Firmy datovou analytiku přijímají jen velmi pomalu

Podle IT manažerů jsou v současné době analytika a BI hlavními technologiemi umožňujícími diferenciaci a získání konkurenční výhody. To je jeden z výsledků největšího průzkumu CIO Agenda, který dělají analytici Gartneru pravidelně každý rok (v tom posledním odpovídalo více než tři tisíce CIO). Z cíleného průzkumu uskutečněného na podzim 2017 mezi 196 organizacemi nicméně vyplývá, že nejvyšší transformační úrovně analytických schopností dosáhlo jen devět procent z nich.

Organizace nacházející se na nižších úrovních analytické vyspělosti se podle viceprezidenta výzkumu Gartneru Nicka Heudeckera připravují o řadu výhod: „Organizace, jež dosáhly transformační úrovně, profitují zejména z vyšší agility, schopnosti lepší integrace s partnery a dodavateli a také z jednoduššího přístupu k pokročilé prediktivní a preskriptivní analytice. To vše se pak promítá do konkurenční výhody a lepší schopnosti se na trhu odlišit.“

Podniky v regionu EMEA (Evropa, Střední východ a Afrika) přitom za zbytkem světa v průměru zaostávají – jen 30 % spadá do dvou nejvyšších úrovní (diferenciace a transformace), zatímco v Severní Americe je to 44 % a v asijsko-pacifickém regionu dokonce 48 %. Celosvětově se nejvíce organizací na základě sebehodnocení nachází na třetí „systemizační“ úrovni (34 %) a na úrovni čtvrté (31 %). Pětina (21 %) je na úrovni druhé a dobrá zpráva je, že jen pět procent se nachází na základní první úrovni.

Nejčastějším způsobem, jak jsou dovednosti v datově-analytické oblasti využívány, je zlepšování efektivity procesů (54 %), následují zlepšování zákaznického zážitku (31 %) a vývoj nových produktů či služeb (31 %). Navzdory velkému „povyku“, který se točí kolem pokročilé analytiky, stále bezmála dvě třetiny (64 %) organizací považují nejkritičtější z obchodního hlediska klasické reportovací a dohledové nástroje. Stále také převažuje využívání interních dat, nicméně podíl organizací využívajících také externí datové zdroje se blíží polovině (46 %). Totéž platí o způsobu provozování analytických funkcí – v závislosti na typu je jich provozováno interně 43–51 %, zatímco čistě cloudových je 21–25 %.

„Je snadné se nechat unést novými technologiemi, jako jsou strojové učení a umělá inteligence,“ dodal Nick Heudecker, „nicméně tradiční druhy analytiky a BI zůstávají nedílnou součástí toho, jak jsou dnes podniky řízeny, a v nejbližší době se to nejspíš nezmění.“

Řadě organizací může pomoci samoobslužná analytika a BI

Význam a míru rozšíření pokročilé analytiky by mohl výrazně ovlivnit nástup samoobslužné analytiky a BI – Gartner odhaduje, že již v roce 2019 by díky nim mohli uživatelé z řad byznysu vytvářet větší objem analytických výstupů než datoví vědci.

„Postupující digitalizace zvyšuje poptávku po analytice napříč všemi oblastmi komerční i veřejné sféry,“ řekla ředitelka výzkumu v Gartneru Calie J. Idoine. „Rychlý pokrok v oblastech umělé inteligence, internetu věcí i cloudové (SaaS) analytiky a BI platforem ve stále větší míře usnadňuje a umožňuje, aby analýzy dat a podklady pro rozhodování připravovali zaměstnanci bez speciálního vzdělání.“

Výsledkem je, že lídři odpovědní za data a analytiku ve stále větší míře nasazují samoobslužné nástroje a snaží se vytvořit podnikovou kulturu poháněnou daty. Běžní uživatelé se tak mohou snáze učit, jak využívat analytické a BI nástroje pro správná obchodní rozhodnutí. Carlie J. Idoine nicméně upozornila, že jistá míra zaškolení je třeba: „Školení, trénink a podpora zejména u nově nastupujících zaměstnanců jsou potřeba, aby mohli svépomocí vytvářet smysluplné analytické výstupy.“

Velikost a náročnost nasazení samoobslužné analytiky může být pro organizace překvapivá (zejména pokud ji zaměstnanci začnou skutečně využívat) – ve velkých podnicích se snadno může jednat o stovky či tisíce uživatelů. Analytici Gartneru proto doporučují zaměřit se na čtyři oblasti, které představují solidní základy pro rozvoj samoobslužné analytiky a BI:

1. Slaďte samoobslužné inciativy s cíli organizace a zaznamenávejte všechny měřitelné úspěchy a osvědčené postupy.
2. Zapojte řadové uživatele již ve fázích návrhu, vývoje a podpory samoobslužných nástrojů.
3. Nabídněte lehčí a flexibilnější přístup k problematice řízení dat.
4. Připravte plán zaškolování uživatelů.