Два вопроса по бизнес-аналитике
Вопрос.
Какая часть реализованных вами проектов была связана с Big Data?
Николай Прянишников,
президент Microsoft в России
Сегодня Big Data в России пока еще относятся к области теории – большинство компаний изучает те возможности, которые они могут предложить для развития их бизнеса. Для Microsoft – это не столько новые инструменты для работы с данными, сколько новые подходы, расширение и изменение угла обзора бизнеса. И уж точно это не универсальное решение любой задачи – именно так зачастую новые технологии рассматриваются в самом начале их развития.
Как и облачные технологии, переход к использованию технологий больших данных должен быть эволюционным. Например, многие финансовые организации имеют миллионы клиентов физических лиц, каждое из которых может иметь различные кредитные истории. Для таких компаний использование концепции больших данных в каком-то смысле является эволюционным развитием. Однако с точки зрения инфраструктуры это может стать в какой-то мере революцией, так как Big Data требуют новых подходов к организации хранения, управления и извлечения новых знаний. Впрочем, и здесь можно обойтись без революций. Например, начать использовать реляционное аналитическое хранилище, допускающее горизонтальное масштабирование при данных порядка сотен терабайт, а то и петабайт. Примером такого решения является Microsoft Parallel Data Warehouse (PDW) – программно-аппаратный комплекс, созданный совместно с известными производителями серверов. Использование систем такого класса позволяет не только увеличить объемы обрабатываемой информации, но и ускорить выполнение запросов в десятки и сотни раз, обеспечивая в то же время необходимый уровень отказоустойчивости. Если компания уже имеет достаточное количество неструктурированной информации, то эволюционным путем может стать использование технологий, с которыми изначально ассоциировались большие данные – архитектура Hadoop с технологий извлечения данных MapReduce. Примером такой технологии от Microsoft является HDInsight.
Андрей Пивоваров
руководитель группы перспективных технологий предпроектного консалтинга, Oracle СНГ
Интерес к Big Data сейчас велик. Эта технология будоражит умы прежде всего IT-специалистов, пытающихся адаптировать тренд к текущим задачам. На освоение новых технологий требуется время - если несколько лет назад мы объясняли заказчикам, что такое Big Data и зачем нужно их обрабатывать, то сегодня они уже знают, что такое Hadoop, NoSQL и уже обращаются за помощью по применению этих технологий для решения конкретных задач.
За прошедший год у нас прошло несколько тестирований решений, связанных с Big Data, например, в одном из крупных российских банков. На конференции Oracle, посвященной Big Data, архитекторы банка почерпнули идею, как решить эту задачу, используя новый подход. В течение нескольких месяцев был разработан прототип будущего приложения, использующего Hadoop. Данный прототип был протестирован на программно – аппаратном комплексе Oracle Big Data Appliance (BDA) и уже первые результаты показали, что производительность комплекса превзошла все ожидания.
Андрей Свирщевский,
руководитель направлений аналитики и гарантирования доходов
компании SAS Россия/СНГ
В среднем по компании порядка 80-90%. По существу, проблемы в рамках Big Data связаны с вопросами повышения производительности. Такой масштаб, как десятки миллионов клиентов, десятки миллионов транзакций в день – это повседневная наша работа. В каждом проекте мы уделяем внимание специальным технологиям, повышающим производительность, поэтому все наши проекты так или иначе связаны с Big Data.
Но если говорить о последних трендах в использовании инструментов Big Data российскими компаниями, то мы можем констатировать, что крупнейшие банки нашей страны (клиентами SAS являются все банки из списка Топ-10) уже переходят на in-memory технологии и распределенные среды, на технологии in-database, когда с аналитической среды нагрузка переносится в СУБД. У нас сейчас ведется сразу несколько таких проектов. Если считать, что Big Data - это in-memory технологии и распределенные современные хранилища, то за год мы выполнили около пяти проектов такого рода.
Можем привести пример, когда перед одним крупным банком стояла задача стратегического планирования, и была необходимость работать с разными KPI быстро и в больших объемах. Количество KPI обычно не так много, но там были действительно большие объемы. В другом банке стояло сразу несколько задач, связанных с целевым маркетингом и управлением рисками. Представьте себе, что в банке стоит современная MPP (Massive Parallel Processing) - платформа, поверх которой работает аналитическая платформа, и создается современная среда. По сути, это «фабрика моделей», где есть высокопроизводительное сочетание современных распределенных хранилищ с аналитикой, когда грамотно переносится нагрузка. Я знаю три банка, где уже развернуты высокопроизводительные технологии поверх MPP-платформы, также много банков делают пробные модели.
Сергей Шестаков,
заместитель генерального директора компании «Прогноз»
Есть разные представления о том, с какого объема можно начинать говорить о сверхбольших данных, относится ли это понятие, в первую очередь, к неструктурированной информации. Так или иначе, существуют отрасли, в силу своей специфики генерирующие экспоненциально растущий трафик: ритейл, финансы, телеком. Например, для отдельных организаций, работающих в финансовом секторе, мы реализовали ряд проектов, хранилища данных в которых вмещают от трех до пятнадцати терабайт, при объеме ежедневно вводимых в систему данных в несколько гигабайт. Это десятки миллионов записей в день. В ритейле, где мы ведем проекты со своими партнерами, корпоративная информация крупной торговой сети может достигать 25 терабайт.
===================
Вопрос.
Что вы можете предложит СМБ-рынку?
Николай Прянишников (Microsoft)
Первыми решения для бизнес-аналитики начали пользоваться достаточно крупные компании. Но быстро преимущество BI-решений оценили и средние организации. Другой вопрос, что многим из них решения подобного уровня были достаточно долго недоступны, так как работа с ними требовала серьезной подготов ки IT-специалистов, наличие в штате бизнес-аналитиков и т.д. Microsoft, идя по пути демократизации решений, сделала очень много, чтобы предлагаемые технологии стали доступными для сегмента СМБ. Важно подчеркнуть, что в той или иной мере многие компании уже имеют BI-средства Microsoft: SQL Server в качестве платформы для хранения данных, SharePoint как портал совместной работы, Office Excel – самый любимый инструмент специалистов, которые занимаются анализом данных.
Андрей Пивоваров (Oracle)
Рынок BI для СМБ сейчас достаточно динамично развивается. Небольшие компании уже осознали необходимость и эффективность аналитических решений и готовы инвестировать в эту область. Весьма востребована средним бизнесом мобильная аналитика. Поставщики аналитических решений в свою очередь стараются предложить гибкую ценовую политику, чтобы учесть возможности и перспективы рынка BI-решений для СМБ. В редакции Oracle Standard Edition One есть BI-решения, соответствующие актуальным потребностям среднего и малого бизнеса.
Андрей Свирщевский (SAS)
Аналитика сегодня «спускается» до рынка SMB. Это происходит во всем мире.
Для рынка SMB у нас есть несколько предложений по базовой бизнес-аналитике.
Во-первых, это системы с ограниченным функционалом, когда основная задача заключается в выявлении и понимании закономерностей. Здесь не нужны масштабные математические модели идеальной точности, требующие больших ресурсов.
Во-вторых, это системы без удобных визордов (wizard - удобный графический интерфейс), которые сами проводят пользователя по нужным шагам анализа. Они рассчитаны на пользователей, готовых запрограммировать использование аналитических методов или самостоятельно подбирать каждый шаг анализа (очень распространены в околонаучных или государственных структурах, различных ИАЦ, ГУП, НИИ). Если таких интерфейсов нет, то пользователь должен сам понимать каждый шаг алгоритма, периодически при этом ему нужно работать еще и с программным кодом.
И, в третьих, это десктопные системы с ограниченными возможностями по производительности (подразумевается, что у SMB нет задач, связанных с большими данными). То есть в отличие от клиент-серверной архитектуры, эта система может легко быть развернута на ПК, т.е. современном ноутбуке - 4 ядра, 8 Гбайт оперативной памяти. Такие компьютеры могут эффективно обрабатывать несколько миллионов записей. Если речь идет об SMB, то часто этого оказывается достаточно для решения стоящих перед ними задач.
Соответственно, и стоимость этих систем невысокая и доступна небольшим предприятиям.
Мы предлагаем для SMB рынка:
- SAS Office Analytics – базовая платформа, которая относится к клиент-серверной архитектуре. В этом продукте присутствует почти вся продвинутая статистика, базовые средства визуализации и управления данными, основные графические интерфейсы, но нет самых продвинутых визардов SAS.
- из десктопных систем – это SAS Analytics Pro for Desktop, а также SAS JMP.
Нельзя не отметить пользу облачных технологий для BI-приложений для SMB. Причем именно для таких предприятий, не связанных с вопросами государственной безопасности, например, облачные технологии могут быть очень удобными и недорогими.
Сергей Шестаков («Прогноз»)
СМБ в России сегодня является одним из ключевых факторов роста IT-рынка. Для аналитической системы, использующейся в управлении небольшим бизнесом, важно, чтобы этот продукт был сразу готов к применению, не требовал специфической кастомизации и при этом решал конкретные задачи. Отвечая на подобные запросы, мы предлагаем линейку типовых решений для различных бизнес-направлений: управления инвестициями, энергоменеджмента, стратегического маркетинга (анализа отраслевой и социально-экономической информации). Все они достаточно универсальны, то есть могут использоваться в самых разных отраслях, при этом с учетом российского законодательства и других особенностей бизнес-среды.
«ПРОГНОЗ. Аналитика для компании» - это многофункциональное решение, позволяющее сформировать целостное представление как о финансово-экономической и производственной деятельности самого предприятия, так и о внешней рыночной конъюнктуре. Продукт модульный, состоит из ряда независимых, но легко интегрируемых между собой блоков, включающих формирование отчетности, аналитическое бюджетирование, контроль и планирование платежей, моделирование показателей эффективности компании и многое другое.
Вообще, модульность BI-решений для СМБ-сектора, на наш взгляд, это необходимое качество, обеспечивающее гибкость. Модульность позволяет при сравнительно небольшой стоимости владения осуществить «индивидуализацию» решения под конкретный бизнес за счет оптимального набора функциональных элементов. При этом клиент может постепенно наращивать аналитическую инфраструктуру своей компании по мере роста бизнеса и расширения BI-задач.
Опубликовано 07.01.2014