La Bi operazionale è l’area dell’intelligenza diffusa che sta trainando il mercato. Ha come scopo quello di ottimizzare il ciclo decisionale tattico, che abbraccia orizzonti temporali molto brevi.
Ottimizzare il ciclo decisionale (ovvero il tempo che intercorre tra il verificarsi di un certo evento che ha ripercussioni per il business e il momento in cui si prende una decisione sulla base di questo accadimento) significa, in genere, ridurre la sua durata temporale, ovvero controllare quella che è definita la latenza di una soluzione di intelligenza diffusa.
La latenza, vero elemento fondamentale nella valutazione della bontà di una piattaforma Bi, può essere intesa come il tempo intercorso fra il momento in cui accade uno specifico evento e quello in cui un'azione concreta relativa a quell'evento viene intrapresa. Tre sono i componeti chiave della latenza:
- Latenza a livello dati: è il tempo richiesto per raccogliere i dati grezzi, ripulirli e prepararli per l’analisi, oltre che per immagazzinarli laddove potranno, in qualsiasi momento, essere richiamati e utilizzati.
- Latenza analitica: è l’intervallo che serve per accedere e analizzare i dati, convertirli in informazioni strutturate, applicare le regole di business o la gestione delle eccezioni e generare gli allarmi del caso. L’analisi potrà essere condotta direttamente da un’applicazione o da un utente.
- Latenza decisionale: è il tempo speso per controllare le analisi e gli allarmi, decidere quali azioni debbano essere intraprese sulla base delle informazioni ottenute e agire.
Altro punto non trascurabile è l’integrazione dei dati di business provenienti dalle fonti più disparate (vendite, ordini, clienti, fornitori, prodotti o inventari), che incide sul processo di latenza migliorando l’accessibilità delle applicazioni di Business intelligence da parte del suo utente.
La componente operazionale dell’intelligenza diffusa è pensata per supportare gli utenti meno tecnici, tipicamente gli executive, che saranno in grado di formulare domande semplici (del tipo: cosa succede ai margini se cambio il mix di prodotto?) e di ottenere, in risposta, dati sintetici e grafici che, immediatamente, forniscano una vista chiara del fenomeno analizzato.
L'acquisizione dei dati
Un sistema di acquisizione dati flessibile è il requisito principale
di un siffatto sistema: la Bi operazionale, infatti, fa uso dei record relativi
alle transazioni, accanto a una moltitudine di altre informazioni, strutturate
o meno, che provengono dall’interno o dall’esterno dell’organizzazione.
Per ottimizzare l’efficacia di questi strumenti, si renderà necessario
definire dei livelli di qualità cui i dati debbano sottostare.
Questo implica isolare chiaramente i processi d’integrazione e definire regole e procedure di profilazione, validazione, riconciliazione, estrazione, ripulitura, trasformazione, aggregazione e reimmissione dei dati. Se l’obiettivo per l’azienda è quello di ridurre la latenza, ovviamente il tradizionale aggiornamento in batch (tipicamente notturno) dei dati non potrà più considerarsi sufficiente e dovrà, necessariamente, essere rimpiazzato da un sistema di alimentazione semi-automatico.
In linea di principio sono tre, secondo Ventana Research, le metodologie usate per uniformare i dati nelle applicazioni di Bi:
- Data consolidation: si tratta di un approccio di integrazione “fisico”, che estrae i dati dalle diverse fonti e li fa confluire all’interno di un repository. Il processo di consolidamento avviene attraverso le operazioni di “ripulitura” (eliminando duplicazioni e inconsistenze) o “riformattazione” (facendo in modo che i dati siano espressi in grandezze tra loro confrontabili). Il repository fisico potrà essere rappresentato da un data store operazionale (Ods), da un data warehouse o da un data mart. La latenza dei dati immagazzinati nel repository dipende da quanto spesso i processi di consolidamento sono eseguiti.
- Data federation: questo approccio virtuale si realizza lasciando fisicamente i dati immagazzinati presso le fonti che li hanno generati e fornendo all’utente di Bi un accesso diretto agli stessi, creando apposite “viste”. La latenza dei dati dipenderà dalle prestazioni della fonte dati.
- Data propagation: tale metodologia si realizza copiando i dati da una o più fonte a uno o più sistemi target. La data propagation è utilizzata, spesso, per copiare piccoli eventi o lievi modifiche intervenute nei dati, attraverso dei sistemi che sono definiti Changed data capture (Cdc). La propagazione potrà essere sia sincrona (se le copie sono create nel momento stesso in cui avviene la modifica) sia asincrona, se si decide che le modifiche saranno copiate sul sistema target a cadenze temporali predefinite (ad esempio, ogni notte).
