Samotná koncepce SSBI se snaží vyřešit problém, který nastává při použití klasické koncepce BI. Na jedné straně stojí koncoví uživatelé – manažeři, analytici, kteří chtějí mít kontrolu nad výstupy z dat a na druhé straně stojí IT oddělení s potřebou mít nad daty neustálou kontrolu a zajišťovat jednu verzi pravdy. Tyto zdánlivě protichůdné síly se snaží řešit koncepce SSBI, která umožňuje koncovým uživatelům větší flexibilitu a individualitu, ale pořád zachovává klasickou architekturu BI s datovým skladem, Data Marty atd., o které se nadále může starat IT oddělení. (Pour et al., 2018)
S příchodem SSBI si tedy IT oddělení mohlo „oddechnout“, protože už nebylo třeba dennodenně spouštět složitá queries a vytvářet reporty, aby vyhověli požadavkům koncových business uživatelů, kteří mnohokrát ani neměli ponětí o tom, jak data vypadají a co vlastně by chtěli. Podle studie (Imhoff a White, 2011) 65 % dotázaných odpovědělo, že existuje potřeba SSBI kvůli neustále měnícímu se prostředí v organizaci. Celých 57 % odpovědělo nespokojenost s časovou odezvou od IT oddělení co se týče požadavků na analytické operace. Pro úspěšnou implementaci SSBI do podniku je tedy velmi důležité, aby existoval těsný vztah mezi IT oddělením a koncovými uživateli. IT oddělení by mělo umožnit co nejjednodušší přístup k datům pro business uživatele a zabývat se výhradně datovou kvalitou, přístupem a bezpečností. Koncoví uživatelé by měli být seznámeni s datovou strukturou a rozumět principům multidimenzionality, aby byli schopni sami dodat požadované analýzy. Díky této vzájemné harmonii a rozdělení práce lze dosáhnout daleko vyšší efektivity a kvality analýz. (Britt, 2020)
3.2.1 Postup řešení aplikací SSBI
• zpracování úvodní studie pro SSBI,
• analýza a návrh SSBI aplikací,
• implementace SSBI aplikací,
• zavedení do provozu SSBI aplikací.
První a poslední úloha jsou však velmi závislé na situaci výše zmíněných faktorů a mohou být například téměř vypuštěny.
Úvodní studie je velmi důležitá, zejména pokud organizace nemá jasně definované cíle pro SSBI, nebo nemá s analytikou jako takovou žádné zkušenosti. Dnešní SSBI nástroje umí pracovat bez samostatného datového skladu, který jak bylo již dříve řečeno, většinou tvoří nejnákladnější a časově nejnáročnější nákladovou položku celého BI konceptu. Úvodní studie tedy zastupuje podobnou roli jako projektový záměr u projektového řízení, protože odpovídá na základní otázky: co, jak, proč, kdy, za kolik. Po úvodní studii následuje analýza a návrh SSBI aplikací. V této části je zásadní spolupráce jak koncových uživatelů, tak IT oddělení, aby byly požadované cíle naplněny. Jednotlivé úlohy analýzy a návrhu řešení SSBI popisuje obrázek 4. (Pour et al., 2018)
Obrázek 5 Analýza a návrh řešení SSBI, klíčové aktivity (Zdroj: Pour et al., 2018)
Předposlední fáze před samotným spuštěním a zavedením SSBI je implementace. V této části je navržené řešení naplněno prvotními daty a jsou vytvořeny základní datové modely.
Jedná se tedy o prvotní nastavení řešení a uvedení do praxe. SSBI nástroje se snaží být velmi intuitivní a co nejvíce vstřícné vůči uživatelům, ovšem tito uživatelé by měli být během této fáze seznámeni se všemi funkcionalitami a možnostmi. Ideální je, pokud IT oddělení prezentuje různá demo řešení, kterými demonstruje přímo čeho jsou nástroje schopné. Poté je řešení finálně spuštěno a je ze strany IT oddělení udržována podpora pro stávající, či nové uživatele, které je potřeba proškolit. (Pour et al., 2018)
3.2.2 Data Governance
S velkou mocí přichází také velká zodpovědnost. Tato slavná věta zazněla již v několika filmech, či knihách a platí i pro SSBI. S přibývajícím počtem uživatelů systému a zejména
těch, kteří mají pouze základní povědomí o datech a celém ekosystému BI, přibývá exponenciálně zátěž na systém. Pokud si více uživatelů bude vytvářet samostatné reporty pro své vlastní účely je zřejmé, že budou vznikat reporty s podobným či totožným významem. Tyto zbytečné reporty poté zbytečně zatěžují systém či datové úložiště a mohou vést i k havárii systému. Dalším problémem mohou být subsety, neboli vlastní verze datasetů. Uživatelé si mohou oříznout pouze část dat, či je nelogicky propojit s jiným datasetem a může tedy docházet k milné interpretaci dat a v tomto případě je SSBI spíše kontraproduktivní. V neposlední řadě více uživatelů znamená větší počet dotazů nad daty, která se přepisují v reálném čase, a tedy opět vyšší zátěž na systém. (Stodder, 2020)
Řešením tohoto problému je zavedení stromové struktury, kam si uživatelé mohou své reporty ukládat a aktivně podporovat uživatele ke sdílení svých reportů. Tímto způsobem jsou zajištěny i přenosy znalostí a tzv. best-practices co se týče SSBI, jelikož uživatelé si navzájem radí a sdílí tipy. Je také velmi důležité rozdělit role a práva v rámci SSBI, aby případná neznalost uživatelů nemohla napáchat velké škody jako například smazaní veškerých dat. Dalším možným řešením, hlavně tedy pro větší organizace, je implementace SSBI, a hlavně tedy reportingu do vnitropodnikového systému. Pokud budou nejdůležitější reporty přístupné všem, i když nemají s SSBI zkušenosti, ale používají vnitropodnikový systém, lze předejít zvýšenému zatěžování systému (Stodder, 2020)
3.2.3 Cloud BI
Příchod SSBI nástrojů akceleroval přechod celých BI řešení do cloudu. V České republice v roce 2018 využívalo jakékoliv cloud řešení pouze 25,5 % podniků. Lídry v tomto případě v Evropě jsou severské státy, kde finské podniky vykazují již přes 60 % cloud řešení.
Nejčastějšími důvody, proč firmy přechází na cloud řešení jsou: (MBI (FSG490), 2021)
• snížení nákladů na implementaci, provoz a údržbu IT ve firmě,
• přizpůsobitelnost a škálovatelnost Cloud služeb,
• zkrácená doba nasazení aplikací,
• snazší a rychlejší obnova služeb po výpadku.
Cloudová řešení se dnes rozlišují na 3 základní vrstvy: IaaS, PaaS, Saas. Na vrstvě IaaS (Infrastructure-as-a-Service) se zabezpečuje úložiště dat a výpočetní výkon. Komponenty z infrastrukturní vrstvy poskytují své základy pro komponenty platformní. Vrstva PaaS (Platform-as-a-Service) obsahuje datové sklady, komponenty datové integrace či hostované BI platformy. Poslední vrstva SaaS (Software-as-a-Service) je posledním článkem a jedná se tedy převážně o nástroje, se kterými dojdou do styku koncoví uživatelé. Jedná se tedy o nástroje určené k analýze dat, jejich vizualizace a vytváření reportů. V dnešní době dodavatelé BI řešení nabízí ekosystém, který pokrývá všechny vrstvy a znamená to tedy řešení tzv. ready to deploy, která jsou připraveny se spustit a nasadit do provozu v rámci podniku ve velmi krátkém čase. Nutno podotknout ovšem, že s rostoucím podílem cloudu a cloudových služeb roste i závislost na dodavatelích těchto řešení a neustále se omílá otázka
3.2.4 Limity a omezení self-service nástrojů
Tato předposlední podkapitola zaměřená na analýzu a přiblížení technologie SSBI se snaží zhodnotit SSBI nástroje a nastínit jejich slabé stránky a limity. SSBI řešení mohou být velmi efektivní a přinášet kvalitní analýzy v adekvátním čase, ovšem kladou větší nárok na koncové uživatele než klasická BI koncepce. Bez spolupráce a ochoty koncových uživatelů, správného nastavení procesů uvnitř organizace a nápomocného a vstřícného IT oddělení jsou SSBI řešení často neefektivní a končí spíše zklamáním a nejsou předmětem dalších investic. Každý podnik řeší bezpečnost svých dat a systému a řešení SSBI mohou také tvořit potenciální příležitost pro útok a následný datový únik. Pandemie koronaviru přinutila většinu zaměstnanců pracovat z domova a IT oddělení má menší kontrolu nad zaměstnanci organizace a jejich aktivitou na internetu. Mohlo by se tedy stát, že při nesprávně nastavené bezpečnosti pro koncové uživatele dojde k datovému úniku a poškození jména firmy. (Britt, 2020)
SSBI nástroje se sice snaží být čím dál více komplexnější a schopnější, ovšem nikdy se nedokážou 100% vyrovnat klasickému BI řešení přímo na míru, které dokážou pokrývat i celopodnikovou koncepci a dokážou více odrážet korporátní strategii. Je zde ale právě otázkou hlavně úvodní studie, zda organizace vlastně takto komplexní řešení potřebuje a jestli je to ekonomicky výhodné. SSBI nástroje jsou tedy hlavně určeny pro dílčí úlohy jednoduššího charakteru i díky omezené možnosti čištění a konsolidace dat, které u standardních BI aplikací nabízejí větší funkcionalitu. Díky této rozmanitosti a složitosti je čištění a konsolidace jednou z nejnáročnějších, ale i nejefektivnějších částí standartní BI koncepce. (MBI (F455), 2021)
3.2.5 Pracovní závěry
V úvodu této podkapitoly je popsán termín self-service Business Intelligence a nastíněn základní rozdíl mezi klasickou koncepcí BI a SSBI. Poté je vysvětlen postup zavádění SSBI řešení. SSBI tedy nepřináší kompletní alternativu vůči celé architektuře BI, nýbrž tuto architekturu vylepšuje a zefektivňuje, protože se snaží zabránit nedorozumění mezi IT oddělením a byznys uživateli a také se snaží předejít neustálému vzniku redundantních reportů. V duchu redundance je také akcentována potřeba Data Governance, jelikož v rámci SSBI dostávají daleko větší pravomoc koncoví uživatelé, kteří mohou snadno přetížit systém nezodpovědným chováním, či dokonce vymazat ze systému citlivá a důležitá data. Ke konci této podkapitoly o SSBI je vysvětlen současný trend přechodu SSBI do cloudu, a nakonec jsou určeny pomyslné hranice SSBI řešení, jelikož se stále o koncepci orientovanou na koncový byznys uživatele, kteří nikdy nebudou tak technologicky zdatní jako zaměstnanci IT oddělení.