Колонки
DIG(IT)AL

Тренды аналитики и визуализации данных в 2021 году

Колонки
Павел Дубинин
Павел Дубинин

Менеджер по развитию сервиса Yandex DataLens облачной платформы Yandex.Cloud

Евгения Хрисанфова

По данным Statista, к 2022 году объем данных во всем мире увеличится до 94 зеттабайт. При этом компании смогут заработать на использовании систем big data и бизнес-аналитики до $264 млрд.

Рынок данных растет стремительно, увеличивается количество предложений — в этих условиях для бизнеса крайне важно выбрать наиболее эффективную аналитическую систему. О главных трендах в анализе и визуализации данных рассказывает Павел Дубинин, менеджер по развитию сервиса Yandex DataLens облачной платформы Yandex.Cloud.

Тренды аналитики и визуализации данных в 2021 году

Как аналитика меняется сегодня

Бизнес — живой организм, который ежедневно может проводить несколько миллионов операций в день: продавать, покупать, производить продукты, взаимодействовать с партнерами, нанимать, запускать рекламу. Для извлечения максимальной выгоды каждое действие необходимо анализировать и представлять данные в понятном для конечного пользователя формате.

Для эффективного использования big data и малый бизнес, и крупные компании открывают отделы, тестируют различные виды аналитических технологий, экспериментируют с новыми инструментами. С пандемией темпы роста таких экспериментов только увеличились.

Разберем несколько трендов аналитики и визуализации данных из отчетов Gartner и BARC Data, BI and Analytics Trend Monitor 2021.

Создание и совершенствование новых методов аналитики с помощью ИИ

Технологии искусственного интеллекта и машинного обучения легли в основу многих перспективных аналитических инструментов в 2020 году. Расширенная аналитика позволяет оптимизировать существующие бизнес-процессы, а также генерировать новые инсайты, которые доступны уже не только специалистам по big data, но и руководителям компаний, смежным сотрудникам. Например, в последние несколько лет с помощью расширенной аналитики банки выявили склонность молодых людей до 35 лет к продуктам управления собственными активами и планированием благосостояния.

Предиктивная аналитика (прогнозирование на базе исторических данных) также остается одним из самых перспективных направлений бизнес-аналитики. С ее помощью компании, например, рассчитывают эффективность рекламных кампаний или прогнозируют выдачу кредитов.

X-аналитика

Продолжают развиваться не только методы анализа данных, но и подходы к сбору и обработке информации. Становятся недостаточны одни лишь структурированные данные в табличном виде. Все большую ценность несет аналитика неструктурированных текстов, видео- и аудиоматериалов. Для перехода на новый уровень бизнес-аналитики внутри компаний структурированные типы данных эффективно обогащают и неструктурированными источниками.

Data sharing

Для более эффективного внедрения X-aналитики в организациях будут развиваться официальные торговые площадки — биржи данных, на которых компании из разных сфер смогут продавать и покупать данные. Однако в будущем предстоит еще много работы по регламентации таких площадок.

Визуализация в реальном времени

Организации все чаще стремятся к тому, чтобы данные всегда были актуальными и обновлялись в режиме реального времени. Обычно информация проходит длинный путь, чтобы попасть в отчет. Пользователь видит уже устаревшие данные. Идеальный отчет показывает события, происходящие прямо сейчас — это дает бизнесу огромное преимущество в скорости реакции на изменения.

Демократизация инструментов бизнес-аналитики и переход в облако

Аналитические инструменты будут становиться все более персонализированными и простыми в освоении. Упрощение внедрения и использования ведет к широкому распространению инструментов self-service-аналитики, или аналитики самообслуживания. А благодаря облаку доступ к самым современным технологиям для любой организации становится доступен всего в несколько кликов.

Почему облачная аналитика стала одним из главных трендов

Для многих компаний безопасность становится барьером для миграции или переноса отдельных ИТ-систем в облако. Однако на практике есть кейсы, когда строгие требования ИБ как раз являются причиной использования облачных технологий.

Ни одна компания не находится в изоляции от внешнего мира. Для эффективного развития бизнеса, аналитики и принятия решений нужно использовать не только собственные, но внешние источники данных — например, данные о рынке, информацию из трекеров мобильных приложений и веб-сайтов, данные от партнеров и внешних API.  Большое количество потоков данных извне, особенно высоконагруженных и real-time, может быть серьезным риском с точки зрения информационной безопасности организации. Поэтому зачастую, чтобы не давать доступ внутрь, к корпоративной сети, такому количеству источников, проще сделать хранилище данных и бизнес-аналитику в облаке.

Пример: Один из крупнейших российских банков пришел к компромиссному решению, совмещая внутреннюю и облачную аналитику. В облаке была создана «промежуточная витрина» для внешних данных, где проводится предварительная очистка, верификация данных, проверка на вирусы. Потом через защищенные каналы компания загружает к себе в периметр только необходимые агрегаты.

Пример другого крупного банка показал, что для эффективной продуктовой аналитики мобильного банка удобнее организовать внешнее хранилище и self-service-аналитику для бизнес-пользователей в облаке, чем получать данные с трекера мобильного приложения в корпоративном BI с существенной задержкой.

Облачную аналитику также используют для ускорения time-to-market, быстрой проверки гипотез и аналитики ad hoc. Можно быстро прототипировать решение, развивать его итеративно, постепенно наращивая ресурсы и подключая дополнительные источники.

Пример: Команда небольшого стартапа по аренде зарядных устройств в ресторанах каждую неделю проверяла несколько новых гипотез. Регулярно менялись структуры и источники данных, росло количество внешних устройств и партнеров. Аналитика требовалась везде и повсюду, например, для определения оптимальных локаций развития бизнеса.

Такие компании сфокусированы на бизнес-результате. Им нужен удобный облачный сервис для аналитики, нет времени и ресурсов на создание самописного решения, на настройку и поддержку серверов.

Также облачную аналитику часто используют для предоставления отчетности внешним партнерам и контрагентам: поставщикам, дистрибьюторам, производителям и так далее. В облаке можно настроить необходимую витрину данных и дашборды таким образом, чтобы каждый партнер видел актуальные данные только по себе.

Пример: У одного крупного ритейлера есть более 400 поставщиков, которым регулярно нужно показывать остатки по товарам на складах и маркетинговую аналитику. Настроив облачную BI, компания может в режиме реального времени безопасно и управляемо делиться аналитикой с партнерами, без ручных рассылок Excel-документов и сложных лицензирований внешних пользователей.

Несмотря на то, что мы видим достаточно много специфических «облачных» сценариев для аналитики, многие компании строят также и классический регламентированный BI с отчетами-дашбордами именно в облаке — из-за простоты, надежности, безопасности и экономики решения.

Пример: Один из российских производителей мясной продукции построил систему автоматического сбора данных и сквозной аналитики для всех предметных областей бизнеса: от поставщиков и производства до продаж и маркетинга. Для каждого подразделения компании создан набор дашбордов с широкими возможностями настроек и фильтров. Полученные данные используются для проведения как оперативных совещаний, так и отчетных по итогам работы за период.

Что нужно помнить при выборе аналитической платформы

  1. Важно смотреть не только на инструмент визуализации, но и на подсистему хранения и обработки данных. Решение от единого поставщика обеспечит более стабильную и эффективную работу.
  2. Выбирайте готовую платформу от надежного вендора с широкой партнерской экосистемой. С внедрением и первичной настройкой поможет партнер-интегратор, а последующее развитие и поддержка может происходить силами заказчика или другого партнера.
  3. Продумайте, кто и как будет пользоваться аналитикой. Сложность инструмента зачастую противоречит массовости внедрения. Обратитесь к сервисам, где рядовые сотрудники без специальных навыков смогут полноценно работать с отчетами и визуализациями и самостоятельно дорабатывать их при необходимости.
  4. Не стоит гнаться за экзотичностью новых инструментов, маркетинговыми обещаниями, количеством возможных фичей и типов графиков. Примеряйте решение на вашу задачу, не стремитесь за максимальным функционалом. Как показывает практика, для задач бизнес-аналитики наиболее востребованными и понятными являются привычные столбчатые и линейные визуализации, табличные формы. Работу со сложной инфографикой лучше передать дизайнерам.

Нашли опечатку? Выделите текст и нажмите Ctrl + Enter

Материалы по теме

  1. 1 Профессия маркетолог-аналитик: какие задачи бизнеса она решает?
  2. 2 6 ситуаций в бизнесе, в которых без аналитики никак
  3. 3 Правильная самооценка: как не распыляться в борьбе с негативными отзывами
  4. 4 Опрос: российские женщины скорее потратят безусловный доход на образование, а мужчины — на бензин
  5. 5 Зачем бренды идут в российский киберспорт
EdTech: карта российского рынка
Все компании и инвесторы в области образовательных технологий
Перейти

ВОЗМОЖНОСТИ

20 сентября 2021

20 сентября 2021