Глоссарий терминов бизнес-аналитики

1. Бизнес-аналитика
2. Процесс ETL
3. Управленческие панели
4. KPI
5. Хранилище данных
6. Ассоциативная логика
7. OLAP
8. В памяти
9. Традиционная бизнес-аналитика и подход «самообслуживания»

Бизнес-аналитика
Процесс ETL
Управленческие панели
KPI
Хранилище данных
Ассоциативная логика
OLAP
В памяти
Традиционная бизнес-аналитика и подход «самообслуживания»

Бизнес-аналитика

Business Intelligence (бизнес-аналитика) - это понятие с очень широким значением. Чаще всего это системы, определяемые как «интегрированный набор инструментов, технологий и программных продуктов для сбора данных из различных рассредоточенных источников, их интеграции, анализа и обмена». Благодаря возможности комбинировать и анализировать данные, охватывающие всю сферу деятельности компании, в соответствии с принятыми бизнес-процессами, они позволяют правильно управлять знаниями в организации, моделировать и прогнозировать результаты проводимых мероприятий и улучшать процесс принятия решений с помощью интерактивных отчетов и панелей управления. В системах ERP метод хранения данных оптимизирован для поддержки текущей операционной деятельности, однако в случае аналитических запросов это может привести к значительному увеличению времени обработки. Полученные результаты обычно представлены в виде двумерной таблицы, которая в случае расширенного анализа, содержащего большее количество переменных, может оказаться недостаточной для точного анализа (см. Подробнее: Каковы преимущества внедрения бизнес-аналитики? ).

Процесс ETL

Процесс ETL (извлечение, преобразование и загрузка) объединяет данные из различных источников для обеспечения высококачественных и согласованных данных. Этот процесс имеет решающее значение для построения и обслуживания хранилища данных, поскольку только правильно интегрированные и преобразованные данные будут полезны для бизнес-анализа.
Смотрите больше:
Какие источники данных могут быть подключены к системе Business Intelligence?
Можно ли постепенно добавлять новые исходные системы в систему Business Intelligence?

Управленческие панели

Диспетчерские панели (Dashboards) представляют ключевые данные о деятельности организации. У них есть много интерактивных графических элементов, в том числе такие как ползунки, раскрывающиеся меню, виджеты (элементы управления), которые предоставляют широкие возможности анализа данных, что позволяет, например, анализировать наиболее важные KPI компании.

Инструменты этого типа позволяют проводить эффективный анализ компании, позволяют повысить точность решений, принимаемых менеджерами, облегчают управление информационным потоком в компании и позволяют на постоянной основе отслеживать результаты компании, благодаря чему повышается эффективность всей организации.

KPI

KPI (ключевые показатели эффективности) - это показатели, которые измеряют степень внедрения бизнес-процессов (например, продаж) и оценивают эффективность их реализации (стоимость, время, качество). KPI позволяют эффективно интерпретировать результаты, так что вы можете, среди прочего быстро реагировать на возникающие проблемы (например, снижение продаж) или следить за последствиями изменений.

KPI чаще всего имеют форму индикаторов или направленных стрелок, что можно увидеть в следующих примерах.

Хранилище данных

Хранилище данных (DWH) - база данных, в которой данные хранятся таким образом, который позволяет быстро и эффективно выполнять сложные аналитические запросы, результаты которых могут быть использованы в процессе принятия решений.

Ассоциативная логика

Ассоциативный анализ имитирует работу человеческого разума - он объединяет элементы, сливается в одну сущность и находит взаимные связи. Это то, что основано на уникальной технологии, которая позволяет выполнять все расчеты в режиме реального времени, когда вы нажимаете. Поиск информации так же прост, как и в популярном браузере Google. Анализы могут выполняться чрезвычайно быстро, гибко, без необходимости ограничивать их заранее заданными путями запросов, всегда видя какие-либо связи между данными.
При построении классической системы BI необходимо определить связи между данными, в частности иерархию. При создании модели данных почти все соединения должны анализироваться, рассматриваться и настраиваться по одному. Только на следующем шаге будут добавлены иерархии, которые необходимы из предыдущего анализа, чтобы обеспечить возможность детализации. Поэтому каждая новая потребность влечет за собой изменения в модели и ручное добавление соединений и иерархий. Ассоциативная логика отличается тем, что все данные автоматически связываются друг с другом немедленно. Если какое-либо соединение является ненужным или неправильным, оно удаляется. Это значительно ускоряет работу при моделировании данных для представления их в отчетах.

Как видно на приведенной выше диаграмме, все возможные связи определены между выбранными объектами, так что пользователь, например конкретный регион, автоматически получает информацию о регионах, которые в нем находятся, о продуктах, которые в них продаются, и данных торговых представителей, которые работают на эта область.

OLAP

OLAP (Online Analytical Processing) - класс информационных систем для поддержки операций организаций с тактическим и стратегическим охватом, в отличие от транзакционных систем, поддерживающих текущие операции. На практике используются разные разновидности OLAP. Наиболее популярной реализацией этого типа системы является хранилище данных, часто называемое реляционным OLAP - ROLAP. Хранилище данных физически основано на том же решении, что и транзакционные базы данных, в более деменормированной структуре в форме, например, звезды или снежинки. Целенаправленная денормализация позволяет эффективно запрашивать большие наборы данных, например, для целей отчетности. Решение OLAP также представляет собой многомерный куб (MOLAP), который обычно является следующим уровнем абстракции, встроенным в хранилище, где данные хранятся в файлах со специальной многомерной структурой. MOLAP имеет собственный механизм обработки, который позволяет запрашивать данные в этих файлах интуитивно и быстро. Стоит отметить, что в дополнение к данным в многомерных структурах также сохраняются ранее рассчитанные агрегации, благодаря чему ядру базы данных не нужно обрабатывать данные с максимальной степенью детализации и уже на предварительно обработанных данных. На практике аббревиатуру OLAP часто отождествляют с многомерным аналитическим кубом. Многие инструменты, такие как SQL Server позволяет создавать гибридную версию между реляционным OLAP и многомерным OLAP.

В памяти

In-memory является одной из ведущих технологий, когда дело доходит до развития информационных систем. До сих пор традиционные ИТ-инструменты, связанные с базами данных и Business Intelligence в широком смысле, основывались на загрузке данных из файлов, расположенных на жестком диске. С годами скорость чтения была увеличена, в том числе использование индексов и введение носителей SSD, но только в оперативной памяти привели к резкому увеличению производительности. При таком подходе диск служит только для хранения данных, а не для их обработки. При чтении с диска все данные загружаются в память, после чего происходит их последующая обработка и другие операции. Оперативная память ОЗУ во много раз быстрее, чем все доступные на данный момент жесткие диски, в том числе за счет устранения временных накладных расходов, создаваемых носителем, что делает генерируемые данные намного быстрее. При использовании инструментов, основанных на технологии In-memory, использование ОЗУ увеличивается, и поэтому машины, на которых работает приложение, должны быть оснащены соответствующим количеством. На практике широко используются технологии, в том числе в Qlik View, Microsoft Power Pivot или SAP HANA.

Традиционная бизнес-аналитика и подход «самообслуживания»

Основным отличием этих подходов является хранение и обработка данных. Традиционный подход предполагает наличие центрального хранилища данных в форме физического сервера / сервера, к которому клиентские инструменты имеют доступ. Этот тип оборудования обычно оснащен очень эффективными аппаратными ресурсами, которые могут обрабатывать аналитические и отчетные требования.

BI самообслуживания (часто также называемый Personal BI) - это немного другой подход. Он не требует центрального объекта в своей архитектуре и подчеркивает роль клиентских инструментов, на которых могут строиться и использоваться аналитические модели. Кроме того, пользователь может изменять существующие решения и даже создавать их самостоятельно, без длительного процесса, в котором участвует много людей. Self-Service BI, в отличие от традиционного подхода, не требует дорогостоящих вложений в оборудование, но также не гарантирует того, что предшественник, а именно «одна версия правды» и беспрепятственный обмен документами.

Наличие нескольких решений, касающихся одной и той же области бизнеса, может отличаться друг от друга, что создает реальную проблему реализации. Тем не менее, оба подхода могут существовать параллельно, что дает возможность устранить недостатки каждого подхода и выделить преимущества. Одним из таких гибридных решений является внедрение модели Power Pivot на портале сервера SharePoint, благодаря чему многие конечные пользователи могут использовать готовую модель, а также изменять ее и делиться ею с другими.

В настоящее время многие ведущие поставщики программного обеспечения позволяют создавать решения самообслуживания BI, такие как: Microsoft Self-Service BI или QlikView.

Концепция самообслуживания BI в технологии Microsoft основана на MS Excel.

Традиционная концепция корпоративного BI в технологии Microsoft.

Похожие

Комментарии