Kakšna analitika neki, če je še s podatki križ?!
Analiza podatkov je bistvena veščina za mnoga poslovna področja in panoge, a pozna tudi številne izzive. Ker postajajo podatki v sodobnih poslovnih okoljih vse bolj kompleksni, obenem pa tudi raznoliki in celo »bogati«, se podjetja in poslovni uporabniki soočajo z (vedno) novimi težavami. Iskanje učinkovitih rešitev pa pogosto omejijo na analitična orodja in tehnike, čeprav bi pogosto veljalo začeti z (drugačnim) načinom razmišljanja.
Nobena skrivnost ni, da je eden največjih izzivov pri analizi podatkov predvsem zagotavljanje kakovosti podatkov, s katerimi podjetje dela. Njihova kakovost se nanaša na točnost, popolnost, doslednost in ustreznost podatkov za namen obdelave in analize. Slaba kakovost lahko povzroči netočne rezultate, zavajajoče vpoglede in izgubo časa ter denarja, pogosto pa tudi ugleda in še kaj hujšega, če na osnovi slabih podatkov podjetje sprejme slabe odločitve. Da bi se temu izognila, morajo podjetja izvajati t. i. preverjanja kakovosti v celotnem življenjskem ciklu podatkov, od zbiranja do čiščenja in analize. Pa to počno? Le redka … Drži, da prvih par napotkov iz katerekoli knjige ali drugega gradiva iz sveta poslovne analitike poudarja, da mora podjetje uporabljati zanesljive vire podatkov. A kdor (pre)bere še kak nasvet dlje, ugotovi, da mora na osnovi podatkov potrditi svoje domneve ter dokumentirati metode zbiranja, čiščenja in obdelave.
Naslednja čer sliši na ime integracija podatkov. Drugi (ogromen) izziv pri njihovi analizi je integracija podatkov iz različnih virov, formatov in sistemov. Postopek združevanja podatkov iz različnih virov v enoten pogled, še posebej pa potreba po »prevajanju na skupni imenovalec«, je pogosto mukotrpno opravilo. Integracija podatkov je skoraj brez izjeme težavna in dolgotrajna, zlasti če so podatki heterogeni, nepopolni ali nezdružljivi. Kdor trdi drugače, bodisi nima izkušenj ali pa je kaj spregledal. Integracija podatkov zahteva uvedbo postopkov ETL, skladiščenje podatkov, morebitne preslikave, uvoz ipd. V tej fazi mora podjetje vzpostaviti tudi podatkovne standarde, protokole in poskrbeti za upravljanje, da zagotovi doslednost in kakovost podatkov. Še menite, da je to izvedljivo hitro, enostavno in poceni? No, ni.
Pogost izziv, o katerem skoraj ne slišimo, če z rezultati ni res očitno nekaj narobe, pa je t. i. podatkovna etika oziroma ukvarjanje z etičnimi posledicami obdelanih podatkov. Podatkovna etika je veja etike, ki se ukvarja z moralnimi vprašanji in dilemami, povezanimi z zbiranjem, obdelavo, analizo in uporabo podatkov. Etika podatkov lahko vpliva na zasebnost, varnost, privolitev, lastništvo in poštenost podatkov ter vpletenih ljudi. Spoštovanje pravic in interesov posameznikov, na katere se nanašajo osebni podatki, ter zagotavljanje preglednosti in odgovornosti pri obdelavi podatkov sta resni stvari. Napake pa drage, a z njimi se podjetja skoraj vedno ukvarjajo reaktivno.
Privzemimo, da ste zaposlili ali najeli podatkovnega znanstvenika, ki vam je pomagal rešiti zgornje izzive. Zdaj bo vendarle steklo, kajne? Ne nujno. Raziskave ugotavljajo, da je v poslovnih okoljih nenavadno trdovraten izziv tudi vizualizacija podatkov, torej učinkovito predstavljanje in sporočanje analiziranih podatkov. Vizualizacija podatkov je umetnost in znanost hkrati. Grafi, zemljevidi in nadzorne plošče so lahko večini takoj jasni ali pa niso razumljivi skoraj nikomur. Pogosto gre za tanko mejo. Spet boste potrebovali strokovnjaka, ki vam bo pomagal raziskati, razumeti in sporočiti analizirane podatke na jasen in privlačen način, zlasti če so obravnavani podatki kompleksni, večdimenzionalni ali dinamični. Povem vam, nakup orodij za analitiko se zdi po prehojeni poti še najlažja stvar. A kdor pride do cilja, je zmagovalec – tudi in predvsem v poslu.
