Майбутнє бізнес-аналітики: тренди 2023 року і подальші перспективи

Інновації в бізнес-аналітиці створюють нові виклики на шляху до зрілості. Але вони стають трендами лише тоді, коли підприємства можуть впоратися з ними та отримати чималий прибуток. На думку Шаку Атре (Shaku Atre), президента Atre Group, Майка Гелбрейта (Mike Galbraith), директора з цифрових інновацій ВМС США, і Райана Вілсона (Ryan Wilson), віце-президента з технологій у Signal Ventures LLC, майбутнє бізнес-аналітики — у хмарі, яка завдяки новим технологіям продовжуватиме залишатися рушійною силою ринку.

Які ще тренди в бізнес-аналітиці проявляться в найближчому майбутньому?

1. Бізнес-як-послуга збереже свою привабливість

Хмара об’єднує галузеві додатки, інструменти та сервіси в потужні бізнес-моделі. Замість того, щоб закуповувати загальні бібліотеки функцій та окремі API, компанії воліють купувати готові процеси для своїх вертикальних структур.

Провайдери хмарних сервісів, такі як Amazon Web Services (AWS), Google Cloud Platform та Microsoft Azure, очолюють цей тренд. Вони пропонують галузеві рішення для банківської справи, роздрібної торгівлі, виробництва, готельно-ресторанного бізнесу, служб безпеки, профілактичного обслуговування та багатьох інших вертикалей.

Ці індивідуальні рішення працюють на основі автоматизованого коду і забезпечують більший контроль завдяки можливостям кастомізації. Це як у випадку з власним рішенням, але без клопоту зі створенням його з нуля.

Ford Motor Company зареєструвала свою платформу для розробки автомобільних додатків в AWS, щоб отримати доступ до розширених можливостей підключення, зберігання та обчислень. Платформа допомагає розробляти хмарні сервіси підключення для автомобілів за допомогою Інтернету речей (IoT), машинного навчання (ML), аналітики та обчислень.

Передбачається, що в майбутньому підприємства різних галузей будуть шукати нові орієнтовані на хмару рішення. Allied Market Research прогнозує, що до 2030 року ринок хмарних сервісів зросте до $1,62 млрд.

Подальші перспективи

Вертикальні структури стають дедалі популярнішими, і все більше підприємств розглядають можливість приєднатися до них. Індивідуальні хмарні рішення дають змогу делегувати завдання автоматизованим модулям і доповненням. Така гнучкість дозволяє компаніям диференціювати себе, фокусуючись на стратегії та процесах.

2. Підприємства будуть монетизувати обмін даними

Передові технології обміну даними дають підприємствам більше інформації для виявлення прихованих можливостей та інсайтів. Раніше обмеження конфіденційності та регуляторні вимоги були жорсткими і не дозволяли обмінюватися інформацією зі сторонніми організаціями.

Сучасні протоколи дозволяють проводити обчислення над зашифрованими даними, що відкриває безліч нових можливостей, таких як аутсорсинг моделювання штучного інтелекту (ШІ), рутинну внутрішню діяльність, зовнішнім організаціям.

Маркетплейси даних об’єднують продавців і покупців інформації, агрегуючи дані користувачів від компаній.

Коли ви реєструєтесь у декількох напрямках бізнесу, скажімо, банківських послугах, кредитах і депозитах, ваш банк зберігає ваші записи в трьох різних місцях. Щоб пропонувати персоналізовані пропозиції, їм потрібна консолідована картина ваших відносин із ними. Маркетплейс даних — це місце, де вони агрегують цю інформацію, часто замовляючи окрему базу даних у його межах.

Gartner прогнозує, що 2023 року організації, які спільно використовують інформацію, випереджатимуть конкурентів за багатьма бізнес-показниками.

Обмін даними стимулює нові бізнес-моделі та інноваційні продукти, прикладом чого є швидка розробка вакцини проти коронавірусу. У безпрецедентному русі дослідники, уряди і фармацевтичні компанії працювали разом, скоротивши час розробки вакцини на місяці.

Можливості безмежні. Банки і фінансові установи виграють від обміну інформацією про шахрайство і неповернення кредитів. Спільна медична інформація може виявити нові прогнози, вказуючи дослідникам на правильний напрямок при вивченні нових шляхів лікування.

Ініціатива Airbus Skywise — це платформа для авіаційної промисловості, яка допомагає зменшити кількість проблем із технічним обслуговуванням, виявити типи дефектів, спрогнозувати поломки техніки та оптимізувати заміну деталей. Вона збирає авіаційну інформацію від понад 100 авіакомпаній та постачальників запасних частин, які співпрацюють над покращенням обслуговування, вирішивши поділитися своїми знаннями.

Подальші перспективи

Однак на шляху вперед є кілька викликів.

Компаніям потрібні сучасні інструменти та організаційні зміни для впровадження методів обміну та обчислень. Масштабування може здатися ще одним обтяжливим завданням для команд, обмежених у часі. Крім того, обробка зашифрованих даних може сповільнити продуктивність системи і призвести до того, що команди втратять інформацію в реальному часі.

Балансування між доступом третіх осіб і правилами конфіденційності / правами власності є складним завданням для багатьох підприємств, що може затримати впровадження нових технологій. Крім того, сімейні підприємства та компанії з усталеною культурою і практиками роботи з даними відчувають себе некомфортно, обмінюючись інформацією. Вони ризикують втратити спільне розуміння, яке є вирішальною відмінністю в епоху великих даних.

Але підприємства ще не готові здатися, про що свідчить загальногалузеве прагнення до комплаєнсу.

3. Впровадження «тканини даних» зростатиме

Згідно з IBM, структура даних є основним запитом для підприємств, які шукають програмні рішення. Інтеграція мультисистемних даних для швидкого розуміння є ключовою вимогою бізнесу. «Тканина даних» (data fabric) — це система інтеграції інформації, яка використовує індексування метаданих для об’єднання та управління інформацією з багатьох джерел.

Вона дозволяє максимізувати ваші цифрові активи, отримуючи доступ до інформації в потрібний час завдяки віртуалізації. Це основна рушійна сила ринку даних. В епоху численних одноденних розгортань відсутність необхідності переміщення інформації між системами рятує життя.

Управління даними, що є основою BI-аналітики, продовжує боротися з проблемами, пов’язаними зі збільшенням обсягів і складності даних. Ручні, повторювані завдання і повільна обробка гальмують цикли надання послуг без належних процесів і автоматизації.

Що ще більше ускладнює ситуацію — штучний інтелект в аналітиці продовжує зростати семимильними кроками, в той час як протоколи управління повинні його наздоганяти. Організації намагаються йти в ногу з часом, впроваджуючи необхідні системи стримувань і противаг, але їм ще багато чого треба зробити.

Тканина даних — це основа ринків даних, яка підвищує ефективність і підтримує конкурентоспроможність підприємств. ШІ на внутрішньому рівні забезпечує наскрізне управління інформацією, не залежачи від середовищ і процесів. Автоматизована інтеграція, управління та аудит використання звільняють команди від рутинних завдань.

Узгодження бізнес-потреб із протоколами управління є критично важливим для бізнесу — тканина даних руйнує існуючі перешкоди, щоб зробити це можливим. Зосередженість на стратегії, інноваціях та процесах покращується, коли команди оптимізують застосування та користуються перевагами автоматизації.

Подальші перспективи

Однак тканина даних не позбавлена викликів. До них відносяться можливість виявлення, впорядкування, управління метаданими, сумісність стандартів обміну, а також технології оркестрування і віртуалізації. Технологія тканини даних повинна враховувати управління неструктурованими даними і йти в ногу з розвитком штучного інтелекту.

Надійна стратегія управління змінами має вирішальне значення для забезпечення конкурентної переваги.

4. Управління даними залишатиметься пріоритетом

Як ми вже говорили вище, інформація набуває цінності, коли нею обмінюються. І управління нею більше не зводиться до управління ризиками — основними рушійними силами для організацій є якість та аналітика, згідно з результатами опитування «Стан управління хмарними даними 2022» (The 2022 State of Cloud Data Governance).

Ефективне управління дасть вам кращі моделі для аналізу. Яким чином? Управлінські рішення містять відображення інформації, що зберігається в різних системах, а тканина даних виступає в ролі клею, що зв’язує цю інформацію воєдино — немає необхідності писати код. Машинне навчання забезпечує дотримання нормативних вимог поряд із вивченням та відтворенням попередніх результатів пошуку даних.

Зважаючи на очевидні переваги обміну інформацією, ІТ-директори розуміють, що не можна тримати її замкненою у сховищах. Старого підходу до управління інформацією буде недостатньо, і їм потрібні нові протоколи доступу та засоби контролю, особливо з урахуванням того, що цивільні фахівці з аналізу даних переходять до ролі аналітиків для вирішення нагальних потреб бізнесу.

Управління інформацією має нове обличчя: якість на основі метаданих і децентралізований контроль над спільними знаннями. Розпорядники даних все ще важливі, але вони можуть уникнути мікроменеджменту завдяки автоматизованому затвердженню доступу, узгодженому з комплаєнсом.

Подальші перспективи

Керування даними зараз є більш проактивною роллю, націленою на те, щоб протоколи управління не відставали від операцій, багато з яких залежать від живих інсайтів. Правила доступу, що відстають від потреб бізнесу в реальному часі, не приносять користі.

Отже, налагодження децентралізованого доступу шляхом делегування контролю є першочерговим завданням для підприємств. Іншим завданням є забезпечення повної прозорості журналів аудиту на вимогу регуляторних органів.

Крім того, підприємства шукатимуть способи роботи з масивами даних, вбудовуючи правила управління метаданими в операційні системи.

5. Конфіденційність і безпека даних матимуть першорядне значення

Останні кілька років були мінним полем для бізнес-аналітики та Business Intelligence (BI). Майбутнє бізнес-аналітики, здавалося, було огорнуте регуляторними нормами та скандалами. Витоки даних викликали серйозні розмови про інформаційну безпеку та етику.

Незважаючи на хмарні фаєрволи та протоколи нульової довіри, кількість витоків даних за останні роки зросла. У звіті IBM (закритому) йдеться про те, що один такий витік може завдати організації збитків на суму 4,35 мільйона доларів.

Нинішні модні слова в сфері безпеки — це конфіденційність і безпечний доступ до інформації, особливо на периферійних пристроях. Як зазначалося вище, забезпечення регуляторної прозорості поряд із забезпеченням конфіденційності є постійним викликом.

Споживачі з побоюванням ставляться до того, що їхня особиста інформація доступна в інтернеті, а також до її цінності як для підприємств, так і для зловмисників. GDPR і Каліфорнійський закон про захист персональних даних споживачів створюють прецедент для захисту прав споживачів на приватність. Але дотримання цих законів — це зовсім інша історія.

Стаття 15 GDPR передбачає, що суб’єкт має право знати, яку особисту інформацію використовують компанії.

Компанії юридично та етично зобов’язані передати її та видалити на вимогу, якщо хтось звернеться з проханням про надання інформації. Це створює логістичні проблеми для компаній — якщо вони обслуговують клієнтів в Європі, їм потрібно визначити, яку інформацію вони будуть зберігати і як саме.

Як підприємства можуть захистити периферійні дані? Фреймворк служби безпечного доступу (SASE) — це наступний великий крок у захисті мережі, який переносить протоколи безпеки і засоби управління на периферію.

Подальші перспективи

У найближчі роки можна очікувати посилення нормативних вимог. Компанії змушені будуть балансувати на межі між забезпеченням конфіденційності та доступності інформації, залишаючись при цьому гнучкими та конкурентоспроможними.

Оскільки хмарні вертикалі відкривають нові можливості, компанії прагнуть впроваджувати управління кіберризиками на ранніх стадіях процесу розгортання програмного забезпечення. Безпека, що надається постачальником, може бути недостатньою для задоволення конкретних потреб. Ось чому користуються попитом кастомні модулі кібербезпеки.

Ключовою частиною управління ризиками тепер є управління даними ШІ, що є новим викликом для підприємств.

Кібербезпека для ШІ: управління довірою, ризиками та безпекою штучного інтелекту (AI-TRiSM)

Алгоритми ШІ можуть легко витягувати інформацію, що викликає занепокоєння у галузях, які використовують конфіденційну інформацію, таких як оборонна промисловість, охорона здоров’я та фінансові послуги. Завдання підприємств полягає в тому, щоб розкрити лише мінімальний обсяг інформації, але при цьому мати можливість скористатися перевагами технології штучного інтелекту.

Не допомагає і те, що ШІ здебільшого не випробуваний і не протестований, а тому перебуває під посиленою увагою через звинувачення в расових, гендерних і соціально-економічних упередженнях. Управління ризиками, пов’язаними зі штучним інтелектом, є критично важливим для бізнесу — ніхто не може дозволити собі дефіцит довіри у відносинах зі співробітниками та клієнтами.

Управління довірою, ризиками та безпекою ШІ (AI-TRiSM) підштовхує до розширення сфери управління на дані та моделі ШІ. Але алгоритми є динамічними, а моделі самонавчання та управління намагаються встигати за ними, що перетворює контроль на справжній кошмар. Помилки, ймовірно, будуть швидко множитися, враховуючи швидкість, з якою розвиваються системи штучного інтелекту.

Усунення людського фактору шляхом автоматизації завдань інтеграції та виявлення — це один із способів уникнути упередженості та ненавмисних помилок. Іншим способом є збір інформації за допомогою технологій, що не потребують участі людини, наприклад, чат-ботів.

Підприємства будуть шукати інструменти оцінки ризиків, що включають тестування ШІ, оскільки він міцно вкорінюється в бізнес-аналітиці.

Штучний інтелект для кібербезпеки

Алгоритми ШІ попередньо запрограмовані на завчасне виявлення аномалій — прогностичне розуміння є значною перевагою. Вони налаштовані на розгортання оновлень і виправлення рутинних помилок, коли система виявляє атаку або стикається з проблемою. Його похідні, алгоритми машинного навчання та глибокого навчання, допомагають визначити поведінку мережі та закономірності, навчаючись у процесі роботи.

Як зазначалося вище, автоматизація ШІ — це благо. Автоматизовані робочі процеси для забезпечення безпеки системи на основі ШІ включають виявлення шахрайства і шкідливого ПЗ, оцінку мережевих ризиків і розпізнавання бот-мереж. Серед інших — автентифікація користувачів, фільтрація спаму, усунення вразливостей і безпека кінцевих вузлів.

6. Автоматизація й надалі полегшуватиме життя

Зменшення витрат на робочу силу та оптимізація ресурсів є основними рушійними силами автоматизації. Автоматизований код може виконувати все — від простих і складних завдань до повної інфраструктури бізнес-систем.

Адміністрування, моніторинг, перевірка та затвердження завдань, управління базами даних, інтеграція, управління системами та виправлення помилок в ОС — основні кандидати на автоматизацію на рівні завдань.

На рівні інфраструктури це зовсім інша гра.

Платформа-як-послуга у хмарі пропонує інтуїтивно зрозумілі інтерфейси програмування, за допомогою яких користувачі можуть налаштовувати додатки, не знаючи коду, а автоматизація працює у фоновому режимі. Інфраструктура-як-код — це архітектура, яка передбачає управління вихідними з’єднаннями, мережами, обчислювальними ресурсами та системами зберігання даних за допомогою внутрішнього коду.

Ці готові рішення дозволяють компаніям швидше розпочати роботу і досягти узгодженості, масштабованості та ефективності. Це краще, ніж керувати окремими компонентами в інтегрованому програмному комплексі. Автоматизація сприяє послідовним, перевіреним діям, зменшуючи кількість помилок і створюючи довіру до надійності результатів.

Автономна база даних Oracle — один із таких прикладів. Це самокерована, самонастроювана і самооновлювана платформа з автоматичним відновленням після збоїв, що працює на базі Exadata. Вона полегшує робоче навантаження на розгортання бази даних, розміщуючи кілька операцій центру обробки даних у хмарі.

Іншим прикладом автоматизації є конфігурація тригерів для сповіщень і попереджень, а також надання інсайтів за розкладом.

А ось наступне найкраще рішення включає в себе вжиття дій всередині візуалізацій у відповідь на наявну інформацію.

TIBCO Spotfire нещодавно запустив Cloud Actions, свій модуль без коду для переходу від інсайтів до дій. Команди можуть планувати обслуговування інфраструктури, створювати оповіщення, відкривати заявки, перезавантажувати інформацію, створювати виклики API і додавати нотатки в CRM-програми з візуалізації Spotfire.

Подальші перспективи

Керівники компаній все частіше прагнуть переорієнтувати команди з моніторингу систем та вимірювання продуктивності на високоцінні інженерні завдання. Вони знають, що платити людям за підтримку процесів, серверів і центрів обробки даних — це марна трата часу, звідси і прагнення до автоматизації.

Але технічна складова застарілих систем не зникає за одну ніч, а компоненти, налаштовані вручну і вкорінені в бізнес-екосистему, можуть сповільнити процес впровадження. Виділення команди для забезпечення дотримання правил автоматизації — чудовий спосіб рухатися вперед.

7. Цівільні фахівці з даних візьмуть на себе роль аналітиків

Mordor Intelligence прогнозує, що ринок ПЗ для бізнес-аналітики зросте до $103,65 млрд до 2026 року. Швидкість отримання інформації та розширені можливості сприяють його зростанню, а люди, які користуються перевагами бізнес-аналітики, не завжди є фахівцями з аналізу даних.

Тренди в бізнес-аналітиці вказують на те, що її майбутнє в руках некваліфікованих аналітиків — осіб, які приймають рішення, та менеджерів. Ні для кого не є несподіванкою, що можливості самообслуговування BI та аналітики вирівнюють ігрове поле для технічних і нетехнічних користувачів.

Автономна розробка робочих процесів формує нову породу розробників, які не є ІТ-спеціалістами і створюють аналітичні додатки без коду за допомогою декількох кліків мишею. Який результат?

Компаніям більше не потрібні ІТ-команди для доступу до інформації. Інтуїтивно зрозумілі візуалізації, інтерактивні звіти та прості у використанні дашборди дають можливість пересічним громадянам проводити бізнес-аналіз.

8. Інтернет речей + штучний інтелект додадуть цінності інсайту

Що стосується інформації, то чим більше її є, тим краще. Те ж саме стосується і даних IoT — коли вони включені в бізнес-інформацію, вони збагачують розуміння, сприяючи навчанню моделей. Машинне навчання керує аналітикою IoT, вказуючи вам на приховані закономірності за допомогою прогнозів і автоматизованих рекомендацій.

Описова, діагностична, предиктивна та прескриптивна аналітика — це різні способи розгляду інформації та її інтерпретації. Описова аналітика розглядає існуючу бізнес-аналітику. Діагностична аналітика — це нарізка і розбивка метрик, щоб визначити, чому щось сталося.

Прогностична аналітика передбачає з’ясування того, що, ймовірно, станеться на основі наявної інформації. А прескриптивна аналітика забезпечує підтримку прийняття рішень шляхом отримання можливих планів дій для отримання бажаних результатів.

Mordor Intelligence прогнозує, що ринок ПЗ для предиктивної та прескриптивної аналітики зросте до $29,97 млн до 2026 року.

Для бізнесу IoT додає індустріальну інформацію в режимі реального часу для прескриптивної аналітики. Базування результатів на формулах і статистичних даних без розуміння в реальному часі може призвести до невдачі в живому бізнес-контексті. Помилкові спрацьовування через неповні вхідні дані можуть виявитися небезпечними в життєво важливих галузях, таких як охорона здоров’я, оборонна промисловість і фінансові послуги.

Використовуючи телеметричні дані з датчиків IoT, системи ШІ пропонують відповідні дії, створюючи навчальний маршрут для алгоритмів машинного навчання. Це допомагає оптимізувати справжні позитивні результати, послідовно покращуючи їх з часом. У результаті алгоритми машинного навчання мають достатньо інформації, щоб передбачати та запобігати збоям, пропонуючи відповідні дії.

Подальші перспективи

Поєднання Інтернету речей та машинного навчання виводить на перший план питання безпеки та управління ризиками, пов’язаними зі штучним інтелектом. У найближчі роки в центрі уваги керівників компаній буде оцінка існуючих протоколів управління, щоб зрозуміти, куди вписується це партнерство.

9. Блокчейн стимулюватиме бюджети та бізнес

Спочатку блокчейн був технологією для торгівлі біткоїнами, але підприємства, наукові установи та підприємці бачать майбутнє в його індустріалізації. Блокчейн передбачає запис цифрових транзакцій у публічній мережі з повною прозорістю для всіх учасників.

Інтерес підприємств до технології блокчейн має двоякий вплив на бізнес: інвестиційний (і тоді бізнес-аналітики повинні враховувати його під час фінансового планування) і як рушійний фактор для підвищення ефективності бізнесу.

З’єднання блокчейнів між системами дозволяє позбутися інформаційних сховищ. Оскільки кожен блок пов’язаний із попереднім і наступним, зменшується ймовірність дублювання і підвищується прозорість спільного прийняття рішень. Блокчейн підтримує мережі з протоколами аутентифікації/авторизації, які забезпечують доступ лише перевіреним користувачам.

Шифрування та криптографічні методи забезпечують безпеку інформації — вона захищена від несанкціонованого доступу. Транзакції відбуваються швидше завдяки одноранговим з’єднанням між вузлами, що прискорюють передачу даних без посередницьких протоколів.

Подальші перспективи

Бізнес-аналітика передбачає співпрацю з різноманітними стейкхолдерами з різними очікуваннями та рівнями довіри, а блокчейн допомагає побудувати довіру за допомогою протоколів безпеки та дозволів.

Впровадження блокчейну, схоже, зростатиме в найближчі роки. За прогнозами Statista, до 2024 року світові витрати на технологію блокчейн сягнуть $19 млрд.

Зацікавленість підприємств у цій технології вимагатиме від бізнес-аналітиків розуміння того, що вона собою являє і як її оптимально використовувати на користь організації. Крім того, організації звертатимуться до бізнес-аналітиків за пропозиціями та стратегіями для розширення співпраці між стейкхолдерами.

На завершення

Оскільки компанії продовжують відкривати справжні шлюзи інформації про клієнтів, ми бачимо, що в майбутньому бізнес-аналітика приділятиме більше уваги безпеці та конфіденційності. Іншими помітними трендами є монетизація цифрових активів за допомогою безпечного обміну інформацією, прескриптивна аналітика з використанням Інтернету речей та управління ризиками за допомогою штучного інтелекту.

Ілюстрація: corporatevision-news.com