Coraz większe znaczenie zyskują zintegrowane platformy danych, architektury ograniczające kopiowanie informacji oraz rozwiązania wykorzystujące sztuczną inteligencję do automatyzacji analizy danych.

Jak wskazuje raport BARC Data, BI and Analytics Trend Monitor 2026 opublikowany przez BARC GmbH: organizacje coraz wyraźniej koncentrują się na fundamentach skutecznej analityki: jakości danych, ich bezpieczeństwie, zarządzaniu oraz dostępności w spójnym kontekście biznesowym. Dopiero na tej podstawie możliwe jest efektywne wykorzystanie sztucznej inteligencji w analizie danych i podejmowaniu decyzji biznesowych.

Zmiany te widoczne są zarówno w strategiach dostawców technologii, jak i w sposobie projektowania architektury danych w przedsiębiorstwach.

Platformy danych zamiast rozproszonych narzędzi

W wielu organizacjach środowiska analityczne rozwijały się przez lata w sposób rozproszony. Oddzielne narzędzia służyły do integracji danych, raportowania, planowania czy analiz predykcyjnych. Coraz częściej zastępuje się je architekturą platformową, w której zarządzanie danymi, analityka oraz planowanie funkcjonują w jednym środowisku.

Przykładem takiego podejścia jest strategia SAP Business Data Cloud, w której rozwiązania takie jak SAP Datasphere oraz SAP Analytics Cloud rozwijane są jako element wspólnej platformy danych.

Zmiana ta obejmuje również model dystrybucji rozwiązań analitycznych – nowe wdrożenia coraz częściej realizowane są w ramach jednej platformy integrującej zarządzanie danymi, raportowanie, planowanie oraz funkcje sztucznej inteligencji.

Z punktu widzenia organizacji oznacza to uproszczenie architektury analitycznej oraz łatwiejszą integrację danych pochodzących z różnych systemów biznesowych.

Popularność platform danych wynika przede wszystkim z jednego problemu: w wielu firmach środowiska analityczne stały się po prostu zbyt złożone. W wielu organizacjach liczba narzędzi wykorzystywanych do pracy z danymi rosła przez lata szybciej niż zdolność do ich efektywnego zarządzania.

Nowy model zmienia również sposób planowania kosztów wykorzystania narzędzi analitycznych. W przypadku SAP Business Data Cloud coraz większą rolę odgrywa model rozliczania oparty na jednostkach wydajnościowych (Capacity Units), które mogą być wykorzystywane przez różne komponenty platformy – m.in. SAP Datasphere oraz SAP Analytics Cloud.  

Aby ułatwić organizacjom planowanie zapotrzebowania na zasoby, SAP udostępnił również narzędzie Capacity Unit Estimator, które pozwala oszacować zużycie mocy obliczeniowej w zależności od liczby użytkowników, scenariuszy analitycznych czy skali przetwarzanych danych.

W praktyce oznacza to przejście od statycznego modelu licencjonowania narzędzi analitycznych do podejścia bliższego modelom chmurowym, w którym kluczową rolę odgrywa rzeczywiste wykorzystanie zasobów platformy danych.

W efekcie architektura analityczna przedsiębiorstw zaczyna coraz bardziej przypominać platformę danych, a nie zestaw odrębnych narzędzi do raportowania, integracji i planowania.

Integracja danych w architekturze Data Fabric

Jednym z największych wyzwań współczesnej analityki pozostaje integracja danych pochodzących z wielu systemów – zarówno środowisk ERP, jak i platform danych wykorzystywanych w innych obszarach organizacji.

Coraz większą popularność zyskuje podejście określane jako data fabric, które umożliwia analizę danych z różnych źródeł bez konieczności ich ciągłego kopiowania między systemami.

Rozwiązania takie jak SAP Datasphere rozwijane są właśnie w tym kierunku, umożliwiając budowę wspólnej warstwy semantycznej dla danych biznesowych oraz ich integrację z informacjami pochodzącymi z innych platform danych.

Takie podejście pozwala ograniczyć koszty utrzymania wielu kopii danych, uprościć procesy integracyjne oraz skrócić czas potrzebny na przygotowanie analiz.

Planowanie i analityka w jednym środowisku

Kolejnym kierunkiem rozwoju platform analitycznych jest coraz silniejsza integracja procesów analizy danych z procesami planowania biznesowego.

W wielu organizacjach planowanie finansowe, operacyjne czy sprzedażowe przez lata realizowane było w odrębnych narzędziach, często poza główną architekturą danych przedsiębiorstwa.

Obecnie coraz większą popularność zdobywa podejście określane jako xP&A (Extended Planning and Analysis), w którym planowanie finansowe i operacyjne wykorzystuje te same modele danych co raportowanie oraz analityka biznesowa.

W ekosystemie SAP rolę takiej platformy pełni SAP Analytics Cloud, który łączy funkcje raportowania, analiz oraz planowania w jednym środowisku.

Integracja planowania z danymi operacyjnymi – np. z systemów SAP S/4HANA – pozwala organizacjom szybciej reagować na zmiany w działalności operacyjnej oraz tworzyć bardziej realistyczne scenariusze biznesowe.

Z punktu widzenia controllingowego oznacza to przejście od planowania opartego na statycznych arkuszach do modeli planistycznych bezpośrednio powiązanych z danymi operacyjnymi przedsiębiorstwa.

Sztuczna inteligencja w analizie danych

Ostatnim z istotnych kierunków rozwoju platform analitycznych jest coraz szersze wykorzystanie sztucznej inteligencji w procesach pracy z danymi.

Nowe rozwiązania rozwijane przez dostawców technologii pozwalają automatyzować część pracy analityków – od wyszukiwania zależności w danych po generowanie prognoz czy scenariuszy biznesowych.

W ekosystemie SAP rolę taką pełnią m.in. narzędzia wykorzystujące generatywną sztuczną inteligencję, takie jak asystent Joule, które umożliwiają użytkownikom zadawanie pytań dotyczących danych biznesowych w naturalnym języku.

Wraz z rozwojem takich narzędzi rośnie znaczenie spójnej architektury danych, która umożliwia ich wykorzystanie w różnych obszarach działalności przedsiębiorstwa.

W praktyce o wartości sztucznej inteligencji decyduje przede wszystkim jakość architektury danych, na której AI jest oparta.

Źródła i materiały

Osoby zainteresowane pogłębieniem przedstawionych w artykule trendów zapraszamy do kontaktu. Nasi konsultanci pomogą w wykorzystaniu wspomnianego estymatora SAP lub opowiedzą o dodatkowych mozliwościach rozwiązań SAP BDC.