Доклад на тему: "Классификация систем Business Intelligence"

На сегодняшний день для каждой компании очень важно не только сохранять конкурентоспособность, но и повышать ее. Средствами повышения конкурентоспособности может стать прогнозирование, а также моделирование результатов деятельности компании. Таким критериям отвечают системы класса Business intelligence (BI) или интеллектуального анализа данных.В современной мире технологий анализа данных множество. Но одной из самых новых и быстро развивающихся является технология интеллектуального анализа данных или технологии бизнес-аналитики (Business Intelligence). В основе бизнес-аналитики лежит организация доступа конечных пользователей и анализ структурированных количественных по своей природе данных и информации о бизнесе. Использование этой технологии должно помочь компаниям принимать обоснованные и эффективные управленческие решения на основе тщательно проанализированных данных. Актуальность настоящей работы обусловлена, с одной стороны, большим интересом к теме интеллектуального анализа данных в современной науке, с другой стороны, ее недостаточной разработанностью. Исторически главной трудностью было представить информацию в таком формате, чтобы ее было легко воспринимать и понимать. Поэтому для деятельности крупных структур, очень важно уметь грамотно обрабатывать информацию.Цель работы заключается в исследовании классификации систем Business Intelligence.По структуре работа состоит из введения, основной части, заключения и списка использованной литературы.Информационную базу исследования составили труды российских и зарубежных авторов, материалы Интернет-сайтов, периодической печати.Классификация систем Business IntelligenceКаждый сотрудник и руководитель сталкивается с проблемой составления и анализа отчетности. Обычно это огромные базы Excel в виде плоской таблицы, в которых может работать только один пользователь. Такие таблицы раскрываются только в одном разрезе, и если в следующем месяце руководитель решит проанализировать отчет, предположим, в разрезе банковских продуктов, а не по сотрудникам, то необходимо будет перестраивать структуру. Совокупность данных проблем требует внедрения аналитической системы, которая могла бы вести как учет данных, так и давать возможность анализировать эти данные и принимать решения. Данная система должна позволять отфильтровывать данные, разворачивать в различных разрезах, дать возможность взглянуть на данные под разным углом. BI-системы – это аналитические системы, объединяющие данные из различных любых источников информации, обрабатывают их и предоставляют удобный интерфейс для всестороннего изучения и оценки полученных сведений. Такие данные могут достигать поставленных бизнес-целей с помощью оптимального использования имеющихся данных. Комплексный анализ данных по всем направлениям бизнеса позволяет повысить его эффективность и снизить издержки. В соответствии с подходом аналитиков Gartner Group выделяют три основных типа инструментальных средств BI (рисунок 1).Рисунок 1 – Инструменты интеллектуальной бизнес-аналитики (BI)Средства создания отчетов (Reporting) – дают возможность создавать форматированные интерактивные отчеты. В дополнение к этому поставщики BI-платформ должны предоставлять широкий набор типов отчетов (финансовых, операционных и т.п.) в виде информационных панелей показателей (dashboards). Информационные панели показателей (Dashboards) – одна из составных частей отчетов, представление информации в виде интуитивно понятного графического изображения, включая диаграммы, круговые шкалы, светофоры и т.п. Данные индикаторы показывают состояние анализируемого параметра на фоне его целевого назначения. Генератор нерегламентированных запросов (Ad hoc query) – данная функция, известная также как создание отчетов в режиме самообслуживания, дает пользователям возможность получать ответы на возникающие вопросы. Система предоставляет средства навигации по доступным ресурсам данных. Интеграция с Microsoft Office – в ряде случаев BI-платформы используются как промежуточное звено в цепочке анализа информации, а Microsoft Office (в частности Excel) выступает как BI-клиент. В этих случаях очень важно, чтобы BI-вендор обеспечивал интеграцию с Microsoft Office, включая поддержку форматов документов, формул и сводных таблиц. Общая BI-инфраструктура – все инструменты платформы должны использовать одни и те же средства обеспечения безопасности, общие метаданные, общие средства администрирования, общие средства генерации запросов, а также иметь однотипные интерфейсы. Управление метаданными – все инструменты приложения должны не только опираться на одни и те же метаданные, но также должны обеспечиваться быстрый поиск, хранение, использование и публикация таких объектов метаданных, как размерности, иерархии, параметры оценки производительности и параметры оформления отчетов. Метаданные – это «данные о данных», предоставляющие в распоряжение пользователей объяснение характера данных, источника их происхождения и способов доступа к ним. Средства разработки – наряду со средствами создания отдельных BI- приложений, BI-платформа должна предоставлять средства программной разработки для интеграции приложений в общий бизнес-процесс или обеспечивать их встраивание в другое приложение. BI-платформа должна давать разработчикам возможность создания BI-приложений без кодирования, на основе применения мастеров (wizard-like components) для визуального редактирования. Совместная работа и управление рабочими процессами – данная возможность позволяет BI-пользователям разделять информацию и обсуждать ее с помощью общих папок и средств ведения дискуссионных тредов (discussion threads). В дополнение BI-приложения могут назначать и отслеживать события или задачи, возложенные на отдельных пользователей, на основе неких заранее определенных бизнес-правил. Обычно данная функциональность предоставляется на базе интеграции с отдельным workflow- инструментом. OLAP (Online Analytical Processing – Оперативная аналитическая обработка данных) – класс приложений и технологий, предназначенных для сбора, хранения и анализа многомерных данных в целях поддержки принятия управленческих решений. Технология OLAP позволяет аналитикам, менеджерам и управляющим сформировать свое собственное видение данных, используя быстрый, единообразный, оперативный доступ к разнообразным формам представления информации. Одновременный анализ по нескольким измерениям определяется как многомерный анализ. Каждое измерение включает направления консолидации данных, состоящие из последовательных уровней обобщения, где каждый вышестоящий уровень соответствует большей степени агрегации данных по соответствующему измерению. OLAP представляет собой инструмент для анализа больших объемов данных в режиме реального времени и обеспечивает следующие возможности работы с многомерными данными: гибкий просмотр информации, произвольные срезы данных, детализация, свертка или консолидация, вращение, сравнение во времени. В ячейках многомерного куба помещаются числовые параметры, предназначенные для анализа, например, объемов продаж. Измерениями OLAP-куба могут служить такие параметры, как время, продукты, регионы, продавцы. Продажи по времени в консолидированном виде могут представляться по годам, при детализации – по кварталам, месяцам и дням. Продвинутая визуализация – инструменты продвинутой визуализации позволяют представлять данные для более эффективного их восприятия посредством использования интерактивных картинок и диаграмм вместо таблиц (рисунок 2). Обычно пользователи в динамическом режиме могут менять графическое представление, использовать масштабирование, объединять данные, изменять цвета. Предиктивное моделирование (Predictive Modelling) – это процесс создания (или выбора) модели для предсказания вероятности наступления некоторого события. Интеллектуальный анализ данных (Data Mining) – компьютерная техника извлечения знаний, которая использует ИИ для распознавания образов и выделения значимых закономерностей из данных, находящихся в хранилищах или входных или выходных потоках. Эти методы основываются на статистическом моделировании, нейронных сетях, генетических алгоритмах и др. Частная методология text mining решает задачи навигации в больших текстовых массивах, поиск взаимосвязей между ключевыми понятиями текстов, структуризация хранилищ документов, поиск информации, выраженный на естественном языке, распределение по рубрикам. Информация, найденная в процессе использования методов Data Mining, должна описывать новые связи между свойствами, предсказывать значения одних признаков на основе других и т.д. Найденные знания должны быть применимы и по отношению к новым данным с некоторой степенью достоверности. Когда извлеченные знания непрозрачны для пользователя, должны существовать методы постобработки, позволяющие привести их к интерпретируемому виду. Рисунок 2 – Пример визуализации данных в BI-системахКачественные системы бизнес-анализа имеют большой набор функций и визуализаций. Прежде чем анализировать данные и приступать к разработке интерактивных отчетов, нужно понять соответствует ли система потребностям компании. Поэтому для информационного решения BI системы выделены общепринятые требования, функции, которые она должна выполнять, чтоб быть конкурентоспособной на рынке BI. Во-первых, BI система должна позволять в пару щелчков компьютерной мышью фильтровать данные из базы, сравнивать численные значения за различные периоды (года, кварталы, месяца, дни), сравнивать план-факт значения, определять текущий уровень показателей, создавать сценарии и строить прогнозы на будущее. Во-вторых, визуализация данных должна включать большой спектр возможностей в виде гистограммы, секторные диаграммы, воронки, пузырьковых диаграмм, радар и так далее. Очень важно наличие возможности быстро изменить вид диаграммы на одних и тех же данных. В-третьих, системы должна интегрироваться с различными источниками информации. Например, возможна такая ситуация: в автоматизированной банковской системе хранятся часть данных по выполненным сделкам, другая часть данных находится в TWR, есть данные из BW кубов, сотрудники операционных офисов используют АРМ программы, а сотрудники головного офиса ведут базу в Microsoft Excel. Система бизнес-анализа должна импортировать данные из всех источников и принимать их за совокупное целое. В-четвертых, разграничение прав доступа. Это очевидный, но критично важный аспект. Если все сотрудники будут иметь доступ на редактирование, тогда в системе будет хаос, соответственно, разработчики должна иметь доступ на редактирование, пользователи на чтение, а некоторые сотрудники, не должны иметь доступ вообще. В-пятых, интерфейс программы должен быть адаптивным, доступным и понятым, чтобы каждый сотрудник компании мог моментально и без затруднений сформировать отчет, найти необходимые ему данные. Удобство позволяет снизить возможность совершения ошибок при выполнении своих рабочих обязанностей. BI-системы делятся на следующие виды: − по технологиям; − по отраслям; − по департаментам; − по роли в компании. Технологии разделяются на технологических аспектах IT-решений. Основные подвиды технологий являются: − аналитика реального времени; − геоаналитика; − прогнозная аналитика; − аналитика больших данных; − мобильные метрики; − сетевая аналитика. По отраслям разделение идет на: − финансы; − банки; − розничная торговля; − государственные органы; − производство; − телекоммуникации; − услуги; − медицина; − энергетика. Отличия BI-систем при разделении по отраслям лишь в сборе и анализе разных данных. Так, например, в розничной торговле основными показателями является средний чек, количество покупателей, посетителей, самый продаваемый продукт и самый прибыльный и т.д. В производстве же, важно смотреть показатели выработки, информацию по сырью, по трудовому фонду, а в банковской структуре, важно увидеть пассивы, активы, количество кредитов, вкладов, количество клиентов, доходность банкоматов и т.д. Различные субъекты хозяйственной деятельности в силу своих особенностей выбирают свой набор показателей, для возможности принятия решений. В подвиды департаментов входят: − продажи; − маркетинг; − финансы; − отдел кадров. По роли в компании: − руководители; − аналитики; − статистики. Виды BI-системпо технологиямпо отраслямпо департаментампо роли в компании-аналитика реального времени; -геоаналитика;−прогнозная аналитика; − аналитика больших данных; − мобильные метрики; − сетевая аналитика. − финансы; − банки; − розничная торговля; −гос. органы; −производство; − теле-коммуникации; − услуги; − медицина; − энергетика. − продажи; − маркетинг; − финансы; − отдел кадров. - руководители; - аналитики; - статистики. Виды BI-системпо технологиямпо отраслямпо департаментампо роли в компании-аналитика реального времени; -геоаналитика;−прогнозная аналитика; − аналитика больших данных; − мобильные метрики; − сетевая аналитика. − финансы; − банки; − розничная торговля; −гос. органы; −производство; − теле-коммуникации; − услуги; − медицина; − энергетика. − продажи; − маркетинг; − финансы; − отдел кадров. - руководители; - аналитики; - статистики. Виды BI-системпо технологиямпо отраслямпо департаментампо роли в компании-аналитика реального времени; -геоаналитика;−прогнозная аналитика; − аналитика больших данных; − мобильные метрики; − сетевая аналитика. − финансы; − банки; − розничная торговля; −гос. органы; −производство; − теле-коммуникации; − услуги; − медицина; − энергетика. − продажи; − маркетинг; − финансы; − отдел кадров. - руководители; - аналитики; - статистики. Виды BI-системпо технологиямпо отраслямпо департаментампо роли в компании-аналитика реального времени; -геоаналитика;−прогнозная аналитика; − аналитика больших данных; − мобильные метрики; − сетевая аналитика. − финансы; − банки; − розничная торговля; −гос. органы; −производство; − теле-коммуникации; − услуги; − медицина; − энергетика. − продажи; − маркетинг; − финансы; − отдел кадров. - руководители; - аналитики; - статистики. Рисунок 3 – Виды BI-системФормирование отчетов – это только небольшая часть возможностей систем, построенных на основе BI-технологии, что дает возможность постепенного наращивания системы до полноценного аналитического инструмента, а не внедрять новые независимые программы для решения отдельных задач анализа деятельности и управления предприятием. На сегодняшний день существует большое количество систем бизнес- анализа, однако далеко не все удовлетворяют потребностям рынка. Каждая из систем имеет свои особенности, преимущества и недостатки. Для их сравнения проведен процесс исследования отобранных BI-платформ, включающий следующие последовательно выполненные мероприятия: ⎯ изучение уже имеющихся сравнений, обзоров и анализов BI-решений; ⎯ поиск и изучение отзывов пользователей данных продуктов; ⎯ выбор трех лидеров из общего списка; ⎯ детальное изучение и разработка прототипа системы на основе каждой из трех выбранных платформ; ⎯ окончательное решение о выборе приоритетной платформы. Результаты представлены в таблице 1. Таблица 1 – Сравнительная характеристика систем BI анализаКритерий сравненияQlik ViewTableauSpotfirePrognozPower BIPentahoCognosнекоторые сравнительные характеристикиРусская локализация платформы+-+++-+Наличие официального сайта на русском языке+--++--Наличие российского сообщества++-++++Наличие бесплатной демо-версии+++++++Поддержка работы в Private Cloud+++++++Работа серверов на Linux-----++Поддержка мобильных устройств+++++++Поддержка языка R++++-+-Наличие русифицированных курсов++-++-+оценки в результате тестовой эксплуатации по 5-балльной шкалеОценка техподдержки5555014Оценка масштабируемости34+54444Оценка поддержки больших данных, баллов3541544Оценка клиентского доступа5554255Оценка интерфейса44+4434+2Оценка интегрируемости4543344Оценка визуализации4443443Оценка моделирования и работы аналитика2554434Оценка администрирования454444-3Оценка среды разработки5253534Оценка поддержки OLAP25554+55итоговые оценки по результатам предварительно изучения по 5-балльной шкалеИтоговая оценка сложности системы3545322Итоговая оценка перспектив внедрения4544442В результате сравнения между собой 7 продуктов, которые были включены в изначальный список, были выбраны 3 лидирующих решения для последующего более детального изучения и анализа: ⎯ Tableau; ⎯ QlikView; ⎯ Prognoz Platform. Это наиболее популярные системы, используемые на рынке крупными компаниями. Компания QlikTech стала первооткрывателем в области бизнес анализа, выпустив свое решение Qlikview. Qlikview имеет ряд особенностей. Например, ассоциативная модель данных: все элементы взаимосвязаны по ключам, при фильтрации данных можно увидеть взаимосвязанные элементы, наглядно показано на рисунке 4. А также интеграция любых источников данных: удобное подключение и объединение разнородных источников данных – от файлов Excel до ERP, CRM, WMS, а также Google Analytics, отчетов Nielsen, GfK и т.д. Также все расчеты доступны «по клику», можно «провалиться» от показателя по всей компании/региону до конкретной проводки. Рисунок 4 – Модель данных в QlikViewПрава доступа к данным или объектам визуализации настраиваются вплоть до отдельных строк и столбцов, поддержка кластерной архитектуры, QlikView Governance Dashboard, позволяющий мониторить все аспекты работы сервера Qlik. QlikView Клиент, QlikView Server и QlikView Publisher формируют информационный центр предприятия, своевременно обеспечивая сотрудников компании корректными данными и аналитической информацией. QlikView клиент – это полнофункциональный инструментарий для построения и использования QlikView-приложений. QlikView Клиент включает в себя мощный ETL-инструментарий (Extract- Transform-Load), который имеет свыше 200 встроенных функций для фильтрации, объединения и выполнения сложных операций над данными для загрузки их напрямую из различных источников. Это могут быть базы данных ERP, CRM или других корпоративных систем, включая многомерные базы данных, специальные хранилища и витрины данных, Excel или XML файлы и другие текстовые файлы, имеющие разделители. Помимо этого, QlikView поддерживает загрузку информации Веб-служб. Рисунок 5 – Функциональный обзор QlikViewДля построение интерфейса приложения доступно более 100 различных интерактивных объектов, на каждый из которых можно кликнуть мышью для начала или продолжения анализа информации. Еще одна крупная платформа – это Tableau. Как и большинство BI инструментов, Tableau специализируется на анализе данных через их визуализацию. В нем легко создавать интерактивные дашборды, которые позволяют изучить динамику, тренды и структуру данных, с помощью удобных и простых, но не менее эффективных графиков. Как и многие другие сервисы, Tableau поддерживает множество разных источников данных, организованных в формате файлов (CSV, JSON, XML, MS Excel и др.), реляционных и нереляционных БД (PostgreSQL, MySQL, SQL Server, MongoDB и др.) и облачных систем (AWS, Oracle Cloud, Google BigQuery, Microsoft Azure). Ключевое отличие Tableau от конкурентов заключается в его особой функции – смешивании данных – комбинировании данных из разных БД и источников. Также Tableau позволяет нескольким пользователям одновременно работать над отчетом в реальном времени. Еще, в платформе реализовано несколько способов того, как можно делиться отчетами: публикуя их на сервере Tableau; через e-mail Tableau Reader; через доступ по ссылке. Prognoz Platform – российская BI-платформа для создания и разработки настольных, веб и мобильных приложений, объединяющая современные технологии хранилищ данных, визуализации, оперативного анализа данных (OLAP), формирования отчётности, моделирования и прогнозирования бизнес- процессов. Функциональные возможности инструмента «Аналитические панели»: ⎯ наличие взаимозаменяемых визуализаторов: таблиц, диаграмм, карт, спидометров; ⎯ работа по принципу WYSIWYG (What You See Is What You Get) – пользователь сразу видит, как будет выглядеть панель; ⎯ использование объектов из других инструментов без дополнительной настройки (аналитические запросы, регламентные отчеты); ⎯ анализ нескольких источников в рамках одного визуализатора; ⎯ широкие аналитические возможности и добавление результатов анализа на панель за счет встроенного блока продвинутой аналитики; ⎯ параллельная работа нескольких пользователей за счет функциональной возможности совместной разработки панелей. Таким образом, пытаясь оценить различные BI платформы часто сложно понять, где миф, а где правда, поскольку каждый представитель продукта позиционирует свой, как «лучший на рынке», приводя в качестве аргумента сотни субъективных обзоров, заполонивших Интернет.ЗаключениеВ современном цифровом мире, где правит информация, важно понимать, что управление бизнес-процессом – это прежде всего принятие управленческих решений на основе данных, которые в свою очередь помогут выработать рекомендации и построить, разработать эффективную оптимизационную программу по управлению бизнес-процессами. Качество принимаемых руководством компании решений при управлении бизнес-процессом зависит от соответствующей информационной поддержки, которая непосредственно связана с BI-системами. Технологии BI позволяет сотрудникам компании глубже понимать бизнес-процессы и увеличивают скорость принятия обоснованных решений. BI это не только бизнес-анализ информации, но и работа с большими данными из разных источников, их обработка, тестирование, представление и обслуживание запросов к этой информации. Важно, чтобы процесс обработки информации был автоматизирован – это позволит сократить время на выполнение рутинных операций и получать актуальную качественную информацию Компании, которые применяют наиболее эффективные средства обработки информации, имеют более высокий уровень конкурентоустойчивости.Сегодня категории BI-продуктов включают: BI-инструменты и BI-приложения. Первые, в свою очередь, делятся на: генераторы запросов и отчетов; развитые BI-инструменты, – прежде всего инструменты оперативной аналитической обработки (online analytical processing, OLAP); корпоративные BI-наборы (enterprise BI suites, EBIS); BI-платформы.Главная часть BI-инструментов делится на корпоративные BI-наборы и BI-платформы. Средства генерации запросов и отчетов в большой степени поглощаются и замещаются корпоративными BI-наборами. Многомерные OLAP-механизмы или серверы, а также реляционные OLAP-механизмы являются BI-инструментами и инфраструктурой для BI-платформ.Большинство BI-инструментов применяются конечными пользователями для доступа, анализа и генерации отчетов по данным, которые чаще всего располагаются в хранилище, витринах данных или оперативных складах данных. Разработчики приложений используют BI-платформы для создания и внедрения BI-приложений, которые не рассматриваются как BI-инструменты. BI система значимый инструмент для бизнес структур. Однако половина проектов по внедрению систем анализа оказываются неуспешными, в большинстве случае это связано не с тем, что информационная система имеет недостатки, а с неправильным подходом в применении. Отсутствие единой регламентированной BI стратегии приводит к слабосвязанным проектам. Кроме того, проблемой является отсутствие понимания самой компании своих бизнес-процессов.В заключение можно сказать, что системы бизнес-анализа помогают автоматизировать отчетность любых подразделений компаний и дают возможность анализировать данные в различных аспектах.Список использованных источниковБизнес-аналитика и большие данные в России 2018 [Электронный ресурс] // CNews Banks – ИТ в банках. – URL: http://www.cnews.ru/reviews/bi_bigdata_2018Блинов А.О. Реинжиниринг бизнес-процессов [Электронный ресурс]: учебное пособие/ Блинов А.О., Рудакова О.С., Захаров В.Я. – Электрон, текстовые данные. – М.: ЮНИТИ-ДАНА, 2012. – 341 с. – Режим доступа: http://www.iprbookshop.ru/16437.— ЭБС «IPRbooks».Иткин В. Легенды и мифы о QlikView [Электронный ресурс] // Jet Info. Электрон. журн. 2017. №2 – URL: http://www.jetinfo.ru/author/vladimiritkin/legendyi-mify-o-qlikviewОлейник А.И., Сизов А.В. ИТ-инфраструктура [Текст]: учебнометодическое пособие / А.И. Олейник, А.В. Сизов – М.: Изд. дом Высшей школы экономики, 2016. – 134 с.Репин В. Бизнес–процессы. Моделирование, внедрение, управление: учебник / /В. Репин. – М.: Манн, Иванов и Фербер, 2018. 288 с.Ризаев И.С., Яхина З.Т., Мифтахутдинов Д.И. Компьютерные технологии обучения методам Data Mining обработки данных // Образовательные технологии и общество. – 2018. – №2. – С.514-526.Федин Ф.О. Анализ данных. Часть 1. Подготовка данных к анализу [Электронный ресурс]: учебное пособие/ Федин Ф.О., Федин Ф.Ф. – Электрон, текстовые данные. – М.: Московский городской педагогический университет, 2012. – 204 с. – Режим доступа: http://www.iprbookshop.ru/26444.— ЭБС «IPRbooks»Федин Ф.О. Анализ данных. Часть 2. Инструменты Data Mining [Электронный ресурс]: учебное пособие/ Федин Ф.О., Федин Ф.Ф. – Электрон, текстовые данные. – М.: Московский городской педагогический университет, 2012. – 308 с. – Режим доступа: http://www.iprbookshop.ru/26445. – ЭБС «IPRbooks»Ярошенко Е.В. Информационные технологии в менеджменте: учебное пособие / Е.В. Ярошенко. – М.: МЭСИ, 2015. – 265 с.