Faktori odabira rješenja za analizu i vizualizaciju podataka

Tableau Software konzultant, Hrvoje Gabelica, jednostavnim tonom analizira faktore koji utječu na odabir rješenja za analizu i vizualizaciju podataka jer i sami znamo kako je ponekad nemoguće pronaći rješenje koje zadovoljava sve tehničke potrebe.

Kao i u ostalim, i u softverskoj industriji vlada žestoka konkurencija, nije nešto bolje ni u industriji softvera za analitiku i vizualizaciju podataka pogotovo posljednjih nekoliko godina kako ulaganje u podatke sve više raste. Ukoliko ćemo uzeti Gartnerov Magic Quadrant kao relevantan izvor odabira, onda bi izbor sveli na tri kompanije/alata: Tableau Software, Microsoft Power BI i Qlik Sense.

U izobilju analitičkih/izvještajnih alata na tržištu, ponekad se teško odlučiti o alatu koji će zadovoljiti sve poslovne/tehničke potrebe. Svaki alat tj. softverska kuća ima svoju paradigmu kroz koju žele prikazati svoju viziju analitike i vizualizacije podataka što je odlično, jer stvara uvjete za kompetetivno tržište i inovacije. Kao i kod nekih drugih industrija, ponekad je nemoguće pronaći rješenje koje zadovoljava sve poslovne/tehničke potrebe. Iako faktora za odabir rješenja postoji mnogo, faktori bi sve mogli svesti u četiri generalne kategorije:

  • Izvještajne potrebe
  • Troškovi rješenja
  • Integracija s izvorima podataka
  • Prihvaćanje rješenja od strane korisnika

Izvještajne potrebe

Ova kategorija je stavljena na prvo mjesto s razlogom, jer u većini slučajeva tvrtka koja traži “idealno” rješenje nije svjesna što želi. Ovaj faktor se odnosi na definiranje koje poslovne slučajeve žele riješiti koristeći rješenja za vizualnu analitiku. Slučajevi se mogu kretati od jednostavnih npr. izvještaji koji daju desktriptivnu analitiku o kretanju pojedinih proizvoda u nekom vremenskom periodu, pa sve do kompleksnijih slučajeva koji uključuju ono što se naziva data science, gdje se otkrivaju neki uzorci koji prije nisu bili poznati.

S tehničke strane tvrtke mogu tražiti različite izvještaje koji mogu biti namijenjeni različitim slučajevima i korisnicima:

  • Predefinirani statični izvještaji – većina izvještaja su ovakvog tipa i ovakvi izvještaji su namijenjeni pojedinim korisnicima ili koji su potrebni primjerice regulatornim kućama koji žele imati uvid u detaljne podatke. Ovakve izvještaje definira veliki broj redaka i stupaca u tabličnom prikazu koji se mogu izvesti u Excel-u ili printati za daljnje potrebe. Primjeri takvih alata su Microsoft Reporting ServicesIBM Cognos i SAP Business Objects.
  • Dashboardi – ovakve izvještaje definiranju agregirani podaci koji su najčešće prikazani u obliku vizualizacije. Trend u analizi podataka ide u ovom smjeru, gdje je poslovni korisnik samostalno radi izvještaje (self service analitika) koristeći najbolje prakse vizualizacije podataka. Primjeri alata za vizualnu analitiku su Tableau Software, Microsoft Power BI i Qlik Sense.

 

Troškovi rješenja

S kupovinom rješenja za analizu i vizualizaciju podataka dolaze i troškovi. Najveći trošak među njima je trošak licenci koje se najčešće kupuju kao kapitalno ulaganje, ali sve više dolazi do izražaja kupnja preko pretplate (npr. godina dana) gdje tvrtka može izbjeći rizik propale investicije. Iako ne postoji univerzalno pravila pri kupnji licence, uvijek je potrebno definirati potrebe poput tko će raditi izvještaje, tko će ih konzumirati i u kojem periodu. Definicijom potreba zaobilazi se nepotrebna kupovina viška licenci, ali i manjak istih.

Primjerice ukoliko imamo tvrtku koja ima 100 zaposlenika, onda od tih 100 zaposlenika moramo naći dio koji će sudjelovati u korištenju izvještaja. Recimo da imamo 50 zaposlenika (50%) koji će biti uključeni u priču oko izvještaja. Od tih 50 zaposlenika moramo pronaći tzv. power usere koji će biti uključeni u samu izradu izvještaja. To je uglavnom riječ o IT developerima ili poslovnim korisnicima s tehničkim znanjem i oni čine 20% odnosno 10 zaposlenika. Zatim imamo 50% korisnika, odnosno 25 zaposlenika  koji na svakodnevnoj razini čitaju izvještaje preko nekog oblika dijeljenja izvještaja. Ostalih 30% zaposlenika žele na tjednoj/mjesečnoj/godišnjoj razini dobiti PDF, Powerpoint ili neki drugi format izvještaja. Ovakvim pristupom ćemo za grupu power usera (20%) i svakodnevnih čitača izvještaja (50%) osigurati licence, dok za ostalih 30% zaposlenika nije potrebno nabavljati licence.

Sljedeći bitan trošak na koji tvrtka mora računati je edukacija zaposlenika koja je potrebna pri motivaciji korisnika  za korištenje rješenja za poslovnu analitiku. Edukacija je potrebna upravo da se korisnika upozna kako vladati alatom i koje su funkcionalnosti alata mogu iskoristiti na njihovoj studiji slučaja. Nakon edukacije zaposlenik bi trebao uz potporu predavača biti sposoban samostalno odraditi zadatake koji su pred njim.

Integracija s izvorima podataka

Analiza i vizualizacija podataka su nemogući bez smislenih podataka koji dolaze iz različitih izvora podataka. Dobro je poznat podatak  da se u analizi i vizualizaciji podataka na integraciju i čišćenje podataka troši 70-80% vremena. To se odnosi na definiciju izvora podataka, čišćenje podataka, spajanje podataka iz više izvora podataka te testiranje istih na konkretnom slučaju. U digitalnom dobu broj izvora podataka se povećava, pa osim klasičnih izvora podataka poput relacijskih baza podataka i Excelica imamo i polustrukturirane i nestrukturirane izvore podatatke koje treba dovesti u strukturarani oblik koje su potrebne za analizu i vizualizaciju podataka. Treba napomenuti iako u analitičkim alatima postoje mogućnosti pripreme i integracije podataka to definitivno nije zamjena za postojeće integracijske (ETL) alate poput Informatice, Microsoft SSIS-a ili IBM Data Stage-a. Posljednji trend u jest mogućnost korištenja self service integracijskih mogućnosti unutar samih alata od strane korisnika koji nemaju tehničku pozadinu. Najbolji primjer za to je Power Query funkcionalnost unutar Microsoft Power BI-a.

Prihvaćanje rješenja od strane korisnika

Zadnji, ali ne manje bitan faktor je prihvaćanje rješenja od strane korisnika. Veliki broj IT projekata, a tako i analitičkih propada upravo zbog neprihvaćanja rješenja od strane korisnika. To se odnosi na tehničku kompleksnost samog rješenja, otpor promjenama, needuciranost zaposlenika o pozitivnim promjenama koje nose analitički sustavi ili navika/zavisnost zaposlenika o nekim drugim analitičkim rješenjima. Rješenje ovog problema je prilagođavanja sustava krajnjim korisnicima tj. zaposlenicima koji ga koriste, a pri tome mislim specificiranje poslovnih zahtjeva prije nego što projekt počne, izradu mockupa izvještaja koji će stvarno dati dodatnu vrijednost krajnjem korisniku.

Koji analitički alat odabrati?

Kao i u ostalim, i u softverskoj industriji vlada žestoka konkurencija, nije nešto bolje ni u industriji softvera za analitiku i vizualizaciju podataka pogotovo posljednjih nekoliko godina kako ulaganje u podatke sve više raste. Ukoliko ćemo uzeti Gartnerov Magic Quadrant kao relevantan izvor odabira, onda bi izbor sveli na tri kompanije/alata: Tableau Software, Microsoft Power BI, Qlik Sense.

Svaki od ovih alata ima svoje prednosti i nedostatke i implementacija istih ovisi o mnoštvu uvjeta. Ukoliko ćemo gledati lakoću korištenja od krajnjeg korisnika onda je to definitivno Tableau Software, ako gledamo cijenu onda je to Power BI.

 

Autor: Hrvoje Gabelica

Posljednje Blog objave

At Poslovna inteligencija, we are data experts. Our dedication to transforming business data utilization has led us to a partnership with Tableau, the global frontrunner in data visualization. This partnership is more than just a collaboration; it's our commitment to arm companies with the tools they need to unlock the full potential of their data.
In the age of digitalization, data is like the new oil. But extracting value from data over the long-term requires a strategy – and this post will help you establish one. We’ll cover why data strategy is important, how data strategy supports business strategy, and the 9 essential elements your data strategy should contain to be successful. Let’s dive in.
Environmental, Social, and Governance (ESG) reporting is not just a business trend but a regulatory necessity. It has become a crucial framework for assessing a company's impact on society and the environment, as well as its governance practices.
Financial consolidation is challenging for many reasons, but the biggest one for large enterprises is managing the complexity of the financial data itself. We will show you how IBM Cognos Controller can simplify the process and what are the best practices to maximize efficiency in financial consolidation.
In today’s digital age, data has become just as important as the products themselves. But for it to become valuable, data needs to be governed. In this article, you will learn how to implement a data governance strategy, as well as how data maturity assessments can help your organization get from simple data management to real-time data governance.
Financial consolidation is an essential process for an organization, especially if it has multiple entities. As a finance manager or executive, it empowers you with a complete understanding of your organization's financial well-being, enabling you to make informed decisions about where to allocate resources and how to plan strategically.
In today's competitive business landscape, maximizing profitability and unlocking your organization's true potential are critical to sustained success. PI Profitability Solution, powered by the IBM Planning Analytics with Watson platform, helps you achieve precisely that.
Data governance is the most important, yet most overlooked, part of creating an enterprise-level analytical system. It’s the key to making data-driven business decisions, but many enterprises don’t do it right – or not at all.
Scroll to Top

Budite u toku s novostima

Budite u toku s novostima

Prijavite se na naš newsletter i budite uvijek u toku s novostima i tehnologijama iz svijeta Poslovne inteligencije.


Business & Data Analysis
Planning, OLAP & Reporting & Financial consolidation
Data Integration, Data Migration & Data Engineering
Data Governance, Data Quality & Master Data Management
Data Science
DWH models
XBRL point
ConQ Content Analytics
SynQ

I acknowledge that the personal data I submit through this contact form will be used by Poslovna inteligencija d.o.o. to contact me and provide information related to my inquiry/application. I consent to Poslovna inteligencija using my submitted personal data to send newsletters containing information about news, products, and services of Poslovna inteligencija. I also acknowledge that I can unsubscribe from receiving newsletters at any time by clicking the 'Unsubscribe' link in each newsletter. Comprehensive information related to my rights and the use of my personal data can be found in Poslovna inteligencija's Privacy Policy.:
Yes No *

Please don't insert text in the box below!

The fields marked with * are required