Business intelligence — не исключение: меняется как подход к сбору и обработке данных, так и используемое для этого программное обеспечение. В целом, российский сегмент рынка BI схож с мировым, но есть и свои особенности — о них ниже.

Перейти к рейтингу BI-систем 2022

Тенденция №1. Возникновение ABI-систем

Augmented Business Intelligence (ABI) — это логичное развитие BI-систем, связанное с интеграцией в них современных технологий: искусственного интеллекта, машинного обучения, VR. Слово Augmented можно перевести как «дополненный» — именно такое обозначение и прижилось в русскоязычном сегменте.

Augmented Business Intelligence или дополненная/расширенная аналитика — практика, когда для сбора, извлечения, преобразования и анализа данных активно используют искусственный интеллект и машинное обучение. Такой подход позволяет получать существенно больше информации за гораздо меньшее время при одних и тех же объемах обрабатываемых данных.

Использование искусственного интеллекта и машинного обучения в первую очередь позволяет нарастить скорость и точность прогнозов, а применение технически продвинутых решений дает возможность использовать не только привычные графики, но и многоуровневые трехмерные представления, включая VR-инструменты. При этом для запросов можно использовать естественный язык, что допускает работу с системой пользователя, не обладающего специальными знаниями — достаточно просто задавать вопросы в привычной форме.

Если выделить основные причины, которые способствуют трансформации привычных BI-систем в ABI-системы, то получится следующее:

• растущий объем данных — современный мир подразумевает работу с данными, независимо от отрасли или направления бизнеса;
• потребность в аналитике на самых разных уровнях — содержать полноценный аналитический отдел могут только самые крупные организации, автоматизация позволяет удешевить аналитику и сделать ее доступной даже для небольших компаний.

Кроме этого, зачастую требуется обрабатывать большое количество неструктурированных данных самых разных типов — привычная аналитика не может работать с такими данными, их нужно подготовить: очистить, структурировать, объединить и так далее. Это требует длительной работы множества специалистов и составляет большую часть затрат времени. Автоматизация подготовительной части аналитики дает возможность не только ускорить, но и значительно удешевить весь процесс работы с неструктурированными данными.

Тенденция №2. Внедрение self-service BI-систем

Не каждой компании необходим отдельно выделенный аналитический отдел, но и полностью отказаться от аналитики невозможно. Совокупность этих факторов привела к развитию Self-Service BI-систем — методике, позволяющей собственными силами создавать отчеты на основе необходимых данных. Для реализации подобных решений используются инструменты, не требующие специальных знаний и длительной подготовки — в запросах чаще всего применяется естественный язык.

Согласно Gartner, критерии Self-Service BI-систем определяют необходимость наличия:

• ИТ-инфраструктуры — организованной системы, позволяющей выполнять подключения для сбора различных данных, а также управлять ими;
• инструментов платформы — они должны позволять полноценно управлять данными: хранить и обрабатывать их, загружать, объединять, обновлять, осуществлять поиск и сегментацию;
• визуализации — возможности качественной автоматической визуализации результатов анализа и расчетов, подходящей под работу с различными устройствами, в том числе и мобильными с сенсорным экраном;
• совместного доступа — платформа должна быть интегрирована в бизнес-процессы компании и обеспечивать простой доступ пользователей к данным и отчетности.

К преимуществам Self-Service BI-систем традиционно относят бережное отношение к ресурсам бизнес-аналитики, позволяющее выполнять большую часть операций силами обычного персонала. Кроме этого, считается, что если с данными работают те, кто непосредственно работает и с продуктом, для которого выполняется анализ, результаты могут быть точнее, так как сотрудники хорошо знают свой продукт и его потребности.

Тенденция №3. Управление качеством данных (MD/DQ)

Любой анализ строится на данных, а его качество зависит от их полноты и достоверности. Если материал для анализа плохой, то никакая, даже самая совершенная, система не позволит принять правильное решение на его основе — это известная проблема, которая нашла новое решение.

Долгое время разработка инструментов была нацелена на работу с уже существующими данными, например, для ETL (Extract, Transform, Load) — процесса, в результате которого происходит извлечение данных, их преобразование, подготовка под текущие потребности и обратная загрузка. Несмотря на то, что подобные процессы все еще необходимы для работы с неструктурированными данными, сбор новых данных можно улучшить.

Если коротко, то качество данных контролируется уже на этапе сбора: выявляются критические данные, разрабатываются шаблоны и методики, формируются стратегии, дающие возможность повысить качество поступающих данных.

Тенденция №4. Переход на единую платформу BI

Это, скорее, общемировая тенденция, которая идет вразрез со спецификой рынка BI-систем в России. Исторически сложилось такая практика, что системы бизнес-анализа в российских компаниях внедрялись (и зачастую продолжают внедряться) для обслуживания определенных отделов или подразделений предприятия, что выливается в сегментарное развитие.

С этой точки зрения на западе все иначе — иностранные компании, по большей части, используют западный опыт, который подразумевает внедрение аналитики на всем протяжении бизнес-процессов, а не в рамках конкретного отдела. Так как большая часть бизнес-процессов на предприятиях — сквозные, аналитические системы стараются внедрять так, чтобы они охватывали все информационное пространство компании.

Если учесть быстрое развитие и растущую популярность всевозможных облачных решений, предлагающих сразу готовые наборы инструментов, то, возможно, скоро ситуация поменяется и в России — тенденция к объединению ИТ-инфраструктуры в целостные решения прослеживается повсеместно и хорошо себя зарекомендовала.

Тенденция №5. Использование NLP (Natural Language Processing) и NLG (Natural Language Generation)

Natural Language Processing позволяет пользователю использовать естественный язык при работе с системами аналитики. Такое решение стало возможным после перехода от BI-систем к ABI-системам, широко применяющим искусственный интеллект и машинное обучение. Оператору больше не нужно изучать специализированные языки — система умеет обрабатывать запросы и выдавать результаты на «человеческом» языке.

Тенденция №6. Увеличение форм визуализации: тепловые карты, диаграммы рассеяния и тд

Визуализация — важная часть отчетности. Графическое представление данных позволяет быстро понять происходящее, наглядно сравнить несколько типов данных или отчетных периодов, представить дальнейшее развитие.

Современные системы аналитики предлагают пользователю большой набор различных инструментов визуализации данных: графики, тепловые карты, всевозможные диаграммы, гистограммы, в том числе и интерактивные — число способов визуализации постоянно увеличивается.

Перейти к обзору BI-систем 2022