Business Analytics und Data Governance
osiguravaju održiv uspjeh kada su u pravoj ravnoteži. CubeServ podržava mnoge poznate kupce u ovom projektu.
Koncept platforme za poslovnu analizu pomaže vam organizirati svoje podatke tako da ih svi mogu koristiti. To čini osnovu za jednoobrazno razumijevanje temeljnih događaja i procesa. Stvaramo uvjete za uspješno i na temelju činjenica da vodite svoju tvrtku ili organizaciju.
Ekstrakcija vrijednosti iz informacija nije prvenstveno pitanje količine podataka. Način na koji upotrebljavate resurse određuje vaš uspjeh. Nije količina podataka ili korištena tehnologija ono što razlikuje pristup.
Čak i najbolje analitičke tvrtke ne upotrebljavaju uvijek najnovije alate. Međutim, oni imaju koristi od procesa izgradnje svojih strategija i poslovnih modela na temelju svojih analitičkih vještina. Takvim tvrtkama upravljaju oni koji vjeruju da su činjenice najbolji vodič za odluke i postupke. Podatke i analitiku čine sastavnim dijelom kulture svoje tvrtke.
Analytics 1.0 bio je (ili jest, ako ga još uvijek koristite) uveliko usmjeren na deskriptivnu analitiku, tj. izvješća i vizualne prikaze koji objašnjavaju što se dogodilo u prošlosti. S druge strane, ovdje analitiku ne koristimo za gledanje u budućnost (prediktivna analitika) ili za davanje preporuka kako bismo određeni zadatak mogli bolje obaviti (preskriptivna analitika). Tijekom proteklog desetljeća proveli smo puno vremena ohrabrujući tvrtke da nadiđu isključivo deskriptivnu analizu.
S uvidima bliže kupcu
Uspješne tvrtke rade orijentirane na kupca. Možemo svladati izazove povezane s današnjim brzo promjenjivim potrebama kupaca i njihovim kupovnim navikama ciljano obrađujući odgovarajuće signale.
Istina je da mnoge tvrtke danas obično imaju velike količine podataka o klijentima; međutim, analiza tih podataka često se ne provodi ili se provodi samo na rudimentaran način.
Priče uključuju mozak na svim razinama: intuitivnoj, izbornoj, racionalnoj i somatskoj. Kad čujemo priče, naš mozak reagira boljim razumijevanjem informacija. Limbički sustav (emocionalni dio mozga) oslobađa kemikalije koje potiču naš osjećaj povezanosti i naš centar za nagrađivanje.
Stavljanje publike u središte svoje priče čini da se osjeća kao heroj. Priče nas pokreću na akciju. Reakcije koje naš mozak pokreće mogu izazvati osjećaj empatije, hitnosti ili velike zabrinutosti.
Jedna studija mjerila je neuralne odgovore sudionika dok su slušali priču o očevom odnosu s njegovim mladim, umirućim sinom. Dvije emocije posebno su bile u prvom planu: uznemirenost i empatija.
Voditelji studije procjenjivali su sudionike prije i nakon što su čuli priču. Pokazao je povećan porast kortizola, koji osobu čini fokusiranijom i budnijom, te oksitocina, koji izaziva dobrobit i empatiju. Najnevjerojatnije otkriće je bilo:
Narativi mijenjaju kemiju u našim mozgovima i tjeraju nas na akciju. Uvjerljive priče čine nas emocionalno vezanima za druge i čine nas motiviranim za poduzimanje određene radnje.
Stvaranje priča
Komuniciramo s podacima da bismo bili vodeći. Neprekidno se šuška o podacima: velikim podacima, malim podacima, dubokim podacima, debelim podacima i strojevima koji uče analizirati podatke. Mnoge organizacije razvijaju inovativne stvari koje bi trebale poboljšati naše živote. U fokusu su – pogađate – podaci. Naravno, neće svi odgovori na organizacijske probleme ili prilike doći iz algoritma. Podaci su ograničeni na bilježenje prošlosti katalogiziranjem numeričkih artefakata onoga što se dogodilo.
Potraga za povijesnom istinom ključna je za odlučivanje; oni koji rade s podacima po prirodi su tražitelji istine. Međutim, kako prerastete u vodeću poziciju, većinu vremena ćete provoditi u komunikaciji s drugima o budućem stanju koje želite stvoriti.
Prijenos podataka oblikuje našu buduću istinu – naše činjenice. Dobro komuniciranje ključno je za oblikovanje budućnosti u kojoj ljudi i organizacije trebaju napredovati. Lekcije naučene iz prošlosti daju nam i smjer kojim trebamo ići i akcije koje trebamo poduzeti. Natjerati druge da krenu naprijed s ovim mjerama, međutim, moguće je samo uz dobru komunikaciju.
Vodite s podacima
Cole Nussbaumer Knaflic preporučuje šest jednostavnih koraka u pripovijedanju s podacima:
- Razumjeti kontekst
- Odaberite odgovarajući vizualni prikaz
- Uklonite nered
- Skrenite pažnju u željenom smjeru
- Razmišljajte kao dizajner
- Pričati povijest
Kada svoju poruku prilagodimo primateljima, pokrećemo željene radnje. Važno je ono što primatelj prima.
Najbolji voditelji prezentiraju podatke na sažet i dobro strukturiran način, dok pričaju uvjerljivu i nezaboravnu priču. Vodite u našim predavanjima
svjesno držimo pozornost publike stavljajući svoje rezultate ispred i u središte te stvarajući vizualnu i verbalnu jasnoću. Za mene je važno komunicirati učinkovito i inspirativno. Za to je ključna prava količina informacija.
Svatko može lako primijeniti šest koraka do jasne priče. S obzirom na raznolikost tipova podataka i različite procese korisnika, uvjeren sam da u većini slučajeva moramo kombinirati različite pristupe (tehnologije i proizvode) kako bismo postigli izvanredne rezultate i visoku razinu prihvaćenosti u tvrtki. Važno je pronaći pravu količinu raznolikosti i standardizacije. Po mom mišljenju, niti jedan program niti alatni zoo (različiti program za svakog korisnika) nije dobro rješenje. Svaka tvrtka ima različite potrebe i treba razvijati individualne i adekvatne pristupe.
U CubeServu smo specijalizirani za prilagođavanje različitim zahtjevima, razvoj alternativnih rješenja i njihovu evaluaciju zajedno s korisnicima.
Četiri Megatrenda za Budućnost
=> AI Platforme as a Service
Umjetna inteligencija (AI) je prije nekoliko godina zvučala kao san budućnosti, no danas se čini prilično neupadljivom i ušulja se u naš svakodnevni život, tiho i potajno. Mnogi ljudi nisu svjesni da svakodnevno koriste AI alate. Glasovne asistente kao što su Alexa, Siri ili Google Assistant mnogi uzimaju zdravo za gotovo. Pametni asistenti kontinuirano uče i usavršavaju se kroz strojno učenje; ispravno tumače zabrinutost i reagiraju u skladu s tim.
Naslov Netzwochea bio je: “Cloud – vrata do Internet of Things”. Internet of Things (IoT) nastaje kada se sve više “objekata” spoji na Internet i pošalje “podatke o objektima” na Internet. Da bi to bilo moguće, potrebni su “senzori” koji bilježe podatke o objektu i prenose ih na Internet žičnim ili bežičnim putem. Industrija procjenjuje da će do 2020. godine 50 milijardi objekata u cijelom svijetu biti spojeno na internet; Objekti koji šalju podatke koji se moraju pohraniti da bi se mogli procijeniti. Oblak služi kao pohrana za eksponencijalno rastuću poplavu podataka (Big Data). Za analizu podataka potrebne su i aplikacije spremne za oblak.
=> Smart Workplaces & Streaming Analytics
Organizacije su tijekom krize prepoznale da trebaju razviti digitalnu otpornost cijele radne snage, kako nakon COVID-19, tako i tijekom krize. Zapravo, upravo je ta borba za stvaranje niza tehnologije tijekom pandemije dovela do razvoja onoga što Gartner opisuje kao “Smart Workplace”.
=> Uvijek budite dostupni putem platformi u oblaku
“Računalstvo u oblaku” je pružanje IT resursa putem Interneta temeljeno na potrebama po cijenama temeljenim na korištenju. Umjesto posjedovanja i održavanja fizičkih podatkovnih centara i poslužitelja, možete pristupiti tehnološkim uslugama kao što su računanje, pohrana i baze podataka na zahtjev putem pružatelja usluga u oblaku kao što je Amazon Web Services (AWS).
Ideja platforme
Tvrtke i ljudi pod pritiskom su da djeluju. Promjenjivi okvirni uvjeti tjeraju brze promjene. Platforma za poslovnu analizu polazište je za rukovanje novim vrstama podataka i kombinacijama. Stalno dobivamo nove uvide; proaktivno pripremamo opcije za nepoznato.
Postojeći poslovni modeli bolje se razumiju i optimiziraju s novim vrstama podataka.
Potencijal digitalne usluge prepoznaje se rano i generiraju se prednosti za nove korisnike.
Zašto je skladište podataka u središtu platforme
Single Source of Truth (SSOT) je koncept koji se koristi kako bi se osiguralo da se svaka poslovna odluka donesena u organizaciji temelji na istim podacima. Za postavljanje SSOT-a relevantno osoblje dobiva izvor koji pohranjuje podatke koje su im potrebne. Donošenje odluka temeljeno na podacima dobilo je neviđenu važnost s prikupljanjem i analizom podataka. Djelovanje na temelju poslovne inteligencije vođene podacima ključno je za konkurentne brendove danas. Tvrtke često provode previše vremena raspravljajući koji su brojevi (koji uvijek dolaze iz različitih izvora) pravi brojevi.
Uspostavljanje Single Source of Truth (jednog izvora istine) eliminira ovaj problem. Umjesto rasprave o tome koje konkurentske izvore podataka koristiti za poslovne odluke, svatko može koristiti isti, objedinjeni izvor za svoje potrebe podataka.
Čini dostupnim podatke koje može koristiti bilo tko, na bilo koji način, u cijelom poduzeću.
Osim podataka putem metapodataka (hijerarhije, atributi, višejezičnost, konverzije), SAP aplikacije osiguravaju da se podaci mogu ispravno interpretirati. Stoga su S/4HANA, BW/4HANA i oblak skladišta podataka važni građevni blokovi analitičke platforme.
Osim klasičnih poslovnih podataka (FI/CO, SD, itd.), novi tipovi podataka (društveni mediji, slike, zvukovi, itd.) imaju veliku ulogu u analitičkim pitanjima. Mogu se bolje i isplativije pohraniti i analizirati u posebnim tehnologijama. Potrebno je nadopuniti analitičku platformu (pohrana objekata, Hadoop i sl.).
Zahtjevi za podacima u skladištu podataka poduzeća su visoki. Stoga promjene na konstrukcijama ili utovarnim stazama uzrokuju visoke troškove. Korisnici često ne trebaju ovu visoku kvalitetu za prototipove, itd., nego fleksibilne strukture. Analitička platforma mora biti nadopunjena oblakom skladišta podataka i lokalnim strukturama.
Analitičkim se pitanjima pristupa novim metodama: stoga je važno koristiti otvorene (OpenSource kod: R i Python) i udobne aplikacije
(Process Mining kao što su Celonis, PowerBI i/ili Tableau) u platformu.
SAP-Referenz: Business Technology Platform
Referentna arhitektura za digitalnu transformaciju-
- Razvoj potpuno integrirane samoposlužne i napredne analitičke platforme za sve interakcije i grupe korisnika.
-
- Ovo služi kao okvir s aplikacijskim i infrastrukturnim uslugama za konverziju različitih vrsta podataka i integraciju različitih sučelja, izvornih i ciljnih sustava.
-
- Agilnost povezivanjem različitih informacijskih sustava u logičko skladište podataka s Realtime Data Warehouse & Analytics Lab.
- Agilno upravljanje podacima u stvarnom vremenu sa strukturiranim poslovnim podacima i nestrukturiranim velikim podacima iz jezera podataka. Korisnici koriste agilne podatke iz različitih izvora. SAP HANA kombinira operativne i analitičke sustave na jednoj platformi.
- SAP S/4HANA čini “digitalnu jezgru” za Embedded Operational Reporting.
- SAP BW/4HANA kao “centralni DWH” za deskriptivnu i prediktivnu analizu – s tipovima podataka iz IoT-a i Data Lakes. SAP Data Warehouse Cloud nadopunjuje temeljni sustav kao «digitalni Framework».
Building Blocks Business Analytics platforme
Koncept jeftinih blokova koristi se u Enterprise Architecture Framework TOGAF. Sljedeće komponente rješenja imaju općenitiji karakter aplikacije, odnosno mogu se koristiti kao predlošci za rješavanje sličnih problema. Blokovi imaju sljedeća generička svojstva:- Jedan blok je skup sposobnosti koje su definirane kako bi zadovoljile poslovne potrebe organizacije.
- Jedan blok ima objavljena sučelja za pristup funkcionalnosti.
- Jedan blok može komunicirati s drugim građevnim blokovima koji su ovisni jedan o drugom.
Dobar blok ima sljedeća svojstva:
- Razvoj dosljedno integrirane samoposlužne i napredne analitičke platforme za sve interakcije i grupe korisnika.
- Ovo služi kao okvir s aplikacijskim i infrastrukturnim uslugama za pretvorbu različitih tipova podataka i integraciju različitih sučelja, izvornih i ciljnih sustava.
- Agilnost kroz spajanje različitih informacijskih sustava u logičko skladište podataka s Realtime Data Warehouse & Analytics Lab.
- Agilno upravljanje podacima u stvarnom vremenu sa strukturiranim poslovnim podacima i nestrukturiranim velikim podacima iz Data lake-ova. Korisnici koriste agilne podatke iz različitih izvora. SAP HANA kombinira operativne i analitičke sustave u jednu platformu.
- SAP S/4HANA čini “digitalnu jezgru” za ugrađeno operativno izvješćivanje.
- SAP BW/4HANA kao “centralni DWH” za deskriptivnu i prediktivnu analizu – s tipovima podataka iz IoT-a i podatkovnih jezera. SAP Data Warehouse Cloud nadopunjuje temeljni sustav kao «digitalni Framework».
Blok je definirani skup funkcionalnosti za zadovoljavanje specifičnih poslovnih potreba. Organizacija postavlja način na koji se funkcionalnost, proizvodi i prilagođeni razvoj sastavljaju u blokove i uvelike će se razlikovati među arhitekturama.
Svaka organizacija odlučuje koji raspored blokova joj najbolje odgovara. Odgovarajući odabir blokova može dovesti do poboljšanja integracije naslijeđenog sustava, interoperabilnosti i fleksibilnosti u izgradnji novih sustava i aplikacija.
Sustavi se sastoje od zbirki građevnih blokova; većina blokova mora biti u interakciji s drugim blokovima.
U ovom slučaju važno je objaviti gotovo stabilna sučelja u bloku.
Preporučujemo planiranje osam različitih slojeva prilikom dizajniranja Business Analytics platforme:
- Sirovi podaci iz procesa
- Data Aquisition Layer neobrađeni podaci
- Single Source of Truth
- Multiple Versions of Truth
- Service Layer
- Process Layer
- Interaction Layer
- Multi Channel Delivery
Virtualno povežite baze podataka i SAP sustave koji se temelje na SAP HANA
Širok raspon tehnologija za pohranu podataka kombiniran je na SAP HANA. Za redovitu upotrebu unutar SAP HANA stog, preporučljivo je modelirati podatke tako da se prijenos u SAP HANA svede na minimum. To se razlikuje za istraživački pristup; dulje vrijeme obrade je ovdje prihvatljivo zbog rijetkog pristupa. Pametni pristup podacima (SDA) i pametna integracija podataka (SDI) posebno su dostupni na razini SAP HANA za integraciju raznih drugih tehnologija. Uz SDA ili SDI, podaci se mogu spojiti u heterogene prostore skladišta podataka poduzeća (podatkovna mreža) i kombinirati jedni s drugima za analizu. U prethodnim SAP alatima, svi su podaci bili unaprijed klasificirani pohranjivanjem u bazu podataka. Za razliku od toga, sa SDA možete pristupiti podacima na daljinu bez potrebe za prvo repliciranjem podataka u bazi podataka SAP HANA. SDA se koristi za baze podataka Teradata, SAP Sybase ASE, SAP IQ, Intel Distribution za Apache Hadoop i SAP HANA instance, između ostalih. SAP HANA obrađuje podatke poput lokalnih tablica u bazi podataka. Zahvaljujući automatskoj konverziji tipova podataka, moguće je mapirati tipove podataka iz baza podataka koje su povezane s tipovima podataka SAP HANA putem SDA. Sa SDA, podaci iz drugih izvora ostaju u virtualnim tablicama. Virtualne tablice stvorene unutar SAP HANA referiraju na udaljene tablice u određenim izvorima podataka. Ove veze omogućuju pristup podacima u stvarnom vremenu, bez obzira na to gdje su pohranjeni. Istodobno, ne utječu na bazu podataka SAP HANA. Ovlašteni korisnici tada mogu pisati SQL upite u SAP HANA koji rade na virtualnim tablicama. SAP HANA procesor upita optimizira upite i izvršava relevantni dio upita u povezanoj bazi podataka, vraća rezultat u SAP HANA i dovršava operaciju. Izvršenje upita optimizirano je sa SDI ili SDA radom sa SQL upitima na virtualnim tablicama u SAP HANA. Da biste stvorili odnose i veze, povežite činjenice i glavne podatke iz izvora putem asocijacija u Otvorenom ODS prikazu. Ove činjenice i glavni podaci, kao i operacije nad navigacijskim atributima, povezani su izravno na razini baze podataka tijekom izvođenja upita. Za otvorene ODS poglede, SDA vam omogućuje korištenje izvora podataka kojima ne upravlja sustav SAP BW, ali bez puno truda: proširite modeliranje u sustavu SAP BW, koristite trajne podatke pohranjene u SAP HANA tablicama i otvorenu ETL vezu između vanjskih sustava i vašim virtualnim stolovima. To omogućuje modeliranje prvog sloja s sirovim podacima iz procesa. Ne može se virtualno pristupiti svim podacima. Stoga nam je potrebno mjesto u platformi poslovne analitike gdje se takvi podaci pohranjuju: sirovi podaci sloja prikupljanja podataka.Enterprise Data Model
Enterprise Data Model trebao bi biti preslikan u vlastiti sloj. U našoj referentnoj arhitekturi, ovo je treći sloj: Jedinstveni izvor istine. To se može realizirati u različitim tehnologijama. Za to preporučujemo pristup vođen modelom podataka. Prvo se modeliraju zahtjevi za podatke poduzeća. Govorimo o konceptualnom modelu podataka ili logičkom modelu podataka. Iz toga proizlazi fizički model podataka za odgovarajući sustav baze podataka, koji se kreira automatski ili djelomično automatski. Ovaj pristup ima prednost što se promjene mogu lako pratiti u modelu podataka. To omogućuje interaktivni pristup.
Zaseban sloj za privatne svrhe izgrađen je na vrhu sloja s modelom podataka poduzeća. To mogu biti podaci u zaštićenom okruženju ili modeli podataka koji su u lokalnom odgovoru. Ovaj sloj nazivamo: Višestruke verzije istine.
Na temelju podataka nude se različite središnje usluge. Tipični primjeri za to su usluge planiranja, usluge komentiranja ili data mining ili metode napredne analitike. Sve ove usluge su u slojevima usluga.
Podaci i usluge objedinjeni su u aplikaciji. Oni su u sloju procesa.
Posljednja dva sloja: sloj interakcije (korisnik ili procesi pristupaju platformi) i višekanalna isporuka (rezultati se distribuiraju različitim kanalima).
Prilikom odabira tehnologija uzimaju se u obzir različiti zahtjevi i troškovi implementacije. Pored skladišta podataka često vidimo podatkovno jezero. Dakle, nema smisla objedinjavati podatke na jednom mjestu; različite tehnologije donose različite prednosti. Nadalje, želimo izbjeći tehnološko i organizacijsko usko grlo u našoj arhitekturi.
Delta model: oblikovanje konkurencije pomoću analitike
Što je potrebno za korištenje ANALITIKE u vašoj tvrtki? Koje su vam vještine i resursi potrebni da biste bili uspješni s analitičkim inicijativama?
Tom Davenport je za to razvio delta model i predstavio ga u knjizi “Analytics at Work”. Delta je akronim koji znači: Data Enterprise Leadership Targets and Analysts. Grčko slovo delta često se koristi kao simbol za “promjenu”. Ovo je indikativna slika cilja ovog modela.
Zajedno možemo transformirati vašu poslovnu jednadžbu:
D ata: dostupni, visokokvalitetni podaci
E nterprise: Orijentacija poduzeća
L eadership: analitičko vodstvo
T arget: strateški ciljevi
A nalitičari
Zašto su ti elementi toliko važni? Dobri podaci su preduvjet za sve analitičko.
Neki od izazova upravljanja podacima mnogo je lakše prevladati kada organizacija kao cjelina “posjeduje” relevantne podatke, softver za analizu i talent za analitiku. Osim toga, menadžment u cijeloj tvrtki treba biti motiviran i uključen u analitičke inicijative.
Možda se pitate: «Ali počinjemo malo, sa specifičnim problemom u jednoj poslovnoj funkciji – zašto bi nam bila potrebna perspektiva poduzeća?» Kratak odgovor je da nećete daleko stići bez takve perspektive iz sljedeća 3 razloga:
- Velike aplikacije za analizu uvijek zahvaćaju nekoliko područja tvrtke; oni učinkovito poboljšavaju performanse i konkurentnost.
- Kada su vaše aplikacije međusobno funkcionalne, nema smisla držati ključnu imovinu (podatke, analitičare i tehnologiju) na lokaciji.
- Bez poslovne perspektive, vjerojatno ćete imati mnogo malih analitičkih inicijativa koje su, međutim, beznačajne.
Vizionarski menadžeri smatraju razvoj obrazaca analitičkog razmišljanja u cijeloj tvrtki ključnim čimbenikom uspjeha. Analitički rukovoditelji neće ispisivati prazne čekove za financiranje analitike općenito.
Ono što stvarno privlači njihovu pozornost je potencijalni povratak korištenja analitike tamo; gdje čini značajnu razliku. Riječ je o održivom uspjehu s poslovnom analitikom i upravljanjem podacima.
Analitički cilj može biti snažno zadržavanje kupaca, visoko učinkovita izvedba lanca opskrbe, točnije upravljanje imovinom i rizikom ili zapošljavanje, motiviranje i vođenje visokokvalificiranih zaposlenika. Tvrtkama su potrebni ciljevi jer ne mogu svim aspektima svog poslovanja pristupiti jednako analitički; nema dovoljno analitičkih talenata za pokrivanje svih područja. Analitici su potrebni dobri ciljevi. Dobri ciljevi su zasebna tema, čije bi detaljno objašnjenje izašlo izvan okvira ovdje.
Analitičari imaju dvije glavne funkcije:
• Stvaraju i održavaju modele koji pomažu poduzeću da postigne svoje analitičke ciljeve
• Oni unose analitiku u poduzeće osnažujući više rukovodstvo da ih cijeni i primjenjuje.
Dakle, da biste postigli stvarni napredak, morate staviti pet DELTA elemenata u pravi omjer. Organizacije se razlikuju po polaznim točkama, mješavinama vještina i stopama napretka u analitici.
Data Governance kao važan čimbenik uspjeha
Podaci su najbolja osnova za nove uvide kada se gledaju iz različitih kutova. Naše trenutne okolnosti također zahtijevaju odluke koje se moraju donijeti u neizvjesnim uvjetima. Takve su situacije složene. Potrebno je uzeti u obzir mnogo različitih utjecajnih čimbenika. Odluka ne mora samo odgovarati današnjim standardima. Budući da mnoge odluke imaju dugoročan utjecaj, moraju se dokazati iu kasnijim kontekstima. Pomislite samo na odnos prema razinama onečišćujućih tvari u motoru s unutarnjim izgaranjem, u nuklearnoj energiji itd.
Pokazalo se korisnim uključiti različita gledišta i zahtjeve u način na koji se donose odluke.
Različiti zahtjevi također zahtijevaju drugačiji fiksni okvir. Mi u CubeServ-u volimo pričati o razlici između tvornice, radionice i laboratorija. Ono što se događa u tvornici karakterizira učinkovitost i ponovljivi rezultati.
Ovdje zamišljamo mjesečne ili godišnje financijske izvještaje. U radionici je mnogo važniji jedinstveno uspješan rezultat. Dobra marketinška kampanja, prilagođena odgovarajućoj ciljnoj skupini, vrijedi u određenom trenutku. Sljedeća kampanja zahtijeva drugačiju segmentaciju. I na kraju, ali ne i najmanje važno, laboratorij: ideje se ovdje moraju brzo potvrditi.
Cilj je slijediti obećavajuće ideje i odbaciti one manje obećavajuće.
Vidimo da su uspješna poslovna analitika i upravljanje podacima usko povezani.
Koncept upravljanja postavlja sljedeće tehničke i profesionalne smjernice i odlučujući je za uspješnu implementaciju:
- Uspostaviti BI organizaciju
- KPI definicije: Izrada kataloga s odgovornostima i odobrenjima
- Smjernice za modeliranje: Specifikacije i propisi u kontekstu modeliranja podataka
- Izdvajanje zahtjeva: Predložak s obveznim sadržajem
- Razvojni standardi: Postavljanje smjernica za razvoj/programiranje, uključujući transport
- Konvencije imenovanja: Navedite specifikacije prilikom imenovanja objekata.Cilj je postaviti okvir za definiranje pitanja i rješenja.
- Koncept ispitivanja s definicijom kontrolnih točaka kvalitete
- Koncept autorizacije: Razvoj koncepta koji je kompatibilan s okolnim sustavima.
Sada možemo znati o našim kupcima isto toliko koliko smo znali u danima trgovina na uglu.
To znanje ugrađujemo u naše ponude na ciljani način.
Želimo pokupiti kupce tamo gdje jesu i ponuditi im ono što im treba. To se isplati za kupce i mi imamo koristi od vrijednog odnosa.
Added Value:
Zahvaljujući prepoznavanju uzoraka, kreiraju se ponude vrijednosti specifične za kupca. Na taj način jačamo lojalnost kupaca i izdvajamo se od konkurencije.Potential & Benefit:
Brza i utemeljena identifikacija perspektivnih kupaca kroz pristup valjanim i uvijek ažurnim podacima. Imamo bolju kontrolu nad rezultatima pojedinačnih segmenata kupaca.
Do sada objavljeno:
1. dio: Kako poslovnu analitiku učiniti uspješnom?
2. dio: Poslovna analitika naspram poslovne inteligencije
3. dio: Što je SAP Analytics? SAP Data Warehouse portfelj
4. dio: SAP Analytics – Front End proizvodi
5. dio: Podatkovna platforma – važan stup digitalne transformacije
6. dio: Na putu za AWS
7. dio: Cloud – prokletstvo ili blagoslov?
8. dio: Vodite s podacima – zašto je Power BI uobičajen izbor