УДК 33

ПРОЕКТЫ BUSINESS INTELLIGENCE (BI) – ОСОБЕННОСТИ ВНЕДРЕНИЯ И НАПРАВЛЕНИЯ РАЗВИТИЯ

Шлепкина Дарья Вадимовна
Финансовый университет при Правительстве Российской Федерации
магистр

Аннотация
Инструменты Business Intelligence (BI) получают все большее распространение в компаниях благодаря возможностям по повышению качества и глубины аналитики. Данная статья посвящена специфике проектов по внедрению систем BI, возможным рискам и трендам. В работе были рассмотрены основные меры, которые обеспечивают положительные результаты проекта, а также типичные ошибки, совершаемые менеджментом. Статья также рассматривает направления развития BI-систем, которые выражаются в частичном слиянии с другими ИТ-технологиями.

Ключевые слова: , , ,


Библиографическая ссылка на статью:
Шлепкина Д.В. Проекты Business Intelligence (BI) – особенности внедрения и направления развития // Экономика и менеджмент инновационных технологий. 2020. № 3 [Электронный ресурс]. URL: http://ekonomika.snauka.ru/2020/03/16999 (дата обращения: 29.03.2020).

Научный руководитель: Устинова Ольга Евгеньевна,

Доцент к/н, Финансовый Университет при Правительстве РФ

Современная компания на ежедневной основе оперирует огромным объемом информации, который включает как внутренние данные для анализа эффективности подразделений и компании в целом, так и внешние – для понимания ситуации на рынке и поведения конкурентов. При относительно небольших объемах данных, организация может строить свою аналитику на таблицах и отчетах Excel, однако с увеличением объема данных, усложнения взаимосвязей между ними, простых таблиц становится недостаточно.

Главным решением для аналитики сегодня является внедрение систем business intelligence (BI или системы бизнес-аналитики). Это набор ИТ-технологий, предназначенных для сбора, хранения и анализа данных. Свое развитие системы BI получили за рубежом, где проекты по внедрению инструментов бизнес-аналитики довольно распространены и хорошо изучены, а сами продукты, преимущественно, являются иностранными разработками. В России отмечается недостаток работ, посвященных особенностям BI-проектов и обоснования их эффективности для компаний.

BI-системы имеют две основные части: хранилище данных и уровень представления данных. Одно из преимуществ BI-решений является визуализация данных – наглядное представление результатов анализа на информационных панелях – дэшбордах (dashboard). Само по себе использование BI-системы не подразумевает наличие продвинутой аналитики в компании. Используя BI только как хранилище, инструмент может выдавать пользователям исторические отчеты в виде таблиц и графиков, однако сейчас все больше руководителей понимают ценность предиктивной аналитики – на основе полученной ретроспективной информации выявлять взаимосвязи, строить прогнозы, использовать методы «data mining» (добыча данных, глубинный анализ) для построения сложных математических и статистических моделей. Поскольку такие модели и корреляции сложно выявить человеку, BI-системы активно внедряются для автоматизации и ускорения данного процесса. Другое направление использования инструментов BI – это анализ «больших данных» (Big data), под которыми подразумевается весь объем структурированных и неструктурированных данным (в первую очередь – Интернет, социальные сети), которые могут стать ценным источником информации о рынке, потребителях и конкурентах.

Рассматривая возможность внедрения BI-системы в своей организации, менеджмент должен четко определить какие проблемы призван решить этот инструмент и какие выгоды он принесет организации. Построение сложной аналитики в организации требует больших инвестиций, а также времени сотрудников проекта и руководителей. Часто необходимость проекта обоснована не бизнес-потребностями, а, например, является рекомендацией консультантов или популярностью инструмента в других компаниях, что отрицательно скажется на результатах проекта. Поэтому перед выбором продукта и началом проекта, компании необходимо исследовать области, где будет применяться BI-система, выявить потенциальных пользователей, которые будут формулировать требования к инструменту, на основании которых, впоследствии, будет выбран BI-продукт на рынке и сформировано техническое задание. Менеджмент оценивает необходимый масштаб внедрения системы – нужен ли инструмент всей компании или можно ограничиться отдельными подразделениями, а иногда для нужд компании достаточно технологии Data Discovery – относительно новый, облегченный BI-инструмент, который строится на архитектуре in-memory (проведение вычислений в оперативной памяти, что значительно ускоряет процессы и прост в использовании, но имеет высокую стоимость).

Эксперты называют четкое обозначение целей проекта и поддержка со стороны менеджмента главным фактором успеха BI-проекта [1]. Согласно исследованию немецкого аналитического центра Business Application Research Center (BARC) 31% проектов по внедрению BI не достигают поставленных задач, поскольку цели определенны либо неправильно, либо недостаточно точно [2]. Помимо постановки целей и спонсорской поддержки, руководители должны донести до сотрудников необходимость новых систем, удобства и выгод, которые они принесут, обеспечить полноценное обучение пользователей. Важную роль в этом процессе играет насколько хорошо в организации настроен процесс управления изменениями, и как в корпоративной культуре воспринимают необходимость перемен.

Так как BI-системы являются набором ИТ-технологий и методик, организация проектов по их внедрению довольно схожа с ИТ-проектами, однако ряд аспектов отличаются. Во-первых, различно предназначение систем – ИТ-проекты, как правило, ставят целью автоматизацию привычных, рутинных процессов – размещение и обработка заказов, работа с документами, и т.д. BI-инструменты направлены на создание хранилища данных и дэшбордов для их визуального представления. BI-проекты позволяют внедрять продукт не в полном масштабе сразу, а в отдельных подразделениях и по мере разработки – то есть не обязательно иметь полностью готовый продукт и отчеты для всех конечных пользователей, чтобы начать получать выгоды от проекта. В отличие от многих ИТ-продуктов, BI-дэшборды (то, в чем в первую очередь заинтересованы пользователи) могут быть легко доработаны или скорректированы позднее, а более ранний запуск позволит получить обратную связь от менеджмента и пользователей. Поскольку требования к проекту могут меняться по мере изучения продукта пользователями, возрастают сроки и стоимость проекта, стандартные методологии PMI, основанные на жестком планировании (например, водопад). По этой причине, контроль сроков и бюджета проекта в случае внедрения BI носит обобщенный характер, главная цель – это сохранять общее управление, и здесь на первый план выходит спонсор проекта как посредник между командой внедрения и заказчиком, и его потеря – один из главных рисков проекта.

Сегодня BI-системы предлагают широкий выбор опций, которые часто перекрываются, но позволяют почти кастомизировать продукт под компанию и гибко управлять им. Однако, в условиях отсутствия культуры бизнес-аналитики и опыта внедрения у большинства российских компаний, это превращается в недостаток – желание либо добавить в систему максимальное количество возможных опций, либо выбор нескольких, но пересекающихся опций. В итоге, проектная команда тратит больше времени и усилий на разработку, а заказчик – больше ресурсов и продукт, который слишком сложный для пользователей и не удовлетворяет их аналитические потребности. Для того, чтобы это избежать, многие компании прибегают к услугам консультантов, которые, имея доступ к структуре данных организации, зная какие процессы происходят в компании, могут сформулировать требования к системе, которые будут понятны команде разработки.

Другой риск проекта по внедрению BI – это проблема с качеством исходных данных, что иногда описывают как «garbage in – garbage out», то есть низкое качество входных данных на выходе даст низкое качество аналитики. Под низким качеством данных подразумевается отсутствие ряда критически важных для расчета данных или небольшой горизонт ретроспективных данных – если данные собираются в течение нескольких месяцев или частично отсутствуют, модели для прогноза будут выдавать неточные результаты. Как правило, обеспечение высокого качества данных – это не разовая задача, а планомерное управление – собственная экспертиза в виде службы или отдела по обеспечению качества данных, улучшение технологии обработки, что позволяет повысить доверие к данным, а следовательно – качество управленческих решений.

В то время как в зарубежных компаниях BI-инструменты уже широко распространены, а информационные дэшборды являются повседневным инструментом для менеджеров на любом уровне, в России только идет процесс распространения BI-систем. Эксперты отмечают, что в российских компаниях главная цель внедрения BI – это формирование отчетности определенного формата для предоставления в государственные или регулирующие службы [4]. Другое отличие (и недостаток) российских проектов – BI-системы все еще воспринимаются сотрудниками как ИТ-задача не только на этапе внедрения, но и в процессе использования, т.е. необходимые отчеты формируются не непосредственно менеджером, а ИТ-специалистом. Такой подход снижает эффективность инструмента, скорость получения данных, а для того, чтобы этого избежать необходимо проводить полноценное обучение всех пользователей и развивать функционал самого продукта в направлении «self-service» (самообслуживания).

Отличительной чертой российских BI-проектов является масштаб применения инструмента в компании. Как правило, в зарубежных компаниях все подразделения пользуются преимуществами BI и применяют его комплексно, во всей компании, в России распространено частичное внедрение, а иногда – внедрение разных BI-систем для разных подразделений, что зачастую связано с недоверием к системам и преимуществам, которые они могут принести. Отмечается, что в российских компаниях чаще применяется практика «пилотов», то есть система внедряется на одной предметной области, и только потом развертывается на всю компанию.

В условиях возросшей востребованности BI-инструментов в отечественных компаниях, растет рынок российских BI-вендоров. Потребность в качественных российских продуктах возникла, в том числе, благодаря возросшему спросу на BI-инструменты среди государственных компаний, а также благодаря санкциям и движения в сторону импортозамещения. Санкции не могут напрямую повлиять на снижение доли зарубежных продуктов на рынке, т.к. все равно многие российские компании используют зарубежные технологии, однако они стимулируют отечественных производителей создавать конкурентоспособные разработки. Несмотря на то, что наиболее узнаваемые BI-решения – это Qlik, Microsoft Power BI, SAP BI, Oracle BI и т.д., российские компании также обращают внимание на отечественных поставщиков – Prognoz Platform и Deductor [5]. Зарубежных вендоров отличает масштаб – как правило, это крупные международные корпорации, разрабатывающие помимо BI-систем другие ИТ-продукты. Российские компании в разы меньше зарубежных конкурентов, однако они в большей степени сфокусированы на системах Business Intelligence. Выбор продукта обуславливается масштабом и запросами на функционал самой компании – зачастую, необходимость в аналитике крупных массивов данных отсутствует и использование глобальных продуктов приводит только к перерасходу средств и усилий на проект. Именно поэтому, ключевым фактором при выборе вендора становится не сама компания-поставщик и не его распространённость, а запрос к функционалу продукта.

Развитие технологий BI ускоряется с каждым годом – появление новых методик и инструментов, объединение со смежными направление в ИТ, дает качественно новые продукты, способные удовлетворить различные бизнес-потребности. Аналитики BARC опросили 2 865 пользователей, консультантов и разработчиков и выяснили, как они для себя оценивают важность трендов в сфере BI. На высших строчках оказались наиболее фундаментальные и востребованные в работе функции, связанные с качеством и представлением данных, чуть ниже – тенденции слияния BI и различных направлений в ИТ.

Рисунок 1. Важность BI-трендов от «совсем не важны» (0) до «очень важны» (10) [3]

Одной из главных тенденций является слияние BI-систем и технологий искусственного интеллекта (ИИ). Искусственный интеллект двигает фокус с предиктивной (прогнозы) к предписывающей аналитике (рекомендации). ИИ, с помощью методов машинного обучения, обнаруживает проблемы с качеством данных, определяет какие показатели эффективности наиболее точно описывают конкретные данные, на основе внешних и внутренних данных рекомендует какие действия стоит предпринять.

Всем знакомы голосовые помощники, которые сейчас внедряются в большинство смартфонов и другие электронные устройства. Такие технологии тоже разрабатываются на основе искусственного интеллекта и называются Natural Language Processing (NPL, «переработка естественного языка») и Natural Language Generation (NPG, «создание естественного языка»). Для реализации этих технологий в BI специалисты работают над тем, чтобы конвертировать речь человека в компьютерные запросы, что позволит «спрашивать» у системы отдельные показатели или отчеты. Эксперты предсказывают, что к 2021 году NPL и NPG способствуют росту внедрения BI-систем с 32% до 50% [6].

Чтобы BI-инструмент представлял не только аналитику, но и давал определенную предысторию данным, развивается такое направление как сторителлинг, т.е. наглядное представление аналитики не только с помощью визуализации данных, но и демонстрация истории, что позволяет более эффективно донести информацию до сотрудников, не погруженных в аналитику. Назначение сторителлинга в том, чтобы показать, как компания пришла к текущим результатам, куда она будет двигаться (согласно прогнозам), и какие действия необходимы, чтобы прийти к намеченной цели.

Сегодня, несмотря на высокий уровень развития и накопленный опыт внедрения BI-систем, не существует единого подхода к BI-проекту – каждая компания имеет ряд особенностей, которые накладывают определенные ограничения и риски на проект. Наиболее распространенная проблемы для российских компаний – отсутствие заинтересованности менеджмента в бизнес-аналитике, неправильный выбор BI-продуктов, некорректно сформированные требования системы, низкое качество исходных данных. Но, благодаря развитию международного сотрудничества, распространения информации о зарубежном опыте, руководители получают возможность видеть преимущества BI-систем, и все больше компаний приходят к необходимости улучшить бизнес-процессы и качество аналитики с помощью BI. Более того, стремительно развивающийся рынок российских BI-вендоров дает возможность применять качественные российские продукты и получать экспертизу отечественных специалистов.

Поделиться в соц. сетях

0

Библиографический список
  1. Louie Andre 51 Essential Business Intelligence Statistics: 2020 Analysis of Trends, Data and Market Share // Finances Online, 2019 [Электронный ресурс] URL: https://financesonline.com/20-essential-business-intelligence-statistics-analysis-of-trends-data-and-market-share/ (дата обращения: 28.02.2020)
  2. Nadeem Ali El-Adaileh, Scott Foster Successful business intelligence implementation: a systematic literature review // Journal of Work-Applied Management, 2019
  3. BI Trend Monitor // BARC, 2020 [Электронный ресурс] URL: http://barc-research.com/research/bi-trend-monitor/ (дата обращения 20.02.2020)
  4. BI в России: особенности рынка // РБК [Электронный ресурс] URL: http://softline.rbc.ru/page/bi-v-rossii-osobennosti-ryinka/ (дата обращения: 26.02.2020)
  5. Business Intelligence (рынок России) // ТAdviser [Электронный ресурс] URL: http://www.tadviser.ru/a/53194 (дата обращения: 26.02.2020)
  6. Митрович С. — Проблемы и тенденции внедрения технологий бизнес-интеллекта в процесс экономического анализа в России и за рубежом // Финансы и управление. – 2019. – № 2. – С. 1 – 16


Количество просмотров публикации: Please wait

Все статьи автора «Шлепкина Дарья Вадимовна»


© Если вы обнаружили нарушение авторских или смежных прав, пожалуйста, незамедлительно сообщите нам об этом по электронной почте или через форму обратной связи.

Связь с автором (комментарии/рецензии к статье)

Оставить комментарий

Вы должны авторизоваться, чтобы оставить комментарий.

Если Вы еще не зарегистрированы на сайте, то Вам необходимо зарегистрироваться:
  • Регистрация