Egy kép többet mutat ezer adatnál. Napjainkban, amikor az adatáradat hullámai már-már összecsapnak a vállalatok feje felett, az újgenerációs adatvizualizációs eszközök, amelyek a legbonyolultabb összefüggéseket is grafikus, dinamikus, könnyen értelmezhető és mélyebben feltárható formában jelenítik meg, üzletet menthetnek. Eredményes alkalmazásukhoz azonban - a megfelelő informatikai és szervezeti előkészületeken túl - olyan szakemberek kellenek, akik a technológia és az üzlet területén egyaránt otthonosak.
Computerworld: Milyen nehézségekkel kell megbirkózniuk a fejlett adatvizualizációs eszközök használatára készülő vállalatoknak? Hogyan építhetik ki házon belül az analitikai környezetet és kompetenciát, ha azt szeretnék, hogy az adatvizualizációs eszközökkel az adatkutatók és az üzleti felhasználók is dolgozhassanak?
Minkó Mihály: Minthogy a nagyvállalatok egyre több adatforrásból merítenek, és igen eltérő típusú adatkészletekkel - például szélerőművekről érkező szenzoradatokkal és pénzügyi, tőzsdei információkkal is - dúsítják elemzéseiket, jellemzően központi adattavakat (data lake) építenek, amelyekbe a hagyományos adattárházaktól eltérően mindezeket betölthetik, hogy azután megfelelően felügyelt, szabályozott környezetben, a jogosultságok függvényében a szervezeti hierarchia összes szintjén hozzáférést adhassanak minden alkalmazottnak, akinek erre szüksége van a munkavégzéshez.
Önmagában is szép feladat ez, de még nagyobb kihívást jelent a vállalatoknak az informatika és az üzlet nyelvét egyaránt beszélő szakemberek, adatkísérők (data steward), adatkutatók (data scientist) és adatvizualizációs szakértők toborzása. Bár a nagy kereslet láttán ez a jövőben várhatóan változni fog, ilyen profilú szakemberek ma még elenyésző számban kerülnek ki az egyetemekről. A vállalatok ezért kénytelenek maguk kinevelni őket, például a technológia iránt érdeklődő projektmenedzsereiket bátorítják arra, hogy képezzék magukat adatkísérővé, vagy empatikus, az üzlet, illetve a társadalomtudományok felé nyitott informatikusaikat ösztönzik arra, hogy vállalják az adatkutató szerepét.
Részben hasonlóak a feladatok a szerepkörökben, mivel ezek a szakemberek az értelmes elemzésekhez szükséges adatok kiválasztásában és előkészítésében, a válaszra váró kérdések helyes megfogalmazásában segítik a két oldalt - mégis lényegesen eltérnek egymástól. A data steward a BI-projektekben kíséri végig az adatokat az informatikusoktól az üzletiintelligencia-alkalmazásokkal dolgozó felhasználókig, akik a vállalat teljesítményét, a hatékonyságnövelés vagy a versenyképesség-fokozás lehetőségeit bemutató adatokat szeretnék könnyen áttekinthető, magyarázó (explanatív) formában látni. Az adatkutatóknak viszont egészen más típusú, feltáró (exploratív) adatvizualizációkra van szükségük, mivel ők mintákat, mélyebb összefüggéseket keresnek, például egy adott termék piaci sikerének vagy kudarcának okait igyekeznek megmagyarázni.
Talán kevéssé ismert a vállalatvezetők előtt, de e szerepkörök betöltésére az egyetemekről kikerülő könyvtári informatikusok is kiválóan alkalmasak lehetnek, képzésük ugyanis kellőképpen interdiszciplináris. Toborzáskor ezért érdemes rájuk is gondolni.
CW: Ha a vállalat nem tudja házon belül maradéktalanul kiépíteni az adatvizualizációhoz szükséges analitikai kompetenciát és környezetet, milyen megoldások közül választhat?
MM: A vállalatok nem feltétlenül hoznak létre adatkísérői vagy -kutatói szerepkört, az idetartozó feladatok azonban átvándorolnak projektmenedzsereik, informatikusaik valamelyikéhez. Minden nagyvállalat csapatában találhatók olyan szakemberek is, akik továbbképeznék magukat az adatvizualizáció terén, de a rátermett jelöltek felkutatása sok szervezetnél lehetne tudatosabb, módszeresebb is.
Minkó Mihály adatvizualizációs szakértő
Egy-egy adatvizualizációs projekt megvalósításához éppen ezért szükség lehet külső szakértő bevonására is. Magam is közreműködök ebben a minőségben gyártó, kereskedelmi és piackutató cégek projektjeiben, a digitális műszerfalak (dashboardok) és más típusú - például adatújságíráshoz, infografikákhoz köthető - adatvizualizációk elkészítésében, amit informatikai és üzleti oldalról házon belüli szakemberek, valamint szükség szerint további külső szolgáltatók is segítenek.
Emellett többedmagammal adatvizualizációs tréningeket is vezetek a Moholy-Nagy Művészeti Egyetem MOME Open felnőttképzési központjában. A terület iránt érdeklődő BI-elemzők és adatkutatók ma még viszonylag kevés, kimondottan rájuk szabott, kreatív programozási tanfolyam közül választhatnak, ezért tervezem, hogy az idei évtől kibővítem az adatvizualizációs tréningeket.
CW: Az IIR Magyarország BI konferenciáján egy fél évszázaddal ezelőtt kidolgozott adatvizualizációs módszertan mai hatásáról tart előadást. Minek tudható be, hogy az üzleti intelligencia és az adatkutatás eszközei éppen napjainkban nőnek fel az évtizedes elméletek gyakorlati alkalmazásához?
MM: Jacques Bertin 1967-ben megjelent könyvében (Semiology of Graphics) egy igen egyszerű, de annál hatékonyabb adatvizualizációs módszertant mutatott be. Számítógépekhez azonban akkor, sőt még a hetvenes-nyolcvanas években is csak a vállalati, akadémiai és kormányzati felhasználók szűk köre fért hozzá, ezért csupán statisztikai évkönyvekben és tudományos folyóiratokban, valamint az Egyesült Államokban a legnagyobb napilapokban jelentek meg elsősorban magyarázó típusú adatvizualizációk.
Mindez a kilencvenes évektől indult változásnak, amikor a PC-k és a táblázatkezelő alkalmazások elterjedésével hirtelen a végfelhasználók tömege kezdett grafikonokat készíteni a jelentésekhez és bemutatókhoz. Rengeteget fejlődtek ezek az adatvizualizációs eszközök a megjelenésüket követő másfél évtizedben, de továbbra is viszonylag egyszerű megoldást adtak az adatok grafikus ábrázolására.
A terület fejlődése a kétezres évek közepén azonban a szoftver- és a hardvertechnológia fejlődésével fordulóponthoz ért. Megjelentek az újgenerációs eszközök, amelyek a legváltozatosabb forrásokból nyert adatok együttes és nagy teljesítményű, gyors elemzését, a legbonyolultabb összefüggések feltárását és dinamikus, grafikus megjelenítését teszik lehetővé.
Egyik legismertebb képviselőjük a Tableau, amelynek vizualizációkért felelős kutatási igazgatója, Jock D. Mackinlay szintén Bertin módszertanát vette alapul az adatvizualizációs megoldások megtervezéséhez.
Minthogy a szállító a széles körben hozzáférhető, nagy feldolgozási kapacitást és az adatforrások integrálását támogató nyílt technológiák mellett a korszerű kezelőfelületekre is építhetett, olyan eszközökkel lépett piacra, amelyekkel a legváltozatosabb és -kifinomultabb adatvizualizációk is könnyen elkészíthetők. A Python programnyelvhez készült, Vega-alapú Altair deklaratív statisztikai vizualizációs könyvtár, amely az adatkutatók munkáját segíti hathatósan, szintén Bertin módszertanát követi.
CW: Milyennek látja az adatvizualizációs piac jövőjét, elsősorban mely technológiai trendek formálják majd a következő években?
MM: A mesterséges intelligencia és a gépi tanulás képességei már ma is segítik az adatvizualizációk készítését, de a továbbiakban mind nagyobb hatással lesznek az eszközök fejlődésére. Beágyazott mesterséges intelligenciájuknál fogva a BI- és adatvizualizációs eszközök, közöttük a Power BI és a Tableau, egyre kiterjedtebben támogatják majd a természetes nyelv, a hangalapú kezelőfelület használatát ember és gép kommunikációjában. Az üzleti felhasználók így egészen összetett kérdéseket intézhetnek majd az eszközökhöz, amelyekre azok megfelelő adatvizualizációkkal válaszolnak.
Próbálkozik a szállítók némelyike azzal is, hogy a beágyazott mesterséges intelligenciával a kérdések megfogalmazására tett javaslatokkal is segítse az üzleti felhasználókat, de az eddigi eredmények nem túl bíztatóak. A természetes nyelven folytatott ember-gép párbeszéd mint kezelőfelület felhasználóbarátságát nehéz felülmúlni, de a mesterséges intelligencia alighanem még sokáig nem lesz képes arra, hogy üzleti kontextusban a döntéshozókat valóban foglalkoztató, értelmes kérdéseket fogalmazzon meg. Az adatkutatókat viszont a mesterséges intelligencia már ma is hasznos javaslatokkal segíti az adott probléma vizsgálatához, az eredmények bemutatásához legalkalmasabb adatvizualizációk ajánlásával - ezt az izgalmas képességet a szállítók egy-két éven belül minden bizonnyal látványosan továbbfejlesztik.
A kiterjesztett és a virtuális valóság egyre több üzleti alkalmazásban jelenik meg, így felmerül a kérdés, hogy ezek a technológiák miért ne juthatnának szerephez az adatvizualizációban is. Az üzleti felhasználók számára azonban a hagyományos kijelzőn megjelenített, kétdimenziós grafika a legjobb megoldás, számukra a valós környezetre vetített információ vagy a virtuális térben a fej mozdulataira elcsúszó háromdimenziós kép nem ad többletet, éppen ellenkezőleg, megnehezíti az áttekintést.
Kutatás és fejlesztés területén ezzel szemben a kiterjesztett és a virtuális valóság már ma is hatékonyan segíti az adatvizualizációt, és ez a továbbiakban még inkább így lesz. A virtuális valóságban megjelenő feltáró típusú adatvizualizációk az adatkutatók munkáját is támogathatják a jövőben, mivel a három dimenzióban bejárható adatterekben a végigkövethető összefüggések új felismerésekhez vezethetnek.
