Za dużo raportów, ukryte fakty, czas stracony na raportach i informacjach – to główne trudności z jakimi borykają się na co dzień menedżerowie podejmujący kluczowe decyzje. Czy istnieje sposób na rozwiązanie tych problemów?
Dynamiczna sytuacja gospodarcza oraz dodatkowa niepewność związana z pandemią COVID-19 powodują, że firmy są aktualnie w trakcie wielu głębokich zmian. Wykorzystywane przez nie modele biznesowe w dużej mierze opierają się na analizie danych, których ilość z roku na rok rośnie. W obliczu tak ogromnego zalewu informacji i raportów kluczowe jest znalezienie sposobu obsługi tych danych, tak by usprawnić podejmowanie kluczowych decyzji biznesowych oraz ułatwić bieżącą działalność. Rozwiązaniem, które wydaje się rozwiązać ten problem może się okazać system inteligentnego raportowania*.System inteligentnego raportowania powinien przynajmniej częściowo wyeliminować niedogodności związane z raportowaniem klasycznym. Zatem żeby ograniczyć nadmiarowość danych system musi sobie odpowiedzieć na pytanie co tak naprawdę należy zaraportować, żeby zwiększyć czytelność danych. Powinien też wybrać najlepszą dla danego użytkownika metodę wizualizacji danych oraz zaproponować optymalną ścieżkę analizy, która poprowadzi go wzdłuż problemu, a nie po faktach, które w danym momencie nie mają większego znaczenia. I na koniec warto sprawdzić kiedy warto raportować, tak by ograniczyć częstotliwość dostarczania alertów do niezbędnego minimum.Niby oczywiste, tylko skąd system ma wiedzieć, co powinno być raportowane? Klucz stanowią 3 główne założenia:
Analiza kontekstu problemu – kontekst znajduje się w bazie wiedzy
Analiza zależności – powiązana baza wiedzy
Wybór sygnałów – sygnały (alerty) mogą być zarówno zagrożeniami, jak i szansami
Istotą systemu inteligentnego raportowania jest sprawdzenie, czy w zbiorze dostępnych danych istnieją sygnały wymagające raportowania. Sygnałami mogą być zarówno zagrożenia jak i szanse. To co zostanie zinterpretowane jako sygnał zależy od projektanta baz wiedzy. W systemie może istnieć dowolna ilość baz wiedzy, które mogą działać niezależnie, lub mogą być ze sobą powiązane, bądź merytorycznie (np. w wyniku analizy system generuje potrzebę wykonania analizy dogłębnej na dedykowanej bazie wiedzy), bądź poprzez wspólny zbiór informacji, z których korzystają (jedna dana może wymusić analizę w dwóch niezależnych bazach wiedzy). W zależności od intencji projektanta sygnały mogą zostać pogrupowane oraz przefiltrowane np. ze względu na ich siłę/wagę. Mogą też stanowić wyjście do dalszych pogłębionych analiz.
Przykład działania bazy wiedzy poświęconej stanom magazynowym. System analizuje dostępne dane i wybiera z nich te, które warto zaprezentować użytkownikowi.Wiedza niezbędna do identyfikacji problemów przechowywana jest w bazach wiedzy jako zbiór reguł biznesowych, które przetwarzane są za pomocą ogólnodostępnego (opensource) silnika Drools. Drools to rozwiązanie Business Rules Management System (BRMS). Zapewnia podstawowy silnik reguł biznesowych (BRE), aplikację do tworzenia stron internetowych i zarządzania regułami (Drools Workbench).Silnik przetwarzający reguły biznesowe jest rozbudowany o konektory pozwalające pobierać dane z niezależnych źródeł, tj. baz i hurtowni danych, arkuszy kalkulacyjnych, itp. oraz pozwalające rozszerzać możliwości silnika reguł o przetwarzanie modeli matematycznych, czy wykorzystanie sztucznej inteligencji, np. logiki rozmytej, czy też systemów uczących się.Self-service BI to jedne z 5 najważniejszych trendów BI** w 2020 roku, dlatego też podczas prac badawczych duży nacisk został położony na możliwość tworzenia przez użytkowników (projektantów) własnych reguł biznesowych. W tym celu powstał własny edytor reguł biznesowych, w którym projektant może pisać reguły tekstowo w oryginalnym formacie Drools, tekstowo w języku zbliżonym do naturalnego oraz graficznie.Projektant budujący bazę wiedzy, oprócz reguł biznesowych, ma możliwość opracowywania reguł wizualizacji. Dzięki temu jest w stanie wskazać systemowi jak określone dane powinny być zaprezentowane. Może ograniczyć się w swoich regułach do pojedynczych sygnałów, może też budować całe pulpity menadżerskie w zależności od wystąpienia określonej grupy sygnałów. Niezależnie od tego jak bardzo chce wpłynąć na ostateczny kształt raportu, nigdy nie będzie w stanie przewidzieć końcowego zbioru wygenerowanych z bazy wiedzy sygnałów. W takim przypadku system sam musi zadbać o to, by wyświetlane dane były w miarę czytelne dla odbiorcy i co więcej pozwalały mu na sprawną analizę zarówno w poprzek poprzez zidentyfikowane problemy, jak i w głąb w celu zrozumienia przyczyn wystąpienia problemu. Gdy sygnałów, które są zidentyfikowane jako te, które należy zwizualizować użytkownikowi jest za dużo, system sam podzieli je na kilka mniejszych pulpitów. Gdy napotka na dane, które mają być pokazane, a projektant nie określił ich sposobu wizualizacji, wykorzysta wewnętrzne reguły do automatycznego wygenerowania danych, przykładowo gdy ma do zwizualizowania szereg czasowy użyje wykresu liniowego. Dodatkowo system próbuje dobrać wizualizację pod profil użytkownika. Te same dane, mogą być dla 2 różnych użytkowników zaprezentowane w inny sposób.Raportowanie inteligentne może odbywać się w trybie podobnym do raportowania klasycznego, czyli jest wywoływane przez użytkownika. To on zgłasza chęć zbadania danego obszaru (1 bazy wiedzy lub grupy powiązanych baz wiedzy), bądź ogólnej informacji o bieżących problemach – uruchomienie wszystkich dostępnych analiz. Raportowanie może również odbywać się w trybie ciągłym. W tym drugim przypadku, ze względu na wydajność rozwiązania nie może odbywać się na wszystkich dostępnych źródłach danych, lecz najczęściej jest podpięte do strumienia danych, np. systemu transakcyjnego i obserwuje pojawiające się rekordy wyłapując online nieprawidłowości. W takich przypadkach raportowanie może ograniczać się do wysyłania krótkich komunikatów do użytkownika (mailowo, poprzez komunikatory, itp.), a dopiero poprzez chęć przyjrzenia się sprawie użytkownik zainicjuje raportowanie szczegółowe.
*Rozwiązanie jest efektem projektu badawczo-rozwojowego pn. „Opracowanie zaawansowanych, inteligentnych algorytmów kontekstowego doboru raportowanych treści i sposobów ich wizualizacji”, prowadzonego przez CONSORG dofinansowanego przez Unię Europejską w ramach RPO WSL na lata 2014-2020
**Top Business Intelligence Trends Artykuł stanowi podsumowanie warsztatu prowadzonego przez Prezesa CONSORG SA, Mariana Szarego w ramach konferencji IFIP 2020
