Συχνές ερωτήσεις για το Business Intelligence

Το Business Intelligence είναι η προσπάθεια να φτιαχτεί από κατανεμημένα δεδομένα μια εικόνα που μπορεί κανείς να εμπιστευτεί. Πρόκειται για το να γίνονται ορατές οι συσχετίσεις και να στηρίζονται οι αποφάσεις σε κάτι περισσότερο από το ένστικτο, όχι απλώς να παρουσιάζονται όμορφα οι αριθμοί.

Όχι. Ένα dashboard είναι συνήθως μόνο η επιφάνεια. Η πραγματική δουλειά βρίσκεται από κάτω: σύνδεση πηγών δεδομένων, ξεκαθάρισμα εννοιών, καθαρός ορισμός δεικτών, ρύθμιση δικαιωμάτων πρόσβασης και χτίσιμο ενός μοντέλου όπου οι αριθμοί ταιριάζουν πράγματι μεταξύ τους. Αλλιώς έχει κανείς απλώς μια καλοφτιαγμένη παρεξήγηση.

Εξαρτάται από το αν θέλει κανείς να δουλέψει με μια καθιερωμένη πλατφόρμα ή να πλησιάσει περισσότερο σε μια δική του τεχνολογία BI. Το Qlik έχει νόημα όταν αναζητείται μια ισχυρή υπάρχουσα πλατφόρμα με έτοιμο οικοσύστημα. Το pame γίνεται ενδιαφέρον όταν πρέπει να συνδυαστούν συνειρμική ανάλυση, δικό μας τεχνολογικό υπόβαθρο και μεγαλύτερος έλεγχος του μοντέλου. Δεν πρόκειται για το Qlik εναντίον του pame, αλλά για το ποιο εργαλείο ταιριάζει σε ποιο στόχο.

Εξαρτάται από το πού βρίσκεται το πραγματικό πρόβλημα. Αν τα δεδομένα είναι κάπως καθαρά και πρόκειται για μια σαφή περίπτωση χρήσης, μπορεί κανείς να δει κάτι χρήσιμο σε λίγες εβδομάδες. Αν πρέπει πρώτα να τακτοποιηθούν δείκτες, πηγές δεδομένων και αρμοδιότητες, διαρκεί περισσότερο. Το τεχνικό μέρος συχνά δεν είναι το πιο κοπιαστικό.

Και αυτό εξαρτάται λιγότερο από το dashboard και περισσότερο από το υπόβαθρο. Τρεις όμορφες αναλύσεις φτιάχνονται γρήγορα. Ένα ανθεκτικό μοντέλο με καθαρούς δείκτες, ρόλους, λογική δεδομένων και λογική δυνατότητα επέκτασης είναι κάτι άλλο. Γι' αυτό δεν μας αρέσει να χρεώνουμε το BI με βάση τον αριθμό των διαγραμμάτων. Πρέπει πρώτα να είναι σαφές τι πρέπει τελικά να δημιουργηθεί.

Στις περισσότερες περιπτώσεις ναι. Βάσεις δεδομένων, ERP, CRM, αρχεία Excel, εξαγωγές CSV, API ή συστήματα νοσοκομείων δεν αποτελούν κατά κανόνα ασυνήθιστο πρόβλημα. Το πιο ενδιαφέρον ερώτημα δεν είναι συνήθως αν μπορεί κανείς να φορτώσει τα δεδομένα τεχνικά, αλλά αν καταλαβαίνει μετά ακόμη τι σημαίνουν επαγγελματικά.

Όχι αυτόματα. Άλλοτε αρκεί απολύτως μια λιτή δομή, άλλοτε ένα data warehouse ή κάτι αντίστοιχο έχει πολύ νόημα, για παράδειγμα για ιστορικοποίηση, διασφάλιση ποιότητας ή πιο σύνθετα μοντέλα. Όποιος λέει γενικά πάντα ναι ή πάντα όχι, το κάνει συνήθως λίγο πολύ εύκολο στον εαυτό του.

Δυστυχώς αρκετά. Το BI δεν μπορεί να κάνει θαύματα με ασαφή ή αντιφατικά δεδομένα. Και η ΤΝ, παρεμπιπτόντως, επίσης όχι. Όταν ο τζίρος σημαίνει σε τρία συστήματα τρία διαφορετικά πράγματα, στο τέλος παίρνει κανείς ίσως μια γρήγορη απάντηση, όχι όμως ακόμη μια αξιόπιστη.

Το pame δεν είναι για εμάς ένα ακόμη εργαλείο dashboard, αλλά η προσπάθεια να ξανασκεφτούμε το BI τεχνολογικά. Δεν θέλουμε να στήσουμε έτοιμες αναλύσεις, αλλά να χτίσουμε ένα σύστημα όπου δεδομένα, σχέσεις, ανάλυση και αργότερα και ΤΝ δουλεύουν στο ίδιο μοντέλο. Γι' αυτό το pame εμφανίζεται πλέον στις συζητήσεις μας για το BI εντελώς φυσικά.

Η διεπαφή θα αλλάξει. Θα ρωτάμε τα δεδομένα πιο συχνά αντί να ανοίγουμε απλώς dashboards. Ακριβώς γι' αυτό όμως τα καθαρά μοντέλα, οι σαφείς έννοιες και τα ανθεκτικά δικαιώματα πρόσβασης γίνονται πιο σημαντικά, όχι λιγότερο. Μια ΤΝ χωρίς επαγγελματικό υπόβαθρο είναι πάνω απ' όλα ένα πράγμα: ευφραδής.

Ναι, αν το σύστημα έχει χτιστεί γι' αυτό και οι ρόλοι έχουν οριστεί σωστά. Ορισμένοι χρήστες πρέπει να μπορούν μόνο να διαβάζουν. Άλλοι πρέπει να φιλτράρουν, να χτίζουν δικές τους προβολές ή να αναλύουν σε μεγαλύτερο βάθος. Εκεί ακριβώς φαίνεται συχνά αν ένα σύστημα BI έχει σχεδιαστεί πράγματι ως εργαλείο εργασίας ή μόνο ως επιφάνεια παρουσίασης.

Όχι μέσω όμορφα κρυμμένων στοιχείων μενού. Τα δικαιώματα πρέπει να είναι δεμένα με τα ίδια τα δεδομένα. Ποιος επιτρέπεται να βλέπει ποια περιοχή, ποιους πελάτες, ποια δεδομένα προσωπικού ή ποια δεδομένα υγείας, πρέπει να ρυθμίζεται στο μοντέλο. Και οι ίδιοι κανόνες πρέπει να ισχύουν και όταν αργότερα μια ΤΝ θέτει ερωτήσεις σε αυτά τα δεδομένα.

Ναι, και τις περισσότερες φορές αυτό είναι μάλιστα λογικό. Ένα καλό πιλοτικό δεν είναι παιχνίδι, αλλά μια πραγματική περίπτωση χρήσης με ένα πραγματικό ερώτημα. Τότε βλέπει κανείς σχετικά γρήγορα αν το θέμα λειτουργεί στη δική του επιχείρηση ή αν πρέπει πρώτα να ξεκαθαριστούν εντελώς άλλα πράγματα.