Bi решения. Business Intelligence (BI) системы для бизнес-анализа

Договор

Использование бизнес-аналитики повышает качество и оперативность управленческих решений, а также помогает управлять бизнес-процессами, что приводит к повышению конкурентоспособности компании. Это стало одной из главных причин значительного всплеска интереса к решениям класса BI (business intelligence), который IDC отмечает в России с 2010 года.

Эксперты спорят о функциональности информационных систем, позволяющих проводить бизнес-анализ. Но сам процесс работы с аналитическими данными и предназначенное для этих целей ИТ-решение – совсем не одно и то же. Прежде чем приступать к внедрению BI-системы, компания должна подготовиться к ее использованию: формализовать бизнес-процессы, определить точки сбора информации, типы собираемых данных и цели, с которой эта информация будет использоваться. После этого можно говорить о конкретных инструментах BI, необходимых бизнесу.

Бизнес-аналитика отличается от ручного анализа показателей в таблицах Excel примерно как самолет от дельтаплана. Вопрос далеко не только в скорости. Ведь BI – это автоматизация процесса сбора информации и построения отчетности. В то время как работа с Excel предполагает, что анализируемые данные кто-то должен собрать из всех информационных источников компании, привести к единому шаблону и уже потом формировать отчеты.

Велика и разница в результатах работы с этой информацией. BI – это многомерность используемых данных и возможность оперативно формировать отчеты в любом разрезе, используя для этого любую имеющуюся в компании информацию. Иначе говоря, задачу, с которой люди будут справляться сутки (например, высчитывать зависимость продаж магазином определенных моделей одежды от демографического состава населения и транспортной инфраструктуры района), система решит за минуты.

Долгое время в основе решений BI лежали так называемые OLAP-кубы. Применение таких систем продолжается и по сей день. Они представляют находящуюся в хранилище информацию таким образом, что в любой момент можно взять любые имеющиеся показатели в качестве осей «куба» и сделать по нужным срезам анализ, построив плоскую таблицу или график зависимости одного показателя от другого. Что немаловажно, анализ происходит в режиме реального времени, о чем и говорит аббревиатура OLAP – online analytical processing.

Среди других признаков выделим наличие функций управления метаданными, средств разработки, инструментов для совместной работы и управления процессами, средств создания отчетов, продвинутой визуализации, функций предиктивного моделирования и интеллектуального анализа (data mining), карт показателей.

Сейчас на рынке продолжают расти продажи BI-систем, в которых реализованы технологии іn-memory. Основная идея in-memory заключается в принципе постоянного хранения данных в оперативной памяти. Это дает пользователям возможность получать ответы моментально – за доли секунды – даже в случаях, когда они работают с огромными объемами данных. Однако такие решения с технической точки зрения подходят не всем, и многие заказчики продолжают использовать технологию OLAP.

Наличие online analytical processing является одним из признаков аналитической системы, позволяющей ей называться полноценной BI-платформой по версии Gartner.

Помимо различной технологической архитектуры, системы BI отличаются набором инструментов для разных категорий бизнес-пользователей.

Например, полноценные BI-платформы сильно отличаются с точки зрения функциональных возможностей от BI-модулей, встроенных в некоторые корпоративные информационные системы и имеющих ограниченные возможности представления.

Для каждой роли пользователя существуют свои информационные панели, представляющие нужные именно этим сотрудникам ключевые показатели бизнеса в виде таблиц или инфографики. Инструментарий BI предусматривает также средства построения отчетов и интерфейс для их просмотра: в окне системы, через web или на мобильном устройстве пользователя. В построении отчетов помогают инструменты для определения корреляции данных.

Одна из доминирующих тенденций последних пяти лет на рынке BI – это рост спроса на мобильную аналитику. Пользователи BI-систем, оценившие их значение для бизнеса, поняли также и ценность постоянного доступа к такому инструментарию. Практически каждый крупный BI-вендор сегодня готов предоставить пользователям средства онлайн-аналитики. При этом мобильные рабочие места ориентированы не только на топ-менеджеров, но и на ряд других категорий пользователей, которым необходимо постоянно иметь актуальную информацию о состоянии тех или иных бизнес-процессов. Так что из «привилегии начальника» BI-мобильность стала средством быстрого реагирования на события для руководителей среднего звена и аналитиков. Поскольку BI-система предусматривает работу с большими массивами данных, поступающими в хранилище из различных информационных систем и в неструктурированном виде, она может использоваться для работы с «большими данными» (big data), которыми в последние годы так интересуется бизнес. Это и неудивительно, поскольку объемы хранимой и обрабатываемой информации растут опережающими темпами, следовательно, компании вынуждены думать о приобретении дополнительных вычислительных мощностей. При этом в реальном бизнесе обычно используются до 30% всей хранимой информации, остальная же часть становится только источником затрат на ее хранение.

Наличие больших объемов неструктурированной и потенциально полезной информации в компаниях, а также большие возможности, предоставляемые аналитикам системами BI, стали одним из драйверов прогресса в этой области. Сегодня все больше аналитиков ищут более гибкие инструменты, которые бы позволили изучать любые данные и строить бизнес-гипотезы. Это привело к появлению нового класса инструментов - data discovery. Они базируются на гибкой модели данных и интерактивных пользовательских интерфейсах, более удобных бизнес-пользователям, чем аналитикам. На примере data discovery мы видим, как инструментарий постепенно вырастает в самостоятельное направление ИТ-систем для аналитики.

Поскольку BI – это не только анализ текущей ситуации, но и прогнозирование, для аналитиков и руководителей разработаны продвинутые средства для проверки выдвинутых ими гипотез. А контролировать ключевые показатели при анализе поможет нотификация о достижении ими пороговых значений.

Как будет развиваться инструментарий BI-систем и его использование российскими компаниями в будущем? Появятся ли новые роли пользователей, новые интерфейсы, станут ли топ-менеджеры больше работать с бизнес-аналитикой? Консультант аналитического отдела компании Softline Мария Голикова убеждена, что один из векторов развития связан с растущим спросом на “облака” и средства визуализации: «С развитием облачных технологий многие крупные разработчики BI стали предлагать дополнительные возможности, доступные именно в облаке.

Если в компании существует “традиция” готовить отчеты в виде статичных Excel-таблиц, то многим сотрудникам будет сложно от этого отказаться. Однако надо надеяться, что со временем будет расти число компаний, которые будут получать исчерпывающую информацию, пользуясь информативными дашбордами».

Также, по мнению эксперта, росту популярности BI будет способствовать внимательное отношение разработчиков к дружественности интерфейсов и созданию мобильных рабочих мест: «BI-инструментарий сейчас движется в сторону самостоятельного анализа – решения становятся максимально простыми в использовании. Это дает возможность бизнес-пользователям за счет интуитивно-понятного интерфейса самостоятельно изменить текущие отчеты либо создать новые. Топ-менеджмент сегодня также привлекает возможность использования мобильных BI-решений. Руководитель может уехать в командировку, но при этом на экране портативного устройства видеть основные показатели деятельности своего бизнеса».

Говоря о том, какие инструменты, предоставляемые BI-платформами, в наибольшей степени востребованы российскими заказчиками, директор департамента ИТ и облачных сервисов J’son & Partners Consulting Александр Герасимов отмечает: «То, что используется сейчас, - это инструменты формирования разнообразной управленческой и маркетинговой отчетности постфактум на основе анализа данных транзакционных систем, таких как ERP, OSS/BSS (биллинг в частности), автоматизированные банковские системы и т. п.

То, что имеет хорошие перспективы, - это технологии анализа больших данных: не только структурированной информации транзакционных систем, но и слабо (или сложно) структурированных данных, таких как, например, логи и геоданные пользователей смартфонов и многое другое. Сейчас подобная информация используется в основном для обогащения и улучшения качества отчетности постфактум. В перспективе они могут применяться уже непосредственно в системах управления - с целью их интеллектуализации».

Некоторые BI-системы предлагают использовать больше инфографики вместо классических табличных отчетов. Но далеко не все готовы воспринимать графическую информацию.

В современном мире существуют определенные классы программного обеспечения, которое ориентированно в основном на корпоративный сегмент (крупный и средний бизнес) и соответственно не имеет широкого распространения. Но некоторые программные комплексы имеют достаточно интересные функции, которые можно применить не только в сфере мелкого бизнеса, но и в качестве персонального инструмента. Вот об одном из таких программных комплексов и пойдет речь в данной статье.

Примечание

Я являюсь техническим специалистом, соответственно статья имеет более технический уклон. Если есть желание почитать информацию по продукту, ориентированную на бизнес пользователей, то вам на офсайт IBM.

Основная цель этой статьи, показать вам как сделать свой первый «Hello World» (по аналогии с программированием) в IBM Cognos BI.

Также хочу отметить, что я имею большой опыт написания пошаговых инструкций со скриншотами каждого шага. Но эта статья не будет очередной пошаговой инструкцией, здесь я хочу показать концепцию работы с системой, а не сделать еще один мануал.

Что такое BI?

Итак, что же такое BI система? Если в трех словах, то это продвинутая система отчетности. Что-бы было более понятно, ниже перечислю список основных функций, которыми располагают современные системы класса BI:

возможность подключения к различным источникам данных (от файла Excel до универсального ODBC подключения)
возможность построения как простых отчетов (типа график или таблица), так и сложных параметризированных отчетов с комбинированной структурой и ссылочными связями (Drill-Trough, Drill-Up/Drill-Down)
возможность прозрачной работы с разными источниками данных (например, Excel и SQL Server) с полноценной обработкой связей между ними
возможность интерактивной работы с данными (формирование отчетов «на лету»)
возможность представления реляционных данных как многомерные
возможность распределения прав доступа используя как внутренние источники аутентификации, так и внешние (NTLM, LDAP и т. д.)
возможность запуска формирования отчетов как вручную, так и автоматически по расписанию
возможность автоматической рассылки сформированных отчетов
возможность построения отчетов в различных форматах (Excel, HTML, PDF и т. д.)

Говоря простым русским языком, BI система – это такая программа, которая предоставляет пользователю удобные инструменты анализа фактически любых данных (будь то файл Excel либо промышленное хранилище данных).

Возможность применения BI системы в качестве персонального инструмента

Сразу становится вопрос, как можно использовать эту систему в качестве персонального инструмента? Отвечу по личному примеру, я использую IBM Cognos BI в качестве инструмента по анализу статистики в своих проектах и инструмента по анализу статистики домашней бухгалтерии.

Тут конечно можно возразить, что-то в духе «я и обычным SQL запросами отлично анализирую статистику» или «встроенных функций Excel вполне достаточно чтобы проанализировать всю домашнюю бухгалтерию», но «все познается в сравнении». Как показывает практика, гораздо проще просто натаскать мышкой нужные элементы данных и получить результат в готовом виде, чем возится с написанием SQL запросов или перенастраиванием функций Excel.

Опять-таки, все написанное это лично мое мнение, с которым вы не обязаны соглашаться.

Архитектура IBM Cognos BI

Архитектура системы относительно несложная (как для системы корпоративного класса). Итак, ключевым элементом системы является IBM Cognos BI сервер (см. схему ниже), который работает с источниками данных, используя созданное пользователем описание (именуемое метаданными). Далее, посредством Web доступа, IBM Cognos BI сервер предоставляет доступ ко всем основным функциям системы.

Концептуальная архитектура комплекса IBM Cognos BI (схема получилась весьма громоздкой)

Этапы работы с системой

Чтобы сделать свой первый отчет необходимо выполнить несколько основных этапов:

Создать подключение к источнику данных
Сформировать описание источника данных, т. е. создать метаданные
Создать и опубликовать пакет метаданных на IBM Cognos BI сервере
Создать отчет

Структура тестового источника данных

Перед тем как приступить к реализации вышеописанных этапов, я хочу сказать пару слов об тестовом источнике данных. С одной стороны, структура тестового источника данных относительно простая (как для промышленного хранилища данных) с другой стороны она несколько сложнее чем простой лист Excel. Все данные в источнике являются синтетическими (сгенерированы алгоритмами на основе случайных чисел), из-за этого агрегатные показатели выглядят весьма ровно.

Как видно на схеме выше, в тестовой базе данных содержится 3 иерархических измерения: «Группа товара -> Товар», «Континент -> Страна -> Город -> Торговая точка», «Год -> Полугодие -> Квартал -> Месяц -> Дата»; 2 плоских (одномерных) измерения: «Кассир», «Региональный руководитель»; и 2 таблицы фактов: «Продажи», «План продаж».
Причем измерение «Кассир» расположено в одной из таблиц фактов в денормализованном виде, а измерение «Региональный руководитель» привязано к уровню «Страна» измерения «Торговая точка» связью «многие ко многим» (подразумевается, что один руководитель может управлять разными странами).

Подключение к источнику данных

В IBM Cognos BI все необходимые параметры для подключения к источникам данных хранятся в специальных объектах системы, которые так и называются «Data Source Connections». Чтобы создать новое подключение, необходимо выполнить несколько простых шагов: зайти на портал IBM Cognos BI, перейти в раздел «Администрирование» («Administration»), открыть вкладку «Конфигурация» («Configuration»), выбрать подраздел «Подключения источника данных» («Data Source Connections») и нажать кнопку «Новый источник данных» («New Data Source») в панели инструментов. Далее появится серия диалоговых окон, в которых будет необходимо задать несколько параметров, таких как название подключения, тип соединения, сервер, логин, пароль и т. д.

Разработка метаданных

Разработка метаданных, это один из самых сложных и ответственных моментов. От качества метаданных зависит, как работоспособность системы (скорость формирования отчетов, корректность сформированных результатов и т. д.) так и удобство разработки отчетов. Но несмотря на вышесказанное, сложность разработки метаданных прямо пропорциональна сложности источника данных. Например, чтобы построить реляционное описание нашего тестового источника данных, достаточно запустить мастер построения метаданных, несколько раз кликнуть кнопку «Next», и метаданные готовы.

Итак, как я уже писал ранее, метаданные – это описание источника данных. В IBM Cognos BI. Фундаментом метаданных являются объекты «Query Subject» и связи между ними. Объект «Query Subject» это синоним «View» из реляционных СУБД. Т. е. в основе «Query Subject» стоит запрос к СУБД, определяющий структуру объекта источника, а связи между «Query Subject» это описание логического взаимодействия между этими запросами.

Для создания метаданных в IBM Cognos BI используется отдельное приложение IBM Cognos Framework Manager (единственное не Web приложение в комплексе IBM Cognos BI). После запуска Framework Manager будет предложено создать новый проект (необходимо будет ввести наименование проекта и его расположение в локальной файловой системе).

Следует понимать, что проект Framework Manager (также именуемый как модель Framework Manager) это набор локальных файлов, с которыми работает локальная программа, а пакет метаданных это результат, который располагается на IBM Cognos BI сервере (если проводить аналогию с программированием, то проект – это исходный код, а пакет – это скомпилированное приложение). На базе одного проекта Framework Manager можно создать несколько наборов пакетов.

После того как проект Framework Manager создан, лучше всего начать работу с запуска мастера импорта метаданных (Action -> Run Metadata Wizard …). Мастер импорта предложит выбрать существующий источник данных или создать новый и позволит выбрать необходимые объекты для импорта. В простейшем случае (например, когда источником данных является файл Excel, который в 99,9% случаев содержит данные в денормализованном виде) нужно будет полям объекта «Query Subject» задать правильный тип использования (атрибут «Usage») и на этом работу с моделью Framework Manager можно заканчивать и приступать к формированию и публикации пакета метаданных. В более сложном варианте (как в нашем тестовом примере), необходимо будет проверить правильность импортированных связей между объектами «Query Subject», исправить некорректные и добавить недостающие. В более профессиональных вариантах есть возможность создавать вычисляемые поля, менять структуру «Query Subject», сформировать многомерное (multidimensional) представление, определить алгоритмы безопасности и т.д.

Создание и публикация пакета метаданных

После того как метаданные созданы, необходимо сформировать метапакет и опубликовать его на IBM Cognos BI сервере. Как я упоминал ранее, метапакет – это некоторое подмножество метаданных, которое публикуется на сервере и с которым работают все Web приложения комплекса IBM Cognos BI. Настройки метапакета позволяют скрыть или не публиковать некоторые объекты метаданных. Например, в тестовых метаданных есть некоторый «Query Subject» , который влияет на логику обработки данных источника (является связующим звеном между страной и региональным директором), но не представляет ценности при разработке отчетов, вот такой объект метаданных имеет смысл скрыть на уровне пакета. Или, например, поля с идентификаторами, их тоже имеет смысл скрыть от пользователей метапакетов.

Чтобы создать метапакет необходимо в Framework Manager, в разделе «Packages» вызвать контекстное меню и выбрать пункт «Create -> Package», после чего появится мастер создания метапакета. После того как метапакет будет создан, система сразу предложит его опубликовать на сервере. Начинающему пользователю можно сильно не вникать опции мастера публикации пакетов (просто нажимать кнопку Next и Publish). Единственно что, на последней вкладке (где будет не кнопка Next, а кнопка Publish) будет птичка «Verify package before publish», она определяет проверять ли метапакет на наличие логических неоднозначностей перед публикацией и отображает список этих неоднозначностей, если они буду найдены. Настоятельно рекомендую никогда не пропускать этот шаг и исправлять все найденные неоднозначности перед публикацией.

Создание отчетов (анализ данных)

Вот мы потихоньку и подобрались к самому интересному и регулярному процессу – это создание отчетов. Так сложилось что инструменты для создания регулярных отчетов и инструменты для быстрого анализа данных в IBM Cognos BI одни и те же (несмотря на то что в одних удобнее проводить быстрый анализ, а в других удобнее формировать регулярные отчеты, все они позволяют сохранять свои результаты в виде отчетов).

Лично я предпочитаю для всех BI задач использовать инструмент IBM Cognos Report Studio. Это наиболее универсальный инструмент, позволяющий строить отчеты фактически любой сложности и в тоже время предоставляет относительно удобные инструменты для быстрого анализа данных.

Предположим, что нам необходимо создать быстрый отчет, содержащий факт продаж в разрезе страны, товарной группы и периодичностью в квартал. Этот достаточно простой отчет можно сделать, выполнив следующие шаги:

запустить веб приложение IBM Cognos Report Studio
в окне приветствия нажать кнопку «создать» («create»)
в списке базовых шаблонов выбрать «перекрестная таблица» («corsstab»)
разместить элементы данных согласно схеме, представленной ниже
запустить отчет на выполнение

После запуска отчета на выполнение, получится примерно такой результат.

Глядя на получившийся отчет можно смело сказать, что оформлен он откровенно плохо, числа не отформатированы, экономический смысл откровенно сомнителен и т. д. Но все эти недостатки оформления можно убрать путем задания свойств соответствующих элементов настроек, а чтобы экономический смысл был более интересен, можно, например, сделать план/факт анализ.

Например, чтобы сделать отчет, показанный ниже (на готовых метаданных) я, как специалист с опытом, потратил где-то 20-30 минут.

А чтобы его полностью переоформить в темную цветовую схему, я потратил где-то еще 10 минут.

Заключение

Я надеюсь, что в этой статье читатель смог получить общие сведения о BI системах и принципе их работы. Конечно в рамках небольшой статьи невозможно рассмотреть относительно подробно ни один из затронутых аспектов (например, о том, как правильно сформировать метаданные, можно написать целую книгу), но я думаю, что если вы решите попробовать, то эта статья подскажет с чего начать и какого результата ожидать.

Также я совсем не затронул некоторые интересные механизмы и функции (например, механизм представления реляционного источника данных как многомерного), но это из-за того, что количество необходимого материала (минимум теории и минимум практики) потянет на отдельную статью.

Немного о лицензиях

Если вы решите купить отдельно систему IBM Cognos BI для персонального пользования или для небольшой фирмы, то наверняка цены вас неприятно удивят, но у IBM есть специальная комплексная система IBM Cognos Express, которая рассчитана на небольшие организации, содержит в себе несколько продуктов (включая BI) и стоит значительно дешевле.

Бизнес любит конкретику. Если идут продажи, то руководству нужно точно знать, сколько товара продано сегодня, сколько за прошлый месяц, насколько это больше или меньше по сравнению с прошлым годом. Каков оборот, сколько составила прибыль, какова динамика издержек? Такие вопросы с поправкой на отраслевую специфику возникают в любой компании.

Вся необходимая информация есть в корпоративных системах, и она доступна менеджерам. В маленькой компании можно вести таблицы в Excel, в более крупной - выгружать данные из многочисленных систем, помогающих управлять производством, поставками, складом, отношениями с клиентами и прочими направлениями.

Но для чего бизнесу нужна эта информация? Посмотреть отчеты и дать команду все оптимизировать, издержки сократить, а прибыль увеличить? На самом деле, примерно так дело и обстоит, только содержательность управленческих решений полностью зависит от глубины анализа имеющейся информации. И, к сожалению, анализ «плоских» данных, когда рассматриваются цифры только в одном-единственном разрезе, потому что других нет или нужно долго считать, не позволяет гибко управлять компанией.

Если топ-менеджмент волнуют глобальные вопросы, то линейные руководители больше озабочены состоянием дел на своем конкретном направлении. Как изменится прибыль с каждой машины, отправленной контрагентам А и Б в разных регионах, если на 5% повысится цена на топливо? Какие продукты необходимо дозакупить сети кафе с учетом меню, динамики цен, издержек, а также сроков и условий хранения? Нужно ли переводить контакт-центр по обслуживанию покупателей из Москвы в регион - и в какой конкретно, с учетом местных ставок арендной платы, стоимости каналов связи, наличия квалифицированной рабочей силы и размера средней заработной платы? Какой товар нужно выставить рядом с кассой в супермаркете?

Собирая данные из разрозненных приложений, которыми владеют разные подразделения, BI-система выдает корректный ответ в едином формате. По сути, она предоставляет в наглядном виде информацию о том, что происходит в бизнесе по выбранному направлению и что будет происходить при заданных аналитиком условиях. Более того, система помогает правильно ставить вопросы.

Важность BI доказывает тот факт, что этими системами занимаются ведущие мировые поставщики ИТ, в числе которых IBM, Microsoft, Oracle, SAP, SAS, QlikTech и другие. По сути, на многомерных данных, которыми оперирует BI, строится вся аналитическая отчетность компаний.

Какие же конкретные задачи решают BI-системы? Топ-менеджер видит с их помощью прибыльные и убыточные направления бизнеса, динамику доходов и расходов. Получая необходимые данные по определенным срезам, он может обоснованно предсказывать развитие ситуации по направлениям и принимать решения.

Отдел продаж имеет инструмент для планирования и оценки выполнения планов. В отчетах видна эффективность каждого менеджера и динамика продаж каждому клиенту. Анализ позволяет также выявить зависимость продаж от ряда сопутствующих факторов: сезона, наличия конкурентов в определенном районе и др.

Ответы на эти вопросы, как правило, нужны быстро и без участия ИТ-службы. Для решения таких задач и существуют системы BI (Business Intelligence). Это давно и активно развивающийся класс приложений, позволяющих взять все значимые для бизнеса параметры и строить по ним аналитические отчеты самостоятельно, мгновенно и в любом разрезе.

Финансисты могут использовать BI-систему для планирования бюджетов, получать консолидированную финансовую отчетность, анализировать с помощью системы движение денежных средств, контролировать погашение кредитов заемщиками.

Руководители производственных подразделений и логисты используют бизнес-аналитику для разработки производственного плана, управления поставками, складскими запасами, отношениями с поставщиками, для анализа маршрутов движения транспортных средств и т. д.

Как только бизнес достигает масштабов, при которых таблицы Excel перестают считаться аналитикой, потому что не помогают ориентироваться в многомерном мире, он задается вопросом, какую систему аналитики использовать. Впрочем, как мы упоминали в самом начале, бизнес любит конкретику. И вопрос на самом деле звучит примерно так: «Как изменится моя прибыль, если изменится одно или несколько условий деятельности, и кто поможет мне решить, что нужно предпринять для ее увеличения?» За ответом стоит обратиться к BI.

В России к решениям на базе BI-систем обращаются компании из разных секторов экономики. По оценке главного редактора аналитического издания TAdviser Александра Левашова, наиболее востребованны BI-системы у заказчиков из финансового сектора, торговли и госсектора. Также эти решения пользуются спросом у представителей фармацевтической отрасли, пищевой промышленности, применяются в энергетике и телекоммуникационном сегменте.

Дмитрий Глушков, консультант аналитического отдела компании Softline, также обращает внимание на отраслевую специфику спроса на BI: «Наибольшее количество BI-проектов реализуется сейчас в трех отраслях: финансовом сегменте, ритейле и госсекторе. При этом в каждом из сегментов бизнес-аналитика дает возможность решать специфические задачи.

Например, банкам и страховым компаниям BI-системы позволяют автоматизировать процессы сбора и формирования отчетности, предоставляя топ-менеджерам оперативную информацию об основных показателях деятельности организаций. Это дает возможность быстро принимать необходимые решения для максимизации финансовых показателей.

Сегменту розничной торговли аналитические инструменты также предоставляют множество возможностей применения. Это анализ продаж, отчеты типа like-for-like, визуализация данных на различных географических картах, анализ продуктовой корзины.

Что касается госсектора, то здесь характерными являются запросы на реализацию механизмов прогнозирования, автоматизацию процессов бюджетирования, построение инструментов для мониторинга различных показателей».

Отличается ли российский рынок BI от западного? По мнению Александра Левашова, нет серьезных отличий с точки зрения проникновения или потребления BI-решений. Важной особенностью является то, что в нашей стране развита собственная экспертиза в области разработки программного обеспечения для бизнес-аналитики (речь о компании «Прогноз»). Мало какая страна может похвастаться этим.

Маркетологи приобретают инструмент для конкретного, в цифрах, анализа рынка в целом и по секторам, изучения конкурентов, поведения покупателей, прогнозирования спроса и предложения, определения самых эффективных инструментов продаж и анализа эффективности маркетинговых акций.

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. Примером BI-приложения является информационная система руководителя EIS.

Инструменты генерации запросов и отчетов

Генераторы запросов и отчетов - типично «настольные» инструменты, предоставляющие пользователям доступ к базам данных, выполняющие некоторый анализ и формирующие отчеты. Запросы могут быть как незапланированными (ad hoc), так и иметь регламентный характер. Имеются системы генерации отчетов (как правило, серверные), которые поддерживают регламентные запросы и отчеты. Настольные генераторы запросов и отчетов расширены также некоторыми облегченными возможностями OLAP. Развитые инструменты этой категории объединяют в себе возможности пакетной генерации регламентных отчетов и настольных генераторов запросов, рассылки отчетов и их оперативного обновления, образуя так называемую корпоративную отчетность (corporate reporting). В ее арсенал входят сервер отчетов, средства рассылки, публикации отчетов на Web, механизм извещения о событиях или отклонениях (alerts). Характерные представители - Crystal Reports, Cognos Impromptu и Actuate e.Reporting Suite.

OLAP или развитые аналитические инструменты

Инструменты OLAP являются аналитическими инструментами, которые первоначально были основаны на многомерных базах данных (МБД) .МБД - это базы данных, сконструированные специально для поддержки анализа количественных данных с множеством измерений, содержат данные в «чисто» многомерной форме. Большинство приложений включают измерение времени, другие измерения могут касаться географии, организационных единиц, клиентов, продуктов и др. OLAP позволяет организовать измерения в виде иерархии. Данные представлены в виде гиперкубов (кубов) - логических и физических моделей показателей, коллективно использующих измерения, а также иерархии в этих измерениях. Некоторые данные предварительно агрегированы в БД, другие рассчитываются «на лету».

Средства OLAP позволяют исследовать данные по различным измерениям. Пользователи могут выбрать, какие показатели анализировать, какие измерения и как отображать в кросс-таблице, обменять строки и столбцы «pivoting», затем сделать срезы и вырезки («slice&dice»), чтобы сконцентрироваться на определенной комбинации размерностей. Можно изменять детальность данных, двигаясь по уровням с помощью детализации и укрупнения «drill down/ roll up», а также кросс-детализации «drill across» через другие измерения.

Для поддержки МБД используются OLAP-серверы, оптимизированные для многомерного анализа и поставляемые с аналитическими возможностями. Они обеспечивают хорошую производительность, но обычно требуют много времени для загрузки и расширения МБД. Поставляются с возможностью «reach-through», позволяя перейти от агрегатов к деталям в реляционных БД. Классический OLAP-сервер - Hyperion Essbase Server.

Сегодня реляционные СУБД применяются для эмуляции МБД и поддерживают многомерный анализ. OLAP для реляционных БД (ROLAP) имеет преимущество по масштабируемости и гибкости, но проигрывает по производительности многомерному OLAP (MOLAP), хотя существуют методы повышения производительности, наподобие схемы «звезда». Несмотря на то что МБД являются по-прежнему наиболее подходящими для оперативной аналитической обработки, сейчас эту возможность встраивают в реляционные СУБД или расширяют их (например, MS Analysis Services или Oracle OLAP Services - это не то же самое, что ROLAP).

Также существует гибридная оперативная аналитическая обработка данных (HOLAP) для гибридных продуктов, которые могут хранить многомерные данные естественным образом, а также в реляционном представлении. Доступ к МБД осуществляется с помощью API для генерации многомерных запросов, тогда как к реляционным БД доступ производится посредством запросов на SQL. Примером ROLAP-сервера является Microstrategy7i Server.

Настольные OLAP-инструменты (например, BusinessObjects Explorer, Cognos PowerPlay, MS Data Analyzer), встроенные сейчас в EBIS, облегчают конечным пользователям просмотр и манипулирование многомерными данными, которые могут поступать из серверных ресурсов данных ROLAP или MOLAP. Некоторые из этих продуктов имеют возможность загружать кубы, так что они могут работать автономно. Как часть EBIS эти настольные инструменты оснащены возможностями серверной обработки, которые выходят за пределы их традиционных возможностей, но не конкурируют с MOLAP-инструментами. Настольные инструменты по сравнению с MOLAP-средствами имеют небольшую производительность и аналитическую мощь. Нередко обеспечивается интерфейс через Excel, например, MS Eхcel2000/OLAP PTS, BusinessQuery for Excel. Практически все OLAP-инструменты имеют Web-расширения (Business Objects WebIntelligence к примеру), для некоторых они являются базовыми.

Корпоративные BI-наборы

EBIS - естественный путь для предоставления BI-инструментов, которые ранее поставлялись в виде разрозненных продуктов. Эти наборы интегрируются в наборы инструментов генерации запросов, отчетов и OLAP. Корпоративные BI-наборы должны иметь масштабируемость и распространяться не только на внутренних пользователей, но и на ключевых заказчиков, поставщиков и др. Продукты BI-наборов должны помогать администраторам при внедрении и управлении BI без добавления новых ресурсов. Из-за тесного родства Web и корпоративных BI-наборов некоторые поставщики описывают свои BI-наборы как BI-порталы. Эти портальные предложения обеспечивают подмножество возможностей EBIS с помощью Web-браузера, однако поставщики постоянно увеличивают их функциональность, приближая ее к возможностям инструментов для «толстых» клиентов. Типичные EBIS поставляют Business Objects и Cognos.

BI-платформы

BI-платформы предлагают наборы инструментов для создания, внедрения, поддержки и сопровождения BI-приложений. Имеются насыщенные данными приложения с «заказными» интерфейсами конечного пользователя, организованные вокруг специфических бизнес-проблем, с целевым анализом и моделями. BI-платформы, хотя и не так быстро растут и широко используются как EBIS, являются важным сегментом благодаря ожидаемому и уже происходящему росту BI-приложений. Стараниями поставщиков реляционных СУБД, создающих OLAP-расширения своих СУБД, многие поставщики платформ, которые предоставили многомерные СУБД для OLAP, чтобы выжить были вынуждены мигрировать в область BI-приложений. Семейства продуктов СУБД, обеспечивающие возможности BI, действительно подталкивают рост рынка BI-платформ. Отчасти это происходит благодаря большей активности ряда поставщиков СУБД.

Рассматривая различные инструменты, видим, что EBIS являются высоко функциональными средствами, но они не имеют такого большого значения, как BI-платформы или заказные BI-приложения. Зато BI-платформы обычно не так функционально полны, как корпоративные BI-наборы. При выборе BI-платформ нужно учитывать следующие характеристики: модульность, распределенную архитектуру, поддержку стандартов XML, OLE DB for OLAP, LDAP, CORBA, COM/DCOM и обеспечение работы в Web. Они должны также обеспечивать функциональность, специфическую для бизнес-интеллекта, а именно: доступ к БД (SQL), манипулирование многомерными данными, функции моделирования, статистический анализ и деловую графику. Эту категорию продуктов представляют фирмы Microsoft, SAS Institute, Oracle, SAP и другие.

BI-приложения

В приложения бизнес-интеллекта часто встроены BI-инструменты (OLAP, генераторы запросов и отчетов, средства моделирования, статистического анализа, визуализации и data mining). Многие BI-приложения извлекают данные из ERP-приложений. BI-приложения обычно ориентированы на конкретную функцию организации или задачу, такие как анализ и прогноз продаж, финансовое бюджетирование, прогнозирование, анализ рисков, анализ тенденций, «churn analysis» в телекоммуникациях и т.п. Они могут применяться и более широко как в случае приложений управления эффективностью предприятия (enterprise perfomance management) или системы сбалансированных показателей (balanced scorecard).

Разведка данных

Разведка данных (data mining) представляет собой процесс обнаружения корреляции, тенденций, шаблонов, связей и категорий. Она выполняется путем тщательного исследования данных с использованием технологий распознавания шаблонов, а также статистических и математических методов. При разведке данных многократно выполняются различные операции и преобразования над сырыми данными (отбор признаков, стратификация, кластеризация, визуализация и регрессия), которые предназначены:

1) для нахождения представлений, которые являются интуитивно понятными для людей, которые, в свою очередь, лучше понимают бизнес-процессы, лежащие в основе их деятельности;

2) для нахождения моделей, которые могут предсказать результат или значение определенных ситуаций, используя исторические или субъективные данные.

В отличие от использования OLAP разведка данных в значительно меньшей степени направляется пользователем, вместо этого полагается на специализированные алгоритмы, которые устанавливают соотношение информации и помогают распознать важные (и ранее неизвестные) тенденции, свободные от предвзятости и предположений пользователя.

Другие методы и средства BI

Кроме перечисленных инструментов, в состав BI могут входить следующие средства анализа: пакеты статистического анализа и анализ временных рядов и оценки рисков; средства моделирования; пакеты для нейронных сетей; средства нечеткой логики и экспертные системы. Дополнительно нужно отметить средства для графического оформления результатов: средства деловой и научно-технической графики; «приборные доски», средства аналитической картографии и топологических карт; средства визуализации многомерных данных.

Аналитический обзор: BI в России 2009

Аналитики центра TAdviser завершили подготовку открытого обзора рынка платформ для бизнес-анализа (BI), представленных на российском рынке. На этой странице Вы можете прочитать наиболее интересные разделы обзора.

Преимущества использования BI-системы

Системы для бизнес-анализа решают очень широкий спектр задач. Так, «ближним горизонтом» является мониторинг, анализ и корректировка оперативных целей:

поддержка развития бизнес-процессов и структурных изменений предприятия;

возможность моделирования различных бизнес-ситуаций в единой информационной среде;

проведение оперативного анализа по нестандартным запросам;

снижение рутинной нагрузки на персонал и высвобождение времени для более глубокой аналитической работы;

устойчивая работа при увеличении объема обрабатываемой информации, возможность масштабирования.

В части поддержки стратегического развития предприятия BI-системы обеспечивают:

оценку эффективности различных направлений бизнеса;

оценку достижимости поставленных целей;

оценку эффективности использования ресурсов, в том числе дочерними предприятиями;

оценку эффективности операционной, инвестиционной и финансовой деятельности;

бизнес-моделирование и оценку инвестиционных проектов;

управление затратами, налоговое планирование, планирование капитальных вложений.

На сегодняшний день, по оценкам экспертов из Gartner, с BI-приложениями активно работают только 15-20% бизнес-пользователей, остальные же считают системы для бизнес-анализа чересчур сложными для использования. Однако активное развитие средств для интерактивной визуализации данных и дальнейшее распространение интернет-технологий должны будут в скором времени улучшить ситуацию.

По мнению аналитиков компании MiPro Consulting, внедрение в организации самостоятельной BI-системы обеспечивает целый ряд преимуществ перед использованием аналитических инструментов, встроенных в другие корпоративные информационные системы. Среди таких преимуществ BI-системы:

большая наглядность и удобство работы с информацией для бизнес-пользователей, в том числе из числа топ-менеджмента;

возможность использования несколько аналитических решений для различных направлений деятельности в масштабах всего предприятия, а не в рамках отдельных подразделений;

позволяет извлекать, анализировать и консолидировать данные практически из любых источников;

базируется на промышленной, поддерживаемой и развиваемой BI-платформе;

имеет статус самостоятельного, стратегического, критически важного для бизнеса приложения;

обеспечивает необходимую масштабируемость, эффективность, производительность;

позволяет выстраивать и поддерживать в масштабах всей организации сквозные процедуры и процессы обработки, единые централизованные аналитические модели и проекты;

содержит встроенные инструменты для решения различных и разнообразных аналитических задач, как с точки зрения бизнеса, так и с точки зрения ИТ;

обеспечивает доступ к данным и аналитическим инструментам большего числа пользователей.

Использование же аналитических инструментов, встроенных в другие корпоративные информационные системы, например класса ERP или CRM, имеет, как правило, следующие ограничения:

ограниченный набор реализованных аналитических инструментов, одинаковых для всех пользователей, независимо от их ролей и задач;

возможность использования для анализа только собственных, внутренних данных, при этом информация из других систем остается недоступной, а данные из различных источников не могу быть консолидированы;

отсутствие развитых встроенных инструментов для анализа приводит к тому, что система используется лишь для извлечения хранимых в ней данных, которые затем экспортируются и анализируются в Excel;

ERP и CRM системы, как правило, имеют ограниченное число пользователей, что «отсекает» от аналитики большое число сотрудников компании, которым эта информация была бы полезна и интересна (существенное увеличение же числа пользователей снижает производительность транзакционных систем);

транзакционные системы обычно не содержат всех необходимых для проведения анализа показателей, не включают в себя такие инструменты, как информационные панели (dashboards), ставшие уже стандартом для представления аналитической информации;

результаты анализа в таких системах представляются обычно в виде табличных отчетов или диаграмм, что не позволяет получить детального и всестороннего представления о реальном положении дел и не дает ответа на многие возникающие вопросы;

возможности создания гибких пользовательских (ad-hoc) запросов ограничена;

ограничено использование больших объемов накопленной исторической информации.

Выбирая или обновляя систему для бизнес-анализа следует продумать способы хранения и интеграции данных, средства визуализации и аналитики.

Хранение данных

Если перед компанией стоит задача выявления долгосрочных или периодических трендов, то есть пользователям необходимо анализировать исторические данные, поступающие из различных подразделений в течение последних 3-5 лет, то, скорее всего, следует тщательнее продумывать организацию ETL-операций для загрузки данных в хранилища данных.

Если же компании или какому-либо из ее подразделений необходимо анализировать информацию ежемесячно или еженедельно, то оптимальным решением будет выделение и организация для этих целей (для каждого из подразделений или для решения конкретных задач) отдельных витрин данных, также с применением ETL-инструментов.

Если же компания планирует анализировать оперативные данные в режиме, приближенном к реальному времени (то есть обновляемые несколько раз в течение дня), то, возможно, следует отказаться от организации хранилища данных и обратить внимание на проработку средств интеграции на основе промежуточного виртуального слоя метаданных с проработкой соответствующих интерфейсов и алгоритмов (по принципу EII).

Интеграция данных

Как уже отмечалось выше, если целью внедрения BI-системы является решение отдельных, конкретных задач, то целесообразно ограничиться организацией витрин данных. При этом использование никаких отдельных интеграционных алгоритмов не потребуется.

Если же, напротив, BI внедряется с целью получения единого, целостного взгляда на общее состояние бизнеса, то без создания централизованного хранилища данных и, соответственно, внедрения необходимых ETL-инструментов, пожалуй, не обойтись. Кроме того, для получения действительно адекватной картины бизнеса необходимо обратить особое внимание на обеспечение высокого качества анализируемых данных, а для этого потребуется внедрение расширенного набора средств для их «очистки» - выявления неполных или ошибочных данных, дублирующейся информации, приведения данных из различных источников к единому формату.

Если же в компании делают акцент на изучении оперативных данных, то следует продумать средства репликации и обеспечения доступа.

Визуализация и аналитика

В зависимости от поставленных задач, а также от квалификации пользователей, выбираются и средства для визуализации данных – контрольные панели, карты показателей, отчеты, OLAP-кубы.

Для опытных, квалифицированных пользователей оптимальным инструментом станут OLAP-кубы, которые позволят им проводить глубокий и развернутый бизнес-анализ, с необходимой степенью детализации.

Пользователи, которые в своей повседневной деятельности сталкиваются с необходимостью принятия управленческих решений, а также анализа эффективности бизнеса, заинтересованы в организации рабочего места в виде контрольной панели, на которой в виде наглядных шкал и индикаторов отображается состояние бизнеса в целом, с возможностью переключения между отдельными направлениями деятельности.

Рядовым менеджерам необходимы средства для решения своих текущих задач, контроля хода выполнения отдельных видов операций, а также для контроля деятельности своих сотрудников (каждого отдельного работника и команды в целом). Кроме того, для организации четкого взаимодействия со смежными подразделениями (или регионами) необходимо иметь возможность получать представление о ходе выполнения взаимосвязанных задач.

Вертикальное или горизонтальное решение

На рынке существуют как горизонтальные BI-решения, в которых реализован набор общеприменимых инструментов, так и специализированные вертикальные решения, «заточенные» под конкретные отрасли или задачи. И те, и другие имеют свои достоинства и недостатки.

Преимуществом горизонтальных решений может считаться их способность расти вместе с организацией. Такие решения обычно масштабируемы и могут охватывать все направления деятельности и все подразделения крупной компании, а также легче поддаются изменениям. Обратной стороной такой широты возможностей является необходимость более длительной и тщательной настройки решений, адаптации под конкретные требования. Проекты внедрения становятся более дорогостоящими, а требования к ИТ-специалистам – более высокими.

Вертикальные решения, со своей стороны, не требуют отдельной длительной и трудоемкой настройки для решения специфических задач и для соответствия требованиям отраслевых регламентирующих организаций (финансовых, медицинских и т.п.). Однако может оказаться, что различные подразделения в рамках одной структуры не смогут использовать единое решение, и потребуется освоение и интеграция нескольких различных систем для бизнес-анализа.

Те организации, которые и в настоящее время, и в будущем планируют заниматься своей специфической деятельностью, требующей соблюдения определенных строгих регламентов, скорее всего, выиграют именно от внедрения вертикальных решений. Если же уверенности в такой приверженности определенному виду деятельности в будущем нет, и велика вероятность того, что специализация компании значительно расширится, то выбор вертикального BI-решения является определенным риском.