2020/06/22 13:04:01

Как технологии Business Intelligence эволюционируют и становятся доступными каждому

Основная задача технологий Business Intelligence (BI) — трансформация больших массивов данных, накапливаемых в процессе деятельности организации, в ценные для бизнеса знания. Технологии не стоят на месте, и в контексте BI эта тенденция тоже имеет место быть. Тем не менее, многие организации не спешат внедрять самые свежие разработки, так как не понимают потенциальной выгоды от большинства новшеств. Благодаря бурному ажиотажу вокруг таких понятий как искусственный интеллект, Big Data и т.д., компаниям сложно разобраться в том, что действительно принесёт пользу, а что окажется малоэффективной тратой на раскрученный маркетологами BI-инструмент. Юрий Сирота, старший вице-президент, руководитель департамента анализа данных банка «Уралсиб», и Андрей Шишов, аналитик данных департамента анализа данных банка «Уралсиб», в статье для TAdviser вносят ясность в эти вопросы, рассматривая эволюцию BI-решений.

Содержание

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.

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