Forrás: Saját kutatás eredménye a Hovath & Partners tanácsadó céggel végzett közös projekt alapján
57 A reakcióidő hossza nagyban függ a vállalatnál használt technológiától és az alkalmazott szakértőgárda kapacitásától és szaktudásától. Az információ technológia az Ipar 4.0 keretein belül rohamos fejlődésen ment át az elmúlt években. Ezekről a technológiákról és a controllingra gyakorolt hatásáról szeretnék ismertetőt adni a következő bekezdésekben.
Számos szakcikket végig olvasva és szakértőkkel folytatott megbeszélések alapján arra jutottam, hogy a vélemények nagyban eltérnek arról, hogy mit nevezünk BI (Business Intelligence – Üzleti Intelligencia) és az Advanced analytics (Fejlett elemzést támogató rendszer) rendszereknek. Ennek legfőbb oka az lehet, hogy ezek a technológiák gyors ütemben fejlődnek. Azt mindenesetre kijelenthetjük, hogy a két technológia szoros kapcsolatban van egymással és mindegyik célja a döntéstámogatás.
Az Institut für Business Intelligence az alábbiak szerint fogalmaz, mikor definiálja a BI (Business Intelligence – Üzleti Intelligencia) fogalmát: Üzleti intelligencián egy olyan integrált megközelítést értünk, amely stratégiákat, folyamatokat és technológiákat használ, nem homogén belső és külső adatok elemzésére, azzal a céllal, hogy az üzlet számára kritikus információkat szolgáltasson annak állapotáról, lehetőségeiről és a jövőbeli kilátásokról és ezen információkat hozzáférhetővé teszi a döntéshozók számára (Institut für Business Intelligence, 2020).
Ahhoz, hogy megértsük, mi a különbség a BI és az Advanced analytics között érdemes az alábbi ismérveket megvizsgálni:
• Elérhetőség: A BI rendszerek általában a teljes szervezet, míg az advanced analytics az üzleti elemzők számára elérhetők.
• Adatforrás: Míg a BI rendszerek valamilyen üzleti logika mentén kialakított adatforrást (pl: könyvelési rendszer, termelés irányítási rendszer) dolgoznak fel, addig az advanced analytics rendszerek bármilyen, akár nem strukturált adatforrást is képesek kezelni.
• Fókusz: A BI esetében az adatminőség és megbízhatóság, míg az advanced analytics esetében az adatokhoz való hozzáférhetőség.
• Adatmodell: A BI esetén állandó, míg az advance analytics esetében dinamizmus jellemzi.
• Irány: A BI rendszerek a múltbeli adatok elemzésére használhatók, míg az advanced analytics rendszerek kiegészülnek prediktív és előíró (preskriptív) analitikai megoldásokkal.
58
• Célcsoport: A BI rendszer esetében az üzleti felhasználók, míg az advanced analitics esetében inkább a döntéshozók.
Az amerikai szabványügyi hivatal (ANSI) által akkreditált telekommunikációs ipari szövetség (TIA) 2005-ben publikált ANSI/TIA-942 szabványa írja le az adatközpontokat. Ez a dokumentum 3 szintet határoz meg, amelyet rétegnek neveznek. Ezek alapján felhasználói szempontból az üzleti intelligencia modelleket 3 csoportba sorolhatjuk:
• Tier 1: Ebbe a csoportba tartoznak a self service és guided analytics megoldások, melyek az adatokat előre meghatározott modellek segítségével dashboard-ok formájában prezentálják. Magas szintű riporting zajlik ezekben az applikációkban a legfőbb KPI-ok bemutatásával, melyek tipikusan a „mi történt?” kérdés megválaszolására alkalmasak.
• Tier 2: Ide sorolhatjuk a fejlett, intelligens modelleken alapuló automatizált elemzéseket. Általában az adott üzleti területért felelős elemzők és folyamatfejlesztési szakemberek dolgoznak ezen a szinten, így itt egyszerűbb elemzésekre van mód. Tipikusan a „miért történt?” kérdés megválaszolására keresik a választ.
• Tier 3: Ide soroljuk a komplex elemző megoldásokat. Általában külön csoportot hoznak létre a vállalaton belül ennek felépítésére és működtetésére, mely matematikusokból, alkalmazás fejlesztőkből, adattudósokból és üzleti elemzőkből áll. Prediktív elemzések segítségével arra keresik a választ, hogy „mi fog történni?”, illetve mit tehetünk azért, hogy a legteljesebb mértékben kihasználjuk a lehetőségeinket vagy, hogy elkerüljünk egy lehetséges veszélyt.
Összefoglalóan elmondhatjuk, hogy az első szinten az információ megszerzése gyorsabb, viszont kevesebb és kevésbé tagolt információ áll rendelkezésre, így a döntés végrehajtása gyorsabban lehetséges, de ez a döntés kevésbé megalapozott. Ezzel szemben a harmadik szint, sokkal bővebb elemzést tesz lehetővé, ugyanakkor az értékes információ kinyerése több időt vesz igénybe (Balogh, 2020).
A riportok, elemzések és dashboard-ok alapjául szolgáló adatok tárolási és tisztítási technológiája is rohamosan fejlődik. Ezzel kapcsolatban érdemes megvizsgálni a Data Lake és EDW (Enterprise data warehouse) megoldásokat. A Data Lake megoldást a legegyszerűbben úgy képzelhetjük el, mint egy tengert, amelyben sok millió hal úszkál. Nekünk viszont nincs minden halra szükségünk, csak azokra, amelyek számunkra kívánatosak. Ez az adatok szintjére
59 lefordítva azt jelenti, hogy nem minden adat hasznos a vállalat számára, így ezeket ki kell szűrnünk, tisztítanunk kell az adatállományt. Az adatminőséget a felhasználói területnek megfelelően kell értékelni. Az adatokat eredeti formájukban tárolják és a kapcsolódó elemző alkalmazásban valós időben kerülnek feldolgozásra. Ezt a technológiát alkalmazzák az advanced és predictive modellek és a gépi tanulás alapjául szolgálhatnak. Általában az adattudósok és a folyamatfejlesztésért felelős specialisták élnek ezzel a megoldással.
Ezzel szemben az adattárház (EDW) megoldások a tranzakciós rendszerekből származó adatokat a célformátumnak megfelelően alakítják át és mentik el egy központi adatbázisba.
Manapság már nem a szervereken található adattárházak az elterjedtek, hanem a felhő alapú rendszerek. Az adatminőség kérdése kiemelkedően fontos, hiszen az itt tárolt adatok szolgáltatnak alapot a döntéshozatalban. Ezért is szokták ezt „Single Point of Truth”-nak is nevezni. Ezek az adatok szolgálnak a tervezés, a beszámolás és a konszolidálás bázisának. Az EDW fő felhasználói köre a folyamat specialisták, üzleti elemzők és controllerek (Balogh, 2020).
Az előbbiekben bemutatott módon gyűjtött, tisztított és tárolt adatokra lehet csak jól működő beszámolási rendszert felépíteni. A controlling feladata az adatok elemzése, majd a levont konklúziók alapján a menedzsment számára röviden és tömören a mondanivaló megfogalmazása. A vezetőség erre alapozva hozhatja meg a döntéseit. Ezt a folyamatot mutatja a 11. ábra.
11. ábra: Az adattól a döntéshozatalig terjedő folyamat