با خانواده بیزی هوش آشنا شوید

در دهه های اخیر هر چه شنیده ایم به طور مستقیم و غیر مستقیم به پیشرفتهای چشمگیر کامپیوترها مربوط بوده است. اما دهه اخیر متعلق به اکوسیستم هوش تجاری (BI) است که انفجاری را در فناوریهای مربوط به استفاده از هوش مصنوعی و علوم شناختی به خود دیده است. انفجاری که نهایتا علوم داده را برای شرکت‌ها به عنوان یک نیاز واقعی مطرح کرده است. گویا جهان با سرعتی بیشتر از شرکتها به سمت هوشمند شدن پیش می رود. در این جهان هوشمند، راهکارهای داده‌ای، بر قابلیت‌هایی تمرکز دارد که در نسل‌های قبلی فناوری‌های هوش تجاری (بخوانید بیزی هوش) وجود نداشته است. اما اکنون این قابلیت‌ها دارد مرزهای این حوزه را به سمت سطوح جدید گسترش می‌دهد؛ یعنی به سمت نسل چهارم بیزی هوش! در ادامه شما را دعوت می‌کنم با خانواده بیزی هوش و روند تکاملی نسلهای آن بیشتر آشنا شوید.

پدربزرگ: نسل معماری کلاینت-سرور و گزارش‌های واحد فناوری اطلاعات

نسل اول خانواده بیزی هوش بر اساس مدلهای محلی کلاینت-سرور بود که گزارش‌ها در آن توسط واحد فناوری اطلاعات و مبتنی بر نیازمندی‌های خاص کسب و کار تهیه می‌شده است. از نقطه نظر زیرساخت داده‌ای، این گونه از فناوری‌های هوش تجاری با پایگاه‌های داده‌ای رابطه‌ای و چندبعدی (که پایه و اساس معماری داده‌های فناوری اطلاعات به شمار می‌رود) عجین شده است. این نسل از پلتفرمهای هوش تجاری زیر سلطه ابزارهای قدرتمندی نظیر Microsoft Reporting Services، IBM Cognos یا SAP Business Objects قرار داشت.

ممکن است همه نیازمندی کسب و کار شما با همین نوع معماری و همین گونه گزارش‌ها برطرف شود. اگر این گونه است توصیه نمی کنیم به سمت نسلهای بعدی بروید. ولی توجه داشته باشید که شما یک پیرمرد فرتوت را برای مهمترین بخش کسب و کارتان استخدام کرده اید!

پدر: نسل کلان‌داده

زمینه شکل گیری نسل دوم پلتفرمهای هوش تجاری را ظهور محاسبات ابری و تکامل مدل‌های پایگاه‌داده‌ای NOSQL و کلان‌داده (Big data) فراهم کردند. این راهکارهای جدید بر روی تقویت مدل‌های توانمندسازی ابری تمرکز کرده‌اند. مدل‌هایی که برای رفع مشکلات ناشی از استفاده از زیرساخت‌های محلی و نیز یکپارچه‌سازی با منابع داده نوظهور (نظیر سیستم‌های کسب و کاری آنلاین و شبکه‌های اجتماعی) توسعه یافته‌اند. نسل دوم هوش تجاری همچنین روی ارتقای پلتفرمهای کلان‌داده و NOSQL سرمایه‌گذاری کرد تا بتواند برای تحلیل مقادیر عظیمی از داده‌های نیمه‌ساختاریافته و ساختارنیافته، راهکارهایی فراهم کند. پلتفرمهایی نظیر GoodData، Birst و Grow از این گونه هستند.

شرکتهایی که با تفکر نسل اول کار می کنند، هنوز هم ترجیح می دهند برای حفظ امنیت داده ها، آنها را به روش سنتی روی سرورهای محلی خودشان باشد.

اینکه شرکتها تصمیم بگیرند تا به سمت استفاده از فضای ابری و بهره گیری از قابلیت های نسل دوم هوش تجاری حرکت کنند به عنوان یک روشن فکری مهم در لایه مدیریت آنها تلقی می شود با این حال، دوره این نسل هم رو به اتمام است.

نسل فعال: شخصی، مبتنی بر همکاری، بصری و همراه

عضو دیگر خانواده بیزی هوش، نسل فعلی و مدرن آن است. ایجاد داشبوردهای بصری جذاب و سلف سرویس، عنصر اساسی در شکل‌گیری نسل سوم از فناوری‌های هوش تجاری است. این نسل از هوش تجاری با توانمند کردن کاربران برای ایجاد داشبوردهای بصری در قالب مدلی سلف سرویس توانسته فرایندهای مرتبط با هوش تجاری را از واحد فناوری اطلاعات سازمانها به همه واحدهای مرتبط با کسب و کار سوق دهد. بله در شرکت هایی که از این نسل بهره مند هستند، هر کارمندی می تواند به کسب و کار ارتباط برقرار کند و در پیشرفت آن سهیم باشد.

از سوی دیگر، ظهور استفاده از نرم‌افزارهای سازمانی در پلتفرم تلفن همراه و شکل‌گیری روندهای همکاری به نسل سوم هوش تجاری شتاب بیشتری داده است. از این منظر، راهکارهای این نسل برای کاربران، امکان بهره‌مندی از داشبورد روی دستگاه‌های تلفن همراه و تقویت مدل‌های رنگ‌آمیزی برای جمع‌آوری دانش درباره یک راهکار خاص را به ارمغان می آورند. راهکارهایی نظیر Tableau و QlikView این جنبش را رهبری کرده‌اند.

فرزند: نسل پیش‌بینانه، پیش‌گیرانه، آنی و شناختی

جنبش نسل چهارم هوش تجاری توسط ظهور فناوریهای هوش مصنوعی و فراگیری ماشین هدایت می‌شود. البته به همان شکلی که زمینه انجام تحلیل داده آنی توسط تکامل روندهایی نظیر اینترنت اشیاء فراهم گردید. از منظر توانایی، راهکارهای نسل چهارم هوش تجاری با برخورداری از مدلهای تحلیلی پیش‌بینانه و پیشگیرانه‌ای که سطوح بیشتری از هوش را درباره منابع داده کسب و کار فعال می‌کنند، موجب گسترش روش‌های گزارشگیری سنتی می‌شود. از این منظر، نسل سوم، تمرکز کمتری روی ایجاد گزارشهایی که بتواند اوضاع گذشته را به خوبی نشان ‌دهد و کمک به کشف بینش‌های ناشناخته و پیش‌بینی راجع به آینده کند داشته است.