«Доверенная среда»: Как меняются BI-системы в текущих реалиях российского рынка

Какие вызовы стоят перед разработчиками BI-платформ в плане замещения выбывшего ПО?

В первую очередь — это предложение комплексного продукта для корпоративного сегмента, закрывающего ключевые потребности для целей управления:

• корпоративная отчетность (внешняя и внутренняя);
• аналитические хранилища (готовые данные для анализа);
• традиционные корпоративные хранилища;
• OLAP отчеты;
• предварительно настроенная отчетность;
• инфо-панели (dashboarding) и презентации;
• создание метаданных и семантических данных для компаний, исповедующих data-driven философию.

Рассмотрим ключевые области, в которых, по оценкам автора, необходимо развивать функциональность отечественных BI-платформ.

По сложившейся практике в BI мире, к классу Business Intelligence принято причислять продукты, соответствующие тесту Найджела Пендса — FASMI (Fast Analysis of Shared Multidimensional Information — быстрый анализ доступной многомерной информации) — см. статью «OLAP-системы»:

Fast (быстрый) отражает упомянутое выше требование к скорости реакции системы. По Пендсу, интервалы с момента инициации запроса до получения результата должен измеряться секундами. Важность этого требования возрастает при использовании таких систем в качестве инструмента оперативного представления данных для аналитика, так как длительное время ожидания может пагубно влиять на цепочку рассуждений аналитика.

Analysis (анализ) предполагает приспособленность системы к использованию в релевантной для задачи и пользователя бизнес-логике с сохранением доступной «обычному» пользователю легкости оперирования данными без использования низкоуровневого специального инструментария.

Shared (доступность, общедоступность) описывает очевидное требование к возможности одновременного многопользовательского доступа к информации с интегрированной системой разграничения прав доступа вплоть до уровня конкретной ячейки данных.

Multidimensional (многомерность) является ключевым требованием концепции. Предполагается, что система должна обеспечивать полную поддержку многомерного иерархического представления как «наиболее логичного пути анализа бизнеса и организаций». Отметим, что многомерность указывает на модель концептуального представления данных, то есть на то, как пользователь должен представлять организацию данных при формулировании запросов, а не на то, в каких структурах хранятся данные физически.

Многомерность в рамках OLAP предполагает концептуальное представление данных в виде многомерной структуры данных — гиперкуба (OLAP-куба), рёбрами в котором выступают измерения (dimension), а данные (facts — факты; measures — меры, показатели) расположены на пересечении осей измерений.

При этом измерение обычно представляет собой плоский или иерархический список. Например, измерение «Партнёры» может включать список партнёров компании, измерение «Время» — список филиалов с географической группировкой (регион мира, страна, регион, город, филиал). Если в качестве меры определён объём продаж, то на срезе по измерениям «Партнёры» и «Время» будем иметь таблицу с данными об изменении объема продажа по партнёрам во времени, в качестве заголовков строк и столбцов которой будут выступать наши измерения — «Время» и «Партнёры», а в ячейках на пересечении строк и столбцов будут расположены значений меры, т. е. данные об объеме продаж в конкретный период времени для конкретного партнёра. Information (информация) — это все релевантные целям пользователя данные, при этом наличие «лишних» данных негативно сказывается на требовании к скорости реакции системы.

Иностранные производители, для реализации вышеописанных требований создали свои подходы — одним из вариантом которых является создание метаслоя с данными поверх физических данных, что дает свободу конечному пользователю в представлении данных в терминах бизнеса. С точки зрения корпоративной практики проведения анализа — это одна из ключевых функциональностей, которой мы лишились с уходом крупных вендоров с рынка BI и которой не хватает большинству отечественных BI-платформ.

Единая метакарта

Единая метакарта с данными обеспечивает организацию корпоративного аналитического процесса и получения ключевых достоинств корпоративной аналитики — своевременность, достоверность, единый подход представления исходных данных, а также является важным узлом генерации запросов на изменения в транзакционных системах под цели управления организацией. Выделение отдельных изолированных групп с узкими компетенциями позволяет организовать разделение труда при подготовке метакарты и, таким образом, получить наилучший результат.

Распределенный доступ

Следующей ключевой функциональностью является наличие распределенного доступа к объектам метаданных и возможностью самостоятельного проведения анализа в рамках изолированных групп бизнес-пользователей, а также самостоятельной публикации результатов анализа на внутрикорпоративных ресурсах, обмен данными между пользователями внутри BI-решения, создание презентаций, системы уведомления, рассылок форм визуализации на большое количество пользователей. Соответственно корпоративный инструмент подразумевает готовый функционал для бизнес-пользователей, без привлечения узкоспециализированных сотрудников, для реализации такой опции.

Бизнес-глоссарии

Также в отечественных продуктах, к сожалению, нет встроенных бизнес-глоссариев, связанных с исходными данными и описанием методик расчетных показателей, а сейчас это стало актуальным, т.к. каждое подразделение предлагает свою версию правды, а на уровне данных — порождает свой набор показателей, которые называются одинаково, но считаются разными методами.

Подведем итог — ключевая функциональность промышленных BI-систем, которой мы лишились с уходом иностранных платформ:

• многомерные метаданные в терминах бизнеса;
• распределенный доступ для каждого бизнес сегмента и возможность для каждого бизнеса содержать результаты своей работы в единой аналитической среде;
• разделение труда между группами специалистов в ходе подготовки данных;
• наличие встроенного бизнес-глоссария и документированных методик расчета в связи с корпоративной моделью данных.

Дополнительно можно добавить, что не все продукты полноценно реализуют многомерность в своих системах — зачастую, многомерность — это лишь имитация работы с данными, без поддержания философии управления данными на разных уровнях. Как справятся с данными вызовами разработчики отечественного ПО — покажет время, но сегодня очевидно, что заказчики уже привыкли к высокому уровню сервиса и будут требовать его в отечественных платформах.

Корпоративная аналитика — ключевые моменты

Принято считать — что аналитика это: отчетность, формы визуализации, дашборды, виджеты, т.е. «видимый» результат аналитического процесса, т.е. который можно «пощупать», повторить, воспроизвести, что в корне не верно. Во многих случаях при внедрении сосредотачиваются именно на таком, видимом результате и аналитика, при, казалось бы, уже существенных вложениях в инфраструктуру данных, не дает отдачу организации.

Аналитика — это живой процесс, обслуживающий систему принятия решений, сама является неотъемлемой частью этой системы, а также оказывает на эту систему ключевое воздействие. Процесс извлечения знания из данных для руководителей естественным образом приводит к тому, что все участники аналитического процесса — сами участвуют в подготовке решения, а порой эти решения и реализуют.

1. Чистота и достоверность данных — извлекая данные из транзакционного контура мы задаемся вопросом об их достоверности. Сравнивая с исходными документами, находя расхождения, аналитики просят почистить данные или изменить ключевые процессы компании так, чтобы ошибки не появлялись в ходе самого процесса работы. Отсюда требования к аналитическим системам — предоставление максимально комфортного функционала обеспечения прозрачности источников, на которых построена аналитическая модель — возможность разложить любой показатель сверху вниз и посмотреть его методику расчета. Сама методика расчета подразумевает, что в коллективе все участники договорились о принципах подготовки показателя и его отображения — что уже подразумевает «бизнес-глоссарий» и единообразие подхода к анализу и интерпретации данных.
2. Своевременность данных — на момент принятия решения — у всех участников аналитического процесса в наличии наиболее актуальные данные, без задержек и обновлений. Таким образом, принимаемые решения в моменте строятся на одинаково достоверном срезе информации для всех участников, что с точки зрения BI-систем обеспечивается центральным хранилищем или аналитическим хранилищем данных для всех категорий пользователей.
3. Полнота охвата — основание данных у вышестоящих руководителей должно охватывать аналогичный объем данных, как и у нижестоящих руководителей и пользователей, т.е. методики расчета «наверху» должны быть те же самые, что и у пользователей уровнями принятия решений ниже. Только так можно избежать расхождений в понимании процессов. Основное требование к инструментам аналитики – создание консолидированного основания для анализа и возможности спускать сверху вниз до исходных цифр, породивших аналитику, также важно, что методики подсчета агрегатов имеют единую природу.

Процесс принятия решений и BI-платформа

Теперь рассмотрим вопрос, который часто избегают при внедрении продуктов BI в корпоративной практике — а именно, сам процесс принятия решений в связи с BI-платформами.

Основная ошибка многих внедренцев — это упоение самодостаточностью BI. ПО — это лишь инструмент, и он помогает управлению, а не заменяет. Рассмотрение процесса внедрения всегда начинается с ключевой проблемы и решение этой проблемы — не только создание отчетности о важных пунктах процесса, которым управляют. Необходимо рассматривать решение проблемы как живой процесс контроля за той или иной деятельностью компании и выстраивать архитектуру решения, которая предлагает участникам процесса инструменты для самостоятельного контроля процесса, его совершенствования. В качестве примера можно рассмотреть процесс продаж.

Обычно контроль над процессом продаж заказывают руководители коммерческих служб. Базовая архитектура внедрения подразумевает простую консолидацию данных, изготовление отчетности и, собственно, по итогам отчетности — передача приказов нижестоящим руководителям.

На практике мы видим, что данные, хоть в целом и достоверные, своевременные и полные с точки зрения охвата, но часто содержат много ошибок, неверно закодированных атрибутов (а то и вовсе без них) и ключевых связей (например связь продажи с менеджером), что на более низких уровнях делает отчетность, присланную вышестоящим звеном — бесполезным для регулярного использования. В итоге — нижестоящие руководители составляют самостоятельною отчетность и сравнивают ее с той, по которой оценивают его работу. Почему так происходит?

Ответ прост — система управления вверху и внизу не связана и не отражена в транзакционных платформах компании. Для исполнителей, заполняющих данные, неочевидно, для чего нужна их чистота, отсюда огрехи и, как следствие, низкое качество показателей, которое не позволяет сделать консолидированное хранилище данных для всех уровней.

Казалось бы, просто — все почистить и ввести в системы?! По факту — не работает, т.к. неочевидно кто определяет — где и что вводить и для какой цели. Максимум возможного в этом случае — разовые заполнения по приказу свыше, и спустя время — снова ошибки, т.к. нет побудительного стимула со стороны участников процесса.

Как решать? Изменить подход. Создание аналитической базы и внедрение платформы нужно проводить с учетом нужд руководителей нижнего и среднего звена — в нашем примере с продажами — это обеспечение регулярной отчетности для своих собственных нужд торговым представителям, руководителям групп продаж, региональным менеджерам и т.д. В таком подходе каждый из руководителей уже заинтересован в качестве и достоверности цифр, т.к. они нужны для регулярной ежедневной работы, любые ошибки в данных, эскалируются сервисным службам и исправляются. Соответственно, для обеспечения такого взаимодействия, нужны координирующие силы со стороны аналитических подразделений — централизованный сбор и передача на доработку транзакционного сегмента, создание контролирующей отчетности о заполнении ключевых признаков, регулярные сверки с сервисными службами.

Именно такой подход и дает достоверную и полную аналитику. В результате — руководители внизу разговаривают на одном и том же языке с вышестоящими руководителями, а объективные данные не оставляют причин для разногласий.

Краткие выводы:

• достоверность, полноту и своевременность данных обеспечивают не сверхусилия специально выделенных людей, а реализация процесса анализа на максимально возможных уровнях иерархии организации. Если сотрудники имеют доступ к аналитической среде компании, в ходе работы отправляет запросы на чистки и изменения — то руководство автоматически получает достоверные данные о процессах;
• необходимы координирующие усилия со стороны аналитических служб по организации взаимодействия между бизнесом и ИТ-подразделениями — т.к. именно аналитики понимают для чего такие чистки осуществляются и какие решения на данных принимаются;
• аналитический процесс – это не только изготовление продукта анализа — (форм визуализации), но регулярная работа над процессами компании — иначе их достоверно в цифрах не отобразить.

Ожидания от аналитических платформ в корпоративном сегменте

В свете вышеописанных проблем, сосредоточимся на ключевых особенностях, необходимых аналитическому программному обеспечению для решения нужд заказчика.

Предварительно нужно оговорить ситуации, при которых BI-продукт не используется в корпоративном режиме.

1. Если в крупной компании используется BI-продукт с широким функционалом для разного уровня пользователей, но внедрен этот продукт для простейшей консолидации данных для руководителей высокого уровня, пусть, даже количество пользователей в этом процессе — сотни, то такое внедрение нельзя назвать полноценно корпоративным аналитическим решением. Причина проста — идет обслуживание узкого круга интереса пользователей, пусть даже высшего руководства, но при смене парадигмы управления, исчезновения актуальности стратегических вопросов — происходит распад сложившейся консолидации, например по причине смены руководителя. Назвать это системой, где каждый элемент поддерживает все остальные — трудно, при этом не должно вводить в заблуждение большое количество пользователей.
2. Если в крупной компании аналитика развивается в изолированных подразделениях, при этом нет связей с топ-менеджерами и другими подразделениями, т.е. нет обмена результатами работы через BI-платформу — то такие системы тоже трудно назвать корпоративными, т.к. все элементы таких внедрений не зависят друг от друга и не передают импульсы на изменения. Приведем пример — в рамках одной компании, закуплено и эксплуатируется 3-5 инструментов. Вроде бы и хорошо, что обширная практика — но по факту данные у всех свои, соответственно — свои версии правды. Специалисты накапливают определенный опыт работы, а когда они уходят, в компании, по сути, не остается ничего из этого опыта. При этом инвестиции в создание аналитического контура, обслуживающего общее дело, не осуществляются — наоборот, создаются конкурирующие подсистемы, объединить которые, как правило, сложно в силу организационных проблем.
3. Если в крупной компании создается централизованная платформа для финансов под присмотром ИТ, то несмотря на то, что эта информация нужная для всех, доступ к данным в такой платформе закрыт серией барьеров. При этом другим подразделениям нередко запрещают развивать свои участки аналитики. Такое «централизованное» решение тоже трудно назвать корпоративным – по причине того, что ни ИТ, ни финансам не интересно вникать в процессы других подразделений.

Корпоративным BI можно назвать внедрения, которые обслуживают управленческие решения о ключевых процессах компании, в которых задействованы максимальное количество руководителей на разных уровнях, т.е. обслуживаемый процесс анализируется на микро- и макроуровне — оперативном и стратегическом. Только такой подход дает надежду на достоверность данных и обратную связь о корпоративной действительности.

Ключевые элементы аналитической системы в таком изложении:

• оперативный и стратегические уровни принятия решений обслуживаются единой семантической моделью данных (источники и базы хранения могут быть распределены);
• созданные бизнес-показатели единожды могут быть использованы в многочисленных формах визуализации;
• желательно создание централизованного корпоративного (КХД) и аналитического хранилищ данных (АХД), наполняемых по единым принципам и из единых источников;
• подразделения, отвечающие за аналитическую работу, используют принцип распределения труда — группы подготовки данных и группы для формирования итоговых результатов анализа узкоспециализированы на своих участках работы;
• внутри аналитических подразделений созданы группы по консолидации всех требований по исправлению данных в исходных системах;
• данные для проведения анализа доступны в бизнес-терминах для малоквалифицированных бизнес-пользователей и обучение для формирования простых отчетов должно укладываться в 2-3 рабочих дня;
• результаты работы аналитиков должны публиковаться в контуре аналитической платформы, рассылаться всем пользователям не сложнее обыкновенных почтовых сообщений;
• результаты работы бизнес-подразделений должны накапливаться и публиковаться на едином ресурсе компании, доступ к такому ресурсу должен определяться самим подразделением без привлечения специализированного администрирования;
• необходимы встроенные средства уведомлений по бизнес-событию в данных (динамика показателей) и рассылка результатов такого события заинтересованным пользователям;
• встроенный бизнес глоссарий в платформе, где определены термины показателей и методика их расчета.

Итог: аналитическая платформа должна предлагать функционал и шаблон для организации оперативной и стратегической аналитики как для топ-менеджеров, так и менеджеров среднего звена, только многоуровневый подход дает хороший результат и заинтересованность всех участников в прозрачности процесса и высоком качестве данных. К сожалению, не все вендоры понимают этот аспект аналитики и сосредотачиваются на эмоциональной части ПО — визуальной. Все же более полезной для компании практикой является гармоничное взаимодействие руководителей разного уровня и совместная работа над ключевыми процессами. Помимо прочего – регулярность анализа приводит к упрощению и совершенствованию ключевых процессов.

Планы продукта BI-платформы «Триафлай» на ближайшее будущее

Имея в виду вышеописанное, специалисты компании «Доверенная среда» как команда, занятая созданием аналитического решения, намерены расширить функционал платформы «Триафлай» для решения аналогичных задач. Основной вектор усилий в свете сложившейся конъюнктуры на рынке — предложить нашим клиентам функционал, к которому наши клиенты привыкли в иностранных продуктах (SAP, Qlik и пр.), при этом сохранить достоинства существующего продукта.

Ключевые нововведения коснуться в первую очередь следующих областей:

• разделение зон специализаций между квалифицированными администраторами системы, продвинутыми и малоквалифицированными пользователями: подготовка данных в более дружелюбном формате для аналитиков, придание процессу создания форм визуализации более дружелюбного формата и интуитивности;
• создание более структурированной внутренней среды для подготовки данных в части аналитического хранилища данных, отчуждения представления данных для конечного потребления. Например, создание метаслоя и семантического слоя в терминах бизнеса;
• создание единого аналитического пространства для обмена результатами проведенного анализа, публикации форм визуализации в едином корпоративном ресурсе;
• создание пользовательских «песочниц» для самостоятельной подготовки форм визуализации без переделки корпоративной модели данных;
• создание элементов бизнес-глоссария и наделение показателей методическими характеристиками;
• объединение функций ввода данных в аналитическое хранилище с традиционной OLAP-технологией анализа таким образом, что данные для конечного потребителя будут представлять единый контур бизнес-терминов;
• формирование технологии дистрибуции результатов анализа на большое количество пользователей; возможная доработка дизайна визуальной части.

Основные устремления нашего продукта — дать корпоративным клиентам продукт, закрывающий наиболее необходимые ключевые потребности в текущей практике поддержания систем поддержки принятия решений — то, к чему клиенты привыкли, используя зарубежные BI-системы. В то же время, мы внимательно относимся к новым трендам в технологиях анализа больших данных и рассматриваем возможности по расширению функционала BI-платформы «Триафлай» в области AI исследований.

Получить доступ к демонстрационной версии BI-платформы «Триафлай» >>>