Business intelligence și analitica în afaceri

De Drew Bentley

Datele sunt fapte și cifre brute, iar informațiile sunt date semnificative care ar fi utile pentru o persoană sau companie. Business intelligence extrage informații din datele brute prin instrumente precum mineritul datelor, analiza perspectivală, procesarea analitică online etc. Cartea va oferi cititorilor informații cuprinzătoare despre inteligența și analitica în afaceri. Ea explorează toate aspectele importante ale business intelligence și analiticii în scenariul actual. Subiectele abordate în această carte extinsă tratează aspectele de bază ale business intelligenc, propunându-și să servească drept ghid de resurse pentru studenți facilitând studiul disciplinei, experți și pentru practicanți.
Prefața translatorului: Rolul megadatelor în știința datelor
Capitolul 1- Strategia și planificarea încorporate în orice afacere este cunoscută sub numele de inteligența în afaceri (business intelligence). Poate include, de asemenea, produse, tehnologii și analiza și prezentarea informațiilor comerciale. Acest capitol va oferi o înțelegere integrată a business intelligence.
Capitolul 2 – Analitica este înțelegerea și comunicarea tiparelor semnificative de date. Analitica este aplicată în afaceri )și nu numai) pentru îmbunătățirea performanțelor. Unele dintre aspectele explicate în acest text sunt analitica software, analitica încorporată, analitica învățării și analitica rețelelor sociale.
Capitolul 3- Procesul de înțelegere a tiparelor găsite în seturi mari de date (megadate, big data) este cunoscut sub numele de mineritul datelor (data mining). Unele dintre aspectele mineritului de date care au fost elucidate în secțiunea următoare sunt învățarea regulilor de asociere, analiza clusterului, analiza regresiei, rezumarea automată și exemple de minerit a datelor.
Capitolul 4 – Depozitul de date este nucleul business intelligence. Este utilizat în principal pentru raportarea și analiza datelor, magazinul de date, managementul datelor de bază, dimensiunea, schimbarea lentă a dimensiunilor și schema stea. Acest text elucidează teoriile și principiile cruciale ale depozitării datelor.
Capitolul 5- Efortul depus pentru a culege informații legate de clienți sau piețe este cunoscut sub numele de cercetare de piață. Cercetarea de piață este o parte importantă a strategiei de afaceri. Segmentarea pieței, tendința pieței, analiza SWOT și cercetarea pieței sunt câteva dintre subiectele elucidate în acest capitol.
Capitolul 6 – Aspectele esențiale ale inteligenței în afaceri (business intelligence) sunt analiza contextului, managementul performanței afacerii, descoperirea proceselor de afaceri, sistemul informațional, inteligența organizației și mineritul proceselor. Metoda de a analiza mediul oricărei afaceri este cunoscută sub denumirea de analiză de context. Subiectele discutate în această secțiune sunt de mare importanță pentru a extinde cunoștințele existente despre inteligența în afaceri.
Capitolul 7 – Inteligența operațională are o serie de aspecte care au fost elucidate în acest capitol. Unele dintre aceste funcții sunt procesarea complexă a evenimentelor, gestionarea proceselor de afaceri, metadate și analiza cauzei principale. Componentele discutate în acest text sunt de mare importanță pentru a lărgi cunoștințele existente despre inteligența operațională.
Postfața translatorului: Etica în știința datelor

• Limbă: Română
• Editor: Nicolae Sfetcu
• Data lansării: 30 mar. 2023
• ISBN: 9786060337775

Previzualizare carte

Prefața translatorului: Rolul megadatelor în știința datelor

Nicolae Sfetcu

Datele trebuie procesate cu instrumente avansate de colectare și analiză, pe baza unor algoritmi prestabiliți, pentru a putea obține informații relevante. Algoritmii trebuie să ia în considerare și aspecte invizibile pentru percepțiile directe.

În 2004 Google a publicat o lucrare despre un proces numit MapReduce care oferă un model de procesare paralelă. (Dean and Ghemawat 2004) De asemenea, MIKE2.0 este o aplicație în sursă deschisă pentru managementului informațiilor. (MIKE2.0 2019) Mai multe studii din 2012 au arătat că arhitectura optimă pentru a aborda problemele din Big Data sunt cele cu mai multe straturi. O arhitectură paralelă distribuită distribuie date pe mai multe servere (medii de execuție paralelă) putându-se îmbunătăți astfel dramatic vitezele de procesare a datelor.

Conform unui raport al Institutului Global McKinsey din 2011, principalele componente și ecosisteme ale Big Data sunt: (Manyika et al. 2011) tehnici de analiză a datelor (învățarea mașinilor, prelucrarea limbajului natural, etc.), tehnologii de mari dimensiuni (business intelligence, cloud computing, baze de date), și vizualizări (diagrame, grafice, alte afișări ale datelor).

Megadatele furnizează informații în timp real sau aproape real, evitându-se astfel latența ori de câte ori este posibil.

În procesele guvernamentale, megadatele cresc eficiența costurilor, productivitatea și inovația. Registrele civile sunt o sursă pentru big data. Datele prelucrate ajută în domenii critice de dezvoltare, cum ar fi îngrijirea sănătății, ocuparea forței de muncă, productivitatea economică, criminalitatea, securitatea și gestionarea dezastrelor naturale și a resurselor. (Kvochko 2012)

De asemenea, megadatele oferă o infrastructură care este permite evidențierea incertitudinilor, a performanței, și disponibilitatea componentelor. Tendințele și predicțiile în industrie necesită o cantitate mare de date și instrumente avansate de predicție.

Big data contribuie la îmbunătățirea asistenței medicale prin furnizarea de medicamente personalizate și analize prescriptive, intervenții clinice cu evaluarea riscurilor și analize predictive, etc. Nivelul datelor generate în sistemele de sănătate este foarte mare. Dar există o problemă presantă cu generare de date murdare, care cresc odată cu creșterea volumului de date, mai ales că cele mai multe sunt nestructurate și greu de utilizat. Utilizarea big data în domeniul asistenței medicale a generat provocări etice semnificative, cu implicații asupra drepturilor individuale, viața privată și autonomia, transparența și încrederea.

În media și publicitate, pentru big data se folosesc numeroase puncte de informare despre milioane de persoane, pentru a servi sau transmite mesaje sau conținuturi personalizate.

În domeniul asigurărilor de sănătate se colectează date despre factorii determinanți ai sănătății, care ajută la elaborarea de previziuni privind costurile de sănătate și identificarea problemele de sănătate ale clienților. Această utilizare este controversată, datorită discriminării clienților cu probleme de sănătate. (Allen 2018)

Big data și tehnologia informației se complementează reciproc, ajutând împreună la dezvoltarea Internetului Lucrurilor (Internet of Things, IoT) pentru interconectarea dispozitivelor inteligente și colectarea datelor senzoriale utilizate în diferite domenii.

În sport, big data poate ajuta la îmbunătăți pregătirii și înțelegerea concurenților utilizând senzori specifici, și se poate prezice performanța viitoare a sportivilor. Senzorii atașați mașinilor din Formula 1 colectează, printre altele, date din presiunea în anvelope pentru a eficientiza arderea combustibilului.

În știință, sistemele big data sunt folosite intens în acceleratoarele de particule de la CERN (150 de milioane de senzori transmit date de 40 de milioane de ori pe secundă, pentru cca 600 de milioane de coliziuni pe secundă, din care se utilizează după filtrare doar 0,001% din totalul datelor obținute), (Brumfiel 2011) în telescoapele radio astrofizice construite din mii de antene, decodificarea genomului uman (inițial a durat câțiva ani, cu big data se poate realiza în mai puțin de o zi), studii climatice, etc.

Marile firme IT utilizează depozite de date de ordinul zecilor de petabyte pentru căutare, recomandări și merchandising. Cele mai multe date sunt colectate de Facebook, cu peste 2 miliarde de utilizatori activi lunar, (Constine 2017) și Google cu peste 100 de miliarde de căutări pe lună. (Sullivan 2015)

În cercetare se folosește mult căutarea criptată și formarea clusterelor în big data. Țările dezvoltate investesc enorm în prezent pentru cercetare în big data. În cadrul Uniunii Europene, aceste cercetări sunt înglobate în programul-cadrul Orizont 2020. (European Commission 2019)

Adesea, programele de cercetare folosesc resursele API de la Google și Twitter pentru a obține acces la sistemele lor big data, gratuit sau contra cost.

Seturile mari de date vin cu provocări algoritmice care anterior nu existau, fiind imperios necesar să se schimbe în mod fundamental modalitățile de procesare. Pentru aceasta s-au creat ateliere speciale de lucru care reunesc oameni de știință, statisticieni, matematicieni și practicieni pentru a discuta despre provocările algoritmice ale big data.

Bibliografie

Allen, Marshall. 2018. Health Insurers Are Vacuuming Up Details About You — And It Could Raise Your Rates. Text/html. ProPublica. July 17, 2018. https://www.propublica.org/article/health-insurers-are-vacuuming-up-details-about-you-and-it-could-raise-your-rates.

Brumfiel, Geoff. 2011. High-Energy Physics: Down the Petabyte Highway. Nature 469 (7330): 282–83. https://doi.org/10.1038/469282a.

Constine, Josh. 2017. Facebook Now Has 2 Billion Monthly Users… and Responsibility. TechCrunch (blog). 2017. http://social.techcrunch.com/2017/06/27/facebook-2-billion-users/.

Dean, Jeffrey, and Sanjay Ghemawat. 2004. MapReduce: Simplified Data Processing on Large Clusters. http://static.googleusercontent.com/media/research.google.com/en//archive/mapreduce-osdi04.pdf.

European Commission. 2019. Horizon 2020. Text. Horizon 2020 - European Commission. 2019. https://ec.europa.eu/programmes/horizon2020/en.

Kvochko, Elena. 2012. Four Ways to Talk About Big Data. Text. Information and Communications for Development. December 4, 2012. http://blogs.worldbank.org/ic4d/four-ways-to-talk-about-big-data.

Manyika, James, Michael Chui, Jaques Bughin, and Brad Brown. 2011. Big Data: The next Frontier for Innovation, Competition, and Productivity. 2011. https://www.mckinsey.com/business-functions/digital-mckinsey/our-insights/big-data-the-next-frontier-for-innovation.

MIKE2.0. 2019. Big Data Solution Offering - MIKE2.0, the Open Source Methodology for Information Development. 2019. http://mike2.openmethodology.org/wiki/Big_Data_Solution_Offering.

Sullivan, Danny. 2015. Google Still Doing At Least 1 Trillion Searches Per Year. Search Engine Land. January 16, 2015. https://searchengineland.com/google-1-trillion-searches-per-year-212940.

Prefață

Datele sunt fapte și cifre brute, iar informațiile sunt date semnificative care ar fi utile pentru o persoană sau companie. Business intelligence extrage informații din datele brute prin instrumente precum mineritul datelor, analiza perspectivă, procesarea analitică online etc. Cartea va oferi cititorilor informații cuprinzătoare despre inteligența și analitica de afaceri. Ea explorează toate aspectele importante ale business intelligence și analiticii în scenariul actual. Subiectele abordate în această carte extinsă tratează subiectele de bază ale business intelligenc, propunându-și să servească drept ghid de resurse pentru studenți facilitțnd studiul disciplinei, și pentru practicanți.

Capitolul 1- Strategia și planificarea încorporate în orice afacere este cunoscută sub numele de inteligența în afaceri (business intelligence). Poate include, de asemenea, produse, tehnologii și analiza și prezentarea informațiilor comerciale. Acest capitol va oferi o înțelegere integrată a business intelligence.

Capitolul 2 – Analitica este înțelegerea și comunicarea tiparelor semnificative de date. Analitica este aplicată în afaceri )și nu numai) pentru îmbunătățirea performanțelor. Unele dintre aspectele explicate în acest text sunt analitica software, analitica încorporată, analitica învățării și analitica rețelelor sociale.

Capitolul 3- Procesul de înțelegere a tiparelor găsite în seturi mari de date (megadate, big data) este cunoscut sub numele de mineritul datelor (data mining). Unele dintre aspectele mineritului de date care au fost elucidate în secțiunea următoare sunt învățarea regulilor de asociere, analiza clusterului, analiza regresiei, rezumarea automată și exemple de minerit a datelor.

Capitolul 4 – Depozitul de date este nucleul business intelligence. Este utilizat în principal pentru raportarea și analiza datelor, magazinul de date, managementul datelor de bază, dimensiunea, schimbarea lentă a dimensiunilor și schema stea. Acest text elucidează teoriile și principiile cruciale ale depozitării datelor.

Capitolul 5- Efortul depus pentru a culege informații legate de clienți sau piețe este cunoscut sub numele de cercetare de piață. Cercetarea de piață este o parte importantă a strategiei de afaceri. Segmentarea pieței, tendința pieței, analiza SWOT și cercetarea pieței sunt câteva dintre subiectele elucidate în acest capitol.

Capitolul 6 – Aspectele esențiale ale inteligenței în afaceri (business intelligence) sunt analiza contextului, managementul performanței afacerii, descoperirea proceselor de afaceri, sistemul informațional, inteligența organizației și mineritul proceselor. Metoda de a analiza mediul oricărei afaceri este cunoscută sub denumirea de analiză de context. Subiectele discutate în această secțiune sunt de mare importanță pentru a extinde cunoștințele existente despre inteligența în afaceri.

Capitolul 7 – Inteligența operațională are o serie de aspecte care au fost elucidate în acest capitol. Unele dintre aceste funcții sunt procesarea complexă a evenimentelor, gestionarea proceselor de afaceri, metadate și analiza cauzei principale. Componentele discutate în acest text sunt de mare importanță pentru a lărgi cunoștințele existente despre inteligența operațională.

Capitolul 1 Business Intelligence

Strategia și planificarea care sunt încorporate în orice afacere sunt cunoscute sub numele de business intelligence. Poate include, de asemenea, produse, tehnologii și analize și prezentări de informații comerciale.

1.1 Business Intelligence

Business intelligence (BI) poate fi descris ca „un set de tehnici și instrumente pentru achiziționarea și transformarea datelor brute în informații semnificative și utile în scopuri de analiză a afacerii". Tehnologiile BI sunt capabile să gestioneze cantități mari de date structurate și, uneori, nestructurate, pentru a ajuta la identificarea, dezvoltarea și crearea de noi oportunități strategice de afaceri. Scopul BI este de a permite interpretarea ușoară a acestor volume mari de date. Identificarea de noi oportunități și implementarea unei strategii eficiente bazate pe informații pot oferi companiilor un avantaj competitiv pe piață și stabilitate pe termen lung.

Tehnologiile BI oferă viziuni istorice, actuale și predictive ale operațiunilor comerciale. Funcțiile comune ale tehnologiilor de business intelligence sunt raportarea, procesarea analitică online, analiza, extragerea datelor, extragerea proceselor, procesarea complexă a evenimentelor, gestionarea performanței afacerii, analiza comparativă, extragerea textelor, analitica predictivă și analitica prescriptivă.

BI poate fi utilizat pentru a sprijini o gamă largă de decizii de afaceri, de la operaționale la strategice. Deciziile operaționale de bază includ poziționarea produsului sau stabilirea prețurilor. Deciziile strategice de afaceri includ priorități, obiective și direcții la cel mai larg nivel. În toate cazurile, BI este cel mai eficient atunci când combină date derivate de pe piața în care operează o companie (date externe) cu date provenite din surse interne ale companiei, cum ar fi date financiare și operaționale (date interne). Atunci când sunt combinate, datele externe și interne pot oferi o imagine mai completă care, de fapt, creează o „inteligență" care nu poate fi derivată de niciun set singular de date. Printre nenumăratele utilizări, instrumentele BI permit organizațiilor să obțină o perspectivă asupra noilor piețe, să evalueze cererea și adecvarea produselor și serviciilor pentru diferite segmente de piață și să evalueze impactul eforturilor de marketing.

Componente

Business intelligence este alcătuit dintr-un număr tot mai mare de componente, inclusiv:

Agregare și alocare multidimensională

Denormalizare, etichetare și standardizare

Raportare în timp real cu alertă analitică

O metodă de interfață cu surse de date nestructurate

Consolidarea grupului, bugetarea și prognozele continue

Inferență statistică și simulare probabilistică

Optimizarea indicatorilor cheie de performanță

Controlul versiunilor și gestionarea proceselor

Gestionarea articolelor deschise

Istorie

Cea mai timpurie utilizare cunoscută a termenului „Business Intelligence" este la Richard Millar Devens din „Cyclopedia of Commercial and Business Anecdotes din 1865. Devens a folosit termenul pentru a descrie modul în care bancherul, Sir Henry Furnese, a câștigat profit primind informații și acționând conform lor în mediul său, înaintea concurenților săi. „În toată Olanda, Flandra, Franța și Germania, el a menținut un tren complet și perfect de business intelligence. Știrile despre numeroasele bătălii purtate au fost astfel primite mai întâi de el, iar căderea lui Namur s-a adăugat profiturilor sale, datorită primirii timpurii a acesteia. (Devens, (1865), p. 210). Abilitatea de a colecta și de a reacționa în consecință pe baza informațiilor recuperate, o abilitate în care Furnese a excelat, este astăzi încă în centrul BI.

Într-un articol din 1958, cercetătorul IBM Hans Peter Luhn a folosit termenul de „Business Intelligence. El a folosit definiția dicționarului Webster despre inteligență: „abilitatea de a înțelege relațiile dintre faptele prezentate în așa fel încât să ghideze acțiunea către un scop dorit.

Business intelligence, așa cum se înțelege astăzi, se spune că a evoluat din sistemele de sprijin pentru decizie (DSS) care au început în anii 1960 și s-au dezvoltat pe parcursul mijlocului anilor 1980. DSS își are originea în modelele asistate de computer create pentru a ajuta la luarea deciziilor și planificare. Pornind de la DSS, depozitele de date, sistemele de informații executive, OLAP și business intelligence au început să se concentreze la începutul anilor 80.

În 1989, Howard Dresner (mai târziu analist Gartner) a propus „business intelligence ca termen general pentru a descrie „concepte și metode de îmbunătățire a luării deciziilor în afaceri prin utilizarea sistemelor de suport bazate pe fapte. Abia la sfârșitul anilor '90 această utilizare a fost răspândită.

Depozitarea datelor (data warehouse)

Adesea aplicațiile BI folosesc date colectate dintr-un depozit de date (data warehouse, DW) sau dintr-un magazin de date (data mart), iar conceptele de BI și DW se combină uneori ca „BI / DW sau ca „BIDW. Un depozit de date conține o copie a datelor analitice care facilitează sprijinul decizional. Cu toate acestea, nu toate depozitele de date servesc pentru business intelligence și există aplicații de business intelligence care nu necesită un depozit de date.

Pentru a face distincția între conceptele de business intelligence și depozitele de date, Forrester Research definește business intelligence în unul din două moduri:

Folosind o definiție largă: „Business Intelligence este un set de metodologii, procese, arhitecturi și tehnologii care transformă datele brute în informații semnificative și utile utilizate pentru a permite o perspectivă strategică, tactică și operațională mai eficientă și luarea deciziilor. Conform acestei definiții, business intelligence include, de asemenea, tehnologii precum integrarea datelor, calitatea datelor, stocarea datelor, gestionarea datelor master, analitica textului și a conținutului și multe altele pe care piața le transformă uneori în segmentul „Managementul informației. Prin urmare, Forrester se referă la pregătirea datelor și utilizarea datelor ca la două segmente separate, dar strâns legate ale stivei arhitecturale business-intelligence.

Forrester definește piața de business intelligence mai restrânsă ca „... referindu-se doar la straturile superioare ale stivei arhitecturale BI, cum ar fi raportarea, analiza și tablourile de bord."

Comparație cu inteligența competitivă (competitive intelligence)

Deși termenul de inteligență de afaceri (business intelligence) este uneori un sinonim pentru inteligență competitivă (competitive intelligence) (deoarece ambele susțin luarea deciziilor), BI folosește tehnologii, procese și aplicații pentru a analiza în cea mai mare parte date structurate interne și procese de afaceri, în timp ce inteligența competitivă colectează, analizează și diseminează informații cu focalizare asupra concurenților companiei. Dacă este înțeleasă mai larg, business intelligence poate include subsetul de inteligența competitivă.

Comparație cu analitica de afaceri (business analytics)

Inteligența de afaceri și analitica de afaceri sunt uneori folosite interschimbabil, dar există definiții alternative. O definiție contrastează cele două, afirmând că termenul de inteligență de afaceri se referă la colectarea datelor de afaceri pentru a găsi informații în primul rând prin adresarea de întrebări, raportare și procese analitice online. Analitica afacerilor, pe de altă parte, folosește instrumente statistice și cantitative pentru modelarea explicativă și predictivă.

Într-o definiție alternativă, Thomas Davenport, profesor de tehnologie și management al informației la Babson College susține că business intelligence ar trebui să fie împărțit în interogări, raportări, procesare analitică online (online analytical processing, OLAP), un instrument de „alerte" și analitici de afaceri. În această definiție, analitica de afaceri este subsetul BI care se concentrează pe statistici, predicție și optimizare, mai degrabă decât funcționalitatea raportării.

Aplicații într-o întreprindere

Business intelligence poate fi aplicat la următoarele scopuri de afaceri, pentru a crește valoarea afacerii.

Măsurare - program care creează o ierarhie de indicatori de performanță și benchmarking care îi informează pe liderii de afaceri despre progresele realizate spre obiectivele de afaceri (managementul proceselor de afaceri).

Analitica - program care construiește procese cantitative pentru ca o afacere să ajungă la decizii optime și să realizeze descoperirea cunoștințelor de afaceri. Implică frecvent: extragerea datelor, extragerea proceselor, analiza statistică, analitica predictivă, modelarea predictivă, modelarea proceselor de afaceri, linia de date, procesarea complexă a evenimentelor și analitica prescriptivă.

Raportarea / raportarea întreprinderii - program care construiește infrastructura pentru raportarea strategică pentru a servi managementului strategic al unei afaceri, nu raportarea operațională. Implică frecvent vizualizarea datelor, sistemul informațional executiv și OLAP.

Platforma de colaborare / colaborarea - program care face ca diferite zone (atât în ​​interiorul, cât și în afara afacerii) să lucreze împreună prin partajarea datelor și prin schimbul electronic de date.

Managementul cunoașterii - program pentru a face compania să se bazeze pe date prin strategii și practici pentru a identifica, crea, reprezenta, distribui și permite adoptarea unor perspective și experiențe care sunt adevărate cunoștințe de afaceri. Gestionarea cunoștințelor duce la gestionarea învățării și la respectarea reglementărilor.

În plus față de cele de mai sus, business intelligence poate oferi o abordare pro-activă, cum ar fi funcționalitatea de alertă care notifică imediat utilizatorul final dacă sunt îndeplinite anumite condiții. De exemplu, dacă o anumită valoare a companiei depășește un prag predefinit, valoarea va fi evidențiată în rapoartele standard, iar analistul de afaceri poate fi alertat prin e-mail sau alt serviciu de monitorizare. Acest proces end-to-end necesită guvernarea datelor, care ar trebui să fie gestionată de expert.

Prioritizarea proiectelor

Poate fi dificil să oferim un caz de afaceri pozitiv pentru inițiativele de business intelligence, și deseori proiectele trebuie prioritizate prin inițiative strategice. Proiectele BI pot obține o prioritate mai mare în cadrul organizației dacă managerii iau în considerare următoarele:

Așa cum este descris de Kimball, managerul BI trebuie să determine beneficiile tangibile, cum ar fi costul eliminat al producerii rapoartelor vechi.

Accesul la date pentru întreaga organizație trebuie impus. În acest fel, chiar și un mic beneficiu, cum ar fi câteva minute economisite, face diferența atunci când este înmulțit cu numărul de angajați din întreaga organizație.

După cum este descris de Ross, Weil & Roberson pentru arhitectura de întreprindere, managerii ar trebui să ia în considerare, de asemenea, să lase proiectul BI să fie condus de alte inițiative de afaceri cu cazuri de afaceri excelente. Pentru a sprijini această abordare, organizația trebuie să aibă arhitecți de întreprindere care să poată identifica proiecte de afaceri adecvate.

Utilizarea unei metodologii structurate și cantitative pentru a crea prioritizări apărabile în conformitate cu nevoile reale ale organizației, cum ar fi o matrice de decizie ponderată.

Factorii de succes ai implementării

Potrivit lui Kimball și colab. (Kimball, Ralph (2008). The Data Warehouse Lifecycle Toolkit (Second ed.). New York: Wiley), există trei domenii critice pe care organizațiile ar trebui să le evalueze înainte de a se pregăti să facă un proiect de BI:

Nivelul de angajament și sponsorizare a proiectului din partea conducerii superioare.

Nivelul necesarului de afaceri pentru crearea unei implementări BI.

Cantitatea și calitatea datelor de afaceri disponibile.

Sponsorizare de afaceri

Angajamentul și sponsorizarea conducerii superioare sunt, în conformitate cu Kimball și colab., cele mai importante criterii de evaluare. Acest lucru se datorează faptului că sprijinul puternic al managementului ajută la depășirea neajunsurilor din alte părți ale proiectului. Cu toate acestea, așa cum Kimball și colab. afirmă: „nici cel mai elegant sistem DW / BI nu poate depăși lipsa sponsorizării [managementului] afacerii".

Este important ca personalul care participă la proiect să aibă o viziune și o idee despre beneficiile și dezavantajele implementării unui sistem BI. Cel mai bun sponsor de afaceri ar trebui să aibă influență organizațională și ar trebui să fie bine conectat în cadrul organizației. Este ideal ca sponsorul afacerii să fie solicitant, dar să poată fi, de asemenea, realist și de susținere dacă implementarea are întârzieri sau dezavantaje. Sponsorul de management trebuie, de asemenea, să fie capabil să își asume responsabilitatea și să își asume responsabilitatea pentru eșecurile și contracarările proiectului. Sprijinul din partea mai multor membri ai conducerii asigură că proiectul nu eșuează dacă o persoană părăsește grupul de conducere. Cu toate acestea, faptul că mulți manageri lucrează împreună la proiect poate însemna, de asemenea, că există mai multe interese diferite care încearcă să tragă proiectul în direcții diferite, cum ar fi dacă departamentele diferite doresc să pună mai mult accent pe utilizarea lor. Această problemă poate fi contracarată printr-o analiză timpurie și specifică a domeniilor de afaceri care beneficiază cel mai mult de implementare. Toți factorii interesați din proiect ar trebui să participe la această analiză pentru ca aceștia să se simtă implicați în proiect și să găsească un punct comun.

O altă problemă de management care poate fi întâlnită înainte de începerea unei implementări este un sponsor de afaceri prea agresiv. Problemele sferei de aplicare apar atunci când sponsorul solicită seturi de date care nu au fost specificate în faza inițială de planificare.

Nevoi de afaceri

Datorită relației strânse cu conducerea superioară, un alt lucru critic care trebuie evaluat înainte de începerea proiectului este dacă există sau nu o nevoie de afaceri și dacă există un beneficiu clar de afaceri prin realizarea implementării. Nevoile și beneficiile implementării sunt uneori determinate de concurență și nevoia de a obține un avantaj pe piață. Un alt motiv pentru o abordare bazată pe afaceri pentru implementarea BI este achiziționarea altor organizații care măresc organizația inițială, uneori poate fi benefic să implementăm DW sau BI pentru a crea mai multă supraveghere.

Companiile care implementează BI sunt adesea organizații mari, multinaționale, cu diverse filiale. O soluție BI bine concepută oferă o vizualizare consolidată a datelor de afaceri cheie care nu sunt disponibile nicăieri altundeva în organizație, oferind managementului vizibilitate și control asupra măsurilor care altfel nu ar exista.

Cantitatea și calitatea datelor disponibile

Fără date adecvate sau cu date de calitate prea mică, nicio implementare BI nu reușește; nu contează cât de bună este sponsorizarea managementului sau motivația bazată pe afaceri. Înainte de implementare, este o idee bună să realizați profilarea datelor. Această analiză identifică „conținutul, consistența și structura [..]" datelor. Acest lucru ar trebui făcut cât mai curând posibil în proces și, dacă analiza arată că lipsesc date, puneți proiectul în așteptare temporar în timp ce departamentul IT află cum să colecteze corect datele.

Atunci când planificați date de afaceri și cerințe de business intelligence, este întotdeauna recomandabil să luați în considerare scenarii specifice care se aplică unei anumite organizații și apoi să selectați caracteristicile de business intelligence cele mai potrivite pentru scenariu.

Adesea, scenariile se învârt în jurul unor procese de afaceri distincte, fiecare construit pe una sau mai multe surse de date. Aceste surse sunt folosite de caracteristici care prezintă acele date ca informații pentru lucrătorii din cunoaștere, care ulterior acționează asupra acelor informații. Nevoile de afaceri ale organizației pentru fiecare proces de afaceri adoptat corespund pașilor esențiali ai inteligenței de afaceri. Acești pași esențiali ai business intelligence includ, dar nu se limitează la:

Parcurgeți sursele de date comerciale pentru a colecta datele necesare

Convertiți datele de afaceri în informații și prezentați-le în mod corespunzător

Interogați și analizați datele

Acționați asupra datelor colectate

Aspectul calității în business intelligence ar trebui să acopere tot procesul de la datele sursă la raportarea finală. La fiecare pas, porțile de calitate sunt diferite:

Date sursă:

Standardizarea datelor: faceți datele comparabile (aceeași unitate, același model ...)

Master Data Management: referențial unic

Magazin de date operaționale (Operational Data Store, ODS):

Curățarea datelor: detectează și corectează datele inexacte

Profilarea datelor: verificați valoarea neadecvată, nulă / goală

Depozit de date:

Complet: verificați dacă toate datele așteptate sunt încărcate

Integritate referențială: referențial unic și existent în toate sursele

Coerența între surse: verificați datele consolidate față de surse

Raportare:

Unicitatea indicatorilor: un singur dicționar comun de indicatori

Precizia formulelor: formula de raportare locală trebuie evitată sau verificată

Aspecte legate de utilizatori

Trebuie ținut cony de unele considerații pentru a integra cu succes utilizarea sistemelor de business intelligence într-o companie. În cele din urmă, sistemul BI trebuie acceptat și folosit de utilizatori pentru ca acesta să adauge valoare organizației. În cazul în care usabilitatea sistemului este slabă, utilizatorii pot deveni frustrați și pot petrece o cantitate considerabilă de timp pentru a afla cum să utilizeze sistemul, sau ar putea să nu poată utiliza sistemul cu adevărat. Dacă sistemul nu adaugă valoare misiunii utilizatorilor, pur și simplu devine inutil.

Pentru a crește acceptarea de către utilizator a unui sistem BI, poate fi recomandabil să consultați utilizatorii de afaceri într-un stadiu incipient al ciclului de viață DW / BI, de exemplu în faza de colectare a cerințelor. Acest lucru poate oferi o perspectivă asupra procesului de afaceri și a ceea ce au nevoie utilizatorii din sistemul BI. Există mai multe metode de colectare a acestor informații, cum ar fi chestionare și sesiuni de interviu.

Atunci când colectați cerințele de la utilizatorii de afaceri, departamentul IT local ar trebui, de asemenea, consultat pentru a determina în ce măsură este posibil să se îndeplinească nevoile companiei pe baza datelor disponibile.

Adoptarea unei abordări centrate pe utilizator de-a lungul etapei de proiectare și dezvoltare poate crește și mai mult șansa adoptării rapide de către utilizator a sistemului BI.

În afară de concentrarea pe experiența utilizatorului oferită de aplicațiile BI, se pot motiva utilizatorii să utilizeze sistemul adăugând un element de concurență. Kimball sugerează implementarea unei funcții pe site-ul portalului de business intelligence, unde pot fi găsite rapoarte despre utilizarea sistemului. Procedând astfel, managerii pot vedea cât de bine lucrează departamentele lor și se pot compara cu ceilalți, și acest lucru îi poate stimula pentru a-și încuraja personalul să utilizeze și mai mult sistemul BI.

Într-un articol din 2007, H. J. Watson oferă un exemplu despre modul în care elementul competitiv poate acționa ca stimulent. Watson descrie modul în care un centru de apel mare a implementat tablouri de bord de performanță pentru toți agenții de apel, cu bonusuri de stimulare lunare legate de indicatorii de performanță. De asemenea, agenții și-ar putea compara performanța cu alți membri ai echipei. Implementarea acestui tip de măsurare a performanței și concurență a îmbunătățit semnificativ performanța agentului.

Șansele de succes ale BI pot fi îmbunătățite prin implicarea conducerii superioare pentru a face din BI o parte a culturii organizaționale și prin furnizarea utilizatorilor de instrumente, instruire și asistență necesare. Instruirea încurajează mai mulți oameni să utilizeze aplicația BI.

Furnizarea de asistență pentru utilizatori este necesară pentru întreținerea sistemului BI și rezolvarea problemelor utilizatorilor. Asistența pentru utilizatori poate fi încorporată în mai multe moduri, de exemplu prin crearea unui site web. Site-ul web ar trebui să aibă conținut excelent și instrumente pentru găsirea informațiilor necesare. Mai mult, poate fi utilizat suportul de asistență. Biroul de asistență poate fi administrat de utilizatorii avansați sau de echipa de proiect DW / BI.

Portaluri BI

Un portal Business Intelligence (portal BI) este interfața principală de acces pentru aplicațiile Data Warehouse (DW) și Business Intelligence (BI). Portalul BI este prima impresie a utilizatorului despre sistemul DW / BI. Este de obicei o aplicație de browser, de la care utilizatorul are acces la toate serviciile individuale ale sistemului DW / BI, rapoarte și alte funcționalități analitice. Portalul BI trebuie să fie implementat în așa fel încât să fie ușor pentru utilizatorii aplicației DW / BI să apeleze la funcționalitatea aplicației.

Funcționalitatea principală a portalului BI este de a oferi un sistem de navigație al aplicației DW / BI. Aceasta înseamnă că portalul trebuie să fie implementat într-un mod în care utilizatorul să aibă acces la toate funcțiile aplicației DW / BI.

Cel mai comun mod de a proiecta portalul este adaptarea personalizată la procesele de afaceri ale organizației pentru care este proiectată aplicația DW / BI, în acest fel portalul se potrivește cel mai bine nevoilor și cerințelor utilizatorilor săi.

Portalul BI trebuie să fie ușor de utilizat și de înțeles și, dacă este posibil, să aibă un aspect similar cu alte aplicații sau conținut web ale organizației pentru care este concepută aplicația DW / BI (consistență).

Următoarea este o listă de caracteristici de dorit pentru portalurile web în general și portalurile BI în special:

Utilizabil: Utilizatorul ar trebui să găsească cu ușurință ceea ce are nevoie în instrumentul BI.

Conținut bogat: Portalul nu este doar un instrument de imprimare a rapoartelor, trebuie să conțină mai multe funcționalități, cum ar fi sfaturi, ajutor, informații de asistență și documentație.

Clar: Portalul ar trebui să fie conceput astfel încât să fie ușor de înțeles și să nu fie prea complex pentru a încurca utilizatorii

Actual: Portalul trebuie actualizat periodic.

Interactiv: Portalul ar trebui implementat într-un mod care să permită utilizatorului să-și folosească mai ușor funcționalitatea și să-i încurajeze să utilizeze portalul. Scalabilitatea și personalizarea oferă utilizatorului mijloacele de a se potrivi portalului fiecărui utilizator.

Orientat spre valoare: Este important ca utilizatorul să aibă senzația că aplicația DW / BI este o resursă valoroasă la care merită lucrat.

Piața de desfacere

Există un număr de furnizori de business intelligence, adesea clasificați în furnizori independenți „uni-produs și „megafurnizori consolidați care au intrat pe piață printr-o tendință recentă de achiziții în industria BI. Piața business intelligence crește treptat. În 2012, serviciile de informații de afaceri au adus venituri de 13,1 miliarde de dolari.

Unele companii care adoptă software-ul BI decid să aleagă dintre diferite oferte de produse (cele mai bune), mai degrabă decât să cumpere o soluție integrată completă (full-service).

Specifice industriei

Trebuie luate în considerare anumite aspecte specifice la sisteme de business intelligence în anumite sectoare, cum ar fi reglementările bancare guvernamentale sau asistența medicală. Informațiile colectate de instituțiile bancare și analizate cu software-ul BI trebuie protejate de unele grupuri sau persoane fizice, fiind în același timp complet disponibile pentru alte grupuri sau persoane fizice. Prin urmare, soluțiile BI trebuie să fie sensibile la aceste nevoi și să fie suficient de flexibile pentru a se adapta la noile reglementări și la modificările legii existente.

Date semi-structurate sau nestructurate

Companiile creează o cantitate uriașă de informații valoroase sub formă de e-mailuri, note, notițe din centre de apeluri, știri, grupuri de utilizatori, chat-uri, rapoarte, pagini web, prezentări, fișiere imagine, fișiere video și materiale de marketing și știri. Potrivit lui Merrill Lynch, mai mult de 85% din toate informațiile comerciale există în aceste forme. Aceste tipuri de informații sunt denumite fie date semi-structurate, fie nestructurate. Organizațiile folosesc adesea aceste documente o singură dată.

Gestionarea datelor semi-structurate este recunoscută ca o problemă majoră nerezolvată în industria tehnologiei informației. Potrivit proiecțiilor din Gartner (2003), muncitorii albi își petrec oriunde între 30 și 40% din timp căutând, găsind și evaluând date nestructurate. BI folosește atât date structurate, cât și date nestructurate, dar primele sunt ușor de căutat, iar cele din urmă conțin o cantitate mare de informații necesare pentru analiză și luarea deciziilor. Datorită dificultății căutării, găsirii și evaluării corespunzătoare a datelor nestructurate sau semi-structurate, organizațiile ar putea să nu folosească aceste vaste rezervoare de informații, care ar putea influența o anumită decizie, sarcină sau proiect. Acest lucru poate duce în cele din urmă la luarea unor decizii slab informate.

Prin urmare, atunci când se proiectează o soluție de business intelligence / DW, trebuie adaptate problemele specifice asociate cu datele semi-structurate și nestructurate, precum și cele pentru datele structurate.

Date nestructurate vs. semi-structurate

Datele nestructurate și semi-structurate au semnificații diferite în funcție de contextul lor. În contextul sistemelor de baze de date relaționale, datele nestructurate nu pot fi stocate în coloane și rânduri ordonate în mod previzibil. Un tip de date nestructurate este de obicei stocat într-un BLOB (obiect binar de mari dimensiuni), un tip de date captive disponibile în majoritatea sistemelor de gestionare a bazelor de date relaționale. Datele nestructurate se pot referi, de asemenea, la modele de coloane repetate neregulat sau aleatoriu, care variază de la rând la rând în cadrul fiecărui fișier sau document.

Multe dintre aceste tipuri de date, cu toate acestea, cum ar fi e-mailurile, fișierele text de procesare a textului, PPT-urile, fișierele de imagine și fișierele video sunt conforme cu un standard care oferă posibilitatea metadatelor. Metadatele pot include informații precum autorul și ora de creare, iar acestea pot fi stocate într-o bază de date relațională. Prin urmare, poate fi mai exact să vorbim despre acest lucru ca documente sau date semi-structurate, dar nu pare să fi fost atins un consens specific.

Datele nestructurate pot fi, de asemenea, pur și simplu cunoștințele pe care utilizatorii de afaceri le au despre tendințele viitoare de afaceri. Prognoza de afaceri se aliniază în mod natural cu sistemul BI, deoarece utilizatorii de afaceri se gândesc la afacerea lor în termeni cumulati. Captarea cunoștințelor de afaceri care pot exista doar în mintea utilizatorilor de afaceri oferă unele dintre cele mai importante puncte de date pentru o soluție completă de BI.

Probleme cu datele semi-structurate sau nestructurate

Există mai multe provocări în dezvoltarea BI cu date semi-structurate. Potrivit lui Inmon & Nesavich, unele dintre acestea sunt:

Accesarea fizică a datelor textuale nestructurate - datele nestructurate sunt stocate într-o mare varietate de formate.

Terminologie - În rândul cercetătorilor și analiștilor, este necesară dezvoltarea unei terminologii standardizate.

Volumul de date - După cum s-a menționat anterior, până la 85% din toate datele există ca date semi-structurate. Cuplați acest lucru cu nevoia de analiză semantică de la un cuvânt la altul.

Căutarea datelor textuale nestructurate - O căutare simplă pe unele date, de ex. apple, are ca rezultat linkuri în care există o trimitere la acel termen precis de căutare. Inmon și Nesavich (2008) oferă un exemplu: „se face o căutare pe termenul de crimă. Într-o căutare simplă, se folosește termenul de crimă și, oriunde se face referire la crimă, se obținere o trimitere la un document nestructurat. Dar o căutare simplă este brută. Nu găsește referințe la crimă, incendiere, ucidere, delapidare, omucidere cu vehicule și altele, chiar dacă aceste infracțiuni sunt tipuri de infracțiuni."

Utilizarea metadatelor

Pentru a rezolva problemele legate de căutare și evaluarea datelor, este necesar să știți câte ceva despre conținut. Acest lucru se poate face prin adăugarea de context prin utilizarea metadatelor. Multe sisteme captează deja unele metadate (de exemplu, numele fișierului, autorul, dimensiunea etc.), dar mai utile ar fi metadatele despre conținutul real - de ex. rezumate, subiecte, persoane sau companii menționate. Două tehnologii concepute pentru generarea de metadate despre conținut sunt clasificarea automată și extragerea informațiilor.

Viitorul

O lucrare din 2009 a prezis aceste evoluții pe piața business intelligence:

Din cauza lipsei de informații, procese și instrumente, până în 2012 mai mult de 35% din primele 5.000 de companii globale nu vor reuși în mod regulat să ia decizii perspicace cu privire la schimbări semnificative în afacerile și piețele lor.

Până în 2012, unitățile de afaceri vor controla cel puțin 40% din bugetul total pentru business intelligence.

Până în 2012, o treime din aplicațiile analitice aplicate proceselor de afaceri vor fi livrate prin mashup-uri de aplicații cu granulație grosieră.

BI are un domeniu imens în domeniul antreprenoriatului, cu toate acestea majoritatea noilor antreprenori ignoră potențialul său.

Un raport special privind gestionarea informațiilor din 2009 a prezis tendințele de top ale BI: „calcul verde, servicii de rețele sociale, vizualizare date, BI mobil, analiză predictivă, aplicații compozite, cloud computing și multitouch". Cercetările întreprinse în 2014 au arătat că angajații au mai multe șanse să aibă acces la instrumentele BI bazate pe cloud și să se angajeze mai mult decât în cazul instrumentelor tradiționale.

Alte tendințe de business intelligence includ următoarele:

Produsele SOA-BI de la terțe părți abordează din ce în ce mai mult problemele ETL privind volumul și randamentul.

Companiile îmbrățișează procesarea în memorie, procesarea pe 64 de biți și aplicațiile BI analitice preambalate.

Aplicațiile operaționale au componente BI apelabile, cu îmbunătățiri în timp de răspuns, scalare și concurență.

Analiza BI în timp real sau aproape este o așteptare de bază.

Software-ul open source BI înlocuiește ofertele furnizorilor.

Alte linii de cercetare includ studiul combinat al business intelligence și date incerte. În acest context, datele utilizate nu sunt presupuse a fi precise, exacte și complete. În schimb, datele sunt considerate incerte și, prin urmare, această incertitudine se propagă la rezultatele produse de BI.

Potrivit unui studiu al Grupului Aberdeen, în ultimii ani a crescut interesul pentru inteligența de afaceri Software-as-a-Service (SaaS), de două ori mai multe organizații folosesc această abordare de implementare decât acum un an - 15% în 2009 comparativ cu 7% în 2008.

Un articol al lui Chris Kanaracus de la InfoWorld subliniază date similare de creștere de la firma de cercetare IDC, care prezice că piața SaaS BI va crește cu 22% în fiecare an până în 2013 datorită sofisticării sporite a produselor, bugetelor IT tensionate și alți factori.

1.2 Inteligența de afaceri mobilă (Mobile Business Intelligence)

Inteligența de afaceri mobilă (Mobile Business Intelligence, MBI) este definită ca fiind „Capacitatea care permite forței de muncă mobile să obțină informații comerciale prin analiza informațiilor folosind aplicații optimizate pentru dispozitive mobile". Verkooij (2012) Business Intelligence (BI) se referă la tehnici computerizate utilizate în depistarea, mineritul și analiza datelor de afaceri, cum ar fi veniturile din vânzări pe produse și / sau departamente sau costurile și veniturile asociate.

Deși conceptul de calcul mobil a fost predominant de peste un deceniu, MBI a cunoscut o creștere doar foarte recent. Această schimbare a fost parțial încurajată de o schimbare de la „lumea cu fir" la o lume fără fir cu avantajul smartphone-urilor, care a dus la o nouă eră a calculelor mobile, în special în domeniul BI.

Potrivit grupului Aberdeen, un număr mare de companii realizează rapid BI mobile datorită unui număr mare de presiuni de piață, cum ar fi necesitatea unei eficiențe mai mari în procesele de afaceri, îmbunătățirea productivității angajaților (de exemplu, timpul petrecut în căutarea de informații), decizii mai bune și mai rapide, un serviciu mai bun pentru clienți și furnizarea accesului bidirecțional la date în timp real pentru a lua decizii oricând și oriunde. Dar, în ciuda avantajelor aparente ale livrării informațiilor mobile, MBI se află încă în faza de „adoptare timpurie". Unii CFO-uri rămân sceptici cu privire la avantajele afacerii și, datorită lipsei percepute de cazuri specifice de utilizare a afacerii și a rentabilității investiției tangibile, adoptarea MBI este încă în spatele curbei în comparație cu alte aplicații mobile pentru întreprinderi.

Livrarea informațiilor către dispozitive mobile

Metoda predominantă pentru accesarea informațiilor BI este utilizarea unui software propriu sau a unui browser Web pe un computer personal pentru a vă conecta la aplicații BI. Aceste aplicații BI solicită date de la baze de date. Începând cu sfârșitul anilor 1990, sistemele BI au oferit alternative pentru primirea datelor, inclusiv prin e-mail și dispozitive mobile.

Transmiterea datelor statice

Inițial, dispozitivele mobile, precum pagerele și telefoanele mobile, primeau date trimise folosind un serviciu de mesaje scurte (SMS) sau mesaje text. Aceste aplicații au fost proiectate pentru anumite dispozitive mobile, conțineau cantități minime de informații și nu furnizau interactivitate a datelor. Ca urmare, primele aplicații mobile de BI au fost costisitoare de proiectat și întreținut, oferind în același timp o valoare informațională limitată și au generat un interes redus.

Acces la date printr-un browser mobil

Browserul mobil de pe un smartphone, un computer portabil integrat cu un telefon mobil, oferea un mijloc de a citi tabele simple de date. Spațiul redus al ecranului, browserele mobile imature și transmisia lentă a datelor nu ar putea oferi o experiență BI satisfăcătoare. Accesibilitatea și lățimea de bandă pot fi percepute ca probleme atunci când vine vorba de tehnologia mobilă, dar soluțiile BI oferă funcționalități avansate pentru a prezice și a depăși aceste provocări potențiale. În timp ce soluțiile de MBI bazate pe web oferă un control redus sau deloc asupra procesării datelor într-o rețea, soluțiile BI gestionate pentru dispozitivele mobile utilizează serverul doar pentru operațiuni specifice. În plus, rapoartele locale sunt comprimate atât în ​​timpul transmiterii cât și pe dispozitiv, permițând o mai mare flexibilitate pentru stocarea și primirea acestor rapoarte. În cadrul unui mediu mobil, utilizatorii valorifică accesul ușor la informații deoarece aplicația mobilă funcționează într-un singur mediu de creație care permite accesul la tot conținutul BI (respectând securitatea existentă), indiferent de limbă sau localizare. În plus, utilizatorul nu va trebui să construiască și să întrețină o implementare separată a MBI. În plus, MBI necesită o lățime de bandă mult mai mică pentru funcționalitate. MBI promite o mică amprentă a raportului în memorie, criptare în timpul transmiterii, precum și pe dispozitiv, și stocare de date comprimate pentru vizualizare și utilizare offline.