Magazin: Aranybánya cégeknek

A big data világában hozzászoktunk ahhoz, hogy szenzorok milliói gyűjtik rólunk az adatokat. Naponta hatalmas mennyiségű adat keletkezik, az IBM becslése szerint minden 24 órában 2,5 exabájtni (2.5×109 GB) adattal leszünk gazdagabbak. Az adatok döntő része, közel háromnegyede strukturálatlan – ami megnehezíti az elemzők munkáját. Az adatelemzői munka is pár éve jelent meg.

De mit is jelent a big data? A szakértők meghatározása szerint a big data információs vagyont jelent, melyet óriási térfogat, sebesség és változatosság jellemez. Illetve sajátos technológiai és analitikai módszerek szükségesek ahhoz, hogy értékké változtassák őket. Leginkább elfogadottnak tekinthető meghatározás a 4 V (volume, variety, velocity és value) elve, amely szerint nem csupán az adatmennyiség a meghatározó, hanem az adatok sokfélesége, beérkezésük gyorsasága, valamint minőségük, hitelességük is fontos szempont a big data definiálásakor. Magyarul: gyorsan növekszik az adatok mennyisége: különböző forrásból, változatos adatokat kapunk, és gyakran egyedi, sajátos megoldásokra van szükség, hogy a döntéshozatalt segítő információt, értéket kinyerjük belőlük.

Segítség a döntéshozatalban

– Azáltal, hogy mára már szinte minden üzleti folyamat – például a gyártás és az értékesítés is – digitális rendszerek támogatásával történik, egyre több adat áll a vállalatok rendelkezésére – fejti ki Budai Péter, a Microsoft Magyarország Szerverek és felhőtechnológiák üzletágának vezetője. – Akik képesek az üzletmenet szempontjából legfontosabb adatokat megfelelő ütemben összegyűjteni és feldolgozni, jelentős versenyelőnyre tehetnek szert. Az adatok segítségével nemcsak a múltról kaphatunk pontos képet, hanem az adatok közötti összefüggések és trendek feltárásával a jövőt is előre jelezhetjük, ami a döntések előkészítésében jelent nagy segítséget.

– A big data alapvetően az adatok kezelésében (tárolásában, visszakeresésében, elemzésében) biztosít olyan lehetőségeket, amelyek a hagyományos adatkezelési technikákkal irreálisnak tűnnek, akár azért, mert túl sok adatról van szó, akár azért, mert sajátos az adatok jellege, típusa, akár azért, mert túl szigorúak a válaszidővel szembeni elvárások. Illetve ezek tetszőleges kombinációja – véli Gupta Sanjay, a T-Systems Magyarország Üzletiintelligencia- és információmenedzsment-megoldások ágazatának igazgatója.

FMCG-cégek számára az egyik jellegzetes felhasználási mód az úgynevezett szentimentanalízis, vagyis annak vizsgálata, hogy a vásárlók hogyan vélekednek egy-egy konkrét termékről, kampányról vagy általában egy brandről. A közvélemény-kutatás, felmérések készítése a bejáratott útja az ilyen információk beszerzésének, a gond csak az, hogy ezek a technikák nemcsak költségesek, de igen lassúak is. Legalábbis ahhoz képest, hogy milyen sűrűn jelennek meg új termékek, illetve hány kampány indul manapság, vagy hogy milyen gyorsan terjed az információ a piacon a közösségi szolgáltatásoknak (megosztásnak) köszönhetően. Ha egy FMCG-cég lépést akar tartani ezzel a sebességgel, nincs mese: bele kell hallgatni abba, ami az interneten történik.

Ez viszont nem megy a hagyományos technikákkal. Itt jön képbe a big data, illetve a technológiára épülő olyan megoldások, mint például a T-Systems Magyarország Social Media Command Centre-e.

Aranybányán ülnek a cégek

– Az FMCG-cégek esetében egy egyszerű üzletmenet mellett is komoly adatmennyiségek jelennek meg, és jelentek meg a múltban is – mondja Balázs Csaba, az SAP Hungary Kft. termékszakértője. – Ez mindig is fontos volt, vagy lett volna, csak nem voltak igazán megfelelő vagy megfelelően hatékony eszközök ezek kezelésére. Kicsit olyan ez, mint a GPS navigáció: mindig is volt rá igény, illetve lett volna, ha tudták volna, micsoda előnyökkel jár, csak egyszerűen nem voltak meg a feltételei.

A nagy mennyiségű adat gyors kezelése, gyorsan elemezhető, üzleti információvá történő konvertálása jobb, gyorsabb döntéshozatalt tesz lehetővé a vezetői szinteken, és a napi operációban is gyorsítja a tevékenységet, csökkenti a hibákat, költségeket, azaz alkalmasabbá teszi az FMCG-céget a gyorsuló versenyben való talpon maradásra. Big data eszközöket nemcsak olyan nagyvállalatok használnak, mint a LIDL vagy az eBay, hanem értéket adhatnak a pár bolttal dolgozó hazai kisvállalkozások részére is.

– Ha szemléletesen szeretnék fogalmazni, akkor az FMCG-cégek aranybányán ülnek, és csak a töredékét tárják fel annak – fogalmaz Oláh Attila, az Esri Magyarország ügyvezető igazgatója.

Rengeteg olyan adat van, mely kihasználatlanul marad, ilyenek például a lokációhoz köthetőek: a nagy mennyiségű digitális fotó, kasszakép, polcinformáció, ár- és pénztárgépadat, a hűségkártyaadatok, vásárlói szokások stb.

Az eme adatkörök közti összefüggések megértéséhez használhatóak a térbeli elemzési eszközök, melyek információkat adnak a kezünkbe döntéshozatalkor: hol teljesítünk jól vagy jobban, hol vannak a legjobb ügyfeleink vagy a legjobb értékesítési területeink, illetve mely területeken van a legnagyobb expanziós potenciál.

Ne a kockás füzetbe!

Bódogh Attila, a big data elemzésekkel is foglalkozó Xdroid ügyvezető igazgatója szintén úgy véli, az FMCG-cégek is profitálhatnak a számukra elérhető, nagy tömegű adatok elemzéséből. Nemcsak a belső gyártási és logisztikai rendszereik nyújtotta, esetleg olcsó szenzorokkal bővített adatokról van szó, hanem a teljes logisztikai és disztribúciós láncról is, amennyiben kereskedőpartnereikkel a szükséges megállapodásokat megkötötték. Az iBeacon és RFID technológiák segítségével, kiegészítve a hűségprogramok óriási adatbázisaival, a közvetlenül a vásárlóig követett értékesítési folyamat óriási segítség a célzott termékfejlesztéshez, árazáshoz, marketinghez és promóciókhoz.

A legfontosabb az adatközpontú gondolkodás elsajátítása. Ez azonban nemcsak a nagyvállalatok, hanem a legkisebb vállalatok számára is lényeges ahhoz, hogy az adatok ne kockás füzetben vagy a fejekben legyenek meg, hogy a döntéseket adatokra és ne kizárólag megérzésekre alapozzuk – mutat rá Budai Péter (Microsoft Magyarország). A kisvállalatok ma már számtalan CRM-szoftver, vállalatirányítási rendszer és üzletiintelligencia-megoldás közül választhatnak. A gépi tanulás használata is egyre könnyebbé válik, így az IT-hoz kevésbé értő elemző kollégák segítségével is automatizálhatóvá és hatékonnyá tehető akár a keresztértékesítési ajánlatok építése, az ügyfél-lemorzsolódás vizsgálata vagy pénzügyi kockázati modellek építése.

Budai Péter szerint a legjobb megközelítés egy kisebb, célzott problémakörre üzletiintelligencia-projektet indítani, és annak részeként összegyűjteni a vállalaton belül elérhető legfontosabb információforrásokat és létrehozni egy egységes nézetet, amivel a vállalaton belül mindenki egy lapra kerülhet. Első területként érdemes az értékesítéssel kezdeni, hiszen ott mind az adatok pontossága, mind a növekedési lehetőségek feltérképezése fontos szempont. Utána másodiknak érdemes olyan területet választani, ahol a legtöbb olyan adat áll rendelkezésre (vagy gyűjthető össze), mely döntés-előkészítésben vagy futó folyamatok azonnali optimalizálásán tud segíteni.

Mi az üzleti probléma?

– Mindenki először is gondolja végig, hogy pontosan mire van szüksége, mi az üzleti problémája – tanácsolja Gupta Sanjay (T-Systems Magyarország). – Nagy a lemorzsolódás? Vagy az üzleti stratégiájának végrehajtásához új ügyfelek akvirálása szükséges? Esetleg szeretne többet tudni az ügyfelei vásárlási szokásairól, hogy jobb, kelendőbb termékeket, szolgáltatásokat fejlesszen ki? A jó kérdés nagyon fontos! Először találjuk meg a jó kérdést, akkor meglesz a válasz is.

Ha megvannak a kérdések, akkor meg kell vizsgálni, hogy hol vannak (léteznek-e egyáltalán) azok az adatok, amelyek a kérdések megválaszolásához szükségesek. Ha megvannak, és házon belül találhatóak az ügyviteli rendszerben, akkor nagy valószínűséggel egy adattárház alapú jelentéskészítő vagy információszolgáltató rendszer lesz a jó válasz. Ha nincsenek meg az adatok házon belül, akkor körül kell nézni, hogy honnan lehet ezeket beszerezni. Ha kiderül, hogy a szükséges adatok volumene nagy (vagy idővel naggyá nőhet), a jellegük miatt nem kényszeríthetőek a hagyományos adatbázis-kezelők szigorú rekordszerkezeteibe, ráadásul még komoly időkorlátok is vannak az adatkezeléssel kapcsolatban, akkor elképzelhető, hogy valamilyen big data technológia bevetésére lesz szükség.

Szabjuk személyre a dobozost!

– Az üzletiintelligencia-eszközök megjelenítik a big data megoldások által konyhakészre gyártott információkat – mondja Balázs Csaba, az SAP termékszakértője. Így például az SAP Business One version for SAP HANA megoldásuk egybeötvözi ezeket, a felhasználók az üzleti információkat kapják csupán.

Ehhez a SAP sok-sok előregyártott elemet szállít, amelyeket fel lehet használni a saját döntéstámogatási rendszerhez, de ezekből tovább is lehet építkezni igény szerint.

Létezik dobozos megoldás a big data területén, mondja Oláh Attila, de testre szabható és integrálható rendszereket is kínálnak, akár előfizetéses rendszerben. A lényeg, hogy minden esetben jogosítványt adnak termékeikhez, mellyel biztosítják, hogy az üzleti cél megvalósul – például az értékesítési csapatnak új ügyfeleket tárnak fel.

Az Esri Magyarországnál rengeteget fektetnek kutatás-fejlesztésbe és ügyfeleik igényeinek megismerésébe: bevételük (és nem a profit!) 25 százalékát fordítják erre a célra. Mást nem is tehetnének, hiszen az IT-iparág rohamos fejlődésével így lehet csak lépést tartani. Az eredmények azt mutatják, érdemes így működni.

Mindenki profitál

– Kicsit sarkítva, minden vállalkozás, mely interneten hirdet, indirekt módon profitál a big datára épülő analitikai megoldásokból, hiszen például a Google-hirdetések megjelenítése mögött is erre épülő megoldások dolgoznak – vallja Bódogh Attila. – Teljesen más szint ugyanakkor a vállalkozás saját adatainak elemzése és a döntéshozatalban való figyelembevétele, itt, úgy látjuk, az áttörésre még várni kell.

A nagyoktól eltérően Bódogh Attila úgy véli, hogy a big data nem feltétlenül egy dobozos megoldás. Számos nagy gyártó a kezdetektől teljes körű dobozos megoldásként próbálta pozicionálni saját megoldását, ugyanakkor legtöbbször meglévő és újonnan vásárolt termékek összekötésével próbáltak elindulni a gyors piacra lépés érdekében, több-kevesebb sikerrel. A felhő elterjedésével ugyanakkor szinte gomba módra szaporodtak az adatainkat fogadni, tárolni és megjeleníteni tudó, az alapoktól újragondolt megoldások.

Amíg az adatgyűjtésre, feldolgozásra és vizualizációra számos lehetőség kínálkozik mind saját, mind bérelt infrastruktúrán, az üzleti értékké való konvertálás mindig egyedileg vizsgálandó probléma, ebben továbbra is nagy szerepe van az üzleti- és mesterségesintelligencia-szakértők tanácsainak.

Mindezzel Körmendi György, a Clementine Consulting ügyvezetője is egyetért, hiszen azt állítja, a big datára nem jellemzőek a doboztermékek. Ha valaki ilyet kínál, akkor a személyre szabott szolgáltatás is megjelenik. Sokkal könnyebben elképzelhető viszont, hogy mondjuk egy felhőszolgáltatást integrál egy felhasználó a saját rendszerébe egyszerűen, amely mögött valami big data technológia áll. Ebben az értelemben máris mindannyian big data alkalmazók vagyunk, ha már van egy Google-fiókunk. Persze sok mindenre nem megoldás egy külső felhőszolgáltatás, ha az adatok érzékenyek. Ilyenkor valamennyit biztosan fejleszteni kell. Körmendi György szerint a big data – más technológiák mellett – éppen a változásokra, új problémákra adott válasz.

Bódogh Attila úgy gondolja, hogy az elmúlt időben a számítási teljesítmény és a gépkapacitás rengeteget fejlődött, ami lehetővé teszi a nyers adatok kezelését, feldolgozását. Az adatformátumok is sokat sztenderdizálódtak az utóbbi években. Ezzel együtt természetesen a rendelkezésre álló adatok mennyisége is robbanásszerűen nőtt, jó példa erre akár a filléres szenzorok megjelenése.

Egy-egy projekt előtt azonban sok szempontot tudunk már mérlegelni: például szükség van-e valós idejű elemzésre, milyen részletezettségű adatokra lehet igény, hol húzzuk meg a sikerességi határt, vagy éppen tudjuk-e validálni a megoldást egy kisebb halmazon. Ezekkel a big data projektek is kezelhetőbbé és menedzselhetőbbé válhatnak.