление предвидится в ближайшие несколько лет.

Для успеха операционной аналитики необходимо соединить компоненты разным образом и без изъятий, как в прошлом, чтобы создать отдельное единое аналитическое окружение, которое можно масштабировать с целью управления любым типом и объемом данных для любого вида анализа. Это может показаться невыполнимой задачей, но сегодня рынок развивается стремительно, так что задача стала уже вполне осуществимой. В этой главе мы рассмотрим, как извлечь пользу из всех вариантов и правильно разместить аналитическую платформу, которая будет выполнять все требования операционной аналитики.

Прежде чем мы начнем, обратите внимание на то, что рынок изменяется крайне быстро. Эта глава была написана в начале 2014 г., и, хотя бо́льшая часть содержания книги не слишком чувствительна к фактору времени, не исключено, что кое-какой представленный в данной главе материал получит развитие к тому моменту, когда вы будете читать книгу. Общие концепции останутся актуальными еще долгое время, но, возможно, вам придется адаптировать некоторые специфические моменты с учетом новейших разработок инструментов и технологий и с учетом предложений, появившихся на рынке.

Планирование

Планирование и внедрение аналитической платформы – непростая задача. В этом разделе мы рассмотрим несколько подходов и концепций, которые должны быть рассмотрены в ходе процесса планирования.

Операционализация аналитики – не технологическая проблема

Клиенты часто удивляются, когда я говорю им о том, что операционализация аналитики не является собственно технологической проблемой{42}. Хотя существующие сегодня технологии позволяют обрабатывать подавляющую часть больших данных и удовлетворять потребности в операционной аналитике для подавляющей части организаций. Да, всегда встречаются нестандартные ситуации, но, пожалуй, все, что требуется вашей организации для успешного внедрения операционной аналитики в плане технологий, сегодня доступно на рынке. Если это так, почему тогда во многих организациях технологии рассматриваются как ключевая проблема?