5 преимуществ low-code подхода к аналитике

13 сентября 2021
0 комментариев

Возможность мало кодировать, а больше использовать готовые компоненты и визуальное проектирование позволяет решать задачи анализа с меньшими затратами сил разработчиков. В статье расскажем об основных преимуществах подобного подхода.

Потребность в инструментах, минимизирующих программирование, существовала давно. Цель любой организации — быстро и с минимальными затратами решить задачу, при этом учесть особенности бизнеса компании. Проблема в том, что сложно удовлетворить этим критериям одновременно. Можно либо воспользоваться готовыми решениями, позволяющими получить результат быстро, но без учета нюансов бизнеса и с потерей гибкости. Либо разработать уникальное решение под себя, что требует много времени и дорогостоящих специалистов.

Low-code — это метод разработки, позволяющий проектировать логику быстро, с небольшими затратами на внедрение и поддержку. Low-code сводит к минимуму использование программного кода, заменяя его визуальными средствами конструирования.

Мы выделили 5 основных преимуществ low-code подхода при работе над аналитическими проектами.

1. Скорость

Что делает рядовой сотрудник компании, когда сталкивается с любой нетривиальной аналитической задачей? Правильно — обращается в IT-отдел, т.к. у него, в большинстве случаев, не достаточно знаний и навыков, чтобы решить подобную задачу. К сожалению, в 90% случаев работа на этом останавливается, в связи с вечной загруженностью программистов и необходимостью IT департамента решать текущие «горящие» задачи.

С использованием low-code инструмента, аналитическую задачу можно решить значительно быстрее. При этом иметь специальные навыки программирования не обязательно. Платформы, основанные на данном подходе, предоставляют преимущество в скорости в трех основных направлениях:

  1. освоение продукта;
  2. решение элементарных и сложных задач;
  3. тестирование гипотез и внедрение результатов в бизнес-процессы.

Джон Раймер из Gartner писал: «Low-code дает возможность ускорить разработку программного обеспечения более, чем в 10 раз, по сравнению с традиционным подходом». Примерно такой же порядок цифр справедлив и для аналитических задач.

Вот некоторые возможности, которые объясняют такой эффект:

  1. Визуальное проектирование и drag-and-drop позволяет быстро использовать заранее подготовленные компоненты, содержащие в себе определенную логику обработки.
  2. Простые в реализации API-интерфейсы и коннекторы интегрируются со сторонними интерфейсами и сервисами, позволяют быстро размещать и запускать интеграции с разными источниками.
  3. Логика обработки отображается в виде потока данных, который позволяет увидеть на рабочем поле всю последовательность действий. При этом запускается он одним щелчком мыши. И, в случае возникновения ошибок, мгновенно их локализует и позволяет исправить.

2. Гибкость

Любое IT-решение требует постоянного развития и адаптации: меняются бизнес-процессы, появляются новые источники данных, возникают дополнительные задачи. Когда ожидания высокие, а бюджет ограничен, low-code платформа становится спасательным кругом: компании способны удовлетворять свои потребности, не нанимая в штат новых программистов.

На самом деле, low-code не ведет к ликвидации потребности в разработчиках. Всегда будут уникальные задачи, требующие участия программистов. Однако low-code помогает сократить разрыв между профессиональными разработчиками и, так называемыми, гражданскими разработчиками (Citizen Data-Scientists), то есть сотрудниками компании, которые раньше не были связаны с программированием.

Это дает возможность исключить трудности взаимодействия между бизнес-заказчиками и разработчиками внутри компании. Аналитику нет необходимости описывать программисту, что необходимо реализовать или готовить техническое задание.

Кроме того, надо принимать во внимание, что подавляющая часть изменений, вносимых в логику анализа данных, связана с постоянными небольшими адаптациями, например, добавление нового атрибута, расчет еще одного показателя, перестроение модели или изменение формы отчета. Всё это аналитик может выполнить самостоятельно, что обеспечивает гибкость, которую невозможно достичь в случае привлечения разработчиков.

Применение low-code методологии способствует созданию единой команды, в которой подавляющее большинство задач аналитики выполняют самостоятельно, но в случае необходимости привлекают программистов для реализации наиболее сложной логики. Тем самым, low-code система позволяет оперативно опробовать новые модели управления, самостоятельно адаптировать их к потребностям бизнеса, быстро создавать новые формы отчетов, вносить изменения в бизнес-процессы и т.д.

3. Доступность

Опытные программисты — это дорогостоящий и дефицитный ресурс. Такие требования, как знание широкого спектра инструментов или языков программирования, сильно сужает круг подходящих кандидатов. Искать нужного специалиста придется дольше.

В сфере Data Science эта проблема еще острее потому, что от разработчиков требуется не только знание языков и множества инструментов, но и понимание математики, статистики, машинного обучения. И даже этого недостаточно, т.к. необходимо, чтобы этот сотрудник разбирался и в анализируемом бизнесе.

В результате такого сочетания требований, круг кандидатов, способных решить задачи продвинутой аналитики, крайне узок. Выполнять её приходится не тому, кто удовлетворяет всем требованиям, а тому кого удалось найти на рынке или внутри компании.

Low-code дает возможность каждому заниматься аналитикой, достаточно знать основы работы с таблицами и пройти обучающий курс. Фактически это доступно любому специалисту, способному написать формулу в Excel.

Чем ниже порог вхождения, тем больше сотрудников смогут пользоваться инструментом. Людей, знающих Excel, найти в десятки раз проще, чем тех, кто умеет программировать. Следовательно, любая компания получает в 5-6 раз больше специалистов, способных решать аналитические задачи. Причем нет необходимости искать этих сотрудников на рынке. Они уже работают в компании. Им достаточно пройти недельный курс обучения.

4. Передача опыта

Максимальная эффективность любого процесса достигается, когда он автоматизируется. Однажды созданные наработки многократно используются в других проектах и направлениях, что повышает эффективность бизнеса. Возможность повторного использования наработок радикально отличается от типичной ситуации, когда анализ каждый раз выполняется вручную в Excel.

При решении аналитических задач накопление знаний в первую очередь, касается сценариев, подготовленных данных, интеграций. Аналитики могут легко упаковать свои знания в готовые компоненты, повторно использовать, делиться с коллегами и переиспользовать для других задач.

Подобный подход позволяет накапливать знания, обмениваться опытом, допускать меньше ошибок и в конечном счете повышать эффективность работы.

5.Контроль «теневого IT»

Теневые IT — это системы и приложения, развернутые пользователями без ведома или одобрения IT-подразделений.

Они возникают потому, что сотрудники не могут получить то, что им необходимо от IT-департамента, а руководство требует результат. В итоге, бизнес-пользователи вынуждены самостоятельно решать задачи, используя подручные средства.

Вроде бы, ничего страшного, т.к. поставленная задача в конце концов решается. Но дело в том, что в подобных кустарных системах считается огромное количество важной и даже критичной для компании информации. Например, там сводятся и очищаются данные из разных источников, считаются оптимальные цены, рассчитываются KPI и прочее.

В компании появляются сотни Excel-файлов, в которых и ведутся реальные расчеты. Логика работы известна одному человеку в компании — тому, кто их создавал. В итоге: никакой централизации, безопасности, коллективной работы, тестирования или унификации. Всё завязано на одного сотрудника, что неприемлемо с точки зрения рисков. Причем подобная ситуация наблюдается повсеместно, в том числе и в огромных корпорациях.

Low-code позволяет вывести скрытую разработку из тени, предлагая пользователю комфортный инструмент для самостоятельного решения оперативных задач, а IT департаменту - централизованную и безопасную среду для коллективной работы:

  1. Проработка гипотезы силами отдельного аналитика (например, сбор и объединение данных, тестирование алгоритмов машинного обучения и т.д.).
  2. Предоставление коллегам доступа к реализованным сценариям для доработки, тестирования и совместного использования.
  3. Централизованное внедрение при взаимодействии с IT-отделом с соблюдением всех необходимых процедур.

При использовании аналитической low-code платформы компания получает возможность использовать все преимущества самостоятельного решения оперативных задач силами бизнес пользователей, которые и являются причинами повсеместного возникновения «теневого IT», но с сохранением нужного уровня контроля и безопасности.

Компании, внедряющие инструменты, основанные на low-code идеологии, смогут вовлечь в процесс анализа данных значительно больше сотрудников, чем организации, полагающиеся только на разработчиков. Бизнес-пользователи лучше понимают предметную область. Они способны понять данные и учесть особенности работы компании. Это обеспечивает повышение скорости и качества принимаемых решений с меньшими затратами.

 

Loginom демократизирует работу с данными, позволяя аналитикам заниматься любимой работой — анализировать данные и оптимизировать бизнес-процессы. Убедитесь в этом уже сейчас, попробовав бесплатную редакцию low-code платформы.

Другие материалы по теме:

Loginom доступен в Яндекс.Облаке

Loginom выходит на крупнейший IT-рынок Европы

 

#low-code#бизнес-анализ

Смотрите также

Подписывайтесь на телеграмм-канал Loginom
Новости, материалы по аналитике, кейсы применения, активное сообщество
Подписаться