Business Inteligence


Разница между Business Intelligence и Data Science

Модные словечки, востребованная терминология, не совсем понятные определения и совершенно незнакомые лексические единицы. Все вышеуказанное можно применить как к понятию «business intelligence», так и к словосочетанию «data science». Попробуем не только преодолеть трудности перевода, но и разобраться в том, чем разнятся «наука о данных» и «бизнес интеллект».

Business Intelligence: интеллект, разведка, осмысление, аналитика

Многие уверены, что термин «business intelligence» впервые появился на свет в 80-х гг. прошлого столетия, но это не совсем так. Дело в том, что первым этот термин использовал Ханс Питер Лун, исследователь из компании IBM, в далеком 1958 году. А в 1989-ом Говард Дреснер, который позже стал аналитиком в Gartner, дал определение «business intelligence» как тому, что описывает «концепции и методы для улучшения принятия бизнес-решений с использованием систем на основе бизнес-данных».

Давайте прислушаемся к другим экспертам. Так, Джонатан Ву, менеджер компании Netgear, определяет BI как процесс сбора многоаспектной информации о предмете, который исследуется. А вот какую трактовку предложил Институт хранилищ данных (The Data Warehousing Institute): Business intelligence – это процесс превращения данных в знания, а знаний в бизнес-действия для получения выгоды.

BI можно рассматривать не только как процесс, но и как результат процесса получения знаний. Однако если компилировать все определения, которые «дрейфуют» на рынке, можно утверждать, что business intelligence в самом широком смысле этого понятия – это процесс превращения полученных данных в знания о бизнесе, которые используются для принятия улучшенных решений. Кроме того, это еще и информационные технологии сбора данных и их консолидации. И, наконец, BI представляет собой знания о бизнесе, которые добываются путем проведения углубленного анализа данных. Если говорить коротко, то business intelligence – это технологии, анализ и знания.

Data Science: наука о хаосе, приведенном в порядок

С недавних пор наука о данных рассматривается не только как академическая дисциплина, но и как практическая межотраслевая сфера деятельности. Сам термин был предложен Уильямом Кливлендом, профессором университета Пердью, который считается одним из самых больших авторитетов в области статистики, машинного обучения и визуализации данных.

Согласно определению международного совета CODATA (International Council for Science: Committee on Data for Science and Technology), наука о данных представляет собой дисциплину, которая объединяет различные направления статистики, data mining и машинное обучение. Однако наиболее популярное определение дано в статье «Что такое Data Science?» Майка Лукидиса, редактора O’Reilly Media и автора книг об операционных системах, компьютерной архитектуре и программировании. Стоит отметить, что данная трактовка на сегодняшний день является основополагающей. Data Science – это обобщенное название технологий, которые предназначены для производства данных как продукта. Если сравнивать науку о данных с традиционной статистикой, то на первый взгляд может показаться, что между ними нет никаких отличий. Однако Data Science характеризуется комплексным подходом, а data-ученые не изучают данные, а используют их.

Таким образом, мы приходим к выводу, что Data Science изучает проблемы анализа, обработки и использования данных. Это такое фантастическое «ассорти», от которого голова идет кругом: здесь вам и статистика, и интеллектуальный анализ данных, и искусственный интеллект, обрабатывающий большие объемы data, и методы проектирования баз данных, и многое другое.

Ничто не ново под… data-небосводом

Облачные вычисления и другие технические достижения заставили компании сосредоточиться больше на будущем, а не анализировать отчеты на основании данных прошлого. Чтобы получить конкурентные преимущества, компании начали объединять и преобразовывать данные, которые являются частью реальной науки о данных.

В то же время они практикуют Business Intelligence, создавая графики, отчеты и таблицы на базе полученных данных. И хотя между Data Science и Business Intelligence есть большие различия, они в равной степени важны и дополняют друг друга.

Для того чтобы практиковать BI и Data Science, многие компании нанимают специалистов, которые совмещают сразу две должности – BI-аналитиков и дата-сайентистов. Тем не менее, именно здесь и возникает путаница из-за непонимания того, что эти роли требуют различных экспертных знаний.

Несправедливо ожидать, что BI-аналитик может сделать точные бизнес-прогнозы. А это может стать причиной катастрофических последствий для любой компании. Однако, изучив главные различия между BI и наукой о данных, можно научиться подбирать подходящих кандидатов для выполнения определенных задач, которые намерен решить ваш бизнес.

Сфера интересов

С одной стороны, традиционный подход Business Intelligence подразумевает создание инструментальных панелей для отображения исторических данных в соответствии с фиксированным набором ключевых показателей эффективности. Отсюда делаем вывод, что BI больше полагается на отчеты, современные тренды и ключевые показатели эффективности (KPI).

С другой стороны, наука о данных больше фокусируется на предсказании того, что в конечном итоге может случиться в будущем. Таким образом, дата-сайентисты больше сосредоточены на изучении закономерностей и различных моделей, а также на нахождении корреляций для бизнес-прогнозов.

Например, компаниям, занимающимся корпоративным тренингом, нужно предсказывать растущую потребность в новых видах обучения, основываясь на существующих шаблонах и требованиях корпоративных компаний.

Анализ и качество данных

BI требует от аналитиков умения сосредотачиваться не только на настоящем и будущем, но и заглядывать в прошлое – то есть активно использовать исторические данные. Поэтому анализ BI-аналитиков является в большей степени ретроспективным. Фокус Business Intelligence – это абсолютно точные данные, основанные на том, что на самом деле произошло в прошлом.

Например, ежеквартальные результаты компании формируются из реальных данных о ведении бизнеса на протяжении последних трех месяцев. Ошибки в этом случае попросту невозможны, потому что отчетность носит описательный характер и не может быть субъективной.

Что касается науки о данных, то дата-сайентисты должны использовать предиктивную и директивную аналитику. Они обязаны довольно точно предсказывать то, что должно произойти в будущем, используя вероятности и уровни уверенности.

То, как компания будет выполнять необходимые действия на основе предиктивного анализа и прогнозов на будущее, не может базироваться на простых догадках. Конечно, наука о данных не может быть точной на 100%, но она должна быть «достаточно хороша» для бизнеса, чтобы принимать своевременные решения и действия, а также обеспечивать необходимые результаты.

Идеальный пример науки о данных в действии – оценка прибыли компании в следующем квартале.


Источники и преобразование данных

Business Intelligence – это заблаговременное планирование и подготовка к использованию правильной комбинации источников данных для их преобразования. Чтобы получить соответствующие инсайты о клиентах, деловых операциях и продуктах, Data Science в состоянии на лету преобразовывать данные, используя те источники информации, которые доступны по требованию.

Потребность в смягчении

BI-аналитики не должны смягчать любые неопределенности, окружающие исторические данные, так как они основаны на реальных ситуациях. Такие данные точны и не предполагают каких-либо вероятностей.

А вот в случае науки о данных существует необходимость смягчения разного рода неопределенностей. Для этого дата-сайентисты используют различные аналитики и методы визуализации, которые помогают выявить неопределенности в данных. В конечном счете, они используют соответствующие методы преобразования данных для их конвертирования в работоспособный формат, который можно легко объединить с другими источниками данных.

Процесс

При помощи BI процесс преобразования данных не может быть мгновенным – это довольно медленная процедура, включающая предварительное планирование и сравнительный анализ. Этот процесс повторяется ежемесячно, ежеквартально или ежегодно, потому такую аналитику нельзя назвать «многоразовой».

Дата-сайентисты могут мгновенно преобразовывать данные с помощью прогнозных приложений, которые умеют предсказывать будущее на основе определенных комбинаций данных. Это довольно быстрый процесс, который во многом состоит из экспериментирования.

Нужны ли вам отчеты за последние пять лет, или вас интересуют будущие бизнес-модели – BI и наука о данных необходимы для любого бизнеса. А имея представление о том, чем отличаются друг от друга Business intelligence и Data Science, вы сможете принимать более обоснованные решения, которые обязательно приведут к успеху в бизнесе.

Business Inteligence

Business intelligence — (BI) refers to technologies, applications and practices for the collection, integration, analysis, and presentation of business information and sometimes to the information itself. The purpose of business intelligence a term that dates at least… … Wikipedia

Business Intelligence 2.0 — (BI 2.0) is a loose term referring to some new (2006 7) trends and advances in Business Intelligence (BI). The 2.0 version number alludes to version numbers assigned to software even though it is only an abstract concept not a specific… … Wikipedia

Business Intelligence — Der Begriff Business Intelligence (deutsch etwa betriebswirtschaftliche Erkundung oder Geschäftsaufklärung), Abk. BI, wurde Anfang bis Mitte der 1990er Jahre populär und bezeichnet Verfahren und Prozesse zur systematischen Analyse (Sammlung,… … Deutsch Wikipedia

Business-Intelligence — Der Begriff Business Intelligence (engl. etwa Geschäftsanalytik Abk. BI) wurde Anfang bis Mitte der 1990er Jahre populär und bezeichnet Verfahren und Prozesse zur systematischen Analyse (Sammlung, Auswertung und Darstellung) von Daten in… … Deutsch Wikipedia

Business Intelligence — Informatique décisionnelle Pour les articles homonymes, voir DSS et BI. L’informatique décisionnelle (Management du système d information, en anglais : DSS pour Decision Support System ou encore BI pour Business Intelligence) désigne les… … Wikipédia en Français

business intelligence — noun Any information that pertains to the history, current status or future projections of a business organization … Wiktionary

business intelligence — / bɪznɪs ɪnˌtelɪdʒ(ə)ns/ noun information that may be useful to a business when it is planning its strategy … Marketing dictionary in english

Business Intelligence — Sammelbegriff für den IT gestützten Zugriff auf Informationen, sowie die IT gestützte Analyse und Aufbereitung dieser Informationen. Ziel dieses Prozesses ist es, aus dem im Unternehmen vorhandenen Wissen, neues Wissen zu generieren. Bei diesem… … Lexikon der Economics

Business intelligence tools — are a type of application software designed to report, analyze and present data. The tools generally read data that have been previously stored often, though, not necessarily, in a data warehouse or data mart. Types of business intelligence tools … Wikipedia

Business Intelligence (BI)

Внедрение BI-технологий в различные программные продукты является новым и перспективным подходом к управлению данными и знаниями компании.

Впервые о таком понятии, как «business intelligence» заговорили в 1958 году. Ханс Питер Лун в своей статье «Возможность понимания связей между представленными фактами» сделал первые попытки дать определение этому понятию. В 1989 году Говард Дреснер определил «business intelligence», как инструмент описания процесса, включающего в себя доступ к информации и ее анализ «для улучшения принятия бизнес-решений с использованием систем на основе бизнес-данных».

Институт Исследования Хранилищ данных (The Data Warehousing Institute , TDWI) определяет BI, как средство, которое «имеет отношение к процессу превращения данных в знания, а знаний в действия бизнеса для получения выгоды» и «Является деятельностью конечного пользователя, которую облегчают различные аналитические и групповые инструменты и приложения, а также инфраструктура хранилища данных».

С каждым годом количество информационных систем, построенных на основе BI-технологии, растет.

Согласно первоначальным определениям, BI — это процесс анализа информации, выработки интуиции и понимания для улучшенного и неформального принятия решений бизнес-пользователями, а также инструменты для извлечения из данных значимой для бизнеса информации. Надо отметить, что большинство определений трактуют «business intelligence» как процесс, технологии, методы и средства извлечения и представления знаний.


Business Intelligence (BI) — это процесс, технологии, методы и средства исследования, анализа, извлечения и представления информации и знаний, необходимые для принятия улучшенного, неформального управленческого решения. Часто сами бизнес-знания также называют BI, хотя это и не совсем правильно.

Технологии BI помогают конечному пользователю в его деятельности и в основе данной технологии лежит организация доступа пользователей к информации и знаниям компании, а также анализ бизнес данных. Знания, основанные на данных (data-based knowledge), получаются из данных с использованием инструментов BI и процесса создания и ведения хранилища данных.

BI порождает итерационный процесс бизнес-пользователя, включающий доступ к данным и их анализ, и тем самым проявление интуиции, формирование заключений, нахождение взаимосвязей, чтобы эффективно изменять предприятие в положительную сторону.

· процесс превращения данных в информацию и информации в знания для поддержки принятия решений

· методы и средства сбора и объединения данных

· методы и средства обеспечения доступа к информации и знаниям

· инструмент для углубленного анализа данных бизнеса

· сами добытые знания о бизнесе

В процессе преобразования информации в знания в роли структур хранения данных выступают хранилища данных, а для представления этого знания пользователям инструменты BI.

BI помогает конечному пользователю, в том числе и не обладающего широкими знаниями в области ИТ, получить доступ к огромному количеству бизнес-данных для синтезирования из них информации и дальнейшего углубленного, детального анализа.

Сегодня BI-инструменты превращаются в нечто гораздо большее, чем просто анализ данных с помощью OLAP. Несмотря на то, что многие организации продолжают использовать OLAP-инструменты в качестве генераторов отчетов, все большее число компаний начинают обращаться к различным технологиям BI, получая конкурентное и стратегическое преимущества.

По мере того, как компании, пытаясь улучшить взаимодействие с клиентами и поставщиками, преобразуют свой бизнес, применяя технологии электронной коммерции, автоматизированные клиентские места и интегрированные цепи поставок, только технологии BI смогут помочь понять операции электронного бизнеса. Мир е-бизнеса — это сфера «продвинутого», стратегического BI. Кликстрим-анализ и Web-аналитика бесполезны, если они не интегрированы с оперативной информацией и данными о клиенте.

Первое поколение BI-инструментов было предназначено для реализации требований, предъявляемых бизнес-подразделениями: осуществлять текущий контроль. Эти требования включали обеспечение бизнес-менеджеров и других работников информацией, которой необходимо владеть, чтобы выполнять свои обязанности. Как правило, под «информацией, которой необходимо владеть» подразумевались, во-первых, данные, подлежащие анализу, а, во-вторых, то, как они представлялись с помощью BI-инструмента. Менеджеры компаний формулировали эти требования и часто оставались довольны возможностями, которые им предоставляла технология OLAP при задании нерегламентированных запросов.

Стратегическое BI отвечает на такие вопросы, которые руководство даже не знает, как и сформулировать.

Их примером могут служить следующие вопросы: каким образом можно увеличить доходы? Каковы имеющиеся бизнес-перспективы? Каковы текущие убытки и как их можно избежать? Есть ли возможность сократить расходы? Стратегическое BI предоставляет информацию, которая поможет руководству ответить на эти вопросы.

BI обычно помогает конечному пользователю (специалисту, менеджеру, зачастую не обладающему большими знаниями в области информационно-коммуникационных технологий) получить результат углубленного детального анализа бизнес-данных.

Всех пользователей BI можно разделить на опытных пользователей (составляют 20% от численного состава компании) и обычных пользователей (80% от численного состава). Опытные пользователи – это бизнес-аналитики, занимающиеся анализом информации и созданием всевозможных отчетов. Они активно используют всевозможные аналитические инструменты и приложения, облегчающие их деятельность. Опытные пользователи способны использовать новые технологии, в т.ч. и BI, если технологии действительно помогают. Опытные пользователи всегда готовы учиться новому. Обычные пользователи мало интересуются инструментами, позволяющими создавать для них отчеты. Инструменты BI для них слишком сложны. Но это не означает, что рядовые сотрудники не должны пользоваться результатами BI приложений – производители таких инструментов должны предлагать простые и доступные решения, результаты которых позволят и этой группе сотрудников стать полноценными потребителями BI инструментов.

Первоначально BI инструменты создавались для удовлетворения потребности именно опытных пользователей, а не руководителей и рядовых работников. Поэтому обычным сотрудникам и менеджерам для использования BI инструментов требовалось серьезное и долгое специальное обучение, что серьезно повышало общие расходы на BI. При этом надо отметить, что стоимость BI инструментов очень велика, что является препятствием на пути внедрения BI даже в крупные компании, не говоря уже про малый бизнес.

Но, сегодня производители стали активно упрощать свои программные комплексы и настраивать их под обычных пользователей, которые хотят всего лишь заниматься мониторингом ключевых показателей эффективности, рассматривать и анализировать данные. Многие разработчики сделали свои продукты привлекательными (модули отчетов для конечных пользователей, авторизация тонких клиентов, инструментальные и оценочные панели, графические интерфейсы, поиск по ключевым словам, развитая визуализация, предоставление программного обеспечения в виде услуги).

Ключом к проникновению BI во все сферы деятельности компании является привлечение клиентов и активное использование ими приобретенных инструментов. Эта, казалось бы, простая идея очень сложна, если учесть все факторы, которые делают BI-инструмент простым в использовании. Поэтому на сегодняшний день средний процент активных BI-пользователей составляет всего лишь 24%.

Не нашли то, что искали? Воспользуйтесь поиском:

Как управлять компанией с помощью Business Intelligence

На большинстве предприятий по-прежнему падают продажи и производство, дорожают кредитные ресурсы, уменьшается потребление. Все это требует проведения срочных изменений в компании, и в частности, сокращения затрат. Именно поэтому, сейчас от управленца требуется использование при этом современного ИТ- инструментария. Можно даже сказать, что использование современных аналитических систем (Business Intelligence) является сегодня одним из условий выживания компании.

Очень важная для вас статья:  Лучшие рождественские ярмарки и фестивали в Ванкувере 2018

Business Intelligence — управление на основе информации

Еще в восьмидесятых годах прошлого века появились первые аналитические приложения, которые предназначались для поддержки принятия решений. Эти инструменты серьезно отличались от транзакционных учетных приложений, которые в первую очередь были сконцентрированы на операционной деятельности. Тот объем информации, который был сформирован благодаря использованию таких систем, дал серьезный импульс развитию нового класса приложений предназначенных для поддержки принятия решений менеджментом. Эти системы были названы системами оперативной аналитической обработки (Online Analytical Processing, OLAP). Уже в начале девяностых годов компания Gartner Group, ввела термин бизнес-аналитика, который сегодня широко используется для обозначения аналитических приложений.


«Business Intelligence (BI) превратилась в стратегическую инициативу, и теперь ИТ-директора и руководители бизнеса признают ее как средство повышения эффективности работы и инновационности предприятий», — считает вице-президент Gartner по исследованиям Андреас Биттерер.
По результатам опроса, проведенного этой компаний, в котором приняли участие более тысячи руководителей информационных служб, бизнес-аналитика была признана приоритетной технологией в 2008 году. При этом интерес к бизнес-аналитике сохраняется уже боле трех лет подряд. И только этот год показал изменение тренда интереса к данной теме, в 2009 году бизнес-аналитика стала восьмой с точки зрения приоритетов, и это связано с тем, что большинство зарубежных компаний уже включили данный инструмент в практику своей деятельности.

Однако российская практика применения BI-инструментария пока находится в зачаточном состоянии, и ближайшие пару лет можно не беспокоиться о спаде интереса к этим технологиям. Ведь, к сожалению, несмотря на достаточно высокий уровень существующей автоматизации российских компаний, большинство генеральных директоров еще пока не имеют компьютера на своих рабочих местах, и уж точно не принимают решения на основе анализа информации из аналитических систем. Внедренные во многих компаниях ERP-системы дали возможность планировать ресурсы компании и сделать ее прозрачнее. Но от этого принятие решений на высшем уровне не стало проще, и все еще важнейшим является такое качество руководителя, как интуиция.

Как не странно, но основным результатом прошедшего бума автоматизации российских компаний являются затраты в миллионы долларов, при этом стратегические решения все также принимаются по старинке. Многие генеральные директора сейчас задают вопрос: «Мы потратили не один миллион на автоматизацию, но почему я не вижу осязаемых результатов в моей деятельности». В большинстве случаев это связано с тем, что во многих компаниях есть ответственный за информационные технологии – директор по ИТ, но нет ответственного за информацию. Ведь сейчас в большинстве компаний накоплены «океаны информации», и для того чтобы ее обработать и применить для поддержки принятия решений необходимы специализированные технологии — Business Intelligence.

Практика показывает, что в настоящее время с огромной скоростью растет объем хранимой и анализируемой информации во всех отраслях, при этом некоторые из них можно назвать явными лидерами. В банках, страховых компаниях, телекоммуникационных компаниях и розничной торговле объем обрабатываемых данных исчисляется терабайтами, а от правильности использования этих данных зависит уровень удовлетворения требований клиентов, а значит и конкурентные преимущества. Те, кто первые смогут преобразовать накопленные данные в информацию необходимую для принятия взвешенных решений смогут победить в конкурентной борьбе.

тоже время вместе с объемом информации растет и скорость ее генерации, а также ее разнообразие, что требует стратегического подхода к управлению информацией и внедрению BI инструментов. Ведь выбирая технологии для решения сегодняшних задач без учета будущих потребностей, можно столкнуться с их негодностью уже через пару лет. Еще одной сложностью для большинства компаний является низкое качество данных, а значит и недостаточная достоверность получаемой информации. Ведь если информацию вносить в систему раз в месяц и из недостоверных источников, то и решение, принятое на основе такой информации, скорее всего, будет уже «посмертным». В такой ситуации невозможно работать по старинке, рано или поздно понадобятся специализированные инструменты верификации и анализа информации.

Именно поэтому, аналитическая компания Gartner уже несколько лет отмечает общемировой интерес к аналитическим приложениям, а на российском рынке наблюдается огромное число проектов по внедрению данных инструментов. Это связано с тем, что от внедренных ERP-систем пока нет той отдачи, на которую все рассчитывали. И сейчас только BI технологии позволяют автоматизировать сбор и анализ информации, а также представление ее в виде удобном для менеджмента.

Задачи анализа информации настолько разнообразны, что помимо отраслевой специализации BI инструменты имеют различия по классу решаемых задач. При этом, как бы ни хотелось решить все задачи единым и универсальным BI инструментом – это невозможно. В настоящее время на российском рынке сейчас присутствует множество различных BI инструментов, закрывающие те или иные потребности компаний. Однако, покупка BI — инструмента, часто не дает ожидаемых результатов, ведь нужно не только купить инструментарий и развернуть его в своей компании, но и много времени уделить качеству существующих данных и способам их верификации. К сожалению, во многих компаниях сейчас еще нет той единой версии правды, которая необходима для принятия решения.

Именно поэтому, покупка инструментов Business Intelligence (BI) не приведет компанию к успеху. Для эффективного внедрения BI-инструментов в компании необходимо создать соответствующие условия, и в первую очередь это поддержка руководителей. Ведь пользователями данных приложений должны быть первые лица компании, и если этого не будет, то инструменты, скорее всего, будут «пылиться на полке». Переломить привычку управлять по старинке, вот что нужно сделать в компании, а это не так просто.
Помимо изменений в управлении, необходимо согласование мероприятий по использованию BI-инструментов с существующей бизнес- стратегией компании.

Что и когда измерять? На каких показателях основывать стратегические и тактические решения? Кто отвечает за конкретные показатели? Без ответов на эти вопросы внедрение и развитие BI-инструментов может пойти неправильным путем.

И конечно для быстрого и эффективного развертывания технологий бизнес-анализа необходимо определение ответственного сотрудника и соответствующего центра компетенции, иначе ничего не выйдет. Ведь чтобы собрать воедино все потребности множества функциональных заказчиков и создать соответствующую информационную инфраструктуру, необходимо постоянная работа и принятие многих управленческих решений на уровне первых руководителей. Стратегия использования BI должна проходить сквозь всю компанию и начинаться от процессов сбора первичных данных и заканчиваться процессами принятия стратегических решений, иначе доверия к получаемой информации не будет, а значит, при принятии решений аналитическая информация не будет использована.

Внедрение Business Intelligence

Фактически для успешного внедрения BI-технологий в компании необходимо создание BIG team – Business Intelligence Governance, – т.е. центра компетенции по управлению информацией на уровне всей компании. Создание такого центра компетенции по BI позволяет централизовать ответственность и компетенцию за управление информацией в компании, а также навести порядок среди используемых BI инструментов.

Центр компетенции по BI может иметь стандартную структуру в которой объединяются бизнес- заказчики и сотрудники, зона ответственности которых лежит в области управления информационными технологиями и информацией (ИТ-директор, архитектор информации, бизнес-аналитики и т.д.). При этом в качестве основных задач центра компетенции можно выделить следующие: управление потребностями бизнес -заказчиков, выбор технологий управления информацией, методологическое руководство, стандартизация работ и используемых технологий, накопление компетенции, управление качеством данных.

Способы организации такого центра компетенции тоже могут быть разные:
· функциональное подразделение, подчиняющееся ИТ-подразделению;
· подразделение, подчиняющееся операционному управлению;
· распределенная структура с подчинением генеральному директору;
· виртуальная организация.

Форма организации может быть любая, главное чтобы в компании появились ответственные за управление информацией и бизнес-анализ. По информации компании Gartner, наиболее часто BIG team находится в ИТ-подразделении, что не всегда позволяет придать нужные приоритеты данным работам. Ведь создание такого центра компетенции в первую очередь необходимо для централизации ответственности за управления информацией и использование BI приложений. Поэтому наиболее эффективно, если центр компетенции будет подчиняться напрямую генеральному директору или его заместителю. При этом основополагающим вопросом, с точки зрения эффективности созданного подразделения, является присвоение ему соответствующих полномочий. На практике данные структуры существуют не более чем в одном проценте российских компаний, что еще раз подтверждает невысокую зрелость российского менеджмента в области управления информацией.

Для понимания стратегии развития данного направления первым результатом работы созданного центра компетенции должна стать стратегия в области управления информацией и использования инструментов бизнес-анализа. Без такого системного взгляда есть большая вероятность, что бизнес — заказчики будут использовать различные BI-инструменты с пересекающейся функциональностью, что в свою очередь увеличит затраты, и не позволит получить ожидаемые преимущества. Сейчас нет смысла тратить деньги без определения четкой стратегии развития, иначе возникнет зоопарк BI — приложений, который будет неуправляем.

Существующие сейчас тенденции развития рынка BI приложений заключаются в росте отраслевой и функциональной специализации BI платформ, а также к увеличению их числа. Таким образом, со стороны компании необходимо четкое понимание своих потребностей и выбор соответствующих BI-приложений, при этом учитывая рост числа пользователей BI-инструментов в компании, это становится все более и более критичным.

Как уже отмечалось, прошедшая волна внедрений ERP систем в российских компаниях создала платформу, на основании которой, с помощью BI-инструментов, можно и нужно выбрать необходимую для принятия решений информацию. Поэтому, с ухудшением внутренней ситуации, компании обратили внимание на вопросы своей внутренней организации и эффективности, и начали активно использовать BI приложения, которые раньше скорее были игрушкой бизнес-аналитиков, чем реальным инструментом.
Одной проблемой, которая сейчас требует решения при внедрении BI- инструментов — качество данных в компании. Аналитическая компания Gartner предлагает следующую классификацию в качества данных по уровням: оптимизированный, управляемый, упреждающий, реактивный, осведомленный. При этом чем выше качество данных в компании, тем больше выгода для бизнеса, что в свою очередь позволяет перейти от управления на основе интуиции к управлению на основе хорошего ощущения.

Преимущества Business Intelligence

В качестве преимуществ использования BI приложений можно выделить следующие. Прежде всего, Business Intelligence (BI) снижает расходы на управление информацией, поскольку избавляет от избыточных процессов извлечения данных и существующего дублирования информации. Системы BI экономят время сотрудников за счет более эффективной обработки информации, а возможность анализировать большие массивы данных позволяет уменьшить число сотрудников требуемых для обработки информации.

По мере развертывания средств бизнес-анализа в компании, пользователи начинают выполнять анализ и делать прогнозы, и тогда преимущества BI- приложений становятся еще заметнее. Например, применение Business Intelligence (BI) на стратегическом уровне может позволить выйти на новый рынок, изменить направление развития компании или выпустить новую линию услуг.
С точки зрения развития BI-приложений, тренд развития этих систем направлен на усиление специализации. Уже появились системы анализа бизнеса в реальном времени Business Activity Monitor (BAM), которые позволяют предоставлять для принятия решений данные, которые появились несколько минут назад. Эти системы оказывают значительную помощь среднему уровню менеджмента, поскольку позволяют поддерживать принятие оперативных решений. Также в отдельный класс выделились системы анализа бизнес-процессов – Process Intelligence, которые позволяют осуществлять контроль и анализ (контроллинг) исполняемых бизнес-процессов, а также анализ организационной эффективности сотрудников.

Такое пересечение технологий управления бизнес-процессами (Business Process Management) и систем бизнес-анализа (Business Intelligence) позволяют не просто увидеть проблему, но и найти ее причину, что в свою очередь дает возможность ее исправить до наступления последствий.
В качестве заключения можно отметить, что рынок BI-инструментов растет, и на нем происходят серьезные поглощения. Крупные игроки, такие как SAP, Microsoft, Oracle покупают наиболее перспективные BI-технологии, и интегрируют их в свои решения. А это явный знак востребованности BI инструментария и показатель того, что ближайшее годы развитие компаний будет идти в этом направлении.

Андрей Коптелов, Журнал Генеральный Директор

Business Intelligence (BI) системы для бизнес-анализа

Сергей Лунев


Каждый крупный бизнес и большинство средних структур сталкиваются с проблемой предоставления руководству неточных данных о состоянии дел компании. Причины могут быть разные, но последствия всегда одинаковы – неверные или несвоевременные решения, отрицательно сказывающиеся на результативности финансовых операций. Для исключения подобных ситуаций предназначена профессиональная система бизнес аналитики или BI ( с англ. – Business Intelligence). Эти высокотехнологичные «помощники» способствуют построению системы управленческого контроля каждого аспекта внутри бизнеса.

Предназначение и возможности BI системы

По своей сути BI системы – это продвинутое аналитическое программное обеспечение для бизнес-анализа и формирования отчетности. Эти программы могут использовать данные из различных источников информации и предоставлять их в удобном виде и разрезе. В результате руководство получает быстрый доступ к полной и прозрачной информации о положении дел компании. Особенность отчетов, полученных с помощью BI – возможность самостоятельного выбора руководителем, в каком разрезе получить информацию.

Современные Business Intelligence системы многофункциональны. Именно поэтому в крупных компаниях они постепенно вытесняют другие способы получения бизнес-отчетности. К основным их возможностям специалисты относят:

  • Подключения к различным базам данных, в частности, к внедренным 1С;
  • Формирование отчетов разной сложности, структуры, вида и компоновки с высокой скоростью. Также есть возможность задать расписание формирования отчетности по расписанию без непосредственного участия и рассылки данных;
  • Прозрачную работу с данными;
  • Обеспечение четкой связи между информацией из различных источников;
  • Гибкую и интуитивно понятную настройку прав доступа сотрудников в системе;
  • Сохранение данных в любом удобном для вас формате – PDF, Excel, HTML и многих других.

Возможности информационных систем бизнес-аналитики позволяют руководителю не зависеть от IT-отдела или своих помощников, подающих требуемую информацию. Также это отличная возможность демонстрировать правильное направление своих решений не словами, а точными цифрами. Многие крупные сетевые корпорации на Западе уже давно используют BI-системы, среди которых всемирно известные Amazon, Yahoo, Wall-Mart и др. Вышеназванные корпорации тратят приличные деньги на бизнес-аналитику, но внедренные BI системы приносят неоценимую пользу.

Польза профессиональных систем бизнес аналитики базируется на принципах, которые поддерживаются во всех передовых BI приложениях:

  1. Наглядность. Основной интерфейс любого ПО для анализа бизнеса должен отражать основные показатели. Благодаря этому руководитель быстро сможет оценить положение дел на предприятии и начать предпринимать что-либо в случае необходимости;
  2. Кастомизация. Каждый пользователь должен иметь возможность настроить интерфейс и функциональные клавиши максимально удобным для себя образом;
  3. Многослойность. Каждый набор данных должен иметь несколько разрезов (слоев) для предоставления той детализации информации, которая необходима на конкретном уровне;
  4. Интерактивность. Пользователи должны иметь возможность собирать информацию из всех источников и по нескольким направлениям одновременно. Необходимо, чтобы система имела функцию настройки оповещения по ключевым параметрам;
  5. Многопоточность и разграничение доступа. В BI системе должна быть реализована одновременная работа большого количества пользователей с возможностью установки им различных уровней доступа.

Всё IT-сообщество сходиться во мнении, что информационные системы бизнес аналитики являются одним из перспективнейших направлений развития отрасли. Однако их внедрение зачастую затрудняют технические и психологические преграды, неслаженная работа менеджеров и отсутствие прописанных сфер ответственности.

Внедрение BI-систем

При размышлении о внедрении систем класса BI важно помнить, что успех проекта будет во многом зависеть от отношения сотрудников компании к нововведению. Это относится ко всем IT-продуктам: скептическое отношение и страх перед сокращением могут свести на нет все усилия по внедрению. Поэтому очень важно понимать, какие чувства вызывает система бизнес аналитики у будущих пользователей. Идеальная ситуация сложится в случае, когда сотрудники компании будут относиться к системе как к помощнику и инструменту усовершенствования работы.

Перед началом проекта по внедрению BI технологии необходимо провести тщательный анализ бизнес-процессов компании и принципов принятия управленческих решений. Ведь именно эти данные будут участвовать в анализе ситуации в компании. Также это поможет сделать выбор BI системы вместе с другими основными критериями:

  1. Цели и задачи внедрения BI систем;
  2. Требования к хранению данных и возможность ими оперировать;
  3. Функции интеграции данных. Без использования данных из всех источников в компании руководство не сможет получить целостной картины положения дел;
  4. Возможности по визуализации. Для каждого человека идеальная BI аналитика выглядит по-разному, и система должна удовлетворять потребности каждого пользователя;
  5. Универсальность или узкая специализация. В мире существуют системы, направленные на определенную отрасль, так и универсальные решения, позволяющие собрать информацию в любом разрезе;
  6. Требовательность к ресурсам и цена на программный продукт. Выбор BI системы, как и любого ПО, зависит от возможностей компании.

Вышеперечисленные критерии помогут руководству сделать осознанный выбор среди всего многообразия известных систем бизнес аналитики. Существуют и другие параметры (например, структура хранения данных, веб-архитектура), но они требуют квалификации в узких IT-областях.

Недостаточно просто сделать выбор, купить ПО, установить и настроить его. Успешное внедрение BI систем любого направления основывается на следующих правилах:

  • Корректность данных. Если данные для анализа неверные, то существует вероятность серьезной ошибки системы;
  • Полноценное обучение каждого пользователя;
  • Быстрое внедрение. Необходимо сосредоточится на верном формировании необходимых отчетов на всех ключевых местах, а не на идеальном обслуживании одного пользователя. Скорректировать внешний вид отчета или добавить еще один его разрез для удобства всегда можно после внедрения;
  • Осознавайте окупаемость инвестиций в систему BI. Эффект зависит от множества факторов и в некоторых случаях оказывается виден лишь через несколько месяцев;
  • Оборудование должно быть рассчитано не только на современную ситуацию, но и на ближайшее будущее;
  • Осознавайте, зачем было начато внедрение системы BI, и не требуйте от программного обеспечения невозможного.
Очень важная для вас статья:  Горячие источники Святого Леона (St. Leon Hot Springs)

Ошибки при внедрении систем BI

По статистике всего лишь 30% руководителей компаний довольны внедрением BI систем. За долгие годы существования ПО для анализа бизнеса специалисты сформулировали 9 ключевых ошибок, которые могут снизить эффективность до минимума:

  1. Неочевидность цели внедрения для руководства. Зачастую проект создается силами IT-отдела без тесного участия руководителей. В большинстве случаев в процессе внедрения и функционирования появляются вопросы по цели и задачам BI системы, выгоде и удобству использования;
  2. Отсутствие прозрачности в управлении, работе сотрудников и принятии решений. Менеджеры могут не знать алгоритмов работы сотрудников на местах, а управленческие решения могут приниматься не только на основе сухих фактов. Это приведет к невозможности сохранения существующей парадигмы в результате внедрения BI системы. И зачастую сломать сложившуюся годами культуру корпоративного управления невозможно;
  3. Недостаточная достоверность данных. Попадание ложной информации в систему анализа бизнеса недопустимо, иначе сотрудники не смогут доверять ей и пользоваться ею;
  4. Неверный выбор профессиональной системы бизнес аналитики. Множество примеров в истории, когда руководство нанимает стороннюю организацию для внедрения BI системы и не принимает участия в ее выборе, говорят сами за себя. В результате внедряется система, не позволяющая получить нужный отчет или с которой невозможна интеграция одного из существующих в компании ПО;
  5. Отсутствие плана на будущее. Особенность BI систем в том, что это не статичное ПО. Невозможно закончить проект внедрения и не вспоминать о нем. Возникает множество требований от пользователей и руководства в части доработок;
  6. Передача BI системы сторонней организации на поддержку. Как показывает практика, чаще всего такие ситуации приводят к изоляции продукта и оторванности системы от реального положения дел. Собственная служба поддержки намного быстрее и эффективнее реагирует на отзывы пользователей и требования руководства;
  7. Желание сэкономить. В сфере бизнеса это нормально, но BI аналитика работает, только если принимает во внимание все аспекты деятельности компании. Именно поэтому наиболее эффективны глубокие аналитические системы с высокой стоимостью. Желание получить несколько отчетов по интересующим областям приводит к частым ошибкам в данных и большой зависимости от квалификации IT-специалистов;
  8. Различная терминология в компании. Важно, чтобы все пользователи понимали основные термины и их смысл. Простое недопонимание может привести к неверной трактовке отчетов и показателей BI системы;
  9. Отсутствие единой стратегии анализа бизнеса на предприятии. Без выбранного единого для всех сотрудников курса любая система класса BI будет лишь набором разрозненных отчетов, удовлетворяющих требования отдельных руководителей.


Внедрение BI систем – важный шаг, способный помочь вывести бизнес на новый уровень. Но для этого потребует не только достаточно большого вливания финансов, но и времени, и сил каждого сотрудника компании. Далеко не каждый бизнес готов грамотно закончить проект внедрения системы анализа бизнеса.

Business Intelligence, тренды и взгляд изнутри

На сегодняшний день рациональное и правильное использование информации является неотъемлемой частью для решения проблем и задач. Одна из сфер для применения информации — оптимизация бизнес процессов. В этой сфере проводится поиск оптимальных решений, анализ рисков, и снижение затрат.

Благодаря технологическому процессу, постоянно появляются новые технологии и инструменты. Анализ данных является одной из самых проблемных сфер, так как количество данных получаемых от и о клиентах растет с каждым годом. Аналитики не успевают составлять ежемесячные отчеты, по которым компании создают бизнес планы и стратегию развития. Именно поэтому сейчас человеческое участие в анализе данных уменьшается с каждым годом, так как такие инструменты как Business Intelligence и Big Data в синергии с ИИ и Machine Learning увеличивают эффективность и скорость анализа данных в несколько раз, при минимальном человеческом вмешательстве.

Инструменты Business Intelligence решают большой спектр задач:

  • Моделирование бизнес-ситуаций
  • Анализ нестандартных запросов и их решение
  • Снижение нагрузки на сотрудников компаний, путем автоматизации их работы
  • Улучшенные данные при увеличении объема этих данных
  • Объективная оценка бизнеса
  • Анализ использования финансовых ресурсов
  • Прогноз и оценка инвестиционной и финансовой деятельности

Концепция Business Intelligence состоит в обработке данных с целью получения мета данных, которые в будущем анализируются и используются для прогнозирования и принятия решений. Таким образом, применение продуктов Business Intelligence в современном бизнесе стало потребностью номер один. Как показывают данные международных консалтинговых агентств программное обеспечение данного класса относится к продуктам с самым высоким показателем возврата инвестиций.

Business Intelligence используется всеми видами бизнеса, начиная от малого и заканчивая такими гигантами как Google, Facebook, Apple и т.д. К примеру, такие рестораны как Mcdonald’s, Burger King, Subway и другие ресторанные сети являются очень клиентоориентированными, поэтому использование анализа данных является для них приоритетом. Используя данные о популярных и непопулярных продуктах в меню, они решают, что добавить, а что стоит удалить. Использую же данные о посещениях, они могут отсеивать непопулярные точки и закрывать их, тем самым сокращают свои затраты.

Проанализированные данные помогают им принимать логистические решения. Например, откуда и когда доставлять продукты или же с какими поставщиками продолжать работу.

Хоть Business Intelligence и развивается уже довольно долгое время, все еще существуют проблемы с его использованием. Главным вопросом на данный момент остается качество и правдивость собираемых данных. С 2002 года и по 2020 это остается наибольшим вызовом Business Intelligence сферы. Качество данных может быть охарактеризовано множеством путей. Самое частое объяснение — качественная информация, которая подходит для актуальной задачи. Это значит, что данные всегда зависят от используемого контекста. Так как сфера бизнес аналитики все еще развивается, даже самые большие компании все еще собирают большое количество ненужных данных, которые захламляют систему и мешают делать качественный анализ нужд клиента и тормозят развитие компаний из-за ложных результатов требований клиента. Также компании часто собирают одинаковую информации по нескольку раз, она тоже ухудшает процессы подбора кастомных предложений для клиента. Именно из-за этого важнейшим трендом Business Intelligence 2020 года по результатам BI Survey является Master Data Management.

Целью Master Data Management является объединения и обмен основными данными о клиентах, поставщиках или продукции из data silos (информационные бункеры или сайлосы). Master Data Management позволяет сохранять логичность и постоянство данных. Также оно позволяет:

  • Эффективно сотрудничать с бизнес партнерами.
  • Предоставлять оптимальную и требуемую клиентскую поддержку.
  • Моделировать полный спектр клиентских нужд, который их удовлетворяет.
  • Для объединения физических и облачных систем.


Business Intelligence является ключевым инструментым в обработке данных Big Data, которая сама по себе является лишь большим сундуком информации, которая не откроется без нужного ключа. Business Intelligence и есть тем самым ключом. Business Intelligence используя программное обеспечение и сервисы трансформирует информацию в четкие и понятные шаги для стратегического продвижения и бизнес решений.

Еще одной важной частью Business Intelligence является Data Discovery. Data Discovery не является инструментом или программой, а процессом нахождения и определения тех самых патернов, которые помогут бизнесу в дальнейшем. Специалист по Data Discovery должен иметь иметь навыки в понимании отношений между информацией и использовать навыки анализа и проводить полноценную управляемую аналитику (guided advanced analytics) для нахождения инсайтов. Важной частью этого процесса является визуализация данных, так как визуализированная информация воспринимается легче и понятней. Визуализация позволяет тем кто принимает важные решения понимать их с полувзгляда. Визуальный анализ есть важной частью Data Discovery и компании все чаще ищут специалистов способных пояснять груду сухих данных на один-два слайда.

На данный момент Microsoft продолжает быть самым используемым поставщиком инструментов Business Intelligence, по данным опроса 2020 года 75% опрошенных называли Microsoft их основным поставщиком, хотя в 2020 процент достигал лишь 52%. SAP Business Objects, SAS, IBM и Oracle были следующими назваными после Microsoft, хотя их проценты значительно меньше.

Материал опубликован пользователем.
Нажмите кнопку «Написать», чтобы поделиться мнением или рассказать о своём проекте.

Business в квадрате: бизнес-аналитики в Business Intelligence

Новость: 30 мая, 2020

О необычайно бурном развитии IT-сферы в Беларуси легенды еще не слагаются, но не слышал об этом только ленивый. За последнее время наши IT-компании, начиная от таких гигантов, как EPAM и Wargaming, и заканчивая амбициозными и крайне успешными стартапами MSQRD и Kino-mo, давали столько поводов для обоснованной гордости, что взоры в сторону IT стали обращать не только студенты и молодые специалисты, но и состоявшиеся люди, ищущие новую область применения своих талантов. Сегодня мы встретились с руководителем департамента по качеству данных и бизнес-анализу в BI Светланой Родионовой и начальником отдела BI бизнес-анализа в рамках этого департамента Денисом Лагутенко. Ребята рассказали нам о том, что же это за сфера, бизнес-анализ в Business Intelligence, и для кого она будет интересна.

Что есть BI BA, и с чем это едят?

Автор: Света, Денис, расскажите, что представляет собой сегодня в EPAM направление бизнес-анализа в Business Intelligence? Что привело вас в BI?

Денис: После университета я работал в финансовой сфере. Занимался подготовкой отчетности, ее анализом, разработкой предложений, направленных на улучшение текущей ситуации на предприятии. Делался этот анализ на основе неструктурированных или полуструктурированных данных. На конечный результат влиял тот самый человеческий фактор, когда возникают ошибки, начиная с нижнего уровня тех, кто готовит эти отчеты, заканчивая верхним уровнем тех, кто их консолидирует. В определенный момент ты понимаешь, что каждую неделю, каждый месяц делаешь похожие операции, похожие отчеты с небольшими нюансами. Я осознал, что все это можно как-то автоматизировать, что позволит и ошибки снизить и повысить качество анализа данных. Google подсказал, что существует такое понятие как Business Intelligence, и это реально звучит круто, как по мне. Мне повезло, что именно в тот момент EPAM набирал лабораторию по подготовке BI-специалистов. Таким образом я сюда и попал.

Света: У меня совсем другая история: если у Дениса она логичная, то у меня – скорее случайная, такое тоже бывает. В EPAM я до этого работала в функциональном тестировании с 2008 года, а в BI пришла в 2011 г. На тот момент BI тестирование, как только зарождавшееся направление, еще не было выделено в самостоятельную дисциплину. Эту инициативу взяла на себя я: организовала процесс тестирования на нескольких BI-проектах, начала привлекать тестировщиков, увлеченных работой с данными, занялась разработкой подходов к BI-тестированию и соответствующей методологии. Это было что-то новое, сложное… и заманчивое! Изначально в BI-проектах участвовало всего три QA-специалиста. В дальнейшем один из этих людей стал разработчиком, а другой – аналитиком. Ротация ролей у нас ‒ хорошая практика, которая реально работает. Вот, например, я сейчас возглавляю отдел, объединяющий BI QA и BI BA-направления. Это в своем роде тоже ротация.

Автор: Какие роли бывают в EPAM BI Solution Practice? Каких именно специалистов вы ищете в свою команду?

Дениc: BI Solution Practice ‒ это такая довольно большая команда единомышленников в EPAM (около 300 человек только в Беларуси), которая решает… BI-задачи.

И, как показывает наша практика, оптимальная команда включает в себя BI Project Manager, BI Business Analyst, DWH Architect, ETL Engineer, Reporting Engineer, BI QA. Иногда, исходя из потребностей проекта, в команду могут добавляться не только BI-специалисты, а, например, JavaScript разработчики, Data Scientists и др. Надо сказать, что все роли важны, но костяк, без которого проект с большой долей вероятности может не состояться это…

Светлана: …Аналитик и разработчик.

Денис: Нет, Светлана, это BI BA и DWH Architect. С DWH Architect, как мне кажется, с большего всё понятно, т.е. это человек, который занимается DWH архитектурой, хранилищем данных и ETL процессами. На самом деле это может быть и Lead программист (не так часто в IT бывает каждому по архитектору). А вот с BI BA не так все просто.

Автор: BI BA и просто BA ‒ это один и тот же человек, выполняющий одни и те же задачи на проектах, или же это все-таки разные люди?

Денис: Вы знаете, в компании есть просто бизнес-аналитики, классические, и те, которые работают именно на BI проектах — BI BA. Получается, что это не совсем один и тот же человек.

В нашей сфере BA, помимо классических знаний и умений бизнес-аналитика, обладает также набором знаний о различных программных продуктах Business Intelligence, аппаратном обеспечении. Выходит, это BA с серьезным техническим бэкграундом.

Светлана: В этом и основная сложность при поиске и развитии таких специалистов. Именно в таком сочетании: техники и классического бизнес-анализа.

Денис: Да, BI BA умеет работать с любыми источниками данных, понимает и помогает создавать архитектуру хранилища данных тому же архитектору, разбирается в BI-инструментах (reporting, ETL), знает их возможности, плюсы и минусы.

Вообще, BI BA на каком-то этапе своего развития по сути становится BI-консультантом. Последний способен в одиночку решать любые BI-задачи: от привлечения заказчика и создания прототипов, до участия в масштабных BI-проектах на абсолютно любых ролях. С одной стороны, это действительно сложно, но с другой ‒ именно такие профессионалы востребованы в любой глобальной компании. У нас, например, много разных клиентов по всему миру – отсюда возможность для консультанта поработать в другой стране непосредственно у заказчика.

Светлана: Кстати, у нас были попытки брать классических бизнес-аналитиков к себе на проекты. Уже на этапе собеседования становится понятным, что такое количество технической работы кого-то заводит, а кого-то пугает. Ведь аналитику приходится общаться на уровне данных, уметь с ними работать, понимать их.

Автор: То есть в 90% случаев вы приглашаете в свою команду людей, которые готовы очень многому учиться, быстро добирать недостающие знания?

Светлана: Да. Кстати, для классических бизнес-аналитиков это одна из доступных областей развития, если хочется больше погружаться в технику. Внутри нашей компании есть множество примеров таких переходов: из классического BA в BI BA. Переходы из BI-разработки в BI бизнес-анализ тоже возможны. Это случай Дениса.


Денис: Да, получается мой жизненный путь в этой компании начался как раз с разработчика. В будущем это здорово помогало мне в роли аналитика. После этого намного проще. Даже если ты приходишь на проект, технологический стек которого тебе не знаком, принципы работы BI-тулов, построения хранилища данных общие. И те же BI-тулы, которые существуют в магическом квадранте Gartner, работают по одним и тем же принципам. Разобравшись с одним, ты способен довольно быстро поднять и другой, если того потребует проект.

А есть ли спрос?

Автор: В каких индустриях BI специалисты EPAM наиболее востребованы? С какими проектами вы чаще всего сталкиваетесь? Приведите несколько примеров интересных масштабных проектов.

Денис: Да практически во всех отраслях! Например, нефтегазовая промышленность, медицина и биотехнологии, путешествия, банковская сфера, ритейл, телеком…

Светлана: Большинство проектов приходят к нам из Америки и Европы. А теперь об уровне этих заказчиков:

«В основном это компании, данные которых достигают такого объема, что их можно и нужно анализировать, строить data warehouse и систему отчетности для помощи бизнесу»

Стоят такие решения достаточно дорого, поэтому наши заказчики ‒ крупные организации, которые могут позволить себе такого рода инвестиции. Другой расклад, когда BI решение является продуктом, который наш заказчик предлагает на рынке.

Денис: Давайте я приведу пример: мы помогаем компании, которая входит в тройку крупнейших в фармацевтической индустрии. Наша команда спроектировала и разработала систему анализа показателей для маркетингового отдела их центрального офиса. Сейчас развиваем этот проект, включая в систему остальные страны, где у этого заказчика есть подразделения. Таким образом, BI востребован устоявшимися лидерами в своих отраслях, которым важно сохранить и усилить свои позиции. Другой пример, другой во всех смыслах: есть стартап, который предлагает своим пользователям автоматизацию бизнес-процессов на основе big data технологий и Tableau. Как видите, мы помогаем не только market leaders, но и амбициозным быстрорастущим игрокам. А ещё не стоит забывать о стадиях развития компании. Не каждая компания дорастает до того уровня, когда она осознает необходимость в Business Intelligence и готова инвестировать туда миллионы долларов, чтобы получить результат.

Светлана: Вообще, разброс заказчиков большой по областям, но в большинстве своем это компании вполне определенные ‒ топ 10% крупнейших. Все эти заказчики в основном понимают, какой результат они хотят получить от внедрения BI. Почти не бывает проектов «сделайте нам красиво». Уровень потребностей таких заказчиков изначально высок и влияние наших решений, которые мы для них разрабатываем, также велико. Получается, что ответственность на наших плечах лежит соответствующая, ведь по результатам нашей работы менеджмент будет принимать решения (и пропущенные нолики могут привести к серьезным последствиям).

Денис: Тут вот что важно: мы не просто технически реализуем визуализацию каких-то показателей – здесь еще лежит теория или философия, например, сбалансированная система показателей Нортона и Каплана, которую тоже надо знать и понимать. Речь идет о ключевых показателях эффективности работы предприятия: откуда это вообще пришло и почему есть такое понятие как KPI, для чего его используют, каким образом такие показатели взаимодействуют друг с другом. Все это имеет значение. Это, скажем так, одна из теоретических составляющих, которую необходимо постигнуть BI-профессионалу + еще много всего.

Очень важная для вас статья:  Канадские города обогнали американские в рейтинге по качеству жизни

Автор: Света, Денис, как попадают люди в вашу команду?

Денис: Давайте определим параметры, по которым мы оцениваем кандидата и подходит ли он нам. В целом необходим бэкграунд с точки зрения работы с базами данных, то есть знание SQL как одного из инструментов для анализа данных. Также хорошо, чтобы человек уже поработал бизнес-аналитиком, пусть даже классическим. Тогда он знает процессы, понимает методологию разработки. Ну и английский язык, безусловно. Как Света уже подчеркнула, 95 % всех наших проектов ведутся для англоговорящих заказчиков, поэтому английский это must-have.

Автор: Что самое трудное в вашей работе? Чему вам пришлось научиться и чему вы хотите научиться в будущем?

Светлана: Вот в моей работе самое сложное – это найти подходящих людей. Таких людей, которые способны очень быстро развиваться в разных направлениях: и BA и BI одновременно, как минимум. Плюс у нас очень большой спектр технологий в BI стеке: сегодня у тебя проект с таким тулсетом, а завтра появляется с другим. Часто приходится работать с тем, о чем мы услышали буквально вчера. Нужно быть очень гибким и быть готовым изучать что-то новое постоянно. Как шутят у нас в отделе, Г у нас значит гибкость.

Денис: Поддержу Свету. Мы стремимся оставаться на пике развития технологий, чтобы предлагать нашим клиентам топовые решения. У ребят, которые сейчас приходят, есть реальная возможность влиять на то, в каком направлении пойдет наша BI business analysis компетенция.

«Не стоит забывать, что мы говорим о Business Intelligence. Представим, что Intelligence у нас есть, но есть еще Business, в который необходимо погружаться и разбираться в нём как минимум не хуже, чем наши заказчики»

Светлана: Такой continuous learning подход отнимает много сил и времени. Но оно того стоит: мы действительно болеем своим делом и влюблены в свою работу.

Системы Business Intelligence

Системы бизнес-аналитики

Qlik Sense – облачное приложение для самостоятельной визуализации, исследования и мониторинга данных с интуитивно понятным и дружелюбным интерфейсом. Qlik Sense могут использовать все сотрудники не зависимо от наличия знаний в области IT. BI-система позволяет работать с большими объемами данных с любых устройств, добавляя необходимую информацию перетаскивая элементы.

QlikView – инновационная BI-платформа, предлагающая гибкие легко настраиваемые инструменты для бизнес-аналитики, доступные пользователям без специальных технических навыков. QlikView интегрирует данные из различных учетных систем и быстро их обрабатывает. Система позволяет самостоятельно формировать отчеты в различных разрезах, повысить точность принятия решений, увидеть новые закономерности и тренды в бизнес-процессах и тем самым повысить их эффективность.

Tableau – инновационная система бизнес-аналитики, не требующая длительного внедрения и позволяющая быстро анализировать большие объемы данных. Интуитивно понятный интерфейс открывает доступ к аналитике пользователям с любым уровнем подготовки и предоставляет им широкие возможности для визуализации любых данных – от таблиц Excel до ERP-систем.

Power BI — это набор средств бизнес-аналитики для анализа данных и предоставления ценной информации. Информационные панели Power BI — это единый центр с обновлением данных в режиме реального времени, доступный на всех устройствах, в котором бизнес-пользователи получают полное представление о наиболее важных метриках. Пользователи могут исследовать данные на информационных панелях одним щелчком, используя интуитивные инструменты, упрощающие поиск ответов.

Anaplan – облачная система, в которой интегрированы возможности для бизнес-анализа, генерации отчетности и планирования. Anaplan предлагает функциональные и простые в использовании инструменты для визуализации и выгрузки данных в Excel. Функционал онлайн-моделирования позволяет на высокой скорости просчитывать различные варианты развития событий без участия IT-специалистов.

Alteryx – платформа для подготовки и трансформации данных без дополнительного программирования. Интуитивно понятный интерфейс позволяет объединять внутренние и внешние данных, полученные из различных источников и быстро анализировать их. Alteryx отличается высокой степенью наглядности визуализации, благодаря которой можно увидеть картину в целом.


Что такое Business Intelligence? Обзор BI систем

Business intelligence (BI) — программное обеспечение, созданное для помощи менеджеру в анализе информации о своей компании и её окружении. Большинство инструментов Business intelligence 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.

07.06.19. Google купил сервис бизнес-аналитики Looker

Google договорилась о покупке сервиса анализа больших данных для бизнеса Looker за $2,6 млрд. Looker войдёт в состав подразделения Google Cloud, которое объединяет облачные сервисы Google. Сейчас компании вместе обслуживают более 350 клиентов в сферах здравоохранения, финансов, СМИ и других. Разработки Looker позволяют компаниям анализировать выручку, клиентскую базу и другие данные, а затем визуализировать тенденции. Среди конкурентов платформы — сервисы бизнес-аналитики Tableau и Microsoft Power BI.

2020. Microsoft, Qlik и Tableau вышли в лидеры рынка Business Intelligence

Аналитическая компания Gartner опубликовала магический квадрант провайдеров систем бизнес-аналитики. И если в прошлом году на этой диаграмме невозможно было выделить лидеров (там была толпа вендоров), то в этом году выделились три явных лидера, оставивших конкурентов далеко позади: Microsoft, Qlik и Tableau. Особенно отмечается прогресс Microsoft, чье решение Power BI, основанное на облачных вычислениях, машинном обучении и голосовом интерфейса Cortana, оказалось одновременно мощным и простым для пользователей.

2015. Компания Интерпроком — бронзовый бизнес-партер IBM Cognos Business Intelligence

Компания «Интерпроком», системный интегратор, разработчик и дистрибьютор программного обеспечения, получила статус сертифицированного бронзового партнера IBM Cognos Business Intelligence. «Интерпроком» стал вторым в России партнером IBM, аккредитованным для работы с системами на платформе IBM Cognos BI. Чтобы получить новый статус, специалисты компании прошли сертификацию, подтвердив свои глубокие знании платформы IBM Cognos BI: умение интегрировать ее с различными приложениями, строить модели, дорабатывать процессы и формы необходимые бизнесу заказчика, — а также доказали, что качество реализованных ими проектов полностью отвечает всем стандартам IBM. Статус эксперта по наиболее актуальным платформам IBM свидетельствует, что заказчики «Интерпроком» получают полный спектр услуг интеграции систем мировых вендоров при образцовом качестве реализации проектов.

2014. Искусственный интеллект Watson подключат к Твиттеру ради бизнес-пользователей

(Джинни Рометти, глава IBM, и Дик Костроло, глава Twitter) ***

2014. Oracle запустил облако Business Intelligence

Oracle представила новый сервис Business Intelligence Cloud Service, позволяющий анализировать данные из различных источников, включая приложения Oracle, развернутые в «облаке» или непосредственно на предприятии, чтобы быстро создать функционально насыщенные, интерактивные аналитические приложения. Клиенты могут получать информацию и анализировать ее в любое время, в любом месте с мобильных устройств. Простой интерактивный пользовательский интерфейс со встроенными подсказками ускоряет освоение продукта и повышает продуктивность. Пользователи с навыками работы с Oracle BI или Oracle Cloud Applications могут приступить к использованию сервиса без дополнительного обучения.

2014. КРОК запустил облачное решение класса Business Intelligence

Системный интегратор Крок запустил сервис бизнес-аналитики с говорящим названием «Business Intelligence as a Service» или BIaaS. Решение рассчитано на крупные организации, заинтересованные в снижении капитальных затрат и ускорении принятия управленческих решений. Система построена на продукте EMC Greenplum и представляет собой решение уровня Big Data. С помощью этого инструмента можно анализировать и сравнивать большие объемы информации, выстраивать ключевые показатели и принимать бизнес-решения, минуя стадию капитальных затрат на приобретение софта, лицензий и возможную модернизацию инфраструктуры. Решение позволяет реализовать три возможных сценария работы с данными — аналитика для ритейла, анализ показателей работы контакт-центра, а также оценка управленческой деятельности организации на соответствие KPI.

2013. BusinessQ — web система бизнес анализа для малых и средних компаний

Обычно малый и средний бизнес не может приобрести и внедрить дорогостоящую систему бизнес-анализа, а затем держать в штате специалиста для работы с этой системой. Поэтому руководители малых компаний даже и не думают над тем, какие выгоды их бизнесу может принести Business Intelligence система. Хорватская компания Qualia создала Business Intelligence решение, предназначенное специально для малого и среднего бизнеса — BusinessQ. Теперь эта система стала доступна и в нашей стране. Это довольно простое веб-приложение с низкой стоимостью. Необходим всего час на изучение и настройку, и дальше вся нужная информация в наглядном виде поступает пользователю. Можно создавать не только статические отчеты, но и интерактивные панели (дашборды) для руководителя, чтобы он был в курсе важных показателей работы компании.

2012. SQL Server 2012 получит инструменты Business Intelligence

Microsoft провела веб-презентацию следующего поколения СУБД корпорации — SQL Server 2012. В ходе веб-трансляции выступили с докладами вице-президенты Microsoft Тед Куммерт и Квентин Кларк, первый из которых рассказал о «замысле Microsoft в области эволюции данных», второй — сделал обзор особенностей нового SQL Server. SQL Server 2012 будет выпущен в трех редакциях, в том числе впервые — в варианте Business Intelligence, в котором будут присутствовать современные функции анализа и визуализации данных. Кроме того, запланирована редакция Enterprise Edition, в которой помимо всех особенностей варианта BI будут развитые функции безопасности и высокой готовности, а также столбцовое хранение данных.

2011. Oracle Business Intelligence работает на iPad

Oracle представил новую версию системы бизнес-аналитики Oracle Business Intelligence, которая теперь может работать на iPad и iPhone. Мобильная версия обеспечивает доступ к полному спектру приложений Oracle Business Intelligence, включая интерактивные и регламентные отчеты, информационные панели, уведомления, системы сбалансированных показателей с поддержкой всех стандартов как реляционного, так и OLAP-анализа. Таким образом, руководитель может в удобном графическом виде просматривать аналитику для данных из ERP и CRM, инициировать действия и запускать рабочие процессы непосредственно на своем мобильном устройстве, что помогает сократить время, необходимое для принятия решений, и способствует повышению гибкости и динамичности организации в целом.

2010. Аплана и Cyscom запустили SaaS сервис класса Business Intelligence

Российский интегратор Аплана и британский SaaS провайдер (с российскими разработчиками) Cyscom, выводят на российский рынок сервис PinPoint. Это инструмент для бизнес-анализа, обеспечивающий визуальное и интуитивно понятное представление данных из множества различных источников (включая информационные системы, базы данных, неструктурированные файлы, веб-приложения, корпоративные порталы, документы MS Office и новостные ленты). PinPoint позволяет легко создавать информационные панели и работает как в онлайн, так и оффлайн режимах.. Cyscom уже довольно давно присутствует на российском рынке. В частности, в прошлом году они совместно с IBS Datafort и Softkey создали SaaS сервис для совместной работы Point4All. В основе облачной платформы Cyscom Cloudseed, на которой строятся все эти приложения, лежат технологии Microsoft — .Net, SQL, WSS, Windows и собственные разработки компании.

2010. SAP запустил SaaS сервис для Business Intelligence

SAP наконец-то выпустил свое первое полноценное SaaS приложение. И им стала не ожидаемая ERP система, а решение для бизнес-аналитики, созданное на базе купленной в 2007 году французской системы Business Objects. Продукты подразделения SAP BusinessObjects уже некоторое время предоставлялись в аренду клиентам компании, но SAP BusinessObjects BI OnDemand — это действительно классическое SaaS приложение с multitenant-архитектурой, объединяющее все эти инструменты в один сервис. Система предназначена для среднего бизнеса и обеспечивает быстрый доступ к данным, поиск по ключевым словам,инструменты формирования отчетов, визуализации данных и обмена ими,причем для этого не нужно переключаться между разными приложениями. Начальная версия уже доступна клиентам и партнерам компании, которые могут заниматься ее внедрением — интеграцией с онлайновыми или внутрикорпоративными источниками данных.

2009. Business Intelligence в России 2009: системы бизнес-анализа

Центр выбора технологий и поставщиков TAdviser предлагает Вашему вниманию аналитический отчет Business Intelligence в России 2009: системы бизнес-анализа 13 подробно рассмотренных платформ для бизнес-анализа, более 70 BI-проектов. Аналитики центра TAdviser объявили о завершении исследования универсальных платформ для бизнес-анализа (BI), представленных на российском рынке. В ходе подготовки отчета были рассмотрены все универсальные решения данного класса, доступные в России. Согласно полученным результатам, на российском рынке представлены BI-платформы 13 вендоров, 3 из которых — российские компании. Основной задачей подготовленного отчета являлся сбор максимально полной и достоверной информации о функциональных возможностях современных BI-систем, а также об опыте уже реализованных проектов в России. В ходе исследования собраны данные более чем о 70 проектах по созданию аналитических систем. Для анализа возможностей представленных на российском рынке BI-платформ использовались как открытые источники информации, к которым относятся новостные материалы, рекламные и технические материалы поставщиков, периодические публикации в прессе и обсуждения на тематических форумах, так и закрытые, в частности, внутренняя информация поставщиков BI-систем и собственные материалы исследователя.

2008. ФБ Консалт стал официальным партнером QlikTech, мирового лидера в области Business Intelligence

Компания ФБ Консалт подписала договор о партнерстве с компанией QlikTech, предлагающей передовую полнофункциональную платформу бизнес-аналитики (BI) QlikView. QlikView дает четкое видение эффективности работы, обеспечивая гибкость и высокую скорость реакции на изменения, тем самым, повышая общую прозрачность управления бизнесом. Это, в свою очередь, не только оптимизирует процессы и сокращает расходы организации, но также повышает качество обслуживания и обеспечивает неоспоримые конкурентные преимущества на рынке. Для амбициозных компаний, нацеленных на успешное и быстрое развитие, QlikView является незаменимым инструментом. QlikView является простым в использовании, быстрым и гибким аналитическим решением для повышения эффективности работы организации. Новая технология позволяет за очень короткий срок строить даже самые сложные модели для анализа, без особых усилий формировать по ним отчетность и поддерживать их в актуальном состоянии.

2007. Business Objects открыла SaaS сервис для бизнес-аналитики

Компания Business Objects запустила SaaS сервис Business Intelligence OnDemand, который позволит компаниям получить доступ к широкому спектру инструментов бизнес-анализа, входящих в состав пакетов Crystal Reports, Crystal Xcelsius и Web Intelligence по запросу. В распоряжение руководителей и аналитиков предоставляются настраиваемые отчеты, контрольные панели, мастер запросов и аналитические инструменты. Система Business Intelligence OnDemand базируется на популярном SaaS-решении crystalreports.com. Также выпущена отдельная версия Business Intelligence OnDemand, ориентиованная на пользователей решения Salesforce.com и предполагающая максимально тесное взаимодействие с указанной онлайновой CRM-системой.

2007. Business Objects приглашает тестировать средства Web 2.0

На протяжении последних нескольких месяцев компания Business Objects на своем сайте Business Objects Labs публикует прототипы средств бизнес-интеллекта, отвечающих концепциям Web 2.0, к тестированию которых она приглашает заказчиков. В Business Objects их называют BI 2.0; новинки пользуются принципами Mashups и полагаются на совместную деятельность через Web. Недавно компания опубликовала очередной прототип — BI Annotator, который предоставляет возможность объединения внешних потоков данных со структурированной информацией из корпоративного хранилища. Например, сельскохозяйственная компания может с его помощью сопоставить поток сводок температуры воздуха со своими внутренними данными по урожайности. Предполагается, что BI Annotator позволит учитывать больше «контекстной» информации, помогая принимать более информированные бизнес-решения. Еще один новый инструмент компании — BI Desktop, отображающий актуальную аналитическую информацию на «рабочем столе». Имеется также Business Objects Masher для объединения онлайн-сервисов и BI Coordinator, подключаемый модуль для Windows Live Messenger, позволяющий обмениваться аналитическими данными посредством IM-сервиса.

2007. Oracle покупает лидера BI-систем Hyperion

Американская компания Oracle достигла соглашения о приобретении Hyperion Solutions — одного из ведущих мировых поставщиков решений в области программного обеспечения систем эффективного управления. Сумма сделки, которая состоится после одобрения антимонопольных органов, составит $3,3 млрд. Глава Oracle Ларри Эллисон заявил, что приобретение Hyperion выводит его компанию в лидеры рынка систем управления предприятием. «Программное обеспечение Hyperion EPM и решения Business Intelligence (BI) от Oracle, включающие инструменты сбора, обработки и анализа информации наряду с аналитическими приложениями, составят превосходную систему эффективного управления, в которую войдет планирование, составление смет, консолидация, оперативная аналитика и система отчетов», — отметил Эллисон.

2007. Microsoft предоставила пользователям Microsoft Dynamics CRM превосходные средства бизнес-анализа

Корпорация Microsoft анонсировала продукт Microsoft Dynamics CRM Analytics Foundation. Указанное решение позволит клиентским организациям использовать BI-механизмы от Microsoft для решения широкого спектра задач, связанных с изучением взаимодействий с клиентами. В том числе пользователи Microsoft Dynamics CRM смогут заниматься исследованием агрегированных клиентских данных, проводить упреждающий анализ, составлять исчерпывающие отчеты и многое другое. Разработчики решения рассматривают бизнес-анализ как неотъемлемую часть повседневной деятельности корпоративных пользователей и предоставляют в распоряжение руководителей и рядовых сотрудникам все необходимые инструменты для принятия верных и обоснованных решений. Продукт тесно интегрируется с решениями Microsoft SQL Server 2005, Microsoft SharePoint, Microsoft Office Business Scorecard Manager и Microsoft Office Excel, а, кроме того, сможет взаимодействовать с платформой Microsoft PerformancePoint Server 2007, которая появится на рынке в этом году.

2003. Cognos Series: Business Intelligence в браузере

Система Cognos Series 7 V. 2 станет первой из модификаций программного продукта класса Business Intelligence, доступный через браузер. Web-интерфейс Cognos дает возможность пользоваться всеми теми же функциями, что и первые версии Windows-клиентов. Для работы с Web-интерфейсом не нужна даже загрузка каких-либо Java-приложений. Программный продукт легко интегрируется с другими системам оперативной аналитической обработки, включая SAP и IBM DB2.

Добавить комментарий