Documente Academic
Documente Profesional
Documente Cultură
1
Analitica Afacerilor, 20 mai 2016
prin intermediul căruia pot fi îndeplinite obiectivele afacerii şi executate deciziile, având
disponibile datele, pe baza strategiilor şi execuţiilor ghidate de analitici avansate. BAP este
versiunea mai nouă a CRISP-DM (Cross Industry Standard Process – Data Mining) – procesul de
bune practici între industrii, gândit în 1996 (la începuturile existenţei BA, atunci cunoscute ca
Data Mining).
4.1. BAP
În mod asemănător cu CRISP-DM, BAP pleacă de la afacere şi se termină cu
implementarea în 6 stape. Fireşte, numai având descrise aceste etape, nu este suficient pentru a
asigura succesul analiticilor. Trebuie gândite şi construite acele 6 etape împreună cu buclele
feedback corespunzătoare şi stabilit formal un „câmp de lucru” (plan de acţiune – AS - Analytics
Sandbox).
Etapele BAP:
Etapa 1: Obiectivele afacerii. În această etapă trebuie descrise problemele importante de afaceri
şi sunt definite rezultatele aşteptate. Liderii cheie din analitici şi afaceri ar trebui să definească
împreună aceste obiective.
Etapa 2: Auditul datelor. O dată obiectivele definite, echipa de analişti cu experienţă ar trebui să
stabilească de ce date este nevoie pentru modelele potenţiale şi să efectueze un audit al datelor
pentru a stabili disponibilitatea datelor necesare în infrastructura existentă de date. Dacă există
probleme cu calitatea sau cantitatea datelor, echipa se va reîntoarce la prima etapă pentru a stabili
împreună cu echipa de lideri de afacere cum să modifice obiectivele sau să colecteze mai multe
date. Această revenire constituie bucla feedback 1.
Etapa 3: Pregătirea datelor. O dată stabilit că datele sunt în cantitate şi calitate adecvată, trebuie
pregătite în formate ce pot fi folosite în modelele ce vor fi construite.
Etapa 4: Modelarea analitică. Etapa de modelare (din CRISP-DM) este subdivizată în BAP în 3
subetape:
2
Analitica Afacerilor, 20 mai 2016
4.1. Alinierea scopurilor afacerii cu BA: Înainte de orice parte de modelare, obiectivele
afacerii trebuie „traduse” într-o serie de obiective de modelare analitică. Pentru aceasta, trebuie să
existe un responsabil care să posede atât cunoştinţe din modelare cât şi de strategiile de afaceri.
Din nefericire, prea puţine persoane, la nivel de companie, sunt capabile de această aliniere,
deoarece, iniţiatorii şi proprietarii afacerii lasă întreg procesul de descoperire a cunoştinţelor în
mâinile echipei de modelare, aceasta având rezultate negative: 1) timp pierdut; echipei de analişti
i-a luat prea mult să găsească soluţii; 2) au fost găsite soluţii care nu pot fi implementate datorită
lipsei de cunoştinţe de business operaţional a echipei de analişti; 3) au fost peirdute oportunităţi
deoarece, deşi concluziile ar putea avea un impact major asupra afacerii, rezultatele nu prezintă
rigoare sau eleganţă analitică.
4.2. Construirea modelului: După alinierea cu afacerea, pot fi transpuse scopurile
modelării în modelare efectivă. Pot fi utilizate diferite modele pentru a rezolva aceeaşi problemă
analitică, acestea având tendinţa de a genera rezultate şi concluzii la diferite niveluri şi
performanţe. Modelele ce pot fi folosite depind de caracteristicile datelor disponibile, condiţiile
de business, performanţa modelelor. De obicei, este construită şi testată o serie de modele,
comparate apoi, iar modelul cu cea mai bună performanţă este ales pentru implementare. Pe
parcursul acestei subetape, ar putea fi necesar ca anumite date să fie modificate sau adăugate. De
aici, bucla feedback 2.
4.3. Extragerea concluziilor modelului: Importanţa acestui pas nu poate fi neglijată.
Anumiţi profesionişti se concentrează în principal pe construirea modelelor a.î. doar 10% din
timpul lor îl dedică pregătirii datelor, 70-80% construirii modelului şi 10-20% pentru extragerea
rezultatelor. Ideal, proporţia ar fi 1/3 pentru pregătirea datelor, 1/3 pentru construcţia modelului şi
1/3 pentru extragerea rezultatelor. Pe parcursul acestei etape pot fi ridicate alte probleme, iar
ideile deja existente şi ipotezele ar putea fi modificate pentru a obţine noi aspecte ale afacerii. Cu
aceste noi aspecte se constituie bucla feedback 3, prin intermediul căreia obiectivele iniţiale ale
afacerii pot fi revizuite, modificate sau augmentate.
Etapa 5: Testare şi învăţare. O dată ce modelele sunt validate şi concluziile distribuite şi
confirmate de afacere, rezultatele modelului trebuie „traduse” în acţiuni de afaceri, cu factorii
cheie şi metricile de performanţă definite. Mai întâi, modelele sunt testate folosind un subset mic
de date folosit în implementarea actuală. Dacă rezultatele modelului nu au fost confirmate de
rezultatele testelor, modelele sunt revizuite pentru a stabili dacă cauza au constituit-o erorile din
datele de intrare sau modelul sau modificări în condiţiile pieţei sau deficienţe de marketing.
Aceasta constituie bucla feedback 4.
Etapa 5 necesită parcurgerea următorilor paşi:
- alinierea operaţională: pe parcursul testării, toate unităţile funcţionale şi de business
trebuie implicate şi antrenate pentru implementare. Orice greşeli potenţiale în execuţie trebuie
îndreptate în etapa de testare şi învăţare;
- designul experimentelor (DOE – design of experiments): În plus faţă de testare, în care
modelul funcţionează aşa cum s-a prevăzut, acest pas are ca scop includerea unor potenţiali
factori ce ar putea crea variaţii în rezultate. Trebuie identificate efectele suplimentare ale acestor
factori, determinarea combinaţiei optime de factori (variabile dependente);
- planificarea scenariilor: setarea factorilor poate fi trimisă echipei ce lucrează la strategia
de afaceri pentru a putea fi construit un simulator de tip what if. Acesta ar putea genera
răspunsuri la întrebări legate de nivelul investiţiilor curente şi randamentele unor investiţii,
alinierea tuturor acţionarilor (celor cu interese financiare în afacere) pe parcursul implementării şi
inputuri necesare, testate deja, pentru viitoare procese de afaceri. Aceasta constituie bucla
feedback 5.
3
Analitica Afacerilor, 20 mai 2016
Etapa 6: Implementare. Este o etapă de sinteză, toate concluziile şi resursele sunt implementate
în mod real. Fiecare stakeholder ar trebui să măsoare şi să compare rezultatele cu cele obţinute în
etapa de învăţare şi testare.
Dacă sunt necesare actualizări, toate părţile relevante conectate între ele trebuie
actualizate. Un aspect cheie este asigurarea faptului că infrastructura este stabilă şi scalabilă
pentru a suporta implementarea, că lucrurile se întâmplă aşa cum au fost testate şi că, cunoştinţele
şi concluziile generate pe parcursul etapelor BAP sunt păstrate şi refolosite. Actualizările şi
managementul cunoştinţelor constituie bucla feedback 6.
Datorită naturii puternic iterative a etapelor 1-5, multe dintre infrastructurile sau
organizaţiile de afaceri sunt prea rigide pentru a satisface cerinţele pentru astfel de fluxuri. De
aceea, ar trebui creat un AS (Analytics Sandbox).
Multe proiecte analitice de afaceri implică BAP cel puţin o dată şi atunci când obiectivele
de afaceri sunt pentru prima dată definite, multe aspecte rămân necunoscute. De cele mai multe
ori, condiţiile ca astfel de proiecte să aibă succes sunt agilitatea, controlul costurilor, ajustări
constante, robusteţe, prototipuri de încredere ce pot fi ajustate pentru a forma nucleul
implementării. Ideile fundamentale în crearea unui astfel de prototip în BA sunt definite astfel:
- proiectele analitice se confruntă cu necesităţi şi rezultate incerte;
- sunt necesare iteraţii şi ajustări constante;
- agilitatea şi viteza sunt cruciale pentru succesul proiectelor analitice. Iteraţiile ar
trebui să dureze minute şi nu luni sau zile;
- evoluţie rapidă: soluţia trebuie să evolueze în timp real, în timpul utilizării ei ăn
mediul real;
- soluţia constituie nucleul sistemului final de implementare.
O astfel de prototipizare necesită o echipă potrivită, cu oameni antrenaţi, care lucrează
într-un mediu specific, AS.
4
Analitica Afacerilor, 20 mai 2016
Analytics IT Sandbox Database
Caracteristicile unei baze de date IT sandbox sunt sintetizate mai jos:
- seturi de date mari: datorită diferitelor necesităţi, setul de date analitice este de obicei
foarte vast. Pe de altă parte, implementarea datelor tinde să fie mai facilă deoarece variabilele
neimportante au fost eliminate;
- separabilitate: datele trebuie să fie plasate într-o partiţie separată logic în sistemul de
management al datelor întreprinderii;
- tehnologie rapidă şi MPP (massively parallel processing): pentru a răspunde
necesităţilor în timp real, sandboxul trebuie să folosească baze de date cu procesare paralelă, cu
memorie mare, procesoare rapide;
- instrumente disponibile: instrumente din BI, de vizualizare şi analitici avansate trebuie
să fie disponibile în sandbox.
Decidenții Analitici
Astfel de analişti sunt greu de găsit şi de păstrat; cea mai bună strategie de a-i păstra este
de a-i recunoaşte din timp şi recompensa în timp. Pot fi recunoscuţi prin următoarele aspecte şi
interese:
- hibrizi: sunt cel mai probabil policalificaţi în matematici, cu backgrounduri diverse şi
care pot lucra confortabil în diferite arii de expertiză. Este greu de a-i numi decidenţi analitici şi
să îi plasăm într-un departament organizaţional sau funcţional specific;
- curioşi despre orice;
- buni povestitori: pot comunica uşor şi adoră să povestească despre tehnologie şi afaceri.
Dacă răspunsurile la o problemă bine precizată apar a fi prea complexe şi dificil de explicat,
5
Analitica Afacerilor, 20 mai 2016
atunci acestea indică faptul că adevăratul răspuns nu a fost găsit. Atunci când ai găsit soluţia
optimă în BA, este simplu de înţeles şi uşor de explicat şi executat;
- antrenaţi: decidenţii analitici îşi iau energia creativă din antrenamentele/experienţele de
modelare analitică. Ca rezultat, ei nu încetează să facă analitici, chiar şi când ajung CEO.