Системы Business Intelligent

Приложения DSS первого поколения  были пакетами прикладных программ с  динамической генерацией SQL-скриптов по типу запрашиваемой пользователем  информации. Они позволяли аналитикам получать информацию из реляционных  БД, не требуя знания SQL. В отличие  от EIS приложения DSS могут отвечать на широкий спектр вопросов бизнеса, имеют  несколько вариантов представления  отчетов и определенные возможности  форматирования. Однако гибкость таких  пакетов все же была ограничена из-за ориентации на конкретный набор задач.

С приходом ПК и локальных  сетей следующее поколение приложений DSS строится уже на основе BI и позволяет  пользователю-непрограммисту легко  и оперативно извлекать информацию из различных источников, формировать  собственные настраиваемые отчеты или графические представления, проводить многомерный анализ данных. Развитие систем бизнес-интеллекта прошло путь от «толстых» клиентов до Web-приложений, в которых пользователь ведет исследование с помощью браузера и может работать удаленно. Можно также создавать сценарии «что если» и коллективно просматривать и обновлять информацию.

Хотя пользователи корпоративной BI-информации традиционно находятся  внутри предприятия, с распространением Web для электронного бизнеса, B2B, CRM и SCM BI-пользователи могут быть и внешними по отношению к предприятию, а  в B2C, C2B и на торговых площадках пользователями BI являются пользователи Internet.

BI и хранилища данных

Концепция, методы и средства хранилища данных (Data warehousing) определяют подходы и обеспечивают интеграцию, очистку, ретроспективное хранение информации, предназначенной для  анализа [3], отвечают на вопрос «Как подготовить  информацию для анализа?». Технология бизнес-интеллекта определяет методы и средства доступа и оперативного анализа информации в терминах предметной области. BI-средства не обязательно должны работать в инфраструктуре хранилища данных, но в этом случае проблема очистки и согласования данных возлагается на них, причем осуществлять эти операции придется на лету или же предварительно, но для обособленного информационного ресурса. Кроме того, есть эффект влияния на производительность и надежность оперативной системы обработки транзакций. Вот почему хорошей корпоративной практикой является выделение транзакционной и аналитической составляющих и применение для второй различных решений по хранилищу данных. Основные стыки идут не только на уровне информации, но и на уровне метаданных. В случае хранилища данных можно обеспечить централизованное управление метаданными.

Следует отметить, что часто  термином «хранилище данных» обозначают систему поддержки принятия решений DSS или информационно-аналитическую  систему, основанные на технологиях  хранилища данных и бизнес-интеллекта

Глава 3. Классификация продуктов Business intelligence

      Сегодня  категории BI-продуктов включают: BI-инструменты и BI-приложения. Первые, в свою очередь, делятся на: генераторы запросов и отчетов;  развитые BI-инструменты, — прежде  всего инструменты оперативной  аналитической обработки (online analytical processing, OLAP); корпоративные BI-наборы (enterprise BI suites, EBIS); BI-платформы. Главная часть  BI-инструментов делится на корпоративные  BI-наборы и BI-платформы. Средства  генерации запросов и отчетов  в большой степени поглощаются  и замещаются корпоративными BI-наборами. Многомерные OLAP-механизмы или  серверы, а также реляционные  OLAP-механизмы являются BI-инструментами  и инфраструктурой для BI-платформ. Большинство BI-инструментов применяются конечными пользователями для доступа, анализа и генерации отчетов по данным, которые чаще всего располагаются в хранилище, витринах данных или оперативных складах данных. Разработчики приложений используют BI-платформы для создания и внедрения BI-приложений, которые не рассматриваются как BI-инструменты. Примером BI-приложения является информационная система руководителя EIS.

Инструменты генерации запросов и отчетов

Генераторы запросов и  отчетов — типично «настольные» инструменты, предоставляющие пользователям  доступ к базам данных, выполняющие  некоторый анализ и формирующие  отчеты. Запросы могут быть как  незапланированными (ad hoc), так и иметь  регламентный характер. Имеются системы  генерации отчетов (как правило, серверные), которые поддерживают регламентные запросы и отчеты. Настольные генераторы запросов и отчетов расширены  также некоторыми облегченными возможностями OLAP. Развитые инструменты этой категории  объединяют в себе возможности пакетной генерации регламентных отчетов  и настольных генераторов запросов, рассылки отчетов и их оперативного обновления, образуя так называемую корпоративную отчетность (corporate reporting) [10]. В ее арсенал входят сервер отчетов, средства рассылки, публикации отчетов  на Web, механизм извещения о событиях или отклонениях (alerts). Характерные представители — Crystal Reports, Cognos Impromptu и Actuate e.Reporting Suite.

OLAP или развитые аналитические  инструменты

Инструменты OLAP являются аналитическими инструментами, которые первоначально  были основаны на многомерных базах данных (МБД)

     МБД — это  базы данных, сконструированные  специально для поддержки анализа  количественных данных с множеством  измерений, содержат данные в  «чисто» многомерной форме. Большинство  приложений включают измерение  времени, другие измерения могут  касаться географии, организационных единиц, клиентов, продуктов и др. OLAP позволяет организовать измерения в виде иерархии. Данные представлены в виде гиперкубов (кубов) — логических и физических моделей показателей, коллективно использующих измерения, а также иерархии в этих измерениях. Некоторые данные предварительно агрегированы в БД, другие рассчитываются «на лету».

Средства OLAP позволяют исследовать  данные по различным измерениям. Пользователи могут выбрать, какие показатели анализировать, какие измерения  и как отображать в кросс-таблице, обменять строки и столбцы «pivoting», затем сделать срезы и вырезки («slice&dice»), чтобы сконцентрироваться на определенной комбинации размерностей. Можно изменять детальность данных, двигаясь по уровням с помощью детализации и укрупнения «drill down/ roll up», а также кросс-детализации «drill across» через другие измерения.

Для поддержки МБД используются OLAP-серверы , оптимизированные для многомерного анализа и поставляемые с аналитическими возможностями. Они обеспечивают хорошую производительность, но обычно требуют много времени для загрузки и расширения МБД. Поставляются с возможностью «reach-through», позволяя перейти от агрегатов к деталям в реляционных БД. Классический OLAP-сервер — Hyperion Essbase Server.

Сегодня реляционные СУБД применяются для эмуляции МБД  и поддерживают многомерный анализ. OLAP для реляционных БД (ROLAP) имеет  преимущество по масштабируемости и  гибкости, но проигрывает по производительности многомерному OLAP (MOLAP), хотя существуют методы повышения производительности, наподобие схемы «звезда». Несмотря на то что МБД являются по-прежнему наиболее подходящими для оперативной аналитической обработки, сейчас эту возможность встраивают в реляционные СУБД или расширяют их (например, MS Analysis Services или ORACLE OLAP Services — это не то же самое, что ROLAP). Также существует гибридная оперативная аналитическая обработка данных (HOLAP) для гибридных продуктов, которые могут хранить многомерные данные естественным образом, а также в реляционном представлении. Доступ к МБД осуществляется с помощью API для генерации многомерных запросов, тогда как к реляционным БД доступ производится посредством запросов на SQL. Примером ROLAP-сервера является Microstrategy7i Server.

Настольные OLAP-инструменты (например, BusinessObjects Explorer, Cognos PowerPlay, MS Data Analyzer), встроенные сейчас в EBIS, облегчают  конечным пользователям просмотр и  манипулирование многомерными данными, которые могут поступать из серверных  ресурсов данных ROLAP или MOLAP. Некоторые  из этих продуктов имеют возможность  загружать кубы, так что они  могут работать автономно. Как часть EBIS эти настольные инструменты оснащены возможностями серверной обработки, которые выходят за пределы их традиционных возможностей, но не конкурируют  с MOLAP-инструментами. Настольные инструменты  по сравнению с MOLAP-средствами имеют  небольшую производительность и  аналитическую мощь. Нередко обеспечивается интерфейс через Excel, например, MS Eхcel2000/OLAP PTS, BusinessQuery for Excel. Практически все OLAP-инструменты  имеют Web-расширения (Business Objects WebIntelligence к примеру), для некоторых они являются базовыми.

Корпоративные BI-наборы

EBIS — естественный путь  для предоставления BI-инструментов, которые ранее поставлялись в  виде разрозненных продуктов.  Эти наборы интегрируются в  наборы инструментов генерации  запросов, отчетов и OLAP. Корпоративные  BI-наборы должны иметь масштабируемость  и распространяться не только  на внутренних пользователей,  но и на ключевых заказчиков, поставщиков и др. Продукты BI-наборов  должны помогать администраторам  при внедрении и управлении BI без добавления новых ресурсов. Из-за тесного родства Web и корпоративных  BI-наборов некоторые поставщики  описывают свои BI-наборы как BI-порталы.  Эти портальные предложения обеспечивают подмножество возможностей EBIS с помощью Web-браузера, однако поставщики постоянно увеличивают их функциональность, приближая ее к возможностям инструментов для «толстых» клиентов. Типичные EBIS поставляют Business Objects и Cognos.

BI-платформы

BI-платформы предлагают  наборы инструментов для создания, внедрения, поддержки и сопровождения  BI-приложений. Имеются насыщенные  данными приложения с «заказными»  интерфейсами конечного пользователя, организованные вокруг специфических бизнес-проблем, с целевым анализом и моделями. BI-платформы, хотя и не так быстро растут и широко используются как EBIS, являются важным сегментом благодаря ожидаемому и уже происходящему росту BI-приложений. Стараниями поставщиков реляционных СУБД, создающих OLAP-расширения своих СУБД, многие поставщики платформ, которые предоставили многомерные СУБД для OLAP, чтобы выжить были вынуждены мигрировать в область BI-приложений. Семейства продуктов СУБД, обеспечивающие возможности BI, действительно подталкивают рост рынка BI-платформ. Отчасти это происходит благодаря большей активности ряда поставщиков СУБД. Рассматривая различные инструменты, видим, что EBIS являются высоко функциональными средствами, но они не имеют такого большого значения, как BI-платформы или заказные BI-приложения. Зато BI-платформы обычно не так функционально полны, как корпоративные BI-наборы. При выборе BI-платформ нужно учитывать следующие характеристики: модульность, распределенную архитектуру, поддержку стандартов XML, OLE DB for OLAP, LDAP, CORBA, COM/DCOM и обеспечение работы в Web. Они должны также обеспечивать функциональность, специфическую для бизнес-интеллекта, а именно: доступ к БД (SQL), манипулирование многомерными данными, функции моделирования, статистический анализ и деловую графику. Эту категорию продуктов представляют фирмы Microsoft, SAS Institute, ORACLE, SAP и другие.

BI-приложения

В приложения бизнес-интеллекта часто встроены BI-инструменты (OLAP, генераторы запросов и отчетов, средства моделирования, статистического анализа, визуализации и data mining). Многие BI-приложения извлекают данные из ERP-приложений. BI-приложения обычно ориентированы на конкретную функцию организации или задачу, такие как анализ и прогноз продаж, финансовое бюджетирование, прогнозирование, анализ рисков, анализ тенденций, «churn analysis» в телекоммуникациях и т.п. Они могут применяться и более широко как в случае приложений управления эффективностью предприятия (enterprise perfomance management) или системы сбалансированных показателей (balanced scorecard).

Разведка данных

Разведка данных (data mining) представляет собой процесс обнаружения  корреляции, тенденций, шаблонов, связей и категорий. Она выполняется  путем тщательного исследования данных с использованием технологий распознавания шаблонов, а также  статистических и математических методов. При разведке данных многократно выполняются различные операции и преобразования над сырыми данными (отбор признаков, стратификация, кластеризация, визуализация и регрессия), которые предназначены: 1) для нахождения представлений, которые являются интуитивно понятными для людей, которые, в свою очередь, лучше понимают бизнес-процессы, лежащие в основе их деятельности; 2) для нахождения моделей, которые могут предсказать результат или значение определенных ситуаций, используя исторические или субъективные данные.

В отличие от использования OLAP разведка данных в значительно  меньшей степени направляется пользователем, вместо этого полагается на специализированные алгоритмы, которые устанавливают  соотношение информации и помогают распознать важные (и ранее неизвестные) тенденции, свободные от предвзятости и предположений пользователя.

Другие методы и средства BI

Кроме перечисленных инструментов, в состав BI могут входить следующие средства анализа: пакеты статистического анализа и анализ временных рядов и оценки рисков; средства моделирования; пакеты для нейронных сетей; средства нечеткой логики и экспертные системы.