Jakie są największe wyzwania dla klasycznych systemów BI oraz w jakim kierunku rozwija się oprogramowanie, aby jego twórcy mogli jak najlepiej sprostać oczekiwaniom użytkowników? W artykule postaram się odpowiedzieć na powyższe pytanie bazując na własnych doświadczeniach w pracy z systemami IBM, takimi jak: IBM Planning Analytics, IBM Cognos Analytics oraz IBM Cognos Controller.
Dynamiczny rozwój organizacji, różnorodność procesów, jakie w biznesie musimy opanować na bieżąco oraz nieustannie rosnące wymagania użytkowników powodują, że oczekiwania wobec systemów BI są coraz bardziej złożone i w systemach dostępnych na rynku pojawiają się „wąskie gardła”. Przede wszystkim dane raportowane w systemach BI są wciąż danymi historycznymi. Nawet jeśli to jest historia sprzed kilku minut, jest to cały czas historia. Dlatego twórcy takich systemów dążą obecnie do tego, żeby analiza nie była tylko patrzeniem w przeszłość, ale też żeby uwzględniała prognozy. Do tego dochodzi koszt posiadania wielu systemów. W organizacjach funkcjonuje często kilka, czasem kilkanaście systemów BI, a każdy dział ma swoje własne narzędzia i posługuje się swoimi danymi i swoimi raportami. To generuje problemy ze stwierdzeniem, które dane są prawdziwym źródłem wiedzy, a które zakrzywiają obraz rzeczywistości. Kolejnym wyzwaniem jest uzależnienie organizacji od IT. To IT jest często działem, który dostarcza dane. Bez wiedzy, czy są to wszystkie dane i czy są one spójne nie możemy w pełni zaufać analizom, jakie są tworzone na ich podstawie.
Jakie powinny być systemy BI nowej generacji?
Bez wątpienia powinno się zmierzać w kierunku, w którym system BI będzie w stanie pomagać i wykrywać zależności między danymi, które ułatwią podejmowanie decyzji. Chodzi o to, żeby system skupiał się na dodatkowych czynnikach, widząc trochę więcej niż osoba, która opiera na tym systemie swoje analizy i decyzje. Dobrze, żeby był w stanie przetwarzać komunikaty i dodatkowe informacje o tym, co może się wydarzyć. System BI i tworzone w nim analizy mają służyć nie tylko temu, żeby pokazać coś na ekranie i zwizualizować dane, ale również powinny być podstawą do podjęcia decyzji i integracji z innymi systemami dostępnymi w organizacji. Do takich rozwiązań należą m.in. systemy data science do budowania modeli predykcyjnych czy różnego rodzaju mechanizmy RPA. Liczy się również to, żeby dane, które otrzymujemy mogły posłużyć do prognozowania czy budżetowania w innych systemach – tak, żeby środowisko, które tworzymy zawierało wszelkie dane niezbędne w codziennej pracy.
Pozostałe 77% artykułu dostępne jest dla zalogowanych użytkowników serwisu.
Jeśli posiadasz aktywną prenumeratę przejdź do LOGOWANIA. Jeśli nie jesteś jeszcze naszym Czytelnikiem wybierz najkorzystniejszy WARIANT PRENUMERATY.
Zaloguj Zamów prenumeratę Kup dostęp do artykułuMożesz zobaczyć ten artykuł, jak i wiele innych w naszym portalu Controlling 24. Wystarczy, że klikniesz tutaj.
