Mi az üzleti intelligencia? Fogalmak a dashboardtól az adattárházig

Üzleti intelligencia vagy üzleti hírszerzés?

Egy nyelvi megjegyzés, amit 2011-ben írtunk meg először, és azóta sem évült el.

A magyar „üzleti intelligencia" szó szerinti fordítás, de nem pontos. Az angolszász használatban az intelligence szónak van egy hírszerzési jelentésrétege is: a versenytársak, a partnerek és a piac módszeres, legális megfigyelése. Magyarul ez a réteg elveszett, részben azért, mert a „hírszerzés" szó nálunk történelmi okokból rossz mellékzöngét kapott.

Emiatt két, valójában különböző tevékenység keveredik össze:

A gyakorlati tanulság az, hogy a kettőt nem árt külön kezelni, de egyiket sem érdemes elhanyagolni.

Mi az adattárház, és miért kell?

Az adattárház egy olyan, döntéstámogatásra épített adatbázis, amelyben az adatok témakörönként rendezve, egységesítve, időbélyeggel ellátva és tartósan tárolva állnak rendelkezésre.

Egy hasonlat rá a levelezésed. Ha minden e-mail egy nagy kupacban áll, elvileg minden információd megvan, gyakorlatilag mégsem találsz semmit. Ha mappákba rendezed őket aszerint, milyen ügyhöz tartoznak, ugyanaz az információ hirtelen használhatóbbá válik. Az adattárház ezt csinálja a vállalati adatokkal.

Két dolog, amit ettől kapsz:

• Integráció. Egy helyen, összevethető formában van az, ami eddig öt rendszerben állt. Innentől lehet olyan kérdést feltenni, ami több rendszert érint.
• Olcsóbb elemzés. Az adattárházban előre elkészített összesítések miatt nem kell minden kérdésnél a nyers adatot végigolvasni. Nagy adatmennyiségnél ez nem kényelmi kérdés, hanem az, hogy egyáltalán megválaszolható-e a kérdés.

Az építés előtt érdemes tudni, mi van egyáltalán a házban. Erre való az adatvagyon-felmérés: felméri, milyen adatod van, milyen állapotban, és mi hozható ki belőle. Magát a rendszert utána lehet rendszerépítés keretében megvalósítani.

Adattárház, data lake, lakehouse: mi a különbség?

Ez a három fogalom keveredik a leggyakrabban, pedig a különbség egyszerű, és egyetlen kérdésen múlik: mikor dől el az adat szerkezete?

A gyakorlatban a legtöbb középvállalatnál adattárházra van szükség, nem data lake-re. A data lake akkor indokolt, ha sok a strukturálatlan adat (kép, hang, szöveg, szenzoradat), és nem lehet előre tudni, milyen kérdéseket fogunk feltenni. A lakehouse a kettő közelítésére született architektúra.

Amit érdemes elkerülni: a választást nem a divat, hanem az dönti el, hogy ki fogja használni, és milyen kérdésekre. Ha a válasz az, hogy az üzleti terület fog havi riportot nézni, akkor a data lake felesleges bonyolítás.

Üzleti intelligencia, data science, AI: mi a különbség?

Ez a leggyakoribb kérdés a témában, és a válasz egyszerűbb, mint amilyennek látszik: más időre néznek.

A három nem egymás versenytársa, hanem egymásra épül. Data science nem megy rendezett adat nélkül, tehát az üzleti intelligencia nem egy régebbi, meghaladott dolog, hanem az alap, amin a többi áll.

Riport, dashboard, önkiszolgáló BI

Három szó, amit gyakran felcserélnek, pedig más a munkaszervezési következményük.

• Riport. Előre meghatározott kérdésre előre meghatározott válasz, jellemzően rendszeres időközönként. Akkor jó, ha a kérdés stabil (havi árbevétel régiónként), és sokan ugyanazt akarják látni.
• Dashboard. Több mutató egy képernyőn, jellemzően valós idejű vagy napi frissítéssel, szűrési lehetőséggel. Akkor jó, ha figyelni kell valamit, nem egyszer megnézni.
• Önkiszolgáló BI. A felhasználó maga állít össze lekérdezést, anélkül hogy fejlesztőt kellene kérnie. Akkor jó, ha a kérdések gyorsan változnak.

Az önkiszolgáló BI-nak van egy ritkán kimondott feltétele: csak akkor működik, ha az adat mögötte rendben van. Ha nincs, akkor nem demokratizálod az adatot, hanem sokszorozod a hibát, mert mindenki mást fog kiszámolni ugyanarra. Ez a leggyakoribb ok, amiért egy önkiszolgáló bevezetés csalódást okoz.

Mikor elég az üzleti intelligencia, és mikor kell több?

Az üzleti intelligencia elég, ha a kérdéseid leíró jellegűek, és a döntést ember hozza meg a számok alapján. Ez a cégek többségénél a helyzet, és ebben nincs semmi szégyellnivaló: egy jól működő riportrendszer több pénzt hoz, mint egy rosszul bevezetett modell.

Akkor kell több, ha:

• A döntés gyakorisága meghaladja az emberi kapacitást. Ha naponta több ezer döntést kell meghozni (melyik ügyfelet keressük, melyik gépet állítsuk le), azt nem lehet riportból.
• A kérdés a jövőre vonatkozik. A riport megmutatja, hogy tavaly mi volt. Azt, hogy jövő héten melyik ügyfél mond fel, nem.
• Túl sok változó van. Amikor a döntés tíz-tizenöt tényezőtől függ egyszerre, az ember nem tudja fejben tartani a kapcsolatokat.

Ha ezek közül bármelyik igaz, akkor a következő lépés nem egy újabb dashboard. Arról, hogy onnan hogyan tovább, az AI-bevezetés öt lépése posztunk szól. Arról pedig, hogy miért nem elég a jó szám ahhoz, hogy jó döntés is szülessen, az adatvezérelt döntéshozatal posztunkban írtunk.

Gyakori kérdések

Mit takar az üzleti intelligencia?

Azoknak a rendszereknek és folyamatoknak az összességét, amelyek a vállalat forrásrendszereiből összegyűjtik, egységesítik és elemezhető formába rendezik az adatokat, majd riportokon és dashboardokon megmutatják őket. A múltra és a jelenre válaszol: mi történt, és mi történik most.

Mi a különbség az üzleti intelligencia és a data science között?

Az időtáv. Az üzleti intelligencia a múltat és a jelent írja le összegyűjtött adatokból, a data science a jövőre következtet statisztikai és gépi tanulási modellekkel. A kettő nem egymás alternatívája: a data science rendezett historikus adatot igényel, amit jellemzően éppen a BI-rendszer állít elő.

Mi az adattárház?

Döntéstámogatásra épített adatbázis, amelyben az adatok témakörönként rendezve, egységesítve és időbélyeggel ellátva állnak rendelkezésre. A célja, hogy a több rendszerben szétszórt adat összevethető és gyorsan lekérdezhető legyen.

Mi a különbség az adattárház és a data lake között?

Az, hogy mikor dől el az adat szerkezete. Az adattárházba strukturált, megtisztított adat kerül be, tehát a rendezés a betöltéskor történik. A data lake nyers formában tárol, a szerkezet olvasáskor derül ki. Az adattárház megbízhatóbb riportot ad, a data lake rugalmasabb, de könnyebben válik rendezetlenné.

Kell-e adattárház egy középvállalatnak?

Ha több rendszerben keletkezik adat, és rendszeresen fordul elő, hogy két osztály két különböző számot hoz ugyanarra a mutatóra, akkor igen. Ha egyetlen rendszer adja a döntésekhez szükséges adatok nagy részét, akkor egyelőre nem biztos.

Mi az önkiszolgáló BI, és mikor érdemes bevezetni?

Olyan megoldás, amelyben a felhasználó maga állít össze lekérdezést, fejlesztő bevonása nélkül. Akkor érdemes, ha a kérdések gyorsan változnak, és csak akkor, ha a mögöttes adat rendben van. Rendezetlen adaton az önkiszolgáló felület nem megoldja, hanem sokszorozza a problémát.

Mikor nem elég az üzleti intelligencia?

Ha a döntések száma meghaladja az emberi kapacitást, ha a kérdés a jövőre vonatkozik, vagy ha egyszerre túl sok tényezőtől függ az eredmény. Ilyenkor nem újabb dashboard kell, hanem előrejelző modell.