BI: от сухих отчетов к автоматизированной аналитике

Технологии Business Intelligence (BI) — ключ к полномасштабному использованию потенциала практически любой организации. Способность оперативно анализировать тенденции и верно интерпретировать даже самые слабые «сигналы» открывает путь к новым возможностям для бизнеса и позволяет принимать взвешенные и эффективные решения. Данные, необходимые для развития и повышения продуктивности, уже «живут» внутри компании, их необходимо выявить, собрать, объединить и представить в понятном виде. Всё это умеют делать современные платформы Business Intelligence.

Продвинутые инструменты аналитики позволяют существенно повысить продуктивность маркетинга и продаж, разработки, управления поставками и логистики, дистрибуции и организации труда. По оценкам Gartner (Magic Quadrant for Analytics and Business Intelligence Platforms, 26 февраля 2018 года), к 2020 году наличие функций расширенной аналитики (Augmented Analytics) станет ключевым фактором для покупки платформ BI, анализа и интеллектуальной обработки данных. Понятие расширенной аналитики включает в себя работу с запросами на естественном языке, автоматизированную аналитику, углубленный анализ, визуализацию данных и работы с ними.

Эксперты Gartner также считают, что к 2020 году количество пользователей современных платформ BI с функциями расширенного анализа и исследования данных будет расти в два раза быстрее, чем аудитория пользователей «обычных» аналитических платформ. В такой же пропорции увеличится и бизнес-ценность подобных систем для использующих их компаний.

Очевидно, что основной вектор развития платформ BI ориентирован на широкое использование визуализации данных, повышение удобства и простоты работы с аналитическими инструментами, уменьшение роли IT-подразделений в создании моделей, распространение облачных решений и использование Augmented Analytics для обработки больших объемов информации. Давайте подробнее остановимся на ключевых тенденциях.

Тренды в области BI

Упрощение исследовательской работы с данными. До последнего времени Data Discovery, то есть обнаружение полезной для бизнеса информации в общем массиве корпоративных данных, было занятием профильных специалистов и экспертов компании. Это специалисты в области Data Science, системные аналитики или как минимум сотрудники, хорошо владеющие языком структурированных запросов.

В итоге возникала цепочка действий: руководитель бизнес-подразделения направлял запрос сотруднику IT-отдела, который, в свою очередь, формировал некий отчет в меру своего понимания потребностей внутреннего заказчика. Создание такого отчета могло занимать несколько дней, а результат во многом зависел от эффективности взаимодействия сторон. Если стороны плохо понимали друг друга, отчет мог получиться… соответствующим.

Постепенное упрощение инструментов BI, растущая гибкость управления процессами моделирования и создания контента, новые возможности визуализации повышают доступность инструментов Data Discovery для бизнес-пользователей. Все перечисленные процессы плюс автоматизация работы с BI-системами увеличивают спрос на BI-платформы с подобным функционалом.

Визуализация. Визуальные аналитические инструменты заметно облегчают работу с данными для бизнес-пользователей. Многие из них отмечают, что им намного проще выявлять закономерности и зависимости, когда данные представлены в виде схем и графиков.

Визуальная аналитика высоко востребована компаниями, поскольку позволяет руководителям оперативно получать доступ к важным аналитическим данным в наглядном виде. Соответственно, повышается скорость принятия решений, их качество и обоснованность.

Ключевым элементом визуальной аналитики можно назвать информационные панели (dashboards). Информационные панели современных BI-платформ должны помогать проводить углубленный анализ обработанных данных и их отдельных свойств, а также позволять просматривать информацию в различных представлениях — в зависимости от конкретных потребностей.

По-настоящему хорошая платформа поддерживает персональную настройку информационных панелей, а также возможность применения фильтров — по продуктам, клиентам, сотрудникам и любым другим необходимым параметрам. Тонкая настройка помогает своевременно обнаруживать дополнительные возможности для продаж, выявлять потенциальные риски, которые в отсутствие визуальной аналитики могли бы остаться незамеченными.

Самостоятельная бизнес-аналитика. По сути, это идеологическое продолжение первых двух трендов. Концепция самостоятельной BI подразумевает, что каждый сотрудник компании может использовать определенные функции BI-решения для анализа «живых» бизнес-данных и немедленно получать достаточно точные, легко кастомизируемые отчеты в понятном визуальном представлении. И всё это — без необходимости привлекать IT-специалистов или экспертов Data Science.

По прогнозам Gartner, к концу 2019 года большая часть руководителей и бизнес-пользователей получат доступ к функциям самостоятельной BI и смогут принимать более взвешенные решения намного оперативнее, чем раньше. В Gartner считают, что развитие Self-service BI приведет к значительному сокращению затрат времени и усилий бизнес-пользователей на анализ данных и дополнительно снизит роль IT-служб в работе с BI-платформами.

Облачные BI-платформы. До сих пор большая часть BI-систем разворачивается локально. Однако распространение мобильного доступа к различным системам и императивная необходимость быстро принимать решения и получать доступ к информации в реальном времени спровоцировали рост популярности облачных BI-платформ. По статистике Gartner, 80% компаний готовы увеличить инвестиции в облачные продукты в 2019 году.

Облачное BI-решение обладает целым рядом преимуществ по сравнению с локально внедряемой платформой. Прежде всего это легкость развертывания: все происходит автоматически, без привлечения IT-специалистов. На втором месте — простота использования: облачные решения часто могут похвастаться дружелюбным интерфейсом и информативными дэшбордами. Большинству компаний важен такой параметр, как масштабируемость: облачная платформа легко масштабируется и при увеличении штата, и при открытии новых филиалов. Наконец, стоимость развертывания облачного решения существенно ниже стоимости варианта локального внедрения, а гибкая тарификация позволяет эффективно управлять затратами на эксплуатацию.

Кроме того, применяя гибридную модель, можно использовать все преимущества облака с гарантией кибербезопасности данных. Часть данных компания может хранить в облаке, а конфиденциальную информацию — на приватном сервере, защищенном от доступа извне.

Тренды обозначают основные направления развития BI-платформ на ближайшие пару лет. А что BI-платформы, претендующие на попадание в число лидеров, обязаны уметь уже сегодня?

Что должны уметь современные BI-платформы

Текущие требования к возможностям современных BI-платформ можно разделить на четыре основные категории: инфраструктурные, возможности по управлению данными, возможности анализа и работы с данными, возможности по обмену информацией.

Но начнем мы с общих, неспецифических требований. Сегодня любая BI-платформа должна быть интегрированной, достаточно простой в использовании и обладать привлекательными и понятными интерфейсами. Простота в использовании касается в том числе администрирования и развертывания платформы, создания контента и взаимодействия с ним в самом широком смысле этого слова.

Инфраструктурные требования

На первом месте здесь требования к возможностям администрирования, к безопасности и архитектуре платформы. Решение должно обеспечивать безопасность данных, удобное администрирование пользователей, высокую доступность платформы, а также возможность оперативного восстановления систем и данных в случае аварии. Кроме того, компаниям нужны инструменты мониторинга доступности и использования ресурсов решения.

На втором месте — поддержка работы в облаке. Организации заинтересованы в PaaS-решениях и доступе к аналитическим приложениям в формате облачных сервисов. Уже сейчас есть стабильный спрос на создание и внедрение в облачных средах аналитических приложений и управление ими. При этом подразумевается, что приложения должны поддерживать работу с данными в облаке и в локальной среде. Мы, понимая заинтересованность бизнеса в гибкости и снижении стоимости владения, предлагаем своим клиентам комплексные облачные BI-решения, построенные на многопользовательской архитектуре. Клиент сам может выбрать вариант развертывания: в публичном или приватном облаке, а также локально на виртуальных машинах (Birst Virtual Appliance). При этом в любой момент можно перейти с одного варианта на другой, все зависит исключительно от целей и задач компании.

Наконец, на третьем месте — развитые механизмы ввода данных и взаимодействия с хранилищами. У пользователей должна быть возможность обработки как структурированных, так и неструктурированных данных из реляционных и не реляционных БД, размещаемых в облаке и локально.

Управление данными

Современная платформа обязана иметь широкий набор средств управления метаданными — инструменты, которые позволяют работать с унифицированными семантическими моделями и метаданными. Это означает, что решение должно предоставлять администраторам развитые централизованные механизмы поиска, извлечения, хранения, повторного использования и публикации объектов метаданных. У администраторов также должна быть возможность переводить созданные бизнес-пользователями мэшапы и метаданные в разряд SOR-метаданных. В своих решениях мы постарались максимально облегчить пользователям работу с метаданными: помимо эффективных средств управления, мы реализовали автоматическую генерацию семантического слоя, где хранится вся бизнес-логика и определения. При этом один семантический слой может использоваться в независимых друг от друга задачах. Разные пользователи могут работать с единой семантической моделью в своих собственных виртуальных зонах. Кроме того, бизнес-пользователи могут свободно импортировать свои данные и объединять их с существующими массивами — все необходимые модели и процедуры интеграции данных будут создаваться автоматически, без необходимости привлекать профильных экспертов.

Еще один важный момент, касающийся управления данными, — это автономные процессы ETL и хранения данных. При выборе платформы многие обращают внимание на наличие функций доступа, извлечения, интеграции, преобразования и загрузки данных в автономный движок, а также на поддержку индексирования данных, управления загрузкой и обновлением очередей.

Мы упоминали об этих возможностях платформ BI, когда говорили о трендах, но на самом деле функции самостоятельной BI достаточно востребованы уже сейчас. Бизнес-пользователи успешно работают с системами, где в графическом интерфейсе можно комбинировать данные из разных источников, просто перетаскивая нужные объекты мышкой. Где можно создавать собственные аналитические модели, задавая показатели, множества, группы и иерархии.

Кроме того, компаниям важна масштабируемость платформы и ее возможности по работе со сложными моделями. Здесь оцениваются параметры движка in-memory и архитектуры in-database по обработке значительных объемов данных и сложных моделей, а также возможности по оптимизации производительности и поддержке большого числа пользователей.

Анализ и работа с данными

В условиях нехватки профессиональных специалистов по Data Science компании заинтересованы в том, чтобы с инструментами углубленного анализа могли работать так называемые Citizen Data Scientists («гражданские» специалисты по Data Science). Citizen Data Scientist — это сотрудник, который не является экспертом в области Data Science и не имеет профильного образования, но обладает достаточными навыками для работы с моделями. Соответственно, платформа должна предоставлять доступ к автономным аналитическим инструментам и поддерживать импорт моделей извне.

Для эффективной работы с данными также важны интерактивные инфопанели и визуальные инструменты, которые позволяют представлять конечные результаты в понятном виде. Не менее важны и интерактивные процессы исследования данных. Под этим подразумевается возможность изучения информации в графическом представлении, которое выходит за рамки традиционных диаграмм, гистограмм и графиков, — то есть в виде тепловых карт и древовидных схем, географических карт, точечных диаграмм и в других вариантах. Подобные инструменты позволяют анализировать и обрабатывать данные с помощью прямого взаимодействия с графическим представлением.

Особо ценными для крупного бизнеса являются платформы, которые уже сейчас поддерживают функции Augmented Data Discovery — инструментария расширенного исследования данных. Он позволяет в автоматическом режиме обнаруживать и визуализировать важные взаимозависимости, исключения, связи, кластеры данных и делать прогнозы на основе массивов данных, отбираемых обычными пользователями. При этом самим пользователям не нужно создавать какие-либо модели или алгоритмы. Вся работа строится на визуализациях и языке естественных запросов.

На сегодняшний день ни один поставщик BI-платформ не предоставляет полного набора инструментов для Augmented data discovery. Однако крупные вендоры уделяют особое внимание развитию этого направления. Ведущие платформы поддерживают функцию автоматической визуализации корреляций, кластеров и деревьев принятия решений, а также прогностических данных. Активно совершенствуется обработка естественных запросов.

Обмен информацией

Бизнесу необходимо не только получать аналитические отчеты, но и максимально эффективно использовать их в работе. Именно поэтому от BI-платформ ожидают возможности встраивания аналитики. Современным решениям необходимы развитый API и поддержка открытых стандартов. Это позволяет создавать и модифицировать аналитический контент, визуализации и приложения, встраивать их в бизнес-процессы, корпоративные приложения и порталы. Наш SDK поддерживает встраивание «внешнего» контента в инфопанели. Кроме того, данные извне могут использоваться как параметры для составления отчетов, и наоборот: фильтры, существующие на платформе, можно применять для обработки внешних данных. Пользователи могут создавать, копировать, удалять, экспортировать данные для отчетов через API решения.

У пользователей, в свою очередь, должны быть все возможности для публикации, распространения и совместной работы над аналитическим контентом. Для этого требуются поддержка различных методов распространения, поисковый движок, механизмы планирования, редактирования, обсуждения и рассылки уведомлений.

Современные решения, входящие в список топ-10 BI-платформ, в той или иной мере удовлетворяют всем перечисленным требованиям. Отдельные аспекты и функции могут быть лучше проработаны у одних вендоров, остальные — у других. Итоговый выбор полностью зависит от конкретных потребностей и особенностей бизнеса заказчика. Платформа должна отвечать нуждам именно вашего предприятия и решать текущие бизнес-задачи наиболее эффективным для вас способом. А у вендора платформы должны быть четко сформулированная стратегия и возможности для дальнейшего развития решения.

Дмитрий Мартынов