lovesme[1]

Üzleti intelligencia — nem működik

Nemrég olvastam a National Computing Centre felmérését arról, hogy mik a tapasztalatok a nemzetközi üzleti intelligencia (BI) megoldásokkal kapcsolatosan. Azt vizsgáltuk közben, hogy mennyire problémásak a fejlett nyugati kultúrákban tapasztaltak idehaza. Nálunk egyelőre még az üzleti intelligencia Kánaán időszaka van, ugyanakkor nem árt egy kicsit messzebb látni, nehogy minket is a csalódás árnya vegyen végül körül. Miért? Mert a felmérés azt mutatja, hogy bár a válaszadó 61%-a intenzívebbé tenné a BI rendszerének használatát, ugyanakkor 53%-ban semmilyen érdemi változást nem hozott a BI bevezetésre, miközben csak 6%, akik nagyon és 13%, akik általában elégedettek. Hogy jöhetett létre ez az ellentmondás?!

Névmágia

Üzleti intelligencia alatt sokan, sokfélét értenek. Kimball szerint üzleti intelligencia az adattárház egy másik megnevezése, a SAS szerint a prediktív adatbányászat az üzleti intelligencia. A legtöbbször azonban az üzleti intelligencia szoftverek táblázatok és grafikonok sokaságát jelentik. Ez, természetesen, a problémák egyik forrása – hiszen eladható termékcsoportot jelent az “üzleti intelligencia”, egy brand, amire marketinget, eladást lehet tervezni, a gyanútlan felhasználó pedig arra gondol, hogy a szoftver majd megoldja a jelenlegi üzleti problémákat. A problémát célszerű onnan megragadni, hogy mire való… Üzleti intelligenciát alkalmazunk arra, hogy nagy méretű, idősoros és időfüggetlen adatok egyszerű, gyors értelmezését vizualizáció segítségével támogassuk, a vállalat minden szintjén egységes adatforrásokat és felületeket felhasználva az üzleti működés szempontjából meghatározó mutatókat, trendeket és (kontra)indikátorokat kiszámítsuk, felderítsük és megjelenítsük.

A helyzet hasonlatos ahhoz, mint a CRM (Customer Relationship Management) szoftverek esetében tapasztaltuk. Sokan azt gondolták, hogy a CRM bevezetésével majd vevőközpontú vállalatot alakítanak ki – és beruháztak egy méregdrága CRM megoldásra. Valójában azonban a legtöbb vállalkozásnak egy ügyféladatbázisra volt szükségük, amely keresztül a direkt marketing és sales tevékenységet lehetett erőltetni. Pontosan legyünk tisztában azzal, hogy mit és miért akarunk bevezetni – és nem utolsó sorban tudjuk előre, hogy a rendszer bevezetése teljes gondolkodásbeli, végül szervezeti váltást kell maga után vonjon, ha sikereket remélünk a bevezetéséből.

Jó üzleti intelligencia rendszer segít nekünk abban, hogy kiszámítható működés mellett minden figyelmeztető vagy jelző eseményt már a korai szakaszban észrevegyünk, a mutatóink alapján a megfelelő döntéseket hozzuk, függetlenül attól, hogy a hierarchia melyik szintjén állunk. Azok a vállalatok, akik az üzleti intelligencia rendszer bevezetése után nem terveznek belső értékelési rendszer kialakítását, nem követi a bevezetését egy Balanced Scorecard-hoz hasonló indikátor rendszer kidolgozása, vagy nem kötik a mért értékeket teljesítményekhez (és ezen keresztül döntésekhez), jó eséllyel nem azért vágtak bele a bevezetésbe, mint amire használni kellene a rendszert – végül sok pénzt költenek, jellemzően “semmire”.

Adatforrás-mérgezés

Sokszor az üzleti intelligencia rendszer bevezetése előkészítés nélkül, a korábbi, több asztalon megvalósuló Excel-varázslások felváltására hivatott. Mielőtt valaki úgy gondolná, hogy ez ritka dolog, jelezzük, hogy Magyarországon is(!) ez a tipikus – az informatikai kőkorból az emberek hirtelen a high-tech megoldásra szeretnek átállni. Az így keletkezet bemeneti adatok forrása, időzítése, pontossága megbízhatatlan, így a különböző minőségű adatok integrációja összességében is legfeljebb hasonló, de inkább csak rossz és rosszabb minőségű lehet. Márpedig ahogy a szakirodalom is mondja: “garbage in, garbage out”, azaz a jól megtervezett, felépített mutatóink, indikátoraink is jellemzően szemétmutatók és szemétindikátorok lesznek egy ilyen környezetben.

Az üzleti intelligencia rendszer bevezetését meg kell előzze – vagy része kell legyen – egy alapos és átgondolt adatforrás-konszolidáció, szélsőséges, de sokszor ideális esetben egy adattárház-építés. Az adatforrás-konszolidáció során térképezzük fel, hogy milyen adatok hol, hogyan és mikor(!!) keletkeznek (egyáltalán van-e adatunk egy-egy metrikához?!), hozzuk ezeket közös nevezőre a többi forrásadattal, majd ezeket együttesen és lehetőség szerint automatizáltan dolgozzuk fel és be egy központi adatbázisba, adatpiacba.

Két szélsőséges magyar tünet az elmúlt évekből az adatforrás-konszolidáció amúgy is égető támogatására. Az adatforrásban szereplő származtatott mutatókat néhány tizedesjeggyel kézzel átírták az Excel-táblázatban, hogy munkatársakat, eredményeket “szebb” vagy “rosszabb” színben tüntessenek fel, így “támogatva” a vezetőséget a kívánt döntés elérésében. Egy másik rendszerben angol és magyar forrásrendszerek keveredésnek eredményeképpen egy döntést előkészítő, nemfüggő probléma során derült ki, hogy három nemű lett az ügyfélkör: F, M, N jelölésekkel – Male/Female, Férfi/Nő jelentéseket rövidítve – az F esetében mindenkire rábízzuk, hogy milyen nemet választ…

Szakértői ismeretek hiánya

Felhívjuk a figyelmet arra a tipikus hibára is, hogy üzleti intelligencia rendszerük esetében sokan arra helyezik a hangsúlyt, hogy hogyan kell kezelni a felhasználói felületet, ugyanakkor az egyik legfontosabb mind a mai napig annak megértése, hogy a felhasználók által látott grafikonok, adatsorok hogyan keletkeznek, és ezáltal mit (nem) mutatnak. Mindkettő probléma, és egyben ez a leginkább szűk keresztmetszet az üzleti intelligencia rendszerek használatában is. Ugyanis a jelenlegi, hagyományosnak tekinthető üzleti intelligencia megoldások részben nagyon drágák, 3-7 vagy több napos képzéseket igényelnek, ugyanakkor az előállított információtartalmat csak a folyamatot teljes mértékben átlátni képes területi és/vagy informatikai szakértők tudják megfelelően értelmezni.

A megfelelő tevékenységhez a megfelelő megoldást válasszuk, de legalábbis gondoljuk végig a képzési rendszerünket, hogy megfelel-e a szervezet a működési kívánalmaknak. Ha nem, akkor egy átfogó képzési programot kell felépíteni az üzleti intelligencia rendszer bevezetése mellett. Azt már csak a magunk részéről tesszük hozzá, hogy ha egy ad-hoc elemző lekérdezés előállítására komolyabb képzésre, esetleg önálló üzleti folyamatra van szükség, akkor a termék nem tudhatja kielégíteni az eredeti célkitűzéseinket – nem fogunk nagyon gyorsan reagálni a hirtelen fellépő változásokra.

Általános tanulságok, konklúziók a sikeres bevezetéshez

  • Minden üzleti intelligencia megoldást előzzön meg egy alapos adatvagyon felmérés és adatforrás-konszolidáció.
  • Megfelelő folyamatok és minőségbiztosítás mentén hozzuk létre az üzleti intelligencia rendszer számára fontos adatokat és mutatókat, amely mindenki számára világos és érthető módon jön létre, minden szinten jól használható.
  • A szervezeti szintünkhöz, vállalati kultúránkhoz leginkább igazodó rendszert vezessük be.
  • Az üzleti intelligencia bevezetése csak a folyamat egy része, ne álljunk meg az első lépésnél – vagy ne lépjük meg az első lépést se. Vízióban, irányban gondolkodjunk, a belső működésünk átvilágításának, számszerűsítésének, akár új mutatók és szempontok feltárásának, a szervezeti és gondolkodásmód változtatásának igényével vezessük be az üzleti intelligencia rendszerünket.

Ellenkező esetben az üzleti intelligencia rendszerre elköltött pénz sosem fog megtérülni – kidobott tőke lesz belőle.

Posted in Egyéb.