Szacuje się, że każdego dnia elektroniczne systemy zabezpieczeń produkują 413 petabajtów (PB) danych¹. Ponad 99% tego zbioru stanowi materiał wideo. Spośród setek milionów godzin nagrań z kamer dozoru wizyjnego, miesięcy zapisów danych ze zdarzeń systemów kontroli dostępu, alarmowych i sygnalizacji pożarowej analizie są poddawane tylko te dotyczące incydentów – zaledwie kilka procent.

Resztę rzadko kiedy poddaje się jakiemukolwiek przeglądowi. Tymczasem zestawienie danych z wielu źródeł – w tym z systemów zabezpieczeń – pozwala na analizę trendów i uzyskanie informacji dotyczących szeroko rozumianego bezpieczeństwem.
Wspólna analiza różnorodnych danych może wskazać anomalie sugerujące wzrost zagrożenia. Czy pracownik odwiedza obszar poza swoim zwykłym środowiskiem pracy? Czy ktoś zjawia się kilka godzin wcześniej na swoją zmianę i dokąd zmierza?
Analiza dużych zbiorów danych w zakresie systemów bezpieczeństwa pozwala obniżyć koszty utrzymania i serwisu.

Narzędzia analityczne są szczególnie przydatne dla rozwiązań o dużej skali – im więcej danych, tym są bardziej użyteczne. Ręczna analiza danych stanów z 2000 przejść, statusu 10 tys. posiadaczy kart i zdarzeń 300 tys. odczytów kart dziennie jest niewykonalna, natomiast analiza automatyczna wraz ze wzrostem liczby danych staje się dokładniejsza. Korzystanie z narzędzi analitycznych operujących na Big Data umożliwia użytkownikom przekształcanie „gór danych” w „stosy informacji”, a te w „obszary użytecznych spostrzeżeń”.

Co na ten temat sądzą eksperci? Przyjrzyjmy się opracowaniu firmy Gartner². Według niej termin „dane i analityka” (Data and Analytics – D&A) odnosi się do sposobów zarządzania danymi w celu wspierania każdego ich zastosowania oraz analizy danych, pozwalającej usprawnić podejmowanie decyzji biznesowych, zapewnić firmie rozwój i poprawić wyniki ekonomiczne, a także odkrywać nowe zagrożenia i możliwości.

Rola danych i analityki w biznesie

Dane i analityka są szczególnie ważne dla współczesnych przedsiębiorstw, ponieważ mają ogromny wpływ na poprawę wyników wszelkich decyzji (makro- i mikroekonomicznych, podejmowanych w czasie rzeczywistym, cyklicznych, strategicznych, taktycznych i operacyjnych). Równocześnie dzięki D&A można odkrywać nowe, innowacyjne rozwiązania i możliwości, których liderzy biznesowi nawet nie brali pod uwagę. Organizacje idące za postępem wykorzystują dane na wiele sposobów i często muszą je pozyskiwać spoza swojego obszaru kontroli, aby podejmować mądrzejsze decyzje biznesowe.

Dane i analityka są również katalizatorem cyfrowej strategii i transformacji, umożliwiając szybsze, dokładniejsze i trafniejsze decyzje w złożonych i szybko zmieniających się realiach biznesowych. Decyzje podejmują zarówno pojedyncze osoby (np. gdy rozważają, czy kupić produkt lub usługę), jak i zespoły organizacyjne (np. kiedy decydują, jak najlepiej obsłużyć klienta).

Podejmowanie decyzji wspomagane danymi oznacza sposób, w jaki dane są wykorzystywane do usprawnienia procesów decyzyjnych. Prowadzi to do koncepcji modelu decyzyjnego, który może obejmować techniki analityczne o charakterze normatywnym, generujące dane wyjściowe, które są w stanie określić, jakie działania należy podjąć. Inne modele analityczne – opisowe, diagnostyczne lub predykcyjne – są pomocne w podejmowaniu innych rodzajów decyzji. I co istotne, decyzje nie tylko są motorem działania, ale mogą też rozstrzygać o tym, kiedy działania nie należy podejmować.

Postępowe organizacje wprowadzają dane i analitykę do swojej strategii biznesowej i transformacji cyfrowej, tworząc wizję przedsiębiorstwa opartego na danych, kwantyfikując (określając ilościowo) i komunikując wyniki ekonomiczne oraz wspierając zmiany w działalności biznesowej oparte na danych. Coraz częściej wykorzystują zaawansowaną analitykę do rozwiązywania problemów biznesowych, przy czym charakter i złożoność problemu determinuje wybór, czy i w jaki sposób wykorzystywać predykcję³ (prediction), prognozowanie⁴ (forecasting) lub symulację/modelowanie w komponencie analizy predykcyjnej.

Skalowanie biznesu cyfrowego (zarządzanie coraz większymi ilościami danych cyfrowych) szczególnie komplikuje podejmowanie decyzji i wymaga miksu wiedzy o danych i bardziej zaawansowanych technik. Łącząc możliwości predykcyjne i normatywne, organizacje mogą szybciej reagować na zmieniające się wymagania i ograniczenia. Przykładem takich złożonych możliwości może być prognozowanie napływających zamówień na produkty, połączone z optymalizacją w celu proaktywnego reagowania na zmieniający się popyt w całym łańcuchu dostaw, ale bez opierania się na danych historycznych, które mogą być niekompletne lub zafałszowane.

Kluczowe elementy strategii w zakresie danych i analityki

Eksperci Gartner polecają, aby każda organizacja sprecyzowała, czym są dla niej dane i analityka, a także jakie inicjatywy (projekty) i budżety są niezbędne, by móc wykorzystać wszystkie możliwości. Można wskazać kilka kluczowych kroków w strategicznym planowaniu analityki danych, które mają na celu:

• zdefiniowanie misji i celów organizacji,
• określenie strategicznego wpływu danych i analityki na te cele,
• określenie priorytetów działań zmierzających do realizacji celów biznesowych z wykorzystaniem danych i celów analityki,
• opracowanie strategicznej mapy drogowej w zakresie analityki danych,
• wdrożenie tej mapy (tj. projektów, programów i produktów) przy użyciu spójnego i nowoczesnego modelu operacyjnego,
• komunikowanie nt. strategii w zakresie danych i analityki oraz jej wpływu i wyników, by zdobyć wsparcie dla jej realizacji.

Model operacyjny przedsiębiorstwa w tym zakresie musi również eliminować luki w ekosystemie danych, ich strukturach i podejściu organizacyjnym niezbędnych do realizacji strategii analityki danych.

Umiejętność korzystania z danych

Gartner definiuje umiejętność korzystania z danych (data literacy) jako zdolność do kontekstowego odczytywania, zapisywania i przekazywania danych. Wymaga to zrozumienia źródeł i struktury danych, stosowanych metod i technik analitycznych oraz umiejętności opisania przykładowego użycia i wynikającej z tego wartości. Niech to nie zabrzmi jak argument za szkoleniem każdego pracownika na naukowca/specjalistę w zakresie danych, bo tak nie jest. Z perspektywy biznesowej umiejętność posługiwania się danymi można po prostu podsumować jako program wspomagający liderów biznesowych w nauce zadawania dobrych pytań dotyczących danych.

Budowanie umiejętności korzystania z danych w organizacji jest wyzwaniem związanym nie z technologią, ale także ze zmianą kulturową i zarządzaniem tą zmianą. Dane są coraz bardziej wszechobecne we wszystkich aspektach działalności biznesowej, w społecznościach, a nawet w naszym życiu osobistym. Umiejętność komunikowania się w tym skojarzeniowym języku – umiejętność korzystania z danych – ma coraz większe znaczenie dla sukcesu organizacji. Tego rodzaju trwała, znacząca zmiana wymaga jednak od ludzi nauczenia się nowych umiejętności i zachowań.

Zgodnie z najlepszymi praktykami organizacje kładą znacznie większy nacisk, energię i wysiłek na zarządzanie zmianą w ramach strategii D&A, wykorzystanie przywództwa i czynników zmiany, zajęcie się zarówno umiejętnością wykorzystania danych („wprawa” – określana również jako predyspozycja), jak i kulturą („chęć”/„wola” – określana alternatywnie jako nastawienie).

Umiejętność korzystania z danych musi zaczynać się od zajęcia stanowiska przez kierownictwo. Przykładowo, dyrektor ds. informatyki lub dyrektor ds. danych wraz z liderami ds. finansów (zwykle business intelligence, BI) i HR (rozwój i szkolenia) mogą wprowadzić programy w zakresie zdobywania umiejętności korzystania z danych, zapewniając swoim współpracownikom narzędzia do adaptacji i przyjęcia RODO w ich działach.

Opowieść o danych, jako część ogólnego programu wiedzy o danych, może przyczynić się do pozytywnego i skutecznego zaangażowania interesariuszy. Stosuje się w niej przemyślane techniki, by ująć dane i spostrzeżenia w historie, w których centrum są dane. Ułatwia to interpretację, zrozumienie i działanie na podstawie udostępnianych danych.

Czym jest zarządzanie danymi i analityką?

Według Gartnera zarządzanie danymi i analityką (co wiele organizacji nazywa „zarządzaniem informacją”) określa prawa decyzyjne i odpowiedzialność, mające zapewnić właściwe zachowania organizacji w zakresie wartości, tworzenia, przechowywania, dostępu, analizowania, użytkowania, przechowywania aktywów informacyjnych i dysponowania nimi. Kluczowe znaczenie ma powiązanie zarządzania informacją z ogólną strategią biznesową oraz jego zakotwiczenie w tych zasobach danych i analiz, które interesariusze organizacji uważają za krytyczne.

Zarządzanie danymi i analityką obejmuje:

• osoby (m.in. odpowiedzialne za wyznaczanie kierunków polityki, podejmujące decyzje oraz odpowiedzialne za zarządzanie i administrowanie danymi w biznesie),
• procesy (takie jak architektura i inżynieria zarządzania i administracji oraz procesy decyzyjne),
• technologie (np. zarządzanie danymi podstawowymi), które zapewniają zaufane i wiarygodne dane o znaczeniu krytycznym w całym przedsiębiorstwie.

Początkowo zarządzanie danymi koncentrowało się wyłącznie na zapewnieniu zgodności z przepisami. Obecnie ewoluuje i rozszerza się w kierunku zarządzania możliwie najmniejszą ilością danych pozwalającą na uzyskanie jak największego wpływu na działalność biznesową. Innymi słowy, zarządzanie danymi i analityką rozwinęło się w taki sposób, że obejmuje zarówno funkcje ofensywne zwiększające wartość biznesową, jak i funkcje obronne, które chronią organizację.

Efektywne zarządzanie danymi i analityką musi też równoważyć zarządzanie na poziomie całego przedsiębiorstwa i na poziomie obszarów biznesowych, ale wymaga to znormalizowanego/ujednoliconego podejścia korporacyjnego. Zarządzanie informacją nie funkcjonuje w próżni, musi czerpać inspirację ze strategii D&A. Należy odnosić się do określonych wyników biznesowych, wprowadzając konkretne, wymierne mierniki (np. odsetek utrzymania klientów w danym segmencie rynku czy procent przychodów uzyskiwanych dzięki partnerom), które łączą zasoby i inicjatywy D&A z wartością biznesową.

W kolejnej części artykułu przedstawimy prognozy ekspertów Gartnera dotyczące przyszłości technologii danych i analityki oraz big data.

¹  Statista.com, solink.com (dostęp: 26/06/2022)
²  https://www.gartner.com/en/topics/data-and-analytics
³  predykcja – statystyczny proces wnioskowania o przyszłych wielkościach zmiennych losowych w określonym przyszłym momencie (okresie), gdy nie jest znana wielkość wyjściowa; wynikiem predykcji jest prognoza; termin „predykcja” jest często używany jako synonim prognozowania
⁴  prognoza – przewidywanie czegoś oparte na określonych danych, obliczeniach