Удо Сглаво: «Одна из главных задач бизнес-аналитики – транслировать полученные выводы в объяснения, понятные неспециалистам в области аналитики»

Тема полезности аналитики для современного бизнеса сегодня обсуждается очень активно, и неудивительно, что рынок программного обеспечения бизнес-аналитики одним из немногих практически не пострадал во время экономической нестабильности – именно аналитический инструментарий помогает компаниям выбирать правильную линию. На состоявшемся в Москве Пятом международном форуме SAS Forum Russia 2010 Удо Сглаво, ведущий эксперт глобальной технологической практики компании SAS, рассказал о подходах к реализации возможностей бизнес-аналитики и перспективах ее развития.

В чем разница между «бизнес-аналитикой» и «углубленной аналитикой»?

Непонимание разницы между BI и business analytics — общая проблема. Еще два года назад все говорили только о BI, и только недавно компании начали понимать, что именно бизнес-аналитика дает дополнительную ценность. Бизнес-аналитика включает в себя сбор информации, управление данными, создание статистических отчетов и все, что можно назвать традиционным BI, а также создание аналитических моделей. В последнем пункте и сосредоточена разница между BI и бизнес-аналитикой. Если вы анализируете базу данных клиентов, то инструменты BI позволят выявить лучших, получить информацию об их последних покупках и т. п. В то время как средства бизнес-аналитики, основываясь на модели, дают возможность посмотреть в будущее, например понять, есть ли риск, что этот клиент уйдет к другому поставщику.

Бизнес-аналитика начинается с простого статистического анализа, позволяющего получить средние величины, а следующий шаг – прогнозное моделирование, с помощью которого ищутся корреляции в данных для составления прогнозов. Еще одна область называется статистическим прогнозированием, и здесь отслеживается поведение объектов в течение некоторого времени и определяются характеристики в собранных данных, для того чтобы оценить возможные будущие требования, например спрос. И последняя область бизнес-аналитики – это оптимизация, применение математических моделей оптимизации для получения наилучшего результата. Платформа бизнес-аналитики должна предоставлять доступ ко всем перечисленным методам, а в идеальном случае – также доступ к средствам управления данными и возможность распространять информацию среди пользователей, которые могут и не быть профессиональными аналитиками. Таким образом, в нашем понимании бизнес-аналитика – это расширенное множество методов и средств, включающее в себя управление данными, инструменты BI и более глубокие аналитические возможности.

Можно ли провести четкую границу предложения SAS в области бизнес-аналитики?

Продукт Rapid Predictive Modeler разработан специально для неспециалистов, а решение по углубленному анализу данных Enterprise Miner требует специальных знаний моделирования.

Какие перспективные направления бизнес-аналитики сейчас разрабатываются в SAS?

Одна из областей исследований, которые мы ведем, в частности с HP, высокопроизводительные вычисления. Оборудование дешевеет, становится все более мощным и можно попробовать запускать аналитические задачи на гигантских процессорных комплексах с использованием grid-технологий. Другая область – реализация в партнерстве c Teradata аналитических функций непосредственно в базе данных (in-database analytics). Еще одно

направление – аналитика в оперативной памяти (in-memory analytics). Мы называем эту технологию визуальным обнаружением данных. Развитие этой новой области также стало возможным благодаря колоссальному росту мощности современного аппаратного обеспечения, но, конечно, это только начало долгого пути.

Какие средства бизнес-анализа оптимальны для облаков?

Основная проблема, которая возникает при переносе аналитических средств в публичное облако, это чувствительность (sensitivity) данных. И тут все зависит от клиента, например, я уверен, что банк не будет загружать мои персональные данные в облако, но в других сферах использование облака может иметь смысл, и хороший кандидат – анализ социальных медиа. Мы должны решить проблему анализа данных в виртуальном пространстве – в блогах, социальных сетях, не являясь при этом владельцем этих данных.