Чтобы все это стало возможным, прежде всего нужно построить единую информационную модель, определить единую терминологию (иначе говоря, онтологию предметной области), чтобы все люди в организации одинаковым образом понимали, какими бизнес-объектами они оперируют. Кроме того, этот словарь работает как онлайн-переводчик с языка бизнеса на язык ИТ, чтобы информационная система адекватно отображала вашу модель бизнеса.

Тогда аналитическая система становится своего рода зонтиком, скрывая от бизнес-пользователей реальную сложность ИТ-ландшафта организации, который включает ERP-, ECM-системы, OLAP, управление проектами, бюджетирование и т.д. Все они являются для BI источниками данных, на основе которых строятся отчеты и дашборды. В одном из проектов количество источников данных достигло рекордного значения в 140 штук.

В результате, когда система настроена, подключены все источники данных и разработан единый бизнес-словарь, пользователи верят цифре с первого взгляда, и это говорит о подлинной эффективности внедрения BI, заключил Эдуард Федечкин.

Визуальный анализ

Разнообразная инфографика стала в наши дни особенно популярной по причине резкого роста объемов информации. Визуализация данных помогает аналитикам понять их природу и найти скрытые закономерности или обнаружить отклонения, требующие реагирования.

Большинство предприятий до сих пор используют 1–5 % имеющихся у них данных. Что произойдет, если эта цифра удвоится, утроится и т.д.? Этот отчасти риторический вопрос задают аналитики. Очевидно, что компании смогут принимать более качественные решения на основе анализа большего объема информации. Но есть и другая сторона: если не позаботиться о визуальном представлении данных, то увеличение их количества не поможет, потому что человек имеет ограниченные способности по восприятию информации.

Алексей Мещеряков, руководитель направления платформенных решений SAS Россия / СНГ, привел примеры использования средств визуального анализа в телекоме и госуправлении.

При помощи визуальных средств анализа клиенты SAS могут управлять своими маркетинговыми кампаниями и оперативно корректировать активности в следующих областях: контекстный маркетинг, дизайн маркетинговых акций, Up-sell / cross-sell, качество сервиса, управление сообществами и др.

Внешне все выглядит просто. Если бы маркетологам был известен, например, такой факт, что "60 % времени абоненты из города X за последний месяц интересовались рок-музыкой и боевиками", то им было бы понятно, что делать. Проблема в том, что сами данные для такого анализа нужно добывать из сетевого трафика, а это нетривиальная задача.

Проведенная категоризация посещенных абонентами веб-сайтов на основании данных IPDR (IP data records) позволила получить эти данные, но прежде пришлось обработать большие объемы сырой информации: в день накапливается около 500 ГБ записей IPDR, что содержит более миллиарда адресов веб-страниц (URL) и около миллиона уникальных доменов.

В ходе проекта было выявлено, что топ-100 доменов содержат 30 % всех посещенных страниц, по этой выборке и строилась таксономия на базе текстовой аналитики содержания веб-страниц. Визуализация и анализ полученных результатов на базе различных параметров помогли заказчику найти зависимости в разрезах сегмента абонента, события, маркетинговой компании, времени суток, территории и т.д.

Перед группой эффективности при правительстве Гонконга стояла задача обработки общественных запросов и жалоб в интересах ряда государственных ведомств. Центр работает круглые сутки, в выходные и праздничные дни – это 2,6 млн звонков и 98 тыс. сообщений электронной почты ежегодно.

При помощи SAS Visual Analytics (поверх SAS Text Miner /Enterprise Miner / Strategy Management) была проведена работа по обнаружению тенденций, закономерностей и связей в этом массиве неструктурированных данных, выявлены корреляции между ключевыми словами в жалобах для разработки стратегии реагирования.

Визуализация «больших данных» дала новые способы поиска ценной информации, в т. ч. непосредственно высшим руководителям, которые могут самостоятельно создавать отчеты, графики и диаграммы на мобильных устройствах из любого места для принятия более обоснованных решений.

Опыт внедрения BI в России

Известно, что учетные транзакционные системы плохо приспособлены для отработки сложных аналитических запросов. Интерес аналитиков, проявленный к исследованию данных с целью оптимизации бизнеса, может этот бизнес остановить в самый неподходящий момент – ERP-системы порой надолго зависают, если запустить построение аналитического отчета.

Этот факт часто является одним из побудительных мотивов к внедрению решений Business Intelligence в организациях. Владимир Шевченко, ИТ-директор группы ABB (Россия), кроме этой причины назвал еще манипуляции с отчетностью, имевшие место при ручном вводе данных в аналитическую систему, когда менеджеры подразделений завышали или занижали свои показатели, исходя из собственных интересов.

Группа ABB всегда отличалась высоким уровнем децентрализации, ее объединяли только английский язык и общая система отчетности (плюс электронная почта и Active Directory), что способствовало высокому уровню ответственности и самостоятельности. Предприятия группы в одной стране вели бизнес независимо друг от друга, сами строили дилерские сети и поддерживали собственные информационные системы, предоставляя руководству группы только сводную отчетность.

Отсутствие оперативности и большие затраты ручного труда на подготовку отчетности стали проблемой для менеджмента, но в рамках прежней системы решения не было. Специфика работы ERP включает такую операцию, как "закрытие месяца", когда на основе всех хозяйственных операций составляется налоговая и бухгалтерская отчетность и рассчитываются различные показатели эффективности. Обычно это занимало 1–2 недели работы аналитика, причем в интенсивном режиме: людям часто приходилось задерживаться на работе. Затем данные вручную переносились в систему подготовки отчетности посредством шаблонов Excel.

Тем временем в Группе ABB в 2010 г. прошла реструктуризация, направленная прежде всего на централизацию управления и оптимизацию бизнес-процессов. От первоначальной идеи внедрить единую ERP, супер-SAP, в которой должны были работать все подразделения, отказались по причине чрезмерной сложности этого проекта. Вместо этого была принята другая архитектура: по одной SAP-системе на страну плюс унифицированное локальное хранилище данных и BI-система для аналитики и подготовки сводной отчетности.

Россия, одна из 40 стран присутствия ABB, в планах внедрения BI стояла в третьей очереди, что в принципе соответствовало масштабу бизнеса – 2–3 % от продаж группы. Однако проект по внедрению SAP BI в российском отделении группы ABB начался раньше, еще до того, как было принято решение о новой ИТ-архитектуре, по решению местного руководства.

Подводя итоги проекта, Владимир Шевченко констатировал, что ожидаемые выгоды для бизнеса были получены: исключены манипуляции с отчетностью, процесс автоматизирован и корректные данные о динамике бизнеса доступны менеджменту каждый день. Внедрение выполнялось силами системного интегратора, проект длился 1,5 года, что оказалось больше запланированного. Из рисков подобных проектов в России стоит отметить кадровый: рынок специалистов SAP BI сильно перегрет, еще больше, чем рынок специалистов SAP в целом.