UNIVERSITY ofVAASA Communications and Systems Engineering Group
Yrityksen tietojärjestelmät
TITE 2060
Timo Mantere
LUENTO 3:
Business intelligence, Tietohallinto, Big data
Kurssin vanha Moodle sivu:
https://moodle.uwasa.fi/course/view.php?id=511
175
Expert systems(Töyli)
Asiantuntijajärjestelmät - expert systems
Asiantuntijajärjestelmät ovat tietämyspohjaisia järjestelmiä, joiden on tarkoitus toimia ihmisasiantuntijoiden tavoin tietyllä rajatulla
aihealueella. Ne pystyvät ratkomaan inhimillistä asiantuntemusta vaativia ongelmia
Asiantuntijajärjestelmän rakentaja pyrkii jäljittelemään tai etsii mallia ihmisen tavalle ratkaista ongelma. Käyttöalueita logistiikassa, tiedon louhinnassa, lääketieteellisissä diagnooseissa jne.
UNIVERSITY ofVAASA Communications and Systems Engineering Group
Expert systems
Periaatteessa asiantuntijajärjestelmät ovat tekoälysovelluksia jotka mallintaa asiantuntijaihmisen päätöksentekoprosessia
tietokonesysteemillä.
Asiantuntijajärjestelmät on rakennettu niin että monimutkainen ongelma voitaisiin ratkaista joukolla ehtoja, jotka ovat yleensä jos niin tyyppiä (if -> then)
Ensimmäiset asiantuntijajärjestelmät kehitettiin 1970-luvull ja ne yleistyivät 1980 luvulla.
Asiantuntijajärjestelmät olivat ensimmäisiä jonkinasteista menestystä saavuttaneita tekoälysovelluksia.
Asiantuntijajärjestelmässä on päättely-moottori ja tietopohja.
Tietopohjan muodostaa säännöt ja faktat. Päättelymoottori soveltaa sääntöjä nykyisten faktoiksi tiedettyjen asioiden pohjalta. Pyritään löytämään ratkaisuja myös uusiin tilanteisiin. Päättelymoottorissa voi olla myös selitteitä ja virheenkorjausominaisuuksia.
177
Expert systems(Töyli)
Asiantuntijajärjestelmälle tunnusomaista Päättely
etenevästi peräytyvästi
Kehittämisen syy (Turban 1998:441)
tavoitteena on estää harvinaisen tietämyksen katoaminen, tietämyksen tarve maantieteellisesti hajallaan sijaitsevassa organisaatiossa,
tietämystä tarvitaan vihamielisessä tai vaarallisessa ympäristössä Asiantuntijajärjestelmän perustyyppejä
vika-analyysi valvonta ennustaminen suunnittelu opettaminen
UNIVERSITY ofVAASA Communications and Systems Engineering Group
Expert systems
Kuva http://www.igcseict.info/theory/7_2/expert/
Tekoäly: http://fi.wikipedia.org/wiki/Teko%C3%A4ly Asiantuntijajärjestelmät:
http://computationalintelligence.wikispaces.com/Asiantuntijaj%C3%A4rjestelm%C3%A4t Älykäs opsatusjärjestelmä: http://www.mit.jyu.fi/opiskelu/seminaarit/bak/aopast/
179
ESS (Töyli)
Ylimmän johdon järjestelmät ESS, executive support systems
ESS -järjestelmä auttaa johtajia esittämään oikeita kysymyksiä joihin vastaukset etsitään DSS -järjestelmällä.
päätarkoitus on tiedon hankinta ja näyttäminen, ei niinkään ongelmien ja mahdollisten ratkaisujen analysointi
kehittynyt grafiikka ja vuorovaikutteisuus
on räätälöity niitä käyttävien johtajien tarpeisiin sopiviksi järjestelmän tiedot kerätään useasta eri lähteestä
tiedot esitetään standardisoidussa, tiivistetyssä muodossa raportteina,
UNIVERSITY ofVAASA Communications and Systems Engineering Group
Business Intelligence (Töyli)
Liiketoimintatiedon hallinta
BI on joukko teorioita, menetelmiä, prosesseja, arkkitehtuureita ja teknologioita, jotka muuntavat raakadatan yrityksen toiminnan kannalta mielekkääksi informaatioksi.
BI pystyy käsittelemään valtavia määriä rakenteetonta dataa, jonka avulla pystytään tunnistamaan, hyödyntämään ja muutekin luomaan uusia mahdollisuuksia.
Euroopassa
BI tarkoittaa organisaation ulkopuoliseen tietoon kohdistuvaa toimintaa, ja Pohjois-Amerikassa
sillä ymmärretään organisaation sisäiseen, numeeriseen tietoon kohdistuvaa toimintaa.
Yrityksen tiedonhankinnan tavoite on kerätä yrityksen johtamisessa ja toiminnassa tarvittava keskeinen tieto, käsitellä ja jalostaa se, sekä jakaa tieto tarvitsijoille ja seurata tiedon vaikutuksia.
181
Business Intelligence (Töyli)
Yrityksessä olevan tiedon hallinta
Business Intelligence -ratkaisuja voidaan hyödyntää kaikessa
liiketoiminnassa, yrityksen sisällä eri prosesseissa ja tarvittaessa myös hallittuna tiedon jakeluun yhteistyökumppaneille ja asiakkaille.
Yrityksen ulkopuolelta hankittava tieto
Yrityksen ulkopuolelta hankittava tieto koskee usein kilpailijoita, mutta sitä kerätään myös asiakkaista, markkinoista ylipäätään, alihankkijoista ja muista sidosryhmistä, teknologioista, yrityksen kohdemaiden
hallinnoista, kulttuureista ja lainsäädännöstä (EU) sekä tulevaisuudesta ja trendeistä ylipäätään.
UNIVERSITY ofVAASA Communications and Systems Engineering Group
Business Intelligence (Töyli)
BI toiminnan rakentaminen
BI-toiminnan rakentamisessa on kyse toiminnan systematisoimisesta ja järjestämisestä ammattimaisella tavalla, sekä sen saattamisesta ohjauksen, koordinoinnin ja kehittämisen piiriin.
BI:n toimintoja
BI:n yleisiä toimintoja ovat raportointi, reaaliaikainen analyyttinen prosessointi, tiedon louhinta, prosessien louhinta, monimutkaisten tapahtumien prosessointi, liiketoiminnan suorituskyvyn hallinnointi, vertailuanalyysi, tekstin louhinta, ennakoiva analyysi ja ohjaileva analyysi.
183
Business Intelligence (Töyli)
BI
Tietoa on nykyisin saatavilla todella paljon ja usein se ovat joko rakenteetonta tai puolirakenteista esim. sähköposti, muistiot, muitiinpanot call centereistä, uutisia, keskusteluja (chat), raportteja, web sivuja, esityksiä, kuvia, videoita, ja markkinoinnin materiaalia.
Ongelmaksi muodostuu tiedon tallennus niin, että se saadaan käyttöön ja olisi luettavissa jollain järkevällä tavalla.
Business Intelligence -toimintaperiaate
UNIVERSITY ofVAASA Communications and Systems Engineering Group
Business Intelligence (Töyli)
Tietovarasto
BI sovellukset esittävät tiedon visuaalisesti ja käyttäjät voivat hakea haluamansa tiedon ilman ohjelmointikokemusta.
Kaikkien BI sovellusten taustalla on tietovarasto Data Warehouse, mistä tieto haetaan. Reaaliaikainen BI sovellus käyttää tietovarastoa, koska data täytyy muokata sopivaan muotoon ennen esittämistä BI sovelluksissa.
Data warehouse
185
Business Intelligence (Töyli)
BI ja DSS (decision support systems) yhteys
BI –malliin on sisällytetty tietomalli ja tietokantayhteys. BI keskittyy raportointiin ja etsimään ongelmia ja se tarjoaa ongelmat (tietokannan välityksellä) DSS:n ratkaistavaksi.
Web pohjainen DSS arkkitehtuuri (ja BI)
Arkkitehtuurissa prosessointi on hajautettu usealle palvelimelle;
sovelluspalvelin, tietokantapalvelin ja optimointipalvelin.
Optimointipalvelin ratkaisee ongelman ja lähettää ratkaisun
sovelluspalvelimelle joka esittää sen suoraan selaimelle. Tarvittaessa lisätietoa haetaan tietovarastosta. Jakelu voi tapahtua esim.
sähköpostilla.
UNIVERSITY ofVAASA Communications and Systems Engineering Group
Business Intelligence (Töyli)
Raportointi
Raportointi perustuu usein OLAP analyysien tuloksiin. Raportit luodaan kuten edellä esitettiin, joko tietovarastoista tai operatiivisista
järjestelmistä SQL kielellä.
Online Analytical Processing on menetelmä analyysien tekemiseksi.
OLAP perustuu useisiin ulottuvuuksiin (2-3), joilla data esitetään.
Mittarit
BI tuottamaa dataa seurataan useilla eri mittareilla. Keskeisimmät näistä ovat
KPI – Key Performance Indicators BAM – Business Activity Monitoring ja BSC – Balanced Scorecards
Ensimmäinen seuraa yrityksen suoriutumista johdon asettamista strategisista tavoitteista. Toinen on nykytilan ymmärtämiseen ja kolmannessa seurataan taloutta, asiakkaita, sisäisiä prosesseja ja oppimista.
187
Business Intelligence (Töyli)
Data Warehouse
Tietotekniikassa, tiedon tavaratalo (data warehouse) on tietokanta jota käytetään raportoinnissa ja tietoanalyyseissä. Se on keskeinen tiedon säilytyspaikka joka on luotu yhdistämällä dataa yhdestä tai
useammasta erilaisesta tietolähteestä.
Data Warehous:iin tallennetaan nykyistä, mutta myös historiatietoa.
Dataa käytetään luotaessa trendiraportteja yritysjohdolla.
Extract, Transform and Load (ETL)
UNIVERSITY ofVAASA Communications and Systems Engineering Group
Business Intelligence (Töyli)
Data Warehouse & varastointi
Tieto kerätään erinäisitä operatiivisista järjestelmistä. Tyypillinen ETL - pohjainen data warehouse muodostuu esitys-, integrointi- ja
saantikerroksista.
Esityskerros (staging)
tai tietokanta tallentaa (ETL) väliaikaisesti muista lähdejärjestelmistä saamaansa raaka dataa ennen tallennusta DW:iin.
Integrointikerros
Integroi erilaiset tietojoukot muuntamalla (ETL) esityskerroksesta saamansa datan ja usein tallentaa sen operatiiviseen tietovarastoon (ODS – Operational Data Store)
189
Business Intelligence (Töyli)
Data Warehouse & varastointi
Tieto kerätään erinäisitä operatiivisista järjestelmistä. Tyypillinen ETL - pohjainen data warehouse muodostuu esitys-, integrointi- ja
saantikerroksista.
Esityskerros (staging)
tai tietokanta tallentaa (ETL) väliaikaisesti muista lähdejärjestelmistä saamaansa raaka dataa ennen tallennusta DW:iin.
Integrointikerros
Integroi erilaiset tietojoukot muuntamalla (ETL) esityskerroksesta saamansa datan ja usein tallentaa sen operatiiviseen tietovarastoon (ODS – Operational Data Store)
UNIVERSITY ofVAASA Communications and Systems Engineering Group
Business Intelligence (Töyli)
Data Warehouse & varastointi Saantikerros
Integroitu data siirretään edelleen uuteen tietokantaan (DW), missä se järjestetään hierarkisiksi kokonaisuuksiksi, yksityiskohdiksi sekä koosteiksi.
Kokonaisuuksista ja yksityiskohdista käytetään joskus nimitystä ”star schema”.
Data Mart
On tiedon saantikerros (data access), jota käyttäjät käyttävät
saadakseen tietoa järjestelmästä. Data Mart on data warehouse:n osa ja usein tarkoitettu organisaation tai tiimin specifiin käyttöön.
Data mart:it ovat siivuja data warehousesta. Data warehouse kattaa koko yrityksen, kun taas data mart voi olla tarkoitettu esimerkiksi vain yhden osaston käyttöön.
191
Business Intelligence (Töyli)
Data Warehouse & hajautettu ympäristö
Data warehouse ei aina tarvitse em. tietokantajärjestelmää (integration layer), vaan integroitu tietolähde voi olla osa hajautettua ODS kerrosta.
Federaatiotietokantoja tai tiedon virtualisointia voidaan hyödyntää haettaessa dataa hajautetusta integroidusta
lähdetietokantajärjestelmästä ja yhdistettäessä ja koostettaessa dataa suoraan data warehous:in tauluihin.
Data warehouse –arkkitehtuuri tukee tiedon syvähakua (data drilling) koostetusta datasta.
UNIVERSITY ofVAASA Communications and Systems Engineering Group
Business Intelligence (Töyli)
Lisätietoja Wikipediasta:
Business intelligence
http://fi.wikipedia.org/wiki/Business_intelligence Tiedonhallinta
http://fi.wikipedia.org/wiki/Tiedonhallinta Tietämyksen hallinta
http://fi.wikipedia.org/wiki/Tiet%C3%A4myksenhallinta Sisällönhallinta
https://fi.wikipedia.org/wiki/Sis%C3%A4ll%C3%B6nhallinta Sisällönhallintajärjestelmä
https://fi.wikipedia.org/wiki/Sis%C3%A4ll%C3%B6nhallintaj%C3%A4rjestel m%C3%A4
Tietokanta
https://fi.wikipedia.org/wiki/Tietokanta
https://fi.wikipedia.org/wiki/Tietokannan_peruskyselyt
193
Business Intelligence (Töyli)
Lisätietoja Wikipediasta:
Tiedonlouhinta
https://fi.wikipedia.org/wiki/Tiedonlouhinta Data analyysi
https://fi.wikipedia.org/wiki/Data-analyysi Kuva:
http://blog.glider.com/getting-started-business-intelligence/
UNIVERSITY ofVAASA Communications and Systems Engineering Group
Tietohallinto (Töyli)
Tietoresurssien johtaminen, Information Resources Management, IRM Tarkoittaa kaikkien niiden toimien / komponenttien hallintaa, joita liittyy tietoa keräävän, muokkaavan, tallettavan ja jakavan
informaatiojärjestelmien toimintaan.
Liittää tietotoiminnot kiinteämmin yrityksen tavoitteisiin, tehostaa informaation käyttöä, päätöksentekoa ja tuottavuutta.
IRM:n periaatteet (Gupta 1996: 548-549)
Tietohallinto-osastoa tulee johtaa kuten mitä tahansa liiketaloudellista yksikköä tai osastoa.
Informaatiojärjestelmien tarkoitus on auttaa yritystä tavoitteiden
saavuttamisessa. Teknologia sinänsä tuottaa usein vain epätaloudellisia investointeja ja haittaa yrityksen tavoitteiden saavuttamista.
IRM on kaikkien johtajien vastuulla riippumatta heidän toimialastaan.
Ylimmän johdon yksimielisyys varmistaa tietoresurssien parhaan hyödyntämisen.
195
Tietohallinto (Töyli)
IRM:n tehtävät (Gupta 1996: 550)
käyttää tehokkaasti tietoresursseja toiminnan tavoitteiden saavuttamiseksi ja toiminta-ajatuksen toteuttamiseksi
selvittää, kirjaata ja kontrolloida kaikki ne resurssit, jotka luovat, käsittelevät, tallentavat ja välittävät informaatiota
luoda informaatioperusteisia toimintamalleja, jotta kommunikointia sekä organisaation sisällä että ympäristön kanssa saadaan parannettua poistaa tiedon ylimäärä ja varmistaa tietojärjestelmien kehittämisen menetelmällinen yhtenevyys kommunikoinnin selkiinnyttämiseksi
UNIVERSITY ofVAASA Communications and Systems Engineering Group
Tietohallinto (Töyli)
Tietohallinnon osa-alueet (Gupta 1996: 553) Tietojohtaminen (tiedon hyödyntäminen)
Toiminnallinen johtaminen (järjestelmien integrointi) Strateginen johtaminen
Käyttäjien johtaminen
Hajautettujen järjestelmien johtaminen Teknologiajohtaminen (laitteet, verkko) Tietohallinnon organisointiperiaatteita
Tietohallinto on organisoitava siten, että se
tukee sekä liiketoiminnan että tietohallinnon kehittämistä tukee visioinnin, innovoinnin ja resurssien hankintaa huolehtii arvoa tuottavista prosesseista
197
Tietohallinto (Töyli)
Tietoihin liittyviä ongelmia yrityksissä
tietohallinnon strategiaa ja liiketoiminta-strategiaa ei ole integroitu toisiinsa toimintayksiköt eivät tiedä, mitkä tiedot ovat niille tärkeitä
yritykset eivät tiedä, mitä tietoja niillä on
ihmiset eivät löydä tietoja silloin, kun niitä tarvitsisivat tai heillä ei ole pääsyä tietoihin
tieto ei ole yhtenäistä, mistä seuraa tietojen epäjohdonmukaisuus kerätään paljon tietoa, jolla ei ole käyttöä (ei osata hyödyntää) vanhentuneita tietoja ei poisteta
1-5%:n virhemarginaali tiedoissa vaarantaa asiakaspalvelun, lisää kustannuksia ja heikentää päätöksentekoa
liiketoiminta muuttuu pitäisi muuttaa myös tietoja ja tietorakenteita uudet, luotettavat tietolähteet vaikeasti löydettävissä
tietoturvan hoitaminen työlästä
tietojen hallinnan vastuut huonosti määritelty
UNIVERSITY ofVAASA Communications and Systems Engineering Group
Tietohallinto (Töyli)
Tietojenkäsittelytoimintoja voidaan käsitellä (Boddy, Boonstra & Kennedy 2005: 184- 185)
Palvelukeskuksena Kustannuspaikkana Voitto –keskuksena
Toimintamuodon valintaan vaikuttaa:
tietojenkäsittelyn tarve organisaatiorakenne
kulttuuri, valtasuhteet, henkilöstö teknologia
199
Tietohallinto (Töyli)
Yhteistyötä vaikeuttaa mm.
UNIVERSITY ofVAASA Communications and Systems Engineering Group
Tietohallinto (Töyli)
Tietotekniikkapäätösten tekoon liittyviä suosituksia (Salmela ym 2010: 66) It-strategian tulee olla tiiviisti linkitetty yrityksen liiketoiminta-strategiaan ja tavoitteisiin
It-strategian suunnittelun ja hankeiden hallinnan tulee olla jatkuvaa, jotta suunnitelmat voidaan sopeuttaa ympäristössä ja liiketoiminnan tarpeissa tapahtuviin muutoksiin
Ketteryys edellyttää, että johto ymmärtää yrityksen IT-strategian, IT- infrastrukstuurin ja yksittäisten projektien väliset riippuvuudet Keskeinen päätös kaikissa yrityksissä on, kuinka monella eri organisaation tasolla tulisi olla IT-palveluihin liittyvää päätösvaltaa It- osastojen tulisi pyrkiä tarvittaessa aktiivisesti luopumaan päätösvallasta tai ainakin jakamaan sitä liiketoiminnan kanssa
201
Tietohallinto (Töyli)
Monipuolisen johtajan ominaisuuksia ovat liiketoiminnan tuntemus
organisaation tuntemus
tietojenkäsittelytietämys ja kokemus Ihmissuhdetaidot
kommunikointitaidot kognitiiviset taidot
persoonallisuus ja käyttäytyminen
UNIVERSITY ofVAASA Communications and Systems Engineering Group
Big Data (Töyli)
Big Data -määritelmä
Big Data ei ole yksittäinen teknologia, vaan vanhan ja uuden
teknologian yhdistelmä. Kyse on siis kyvystä hallita valtavaa määrää erilaista dataa, oikealla nopeudella ja aikasidonnaisesti jotta
reaaliaikainen analysointi ja reagointi olisi mahdollista.
Big Data haaste
Haasteena on tiedon kuvaaminen, parantaminen, varastointi, haku, jakaminen, siirtäminen, analyysi ja visualisointi.
Ensin: capture, organize, integrate Sitten: analyze act
203
Big Data (Töyli)
Rakenteinen Data Datan lähteitä:
1. tietokoneet tai muuta vastaavat laitteet ja 2. ihmiset
Tietokoneet yms:
Sensorit (RFID, GPS, lääkinnälliset laitteet,…) Web lokit (serverit, verkko, sovellukset, …..) Kassapäätteet
UNIVERSITY ofVAASA Communications and Systems Engineering Group
Big Data (Töyli)
Rakenteeton Data Laitteiden tuottama
Satelliittikuvat
Tieteellinen data (seismiset kuvat, atmosfääri, ..) Kuvat ja videot (valvontakamerat, liikennekamerat, ..) Tutka ja sonar
Ihmisen tuottama
Organisaation sisäinen tieto Sosiaalinen media
Mobiili data Nettisivujen sisältö
205
Big Data (Töyli)
Big Data ja organisaatiot
85% Fortune 500 yrityksistä ei kykene käyttämään Big Dataa. Syitä ovat lähinnä hajanaiset tietojärjestelmät, huono datan hallinnointi, sopimattomat tietokannat ja laitteiston suorituskyky. Usein yrityksillä ei ole käytössään viimeisintä tiedon hankinta- ja visualisointiteknologiaa.
Sosiaalinen media – mitä asiakkaat pitävät uudesta tuotteesta Twitter viestit (Super Bowl ) vaihda mainoksen paikkaa Alennuskuponki asiakkaalle kassapäätteen tiedon perusteella
UNIVERSITY ofVAASA Communications and Systems Engineering Group
Big Data (Töyli)
Big Datan hyödyntäminen
Big Data tulisi olla organisaatioissa ajankohtainen, sillä .
(big)datan määrä kasvaa kovaa vauhtia ja organisaatioiden mahdollisuudet hyödyntää sitä haluamallaan tavalla karkaa käsistä (datan määrän kasvu 40%, IT menot kasvavat 5% / v.).
toinen syy on samanaikaisesti tapahtuvat rehottavan talouden sääntely ja markkinoiden ennen näkemätön epävakaus.
kolmas syy on se että Big Data on käännekohdassaan. Se tarjoaa suuria kasvu mahdollisuuksia ja kustannussäästöjä.
207
Big Data (Töyli)
Kolme V-kirjainta
Big Dataa luonnehditaan usein kolmella V-kirjaimella:
Volyymi (Volume)
Datan määrä tällä hetkellä maailmassa on muuta zettatavua (10^21 tavua) ja määrä kasvaa vuositasolla kymmeniä prosentteja.
Vauhti (Velocity)
Jo nyt on mahdotonta tallentaa pysyvästi kaikkea tuotettua dataa. Big Datassa on yhtä lailla kysymys suurten datamassojen tallentamisesta kuin valtavien datavirtojen yhdistämisestä ja älykkäästä hyödyntämisestä Variaatio (Variety)
UNIVERSITY ofVAASA Communications and Systems Engineering Group
Big Data (Töyli)
Edut
Parempi mahdollisuus analysoida massiivisia tietomääriä (personoidut tuotteet ja palvelut, työttömien uudelleenkoulutus paranee ym.) Melkein reaaliaikainen tiedon tuottaminen suurista tietomassoista (nopeuttaa johdon päätöksentekoa, kuluttajille nopeita tarjouksia paikkatiedon perusteella ym.)
Rakenteisen ja rakenteettoman tiedon yhdistäminen (pitkäaikaiset sääennusteet, myyntiennusteet)
Automaatio (kaupan hyllyjen tavaroiden esillepano some:n palautteen perusteella)
209
Big Data (Töyli)
Organisaatioiden mukavuusalueet
Big Data perustuu yhä kasvavassa määrin erityisiin teollisuuden alan sovelluksiin ja rakenteisen sekä rakenteettoman tiedon uusin
käyttötapoihin.
Perinteiset menetelmät ovat tulleet tiensä päähän. Organisaatiot solmivat uudenlaisia partnerisopimuksia, globaalit yritykset kohtaavat uusia vero, riski ja sääntely vaikutuksia.
Tietoteknisiä ongelma-alueita
Datan talteenottaminen hajautetuissa verkoissa Kyky hyödyntää erilaisia lähdejärjestelmiä Integroinnin puute
Usean toimittajan -järjestelmien yleisyys Metadatan huono hallinnointi
UNIVERSITY ofVAASA Communications and Systems Engineering Group
Big Data (Töyli)
Enterprise Content Management (ECM)
Käsittää strategiat, menetelmät ja työkalut joilla hankitaan, hallitaan, tallennetaan, säilytetään ja jaetaan sisältöä ja dokumentteja jotka liittyvät organisaation prosesseihin.
Teknologioita ovat mm. dokumenttien hallinta (DM), arkiston hallinta (RM), kuvantaminen, työnkulun hallinta, web sisällön hallinta ja yhteistoiminta.
Big Datan soveltaminen organisaatiossa
Big Datan hyödyntäminen yrityksissä, kaiken kokoisissa, on vielä hyvin alkuvaiheessa. Syy on lähinnä tietämättömyys Big Datan käytön hyödyistä, mutta myös teknologia ja osaamattomuus.
Seuraavassa tullaan käymään läpi menetelmiä joilla Big Datan käyttöä lähdetään viemään eteenpäin organisaatiossa.
211
Big Data (Töyli)
Big Datan soveltaminen organisaatiossa
Asioita joita tulee huomioida organisaatiossa Big Datan myötä:
1. Tiedon tyyppien tunnistaminen ja tietolähteet 2. Liiketoimintaprosessien muutokset / uudet prosessit 3. Teknologian muutokset / uudet teknologiat
4. Kyvykkyyksien hankinta / kyvykkyyksien päivitys 5. Big Datan sijoitetun pääoman tuotto (ROI)
UNIVERSITY ofVAASA Communications and Systems Engineering Group
Big Data (Töyli)
Tiedon tyyppien tunnistaminen ja tietolähteet
Big Data tuo mukanaan uusia tietotyyppejä, joista osaa pystytään kontrolloimaan, osa ohjaa toimintaa.
Tässä pitää miettiä mikä data on tärkeää, mistä sitä saa, miten sitä voidaan hyödyntää jne. Esimerkiksi asiakasseuranta verkossa tuottaa dataa jota pitäisi pystyä hyödyntämään.
Tiedon tyyppien tunnistaminen ja tietolähteet Ennakointi käyttäytymisessä
Valittu kohde (some) on tärkeää (oikean tyyppistä dataa)
Kuinka usein data muuttuu, kuinka kauan sitä tallennetaan, kuka datan omistaa, onko asiakkaan mielipide muuttunut
213
Big Data (Töyli)
Liiketoimintaprosessien muutokset / uudet prosessit
Kun datan lähteet on tunnistettu, niin seuraavaksi pitää miettiä miten se vaikuttaa organisaation prosesseihin ja vaikutukset teknologiaan.
Todennäköisesti organisaatiossa pitää muokata vanhoja prosesseja ja myös luoda uusia. Näihin liittyy tietysti myös kustannuksia.
Teknologian muutokset / uudet teknologiat
Periaatteessa voidaan sanoa, että Big Datan myötä on hankittava uutta teknologiaa ja käytettävä uusia menetelmiä.
•Hadoop (mahdollistaa sovellusten suorittamisen ryppäissä perus teknologialla),
•MapReduce (hajautettu suoritus & tulosten kokoaminen),
•Big Table (hajautettu tietovarastojärjestelmä),
•Apache Hive (kyselyjen hallinta suuriin hajautettuihin tietovarastoihin).
UNIVERSITY ofVAASA Communications and Systems Engineering Group
Big Data (Töyli)
Kyvykkyyksien hankinta / kyvykkyyksien päivitys
Osaajia tullaan tarvitsemaan erityisesti liiketoiminnan analyytikkojen ja IT osaajien tehtävissä.
Kummassakin tapauksessa kyse on lähinnä tiimeistä, sillä yksittäiset osaajat eivät pysty hallinnoimaan koko Big datan osaamisaluetta.
Big Datan sijoitetun pääoman tuotto (ROI)
Kustannukset tulee suhteuttaa tuottoihin, minkä vuoksi johdolla on vaikea tehtävä edessään. Tuotot eivät usein ole suoraan mitattavissa, eikä kustannuksiakaan tässä tapauksessa pytytä arvioimaan tarkasti.
Mahdollisimman hyvän arvion tekemiseksi kaikki edellä mainitut neljä asiaa olisi syytä huomioida, oman osaamisen puitteissa.
215
Big Data (Töyli)
Enterprise Data Management (EDM)
EDM on kattava näkemys liiketoiminnan tiedon laadun määrittelyyn, hallintaan, turvaamiseen ja ylläpitoon koko organisaatiossa.
EDM määrittää politiikan ja omistussuhteet keskeisille tietotyypeille ja tietolähteille sekä teknologian käytölle. EDM on pohja Big Data käytön aloittamiselle, mutta myös ilman sitä pärjää, mikäli em. asiat ovat tiedossa organisaatiossa.
UNIVERSITY ofVAASA Communications and Systems Engineering Group
Big Data (Töyli)
Big Data suunnittelun välineenä
Planning with data – selkeä näkemys kuinka tietolähteet liittyvät toisiinsa
Doing the analysis – uusien tietolähteiden käyttö & analyytikot Checking the results – onko tulokset yhtenevät yrityksen tulosten kanssa
Acting on the plan – pitää olla osa yrityksen suunnittelusykliä Moving in real time -
Adjusting the impact – liiketoimintaprosessien säätö
Enabling the experimentation – reaaliaikainen seuranta ja säätö voi muuttaa liiketoimintastrategiaa.
217
Big Data
Lisätietoja Wikipediasta:
Big data:
https://fi.wikipedia.org/wiki/Big_data Tieto
https://fi.wikipedia.org/wiki/Tieto Tietämys
https://fi.wikipedia.org/wiki/Tiet%C3%A4mys Aineeton pääoma
https://fi.wikipedia.org/wiki/Aineeton_p%C3%A4%C3%A4oma Tietoteoria
https://fi.wikipedia.org/wiki/Tietoteoria
UNIVERSITY ofVAASA Communications and Systems Engineering Group
Cloud computing
Pilvilaskenta tarkoittaa internetissä (eli "pilvessä") tapahtuvaa tietotekniikan (eli "laskennan") kehitystä ja käyttöä hajautetuissa ympäristöissä (vrt. klusteri (tietotekniikka)).
Käsitteenä se kuvaa paradigman muutosta, jonka tuloksena palvelu tarjotaan "pilvessä", jonka teknisiä yksityiskohtia palvelun käyttäjät eivät voi nähdä tai hallita. Pilvilaskenta kuvaa uutta tietoteknisten palveluiden tuottamisen, käyttämisen ja toimittamisen mallia, johon liittyy internetin yli palveluna tarjottuja dynaamisesti skaalautuvia ja virtuaalisia resursseja.
Käsitettä "pilvi" käytetään kielikuvana, jolla viitataan internetiin siten kuin se usein esitetään tietoverkkojen kaaviokuvissa, sekä abstraktiona monimutkaiselle infrastruktuurille, jonka se verhoaa.
https://fi.wikipedia.org/wiki/Pilvilaskenta
Tämä kappale koostettu lähinnä Immo Salon kirjaa Cloud computing palvelut verkossa 2010 mukaillen
219
Cloud computing
Kuva: Wikipedia (https://fi.wikipedia.org/wiki/Pilvilaskenta)
UNIVERSITY ofVAASA Communications and Systems Engineering Group
Hype-käyrä
Asioiden hypetys noudattaa Gartnerin käyrää Huomio
Epärealististen odotusten huippu
tuottavuuden tasanko
toivon nousu epäuskon laakso lähtölaukaus
Aika
221
Cloud computing
Pilvipalveluiden kehitys
Vaihe 1: Tiennäyttäjät ja uranuurtajat Vaihe 2: Markkinoiden kondolisoituminen Vaihe 3: Arkipäiväistyminen
Eli seurannee samaa kehitystä kuin niin monet muutkin tietotekniikan uudet innovaatiot
1. Innovaattorit 2,5% kuluttajista 2. Varhaiset omaksujat 13,5%
3. Varhainen enemmistö 34%
4. Myöhäinen enemmistö 34%
5. Vitkastelijat 16%
Uskotaan että ensiksi pilvipalvelut ottavat käyttöön WWW-yritykset ja tietotekniikan alalla toimivat yritykset 2010 luvulla
”Perinteisten” yritysten uskotaan seuraavan trendiä 2020-luvulla
UNIVERSITY ofVAASA Communications and Systems Engineering Group
Cloud computing
Pilvipalveluiden ominaispiirteet Itsepalvelullisuus
Pääsy palveluihin eri päätelaitteilla Resurssien yhteiskäyttö
Nopea joustavuus
Käytön tarkka mittaaminen
Pilvipalveluiden etuna on mittakaavaetu, mutta jos palvelu kasvaa suureksi ongelmaksi voi tulla joustamattomuus
223
Cloud computing
Pilvipalveluiden mallit (arvioitu markkinaosuus) Sovellukset palveluna – Software as a service SaaS (49%)
https://fi.wikipedia.org/wiki/Software_as_a_Service
Sovellusalusta palveluna – Platform as service PaaS (13%) https://fi.wikipedia.org/wiki/Platform_as_a_Service
Infrastruktuuri palveluna – Infrastructure as a service IaaS (38%) https://fi.wikipedia.org/wiki/Infrastructure_as_a_Service
Lisäksi on esitetty malleja:
Tallennus palveluna – Storage as a service
UNIVERSITY ofVAASA Communications and Systems Engineering Group
Cloud computing
Pilvipalveluiden vaihtoehdot 1. Yksityinen pilvi
2. Yhteisöllinen pilvi 3. Julkinen pilvi 4. Hybridipilvi
Pilvipalveluiden ajatellaan olevan seuraava askel matkalla asiakkaan tarpeisiin räätälöidyistä ohjelmista -> yrityssovellukset (ERP, CPM, SCM etc.) - > Massamarkkinasovellukset
Joku on jopa meinannut että vanha visio siitä että koko maailma tarvitsee vain viisi tietokonetta voisi toteutua niin että maailma tarvitsee vain viisi konesalia
225
Cloud computing
Luonnollisesti jos yritys päättää siirtyä pilvipalveluihin sen täytyy miettiä Nykyisen toimintomallin hyödyt ja kokonaiskustannukset
Pilvipalveluihin siirtymisen hyödyt ja kokonaiskustannukset Pilvipalveluihin liittyvät riskit ja niiden mahdolliset kustannukset
Tiedot päätyvät yleiseen jakeluun tai kilpailijoille
Tiedot päätyy pilvipalvelun työntekijälle, tai sellainen voi manipuloida tietoa Pilvipalvelu romahtaa tai on poissa käytöstä
Yrityksen valmius siirtyä pilvipalveluiden käyttäjäksi
UNIVERSITY ofVAASA Communications and Systems Engineering Group
Cloud computing
Pilvipalvelun hyödyt Kustannussäästöt Joustavuus
Pääsy kaikkialta Skaalautuvuus
Käyttöön perustuva laskutus Helppo käyttöönotto Palveluiden laatu
Aina ajan tasalla olevat ohjelmistot Dokumenttien jakamisen helppous Uusia sovellusmahdollisuuksia
Analyysisovellukset Rinnakkaisprosessointi Laskentateho
227
Cloud computing
Eli ainakaan pilvipalvelun ostaessa yritys ei joudu ostamaan tietotekniikan ylikapasiteettia omaan käyttöön, eikä myöskään kärsi alikapasiteetista
Tietoturvan takia voidaan tieto jakaa
Yksityinen pilvi tai firman oma sisäinen tietovarasto Julkinen pilvi
Kustannuksia syntyy
UNIVERSITY ofVAASA Communications and Systems Engineering Group
Cloud computing
Pilvipalveluihin siirtymistä hidastavat mm.
Turvallisuus ja luottamuspula Vastuu talletetusta datasta
Datan erottaminen muiden yritysten datasta Turvattomat rajapinnat
Pilvipalveluiden väärinkäyttö Asiakastilin kaappaaminen, virukset Saatavuus?
Onko tieto aina saavutettavissa Palvelun jatkuvuus, kaatuuko pilviyritys Suorituskyky
Pilvipalvelut voivat tulla nykymallia kalliimmaksi Standardien puuttuminen
Pilvipalveluun siirtymisen peruuttaminen vaikeaa, takaisinpaluu Hankala integroida omiin IT-järjestelmiin
Ei riittävästi kustomointimahdollisuuksia