Основные понятия Business Intelligence

Термин «Business Intelligence» существует уже несколько десятилетий, однако из-за отсутствия адекватного перевода и четкого понимания его значения, данное понятие употребляется достаточно редко.

Первое общепризнанное определение термина «Business Intelligence» (BI) впервые появилось в конце 80-х гг. прошлого века, и было определено как «пользователецентрический процесс, включающий доступ и исследование информации, ее анализ, выработку интуиции и понимания, которые способствуют принятию правильных и обоснованных решений». Иными словами, понятие Business Intelligence представляло собой концептуальный процесс, лежащий в основе систем поддержки принятия решений того времени. Однако уже спустя несколько лет, в 1996 г. аналитики Gartner уточнили определение: Business Intelligence теперь выступает как «комплекс инструментов для анализа данных, построения отчетов и запросов, которые призваны помочь бизнес-пользователям получить важную информацию из определенного массива данных» [2].

Определение, предложенное The Data Warehousing Institute, гласит: «Business intelligence имеет отношение к процессу превращения данных в знания, а знаний в действия бизнеса для получения выгоды. Является деятельностью конечного пользователя, которую облегчают различные аналитические и групповые инструменты и приложения, а также инфраструктура хранилища данных» [6].

Из данных определений вытекает, что BI в широком смысле слова определяет:

• — процесс превращения данных в информацию и знания о бизнесе для поддержки принятия улучшенных и неформальных решений;
• — информационные технологии (методы и средства) сбора данных, консолидации информации и обеспечения доступа бизнес-пользователей к знаниям;
• — знания о бизнесе, добытые в результате углубленного анализа детальных данных и консолидированной информации [3].

Стоит отметить, что Business Intelligence не является продуктом или системой, а представляет собой общее понятие, включающее в себя архитектуру, приложения, а также базы знаний.

Все BI-продукты можно разделить на BI-инструменты и BI-приложения. BI-инструменты можно классифицировать на:

• — генераторы запросов и отчетов — «настольные» инструменты, предоставляющие пользователям доступ к базам данных, выполняющие некоторый анализ и формирующие отчеты [Аналитическая обработка данных. Обзор BI-систем];
• — инструменты оперативной аналитической обработки (online analytical processing, OLAP);
• — корпоративные BI-наборы (enterprise BI suites, EBIS) Эти наборы интегрируются в наборы инструментов генерации запросов, отчетов и OLAP;
• — BI-платформы инструмент, который даёт организациям возможность строить приложения, позволяющие изучать и понимать бизнес [8].

Основная часть BI-инструментов делится на корпоративные BI-наборы и BI-платформы, поскольку генераторы запросов и отчетов на данном этапе развития практически полностью поглощаются или замещаются BI-наборами, а OLAP-механизмы представляют инфраструктуру для BI-платформ.

BI приложения дают возможность исследовать сложные категории данных большого объёма. BI приложения включают в себя следующие типы инструментальных средств:

• — Информационные системы (далее ИС) многомерного анализа (OLАР, On-Line Analytical Processing) — приложения для анализа данных в разрезе нескольких измерений;
• — ИС запросов (Query Tools) — приложения, позволяющие формировать различные запросы к данным;
• — ИС интеллектуального анализа данных (Data Mining) — приложения, осуществляющие поиск зависимостей в больших базах данных.

С точки зрения интеграции данных, на современном этапе BI-системы содержат в себе следующие базовые компоненты:

• — средства доставки и визуализации данных;
• — DWH (Data WareHouse), — информационное хранилище данных;
• — ETL (Extract, Transform, Load) — инструменты интеграции, выполняющие сбор, преобразование и консолидацию данных;
• — Data Mining — набор инструментов и методов обнаружения в данных ранее неизвестных, нетривиальных, практически полезных и доступных интерпретации закономерностей [4].

Томас Дэвенпорт из колледжа Бэбсон (США) в своей работе «Analytics at Work» [7], определил основные этапы работ, при использовании систем Business Intelligence:

• 1. Извлечение данных.
• 2. Формирование отчетов и аналитическая обработка в реальном времени (OLAP).
• 3. Использование инструментов уведомления об отклонениях от ожидаемых значений показателей.
• 4. Выработка управленческих решений на основе бизнес-анализа.

Особого внимания заслуживают технологии и методы анализа, которые лежат в основе BI-решений. Большинство современных BI-решений строится на основе концепции Knowledge Discovery in Databases (KDD).

KDD — это концепция, которая описывает, как следует осуществлять анализ «сырых» данных. Принято выделять пять основных этапов процесса KDD:

• — Подготовка исходного набора данных.
• — Предварительная обработка данных, которая включает в себя решение задач выявления и устранения шумов и аномалий.
• — Нормализация и трансформация данных. На данном этапе решаются задачи приведения данных к общим единицам и масштабу, а также подготовка данных к применению методов интеллектуального и статистического анализа.
• — Применение методов интеллектуального, статистического анализа и технического анализа.
• — Постобработка данных, которая включает решение задач интерпретации результатов анализа и визуализации данных.

Таким образом, все методы аналитической обработки данных следует подразделять на:

• — методы предварительной обработки (устранение шумов и аномалий, нормализация и трансформация данных);
• — методы анализа (статистического и интеллектуального);
• — методы постобработки данных.

Среди методов анализа данных следует выделять две основные группы:

• 1. Методы статистического анализа данных. Методы данной группы широко применяются при решении задач, связанных с анализом данных при наличии случайных и непредсказуемых воздействий. Неоспоримым достоинством данной группы методов является их глубокая теоретическая проработка, сделанная математиками и другими исследователями за последние двести лет.
• 2. Методы интеллектуального анализа данных. Методы данной группы решают различные задачи анализа данных, опираясь на подходы из области искусственного интеллекта [6].

Целью BI является интерпретация большого количества данных, с заострением внимания только на ключевых факторах эффективности, моделирование исхода различных вариантов действий, отслеживание результатов принятия решений. Управленческий подход средствами BI обеспечивает целый ряд важных преимуществ тем компаниям, которые хотят добиться более эффективного внедрения своими проектами в бизнесе. Данные преимущества перечислены ниже:

• — рост осведомленности сотрудников о стратегической важности данных;
• — адекватная оценка того, как изменения в бизнес-операциях и поддерживающих их данных могут сказаться на рисках компании;
• — отход от дискретных бюджетов и переход к координированному финансированию и интегрированной разработке и внедрению систем;
• — использование единого корпоративного процесса, который обеспечивает авторизацию всех изменений в бизнес-операциях;
• — обеспечение того, чтобы все изменения бизнес-операций были направлены на снижение системных рисков с целью общего улучшения качества данных и целостности отчетности об эффективности работы [5].

BI наиболее эффективен, когда он объединяет данные, полученные из рынка, на котором работает компания (внешние данные), с данными из источников внутри компании, таких как финансовые и операции с данными (внутренние данные). В сочетании, внешние и внутренние данные дают полную картину бизнеса, которая, создает «интеллект» — быстрое понимание, которое не получить из простого набора данных.