Yrityksen tietojärjestelmät

Transkriptio

1 University of Vaasa, Department of Computer Science, Yrityksen tietojärjestelmät TITE 2060 Timo Mantere LUENTO 3: Business intelligence, Tietohallinto, Big data Kurssin vanha Moodle sivu: 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

2 University of Vaasa, Department of Computer Science, 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 178 2

3 University of Vaasa, Department of Computer Science, Expert systems Kuva Tekoäly: Asiantuntijajärjestelmät: Älykäs opsatusjärjestelmä: 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, jotka sisältävät usein runsaasti graafisia esityksiä tukee strategisella tasolla jäsentymätöntä päätöksentekoa Executive information systems on nykyisin Business Intelligence 180 3

4 University of Vaasa, Department of Computer Science, 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

5 University of Vaasa, Department of Computer Science, 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 Yrityksen toiminta aiheuttaa tapahtumia yrityksen operatiiviseen järjestelmään, mistä kerätään haluttu data, muokataan se oikeaan muotoon ja tallennetaan tietovarastoon. Datan perusteella johto tekee päätöksiä, jotka vaikuttavat taas dataa, joka tallentuu operatiiviseen järjestelmään

6 University of Vaasa, Department of Computer Science, 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

7 University of Vaasa, Department of Computer Science, Business Intelligence (Töyli) 187 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. 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) 188 7

8 University of Vaasa, Department of Computer Science, 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) 190 8

9 University of Vaasa, Department of Computer Science, 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

10 University of Vaasa, Department of Computer Science, Business Intelligence (Töyli) Lisätietoja Wikipediasta: Business intelligence Tiedonhallinta Tietämyksen hallinta Sisällönhallinta Sisällönhallintajärjestelmä m%c3%a4 Tietokanta Business Intelligence (Töyli) Lisätietoja Wikipediasta: Tiedonlouhinta Data analyysi Kuva:

11 University of Vaasa, Department of Computer Science, 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: ) 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

12 University of Vaasa, Department of Computer Science, 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

13 University of Vaasa, Department of Computer Science, Tietohallinto (Töyli) Tietojenkäsittelytoimintoja voidaan käsitellä (Boddy, Boonstra & Kennedy 2005: ) Palvelukeskuksena Kustannuspaikkana Voitto keskuksena Toimintamuodon valintaan vaikuttaa: tietojenkäsittelyn tarve organisaatiorakenne kulttuuri, valtasuhteet, henkilöstö teknologia 199 Yhteistyötä vaikeuttaa mm. Tietohallinto (Töyli)

14 University of Vaasa, Department of Computer Science, 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, ITinfrastrukstuurin 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

15 University of Vaasa, Department of Computer Science, 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 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 Rahoitustiedot (pörssi, ) Ihmiset: Syötetty tieto Klikki-virta Pelaamiseen liittyvä seuranta

16 University of Vaasa, Department of Computer Science, 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 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

17 University of Vaasa, Department of Computer Science, 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 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) Data on yhä vaihtelevempaa ja datalähteiden määrä kasvaa koko ajan Muita V-alkuisia ilmiöön liitettyjä määritteitä: Veracity, value, virality, validity, viscosity, viability ym. joista kaksi tärkeintä ovat veracity (totuudenmukaisuus) ja value (arvo käyttökohteessa)

18 University of Vaasa, Department of Computer Science, 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 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

19 University of Vaasa, Department of Computer Science, 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 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)

20 University of Vaasa, Department of Computer Science, 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 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)

21 University of Vaasa, Department of Computer Science, 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 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

22 University of Vaasa, Department of Computer Science, 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: Tieto Tietämys Aineeton pääoma Tietoteoria

23 University of Vaasa, Department of Computer Science, 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 Tämä kappale koostettu lähinnä Immo Salon kirjaa Cloud computing palvelut verkossa 2010 mukaillen Cloud computing Kuva: Wikipedia (

24 University of Vaasa, Department of Computer Science, 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

25 University of Vaasa, Department of Computer Science, 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%) Sovellusalusta palveluna Platform as service PaaS (13%) Infrastruktuuri palveluna Infrastructure as a service IaaS (38%) Lisäksi on esitetty malleja: Tallennus palveluna Storage as a service Tietoturva palveluna Security as a service Viestintä palveluna Communication as a service Kaikki palveluna Everything as a service

26 University of Vaasa, Department of Computer Science, Pilvipalveluiden vaihtoehdot 1. Yksityinen pilvi 2. Yhteisöllinen pilvi 3. Julkinen pilvi 4. Hybridipilvi Cloud computing 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

27 University of Vaasa, Department of Computer Science, 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 Pilvipalveluiden tarjoajan perimät maksut Kasvaneet tietoliikennekulut Kolmansien osapuolien koulutus, konsultointi, integrointi, tietoturva ja muista tukitehtävistä keräämät maksut

28 University of Vaasa, Department of Computer Science, 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