Революция в аналитике. Как в эпоху Big Data улучшить ваш бизнес с помощью операционной аналитики

Если в течение последних 10–20 лет вы интересовались темами корпоративного интеллекта, аналитики и больших данных, то, возможно, задавались вопросом: что будет дальше? В конце концов первоначальный ажиотаж вокруг больших данных начинает спадать, и аналитика всех видов постепенно становится важной, но уже привычной частью бизнеса.

О том, что будет дальше, вы можете узнать в этой книге. Билл Фрэнкс называет новый феномен «операционной аналитикой», но его также можно назвать «производственной аналитикой», «аналитикой в режиме реального времени», или «автоматизацией принятия решений». Как становится понятным из этих терминов, подход к практическому применению аналитики меняется стремительно. Причем сама по себе аналитика меняется не так сильно. Фрэнкс отмечает, что операционная аналитика по большей части остается той же традиционной аналитикой, которой мы занимались на протяжении десятилетий и даже столетий. Изменился же контекст ее применения.

В подробностях об этом вы можете – и должны – прочитать в данной книге. Отмечу лишь, что, в отличие от неторопливой пакетной аналитики, бывшей уделом бэк-офисов, сегодняшняя операционная аналитика выполняется намного быстрее и к тому же непрерывно. Причем выполняется не отдельно, а интегрируется с существующими бизнес-процессами и системами. Я называю эту тенденцию «Аналитикой 3.0», и вы прочитаете о том в первой главе, но термин Билла «операционная аналитика», безусловно, точнее. И Билл описывает ее феномен гораздо подробнее, чем это когда-либо удавалось сделать мне.

Такое развитие давно уже запоздало – лет на 50, пока существовало разделение между аналитикой и деловыми операциями, породившее ряд проблем. Хотя руководители часто требовали аналитику и данные для поддержки своих решений, но фактически ими не пользовались. Вероятно, они просто хотели предстать более рассудительными и интеллектуальными, чем были на самом деле. Количественные аналитики, которые должны находиться на переднем крае и в центре всех деловых решений и действий, как правило, находились от руководства на значительном удалении (отмечает Фрэнкс в главе восьмой, исходя из собственного опыта). Все, что касалось аналитики, производилось гораздо медленнее, чем следовало бы. Даже и в этих условиях аналитика приносила пользу, но далеко не настолько, насколько была способна.

Принимая во внимание все эти проблемы традиционной аналитики, пожалуй, следует рассматривать как приверженность силе привычки тот факт, что организации по-прежнему планируют внедрение и регламентацию аналитики в своей деловой деятельности, а не переводят ее в разряд дополнительных и необязательных действий. Использование же операционной аналитики исключает пренебрежение к аналитике как таковой вследствие неправильного ее применения. Аналитика нужна для формирования как стратегических, так и тактических решений, и ее нужно выполнять в одно время, в одном месте с основной операционной деятельностью и на той же скорости. Насколько ускоряется поток данных внутри компаний, настолько должна увеличиваться и скорость аналитической обработки и принятия решений.

Если же вы не заглядывали в будущее, то, возможно, сочтете эту книгу очередным опусом на тему больших данных. Ничего подобного. Во-первых, Фрэнкс уже написал замечательную книгу на эту тему: «Укрощение больших данных»1[1] (Taming the Big Data Tidal Wave). Во-вторых, здесь он рассматривает использование любых данных – всех типов и размеров. Фактически его новый труд можно определить как первую книгу после больших данных. Фрэнкс считает само собой разумеющимся, что организации будут использовать имеющиеся у них как небольшие структурированные, так и крупные, менее структурированные информационные активы. Разве может быть иначе? Кажется очевидным, что данные могут быть полезными независимо от их размера или структуры. К сожалению, поскольку «малые данные» появились до «больших», редко кто из авторов рассматривает «все данные» и рекомендует приспособить технологическую среду и аналитические процессы к различным типам данных, которыми вам придется управлять и которые придется анализировать.

Кроме того, это одна из первых книг, где рассматривается «аналитика вещей». Об Интернете вещей уже написано немало: быстрый поиск на Amazon выдает больше десятка книг, несмотря на относительную новизну термина. Но гораздо меньше написано о том, как можно извлечь пользу из сенсорных данных, т. е. анализировать и использовать их для нахождения решений и обнаружения аномалий. Многие из приведенных Фрэнксом примеров применения операционной аналитики включают Интернет вещей, и автор рассматривает то, как аналитика может быть использована для работы с огромными потоками данных, производимых сенсорами.