Как технологии Business Intelligence эволюционируют и становятся доступными каждому

Фото - meiokilo.pt

Критерии оценки

Прежде чем перейти к описанию процесса развития BI-решений, необходимо выработать критерии сравнения инструментов бизнес-аналитики. Развитие предполагает улучшение, но в чём оно может выражаться? В чем, самое главное, польза для организации? Отвечая на эти вопросы, мы сформировали четыре критерия оценки качества BI-решений:

• скорость аналитики;
• глубина аналитики;
• ширина аналитики;
• доступность аналитики.

Рассмотрим эти критерии.

Скорость аналитики оценивает временные затраты на подачу пользователю запрашиваемой информации в том или ином виде, а также на её исследование. Например, здесь будут учитываться время на подготовку данных, создание визуализаций и время, затрачиваемое пользователем на исследование предоставленной информации. Очевидно, что скорость аналитики оказывает критическое влияние на способность организации использовать результаты анализа при принятии оперативных решений.
Как DevOps-сервис помогает «разгрузить» высоконагруженные системы BPMSoft 2.1 т

Под глубиной аналитики мы понимаем степень детализации информации. В идеале пользователь должен видеть не только агрегированные показатели, но и иметь возможность спуститься на уровень индивидуальных записей. Видеть верхушку айсберга недостаточно для чёткого понимания бизнес-процессов.

Ширина аналитики измеряет масштаб охвата бизнес-процессов организации аналитической системой. Один отчёт, характеризующий какой-то аспект деятельности в двух-трёх разрезах, можно считать примером узкой аналитики. В то же время система, позволяющая пользователю увидеть влияние десятков факторов на значение ключевых показателей, а также выявить связи между самими показателями, может быть справедливо отнесена к широкой аналитике. В последнем случае пользователь увидит широкую картину, более полно отражающую состояние исследуемого бизнес-процесса.

Доступность аналитики отражает потенциальную вовлечённость работников с разным уровнем технических навыков в процесс анализа данных. Современные BI-решения стремятся упростить взаимодействие так, чтобы любой пользователь, будь то менеджер или аналитик, мог с лёгкостью погрузиться в изучение данных. Сокращение дистанции между потребителем аналитики и знаниями, зарытыми в данных, подразумевает уменьшение числа посредников на этом пути, а это, в свою очередь, означает минимизацию издержек.

Эволюция аналитики

Рост доступности вычислительных мощностей, объёма генерируемых данных и развитие технологий их анализа способствует процессу эволюции аналитики в организации. Несмотря на непрерывность этого процесса, предлагаемые разными вендорами решения можно сгруппировать в три поколения аналитики:

• централизованная;
• децентрализованная;
• демократизированная.

Рассмотрим подробнее этапы эволюции.

1. Первое поколение аналитики — централизованная аналитика — определило стандарты построения отчётности на основе хранилищ данных. До сих пор большинство организаций придерживаются именно централизованной системы аналитики, в рамках которой созданием отчётов занимается специализированная команда ИТ. Аналитик бизнес-подразделения или бизнес-аналитик из ИТ-команды формирует техническое задание для этой команды на основе потребностей конечных пользователей. «Узкое место» такого подхода очевидно: низкая скорость аналитики. Для качественной работы такой системы каждый отчёт или группа однородных отчётов потребует чёткого технического задания, а значит, аналитик должен понимать, какую информацию пользователь ищет и в каком виде ему нужно её предоставить.

Затем ИТ-специалистам потребуется определить источники данных и сформировать витрину данных, на основе которой будет вестись аналитика. В результате небольшое изменение требований может вызвать необходимость полной перестройки витрины и, таким образом, сильно нагрузить ИТ-команду. Налицо также очень низкая доступность аналитики: продукт разрабатывается строго под определённого пользователя (группу пользователей). Так как этот пользователь интересуется определённым аспектом конкретного бизнес-процесса, ширина аналитики тоже оказывается недостаточной.

2. Часть этих проблем удалось решить в результате децентрализации аналитики, что стало возможным благодаря появлению на рынке BI-инструментов, реализующих упрощённую модель взаимодействия пользователя с данными благодаря удобному графическому интерфейсу: доступность аналитики значительно выросла, как и её скорость. Глубина аналитики тоже выросла, так как многие BI-решения способны консолидировать данные автоматически и показывать мельчайшие детали по требованию пользователя. Но ширина остаётся ограниченной ввиду того, что такие BI-решения по-прежнему требуют приведения данных к виду плоской таблицы с заранее продуманной структурой. Добавление новой информации, скажем, из других источников будет невозможно осуществить без перестройки витрины данных, то есть привлечения специалистов с навыками написания сложных SQL-запросов.

3. Наконец, современный этап эволюции BI-решений можно охарактеризовать одним словом — «демократизация». В продуктах этого поколения основной акцент сделан на повышении доступности аналитики до такого уровня, чтобы любой сотрудник, перед которым стоит задача анализа данных, мог приступить к исследованию без помощи технических специалистов и аналитиков. Основная цель — дать возможность каждому сотруднику стать аналитиком без обучения всем присущим такому специалисту навыкам. Он должен с лёгкостью строить новые визуализации и представления самостоятельно. Это, опять же, положительно сказывается на скорости аналитики. Концепция самообслуживания (Self-Service BI), лежащая в сердце процесса демократизации, подразумевает сведение количества персонала, необходимого для разработки и администрирования BI-приложений, до минимума за счёт автоматизации.

Каждое последующее поколение аналитики существенно превосходит предыдущее по всем критериям. Поэтому сомневаться в преимуществах современных BI-решений не приходится.

Концепции аналитики

Рассмотрим важные концепции, присущие современным BI инструментам

• Искусственный интеллект (ИИ) и BI. Встроенный в BI искусственный интеллект позволяет перейти от визуальной дескриптивной аналитики (отчетности) к интегрированной ИИ аналитике, возможности осуществлять предиктивный и предписательный анализ. В организации формируется класс «citizen data scientists» - аналитиков не профессиональных математиков, имеющих инструмент для построения предиктивных моделей. Концепт важен для демократизация ИИ. BI инструмент способен взаимодействовать с математическими языками, такими как R, Python, Go, MatLab.

• Continuous Intelligence - концепт, позволяющий строить отчетность и математические прогнозы в режиме «реального» времени, что дает возможность ускорить принятие решений.

См. также

Обзор BI и Big Data

Big Data - Каталог систем и проектов

Главные тенденции рынка BI в России

Большие данные Big Data (рынок России)

Специалист по работе с большими данными (big data)

Большие данные (Big Data)

Business Intelligence (мировой рынок)

География BI-проектов

Российский BI: отраслевая специфика

Внедрения BI в России: типичные ошибки

Тенденции развития мирового рынка BI