ไบคืออะไร. ความแตกต่างระหว่างระบบธุรกิจอัจฉริยะและวิทยาศาสตร์ข้อมูล การเชื่อมต่อกับแหล่งข้อมูล

มีอยู่ จำนวนมากเงื่อนไข: การวิเคราะห์ การทำเหมืองข้อมูล การวิเคราะห์ข้อมูล ระบบธุรกิจอัจฉริยะ และความแตกต่างระหว่างสิ่งเหล่านี้ไม่ได้ชัดเจนเสมอไปแม้แต่กับคนที่เกี่ยวข้องกับสิ่งนี้ วันนี้เราจะมาพูดถึง Business Intelligence (BI) ในภาษาที่เข้าถึงและเข้าใจได้ หัวข้อนี้มีขนาดใหญ่อย่างไม่ต้องสงสัยและไม่สามารถครอบคลุมด้วยบทความสั้น ๆ เพียงบทความเดียว แต่งานของเราคือการช่วยก้าวแรกและทำให้ผู้อ่านสนใจในหัวข้อนี้ ผู้อ่านที่สนใจจะพบรายการขั้นตอนถัดไปที่ครอบคลุม

โครงสร้างบทความ

เหตุใดจึงจำเป็นทั้งหมดนี้: จากชีวิตของนักวิเคราะห์

(คลิกได้)

ลองจินตนาการว่าเรา (นักวิเคราะห์ Petrovich จากซัพพลายเออร์ Flower) ได้รับมอบหมายให้ประเมินยอดขายของร้านค้าจำนวนหนึ่ง (ที่เราจัดหาสินค้า) และแต่ละร้านจะเก็บบันทึกการขายของตัวเอง ความจริงก็คือไม่มีใครรู้ว่าจะกรอกแบบฟอร์มทางบัญชีอย่างไรหรือโดยใครนั่นคือพวกเขาจะมีโครงสร้างที่แตกต่างกันและรูปแบบการจัดเก็บที่แตกต่างกัน (ตารางบางรูปแบบ) งานนี้จะแสดงเป็นแผนผังในไดอะแกรมด้านบน

ดูเหมือนว่างานนี้ไม่ยาก ดังนั้นลองพิจารณาวิธีแก้ปัญหาที่ตรงไปตรงมา: ให้เรามี N ตารางและเราจำเป็นต้องรวบรวมมันไว้ด้วยกันเป็นตารางเดียว จากนั้นเราจะเขียนสคริปต์ N ที่แปลงตารางเหล่านี้และตัวรวบรวมหนึ่งตัวที่รวบรวมมันไว้ด้วยกัน .

ข้อเสียของแนวทางนี้:

• จำเป็นต้องรองรับสคริปต์ N พร้อมกัน (โดยที่ N อยู่ในลำดับหลักพัน)
• เมื่อโครงสร้างของรายงานของร้านค้าเปลี่ยนแปลงไปตามกาลเวลา (เช่น ร้านค้ามี พนักงานใหม่) จำเป็นต้องค้นหาและเขียนสคริปต์แต่ละรายการใหม่
• เมื่อร้านค้าใหม่ปรากฏขึ้น คุณจะต้องเขียนสคริปต์ใหม่
• เมื่อการรายงานของเรา (ดอกไม้ของซัพพลายเออร์) เปลี่ยนแปลง จำเป็นต้องทำการเปลี่ยนแปลงสคริปต์ทั้งหมด
• ยากต่อการแก้ไขและสนับสนุน เนื่องจากร้านค้าไม่แจ้งเกี่ยวกับการเปลี่ยนแปลงโครงสร้างและไม่ปฏิบัติตามข้อกำหนดใดๆ

ถ้าเรายกระดับขึ้น ทั้งองค์กรแล้วเราจะเห็นว่ามีปัญหามากยิ่งขึ้น

ความท้าทายคืออะไร: ปัญหาอยู่ที่ระดับบริษัท

(คลิกได้)

ผู้ผลิต Flower ไม่ได้ทำงานโดยตรงกับร้านค้า แต่ทำงานผ่านคนกลางบางราย คนกลางเยี่ยมชมร้านค้าและพยายามกระตุ้นยอดขายโดยตรงผ่านการกระทำของพวกเขา ดังนั้นพวกเขาจึงเป็นผู้มีส่วนได้เสียทางการเงินและข้อมูลที่พวกเขาให้จะต้องได้รับการตรวจสอบซ้ำ

โดยพื้นฐานแล้ว ปัญหาจะคล้ายกัน สมมติว่าเรามีร้านค้า N แห่งและผู้จัดจำหน่าย K เราสามารถรวบรวมข้อมูลของร้านค้าและเปรียบเทียบกับผลลัพธ์ของผู้จัดจำหน่ายได้หรือไม่ (ข้อมูลของทุกคนมีโครงสร้างและรูปแบบที่แตกต่างกัน)

ที่นี่ นอกเหนือจากตารางแล้ว เรายังพบกับรูปแบบสวนสัตว์ทั้งหมดซึ่งมีการเพิ่มรายงานของผู้จัดจำหน่ายอีกด้วย โดยทั่วไป งานจะมีลักษณะเฉพาะด้วยคุณภาพของข้อมูลต่ำมาก รวมถึงการทำซ้ำ ความไม่สอดคล้องกัน และข้อผิดพลาด จากผลลัพธ์ที่ได้รับและการเปรียบเทียบข้อมูล แผนกจัดซื้อจะตัดสินใจว่าจะจัดส่งอะไรไปให้ใคร และราคาเท่าใด นั่นคือการแก้ปัญหานี้ส่งผลโดยตรง ตัวชี้วัดทางการเงินบริษัทซึ่งมีความสำคัญอย่างยิ่ง

ลองพิจารณาตัวเลือกโซลูชันต่างๆ ในระดับบริษัท:

• โซลูชันที่เขียนขึ้นเอง: บริษัทผู้ผลิตจะต้องจ้างผู้เชี่ยวชาญที่ไม่ได้อยู่ในโปรไฟล์ของบริษัท และซอฟต์แวร์ที่สำคัญจะขึ้นอยู่กับผู้เชี่ยวชาญรายนี้ หากเขาลาออก บริษัทจะถูกบังคับให้หาคนทดแทนที่สามารถรองรับซอฟต์แวร์อย่างเร่งด่วน และคุณภาพจะขึ้นอยู่กับผู้เชี่ยวชาญที่ได้รับการว่าจ้างโดยตรง
• การซื้อซอฟต์แวร์จากบุคคลที่สาม มีปัจจัยสำคัญสามประการ ได้แก่ ราคา คุณภาพ และเวลาในการบูรณาการ ตามกฎแล้ว ราคาและเวลาในการบูรณาการสูงเกินไปสำหรับผู้ผลิตโดยเฉลี่ย และยังต้องใช้เวลาของพนักงานค่อนข้างมากด้วย การเลือกซัพพลายเออร์ก็ไม่ใช่เรื่องเล็กน้อยเช่นกัน
• โซลูชัน SaaS: วิธีการนี้ยังใหม่ในตลาด และบริษัทหลายแห่งไม่มั่นใจเกี่ยวกับบริการดังกล่าว

โดยทั่วไป หากเรากำลังพูดถึงผู้ผลิตขนาดเล็กหรือขนาดกลาง จากมุมมองของเวลาในการบูรณาการ ราคา และคุณภาพของโซลูชัน บริการดูเหมือนเป็นตัวเลือกที่ดีที่สุด เนื่องจากการกำหนดราคาเป็นแบบไดนามิกและการบูรณาการมีน้อยมากผ่าน เว็บ ตามกฎแล้ว ข้อดีของซอฟต์แวร์องค์กรคือความสามารถในการปรับแต่งได้ (แต่ละธุรกิจถือว่ามีเอกลักษณ์เฉพาะตัว) แต่งานที่อธิบายไว้นั้นค่อนข้างเป็นแบบอย่างและเป็นมาตรฐานสำหรับบริษัทที่หลากหลาย แน่นอนว่าไม่มีวิธีแก้ปัญหาแบบเดียวสำหรับทุกคน แต่สามารถค้นพบได้สำหรับทุกคน

กระบวนการในระดับบริษัทมีลักษณะคล้ายกัน: ข้อมูลจะถูกรวม เปลี่ยนแปลง (รวมกลุ่ม) ในลักษณะใดลักษณะหนึ่ง และโหลดเข้าสู่ระบบเพื่อการวิเคราะห์
(คลิกได้)

มาสรุปปัญหากัน: ทั้งหมดนี้คือลิงก์ในห่วงโซ่เดียว

(คลิกได้)

อะไรคือความแตกต่างระหว่างการวิเคราะห์ การทำเหมืองข้อมูล และระบบธุรกิจอัจฉริยะ (BI)? วิธีแรกประกอบด้วยชุดวิธีการวิเคราะห์ข้อมูลที่สะอาดอยู่แล้ว แต่ในทางปฏิบัติ การล้างและการแปลงข้อมูลเป็นรูปแบบที่สะดวกสำหรับการวิเคราะห์ถือเป็นกระบวนการที่สำคัญและครบถ้วน นอกจากนี้ นอกเหนือจากการทำงานกับการเปลี่ยนแปลงและการรวมข้อมูลแล้ว งานหลักของ BI ก็คือการตัดสินใจทางธุรกิจ

24.04.2003 วาเลรี อาร์เตมีเยฟ

คำว่า “ระบบธุรกิจอัจฉริยะ” มีมานานแล้ว แม้ว่าจะมีการใช้น้อยในประเทศของเราเนื่องจากขาดการแปลที่เพียงพอและความเข้าใจที่ชัดเจน ซึ่งเป็นเรื่องปกติสำหรับตะวันตกเช่นกัน ลองทำความเข้าใจแก่นแท้ของมัน

ในภาษารัสเซียคำว่า "ความฉลาด" เข้าใจได้ชัดเจนว่าเป็นความสามารถในการคิดของบุคคล เมื่อมองแวบแรก จะเป็นคำแปลที่ดีสำหรับคำนี้ ข่าวกรองธุรกิจเสนอใน “การขุดข้อมูล” แต่เกิดคำถามขึ้นมาทันทีว่ามี “การขุดที่ไม่ใช่ข้อมูล” หรือไม่

ความคลุมเครือของคำที่อยู่ระหว่างการอภิปรายได้รับอิทธิพลจากการมีภรรยาหลายคน คำภาษาอังกฤษ"ปัญญา":

• ความสามารถในการรับรู้และเข้าใจ ความพร้อมที่จะเข้าใจ
• ความรู้ที่ถ่ายทอดหรือได้รับผ่านการฝึกอบรม การวิจัย หรือประสบการณ์
• การกระทำหรือสภาวะในกระบวนการรับรู้
• สติปัญญาข้อมูลข่าวกรอง

ในภาษารัสเซียคำว่า "ความฉลาด" เข้าใจได้ชัดเจนว่าเป็นความสามารถในการคิดของบุคคล เมื่อมองแวบแรก มีการเสนอคำแปลที่ดีสำหรับคำว่า Business Intelligence ใน "data mining" แต่คำถามก็เกิดขึ้นทันทีว่ามี "การวิเคราะห์ข้อมูลที่ไม่ใช่การขุด" หรือไม่ วิถีทางของภาษานั้นไม่อาจเข้าใจได้ ดังนั้นเราจะใช้ทั้งต้นฉบับเป็นภาษาอังกฤษและกระดาษลอกลาย "ระบบธุรกิจอัจฉริยะ"

คำจำกัดความต่างๆ

คำว่า "ระบบธุรกิจอัจฉริยะ" ได้รับการประกาศเกียรติคุณครั้งแรกโดยนักวิเคราะห์ของการ์ตเนอร์ในช่วงปลายทศวรรษ 1980 ว่าเป็น "กระบวนการที่ผู้ใช้เป็นศูนย์กลางที่เกี่ยวข้องกับการเข้าถึงและการสำรวจข้อมูล การวิเคราะห์ การพัฒนาสัญชาตญาณและความเข้าใจที่นำไปสู่การตัดสินใจที่ดีขึ้นและไม่เป็นทางการ" ต่อมาในปี 1996 ได้มีการชี้แจงว่า “เครื่องมือวิเคราะห์ข้อมูล การรายงาน และการสืบค้นสามารถช่วยให้ผู้ใช้ทางธุรกิจนำทางไปยังทะเลของข้อมูลเพื่อสังเคราะห์ข้อมูลที่มีความหมายจากข้อมูลนั้นได้ ในปัจจุบัน เครื่องมือเหล่านี้รวมกันจัดอยู่ในหมวดหมู่ที่เรียกว่าระบบธุรกิจอัจฉริยะ ( Business Intelligence) )".

BI เป็นวิธีการ เทคโนโลยี วิธีการสกัดและนำเสนอความรู้

ตามคำจำกัดความเดิม BI คือกระบวนการวิเคราะห์ข้อมูล สร้างสัญชาตญาณและความเข้าใจเพื่อปรับปรุงการตัดสินใจของผู้ใช้ทางธุรกิจ และเครื่องมือสำหรับดึงข้อมูลที่เกี่ยวข้องกับธุรกิจออกจากข้อมูล ควรสังเกตว่าคำจำกัดความส่วนใหญ่ตีความ “ระบบธุรกิจอัจฉริยะ” ว่าเป็นกระบวนการ เทคโนโลยี วิธีการ และวิธีการในการดึงและนำเสนอความรู้

BI, EIS, DSS, ธุรกิจอิเล็กทรอนิกส์และการพาณิชย์

ในช่วง 10 ปีที่ผ่านมา ชื่อและเนื้อหาของข้อมูลและระบบการวิเคราะห์ได้เปลี่ยนจากระบบข้อมูลผู้บริหาร (EIS) เป็นระบบสนับสนุนการตัดสินใจ (DSS) และปัจจุบันเป็นระบบธุรกิจอัจฉริยะ

ในสมัยของคอมพิวเตอร์เมนเฟรมและมินิคอมพิวเตอร์ เมื่อผู้ใช้ส่วนใหญ่ไม่สามารถเข้าถึงคอมพิวเตอร์โดยตรง องค์กรต่างๆ จึงต้องอาศัยแผนกไอทีของตนเพื่อจัดทำรายงานมาตรฐานและพาราเมตริก แต่หากต้องการรับรายงานนอกเหนือจากรายงานมาตรฐาน ผู้ใช้ต้องสั่งการพัฒนาและรอเป็นเวลาหลายวันหรือหลายสัปดาห์

แอปพลิเคชัน EIS ได้รับการปรับแต่งให้ตรงกับความต้องการของผู้บริหารและผู้จัดการ และให้ข้อมูลรวมที่สำคัญเกี่ยวกับสถานภาพของธุรกิจของตนในรูปแบบของตารางหรือแผนภูมิ โดยทั่วไปแล้วจะรวมการสืบค้นตามปกติพร้อมกับชุดพารามิเตอร์ แพ็คเกจดังกล่าวมักจะได้รับการพัฒนาโดยแผนกไอทีของตนเอง เพื่อรับ ข้อมูลเพิ่มเติมและการวิเคราะห์เพิ่มเติม มีการใช้แอปพลิเคชันอื่นๆ หรือสร้างแบบสอบถามหรือรายงานแบบกำหนดเองใน SQL

แอปพลิเคชัน DSS รุ่นแรกคือแพ็คเกจซอฟต์แวร์แอปพลิเคชันที่สร้างสคริปต์ SQL แบบไดนามิกตามประเภทของข้อมูลที่ผู้ใช้ร้องขอ พวกเขาอนุญาตให้นักวิเคราะห์ได้รับข้อมูลจากฐานข้อมูลเชิงสัมพันธ์โดยไม่ต้องมีความรู้เกี่ยวกับ SQL แอปพลิเคชัน DSS แตกต่างจาก EIS ตรงที่สามารถตอบคำถามทางธุรกิจได้หลากหลาย มีตัวเลือกการรายงานที่หลากหลาย และความสามารถในการจัดรูปแบบเฉพาะ อย่างไรก็ตาม ความยืดหยุ่นของแพ็คเกจดังกล่าวยังคงมีจำกัดเนื่องจากการมุ่งเน้นไปที่ชุดงานเฉพาะ

ด้วยการถือกำเนิดของพีซีและ เครือข่ายท้องถิ่นแอปพลิเคชัน DSS รุ่นต่อไปสร้างขึ้นบนพื้นฐานของ BI และช่วยให้ผู้ใช้ที่ไม่ใช่โปรแกรมเมอร์สามารถดึงข้อมูลจากแหล่งต่างๆ ได้อย่างง่ายดายและรวดเร็ว สร้างรายงานที่กำหนดเองหรือมุมมองกราฟิกของตนเอง และดำเนินการวิเคราะห์ข้อมูลหลายมิติ การพัฒนาระบบธุรกิจอัจฉริยะได้เปลี่ยนจากไคลเอนต์ "หนา" ไปสู่เว็บแอปพลิเคชันที่ผู้ใช้ดำเนินการวิจัยโดยใช้เบราว์เซอร์และสามารถทำงานจากระยะไกลได้ คุณยังสามารถสร้างสถานการณ์สมมติและทบทวนและอัปเดตข้อมูลร่วมกันได้

แม้ว่าผู้ใช้ข้อมูล BI ขององค์กรจะมักจะอยู่ภายในองค์กร แต่ด้วยการเพิ่มขึ้นของเว็บ ธุรกิจอิเล็กทรอนิกส์ผู้ใช้ B2B, CRM และ SCM BI สามารถอยู่ภายนอกองค์กรได้ และใน B2C, C2B และ แพลตฟอร์มการซื้อขายผู้ใช้ BI คือผู้ใช้อินเทอร์เน็ต

BI และคลังข้อมูล

แนวคิด วิธีการ และเครื่องมือของคลังข้อมูล (Data warehousing) กำหนดแนวทางและจัดให้มีการบูรณาการ ทำความสะอาด จัดเก็บข้อมูลย้อนหลังเพื่อการวิเคราะห์ ตอบคำถาม “เตรียมข้อมูลเพื่อการวิเคราะห์อย่างไร” เทคโนโลยีระบบธุรกิจอัจฉริยะกำหนดวิธีการและวิธีการเข้าถึงและการวิเคราะห์ข้อมูลการดำเนินงานในแง่ของสาขาวิชา เครื่องมือ BI ไม่จำเป็นต้องทำงานในโครงสร้างพื้นฐานคลังข้อมูล แต่ในกรณีนี้ ปัญหาของการล้างข้อมูลและการกระทบยอดถูกกำหนดให้กับพวกเขา และการดำเนินการเหล่านี้จะต้องดำเนินการทันทีหรือล่วงหน้า แต่สำหรับเครื่องมือแยกต่างหาก แหล่งข้อมูล นอกจากนี้ยังส่งผลกระทบต่อประสิทธิภาพและความน่าเชื่อถือของระบบประมวลผลธุรกรรมออนไลน์อีกด้วย ด้วยเหตุนี้จึงเป็นแนวทางปฏิบัติที่ดีขององค์กรที่จะแยกส่วนประกอบด้านธุรกรรมและการวิเคราะห์ออก แล้วนำไปใช้กับส่วนหลัง โซลูชั่นต่างๆโดยคลังข้อมูล การเชื่อมต่อหลักไม่เพียงเกิดขึ้นในระดับข้อมูลเท่านั้น แต่ยังเกิดขึ้นในระดับเมทาดาทาด้วย ในกรณีของคลังข้อมูล คุณสามารถจัดให้มีการจัดการเมตาดาต้าแบบรวมศูนย์ได้

ควรสังเกตว่าคำว่า "คลังข้อมูล" มักหมายถึงระบบสนับสนุนการตัดสินใจ DSS หรือระบบข้อมูลและการวิเคราะห์ที่อิงจากคลังข้อมูลและเทคโนโลยีระบบธุรกิจอัจฉริยะ

การจำแนกประเภทผลิตภัณฑ์ระบบธุรกิจอัจฉริยะ

ปัจจุบัน หมวดหมู่ผลิตภัณฑ์ BI ได้แก่: เครื่องมือ BI และแอปพลิเคชัน BI ประการแรกจะแบ่งออกเป็น: ตัวสร้างแบบสอบถามและรายงาน; พัฒนาเครื่องมือ BI ซึ่งส่วนใหญ่เป็นเครื่องมือสำหรับการประมวลผลการวิเคราะห์ออนไลน์ (OLAP) ชุด BI ขององค์กร (ชุด BI ขององค์กร, EBIS); แพลตฟอร์มบีไอ ส่วนหลักเครื่องมือ BI แบ่งออกเป็นชุด BI ขององค์กรและแพลตฟอร์ม BI เครื่องมือสร้างแบบสอบถามและรายงานถูกดูดซับและแทนที่โดยชุด BI ขององค์กรเป็นส่วนใหญ่ กลไกหรือเซิร์ฟเวอร์ OLAP หลายมิติ รวมถึงกลไก OLAP เชิงสัมพันธ์ เป็นเครื่องมือ BI และโครงสร้างพื้นฐานสำหรับแพลตฟอร์ม BI ผู้ใช้ปลายทางใช้เครื่องมือ BI ส่วนใหญ่เพื่อเข้าถึง วิเคราะห์ และสร้างรายงานเกี่ยวกับข้อมูลที่มักอยู่ในคลังสินค้า ศูนย์ข้อมูล หรือคลังข้อมูลการดำเนินงาน นักพัฒนาแอปพลิเคชันใช้แพลตฟอร์ม BI เพื่อสร้างและใช้งานแอปพลิเคชัน BI ที่ไม่ถือเป็นเครื่องมือ BI ตัวอย่างของแอปพลิเคชัน BI คือ ระบบสารสนเทศหัวหน้า EIS

เครื่องมือสร้างแบบสอบถามและรายงาน

โดยทั่วไปแล้วตัวสร้างคำค้นหาและรายงานเป็นเครื่องมือเดสก์ท็อปที่ให้ผู้ใช้สามารถเข้าถึงฐานข้อมูล ทำการวิเคราะห์ และสร้างรายงานได้ คำขออาจเป็นได้ทั้งที่ไม่ได้วางแผนไว้ (เฉพาะกิจ) หรือคำขอที่เกิดขึ้นเป็นประจำ มีระบบการสร้างรายงาน (โดยปกติจะใช้เซิร์ฟเวอร์) ที่รองรับการสืบค้นและรายงานตามปกติ ตัวสร้างแบบสอบถามและรายงานบนเดสก์ท็อปยังได้รับการปรับปรุงด้วยความสามารถ OLAP แบบบางเบา เครื่องมือขั้นสูงในหมวดหมู่นี้รวมความสามารถของการสร้างรายงานประจำและตัวสร้างคิวรีเดสก์ท็อปเป็นชุด การแจกจ่ายรายงานและการอัปเดตทันที ก่อให้เกิดสิ่งที่เรียกว่าการรายงานระดับองค์กร คลังแสงประกอบด้วยเซิร์ฟเวอร์รายงาน เครื่องมือเผยแพร่ การเผยแพร่รายงานบนเว็บ และกลไกในการแจ้งเตือนเหตุการณ์หรือการเบี่ยงเบน (การแจ้งเตือน) ตัวแทนทั่วไปคือ Crystal Reports, Cognos Impromptu และ Actuate e.Reporting Suite

OLAP หรือเครื่องมือวิเคราะห์ขั้นสูง

เครื่องมือ OLAP เป็นเครื่องมือวิเคราะห์ที่แต่เดิมใช้ฐานข้อมูลหลายมิติ (MDB)

MDB เป็นฐานข้อมูลที่ออกแบบมาโดยเฉพาะเพื่อรองรับการวิเคราะห์ข้อมูลเชิงปริมาณที่มีหลายมิติ โดยมีข้อมูลอยู่ในรูปแบบหลายมิติที่ "ล้วนๆ" แอปพลิเคชันส่วนใหญ่มีมิติเวลา มิติอื่นอาจเกี่ยวข้องกับภูมิศาสตร์ หน่วยองค์กร ลูกค้า ผลิตภัณฑ์ ฯลฯ OLAP ช่วยให้คุณสามารถจัดระเบียบมิติในลำดับชั้นได้ ข้อมูลถูกนำเสนอในรูปแบบของไฮเปอร์คิวบ์ (คิวบ์) - โมเดลเชิงตรรกะและฟิสิคัลของตัวบ่งชี้ที่ใช้มิติโดยรวมตลอดจนลำดับชั้นภายในมิติเหล่านี้ ข้อมูลบางส่วนจะถูกรวบรวมไว้ล่วงหน้าในฐานข้อมูล ส่วนข้อมูลอื่นๆ จะถูกคำนวณทันที

เครื่องมือ OLAP ช่วยให้คุณสำรวจข้อมูลในมิติต่างๆ ผู้ใช้สามารถเลือกเมตริกที่จะวิเคราะห์ มิติข้อมูลใดและวิธีแสดงในครอสแท็บ สลับแถวและคอลัมน์เป็น "pivot" จากนั้นแบ่งและลูกเต๋าเพื่อเน้นไปที่ชุดค่าผสมของมิติข้อมูลที่เฉพาะเจาะจง คุณสามารถเปลี่ยนรายละเอียดของข้อมูลได้โดยการเลื่อนผ่านระดับต่างๆ โดยใช้การเจาะลึก/ม้วนขึ้น การเจาะลึกและการเจาะลึก ตลอดจนการเจาะลึกข้ามการเจาะลึกข้ามผ่านมิติอื่นๆ

เพื่อรองรับ MDB จึงมีการใช้เซิร์ฟเวอร์ OLAP ซึ่งได้รับการปรับให้เหมาะสมสำหรับการวิเคราะห์หลายมิติ และมาพร้อมกับความสามารถในการวิเคราะห์ ให้ประสิทธิภาพที่ดี แต่โดยทั่วไปต้องใช้เวลามากในการโหลดและขยาย MDB มาพร้อมกับความสามารถ “เข้าถึง” ช่วยให้คุณสามารถย้ายจากการรวมไปยังรายละเอียดในฐานข้อมูลเชิงสัมพันธ์ เซิร์ฟเวอร์ OLAP แบบคลาสสิก - เซิร์ฟเวอร์ Hyperion Essbase

ปัจจุบัน DBMS เชิงสัมพันธ์ถูกนำมาใช้เพื่อจำลอง MDB และสนับสนุนการวิเคราะห์หลายมิติ OLAP สำหรับฐานข้อมูลเชิงสัมพันธ์ (ROLAP) มีข้อได้เปรียบในด้านความสามารถในการปรับขนาดและความยืดหยุ่น แต่จะสูญเสียประสิทธิภาพไปเป็น OLAP หลายมิติ (MOLAP) แม้ว่าจะมีวิธีการปรับปรุงประสิทธิภาพ เช่น สคีมาแบบดาวก็ตาม แม้ว่า MDB ยังคงเหมาะสมที่สุดสำหรับการประมวลผลการวิเคราะห์ออนไลน์ แต่ความสามารถนี้กำลังถูกสร้างหรือขยายโดย DBMS เชิงสัมพันธ์ (เช่น MS Analysis Services หรือ ORACLE OLAP Services จะไม่เหมือนกับ ROLAP) นอกจากนี้ยังมี Hybrid Online Analytical Processing (HOLAP) สำหรับผลิตภัณฑ์ไฮบริดที่สามารถจัดเก็บข้อมูลหลายมิติทั้งแบบเนทีฟและในการแสดงเชิงสัมพันธ์ MDB เข้าถึงได้โดยใช้ API เพื่อสร้างการสืบค้นแบบหลายมิติ ในขณะที่ฐานข้อมูลเชิงสัมพันธ์เข้าถึงได้ผ่านการสืบค้น SQL ตัวอย่างของเซิร์ฟเวอร์ ROLAP คือเซิร์ฟเวอร์ Microstrategy7i

เครื่องมือ OLAP บนเดสก์ท็อป (เช่น BusinessObjects Explorer, Cognos PowerPlay, MS Data Analyzer) ที่สร้างไว้ใน EBIS ทำให้ผู้ใช้สามารถดูและจัดการข้อมูลหลายมิติที่อาจมาจากแบ็กเอนด์ทรัพยากรข้อมูล ROLAP หรือ MOLAP ได้ง่ายขึ้น ผลิตภัณฑ์เหล่านี้บางส่วนมีความสามารถในการโหลดคิวบ์เพื่อให้สามารถทำงานแบบอัตโนมัติได้ เครื่องมือเดสก์ท็อปเหล่านี้เป็นส่วนหนึ่งของ EBIS มีความสามารถในการประมวลผลเซิร์ฟเวอร์ที่เหนือกว่าความสามารถแบบดั้งเดิม แต่ไม่สามารถแข่งขันกับเครื่องมือ MOLAP ได้ เครื่องมือเดสก์ท็อปมีประสิทธิภาพและพลังในการวิเคราะห์น้อยเมื่อเทียบกับเครื่องมือ MOLAP อินเทอร์เฟซมักมีให้ผ่านทาง Excel เช่น MS Excel2000/OLAP PTS, BusinessQuery for Excel เครื่องมือ OLAP เกือบทั้งหมดมีส่วนขยายของเว็บ (เช่น Business Objects WebIntelligence) สำหรับบางส่วนนั้นเป็นแบบพื้นฐาน

ชุด BI ขององค์กร

EBIS เป็นเส้นทางปกติในการส่งมอบเครื่องมือ BI ที่เคยจัดส่งเป็นผลิตภัณฑ์ที่แตกต่างกัน ชุดเหล่านี้รวมอยู่ในชุดเครื่องมือการสืบค้น การรายงาน และ OLAP ชุด BI สำหรับองค์กรต้องสามารถปรับขนาดได้และไม่เพียงขยายไปยังผู้ใช้ภายในเท่านั้น แต่ยังรวมไปถึงลูกค้าหลัก ซัพพลายเออร์ ฯลฯ ผลิตภัณฑ์ชุด BI ควรช่วยผู้ดูแลระบบปรับใช้และจัดการ BI โดยไม่ต้องเพิ่มทรัพยากรใหม่ เนื่องจากความสัมพันธ์ที่ใกล้ชิดระหว่างเว็บและชุด BI ขององค์กร ผู้จำหน่ายบางรายจึงอธิบายชุด BI ของตนว่าเป็นพอร์ทัล BI ข้อเสนอพอร์ทัลเหล่านี้มอบชุดย่อยของความสามารถ EBIS ผ่านทางเว็บเบราว์เซอร์ แต่ผู้จำหน่ายกำลังขยายฟังก์ชันการทำงานของตนอย่างต่อเนื่องให้ใกล้เคียงกับเครื่องมือไคลเอนต์แบบหนา EBIS โดยทั่วไปจัดทำโดย Business Objects และ Cognos

แพลตฟอร์มบีไอ

แพลตฟอร์ม BI นำเสนอชุดเครื่องมือสำหรับการสร้าง นำไปใช้ สนับสนุน และบำรุงรักษาแอปพลิเคชัน BI มีแอปพลิเคชันที่มีข้อมูลมากมายพร้อมอินเทอร์เฟซผู้ใช้ปลายทางแบบกำหนดเอง ซึ่งจัดตามปัญหาทางธุรกิจเฉพาะด้วย การวิเคราะห์แบบกำหนดเป้าหมายและรุ่น แพลตฟอร์ม BI แม้ว่าจะไม่เติบโตอย่างรวดเร็วและใช้กันอย่างแพร่หลายเท่ากับ EBIS แต่ก็เป็นส่วนสำคัญเนื่องจากแอปพลิเคชัน BI ที่คาดหวังและเติบโตอย่างต่อเนื่อง เนื่องจากความพยายามของซัพพลายเออร์ DBMS เชิงสัมพันธ์ที่สร้างส่วนขยาย OLAP ของ DBMS ของตน ซัพพลายเออร์แพลตฟอร์มหลายรายที่จัดหา DBMS หลายมิติสำหรับ OLAP จึงถูกบังคับให้ย้ายไปยังสาขาแอปพลิเคชัน BI เพื่อความอยู่รอด กลุ่มผลิตภัณฑ์ DBMS ที่ให้ความสามารถ BI กำลังขับเคลื่อนการเติบโตของตลาดแพลตฟอร์ม BI อย่างแท้จริง ส่วนหนึ่งเป็นผลมาจากกิจกรรมที่เพิ่มขึ้นจากผู้ขาย DBMS จำนวนหนึ่ง เมื่อพิจารณาจากเครื่องมือต่างๆ เราพบว่า EBIS เป็นเครื่องมือที่มีฟังก์ชันการทำงานสูง แต่ไม่มีเครื่องมือดังกล่าว มีความสำคัญอย่างยิ่งเป็นแพลตฟอร์ม BI หรือแอปพลิเคชัน BI แบบกำหนดเอง แต่แพลตฟอร์ม BI มักจะไม่สมบูรณ์ตามการใช้งานเหมือนกับชุด BI ขององค์กร เมื่อเลือกแพลตฟอร์ม BI คุณต้องพิจารณาคุณลักษณะต่อไปนี้: ความเป็นโมดูล, สถาปัตยกรรมแบบกระจาย, การรองรับมาตรฐาน XML, OLE DB สำหรับ OLAP, LDAP, CORBA, COM/DCOM และการสนับสนุนสำหรับการทำงานบนเว็บ พวกเขายังต้องมีฟังก์ชันการทำงานเฉพาะสำหรับระบบธุรกิจอัจฉริยะ เช่น การเข้าถึงฐานข้อมูล (SQL) การจัดการข้อมูลหลายมิติ ฟังก์ชันการสร้างแบบจำลอง การวิเคราะห์ทางสถิติ และกราฟิกธุรกิจ ผลิตภัณฑ์ประเภทนี้นำเสนอโดย Microsoft, SAS Institute, ORACLE, SAP และอื่นๆ

แอปพลิเคชันบีไอ

แอปพลิเคชันระบบธุรกิจอัจฉริยะมักจะมีเครื่องมือ BI ในตัว (OLAP, เครื่องมือสร้างแบบสอบถามและรายงาน, เครื่องมือสร้างแบบจำลอง, การวิเคราะห์ทางสถิติ, การแสดงภาพ และการทำเหมืองข้อมูล) แอปพลิเคชัน BI จำนวนมากดึงข้อมูลจากแอปพลิเคชัน ERP แอปพลิเคชัน BI มักจะมุ่งเน้นไปที่ฟังก์ชันหรืองานเฉพาะขององค์กร เช่น การวิเคราะห์และการคาดการณ์การขาย การจัดทำงบประมาณทางการเงิน การคาดการณ์ การวิเคราะห์ความเสี่ยง การวิเคราะห์แนวโน้ม “การวิเคราะห์การปั่นป่วน” ในโทรคมนาคม เป็นต้น สามารถใช้งานได้ในวงกว้างมากขึ้น เช่น ในกรณีของแอปพลิเคชันหรือระบบการจัดการประสิทธิภาพองค์กร ดัชนีชี้วัดที่สมดุล(ดัชนีชี้วัดสมดุล)

ข้อมูลอัจฉริยะ

การทำเหมืองข้อมูลเป็นกระบวนการในการค้นหาความสัมพันธ์ แนวโน้ม รูปแบบ ความสัมพันธ์ และหมวดหมู่ ดำเนินการผ่านการขุดข้อมูลอย่างระมัดระวังโดยใช้เทคโนโลยีการจดจำรูปแบบ เช่นเดียวกับสถิติและ วิธีการทางคณิตศาสตร์- การทำเหมืองข้อมูลดำเนินการต่างๆ ซ้ำๆ และเปลี่ยนแปลงข้อมูลดิบ (การเลือกคุณลักษณะ การแบ่งชั้น การจัดกลุ่ม การสร้างภาพ และการถดถอย) ที่ได้รับการออกแบบมาเพื่อ: 1) ค้นหาข้อมูลเชิงลึกที่ใช้งานง่ายสำหรับผู้คน ซึ่งในทางกลับกัน เข้าใจธุรกิจได้ดีขึ้น - กระบวนการที่เป็นรากฐานของกิจกรรมของพวกเขา ; 2) เพื่อค้นหาแบบจำลองที่สามารถทำนายผลลัพธ์หรือความหมายของสถานการณ์บางอย่างโดยใช้ข้อมูลในอดีตหรืออัตนัย

ต่างจากการใช้ OLAP ความชาญฉลาดของข้อมูลขับเคลื่อนโดยผู้ใช้น้อยกว่ามาก โดยอาศัยอัลกอริธึมพิเศษที่เชื่อมโยงข้อมูลและช่วยรับรู้แนวโน้มที่สำคัญ (และก่อนหน้านี้ไม่ทราบ) แทน ปราศจากอคติและสมมติฐานของผู้ใช้

วิธีการและเครื่องมือ BI อื่นๆ

นอกเหนือจากเครื่องมือที่ระบุไว้ BI อาจรวมถึงเครื่องมือวิเคราะห์ต่อไปนี้: แพ็คเกจการวิเคราะห์ทางสถิติและการวิเคราะห์อนุกรมเวลาและการประเมินความเสี่ยง เครื่องมือสร้างแบบจำลอง แพ็คเกจสำหรับโครงข่ายประสาทเทียม เครื่องมือตรรกะคลุมเครือและระบบผู้เชี่ยวชาญ

นอกจากนี้ยังจำเป็นต้องทราบวิธีการด้วย การออกแบบกราฟิกผลลัพธ์: วิธีการทางธุรกิจและกราฟิกทางเทคนิคทางวิทยาศาสตร์ “แดชบอร์ด” การทำแผนที่เชิงวิเคราะห์และแผนที่ทอพอโลยี เครื่องมือสร้างภาพข้อมูลหลายมิติ

สถาปัตยกรรมระบบธุรกิจอัจฉริยะ

สถาปัตยกรรม BI ขององค์กรควรได้รับการพัฒนาหลังจากกำหนดความต้องการ BI ของผู้ใช้แล้ว แต่ก่อนที่จะเลือกเครื่องมือ BI สถาปัตยกรรม Business Intelligence กำหนดองค์ประกอบของการส่งข้อมูล BI และส่วนประกอบของเทคโนโลยี BI (รูปที่ 1) เมื่อระบุโปรไฟล์การใช้ข้อมูล BI แล้ว สถาปัตยกรรมการส่งข้อมูลสามารถออกแบบตามโปรไฟล์เหล่านี้และประเภทของการปรับใช้ที่จำเป็น นี่อาจเป็นส่วนผสมของไคลเอนต์เดสก์ท็อปด้วย การเชื่อมต่อเครือข่าย, ไคลเอ็นต์เดสก์ท็อปและเซิร์ฟเวอร์, ไคลเอ็นต์แบบบางบนเว็บ และอุปกรณ์คอมพิวเตอร์เคลื่อนที่อื่นๆ สถาปัตยกรรมการส่งข้อมูลจะกำหนดอินเทอร์เฟซผู้ใช้ ซึ่งมักจะเป็นพอร์ทัลที่ปรับแต่งได้

รูปที่ 1. สถาปัตยกรรมระบบธุรกิจอัจฉริยะ

สถาปัตยกรรมเทคโนโลยี BI กำหนดโครงสร้างพื้นฐานและส่วนประกอบที่จำเป็นในการสนับสนุนการใช้งาน การดำเนินการ และการดูแลระบบเครื่องมือและแอปพลิเคชัน BI รวมถึงการสื่อสารระหว่างส่วนประกอบเหล่านี้ สถาปัตยกรรมเทคโนโลยี BI ที่แข็งแกร่งจะประกอบด้วยสองชั้นที่สำคัญ: โครงสร้างพื้นฐานและบริการแอปพลิเคชัน (หรือฟังก์ชันการทำงาน) ชั้นโครงสร้างพื้นฐานประกอบด้วยทรัพยากรข้อมูล การบริหาร และเครือข่าย ในเลเยอร์นี้ ข้อมูลจะถูกรวบรวม บูรณาการ และเผยแพร่ การจัดเก็บข้อมูลเป็นหนึ่งในองค์ประกอบที่เป็นไปได้ของเลเยอร์โครงสร้างพื้นฐาน การใช้ BI บนระบบปฏิบัติการอาจต้องมีการจัดเก็บข้อมูลการปฏิบัติงาน (ODS) ซึ่งอาจเชื่อมโยงด้วย โครงสร้างองค์กรขั้นตอนการทำงาน บริการแอปพลิเคชันประกอบด้วยบริการ BI ทั้งหมด เช่น การสืบค้น การวิเคราะห์ การรายงาน และกลไกการแสดงภาพ ตลอดจนความปลอดภัยและข้อมูลเมตา

สภาพแวดล้อมการจัดเก็บข้อมูลและการเข้าถึงข้อมูล BI

นอกเหนือจากโซลูชันคลังข้อมูลแบบดั้งเดิม Oracle9i และ MS SQL Server2000 แล้ว ยังมีแอปพลิเคชันคลังข้อมูล ERP จำนวนมากขึ้น เช่น SAP BW สำหรับ R/3 หรือ PeopleSoft Enterprise Warehouse พร้อมแอปพลิเคชัน Enterprise Performance Management BI อย่างไรก็ตาม ในทั้งสองกรณี ฟังก์ชันการทำงานจะเชื่อมโยงกับฟังก์ชันเฉพาะ ระบบอีอาร์พีและด้วยเหตุนี้จึงมีข้อจำกัด

การใช้ ROLAP เพื่อจัดเก็บข้อมูล BI กำลังเติบโตอย่างรวดเร็วเนื่องจากความสะดวกของ DBMS เชิงสัมพันธ์สำหรับแอปพลิเคชันที่มีฐานข้อมูลขนาดใหญ่และมีรายละเอียดมากและการรวมความสามารถ OLAP เข้ากับ DBMS การใช้ MDB และ OLAP ยังคงไม่เปลี่ยนแปลงและมีความโดดเด่นที่สุดเนื่องจาก โดยให้ประสิทธิภาพและฟังก์ชันการทำงานที่ดีขึ้น โดยที่ข้อมูลที่รวบรวมและการวิเคราะห์ที่ซับซ้อนมีความสำคัญ

จึงไม่น่าแปลกใจที่โครงสร้างไคลเอ็นต์-เซิร์ฟเวอร์แบบสองชั้นมีค่าใช้จ่ายสูง การเข้าถึง BI จึงเกิดขึ้นผ่านทางเว็บมากขึ้น จุดศูนย์ถ่วงกำลังเคลื่อนตัวไปที่เซิร์ฟเวอร์ สะท้อนถึงความจริงที่ว่าการเข้าถึงข้อมูล BI ขององค์กรเป็นองค์ประกอบที่สำคัญ ในขณะที่พีซีแบบสแตนด์อโลนทำงานได้ไม่ชัดเจนเพียงพอ จัดส่งรายงาน BI ผ่านทาง อีเมลและวิธีการจัดส่งผ่านมือถือและไร้สายยังคงแพร่กระจายช้า

ข้อมูลเมตา

เครื่องมือ BI ส่วนใหญ่ในตลาดใช้ชั้นข้อมูลเมตาหรือพื้นที่เก็บข้อมูล ข้อมูลเมตาทางธุรกิจประกอบด้วยคำจำกัดความของข้อมูลที่จัดเก็บไว้ในแหล่งข้อมูลตามเงื่อนไขโดเมน นอกจากนี้ยังอาจมีกฎและการคำนวณที่ต้องกำหนดสำหรับธุรกิจนั้นด้วย นอกจากนี้ยังมีเมตาดาต้าทางเทคนิคสำหรับการเข้าถึงข้อมูลทางกายภาพ เครื่องมือ CASE, DBMS เชิงสัมพันธ์, การดึงข้อมูล, การแปลงและการโหลดเครื่องมือใช้ข้อมูลเมตา เมื่อสร้างคลังข้อมูลและศูนย์ข้อมูล มักจะสามารถดึงข้อมูลเมตาจากแหล่งข้อมูลได้โดยอัตโนมัติ แต่บางครั้งผู้ใช้ต้องดึงข้อมูลเมตาด้วยตนเอง ดังนั้น สถานการณ์ที่ซับซ้อนจึงเป็นไปได้เมื่อมีที่เก็บข้อมูลหลายแห่งในองค์กรเดียว การไม่มีเมตาดาต้าทั่วไปสำหรับเครื่องมือ - เนื่องจากขาดมาตรฐานสำหรับเมทาดาทา - เป็นปัญหาร้ายแรงสำหรับแผนกไอที

ข้อดีและข้อเสียของเทคโนโลยี

ความสามารถของผู้ใช้ในการดำเนินการวิเคราะห์การดำเนินงานหลายด้านของข้อมูลตามเงื่อนไขเฉพาะโดเมนเพื่อสนับสนุนการตัดสินใจทางธุรกิจกำลังขยายตัวอย่างรวดเร็ว การเคลื่อนไหวคู่ขนานจากอนาธิปไตยข้อมูลหรือเผด็จการไปสู่ประชาธิปไตยด้านข้อมูลกำลังขยายจำนวนผู้ใช้ระบบธุรกิจอัจฉริยะ ความจำเป็นในการเข้าถึงข้อมูลองค์กรอย่างยืดหยุ่นต้องมาก่อน และไม่ใช่แค่ความจำเป็นในการแก้ปัญหาเฉพาะอย่างเท่านั้น งานหน้าที่- การพึ่งพาโดยตรงกับแผนกไอทีที่ผลิตรายงานหรือการสืบค้นแบบกำหนดเองลดลง เป็นไปได้ที่จะเปลี่ยนจากรายงานการกำกับดูแลแบบคงที่เป็น "รายงานสด" และนักวิเคราะห์ที่ก้าวหน้าที่สุดมีโอกาสที่จะดำเนินการวิเคราะห์ข้ามประเด็นและสร้างรายงานสรุปตั้งแต่เริ่มต้น โดยมีชั้นความหมายที่อธิบายตัวบ่งชี้และส่วนทั้งหมด ข้อมูลองค์กร- โปรแกรมเมอร์สามารถใช้เครื่องมือเดียวกันนี้เพื่อสร้างรายงานแบบพาราเมตริกตามปกติได้อย่างรวดเร็ว การเข้าถึง BI บนเว็บ (ทั้งเนื้อหาแบบคงที่และไดนามิก) จะให้พื้นที่ข้อมูลองค์กรที่แท้จริงและการทำงานโดยรวมของพนักงาน

ความเสี่ยงหลักคือการเปลี่ยนแปลงเทคโนโลยี BI ที่รวดเร็วเกินไป รวมถึงการใช้โซลูชันและเครื่องมือที่ยังไม่ผ่านการทดสอบ มีความจำเป็นต้องติดตามซัพพลายเออร์ ประเมินความยั่งยืน ทิศทางการพัฒนา ลองใช้เครื่องมือใหม่เป็นประจำ และดำเนินการระบุประเภทและรวม BI เข้าด้วยกัน ความเสี่ยงอีกประการหนึ่งเกี่ยวข้องกับคุณภาพของข้อมูล หากไม่ได้รับการแปลง ทำความสะอาด และรวบรวมอย่างเหมาะสม เครื่องมือ BI หรือแอปพลิเคชันแฟนซีจำนวนเท่าใดก็ไม่สามารถเพิ่มความน่าเชื่อถือของข้อมูลได้ ปัญหาหลายประการอาจเกิดขึ้นได้เนื่องจากข้อมูลเมตาไม่สอดคล้องกัน ภายในองค์กรขนาดใหญ่ ปัญหาเหล่านี้ได้รับการแก้ไขในระดับโครงสร้างพื้นฐานโดยการสร้างคลังข้อมูลขององค์กรและการจัดการเมตาดาต้าแบบรวมศูนย์ การสร้างพื้นที่เก็บข้อมูลจะช่วยนำระเบียบการตั้งชื่อของตัวบ่งชี้ที่รวบรวม การรวบรวมข้อมูล การแจกจ่าย และการอนุญาตการเข้าถึง เทคโนโลยี BI เองไม่สามารถแก้ไขปัญหาเหล่านี้ได้อย่างครอบคลุม และการละเลยปัญหาเหล่านี้กลับไปสู่ความอนาธิปไตยของข้อมูลและ "ไซโลข้อมูล"

ผู้เล่นหลักในสนาม BI

ตามสุภาษิตอันมหัศจรรย์ของ Gartner ผู้นำเทคโนโลยีใน EBIS ในปัจจุบันคือ Business Objects และ Cognos, Information Builders อยู่บนพรมแดนระหว่างผู้นำและผู้ท้าทาย และ Microsoft และ Oracle เป็นหนึ่งในผู้ท้าทาย หนึ่งไม่มีไคลเอ็นต์ OLAP แบบสแตนด์อโลน แต่ใช้ฟังก์ชันตารางเดือย Excel200x และไม่มีตัวสร้างรายงาน ส่วนอีกอันยังไม่มีการแทนที่สำหรับ Oracle Express Analyzer ในกลุ่ม “ผู้มีวิสัยทัศน์” Crystal Decisions โดดเด่นเหนือผู้นำ สิ่งที่ควรกล่าวถึงคือ Actuate และ MicroStrategy

ในทางปฏิบัติแล้วไม่มีผู้นำสำหรับแพลตฟอร์ม BI ซึ่งบ่งชี้ถึงความยังไม่บรรลุนิติภาวะของเทคโนโลยีและตลาด จนถึงขณะนี้ มีเพียง Microsoft เท่านั้นที่อยู่บนขอบเขตของพื้นที่นี้เนื่องจากโซลูชันสำหรับการฝังบริการ OLAP ใน MS SQL Server และพัฒนาเป็นเซิร์ฟเวอร์เชิงวิเคราะห์ คู่แข่งอื่นๆ ได้แก่ SAS Institute ตามมาด้วย Oracle, PeopleSoft และ SAP Hyperion อยู่บนทางแยกอย่างแท้จริง - SAS และ Hyperion สูญเสียตำแหน่งผู้นำในปี 2000 สิ่งที่น่าสังเกตในหมู่ผู้มีวิสัยทัศน์คือ MicroStrategy น่าเสียดายที่ Crystal Decisions ยังคงเป็นผู้เล่นเฉพาะกลุ่ม

เทรนด์

ในบรรดาเครื่องมือ BI นั้น EBIS กำลังประสบกับการเติบโตที่ยิ่งใหญ่ที่สุด ซึ่งสะท้อนถึงการแข่งขันที่เพิ่มขึ้นในเศรษฐกิจปัจจุบัน การใช้เครื่องมือในการสร้างแบบสอบถาม รายงาน และการวิเคราะห์ข้อมูลกำลังลดลง และองค์กรต่างๆ กำลังอัปเกรดและแทนที่ด้วยชุด BI ขององค์กร เครื่องมือหลัก (การสืบค้นที่ไม่ได้วางแผน การรายงาน และการวิเคราะห์ OLAP พื้นฐาน) ยังคงเป็นเครื่องมือที่ใช้บ่อยที่สุด ซึ่งครอบคลุมความต้องการส่วนใหญ่ การใช้ OLAP และเครื่องมือ BI ขั้นสูงอื่นๆ ที่คล้ายกับเทคโนโลยีการขุดข้อมูลก็กำลังเพิ่มขึ้นเช่นกัน อย่างไรก็ตาม เครื่องมือขุดข้อมูลแบบสแตนด์อโลนกำลังหายไป เทคโนโลยีนี้กำลังถูกดูดซับและรวมอยู่ในเครื่องมือ BI อื่นๆ เช่น ในส่วนขยาย DBMS

คาดว่าภายใน 5 ปี ความสามารถต่างๆ เช่น XML สำหรับการวิเคราะห์ (XML/A), บริการเว็บ BI, การทำงานร่วมกัน, การสื่อสารไร้สายและมือถือ จะถูกรวมเข้าด้วยกันในรูปแบบของเครือข่ายข่าวกรองธุรกิจ (เครือข่าย BI) ซึ่งจะเสริมด้วย กิจกรรมเครื่องมือติดตามธุรกิจ (การติดตามกิจกรรมทางธุรกิจ, BAM)

XML สำหรับการแยกวิเคราะห์เดิมที XML/A ปรากฏเป็นโปรโตคอลการสื่อสารระหว่างเลเยอร์ BI ที่แตกต่างกัน (ไคลเอนต์ เซิร์ฟเวอร์การวิเคราะห์ เซิร์ฟเวอร์ฐานข้อมูล) XML/A มีปัญหาด้านประสิทธิภาพที่ร้ายแรง - ทำให้เกิดค่าใช้จ่ายจำนวนมาก และปัจจุบันใช้ได้กับไคลเอ็นต์ OLAP "น้ำหนักเบา" เท่านั้น อย่างไรก็ตาม หากปัญหาเหล่านี้ได้รับการแก้ไข XML/A อาจกลายเป็นภาษากลางในการสื่อสาร (ภาษากลาง) ระหว่างสภาพแวดล้อม BI ที่แตกต่างกัน ข้ามโดเมน ผู้จำหน่าย และเทคโนโลยีหลายแห่ง ดังนั้นจึงรองรับเครือข่าย BI

บริการเว็บบีไอผู้จำหน่ายมักจะระบุผลิตภัณฑ์ EBIS เป็นพอร์ทัล BI เนื่องจากผลิตภัณฑ์เหล่านี้ในเวอร์ชันเว็บเป็นจุดเริ่มต้นสู่ข้อมูลองค์กร ในความเป็นจริง พอร์ทัล BI เหล่านี้มักจะสนับสนุนลิงก์ไปยังข้อมูลที่ไม่มีโครงสร้าง แม้ว่าโดยปกติแล้วจะต้องใช้ระบบการรวมบางประเภทก็ตาม ผลิตภัณฑ์ EBIS มุ่งเน้นไปที่องค์ประกอบภายนอกของบริษัทเพิ่มมากขึ้นเรื่อยๆ (ระบบเอกซ์ทราเน็ต e-business Intelligence) สถาปัตยกรรมส่วนประกอบ SOA ที่มุ่งเน้นบริการใหม่เป็นวิวัฒนาการของแอปพลิเคชันเซิร์ฟเวอร์และ พอร์ทัลองค์กร- นวัตกรรมนี้ยังเกี่ยวข้องกับเทคโนโลยี J2EE และ .NET อีกด้วย บริการเว็บ BI ทำให้เครื่องมือ BI เปิดส่วนประกอบด้วยอินเทอร์เฟซที่รู้จักและพร้อมใช้งานบนเครือข่ายทุกประเภท มีซัพพลายเออร์ผลิตภัณฑ์ BI จำนวนมากขึ้นที่นำไปใช้ในรูปแบบของบริการบนเว็บ แต่บ่อยครั้งขึ้นภายใต้หน้ากากของพอร์ทัล

การทำงานร่วมกัน.การเพิ่มคำอธิบายประกอบลงในรายงานและแบ่งปันผลการวิเคราะห์ระหว่างผู้ใช้หลายรายสามารถทำได้ตั้งแต่สมัยของ EIS แต่ตอนนี้ฟังก์ชันนี้ได้รับความนิยม และแอปพลิเคชัน BI จำนวนมากได้เพิ่มความสามารถด้านเวิร์กโฟลว์ คาดว่าผู้ใช้จะสามารถทำงานพร้อมกันกับรุ่นเดียวหรือแอปพลิเคชัน BI ที่แตกต่างกันจะเชื่อมต่อแบบเรียลไทม์

ระบบธุรกิจอัจฉริยะไร้สายและมือถือแนวโน้มที่แข็งแกร่งอีกประการหนึ่งในการส่งข้อมูล BI จะเห็นได้จากผู้จำหน่ายที่เปิดใช้งานผลิตภัณฑ์ BI เพื่อส่งรายงานผ่านเทคโนโลยีมือถือ รวมถึง PDA โทรศัพท์อินเทอร์เน็ต และเพจเจอร์

การติดตามกิจกรรมทางธุรกิจ เทคโนโลยีใหม่ BAM เป็น BI ที่ดำเนินงานโดยพื้นฐานและผสมผสานการบูรณาการแอปพลิเคชันแบบเรียลไทม์เข้ากับความสามารถด้านระบบธุรกิจอัจฉริยะ เครื่องมือ BI วิเคราะห์ข้อมูลนี้โดยใช้ข้อมูลธุรกรรมที่ดึงมาจากระบบประมวลผลธุรกรรมแบบเรียลไทม์ และแจ้งเตือนเหตุการณ์ที่สำคัญและข้อมูลแก่ผู้มีอำนาจตัดสินใจในการปฏิบัติงาน

วรรณกรรม

1. Korneev V.V., Gareev A.F., Vasyutin S.V., Raikh V.V. ฐานข้อมูล การประมวลผลข้อมูลอัจฉริยะ // ม.: ความรู้, 2544
2. ทอม ซัลลิแวน.
3. Kimbal R. ชุดเครื่องมือคลังข้อมูล: เทคนิคการปฏิบัติสำหรับการสร้างคลังข้อมูลมิติ จอห์น วิลลีย์ แอนด์ ซันส์, 1996
4. โซลูชั่น Thomsen E. OLAP: การสร้างระบบสารสนเทศหลายมิติ สำนักพิมพ์คอมพิวเตอร์ไวลีย์, 1997
5. Spearley E. คลังข้อมูลองค์กร การวางแผน การพัฒนา การนำไปปฏิบัติ เล่มที่ 1: การแปล จากภาษาอังกฤษ // ม.: วิลเลียมส์, 2544
6. Archipenkov S. , Golubev D. , Maksimenko O. การจัดเก็บข้อมูล จากแนวคิดสู่การปฏิบัติ / เอ็ด. เอ็ด ส.ย. Arkhipenkova // M.: DIALOG-MEPhI, 2002
7. V. , Samoilenko A. การทำเหมืองข้อมูล: หลักสูตรการฝึกอบรม // เซนต์ปีเตอร์สเบิร์ก: ปีเตอร์, 2544
8. Inside Gartner Group (รัสเซีย), Dresner H., Hostmann B. และ F. Buytendijk ข้อควรสนใจ: อัปเดต Gartner Magic Squares สำหรับ Business Intelligence Systems, 2003, กุมภาพันธ์
9. Liautaud B., Hammond M. e-Business Intelligence: เปลี่ยนข้อมูลเป็นความรู้เป็นกำไร แมคกรอ-ฮิลล์, 2001
10. คริสติน โคมาฟอร์ด. -
11. ทอม ซัลลิแวน. -

วาเลรี อาร์เตมีเยฟ(avi @cbr.ru) - ที่ปรึกษาผู้อำนวยการศูนย์ข้อมูลหลักของธนาคารแห่งรัสเซีย (มอสโก)

คำศัพท์เฉพาะทาง คำศัพท์ยอดนิยม คำจำกัดความที่ไม่ชัดเจนทั้งหมด และหน่วยคำศัพท์ที่ไม่คุ้นเคยโดยสิ้นเชิง ที่กล่าวมาทั้งหมดนี้สามารถประยุกต์ใช้กับทั้งแนวคิดของ "ระบบธุรกิจอัจฉริยะ" และกับวลี "วิทยาศาสตร์ข้อมูล" เราไม่เพียงพยายามเอาชนะปัญหาในการแปลเท่านั้น แต่ยังต้องเข้าใจความแตกต่างระหว่าง "วิทยาศาสตร์ข้อมูล" และ "ระบบธุรกิจอัจฉริยะ" ด้วย

ระบบธุรกิจอัจฉริยะ: ความฉลาด ความฉลาด ความเข้าใจ การวิเคราะห์

หลายคนเชื่อว่าคำว่า “ระบบธุรกิจอัจฉริยะ” ปรากฏขึ้นครั้งแรกในยุค 80 ศตวรรษที่ผ่านมา แต่สิ่งนี้ไม่เป็นความจริงทั้งหมด ความจริงก็คือคำนี้ถูกใช้ครั้งแรกโดย Hans Peter Luhn นักวิจัยของ IBM ย้อนกลับไปในปี 1958 และในปี 1989 Howard Dresner ซึ่งต่อมาได้กลายเป็นนักวิเคราะห์ของ Gartner ได้ให้คำจำกัดความ "ระบบธุรกิจอัจฉริยะ" เป็นสิ่งที่อธิบาย "แนวคิดและเทคนิคในการปรับปรุงการตัดสินใจทางธุรกิจโดยใช้ระบบที่อิงตามข้อมูลทางธุรกิจ"

มาฟังผู้เชี่ยวชาญคนอื่นๆ กันดีกว่า ดังนั้น Jonathan Wu ผู้จัดการของ Netgear ให้นิยาม BI ว่าเป็นกระบวนการรวบรวมข้อมูลหลายมิติเกี่ยวกับหัวข้อที่กำลังวิจัย นี่คือการตีความที่นำเสนอโดย Data Warehousing Institute: ระบบธุรกิจอัจฉริยะเป็นกระบวนการในการเปลี่ยนข้อมูลให้เป็นความรู้ และความรู้เป็นการดำเนินธุรกิจเพื่อให้ได้ผลประโยชน์

BI สามารถดูได้ไม่เพียงแต่เป็นกระบวนการเท่านั้น แต่ยังเป็นผลมาจากกระบวนการรับความรู้อีกด้วย อย่างไรก็ตาม หากเรารวบรวมคำจำกัดความทั้งหมดที่ "ล่องลอย" ในตลาด ก็สามารถโต้แย้งได้ว่าระบบธุรกิจอัจฉริยะในความหมายที่กว้างที่สุดของแนวคิดคือกระบวนการเปลี่ยนข้อมูลที่ได้รับให้เป็นความรู้ทางธุรกิจที่ใช้ในการตัดสินใจที่ดีขึ้น นอกจากนั้นก็ยังเป็น เทคโนโลยีสารสนเทศการรวบรวมและการรวมข้อมูล สุดท้ายนี้ BI แสดงถึงความรู้ทางธุรกิจที่ได้รับจากการวิเคราะห์ข้อมูลเชิงลึก กล่าวโดยสรุป Business Intelligence คือ เทคโนโลยี การวิเคราะห์ และความรู้

Data Science: ศาสตร์แห่งความสับสนวุ่นวายที่เกิดขึ้น

เมื่อเร็ว ๆ นี้ วิทยาศาสตร์ข้อมูลถูกมองว่าไม่เพียงแต่เป็นวินัยทางวิชาการเท่านั้น แต่ยังเป็นสาขาข้ามอุตสาหกรรมที่ใช้งานได้จริงอีกด้วย คำนี้ตั้งขึ้นโดย William Cleveland ศาสตราจารย์จากมหาวิทยาลัย Purdue ซึ่งได้รับการยกย่องให้เป็นหนึ่งในหน่วยงานที่ยิ่งใหญ่ที่สุดในด้านสถิติ การเรียนรู้ของเครื่อง และการแสดงภาพข้อมูล

ตามคำนิยาม สภาระหว่างประเทศ CODATA (สภาวิทยาศาสตร์ระหว่างประเทศ: คณะกรรมการข้อมูลสำหรับวิทยาศาสตร์และเทคโนโลยี) วิทยาศาสตร์ข้อมูลเป็นสาขาวิชาที่รวมเอาสถิติในด้านต่างๆ การทำเหมืองข้อมูล และการเรียนรู้ของเครื่องเข้าด้วยกัน อย่างไรก็ตาม คำจำกัดความที่ได้รับความนิยมมากที่สุดมีอยู่ในบทความ “วิทยาศาสตร์ข้อมูลคืออะไร” Mike Loukidis บรรณาธิการของ O"Reilly Media และผู้แต่งหนังสือเกี่ยวกับระบบปฏิบัติการ สถาปัตยกรรมคอมพิวเตอร์ และการเขียนโปรแกรม เป็นที่น่าสังเกตว่าการตีความนี้เป็นพื้นฐานในปัจจุบัน นี่เป็นชื่อทั่วไปสำหรับเทคโนโลยีที่ออกแบบมาเพื่อสร้างข้อมูลในฐานะผลิตภัณฑ์ หากเราเปรียบเทียบวิทยาศาสตร์ของข้อมูลกับสถิติแบบเดิมๆ เมื่อมองแวบแรกอาจดูเหมือนว่าไม่มีความแตกต่างระหว่างข้อมูลเหล่านั้น แนวทางบูรณาการและนักวิทยาศาสตร์ข้อมูลไม่ได้ศึกษาข้อมูล แต่ใช้มัน

ดังนั้นเราจึงได้ข้อสรุปว่า Data Science ศึกษาปัญหาในการวิเคราะห์ ประมวลผล และใช้งานข้อมูล นี่เป็น "การเลือกสรร" ที่ยอดเยี่ยมที่ทำให้คุณต้องหมุน: ที่นี่คุณมีสถิติ การทำเหมืองข้อมูล และ ปัญญาประดิษฐ์การประมวลผลข้อมูลปริมาณมาก และวิธีการออกแบบฐานข้อมูล และอื่นๆ อีกมากมาย

ไม่มีอะไรใหม่ภายใต้... นภาข้อมูล

การประมวลผลแบบคลาวด์และความก้าวหน้าทางเทคโนโลยีอื่นๆ ได้บังคับให้บริษัทต่างๆ ให้ความสำคัญกับอนาคตมากกว่าการวิเคราะห์รายงานตามข้อมูลจากอดีต ที่จะได้รับ ข้อได้เปรียบทางการแข่งขันบริษัทต่างๆ ได้เริ่มรวมและเปลี่ยนแปลงข้อมูล ซึ่งเป็นส่วนหนึ่งของวิทยาศาสตร์ข้อมูลที่แท้จริง

ในเวลาเดียวกัน พวกเขาฝึกระบบธุรกิจอัจฉริยะด้วยการสร้างกราฟ รายงาน และตารางตามข้อมูลที่ได้รับ แม้ว่าจะมีความแตกต่างอย่างมากระหว่าง Data Science และ Business Intelligence แต่ก็มีความสำคัญเท่าเทียมกันและส่งเสริมซึ่งกันและกัน

เพื่อฝึกฝน BI และวิทยาศาสตร์ข้อมูล บริษัทหลายแห่งจ้างผู้เชี่ยวชาญที่รวมสองตำแหน่งในคราวเดียว ได้แก่ นักวิเคราะห์ BI และนักวิทยาศาสตร์ข้อมูล อย่างไรก็ตาม นี่คือจุดที่ความสับสนเกิดขึ้นเนื่องจากขาดความเข้าใจว่าบทบาทเหล่านี้ต้องใช้ความเชี่ยวชาญที่แตกต่างกัน

มันไม่ยุติธรรมเลยที่จะคาดหวังว่านักวิเคราะห์ BI จะสามารถคาดการณ์ธุรกิจได้อย่างแม่นยำ และอาจส่งผลร้ายแรงต่อบริษัทใดๆ ก็ได้ อย่างไรก็ตาม ด้วยการเรียนรู้ความแตกต่างที่สำคัญระหว่าง BI และวิทยาศาสตร์ข้อมูล คุณสามารถเรียนรู้วิธีระบุผู้สมัครที่เหมาะสมสำหรับงานเฉพาะที่ธุรกิจของคุณต้องการแก้ไข

พื้นที่ที่น่าสนใจ

ด้านหนึ่ง แนวทางดั้งเดิมระบบธุรกิจอัจฉริยะเกี่ยวข้องกับการสร้างแดชบอร์ดเพื่อแสดงข้อมูลในอดีตเทียบกับชุดตัวบ่งชี้ประสิทธิภาพหลักที่ตายตัว จากนี้เราสรุปได้ว่า BI อาศัยรายงานมากกว่า แนวโน้มสมัยใหม่และ ตัวชี้วัดที่สำคัญประสิทธิภาพ (KPI)

ในทางกลับกัน วิทยาศาสตร์ข้อมูลมุ่งเน้นไปที่การทำนายสิ่งที่อาจเกิดขึ้นในอนาคตมากกว่า ดังนั้น นักวิทยาศาสตร์ข้อมูลจึงมุ่งเน้นไปที่การศึกษารูปแบบและแบบจำลองต่างๆ มากขึ้น ตลอดจนค้นหาความสัมพันธ์สำหรับการคาดการณ์ทางธุรกิจ

ตัวอย่างเช่น บริษัทในธุรกิจจำเป็นต้องคาดการณ์ความต้องการการฝึกอบรมประเภทใหม่ที่เพิ่มขึ้นโดยพิจารณาจากรูปแบบและข้อกำหนดที่มีอยู่ของบริษัทองค์กร

การวิเคราะห์ข้อมูลและคุณภาพ

BI ต้องการให้นักวิเคราะห์สามารถมุ่งเน้นไปที่ไม่เพียงแต่ในปัจจุบันและอนาคตเท่านั้น แต่ยังมองย้อนกลับไปในอดีตด้วย นั่นคือการใช้ข้อมูลในอดีตอย่างแข็งขัน ดังนั้นการวิเคราะห์ของนักวิเคราะห์ BI จึงเป็นการวิเคราะห์ย้อนหลังเป็นส่วนใหญ่ จุดเน้นของ Business Intelligence คือข้อมูลที่แม่นยำโดยอิงจากสิ่งที่เกิดขึ้นจริงในอดีต

ตัวอย่างเช่น ผลประกอบการรายไตรมาสของบริษัทจะขึ้นอยู่กับข้อมูลธุรกิจจริงในช่วงสามเดือนที่ผ่านมา ข้อผิดพลาดในกรณีนี้เป็นไปไม่ได้เลย เนื่องจากการรายงานนั้นเป็นคำอธิบายและไม่สามารถเป็นอัตนัยได้

เมื่อพูดถึงวิทยาศาสตร์ข้อมูล นักวิทยาศาสตร์ข้อมูลควรใช้การวิเคราะห์เชิงคาดการณ์และเชิงกำหนด พวกเขาจำเป็นต้องคาดการณ์อย่างแม่นยำว่าจะเกิดอะไรขึ้นในอนาคตโดยใช้ระดับความน่าจะเป็นและความเชื่อมั่น

วิธีที่บริษัทจะดำเนินการที่จำเป็นโดยอาศัยการวิเคราะห์เชิงคาดการณ์และการคาดการณ์ในอนาคตไม่สามารถอาศัยการคาดเดาเพียงอย่างเดียวได้ แน่นอนว่าวิทยาการข้อมูลไม่สามารถแม่นยำ 100% ได้ แต่จะต้อง “ดีพอ” สำหรับธุรกิจในการตัดสินใจและดำเนินการอย่างทันท่วงที และส่งมอบผลลัพธ์ตามที่ต้องการ

ตัวอย่างที่ดีของการดำเนินการด้านวิทยาศาสตร์ข้อมูลคือการประเมินรายได้ของบริษัทในไตรมาสหน้า

แหล่งข้อมูลและการเปลี่ยนแปลง

ระบบธุรกิจอัจฉริยะเป็นเรื่องเกี่ยวกับการวางแผนและการเตรียมตัวล่วงหน้าเพื่อใช้แหล่งข้อมูลที่เหมาะสมในการแปลงข้อมูล เพื่อให้ได้ข้อมูลเชิงลึกที่เกี่ยวข้องกับลูกค้า การดำเนินธุรกิจ และผลิตภัณฑ์ Data Science สามารถแปลงข้อมูลได้ทันทีโดยใช้แหล่งข้อมูลที่มีให้ตามความต้องการ

ความจำเป็นในการบรรเทาผลกระทบ

นักวิเคราะห์ BI ไม่ควรบรรเทาความไม่แน่นอนใดๆ เกี่ยวกับข้อมูลในอดีต เนื่องจากข้อมูลเหล่านี้อิงจากสถานการณ์ในโลกแห่งความเป็นจริง ข้อมูลดังกล่าวมีความถูกต้องและไม่ได้หมายความถึงความน่าจะเป็นใดๆ

ในปี 2550 ตลาดแพลตฟอร์ม BI มีการเปลี่ยนแปลงครั้งใหญ่ที่เกี่ยวข้องกับการควบรวมกิจการที่สำคัญ ผู้ค้ารายใหญ่ได้ทำการเข้าซื้อกิจการเชิงกลยุทธ์: Oracle เสร็จสิ้นการซื้อกิจการของ Hyperion, SAP ประกาศการเข้าซื้อกิจการของ Business Objects, Cognos เสร็จสิ้นการซื้อกิจการ Applix และตกลงที่จะควบรวมกิจการกับ IBM

เหตุการณ์เหล่านี้ส่งผลต่อตลาดแพลตฟอร์ม BI อย่างไร? คำตอบที่ชัดเจนที่สุดสำหรับคำถามนี้สามารถหาได้จาก "magic square" ของ Gartner (รูปที่ 1) ซึ่งแสดงการกระจายตัวของผู้ผลิตแพลตฟอร์ม BI ชั้นนำเมื่อต้นปี 2550 และ 2551

ข้าว. 1. ตำแหน่งของผู้จำหน่ายชั้นนำในตลาดแพลตฟอร์ม BI (ที่มา: Gartner)

ก่อนที่จะแสดงความคิดเห็นเกี่ยวกับการเปลี่ยนแปลงที่สรุปไว้ข้างต้น เรามาพิจารณาวิธีการของ Gartner ในการเลือกและนำเสนอผู้จำหน่ายแพลตฟอร์ม BI บนระนาบ "magic square" กันก่อน ก่อนอื่น ให้เราอธิบายสิ่งที่ Gartner เข้าใจเกี่ยวกับแนวคิดของ "แพลตฟอร์ม BI"

แพลตฟอร์ม BI ตามที่กำหนดโดย Gartner คืออะไร

โดยพื้นฐานที่สุด Gartner กำหนดแพลตฟอร์ม BI ว่าเป็นเครื่องมือที่ช่วยให้องค์กรสามารถสร้างแอปพลิเคชันที่ช่วยให้พวกเขาเรียนรู้และเข้าใจธุรกิจของตนได้ ตามเพิ่มเติม การตีความโดยละเอียด Gartner ให้คำนิยามแพลตฟอร์ม BI ว่าเป็นแพลตฟอร์มซอฟต์แวร์ที่มี 12 ฟังก์ชัน ซึ่งในทางกลับกัน จะแบ่งออกเป็น 3 กลุ่ม ได้แก่ การบูรณาการ เครื่องมือจัดส่งข้อมูล และเครื่องมือวิเคราะห์ข้อมูล

บูรณาการ

ทั่วไปโครงสร้างพื้นฐานบีไอ- เครื่องมือแพลตฟอร์มทั้งหมดจะต้องใช้เครื่องมือรักษาความปลอดภัยเดียวกัน ข้อมูลเมตาทั่วไป เครื่องมือการดูแลระบบทั่วไป เครื่องมือสร้างแบบสอบถามทั่วไป และยังมีอินเทอร์เฟซประเภทเดียวกันด้วย

การจัดการข้อมูลเมตาเครื่องมือแอปพลิเคชันทั้งหมดไม่เพียงแต่ต้องอาศัยข้อมูลเมตาเดียวกันเท่านั้น แต่ยังต้องสามารถค้นหา จัดเก็บ ใช้ และเผยแพร่ออบเจ็กต์ข้อมูลเมตาได้อย่างรวดเร็ว เช่น มิติ ลำดับชั้น ตัวเลือกการวัดประสิทธิภาพ และตัวเลือกการรายงาน

เครื่องมือพัฒนา- นอกเหนือจากวิธีการสร้างแอปพลิเคชัน BI แต่ละรายการแล้ว แพลตฟอร์ม BI จะต้องจัดเตรียมเครื่องมือการพัฒนาซอฟต์แวร์สำหรับการรวมแอปพลิเคชันเข้ากับกระบวนการทางธุรกิจทั่วไป หรือรับประกันการรวมเข้ากับแอปพลิเคชันอื่น แพลตฟอร์ม BI ควรให้นักพัฒนาสามารถสร้างแอปพลิเคชัน BI โดยไม่ต้องเขียนโค้ด โดยอิงตามการใช้ตัวช่วยสร้าง (ส่วนประกอบที่คล้ายกับตัวช่วยสร้าง) สำหรับการแก้ไขภาพ

การทำงานร่วมกันและการจัดการเวิร์กโฟลว์ - โอกาสนี้อนุญาตให้ผู้ใช้ BI แบ่งปันและอภิปรายข้อมูลโดยใช้โฟลเดอร์ที่แชร์และเธรดการสนทนา นอกจากนี้ แอปพลิเคชัน BI ยังสามารถมอบหมายและติดตามกิจกรรมหรืองานที่มอบหมายให้กับผู้ใช้แต่ละรายตามกฎทางธุรกิจที่กำหนดไว้ล่วงหน้า โดยทั่วไปแล้ว ฟังก์ชันการทำงานนี้มีให้ผ่านการผสานรวมกับเครื่องมือเวิร์กโฟลว์ที่แยกต่างหาก

วิธีการให้ข้อมูล

เครื่องมือการรายงาน(การรายงาน) - ทำให้สามารถสร้างรายงานเชิงโต้ตอบที่จัดรูปแบบได้ นอกจากนี้ ผู้ให้บริการแพลตฟอร์ม BI จะต้องจัดเตรียมประเภทรายงานที่หลากหลาย (การเงิน การดำเนินงาน ฯลฯ) ในรูปแบบของแดชบอร์ด

แดชบอร์ด(Dashboards) เป็นหนึ่งใน ส่วนประกอบรายงาน การนำเสนอข้อมูลในรูปแบบภาพกราฟิกที่ใช้งานง่าย ได้แก่ ไดอะแกรม หน้าปัด สัญญาณไฟจราจร ฯลฯ ตัวบ่งชี้เหล่านี้แสดงสถานะของพารามิเตอร์ที่วิเคราะห์โดยเทียบกับพื้นหลังของวัตถุประสงค์ที่ต้องการ (รูปที่ 2)

ข้าว. 2. ตัวอย่างแดชบอร์ด

ผู้จัดการหรือนักวิเคราะห์ เช่น นักบินเครื่องบิน มองเห็น “กระดานเครื่องมือ” ตรงหน้าและควบคุมระบบโดยเน้นที่ค่าของตัวบ่งชี้ ในเวลาเดียวกัน ปัจจัยสำคัญที่จำเป็นสำหรับการจัดการองค์กรจะต้องวัดไม่ทางใดก็ทางหนึ่งและนำเสนอในรูปแบบของตัวบ่งชี้ คำขวัญของแนวคิด: “ถ้าคุณไม่สามารถวัดได้ คุณจะไม่สามารถจัดการมันได้”

เครื่องกำเนิดแบบสอบถามเฉพาะกิจ(แบบสอบถามเฉพาะกิจ) - คุณลักษณะนี้หรือที่เรียกว่าการรายงานแบบบริการตนเอง ช่วยให้ผู้ใช้ได้รับคำตอบสำหรับคำถามของตน ระบบจัดให้มีวิธีการนำทางผ่านแหล่งข้อมูลที่มีอยู่

บูรณาการกับ Microsoft Office- ในบางกรณี แพลตฟอร์ม BI จะถูกใช้เป็นลิงก์กลางในสายการวิเคราะห์ข้อมูล และ Microsoft Office (โดยเฉพาะ Excel) จะทำหน้าที่เป็นไคลเอ็นต์ BI ในกรณีเหล่านี้ จำเป็นอย่างยิ่งที่ผู้จำหน่าย BI จะต้องจัดให้มีการทำงานร่วมกับ Microsoft Office รวมถึงการสนับสนุนรูปแบบเอกสาร สูตร และตารางสรุปข้อมูล

เครื่องมือวิเคราะห์ข้อมูล

โอลาป(Online Analytical Processing - การประมวลผลการวิเคราะห์แบบเรียลไทม์) - เทคโนโลยีการประมวลผลข้อมูล รวมถึงการรวบรวมและการเผยแพร่รายงานและเอกสารแบบไดนามิก ใช้เพื่อประมวลผลการสืบค้นฐานข้อมูลที่ซับซ้อนอย่างรวดเร็ว เทคโนโลยี OLAP จัดให้ ความเร็วสูงการประมวลผลคำขอ โดยจะใช้สแน็ปช็อตของฐานข้อมูลเชิงสัมพันธ์และจัดโครงสร้างให้เป็นโมเดลคิวรีเชิงพื้นที่ ความจริงก็คือฐานข้อมูลเชิงสัมพันธ์จัดเก็บเอนทิตีในตารางที่แยกจากกันและการสืบค้นแบบหลายตารางที่ซับซ้อนนั้นดำเนินการค่อนข้างช้า ในขณะที่ฐานข้อมูลเชิงพื้นที่เป็นแบบจำลองที่ประสบความสำเร็จมากกว่าสำหรับการสืบค้น เวลาในการประมวลผลที่ระบุสำหรับการสืบค้นใน OLAP คือประมาณ 0.1% ของการสืบค้นที่คล้ายกันในฐานข้อมูลเชิงสัมพันธ์

การแสดงภาพขั้นสูง- เครื่องมือแสดงภาพขั้นสูงช่วยให้คุณสามารถนำเสนอข้อมูลเพื่อการรับรู้ที่มีประสิทธิภาพมากขึ้นผ่านการใช้รูปภาพและไดอะแกรมเชิงโต้ตอบแทนตาราง (รูปที่ 3) โดยทั่วไป ผู้ใช้ในโหมดไดนามิกสามารถเปลี่ยนการแสดงกราฟิก ใช้มาตราส่วน รวมข้อมูล และเปลี่ยนสีได้

ข้าว. 3. ตัวอย่างการใช้การแสดงภาพในการนำเสนอข้อมูล
บนแดชบอร์ด Cognos

การสร้างแบบจำลองเชิงคาดการณ์และการขุดข้อมูลการสร้างแบบจำลองเชิงทำนายเป็นกระบวนการสร้าง (หรือเลือก) แบบจำลองเพื่อคาดการณ์ความน่าจะเป็นของเหตุการณ์บางอย่างที่เกิดขึ้น การทำเหมืองข้อมูลเป็นกระบวนการในการค้นพบข้อมูล "ดิบ" ที่ไม่รู้จักมาก่อน ความรู้ที่เป็นประโยชน์และตีความได้ซึ่งไม่สำคัญสำหรับการตัดสินใจ ข้อมูลที่พบในกระบวนการใช้วิธีการ Data Mining ควรอธิบายการเชื่อมต่อใหม่ระหว่างคุณสมบัติ ทำนายค่าของคุณสมบัติบางอย่างตามคุณสมบัติอื่น ๆ เป็นต้น ความรู้ที่พบจะต้องนำไปใช้กับข้อมูลใหม่ที่มีความน่าเชื่อถือในระดับหนึ่ง เมื่อความรู้ที่ดึงออกมาไม่โปร่งใสต่อผู้ใช้ จะต้องมีวิธีหลังการประมวลผลเพื่อให้สามารถตีความได้ ปัญหาที่ได้รับการแก้ไขโดยวิธี Data Mining ได้แก่:

• การจำแนกประเภท - การกำหนดวัตถุ (การสังเกตเหตุการณ์) ให้กับหนึ่งในคลาสที่รู้จักก่อนหน้านี้
• การถดถอย รวมถึงปัญหาการพยากรณ์ การสร้างการพึ่งพาเอาต์พุตต่อเนื่องกับตัวแปรอินพุต
• การจัดกลุ่ม - การจัดกลุ่มวัตถุ (การสังเกตเหตุการณ์) ตามข้อมูล (คุณสมบัติ) ที่อธิบายสาระสำคัญของวัตถุเหล่านี้ ออบเจ็กต์ภายในคลัสเตอร์จะต้องคล้ายกันและแตกต่างจากออบเจ็กต์ที่รวมอยู่ในคลัสเตอร์อื่น ยิ่งออบเจ็กต์ภายในคลัสเตอร์มีความคล้ายคลึงกันมากเท่าไร และยิ่งมีความแตกต่างระหว่างคลัสเตอร์มากเท่าไร การจัดกลุ่มก็จะยิ่งมีความแม่นยำมากขึ้นเท่านั้น
• การเชื่อมโยง - การระบุรูปแบบระหว่างเหตุการณ์ที่เกี่ยวข้อง ตัวอย่างของรูปแบบดังกล่าวคือกฎที่บ่งชี้สิ่งนั้นจากเหตุการณ์ เอ็กซ์เหตุการณ์ดังต่อไปนี้ ย- กฎดังกล่าวเรียกว่าการเชื่อมโยง งานนี้ถูกเสนอครั้งแรกเพื่อค้นหารูปแบบการซื้อของทั่วไปที่ทำในซูเปอร์มาร์เก็ต ดังนั้นบางครั้งจึงเรียกว่าการวิเคราะห์ตะกร้าตลาด
• รูปแบบตามลำดับ - การสร้างรูปแบบระหว่างเหตุการณ์ที่เกี่ยวข้องกับเวลา กล่าวคือ การค้นพบความสัมพันธ์ตามที่เหตุการณ์เกิดขึ้น เอ็กซ์จากนั้นหลังจากเวลาที่กำหนด เหตุการณ์จะเกิดขึ้น ย;
• การวิเคราะห์ความเบี่ยงเบน - การระบุรูปแบบที่ไม่เคยมีมาก่อน

บัตรคะแนนตารางสรุปสถิติใช้เกณฑ์มาตรฐานที่แสดงบนแดชบอร์ดเพื่อให้การวิเคราะห์เชิงลึกยิ่งขึ้นโดยการซ้อนทับบนแผนที่กลยุทธ์ที่เชื่อมโยงตัวชี้วัดประสิทธิภาพหลักกับ วัตถุประสงค์เชิงกลยุทธ์- แนวคิดนี้แสดงไว้ในรูปที่ 4. เทคโนโลยีเกี่ยวข้องกับการวิเคราะห์เพิ่มเติมตามการประยุกต์ใช้วิธีการจัดการประสิทธิภาพ เช่น Six Sigma

ข้าว. 4. การเปรียบเทียบ พารามิเตอร์ที่สำคัญผลผลิต
โดยมีวัตถุประสงค์เชิงกลยุทธ์

หลังจากที่เราได้อธิบายคำว่าแพลตฟอร์ม BI แล้ว เรากลับมาที่การวิเคราะห์ "สี่เหลี่ยมมหัศจรรย์" ในรูปที่ 1 กัน 1.

เกณฑ์การคัดเลือกและประเมินบริษัท

การศึกษาของ Gartner (ดูรูปที่ 1) รวมบริษัทที่ได้รับการคัดเลือกตามหลักการต่อไปนี้:

• จัดให้มีฟังก์ชันอย่างน้อย 8 จาก 12 ฟังก์ชันที่มีอยู่ในแพลตฟอร์ม BI
• ครอบครองส่วนแบ่งการตลาดที่สำคัญของแพลตฟอร์ม BI โดยเห็นได้จากปริมาณการขายอย่างน้อย 20 ล้านดอลลาร์
• โซลูชันที่แพลตฟอร์มทำงานในระดับองค์กร ไม่ใช่แค่ในระดับแผนกเท่านั้น

ในรูป 1 มีการใช้คำศัพท์จำนวนหนึ่งตามที่ผู้ขายตั้งอยู่บนระนาบของจัตุรัส มาอธิบายความหมายของพวกเขากัน:

• ความเป็นไปได้ถูกกำหนดโดยปัจจัยต่อไปนี้:
  • ผลิตภัณฑ์มีการแข่งขันและประสบความสำเร็จเพียงใด
  • โอกาสที่ผู้ขายจะลงทุนในผลิตภัณฑ์/บริการต่อไปเป็นเท่าใด
  • นโยบายการกำหนดราคาของผู้ขายประสบความสำเร็จเพียงใด
  • ผู้ขายสามารถต้านทานการเปลี่ยนแปลงในตลาดได้เพียงใด
  • ลูกค้าทราบข้อมูลข้อเสนอของผู้ขายมากน้อยเพียงใด
  • ขอบเขตที่ผู้ขายสามารถปฏิบัติตามสัญญาทางการตลาดได้
  • ลูกค้าพึงพอใจกับการสนับสนุนการบริการของผู้ขายมากน้อยเพียงใด
• ความสมบูรณ์ของวิสัยทัศน์คือความสามารถของผู้ขายในการใช้ประโยชน์จากแนวโน้มของตลาดเพื่อสร้าง บริการเพิ่มเติมสำหรับลูกค้าและผลประโยชน์ที่สอดคล้องกันสำหรับตนเอง ความสมบูรณ์ของวิสัยทัศน์สามารถประเมินได้โดยพิจารณาจากคุณภาพของ:
  • การคาดการณ์ความต้องการของลูกค้า
  • กลยุทธ์การตลาด
  • กลยุทธ์การขาย,
  • กลยุทธ์การพัฒนาแนวดิ่ง ส่วนตลาด,
  • กลยุทธ์ในการเข้าสู่ตลาดระยะไกล
• ผู้นำคือผู้จำหน่ายที่รับประกันฟังก์ชันการทำงานที่กว้างขวางของผลิตภัณฑ์ของตน การใช้งานที่ประสบความสำเร็จ และให้การสนับสนุนคุณภาพสูงในระดับโลก
• ผู้สมัครมีข้อจำกัดที่อาจเกี่ยวข้องไม่เฉพาะกับโซลูชันทางเทคโนโลยีที่หลากหลาย แต่ยังรวมถึงตัวบ่งชี้ตลาด เช่น คุณภาพของเครือข่ายการขาย ฯลฯ
• ผู้มีวิสัยทัศน์คือผู้จำหน่ายที่มีกลยุทธ์อันทรงพลังในการส่งเสริมแพลตฟอร์ม BI ซึ่งแสดงให้เห็นในมาตรฐานที่เปิดกว้าง ความยืดหยุ่นของสถาปัตยกรรมโซลูชัน และความลึกของฟังก์ชันการทำงานของแอปพลิเคชันที่พวกเขาสร้างขึ้น เหล่านี้เป็นผู้นำในสาขานี้ กิจกรรมนวัตกรรม;
• ผู้เล่นเฉพาะกลุ่ม - ครองตำแหน่งผู้นำในด้านผลิตภัณฑ์หรือเทคโนโลยีที่จำกัด

แนวโน้มในตลาดแพลตฟอร์ม BI

ดังที่เห็นได้จากรูป ในวันที่ 1 มีผู้ค้ารายใหญ่เริ่มครองตลาด BI แท้จริงแล้วภายในเวลาไม่ถึงหนึ่งปี Microsoft, Oracle, SAP และ IBM ได้เปลี่ยนจากการเป็นเจ้าของหนึ่งในสี่ของตลาดมาเป็นเจ้าของสองในสามของตลาด

เมื่อเปรียบเทียบกำลังสองของปี 2550 และ 2551 เป็นที่ชัดเจนว่า Microsoft ได้เพิ่มขึ้นและครองอันดับหนึ่งในแง่ของความสามารถในการนำไปใช้งาน SAP ยังไม่อยู่ในกลุ่มผู้นำ เนื่องจากเห็นได้ชัดว่าการควบรวมกิจการกับ Business Objects ยังไม่เสร็จสมบูรณ์ Oracle ขยับมาอยู่อันดับที่สองตามหลัง SAS ในด้านวิสัยทัศน์ที่สมบูรณ์

ดังนั้น Magic Square ของแพลตฟอร์ม BI สำหรับปี 2551 สะท้อนให้เห็นถึงความจริงที่ว่าผู้นำกำลังย้ายจากผู้จำหน่าย BI อิสระ เช่น Business Objects และ Cognos ไปสู่ ​​megavendors

ในเดือนกรกฎาคม พ.ศ. 2550 ออราเคิลได้เสร็จสิ้นการซื้อกิจการไฮเปอเรียน สิ่งนี้นำไปสู่แพลตฟอร์มการแข่งขันสองแพลตฟอร์ม ได้แก่ Hyperion System 9 และ Oracle Business Intelligence Enterprise Edition ซึ่งมารวมกันภายใต้การนำของออราเคิล และขยายทรัพยากร BI ของออราเคิลตามไปด้วย ในทางเทคโนโลยีและเกี่ยวข้องกับทรัพยากรมนุษย์

ในเดือนตุลาคม พ.ศ. 2550 SAP ได้ประกาศเพิ่ม Business Objects เพื่อขยายการแสดงตนในตลาด การเชื่อมต่อนี้ (เสร็จสมบูรณ์ในเดือนมกราคม 2551) ปิดช่องว่างที่สำคัญใน SAP ในแง่ของตัวสร้างแบบสอบถามและรายงาน

Cognos เสร็จสิ้นการเข้าซื้อกิจการ Applix ซึ่งมีเทคโนโลยี OLAP อันทรงพลัง และในทางกลับกัน ก็ตกลงที่จะเข้าซื้อกิจการโดย IBM

ในช่วงเวลาเดียวกัน ปัจจัยต่างๆ เช่น การสุกงอมของพอร์ตโฟลิโอ BI ของ Microsoft, การพัฒนาเทคโนโลยี Web 2.0, การพัฒนาผลิตภัณฑ์ BI แบบโอเพ่นซอร์ส และการพัฒนาซอฟต์แวร์ในรูปแบบบริการ (SaaS) หมายความว่าฟังก์ชันการทำงานของ BI มีมากขึ้น เข้าถึงได้มากกว่าเดิม

โซลูชัน OpenSource BI มีความก้าวหน้าอย่างมากในการพัฒนา แต่การหมุนเวียนจากการใช้งานยังคงไม่มีนัยสำคัญ JasperSoft หนึ่งในผู้จำหน่ายรายใหญ่ที่สุดในพื้นที่นี้อ้างว่ามีลูกค้าเชิงพาณิชย์มากกว่า 7,000 รายและมีการใช้งานที่ใช้งานอยู่มากกว่า 70,000 รายการ

นอกจากนี้ยังมีความสนใจเพิ่มขึ้นในการนำเสนอโซลูชัน BI ในรูปแบบ SaaS โดยเฉพาะอย่างยิ่ง Business Objects เป็นผู้นำในธุรกิจแอปพลิเคชัน OnDemand BI แต่ก็มีบริษัทขนาดเล็ก เช่น Seatab, Oco และ LucidEra ที่ให้บริการโซลูชัน BI การใช้โซลูชัน BI ในรูปแบบของบริการ OnDemand ไม่เหมาะสำหรับทุกองค์กร แต่มีประโยชน์เพียงเล็กน้อยสำหรับองค์กรที่ทำงานกับข้อมูลที่ละเอียดอ่อน อย่างไรก็ตาม ในแต่ละปี บริษัทต่างๆ จำนวนมากขึ้นเรื่อยๆ เลือกรุ่น SaaS ว่าประหยัดกว่าและค่อนข้างเชื่อถือได้

การวิเคราะห์ตำแหน่งของผู้จำหน่ายชั้นนำ

วัตถุทางธุรกิจ

ในบรรดาบริษัทที่เชี่ยวชาญเฉพาะด้านโซลูชัน BI นั้น Business Objects นำเสนอแพลตฟอร์มที่ครอบคลุมที่สุดพร้อมเทคโนโลยีการรายงานและการสร้างคิวรีที่ได้รับการพัฒนาอย่างดี

ประมาณ 90% ขององค์กรที่ได้นำโซลูชันนี้ไปใช้ทราบว่านี่เป็นมาตรฐานสำหรับองค์กรของตน

Business Objects ขยายข้อเสนอ BI ในปี 2550 ด้วยการเพิ่ม Inxight

การเติบโตอย่างรวดเร็วของข้อเสนอ OnDemand BI ของ Business Objects ซึ่งมีผู้ใช้มากกว่า 70,000 ราย ทำให้บริษัทเป็นผู้นำใน SaaS-BI โดยพฤตินัย

Business Objects จะต้องปรับกลยุทธ์หลังจากได้รับสถานะใหม่อันเป็นผลมาจากการเปลี่ยนมาเป็นเจ้าของ SAP นั่นคือจะต้องใช้เวลาในการเปลี่ยนช่องทางการขาย ระบบสนับสนุน ฯลฯ

ตามความคิดเห็นของลูกค้า OLAP คือ ด้านที่อ่อนแอในโซลูชัน Business Objects

คอนญอส

Cognos มีอัตราการปรับใช้แพลตฟอร์ม BI ที่สูงเป็นพิเศษในฐานะโซลูชันระดับองค์กร ผู้ตอบแบบสอบถามมากกว่า 90% ถือว่า Cognos เป็นมาตรฐานสำหรับองค์กรของตน

Cognos กำลังลงทุนอย่างกระตือรือร้นในการปรับปรุงสถาปัตยกรรมแพลตฟอร์ม ด้วยการมาถึงของเวอร์ชัน 8.2 และเวอร์ชันในอนาคต 8.3 Cognos 8 BI เกือบจะขจัดปัญหาเรื่องความเสถียรที่ไม่เพียงพอและอ่อนแอ การสนับสนุนด้านเทคนิค- ในปัจจุบัน ลูกค้าส่วนใหญ่กำลังรัน Cognos BI เวอร์ชันล่าสุด

เมื่อการควบรวมกิจการ Cognos กับ IBM เสร็จสิ้น แพลตฟอร์ม Cognos BI จะได้รับประโยชน์จากการบูรณาการกับเทคโนโลยี IBM

Cognos จะได้รับข้อได้เปรียบอีกประการหนึ่งเมื่อเชี่ยวชาญเทคโนโลยี Applix TM1 OLAP

เทคโนโลยีการขุดข้อมูลของ Cognos ยังคงอ่อนแอกว่าข้อเสนอของคู่แข่ง

ไมโครซอฟต์

นโยบายการกำหนดราคาที่ประสบความสำเร็จและการบูรณาการกับ MS Office ทำให้โซลูชันของ Microsoft มีความน่าสนใจเป็นพิเศษสำหรับองค์กรที่ใช้โซลูชันโครงสร้างพื้นฐานของบริษัทนี้

เมื่อโปรโมตโซลูชัน BI Microsoft สามารถไว้วางใจกลุ่มนักพัฒนาจำนวนมากได้ ตามการประมาณการของ Microsoft เหล่านี้คือพันธมิตร OEM/ISV จำนวน 2,000 รายสำหรับการใช้งานโซลูชัน BI

ตามความคิดเห็นของลูกค้า โซลูชัน BI จาก Microsoft ทำให้เกิดการร้องเรียนน้อยที่สุด

โซลูชัน BI ของ Microsoft สร้างขึ้นโดยบริษัทดังกล่าว และไม่ได้ซื้อร่วมกับบริษัทในเครือ

Microsoft เข้าร่วมการแข่งขันอย่างช้าๆ เพื่อโปรโมตแพลตฟอร์ม BI ดังนั้นกลยุทธ์ในตอนนี้คือการ "ตามให้ทันและแซงหน้า" ตามที่ลูกค้าระบุ Microsoft ยังคงตามหลังบริษัทแพลตฟอร์ม BI แบบดั้งเดิม โดยเฉพาะอย่างยิ่งในแง่ของการจัดการข้อมูลเมตา การสร้างรายงาน และการสร้างแดชบอร์ด

ไมโครกลยุทธ์

แทนที่จะใช้กลยุทธ์เสริม MicroStrategy ได้สร้างเทคโนโลยีภายในองค์กรทั้งหมด สิ่งนี้ทำให้มั่นใจได้ถึงการบูรณาการในระดับสูงภายในแพลตฟอร์ม

MicroStrategy ได้รับคำวิจารณ์จากลูกค้าในเชิงบวกจากเกณฑ์ทั้ง 12 ประการที่ Gartner ประเมิน

การพัฒนาเทคโนโลยีใหม่ๆ อาจส่งผลให้ตำแหน่งที่ MicroStrategy มีอยู่ในด้านการประมวลผลข้อมูลปริมาณมากเป็นพิเศษลดน้อยลง

MicroStrategy มีชื่อเสียงในด้านการนำเสนอโซลูชันราคาแพงซึ่งยากต่อการรับส่วนลด

MicroStrategy มุ่งเน้นเฉพาะแพลตฟอร์ม BI และไม่ได้ให้ความสนใจเพียงพอกับเทคโนโลยีที่เกี่ยวข้อง - CPM (การจัดการประสิทธิภาพองค์กร) และการรวมข้อมูล

MicroStrategy มียอดขายเพียงเล็กน้อยในภูมิภาคเอเชียแปซิฟิก

ออราเคิล

ในช่วงกลางปี ​​2550 ก่อนที่จะมี Hyperion เข้ามา ตำแหน่งของ Oracle ในตลาด BI ก็ค่อนข้างแข็งแกร่ง โดยการผสมผสานระหว่างแพลตฟอร์ม BI และแอปพลิเคชันเชิงวิเคราะห์ (Oracle BI Enterprise Edition (OBIEE) และ Oracle Analytic Applications) ถือเป็นข้อเสนอที่ประสบความสำเร็จอย่างมาก

ลูกค้าให้ E บทวิจารณ์เชิงบวกเกี่ยวกับ OBIE พวกเขาสังเกตเห็นโซลูชันที่หลากหลายสำหรับการจัดระเบียบการทำงานเป็นทีม เช่นเดียวกับเครื่องมือการแสดงภาพขั้นสูง ซึ่งตามที่พวกเขากล่าวนั้นเป็นหนึ่งในโซลูชันที่ดีที่สุดในตลาด

จุดแข็งของกลไก Essbase OLAP และความสามารถในการบูรณาการของ Hyperion เข้ากับ Microsoft Office ช่วยเพิ่มศักยภาพของ Oracle ในตลาด BI

ออราเคิลก็มี โอกาสที่ดีโปรโมตเทคโนโลยี BI ของคุณไปยังไคลเอนต์ที่หลากหลาย ไม่ใช่แค่ผู้ที่สนับสนุนแพลตฟอร์ม Oracle เท่านั้น

กระบวนการบูรณาการโซลูชัน BI ที่เกิดจากการควบรวมกิจการจะใช้เวลานานในปี 2551

มีหลักฐานว่าระหว่างการติดตั้งฐานข้อมูล Hyperion BI นั้น เปอร์เซ็นต์ของเวอร์ชันล่าสุดมีน้อย ซึ่งบ่งชี้ว่าลูกค้าไม่รีบร้อนที่จะเปลี่ยนไปใช้ผลิตภัณฑ์เวอร์ชันล่าสุด

Oracle จำเป็นต้องปรับปรุงการสนับสนุนด้านเทคนิค

เอสเอพี

ด้วยการใช้งานมากกว่า 13,000 ครั้ง บริษัทเอสเอพีประสบความสำเร็จอย่างมากในการส่งเสริมโซลูชัน NetWeaver BI ลูกค้า SAP มากกว่า 75% ที่สำรวจโดย Gartner ระบุว่าโซลูชัน SAP BI เป็นมาตรฐานในองค์กรของตน

เมื่อการบูรณาการ SAP และ Business Objects เสร็จสมบูรณ์ SAP จะกลายเป็นผู้จำหน่ายแพลตฟอร์ม BI รายใหญ่ที่สุด ซึ่งใหญ่กว่าคู่แข่งรายอื่นถึงสองเท่า

จุดแข็งของ Business Objects ซึ่งเน้นการสร้างรายงานที่มีรูปแบบเป็นหลักและการสร้างรายงานแบบบริการตนเอง ช่วยเติมเต็มช่องว่างในโซลูชัน SAP BI ได้อย่างมีประสิทธิภาพ

ในแบบสำรวจของ Gartner ลูกค้า SAP ที่ใช้ SAP BI เวอร์ชันล่าสุดระบุถึงความท้าทายในการดำเนินงาน

การแนบ Business Objects จะช่วยลดคะแนน SAP เล็กน้อย ซึ่ง Gartner เรียกความเป็นไปได้อย่างหลวมๆ เนื่องจากความไม่แน่นอนที่หลีกเลี่ยงไม่ได้สำหรับลูกค้าที่พึ่งพาที่มีอยู่ ผลิตภัณฑ์ในประเทศ SAP ในด้าน BI

แม้ว่าที่จริงแล้วโซลูชันที่ใช้งานบน NetWeaver BI จะสามารถนำเข้าข้อมูลจากแอปพลิเคชันที่ไม่ใช่ SAP ได้ แต่ SAP สามารถตั้งชื่อได้ไม่เกิน 25 รายการ วิสาหกิจขนาดใหญ่ที่ได้นำ NetWeaver BI ไปใช้ ไม่ว่าการบัญชีจะมีอิทธิพลเหนือใดก็ตาม ระบบเอสเอพี- เพื่อให้บรรลุความเป็นผู้นำตลาด SAP จะต้องแสดงให้เห็นว่าสามารถใช้แพลตฟอร์มในองค์กรที่แอปพลิเคชัน SAP ไม่ได้โดดเด่น

เอสเอเอส

SAS เป็นผู้นำในด้านการวิเคราะห์ขั้นสูง (Advanced Analytic Solutions)

SAS นำเสนอโซลูชันการวิเคราะห์ที่ไม่เพียงแต่มีฟังก์ชันพื้นฐานในระดับการวิเคราะห์ KPI เท่านั้น แต่ยังเสนอการวิเคราะห์ขั้นสูงเพื่อตรวจจับปัญหาทางธุรกิจ เช่น การตรวจจับการฉ้อโกง

เอสเอเอสอยู่ แบรนด์ที่มีชื่อเสียง, โซลูชั่น SAS ได้รับการสนับสนุนทั่วโลก

แอปพลิเคชัน SAS ถือว่าเรียนรู้ได้ยาก แอปพลิเคชันการวิเคราะห์ขั้นสูงจำนวนมากจำเป็นต้องใช้ภาษาการเขียนโปรแกรม SAS เฉพาะทาง ซึ่งเป็นประโยชน์สำหรับโปรแกรมเมอร์ แต่เป็นข้อจำกัดที่สำคัญสำหรับผู้ที่ไม่มีทักษะดังกล่าว

โดยสรุป เราแสดงรายการแนวโน้มหลักในตลาดแพลตฟอร์ม BI:

• ความเกี่ยวข้องของงานในการเพิ่มประสิทธิภาพการผลิตของบริษัทในทุกระดับช่วยกระตุ้นความต้องการโซลูชัน BI
• ความสามารถของแพลตฟอร์ม BI กำลังขยายตัว และนอกเหนือจากรายงานแบบดั้งเดิมและเครื่องมือสร้างคิวรี เช่นเดียวกับฟังก์ชันการทำงานของ OLAP แล้ว “แดชบอร์ด” บัตรคะแนน และการแสดงภาพขั้นสูงยังได้รับการพัฒนาอย่างต่อเนื่อง
• megavendors เริ่มครองตลาด BI;
• โซลูชัน BI ในรูปแบบของ SaaS ได้รับการส่งเสริมอย่างแข็งขันจากผู้ผลิตหลายราย
• กระบวนการควบรวมกิจการและการสร้างมาตรฐานขับเคลื่อนตลาด

บทวิจารณ์เชิงวิเคราะห์: BI ในรัสเซีย 2552

นักวิเคราะห์ของศูนย์ TAdviser ได้เตรียมการเรียบร้อยแล้ว เปิดรีวิวตลาดสำหรับแพลตฟอร์มระบบธุรกิจอัจฉริยะ (BI) นำเสนอที่ ตลาดรัสเซีย- ในหน้านี้ คุณสามารถอ่านส่วนที่น่าสนใจที่สุดของบทวิจารณ์ได้

ประโยชน์ของการใช้ระบบ BI

ระบบการวิเคราะห์ธุรกิจช่วยแก้ปัญหาได้หลากหลายมาก ดังนั้น “ขอบฟ้าอันใกล้” จึงเป็นการติดตาม วิเคราะห์ และปรับเปลี่ยนเป้าหมายการดำเนินงาน:

สนับสนุนการพัฒนากระบวนการทางธุรกิจและการเปลี่ยนแปลงโครงสร้างในองค์กร

ความสามารถในการจำลองสถานการณ์ทางธุรกิจต่างๆ ในสภาพแวดล้อมข้อมูลเดียว

ดำเนินการวิเคราะห์การปฏิบัติงานตามคำขอที่ไม่ได้มาตรฐาน

ลดภาระงานประจำของพนักงานและเพิ่มเวลาสำหรับงานวิเคราะห์เชิงลึก

การดำเนินงานที่มั่นคงพร้อมปริมาณข้อมูลที่ประมวลผลเพิ่มขึ้นและความสามารถในการขยายขนาด

ในแง่ของการสนับสนุนการพัฒนาเชิงกลยุทธ์ขององค์กร ระบบ BI ให้:

การประเมินประสิทธิผลของธุรกิจด้านต่างๆ

การประเมินความสำเร็จของเป้าหมายที่ตั้งไว้

การประเมินประสิทธิภาพการใช้ทรัพยากรรวมถึงบริษัทในเครือ

การประเมินประสิทธิผลของการดำเนินงาน การลงทุน และกิจกรรมทางการเงิน

การสร้างแบบจำลองธุรกิจและการประเมินผลโครงการลงทุน

การบริหารต้นทุน การวางแผนภาษี การวางแผนการลงทุนด้านทุน

ตามที่ผู้เชี่ยวชาญจาก Gartner ระบุว่า ปัจจุบันมีผู้ใช้ทางธุรกิจเพียง 15-20% เท่านั้นที่ทำงานกับแอปพลิเคชัน BI ในขณะที่ส่วนที่เหลือพิจารณาว่าระบบการวิเคราะห์ธุรกิจซับซ้อนเกินกว่าจะใช้ได้ อย่างไรก็ตาม การพัฒนาเครื่องมือสำหรับการแสดงข้อมูลเชิงโต้ตอบและการแพร่กระจายของเทคโนโลยีอินเทอร์เน็ตอย่างแข็งขันน่าจะช่วยปรับปรุงสถานการณ์ได้ในไม่ช้า

ตามที่นักวิเคราะห์ของ MiPro Consulting ระบุว่าการนำระบบ BI อิสระไปใช้งานในองค์กรนั้นมีข้อได้เปรียบหลายประการเหนือการใช้เครื่องมือวิเคราะห์ที่สร้างไว้ในระบบข้อมูลองค์กรอื่นๆ ข้อดีของระบบ BI:

การมองเห็นที่ดีขึ้นและความสะดวกในการทำงานกับข้อมูลสำหรับผู้ใช้ทางธุรกิจ รวมถึงผู้บริหารระดับสูง

ความสามารถในการใช้โซลูชันการวิเคราะห์ที่หลากหลายสำหรับกิจกรรมต่างๆ ทั่วทั้งองค์กร ไม่ใช่ภายในแต่ละแผนก

ช่วยให้คุณสามารถแยก วิเคราะห์ และรวบรวมข้อมูลจากเกือบทุกแหล่ง

ขึ้นอยู่กับแพลตฟอร์ม BI ทางอุตสาหกรรมที่ได้รับการสนับสนุนและพัฒนา

มีสถานะเป็นแอปพลิเคชันอิสระเชิงกลยุทธ์และมีความสำคัญต่อธุรกิจ

ให้ความสามารถในการขยาย ประสิทธิภาพ และประสิทธิภาพที่จำเป็น

ช่วยให้คุณสร้างและรักษาขั้นตอนและกระบวนการประมวลผลแบบ end-to-end โมเดลการวิเคราะห์และโครงการแบบรวมศูนย์แบบรวมศูนย์ทั่วทั้งองค์กร

มีเครื่องมือในตัวสำหรับการแก้ปัญหาการวิเคราะห์ที่หลากหลายทั้งจากมุมมองของธุรกิจและไอที

ให้การเข้าถึงข้อมูลและเครื่องมือวิเคราะห์แก่ผู้ใช้มากขึ้น

การใช้เครื่องมือวิเคราะห์ที่สร้างไว้ในระบบข้อมูลองค์กรอื่นๆ เช่น ERP หรือ CRM มักจะมีข้อจำกัดดังต่อไปนี้:

ชุดเครื่องมือวิเคราะห์ที่นำไปใช้อย่างจำกัดซึ่งเหมือนกันสำหรับผู้ใช้ทุกคน โดยไม่คำนึงถึงบทบาทและงานของพวกเขา

ความสามารถในการใช้เฉพาะข้อมูลภายในของคุณเองเพื่อการวิเคราะห์ ในขณะที่ข้อมูลจากระบบอื่นยังคงไม่สามารถเข้าถึงได้ และข้อมูลจากแหล่งต่างๆ ไม่สามารถรวมเข้าด้วยกันได้

การขาดเครื่องมือในตัวที่พัฒนาขึ้นสำหรับการวิเคราะห์นำไปสู่ความจริงที่ว่าระบบใช้เพื่อแยกข้อมูลที่เก็บไว้ในนั้นเท่านั้น ซึ่งจะถูกส่งออกและวิเคราะห์ใน Excel เท่านั้น

ระบบอีอาร์พีและ ระบบซีอาร์เอ็มตามกฎแล้วมีจำนวนผู้ใช้ที่ จำกัด ซึ่ง "ตัด" พนักงาน บริษัท จำนวนมากออกจากการวิเคราะห์ซึ่งจะพบว่าข้อมูลนี้มีประโยชน์และน่าสนใจ (การเพิ่มขึ้นอย่างมากของจำนวนผู้ใช้จะลดประสิทธิภาพของระบบธุรกรรม)

ระบบธุรกรรมมักจะไม่มีตัวบ่งชี้ทั้งหมดที่จำเป็นสำหรับการวิเคราะห์ และไม่มีเครื่องมือเช่นแดชบอร์ดซึ่งได้กลายเป็นมาตรฐานในการนำเสนอข้อมูลการวิเคราะห์ไปแล้ว

ผลการวิเคราะห์ในระบบดังกล่าวมักจะนำเสนอในรูปแบบของรายงานหรือแผนภาพแบบตารางซึ่งไม่อนุญาตให้บุคคลหนึ่งได้รับภาพที่มีรายละเอียดและครอบคลุมของสถานการณ์จริงและไม่ได้ตอบคำถามมากมายที่เกิดขึ้น

ความสามารถในการสร้างแบบสอบถามแบบกำหนดเองที่ยืดหยุ่น (เฉพาะกิจ) นั้นมีจำกัด

การใช้ข้อมูลทางประวัติศาสตร์ที่สะสมไว้จำนวนมากนั้นมีจำกัด

เมื่อเลือกหรืออัปเดตระบบสำหรับการวิเคราะห์ธุรกิจ คุณควรพิจารณาวิธีจัดเก็บและผสานรวมข้อมูล การแสดงภาพ และเครื่องมือวิเคราะห์

การจัดเก็บข้อมูล

หากบริษัทต้องเผชิญกับภารกิจในการระบุแนวโน้มระยะยาวหรือเป็นระยะๆ กล่าวคือ ผู้ใช้จำเป็นต้องวิเคราะห์ข้อมูลในอดีตที่มาจากแผนกต่างๆ ในช่วง 3-5 ปีที่ผ่านมา จึงมีความจำเป็นอย่างยิ่งที่จะต้องพิจารณาอย่างรอบคอบถึง องค์กรของการดำเนินงาน ETL สำหรับการโหลดข้อมูลลงในคลังข้อมูล

หากบริษัทหรือแผนกใดๆ จำเป็นต้องวิเคราะห์ข้อมูลเป็นรายเดือนหรือรายสัปดาห์ ทางออกที่ดีที่สุดคือการจัดสรรและจัดระเบียบเพื่อวัตถุประสงค์เหล่านี้ (สำหรับแต่ละแผนกหรือเพื่อแก้ไขปัญหาเฉพาะ) แยก Data Mart ออกไปโดยใช้เครื่องมือ ETL ด้วย

หากบริษัทวางแผนที่จะวิเคราะห์ข้อมูลการดำเนินงานในโหมดที่ใกล้เคียงกับเรียลไทม์ (นั่นคือ อัปเดตหลายครั้งในระหว่างวัน) ก็อาจจำเป็นต้องละทิ้งการจัดองค์กรคลังข้อมูลและให้ความสนใจกับการพัฒนาเครื่องมือบูรณาการตาม บนเลเยอร์เสมือนระดับกลางของข้อมูลเมตาพร้อมอินเทอร์เฟซและอัลกอริธึมที่เกี่ยวข้องอย่างละเอียด (ตามหลักการ EII)

บูรณาการข้อมูล

ตามที่ระบุไว้ข้างต้น หากเป้าหมายของการนำระบบ BI ไปใช้คือการแก้ปัญหาเฉพาะบุคคล ขอแนะนำให้จำกัดตัวเองอยู่เพียงการจัดระบบ Data Mart ในกรณีนี้ ไม่จำเป็นต้องใช้อัลกอริธึมการรวมแยกต่างหาก

ในทางกลับกัน หาก BI ถูกนำไปใช้โดยมีเป้าหมายเพื่อให้ได้มุมมองแบบองค์รวมของสถานะโดยรวมของธุรกิจ ก็อาจเป็นไปไม่ได้ที่จะทำโดยไม่ต้องสร้างคลังข้อมูลแบบรวมศูนย์ และด้วยเหตุนี้ จึงใช้เครื่องมือ ETL ที่จำเป็น . นอกจากนี้เพื่อให้ได้ภาพรวมของธุรกิจที่เพียงพออย่างแท้จริงจำเป็นต้องให้ความสนใจเป็นพิเศษเพื่อให้มั่นใจว่าข้อมูลที่วิเคราะห์มีคุณภาพสูงและจะต้องมีการแนะนำชุดเครื่องมือเพิ่มเติมสำหรับการ "ทำความสะอาด" โดยระบุว่าไม่สมบูรณ์ หรือข้อมูลที่ผิดพลาด ข้อมูลซ้ำซ้อน นำข้อมูลจากแหล่งต่างๆ มาอยู่ในรูปแบบเดียว

หากบริษัทให้ความสำคัญกับการศึกษาข้อมูลการดำเนินงานก็จำเป็นต้องพิจารณาวิธีการจำลองและการเข้าถึง

การแสดงภาพและการวิเคราะห์

ขึ้นอยู่กับงานที่ได้รับมอบหมาย เช่นเดียวกับคุณสมบัติของผู้ใช้ เครื่องมือสำหรับการแสดงข้อมูลจะถูกเลือก - แผงควบคุม บัตรคะแนน รายงาน คิวบ์ OLAP

สำหรับผู้ใช้ที่มีประสบการณ์และมีคุณสมบัติเหมาะสม เครื่องมือที่เหมาะสมที่สุดคือคิวบ์ OLAP ซึ่งจะช่วยให้พวกเขาสามารถดำเนินการวิเคราะห์ธุรกิจในเชิงลึกและละเอียดโดยมีระดับรายละเอียดที่ต้องการ

ผู้ใช้ที่ต้องเผชิญกับความจำเป็นในการตัดสินใจของฝ่ายบริหารในกิจกรรมประจำวันรวมถึงวิเคราะห์ผลการดำเนินงานของธุรกิจมีความสนใจในการจัดสถานที่ทำงานในรูปแบบของแผงควบคุมซึ่งสถานะของธุรกิจโดยรวมคือ แสดงเป็นภาพสเกลและตัวชี้วัด โดยสามารถสลับกิจกรรมระหว่างแต่ละพื้นที่ได้

ผู้จัดการทั่วไปต้องการเครื่องมือในการแก้ปัญหางานปัจจุบันและติดตามความคืบหน้า แต่ละสายพันธุ์การดำเนินงานตลอดจนการควบคุมกิจกรรมของพนักงาน (พนักงานแต่ละคนและทีมงานโดยรวม) นอกจากนี้ เพื่อจัดระเบียบปฏิสัมพันธ์ที่ชัดเจนกับแผนก (หรือภูมิภาคที่อยู่ติดกัน) จำเป็นต้องได้รับภาพรวมของความคืบหน้าของงานที่เกี่ยวข้องกัน

โซลูชันแนวตั้งหรือแนวนอน

ในตลาดมีทั้งโซลูชัน BI แนวนอน ซึ่งใช้ชุดเครื่องมือที่ใช้งานได้ทั่วไป และโซลูชันเฉพาะทางแนวตั้งที่ "ปรับแต่ง" สำหรับอุตสาหกรรมหรืองานเฉพาะ ทั้งสองมีข้อดีและข้อเสีย

ข้อดีของโซลูชั่นแนวนอนถือได้ว่าเป็นความสามารถในการเติบโตไปพร้อมกับองค์กร โซลูชันดังกล่าวมักจะสามารถปรับขนาดได้และสามารถครอบคลุมกิจกรรมทุกด้านและทุกแผนก บริษัทใหญ่และยังสามารถเปลี่ยนแปลงได้ง่ายกว่าอีกด้วย ข้อเสียของความสามารถที่หลากหลายดังกล่าวคือความจำเป็นในการตั้งค่าโซลูชันและการปรับให้เข้ากับข้อกำหนดเฉพาะที่ใช้เวลานานและระมัดระวังมากขึ้น โครงการดำเนินงานเริ่มมีราคาแพงขึ้น และความต้องการผู้เชี่ยวชาญด้านไอทีก็สูงขึ้น

โซลูชันแนวตั้งนั้นไม่ต้องการการกำหนดค่าที่ใช้เวลานานและใช้แรงงานมากแยกต่างหากเพื่อแก้ไขปัญหาเฉพาะและเพื่อให้สอดคล้องกับข้อกำหนดขององค์กรกำกับดูแลอุตสาหกรรม (การเงิน การแพทย์ ฯลฯ) อย่างไรก็ตาม อาจกลายเป็นว่าแผนกต่างๆ ภายในโครงสร้างเดียวกันจะไม่สามารถใช้โซลูชันเดียวได้ และระบบการวิเคราะห์ธุรกิจที่แตกต่างกันหลายระบบจะต้องได้รับการเรียนรู้และบูรณาการ

องค์กรเหล่านั้นที่วางแผนในปัจจุบันและในอนาคตที่จะมีส่วนร่วมในกิจกรรมเฉพาะของตนที่ต้องปฏิบัติตามกฎระเบียบที่เข้มงวดบางประการมีแนวโน้มที่จะได้รับประโยชน์จากการนำโซลูชันแนวตั้งไปใช้ หากไม่มีความเชื่อมั่นในความมุ่งมั่นดังกล่าวกับกิจกรรมบางประเภทในอนาคต และมีความเป็นไปได้สูงที่ความเชี่ยวชาญพิเศษของบริษัทจะขยายออกไปอย่างมาก การเลือกโซลูชัน BI แนวตั้งถือเป็นความเสี่ยง