Kuvittele tilanne, jossa ajat ylinopeutta. Auton nopeusmittarin tulee näyttää lukema reaaliajassa, jotta saat tietoa toiminnastasi ajoissa ja ymmärrät hidastaa vauhtia. Reaalimaailman tapahtumissa ei ole viiveitä, vaan kaikki tapahtuu heti. Datamaailman kello puolestaan jätättää usein sen verran, ettei tarvittava tieto ehdi päätöksenteon tueksi tarpeeksi nopeasti. PAM – olet ajanut kolarin. Kuinka tilanne estetään organisaatioissa?

ANALYTIIKAN ARVOKETJUN VAIHE 1: REAALIAIKAISET DATAVIRRAT

Organisaatioissa datan tulee tukea päätöksentekoa tehokkaasti, ei hidastaa sitä. Usein aikaa menee kuitenkin yllättävän paljon siihen, että data saadaan lähdejärjestelmistä hyötykäyttöön ja vieläpä ilman virheitä. Dataa on usein monessa paikassa, ja sitä joutuu siirtelemään paljon. Samaan aikaan johdon pitäisi tehdä päätöksiä sen perusteella, mitä maailmassa juuri sillä hetkellä tapahtuu.

Nykypäivänä moni organisaatio haluaakin siirtyä reaaliaikaiseen muutosten siirtämiseen. Kun lähdejärjestelmissä tapahtuu jotain, kirjataan muutokset lähdejärjestelmän kantaan ja keskitettyyn tietovarantoon yhtäaikaisesti. Näin muutokset replikoidaan vain sekuntien viiveellä, ja kuilu data- ja reaalimaailman välillä kapenee.

Keskiöön nousevat reaaliaikaiset, automatisoidut datavirrat, joiden avulla muutokset saadaan replikoitua suoraan lähteistä automaattisesti raakadataksi ja edelleen liiketoimintavalmiiksi dataseteiksi, joita voidaan hyödyntää ketterästi organisaation eri puolilla. Hyvänä esimerkkinä toimii Qlik Data Integration -teknologia (aiemmin nimellä Attunity), joka mahdollistaa edellä kuvatun automatisointiketjun todella pitkälle. Teknisen kikkailun sijaan tärkeintä on kuitenkin ymmärtää, että automatisointi toimii ratkaisuna kahden eri aikaa tikittävän kellon välillä.

 

Cubiqin Data & AI -liiketoimintajohtaja Jarmo Rajalan puheenvuoro ”Is Real-Time Unreal In Your Data Value Chain?” Analytics and Data Science -virtuaalitapahtumassa 1.9.2020.

ANALYTIIKAN ARVOKETJUN VAIHE 2: DATAN AUTOMAATTINEN HALLINTA JA MALLINNUS

Nykypäivänä tietovarasto toimii usein pilvessä, jonka infrastruktuuri on mahdollista automatisoida esimerkiksi Snowflaken avulla. Pilvitietovaraston täydellisen automatisoinnin ja optimoinnin myötä organisaatiot voivat keskittyä suoraan datan hallinnan automatisointiin DWA-teknologioilla (Data Warehouse Automation), mikä mahdollistaa reaaliaikaisia datavirtoja tukevan rakenteen automaattisen hallinnan data-alustassa. Lisäksi oleellista on automaattisesti skaalautuvan infrastruktuurin luoma suorituskyky, jonka avulla datasta voidaan hakea tietoa ja saada vastauksia nopeasti reaaliajassa ilman tuntien tai päivien katkosta. Dataa voi aidosti hyödyntää käyttäjän sitä tarvitessa.

ANALYTIIKAN ARVOKETJUN VAIHE 3: REAALIAIKAINEN DATA PÄÄTÖKSENTEON TUKENA

Liiketoimintapäättäjän kannalta keskeisin kysymys on, kuinka hyödyntää päätöksenteossa reaaliaikaista dataa. Staattiset raportit ja ennalta määritetyt mittaristot toimivat oivina työkaluina, kun analysoinnin sykli on toistuva ja etukäteen määritelty. Ennalta määrittelemättömään, reaaliaikaiseen analytiikkaan voidaan myös tuoda ennakoivia hälytteitä ja suosituksia, jotka ohjaavat huomion oleellisiin asioihin.

Usein pöydällä oleviin akuutteihin kysymyksiin halutaan saada vastauksia heti, jolloin apuna voidaan käyttää esimerkiksi ThoughtSpotia. Sen avulla käyttäjät voivat hakea datasta hakusanojen avulla vastauksia aivan kuten Googlesta. Snowflaken tehokkuuteen yhdistettynä ratkaisu on lyömätön: ThoughtSpot lukee suoraan Snowflaken metadataa, jolloin erillisiä datamalleja ei tarvita. Tämä avaa uusia helppokäyttöisiä mahdollisuuksia etenkin niille, jotka eivät työkseen käsittele datakatalogeja ja dashboardeja vaan tarvitsevat täsmätarpeeseen täsmätietoja datasta reaalimaailman nopeudella. Analytiikan arvoketjun optimointi tarkoittaa, ettei päätöstentekijöiden tarvitse olla dataguruja ja hoitaa manuaalisesti konepellin alla olevaa tekniikkaa saadakseen reaaliaikaista tietoa päätöksentekonsa tueksi.

OPTIMOI ORGANISAATIOSI ANALYTIIKAN ARVOKETJU

Onko organisaatiossasi tehty viime aikoina näkyviä toimenpiteitä analytiikan arvoketjun optimoimiseksi vai tarvitsetteko tukea oikeanlaisten toimenpiteiden kartoittamiseen? Lisätietoa saat osallistumalla Qlikin ja Snowflaken yhteiseen webinaariin 10.9. sekä ottamalla yhteyttä Cubiqin asiantuntijoihin. Me optimoimme asiakkaidemme analytiikan arvoketjun liiketoimintalähtöisesti ja maailman johtavien teknologioiden avulla.

 
Lue myös Jarmo Rajalan kirjoitus siitä, miksi modernit pilviteknologiat ovat ainut vaihtoehto datan hallinnassa:
 

Miksi pilvi ei ole vaihtoehto?

 

Miksi edes maailman parhaat välineet eivät auta päätöstenteossa?