Současné trendy v oblasti Business Intelligence 24. dubna 2015 Jiří Mičke, Ondřej Švihálek
Jiří Mičke Unicorn, Business Intelligence Manager, 2014 CEVA Logistics, BI Manager for Europe, 2009 Czech Airlines, BI & SW Development Manager, 2007 ING, BI & Architecture Manager, 2004 Charles University, Geophysics 2 Copyright 2015 Unicorn College
Ondřej Švihálek Unicorn Systems, Konzultant mobilních technologií icom Vision, Zakladatel a předseda představenstva, 2011 Centrum Holdings, Produktový a marketingový ředitel, 2007 Etel, Business development ředitel, 2003 Verizon, Product marketing manažer, 2000 VŠE, Fakulta Informatiky a statistiky, obor Znalostní inženýrství 3 Copyright 2015 Unicorn College
Agenda Úvod Agilní Business Intelligence Self-service BI, Visual Data Discovery Mobilní Business Intelligence Big Data Business Intelligence v cloudu (Metadata) Q & A 4 Copyright 2015 Unicorn College
Agilní Business Intelligence
Agilní Business Intelligence Nejdůležitější charakteristika současného stavu Business Intelligence Hlavní charakteristiky Tlak na okamžité výstupy, výrazné zkrácení vývojového cyklu Všudypřítomnost a mobilita Posun od statického reportingu k interaktivním analýzám a vizualizacím Aktivní role Business uživatelů v získávání a využívání informací Rostoucí význam Business Intelligence jako strategického nástroje řízení Využívání nových datových zdrojů a typů dat Výrazná změna organizačního uspořádání a governance Potřeba a schopnost zpracovat extrémní objemy dat včetně semi-strukturovaných a nestrukturovaných dat Využití cloudu Flexibilita a škálovatelnost Zpracování v paměti 6 Copyright 2015 Unicorn College
Agilní Business Intelligence Měnící se role, význam a možnosti BI se často klasifikuje novými typy inteligence, např.: Source:Vertica HP 7 Copyright 2015 Unicorn College
Predikce vývoje Business Intelligence 8 Copyright 2015 Unicorn College
Posun ve využívání Business Intelligence Důvody a hlavní charakteristiky Nástroje Self-service BI umožní snadné použití analytických metod, vizualizací dat, prediktivní a další analýzy Aktivní přístup Business uživatelů;; zvyšující se know-how analýz a porozumění datům ve společnostech Výrazné zkrácení latence od okamžiku vzniku události, jejího zpracování, zařazení do kontextu až po její využití a konkrétní rozhodnutí Dotazy ad-hoc Operational Tactical Strategic What% happened? What%is% happenig? Why%did%it% happened? What%will% happen? What%do%we% want%to% happen? 9 Copyright 2015 Unicorn College Past Present Future
Doba rozhodnutí může mít přímý finanční dopad l Business event l l Value l Data captured l Intelligence delivered l Action taken Gate agent engaged with the customer Flight is at the gate with Standby Revenue Pax l Situation Flight Departs/Gate agent confirms misconnecting passengers Customer flies on the competition/customer boards aircraft l Time l Missed Opportunity/Gained Opportunity 10 Copyright 2015 Unicorn College
In-memory technologie Příklad: SAP-Hana In-Memory Appliance Real-time analýzy Víceúčelová in-memory technologie podpora Mixed Workload Otevřený přístup k datovým zdrojům Otevřený přístup k front-endovým nástrojům 11 Copyright 2015 Unicorn College
Negativní příklad BI projektu Doba implementace v rozsahu cca 6 18 měsíců X0Months X0Months X0Months Analysis Design ETL DW OLAP Reporting 12 Copyright 2015 Unicorn College
Některé možnosti zkrácení doby vývoje Využití cloudu A další Kombinace standardních datových struktur s adaptivními strukturami na bázi tzv. key-value pair Použití virtuálních, fyzických i desktop analytických sandboxů Budování prototypů řešení Možnost využití generických industry řešení NoSQL databáze Federativní EDW Reporting Integration$layer Data$ Source$ 1 ETL$layer Data$ Source$ 2$ Data$ Source 3$ To ale neznamená Reporting Integration$layer ETL$layer Nepotřebnost jednotné integrované datové vrstvy Nutnost vize a systematického dlouhodobého přístupu Potřeba zavedení rozumné governance 13 Copyright 2015 Unicorn College
Dopady na interní organizaci BI je rozprostřena po celé společnosti, zatímco dříve byla centralizována do jednoho specializovaného BI oddělení. Hlavními nositeli znalostí jsou business analytici. Běžný uživatel a tzv. Power User mají různé potřeby a z toho je potřeba vycházet. Information*Consumption Information*Interpretation Formerly Analysis,*Ad3hoc*query Now Reporting*Preparation Data*Integration Infrastructure 14 Copyright 2015 Unicorn College
Business Intelligence Governance Governance musí reflektovat současný stav BI, jinak se stane překážkou rozvoje BI ve společnosti. Základní princip: Různí uživatelé mají různé potřeby. Nejedná se o jednorázovou aktivitu/úkol, nýbrž o kontinuální proces, který musí být podporován Senior Managementem. To se týká zejména: Bezpečnostních a legislativních standardů nutnost dosažení rovnováhy mezi možností aktivního využívání dat uživatelem a ochranou citlivých informací Interpretace dat, Center of Excellence Managementu informací, datových zdrojů a výstupů Metadat, masterdat Data Quality Managementu Managementu požadavků Možné organizační uspořádání: Governance Steering Committee + Working Team 15 Copyright 2015 Unicorn College
Self-service BI, Visual Data Discovery
Gartner s Magic Quadrant 17 Copyright 2015 Unicorn College
Co charakterizuje Self-service BI Jednoduchost Rychlost Vizualizace Aktivní činnost uživatele 18 Copyright 2015 Unicorn College
Dále Intuitivní a snadné použití, možnost okamžité práce Použití pro běžné uživatele Rozsáhlé možnosti vizualizací dat Analytické možnosti Geografické a prostorové analýzy Integrace pokročilých statistických funkcí (trendy, korelace, rozhodovací stromy a další) Sofistikované dashboardy Flexibilita Konektory do všech běžných datových zdrojů Možnost publikace reportů na web a mobilní platformy Snadná integrace s mobilními platformami a Microsoft Office 19 Copyright 2015 Unicorn College
Současný stav na poli Self-service BI 20 Copyright 2015 Unicorn College
Současný stav na poli Self-service BI Snaha původních výrobců nástrojů Self-service BI Poskytnutí funkce tzv. Enterprise Reportingu zejména sdílení a management reportů, jejich automatická distribuce, schedulling, alerting atp. (Tableau Server, QlickView Server, Power BI Sites) Tzv. In-memory Processing Zvýšení bezpečnostních mechanismů, administrace atp. Snaha tradičních výrobců nástrojů BI Nabídnout funkce/moduly Self-service BI ve svých existujících nebo nových produktech (např. Microstrategy Desktop, Analytics Express, Analytics Enterprise, Business Objects, SAS nebo Microsoft se svou platformou Power BI) Prezentace některých výhod, např. jednotné integrované platformy konsolidovaných datových objektů oproti množství izolovaných zdrojů dat Integrace s finančními, ERP a dalšími systémy 21 Copyright 2015 Unicorn College
Mobile Business Intelligence
Jak rozumět pojmu mobilní BI? Vizualizace a zprostředkování přístupu k aktuálním datům, doručení akčních a souhrnných VÝSTUPŮ Správná data na správném místě ve správný okamžik Kontextově inteligentní APLIKACE učící se v reálném čase 23 Copyright 2015 Unicorn College
Vizualizace a zprostředkování přístupu k datům Základní funkce mobilní služby Data Analytické výstupy Metriky Vizualizace prostřednictvím tzv. dashboardu Alerting 24 Copyright 2015 Unicorn College
Mobilní přístup k datům přehled Základní oblasti reportingu na mobilním zařízení Výkon technologie a produkčních zařízení Aktivita lidí Kvalita celého procesu nebo služby Formy reportingu Web based reporty Nativní aplikace pro mobil a tablet Hlavní motivace pro zavedení Rychlejší přístup k informacím pro řídící pracovníky Jednodušší a samoobslužný přístup k datům Správná data ve správný čas pro odpovědné pracovníky v akci Přístup k častěji aktualizovaným informacím pro všechny zaměstnance Zlepšení vizualizace a interpretace dat Řízený přístup k datům se zvláštním režimem 25 Copyright 2015 Unicorn College
Mobilní přístup k datům technologie Reporting výkonu přenosových sítí Reporting práce webového portálu Reporting prodejních výsledků 26 Copyright 2015 Unicorn College
Mobilní přístup k datům vedení procesu Tabletová aplikace pro prodejní zástupce 27 Copyright 2015 Unicorn College
Kontextově inteligentní mobilní aplikace
Kontextově inteligentní systémy přehled Základní vrstvy/celky systému kontextových služeb Systémy pro sběr kontextuálních dat senzory a trackovací platformy Informace o uživateli Informace o kontextu Systémy pro vyhodnocení kontextu BI systémy Prediktivní model chování Mobilní aplikace poskytující služby na základě aktuálního kontextu Angažování uživatele k dialogu Poskytnutí kontextově orientované služby Hlavní motivace pro zavedení Poskytnout kvalitnější, přesnější a pohodlnější službu Prodat více 29 Copyright 2015 Unicorn College
Kontextově inteligentní systémy princip SENZORY DATABÁZE dat vybraného uživatele Další datové zdroje ANALÝZA kontextu PREDIKTIVNÍ MODEL přebírá data a analyzuje kontextové informace. Mobilní APLIKACE navazuje vhodný dialog s uživatelem. 30 Copyright 2015 Unicorn College
Kontextově inteligentní systémy funkce Na základě reakce uživatele model poskytne informace nebo akci a ukládá reakci pro další iteraci. Sběr kontextuálních dat a informací uložených o uživateli. Prediktivní model přebírá data a analyzuje kontextové informace. Mobilní zařízení navazuje vhodný dialog s uživatelem. Prediktivní model generuje kroky k dosažení nejvhodnější služby a nabídky obsahu. 31 Copyright 2015 Unicorn College
Kontextově inteligentní systémy vize V práci nastartuje počítač a zruší se přesměrování telefonu. Upozorněna ostraha a odeslána notifikace k vyzvednutí dětí. Škola potvrzuje ID rodiče a čas vyzvednutí dětí. Mobil přijímá ze servisu termíny k výměně oleje. Aplikace objednává oblíbený druh kávy. Aplikace zamyká dům, spouští alarm a nastavuje topení. 32 Copyright 2015 Unicorn College
Kontextově inteligentní mobilní aplikace realita
Kontextově inteligentní systémy ŠKODA AUTO 34 Copyright 2015 Unicorn College
Kontextově inteligentní systémy ŠKODA Drive 35 Copyright 2015 Unicorn College
Kontextově inteligentní systémy ŠKODA Drive 36 Copyright 2015 Unicorn College
Kontextově inteligentní systémy ŠKODA Drive Základ inteligentní služby na bázi platformy Kronos Mobile 37 Copyright 2015 Unicorn College
Kontextově inteligentní systémy ŠKODA Servis 38 Copyright 2015 Unicorn College
Big Data
Charakteristika Big dat Volume Variety Velocity Complexity (Variability) 40 Copyright 2015 Unicorn College
Ukázka Big data analýz O2 TV http://blog.o2.cz/2014/04/16/sle dovanosti- o2- tv- kraluje- nova- tretinu- nize- je- ct1/ 41 Copyright 2015 Unicorn College
Ukázka Big data analýz Oxford Twitter Network http://oxfordinternetinstitute.github.io/interactivevis/network/? utma=1.1971195275.1426406 978.1426406978.1426406978.1& utmb=1.4.10.1426406978& utmc=1& utmx=- & utmz=1.1426406978.1.1.utmcsr=google utmccn=(organic) utmcmd=organic utmctr=(not% 20provided)& utmv=-& utmk=213654292 42 Copyright 2015 Unicorn College
Výzvy, které je potřeba vyřešit Source: NewVantage Partners LLC, Big Data Executive Survey 2014. 43 Copyright 2015 Unicorn College
Proč a jak využívat Big Data Zavedení Big dat musí být v souladu s BI strategií. Existuje potřeba silného Business Case. Jaká data ukládat a používat a jak se budou výsledky využívat. 44 Copyright 2015 Unicorn College
Integrace Big data do prostředí DW/BI Integrace do celkového DW/BI ekosystému Management, bezpečnost, přístup uživatelů atd. 45 Copyright 2015 Unicorn College
Volba analytické platformy Rozsah použití Příklad Teradata Aster Discovery Portfolio 46 Copyright 2015 Unicorn College
Další Business Intelligence in Cloud Metadata
Copyright 2015 Unicorn College