• Technologia do Analityki

    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.

    W kwadrantach żadnych większych zmian rok do roku.

    Na bazie raportów Gartnera podsumujmy technologie do optymalizacji decyzji.

    [1] Magic Quadrant for Advanced Analytics Platforms
    [2] Data Analysts Captivated by R's Power
    [3] Companies using R by Revolution Analytics
    [4] Magic Quadrant for Business Intelligence and Analytics
    [5] What is The Difference Between SPSS And ILOG?
    [6] Magic Quadrant for Intelligent Business Process Management
    [7] Mu Sigma Enterprise Signal Platform
    [8] Wprowadzenie do NoSQL, część I
    [9] Microsoft Azure Machine Learning
    [10] Magic Quadrant for Data Integration Tools
    • Obsługiwane przez usługę Blogger.