Аналитическая пирамида средств ОИ

Информационную инфраструктуру компании можно представить в виде нескольких иерархических уровней, каждый из которых характеризуется степенью агрегированности информации и своей ролью в процессе управления [13]. В качестве примера схематического представления информационной инфраструктуры можно привести так называемую аналитическую пирамиду (analytical stack), разработанную компанией Gartner (см. рис. 4.1). В этой иерархии прослеживаются несколько уровней:

- уровень транзакционных систем;

- уровень систем бизнес-интеллекта, включая хранилища данных, витрины данных и OLAP-системы;

- уровень аналитических приложений.

Основанием аналитической пирамиды служат ERP и другие транзакционные системы. По мере движения от основания пирамиды к ее вершине происходит постепенное преобразование детальных операционных данных в агрегированную информацию, предназначенную для поддержки принятия управленческих решений.

Заметим, что отнести тот или иной программный продукт к какому-либо одному классу не всегда возможно, поскольку многие системы позволяют решать аналитические задачи нескольких категорий. К числу многофункциональных можно отнести системы таких мировых производителей, как: Hyperion Solutions Corp., Cognos, Business Objects, Microsoft. Типичным примером универсальной системы может служить Hyperion Essbase - аналитическая платформа класса OLAP, предназначенная для решения довольно широкого круга задач. Но, будучи OLAP-системой, Hyperion Essbase к тому же решает часть задач, относящихся к информационно-аналитическим системам, а также обеспечивает функции выявления закономерностей в данных, построения запросов и отчетов. Кроме того, в некоторых случаях ОLAP может использоваться в качестве многомерного хранилища данных, а также в качестве аналитической «прослойки» в крупных компаниях, где данные распределены по многим информационным источникам

Уровень транзакционных систем

К числу транзакционных относятся ERP-системы, автоматизированные банковские системы (АБС), биллинговые системы, учетные системы и некоторые другие. Часто для обозначения таких систем используется термин OLTP (On-Line Transaction Processing - обработка транзакций в режиме реального времени). Эти системы представляют собой источники первичной информации, используемой для аналитической обработки. Данные из этих источников требуется собрать, структурировать и представить в виде, удобном для принятия решений. Сами транзакционные системы тоже содержат некоторые аналитические возможности, но, строго говоря, не относятся к категории аналитических систем. В то же время именно они являются поставщиками информации для систем бизнес-интеллекта и аналитических приложений.

Одним из основных типов транзакционных систем являются системы класса ERP, именно они служат важным источником данных для после дующего анализа. Отметим, что передача данных из транзакционных систем в аналитические приложения может производиться как последовательно, через все обозначенные ярусы аналитической, так и более коротким путем, минуя один или несколько уровней.

Системы бизнес-интеллекта

Понятие систем бизнес-интеллекта (Business Intelligence, ВГ) объединяет различные средства и технологии анализа и обработки данных масштаба предприятия. Среди BI-систем можно выделить такие составляющие, как: хранилища данных (Data Warehouse), витрины данных (Data Marts), инструменты оперативной аналитической обработки (On-Line Analytical Processing, OLAP), средства обнаружения знаний (Data Mining), а также инструменты конечного пользователя, предназначенные для выполнения запросов и построения отчетов.

Хранилища данных (Data Warehouse) находятся на следующем после транзакционных систем уровне аналитической пирамиды. Хранилища определяются как «предметно-ориентированные, интегрированные, стабильные, поддерживающие хронологию наборы данных, организованные для целей поддержки управления, призванные выступать в роли «единого и единственного источника истины», обеспечивающего менеджеров и аналитиков достоверной информацией, необходимой для оперативного анализа и принятия решений». Ценность хранилищ данных для менеджеров и экономистов заключается в том, что это - некая база данных масштаба предприятия, которая содержит определенную аналитическую информацию, обеспечивает ее оперативное представление в удобном для пользователя виде и обладает структурой, учитывающей отраслевую специфику деятельности организации.

Витрины данных (Data Marts), как и хранилища, представляют собой структурированные информационные массивы, но отличие состоит в том, что витрины в еще большей степени являются предметно-ориентированными. Как правило, витрина содержит информацию, относящуюся к какому-либо определенному направлению деятельности организации. Поэтому информация в витрине данных хранится в специальном виде, наиболее подходящем для решения конкретных аналитических задач или обработки запросов определенной группы аналитиков.

Есть два взгляда на витрины данных. В одном случае витрина, по сути дела, представляет собой часть хранилища, оптимизированную для запросов к данным конкретной предметной области, в том числе, для передачи этих данных для последующей обработки в OLAP-систему. В другом случае витрина - это OLAP-куб или его часть, оптимизированная для запросов пользователей к данным конкретной предметной области. Поэтому с точки зрения организации хранения данных витрины могут быть как реляционными, так и многомерными, но в любом случае они обладают таким общим свойством, как предметная ориентированность.

OLAP-системы (On-Line Analytical Processing).

Под термином OLAP понимают системы аналитической обработки данных в режиме реального времени. OLAP-системы могут обеспечить решение многих аналитических задач: анализ ключевых показателей деятельности, маркетинговый и финансово-экономический анализ, анализ сценариев, моделирование, прогнозирование и т. д. Такие системы могут работать со всеми необходимыми данными, независимо от особенностей информационной инфраструктуры компании.

Особенность OLAP-систем состоит в многомерности хранения данных (в противовес реляционным таблицам), а также в предрасчете агрегированных значений. Это дает пользователю возможность строить оперативные нерегла- ментированные запросы к данным с использованием аналитических измерений. Кроме того, для OLAP-систем характерна предметная (а не техническая) структурированность информации, позволяющая пользователю оперировать привычными экономическими категориями и понятиями. Типичным представителем программных продуктов этого класса является разработка корпорации Hyperion - OLAP-сервер Hyperion Essbase.

Средства обнаружения знаний (Data Mining). Соответствующие программные продукты обеспечивают выявление закономерностей в данных, позволяя аналитику получать качественно новую информацию (возможно, не содержащуюся в источнике данных явным образом) и таким способом формировать знания на основе данных. Здесь используются такие методы анализа данных, как фильтрация, дерево решений, ассоциативные правила, генетические алгоритмы, нейронные сети, статистический анализ.

Системы бизнес-интеллекта, включающие реляционные и многомерные базы данных, в свою очередь, служат основой для систем верхнего уровня аналитической пирамиды - аналитических приложений.

Аналитические приложения

Высший уровень аналитической пирамиды - уровень аналитических приложений (analytic applications). Это информационные системы, обеспечивающие потребности организаций в автоматизации процессов обработки, анализа и оптимизации бизнес-процессов. Здесь пользователь применяет привычные для него инструменты, обеспечивающие реализацию методик управления. Такие системы могут быть довольно разнообразными: от простейших электронных таблиц до специализированных приложений для решения задач бюджетирования, консолидации финансовой отчетности, бизнес- моделирования. Именно к этой категории относятся прикладные программные ВРМ-продукты.

Как следует из названия, аналитические приложения нацелены на проведение анализа, целью которого является более глубокое понимание и осознание того, что произошло, происходит или произойдет. В этом смысле аналитические приложения действительно отличаются от транзакционных систем, ориентированных прежде всего на обработку отдельных операций, но в то же время дополняют их, образуя в совокупности многофункциональную комплексную систему управления.

Для того, чтобы система могла считаться аналитическим приложением, она должна удовлетворять следующим критериям:

- структурировать и автоматизировать процессы, способствующие повышению качества управленческой информации, что, в свою очередь, приведет к повышению качества принятия решений. Это достигается путем применения правил, процедур и технологий (основанных на соответствующей методологии), направленных на решение определенных бизнес-проблем;

-поддерживать аналитические функции, то есть действия по анализу данных, полученных из самых разных источников (внутренних или внешних, финансовых или операционных), включая анализ трендов и прогнозирование ситуации в будущем;

- представлять собой самостоятельный программный продукт, который может работать независимо от транзакционных систем, но в то же время способный взаимодействовать с ними «в обе стороны» как в части получения тран- закционных данных, так и в части обратной передачи результатов их обработки.

Более того, аналитические приложения часто имеют дело с нестандартными, непредсказуемыми или редкими ситуациями. Такие ситуации могут возникать, например, при запуске в производство нового продукта, моделировании новой корпоративной структуры или создании нового подразделения, а также при оценке последствий слияний и приобретений, пересмотре бюджетов и т. п.

Аналитические приложения часто основаны на многомерных базах данных (что также отличает их от транзакционных систем, использующих реляционные базы данных). Это позволяет аналитическим приложениям эффективно использовать как все необходимые данные, так и бизнес-правила, описывающие их взаимосвязи с точки зрения определенных бизнес-задач.

Выделяют три основных категории аналитических приложений:

- системы управления эффективностью бизнеса (Business Performance Management);

-приложения для анализа операционной/производственной деятельности (Operations/Production Analysis);

-системы анализа взаимоотношений с клиентами ^RMAnalysis).

Системы класса Business Performance Management (BPM). Аналитические приложения этого типа предназначены для широкого круга задач: анализа и оптимизации финансовых индикаторов, определения стратегии развития компании, бюджетного планирования, финансовой консолидации. Системы бюджетирования и консолидации были созданы в числе первых готовых аналитических приложений, поскольку эти задачи хорошо проработаны методологически, понятны большинству руководителей и применяются практически во всех отраслях. В последние годы произошел качественный скачок в плане разработки интегрированных систем, включающих в себя ряд новых функций бюджетного планирования и прогнозирования, финансовой консолидации, функционально-стоимостного анализа и стратегического управления бизнесом.

Приложения для анализа операционной и производственной деятельности (Operations/Production Analysis) предназначены для анализа и оптимизации процессов производства и/или поставок продукции и услуг (например, планирование спроса, оптимизация работы персонала).

Системы анализа взаимоотношений с клиентами (СRM Analysis) предназначены для решения таких задач, как, например, оценка прибыльности клиентов, разработка мер, направленных на «удержание» заказчиков, маркетинговый анализ. Специализированные аналитические приложения анализа клиентской базы изначально использовались в качестве основы для деятельности в маркетинговых подразделениях компаний, но сейчас они становятся многофункциональными, по мере того как в процесс организации взаимоотношений с клиентами вовлекаются и другие подразделения организации.