О главных трендах бизнес-аналитики рассказывает в своей статье для РБК Екатерина Занозина, заместитель директора Дирекции управления данными БФТ-Холдинга.
Сегодня данные все чаще становятся основой для принятия управленческих решений как на операционном, так и на стратегическом уровне, что стимулирует активное развитие бизнес-аналитических информационных систем и цифровых продуктов. Рассмотрим, какие тенденции в ближайший год будут влиять на этот рынок и какие технологии будут пользоваться наибольшим спросом со стороны заказчиков.
1. ИИ-чат-боты, цифровые помощники
Наша жизнь сопровождается таким колоссальным потоком информации, что скорость и простота доставки данных до пользователя максимально простым способом, буквально в «два клика», становится важнейшим вызовом аналитических систем. Помочь решить данную задачу могут цифровые помощники – чат-боты с искусственным интеллектом.
В отличие от обычных чат-ботов, основанных на простых алгоритмах, цифровые помощники с искусственным интеллектом понимают контекст и способны разобраться даже в самых сложных запросах. Кроме того, они могут интегрироваться с любыми каналами коммуникаций, включая мессенджеры и даже компьютерные игры, – вот почему их все активнее применяют в технической поддержке.
Такие помощники могут работать и с информацией внутри аналитических систем. Например, выдавать руководителю на основе запросов нужные отчеты или показатели в мессенджере или помогать пользователю осваивать инструмент аналитики, выдавая рекомендации по работе с ним и построению необходимой отчетности. Благодаря технологии машинного обучения чат-боты способны к обучению и развитию, а значит, со временем они смогут решать все больший перечень задач.
2. Self-service аналитика
В современных аналитических платформах, в том числе в нашем решении, BI-инструменты обеспечивают получение информации из CRM, ERP, облачных хранилищ и других источников корпоративных данных. Они предлагают встроенные дашборды, которые позволяют работать с визуализированными данными, а алгоритмы машинного обучения (ML-аналитика) выявляют закономерности и аномалии в больших объемах данных, помогая своевременно вносить корректировки в стратегию и планы развития компании.
За счет вовлечения все большего числа компаний и их сотрудников в data-driven management в ближайшие годы продолжится развитие self-service инструментов, встроенных в аналитические системы. Этот подход включает следующие элементы:
– возможность настройки системы без необходимости написания дополнительного кода;
– простота и понятность интерфейса;
– высокая скорость освоения инструментария обычным пользователем;
– возможность создания красивого и яркого дизайна дашборда «из коробки», без необходимости кодирования для дополнительной кастомизации.
Отсутствие необходимости обращаться в ИТ-поддержку для формирования и дальнейшего внесения изменений в отчеты позволит не только сократить время, необходимое для анализа данных, но также сделать аналитику доступной для всех сотрудников компании, вне зависимости от их технического бэкграунда. Кроме того, мы ожидаем, что в будущем аналитические инструменты фактически «растворятся» в бизнес-приложениях, став частью ядра ИТ-инфраструктуры, доступной из любой информационной системы в ИТ-ландшафте компании. Таким образом, любой сотрудник сможет применять в работе уже накопленные в компании достоверные сведения для проверки гипотез или выполнения рутинных задач.
3. Предиктивная аналитика
Получение в удобном формате актуальных бизнес-метрик позволяет руководителям оперативно реагировать на уже произошедшие события. В то же время большой объем накопленных ретроспективных данных дает возможность компаниям прогнозировать будущие события и таким образом объективно планировать развитие, заранее иметь представление о потенциальных перспективах и рисках.
Инструменты предиктивной аналитики способны выявлять взаимосвязи различных метрик и тенденции к их изменению. Таким образом они способствуют более эффективному планированию, связанному с распределением ресурсов и предполагаемыми доходами компании. Например, в банках анализ поведения клиентов может предотвратить мошеннические действия. На промышленном предприятии система собирает рабочие параметры того или иного оборудования в течение долгого времени и при выявлении аномальных показателей сигнализирует о возможной скорой поломке.
Для успешного применения предиктивной аналитики система должна уметь качественно агрегировать и обрабатывать данные, отслеживать именно те показатели, которые важны для бизнеса. При ее настройке требуется тщательный анализ бизнес-процессов, определение целей такой аналитики и критериев, по которым она должна оценивать данные.
4. Data Lineage – прослеживаемость жизненного цикла данных
По мере того, как экосистемы данных становятся все более сложными, контроль и понимание потока данных между системами, процессами и командами становятся критически необходимыми. Data lineage – это диагностический инструмент, который обеспечивает прозрачное представление о том, где данные порождаются, как перемещаются, преобразуются и используются на протяжении всего жизненного цикла.
Таким образом Data Lineage помогает управлять рисками, связанными с данными, – с помощью визуализации он предоставляет карту пути данных, помогая определить первопричину ошибок, способствуя их быстрому исправлению и поддержанию качества конечной информации. Кроме того, он обеспечивает четкий аудиторский след, гарантируя, что данные соответствуют правовым и операционным стандартам.
Новые тренды, связанные с машинным обучением, искусственным интеллектом, улучшенной визуализацией и технологиями отслеживания в режиме реального времени, сыграют ключевую роль в развитии управления данными в самое ближайшее время.
5. Накопление и каталогизация знаний о данных
Data-driven management диктует необходимость четкого и прозрачного понимания состава данных и их природы, определения ответственности за полноту этих данных и их качество, возможность управлять ими.
Каталоги данных стали неотъемлемой частью современной дата-архитектуры. Они играют ключевую роль в управлении метаданными, обеспечивая прозрачность, контроль и повышение эффективности работы с данными. Согласно оценкам экспертов, в период с 2025 по 2037 год рынок каталогов данных будет расти со среднегодовым темпом более 33%.
Среди основных тенденций в этой области можно отметить поддержку мультиоблачной и гибридной среды – это позволяет централизованно управлять всеми ресурсами независимо от того, где они расположены: в частном, публичном облаке или на физическом оборудовании. Хранение и обогащение метаданных позволяет расширять их дополнительной контекстной информацией, такой как термины бизнес-глоссария, классификации и политики использования данных.
Применение больших языковых моделей открывает новые возможности для автоматизации и улучшения работы с метаданными, делая каталоги более доступными и функциональными.
Возможности ИИ и машинного обучения преобразуют каталоги из статических в интеллектуальные, динамические инструменты – они могут автоматически классифицировать и организовать данные, идентифицировать закономерности и связи, делать прогнозы и разрабатывать рекомендации.
Все это расширяет возможности для бизнеса и еще большего вовлечения современных организаций в data-driven management.
6. Комплексный набор решений для работы с данными
С развитием культуры управления данными компаниям требуется все больше инструментов для эффективной организации работы с корпоративными сведениями, соответствующей действующим стандартам и регуляторным нормам. Запрос пользователей на функциональность систем растет, каждый сотрудник компании хочет использовать удобный именно для него инструментарий. Возможность покрывать максимальное количество задач внутри единой платформы работы с данными будет ее явным преимуществом.
Комплексное аналитическое решение дает возможность как создать корпоративное хранилище данных с автоматическим получением и обновлением информации, очисткой и объединением данных из различных источников информации, построением витрин данных, формированием правил контроля качества данных, так и сформировать слой для бизнес-пользователей по ключевым метрикам путем формирования оперативных, аналитических, регламентированных и графических отчетов с возможностью их рассылки и публикации во внешних ресурсах. Система должна включать в себя широкий набор функциональных возможностей и позволять полностью решать задачи работы с данными и формирования аналитики.
Ключевая роль в этом остается за СУБД. Потребность в категории платформ, оптимизирующих хранение и извлечение данных, сохранится как минимум на несколько лет, поскольку они являются необходимой инфраструктурой для интеллектуальных систем.
Важная тенденция 2025 года – использование технологий на стыке баз данных и GenAI, например, ряд интерфейсов для преобразования естественного языка в SQL. Возможность запросить базу данных с помощью естественного языка стала основой тектонического прорыва в работе с данными и оставила мощный задел для будущих инноваций.
Операционная аналитика – объединение аналитических и операционных баз данных – еще один тренд 2025 года. Она позволяет собрать все данные в одном месте и предоставить возможность анализа на основе объединённой информации – быстро, точно, прозрачно.
7. Яркая визуализация и привлекательный интерфейс
Сегодня значимая для топ-менеджмента информация превращается в понятные диаграммы, схемы и интерактивные дашборды, отражающие актуальное состояние бизнеса. Среди трендов, связанных с визуализацией, необходимо отметить ее интеграцию с искусственным интеллектом – аналитические решения активно оснащаются алгоритмами машинного обучения и помогают не только визуализировать результаты, но и строить прогнозы.
Средства визуализации данных тесно интегрируются с картографическими инструментами и геоаналитикой, чтобы обеспечить комплексный анализ экономических показателей компании с учетом пространственной и географической специфики. Статические графики постепенно уступают место интерактивным панелям, а руководство все больше склоняется к использованию мобильных приложений.
Визуальное восприятие современных пользователей также становится все более искушенным и требует креативного подхода при создании дашбордов. Кто-то готов к использованию строгого формализованного стиля, а кто-то хочет персонифицированный дизайн. И конечно же, современные платформы должны развиваться также в этом направлении и предлагать притягательный интерфейс, который будет радовать пользователя и вовлекать его в работу с инструментом.
Источник: РБК