A vállalatirányításban régi igény az „egy igazság” elvének minél jobb megvalósítása. Szemantikus réteg használata nagymértékben hozzájárul ehhez. Hogy miért? Cikkünk Donald Farmer írásából kiindulva fejti ki ezt.

Az adatok minden intézményben, vállalkozásban jelen vannak. A technológia minimális alkalmazásával szinte bármiről (a tranzakciókról, az ügyfelekről, a beszállítókról, a partnerekről, a termékekről, a versenytársakról, a gazdasági helyzetről stb.) szóló adatokkal gazdagodhatunk. Emellett megvannak az eszközök ahhoz is, hogy ezekkel az adatokkal könnyen dolgozni lehessen: kiváló vizualizációk, hatásos dashboardok, hasznos riportok csak egy kattintásra vannak a szervezet tagjaitól az üzleti alkalmazások segítségével. Az elemzők által régóta kitűzött szervezeti cél, hogy minden üzleti felhasználó hozzáférjen az értékes tartalmakhoz, felismerésekhez, insightokhoz, szinte karnyújtásnyira van.

Vagy mégsem...? Ez nem valósult meg – állítja Donald Farmer. Szerinte a modern univerzális szemantikus réteg technológiája segíthet ebben. A következőkben végigvezetjük az olvasót Donald gondolatain, kiegészítve a hazai piacon látott specialitásokkal, valamint tanácsadói tapasztalatainkkal.

Donald Farmer elismert adat- és elemzési stratéga, nézetei nagy hatással vannak a szakmabeliekre - ezt cikkünk egyik szerzője, Havas Levente személyesen is megtapasztalta korábbi munkahelyén, a Microsoftnál. A szakmában a keresztnevén emlegetik, ezért mi is így teszünk ebben a cikkben. Rövid bemutatását lásd külön.

Donald szerint kezdetben (90-es évek) az üzleti intelligencia legfontosabb kihívása egyértelműen az „egy igazság elvének" megvalósítása volt. Ez az üzleti adatok központi, hiteles forrásának létrehozását jelenti. Ezt a rendszert nagy teljesítményű elemzésekhez strukturálják, és úgy tervezik, hogy kiküszöbölje az ellentmondásokat, biztosítva, hogy minden érdekelt fél megbízható, pontos és aktuális információkhoz, tartalmakhoz jusson.

A konzisztens adatok ezen tárháza nélkül minden szervezeti egység a saját hibás felismeréseit állíthatja elő, ami hibákhoz, zűrzavarhoz és ellentmondásokhoz vezethet. Egy szakmailag helyesen kialakított adattárház architektúra követelményei azonban ijesztőek voltak a laikusok számára. Csak hogy néhányat említsünk, a drága adattárolás, a hosszadalmas betöltési idők és a nehézkes elemzések rémlenek fel, pedig…

Amikor szakemberként közel kerülünk ezen hiteles rendszerek kiépítéséhez, akkor is előfordulnak frusztrációk. A tervezési folyamat erőforrásigényes és lassan reagál a felhasználók igényeire. Ezek az igények pedig úgy látszik, hogy szélsebesen változnak. Egy ideig úgy tűnt, hogy a választ az önkiszolgáló alkalmazások jelentik: hagyjuk, hogy a felhasználók saját igényeiket kielégítsék! A jól megtervezett modern BI-platformokkal az adatfogyasztás egyszerűsödne, és az új elemzések megtervezését az üzleti területre lehetne bízni. De aztán ismét az inkonzisztencia problémájával álltunk szemben, Excel-dzsungelek helyett modernnek mondott „önkiszolgáló riporting eszköz” dzsungelekkel.

Nagyrészt azért vallottunk kudarcot, mert egy emberi kihívást próbáltunk úgy megoldani, mintha az egy technológiai kérdés lenne – írja Donald. Mint a Suttogó című filmben, ahol a főhős nem embereknek segített lóproblémák megoldásában, hanem lovaknak segített emberproblémák megoldásában, ezt más szemszögből kell vizsgálni.

Donald szerint van néhány nagyon jó okunk arra, hogy az igazságnak egy rendezett, jól irányított, következetes változatát akarjuk, az egy igazságot. Ha valaki például az egész amerikai kontinensen termékeket értékesít, akkor előfordulhat, hogy több mint 30 országban, több mint 20 pénznemben és számos nemzeti és helyi adórendszerben kell dolgoznia. A jó irányítás és a szabálykövetés érdekében egyszerű és megbízható földrajzi, valuta- és adódimenziókat kell kialakítania. Vállalkozásának számos más aspektusa, az alkalmazottak nyilvántartásától a fogyasztói szabványokig, hasonló szabályozottságot igényel.

Egy ilyen változatos környezetben a vállalat azonban új termékekkel, új marketingkampányokkal és új folyamatokkal is innoválni akar majd. A vállalat közösségi média csapatai és tervezői valószínűleg nem ugyanazon szempontrendszerek szerint látják a világot, mint a könyvelők és a HR-szakemberek. Minél több csapat akar innoválni, annál inkább túl fognak lépni azon az elemzésen, amelyet a meglévő, jól strukturált adatok lehetővé tesznek.

Az innovátorok nemcsak új termékeket és szolgáltatásokat állítanak elő: új módon gondolkodnak az ügyfelekről és a felhasználókról is. Újradefiniálják az iparáguk szemantikáját, mit jelent ügyfélnek lenni, milyen fajta termékről van szó. A leginnovatívabb vállalatok – gondoljunk csak az Apple-re, az Uberre, a Netflixre, az Amazonra vagy a Teslára – ezt drámai módon teszik.

A szemantikus réteg leegyszerűsíti az üzleti felhasználók számára az adatáramlást és a technikai részleteket. Nem kell megváltoztatniuk a mögöttes üzleti adatokat ahhoz, hogy új módon dolgozzanak. Például egy új demográfiai kategória elképzeléséhez – a tiniktől az interneten aktív idősekig – nem szükséges a mögöttes ügyféladatok újjáépítése. Ez gyorsan és hatékonyan elvégezhető a szemantikus rétegen belül, megkerülve az adattárházban meghatározott formálisabb demográfiai adatokat.

Az innováció azt jelenti, hogy újra kell gondolni az üzlet szemantikáját, és ezt egy szemantikus rétegben lehet a legjobban megvalósítani.

A szemantikus réteg elegáns megoldást kínál az irányítás és az innováció iránti szervezeti igény összeegyeztetésére, amely egyébként ellentétes irányba terelné a szervezeteket. A nyers adatforrások fölött elhelyezkedő absztrakciós rétegként a szemantikus réteg lehetővé teszi a felhasználók számára, hogy az adatkezeléshez szükséges megbízható struktúrákat építsenek ki, miközben rugalmasságot biztosítanak az innovációhoz.

Az üzleti logikák újrafelhasználható definíciókba, mérőszámokba és dimenziókba történő összegyűjtésével a szemantikus réteg közös nyelvet hoz létre az információs eszközök körében. Ez biztosítja a célok, az előrehaladás és az üzlet aktuális állapota terén a széles körű összehangolást és elszámoltathatóságot.

A szemantikus réteg által biztosított néhány kulcsfontosságú képesség:

• A mutatószámok, tényadatok, attribútumok, hierarchiák és egyéb adatelemek üzleti szempontból kedvező elnevezése és meghatározása, az üzleti szerepkörök számára ismerős terminológiák használatával (pl.: ügyfél, bevétel, régió stb.).
• A nyers adatokra üzleti szabályok és logika alkalmazása, például számítások, szűrők, kategorizálások és előfeltevések, amelyek értelmezhető áttekintést tesznek lehetővé.
• Kapcsolatok és kapcsolódások definiálása a kritikus üzleti entitások, például az ügyfél, az értékesítés és a termékek között.
• A szétszórt adatforrások aggregálása és egységesített nézetekké és mutatószámokká történő konszolidálása.

A szemantikus réteg a nyers adatokat közvetlenül összekapcsolja az üzletiintelligencia-eszközökkel, elemző alkalmazásokkal és más adatfelhasználási csatornákkal, ahol a felhasználók döntéseket hoznak. Ilyen módon a szemantikus réteg kapuként működik a szervezetek számára, hogy az adatok hozzáférhetővé, érthetővé és használhatóvá tétele révén értéket nyerjenek ki adatvagyonukból.