Od hurtowni danych do Big Data

Transkrypt

1 RAPORT» dodatek promocyjny RAPORT Wielkie zbiory danych 2013 Od hurtowni danych do Big Data Dziś nowe technologie umożliwiają firmom czerpanie korzyści z analizy ogromnych ilości danych. Jednak przedsiębiorstwa zarówno na świecie, jak i w Polsce dopiero zaczynają się uczyć, jak wykorzystać tę szansę.

2 Partnerem raportu jest firma RAPORT Zdjęcie: Picture Press / getty images / flash press media Według przewidywań IDC1 do roku 2020 na całym świecie będziemy przechowywać nawet do 35 zettabajtów danych, czyli 35 miliardów terabajtów, co będzie stanowiło 44-krotny przyrost informacji od 2009 roku. Nawet 85% nowych danych nie zostało usystematyzowanych, np. tekst, rejestry sieciowe, materiały filmowe czy zdjęcia. Jednocześnie prędkość przechwytywania danych rośnie, a firmy i klienci chcą mieć możliwość podejmowania decyzji w czasie rzeczywistym. Gromadzenie i analiza danych to nic nowego dla firm. Rozwiązania typu Business Intelligence są wdrażane w organizacjach od przynajmniej dwóch dekad. Jednak Big Data oznacza wzrost skali i znaczenia tych działań. Zmienia się także podejście. Business Intelligence przyświeca myśl: Zastanówmy się, jakie dane zbierać, żeby uzyskać konkretną wiedzę. Tymczasem Big Data zakłada: Zbierajmy wszelkie możliwe dane i szukajmy w nich wzorców i wiedzy twierdzi Artur Kończyński, dyrektor ds. portali i integracji systemów w K2 Internet. Jeszcze kilka lat temu firmy skupiały się na gromadzeniu spójnych, kompletnych danych o wybranych wycinkach swojej działalności. Na tej podstawie budowano modele do raportowania sprzedaży, zakupów, stanów magazynowych czy sytuacji finansowej. Jest to podejście do hurtowni danych, które znamy niemal od początku istnienia tego rozwiązania jak wraz z rozwojem technologii przez lata można było budować hurtownie większe, szybsze. Ale ciągle były to hurtownie w ujęciu klasycznym. Obecnie trend ten wyraźnie się zmienia. Firmy rozszerzają dane gromadzone w swoich hurtowniach o kolejne źródła mówi Daniel Mordarski, Business Solution Manager w firmie Qumak. Źródła te pochodzą z otoczenia przedsiębiorstw, a nie z nich samych. Stąd coraz większe zainteresowanie chociażby social media czy różnego rodzaju danymi dotyczącymi rynku i konkurencji. Powoduje to drastyczne Big Data to konieczność w firmach, które przetwarzają duże ilości danych, jak również w takich, dla których badanie opinii klientów na zasadzie ankietowania to już zdecydowanie za mało. zwiększenie wolumenu danych w bazach. Dodatkowo ich różnorodność, a co za tym idzie jakość i wiarygodność zdecydowanie się zmniejszyła. Po pierwsze, dane pochodzą z niesprawdzalnych do końca źródeł. Oczywiście można próbować kontrolować jakość, ale tego typu informacje będą niekompletne i nie zawsze spójne. Po drugie zaś, są to dane, które czasami trudno sprowadzić do wspólnego mianownika z danymi z wewnątrz firmy. Dlatego też analizy oparte zarówno na jednych, jak i na drugich źródłach są obarczone dużym prawdopodobieństwem błędnej interpretacji dodaje Mordarski. Po to, żeby wyraźnie oddzielić tradycyjną hurtownię danych od nowego modelu, wprowadzono pojęcie Big Data. Wraz z nowymi rozwiązaniami technologicznymi, takimi jak opisywana dalej w raporcie technologia przetwarzania danych In Memory, zwrot w kierunku Big Data nabiera tempa. Rozwiązania takie przy umiejętnym stosowaniu dają ogromne możliwości związane z penetracją rynku, rzeczywistą oceną sytuacji firmy na tle szeroko rozumianej konkurencji, badaniami odbioru poszczególnych produktów u klientów, sięgając po dane z social media. Z pomocą przychodzą tu narzędzia prognostyczne pozwalające badać ogromne zbiory danych, odrzucać wartości skrajne i analizować, analizować, analizować zauważa Daniel Mordarski. Nowa architektura systemów Klasyczne korporacyjne hurtownie danych stosunkowo dobrze radzą sobie z gromadzeniem i przetwarzaniem danych. Pod warunkiem jednak, że pochodzą ze znanych źródeł, niejako wbudowanych w tkankę organizacji, jak bankowe systemy transakcyjne, księga główna, systemy CRM. Posługują się zazwyczaj dość złożonymi modelami danych, precyzyjnie opisującymi dobrze rozumiane zagadnienia biznesowe. Powszechnie wykorzystują klasyczne systemy baz danych, SQL i model relacyjny. Ponieważ główne procesy biznesowe zmieniają się stosunkowo wolno, w podobny sposób mogą zmieniać się struktury danych i kluczowe wskaźniki wydajności związane z tymi procesami. To samo dotyczy raportowania i analiz uważa Adam Bartos, dyrektor ds. technologii w SAS Institute Polska. Skąd zatem konieczność niemal rewolucyjnych zmian i poważnego podejścia do Big Data, kosztem starych rozwiązań. Po pierwsze, przechowywanie i sprawne przetwarzanie olbrzymich ilości danych za pomocą klasycznych rozwiązań wymagałoby bardzo dużych inwestycji w infrastrukturę. Jednocześnie nie ma gwarancji, że zgromadzone nowe źródła danych i ich analiza przyniosą konkretny efekt biznesowy mówi Adam Bartos. Zapewne w morzu danych znajdują się skarby, ale nie do końca wiemy, jak są duże. Problem nie dotyczy jedynie nowych źródeł danych. Drogie jest również przechowywanie i przetwarzanie danych historycznych, takich jak na przykład transakcje z poprzednich lat. Nie jest ekonomicznie uzasadnione przechowywanie w korporacyjnej hurtowni zbyt R 2

3 RAPORT długiej historii. Po drugie, uzupełnianie hurtowni danych o nowe źródła byłoby procesem długotrwałym ze względu na złożoność korporacyjnych hurtowni danych. Każdy projekt przebudowy czy rozbudowy hurtowni to poważne przedsięwzięcie. Tymczasem eksploracja Big Data lub wykorzystanie zaawansowanej analityki wymagają szybkości i zwinności w zakresie tworzenia struktur danych będących podstawą modelowania lub analiz zaznacza Adam Bartos, dyrektor ds. technologii w SAS Institute Polska. Najpierw duże firmy oraz innowatorzy Kiedyś hurtownie danych mogły decydować o przewadze firmy, dziś ich miejsce może zająć rozwiązanie klasy Big Data. Nie oznacza to oczywiście, że wszystkie firmy będą zmuszone inwestować krocie w zaawansowaną analitykę i nowe sposoby przechwytywania i przechowywania danych. Mniejsze przedsiębiorstwa z pewnością będą również korzystały z danych pochodzących z rynku czy z portali społecznościowych. Jednak, moim zdaniem, będą to dane już przetworzone lub zagregowane przez inne firmy. A do takiego podejścia Bezpieczeństwo danych wyzwanie dla firm w epoce Big Data Olbrzymia ilość informacji to potężne ryzyko ich wy cieku przypadkowego bądź świadomego, zwykle wskutek wrogich działań z zewnątrz. Wyniki Światowego Badania Bezpieczeństwa Informacji, przeprowadzonego w 2012 roku przez Ernst & Young, wskazują, że co trzecia firma obserwuje wzrost poziomu zagrożeń informatycznych. Wykorzystywanie nowych technologii, związanych m.in. z wirtualizacją środowisk oraz przetwarzaniem informacji na urządzeniach mobilnych, dodatkowo utrudnia wdrożenie skutecznych zabezpieczeń. Przy przetwarzaniu dużych ilości wrażliwych danych osobistych należy mieć świadomość, że wyciek takich danych może doprowadzić firmę do poważnych problemów, a nawet do jej upadku mówi Kazimierz Klonecki z Ernst & Young. O skali zagrożeń zewnętrznych świadczą wyniki badania. Wynika z nich, że w ciągu roku 56% analizowanych organizacji doświadczyło od 1 do 10 ataków hakerskich, a jedynie 19% nie odnotowało takich zdarzeń. Według danych Ernst & Young, aby zabezpieczyć swoje dane, organizacje na świecie przeważnie wdrażają audyty wewnętrzne (68% badanych). Inne najpopularniejsze metody to tworzenie siłami wewnętrznymi lub zewnętrznymi zabezpieczeń na poziomie IT oraz monitorowanie zdarzeń krytycznych. Zdaniem autorów raportu Światowego Badania Bezpieczeństwa Informacji, organizacje, które chcą zasadniczo zmienić mechanizmy zarządzania danymi, aby zwiększyć bezpieczeństwo ich przechowywania, mogą dokonać zmian w czterech krokach: włączając strategię bezpieczeństwa do ogólnej strategii biznesowej wdrażając nowe technologie i projektując nową architekturę IT od zera (co ułatwi zaplanowanie skutecznych działań; stwarza okazję do przełamania barier i myślenia stereotypowego) tworząc środowisko pracownicze, które ułatwi wprowadzenie trwałych i skutecznych rozwiązań rozpatrując wdrożenie nowych rozwiązań, warto rozważyć wszystkie za i przeciw, myśląc pod kątem przygotowania organizacji na ich użytkowanie (np. media społecznościowe Błędy i brak doświadczenia pracowników 37 Cyberataki na dane finansowe 33 Niedoskonałość zabezpieczeń 31 Cyberataki w celu zniszczenia struktur organizacji 30 Na niezmiennym poziomie 44 Zwiększone* o 5 15% 30 9 Zwiększone* o 25% lub więcej na większą skalę, cloud computing, a także narzędzia mobilne, jak smartfon lub tablet, w użyciu biznesowym). Najczęstsze zagrożenia utraty danych (%) Budżety na zabezpieczenie danych (%) * W stosunku do poprzedniego roku; pominięto firmy zmniejszające budżet Jak organizacje zabezpieczają dane? (%) Oceny i audyty wewnętrzne 68 Wewnętrzne, własne zabezpieczenia IT 64 Zewnętrzne, zlecone, zabezpieczenia 56 Monitorowanie zdarzeń krytycznych 48 Niezależne audyty danych finansowych 35 Doświadczenia innych organizacji 27 Źródło: dane Ernst & Young R 3

4 tradycyjna hurtownia w zupełności wystarcza. Technologia Big Data będzie bardzo ciekawym rozwiązaniem dla dużych graczy na rynku. Na początku rozwiązaniem wyróżniającym na tle konkurencji i pozwalającym na uzyskanie przewagi konkurencyjnej, a później, jak tylko rynek nasyci się technologią Big Data, jako warunek konieczny do istnienia w gronie liderów mówi Daniel Mordarski z Qumak. Big Data to konieczność w firmach, które przetwarzają duże ilości danych (tj. firmy produkcyjne, dystrybucyjne, banki, ubezpieczyciele, telekomunikacyjne), jak również w takich, dla których badanie opinii klientów na zasadzie ankietowania to już zdecydowanie za mało. To, czy firmy będą wyznaczać standardy w takich obszarach, jak obsługa klienta czy reagowanie na zdarzenia w swoim otoczeniu, będzie uzależnione od tego, kiedy zdecydują się na zakup i wdrożenie takiego rozwiązania. Trendy te po raz pierwszy tworzą bezpośrednie połączenie między wynikami finansowymi firmy a inwestycjami w nowoczesne systemy zarządzania informacją zauważa dr Sławomir Strzykowski z polskiego oddziału Microsoftu, odpowiedzialny za produkty wchodzące w skład Microsoft Application Platform, rozwiązań do zarządzania danymi. Dużą szansę efektywnego wykorzystania nowego trendu mają te organizacje, które swoją przygodę z danymi rozpoczęły od rozwiązania Business Intelligence, zanim jeszcze o Big Data stało się głośno. Miały szanse zdobyć to, co najcenniejsze kulturę pracy opartą na danych, której nie są w stanie zastąpić nawet najbardziej innowacyjne technologie. Instytucje takie jak banki, telekomy czy ubezpieczyciele posiadają ogromne ilości danych o swoich klientach. Dla ich biznesu kluczowe jest ciągłe wykorzystywanie zbudowanej na tej podstawie wiedzy, aby minimalizować ryzyko lub wykrywać nadużycia uważa Artur Kończyński z K2 Internet. Wyzwaniem jest jednak wykorzystanie tej wiedzy do budowania długoterminowej relacji z klientami i rozszerzenie działań marketingowych czy sprzedażowych poza standard. Wygra ten, kto ma coraz łatwiejszy dostęp do informacji i opisywane od lat utopijne wizje spójnego zarządzania doświadczeniem użytkownika zdoła przełożyć na realny model biznesowy dodaje Kończyński. Duże korzyści z wczesnego wejścia do królestwa Big Data mogą też odnieść branże o natężonej konkurencji oraz te, które muszą oferować zindywidualizowane produkty i usługi. Znaczący impuls do zainwestowania w technologie przetwarzania dużych ilości danych mają te branże, w których relatywnie łatwy dostęp do dużych ilości danych może być łatwo przełożony na możliwą do realizacji strategię wyjaśnia Dariusz Brankowski, dyrektor sprzedaży Database & Technology w SAP Polska. Zatem w pierwszej kolejności będą to takie branże, jak finanse i ubezpieczenia, handel detaliczny (tradycyjny oraz internetowy) i telekomunikacja. To one mogą wykorzystać wiedzę o poszczególnych elementach zachowań klientów, aby tworzyć personalizowane oferty, które zwiększają dotarcie do klienta końcowego, przy jednoczesnej poprawie wskaźnika rentowności oraz zmniejszeniu całościowego ryzyka biznesowego dodaje Brankowski. * * * Analityka to szansa dla większości innowacyjnych podmiotów, gotowych do eksperymentowania z nowymi modelami biznesowymi lub pragnących zoptymalizować sposób prowadzenia działalności. Koncepcja Big Data realnie wpływa na każdą branżę lub obszar naszego życia bez względu na to, czy jest to przemysł, ubezpieczenia, bankowość, ochrona zdrowia czy polityka. n Stanisław Krauze, ICAN Institute 1. Por.: The 2011 Digital Universe Study: Extracting Value from Chaos. June. iview. Multimedia content available at digital_universe.

5 RAPORT Jak firmy na całym świecie uczą się wykorzystywać Big Data Najnowsze badania przeprowadzone przez IMB wskazują, iż wiele organizacji myśli strategicznie o Big Data, niemniej wciąż są to najczęściej działania na etapie planów bądź wczesnej realizacji. Prawie co czwarta z badanych organizacji (24%) w ogóle nie myśli o Big Data, jednak 28% już realizuje ambitne projekty gromadzenia i analizy danych (na różnym etapie zaawansowanym bądź pilotażowym). Prawie połowa firm na świecie (47%) planuje wdrożenie programów z obszaru Big Data. Dane te wskazują, jak zróżnicowany poziom adaptacji nowych rozwiązań reprezentują organizacje biznesowe w globalnym ujęciu. Pochodzą one z badania przeprowadzonego wśród 1144 menedżerów w 95 państwach i 26 branżach przez IBM Insitute for Business Value i Saïd Business School, działającą przy Uniwersytecie Oksfordzkim. Na podstawie danych zgromadzonych w ramach badania można skonstruować pięć kluczowych wniosków definiujących obecny stan Big Data w strukturach organizacji: 1. W każdej branży cele biznesowe związane z eksploatacją Big Data skupiają się na kliencie. 2. Skalowalne i rozszerzalne zarządzanie informacjami stanowi warunek wdrożenia zaawansowanych narzędzi Big Data. 3. Pierwsze działania zmierzające ku Big Data to z reguły eksploatacja gromadzonych już i wewnętrznych źródeł danych. 4. Efektywne wykorzystanie Big Data wymaga zaawansowanych funkcji analitycznych (których często brakuje w strukturach organizacji). 5. Rośnie świadomość i zaangażowanie, aby wykorzystywać Big Data; firmy znajdują się na różnych etapach wdrażania nowych rozwiązań. Analitycy Insitute for Business Value i Saïd Business School przypisali badane przedsiębiorstwa do jednej z czterech kategorii. Każda z nich oznacza poziom wdrażania Big Data (brano pod uwagę m.in. skalę adaptowanych rozwiązań i narzędzi oraz poziom know-how, którym dysponuje dana firma). Badania te wyjaśniają również, przed jakimi konkretnymi wyzwaniami stają organizacje, aby przekroczyć kolejną granicę i wejść w następny etap adaptacji rozwiązań Big Data. Ilustrują też, na ile wdrożone narzędzie oraz umiejętności bądź struktury organizacji pozwalają w szybkim czasie na dostęp do danych i ich analizę. Etapy wdrażania Big Data Nauka Odkrywanie Zaangażowanie Realizacja Organizacje w tej fazie skupione są na obserwacji rynków i analizie ogólnie dostępnej wiedzy Firmy tworzą strategię i opracowują mapę drogową, oparte na potrzebach i wyzwaniach biznesowych Przedsiębiorstwa wprowadzają programy pilotażowe obejmujące Big Data, mające potwierdzić wartość i znaczenie nowych rozwiązań dla danego biznesu Firmy realizują dwa lub więcej projektów Big Data, kontynuują wdrażanie zaawansowanych narzędzi analitycznych 24%* 47% 22% 6% * Procent ogółu organizacji Wyzwania, przed jakimi stają organizacje Nauka Odkrywanie Zaangażowanie Realizacja Poszukiwanie konkretnych uzasadnień biznesowych Czas dostępu do danych Nauka Odkrywanie Zaangażowanie Realizacja tydzień Zrozumienie, jak użyć Big Data Uwaga kadry zarządzającej i wsparcie z jej strony Zdolności techniczne Jakość danych Zdolności analityczne doba dzień biznesowy (pracy) streaming w czasie rzeczywistym Respondentów pytano o wskazanie kilku najważniejszych wyzwań związanych z wdrażaniem bądź eksploatacją Big Data. Respondentów pytano, ile czasu potrzebuje organizacja, aby dane były dostępne do wykorzystania biznesowego bądź na potrzeby wdrażanych procesów wewnątrz firmy. R 5

6 RAPORT Technologia otwierająca nowe możliwości Współczesne przedsiębiorstwa mają do dyspozycji więcej danych niż kiedykolwiek dotąd. Wcale nie musi to oznaczać dla ich liderów kłopotów. Rozsądne zarządzanie informacją, z wykorzystaniem innowacyjnych rozwiązań i właściwych narzędzi, stanowić może o przewadze biznesowej na tak bardzo dziś konkurencyjnych rynkach. Szacuje się, że w rękach przeciętnej firmy z listy Fortune 500 znajdują się dane dotyczące klientów z siedmiu dziesięciu ostatnich lat; nierzadko są to informacje niewykorzystywane w odpowiednim stopniu, tymczasem ilość danych tego typu rośnie w niesamowitym tempie. Jak wynika z szacunków przeprowadzonych przez tygodnik The Economist, w 2005 r. ludzie wygenerowali ok. 150 eksabajtów informacji1, a w 2011 r. miało to być to już 1200 eksabajtów. Analitycy z IDC oceniają jednocześnie, że ilość powstającej i gromadzonej na świecie treści cyfrowej podwaja się co osiemnaście miesięcy2. Co powinny zrobić firmy z tak olbrzymimi ilościami danych, nazywanymi często dużymi zbiorami danych (ang. Big Data)? Niejeden wnikliwy dyrektor dochodzi do wniosku, że kryją one prawdziwe korzyści biznesowe, ponieważ pozwalają uzyskać szybki wgląd w sedno sprawy i wyprzedzić konkurencję. Na całym świecie gwałtownie rośnie więc zapotrzebowanie na narzędzia, które mogą pomóc firmom w uzyskiwaniu dostępu do informacji oraz ich analizowaniu, monitorowaniu i udostępnianiu. Duże zbiory danych są wszędzie i obejmują w głównej mierze nieusystematyzowane informacje znajdujące się poza bazami danych. Szybkie dotarcie do informacji Kluczowym wymaganiem jest tu szybkość, jednak nie przyda się ona na wiele bez kontekstu. Przedsiębiorstwa chcą nie tylko dysponować szybszym dostępem do danych, ale także pragną szybko zrozumieć, co oznacza posiadana informacja i co można z nią zrobić. Celem dostawców technologii z każdej branży jest więc stworzenie organizacji funkcjonującej w czasie rzeczywistym, która mogłaby błyskawicznie udostępniać pracownikom nowe informacje wydobyte z dużych zbiorów danych. Kiedy już stajemy przed wyzwaniem Ze wzrostem ilości i wielkości dużych zbiorów danych bezpośrednio wiążą się takie trendy technologiczne, jak wzrost popularności urządzeń mobilnych, konieczność wdrażania kanałów samoobsługowych oraz rozwój sieci społecznościowych i współpracy zdalnej. Dane i precyzyjne odpowiedzi są bardzo cenne, lecz współczesne analizy muszą jednak wyjść poza samo wprowadzanie i wyświetlanie danych. Muszą też zadbać, aby były istotne dla rzeczywistej działalności. Oznacza to konieczność przekształcania danych w użyteczne informacje przez ich powiązanie z odpowiednimi danymi dodatkowymi, uzyskanymi z analizy mediów społecznościowych, systemów geolokalizacji itp. W ramach umieszczania danych w kontekście wykorzystuje się opinie nadsyłane przez użytkowników i konsumentów. Celem jest nadanie priorytetów tym informacjom, które określony użytkownik uważa za najważniejsze, a także odfiltrowanie informacji nieistotnych i umożliwienie podejmowania właściwych decyzji. Tu i teraz Kolejne wyzwanie to stworzenie przedsiębiorstwa działającego w czasie rzeczywistym, jako odpowiedź na rosnące tempo życia, zmieniające się oczekiwania klientów oraz gwałtowny rozwój technologiczny w wielu obszarach. Aby zachować przewagę konkurencyjną, firmy muszą zweryfikować swoje procesy sprzedażowe, planistyczne i marketingowe tak, by odpowiadały szybko zmieniającemu się otoczeniu. Muszą więc reagować błyskawicznie na zdarzenia, które mogą wpływać na ich funkcjonowanie. Powinny też być w stanie identyfikować trendy i wzorce, aby optymalizować planowanie i prognozowanie, skracać czas reakcji na zapytania i skargi klientów oraz udostępniać sprzedawcom informacje niezbędne do sprawnego zawierania transakcji. Wszystko to sprawia, że przedsiębiorstwa muszą być w stanie ocenić szczegółowo posiadane informacje, najlepiej podczas trwania bezpośredniej interakcji z klientem, czyli np. w trakcie rozmowy telefonicznej lub wizyty w salonie sprzedaży, bez czekania na ich wydobycie z hurtowni danych, co może nastąpić nawet kilka dni później wtedy szanse na sfinalizowanie transakcji drastycznie spadają. Ilość danych operacyjnych przekracza jednak często możliwości efektywnego przetwarzania i analizy przez tradycyjne systemy i hurtownie danych wykorzystujące napędy dyskowe. Współczesne firmy muszą tymczasem odpowiadać na pytania na bieżąco, w oparciu o dane dostępne w czasie rzeczywistym. Technologia In-Memory. Duże zbiory danych Pojawienie się technologii In-Memory to przełomowy punkt dla aplikacji biznesowych, zwłaszcza jeśli chodzi o pracę R 6

7 RAPORT Technologia In-Memory umożliwia firmom natychmiastową analizę danych pochodzących z wielu źródeł, co zapewnia pełną kontrolę nad biznesem. z dużymi zbiorami danych. Dostępność i pojemność pamięci operacyjnej przypadające na jedną złotówkę znacznie wzrosły w ciągu ostatnich kilku lat. Wzrost ten spowodował, że branża zaczęła na nowo zastanawiać się nad sposobem przechowywania dużych ilości danych masowych. Zamiast używać mechanicznych napędów dyskowych, można dziś zapisać całą bazę danych w krzemowych układach pamięci operacyjnej, co pozwala wielokrotnie zwiększyć wydajność i opracowywać całkiem nowe aplikacje. Ta zmiana w sposobie przechowywanie danych ma i będzie miała znaczny wpływ na aplikacje biznesowe, a w rezultacie na sposób prowadzenia działalności. Błyskawiczny dostęp do informacji umożliwia decydentom korzystanie z analiz, które dawniej nie były po prostu dostępne. W tradycyjnym środowisku opartym o napędy dyskowe informacje są pobierane z transakcyjnych systemów dziedzinowych, a następnie systematyzowane, agregowane i przeliczane w odrębnych systemach analitycznych, które mogą odpowiadać na z góry określone zapytania użytkowników. Tak więc systemy wspierające kluczowe operacje biznesowe przedsiębiorstwa są całkowicie odseparowane od środowiska analitycznego, a to prowadzi do znacznych opóźnień między zarejestrowaniem transakcji w systemie dziedzinowym a procesem generowania analiz na ich podstawie (a pamiętajmy o znaczeniu, jakie ma dostęp do informacji w czasie rzeczywistym). Dzięki technologii In-Memory dane operacyjne trafiają do jednej bazy danych, która jednocześnie obsługuje systemy transakcyjne oraz pozwala realizować najbardziej nawet skomplikowane zapytania analityczne na aktualnych danych tych systemów. Technologia In-Memory umożliwia przetwarzanie olbrzymich ilości danych (transakcyjnych) w pamięci operacyjnej serwera. To oznacza również, że wszystkie wymagane przeliczenia i agregacje wykonywane są w locie. Dzięki takiemu podejściu użytkownicy mogą uzyskać odpowiedź na dowolnie postawione pytanie natychmiast, wystarczy wyłącznie stworzyć nowy wirtualny widok analityczny. W tradycyjnych systemach niejednokrotnie zmiana zapytania lub stworzenie nowego raportu wymaga uruchomienia całego projektu, którego celem będzie modyfikacja procesu ekstrakcji danych, rozszerzenie modelu danych w hurtowni, modyfikacja procesu przeliczania agregatów i w końcu zaprojektowanie odpowiedniego raportu. Oznacza to, że firmy korzystające z technologii In-Memory będą miały wystarczająco dużo czasu, aby zyskać przewagę konkurencyjną nad tymi, które pozostaną przy podejściu tradycyjnym Technologia In-Memory. Korzyści dla firm Technologia In-Memory oferuje znaczne korzyści, i to w wielu obszarach. Do najistotniejszych z nich należą uproszczenie infrastruktury i obniżenie kosztów jej eksploatacji, lepszy wgląd w dane na poziomie szczegółowym oraz szybkość dostępu do danych, mogąca zoptymalizować procesy podejmowania decyzji. Technologia ta umożliwia firmom natychmiastową analizę danych pochodzących z wielu źródeł, co zapewnia pełną kontrolę nad biznesem. Kompleksowy wgląd w dane przedsiębiorstwa w połączeniu z szybkością dostępu umożliwia z kolei wykonywanie analiz wspierających podejmowanie decyzji w czasie rzeczywistym, a zarazem pozwala na wprowadzanie modeli biznesowych oparte na przewidywaniu, a nie tylko na reakcji. Technologia In-Memory. Wpływ na wszystkie branże Firmy oferujące produkty powszechnego użytku mogą wykorzystać technologię In-Memory do zarządzania łańcuchem dostaw, monitorowania i śledzenia produktów, zarządzania promocjami i przeprowadzania analiz dotyczących produktów ulegających awarii i towarów na gwarancji. Przedsiębiorstwa zajmujące się handlem detalicznym mogą z kolei zarządzać działalnością sklepów w wielu lokalizacjach, analizować wydajność punktów sprzedaży oraz ceny w poszczególnych kanałach, a także śledzić produkty uszkodzone i zwracane. Firmy z branży produkcyjnej mogą wykorzystać technologię In-Memory do zarządzania wydajnością operacyjną, analizowania aspektów produkcyjnych i serwisowych oraz badania stopnia wykorzystania maszyn w czasie rzeczywistym. Przedsiębiorstwa z sektora usług finansowych mogą natomiast przeprowadzać analizy funduszy hedgingowych i zarządzać ryzykiem walutowym, kapitałem, instrumentami pochodnymi i innymi produktami w portfelu klienta. Wszystko to pozwala systematycznie zarządzać ryzykiem w czasie rzeczywistym i na bieżąco generować raporty dotyczące ryzyka rynkowego. Przykłady, doświadczenia NongFu Spring to czołowy chiński dostawca wody butelkowanej i innych napojów3. Dostęp do danych w czasie rzeczywistym miał kluczowe znaczenie R 7

8 dla rozwoju i zwiększenia efektywności firmy oraz obniżenia ponoszonych przez nią kosztów. Możliwość transportowania wody butelkowanej z fabryki bezpośrednio do miejsc, w których jest ona kupowana, oznacza znaczne oszczędności; z powodu olbrzymiej ilości danych generowanych w łańcuchu dostaw firma NongFu Spring potrzebowała jednak ponad 24 godzin na przetworzenie danych - z punktów sprzedaży i od partnerów handlowych - wygenerowanie wniosków i podjęcie odpowiednich działań. Kierownictwo zdało sobie sprawę, że firma mogłaby uzyskać znaczne korzyści dzięki dostępowi do informacji w czasie rzeczywistym, dlatego zdecydowało się na wdrożenie technologii przetwarzania In-Memory. Procedury i funkcje obliczania frachtu, które dotychczas zajmowały dobę, teraz trwają zaledwie 37 sekund. Centrica. Kolejnym dobrym przykładem wykorzystania technologii In-Memory jest firma Centrica, duże przedsiębiorstwo usług komunalnych z Wielkiej Brytanii4. Rynki energetyczne w tym kraju są zderegulowane, dlatego firmy muszą wyróżniać się na tle konkurencji. Centrica co piętnaście minut pobiera dane o zużyciu energii z każdego z zainstalowanych inteligentnych liczników i dzięki temu dysponuje precyzyjnymi informacjami o schematach zużycia energii w domach i przedsiębiorstwach. Informacje te umożliwiają lepszą segmentację klientów i pozwalają oferować im niestandardowe taryfy usług oraz ofertę sprzyjającą oszczędzaniu energii. Dawniej symulacje cenowe obejmujące olbrzymie ilości danych z systemów pomiarowych zajmowały firmie Centrica trzy dni; obecnie czas ten, przy poziomie szczegółowości dochodzącym do pojedynczego odczytu, liczy się sekundach. Technologia In-Memory pozwoliła firmie Centrica zoptymalizować proces tworzenia taryf opłat za energię elektryczną i zwiększyć dokładność prognoz obciążenia sieci przesyłowej. Przyczyniła się również do ograniczenia migracji klientów. T-Mobile, operator telekomunikacyjny, zdecydował się wdrożyć technologię In-Memory, gdy rozpoczynał agresywną kampanię marketingową5. Celem firmy było dostarczanie odpowiednio ukierunkowanych ofert do ponad 21 mln klientów za pośrednictwem takich kanałów, jak tradycyjne sklepy, centra obsługi klienta oraz wiadomości tekstowe. Taka kampania wymagała szybkich analiz, które pozwalałyby dopasowywać oferty na bieżąco, uzyskać wyższy poziom akceptacji ze strony klientów i rentowność oraz zmniejszyć migrację. Stwierdziliśmy, że zdolność reagowania na potrzeby klientów w czasie rzeczywistym pomoże nam zdobyć przewagę nad konkurencją i podniesie jakość obsługi mówi Jeff Wiggin, wiceprezes ds. biznesowych technologii informatycznych w amerykańskim oddziale T-Mobile. W tym celu potrzebowaliśmy platformy bazodanowej wspierającej procesy handlowe i marketingowe, która pozwoliłaby nam analizować dane dotyczące klientów i podejmować działania na ich podstawie w ciągu kilku minut, a nie tygodni dodaje6. * * * Nieprzerwany postęp technologiczny od smartfonów i tabletów z ekranami dotykowymi po wyszukiwarki i sieci społecznościowe zmienia sposób, w jaki ludzie postrzegają technologię i możliwości jej wykorzystania. Oczekiwania rosną nie tylko w świecie konsumentów, ale także w środowiskach biznesowych. Coraz większe zapotrzebowanie na natychmiastowe wyniki wpływa dziś na wiele trendów. Dariusz Brankowski, dyrektor sprzedaży Database & Technology, SAP Polska Daniel Ptaszynski, Value Engineering, SAP Polska 1. The Economist, wyd. USA, 2011, IDC, Por.: SAP AG 2011 a. 4. SAP N.D. 5. SAP HANA N.D. 6. SAP AG 2011 b.