Analiza i vizualizacija

Faktori odabira rješenja za analizu i vizualizaciju podataka

07/05/2018

author:

Faktori odabira rješenja za analizu i vizualizaciju podataka

U izobilju analitičkih/izvještajnih alata na tržištu, ponekad se teško odlučiti o alatu koji će zadovoljiti sve poslovne/tehničke potrebe. Svaki alat tj. softverska kuća ima svoju paradigmu kroz koju žele prikazati svoju viziju analitike i vizualizacije podataka što je odlično, jer stvara uvjete za kompetetivno tržište i inovacije. Kao i kod nekih drugih industrija, ponekad je nemoguće pronaći rješenje koje zadovoljava sve poslovne/tehničke potrebe. Iako faktora za odabir rješenja postoji mnogo, faktori bi sve mogli svesti u četiri generalne kategorije:

  • Izvještajne potrebe
  • Troškovi rješenja
  • Integracija s izvorima podataka
  • Prihvaćanje rješenja od strane korisnika

Izvještajne potrebe

Ova kategorija je stavljena na prvo mjesto s razlogom, jer u većini slučajeva tvrtka koja traži “idealno” rješenje nije svjesna što želi. Ovaj faktor se odnosi na definiranje koje poslovne slučajeve žele riješiti koristeći rješenja za vizualnu analitiku. Slučajevi se mogu kretati od jednostavnih npr. izvještaji koji daju desktriptivnu analitiku o kretanju pojedinih proizvoda u nekom vremenskom periodu, pa sve do kompleksnijih slučajeva koji uključuju ono što se naziva data science, gdje se otkrivaju neki uzorci koji prije nisu bili poznati.

S tehničke strane tvrtke mogu tražiti različite izvještaje koji mogu biti namijenjeni različitim slučajevima i korisnicima:

  • Predefinirani statični izvještaji – većina izvještaja su ovakvog tipa i ovakvi izvještaji su namijenjeni pojedinim korisnicima ili koji su potrebni primjerice regulatornim kućama koji žele imati uvid u detaljne podatke. Ovakve izvještaje definira veliki broj redaka i stupaca u tabličnom prikazu koji se mogu izvesti u Excel-u ili printati za daljnje potrebe. Primjeri takvih alata su Microsoft Reporting Services, IBM Cognos i SAP Business Objects.
  • Dashboardi ovakve izvještaje definiranju agregirani podaci koji su najčešće prikazani u obliku vizualizacije. Trend u analizi podataka ide u ovom smjeru, gdje je poslovni korisnik samostalno radi izvještaje (self service analitika) koristeći najbolje prakse vizualizacije podataka. Primjeri alata za vizualnu analitiku su Tableau Software, Microsoft Power BI i Qlik Sense.

 

Troškovi rješenja

S kupovinom rješenja za analizu i vizualizaciju podataka dolaze i troškovi. Najveći trošak među njima je trošak licenci koje se najčešće kupuju kao kapitalno ulaganje, ali sve više dolazi do izražaja kupnja preko pretplate (npr. godina dana) gdje tvrtka može izbjeći rizik propale investicije. Iako ne postoji univerzalno pravila pri kupnji licence, uvijek je potrebno definirati potrebe poput tko će raditi izvještaje, tko će ih konzumirati i u kojem periodu. Definicijom potreba zaobilazi se nepotrebna kupovina viška licenci, ali i manjak istih.

Primjerice ukoliko imamo tvrtku koja ima 100 zaposlenika, onda od tih 100 zaposlenika moramo naći dio koji će sudjelovati u korištenju izvještaja. Recimo da imamo 50 zaposlenika (50%) koji će biti uključeni u priču oko izvještaja. Od tih 50 zaposlenika moramo pronaći tzv. power usere koji će biti uključeni u samu izradu izvještaja. To je uglavnom riječ o IT developerima ili poslovnim korisnicima s tehničkim znanjem i oni čine 20% odnosno 10 zaposlenika. Zatim imamo 50% korisnika, odnosno 25 zaposlenika  koji na svakodnevnoj razini čitaju izvještaje preko nekog oblika dijeljenja izvještaja. Ostalih 30% zaposlenika žele na tjednoj/mjesečnoj/godišnjoj razini dobiti PDF, Powerpoint ili neki drugi format izvještaja. Ovakvim pristupom ćemo za grupu power usera (20%) i svakodnevnih čitača izvještaja (50%) osigurati licence, dok za ostalih 30% zaposlenika nije potrebno nabavljati licence.

Sljedeći bitan trošak na koji tvrtka mora računati je edukacija zaposlenika koja je potrebna pri motivaciji korisnika  za korištenje rješenja za poslovnu analitiku. Edukacija je potrebna upravo da se korisnika upozna kako vladati alatom i koje su funkcionalnosti alata mogu iskoristiti na njihovoj studiji slučaja. Nakon edukacije zaposlenik bi trebao uz potporu predavača biti sposoban samostalno odraditi zadatake koji su pred njim.

Integracija s izvorima podataka

Analiza i vizualizacija podataka su nemogući bez smislenih podataka koji dolaze iz različitih izvora podataka. Dobro je poznat podatak  da se u analizi i vizualizaciji podataka na integraciju i čišćenje podataka troši 70-80% vremena. To se odnosi na definiciju izvora podataka, čišćenje podataka, spajanje podataka iz više izvora podataka te testiranje istih na konkretnom slučaju. U digitalnom dobu broj izvora podataka se povećava, pa osim klasičnih izvora podataka poput relacijskih baza podataka i Excelica imamo i polustrukturirane i nestrukturirane izvore podatatke koje treba dovesti u strukturarani oblik koje su potrebne za analizu i vizualizaciju podataka. Treba napomenuti iako u analitičkim alatima postoje mogućnosti pripreme i integracije podataka to definitivno nije zamjena za postojeće integracijske (ETL) alate poput Informatice, Microsoft SSIS-a ili IBM Data Stage-a. Posljednji trend u jest mogućnost korištenja self service integracijskih mogućnosti unutar samih alata od strane korisnika koji nemaju tehničku pozadinu. Najbolji primjer za to je Power Query funkcionalnost unutar Microsoft Power BI-a.

 

Prihvaćanje rješenja od strane korisnika

Zadnji, ali ne manje bitan faktor je prihvaćanje rješenja od strane korisnika. Veliki broj IT projekata, a tako i analitičkih propada upravo zbog neprihvaćanja rješenja od strane korisnika. To se odnosi na tehničku kompleksnost samog rješenja, otpor promjenama, needuciranost zaposlenika o pozitivnim promjenama koje nose analitički sustavi ili navika/zavisnost zaposlenika o nekim drugim analitičkim rješenjima. Rješenje ovog problema je prilagođavanja sustava krajnjim korisnicima tj. zaposlenicima koji ga koriste, a pri tome mislim specificiranje poslovnih zahtjeva prije nego što projekt počne, izradu mockupa izvještaja koji će stvarno dati dodatnu vrijednost krajnjem korisniku.

Koji analitički alat odabrati?

Kao i u ostalim, i u softverskoj industriji vlada žestoka konkurencija, nije nešto bolje ni u industriji softvera za analitiku i vizualizaciju podataka pogotovo posljednjih nekoliko godina kako ulaganje u podatke sve više raste. Ukoliko ćemo uzeti Gartnerov Magic Quadrant kao relevantan izvor odabira, onda bi izbor sveli na tri kompanije/alata: Tableau Software, Microsoft Power BI, Qlik Sense.

Svaki od ovih alata ima svoje prednosti i nedostatke i implementacija istih ovisi o mnoštvu uvjeta. Ukoliko ćemo gledati lakoću korištenja od krajnjeg korisnika onda je to definitivno Tableau Software, ako gledamo cijenu onda je to Power BI.