Gartner: аналитика должна стать главным приоритетом для бизнеса
Хотя продвинутая аналитика существует уже более 20 лет, именно технология больших данных подстегнула к ней интерес со стороны бизнеса, полагает Александр Линден (Alexander Linden), директор по исследованиям в Gartner. Первоначально к таким решениям испытывали интерес только несколько департаментов компаний (например, отделы маркетинга и оценки рисков).
Однако сегодня едва ли не все бизнес-подразделения испытывают интерес к этим технологиям, поскольку они помогают им в принятии более оптимальных и взвешенных решений и улучшении бизнес-результатов.
ИТ-менеджеры и бизнес-руководители должны прилагать усилия к тому, чтобы их компании мигрировали от использования только традиционного BI, который нацелен на описательную аналитику («Что случилось?») к продвинутой аналитике, которая делится на диагностическую, прогнозную и предписывающую, соответственно отвечая на вопросы «Почему это случилось?», «Что произойдет?» и «Что я должен делать?» (см. Рис. 1).
Рис. 1: Четыре типа аналитики. Источник: Gartner (Октябрь, 2014)
В то время как базовая аналитика дает лишь общие статистические выводы, продвинутая аналитика обеспечивает более глубокий охват данных и гранулярный анализ информации, полагает А. Линден. Однако возможность принять решение, подкрепленное четким анализом данных, способна существенно улучшить бизнес-результаты. Например, приложения клинической диагностики применяют аналитику среди широкого диапазона структурированных и неструктурированных источников, включая электронные записи о состоянии здоровья, информацию о ранее принятых лекарствах, диагностические данные и другие. Все это позволяет назначить оптимальное лечение для каждого пациента. Этот рынок существует уже свыше 20 лет, и многие игроки полагают, что он стал относительно стабильным и зрелым. Однако концепция больших данных не только ускорила развитие рынка продвинутой аналитики, но и оказала на него несколько разрушительное воздействие.
Дело в том, что для извлечения реально ценных сведений из данных требуется целый перечень знаний: от интеграции и подготовки информации до глубинного анализа, специализированных вычислительных сред и интеллектуальных алгоритмов. Таким образом, чтобы достичь приемлемых для бизнеса результатов, нужны люди, которые имеют соответствующие компетенции и опыт.
Аналитики компаний поддерживают инициативы, связанные с большими данными в первую очередь потому, что это позволяет улучшить условия обслуживания заказчика. Согласно последнему опросу Gartner о причинах применения Big Data, который был проведен в 2014 году, 68% респондентов заявили, что они используют большие данные лишь для более качественного обслуживания заказчика. Причем схожие результаты наблюдаются уже третий год подряд.
«Научные сотрудники, работающие с данными, не являются бизнес-аналитиками, отметил Линден. Они лишь профессионалы-теоретики, способные строить извлекать математические закономерности из данных для получения четких и бескомпромиссных бизнес-моделей. Однако им необходимо тесно сотрудничать с различными бизнес-подразделениями, учитывая в своей работе пересечение бизнес-целей, ограничений, процессов, доступных данных и аналитических возможностей».
В конечном счёте, наука обработки данных неизбежно придет в бизнес, поскольку способна помочь в извлечении различных типов знаний из крупных объемов информации. Например, речь идет о том, как привлечь новых заказчиков (так называемый маркетинг с использованием баз данных), как осуществить больше перекрестных продаж (через моделирование propensity-to-purchase — склонность к покупке), как получить рекомендации по оптимизации маршрутов или спрогнозировать отказы или аварии.
