Слуга двух господ: комплексный подход к использованию средств бизнес анализа  (BI)  в рамках организации Карабанова Галина...
Что нас ждет в ближайший час <ul><li>Business Intelligence (BI) </li></ul><ul><li>Комплексный подход к использованию  BI  ...
<ul><li>Business Intelligence (BI) </li></ul>
Глоссарий  BI <ul><ul><ul><li>On-Line Analytical Processing (OLAP)  </li></ul></ul></ul><ul><ul><ul><li>Predictive Analyti...
Определение термина  Business Intelligence <ul><li>Конец 1980-х годов, Gartner: </li></ul><ul><ul><li>Business Intelligenc...
Определение  Forrester Research, Inc. <ul><ul><li>Оригинал: </li></ul></ul><ul><ul><li>Business intelligence is a set of m...
Модель процесса анализа данных и принятия решений с использованием  BI
2 подхода к анализу данных <ul><li>Вариант 1 –  визуализация   информации </li></ul><ul><ul><li>Программа используется для...
Базовые методы анализа данных <ul><li>OLAP (Online Analitical Processing)  –  оперативная аналитическая обработка данных. ...
Операции метода Knowledge Discovery in Databases
Задачи, решаемые с помощью  Data Mining
Тиражирование знаний
Методы  Business intelligence  уже давным-давно применяются в бизнесе!
<ul><li>Комплексный подход к использованию  BI  в организации </li></ul>
Необходимость комплексного подхода   к оценке эффективности работы организации <ul><li>Почему нужно думать об эффективност...
Роль ИТ в бизнесе организации - 1 <ul><li>Вариант 1: Разработка ИС для бизнеса </li></ul>Бизнес ИТ- подразделение ИС для п...
Роль ИТ в бизнесе организации - 2 <ul><li>Вариант 2: Обслуживание ИС, используемых в бизнесе </li></ul>Бизнес ИТ- подразде...
Роль ИТ в бизнесе организации - 3 <ul><li>Вариант 3: Разработка ИС – один из видов бизнеса </li></ul>Бизнес ИТ- подразделе...
Роль ИТ в бизнесе организации - 4 <ul><li>Вариант 4: Разработка ИС – основной бизнес </li></ul>Бизнес ИТ + ИС Функция ИТ: ...
Какие бывают проблемы? Бизнес ИТ <ul><ul><li>Не реализована  вовремя  необходимая функция </li></ul></ul><ul><ul><li>После...
На чем основывается доверие? Оправдались ли ожидания? Да Нет Доверие возрастает Доверие падает Доверие = оправданные ожида...
Управление ожиданиями и Разработка ПО
Ключевая роль  BI BI Анализ завершенных проектов, реализованных задач, выявление зависимостей и закономерностей, прогнозир...
Примеры аналитических запросов от ИТ
<ul><li>Методика внедрения  BI </li></ul>
Увеличение потенциала поддержки бизнес-решений Пользователь Бизнес-аналитик Аналитик данных DBA
Типовая архитектура   инструментов  BI Импорт Обработка Экспорт Data   Warehouse , СУБД, учетные системы, … Data   Warehou...
Методика внедрения  BI <ul><li>Анализ потребностей организации </li></ul><ul><ul><li>Обследование процессов </li></ul></ul...
<ul><li>Обзор инструментов  Business Intelligence </li></ul>
Магический квадрант  Gartner  для решений  Business Intelligence http://www.gartner.com Deductor
<ul><li>СПАСИБО  </li></ul><ul><li>ЗА  </li></ul><ul><li>ВНИМАНИЕ! </li></ul><ul><li>www.cmcons.com </li></ul>
Upcoming SlideShare
Loading in …5
×

Слуга двух господ: комплексный подход к использованию средств бизнес анализа (BI) в рамках организации

1,192
-1

Published on

www.cmcons.com

0 Comments
1 Like
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total Views
1,192
On Slideshare
0
From Embeds
0
Number of Embeds
2
Actions
Shares
0
Downloads
10
Comments
0
Likes
1
Embeds 0
No embeds

No notes for slide
  • В первом варианте программа используется для визуализации информации - извлечения данных из источников и предоставления их человеку для самостоятельного анализа и принятия решений. Обычно данные, предоставляемые программой, являются простой таблицей, и в таком виде их очень сложно анализировать, особенно если данных много, но имеются и более удобные способы отображения: кубы, диаграммы, гистограммы, карты, деревья… Второй вариант использования программного обеспечения для анализа – это построение моделей . Модель имитирует некоторый процесс, например, изменение объемов продаж некоторого товара, поведение клиентов и другое. Для построения модели необходимо сделать предобработку данных и далее к ним применять математические методы анализа: кластеризацию, классификацию, регрессию и т. д. Построенную модель можно использовать для принятия решений, объяснения причин, оценки значимости факторов, моделирования различных вариантов развития…
  • KDD включает в себя вопросы подготовки данных, выбора информативных признаков, очистки данных, применения методов Data Mining (DM), постобработки данных и интерпретации полученных результатов. Привлекательность этого подхода заключается в том, что вне зависимости от предметной области мы применяем одни и те же операции: 1. Подготовка исходного набора данных. Этот этап заключается в создании набора данных, в том числе слиянии сведений из различных источников, определение выборки, которая и будет в последствии анализироваться. Для этого должны существовать развитые инструменты доступа к различным источникам данных: файлам разных форматов, базам данных, учетным системам. 2 Предобработка и очистка данных. Для того чтобы эффективно применять методы анализа, следует обратить серьезное внимание на вопросы предобработки данных. Данные могут содержать пропуски, шумы, аномальные значения и т.д. Кроме того, данные могут быть избыточны, недостаточны и т.д. В некоторых задачах требуется дополнить данные некоторой априорной информацией. Наивно предполагать, что если подать любые данные на вход системы в существующем виде, то на выходе получим полезные знания. Данные должны быть качественны и корректны с точки зрения используемого метода анализа. Более того, иногда размерность исходного пространства может быть очень большой, и тогда желательно применение специальных алгоритмов понижения размерности: отбор наиболее значимых признаков и отображение данных в пространство меньшей размерности. 3 Трансформация данных. Для различных методов анализа требуются данные, подготовленные в специальном виде. Например, некоторые методы анализа в качестве входных полей могут использовать только числовые данные, а некоторые, наоборот, только категориальные. 4 Data Mining. На этом шаге применяются различные алгоритмы для нахождения знаний. Это нейронные сети, деревья решений, алгоритмы кластеризации и установления ассоциаций и т.д. Для этого могут использоваться как классические статистические методы, так и самообучающиеся алгоритмы и машинное обучение. 5 Постобработка данных. Тестирование, интерпретация результатов и практическое применение полученных знаний в бизнесе. Описанный процесс повторяется итеративно, а реализация этих этапов позволяет автоматизировать процесс извлечения знаний. Например, нужно сделать прогноз объемов продаж на следующий месяц. Есть сеть магазинов розничной торговли. Первым шагом будет сбор истории продаж в каждом магазине и объединение ее в общую выборку данных. Следующим шагом будет предобработка собранных данных. Например, их группировка по месяцам, сглаживание кривой продаж, устранение факторов, слабо влияющих на объемы продаж. Далее следует построить модель зависимости объемов продаж от выбранных факторов. Это можно сделать с помощью линейной регрессии или нейронных сетей. Имея такую модель, можно получить прогноз, подав на вход модели нашу историю продаж. Зная прогнозное значение, его можно использовать, например, для оптимизации закупок товара.
  • Одной из наиболее важных функций любой аналитической системы является поддержка процесса тиражирования знаний, т. е. обеспечение возможности сотрудникам, не разбирающимся в методиках анализа и способах получения того или иного результата, получать ответ на основе моделей, подготовленных экспертом. Например, сотрудник, оформляющий кредиты, должен внести данные по потребителю, а система автоматически выдать ответ, на какую сумму кредита данных потребитель может рассчитывать. Либо сотрудник отдела закупок при оформлении заказа должен получить автоматически рассчитанный, рекомендуемый объем закупки каждого товара. Для реализации концепции тиражирования знаний необходимо решить 4 задачи: 1 Аккумулировать данные, необходимые для анализа, обеспечив унифицированный простой способ получения любой информации, необходимой для анализа. 2 Формализовать знания экспертов. Трансформировать знания экспертов в модели, пригодные для автоматизированной обработки. 3 Подобрать способы визуализации и отобразить результаты обработки наиболее удобным способом. 4 Предоставить возможность работать сотрудникам с формализованными знаниями экспертов как с «черным ящиком», т.е. без необходимости вникать в то, каким образом реализована обработка внутри.
  • Примеры бизнес-задач, где применяются эти методы. Классификация используется в случае, если заранее известны классы отнесения объектов. Например, отнесение нового товара к той или иной товарной группе, отнесение клиента к какой- либо категории. При кредитовании это может быть, например, отнесение клиента по каким-то признакам к одной из групп риска. Регрессия чаще всего используется при прогнозировании объемов продаж, в этом случае зависимой величиной являются объемы продаж, а факторами, влияющими на эту величину, могут быть предыдущие объемы продаж, изменение курса валют, активность конкурентов и т.д. или, например, при диагностике оборудования, когда оценивается зависимость надежности от различных внешних факторов, показателей датчиков, износа оборудования. Кластеризация может использоваться для сегментирования и построения профилей клиентов (покупателей). При достаточно большом количестве клиентов становится трудно подходить к каждому индивидуально. Поэтому клиентов удобно объединить в группы – сегменты со сходными признаками. Выделять сегменты клиентов можно по нескольким группам признаков. Это могут быть сегменты по сфере деятельности, по географическому расположению. После сегментации можно узнать, какие именно сегменты являются наиболее активными, какие приносят наибольшую прибыль, выделить характерные для них признаки. Эффективность работы с клиентами повышается за счет учета их персональных или групповых предпочтений. Ассоциации помогают выявлять совместно приобретаемые товары. Это может быть полезно для более удобного размещения товара на прилавках, стимулирования продаж. Тогда человек, купивший пачку спагетти, не забудет купить к ним бутылочку соуса. Последовательные шаблоны могут быть использованы, например, при планировании продаж или предоставлении услуг. Например, если человек приобрел фотопленку, то через неделю он отдаст ее на проявку и закажет печать фотографий. Для анализа отклонений необходимо сначала построить шаблон типичного поведения изучаемого объекта. Например, поведение человека при использовании кредитных карт. Тогда будет известно, что клиент (покупатель) использует карту регулярно два раза в месяц и приобретает товар в пределах определенной суммы. Отклонением будет, например, не запланированное приобретение товара по данной карте на большую сумму. Это может говорить об ее использовании другим лицом, то есть о факте мошенничества
  • Заказная разработка: проблемы бизнеса – это проблемы заказчика Продуктовая разработка: проблемы бизнеса = проблемы ИТ
  • Слуга двух господ: комплексный подход к использованию средств бизнес анализа (BI) в рамках организации

    1. 1. Слуга двух господ: комплексный подход к использованию средств бизнес анализа (BI) в рамках организации Карабанова Галина [email_address] И Новичков Александр www.cmcons.com [email_address]
    2. 2. Что нас ждет в ближайший час <ul><li>Business Intelligence (BI) </li></ul><ul><li>Комплексный подход к использованию BI в организации </li></ul><ul><ul><li>С какими проблема сталкиваются бизнес и ИТ </li></ul></ul><ul><ul><li>Ключевая роль BI </li></ul></ul><ul><ul><li>Примеры задач из ИТ-проектов, решаемых средствами BI </li></ul></ul><ul><li>Методика внедрения BI </li></ul><ul><li>Обзор инструментов Business Intelligence </li></ul>
    3. 3. <ul><li>Business Intelligence (BI) </li></ul>
    4. 4. Глоссарий BI <ul><ul><ul><li>On-Line Analytical Processing (OLAP) </li></ul></ul></ul><ul><ul><ul><li>Predictive Analytics ( Прогнозирование) </li></ul></ul></ul><ul><ul><ul><li>Data Mining </li></ul></ul></ul><ul><ul><ul><li>Data Visualization (Визуализация) </li></ul></ul></ul><ul><ul><ul><li>Dashboards (Приборные доски) </li></ul></ul></ul><ul><ul><ul><li>Scorecards (Показатели) </li></ul></ul></ul><ul><ul><ul><li>Key Performance Indicators (KPIs) </li></ul></ul></ul><ul><ul><ul><li>Data Warehouses (DW) </li></ul></ul></ul><ul><ul><ul><li>Enterprise Data Warehouse (EDW) </li></ul></ul></ul><ul><ul><ul><li>Data Marts (DM) (Витрины данных) </li></ul></ul></ul><ul><ul><ul><li>Data Integration </li></ul></ul></ul><ul><ul><ul><li>Extract, Transform & Load (ETL) </li></ul></ul></ul><ul><ul><ul><li>Enterprise Information Integration (EII) </li></ul></ul></ul><ul><ul><ul><li>Extract, Load & Transform (ELT) </li></ul></ul></ul><ul><ul><ul><li>Dimensions & Facts (Измерения и факты) </li></ul></ul></ul><ul><ul><ul><li>Enterprise Information Management (EIM) </li></ul></ul></ul>
    5. 5. Определение термина Business Intelligence <ul><li>Конец 1980-х годов, Gartner: </li></ul><ul><ul><li>Business Intelligence – ориентированный на пользователя процесс , который включает доступ и исследование информации, ее анализ, выработку интуиции и понимания, которые ведут к улучшенному и неформальному принятию решений </li></ul></ul><ul><li>1996 г. – уточнение: </li></ul><ul><ul><li>Инструменты для анализа данных, построения отчетов и запросов могут помочь бизнес-пользователям преодолеть море данных для того, чтобы синтезировать из них значимую информацию - сегодня эти инструменты в совокупности попадают в категорию, называемую (Business Intelligence) </li></ul></ul><ul><li>Настоящее время – можно выделить 2 подхода: </li></ul><ul><ul><li>BI как методы, технологии, средства извлечения и представления знаний </li></ul></ul><ul><ul><li>BI как знания о бизнесе и для бизнеса </li></ul></ul>
    6. 6. Определение Forrester Research, Inc. <ul><ul><li>Оригинал: </li></ul></ul><ul><ul><li>Business intelligence is a set of methodologies, processes, architectures and technologies that transform raw data into meaningful and useful information used to enable more effective strategic, tactical and operational insights and decision-making </li></ul></ul><ul><li>По-русски: </li></ul><ul><ul><li>Business intelligence – это набор методологий, процессов, архитектурных решений и технологий , которые позволяют превратить ряды данных в значимую и полезную информацию, используемую для принятия наиболее эффективных решений на каждом из 3-х уровней: </li></ul></ul><ul><ul><ul><li>Стратегический </li></ul></ul></ul><ul><ul><ul><li>Тактический </li></ul></ul></ul><ul><ul><ul><li>Операциональный </li></ul></ul></ul>
    7. 7. Модель процесса анализа данных и принятия решений с использованием BI
    8. 8. 2 подхода к анализу данных <ul><li>Вариант 1 – визуализация информации </li></ul><ul><ul><li>Программа используется для извлечения данных из источников и предоставления их человеку для самостоятельного анализа и принятия решений. </li></ul></ul><ul><li>Вариант 2 – построение моделей </li></ul><ul><ul><li>Модель имитирует некоторый процесс, например, изменение объемов продаж некоторого товара, поведение клиентов и др. Построенную модель можно использовать для принятия решений, объяснения причин, оценки значимости факторов, моделирования различных вариантов развития… </li></ul></ul>
    9. 9. Базовые методы анализа данных <ul><li>OLAP (Online Analitical Processing) – оперативная аналитическая обработка данных. OLAP дает возможность в реальном времени генерировать описательные и сравнительные сводки данных и получать ответы на различные аналитические запросы </li></ul><ul><li>KDD (Knowledge Discovery in Databases) – извлечение знаний из баз данных. Это процесс поиска полезных знаний в «сырых данных» </li></ul>
    10. 10. Операции метода Knowledge Discovery in Databases
    11. 11. Задачи, решаемые с помощью Data Mining
    12. 12. Тиражирование знаний
    13. 13. Методы Business intelligence уже давным-давно применяются в бизнесе!
    14. 14. <ul><li>Комплексный подход к использованию BI в организации </li></ul>
    15. 15. Необходимость комплексного подхода к оценке эффективности работы организации <ul><li>Почему нужно думать об эффективности или какие бывают проблемы? </li></ul>Бизнес ИТ Что понимаем под «бизнесом» и что понимаем под «ИТ»?
    16. 16. Роль ИТ в бизнесе организации - 1 <ul><li>Вариант 1: Разработка ИС для бизнеса </li></ul>Бизнес ИТ- подразделение ИС для поддержки бизнеса Функция ИТ: Разработка и сопровождение ИС
    17. 17. Роль ИТ в бизнесе организации - 2 <ul><li>Вариант 2: Обслуживание ИС, используемых в бизнесе </li></ul>Бизнес ИТ- подразделение ИТ-услуги Функция ИТ: Сопровождение ИС и ИТ
    18. 18. Роль ИТ в бизнесе организации - 3 <ul><li>Вариант 3: Разработка ИС – один из видов бизнеса </li></ul>Бизнес ИТ- подразделение Функция ИТ: Зависит от стратегии организации … Заказчик
    19. 19. Роль ИТ в бизнесе организации - 4 <ul><li>Вариант 4: Разработка ИС – основной бизнес </li></ul>Бизнес ИТ + ИС Функция ИТ: Разработка, внедрение, сопровождение ИС Заказчик Рынок
    20. 20. Какие бывают проблемы? Бизнес ИТ <ul><ul><li>Не реализована вовремя необходимая функция </li></ul></ul><ul><ul><li>После поставки обновления произошел сбой в критически важном функционале </li></ul></ul><ul><li>ИТ никогда не могут назвать точных сроков / уложиться в сроки </li></ul><ul><li>Не понятно, на что ИТ тратит деньги </li></ul><ul><li>Бизнес не доверяет ИТ! </li></ul>Увеличение издержек или уменьшение прибыли! <ul><ul><li>Необходимость срочного внесения изменений может постоянно нарушать план работы ИТ-подразделения </li></ul></ul><ul><li>Нет возможности спланировать работы по реинжинирингу ИС / компонента ИС </li></ul>Постоянно откладывается решение важных, но не срочных задач, что приводит к моральному устареванию ИС!
    21. 21. На чем основывается доверие? Оправдались ли ожидания? Да Нет Доверие возрастает Доверие падает Доверие = оправданные ожидания! Правило: « Under promise and over deliver »
    22. 22. Управление ожиданиями и Разработка ПО
    23. 23. Ключевая роль BI BI Анализ завершенных проектов, реализованных задач, выявление зависимостей и закономерностей, прогнозирование Статистический анализ Показатели, метрики Сбор метрик
    24. 24. Примеры аналитических запросов от ИТ
    25. 25. <ul><li>Методика внедрения BI </li></ul>
    26. 26. Увеличение потенциала поддержки бизнес-решений Пользователь Бизнес-аналитик Аналитик данных DBA
    27. 27. Типовая архитектура инструментов BI Импорт Обработка Экспорт Data Warehouse , СУБД, учетные системы, … Data Warehouse , СУБД, учетные системы, …
    28. 28. Методика внедрения BI <ul><li>Анализ потребностей организации </li></ul><ul><ul><li>Обследование процессов </li></ul></ul><ul><ul><ul><li>Если нет метрик, то рекомендации и услуги по внедрению </li></ul></ul></ul><ul><ul><ul><li>Если есть, то анализ и выявление закономерностей </li></ul></ul></ul><ul><li>Построение и подгонка модели / моделей </li></ul><ul><ul><li>Проверка зависимостей и закономерностей </li></ul></ul><ul><ul><li>Разработка сценариев </li></ul></ul><ul><ul><li>Проектирование отчетов и др. средств визуализации знаний </li></ul></ul><ul><li>Внедрение инструментов и обучение пользователей </li></ul>
    29. 29. <ul><li>Обзор инструментов Business Intelligence </li></ul>
    30. 30. Магический квадрант Gartner для решений Business Intelligence http://www.gartner.com Deductor
    31. 31. <ul><li>СПАСИБО </li></ul><ul><li>ЗА </li></ul><ul><li>ВНИМАНИЕ! </li></ul><ul><li>www.cmcons.com </li></ul>
    1. A particular slide catching your eye?

      Clipping is a handy way to collect important slides you want to go back to later.

    ×