Бизнес-аналитика - Business intelligence

Бизнес-аналитика ( BI ) включает в себя стратегии и технологии, используемые предприятиями для анализа данных бизнес-информации . Технологии бизнес- аналитики предоставляют исторические, текущие и прогнозные обзоры бизнес-операций .

Общие функции технологий бизнеса - аналитики включают в себя отчетность , оперативный аналитическую обработку данных , аналитику , приборная панель развитие, интеллектуальный анализ данных , добычи процесса , обработки сложных событий , управление эффективностью бизнеса , бенчмаркинг , анализ текста , прогнозный анализ и предписывающие аналитики .

Технологии бизнес- аналитики могут обрабатывать большие объемы структурированных, а иногда и неструктурированных данных, чтобы помочь идентифицировать, развивать и иным образом создавать новые стратегические возможности для бизнеса . Они стремятся облегчить интерпретацию этих больших данных . Выявление новых возможностей и реализация эффективной стратегии, основанной на знаниях, может обеспечить предприятиям конкурентное рыночное преимущество и долгосрочную стабильность.

Бизнес-аналитика может использоваться предприятиями для поддержки широкого спектра бизнес-решений, от операционных до стратегических. Основные операционные решения включают позиционирование продукта или ценообразование . Стратегические бизнес- решения включают приоритеты, цели и направления на самом широком уровне. Во всех случаях BI наиболее эффективен, когда он объединяет данные, полученные с рынка, на котором работает компания (внешние данные), с данными из внутренних для бизнеса источников, такими как финансовые и операционные данные (внутренние данные). В сочетании внешние и внутренние данные могут предоставить полную картину, которая, по сути, создает «интеллект», который нельзя получить из какого-либо единственного набора данных.

Среди множества вариантов использования инструменты бизнес-аналитики позволяют организациям получать информацию о новых рынках, оценивать спрос и пригодность продуктов и услуг для различных сегментов рынка , а также оценивать влияние маркетинговых усилий.

Приложения BI используют данные, собранные из хранилища данных (DW) или из витрины данных , а концепции BI и DW объединяются как «BI / DW» или как «BIDW». Хранилище данных содержит копию аналитических данных, которые облегчают поддержку принятия решений .

История

Самое раннее известное использование термина « бизнес-аналитика» встречается в « Циклопедии коммерческих и деловых анекдотов» Ричарда Миллара Девенса (1865 г.). Девенс использовал этот термин, чтобы описать, как банкир сэр Генри Фернезе получил прибыль, получая и действуя в соответствии с информацией о своем окружении, прежде чем его конкуренты:

По всей Голландии, Фландрии, Франции и Германии он поддерживал полный и безупречный курс бизнес-аналитики. Таким образом, он первым получил известие о многочисленных сражениях, и падение Намюра увеличило его прибыль благодаря раннему получению этих новостей.

- Девенс, с. 210

По словам Девенса, способность собирать и соответствующим образом реагировать на полученную информацию является центральным элементом бизнес-аналитики.

Когда Ханс Петер Лун , исследователь из IBM , использовал термин бизнес-аналитика в статье, опубликованной в 1958 году, он использовал определение интеллекта из словаря Вебстера : «способность воспринимать взаимосвязь представленных фактов таким образом, чтобы направлять действия в направлении желаемая цель ".

В 1989 году Ховард Дреснер (впоследствии аналитик Gartner ) предложил бизнес-аналитику в качестве обобщающего термина для описания «концепций и методов улучшения принятия бизнес-решений с помощью систем поддержки, основанных на фактах». Это было широко распространено только в конце 1990-х годов.

Критики рассматривают бизнес - аналитику просто как эволюцию бизнес-отчетности вместе с появлением все более мощных и простых в использовании инструментов анализа данных. В этом отношении его также критиковали как модное маркетинговое слово в контексте всплеска « больших данных ».

Определение

По мнению Соломона Негаша и Пола Грея, бизнес-аналитику (BI) можно определить как системы, которые объединяют:

с анализом для оценки сложной корпоративной и конкурентной информации для представления планировщикам и лицам, принимающим решения, с целью повышения своевременности и качества исходных данных для процесса принятия решений ».

Согласно Forrester Research , бизнес-аналитика - это «набор методологий, процессов, архитектур и технологий, которые преобразуют необработанные данные в значимую и полезную информацию, используемую для более эффективного стратегического, тактического и оперативного анализа и принятия решений». Согласно этому определению, бизнес - аналитики включает в себя управление информацией ( интеграцию данных , качество данных , хранение данных, управление мастер-данными, Шрифтом- и контент-аналитику, и др.). Поэтому Forrester рассматривает подготовку и использование данных как два отдельных, но тесно связанных сегмента архитектурного стека бизнес-аналитики.

Некоторые элементы бизнес-аналитики:

Многомерное агрегирование и распределение
Денормализация , теги и стандартизация
Отчетность в реальном времени с аналитическим оповещением
Метод взаимодействия с источниками неструктурированных данных
Консолидация группы, бюджетирование и скользящие прогнозы
Статистический вывод и вероятностное моделирование
Оптимизация ключевых показателей эффективности
Контроль версий и управление процессами
Управление открытыми позициями

Forrester отличает это от рынка бизнес-аналитики , который представляет собой «только верхние уровни архитектурного стека бизнес-аналитики , такие как отчеты , аналитика и информационные панели ».

По сравнению с конкурентной разведкой

Хотя термин бизнес-аналитика иногда является синонимом конкурентной разведки (поскольку они обе поддерживают принятие решений ), бизнес-аналитика использует технологии, процессы и приложения для анализа в основном внутренних, структурированных данных и бизнес-процессов, в то время как конкурентная разведка собирает, анализирует и распространяет информацию с помощью Актуальный акцент на конкурентах компании. В широком смысле бизнес-аналитику можно рассматривать как подмножество конкурентной разведки.

По сравнению с бизнес-аналитикой

Бизнес-аналитика и бизнес-аналитика иногда используются как взаимозаменяемые, но есть альтернативные определения. Томас Давенпорт , профессор информационных технологий и менеджмента в Babson College, утверждает, что бизнес-аналитику следует разделить на запросы , отчеты , онлайн-аналитическую обработку (OLAP), инструмент «предупреждений» и бизнес-аналитику. В этом определении бизнес-аналитика - это подмножество бизнес-аналитики, ориентированное на статистику, прогнозирование и оптимизацию, а не на функции отчетности.

Данные

Деловые операции могут генерировать очень большой объем данных в виде электронных писем, записок, заметок из колл-центров, новостей, групп пользователей, чатов, отчетов, веб-страниц, презентаций, файлов изображений, видеофайлов и т. Д. маркетинговые материалы. Согласно Merrill Lynch , более 85% всей деловой информации содержится в этих формах; компания может использовать такой документ только один раз. Из-за способа производства и хранения эта информация либо неструктурирована, либо частично структурирована .

Управление полуструктурированными данными - нерешенная проблема в индустрии информационных технологий. Согласно прогнозам Gartner (2003), белые воротнички тратят 30–40% своего времени на поиск, поиск и оценку неструктурированных данных. BI использует как структурированные, так и неструктурированные данные. Первые легко найти, а вторые содержат большое количество информации, необходимой для анализа и принятия решений. Из-за сложности надлежащего поиска, поиска и оценки неструктурированных или полуструктурированных данных организации не могут использовать эти обширные хранилища информации, которые могут повлиять на конкретное решение, задачу или проект. В конечном итоге это может привести к принятию плохо информированных решений.

Следовательно, при разработке решения для бизнес-аналитики / DW необходимо учитывать конкретные проблемы, связанные с полуструктурированными и неструктурированными данными, а также проблемы со структурированными данными.

Неструктурированные данные против полуструктурированных данных

Неструктурированные и полуструктурированные данные имеют разное значение в зависимости от их контекста. В контексте систем реляционных баз данных неструктурированные данные не могут храниться в предсказуемо упорядоченных столбцах и строках . Один тип неструктурированных данных обычно хранится в BLOB (большом двоичном объекте), универсальном типе данных, доступном в большинстве систем управления реляционными базами данных. Неструктурированные данные могут также относиться к нерегулярно или случайно повторяющимся шаблонам столбцов, которые варьируются от строки к строке, или файлам на естественном языке, которые не имеют подробных метаданных.

Однако многие из этих типов данных, такие как электронная почта, текстовые файлы обработки текстов, PDF-файлы, PPT-файлы, файлы изображений и видеофайлы, соответствуют стандарту, который предлагает возможность метаданных. Метаданные могут включать такую информацию, как автор и время создания, и их можно хранить в реляционной базе данных. Поэтому, возможно, было бы правильнее говорить об этом как о полуструктурированных документах или данных, но, похоже, не было достигнуто определенного консенсуса.

Неструктурированные данные также могут быть просто знаниями бизнес-пользователей о будущих тенденциях в бизнесе. Бизнес-прогнозирование естественно согласуется с системой бизнес-аналитики, потому что бизнес-пользователи думают о своем бизнесе в совокупности. Захват бизнес-знаний, которые могут существовать только в умах бизнес-пользователей, предоставляет некоторые из наиболее важных точек данных для полного решения бизнес-аналитики.

Ограничения полуструктурированных и неструктурированных данных

Есть несколько проблем при разработке бизнес-аналитики с полуструктурированными данными. Согласно Инмон и Несавич, некоторые из них:

Физический доступ к неструктурированным текстовым данным - неструктурированные данные хранятся в огромном разнообразии форматов.
Терминология - исследователям и аналитикам необходимо разработать стандартизированную терминологию.
Объем данных - как указывалось ранее, до 85% всех данных существует в виде частично структурированных данных. Добавьте к этому пословный и семантический анализ.
Возможность поиска неструктурированных текстовых данных - простой поиск по некоторым данным, например по яблоку, приводит к ссылкам, в которых есть ссылка на этот точный поисковый запрос. (Inmon & Nesavich, 2008) приводит пример: «Поиск производится по термину уголовное преступление. В простом поиске используется термин« уголовное преступление », и везде, где есть ссылка на уголовное преступление, выполняется поиск неструктурированного документа. Но простой поиск является грубым. Он не обнаруживает упоминаний о преступлениях, поджогах, убийствах, хищениях, убийствах с использованием транспортных средств и т. Д., Хотя эти преступления относятся к категории тяжких преступлений ".

Метаданные

Чтобы решить проблемы с возможностью поиска и оценкой данных, необходимо кое-что знать о содержании. Это можно сделать, добавив контекст с помощью метаданных . Многие системы уже фиксируют некоторые метаданные (например, имя файла, автор, размер и т. Д.), Но более полезными будут метаданные о фактическом содержании - например, резюме, темы, упомянутые люди или компании. Две технологии, предназначенные для создания метаданных о контенте, - это автоматическая категоризация и извлечение информации .

Приложения

Бизнес-аналитика может применяться для следующих бизнес-целей:

Показатели производительности и сравнительный анализ информируют бизнес-лидеров о прогрессе в достижении бизнес-целей ( управление бизнес-процессами ).
Аналитика позволяет количественно оценить бизнес-процессы, чтобы принимать оптимальные решения и выполнять поиск бизнес-знаний. Аналитика может по-разному включать интеллектуальный анализ данных , интеллектуальный анализ процессов , статистический анализ , прогнозную аналитику , прогнозное моделирование , моделирование бизнес-процессов , происхождение данных , сложную обработку событий и предписывающую аналитику .
Бизнес-отчеты могут использовать данные бизнес- аналитики для информирования стратегии. Бизнес-отчетность может включать информационные панели , визуализацию данных , информационную систему для руководителей и / или OLAP.
BI может облегчить сотрудничество как внутри компании, так и за ее пределами, обеспечивая обмен данными и электронный обмен данными.
Управление знаниями связано с созданием, распространением, использованием и управлением бизнес-аналитикой и бизнес-знаниями в целом. Управление знаниями ведет к управлению обучением и соблюдению нормативных требований .

Роли

Вот некоторые общие технические роли разработчиков бизнес-аналитики:

Риск

В своем отчете за 2013 год Gartner классифицировал поставщиков бизнес-аналитики как независимых поставщиков услуг для чистых игр или консолидированных поставщиков. В 2019 году рынок бизнес-аналитики в Европе потряс из-за нового законодательства GDPR (General Data Protection Regulation), которое возлагает ответственность за сбор и хранение данных на пользователя данных со строгими законами, обеспечивающими соответствие данных. Рост в Европе неуклонно рос с мая 2019 года, когда был введен GDPR. Законодательство переориентировало компании на взгляд на свои собственные данные с точки зрения соблюдения требований, но также открыло будущие возможности использования персонализации и внешних поставщиков бизнес-аналитики для увеличения доли рынка.

Смотрите также

использованная литература

Библиография

Ральф Кимбалл и др. "Набор инструментов жизненного цикла хранилища данных" (2-е изд.) Wiley ISBN 0-470-47957-4
Питер Рауш, Алаа Шета, Аладдин Айеш: Бизнес-аналитика и управление производительностью: теория, системы и промышленные приложения , Springer Verlag UK, 2013, ISBN 978-1-4471-4865-4 .
Муньос, JM (2017). Глобальная бизнес-аналитика. Рутледж: Великобритания. ISBN 978-1-1382-03686

внешние ссылки

Чаудхури, Сураджит; Даял, Умешвар; Нарасайя, Вивек (август 2011 г.). «Обзор технологии бизнес-аналитики» . Коммуникации ACM . 54 (8): 88–98. DOI : 10.1145 / 1978542.1978562 . Проверено 26 октября 2011 года .

Languages

In other projects