Бізнесова аналітика

Матеріал з Вікіпедії — вільної енциклопедії.
Перейти до навігації Перейти до пошуку

Business Intelligence (BI)[1] — це термін-метафора, який не має дослівного перекладу й тлумачення і позначає ієрархічно-синергетичний комплекс концепцій, технологій і програмних засобів аналізу первинних даних і візуалізації його результатів для підтримки рішень (Decision Support) [2] [3] [4], який об'єднує спеціальні статистичні засоби, нерегламентовані запити (ad hoc query), засоби швидкого багатовимірного аналізу OLAP, спеціальні засоби “розкопки даних” Data Mining і Visual Mining (Visual Analytics), спеціальні засоби візуалізації (Dashboards, Scorecard - збалансована система показників), елементи експертних систем на продукційних правилах "якщо... то... інакше ..." та може мати спеціальні засоби “розкопки текстів” Text Mining, ін.

Засоби Business Intelligence забезпечують швидке добування потенційно корисних нетривіальних знань з первинних даних і їх візуалізацію для прийняття більш корисних рішень, які недоступні без цього аналітичним робочим групам будь-якого розміру, інтелектуальної потужності і досвіду. Найбільш корисні результати BI-засоби дають за результатами аналізу інформації у сховищах даних (Data Warehouse), проте можуть принести корисний ефект і у кіосках даних (Data Marts), навіть на 100 наборах даних і менше. Найбільш ефективні засоби Business Intelligence (OLAP, Data Mining, Visual Mining, Video Mining, Web Mining та елементи Text Mining у тому числі Opinion Mining й Sentiment analysis) потребують потужних апаратно-програмних засобів; частина цих засобів доступна з 1990-х років, а інші — з другого десятиліття 21-го століття.[1]

Business Intelligence об'єднує технології реляційних (у справжній час і нереляційних баз даних —NoSQL) разом з найбільш зрілими технологіями Artificial Intelligence та передовими технологіями традиційної статистики й візуалізації результатів аналізу[1] [5].

Узагальнену і часткову термінологію у сфері Business Intelligence визначили в основному з кінця 1980-х років до середини 1990-х років такі вчені-практики: Hans Peter Luhn (Ганс Пітер Лун) - A Business Intelligence System [6], Govard Dresner (Говард Дрезнер) - Business Intelligence[1] [5], Edgar Frank Codd (Едгар Кодд) - OLAP[7] [8]; Gregory Piatetsky-Shapiro (Григорій Пятецький-Шапіро) та Усама Файад (Usama M. Fayyad) - Knowledge Discovery and Data Mining (KDD) у рамках AAAI (American Association for Artificial Intelligence) та пізніше в ACM SIG KDD (Association for Computing Machinery's Special Interest Group on Knowledge Discovery and Data Mining) [9]; Bill Inmon (Білл Інмон) і Ralph Kimball (Ральф Кімбалл) - Data Warehouse (сховища даних) [10]; інші вчені.[1] [5] [11] [12] .

Визначено також: BI 1.0 (BI першого покоління); BI 2.0 (BI другого покоління) ; BI 3.0/Cloud Computing (BI третього покоління)[1].

Для вибору, адаптації і розвитку Business Intelligence рекомендовано використовувати звіти від провідних світових консалтингових компаній IDC, Gartner, Forrester, які за результатами опитування користувачів по системам правил визначають провідних постачальників платформ Business Analytics/Business Intelligence[1] [5] [12] .

Узагальнені і часткові підсистеми Business Intelligence продовжують розвиватися в умовах конкурентної боротьби маркетингових термінів і функцій програмних платформ Business Intelligence різних вендорів (постачальників) [1] [5] [12] , з урахуванням міжнародних стандартів [13].

Business Intelligence фактично є важливою аналітичною основою Network-centric organization, Network-centric warfare (Мережево-центрична війна).

Також, Business Intelligence активно використовується не тільки у бізнесі, але й у інших структурах, у тому числі у силових структурах, в Армії США. Центр компетенції з Business Intelligence армії США (US Army ESCC, Army Business Intelligence Competency Center) випустив Довідкове керівництво з BI (Business Intelligence Reference Guide), яке було доступне у веб до 2011 року [14]. У керівництві введено термін Army Business Intelligence та визначена Еволюція Business Intelligence, яка розділена на три етапи:

- Pre-Information Age (1960-1980 р.р.) – Передінформаційна ера;

- Information Age (1980-2000 р.р.) – Інформаційна ера;

- Business Intelligence Age (після 2000 р.) – Ера Business Intelligence.

На сторінці Army BI + KMS[1] розкриті та уточнені важливі особливості Army Business Intelligence, показані деякі асоціації та часові послідовності, що дозволяють уточнити та краще зрозуміти розвиток Business Intelligence та зв`язаних концепцій, технологій і засобів.

Замість Business Intelligence (BI) у веб-публікаціях часто вживають терміни DW BI або BI DW (DateWarehouse, Сховище Даних), адже Business Intelligence, як правило, надбудовується над сховищем даних.

Також часто вживають BI DSS або DSS BI (Decision Support System, Система підтримки прийняття рішень на основі Business Intelligence). Система підтримки прийняття рішень на основі Business Intelligence 2.0 або 3.0 (DSS BI 2.0[5], DSS-BI 3.0/Cloud Computing [1] ), на відміну від BI включає в себе сховище даних або кіоск даних (Data Mart) та може включати в себе елементи традиційної DSS (Система підтримки прийняття рішень).

Провідні спеціалісти США (Claudia Imhoff, Colin White) у сфері Business Intelligence справедливо відзначили у 2008 році, що Business Intelligence по суті - це система підтримки прийняття рішень другого покоління (DSS 2.0), або Decision Intelligence System [15].

З 2007 року провідний викладач США у сфері DSS професор Daniel Power включив Business Intelligence до "A Brief History of Decision Support Systems" ("Коротка історія систем підтримки прийняття рішень")[16].

Іноді замість Business Intelligence вживають з різних причин інші терміни, що показано далі.

Близьким до Business Intelligence за змістом є Businese Performance Management, BPM (управління продуктивністю підприємства) та похідні від нього.

В США прийнятий закон про Data Mining, хоча фактично мова йде про Government Business Analytics/Business Intelligence, адже засоби Data Mining не самодостатні без інших засобів Business Intelligence [17].

У доповіді PCAST 2010 року вказано на пріоритетність розвитку data mining, machine learning та про необхідність розробки для кожного державного агенства (міністерства) своєї big data strategy, проте по суті мова йде про Government Business Analytics/Business Intelligence[18].

Подібно до Business Intelligence Strategy у США в Україні було запропоновано розробляти дослідну Концепцію Business Intelligence+KMS (Knowledge Management System)[19] для часткової державної підсистеми узгоджено з іншими - на рік раніше ніж у США і вона не втратила своєї актуальності до цього часу [1] . Big Data ціні не самі по собі, а як джерело нових нетривіальних знань, добутих за допомогою Business Intelligence, а всі сучасні системи Business Intelligence та Knowledge Management System містять у собі одна другу - у більшій чи у меншій мірі. Тому, коли ми метафорично пишемо Business Intelligence Strategy, по суті маємо на увазі Business Analytics/Business Intelligence+KMS [1] [11].

Business Intelligence - це не "бізнес-розвідка". Для позначення бізнес-розвідки використовується термін Competitive Intelligence ("конкурентна розвідка"), який іноді закривається більш широким терміном "аналіз консолідованої інформації" . У воєнній сфері використовується термін OSINT (Open Source Intelligence - розвідка по відкритим джерелам).

Часто плутають поняття Business Analytics (ділова аналітика) і Busines Intelligence. Проте, Business Analytics (ділова аналітика) - це древнє і більш широке поняття, ніж новітній термін Busines Intelligence зі сфери hitech аналізу інформації. Адже ділова аналітика використовувалась ще в часи будівництва пірамід і раніше, з часу виникнення математики. А Business Intelligence виникла у кінці 1980...1990-х років, як наслідок створення достатньо швидкодіючих комп`ютерів, які змогли реалізувати дуже ресурсомісткі алгоритми OLAP і штучного інтелекту, напрацьовані з 1960-х років [20] [21]; найбільш сучасні алгоритми Opinion Mining та Sentimential Analysis розробляються на основі Data Mining, Text Mining у 21-му столітті.

Різними прикладами систем Business Intelligence+KMS, або DSS BI 3.0/Cloud Computing є пошукові веб-системи типу Google, або типу Goole Analytics і по суті у них вже реалізовані багато практично корисних функцій BI NEO (Network Ergatic Organizm, мережевий ергатичний організм - має виконавчі функції) [1].

Прикладом високоавтоматизованої системи Business Intelligence+KMS є BI-платформа Panorama Necto, у якій напрацьовані моделі складного аналізу (Data Mining) запам`ятовуються та автоматично активуються, коли інші користувачі виконують подібну задачу; при цьому можливий он-лайн зв`язок у внутрішній мережі з автором раніше розробленої моделі аналізу. В основному за рахунок цього BI-платформа Panorama Necto позначена у компанії як BI 3.0 і цю точку зору підтримали у BI Microsoft. Проте, є точка зору, що BI 3.0 - це по суті BI Cloud Computing, тобто реалізація Business Intelligence "у хмарах", а Panorama Necto реалізувала Business Intelligence+ KMS (Knowledge Management System) [1].

Додатково до рекомендацій провідних консалтингових компаній варто враховувати приватні рекомендації практиків з використання Business Analytics/Business Intelligence у діловій аналітиці організацій, а також дослідження і досвід наукових і науково-педагогічних працівників у цій сфері.

Для прикладу, доступні таксономії (класифікації) Business Analytics/Business Intelligence певний час не включені засоби Social Media CRM (Social Media Analytics, Social Media Business Intelligence). Проте, доцільність такого включення підтримали всі присутні бізнес-користувачі й ІТ-консультанти після демонстрації функціональних можливостей відповідного програмного забезпечення на консалтингових заходах за тематикою Business Analytics/Business Intelligence[12]. Використання Social Media Business Intelligence (Social Media CRM, Social Media Analytics, Social Media DSS BI) у практичній діяльності бізнес організацій та державних структур може значно підвищити їх цільову ефективність, а невикористання може привести у деяких випадках до катастрофічних наслідків на національному і наднаціональному рівнях [22].

Досвід показав, що роздільний маркетинг платформ Business Analytics/Business Intelligence і Social Media CRM (Social Media Analytics, Social Media Business Intelligence) приводив до того, що в Україні у 2012 році багато керівників рівня CEO (Chief Exucive Officer), CIO (Chief Information Officer),CDO (Chief Data Officer) були добре обізнані з Business Analytics/Business Intelligence, але не знали про дуже цінні для бізнесу функції Social Media CRM (Social Media Analytics, Social Media Business Intelligence) - у результаті цього незнання непомітно для керівників страждала довірена їм справа[12] [1].

Визначення[ред. | ред. код]

Подібний до "Business Intelligence", але інший по суті термін «A Business Intelligence System» вперше ввів у 1958 дослідник фірми IBM Hans Peter Luhn (Ганс Пітер Лун) у однойменній статті [6]. У цій статті дані корисні визначення термінів "business" та "intelligence", які часто невірно трактуються на пострадянському просторі. Далі подано український переклад[5] термінів "business", "intelligence" та одного з визначень "A Business Intelligence System", які дав Г. П. Лун:

1) «business» – діяльність для досягнення цілей у сферах науки, технології, торгівлі, промисловості, правочинства, уряду, оборони та ін.;

2) "intelligence" - здатність розуміти зв'язки між представленими фактами таким чином, щоб направляти дії для досягнення бажаної мети;

3) "A Business Intelligence System" - автоматизована система (розробляється) для розповсюдження інформації до різних підрозділів будь-якої промислової, наукової або державної організації для реєстрації, реферування, кодування вхідних і внутрішніх документів, їх зберігання та вибіркового розповсюдження серед користувачів (окремих фахівців і груп) відповідно до їх профілів у системі (примітка - це термінологічно адаптований переклад).
Оригінальний текст(англ.)
The ability to apprehend the interrelationships of presented facts in such a way as to guide action towards a desired goal.

У сучасному розумінні термін «Business Intelligence» (BI) вперше ввів Hovard Dresner (Говард Дрезнер) у 1989 році, як парасольковий термін для опису "концепцій та методів для покращення прийняття бізнес-рішень, використовуючи системи підтримки прийняття рішень, засновані на фактах"[16] Після цього Говард Дрезнер більше 10 років працював у консалтинговій компанії Gartner науковим співробітником і віце-президентом з Business Intelligence, що ймовірно стало суттєвою причиною закріплення оригінального та привабливо-таємничого терміну "Business Intelligence" у консалтингу і практиці ділової аналітики (Business Analytics)[1] [5] .

У 1996 р.Gartner дала наступне визначення терміну Business Intelligence[23]:

програмні засоби, що функціонують в рамках підприємства і які забезпечують функції доступу та аналізу інформації, яка міститься в сховищі даних, а також забезпечують прийняття правильних і обґрунтованих управлінських рішень.
Оригінальний текст(англ.)
The key to thriving in a competitive marketplace is staying ahead of the competition. Making sound business decisions based on accurate and current information takes more than intuition. Data analysis, reporting and query tools can help business users wade through a sea of data to synthesize valuable information from it—today these tools collectively fall into a category called “Business Intelligencece”

У першій декаді XXI ст. Gartner значно розширило поняття даного терміну[24]:

BI — це узагальнювальний термін, що включає застосунки, інфраструктуру й інструменти, а також кращі практики, які забезпечують доступ до інформації та її аналіз з метою оптимізації рішень і управління ефективністю".
Оригінальний текст(англ.)
BI is an umbrella term that includes the applications, infrastructure and tools, and best practices that enable access to and analysis of information to improve and optimize decisions and performance.

Про "A Business Intelligence System" згадали після 2007 року, коли почали визначати друге покоління Business Intelligence (BI 2.0), до якого почали включати елементи Text Mining, які по суті передбачив Г.П. Лун у своїй системі для обробки текстових повідомлень.

Класифікація програмних засобів типу BI[ред. | ред. код]

Класифікація Gartner[ред. | ред. код]

Класифікація компанією Gartner програмних засобів типу BI базується на методі функціональних завдань, де програмні продукти кожного класу виконують певний набір функцій або операцій з використанням спеціальних технологій. При цьому Gartner виділяє набір програмних продуктів BI наступних класів:

  • засоби побудови сховищ даних (data warehousing);
  • системи оперативної аналітичної обробки (OLAP);
  • інформаційно-аналітичні системи (Enterprise Information Systems, EIS);
  • засоби інтелектуального аналізу даних (data mining);
  • інструменти для виконання запитів і побудови звітів (query and reporting tools).

Класифікація Forrester[ред. | ред. код]

Незалежна аналітична компанія Forrester дає такі визначення програмного засобу типу Business Intelligence:

  • по-перше, в широкому розумінні: «набір методологій, процесів, архітектури та технологій, що перетворюють вихідні дані в корисну і змістовну інформацію, яка використовується для прийняття рішень, ефективних щодо стратегії, тактики і функціонування компанії» (традиційне визначення терміну «Business Intelligence»).
  • по-друге, сьогодні використовується також і додаткове (вузьке) визначення терміну «Business Intelligence», яке передбачає врахування двох сегментів BI — підготовка даних (data preparation) та використання даних (data usage), а саме: «набір методологій, процесів, архітектури та технологій, що використовують результат процесу інформаційного менеджменту для аналізу, звітності, управління продуктивністю та доставки інформації».

Класифікація за методологією IDC[ред. | ред. код]

Аналітична компанія IDC програмні засоби типу BI ділить на такі дві категорії:

  • засоби кінцевого користувача для звітності, запитів й аналізу ( end-user query, reporting and analysis — QRA);
  • розширена аналітика (advanced analytics software).

В першу категорію входять засоби формування і виконання запитів користувача і звітності, а також виконання простого аналізу. Сюди входять нерегламентовані запити, звіти, засоби багатомірного аналізу, інструментальні панелі. Інструменти багатомірного аналізу включають як OLAP-сервери, так і клієнтські аналітичні інструменти, що забезпечують середовище управління даними для моделювання бізнес-проблем та аналізу бізнес-даних. Основними вендорами даної категорії є компанії SAP, IBM, Oracle, Microsoft, SAS.

Розширена аналітика включає засоби вилучення даних (data mining) і статистичне програмне забезпечення (statistical software). Інструментальні засоби даної категорії використовують такі технології, як нейронні мережі, вивід правил методом індукції, кластеризація, виявлення зв'язків в даних, прогнозування схованих тенденцій (які неможливо розпізнати тільки за рахунок OLAP-засобів). В цю категорію входять також технічне, економетричне та інше специфічне математичне забезпечення, яке використовуються в бібліотеках статистичних алгоритмів і тестах для аналізу даних. Крім того, сюди входить також спеціальне програмне забезпечення, орієнтоване на конкретні функціональні області, такі як промислова розробка експериментів, аналіз клінічних досліджень, розвідковий аналіз даних (Exploratory Data Analysis — EDA), а також статистичний аналіз великих обсягів інформації в реальному часі. Основними вендорами даної категорії є компанії SAP, IBM, Microsoft, KXEN, TIBCO, FICO, Oracle.

ВІ та сховища даних[ред. | ред. код]

Зазвичай програмні продукти типу BI використовують дані, які зберігаються у сховищі даних. Разом з тим, з одного боку, не всі сховища даних використовуються для потреб BI, а з іншого, не всі ВІ-продукти потребують сховища даних. Цю особливість зокрема відображено в класифікації ВІ-систем, яку дає Forrester Research (ВІ в широкому і вузькому розумінні).

Основні функції ВІ-систем[ред. | ред. код]

Аналітики з Gartner зазначають, що в системах типу BI обов'язково повинні бути реалізовані такі наступні три основні категорії функцій:

  • можливість інтеграції;
  • представлення інформації;
  • аналіз даних.

Можливість інтеграції[ред. | ред. код]

  1. ВІ-інфраструктура — всі інструменти BI-платформи повинні бути реалізовані «в одному ключі», в тому числі повинні використовувати спільні метадані, єдину об'єктну модель, наскрізну модель безпеки, адміністрування, портальної інтеграції, спільний інструмент виконання запитів. Також важливо, щоб ВІ-система дозволяла вбудуватись в існуючу ІТ-структуру підприємства.
  2. Управління метаданими — всі інструменти в рамках єдиної платформи повинна скріплювати не лише модель метаданих, але однакові засоби для пошуку, отримання, зберігання, повторного використання та публікації об'єктів метаданих, таких як масиви, ієрархії, множини, метрики та елементи оформлення звітів.
  3. Розробка — BI-платформа повинна надавати як користувачам, так і розробникам набір специфічних інструментів для створення BI-застосунків, які можуть інтегруватися між собою і будувати наскрізні бізнес-процеси, в тому числі для використання в інших (зовнішні) бізнес-застосунків. При цьому хоча б частина інструментів повинна бути доступна на інтуїтивно зрозумілому рівні, не вимагати навичок програмування. Крім того, середовище розробки повинно підтримувати веб-сервіси для вирішення таких завдань, як управління та адміністрування, доставка інформації, дотримання графіків і регламентів роботи.
  4. Взаємодія — BI-платформа повинна мати засоби для обміну як самої інформації, так і думками з приводу отриманих результатів. Крім того, BI-застосунки повинні мати можливість на підставі певних бізнес-правил призначати завдання конкретним користувачам і відстежувати їх виконання.

Представлення інформації[ред. | ред. код]

  1. Звітність — можливість створення форматованих та інтерактивних звітів, з розвиненими механізмами для їх розповсюдження та оновлення. У BI-системі повинні підтримуватися різні стилі звітів (наприклад, фінансові або операційні контрольні панелі).
  2. Контрольні (інформаційні) панелі (dashboards) — особливий вид звітності, який дозволяє представляти дані в наочному, інтуїтивно зрозумілому вигляді, за допомогою різних шкал, показників, індикаторів тощо. За допомогою таких контрольних панелей користувачі можуть стежити за поточним станом ключових показників і процесів і порівнювати їх з наміченими, цільовими значеннями. Такі панелі дозволяють отримувати операційну інформацію з бізнес-застосунків та роблять її доступною в реальному режимі часу.
  3. Оперативні (ad hoc) запити — можливість відповідним користувачам самостійно (без залучення ІТ-спеціалістів) створювати і виконувати унікальні, нетипові запити. Для реалізації таких можливостей в BI-платформі повинен бути розвинений семантичний шар, який дозволяє знаходити і отримувати потрібну інформацію з наявних джерел. Крім того, в системі повинні бути відповідні засоби для аудиту цих запитів для перевірки правильності їх виконання.
  4. Інтеграція з застосунками монополіста «Microsoft Office» — в окремих випадках BI-платформа використовується як проміжний інструмент для виконання аналітичних завдань з дотриманням правил коректності та безпеки даних. При цьому як клієнтська частина BI-системи можуть виступати продукти сімейства Microsoft Office (зокрема, Excel). Для цих випадків, BI-вендору необхідно забезпечувати повну інтеграцію з системами Microsoft Office, включаючи підтримку форматів документів, формул, зведених таблиць і механізмів відновлення даних, а в розширеному варіанті — ще й механізмів для блокування окремих комірок і для «зворотного» збереження змін в базі даних, внесених у відповідних таблицях.

Аналіз даних[ред. | ред. код]

  1. Оперативна аналітична обробка даних (OLAP, OnLine Analytical Processing) — підтримка OLAP-клубів значно прискорює процеси обробки запитів та виконання розрахунків, забезпечуючи аналіз даних у різних зрізах.
  2. Розвинена візуалізація — максимально наочне представлення даних з використанням різних інтерактивних зображень, схем і графіків (замість традиційних таблиць).
  3. Моделювання, прогнозування та дослідження даних — ці інструменти покликані допомогти підприємству класифікувати дані, формувати власні номінальні та кількісні шкали, а також використовувати для їх аналізу розвинений математичний апарат.
  4. Карти показників — дозволяють на підставі певних ключових показників (відображаються на контрольних панелях) контролювати хід виконання стратегічних планів. Тим самим операційні показники «прив'язуються» до цільових стратегічних параметрів. Для подальшого, детальнішого аналізу ці показники можуть розшифровуватись за допомогою додаткових звітів. Такі механізми дозволяють реалізовувати різні методології управління, зокрема такі як система збалансованих показників (BSC), «шість сигма» тощо.

Архітектура сучасної ВІ-системи[ред. | ред. код]

Сучасна BI-система містить близько 40-компонентів[25]. При цьому архітектура BI-системи повинна включати не лише такі параметри як звітність, аналітика, надання інформації, але також виявлення залежностей в даних, прогнозування, інтеграція, управління якістю даних та інші складні аналітичні функції, зокрема:

  • операційна звітність для масового розповсюдження;
  • інструментальні засоби для створення нерегламентованих запитів;
  • OLAP-інструменти;
  • інструментальні панелі та інтерактивний візуальний інтерфейс користувача;
  • моніторинг бізнес-операцій (ВАМ) для звітності за даними в реальному режимі часу і для обробки інформаційних потоків;
  • прогнозне моделювання;
  • робочий простір ВІ, що забезпечує самостійну роботу користувача;
  • інструменти пошуку.

Із зазначених функцій все більшу вагу в сучасних ВІ-системах набирають функції статистичного аналізу і прогнозної аналітики. Особливо це є актуальним у випадку їх впровадження в механізми СУБД.

Класифікація інструментів для створення ВІ-систем[ред. | ред. код]

Інструментальне програмне забезпечення для створення інформаційно-аналітичних систем, яке використовується сьогодні на підприємствах, в компаніях і організаціях, можна класифікувати по ряду наступних ознак:

По функціональності:

  • повнофункціональні;
  • часткові (реалізують одну або кілька функцій).

За формою подання оброблюваних даних:

  • для роботи зі структурованими даними (цифрові дані);
  • для роботи з неструктурованими даними (текстові, відео, графіка);
  • комбіновані.

За ступенем автоматизації логічних операцій:

  • комплекси пошуку і збору даних (пошукові системи);
  • аналітичні комплекси (містять автоматизовані процедури або методи аналізу даних);
  • пошуково-аналітичні комплекси.

Основні задачі, які вирішуються з допомогою ВІ-систем[ред. | ред. код]

Інформаційно-аналітичні системи класифікують зокрема по типу задач, які вони вирішують. Серед таких задач, які вирішуються в тому числі на підприємствах України, можна виділити зокрема такі:

  • аналіз фінансового стану підприємства/установи;
  • розробка і аналіз інвестиційних проектів, формування техніко-економічних обґрунтувань;
  • підготовка бізнес-планів;
  • планування та прийняття інвестиційних рішень;
  • управління проектами;
  • оцінка фінансової ефективності (Activity Based Management).

Загальний опис ринку ВІ-систем[ред. | ред. код]

Ринок ВІ-систем представлений як горизонтальними BI-рішеннями, в яких реалізований набір загальноприйнятних інструментів, так і спеціалізованими вертикальними рішеннями, які розроблені під конкретні галузі або завдання. Перевагою горизонтальних рішень є їх здатність рости разом з організацією. Такі рішення зазвичай масштабуються і охоплюють всі напрямки діяльності та підрозділи підприємства чи компанії, а також легше піддаються змінам. Разом з тим дані рішення вимагають більш тривалого і ретельного налаштування, адаптації під конкретні вимоги. Проекти впровадження таких рішень є дорожчими, а вимоги до ІТ-спеціалістів більшими.

Вертикальні рішення зазвичай не потребують тривалого і трудомісткого налаштування для вирішення специфічних завдань і для відповідності вимогам відповідних регламентуючих організацій, оскільки вони розроблені саме для таких цілей. Разом з тим, такі рішення не завжди в рамках однієї структури дозволяють використовувати єдине рішення, що обумовлює освоєння та інтеграцію декількох різних аналітичних систем.

На українському ринку інформаційних технологій в області BI-систем представлені в основному компанії-розробники ПЗ зарубіжного походження, оскільки в Україні такі розробки практично не ведуться. Крім того автоматизовані системи бізнес-аналітики не мають високого попиту в українського споживача оскільки вважається, що BI-рішення неактуальні для поточного рівня розвитку автоматизації в країні. Деяка активність щодо створення власних BI-систем здійснюється в Російській Федерації, однак такі розробки вирішують лише окремі аспекти завдання управління ефективністю бізнесу. Наймасштабнішими організаціями, що займаються сьогодні розробкою BI-систем у Росії, є TopS BI, Columbus IT Russia, БАРС Груп. Разом з тим, найбільш розвинутими ВІ-продуктами є продукти зарубіжних вендорів, зокрема такі як Actuate BIRT(Actuate), IBM Cognos 8 Business Intelligence (IBM), WebFOCUS (Information Builders), SQL Server 2008 R2 (Microsoft), MicroStrategy (MicroStrategy), Oracle Business Intelligence (Oracle), NovaView (Panorama Software), QlikView (QlikTech), SAP BusinessObjects (SAP), SAS Enterprise Business Intelligence (SAS), TIBCO Spotfire Analytics (TIBCO Spotfire).

Тенденції розвитку ВІ-рішень[ред. | ред. код]

Сьогодні системи типу Business Intelligence розвиваються по таких основних напрямках [26] [27] [28] [29] [30] :

  1. «Хмарний» (cloud) BI або SaaS (Software as a Service) BI — BI-вендори надають свої власні майданчики для побудови BI-застосунків, здійснюють адміністрування системи та при необхідності її масштабування. Дана схема дозволяє зменшити операційні витрати на управління ВІ-інфраструктурою, передати ці функції кваліфікованішому персоналу.
  2. Open-source BI — на думку аналітиків Forrester, BI-системи з відкритим вихідним кодом мають ті ж переваги, що й інші системи з відкритим кодом, починаючи від нижчих початкових витрат до гнучкішого супроводу і можливостей інтеграції. Прикладами таких систем є зокрема продукти Actuate, Jaspersoft, SpagoBI та Pentaho, які мають функціонал бізнес-аналітики. Разом з тим такі системи ще не мають такого функціоналу як традиційні ВІ-продукти, а також відповідних можливостей щодо масштабування та безпеки.
  3. Нереляційні in-memory BI-інструменти — це ВІ-продукти, яким взагалі не потрібна СУБД, — вони використовують власний механізм обробки інформації, що працює за принципом in-memory. Він передбачає завантаження всіх даних в оперативну пам'ять і наступне виконання аналітичних запитів на них без потреби у зверненні до дискової підсистеми. Представниками даної групи є такі продукти як QlikView, Tibco Spotfire, Cognos TM1.
  4. Операційний ВІ — використання ВІ -інструментів не лише для стратегічного або тактичного менеджменту, але і для цілей операційної діяльності підприємства.
  5. Використання ВІ в SOA архітектурі — BI-система організується як набір сервісів, які можуть викликатися ззовні як безпосередньо користувачами, так і зовнішніми застосунками, наприклад обліковими системами, системами електронного документообігу або ж системами workflow management. За сервісною архітектурою можуть бути побудовані не лише засоби візуалізації (генерування звітів), але і робота ETL-процедур. Така організація відкриває хороші можливості для створення BI-застосунків, що функціонують у складній, географічно розподіленій ІТ-інфраструктурі, в режимі реального часу або близькому до нього. В даному напрямку найактивніше працюють компанії IBM, SAP, Oracle.

Див. також[ред. | ред. код]

Примітки[ред. | ред. код]

  1. а б в г д е ж и к л м н п р с т Сайт Business Intelligence + KMS, концепція, технологія і засоби підтримки рішень не тривіальними знаннями з первинних даних
  2. A Brief History of Decision Support Systems by D. J. Power Editor, DSSResources.COMб version 4.1
  3. Герасимов Б.М. Системы поддержки принятия решений: проектирование, применение, оценка эффективности / Б.М. Герасимов, М.М. Дивизинюк, И.Ю. Субач. – Севастополь: Изд.центр СНИЯЭиП, 2004. – 320 с.
  4. Ситник В. Ф. Системи підтримки прийняття рішень: навч. посіб. / С. В. Ситник. – К.: КНЕУ, 2004. – 624 с.
  5. а б в г д е ж и Круковський І.А. Узагальнена архітектура системи підтримки прийняття рішень на основі Business Intelligence у розширеному тлумаченні / І.А. Круковський // Вісник ЖДТУ. – 2010. – Вип. 2 (53). – С. 103-111.
  6. а б Luhn H.P. «A Business Intelligence System» / H.P. Luhn // IBM Journal of Research and Development. Volume 2, Issue 4, October 1958. – Pp. 314–319.
  7. Codd E.F. «Providing OLAP : On-Line Analytical Processing to User-Analysts : An IT Mandate» / E.F. Codd, S.B. Codd, C.T. Salley // E.F. Codd & Associates. – 1993. – 18 p.
  8. Круковський І.А. Удосконалені вимоги до реалізації OLAP у DSS для часткових проблемних областей інформаційно-аналітичної роботи : військ.-техн. зб. / І.А. Круковський // Академія сухопутних військ. – 2010. – Вип. 3. – С. 26–32.
  9. Usama M.Fayyad, Gregory Piatetsky-Shapiro and Padhraic Smyth. From Data Mining to Knowledge Discovery in Databases. (Chapter 1) / Usama M.Fayyad, Gregory Piatetsky-Shapiro and Padhraic Smyth // AI Magazine (© AAAI), 17(3): Fall 1996. – Pp. 37–53.
  10. Bill Inmon. When Are Star Schemas Okay in a Data Warehouse?
  11. а б Валюх А.І. Експертна система, узгоджена з Business Intelligence 2.0 / А.І. Валюх, І.А. Круковський, В.Л. Сімаков // Вісник ЖДТУ. – Житомир, 2011. – Вип. 2 (57). – С. 53–62.
  12. а б в г д Круковський І.А. Ієрархічно-синергетичне об'єднання Social MediaAnalytics/Social CRM з Business Intelligence і з географічною інформаційною системою  / І.А. Круковський, Б.А. Хомів, В.Л. Гаврилюк // Вісник ЖДТУ. – 2013. – Вип. 1 (64). – С. 60-69.
  13. Хомів Б. А. Формалізація й уніфікація термінів та понять в області оцінювання опінії на основі стандарту якості програмних систем ISO 9126 / Б. А. Хомів, С. А. Лупенко, В.В. Яцишин, І. А. Круковський   // Проблеми створення, випробування, застосування та експлуатації складних інформаційних систем : збірник наукових праць. Вип. 8 / Житомирський військовий інститут імені С. П. Корольова Національного авіаційного університету. – Житомир : ЖВІ нау, 2013. – С. 173-185.
  14. US Army ESCC (The U.S. Army Enterprise Solutions Competency Center, Army Business Intelligence Competency Center). Business Intelligence Reference Guide. – Режим доступу до 2011 року: http://escc.army.mil
  15. Full Circle: Decision Intelligence (DSS 2.0) by Claudia Imhoff, Colin White. ORIGINALLY PUBLISHED AUGUST 27, 2008
  16. а б D. J. Power (10 March 2007). "A Brief History of Decision Support Systems, version 4.0". DSSResources.COM. Retrieved 10 July2008.
  17. A Bill To require reports to Congress on Federal agency use of data mining. 110th CONGRESS, 1st session, S.236. June 4, 2007
  18. PCAST (President’s Council of Advisors on Science and Technology). Report to the President And Congress «Designing a Digital Future: Federally Funded Research and Development in Networking and Information Technology». December 16, 2010.
  19. AKO (U.S. Army Knowledge On-Line). Army Knowledge Management Principles (on Army Knowledge On-Line).
  20. Вопросы статистической теории распознавания / Ю.Л. Барабаш, Б.В. Варский, В.Т. Зиновьев и др. – М. : Сов. Радио, 1967. – 400 с.
  21. Кибернетику – на службу коммунизму. Управление и информатизация : cб. статей / под ред. А.И. Берга. – Т. 9. – М. : Энергия, 1978. – 292 с.
  22. Круковський І.А. Проблемні питання використання і розвитку засобів SocialMedia Analytics, їх інтеграції з Business Intelligence  та з елементами ГІС – на прикладі платформи SemanticForce / І.А. Круковський, В.Л. Гаврилюк, Б.А. Хомів // "IVСічневі ГІСи": Інтелектуальна оборона” (науково-практичний форум ) / Академія Сухопутних військ імені гетьмана Петра Сагайдачного: Львів, 22-24 січня 2013 р. - С. 42-45.
  23. The Gartner Group Report (Sept 1996)
  24. Gartner: IT Definitions and Glossary (англ.)
  25. Boris Evelson, James Kobielus, Rob Karel, Norman Nicolson, The Forrester Wave: Enterprise Business Intelligence Platforms, Q3 2008, Forrester Research (англ.)
  26. Роже Верхей. Business Intelligence: новое десятилетие, новые тренды
  27. Андрей Кухар. Бизнес-аналитика XXI века
  28. Ольга Мельник. Бизнес-аналитика: сегодня и завтра
  29. Андрей Шуклин. Четыре BI-тенденции, itnews, № 16 (155), 2010
  30. Gartner Reveals Five Business Intelligence Predictions for 2009 and Beyond(англ.)

Джерела[ред. | ред. код]