Зрелость BI-решений

Анализ данных имеет несколько принципиальных аспектов:

Анализ данных
  1. Источники и хранилище данных;
  2. Извлечение и представление знаний;
  3. Поддержка принятия решений.

Важной задачей является поиск источников данных и извлечение из них требуемой информации, поскольку от этого зависит результат. Чем больше исходных данных, тем более достоверный и качественный анализ.

Источники данных могут быть внутренними, из собственной информационной системы предприятия. Не менее важными могут быть внешние данные из публичных источников, от партнеров или покупаемые по подписке, например, статистика по определенной отрасли.

BI-технологии от Microsoft

bi-technologies

Современные технологии и профессиональные практики обеспечивают оперативное решение технических задач. На первое место по важности и  сложности выходят задачи по анализу предметной области и системному анализу при разработке решений.

Подходы к построению BI-решений

При построении BI-решения могут быть использованы разные подходы. Если Заказчик не обладает достаточным опытом в области предметного анализа и управления, то приходится идти от имеющихся данных и текущих задач. В таком случае получается техническое решение, при котором может быть сформирован очень большой объем информации, но при этом такая информация недостаточно структурирована и не обеспечивает эффективную и прозрачную поддержку принятия решений.

Другой крайностью является увлечение концепциями и недостаточное внимание к техническим деталям, к тому, как это будет работать на конкретном предприятии. В этом случае можно также получить красивую на презентациях систему, но непонятную для сотрудников, и слабо связанную с реальными задачами.

bi-approaches

Поскольку аналитическая система может быть сложной, но при этом, очень важной для предприятия, опытный разработчик может найти простые и быстрые решения для критических задач. А затем постоянно и последовательно (органично) развивать аналитические решения, четко ориентируясь на цели и приоритеты в деятельности Заказчика.

Если предприятие или рынок, на котором оно работает, стремительно развивается (или наоборот, находится в кризисе), то может быть оправдан реинжиниринг деятельности, т.е. качественная перестройка деятельности для формирования новых возможностей и значительного повышения эффективности. Залог успеха при этом заключается в плотном взаимодействии и взаимной поддержке Заказчика и Разработчика.

Целостная информационная система предприятия с обратной (управляющей) связью

Информационная модель предприятия

Эффективная система анализа данных обеспечивает поддержку принятия решений, позволяет анализировать различные сценарии принятия решений и оценивать результат их выполнения. Для сотрудников обеспечивается четкая постановка целей и определение критериев успешной работы.

Уровни зрелости аналитических решений

В начале создается регламентная отчетность для контроля и оценки деятельности подразделений и сотрудников. Для исследования данных и решения аналитических задач используется Excel, как мощный инструмент персональной аналитики.

Для комплексного и автоматизированного анализа требуется собрать большой объем данных из внутренних и внешних источников. При значительном количестве источников требуется создание единое хранилище данных. Для углубленного анализа на основе хранилища разрабатывают специализированные аналитические модели данных с помощью PowerPivot или OLAP. В простых случаях аналитические модели строятся напрямую из источников данных.

Зрелость BI-решений

Поскольку аналитические данные могут использоваться для разных задач и самым неожиданным образом, невозможно заранее разработать все необходимые отчеты и представления. Поэтому важно обеспечить для пользователя возможность гибкой настройки отчетов с помощью параметров или создания интерактивной визуализации с помощью Excel, Power BI, PerformancePoint и пр. Если анализ данных является основой деятельности предприятия, то потребуется разработка аналитических приложений.

Важной задачей является выявление скрытых закономерностей и прогнозирование, разработка возможных сценариев. Для этого используется мат. статистика (Data Mining), в т.ч. при обработке неструктурированных данных (Big Data).

Для поддержки принятия решений требуется разработка серверных приложений для интеграции аналитической системы с бизнес-приложениями (например, через BPMS или ESB). Также требуется разработка клиентских приложений для экспертов и лиц, принимающих решения для разработки сценариев принятия решений и оценки эффективности их выполнения. Либо можно добавить эти функции в существующие бизнес-приложения.

Концептуальная архитектура аналитической системы

Сбор и консолидация данных из множества источников может быть технически одной из самых сложных и трудоемких задач. Решение этой задачи может состоять из нескольких компонент:

  1. Пакеты интеграции данных (SSIS) — выполняют выгрузку данных из источников и их обработку (операции ETL).
  2. Буфер данных (Stage Db) — вспомогательная база данных, в которой сохраняются данные при выгрузке и подготовке к загрузке в хранилище данных.
  3. Общие справочники (Master Data) — консолидированные данные из разных систем.
  4. Хранилище данных (DWH) — реляционная база данных, спроектированная для анализа данных с поддержкой историчности.

Информационная фабрикаС помощью SQL можно решать любые аналитические задачи, но применение специализированных решений, таких как многомерные базы данных (OLAP) или интеллектуальный анализ данных (Data Mining) может облегчить их техническую реализацию и ускорить выполнение аналитических запросов.

Поддержка принятия решений

Разработка решений по поддержке принятия решений требует глубокого понимания деловых и производственных процессов, сценариев и механизмов принятия решений.

При разработке отчетов, при понимании задач пользователя, как и зачем он использует данный отчет, можно добавить визуальную индикацию или график, который сделает важную информацию наглядной, и тем самым поможет пользователю не проглядеть проблему и вовремя принять необходимое решение.

При разработке специализированного решения основная задача это формализация знаний и разработка механизма логического вывода.

dss

Не менее важной задачей является гибкость и прозрачность работы для пользователя, чтобы он понимал, почему рекомендуется именно такое решение,  мог доверять системе и оперативно настраивать ее работу.

decision-space

Если имеется большое количество оперативных решений, для которых можно разработать определенную систему правил, то для них технически достаточно просто реализовать полную автоматизацию. Это может значительно ускорить рабочие процессы.

Для стратегических решений важно обеспечить полную информационо-аналитическую поддержку, предоставляя, в т.ч. анализ данных по исполнению решений.