Bi-системы

Зачем нужна аналитика? На что обратить внимание при поиске первой работы и как подготовиться к собеседованию? Сменить профессию бывает непросто, но в нашей статье мы постарались развеять все ваши сомнения и ответить на самые интересующие вопросы!

Недавно мы вместе с Юрием Тростиным, Head of Analytics and Data Science в Worki, проводили вебинар Как сменить профессию и стать крутым аналитиком?. Смотрите запись этого онлайн-интенсива

Зачем нужна аналитика?

Цель любого бизнеса это извлечение прибыли. Прибыль это выручка минус издержки. Прибыль должна быть максимизирована в долгосрочной перспективе. Как же здесь помогает аналитика?

Есть три больших направления, в которых аналитика добавляет ценности:

1. Формирование бизнес-процессов.

Куда бизнес движется, в правильном ли направлении, как чувствуют себя ключевые сегменты клиентов и бизнеса? Обладая этими данными, аналитик может подсказать решение тех или иных проблем. Допустим, в бизнесе что-то идёт не так, и, в условиях быстро ускоряющегося мира, время это реально самый ценный ресурс. Необходимо решать проблемы и выводить на рынок новые гипотезы быстрее конкурентов, и здесь-то вам поможет аналитика.

2. Принятие взвешенных решений на основе данных.

Здесь уже не только про алертинг, но и про формирование ключевых решений. Ведение любого бизнеса сопровождается неопределенностью и всю полноту информации получить никак нельзя. Если бы информация была всегда полной, доступной и равномерно распределенной между участниками рынка, то аналитика как таковая была бы не нужна. Но и сверхприбыли у бизнеса тоже бы не было. Если у вас есть релевантные данные для принятия решения и понимание, как из них извлечь информацию, то автоматически вы выигрываете у тех, у кого данных и этого понимания нет. Конечно, в бизнесе нельзя всегда принимать правильные решения, но, например, с помощью data-driven подхода можно минимизировать долю неверных решений. Разумеется, для этого вам нужны спецы, которые могут для вас эти данные проанализировать, чтобы они были полные и консистентные, то есть согласованные. Тогда в долгосрочной перспективе из этого можно извлекать пользу.

3. Новые идеи для бизнеса, для развития и экспериментов.

В своей основе это прежде всего какая-то идея, и она может либо зайти на рынок, либо нет. Чем больше релевантных идей и чем больше экспериментов генерируется, тем больше прибыли вы можете в перспективе получить. Прелесть IT-продуктов в том, что исследуя паттерны поведения внутри сервиса, можно понимать инсайты, которые казалось бы изначально неочевидные, но которые говорят о том, как пользователю будет лучше за счет аналитики и данных. Кроме того, в этом же направлении лежат и накопление данных о том, что вы просматривали, чтобы сгенерировать для вас более релевантный контент. Например, это делает YouTube, Netflix, ВКонтакте и др. компании, где очень широко развита рекомендательная система.

Ключевой вопрос для любого анализа, во время и после него: so what?

Что от этого всего бизнесу? Вы каким-то образом улучшаете понимание того, что происходит в бизнесе на данный момент? Вы генерируете больше идей и экспериментов за счет анализа? Вы принимаете более правильные и свежие решения?

Если хотя бы один ответ на три этих вопроса да, то значит аналитик не зря делает свою работу. Аналитика это не просто цифры и числа, это мощный инструмент, который позволяет вести качественный бизнес. Компании, понимающие это, готовы серьёзно вкладываться в аналитику, ибо знают, что несмотря на затратность процесса, от этого можно получить гораздо больше.

На что важно обратить внимание при поиске первой работы?

Если вы для себя решили, что аналитика это то, что вам нужно, то при поиске первой работы вам необходимо найти место, где вы сможете лучше всего прокачаться. Под прокачкой имеются ввиду не только хард скиллы и использование инструментов, но и то, как подходить к проблемам, как и какие данные использовать.

На что стоит обратить внимание при поиске первой работы?

Пункты пойдут по убыванию важности, от наиболее важным к наименее:

1. Самое главное это команда и руководитель.

Это те люди, у которых вы будете ближайшие полгода, год или два учиться. Перед тем, как зайти на борт, спросите себя: хотите ли вы у них черпать знания, вдохновляют ли они вас, круты ли они в том, чем занимаются?

Постарайтесь про них выяснить как можно больше: посмотрите в интернете их выступления, ведут ли они какие-то блоги или каналы, может быть, они пишут тексты в профильных сообществах. Если хотя бы один человек в команде что-то из этого делает, то это хороший знак.

На интервью подробно расспросите, что ожидается от джуна, какой в компании формат взаимодействия в коллективе. Помните, что ваша основная цель это прокачаться и уйти оттуда с полным знаний и опыта багажом.

2. Сама компания.

Это не про офис и условия труда это, конечно, неплохо, но это не долгосрочная мотивация. Это про посыл, которая сама компания транслирует.

Качественный личностный рост может быть только вместе с мотивацией. Если мотивации нет, то нельзя классно прокачаться. Если ваш вайб резонирует с вайбом компании, то только тогда вы сможете эффективно усовершенствовать свои навыки. Лучше сразу найти себе какое-то место по душе. Аналитика сейчас нужна везде: в e-commerce, classified, foodtech, gametech, HR, медиа, логистика и т.д. Реально везде есть данные и с ними нужно работать, чтобы эффективно управлять бизнесом.

3. Стэк технологий, которые компания использует.

Как джун вы можете в них не разбираться, от вас это по большому счету никто и не ждёт, но если ребята пользуются Excel и у них база одна MySQL, то вам стоит насторожиться. Да, Excel это супер мощный инструмент, но если у компании классный cтэк по работе с данными, то это значит, что она понимает их важность и готова в них вкладываться. И, скорее всего, у бизнеса есть классная команда, а это значит, что вы можете круче прокачаться.

Что вы можете предложить при поиске первой работы аналитиком?

1. Знание SQL.

Если вы не сможете достать нужные данные, то вы не сможете сделать анализ. Достать данные вы можете с помощью SQL. У Юрия Тростина была куча реджектов из-за того, что он не знал SQL. Потом, конечно, ему пришлось его выучить.

SQL бывает разный:

• Стандартный SQL, который сформировался в 80-е годы. Именно его надо учить изначально. Стандартный SQL Юрий учил с помощью сайта sql-ex.ru. Это сборник задач по SQL, где есть различные виды баз данных и там можно попробовать поотвечать на аналитические вопросы.
• В российской IT-индустрии популярен другой диалект SQL, с которым работает ClickHouse. ClickHouse это колоночная аналитическая СУБД с открытым кодом, позволяющая выполнять аналитические запросы в режиме реального времени на структурированных больших данных, разрабатываемая компанией Яндекс.

ClickHouse сейчас используют повсеместно все, например, Mail.ru Group, Авито, Яндекс. Его синтаксис не сильно отличается от основного, хотя, конечно же, есть различия, которые делают его более функциональным в работе с ClickHouse. Его задачи заточены именно на анализ, на лиды, а не только на извлечение данных.

2. Python.

Это стандарт индустрии для анализа данных, data science, в нем также можно сразу создавать визуализации. Владение Python позволяет вам проводить определенные операции гораздо быстрее, если вы используете его в связке с SQL, в отличие от того момента, когда у вас есть просто SQL. Знание Python будет супер плюсом для потенциального джуна.

Юрий Тростин отмечает, что Python давался ему куда проще, чем SQL. Он очень много зависал на kaggle.com, делал там competitions. Также там есть очень много различных скриптов по анализу, чистке, визуализации данных в Python. Второй момент это курсы. Например, тот же курс от ProductStar.

3. Системы визуализации данных / BI-системы.

Без визуализации данных ваш анализ не имеет никакого смысла. С помощью BI-системы вы сможете проанализировать данные, визуализировать их, собрать графики в единый дашборд, который будет давать больше представления о том, что происходит в бизнесе, а также из этих данных можно на лету генерить инсайты. Такие продукты, как Tableau, Power BI, QlikView, это все относится к BI-функционалу. Они похожи между собой, поэтому если ознакомиться с каким-то одним из этих продуктов, то вам не будет составлять труда пересесть на что-то другое впоследствии.

4. Специфические продукты, используемые в аналитике.

Не секрет, что есть маркетинговая аналитика, бизнес-аналитика, продуктовая аналитика. В некоторых местах есть стратегическая аналитика, есть аналитика колл-центров, линий поддержки и т.д.

Узкие инструменты для маркетинговой аналитики это Google Analytics и Яндекс.Метрика. Для продуктовой аналитики Amplitude, который нужен для анализа пользовательского поведения в приложениях.

5. Эконометрика, A/B-тестирование, Data science.

На джуниорском уровне это не так важно, но в дальнейшем знание таких инструментов вам точно понадобится, если вы хотите преуспеть в аналитике.

Не нужно переходить к инструментам ниже по списку, если вы сначала не выучили инструменты выше. Если вы еще не знаете SQL, то не стоит начинать учить Python и т.п.

Что еще может помочь при поиске первой работы?

1. Решение бизнес-кейсов.

При решении бизнес-кейсов вы научитесь думать и говорить структурировано, быстро и четко. Вы научитесь выдвигать гипотезы, запрашивать релевантные данные, проводить качественный анализ и делать корректные выводы. Также это научит вас понятно доносить информацию о проделанной работе до разных людей.

2. Представление о том, как работает IT.

Это нужно потому, что обычно аналитик находится между бизнесом и технической командой. Аналитику нужно уметь находить коннект как с бизнесом, так и с технической командой.

3. Знакомства в индустрии.

Это ценно в особенности для тех, кто не имеет технического образования. Через знакомства можно получить рекомендации, это, конечно, не определяющее, но в какой-то момент может помочь.

Есть разные оффлайн и онлайн митапы, где вы можете знакомиться с людьми. Есть также большое Slack-сообщество Open Data Science (ODS), где больше 30 тысяч человек, среди которых вы также можете найти себе людей по интересам.

Чего ждать на интервью?

Типичная схема собеседования:

1. Знакомство;

2. Техническая часть.

Проверка навыков, которые вы указали в резюме;

3. Домашнее задание.

Вам либо предоставляется схема данных, по которой вы должны в итоге прислать не конкретный ответ в виде цифр, а SQL. В другом варианте вам дадут data set, который нужно будет проанализировать с помощью Python или другого языка программирования и далее прислать рекомендации по этому анализу;

4. Мотивационное интервью.

Выясняют, зачем вам нужна именно эта работа.

Что делать джуну на первой работе?

Главное в первой работе это максимальная прокачка.

1. Как можно больше общайтесь с командой.

При решении каких-либо задач всегда советуйтесь со своими коллегами, таким образом вы будете впитывать их опыт и делать более качественную работу.

2. Постарайтесь понять, как именно работает бизнес.

Задавайтесь вопросами:

• Что продает ваша компания?
• Какова экономика одной продажи?
• Какова модель монетизации?
• Что получает пользователь, когда пользуется продуктом вашей компании?

Это поможет сформировать вам цельную картину бизнеса, которая в то же время поможет вам при анализе данных и выдвижении гипотез.

3. Общайтесь не только со своей командой.

Общайтесь с самыми разными людьми внутри: разработка, продукт, маркетинг, продажи. Они могут поделиться с вами крутыми инсайтами о бизнесе и рынке.

4. Расширяйте сферы компетенции, не только по части аналитики.

5. Не засиживайтесь на одном месте.

Когда вы поняли, что ваши обязанности начинают повторяться, вы не можете уже взять от этого места столько же, сколько брали до этого, то задумайтесь, возможно, нужно открыться предложениям, которые поступают к вам, чтобы вы могли дальше расти как аналитик.

На что стоит смотреть при формировании команды?

1. Желание и страсть работать с данными.

Если вы любите искать паттерны в данных, если вы понимаете, что за данными стоит физический смысл, если вы можете с помощью данных на что-то влиять, то эта работа точно для вас.

2. Драйв.

Это про желание менять вещи. Классный аналитик должен быть проактивным.

3. Разнообразный опыт.

Когда у человека есть разносторонний опыт, он может добавить свою нестандартную точку зрения на проблему. С такими людьми интереснее работать.

4. Мотивация.

Важно, чтобы человек четко осознавал:

• Что он хочет получить в результате этой работы?
• Почему человек решил работать с данными?

5. Технические скиллы.

Никуда без них.

Полезные ссылки от Юрия Тростина:

• Victor Cheng

Виктор Ченг это икона в сфере консалтинга У него есть классные книги и лекции на ютуб, а также аудиозаписи кейс-интервью. Вы можете их найти и послушать.

• Case in Point, Marc Cosentino

Очень распространённая книжка в сфере консалтинга, которая представляет собой сборник бизнес-кейсов. Попробуйте прочитать и самостоятельно порешать кейсы из этой книжки.

• Creating data-driven organization, Carl Anderson

Книга рассчитана на большой пласт специалистов, от джунов до профи. Книга хорошо развивает мысль, зачем вообще нужна аналитика. Создает даже некий фреймворк о том, как можно думать про аналитику в компании.

• Youtube: CrashCourse / Computer Science

Любимый канал Юрия на ютуб. Там есть много быстрых курсов, в том числе и про Computer Science. С помощью этого курса вы сможете изучить основы Computer Science и понять откуда она зародилась.

• Introduction to Networking, Charles Severance

Хорошая книга о том, как работают сети Интернет. Достаточно простая, рекомендую к прочтению.

• Product Analytics Playbook, Amplitude

Этот источник позволяет по-новому взглянуть на аналитику, на важность отдельных метрик. В этом гайде есть туториалы, как можно все эти знания использовать в Amplitude.

• Как мы делаем data-driven стартап. Worki

Выступление Юрия Тростина в Минске, где он рассказывает, как они делают data-driven стартап Worki.

Также аналитиком можно стать на нашем годовом курсе Профессия: Аналитик (с 0 до PRO) Узнать подробности!

В предыдущей публикации (Цифровая трансформация: полная свобода самовыражения) обсуждалась важность понимания терминов, которые употребляются в текстах вообще, и в нашем случае на ИТ-тематику. Я предложил обсудить значение наиболее популярных ныне понятий таких, как бизнес-аналитика (Business Intelligence, BI), интеллектуальная система (Intelligent System, IS) или искусственный интеллект (Artificial Intelligence, AI) и, конечно, большие данные (Big Data, BD).

Темы действительно популярные и, казалось бы, что еще обсуждать? Предлагаю рассмотреть их через призму практического применения этих технологий. Это то, чего не хватает большинству просмотренных мной публикаций, и, которые, возможно, поэтому вызывают бурную полемику специалистов. Вспомним, что практика-критерий истины.

В данной публикации обсуждаю Бизнес-аналитику. Почему? Просто у одного моего клиента, у которого внедрена автоматизированная система управления предприятием, новый заместитель директора вдруг изъявил желание заняться бизнес-анализом на новом уровне. До сих пор все потребности заказчика в анализе удовлетворялись средствами внедренной системы. Пришлось разбираться в средствах бизнес-анализа. Вот, что из этого вышло.



Основной темой данного сообщения является ответ на вопрос: можно ли директору предприятия, его заму или, например, экономисту без суфлера разобраться нужен ли им дополнительные инструменты для бизнес-анализа?

Думаю, что моё сообщение будет полезно маркетологам и всем, кто связан с продажей BI-систем и услуг по их сопровождению, а именно, возможно они захотят откорректировать свои рекламные сообщения и описания программ. Если, конечно, прочтут текст до конца и узнают цитаты из своих текстов. Цитаты точные, но, чтобы не обижать авторов, я не всегда делал ссылки на источники.

Предисловие к BI

Должен сразу сказать, что до сих пор у меня не было потребности в дополнительных средствах анализа деятельности предприятий. Все такие потребности на протяжении последних 20-25 лет решались типовыми средствами внедряемых систем автоматизации и простыми доработками платформы под конкретные нужды. Поэтому технических подробностей и сравнений различных программ бизнес-анализа здесь не будет. За этим можно обратиться к другим многочисленным источникам, на некоторые из них я сделал ссылки в тексте.

Далее:

BI: прилагательное или существительное?
Вакансии BI
Определения BI
Реклама BI
Что пишут на Хабре?
BI или ERP III?
Локальные сегменты BI
Резюме.

BI: прилагательное или существительное?

Итак, первый вопрос, который возник у меня самого после чтения первых публикаций зачем? А первая ассоциация, которая у меня возникла это Недоросль Фонвизина Дениса Ивановича из курса русской литературы средней школы. Помните:

Правдин. Дверь, например, какое имя: существительное или прилагательное?
Митрофан. Дверь? Котора дверь?
Правдин. Котора дверь! Вот эта.
Митрофан. Эта? Прилагательна.
Правдин. Почему ж?
Митрофан. Потому что она приложена к своему месту. Вон у чулана шеста неделя дверь стоит еще не навешена: так та покамест существительна.
Стародум. Так поэтому у тебя слово дурак прилагательное, потому что оно прилагается к глупому человеку?
Митрофан. И ведомо.

Вот так и с BI-системами. Ну, то что эти системы существительные это медицинский факт. Они существуют, потому что продаются, или, как там у В. Маяковского (ну, почти у него), зажигают:

Послушайте!
Ведь, если BI-системы зажигают
значит это кому-нибудь нужно?
Значит кто-то хочет, чтобы они были?
Значит кто-то называет эти плевочки жемчужиной?

Но вот являются ли BI-системы прилагательными? К чему их надо приложить, чтобы они стали жемчужиной? Не все так ясно, надо разбираться.

Вакансии BI

Начал с рынка труда он первый отзывается на всякие нововведения. Наткнулся на вакансию BI разработчик. Текст такой:

Мы ищем BI-разработчика к себе в команду. У нас есть несколько уникальных продуктов для строительной отрасли, которые нуждаются в аналитическом модуле. Если Вы имеете опыт разработки аналитических систем (Qlik, Power BI и тд), тогда обязательно откликайтесь на нашу вакансию!.

Я-то думал, что последние тридцать лет при автоматизации систем управления предприятиями занимался в том числе разработкой инструментов для бизнес-анализа. Ан нет! Неужели это нечто другое?

Описание вакансии несколько насторожило: что же это за уникальные продукты для строительной отрасли, которые не имеют аналитических возможностей? Я знаю не одну систему для строителей и все они в типовой поставке (т.е. в готовом виде) содержат аналитические модули, и при необходимости могут быть дополнены новыми возможностями без особых затруднений средствами платформы этих систем.

Определения BI

Загуглил в Интернете. И понял, что с Business Intelligence та же проблема, что и с Big Data или Artificial Intelligence (AI, искусственный интеллект). Они являются существительными, так как продаются и даже очень хорошо продаются. Но вот, что бы по этому поводу сказал Митрофанушка? Где и куда они прилагаются?

Определений BI получил много и в большинстве своем, очевидно, что они написаны продавцами, как реклама продаваемого продукта. Т.е. авторы описаний это или программисты, которые знают, как устроены программы, или маркетологи, которые ничего в этих программах не смыслят, но знают, как продать продукт. И такое ощущение, что продают, перефразируя пословицу, то не зная что, тому не зная кому. Бизнесмену внушается, что он не может вести свою работу без BI-системы! Как он жил до сих пор без этого чуда? И что у него изменится после его покупки? А вот интересно, сами продавцы (они же тоже бизнесмены) используют BI-системы для автоматизации своей работы? Не очевидно!

Во вроде бы нейтральной Википедии дано такое определение:

Business intelligence (сокращённо BI) обозначение компьютерных методов и инструментов для организаций, обеспечивающих перевод транзакционной деловой информации в человекочитаемую форму, пригодную для бизнес-анализа, а также средства для массовой работы с такой обработанной информацией. Цель BI интерпретировать большое количество данных, заостряя внимание лишь на ключевых факторах эффективности, моделируя исход различных вариантов действий, отслеживая результаты принятия решений.

Первый вопрос, который возникает при чтении этого определения почему средства бизнес-анализа отсутствует среди компьютерных методов и инструментов в действующих системах автоматизации указанных организаций? Зачем внедрили какую-то систему, которая не содержит аналитических возможностей, содержит деловую информацию в нечеловекочитаемой форме, непригодной для бизнес-анализа, а теперь приходится тратиться на еще одну систему? Может просто сменить эту систему? Ведь я не знаю систем автоматизации даже для мелкого бизнеса, не говоря уж о крупном, которые бы не содержали модулей анализа экономической деятельности компании.

Второй вопрос. Указанные цели в общем, это цели любой автоматизации управленческих бизнес-процессов. А заострять, моделировать и отслеживать это уже функция интеллекта, т.е. человека. Без него никакая программа не сможет выделить ключевые факторы, не зная специфики отрасли, которая собственно и выясняется на первых этапах проектирования путем обследования бизнес-процессов.

Опять же, что такое большое количество данных?

Реклама BI

А как вам такой перл уже в другой статье:
Каждый крупный бизнес и большинство средних структур сталкиваются с проблемой предоставления руководству неточных данных о состоянии дел компании. Причины могут быть разные, но последствия всегда одинаковы неверные или несвоевременные решения, отрицательно сказывающиеся на результативности финансовых операций. Для исключения подобных ситуаций предназначена профессиональная система бизнес аналитики или BI.

Вот интересно, как руководство этих крупных бизнесов и средних структур реагирует на предоставление им неточных данных о состоянии дел компании? Может надо просто сменить спецов, которые предоставляют такие данные? Очевидно, что даже если таким спецам дать профессиональную систему бизнес аналитики (а что бывают непрофессиональные системы?) они все-равно будут давать неточные данные. А ведь любой профессиональный автоматизатор знает, что основные проблемы с внедрением ИТ-систем это проблемы с пользователями. Человечество пока не придумало способа автоматического программирования мозгов у сотрудников предприятий. А профессионал, знающий свое дело, с любым инструментом будет давать точные данные о состоянии дел компании! На таких сотрудниках держатся не только отдельные предприятия, но и цивилизации.

Все дело во времени: сколько его надо потратить для анализа?

А как вам такое:
BI-решение полезно компаниям из большинства сфер. Например, производство, финансы, розничная и оптовая торговля, страхование, телекоммуникации, где есть необходимость понимания того, что происходит в бизнесе.

То есть, авторы допускают, что существуют сферы, в которых НЕ существует необходимость понимания того, что происходит в бизнесе, и там можно обойтись без бизнес-анализа!!! Я, например, не знаю таких сфер. Мне, например, за 30 лет автоматизации систем управления компаний не попадались такие компании и даже компашки. Не говоря уже о сферах везде, всюду и всегда необходимо понимание. Даже счастье это когда тебя понимают!
Ладно продавцы программ они действительно могут что-то не понимать в бизнесе клиентов, но разработчики-то уж точно обследовали какие-то бизнес-процессы, и должны понимать назначение своей продукции. Вот представление довольно известного продукта известной отечественной фирмы, название которой далее заменено звездочкой:
*.Бизнес-Анализ современное BI-решение для аналитики больших объёмов информации. Система предоставляет наглядные ассоциативные отчёты для принятия обоснованных решений о стратегии развития бизнеса. Отличительная особенность *.Бизнес-Анализ предоставление аналитической информации в насыщенных интерактивных визуализациях, позволяющих в одном окне получить все интересующие данные для принятия решения.

Самое интересное, что программа для принятия обоснованных решений! Во как, оказывается, что без этой программы принимаются НЕобоснованные решения! Да еще не просто решения, а о стратегии развития бизнеса. Не более и не менее! И главное, все очень просто: в одном окне все интересующие данные! И не просто данные, а опять же большие.
Что же далее? Смотрим программу вебинара по данному продукту. Пункт 3:
Демонстрация нескольких кейсов BI-панелей: анализ дебиторской задолженности, анализ прибыли, комплексное рабочее место руководителя.

Смотрим на волшебное одно окно. Оказалось, что их, как минимум, шесть: анализ склада, текущие сделки, валовая прибыль, взаиморасчеты, анализ сроков поставок и ABC-анализ поставщиков, продажи.

Слушайте ребята, на кого рассчитана эта пропаганда? Я то точно знаю, что все это было еще двадцать лет назад в 1С: Торговля и склад 7.7. Впрочем, может что запамятовал, и это было 25 лет назад в 1С: Торговля и склад.7.0. А уж про 1С8 я и не говорю.

Ладно, думаю, может Гугл что-то не то нашел? Кто его знает, как и чего он ищет в Большущих данных мировой сети?

Что пишут на Хабре?

Думаю, дай гляну, что пишут на Хабре?

Есть, например, Сравнение BI систем (Tableau, Power BI, Oracle, Qlik). Автор в начале заявляет, что руководит направлением BI и аналитики Питерской клиники. В табличной форме сравнил разные параметры программ. В общем, интересно, но ни одного эпизода из жизни клиники, где бы понадобилась эта программы, так и не привел. О чем только не написал: способности сервера, верстка дашбордов, community пользователей, возможность рассылки, ну и т. д. И ни слова о том, зачем все это для клиники? Какие задачи управления предприятием должны решать эти программы? Какая на предприятии автоматизация и у кого и почему, вообще, возник вопрос о дополнительном ПО?

Наконец-то нашел хорошую статью Технические отличия BI систем (Power BI, Qlik Sense, Tableau), в которой заголовок отражает содержание. Статья ориентирована на ИТ-специалистов, но и продвинутый конечный пользователь может почерпнуть много интересного. По крайней мере я получил ответ на вопрос о том, что такое BI система, хотя парадоксально, что определения этого термина в ней нет.
Надеюсь, что в следующей статье, которую автор проанонсировал, будет сказано о стоимости проектов внедрения BI систем. Насколько я понял, профессиональные версии (о прочих, я думаю, нет смысла говорить) стоят миллионы рублей, плюс стоимость внедрения, подготовки персонала и поддержки. Стоит ли овчинка выделки? За такие деньги любой автоматизатор управления предприятием напишет нужные отчеты, если вдруг их не окажется в типовой поставке 1С, SUP, Oracle и т.д. Тем более, что все эти платформы содержат средства соответствующего программирования и визуализации данных.

BI или ERP III?

Да и вообще, все современные ИС содержат весь необходимый функционал, если конечно они правильно спроектированы: собраны все требования пользователей, обследованы все бизнес-процессы, соответствующие этим требованиям, написано техзадание по автоматизации этих бизнес-процессов и ТЗ отдано в руки профессиональных программистов.

Корпоративные ИС разрабатываются по концепции ERP и стандарту ERP II, предложенному в 1999 году управление внутренними ресурсами и внешними связями организации. Кроме традиционных для систем ERP производственных областей, они применяются в областях управления инфраструктурой (предприятия электроэнергетики, нефтегазовой отрасли, транспорт, связь, телекоммуникации и т.д.) и сервисного обслуживания (консалтинговые компании, организации финансового сектора и т.д.). А уже грядут системы ERP III, которые впишут своих владельцев в глобальный рынок, через социальные сети охватят поставщиков и клиентов. Где здесь можно найти место для BI-систем? Возможно в каких-то локальных сегментах?

Причем, это касается любых информационных систем, хоть коммерческих, хоть государственных. Вот, например, выдержка из отчета Минкомсвязи от 20.04.2020 г. о ходе реализации и оценке эффективности государственной программы Информационное общество. В отчете говорится о создании ИС Генеральная схема развития сетей связи и инфраструктуры хранения и обработки данных Российской Федерации (сокращенно, ИС Генеральная схема). Цитата:
ИС Генеральная схема является информационной системой, функционирующей на основе информационных технологий и технических средств, обеспечивающих сбор, обработку, размещение, хранение, анализ, представление, актуализацию и использование информации в целях получения сведений, необходимых для принятия решений по вопросам, отнесенным к компетенции Минкомсвязи России.

Функционал выделен жирным. Скажите, куда здесь можно прилепить дополнительную систему BI для принятия решений? Но это типичный функционал любой современной ИС! Если в вашей системе нет хоть одного из этих пунктов, то смените разработчика!

Локальные сегменты BI

Так в каких локальных сегментах могут быть востребованы BI-системы? Прекрасный ответ дал Эдвард Сноуден, который обнародовал документы о двух сверхсекретных программах Агентства национальной безопасности (АНБ) США PRISM и XKeyscore. По сообщению газеты Коммерсантъ PRISM позволяет скачивать закрытую информацию с серверов крупнейших интернет-компаний США: Microsoft, Yahoo!, Google, Facebook, AOL, Skype, YouTube, Apple и PalTalk. С помощью PRISM спецслужбы США (доступ к системе кроме АНБ имеют ЦРУ и ФБР) собирают личную информацию о пользователях соцсетей и поисковых сервисов, включая электронную переписку, аудио- и видеофайлы, а также сведения об их местонахождении и списке контактов.

XKeyscore еще более совершенна. В АНБ эту программу называют инструментом для сбора сведений о почти всем, что пользователь делает в интернете. Программа работает посредством 700 серверов, большая часть которых размещена за рубежом в посольствах и консульствах США. Один сервер, как следует из презентации, расположен в Москве.

Естественно, что эти программы работают без всяких коннекторов и делают бизнес-анализ совершенно бесплатно для клиентов, которых обчищают!

Так что создание суверенного интернета это не праздные хотелки-пыхтелки руководства России или Китая. Но возможно ли в принципе уберечься от незапланированного бизнес-анализа наших данных? Вопрос без ответа!

Резюме

Получается, что единственным преимуществом BI-систем становятся встроенные источники данных и коннекторы к ним. Как я понимаю, стоимость этих систем в основном и зависит от этого свойства. Пожалуй, за это стоит платить, если, конечно, ваш бизнес связан с мировым рынком. А если нет? Стоит ли платить медицинской клинике за BI-систему и есть ли коннекторы к соответствующим базам данных и серверам? Наверное, стоит, если клиника занимается, например, анализом распространения COVID19 в мировом масштабе. Но много ли у нас таких клиник?

Еще один вопрос возникает при работе с разными источниками данных это качество данных? Как оценить актуальность, достоверность и точность данных в интернете, пусть даже от известной фирмы, и за плату? Картинку получили автоматически, а кто поставит под ней подпись и, соответственно, возьмет на себя ответственность? Что консалтинговый бизнес, который до сих пор поставлял данные хоть с какой-то достоверностью, умер? Что-то не слышал об этом. Ведь с консалтинговой фирмы можно потребовать откорректировать работу, вернуть деньги, наконец. На самый худой конец можно пойти и дать в морду директору, подписавшему отчет о работе и счет на оплату! Что вы предъявите большим данным? Только застрелиться!
А кто даст гарантию, что посредством доступных баз данных, вами не манипулируют?
Посредством доступности данных, тем более бесплатных, в общественное пространство можно вбрасывать и навязывать любое мнение. И, к сожалению, вся наша информационная жизнь является подтверждением этого тезиса.

Если вы управляете данными предприятия или тем более межконтинентальной корпорацией, то для начала не надо данные зарывать, чтобы потом не пришлось их добывать, или, как сейчас модно выражаться, датамайнить. Наведите порядок в базе данных и тогда не придётся использовать Data Mining и тем более Data Science, чтобы добыть нечто полезное из сырых больших данных.

И последнее.

Ребята, я тебе один умный вещь скажу, но только ты не обижайся. Прежде чем что-то написать, определитесь для какого специалиста вы пишите: для бухгалтера, экономиста, директора предприятия, маркетолога, бизнес-аналитика, системного администратора или программиста. Иначе вы уподобляетесь Митрофанушке. Ну, не надо специалисту-управленцу ничего знать о серверах и протоколах передачи данных! А вот качество, достоверность данных, полученных со стороны пусть самых больших данных, и даже за плату, надо знать обязательно. Иначе, как вы собираетесь убалтывать спонсора проекта оплатить счет за программу, ее настройку и поддержку, и обучение пользователей?

Система бизнес-анализа вещь прилагательная. Т.е. она предназначена для решения конкретных задач предприятия. Поэтому необходимо приводить конкретные примеры применения BI-Системы. При этом управленцу надо говорить одно, а системному администратору другое. Но говорить надо!

Ну, вот зачем BI-система Питерской клинике?

Мы ещё увидимся. Я так думаю. Далее о Больших данных. Без них никакой BI не нужен.

Юрий Душин, системный и бизнес-аналитик и просто проектировщик ИС.