SAS-sal oldja meg BI igényeit a University of Washington

Az üzleti felhasználók, az elemzők és a döntéshozók egyre nagyobb mértékben akarnak gyorsan, jó minőségű információhoz jutni - még az egyetemeken is.

Eric Donohue, a University of Washington adattárház-programjának vezetője szerint a kulcskifejezés az "adatok felszabadítása". Ez pedig nem jelent mást, mint előállítani a felhasználói igényeknek megfelelő adatokat és eljuttatni ezeket azok jogos felhasználóihoz.

A University of Washington szervezetében számos, több szinten tevékenykedő üzleti felhasználó dolgozik, mindegyiküknek több és több információra van szüksége ahhoz, hogy eleget tudjon tenni a helyi üzleti követelményeknek. Információt igényelnek a dékánok, az egyetemi tanrend összeállítói és az adminisztrátorok egyaránt, hiszen csak a megfelelő információk birtokában gondolkodhatnak kreatívan az egyetemi fejlesztések jövőjéről.

Donohue szerint az adatok felszabadításának első lépése az, hogy hozzáférhetővé kell tenni őket a szervezet hatékony működtetése és a munkatársak elégedettségének növelése érdekében. Ehhez a legjobb eszköz az ETL, azaz az adatok kinyerése eredeti forrásukból, megtisztítása, majd átalakítása közös adatformátumra, és betöltése az adattárházba.

A második lépés - az adathasználat - már a folyamat nehezebb része. Ezért fontos, hogy az adattárház előnyeinek kiaknázását jól kigondolt üzleti intelligencia platform támogassa - különben az adatból nem lesz információ.

Az üzleti intelligencia (BI) célja, hogy kiváló eszközöket adjon azoknak az embereknek a kezébe, akiknek ezekre határozott, a szervezetük jövőjét befolyásoló döntéseik meghozatalához van szükségük. Ezek az eszközök felgyorsítják az üzlet természetének megismerési folyamatát, s még azok számára is könnyedén elérhetővé teszik a lényeges információkat, akik nem rendelkeznek elmélyült elemzőképességgel.

Egy BI-megoldás a közös adatkészlet jóvoltából egyetlen referenciapontot biztosít a szervezet összes adataihoz. Ez azonban még nem minden: egy valóban hatékony BI-megoldás prediktív modellező és előrejelző képessége még mélyebb elemzést tesz lehetővé. Ennek segítségével a "mi lenne, ha" szcenáriók sokkal gyorsabban végigpörgethetők, s olyan kérdésekre is gyors választ lehet adni, amilyeneket megelőzőleg, a válaszadás bonyolultsága miatt fel sem tettek volna.