A cura di
Karl Van den Bergh, Senior Vice President, Product and Customer Success, Jaspersoft
Viviamo in un mondo che ci chiede di competere sull’utilizzo differenziale di tempo e informazioni. Eppure, solo una piccola percentuale dei “lavoratori dell’informazione” (i cosiddetti information worker) hanno accesso alle capacità analitiche di cui avrebbero bisogno per poter prendere decisioni migliori. Oggi, con l’avvento di una nuova generazione di piattaforme di business intelligence (BI) embedded, incorporata, gli sviluppatori Cloud stanno sconvolgendo (disrupting) il mondo delle applicazioni analitiche. Lo fanno utilizzando queste nuove piattaforme BI per “iniettare” maggiore intelligenza nelle applicazioni che le persone che operano nel business usano ogni giorno. Il risultato è che il processo decisionale basato sui dati (data-driven) è finalmente pronto per diventare la regola, non l’eccezione.
Maggiore focalizzazione sulle applicazioni analitiche
Data l’enfasi attuale sul processo decisionale basato sui dati, forse non è una sorpresa il fatto che la focalizzazione sulle applicazioni analitiche continui a crescere. Secondo Dan Vesset di IDC il 2013 doveva essere il primo anno in cui il mercato per la presa di decisioni guidata dai dati abilitate dalla business analytics doveva superare la soglia dei 100 miliardi di dollari. I dirigenti IT stanno anche assumendosi molti rischi sulle applicazioni analitiche, un fatto sottolineato dal sondaggio annuale dei CIO (Chief Information Officer) condotto da Gartner, che ha indicato nelle applicazioni analitiche la priorità tecnologica numero uno per tre volte negli ultimi cinque anni. Perciò, data l’importanza e gli investimenti dedicati alle applicazioni analitiche, tutti dovrebbero avere accesso alla comprensione (insight) di cui hanno bisogno.
La maggior parte degli utenti business non utilizza ancora le applicazioni analitiche
Sorprendentemente, nonostante la crescita della spesa e della focalizzazione sull’argomento, la maggior parte degli information worker oggi non hanno accesso alla business intelligence. Infatti, Cindi Howson di BI Scorecard ha scoperto che l’adozione della BI da parte degli utenti finali sembra essere rimasta a ristagnare intorno al 25%. Questa stagnazione è difficile da comprendere. Com’è possibile che, nel migliore dei casi, solo un quarto dei lavoratori dell’informazione abbiano accesso allo strumento che è indiscutibilmente il più importante per il loro successo in un mondo che funziona con i dati?
Ci sono molte ragioni per questa “adozione stagnante” da parte degli utenti finali, tra cui i costi elevati associati ai progetti di BI e un generale problema di facilità d’uso. Tuttavia, il maggiore impedimento all’adozione della BI non ha nulla a che fare con la tecnologia. La realtà è che la stragrande maggioranza dei decisori di business non impiegano le loro giornate lavorando su uno strumento di BI – né hanno intenzione di farlo. Gli utenti hanno già il loro tool o la loro applicazione preferiti: i venditori utilizzano un servizio CRM (Customer Relationship Management); gli esperti di marketing si rivolgono a una piattaforma di gestione delle campagne o di marketing automation; i lavoratori del back-office impiegheranno la maggior parte della loro giornata all’interno di un’applicazione ERP (Enteprise Resource Planning); i dirigenti tipicamente lavoreranno con la loro suite di produttività preferita, e l’elenco potrebbe continuare. A meno che si sia un analista di dati, non si vorrà impiegare la maggior parte del proprio tempo a utilizzare uno strumento di BI. Tuttavia, proprio perché la gente del business preferisce non utilizzare un tool di BI, questo non significa che non vogliano avere accesso a dati pertinenti per potenziare e migliorare il processo decisionale.
La necessità di maggiore intelligenza all’interno delle applicazioni
Perciò, qual è la soluzione? In termini semplici, portare i dati AGLI utenti, invece che aspettarsi che siano loro ad andare su un sistema di BI separato per cercare il report, il cruscotto o la visualizzazione rilevanti per il problema che stanno affrontando. Se si vuole raggiungere il restante 75% delle persone operative nel business che non hanno accesso a un prodotto di BI standalone, occorre “iniettare” intelligenza all’interno delle applicazioni e dei servizi che essi utilizzano ogni giorno. Solo attraverso applicazioni più intelligenti le organizzazioni possono beneficiare di un più vasto processo decisionale guidato dai dati. Infatti, secondo Gartner, la BI diverrà pervasiva solo quando diventerà essenzialmente “invisibile” per gli operativi, annegata nelle applicazioni che utilizzano quotidianamente. In un report del 2013 che evidenzia i trend tecnologici emergenti, Gartner conclude che per: “rendere le applicazioni analitiche maggiormente utilizzabili e implementate in modo pervasivo, i professionisti della BI e delle analytics devono rendere le applicazioni analitiche invisibili e trasparenti per i propri utenti”. Come? Il rapporto spiega che questo accadrà “attraverso applicazioni analitiche incorporate (embedded) nel punto di decisione o di azione”.
Se la soluzione per la BI pervasiva è fornire una maggiore “intelligenza” all’interno delle applicazioni, perché non ci sono più applicazioni che incorporano le funzioni analitiche? La realtà è che solo pochissime applicazioni costruite oggi hanno intelligenza incorporata. Certo, possono avere una tabella o un grafico, ma non c’è alcun engine intelligente; gli utenti tipicamente non possono personalizzare un report o un cruscotto o utilizzare il self-service per generare nuove visualizzazioni ad hoc, in base all’opportunità. Il colpevole qui è il fatto che la business intelligence in origine era intesa come un’attività a sé stante (standalone), non come una funzione da incorporare. Nello specifico, le ragioni che portano gli sviluppatori ad ignorare le piattaforme di BI si riassumono in costo e complessità.
Il costo e la complessità sono barriere sulla strada della BI embedded
Tradizionalmente, gli strumenti di BI sono stati basati su un modello di licenza a utente. Le licenze tipicamente costavano da decine di migliaia a milioni di dollari. Questi costi per utente così elevati potrebbero essere giustificati per una popolazione di utenti relativamente piccola, di dimensioni prevedibili, che comprenda una vasta percentuale dei power user, gli utenti che passeranno una buona parte del proprio tempo lavorando con lo strumento di BI. Questo modello basato sull’utente, tuttavia, è totalmente insostenibile per il caso dell’impiego embedded. Il caso dell’impiego embedded è rivolto agli utenti business che accederanno alle funzioni di BI meno di frequente e che probabilmente hanno meno esperienza analitica rispetto ai power user tradizionali – in questo scenario, costi per utente più elevati non trovano alcuna giustificazione.
I prodotti di BI sono complessi su una varietà di livelli differenti. Per prima cosa, sono complessi da implementare: spesso richiedono mesi se non anni per il roll-out su qualsiasi numero ragionevole di utenti. Secondo, sono complessi da utilizzare: sia per gli sviluppatori che costruiscono i report e i cruscotti che per il personale operativo che deve interagire con lo strumento. Terzo, sono complessi da incorporare (embed): progettati come prodotti standalone, i tool di BI non sono studiati per dialogare con un’altra applicazione.
Dati il costo e la complessità delle offerte tradizionali di BI standalone, non sorprende che gli sviluppatori spesso si rivolgano a librerie di diagrammi per offrire le visualizzazioni all’interno della propria applicazione. Il costo è basso e queste librerie sono relativamente semplici da incorporare per uno sviluppatore. Nel breve termine, una libreria di diagrammi è una soluzione ragionevole, ma col passare del tempo cade. Le richieste di altri grafici, cruscotti e report crescono rapidamente e gli utenti finali cominciano a cercare la capacità di operare da soli in modalità self-service, per creare le proprie personali visualizzazioni. Come risultato di queste esigenze crescenti, molti sviluppatori di applicazioni finiscono essenzialmente per costruire uno strumento di BI, il che li porta al di fuori delle loro competenze e ruba tempo prezioso all’avanzamento della loro propria applicazione.
Può una generazione di BI embedded offrire la soluzione?
Fortunatamente, c’è una nuova generazione di piattaforme analitiche embedded emergenti che sembra pronta ad accettare le sfide poste da costo e complessità. Wayne Eckerson, un noto analista BI, identifica questa come la terza generazione della embedded analytics nel suo articolo sull’evoluzione della BI Embedded. In sintesi, Eckerson descrive la terza generazione come: “in viaggio al di là del Web, verso il Cloud”, dove gli sviluppatori possono “noleggiare questi strumenti di BI residenti nel Cloud su base oraria”. Queste piattaforme di BI possono “supportare una varietà completa di funzionalità BI, comprese l’esplorazione dei dati (data exploration) e l’authoring” e possono essere incorporate attraverso interfacce standard come REST e JavaScript. Quindi, come si comporta questa terza generazione nel soddisfare i problemi del costo e della complessità?
L’utility pricing riduce il costo in modo notevole
Per vincere la sfida del costo, una nuova generazione di piattaforme analitiche embedded impiega un modello di licenza da utility, dove il software viene reso disponibile in base ai core, alle ore di utilizzo o ai gigabyte. Dal punto di vista di uno sviluppatore, questo è un modello molto più equo, poiché si paga solamente quello che si utilizza. All’inizio del ciclo di vita dell’applicazione, quando l’impiego è sporadico, gli sviluppatori possono limitare i loro costi. Quando l’applicazione ha avuto successo e il suo impiego cresce, l’utilizzo può essere facilmente scalato verso l’alto. Un recente studio di Nucleus Research ha concluso che il modello di prezzo da utility per le applicazioni analitiche può far risparmiare a un’organizzazione fino al 70% di quello che spenderebbe per una soluzione di BI tradizionale. Abbiamo scritto in precedenza riguardo a come il modello di prezzo utility aumenti in modo drammatico la disponibilità di funzioni analitiche, raggiungendo un numero molto più elevato di organizzazioni. L’adozione rapida del servizio di data warehousing Redshift di Amazon e il servizio di reporting e analisi di Jaspersoft su AWS Marketplace offrono un’importante testimonianza riguardo ai benefici di questo modello.
Il Cloud e le API standard Web riducono la complessità
Una piattaforma di BI basata su Cloud semplifica il deployment in modo significativo, poiché non c’è alcun server di BI da installare o configurare. Il report di Nucleus Research ha rivelato che le soluzioni di BI a prezzo da utility basate su Cloud possono essere implementate in settimane o anche giorni, rispetto ai mesi comunemente necessari per un prodotto di BI tradizionale.
Sfruttando API standard web come REST e JavaScript, le piattaforme di terza generazione semplificano anche il compito di incorporare le funzioni analitiche sia nel front-end che nel back-end dell’applicazione. Tra l’altro, è importante notare che queste API consentono di effettuare l’embedding di funzioni di BI self-service complete, non solo di report e cruscotti. Questo si traduce in una aumentata capacità dell’applicazione di rispondere alle richieste di informazioni ad hoc degli utenti business.
I benefici dell’intelligenza embedded
Intuitivamente, sembrerebbe che, offrendo funzioni analitiche all’interno delle applicazioni che il personale business utilizza ogni giorno, un’organizzazione dovrebbe sperimentare i benefici di processi decisionali maggiormente basati sui dati. Ma esiste una prova di questo fatto?
Un recente rapporto di Aberdeen Group, basato su dati raccolti da oltre 130 organizzazioni, ha aiutato a gettare luce su alcuni dei benefici delle funzioni analitiche embedded. Per prima cosa, come ci si poteva aspettare, le aziende che utilizzavano funzioni analitiche embedded hanno visto il 76% degli utenti impegnati attivamente nell’analisi, rispetto al solo 11% di quelli con un più basso tasso di adozione della BI embedded. Il risultato è che l’89% del personale business in queste aziende best-in-class erano soddisfatti del proprio accesso ai dati, rispetto a solo il 21% delle aziende più in ritardo. La morale? Le aziende in testa alla classifica dell’adozione della BI embedded hanno visto in media un aumento del profitto operativo del 19%, contro solo il 9% per le altre aziende.
Andre Gayle, che opera nella gestione di un servizio di voicemail presso British Telecom, illustra la differenza che possono fare le funzioni analitiche embedded. “Avevamo report [prima], ma questi dovevano essere spediti via email agli utenti, che dovevano attenderli, poi andare a fare ricerche su di essi secondo le necessità. Era un processo inefficiente e uno spreco”. Oggi, grazie alla embedded analytics, British Telecom ha realizzato un importante risparmio sia in termini di tempo che di costi. Come spiega Gayle, il capacity planning per il servizio di voicemail era un “esercizio laborioso, che richiedeva diversi giorni di lavoro per trovare i numeri”, ma che ora può essere svolto “on-demand, in un modo basato sui fatti e in pochi minuti”.
Sta crescendo l’evidenza che le funzioni analitiche incorporate all’interno delle applicazioni che le persone attive nel business utilizzano tutti i giorni può portare benefici quantificabili. Tuttavia il protagonista qui, a differenza del mondo tradizionale delle applicazioni analitiche, dev’essere lo sviluppatore, non l’analista. Una nuova generazione di piattaforme di BI embedded sta rendendo più semplice e più remunerativo per gli sviluppatori implementare le funzioni analitiche necessarie all’interno delle applicazioni Cloud che stanno costruendo. Al crescere dell’adozione da parte degli sviluppatori di queste nuove piattaforme, possiamo sperare che la BI diventi finalmente pervasiva come un servizio informativo che informa le operazioni quotidiane. Come spiega Wayne Eckerson: “In molti modi, la BI embedded rappresenta la realizzazione della promessa della BI”. Oggi sta agli sviluppatori Cloud aiutarci a realizzare questa promessa.
