Существует огромное количество терминов: аналитика, интеллектуальный анализ данных, анализ данных, бизнес-аналитика, и разница между ними не всегда столь очевидна даже для людей, которые с этим связаны.
Сегодня мы поговорим о том, что такое Business Intelligence (BI) доступным и понятным языком.
Тема, несомненно, огромная и ее не охватить одной небольшой статьей, но наша задача – помочь сделать первый шаг и заинтересовать читателя темой.
Заинтересованный читатель также найдет полный список следующих шагов.
Структура статьи
- Зачем все это нужно: из жизни аналитика
- В чем проблема: проблема на уровне компании
- Подытожим проблему: все это звенья одной цепи.
- Большая инфографика
- С чем можно поэкспериментировать
- Что читать? Обязательно прочтите о бизнес-аналитике
Зачем все это нужно: из жизни аналитика
(кликабельно)Представим, что перед нами (неким аналитиком Петровичем из поставщика Flower) стоит задача оценить продажи ряда магазинов (куда мы поставляем товары) и каждый магазин ведет свой учет проданных товаров.
Реальность такова, что формы бухгалтерского учета будут заполняться неизвестно как и кем, то есть они будут иметь другую структуру и другой формат хранения (некоторая форма таблиц).
Схематически эта задача изображена на схеме выше.
Казалось бы, задача не сложная, поэтому рассмотрим простое решение: пусть у нас есть N таблиц и нам нужно собрать их в одну таблицу, далее мы напишем N скриптов, преобразующих эти таблицы, и один сборщик, который их собирает вместе.
.
Недостатки такого подхода:
- необходимо одновременно поддерживать N скриптов (где N порядка тысяч);
- когда структура отчетов магазина со временем меняется (например, в магазине появляется новый сотрудник), необходимо искать и переписывать отдельные скрипты;
- когда появится новый магазин, нужно написать новый скрипт;
- при изменении нашей отчетности (поставщик Flower) необходимо внести изменения во все скрипты;
- Сложность в отладке и поддержке, поскольку магазины не уведомляют об изменениях структуры и не следуют никаким спецификациям.
В чем проблема: проблема на уровне компании
(кликабельно)Производитель Flower на самом деле работает не напрямую с магазинами, а через каких-то посредников.
Посредники посещают магазины и напрямую пытаются стимулировать продажи своими действиями.
Соответственно, они являются финансово заинтересованными лицами и предоставляемая ими информация должна быть перепроверена.
По сути, проблема выглядит аналогично: допустим, у нас есть N магазинов и K дистрибьюторов, можем ли мы агрегировать данные магазинов и сравнить их с результатами дистрибьюторов? (Все данные имеют разную структуру и формат.) Здесь, помимо таблиц, мы уже можем столкнуться с целым зоопарком форматов, к которым добавляются отчеты дистрибьютора.
Обычно задача характеризуется очень низким качеством данных, включая дублирование, несогласованность и ошибки.
На основании полученных результатов и сравнения данных отдел закупок принимает решение о том, сколько, кому и по какой цене чего отгрузить.
То есть решение этой проблемы напрямую влияет на финансовые показатели компании, что, безусловно, важно.
Рассмотрим несколько вариантов решения на уровне компании:
- самописное решение: компании-производителю необходимо будет нанять специалиста не по профилю компании, и от этого специалиста будет зависеть критическое ПО.
Если он уйдет, компания будет вынуждена срочно искать замену, которая сможет поддерживать ПО, а качество будет напрямую зависеть от нанятого специалиста;
- Приобретая программное обеспечение у третьих лиц, существует три ключевых фактора: цена, качество и время интеграции.
Как правило, цена и время интеграции слишком высоки для среднего производителя, а также требуют значительного времени сотрудников.
Выбор поставщика также нетривиален;
- SaaS-решения: методология пока новая для рынка, и многие компании скептически относятся к таким сервисам.
Как правило, преимуществом корпоративного ПО является его настраиваемость (каждый бизнес считает себя уникальным), однако описанная задача вполне типична и стандартна для достаточно широкого круга компаний.
Конечно, не существует единого решения для всех, но его можно найти для каждого человека.
Подробнее по теме Здесь .
Сам процесс на уровне компании выглядит аналогично: данные консолидируются, преобразуются (агрегируются) определенным образом и загружаются в систему для анализа.
Подытожим проблему: все это звенья одной цепи.
(кликабельно)
В чем разница между аналитикой, интеллектуальным анализом данных и бизнес-аналитикой (BI)? Первые включают набор методов анализа уже чистых данных, но на практике очистка и преобразование данных в удобный для анализа формат является важным и неотъемлемым процессом.
Также, помимо работы с преобразованием и консолидацией данных, основной задачей BI является принятие бизнес-решений.
Большая инфографика
Задача консолидации данных описана в схематичном и несколько упрощенном виде.Если нет возможности подробно изучить тему, то эта инфографика дает хорошее первое приближение к проблеме и возможным решениям.
(кликабельно; снято отсюда )
С чем можно поэкспериментировать
(кликабельно)Услуга бесплатна и доступна через Интернет - связь .
Что читать? Обязательно прочтите о бизнес-аналитике
- Карл Вигерс и Джой Битти.
Требования к программному обеспечению
- Паклин, Орешков.
Бизнес-аналитика
- Питер Майерс — видео выступления на 9 канале МС
Войти , Пожалуйста.
О чем было бы интересно почитать дальше? 83,51% Business Intelligence (описание технологий, кейсов, решений) 162 40,21% Управление основными данными (что это такое, теория и практика) 78 21,65% Интеграционные проекты 42 32,99% ERP (планирование ресурсов предприятия) 64 Проголосовали 194 пользователя.
23 пользователя воздержались.
Теги: #аналитика #аналитика #navicon #navicon #etl #rabbit #бизнес-аналитика #бизнес-аналитика #BI #Анализ и проектирование систем #Интеллектуальный анализ данных #Большие данные
-
Адлер, Альфред
19 Oct, 24 -
Флексбокс. Инфографика Технологий
19 Oct, 24 -
Не Можешь Увидеть Карму?!
19 Oct, 24 -
Как Вы Относитесь К Росту Хабра?
19 Oct, 24 -
Windows Vista Рулит!
19 Oct, 24