SAS Visual Analytics - innsikt på boks

screensFor snart ett år siden lanserte SAS Institute et nytt verktøy for datavisualisering og analyse; SAS Visual Analytics. Interessen i markedet har vært betydelig; mitt forsiktige estimat er at bare i Norge har rundt 350 personer sett minst én demonstrasjon av dette verktøyet, derav de fleste i 1:1 møter med meg og mine kollegaer i SAS. Selv om vi gjerne lar oss begeistre av fargerike grafer og kverning av store tallmengder på sekunder, så er det interessant å spørre hva et slikt verktøy kan bety for norske virksomheter. Her ønsker jeg å dele noen av de tankene og spørsmålene jeg har fra samtaler med BI-spesialister, forretningsutviklere, ledere og IKT rundt om i Norge de siste 10 månedene.

Analyse for ikke-teknikere

Den generelle oppfatningen om SAS i markedet har lenge vært at vi leverer analyseverktøy, kildeintegrasjon og løsninger i verdensklasse, men at overflaten mot den vanlige forretningsbrukeren ikke var intuitive nok. Man kan si at disse overflatene har appelert langt mer til statistikere, aktuarer og ingeniører enn til jurister, leger og økonomer. SAS Visual Analytics tilbyr en helt ny overflate mot brukeren og målgruppen er mennesker som forstår forretningen, uansett hvilken bakgrunn de måtte ha.

Ad-hoc behov

SAS Visual Analytics er godt egnet til å løse ad-hoc behov for innsikt i form av rapporter og analyser. For ad-hoc behov er nettopp tiden fra idé til innsikt avgjørende. Drillhierarkier, summeringer og OLAP-aggregeringer gjøres i realtid når de trengs slik at man raskt kan prøve ut nye sammenhenger med langt mindre avhengighet til IT. Når en rapport er lagret kan den enkelt abonneres på fra nettbrett slik at den er tilgjengelig mobilt.

Skalerbarhet for store og små data

three VA screens Vi ser at mange norske virksomheter ønsker å skape verdi av datamengder som tidligere ble lagret til fremtid bruk. Her hjemme dreier Big Data seg mindre om sosiale medier som Facebook og Twitter, og mer om å kunne se på samtlige salgstall, banktransaksjoner eller reinnleggelser over siste 3 år. Og samtidig kunne se mønstre som for eksempel hvilke pasientergrupper og behandlingsformer gir flest uønskede reinnleggelser. Og som regel er den store utfordringen å kunne utelukke det som ikke er relevant slik at man sitter igjen med de produktene, kundene eller pasientene som faktisk krever dypere analyse. SAS Visual Analytics er laget for å kunne ta inn både små og store datamengder, oppdage nye sammenhenger og i denne prosessen komme ned til en datamengde for videre analyse eller en håndgripelig mengde informasjon man kan agere på.

Forstå behov for datakvalitet

Flere kunder vurderer å bruke SAS Visual Analytics for å detektere hvor det er inkonsistens eller manglende data. En vanlig problematikk er feilregistreringer, bruk av ulike kodeverdier som betyr det samme, duplikate kunder og rapporteringshierarkier som ikke henger sammen for eksempel som følge av omorganisering av virksomheten. Siden det er enkelt å ta inn nye data og visualisere dem i SAS Visual Analytics, kan verktøyet brukes til å kartlegge hvilke områder er problemene størst for å prioritere tiltak. SAS tilbyr en bred portefølge av produkter å bistå i omsetningen og overvåkningen av tiltak på datakvalitet. Klassiske disipliner som dataintegrasjon, datakvalitet, master data management og data governance vil fortsatt være avgjørende for å kunne ha tillit til rapporter og analyser også i denne løsningen.

Gjøre forretningen til bedre kravstillere ovenfor IT

I mange virksomheter er det IT som eier forretningsdataene og tilbyr disse tilrettelagt som datavarehus, marter og rapporteringsløsninger for å dekke forretningssidens ulike behov. Dersom jeg er aktuar, salgssjef eller avdelingslege og ønsker å ta en beslutning basert på data, er jeg avhengig av at IT forstår mine behov og tilrettelegger de tallene jeg trenger. Misforståelser og feilbestillinger skaper i beste fall forsinkelser i beslutningsprosessen. Jeg har mange ganger snakket med frustrerte forretningsbrukere som mener de enten må gå utenom etablerte strukturer og lage sine egne analyser eller må vente så lenge at de til slutt gir opp. IT på sin side må forholde seg til en oppdragsgiver som kjenner forretningsbegrep i stedet for datamodeller, og som stadig krever nye datafelt, drillhierarkier, datautvalg og ad-hoc rapporter.

Gjennom et brukergrensesnitt som er intuitivt for forretningsbrukere kan de selv prototype nye rapporter, aggregeringer og hierarkier og bruke dette som diskusjonsgrunnlag med IT. Om en forretningsbruker lurer på hvilken informasjonsverdi et nytt datafelt vil ha så gir verktøyet en mulighet til enkelt å kunne eksperimentere. Det nye datafeltet med tilhørende verdier hentes opp i SAS Visual Analytics enten som en tabell eller Excelark og joines med dataene man har fra før uten at IT trenger å bistå. Etter noen iterasjoner vil man kunne ta den nye datastrukturen med til IT for å diskutere hvordan tilhørende informasjon kan berikes inn i varehus, marter, rapporter og analyser. IT på sin side kan redusere antall bomturer med tilrettelegging av data og frigjøre tid til andre oppgaver.

two va screensEt blikk fremover

SAS Visual Analytics er starten på en stor nytenkning i SAS. Trenden fremover er at flere løsninger vil samspille med SAS Visual Analytics. For eksempel vil en markedsfører kunne identifisere et utvalg kunder med SAS Visual Analytics og eksportere dette direkte til flyten for utgående kampanjekommunikasjoner.

Til sommeren kommer SAS med ny add-in for Microsoft Office. Da vil SAS Visual Analytics kunne brukes fra Excel, Word og PowerPoint, slik at tallene kvernes i SAS Visual Analytics og presenteres tilbake i verktøy vi bruker til daglig.

Se også: Ofte stile spørsmål

Prøv Visual Anaytics selv

tags: analyse, analytics, big data, business analytics, business intelligence, information management, visual analytics

Post a Comment

Your email is never published nor shared. Required fields are marked *

*
*

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <p> <pre lang="" line="" escaped=""> <q cite=""> <strike> <strong>