Dlaczego firmy nie nadążają za zmianami na rynku? Blisko 7 na 10 liderów wskazuje na trudności w wykorzystywaniu danych do prognoz

Coraz większa dynamika rynkowa i technologiczna sprawia, że firmy funkcjonują w niemal stałej presji adaptacji. Większość z nich zdaje sobie sprawę z konieczności dostosowania biznesu do nowej rzeczywistości – aż 85 proc. uważa za kluczowe zwiększenie zdolności organizacji i pracowników do dostosowania się do tempa rozwoju współczesnego świata. Jednak jedynie 7 proc. przyznaje, że robi w tym obszarze znaczne postępy^[1]. Jednym z głównych powodów okazuje się nieskuteczne prognozowanie zdarzeń. Niemal 7 na 10 (67 proc.) liderów technologicznych przyznaje, że to właśnie ten czynnik ogranicza możliwość odpowiedniego reagowania na zmiany^[2]. Źródłem problemu jest przede wszystkim jakość danych wykorzystywanych w analityce predykcyjnej i zarządzanie ich bazami.

Organizacje widzą korzyści prognozowania, ale wdrożenia dopiero planują

Analityka predykcyjna polega na prognozowaniu przyszłych zdarzeń i trendów w oparciu o historyczne i aktualne dane. Działanie to jest wykorzystywane między innymi do przewidywania wielkości sprzedaży, zachowań konsumentów czy rynkowych trendów. Aktualnie ze strategii tej korzysta ok. 22 proc. organizacji na świecie. Kolejne 62 proc. planuje jednak wdrożyć rozwiązania z tego obszaru w najbliższej przyszłości^[3].

W globalnym badaniu liderzy technologiczni zostali zapytani o główną korzyść związaną z wykorzystaniem narzędzi do analiz predykcyjnych. Najwięcej z nich (29 proc.) wskazało na zwiększenie dokładności tych wyników. Co piąta organizacja (21 proc.) zyskała przede wszystkim mocniejsze podstawy do podejmowania decyzji. Taki sam odsetek badanych zwrócił uwagę na przyspieszenie tworzenia prognoz, a 13 proc. – na mniejsze nakłady związane z tym procesem^[4]. Jak zauważa Maciej Wawrzyniak, dyrektor obszaru baz danych i inżynierii danych w Linux Polska, dobór odpowiednich rozwiązań pozwala więc osiągnąć cele analityki predykcyjnej szybciej i taniej.

– Rozwiązania służące do analiz predykcyjnych, opierające się na sztucznej inteligencji i uczeniu maszynowym, mogą skutecznie skrócić czas przygotowania analiz i raportów oraz zwiększyć efektywność zespołów. Przede wszystkim jednak redukują ryzyko związane ze zmianami rynkowymi i technologicznymi. Osiągnięcie tych celów wymaga jednak przemyślanego podejścia do wdrożenia. Narzędzia do przetwarzania danych, w tym przeprowadzania analiz predykcyjnych, powinny być przede wszystkim dostosowane do potrzeb, procesów i celów biznesowych organizacji. Nie wszystkie gotowe rozwiązania rynkowe dają taką możliwość. Co więcej, wybór właściwych modeli, narzędzi czy algorytmów musi być poprzedzony analizą sytuacji wyjściowej, w tym również istniejącego ekosystemu IT organizacji. Dopiero wtedy możliwa jest ich bezproblemowa integracja i osiągnięcie przez firmę oczekiwanych korzyści biznesowych – mówi Maciej Wawrzyniak, dyrektor obszaru baz danych i inżynierii danych w Linux Polska.

Barierą są nie tylko koszty – co jeszcze stopuje liderów przed stosowaniem analityki predykcyjnej?

Wyzwania związane z wykorzystaniem prognozowania opartego na danych różnią się w zależności od tego, czy organizacja dopiero planuje wdrożyć odpowiednie rozwiązania czy też ma ten krok już za sobą. W przypadku pierwszej grupy obawy dotyczą przede wszystkim kosztów (28 proc. odpowiedzi) oraz niejasnej wartości dodanej dla biznesu (20 proc.). Firmy, które już korzystają z narzędzi do analizy predykcyjnej, wskazują z kolei na problemy związane z integracją (25 proc.) i brakiem doświadczenia pracowników (25 proc.)^[5]. Jak wyjaśnia Tomasz Dziedzic, Chief Technology Officer w Linux Polska, są to kwestie niezbędne do skutecznego wykorzystania analizy predykcyjnej.

– Rozproszenie źródeł danych to podstawowy błąd analiz predykcyjnych. Jeśli firma gromadzi informacje o klientach czy sprzedaży w różnych źródłach, cierpi na tym jakość danych – są one niepełne, niespójne, często również nieaktualne. Aby zwiększyć efektywność analiz, konieczna jest integracja baz danych – nie tylko tych istniejących wewnątrz organizacji, ale też zewnętrznych. Z tego typu wyzwaniem mierzyliśmy się między innymi podczas realizacji projektu dla jednej z firm obsługujących wierzytelności. Organizacja ta pozyskiwała dane z wielu różnych źródeł, m.in. systemów bankowych, systemów zarządzania należnościami, otwartoźródłowego systemu klasy contact center czy platformy online służącej do szybkiego odzyskiwania długów. Tak duże rozproszenie danych skutecznie utrudniało raportowanie i przeprowadzanie zaawansowanych analiz dotyczących przyszłych zdarzeń. Sytuację odwróciła budowa hurtowni danych, która zintegrowała informacje z tych wszystkich źródeł. Dzięki prognozowaniu opóźnień w spłacie długów i wcześniejszego wykrycia potencjalnego ryzyka, firma może lepiej przygotować się do podjęcia określonych działań – dodaje Tomasz Dziedzic, Chief Technology Officer w Linux Polska.

Suwerenne rozwiązania przyniosą lepsze efekty?

Firmy zdają się zauważać wpływ niskiej jakości danych na nieskuteczne prognozowanie przyszłych zdarzeń. Niemal 7 na 10 (67 proc.) liderów technologicznych przyznaje, że czynnik ten ogranicza zdolność ich organizacji do reagowania na zmiany^[6]. Dostosowanie się do ewolucji technologicznej i rynkowej jest wyzwaniem dla co trzeciego przedsiębiorstwa osiągającego największą wydajność i charakteryzującego się dojrzałymi praktykami operacyjnymi. W przypadku pozostałych firm odsetek ten sięga 65 proc.^[7]. Według Roberta Halaczka, Solutions Architecta w Linux Polska, przyczyną tych rozbieżności jest przede wszystkim strategia wyboru nowych narzędzi.

– Firmy, które dysponują środkami finansowymi i mają ugruntowaną pozycję na rynku, mogą zainwestować więcej pieniędzy w technologię i szkolenia dla pracowników. Jednak nie tylko kwestie finansowe wpływają na możliwość dostosowania się do zmian technologicznych. Dużą rolę odgrywa także przyjęta strategia wdrożeniowa. Małe firmy częściej korzystają z gotowych rozwiązań, podczas gdy te większe, lepiej rozwinięte stawiają na narzędzia suwerenne, tworzone specjalnie dla nich. W ten sposób ograniczają problemy związane z brakiem kompetencji technicznych wśród części zespołu – systemy są projektowane z myślą o wszystkich użytkownikach w organizacji, w tym również o pracownikach operacyjnych, analitykach i innych osobach nietechnicznych. Co więcej, modyfikacja i skalowanie takich rozwiązań jest dużo prostsze, co ma ogromne znaczenie w kontekście intensywnych zmian rynkowych i technologicznych – tłumaczy Robert Halaczek, Solutions Architect, Linux Polska.

Badania pokazują jednak, że liderzy technologiczni widzą konieczność modyfikacji dotychczasowego podejścia. Aż 7 na 10 z nich przyznaje, że główną strategią konkurencyjną na najbliższe 3 lata będzie szybkie dostosowywanie się do nowych potrzeb biznesowych oraz rynkowych^[8]. Dla co trzeciej firmy priorytetem na 2026 rok będzie wykorzystanie analityki predykcyjnej^[9]. To właśnie w niej liderzy technologiczni widzą szansę na usprawnienia procesu podejmowania decyzji operacyjnych i strategicznych.

 

^[1] Deloitte, 2026 Global Human Capital Trends

^[2] KPMG, Global tech report 2026

^[3] Deloitte, 2025, Predictive Analytics Market Study

^[4] Jak wyżej.

^[5] Deloitte, 2025, Predictive Analytics Market Study

^[6] KPMG Global tech report 2026

^[7] Jak wyżej.

^[8] Deloitte, 2026 Global Human Capital Trends

^[9] KPMG Global tech report 2026