Опубликован: 20.12.2010 | Уровень: специалист | Доступ: платный
Лекция 5:

Системы деловой осведомленности (Business Intelligence Systems) и хранилища данных

Хранилища данных и системы бизнес-аналитики

Одной из главных предназначений системы бизнес-аналитики является публикация данных в формате, удобном для принятия решений, и предоставление простых и удобных инструментов руководителям организации для манипулирования этими данными с целью их исследования и анализа.

Одно из главных предназначений ХД — аккумулирование данных из различных источников для аналитической обработки и отделение формирования отчетов и проведения интеллектуального анализа данных от систем оперативной обработки данных предприятия с целью увеличения производительности.

Таким образом, ХД представляют собой очень большие репозитории исторических данных, а системы бизнес-аналитики представляют собой взаимосвязанный (или нет) набор приложений для бизнес-анализа этих данных.

Ниже, на рис. 4.6, показано, как система бизнес-аналитики взаимодействует с ХД.

Взаимодействие системы бизнес-аналитики с хранилищем данных

увеличить изображение
Рис. 4.6. Взаимодействие системы бизнес-аналитики с хранилищем данных

Разработчики систем бизнес-аналитики являются по существу издателями. Они собирают данные из различных источников, редактируют их для обеспечения качества и согласованности, обеспечивают доверие к опубликованной информации. Их успех оценивается конечными бизнес-пользователями: аналитиками, менеджерами различных уровней и руководством организации.

ХД поддерживает системы бизнес-аналитики, являясь ее информационным фундаментом.

  • Запросы и отчетность:
    • Публикация правильных данных.
  • Поиск исключений:
    • Визуализация, определение границ, сравнение, предупреждение.
  • Анализ причинно-следственных связей:
    • Что взаимосвязано.
  • Моделирование потенциальных решений:
    • Что, если...
  • Отслеживание результатов принятых решений.

С этой точки зрения ХД помогает решать основные задачи поддержки систем бизнес-аналитики.

  • Максимизация ценности интеллектуального капитала:
    • применение знаний в определенной предметной области;
    • демонстрация интуиции в простых действиях;
    • принятие решений;
    • достижение понимания среди всех лиц, принимающих решения;
  • и одновременная минимизация затрат:
    • разработка;
    • администрирование (стандартные операции, маленькие сюрпризы, большие сюрпризы);
    • очевидные затраты (персонал, аппаратное и программное обеспечение);
    • скрытые затраты (упущенные возможности, отклонения).

На рис. 4.7 показано, как хранилища данных управляют системами бизнес-аналитики.

Как хранилища данных управляют системами бизнес-аналитики

увеличить изображение
Рис. 4.7. Как хранилища данных управляют системами бизнес-аналитики

На практике ХД функционируют в соответствии с нижеприведенными условиями.

  • Децентрализованная, инкрементальная разработка.
  • Различные технологии, не совместимые на простейшем уровне.
  • Быстрая разработка.
  • Постоянно меняющаяся среда/постоянно меняющиеся приоритеты.
  • Потенциально несовместимые витрины данных.
  • Немедленная реакция.
  • Атомарные данные, данные в режиме реального времени, непрерывная история.
  • Всестороннее представление о заказчике.
  • Отслеживание, хранение, предсказание поведения.

Таким образом, ХД через хранимые в них данные управляют системами бизнес-аналитики и влияют на качество и эффективность принимаемых решений. Чтобы данные способствовали принятию качественных решений, они должны быть хорошо организованы. Организацию данных в ХД обеспечивает модель данных. Разработке таких моделей данных будут посвящены следующие лекции, а сейчас кратко подведем итоги настоящей лекции.

Резюме

Сфера систем бизнес-аналитики развивается быстро и динамично. Это объясняется тем, что в современных условиях информация становится реальным производственным ресурсом. К настоящему времени можно выделить следующие основные типы систем бизнес-аналитики.

  • Аналитическая и управленческая отчетность. Наиболее распространенные, универсальные и вместе с тем эффективные системы для получения информации на различных уровнях управления компанией. В отличие от стандартных систем отчетности включают в себя богатые возможности для построения запросов, создания отчетов, визуализации данных и простой обработки полученных результатов непосредственно менеджерами и аналитиками, не являющимися специалистами в области ИТ.
  • Оперативный анализ информации OLAP. OLAP-системы предназначены для менеджеров и аналитиков, которым требуется постоянное интерактивное взаимодействие с информацией.
  • Информационные панели. KPI/BSC. Предназначены для отображения и мониторинга ключевых показателей работы компании. Как правило, используются в системах управления предприятием на основе KPI/BSC.
  • Системы нетривиального анализа данных и получения знаний. В основе лежат технологии data mining, которые могут использоваться для решения сложно формализуемых задач.

Системы бизнес-аналитики и хранилища данных обеспечивают полноту, достоверность и актуальность информации, необходимой для принятия управленческих решений, снижают нагрузку на транзакционные системы за счет перераспределения функций формирования отчетности.

Системы бизнес-аналитики дают возможность решать целый ряд актуальных для современного предприятия задач:

  • консолидировать информацию из разнородных источников (внутренних систем оперативного учета данных, внешних источников) в хранилище данных, с предварительной очисткой, преобразованием данных и приведением информации к общей корпоративной модели данных;
  • рассчитывать требуемые показатели и статистические характеристики на основании ретроспективной информации из хранилища данных; определять взаимосвязи показателей (производить проверку статистических гипотез, кластеризацию и пр.);
  • формировать наглядные графические и табличные представления результатов вычислений и имеющейся информации (визуализация данных);
  • получать в автоматическом режиме предварительно заданные виды отчетности, формировать произвольные отчеты на основе созданной модели данных;
  • проводить эксперименты с математическими моделями, описывающими поведение сложных систем (задачи класса "Что, если ...?"), что позволяет оценивать обоснованность и эффективность для бизнеса тех или иных шагов. Применять имитационные, управленческие, оптимизационные и статистические методы моделирования и прогнозирования.
Владислав Нагорный
Владислав Нагорный

Подскажите, пожалуйста, планируете ли вы возобновление программ высшего образования? Если да, есть ли какие-то примерные сроки?

Спасибо!

Лариса Парфенова
Лариса Парфенова

1) Можно ли экстерном получить второе высшее образование "Программная инженерия" ?

2) Трудоустраиваете ли Вы выпускников?

3) Можно ли с Вашим дипломом поступить в аспирантуру?

 

Владимир Вишневский
Владимир Вишневский
Россия, Москва
Ольга Балуева
Ольга Балуева
Россия