Business Intelligence: pełna wiedza z jednego źródła

© Pixabay

Udostępnij:

Business Intelligence słusznie kojarzy się z wywiadem gospodarczym: dzięki integracji w ramach jednego systemu wszystkich kluczowych danych o kondycji przedsiębiorstwa pozwala uzyskać pełną wiedzę o zachodzących w nim procesach, a tym samym sprawnie nimi zarządzać. BI wynosi analizę biznesową na wyższy poziom, czyniąc z niej inteligentne narzędzie o stopniu adaptowalności nieporównywalnym z żadną dotychczasową metodą przetwarzania danych.

Systemy komputerowej analizy danych przeszły długą drogę ewolucji. Ich prekursorem były systemy informowania kierownictwa (ang. Executive Information Systems – EIS), które umożliwiały kadrze zarządzającej uzyskanie natychmiastowej informacji o podstawowych wskaźnikach ekonomicznych przedsiębiorstwa, w tym głównie wielkości sprzedaży i ilości produktów sprzedanych w danym okresie rozliczeniowym. Ich słabością była jednak konieczność korzystania z pomocy informatyka w sytuacji zmiany parametrów zapytań.



Wady tej pozbawione są programy typu DSS (ang. Decision Support Systems), czyli aplikacje wspomagania podejmowania decyzji. Systemy te pozwalają wyodrębnić żądane informacje z relacyjnej bazy danych bez konieczności dodania nowego skryptu SQL, a także przedstawiać je w formie graficznej, ułatwiając tworzenie prezentacji multimedialnych. DSS-y cechują się co prawda większą uniwersalnością, pozwalając na zadawanie bardziej złożonych pytań z zakresu działań sprzedażowych, jednak odnoszą się jedynie do pewnego wąskiego wycinka rzeczywistości. Dopiero wraz z wprowadzeniem pierwszych systemów typu Business Intelligence analiza danych zyskała wymiar holistyczny, obejmując wszystkie kluczowe zagadnienia – od planowania zasobów, przez produkcję i logistykę wewnętrzną, po efekty sprzedażowe.

CEL I METODY ANALITYCZNE BUSINESS INTELLIGENCE

Choć niekiedy Business Intelligence klasyfikowane jest jako najbardziej zaawansowana forma systemów wspomagania decyzji, w istocie jest to osobny system analizy danych zintegrowany z ERP i wykorzystujący różne metody gromadzenia i przetwarzania informacji, w tym m.in. narzędzia OLAP (ang. OnLine Analytical Processing), eksplorację danych (ang. Data Mining), eksplorację procesów (ang. Process Mining), systemy ekspertowe i sieci neuronowe. Systemy BI łączą w sobie cechy systemów EIS, DSS, MIS (ang. Management Information Systems – systemy informacyjne zarządzania), a nawet GIS (ang. Geographic Information Systems – systemy informacji geograficznej). Te ostatnie umożliwiają uwzględnienie w analizie także danych obejmujących relacje przestrzenne między przedsiębiorstwem a jego klientami i zasobami.

Schemat przetwarzania danych w ramach Business Intelligence

Nadrzędnym celem wdrożenia systemów typu Business Intelligence jest jednak nie tylko pogłębienie analizy o dodatkowe dane, ale przede wszystkim – automatyzacja zadań z zakresu kontrolingu, raportowania, planowania zasobów, prognozowania i symulacji, a także analizy rynku i klientów. Znacznie większe – w porównaniu z systemami ERP – ilości danych pozwalają w tym przypadku na uwzględnianie różnorodnych aspektów funkcjonowania przedsiębiorstwa i ocenę jego sytuacji nie tylko z punktu widzenia finansów czy zasobów, ale także na podstawie dynamicznych związków przyczynowo-skutkowych między zmiennymi reprezentującymi różne zbiory informacji.



FUNKCJE I ZADANIA BI

Podstawową przesłanką do wdrożenia i efektywnego wykorzystania narzędzi Business Intelligence jest utworzenie tzw. hurtowni danych, czyli odrębnej bazy funkcjonującej poza systemem ERP i gromadzącej informacje z kilku różnych źródeł (np. kilku systemów ERP).

Dzięki temu możliwa jest automatyczna konsolidacja i przetwarzanie danych przenoszonych wcześniej manualnie między różnymi systemami. Zadanie to realizowane jest dzięki narzędziom ETL (ang. Extract, Transform and Load) wspomagającym proces pozyskiwania informacji zgromadzonych w różnych bazach. Kolejnym zadaniem systemów Business Intelligence jest przetwarzanie zebranych danych do celów analitycznych. Funkcja ta obejmuje szereg procesów – od prostej agregacji według kryterium czasowego, po skomplikowane analizy trendów w oparciu o narzędzia eksploracji danych. Etap ten polega na tworzeniu związków między poszczególnymi informacjami, które umożliwiają wykrycie istniejących wzorców (lub ich braku) stanowiących podstawę porównania z postawionymi wcześniej hipotezami przy wykorzystaniu różnych technik analizy danych.

Wyniki owej analizy są następnie integrowane z zasobami wiedzy przedsiębiorstwa i udostępniane w formie łatwo syntezowanych wykresów i grafik umożliwiających optymalizację procesów decyzyjnych i przejrzystą prezentację wyników pracy firmy. W rozbudowanych systemach BI techniki prezentacji można dobierać niemal dowolnie w zależności od potrzeb użytkownika. Do tego celu służy kokpit menedżerski przypominający panel operatorski, który zapewnia możliwość wizualizacji i modyfikacji danych i raportów na ekranie.

NIEDOSKONAŁOŚCI SYSTEMU

Mimo tych licznych zalet, należy mieć świadomość, że systemy typu Business Intelligence mają również swoje słabości. Większość z nich jest efektem błędów popełnianych na etapie konsolidacji lub interpretacji danych, w tym wynikających z niezrozumienia idei działania systemu przez jego użytkowników. Jednym z najczęstszych jest oczekiwanie, że narzędzia BI dostarczą decydentom jednoznacznych odpowiedzi na postawione pytania. Innym jest tendencyjna prezentacja danych wynikająca z ignorancji wymogów statystyki. Przykłady te pokazują, jak istotna jest banalna – zdawać by się mogło – świadomość, że narzędzia BI mają wspomagać, a nie zastępować proces podejmowania decyzji, gdyż jako system informatyczny bazujący na algorytmach, nie zaś inteligencji, nie są w stanie uwzględnić zmiennych wynikających z doświadczeń historycznych czy związków przyczynowo- skutkowych o charakterze nielinearnym.

Owa niezdolność wyjścia poza schematy matematyczne powoduje również, że systemy BI są narażone na błędy wynikające z różnic w formatowaniu i zapisie danych. Przykładowo, nie wiedzą, że pod rekordami „K. Kowalski”, „Kazimierz Kowalski” i „Kowalski Kazimierz Jan” kryje się ten sam klient. Z tego względu – mimo postępującej automatyzacji procesów analizy danych – jej efekty wciąż muszą być nadzorowane i na bieżąco weryfikowane przez człowieka.

MM KOMENTARZ
Michał Gruszecki, senior consultant w firmie Hicron:

Aby zaawansowane narzędzia analityczne stały się również u nas podstawą analizy danych, polskie przedsiębiorstwa muszą przejść od ery raportowania charakterystycznej dla XX w. do ery analityki wieku XXI. Inwestycja w nowoczesne narzędzia analityczne to tylko połowa sukcesu.


Przedsiębiorstwo musi być mentalnie i organizacyjnie przygotowane do cyfrowej transformacji, tak aby pracownicy dotychczas mozolnie tworzący wtórne raporty zajęli się analizą danych i wyciąganiem na ich podstawie wniosków, które następnie zostaną przekazane kadrze zarządzającej.


Papierowe raporty powinny, a wręcz muszą zostać zastąpione przez wyższy poziom analiz gromadzonych danych, któremu jednocześnie towarzyszy dbałość – przy pomocy odpowiednich narzędzi – o dobrą jakość i uspójnienie pozyskiwanego materiału będąca warunkiem przygotowywania solidnych analiz.

Udostępnij:

Drukuj



Agata Świderska




TOP w kategorii






Chcesz otrzymać nasze czasopismo?
Zamów prenumeratę
Zobacz również