BI-системы
в
помощь:
мини-гайд
по
решению
аналитических
бизнес-задач

По оценке экспертов, емкость российского рынка BI-систем в 2022 году составила порядка 50 млрд рублей. В 2023 году прогнозируется сопоставимый объем, но структура рынка может измениться. Ожидается ужесточение конкуренции между российскими вендорами, а также переориентация Клиентов на разработку и внедрение кастомизированных решений, созданных на основе открытого кода.
Спрос со стороны Клиентов растет, платформы для сбора, обработки, анализа и представления данных сегментируются под бизнес-задачи и особенности определенной сферы. Растет и предложение со стороны вендоров: на рынке представлены десятки аналитических систем, презентующих сходные функциональные возможности, но содержащие существенные различия “под капотом”.
В статье, подготовленной при содействии эксперта BI направления, заместителя генерального директора «БАРС Груп» Рустема Ибрагимова, даем рекомендации по выбору BI-решения, исходя из задач конкретного коммерческого или государственного Заказчика.

 

Какие задачи решают BI-системы

 

Системы класса BI решают четыре группы аналитических задач, отличающихся уровнем сложности, инструментами работы с данными, требуемыми навыками и предоставляемыми возможностями для пользователя. Степень продвинутости растет от первой к четвертой категории.

1. Простейшая описательная (дескриптивная) аналитика фокусируется на описании прошлого и отвечает на вопрос “что произошло?”, отражая через инструменты регламентной отчетности и аналитических панелей (дашбордов) информацию об уже произошедших событиях (например, отчет о продажах компании за прошедший период в соответствии с утвержденным приказом компании шаблоном представления данных).

 

Frame 13.png

 

Пример: динамика количества вакансий за отчетный период

 

2. Более продвинутый класс аналитических задач – диагностический, помогающий найти ответ на вопрос “Почему?”, решается инструментами поиска значимых факторов, повлиявших на события в прошлом. Это касается возможностей фильтрации, сортировки, гибкой агрегации данных, создания на лету дополнительных вычисляемых показателей, развертки агрегированных значений до первичных, расширением контекста анализа за счет быстрого дообогащения бизнес-показателей связанной с ними дополнительной информацией. Например, мы анализируем продажи в разрезе сегментов клиентов либо каналов продвижения, дообогащая рассматриваемый контекст информацией о маркетинговых мероприятиях, сортируя их по эффективности конверсии лидов. Анализируя продажи по отдельно взятому сегменту, при необходимости мы можем углубиться до конкретных сделок и расширить контекст через дополнительные группировки по территориям либо периодам года. Ключевым моментом является низкий входной порог использования диагностических инструментов, позволяющих пользователю, не обладающему продвинутыми знаниями в ИТ, без внешней помощи проводить исследование данных.

 

Frame 12.png

 

Например, на скрине приведены графики зависимости объема продаж сотрудника от скидки и зависимости совокупного объема продаж компании от штата

 

3. Прогностическая, или предсказательная аналитика помогает на основе произошедших в прошлом событий прогнозировать изменения состояния анализируемого объекта в будущем и проводить сценарное моделирование различных вариантов развития ситуации в зависимости от разных факторов. Например, на основе данных о продажах строятся модели прогнозирования спроса на те или иные товарные позиции в зависимости от времени года или расположения торговой точки.

 

ДашикДемо.png

 

Пример учета множества факторов при сценарном моделировании объема продаж

 

4. Предписывающая, прескриптивная аналитика – группа наиболее продвинутых методов анализа, когда система помогает построить альтернативные сценарии развития событий в режиме реального времени и выбрать из них наиболее подходящий, подсказывая пользователю, что нужно делать. Например, в системе мониторинга оборудования на основе датчиков создается модель, которая, анализируя показатели работы, предскажет риски поломки механизма и позволит заранее запланировать ремонт. Или модели предсказания рисков наступления сердечно-сосудистых заболеваний. Врач вносит результаты осмотра пациента, модель подсвечивает риски патологий и рекомендует задать уточняющие вопросы, назначить дополнительные анализы, обследования для уточнения диагноза. Это ассистенты в принятии решений, способные анализировать сценарии развития ситуации и давать человеку определенные рекомендации.

 

Функциональные слои BI-систем

 

В профессиональном сообществе до сих пор нет единой точки зрения, какой функционал идентифицирует ИТ-продукт как BI-систему.
Исходя из многолетнего опыта внедрения аналитических сервисов мы считаем, что BI система должна обладать рядом отличительных характеристик, а именно наличием:
собственного аналитического хранилища, опционально — с возможностью в live-режиме анализировать данные напрямую из источников первичной информации без загрузки данных в собственное хранилище. Такая позиция продиктована сложностями в обеспечении высокой доступности и скорости работы аналитических систем при обработке больших объемов данных либо ресурсоемких вычислений в условиях негарантированной доступности источников первичной информации
инструментов транспорта и трансформации данных из источников в собственное хранилище, благодаря чему обеспечивается повышение качества данных и доверия пользователей к анализируемым данным
инструментов разведки и продвинутого анализа данных, начиная от классических возможностей агрегации, фильтрации и сортировки данных, заканчивая созданием моделей машинного обучения
публикации и распространения результатов анализа данных в виде регламентных отчетов и дашбордов.
При этом де-факто стандартом является обеспечение минимального входного порога для работы с аналитическими задачами. Пользователи ожидают лаконичный и удобный интерфейс, позволяющий без продвинутых навыков программирования самостоятельно (в режиме self-service) пройти полный сценарий работы с данными, начиная от загрузки данных и заканчивая публикацией результатов анализа.
Сейчас на рынке наблюдается сегментация BI-систем. Так, некоторые платформы отличаются усиленным ETL-модулем (работа с загрузкой, трансформацией и выгрузкой данных). Есть решения, которые специализируются только на визуализации и в меньшей степени задействуются в работе с хранилищем и трансформацией данных. А есть решения, предоставляющие инструменты полного цикла работы с данными.
Как правило, 75% требований Заказчика к BI-платформе стандартны. А оставшиеся 25% – это та самая «изюминка» проекта внедрения, которая может потребовать кастомизации сервиса под нужды Клиента. Отечественные вендоры реализуют разные стратегии возможностей кастомизации собственных решений. “БАРС Груп” как разработчик BI-систем предоставляет богатый функционал “из коробки” с широким набором точек расширения, позволяющих обеспечить наиболее точное соответствие проектного аналитического решения ожиданиям Клиента.

 

Кто и как выбирает BI-систему на стороне Заказчика

 

Выбором системы от компании-заказчика чаще всего занимается три отдельных группы со специфическими критериями отбора и ожиданиями, в связи с чем порой выбор BI-решения является поиском компромисса между:
1) Топ-менеджеры и руководители подразделений. Они основные спонсоры проектов внедрения, и их чаще всего интересует срок окупаемости инвестиций в проект внедрения аналитических сервисов. Для B2G-Клиентов не менее важно четкое соответствие заданному ТЗ и наличие социально-экономических метрик эффективности внедрения такого рода ИТ-решений.
2) Аналитики данных — акцентируют внимание на простом понятном интерфейсе, богатом функционале, наличии образовательных материалов и активном комьюнити, востребованности инструментальной экспертизы на рынке труда.
3) ИТ-специалисты — интересуются тем, как реализованы нефункциональные требования, обеспечиваются масштабируемость и безопасность решения, удобство развертывания и проведения обновлений, расширяемость платформы и отсутствие зависимости от вендора. Также они учитывают совместимость с российскими операционными системами и продуктами других российских разработчиков.
Порой требования этих трех групп противоречат друг другу. Например, технологическая гибкость и простота для пользователя, как правило, находятся на разных полюсах — платформа-конструктор с широким набором функций повышают входной порог для использования и требуют дополнительных специальных навыков от пользователей.
В то же время лучше не пренебрегать такими бонусами от вендора, как наличие экспертного коммьюнити, обучающих материалов, курсов с сертификацией, развитой партнерской сети, которая может оказывать сервисную поддержку и т.д.

 

Российские аналитические системы Alpha BI и Analytic Workspace

 

Компания “БАРС Груп” разработала и внедряет системы BI, предназначенные для использования в коммерческом или государственном секторе.
Они обеспечивают полный цикл работы с данными с широким набором инструментов анализа для решения задач описательной, диагностической, прогностической и предписывающей аналитики, гибкую расширяемость функционала без необходимости привлечения вендора и ориентированы на работу с большими объемами данных на проектах с сотнями и тысячами пользователей.
Alpha BI — технологическая платформа для решения таких задач, как централизация большого количества несвязанных данных из различных источников в едином хранилище, их обработки, анализа и информативной визуализации в произвольных аналитических срезах.
В партнерстве с компанией “ОСТ” “БАРС Груп” разработана еще одна популярная BI-система Analytic Workspace. Это гибкий инструмент BI-аналитики для проведения разведки данных, проверки аналитических гипотез, визуализации и поддержки в принятии решений. Относится к классу self-service продуктов, что минимизирует требования к пользователям в части владения навыками программирования. Функционал Analytic Workspace позволяет подключаться к различным источникам данных, проводить трансформацию данных и оперативно формировать наглядное визуальное представление.

Обратная связь
Оставьте заявку и наши специалисты свяжутся с вами в ближайшее время
Письмо успешно отправлено :)
Ошибка отправки письма :(