BI-системы как инструмент data-driven-управления предприятием

Введение, обзор литературы, цель

Объекты и субъекты в экономике всегда ищут пути совершенства и наилучшего эффек та . Отталкиваясь от момента , когда большин ство компаний перешли на разделение труда , можно заметить , что отдельные части произ водственного процесса стали осуществляться при помощи автоматизированных технологий . Контроль за наличием материалов и комплек тующих ранее осуществлялся сотрудниками вручную , но на смену такого труда пришли MRP- системы . Позже у компаний возникла тенденция обращать внимание на удовлетво ренность своих клиентов . По аналогии с MRP- системами возникли CRM- решения , которые устраняли риск утери своих клиентов или их обратной связи по товару или услуге .

Вышеупомянутые системы и большинство других информационно-коммуникативных технологий (ИКТ) зарождались и совершенствовались в момент бурного роста всей сфе- ры информационных технологий и помогали бизнесу устранять проблему простоев или утери потенциального, а то и реального дохода со своей деятельности. По прошествии времени уже невозможно представить себе компанию, которая не использует возможности сферы ИКТ для своих нужд [1].

С увеличением количе ства обрабатываемых данных появилась потребность в новых ИКТ. Большие данные компании начали требовать от них подхода, который привлечет внимание к аналитике и выработке правильного решения. Такой подход стал именоваться data-driven («управление данными»). Суть такой культуры заключена в принятии решений и процессов, которые имеют основу из выведенной статистики собранных данных без чувственного восприятия или импровизации действий. Таким образом, появился запрос со стороны хозяйствующих структур в системах бизнес-аналитики – BI-системах. В настоя- щее время BI-системы в стратегии цифровой трансформации становятся единым местом мониторинга и предоставления данных.

Цель исследования : рассмотреть сущ ность понятия Business Intelligence (BI), BI- системы , определить место в развитии бизнеса инструментальных средств бизнес - аналитики и их роль в data-driven- управлении предприятием ( управление , основанное на данных ), провести анализ мирового и россий ского рынков систем данного класса .

Понимание важности технологий Business Intelligence для решения структурно и опреде ленно важных аспектов предпринимательской деятельности определяет вектор развития того или иного предприятия . Однако здесь может возникнуть ряд вопросов , которые для вла дельца бизнеса могут быть не такими прозрач ными и ясными . Например , к таким вопросам отно сится определение Business Intelligence и его сфера действия в экономической сфере .

Разбирая данный термин , следует об ратить внимание в первую очередь на его трактовку как с английского языка , так и в переводе на русский . Если со словом Business не возникают никаких сложностей , то опреде ление слова Intelligence не такое однозначное . Дословное определение имеет две версии [2]:

• 1)    the ability to learn, understand, and think about things ( в переводе на русский « способ ность к изучению , пониманию и размышле нию над определенными вещами »);

• 2)    secret information about the governments of other countries, or the group of people who get this information ( в переводе на русский « разведыва тельные данные о правительствах стран или о группе лиц , владеющих этой информацией »).

Очевидно , что наиболее подходящей к тематике исследования является первая трак товка . Однако при объединении понятий в профессиональный термин в русскоязычных источниках наблюдаются следующие перево ды : « бизнес - интеллект » и « бизнес - аналити ка ». Они наиболее достоверны и более понят ны . Стоит отметить , что в исследовательской работе часто будет фигурировать сокращение BI или сам перевод « бизнес - аналитика » [3].

В настоящее время существует два вида интерпретации термина BI:

• 1.    BI как совокупность методов , тех нологии и средств по предоставлению ин формации . Такая точка зрения носит в себе объединяющий характер некоторых объектов и инструментов для показа характерной ин формации , которая была преобразована при изначальном ее извлечении из определенного источника хранения данных . Сама же преоб разованная информация становится понятной и читабельной для тех пользователей , кото рым данный процесс и был направлен .

• 2.    BI как результат принятия бизнес - реше - ния . Следует понимать , что вся информация , которая извлекается и анализируется , помогает выбрать оптимальный подход к достижению поставленного результата . Таким образом , знания о бизнесе становятся определяющим фактором поддержки принятия решений .

По мнению авторов , BI – систематизиру ющий процесс по операции с данными при помощи технологического и теоретического инструментария для принятия бизнес - решений , а также методов и средств визуализации для ин - терпретации их в понятную и читаемую форму .

Следует разобрать основную архитекту ру BI- системы [4]. На рисунке представлена схема , на которой видны основные процессы , протекающие в программных продуктах по бизнес - аналитике .

Источники данных представляют собой разные информационные контейнеры , в ко торых содержится какая - либо бизнес - инфор мация . Источниками могут выступать базы данных от различных систем (ERP, CRM, 1C, eCommerce, SQL хранилища и т . д .), тексто вые файлы форматов txt, xlsx, csv, и JSON, неструктурированные данные из разных веб - сервисов .

Сбор данных осуществляется посредством инструментов ETL (Extract-Transform-Load). Они предназначены для извлечения данных из всех источников , преобразования их атри бутов в логическую концепцию и загрузки в единое хранилище данных . Есть и инстру менты ELT (Extract-Load-Transform), которые по сути отличаются от предыдущего вида инструментов изменением порядка последних двух этапов и могут преобразовывать данные сразу же в целевой системе хранения данных .

Схема архитектуры BI-системы Diagram of the architecture of the BI system

Хранение данных подразумевает составле ние единого центра данных , который содержит в себе сервер с базой данных , наполненных преобразованными метаданными . При помощи центральной системы хранения осуществляется вся дальнейшая транспортировка данных в раз личные программные интерфейсы .

Потребление данных можно также име новать как пользовательский уровень или интерфейсный . Здесь вступают в работу все интерфейсные продукты бизнес - аналитики для построения различных объектов : от гра фических представлений до сформированных OLAP- кубов или динамических дашбордов с расчетной информацией из метаданных .

Методы исследования

Определить современный вектор разви тия BI- систем невозможно без углубления в их историю становления . Можно считать , что термин Business Intelligence зародился в 1958 г . благодаря статье сотрудника IBM Ханса Питера Луна [5], которого по праву считают « отцом бизнес - аналитики », так как статья заложила основы BI- систем и акту альна по сей день . Однако определение тер мина носило узкий характер с точки зрения процесса принятия решения , а не комплекса технологических инструментов . Это объясня ется исторической эпохой , в которой только начался бурный рост создания компьютеров .

К 70–80-м гг. компьютерная сфера в ускоренном темпе совершенствовалась и форми- ровала огромное количество поставщиков как аппаратных, так и программных технологий. Такие компании как SAP, Siebel, JD Edwards стали первыми поставщиками систем бизнес-аналитики, благодаря тому, что компании начали соединять важные элементы процессов и организовали комплексные системы. Однако эти системы были несовершенны и обладали большими проблемами в обмене и анализе информации.

Ближе к концу 80- х гг . системы дополня лись необходимыми компонентами ( от спро ектированных хранилищ данных в системе до первых наработок внутренней аналитики полу ченных данных ). Так , в 1989 г . аналитик компа нии Gartner Group Говард Дреснер дал расши ренную трактовку термина BI как « процесса , который включает доступ и исследование ин формации , ее анализ , выработку интуиции и понимания , которые ведут к улучшенному и неформальному принятию решений » [6]. Также стоит отметить тенденцию среди специалистов к исследованию и использованию таких тех нологий , как DSS (Decision Support System – « система поддержки принятия решений ») и EIS (Executive Information System – « управ ленческая информационная система »). Из этой тенденции следует стремление Дреснера найти термин , который бы связал процедуры преобра зования данных и предоставления полученных результатов для обсуждения среди экспертов и выбора наиболее приоритетных решений для последующего развития компании .

Все достижения в данной сфере стали определяться как первое поколение BI. По следующий этап развития получил наиме нование Business Intelligence 1.0. С 90- х гг . вектором служило упрощение использования данных систем и внедрение таких функций , как создание отчетов и их визуализация пре зентабельным образом .

Следующим этапом был Business Intelligence 2.0, который начался с начала 2000- х гг . Медленный темп разработки BI- систем пе рерастал в стремительный . Главными раз работчиками становились компании IBM, Microsoft, SAP и Oracle.

С 2010 г . по настоящее время системы биз - нес - аналитики находятся на стадии Business Intelligence 3.0. Особенность этого этапа заклю чается в том , что системы начали становиться стандартными инструментами в средних и крупных организациях разных деловых сфер . Также применение этих технологий не ограни чивалось использованием их на компьютерах , а расширилось до мобильных устройств . Свое развитие нашло и визуальное отображение анализируемой информации , которое фокуси ровало внимание на приятном и читабельном отображении конкретных данных .

Общее видение развития BI- системы сквозь ее историю дает понимание того , что BI пере растал из теоретических стандартов в полноцен ные комплексные информационные структуры , содержащие в себе ряд передовых технологий .

Данные о современной ситуации на рынке BI-систем могут быть представлены в виде магического квадранта – диаграммы, в виде которой компания Gartner предоставляет свою отчетность о компаниях или ИТ-объектах на различных рынках. Диаграмма содержит в себе четыре сектора, разделенных осью полноты видения (ось абсцисс) и осью реализуемости решений (ось ординат): лидеры, претенденты на лидерство, дальновидные и нишевые игроки. Компании, относящиеся к группе лидеров, характеризуются стабильностью на рынке, возможностью задать вектор развития не только для себя, но и для всей индустрии. Претенденты на лидерство удовлетворяют базовым потребностям клиентов на рынке и показывают хорошую динамику продаж, однако в отличие от лидеров не располагают совершенными функциями своего продукта. Дальновидные игроки чаще всего исследуют возможность интеграции современных технологий в свой продукт, который может стать ключевым трендом в наборе функций в последующие годы. Нишевые игроки, в большей мере, дают базовую конфигурацию решений своих продуктов и узкоспециализированы для конкретных сегментов или представителей рынка [7].

Исходя из данных квадранта за 2022 г ., в качестве лидеров выделяют три компании : Microsoft, Salesforce (Tableau) и Qlik [8]. BI- системой от Microsoft является продукт Power BI. Это самый передовой продукт по бизнес - аналитике , который сочетает в себе множе ство источников данных для подключения , обширный спектр диаграмм визуализации с возможностью применения языков програм мирования Python и R и целой экосистемой по работе с данными , которые обладают сле дующей иерархией [9]:

• –    Power BI Desktop – настольная версия для компьютеров , где осуществляется пере нос данных из различных источников в си стему и создаются отчеты ;

• –    Power BI Online – веб - сервис , куда пу бликуются отчеты , созданные в Power BI Desktop, а на основе полученных отчетов соз даются дашборды ( информационные панели );

  – просмотр общих информационных пане лей и отчетов в приложениях Power BI Mobile и взаимодействие с ними .

Далее располагается Salesforce и приоб ретенный ими продукт Tableau. В сравнении с предыдущим лидером этот продукт , по мне нию аналитиков Gartner, интуитивно понятен и прост в использовании . Обладает также более широкой совместимостью с разными облачными платформами (MS Azure, Amazon Web Services и др .) в отличие от Power BI, который совместим только с MS Azure.

И третьим лидером является Qlik. Его характеристики схожи с двумя предыдущими продуктами , однако имеется явный недо статок в виде отсутствия интеграции языков программирования Python и R. Преимуще ством же является лимит до 500 Гб облачного хранилища в рабочей группе .

Среди претендентов на позиции лидерства на рынке выделяются Google и Domo. Продукт первой компании – Looker Studio ( прошлое на звание – Google Data Studio). Выделяющимися факторами преимущества данного решения являются бесплатное использование и то , что реализован в виде веб - сервиса . Однако по следний пункт преимущества является и его главным недостатком , так как скорость за грузки данных и отчета зависит от состояния интернет - соединения . Еще одной проблемой данной программы является ограниченное количество типов подключения к различным источникам данных в сравнении с лидерами . Однако Google анонсировал добавление новых возможностей в свой инструмент , но уже на основе платной подписки .

Таким образом , исходя из наполнения мирового рынка , можно сделать вывод о том , что компании стремятся к развитию целой экосистемы своих решений и наполнению их обширными возможностями для видения бизнес - аналитики . Изменения числа компа ний в группе дальновидных игроков говорит о интеграции ими новых способов упрощения использования услуг BI, но им не хватает масштабируемости или закрепления своих передовых технологий на постоянной основе . Из этого анализа вытекает и другой вывод – на мировом рынке отсутствует представитель из РФ . Однако данные о российских наработках непосредственно имеются .

Аналогом отчета о BI- платформах на российском поле являются ежегодные иссле дования Сергея Громова под названием «BI- круг Громова ». Отчет собирает в себе пред варительную часть по обобщению трендов развития области и раскрывает определенной количество платформ [10].

Из последнего отчета за 2022 г . в исследо вании участвовало 14 систем от российских разработчиков . Оценка проводилась эксперт ной группой по 15 критериям .

В исследовании участвовали такие продуценты BI-систем, как Visiology, «Форсайт. Аналитическая платформа», Yandex DataLens, Modus BI, Luxms BI и т. п. Параметрами сравнения служили следующие пункты: администрирование, безопасность и архитек- тура платформы; подключение к источникам данных; трансформация и хранение данных; гибкость системы при работе с данными; расширенная аналитика; функциональность аналитических объектов; интерактивное визуальное исследование; функциональность на мобильных устройствах; расширенное взаимодействие с аналитическим контентом; командное взаимодействие пользователей; простота освоения и удобство использования системы; информационное сопровождение продукта; кастомизация свойств объектов интерфейса; экспорт отчетов; продуктовые критерии.

Результаты и дискуссия

В результате интегральной оценки были вы явлены следующие лидеры среди российского рынка BI – это « Форсайт », Visiology, Yandex DataLens, Luxms BI, « Триафлай ». В рамках обзора были взяты первые три решения .

« Форсайт . Аналитическая платформа » – это одна из программ , включенных в список Единого реестра российских программ для электронных вычислительных машин и баз данных . Разработчик платформы – россий ский BI- вендор « Форсайт », которая развивает технологии « Индустрии 4.0» ( алгоритмы ИИ , машинное обучение , BigData). К сильным сторонам можно отнести широкое админи стрирование пользователей , хорошо развитую возможность ETL- технологий , мониторинг бизнес - процессов и формирование отчетов различных типов [11]. Однако у данной плат формы имеется большой недостаток в виде тяжелого освоения самой системы пользова телем . Сам же разработчик имеет свои курсы по работе с данной системой , но тем не менее фактор простоты и мобильности в использова нии программы остается нерешенным .

Следующей программой является Visiology. Инструмент предлагает более дружелюбный интерфейс для создания различных элементов визуализации. Однако сложностью этой BI-программы является то, что она требует использования JavaScript для разработки и кастомизации визуализаций и Python для обработки данных. Это создает сторонним пользователям без должных навыков барьер для входа в этот продукт. Тем не менее широкий набор настроек для формирования отчета или данных, подключение разных ETL-скриптов становятся плюсами данной BI-системы.

Yandex DataLens – бесплатный инструмент бизнес-аналитики, созданной компанией Яндекс. Сразу же выделяется ряд пре-имуще ств: расположение сервиса в Yandex Cloud, что говорит о минимальных нагрузках на компьютер пользователя, интуитивно понятный интерфейс при создании каталогов данных и их отчетов, доступно сть обычным пользователям без обладания должными навыками [12]. Однако, как и у аналогичного примера продукта от Google, есть факторы, указывающие на недостатки этой системы. Сперва отмечается ограниченная функционально сть и применимость кастоматизации под корпоративный стиль. Также отсутствие день и стали именоваться традиционным BI (Traditional BI). Развитие так называемых систем BI-самообслуживания (self-service) подразумевает использование решения, основу которого составляет поиск ответа пользователя без участия службы поддержки. Это достигается за счет обширно написанной документации системы, чат-ботов и голосовых помощников, которые обладают паттернами для предоставления решения проблемы, возникшего у пользователя. Даже в этапах разработки и взаимодействия с данными есть различия между традиционными и самообслуживающимися системами бизнес-аналитики, как показано в таблице.

К развитию самообслуживающихся BI- систем можно отнести и внедрение порталов и программ обучения по использованию данных систем . Такой подход ускоряет погружение

Сравнение этапов разработки/взаимодействия с системой

Comparison of the stages of development/interaction with the system

Этап Традиционный BI BI-самообслуживание 1 Бизнес-пользователь собирает требования для представления данных ИТ-команда собирает запросы пользователей на инструмент самообслуживания 2 Пользователь отправляет запрос ИТ-команде Реализован инструмент самообслуживания для бизнес-пользователей 3 ИТ-команда извлекает данные и загружает их в хранилище данных для анализа Бизнес-пользователь получает прямой доступ к данным 4 ИТ-команда формирует модель данных Бизнес-пользователь совершает подготовку данных 5 Пользователь утверждает отчет или панель мониторинга или запрашивает изменения Бизнес-пользователь создает модель данных интеграции с различными сервисами для расширения возможности работы и отсутствие автосохранения, которое для всех пользователей становится угрозой при форс-мажорных обстоятельствах, связанных с перебоями ин-тернет-соединения.

Относительно суще ствующих трендов можно выделить [13]:

• 1)    применение self-services BI. Это решение родилось благодаря тому , что использование инструментов активно стремилось к расшире нию пользователей с нетехнической специаль ностью . По истории развития BI было видно , что в один момент все процессы аналитики информации держались на ИТ - отделах ком паний и замедляли процессы с принятием ре шения . Данные системы существуют и по сей

пользователя в программу и решает основные базовые вопросы по эксплуатации той или иной функции :

• 2)    еще одним давним трендом служит грамотная визуализация данных . Большин ство систем стараются расширять свои возможности , генерировать из коллекции загруженных данных разнообразные гра фические интерфейсы . Помимо выбора той или иной графики , пользователям становится до ступным и процесс редактирования самих элементов как внутренними ресурсами , так и подключаемыми инструментами , созданных различными языками программирования (Python или R);

• 3)    говоря о новейших трендах развития рын ка , отмечают новое веяние бизнес - аналитики как

ABI- системы (Augmented Business Intelligence) [14]. Это усовершенствованные инструменты аналитики , которые призваны дополнять и ускорять обработку данных и предоставлять их пользователю на понятном языке . Отличитель ные черты traditional и self-services BI- систем заключены в следующих технологиях :

– машинное обучение позволяет создавать алгоритмы по сбору ретроспективных данных и выявлять закономерно сти и отклонения , генерируя при этом рекомендации и обучаясь самостоятельно без вмешательства человека ;

– технологии обработки и генерирования естественного языка (NLP и NLG) позволяют компьютерам интерпретировать человеческий язык и перерабатывать код в обратном направ лении для человека в понятной ему термино логии и форме высказывания ;

– автоматизация повседневных задач спо собствует сокращению времени на обработку какого - либо этапа аналитики данных и прак тически нивелирует ручные настройки ;

• 4)    еще одним инновационным трендом является Data Storytelling – концепция , помога ющая доступно информировать определенную аудиторию и повлиять на ее решения , визу ализируя сложные данные и аналитику [15]. Data Storytelling комбинирует предоставление данных и связи между ними путем общих сфер или тематик самих данных . Определяют 7 ти пов историй данных :

  – изменение с течением времени (Timeline) – самый стандартный тип истории данных , ис пользующий хронологии для демонстрации трендов ;

  – контекстный (Drill Down) позволяет определять контекст , чтобы аудитория лучше понимала , что происходит в определенной категории , и погружалась в самые детали ана литики ( пример контекста : континент - страна - город - район );

  – уменьшительный (Zoom Out) – тип исто рии , который привязывает определенные дан ные с общей картиной к конкретной области ;

  – контрастный (Contrast) – представление , сравнивающее два или более предметов для показа отличий ;

  – пересечения (Intersections) позволяет вы являть сдвиги данных в сравнении категории областей ;

  – факторный (Factors) объясняет как пред мет данных можно разделить на различные типы или подкатегории ;

  – выпадающий (Outliers) показывает ано малии или где вещи исключительно разные .

Обобщая всю изложенную информацию , можно сделать вывод о том , что BI- системы являются современными решениями для по нимания деятельности компании на основе данных . Для сферы экономики и стратегии цифровой трансформации инструменты биз - нес - аналитики осуществляют высокий темп для достижения бизнес - целей , затрачивая на это минимальное количество времени , и объединяют все необходимые аспекты в одну структуру .

Заключение

На основе анализа рынка российских BI- систем можно сделать выводы о том , что субъекты рынка стараются преуспевать за мировыми лидерами области , но суще ствует отставание в разрезе объединения факторов про стоты и наполняемости необходимыми технологиями под нынешние стандарты биз - нес - аналитики . При этом направленность на импортозамещение и установка в российских компаниях программ от отечественных раз работчиков приводят к стимулу и росту раз вития данных систем .

Современные BI- системы являются не отъемлемым инструментом для data-driven- управления предприятиями и отраслями . Характерные черты различных систем сфор мировались путем исторического развития их с сопутствующими технологиями , которые на полняли рынок информационных технологий .

Современный рынок BI- систем , как миро вой , так и российский , представлен различ ными инструментальными средствами , обе спечивающими реализацию широкого спектра необходимых функций .

Что касается российских решений , то они обладают необходимой технической основой для реализации базовых задач по BI- аналитике , но требуют активного исследования и наполне ния более совершенных функций для полного обеспечения работоспособности системы по сравнению с мировыми лидерами .