Üzleti analitika gyorsabban

Ez a cikk több mint egy éve került publikálásra. A cikkben szereplő információk a megjelenéskor pontosak voltak, de mára elavultak lehetnek.

Nagyobb, gyorsabb, olcsóbb és mélyebb, közösségben vagy mobilon: novemberi üzleti analitika mellékletünk bevezetőjében sorra vesszük, hogyan alakulnak az elvárások és a lehetőségek az adatok feldolgozásában és elemzésében.

A vállalatoknak rohamosan növekvő adattömeget kell kezelniük, amelyet az üzleti rendszereken túl egyre több forrásból gyűjtenek össze: tulajdonképpen minden ide tartozik az ellátási láncoktól, az ipari és környezeti szenzoroktól vagy a szerverek naplózásától kezdve a webes robotokig, a közösségimédia-csatornákig ésa szövegbányászatig. Így a „több adat jobb” szemlélet, illetve a nagy mennyiségben keletkező, nem feltétlenül strukturált adattömeg (big data) tárolása és feldolgozása, illetve a vállalati üzleti kultúra ehhez igazításamellett az is lényeges kérdés, hogy miként érdemes kezelni az újabb típusú adatokat.

Mindehhez rendelkezésre állnak a megfelelő technológiák, mint amilyen mondjuk a nyílt forrású Hadoop adatmenedzsment-keretrendszer vagy a hagyományos relációs adatbázisok korlátain túllépő (nosql) megoldások. A céges felhasználók egyre olcsóbban, akár tömeghardvereken alapuló szerverinfrastruktúrán is nagy mennyiségű nyers adatot őrizhetnek meg, hogy aztismét kielemezzéka később felmerülő üzleti problémák megoldásához. Ugyanakkor sok esetben nem is az a legfontosabb, hogy mennyi adatot sikerül összegereblyézni, hanem hogy a meglévő információt milyen hatékonysággal lehet elemezni.

Gyorsabban, olcsóbban

Ennek jellemző eszközei a számítógépek operatív memóriájában működő (in-memory) alkalmazások, amelyek a diszkek részben mechanikus folyamatait kiváltva komoly adatkészleteket, százmillió soros adattáblákat is a szervermemóriába töltenek, a lemezes egységeket pedig tulajdonképpen csak tárolási feladatokra használják. Az összetett lekérdezések korábban sok erőforrást kötöttek le, és órákat vagy napokat kellett várni rájuk, az új célgépekkel viszont másodpercek alatt elemzéseket lehet futtatni a hatalmas adattömegeken.A Gartner piackutató a memórián belüli adatelemzéstazok közé az informatikai trendek közé sorolta, amelyekre 2014-ben már meglehet, késő lesz felkapaszkodni.

Persze maga a hardver sem érdektetelen a teljesítmény javításának szempontjából. Jó példa a grafikus egységek felhasználása az adatfeldolgozáshoz, amely a vizuális megjelenítés és statisztikai elemzések során végzett számítások hasonlóságát aknázza ki: a GPU-k képesek lehetnektöbb százszor gyorsabbanelvégezni bizonyos számításokat, mint a PC- vagy szerverprocesszorok.

Az analitikaa számítási teljesítmény növekedése melletta memóriák és a tárolók árának csökkenéséből is profitál, míga gyártókata szoftverek oldaláról iskomoly árversenyre kényszerítika versenyképes nyílt forrású megoldások, amelyek az alapvető riportoláson túl már fejlett prediktív elemző funkciókat kínálnak.Mindez a választott architektúrákra is hat: korábban szűkösen és drágán állt rendelkezésre a megfelelő számítási kapacitás, és kényes kérdés volt, hogy az analitikával kapcsolatos munkaterhelés ne menjen az alapvető folyamatok rovására.

Mobilon és hálózatban

Az összes többi alkalmazás mintájára az üzleti intelligencia is mobil eszközökre költözik. Sőta mobilitása valós idejű analitika szempontjából is kulcsfontosságúvá válik, legyen szó a cég munkatársairól vagy ügyfeleiről. Ez az informatikai vezetők szempontjából nem annyira a bonyolult elemző funkciókról, mint az okostelefonokra vagy táblagépekre szabott felhasználói felületek kialakításáról szól.A feladat nem mindig egyszerű, hiszen a számítástechnikai eszközökkel való interakció vállalati környezetben is gyorsan változik.Az viszont mindenképpen jó hír, hogy a különálló mobil platformokhoz tartozó natív alkalmazásokkal szemben már praktikus alternatívát jelenteneka böngészőből futtatható alkalmazások, ahogy erre maguk a browserek is egyre alkalmasabbá válnak.

A Facebook és más közösségimédia-szolgáltatások felfutásával ugyancsak a figyelem középpontjába került a szóban forgó oldalakon generált óriási adattömeg elemzése, ez pedigszükségessé teszi a megszokott BI-eszköztár kibővítéséta nyelvi feldolgozás, a közösségi analitika, a véleményelemzés vagy mondjuk a kapcsolati hálózatok analitikájának támogatásával. A cél olyan készségek kialakítása, mint például a fogyasztói hangulat adott földrajzi régióhoz kötött változásának pontos mérése, ami azonnal összevethető a vállalat ugyanott eszközölt változtatásaival az árazás vagy bizonyos eljárások tekintetében.

Mivel újkeletű technikákról van szó, ezek mindegyike szolgáltatásként is igénybe vehető, így nem feltételezi a belső informatikai erőforrások nagy mértékű bevonását, bár a lehetőségek feltérképezése és értékelése, illetve a felhasználók képzése így is komoly feladatot jelent. A Bitport áprilisi,nagyvállalati informatikai vezetőknek rendezett konferenciájánugyanakkor az is elhangzott, hogy a CIO-knak ki kell lépniük a komfortzónájukból, gyártófüggetlen kísérletekbe kezdve a big data adatfeldolgozás területén, kihasználva a máskülönben elkerülhetetlen frissítési ciklusok lehetőségeit.

Az Oraclejúlius elején közzétett tanulmányaszerint a hagyományos adatbázis-kezelő készségek határait feszegető adattömeg egyelőre nem annyira volumenében, mint inkább a feldolgozás, az adatfajták és – források sokfélesége miatt jelent túl nagy falatot.AThe Future of CIO blog egyik bejegyzéseezzel kapcsolatban jól összefoglalja, hogy az adattömeg kezeléseelső nekifutásrabonyolult lehet, ezért érdemes mindent az üzleti célok ésaz üzleti stratégiaátgondolásával kezdeni. Az adatstratégia és az adattérkép kidolgozása csak ezután következik, osztályozva a szervezet számára fontos adattípusokat, felmérve az adatok változásának, bővülésének ütemét, végül pedig priorizálni kell mindazokat üzleti problémákat, amelyek megoldásához adatelemzésre lesz szükség.ű

Az adatok feldolozásához és elemzéséhez együttműködő partnerünk, a Bitport.hu (informatika az üzlet nyelvén) nyújtott segítséget.

---