Бизнес-аналитика, или BI, - это общий термин, подразумевающий под собой разнообразные программные продукты и приложения, созданные для анализа первичных данных организации.
Бизнес-анализ как деятельность состоит из нескольких связанных между собой процессов:
- интеллектуальный анализ данных (data mining) ,
- аналитическую обработку в реальном времени (online analytical processing) ,
- получение информации из баз данных (querying) ,
- составление отчетов (reporting) .
Компании используют BI для принятия обоснованных решений, сокращения издержек и поиска новых перспектив для бизнеса. BI - это нечто большее, чем обычная корпоративная отчетность или некий набор инструментов для получения информации из учетных систем предприятия. IT-директора используют бизнес аналитику, чтобы выявить неэффективные бизнес-процессы, которые «созрели» для перестройки.
Используя современные инструменты бизнес-анализа, бизнесмены могут начать анализировать данные самостоятельно и не ждать, пока IT-департамент сформирует сложные и запутанные отчеты. Такая демократизация доступа к информации дает пользователям возможность подкреплять реальными цифрами свои бизнес-решения, которые в обратном случае были бы основаны на интуиции и случайностях.
Несмотря на то что системы BI достаточно перспективны, их внедрение может быть затруднено техническими и «культурными» проблемами. Менеджерам необходимо обеспечивать четкие и согласованные данные для BI приложений, чтобы пользователи могли им доверять.
Какие компании используют BI-системы?
Ресторанные сети (например, Hardee’s, Wendy’s, Ruby Tuesday и T.G.I. Friday’s) активно используют системы бизнес-аналитики. BI крайне полезен им для принятия стратегически важных решений. Какие новые продукты добавить в меню, какие блюда исключить, какие неэффективно работающие точки закрыть и т.д. Они также используют BI для таких тактических вопросов, как пересмотр договоров с поставщиками продуктов и выявление путей совершенствования неэффективных процессов. Поскольку ресторанные сети сильно ориентированы на свои внутренние бизнес-процессы и поскольку BI занимает в контроле этих процессов центральное место, помогая управлять предприятиями, рестораны, среди всех отраслей, входят в элитную группу компаний, которые получают реальную выгоду от этих систем.
Бизнес-аналитика является одним из ключевых компонентов BI. Этот компонент важен для достижения успеха компании из любой отрасли.
В секторе розничной торговли Wal-Mart широко применяет анализ данных и кластерный анализ для того, чтобы сохранять свое доминирующее положение в секторе. Harrah’s изменил основы своей политики конкурентной борьбы в игральном бизнесе, сделав упор на анализ лояльности клиентов и уровня обслуживания, вместо поддержания мега-казино. Amazon и Yahoo - это не просто крупные веб-проекты, они активно используют бизнес-аналитику и общий подход «протестируй и пойми» для налаживания своих бизнес-процессов. Capital One проводит более 30 000 экспериментов ежегодно для выявления целевой аудитории и оценки предложений по кредитным картам.
С чего или с кого должно начаться внедрение BI?
Общая вовлеченность сотрудников жизненно необходима для успеха BI-проектов, поскольку каждый, кто задействован в процессе, должен обладать полным доступом к информации, чтобы иметь возможность изменить способы и методы своей работы. BI-проекты должны начинаться с высшего руководства, а следующей группой пользователей должны быть менеджеры по продажам. Их основная обязанность - наращивать продажи, и заработная плата часто зависит от того, насколько хорошо они это делают. Поэтому они гораздо быстрее воспримут любой инструмент, способный помочь им в работе, при условии, что этот инструмент легко использовать и что они доверяют получаемой с его помощью информации.
Вы можете заказать свой пилотный проект на платформе для бизнес-анализа.
Используя BI-системы, сотрудники корректируют работу над индивидуальными и групповыми задачами, что ведет к более эффективной работе команд продавцов. Когда руководители отделов продаж видят существенную разницу показателей нескольких отделов, они стараются довести «отстающие» отделы до того уровня, на котором работают «лидирующие».
Внедрив бизнес-аналитику в отделах продаж, можно продолжать внедрение уже в других департаментах организации. Положительный опыт продавцов будет способствовать переходу на новые технологии других сотрудников.
Как внедрить BI-систему?
Перед внедрением BI-системы, компаниям следует проанализировать механизмы принятия управленческих решений и понять, какая информация необходима руководителям для более обоснованного и оперативного принятия этих решений. Также желательно проанализировать, в каком виде руководители предпочитают получать информацию (в качестве отчетов, графиков, онлайн, в бумажной форме). Уточнение данных процессов покажет, какую информацию компании необходимо получить, анализировать и консолидировать в своих BI-системах.
Качественные BI-системы должны предоставлять пользователям контекст. Недостаточно просто составлять отчеты о том, какими были продажи вчера и какими - год назад в этот же день. Система должна давать возможность понять, какие факторы привели именно к такому значению объема продаж в один день и другому - в тот же день год назад.
Подобно многим IT проектам, внедрение BI не окупится, если пользователи будут чувствовать «угрозу» или скептически относиться к этой технологии и в результате откажутся от ее использования. BI, будучи внедренной в «стратегических» целях, должна, по идее, фундаментальным образом изменить функционирование компании и процесс принятия решений, поэтому руководителям IT-департаментов необходимо с особым вниманием подходить к мнениям и реакциям пользователей.
7 этапов запуска BI-систем
- Убедитесь, что ваши данные корректны (достоверны и пригодны для анализа).
- Проведите полноценное обучение пользователей.
- Внедряйте продукт как можно более оперативно, привыкая пользоваться им уже по ходу внедрения. Не стоит тратить огромное количество времени на разработку «идеальных» отчетов, поскольку отчеты можно будет добавить по мере по мере развития системы и потребности пользователей. Составляйте отчеты, которые быстро обеспечат максимальную пользу (потребность пользователей в данных отчетах максимальна), а затем корректируйте их.
- Придерживайтесь интегративного подхода к построению хранилища данных. Убедитесь, что вы не «запираете» себя в неработающей в длительной перспективе стратегии обработки данных.
- Перед тем как начать, четко оцените ROI. Определите конкретные преимущества, которые намереваетесь получить, и затем проверяйте их соответствие действительным результатам каждый квартал или каждые полгода.
- Сфокусируйтесь на целях вашего бизнеса.
- Не покупайте программное обеспечение для аналитики, потому что вы думаете , что вам это нужно. Внедряйте BI с мыслями, что среди ваших данных существуют показатели, которые необходимо получить. При этом, важно иметь хотя бы примерное представление о том, где конкретно они могут быть.
Какие могут возникнуть проблемы?
Крупное препятствие на пути к успеху BI-систем - сопротивление пользователей. Среди прочих возможных проблем - необходимость «просеивать» большие объемы нерелевантной информации, а также данные неудовлетворительного качества.
Ключ к получению значимых результатов от работы BI-систем - это стандартизированные данные. Данные являются фундаментальным компонентом любой BI системы. Компаниям необходимо привести свои хранилища данных в строгий порядок прежде, чем они смогут начать извлекать необходимую информацию и доверять полученным результатам. Без стандартизации данных есть риск получать некорректные результаты.
Еще одной проблемой может стать некорректное понимание роли аналитической системы. BI- инструменты стали более гибкими и удобными для пользователей, однако основная их роль по-прежнему - составление отчетов. Не стоит ждать от них автоматизированного управления бизнес-процессами. Впрочем, определенные изменения в этом направлении все же намечаются.
Третьим препятствием при трансформации бизнес-процессов с использованием BI системы является недостаточное понимание компаниями собственных бизнес-процессов. Как следствие, компании просто не понимают, как можно эти процессы улучшить. Если процесс не оказывает прямого влияния на прибыль или компания не собирается стандартизировать процессы во всех своих подразделениях, внедрение BI системы может оказаться неэффективным. Компаниям необходимо понимать все виды деятельности и все функции, которые составляют отдельный бизнес-процесс. Также важно знать, как передается информация и данные через несколько разных процессов, и как данные передаются между бизнес-пользователями, и то, как люди используют эти данные для осуществления своих задач в рамках конкретного процесса. Если стоит цель оптимизировать работу сотрудников, все это необходимо понять еще перед тем, как запустить BI-проект.
Некоторые преимущества от использования BI-решений
Большое количество BI-приложений помогло компаниям с лихвой отбить вложенные средства. Системы бизнес-аналитики используются для изучения способов сокращения издержек, выявления новых возможностей для развития бизнеса, представления ERP-данных в наглядной форме, а также для быстрого реагирования на изменение спроса и оптимизации цен.
Кроме повышения доступности данных, BI может предоставить компаниям больше преимуществ во время переговоров, упрощая оценку отношений с поставщиками и клиентами.
В рамках предприятия существует множество возможностей экономить деньги путем оптимизации бизнес-процессов и процесса принятия решений в целом. BI способен эффективно помогать в совершенствовании этих процессов, проливая свет на допущенные в них промахи. Например, сотрудники одной компании в Альбукерке использовали BI для определения путей сокращения использования мобильных телефонов, работы в сверхурочные часы и других текущих расходов, сэкономив для организации $2 миллиона за три года. Также, с помощью BI-решений, Toyota осознала, что вдвое переплатила своим перевозчикам общей суммой $812 000 в 2000 г. Использование BI-систем для обнаружения дефектов в бизнес-процессах ставит компанию в более выгодное положение, давая конкурентное преимущество перед компаниями, которые используют BI просто для того, чтобы отслеживать происходящее.
- Проанализируйте, как принимают решения руководители.
- Подумайте, какая информация нужна руководителям для оптимизации принятия оперативных управленческих решений.
- Обращайте внимание на качество данных.
- Продумывайте показатель эффективности, который имеет наибольшее значение для бизнеса.
- Обеспечивайте контекст, который влияет на показатель эффективности.
И помните, BI - это нечто большее, чем поддержка принимаемых решений. Благодаря развитию технологий и тому, как их внедряют руководители IT-департаментов, системы бизнес-анализа обладают потенциалом трансформировать организации. IT-директора, которые успешно используют BI для улучшения бизнес-процессов, вносят гораздо более значимый вклад в деятельность свой организации, руководители, внедряющие базовые инструменты составления отчетов.
По материалам www.cio.com
Бизнес-аналитика и анализ данных. Эффективный консалтинг - это то, что необходимо для качественного развития любого бизнеса. Разрешение существующих проблем и кризисов, предотвращение потенциальных, поиск ходов для увеличения прибыли и эффективности в целом: всё это предоставляет вам качественный консалтинг.
Процесс консалтинга - сложный, многоступенчатый, многоуровневый, здесь нет четкого и универсального подхода к абсолютно любому делу: контекст бизнеса, его ниша, отрасль, ЦА, особенности и многое другое: всё это влияет на то, каким образом будут диагностироваться бизнес-процессы. Естественно, финальному этапу консалтинга предшествуют множество других пре-процессов, таких, как подготовка задача, описание бизнес-процессов, аналитика бизнеса, диагностика инфраструктуры в целом и IT-инфраструктуры организации, в частности, анализируются данные, а уже на основе этого создается ряд рекомендаций. Надо сказать, что именно бизнес-аналитика и анализ данных - важнейшие этапы в процессе консалтинга, именно они ведут к соответствующим выводам, именно на основе такого анализа, создаются какие-либо рекомендации.
Анализ данных и бизнес аналитика: как осуществить?
Качественному анализу, в данном случае, никак не обойтись без наличия каких-либо количественных метрик. То есть, очень желательно, чтобы в работу предприятия была внедрена некая автоматизация - бизнес-процессов, взаимоотношений с клиентами, поставщиками, посредниками, чтобы также был автоматизирован документооборот и все остальные процессы. Именно при качественном учете всех процессов, происходящих внутри бизнеса, значительно облегчается отчетность и дальнейшая аналитика.
Как можно автоматизировать документооборот, управление клиентами и облегчить отчетность?
Лучшим вариантом станет эксклюзивное программное обеспечение, предназначенное для выполнения множества задач - от ФБ Консалт. Вам предлагаются качественные системы управления клиентами - разного рода CRM, предназначенные для различных отраслей бизнеса, эффективное решение для контроля документооборота - DocsVision, а также ПО, подходящее для бизнес-аналитики и анализа данных, в том числе - и для выявления сомнительных финансовых операций - QlikView. Внедрение таких решений, значительно повысит эффективность вашего бизнеса.
Доступная работа с Big Data с помощью визуальной аналитики
Совершенствуйте бизнес-аналитику и решайте рутинные задачи, используя информацию, скрытую в Big Data, с помощью платформы TIBCO Spotfire. Это — единственная платформа, которая предоставляет бизнес-пользователям интуитивный, удобный пользовательский интерфейс, что позволяет использовать весь спектр аналитических технологий для Больших Данных без привлечения ИТ-специалистов или наличия специального образования.
Интерфейс Spotfire позволяет одинаково удобно работать как с небольшими наборами данных, так и с многотерабайтными кластерами больших данных: показаний датчиков, информации из социальных сетей, точек продаж или геолокационных источников. Пользователи с любыми уровнями знаний с легкостью работают с содержательными панелями управления и аналитическими рабочими процессами просто используя визуализации, которые являются графическим отображением объединения миллиардов точек данных.
Предиктивная аналитика – это обучение в процессе работы на основе совместного опыта компании для принятия более аргументированных решений. Используя Spotfire Predictive Analytics, вы можете находить новые рыночные тренды из информации, полученной в результате бизнес-аналитики и принимать меры для минимизации рисков, что позволит повысить качество управленческих решений.
Обзор
Подключение к Большим Данным для высокопроизводительной аналитики
Spotfire предлагает три основных типа аналитики с бесшовной интеграцией с Hadoop и другими крупными источниками данных:
- Визуализация данных по требованию (On-Demand Analytics): встроенные, настраиваемые пользователем коннекторы данных, которые упрощают сверхскоростную, интерактивную визуализацию данных
- Анализ в БД (In-Database Analytics): интеграция с платформой распределительных вычислений, которая позволяют делать вычисления данных любой сложности на основе больших данных.
- Анализ в оперативной памяти (In-Memory Analytics): интеграция с платформой статистического анализа, которая берет данные непосредственно из любого источника данных, включая традиционные и новые источники данных.
Вместе все эти методы интеграции представляют мощное сочетание визуального исследования и продвинутой аналитики.
Это позволяет бизнес-пользователям получить доступ, объединять и анализировать данные из любых источников данных с помощью мощных, удобных в использовании панелей управления и рабочих процессов.
Коннекторы больших данных
Коннекторы Spotfire для больших данных поддерживают все виды доступа к данным: In-datasource, In-memory и On-demand. Встроенные коннекторы данных Spotfire включают:
- Сертифицированные коннекторы данных Hadoop для Apache Hive, Apache Spark SQL, Cloudera Hive, Cloudera Impala, Databricks Cloud, Hortonworks, MapR Drill и Pivotal HAWQ
- Другие сертифицированные коннекторы больших данных включают Teradata, Teradata Aster и Netezza
- Коннекторы для исторических и текущих данных из таких источников, как OSI PI сенсорные датчики
In-Datasource распределенные вычисления
В дополнение к удобному функционалу Spotfire визуального выбора операций для SQL запросов, которые обращаются к распределенным в источниках данным, Spotfire может создавать алгоритмы статистического и машинного обучения, которые функционируют внутри источников данных и возвращают только необходимые результаты для создания визуализаций в системе Spotfire.
- Пользователи работают с дэшбордами с функционалом визуального выбора, которые обращаются к скриптам, используя встроенные возможности языка TERR,
- Скрипты TERR инициируют работу функционала распределенных вычислений во взаимодействии с Map/Reduce, H2O, SparkR, or Fuzzy Logix,
- Эти приложения в свою очередь обращаются к системам с высокой эффективностью как Hadoop или другие источники данных,
- TERR может быть развернут как движок расширенной аналитики в узлах Hadoop, которые управляются с помощью MapReduce или Spark. Язык TERR также можно использовать для узлов данных Teradata.
- Результаты визуализируются на Spotfire.
TERR для продвинутой аналитики
TIBCO Enterprise Runtime для R (TERR) – TERR является статистическим пакетом корпоративного уровня, который был разработан компанией TIBCO для полной совместимости с языком R, реализуя многолетний опыт компании в аналитической системе, связанный с S+. Это позволяет заказчикам продолжать разработку приложений и моделей не только используя открытый код R, но и интегрировать и развернуть свой код R на коммерческой надежной платформе без необходимости переписывать свой код. TERR обладает более высокой эффективностью и надежным управлением памятью, обеспечивает более высокую скорость обработки данных на больших объемах в сравнении с языком R с открытым кодом.
Объединяя весь функционал
Объединение вышеупомянутых мощных функциональных возможностей означает, что даже в случае сложнейших задач, требующих проведения аналитики с высоким уровнем надежности, пользователи взаимодействуют с простыми и удобными в использовании интерактивными рабочими процессами. Это позволяет бизнес-пользователям визуализировать и анализировать данные, а также делиться результатами аналитики, без необходимости знания деталей архитектуры данных, лежащих в основе бизнес-анализа.
Пример: Интерфейс Spotfire для конфигурации, запуска и визуализации результатов модели, которая определяет характеристики потерянных грузов. С помощью этого интерфейса бизнес-пользователи могут выполнять вычисления с использованием TERR и Н2О (фреймворк для распределенных вычислений), обращаясь к данным транзакций и отгрузок, хранящихся в кластерах Hadoop.
Аналитическое пространство для больших данных
Продвинутая и предиктивная аналитика
Пользователи используют дэшборды Spotfire c функционалом визуального выбора, чтобы запустить богатый набор расширенных возможностей, которые позволяют с легкостью делать прогнозы, создавать модели и оптимизировать их во время работы. Используя большие данные, анализ может быть проведен внутри источника данных (In-Datasource), возвращая только агрегированную информацию и результаты, необходимые для создания визуализаций на платформе Spotfire.
Машинное обучение
Доступен широкий набор инструментов машинного обучения в списке встроенных функций Spotfire, которые можно использовать с помощью одного нажатия. Статистики имеют доступ к программному коду, написанному на языке R и могут расширять используемый функционал. Функционалом машинного обучения можно делиться с другими пользователями для легкого повторного использования.
Доступны следующие методы машинного обучения для непрерывных категориальных переменных на Spotfire и на TERR:
- Линейная и логистическая регрессия
- Деревья принятия решений (Decision trees), алгоритм случайного леса (Random forest), градиентный бустинг машин (GBM)
- Обобщенные линейные (аддитивные) модели (Generalized Additive Models )
- Нейронные сети
Анализ контента
Spotfire обеспечивает аналитику и визуализацию данных, значительная часть которых не использовалась раннее – это неструктурированный текст, который хранится в таких источниках, как документы, отчеты, заметки CRM систем, логи сайтов, публикации в социальных сетях и многое другое.
Локационная аналитика
Многослойные карты высокого разрешения являются отличным способом визуализации больших данных. Богатый функционал Spotfire для работы с картами позволяет Вам создавать карты с таким количеством справочных и функциональных слоев, какое Вам необходимо. Spotfire также дает возможность использовать сложную аналитику во время работы с картами. В дополнение к географическим картам система создает карты для визуализации поведения пользователей, складов, производства, сырья и многих других показателей.
Каждый крупный бизнес и большинство средних структур сталкиваются с проблемой предоставления руководству неточных данных о состоянии дел компании. Причины могут быть разные, но последствия всегда одинаковы – неверные или несвоевременные решения, отрицательно сказывающиеся на результативности финансовых операций. Для исключения подобных ситуаций предназначена профессиональная система бизнес аналитики или BI ( с англ. – Business Intelligence ). Эти высокотехнологичные «помощники» способствуют построению системы управленческого контроля каждого аспекта внутри бизнеса.
По своей сути BI системы – это продвинутое аналитическое программное обеспечение для бизнес-анализа и формирования отчетности. Эти программы могут использовать данные из различных источников информации и предоставлять их в удобном виде и разрезе. В результате руководство получает быстрый доступ к полной и прозрачной информации о положении дел компании. Особенность отчетов, полученных с помощью BI – возможность самостоятельного выбора руководителем, в каком разрезе получить информацию.
Современные Business Intelligence системы многофункциональны. Именно поэтому в крупных компаниях они постепенно вытесняют другие способы получения бизнес-отчетности. К основным их возможностям специалисты относят:
- Подключения к различным базам данных, в частности, к ;
- Формирование отчетов разной сложности, структуры, вида и компоновки с высокой скоростью. Также есть возможность задать расписание формирования отчетности по расписанию без непосредственного участия и рассылки данных;
- Прозрачную работу с данными;
- Обеспечение четкой связи между информацией из различных источников;
- Гибкую и интуитивно понятную настройку прав доступа сотрудников в системе;
- Сохранение данных в любом удобном для вас формате – PDF, Excel, HTML и многих других.
Возможности информационных систем бизнес-аналитики позволяют руководителю не зависеть от IT-отдела или своих помощников, подающих требуемую информацию. Также это отличная возможность демонстрировать правильное направление своих решений не словами, а точными цифрами. Многие крупные сетевые корпорации на Западе уже давно используют BI-системы, среди которых всемирно известные Amazon, Yahoo, Wall-Mart и др. Вышеназванные корпорации тратят приличные деньги на бизнес-аналитику, но внедренные BI системы приносят неоценимую пользу.
Польза профессиональных систем бизнес аналитики базируется на принципах, которые поддерживаются во всех передовых BI приложениях:
- Наглядность. Основной интерфейс любого ПО для анализа бизнеса должен отражать основные показатели. Благодаря этому руководитель быстро сможет оценить положение дел на предприятии и начать предпринимать что-либо в случае необходимости;
- Кастомизация. Каждый пользователь должен иметь возможность настроить интерфейс и функциональные клавиши максимально удобным для себя образом;
- Многослойность. Каждый набор данных должен иметь несколько разрезов (слоев) для предоставления той детализации информации, которая необходима на конкретном уровне;
- Интерактивность. Пользователи должны иметь возможность собирать информацию из всех источников и по нескольким направлениям одновременно. Необходимо, чтобы система имела функцию настройки оповещения по ключевым параметрам;
- Многопоточность и разграничение доступа. В BI системе должна быть реализована одновременная работа большого количества пользователей с возможностью установки им различных уровней доступа.
Всё IT-сообщество сходиться во мнении, что информационные системы бизнес аналитики являются одним из перспективнейших направлений развития отрасли. Однако их внедрение зачастую затрудняют технические и психологические преграды, неслаженная работа менеджеров и отсутствие прописанных сфер ответственности.
При размышлении о внедрении систем класса BI важно помнить, что успех проекта будет во многом зависеть от отношения сотрудников компании к нововведению. Это относится ко всем IT-продуктам: скептическое отношение и страх перед сокращением могут свести на нет все усилия по внедрению. Поэтому очень важно понимать, какие чувства вызывает система бизнес аналитики у будущих пользователей. Идеальная ситуация сложится в случае, когда сотрудники компании будут относиться к системе как к помощнику и инструменту усовершенствования работы.
Перед началом проекта по внедрению BI технологии необходимо провести тщательный анализ бизнес-процессов компании и принципов принятия управленческих решений. Ведь именно эти данные будут участвовать в анализе ситуации в компании. Также это поможет сделать выбор BI системы вместе с другими основными критериями:
- Цели и задачи внедрения BI систем;
- Требования к хранению данных и возможность ими оперировать;
- Функции интеграции данных. Без использования данных из всех источников в компании руководство не сможет получить целостной картины положения дел;
- Возможности по визуализации. Для каждого человека идеальная BI аналитика выглядит по-разному, и система должна удовлетворять потребности каждого пользователя;
- Универсальность или узкая специализация. В мире существуют системы, направленные на определенную отрасль, так и универсальные решения, позволяющие собрать информацию в любом разрезе;
- Требовательность к ресурсам и цена на программный продукт. Выбор BI системы, как и любого ПО, зависит от возможностей компании.
Вышеперечисленные критерии помогут руководству сделать осознанный выбор среди всего многообразия известных систем бизнес аналитики. Существуют и другие параметры (например, структура хранения данных, веб-архитектура), но они требуют квалификации в узких IT-областях.
Недостаточно просто сделать выбор, купить ПО, установить и настроить его. Успешное внедрение BI систем любого направления основывается на следующих правилах:
- Корректность данных. Если данные для анализа неверные, то существует вероятность серьезной ошибки системы;
- Полноценное обучение каждого пользователя;
- Быстрое внедрение. Необходимо сосредоточится на верном формировании необходимых отчетов на всех ключевых местах, а не на идеальном обслуживании одного пользователя. Скорректировать внешний вид отчета или добавить еще один его разрез для удобства всегда можно после внедрения;
- Осознавайте окупаемость инвестиций в систему BI. Эффект зависит от множества факторов и в некоторых случаях оказывается виден лишь через несколько месяцев;
- Оборудование должно быть рассчитано не только на современную ситуацию, но и на ближайшее будущее;
- Осознавайте, зачем было начато внедрение системы BI, и не требуйте от программного обеспечения невозможного.
По статистике всего лишь 30% руководителей компаний довольны внедрением BI систем. За долгие годы существования ПО для анализа бизнеса специалисты сформулировали 9 ключевых ошибок, которые могут снизить эффективность до минимума:
- Неочевидность цели внедрения для руководства. Зачастую проект создается силами IT-отдела без тесного участия руководителей. В большинстве случаев в процессе внедрения и функционирования появляются вопросы по цели и задачам BI системы, выгоде и удобству использования;
- Отсутствие прозрачности в управлении, работе сотрудников и принятии решений. Менеджеры могут не знать алгоритмов работы сотрудников на местах, а управленческие решения могут приниматься не только на основе сухих фактов. Это приведет к невозможности сохранения существующей парадигмы в результате внедрения BI системы. И зачастую сломать сложившуюся годами культуру корпоративного управления невозможно;
- Недостаточная достоверность данных. Попадание ложной информации в систему анализа бизнеса недопустимо, иначе сотрудники не смогут доверять ей и пользоваться ею;
- Неверный выбор профессиональной системы бизнес аналитики. Множество примеров в истории, когда руководство нанимает стороннюю организацию для внедрения BI системы и не принимает участия в ее выборе, говорят сами за себя. В результате внедряется система, не позволяющая получить нужный отчет или с которой невозможна интеграция одного из существующих в компании ПО;
- Отсутствие плана на будущее. Особенность BI систем в том, что это не статичное ПО. Невозможно закончить проект внедрения и не вспоминать о нем. Возникает множество требований от пользователей и руководства в части доработок;
- Передача BI системы сторонней организации на поддержку. Как показывает практика, чаще всего такие ситуации приводят к изоляции продукта и оторванности системы от реального положения дел. Собственная служба поддержки намного быстрее и эффективнее реагирует на отзывы пользователей и требования руководства;
- Желание сэкономить. В сфере бизнеса это нормально, но BI аналитика работает, только если принимает во внимание все аспекты деятельности компании. Именно поэтому наиболее эффективны глубокие аналитические системы с высокой стоимостью. Желание получить несколько отчетов по интересующим областям приводит к частым ошибкам в данных и большой зависимости от квалификации IT-специалистов;
- Различная терминология в компании. Важно, чтобы все пользователи понимали основные термины и их смысл. Простое недопонимание может привести к неверной трактовке отчетов и показателей BI системы;
- Отсутствие единой стратегии анализа бизнеса на предприятии. Без выбранного единого для всех сотрудников курса любая система класса BI будет лишь набором разрозненных отчетов, удовлетворяющих требования отдельных руководителей.
Внедрение BI систем – важный шаг, способный помочь вывести бизнес на новый уровень. Но для этого потребует не только достаточно большого вливания финансов, но и времени, и сил каждого сотрудника компании. Далеко не каждый бизнес готов грамотно закончить проект внедрения системы анализа бизнеса.
За десятилетия работы с крупными заказчиками компания «Форс» накопила огромный опыт работы в области бизнес-анализа и сейчас активно развивает технологии больших данных. Об экспертизе в этой области, крупных внедрениях, собственных решениях, крупнейшем в мире центре тестирования решений Oracle в интервью CNews рассказала Ольга Горчинская, директор по исследовательским проектам и руководитель направления Big Data «Форс».
15.10.2015
Ольга Горчинская
За последние годы сменилось поколение руководителей. К управлению компаниями пришли новые люди, которые делали карьеру уже в эпоху информатизации, и они привыкли использовать компьютеры, интернет и мобильные устройства как в повседневной жизни, так и для решения рабочих задач.
CNews: Насколько инструменты BI востребованы российскими компаниями? Есть ли изменения в подходе к бизнес-анализу: от «аналитики в стиле Excel» к использованию аналитического инструментария топ-менеджерами?
Ольга Горчинская:
Сегодня потребность в инструментах бизнес-анализа уже достаточно высока. Их используют крупные организации практически во всех секторах экономики. И средний, и малый бизнес тоже понимают преимущества перехода от Excel к специализированным аналитическим решениям.
Если мы сравним эту ситуацию с той, что была в компаниях еще пять лет назад, то увидим значительный прогресс. За последние годы сменилось поколение руководителей. К управлению компаниями пришли новые люди, которые делали карьеру уже в эпоху информатизации, и они привыкли использовать компьютеры, интернет и мобильные устройства как в повседневной жизни, так и для решения рабочих задач.
CNews: Но проектов больше не становится?
Ольга Горчинская:
В последнее время мы отмечаем некоторое снижение числа новых крупных BI-проектов. Во-первых, играет роль сложная общая экономическая и политическая ситуация. Она сдерживает старт некоторых проектов, связанных с внедрением западных систем. Интерес к решениям на основе свободно распространяемого программного обеспечения также затягивает старт BI-проектов, поскольку требует предварительного изучения этого сегмента ПО. Зрелость многих решений Open Source в области аналитики не настолько высока, чтобы использовать их повсеместно.
Во-вторых, уже произошло определенное насыщение рынка. Сейчас не так много организаций, где не используется бизнес-анализ. И, видимо, проходит время активного роста внедрений больших корпоративных аналитических систем.
И, наконец, важно отметить – сейчас у заказчиков идет смещение акцентов в использовании BI-инструментов, что сдерживает рост числа привычных нам проектов. Дело в том, что лидирующие поставщики – Oracle, IBM, SAP – строят свои BI-решения на идее единой согласованной логической модели данных, означающей, что, прежде чем что-то анализировать, необходимо четко определить и согласовать все понятия и показатели.
Вместе с очевидными преимуществами это приводит к большой зависимости бизнес-пользователей от ИТ специалистов: при необходимости включить в круг рассмотрения какие-то новые данные бизнесу приходится постоянно обращаться к ИТ для загрузки данных, согласования их с существующими структурами, включения в общую модель и т.д. Сейчас мы видим, что бизнес хочет большей свободы, и ради возможности самостоятельно добавлять новые структуры, интерпретировать и анализировать их по собственному усмотрению пользователи готовы пожертвовать какой-то частью корпоративной согласованности.
Поэтому сейчас на первый план выходят легкие инструменты, позволяющие конечным пользователям работать непосредственно с данными и не очень заботиться о согласованности на корпоративном уровне. В результате мы наблюдаем успешное продвижение Tableaux и Qlick, которые позволяют работать в стиле Data Discovery, и некоторую потерю рынка большими поставщиками решений.
CNews: Это объясняет, почему ряд организаций внедряет по несколько BI-систем – особенно это заметно в финансовом секторе. Но можно ли считать такую информатизацию нормальной?
Ольга Горчинская
Сегодня ведущую роль играют инструменты, которые мы раньше считали слишком легковесными для корпоративного уровня. Это решения класса Data Discovery.
Ольга Горчинская:
Действительно, на практике часто в крупных организациях используется не единая, а несколько независимых аналитических систем, каждая со своими BI-инструментами. Идея общекорпоративной аналитической модели оказалась некоторой утопией, она не так популярна и даже ограничивает продвижение аналитических технологий, поскольку на практике каждый департамент, а то и отдельный пользователь хочет независимости и свободы. В этом нет ничего ужасного. Ведь в одном и том же банке специалистам в области рисков и маркетологам нужны совершенно разные BI-инструменты. Поэтому вполне нормально, когда компания выбирает не громоздкое единое решение для всех задач, а несколько небольших, наиболее подходящих для отдельных департаментов систем.
Сегодня ведущую роль играют инструменты, которые мы раньше считали слишком легковесными для корпоративного уровня. Это решения класса Data Discovery. В них заложена идея простоты работы с данными, быстроты, гибкости и удобного для восприятия представления результатов анализа. Есть и еще одна причина растущей популярности таких инструментов: компании все больше испытывают потребность работать с информацией изменяющейся структуры, вообще неструктурированной, с «размытым» смыслом и не всегда понятной ценностью. В этом случае востребованы более гибкие инструменты, чем классические средства бизнес-анализа.
«Форс» создал крупнейшую в Европе и уникальную в России площадку – Fors Solution Center. Основная его задача – приблизить новейшие технологии Oracle к конечному заказчику, помочь партнерам в их освоении и применении, сделать процессы тестирования оборудования и ПО максимально доступными. Это своего рода дата-центр для тестирования партнерами систем и облачных решений.
CNews: Как технологии больших данных помогают развиваться бизнес-аналитике?
Ольга Горчинская:
Эти направления – большие данные и бизнес-аналитика – сближаются друг с другом и, на мой взгляд, граница между ними уже размыта. Например, углубленная аналитика считается «большими данными», хотя она существовала еще до появления Big Data. Сейчас интерес к машинному обучению, статистике повышается, и с помощью этих технологий больших данных можно расширить функциональность традиционной бизнес-системы, ориентированной на вычисления и визуализацию.
Кроме этого, концепцию хранилищ данных расширило использование технологии Hadoop, что привело к новым стандартам построения корпоративного хранилища в виде «озера данных» (data lakes).
CNews: Для каких наиболее перспективных задач используются решения в области больших данных?
Ольга Горчинская:
Мы используем технологии больших данных в BI-проектах в нескольких случаях. Первый – когда необходимо повысить производительность существующего хранилища данных, что очень важно в условиях, когда у компаний большими темпами растут объемы используемой информации. Хранить сырые данные в традиционных реляционных базах данных очень дорого, для их обработки требуются все большие мощности. В таких случаях разумнее использовать инструментарий Hadoop, очень эффективный вследствие самой своей архитектуры, гибкий, приспосабливаемый для конкретных нужд и выгодный с экономической точки зрения, так как в его основе лежит Open Source решение.
С помощью Hadoop мы, в частности, решили задачу хранения и обработки неструктурированных данных в одном крупном российском банке. В данном случае речь шла о больших объемах регулярно поступающих данных меняющейся структуры. Эту информацию необходимо обрабатывать, разбирать, извлекать из нее числовые показатели, а также сохранять и исходные данные. Учитывая значительный рост объемов поступающей информации, использовать для этого реляционное хранилище становилось слишком дорогим и малоэффективным способом. Мы создали отдельный Hadoop-кластер для обработки первичных документов, результаты которой загружаются в реляционное хранилище для анализа и дальнейшего использования.
Второе направление – внедрение средств углубленной аналитики для расширения функциональности BI-системы. Это очень перспективное направление, поскольку оно связано не только с решением ИТ-задач, но и с созданием новых возможностей для бизнеса.
Вместо организации специальных проектов по внедрению углубленной аналитики мы стараемся расширять рамки существующих проектов. Например, практически для любой системы полезной функцией является прогнозирование показателей на основе имеющихся исторических данных. Это не такая простая задача, она требует не только навыков работы с инструментами, но и определенной математической подготовки, знания статистики и эконометрики.
В нашей компании есть специальная группа специалистов по анализу данных, которые отвечают этим требованиям. Ими был выполнен проект в области здравоохранения по формированию регламентной отчетности, причем дополнительно в рамках этого проекта было реализовано прогнозирование загруженности медицинских организаций и их сегментация по статистическим показателям. Ценность таких прогнозов для заказчика понятна, для него это не просто использование какой-то новой экзотической технологии, а вполне естественное расширение аналитических возможностей. В результате стимулируется интерес к развитию системы, а для нас – новые работы. Сейчас мы аналогичным образом внедряем технологии прогнозной аналитики в проекте для городского управления.
И, наконец, у нас есть опыт внедрения технологий больших данных там, где речь идет об использовании неструктурированных данных, прежде всего, различных текстовых документов. Интернет открывает большие возможности с его огромными объемами неструктурированной информации, содержащей полезные сведения для бизнеса. Очень интересный опыт у нас был связан с разработкой системы оценки стоимости объектов недвижимости для компании РОСЭКО по заказу Российского общества оценщиков. Для подбора объектов-аналогов система осуществляла сбор данных из источников в интернете, обрабатывала эту информацию с использованием лингвистических технологий и обогащала с помощью гео-аналитики с применением методов машинного обучения.
CNews: Какие собственные решения «Форс» развивает на направлениях бизнес-аналитики и больших данных?
Ольга Горчинская:
Мы разработали и развиваем специальное решение в области больших данных – ForSMedia. Это платформа анализа данных социальных сетей для обогащения знаний о клиентах. Ее можно использовать в разных отраслях: финансовом секторе, телекоме, ритейле – везде, где хотят как можно больше знать о своих клиентах.
Ольга Горчинская
Мы разработали и развиваем специальное решение в области больших данных – ForSMedia. Это платформа анализа данных социальных сетей для обогащения знаний о клиентах.
Типичный сценарий использования – разработка таргетированных маркетинговых кампаний. Если у компании 20 миллионов клиентов, распространять все рекламные объявления по базе нереально. Нужно сузить круг получателей объявлений, и целевая функция здесь – повысить отклик клиентов на маркетинговое предложение. В этом случае мы можем загрузить в ForSMedia базовые данные обо всех клиентах (имена, фамилии, даты рождения, место жительства), а затем на основании информации социальных сетей дополнить их новыми полезными сведениями, включая круг интересов, социальный статус, состав семьи, область профессиональной деятельности, музыкальные предпочтения и т. д. Безусловно, такие знания можно найти далеко не для всех клиентов, поскольку определенная их часть вообще не используют социальные сети, но для целевого маркетинга и такой «неполный» результат дает огромные преимущества.
Социальные сети – очень богатый источник, хотя работать с ним сложно. Не так легко идентифицировать человека среди пользователей – люди часто используют разные формы своих имен, не указывают возраст, предпочтения, непросто выяснить особенности пользователя на основе его постов, групп подписки.
Платформа ForSMedia решает все эти задачи на основе технологий больших данных и позволяет в массовом режиме обогащать данные о клиентах и анализировать результаты. Среди используемых технологий – Hadoop, среда статистических исследований R, средства лингвистической обработки компании RCO, инструменты Data Discovery.
Платформа ForSMedia максимально использует ПО свободного распространения и может быть установлена на любой аппаратной платформе, отвечающей требованиям бизнес-задачи. Но для крупных внедрений и при повышенных требованиях к производительности мы предлагаем специальную версию, оптимизированную для работы на программно-аппаратных комплексах Oracle – Oracle Big Data Appliance и Oracle Exalytics.
Использование в больших проектах инновационных интегрированных комплексов Oracle – важное направление нашей деятельности не только в области аналитических систем. Такие проекты получатся недешевыми, но за счет масштабов решаемых задач они полностью себя оправдывают.
CNews: Заказчики могут как-то испытать эти системы, прежде чем принимать решение о покупке? Вы предоставляете, например, тестовые стенды?
Ольга Горчинская:
В этом направлении мы не просто предоставляем тестовые стенды, а создали крупнейшую в Европе и уникальную в России площадку – Fors Solution Center. Основная его задача – приблизить новейшие технологии Oracle к конечному заказчику, помочь партнерам в их освоении и применении, сделать процессы тестирования оборудования и ПО максимально доступными. Идея возникла не на пустом месте. «Форс» уже почти 25 лет занимается разработкой и внедрением решений на базе технологий и платформ Oracle. У нас большой опыт работы и с клиентами, и с партнерами. Фактически «Форс» - это центр компетенций Oracle в России.
Учитывая этот опыт, в 2011 году, когда появились первые версии машины баз данных Oracle Exadata, мы создали первую лабораторию по освоению этих систем, назвав ее ExaStudio. На ее базе десятки компаний могли открыть для себя возможности новых программно-аппаратных решений Exadata. Наконец, в 2014 году мы превратили ее в своего рода дата-центр для тестирования систем и облачных решений – это и есть Fors Solution Center.
Сейчас в нашем Центре представлена полная линейка новейших программно-аппаратных комплексов Oracle – от Exadata и Exalogic до машины больших данных Big Data Appliance, – которые, по сути, выступают как тестовые стенды для наших партнеров и клиентов. Помимо тестирования, здесь можно получить услуги по аудиту информационных систем, миграции на новую платформу, настройке, конфигурированию и масштабированию.
Центр активно развивается и в направлении использования облачных технологий. Не так давно архитектура Центра была доработана таким образом, чтобы предоставлять свои вычислительные ресурсы и услуги в облаке. Теперь заказчики могут воспользоваться производительными мощностями по схеме самообслуживания: загружать в облачную среду тестовые данные, приложения и осуществлять тестирование.
В результате компания-партнер или заказчик могут без предварительных инвестиций в оборудование и пилотные проекты на своей территории загрузить собственные приложения в наше облако, протестировать, сравнить результаты по производительности и принять то или иное решение о переходе на новую платформу.
CNews: И последний вопрос – что вы представите на Oracle Day?
Ольга Горчинская:
Oracle Day – это главное мероприятие года в России для корпорации и всех ее партнеров. «Форс» неоднократно был его генеральным спонсором, и в этом году - тоже. Форум будет целиком посвящен облачной тематике - PaaS, SaaS, IaaS, и пройдет как Oracle Cloud Day, поскольку Oracle уделяет огромное внимание этим технологиям.
На мероприятии мы представим свою платформу ForSMedia, а также будем рассказывать об опыте использования технологий больших данных, о проектах в области бизнес-аналитики. И, конечно, расскажем о новых возможностях нашего Fors Solution Center в области построения облачных решений.
