Отдавая инициативу в руки пользователю, можно как расширить использование аналитики внутри компании, так и сделать ее по-настоящему оперативной, влияющей на принятие решений. Схожие методы подразумевает аналитика Больших Данных: зачастую заранее неизвестен ни точный состав данных, ни ожидаемый результат анализа, но полученный бизнес-эффект может быть огромным.

На предприятия приходит новое поколение сотрудников, которые не хотят ждать часами построения отчетов и тем более не желают формировать запросы в ИТ-департамент на их подготовку. Им нужны быстрота и гибкость. Только предоставив инструменты, отвечающие ожиданиям пользователей, можно обеспечить реальное их применение и составить конкуренцию «народным» аналитическим инструментам — электронным таблицам.

На рынке систем бизнес-аналитики наблюдается разгар трансформации — от решений, направленных в первую очередь на корпоративную отчетность, к средствам прогнозирования, оптимизации и поддержки принятия решений. Из-за растущей важности систем «продвинутой» аналитики в этом году эксперты Gartner впервые выделили их из традиционных BI-систем, опубликовав две версии «Магического квадранта».

Фактически Data Discovery стала новой формой работы с данными, порожденной новыми возможностями технологий. Она характерна тем, что в ее ходе человек хочет не подсчитать что-либо, а выявить тенденцию, причем иногда сам не зная, какую именно. Особенностями такой деятельности являются отсутствие типовых задач и четко определенной модели данных, а также использование «чужих» (а не только корпоративных) данных. Но главное — в этом случае количество гораздо важнее качества. «Грязные» данные могут дать вполне приемлемые результаты, что и становится главным козырем технологий Больших Данных.

Однако имеет ли смысл противопоставлять традиционную аналитику новой? Как отмечает Алексей Мещеряков, руководитель направления платформенных решений «SAS Россия/СНГ», применение аналитики в целом пошло двумя путями. В первом, более традиционном, аналитика работает без участия человека, то есть решения принимаются автоматически по уже разработанным моделям и алгоритмам. Второй же, напротив, предполагает непосредственное участие аналитика в процессе исследования и понимания данных. Именно в результате такой работы и будут создаваться продвинутые аналитические модели для встраивания в бизнес-процессы организации.

Пользователи в роли идеологов

Потребность в новой, принципиально иной аналитике вызвала необходимость реализовать проект в бизнес-единице «Минеральная изоляция» корпорации «ТехноНиколь» — одного из крупнейших производителей кровельных, гидро- и теплоизоляционных материалов. Благодаря возможности верно и своевременно принимать управленческие решения, должен был значительно улучшиться клиентский сервис, а точность поставок — составить более 80%.

Основным инициатором проекта стало коммерческое руководство компании — директор по маркетингу, дирекция продаж, а также бизнес-аналитики. Они не были удовлетворены существующими традиционными BI-инструментами как с точки зрения оперативности получения необходимых отчетов, так и с точки зрения удобства для пользователей.

«Решение QlikView привлекло нас многими достоинствами: разумность системы, легкость настройки, дружелюбный интерфейс, — говорит Татьяна Бертова, директор по развитию производственной системы корпорации «ТехноНиколь». — Но в первую очередь оно подкупило своим быстродействием и ориентированностью на бизнес-пользователей». Система не только оперативно отрабатывает данные с технической точки зрения, но и дает возможность пользователям самостоятельно находить ответы на свои бизнес-вопросы, без запросов в ИТ-департамент. Скорость, простота использования и минимальная зависимость от ИТ-специалистов — это то, чего не хватает большинству корпоративных систем.

Как подчеркивает Бертова, многие традиционные BI-системы помогают строить отчеты, но решение другого класса — Data Discovery — позволяет не просто получать аналитику, а реально минимизировать время, которое проходит от возникновения проблемы до ее решения. Во многом это происходит благодаря реализованным в системе возможностям самостоятельного анализа и построения приложений пользователями. Внедренная платформа поддерживает решение бизнес-задач на каждом этапе: от локализации проблемы, конкретизации причин до анализа эффективности принятого управленческого решения.

Уже на первом этапе проекта удалось создать приложение для доскональной аналитики продаж, осуществляющее анализ динамики продаж и план-фактный анализ, анализ активности покупателей и зависимости продаж от различных групп факторов. Это помогает оптимизировать клиентский сервис и максимально эффективно загружать производственные линии и склад. QlikView интегрирована с ключевыми бизнес-системами — «1С», SAP BW, Oracle Demantra, Oracle SNO.

Внедрение системы уже позволило осуществлять эффективное управление ценообразованием, проводить объемное планирование, усилить управление остатками и продажами. В дальнейшем планируется вооружить дирекцию по маркетингу фундаментальным инструментом управления, хотя ряд задач по маркетинговой аналитике реализован уже сейчас. В скором времени в системе появятся данные по протоколам испытаний готовой продукции, что позволит повысить эффективность управления качеством.

«Ключевыми факторами успеха подобного проекта являются не только качественные данные и их эффективная интеграция. Что гораздо важнее, нужны «продвинутые» бизнес-пользователи, понимающие бизнес-задачи, обладающие навыками построения отчетов и пониманием архитектуры данных.

В системах класса Data Discovery такой пользователь может стать не только идеологом, но и разработчиком системы аналитики», — резюмирует Бертова.

Как известно, аппетит приходит во время еды. Самое сложное в развитии проекта сейчас — это актуализировать систему в соответствии с потребностями пользователей. Ее широкие возможности порождают запросы на новые возможности и функционал, внедрение которых ложится на плечи ИТ-службы и бизнес-аналитиков, а их ресурс времени ограничен.

Exploration and Discovery — это два термина, которые активно используются в западных источниках для описания процессов, происходящих при работе бизнес-пользователей с информацией, и современные BI-средства успешно совмещают два этих понятия. Очень важно не только иметь возможность проводить самостоятельные исследования (Exploration), но и совершать открытия (Discovery). Для этого в инструменты BI встраиваются аналитические возможности. Даже неподготовленный бизнес-пользователь может буквально двумя кликами мыши продолжить найденный тренд, сделать прогноз или выявить значимые характеристики, построив дерево решений.

«Предполагаю, что на начальном этапе традиционные и новые решения будут развиваться параллельно, вбирая, пусть и в усеченном виде, функциональность друг друга», — полагает Владимир Ермаков, эксперт в области математического моделирования бизнес-процессов компании «Аналитика Плюс». Далее произойдет конвергенция, схожая с той, что имела место между совершенно разными мирами — телевидением, телекоммуникациями и вычислительными системами. Аналогия очевидна — прежде пользователю требовалось три класса устройств: телевизор, телефон и компьютер. Теперь есть огромное количество устройств и решений, которые совмещают эти три функции.

Наиболее известны три поставщика платформ Data Discovery — Qlik, Tibco и Tableau, первый из которых весьма популярен в России. Более того, в Qlik ввели слово Discovery в название своего продукта, построив маркетинговую стратегию на противопоставлении себя поставщикам традиционных решений и добившись в этом значительных успехов. Несколько лет маркетинговых усилий не прошли даром: независимые аналитики стали рекомендовать такие платформы для решения отдельных задач параллельно с уже внедренными «тяжелыми» BI-системами.

Крупные поставщики BI-платформ отстают, хотя и вынуждены адаптироваться к требованиям рынка. Oracle заняла эту нишу после приобретения Endeca. Другие выпустили собственные решения — например, IBM Cognos Insights, SAS Visual Analytics, MicroStrategy Visual Insight, Microsoft PowerView.

«Предоставление исчерпывающей ин­формации и способов исследования и обнаружения необходимых фактов без ограничений — одно из основных качеств систем класса Data Discovery», — подчеркивает Мещеряков. Можно сказать, что простота работы и наглядный графический интерфейс, позволяющий даже непрофессионалам в области ИТ буквально на лету «читать» результаты анализа, — отличительные черты таких систем. При этом сами технологии анализа не стали примитивнее — напротив, они позволяют очень быстро и точно обрабатывать огромные объемы информации благодаря применению средств высокопроизводительной аналитики, например вычислений в оперативной памяти и распределенных вычислений. Упрощение восприятия результатов сложного анализа, а также возможность строить модели без привлечения «вечно занятых айтишников» — все это привело к существенному расширению числа пользователей подобных систем.

Большое число принципиально новых возможностей, среди которых интерактивность и возможность работать на всех основных видах мобильных устройств, могут преобразить стиль работы аналитиков в компании, вывести популярность инструментов бизнес-анализа на новый, невиданный ранее уровень.

Поделитесь материалом с коллегами и друзьями

Купить номер с этой статьей в PDF