Szukaj

Technologia do Analityki

Krzysztof Patla
1 lut 2016
3 minut(y) czytania

Analityka biznesu polega na znajdowaniu odpowiedzi na pytania co się dzieje w biznesie, dlaczego tak się dzieje, jaka jest prognoza i co z tym robimy? Umiejętność znajdowania odpowiedzi na te pytania to dojrzałość analityczna, co nie jest związane z posiadaną Technologią do Analityki.

Analityka biznesu to rozwiązywanie problemów biznesowych za pomocą matematyki i technologii. Inżynieria danych dla ładu w danych to technologia, a w połączeniu z matematyką to analityka danych, w szczególności zaawansowana analityka jak predykcja czy symulacja. Za pomocą całości budujemy czytelne i zrozumiałem rekomendacje dla podejmowania decyzji. Rekomendacje tworzymy poprzez raporty z odpowiednio dobraną wizualizacją, żeby rekomendacje były czytelne i zrozumiałe. Tworzy nam się stos Technologii do Analityki, z którego należy korzystać w odpowiednich proporcjach dla rozwiązywanego problemu biznesowego.

Liderem w Analityce jest hinduska Mu Sigma pracująca nad optymalizacją decyzji i procesów amerykańskich Fortune 500. W ich ekosystemie do definiowania problemu biznesowego znajdziemy bliźnięta muPDNA & muUniverse - aplikacje do nauki rozwiązywania problemów biznesowych i do rozwiązywania problemów. Optymalizacja decyzji i procesów zaczyna się od poprawnej definicji problemu biznesowego, do czego służą właśnie te aplikacje. Mu Sigma wprowadza nową sztukę rozwiązywania problemów AoPS (Art of Problem Solving).

Gartner [1] w swoim magicznym kwadrancie MQ AA 2016 o zaawansowanej analityce, technologie do robienia inżynierii obliczeń, wymienia Mu Sigma jako dostawcę usług analityki w partnerstwie. Liderem technologii do inżynierii obliczeń pozostają SAS i IBM, nieco tracąc, a najwięcej zyskuje Dell Statsoft wchodząc do kwadrantu liderów oraz Microsoft szybko zbliżając się do kwadrantu.

Microsoft awansuje szczególnie po akwizycji Revolution Analitics specjalizujący się w języku R.

Co to jest R? R jest porównywany do SAS, IBM SPSS czy Matlab. Już w 2009 roku został doceniony przez The New York Times [2]. Język R używa Facebook, Ford i wiele innych firm [3], również Google, na przykład do kalkulowania ROI kampanii marketingowych. Oprócz Microsoft, język R dodał do swoich technologii analitycznej Oracle. Oracle w 2014 roku został wyrzucony z magicznego kwadrantu zaawansowanej analityki, a Gartner podaje przyczynę, że oferuje swoje rozwiązania analityczne jako ścisły komponent swojej bazy danych niż jako samodzielny produkt.

Analogicznie Gartner [4] postąpił z Oracle, tym razem bez podania przyczyny, w swoim magicznym kwadrancie o zwykłej analityce MQ BI 2016, technologia na pograniczu do inżynierii obliczeń i danych. A w 2015 roku Oracle był w kwadrancie liderów, z którego wyszedł IBM, SAS i SAP. W kwadrancie pozostają Tablue, Qlick i Microsoft jako lider z największym wzrostem na osi wizji.

W obu magicznych kwadrantach występują: IBM, Microsoft, SAP i SAS. Najwięcej zyskuje Microsoft, najwięcej traci IBM. Natomiast IBM ma najbardziej kompletny portfolio technologii do robienia optymalizacji decyzji: analitykę opisową i predykcyjną, reguły biznesowe i matematyczna optymalizację [5].

ILOG był francuską firmą, którą kupił w 2009 roku IBM. ILOG to technologia do zarządzania łańcuchem dostaw, reguły biznesowe, wizualizacja i optymalizacja, mocno zatem wspiera optymalizację procesów. Gartner [6], w swoim kolejnym magicznym kwadrancie o zarządzaniu procesowym, wymienia IBM jako lider obok Pegasystems i Appian. Optymalizacja poprzez automatyzację decyzji w procesach to znów specjalność Mu Sigma z aplikacjami: muESP, muFlow, muStream, muVCL, muIoT [7].

Na koniec zobaczmy trochę technologii do czystej inżynierii danych, zaczynając od baz danych MQ DB 2015 u Gartner. Liderami są Microsoft i Oracle. Liderzy wyrośli z relacyjnych baz SQL i dodają noSQL do swoich technologii. Bardzo dobre wprowadzenie do noSQL zrobił Microsoft [8].

Microsoft swoją bazę SQL i 57 innych produktów udostępnia w chmurze Microsoft Azure, m.in. algorytmy uczenia maszynowego [9], w których można wykorzystywać R i Python.

I ostatnie technologie do integracji danych, pamiętając o maksymie GIGO (Garbage In, Garbage Out) - śmieci na wejściu, to śmieci na wyjściu. Liderem u Gartnera [10] w MQ DI 2015 jest Informatica.