مروری بر سیر پیشرفت «تحلیل‌های پیشرفته و هوشمندی کسب‌و‌کار» در سال ۲۰۱۶

نویسنده: حسام حولگر - شرکت هوشمندی تجاری همکاران سیستم

 صنعت فناوری اطلاعات (IT) همواره تحت تأثیر روندهای پیشرفت تکنولوژی و تجاری بوده است. در سال‌های اخیر، روندهای جدیدی ظهور یافته‌‌اند که تأثیر قابل‌توجهی بر فعالیت‌های سازمان‌‌ها و ارتباطات و تعاملات آن‌ها داشته‌اند. این روندها که در ۹ حوزه اصلی دسته‌بندی می‌شوند و به روش‌های گوناگون استراتژی‌‌ها، عملیات و سرمایه‌‌گذاری‌‌های سازمان‌‌ها را تحت تاثیر قرار می‌دهند را «فراروند»های حوزه فناوری اطلاعات می‌نامند. این فراروندها عبارتند از:

  • مدیریت و تحلیل داده‌های عظیم (Big Data Analytics)
  • دیجیتال‌سازی (Digitalization)
  • مصرف‌کننده‌سازی (Consumerization)
  • چابکی فرآیندها و کسب و کار (Agility)
  • مدیریت امنیت داده‌ها (Security)
  • تحلیل‌های پیشرفته داده‌ها (Analytics)
  • رایانش ابری (Cloud Computing)
  • خدمات همراه (Mobile Services)
  • هوشمندی کسب‌و‌کار اجتماعی (Social Business Intelligence)

این فراروندها عوامل اصلی پشت صحنه‌ی همگرایی نرم‌‌افزارها و فناوری‌‌های هوش تجاری BI، Advanced Analytics و مدیریت داده‌ها هستند و آینده هوشمندی کسب‌‌وکار را شکل می‌‌دهند.

سال ۲۰۱۶ یک سال مهم برای صنعت هوشمندی کسب‌و‌کار بوده است. روندهای سال گذشته همچنان در سال جدید نیز وجود دارند، اما دورنمای هوشمندی کسب وکار در حال توسعه و تکامل است و روندهای جدیدی در حال ظهور هستند. در سال ۲۰۱۷ استراتژی هوشمندی کسب وکار بیش از پیش برای هر شرکت سفارشی‌‌سازی خواهد شد. کسب‌‌وکارها در ۲۰۱۷ دیگر نخواهند پرسید که «آیا» نیاز به تحلیل‌‌های بیش‌تر نرم افزار هوش تجاری (BI) وجود دارد یا خیر، بلکه خواهند پرسید که «چه» راهکار و تحلیلی برای کسب‌‌وکارشان مفیدتر است. سال ۲۰۱۷ سال ابزارهای ترکیبی BI خواهد بود  که در قالب داده‌های پاک و ایمن در ترکیب با نمایش و تحلیل قدرتمند ارائه خواهند شد. در ادامه روندهای اصلی هوشمندی کسب وکار در سال ۲۰۱۷ را مرور می‌کنیم.

تحلیل‌های آینده نگر و تجویزی

تحلیل پیشرفته کسب‌‌وکار (Business Analytics) در آینده سعی در پاسخ دادن به سؤالاتی از قبیل «چه روی خواهد داد؟» و «چگونه تصمیم خود را محقق کنیم؟» خواهد داشت. بر همین اساس تحلیل‌‌های پیش‌‌بینی‌کننده و تجویزی، روندهای مورد توجه متخصصان هوش تجاری (BI) خواهند بود.

تحلیل پیش‌‌بینی‌کننده یا آینده‌نگر عبارت است از استخراج روندهای منظم و پنهان از داده‌‌های موجود به‌‌منظور پیش‌بینی احتمالات قابل وقوع آینده. تحلیل پیش‌‌بینی‌کننده داده‌‌های برآوردی آینده را در بر می‌‌گیرد و همواره تا حدودی احتمال خطا در آن وجود دارد. این تحلیل با سطح اطمینان قابل قبولی نشان می‌‌دهد در آینده چه روی می دهد و می‌‌تواند شامل سناریوهای جایگزین و ارزیابی ریسک نیز باشد. تحلیل پیش‌‌بینی‌کننده در کسب‌و‌کار برای تجزیه و تحلیل داده‌‌های فعلی و وقایع قبلی به‌‌منظور درک بهتر مشتریان، محصولات، شرکا و شناسایی ریسک‌‌ها و فرصت‌‌های یک شرکت به‌‌کار می‌‌رود.

صنایع مختلف به روش‌‌های گوناگون با تحلیل پیش‌‌بینی‌کننده روبرو می شوند. شرکت‌‌های هواپیمایی از آن برای تصمیم‌گیری در مورد اینکه چند بلیط با چه قیمتی برای یک پرواز بفروشند استفاده می‌‌کنند. هتل‌‌ها سعی می‌‌کنند تعداد مهمانانی که در هر شب خاص ممکن است مراجعه کنند را پیش‌‌بینی کنند تا قیمت‌‌هایشان را برای حداکثر کردن نرخ اشغال اتاق ها و افزایش درآمد تنظیم کنند. فروشندگان، رفتار مشتریان یا خریدها را تعیین می‌‌کنند تا فرصت‌‌های فروش متقاطع و حداکثری از بین کالاها و خدمات ایجاد کنند. بانک‌‌ها از تحلیل آینده‌نگر برای امتیازبندی اعتباری مشتریان و خوشه‌بندی آن‌ها برای تدوین راهبردهای بهینه‌ی بازاریابی استفاده می‌‌کنند.

تحلیل تجویزی یک گام جلوتر از آینده می‌‌رود. این نوع از تحلیل، داده‌‌ها یا محتوا را برای تعیین اینکه برای رسیدن به یک هدف چه تصمیماتی باید گرفته شود و چه گام‌‌هایی باید برداشته شود، بررسی می‌‌کنند. این تحلیل، روش‌هایی مانند تجزیه و تحلیل نمودار، شبیه‌‌سازی، پردازش رویدادهای پیچیده، شبکه‌‌های عصبی، الگوریتم‌های پیشنهاد دهنده، روش‌‌های ابتکاری و یادگیری ماشینی را جهت یادگیری، اصلاح خطا و تدوین سناریوهای قابل اجرا به کار می گیرد. تحلیل تجویزی سعی دارد به منظور بهبود تصمیم‌ها، تأثیرات آتی آن‌ها را بسنجد. همچنین به بهینه‌‌سازی برنامه‌‌ریزی، تولید، انبارداری و طراحی زنجیره تأمین کمک می‌‌کند تا چیزی را که مشتری درخواست می کند، به بهینه‌‌ترین شکل ممکن ارائه دهد.

داده‌های عظیم (Big Data)

اصطلاح داده‌ی عظیم یا بزرگ‌‌داده تقریباً در هر صنعتی و در بیش‌تر بخش‌‌های هر سازمانی مورد توجه است. دلیل این موضوع این است که در عصر حاضر ما با حجم بی‌‌پایانی از داده روبرو هستیم که می‌‌تواند به ما در شناخت بهتر کسب‌وکار، کارمندان، مشتریان و …کمک شایانی کند.

اما در مورد اهمیت بزرگ‌‌داده نباید بزرگ‌نمایی شود. بادرنظرگرفتن اینکه مقدار سرسام‌‌آوری داده در دنیا وجود دارد، تعداد کمی از شرکت‌‌ها از آن استفاده‌ی بهینه می‌‌کنند. تحلیل داده‌‌ها به ما نشان می‌‌دهد که مشتریان‌مان چگونه فکر می‌‌کنند، چه نیازی دارند و بازار برند ما را چگونه می‌‌بیند. در عصر دیجیتال تقریباً همه‌‌چیز قابل اندازه‌‌گیری است. در سال پیش رو این موضوع سنگ بنای چگونگی عملکرد سازمان‌‌ها خواهد بود. هر تصمیم مهم می‌‌تواند (و باید) با داده و تحلیل حمایت شود.

یک زنگ خطر برای بسیاری از شرکت‌‌ها این است که فقط از بخشی از ظرفیت ممکن بزرگ‌‌داده (Big Data) استفاده می‌‌شود. شرکت‌‌های زیادی در حاشیه گرفتار شده‌‌اند زیرا درگیر این هستند که چگونه و از کجا باید شروع کنند. راه‌حل این است که مهم‌‌ترین مشکلات کسب‌‌وکار شناسایی شوند و از بزرگ داده (یا داده عادی) برای حل آن‌ها استفاده شود. روی مشتری‌‌ها، کسب‌‌وکار و پرسنل تمرکز شده و به جای اینکه برای رسیدن به وضعیت مورد نظر اصرار شود، از داده برای دانستن آنچه نمی‌‌دانیم استفاده شود. بدون شک استفاده از بزرگ‌‌داده و تحلیل‌های پیشرفته بر روی آن، کانون تحولات دیجیتالی سازمان‌‌ها در سال ۲۰۱۷ خواهد بود.

هوشمندی کسب‌‌وکار همراه (Mobile BI)

امروزه نیروهای کاری بیش از پیش سیار شده‌‌اند و راهکارهای همراه برای تحلیل داده در حال بلوغ هستند. اکنون کارمندان می‌‌توانند از طریق ابزارهای همراه به‌‌صورت به‌‌روز به داده‌‌ها دسترسی و روی آن‌ها تحلیل داشته باشند. روند راهکارهای همراه با شتاب به پیشرفت ادامه می‌‌دهند. این روندها منابع جدید اطلاعات را در دسترس قرار داده و آنها را برای سازمان‌‌های کوچک و بزرگ، حتی سازمان‌‌هایی که مهارت تحلیل پیشرفته یا منابع اطلاعات داخلی ندارند قابل مصرف و معنی‌‌دار می‌‌سازند.

تقاضا برای ابزارهای هوشمندی کسب‌‌وکار Self-Service به کسب‌‌وکارهای بیشتری گسترش یافته است. افزایش حجم بزرگ‌‌داده‌‌ها به معنی افزایش تعداد سازمان‌‌هایی است که نیاز به تکنولوژی‌‌های پرس و جو، تحلیل و گزارش‌گیری آسان و اغلب بر بستر ابر (Cloud) دارند. قابلیت‌‌های جدید آماده‌‌سازی داده به کاربران تجاری اجازه می‌‌دهند اختیارات کنترلی بیشتری روی دسترسی، مدیریت و مصورسازی داده‌‌ها داشته باشند و امکان آماده‌‌سازی، یکپارچه‌سازی، سازماندهی، مدل‌سازی و غنی‌سازی داده‌‌هایی که قابل اشتراک بین همکاران و سهام‌داران است را فراهم می‌کنند.

هوشمندی اجتماعی در کسب وکار

 امروزه در محیط رقابتیِ رو به افزایش، مدیران و کارکنان باید به شکل متفاوتی با یکدیگر تعامل داشته باشند. در این راستا شاهد گسترش بیش از پیش نوع جدیدی از هوش تجاری BI به نام هوشمندی کسب‌وکار مبتنی بر همکاری (هوش جمعی) هستیم. این مفهوم ترکیبی از ابزارهای تعاملی مانند رسانه‌‌های اجتماعی و سایر تکنولوژی‌‌های نسل ۲.۰ با نرم‌‌افزارهای هوشمندی کسب‌و‌کار است. این مفهوم در بستری از تعامل قوی توسعه می‌‌یابد که چالش‌‌های جدیدی که کسب‌‌وکارهای سریع ایجاد می‌‌کنند را در نظر می‌‌گیرد. در این کسب‌‌وکارها تجزیه و تحلیل‌‌های بیشتری انجام می‌شوند و گزارش‌‌های مدیریتی به‌طور مستمر اصلاح و تعدیل می‌‌شوند. وقتی در مورد هوش تجاری BI مبتنی بر همکاری صحبت می‌‌‌شود، عبارت “Self-Service BI” یا هوشمندی کسب‌و‌کار به‌صورت خدمت شخصی به سرعت خودنمایی می‌‌کند زیرا ابزارهای Self-Service BI به سرعت استقرار یافته، ساده هستند و نیازی به یک تیم فناوری اطلاعات سازمان برای دسترسی، تفسیر و درک داده‌‌ها ندارند.

این ابزارهای هوش تجاری (BI) به اشتراک‌گذاری گزارش‌‌های اتوماتیک که در زمان‌‌های مختلف برنامه‌‌ریزی شده‌‌اند را برای افراد خاص آسان‌‌تر می‌‌کنند. همچنین این امکان را فراهم می‌‌کنند که هشدارهای هوشمند ساخته شوند و داشبوردهای عمومی یا پیش‌‌ساخته با حد منعطفی از تعامل به اشتراک گذارده شوند. همه این امکانات که روی همه دستگاه‌‌ها قابل دسترس هستند فرآیندهای تصمیم‌‌گیری و حل مسئله را بهبود می‌‌دهند.

تحلیل بر بستر رایانش ابری

حضور همه جانبه‌ی رایانش ابری (Cloud) موضوع جدیدی برای افرادی که روندهای BI را دنبال می‌‌کنند نیست. رایانش ابری در سال ۲۰۱۷ با هجوم هرچه بیشتر شرکت‌‌ها به این سمت به دلیل افزایش ابزارهای بر بستر ابر موجود در بازار، سیطره خود را ادامه خواهد داد. علاوه بر این کارآفرینان خواهند آموخت که چگونه از قدرت تحلیل روی ابر استفاده کنند زیرا بیشتر عناصر لازم (منابع داده، مدل‌‌های داده، برنامه‌‌های پردازش، قدرت محاسبات، مدل‌‌های تحلیلی و مخزن داده‌‌ها) بربستر ابر قرار دارند.

بدون شک امنیت یکی از مهم‌ترین روندهای هوشمندی کسب‌وکار در سال‌‌های اخیر بوده است. خبرهای زیادی از نقض داده و مسائل امنیت داده مانند از دست رفتن اطلاعات  توسط برندهای بزرگی چون AOL، MySpace، Compass Bank، AT&T، NHS، LinkedIn، Apple، JP Morgan و Anthem منتشر می‌شود. هنگامی که شرکت‌‌های بزرگ خبرساز می‌‌شوند نگرانی در مورد آسیب‌‌پذیری شرکت‌‌های کوچک افزایش می‌‌یابد.

امنیت پایگاه داده هم در شرکت‌‌های عمومی و هم در شرکت‌‌های خصوصی تبدیل به یک بحث داغ شده است. این موضوع در سال ۲۰۱۷ سرعت بیشتری می‌‌یابد. مالکان کسب‌‌وکارها با شدت بیشتری به دنبال امن‌‌ترین راهکار برای کاهش ریسک نقض و از دست دادن داده می‌شوند.

در این زمینه یک بحث داغ انتخاب بین ابزارهای BI داخل سازمانی یا بر بستر ابر است، اینکه نرم‌‌افزار بر روی سرورهای شرکت نصب شود یا روی ابر میزبانی شود. جدول زیر منافع و معایب هر دو حالت را به‌‌طور خلاصه نمایش می‌‌دهد.

BI بر بستر ابر(Cloud) BI بر بستر سرورهای داخلی
زمان پیاده‌سازی کوتاهزمان پیاده‌سازیدر حالت کلی کمی طولانی
کمسرمایه‌گذاری مستقیمزیاد
نداردهزینه سخت‌افزاری اضافیدارد
قابل پیش‌بینیهزینه‌های ثابتغیرقابل پیش‌بینی (احتمالا کم)
قابلیت کمتر در حالت کلیمیزان سفارشی‌سازیقابلیت زیاد سفارشی‌سازی
فروشنده
استانداردهای کنترل امنیت داده

 

 
استانداردهای کنترل امنیت داده

 

 
سازمان
استانداردهای کنترل امنیت داده

 

 

منابع:

  • Datapine
  • Information Management
  • Gartner
  • Liquidhub
  • McKinsey
  • Futurum
  • Microsoft