Какая система обработки бизнес-информации вам нужна

Какая система обработки бизнес-информации вам нужна

Игорь Шпиндлер Начальник проекта, Москва

Игорь Шпиндлер популярно разъясняет отличие между разработками Business Intelligence и Operational Intelligence.

Весьма кратко и предельно упрощенно:

  • Business Intelligence либо BI – это аналитика по результатам, за долгий период времени;
  • Operational Intelligence, OI – это своевременные показатели для стремительной оценки обстановки.

Но в действительности четкой демаркационной линии между Business Intelligence и Operational Intelligence нет. Причем отсутствует она не на функциональном уровне (тут именно все очень определенно), а на программном – на уровне IT-ответов. Из-за чего так происходит?

Operational Intelligence оперирует «стремительными» данными. Простая шкала OI – от 15 мин. до двух часов. В некоторых случаях речь заходит и вовсе о моментальном отображении. По сути, это индикаторы, маркеры. Показатели смогут быть фактически любыми, но они, очевидно, предполагают практический суть стремительного отслеживания. Таковой мониторинг незаменим в работах безопасности, технического контроля.

Он кроме этого нужен в складской и транспортной логистике. И в произвольных эластичных процессах с возможностью стремительного перераспределения ресурсов.

Business Intelligence свидетельствует аналитику, другими словами переработку данных в эргономичные и фактически применимые выводы. Обычный ход BI – от дня и выше. Фактически, масштаб тут задает не сама аналитика и тем более, не база данных, а применимость выводов. Эффект от внедрения новшеств в бизнес-процессе возможно отмечен и через квартал.

Меньший квант времени попросту возможно ненужен для оценки. Значит, отчет об эффективности будет иметь суть в конце квартала. Соответственно, имеется время уточнить и перепроверить данные, перед тем как «скармливать» ее аналитическим программам для обработки.

Может показаться, что отличий достаточно большое количество, они наглядные и гротескные. Так и имеется: на функциональном уровне и в совершенстве. На практике же начальники компаний довольно часто требуют все больше отчетов, настаивая на их детализации и укрупнении по мере получения, а современные программные средства разрешают удовлетворять такие капризы, кроме того в ущерб смыслу.

Но чем чаще извлекаются эти, тем больше нагрузка на поддержку сервиса. Это не всегда оправданно. Встречно, попытки систематизировать сиюминутные своевременные показатели смогут быть не столь действенны, как ожидается.

Путанице содействует пересекающийся и запутанный функционал IT-ответов. Отдельных программных продуктов для автоматизации Operational Intelligence на рынке фактически не существует. В большинстве случаев, они реализуются в виде встроенной отчетности в ERP либо CRM, другими словами в виде дополнений к большим информационным совокупностям.

Это логично.

BI-сервисы и продукты также смогут обеспечить похожий функционал. Это уже менее логично, но выгодно: возможно экономить на лицензиях, и очень ощутимо (от сотен до тысяч евро на одно рабочее место). Неприятность в том, что изобилие вариантов, обманчиво похожих и за весьма различные деньги, вводит в искушение выбрать самое функциональное и недороже.

А почему бы и нет? По причине того, что:

  • Низкая себестоимость подготовки отчетов обманчива.
  • Практическая применимость отчетов значительно ответственнее их сложности и количества.
  • Еще ответственнее расстановка приоритетов соразмерно текущему формированию компании.

В то время, когда и как использовать Business Intelligence (BI)

В первую очередь, нужно оговориться, что маленькой компании достаточно нескольких информативных отчетов, отражающих специфику деятельности. Это возможно реализовано в электронных таблицах, учетной совокупности, 1С, где угодно, фактически – впредь до облачных сервисов, которых очень много.

Неприятности роста бизнеса смогут «настойчиво попросить» кроме дополнения BI-инструментов их замены на новые, и (это основное) налаживания процесса управления корпоративными данными. Это уже путь к BI, по мере прохождения которого делается очевидным, что громадные количества данных в таблицы не помещаются. К примеру, нереально делать выгрузку по 2 Гбайт для ежедневной сверки. Количество отчетов кроме этого возрастает. И в большинстве случаев значительно стремительнее, чем реально требуется.

По причине того, что без отработанной политики управления корпоративными данными вместо цельной и оптимальной совокупности получается нагромождение из разных таблиц, баз данных, повторяющихся и пересекающихся отчетов. Тут кое-какие компании сбиваются с верного курса, и практически тонут в собственных данных.

Исходя из этого затевать нужно заблаговременно, упреждающе. В то время, когда ясно, что не все сведенья получается записать, актуализировать и применять – нужно и достаточно:

  • Выяснить глоссарий расчета показателей (glossary).
  • Определять потоки данных от совокупностей-источников к BI-показателям и инструментам в отчетах (data lineage).
  • Вести мониторинг передачи данных в BI-совокупности (data validation, data monitoring).

Звучит легко, но в действительности – это комплексный процесс, для реализации которого нужны специальные совокупности, адаптация уже имеющихся IT-систем и хранилищ, и наличие персонала либо подрядчиков, каковые будут поддерживать и развивать BI в компании.

Лучше функционировать пошагово. Маленькая компания может начать с несложного и легковесного in-memory BI-инструмента с возможностью дэшбординга и OI. Первое (in-memory) принципиально важно, по причине того, что решения, каковые формируют отчеты в RAM (оперативной памяти) значительно стремительнее. Out-memory потребует стремительных дисков, но все равно скорость формирования отчетов не радует.

Дэшборд (dashboard) – это «приборная доска», на которую вынесены самые ответственные индикаторы. В большинстве случаев, они помогают для отображения своевременных данных (и тут начинается путаница).

Чем прекраснее графики и лучше дэшборд, тем меньше внимания (в большинстве случаев) разработчики уделили семантическому слою. Значит, методы расчета показателей смогут хромать, корректность аналитики под сомнением – но графики роскошные, загляденье. И напротив, хорошая математика практически конкретно узнаваема по убогой графике.

Предугадайте, чьи презентации выглядят более эффектно. Лучше не зацикливаться на прекрасной упаковке, а обратить внимание на другие характеристики:

  • Корректность показателей.
  • Скорость формирования отчетов (не более нескольких мин.).
  • Независимое создание отчетов также доступно, их легко настраивать.
  • Доступность информации всем сотрудникам.
  • Защита информации от тех, кому доступ не выделен.
  • Мобильность, другими словами помощь мобильных платформ.
  • Недорогая разработка, помощь, доработки.
  • Agile либо вторая «эластичная» методика.
  • Обучение автоматизировано и упрощено.
  • И лишь позже красота графиков.

В то время, когда и как использовать Operational Intelligence (OI)

В большинстве случаев, своевременные показатели появляются у бизнеса весьма скоро. Начните любую деятельность, и через несколько месяцев уже появляется соблазн ее систематизировать. Лишь это неточность.

Первые эти критично серьёзны для роста и управления, но они через чур очень сильно прыгают, дабы действительно сказать о мониторинге. Настоящая потребность в OI появляется лишь по окончании систематично повторяющихся трансформаций однообразных показателей с малыми колебаниями. Очевидно, в случае если новое предприятие сходу строится на системной базе, OI возможно стартовать еще до открытия.

Но пока идет поиск ниши, ассортимента, изменяются подходы и любой следующий заказ может в разы поменять графики – постоянное наблюдение показателей ничего особенно нужного не позволит.

Действительно, в случае если заблаговременно не подготавливаться к OI, то возможно продолжительное время не подмечать уже наметившиеся полезные KPI. Исходя из этого затевать отслеживание обстановки лучше заблаговременно, при первой же возможности, а автоматизировать мониторинг и вводить под него регулярные процессы – значительно позднее. Без шуток сказать о запуске Operational Intelligence возможно тогда, в то время, когда сложилось познание:

  • Какие конкретно как раз показатели вправду главные.
  • Как их скоро и точно актуализировать.
  • Кто будет этим заниматься, какие конкретно сотрудники.
  • Как именно, кого как раз и в каком формате оповещать.
  • Как реагировать на трансформации значений, какие конкретно запланированы действия.
  • Каков замысел по превращению массива данных в совокупность OI.

По мере прояснения ответов на эти вопросы станет понятнее – какое IT-ответ лучше применять. Лишь не ориентируйтесь на рекламные описания разработчиков. Они не знают вашего бизнеса и, к сожалению, в большинстве случаев не желают его знать. Исходя из этого лучше просматривать форумы пользователей, чем сайты разработчиков.

Лучше искать либо заводить друзей, каковые уже используют те либо иные OI-продукты, и задавать им практические вопросы, в основном негативные. К примеру, сколько времени заняло внедрение в сумме: не только установка ПО, а включая обучение сотрудников, интеграцию с бизнес-процессами, переход к настоящему началу применения показателей. какое количество времени затрачивается на поддержку, перенос и ввод данных, их диагностику? Как реализовано нормирование?

Комфортно ли оценивать отклонение текущих показателей от статистических?

Основной вывод, к которому вы должны прийти: будет ли переход на OI удачнее, чем его отсутствие. В случае если ответ «да», то вы уже опоздали. Значит, затевать необходимо было значительно раньше.

IT-менеджмент4890 0

Решения Business Intelligence: для чего необходимы и как выбрать

IT-менеджмент1645 6

Как технологии Business Intelligence трудятся на синергию

Как разводить кроликов разработка бизнеса


К прочтению:

самые интересные статьи, подобранные как раз для Вас:

spacer