Analityka biznesowa w przemyśle
– najważniejsze trendy

Artykuły eksperckie | 03.01.2018 | Czas czytania: 5 minut

Przemysł jest szczególną gałęzią działalności ludzkiej, ze względu na dynamikę zmian w środowisku, w jakim funkcjonuje i jakie same generuje. Nic więc dziwnego, że firmy chcąc utrzymać się na rynku, wspomagają się różnorodnymi systemami informatycznymi. Jednym z popularniejszych rozwiązań tego typu są systemy Business Intelligence, które już od wielu lat – zwłaszcza w dużych organizacjach – stanowią trzon systemów IT, związanych z podejmowaniem decyzji biznesowych w oparciu o dane, które firma już posiada. Mówi się, że obecnie żyjemy w czasach rewolucji informatycznej, której kluczowym składnikiem są właśnie dane. Oznacza to, że także mniejsze organizacje muszą nauczyć się te dane wykorzystywać.

Real-time analysis

W dzisiejszym świecie organizacje nie mogą sobie pozwolić na zwłokę ani żadne przestoje w działalności, co jest dużym wyzwaniem dla i tak już skomplikowanych systemów informatycznych. Nie inaczej jest w przypadku analityki biznesowej. Systemy BI już nie tylko muszą dostarczać prawidłowe dane w odpowiednim formacie, ale muszą je dostarczać niemal natychmiast. Stąd koncepcja real-time analytics, czyli raportowanie na potrzeby analityczne w czasie rzeczywistym. Nowoczesne systemy BI dają możliwość raportowania z systemów transakcyjnych (takich jak system ERP, CRM czy MES) bez zakłócania ich pracy i bez konieczności tworzenia kopii danych na potrzeby analityczne.

W tradycyjnych rozwiązaniach BI dane zanim trafią do raportu muszą zostać najpierw przetworzone i dostosowane za pomocą procesu ETL (czyli proces ekstrakcji, transformacji i ładowania danych). Proces ten może zająć od kilku lub kilkudziesięciu minut do nawet kilku lub kilkunastu godzin. W przypadku procesów biznesowych, które wymagają niemal natychmiastowej reakcji, podejście to nie będzie zadowalające. Rozwiązaniem tego problemu może być więc implementacja mechanizmu operational analytics, czyli specjalnych struktur indeksujących, które działają bezpośrednio w bazie danych i współdziałają z istniejącymi w niej strukturami, odpowiedzialnymi za działania operacyjne. Indeksy te są o tyle ciekawym rozwiązaniem, że potrafią agregować ogromne ilości danych w bardzo szybki sposób. Przykładowy schemat ich działania można zobaczyć na poniższym diagramie:

 jpro jcommerce 3-01-18 Analityka-biznesowa-w-przemyśle il A

OLTP workload to podstawowa działalność danego systemu, np. przyjmowanie zamówień, zapisywanie danych procesu technologicznego itp. Innowacja polega na tym, że na tych samych strukturach, tworzonych w ramach podstawowej działalności systemu, działa specjalny indeks kolumnowy, umożliwiający generowanie różnego rodzaju zestawień analitycznych i to nawet w przypadku bardzo dużych wolumenów danych. Technologia ta pozwala więc na analizę danych bez potrzeby ich ładowania do centralnego repozytorium danych, czyli np. hurtowni danych. Z punktu widzenia użytkownika to nic innego jak natychmiastowy wgląd w dane produkcyjne bez konieczności długiego oczekiwania na raporty.

Potok danych i Internet of Things

Coraz większą popularnością cieszy się koncepcja Inteligentnego przedsiębiorstwa i przemysłu 4.0. W tym obszarze znajduje konkretne zastosowanie koncepcja Internetu Rzeczy (ang. Internet of Things), w takim modelu działania dane przedsiębiorstwa są wszędzie i nawet najmniejsze urządzenia ciągle je generują. Dane takie przyjmują formę potoku danych, które spływają w sposób ciągły – analizowanie ich przy pomocy tradycyjnych baz relacyjnych może być w związku z tym bardzo trudne lub nawet niemożliwe. Niezbędne jest więc tutaj zastosowanie technologii umożliwiającej ich przechwycenie, analizę i wyciąganie wniosków. W tym celu wykorzystywana jest zarówno chmura, Big Data, jak i technologie związane ze sztuczną inteligencją i uczeniem maszynowym. Umożliwiają one w sposób inteligentny i nie tylko ich opisywanie sytuacji w firmie, ale również wychwytywanie niestandardowego zachowania, a nawet przewidywanie przyszłości w oparciu o dane historyczne i ich analizę predykcyjną.

Przykładem wdrożenia wymienionych technologii może być przypadek firmy The Schneider Electric, potentata z branży naftowo-gazowej. Poprzez połączenie technologii IoT z uczeniem maszynowym firma zyskała nieosiągalne wcześniej możliwości monitorowania pracy maszyn. Dzięki implementacji mechanizmów uczenia maszynowego możliwa stała się proaktywna reakcja na występowanie niestandardowych reguł w działaniu maszyn, będących sygnałem zbliżającej się awarii. Innymi słowy – usterka może zostać usunięta na długo przed tym, zanim spowoduje awarię maszyny. Firma wykorzystała w tym celu komponenty chmury Microsoft o nazwie Azure Machine Learning oraz Azure IoT Edge. Poniższy schemat przedstawia sposób działania systemu:

 jpro jcommerce 3-01-18 Analityka-biznesowa-w-przemyśle il B

Azure Machine Learning wykorzystany w tym przypadku buduje modele predykcyjne i w zależności od sytuacji informuje o potencjalnych zagrożeniach. Zyski z powyższego rozwiązania są oczywiste – proaktywny monitoring pozwala nie tylko na oszczędności związane z usuwaniem awarii, które jeszcze nie wystąpiły, ale również pozwala na podniesienie bezpieczeństwa osób obsługujących maszyny, co w przypadku branży wydobywczej, w której działa firma, jest bardzo istotne.

Wizualizacja danych

Oprócz wyzwania jakim jest wydajne składowanie danych i ich analiza, bardzo ważna jest również wizualizacja. Przekazywanie danych w statyczny sposób nie jest już tak atrakcyjne jak kiedyś. Użytkownicy oczekują interakcji, czyli możliwości samodzielnej pracy z raportem. Również i w tym przypadku wybór odpowiednich narzędzi jest całkiem szeroki, a ich możliwości są coraz większe. Świetnym przykładem jest tutaj Power BI, który oferuje całą gamę możliwości raportowych, od najprostszych tabelarycznych, po najbardziej wyrafinowane wizualizacje map i wykresów. Narzędzie to jest o tyle wszechstronne, że umożliwia budowanie rozwiązań hybrydowych opartych zarówno na chmurze obliczeniowej, jak i serwerach, które firma już posiada.

Przykładów udanych wdrożeń tego typu narzędzi jest wiele. Przytoczyć w tym miejscu możemy chociażby firmę KPMG, która wykorzystuje Power BI do analizy procesów biznesowych. Poniżej przedstawione zostały przykładowe raporty, jakie firma w tym celu tworzy:

 jpro jcommerce 3-01-2018 Analityka-biznesowa-w-przemyśle sc 1

 jpro jcommerce 3-01-18 Analityka-biznesowa-w-przemyśle sc 2

KPMG wykorzystało dane transakcyjne z systemów ERP. Celem niniejszego wdrożenia było wykrycie procesów, które mogą negatywnie wpływać m.in. na wydajność innych procesów. Ponadto raporty zostały wykorzystane do tego, żeby zwizualizować pewnego rodzaju odchylenia i niestandardowe akcje, które poza tym raportem nie były możliwe do wykrycia, a co za tym idzie były niedostrzegalne dla decydentów. Dzięki rozwiązaniu opartemu o Power BI KPMG mogło znacznie ulepszyć, czy też znaleźć powiązania pomiędzy procesami, których wcześniej nie dostrzegano i ciągle je ulepszać, monitorując przy tym postępy i zmniejszając koszty.

Zaletą każdego z powyższych wdrożeń jest fakt, że działają one na tej samej platformie danych (platforma Microsoft), dzięki czemu bardzo dobrze się integrują i dają możliwość budowania rozwiązań dla różnych odbiorców – od małych wdrożeń dla średnich przedsiębiorstw, aż po ogromne inwestycje międzynarodowych korporacji. Czy zatem Business Intelligence jest atrakcyjny dla przemysłu i innych gałęzi gospodarki? Myślę, że tak – szczególnie, że raportowanie i budowanie struktur danych jest nieodłącznym elementem współczesnego biznesu. Ponadto jeśli posiadamy już w organizacji uporządkowane i sprawdzone sposoby na raportowanie, możliwe jest ich rozwinięcie o kolejne elementy, takie jak uczenie maszynowe czy IoT. Plusów wdrożeń tego typu rozwiązań jest bardzo wiele: od tych najbardziej oczywistych, takich jak oszczędności i możliwość podejmowania właściwych decyzji, aż po te strategiczne, jak osiągnięcie przewagi konkurencyjnej, o którą tak ciężko w dzisiejszym otoczeniu biznesowym.

 

Autorem wpisu jest

Adrian Chodkowski, JCommerce

Starszy Specjalista Business Intelligence

Certyfikowany ekspert z zakresu platformy danych i Business Intelligence. Na co dzień pracuje w charakterze konsultanta z całym przekrojem narzędzi platformy danych Microsoft – od bazy SQL Server po rozwiązania oparte o modele tabelaryczne i self-service BI w katowickim oddziale firmy JCommerce. W sferze zawodowej interesują go przede wszystkim narzędzia wchodzące w skład platformy danych Microsoft, zaawansowana analityka oraz odkrywanie wiedzy z danych. Autor bloga pl.seequality.net.

Komentarze

  • Aktualnie brak komentarzy.

Skontaktuj się z nami