Τι είναι το Business Intelligence;

Πρώτα πρέπει να έρθουν κοντά τα δεδομένα

Το βασικό πρόβλημα του Business Intelligence έχει αλλάξει εκπληκτικά λίγο τις τελευταίες δεκαετίες.

Οι ενδιαφέρουσες πληροφορίες δεν βρίσκονται σχεδόν ποτέ σε ένα σημείο.

Ο πελάτης βρίσκεται στο CRM. Τα τιμολόγιά του στο ERP. Τα κόστη προέρχονται από την οικονομική λογιστική. Τα δεδομένα παραγωγής από άλλο σύστημα. Επιπλέον υπάρχουν αρχεία Excel, εξαγωγές CSV, API και συνήθως τουλάχιστον μία πηγή δεδομένων για την οποία κανείς δεν ξέρει πια ακριβώς ποιος την έχτισε κάποτε.

Στο νοσοκομείο τα πράγματα δεν είναι πιο ξεκάθαρα. Ασθενείς, περιστατικά, διαγνώσεις, διαδικασίες, μετακινήσεις, κόστη, έσοδα, δεδομένα προσωπικού και ποιότητας προέρχονται από διαφορετικά συστήματα και παρ' όλα αυτά σχετίζονται μεταξύ τους.

Το Business Intelligence φέρνει αυτές τις πληροφορίες κοντά.

Γι' αυτό φορτώνονται δεδομένα, ελέγχονται, ενοποιούνται και συνδέονται μεταξύ τους. Παλιότερα μιλούσαν σχεδόν πάντα για ETL, δηλαδή Extract, Transform, Load. Σήμερα υπάρχουν ELT, data lakes, lakehouses, streaming και μερικοί ακόμη όροι που μπορεί κανείς να τους ξέρει, αλλά δεν χρειάζεται.

Το έργο πίσω από όλα αυτά έμεινε το ίδιο: από πολλά μεμονωμένα σύνολα δεδομένων πρέπει να προκύψει μια αξιόπιστη εικόνα.

Γιατί μια ΤΝ δεν κάνει από κακά δεδομένα καλά δεδομένα. Το πολύ-πολύ φτιάχνει ταχύτερα μια πολύ πειστικά ηχούσα λανθασμένη ανάλυση.

Μετά έρχεται η συσχέτιση

Αυτό είναι για εμάς το πραγματικά ενδιαφέρον μέρος.

Μια επιχείρηση δεν αποτελείται από πίνακες.

Οι πελάτες αγοράζουν προϊόντα. Τα προϊόντα παραδίδονται. Οι εργαζόμενοι φροντίζουν πελάτες. Τα τιμολόγια ανήκουν σε παραγγελίες. Οι παραγγελίες προκύπτουν σε συγκεκριμένες χρονικές στιγμές και σε συγκεκριμένα μέρη.

Τα δεδομένα αποτυπώνουν αυτές τις σχέσεις.

Το κλασικό BI έχτιζε από αυτά συχνά αναφορές. Το σύγχρονο BI μπορεί να προχωρήσει παραπέρα και να κάνει αντικείμενο της ανάλυσης αυτές τις ίδιες τις σχέσεις.

Όταν επιλέγω έναν πελάτη, δεν θέλω να δω μόνο τα βασικά του στοιχεία. Θέλω να δω ποια προϊόντα έχει αγοράσει, πότε τα αγόρασε, ποιος πωλητής τον εξυπηρετεί, ποια παράπονα υπήρξαν και ποιες άλλες πληροφορίες σχετίζονται με αυτά.

Αν επιλέξω επιπλέον ένα προϊόν, αυτός ο χώρος δεδομένων αλλάζει. Ορισμένες τιμές εξακολουθούν να ανήκουν. Άλλες όχι πια.

Και ακόμη και ό,τι δεν ανήκει μπορεί να είναι εξαιρετικά ενδιαφέρον.

Αυτή είναι η διαφορά ανάμεσα σε μια αναφορά και σε μια ανάλυση.

Μια αναφορά απαντά σε ένα ερώτημα που ήταν γνωστό από πριν. Η ανάλυση οδηγεί συνήθως στο επόμενο.

Και τώρα έρχεται η ΤΝ

Από τότε που η παραγωγική ΤΝ ενσωματώνεται σε πρακτικά κάθε λογισμικό, θα μπορούσε κανείς να σκεφτεί ότι το ζήτημα του Business Intelligence θα έχει σύντομα λήξει.

Απλώς ρωτάμε την ΤΝ: Γιατί υποχώρησε ο τζίρος μας στον Βορρά το δεύτερο τρίμηνο; Και η ΤΝ απαντά.

Έτσι θα μοιάζει πράγματι ένα μέρος του μέλλοντος του BI.

Μόνο που πίσω από αυτή τη φαινομενικά απλή ερώτηση κρύβεται ένα αρκετά μεγάλο πρόβλημα.

Τι είναι τζίρος;

Καθαρός ή μικτός; Τιμολογημένος ή λογιστικοποιημένος; Με ή χωρίς ακυρωτικά; Με βάση την ημερομηνία τιμολογίου, την ημερομηνία παροχής ή την είσπραξη;

Τι είναι Βορράς;

Και ποιο δεύτερο τρίμηνο εννοούμε στην πραγματικότητα;

Οι άνθρωποι σε μια επιχείρηση ξέρουν συχνά από το πλαίσιο τι εννοείται. Μια μηχανή χρειάζεται κι αυτή το πλαίσιο.

Γι' αυτό ένα καθαρό σημασιολογικό υπόβαθρο δεν γίνεται περιττό με την ΤΝ. Γίνεται πιο σημαντικό.

Ένα σύγχρονο σύστημα BI δεν πρέπει να ξέρει μόνο πού είναι αποθηκευμένος ένας αριθμός. Πρέπει να γνωρίζει τη σημασία του. Ποιες διαστάσεις ανήκουν σε αυτόν; Πώς υπολογίζεται ένας δείκτης; Ποιοι πίνακες συνδέονται μεταξύ τους; Ποια χρονική λογική ισχύει; Ποια μονάδα χρησιμοποιείται;

Μόνο τότε μπορεί μια ΤΝ να δουλέψει με νόημα με δεδομένα της επιχείρησης.

Αλλιώς έχουμε έναν εξαιρετικά ευφραδή ασκούμενο με πρόσβαση στη βάση δεδομένων.

Η διεπαφή θα αλλάξει

Τα dashboards δεν θα εξαφανιστούν γι' αυτό.

Κάποια πράγματα θέλει κανείς απλώς να τα βλέπει. Την εξέλιξη του τζίρου, την πληρότητα, το κόστος, την ποιότητα ή τις αποκλίσεις από το πλάνο δεν χρειάζεται να τα ρωτά κανείς κάθε πρωί από την αρχή.

Δίπλα στο dashboard όμως προστίθεται κάτι νέο.

Μπορούμε να μιλάμε με τα δεδομένα.

Γιατί είναι τόσο υψηλός αυτός ο αριθμός;

Ποια ομάδα πελατών ευθύνεται γι' αυτό;

Δείξε μου μόνο τα περιστατικά όπου εμφανίζεται κι αυτό το φαινόμενο.

Τι διακρίνει αυτούς τους πελάτες από τους άλλους;

Μια ΤΝ μπορεί να μεταφράζει τέτοιες ερωτήσεις, να εκτελεί αναλύσεις, να ψάχνει για ανωμαλίες και να δίνει πιθανές εξηγήσεις.

Ενδιαφέρον όμως γίνεται όταν δεν δημιουργεί κάθε φορά ένα απομονωμένο ερώτημα SQL, αλλά κινείται στο ίδιο μοντέλο δεδομένων με τον χρήστη.

Ο άνθρωπος επιλέγει κάτι. Η ΤΝ το διερευνά παραπέρα. Η ΤΝ βρίσκει μια ανωμαλία. Ο άνθρωπος την παρακολουθεί.

Το Business Intelligence γίνεται έτσι λιγότερο μια στοίβα έτοιμων αναλύσεων και περισσότερο ένας κοινός χώρος εργασίας για άνθρωπο, δεδομένα και ΤΝ.

Σε αυτή ακριβώς την κατεύθυνση αναπτύσσουμε τη δική μας τεχνολογία.

Ποιος επιτρέπεται, τελικά, να βλέπει τι;

Με την ΤΝ ένα άλλο, μάλλον παλιό θέμα του BI γίνεται ξαφνικά πάλι πολύ επίκαιρο: τα δικαιώματα πρόσβασης.

Ένα dashboard ελέγχεται σχετικά εύκολα. Ο χρήστης παίρνει ορισμένες αναφορές και μέσα σε αυτές ορισμένα δεδομένα.

Μια ΤΝ είναι πιο περίεργη.

Όταν επιτρέπεται να απαντά μόνη της σε ερωτήσεις, να διερευνά συσχετίσεις και να συνδυάζει δεδομένα από διαφορετικούς τομείς, δεν αρκεί πια να κρύψεις απλώς ένα στοιχείο του μενού.

Το δικαίωμα πρόσβασης πρέπει να είναι δεμένο με τα δεδομένα.

Ένας πωλητής επιτρέπεται ίσως να βλέπει τους πελάτες του, ο διευθυντής πωλήσεων την περιοχή του και η διοίκηση ολόκληρη την επιχείρηση. Τα δεδομένα προσωπικού επιτρέπεται να είναι διαθέσιμα μόνο σε ορισμένους ρόλους. Στο νοσοκομείο προστίθενται δεδομένα υγείας που προστατεύονται ιδιαίτερα.

Και αυτοί οι κανόνες πρέπει να ισχύουν και όταν κανείς δεν πατά πια σε μια αναφορά, αλλά απλώς ρωτά: Δείξε μου όλους τους εργαζομένους με ασυνήθιστα πολλές ημέρες ασθενείας.

Τεχνικά μια ΤΝ ίσως μπορεί να απαντήσει σε αυτή την ερώτηση. Αυτό δεν σημαίνει καθόλου ότι επιτρέπεται να το κάνει.

Γι' αυτό τα δικαιώματα πρόσβασης ανήκουν για εμάς στο ίδιο το μοντέλο δεδομένων. Πρέπει να ισχύουν εξίσου για dashboards, ελεύθερη ανάλυση, API και ΤΝ.

Η ΤΝ δεν παίρνει ειδικά δικαιώματα επειδή απλώς διατυπώνει ευγενικά.

Το Business Intelligence γίνεται έτσι, στην πραγματικότητα, πάλι πιο ενδιαφέρον

Γι' αυτό δουλεύουμε σε μια αρχιτεκτονική BI που συνενώνει μερικά πράγματα που σήμερα εξετάζονται συχνά χωριστά.

Δεδομένα φορτώνονται από διαφορετικές πηγές και συνδέονται μεταξύ τους. Οι σχέσεις τους διατηρούνται και μπορούν να διερευνηθούν συνειρμικά. Οι δείκτες και οι διαστάσεις αποκτούν σαφή επαγγελματική σημασία. Τα δικαιώματα πρόσβασης γίνονται συστατικό αυτού του μοντέλου.

Και πάνω από αυτό μπορούν να προκύψουν διαφορετικοί τρόποι χρήσης.

Ένα κλασικό dashboard.

Μια ελεύθερη ανάλυση.

Μια εφαρμογή.

Ένα API.

Ή μια ΤΝ που κατανοεί το μοντέλο και δουλεύει μαζί του μέσα στους κανόνες που ισχύουν για τον εκάστοτε χρήστη.

Η ΤΝ δεν πρέπει απλώς να επινοεί απαντήσεις που ακούγονται κάπως πιθανές. Πρέπει να μπορεί να αναπαράγει ποια δεδομένα και ποιες συσχετίσεις οδήγησαν σε μια δήλωση.

Γιατί το αργότερο όταν κάποιος ξοδεύει χρήματα με βάση μια ανάλυση, αλλάζει μια διαδικασία ή παίρνει μια ιατρική, οικονομική ή οργανωτική απόφαση, ένα ερώτημα γίνεται πάλι εκπληκτικά σημαντικό: Πώς καταλήξαμε, τελικά, σε αυτό;

Αυτό ήταν ήδη ένα αρκετά καλό ερώτημα στην εποχή του Deming. Με την ΤΝ δεν γίνεται χειρότερο.