Связующее звено

Эффективное использование BI-решения предполагает построение единого информационного пространства и разработку единой корпоративной информационной бизнес-модели. Однако отсутствие четкого понимания структуры и состава данных, которые используются в различных системах организации, отсутствие типовых информационных моделей деятельности компании и внедрение локальных автоматизированных систем, использующих различные исходные данные, создают объективные сложности и препятствия для эффективного применения BI-решений. Перед топ-менеджерами компаний, в которых используются те или иные BI-платформы, не должно стоять выбора между вариантами получения данных. Нужен единый, доступный, простой, понятный и быстрый способ получения разного рода отчетов.

Между тем зачастую успешные, на первый взгляд, внедрения BI оставляют менеджеру альтернативу: дать указания своему сотруднику (который, возможно, попросит подчиненных выгрузить из транзакционной системы набор данных) распечатать необходимую форму и положить на стол руководителю — либо открыть браузер, зайти в систему, найти нужный отчет, подождать, когда отчет сформируется, и распечатать полученную форму.

«Такие решения не выполняют своего основного назначения — быстро предоставлять необходимую информацию в нужном виде, — говорит Денис Соловьев, руководитель практики SAP компании «СИТРОНИКС Информационные Технологии (Россия)». — Поэтому основной принцип при внедрении BI-решений следующий: хранилище данных должно содержать полный объем информации в различных срезах, а BI-решение — предоставлять мощные средства для анализа таких данных. Иначе, если представление информации неудобно для конечного пользователя или возможности для самостоятельного анализа сильно ограничены, такое BI-решение никогда не оправдает вложенных средств. На практике нам приходилось сталкиваться с ситуацией, когда решения подобного уровня для управленцев не всегда кажутся рациональными — как с точки зрения затрат на внедрение, так и в плане аналитических возможностей».

Консолидация информации

Успешное внедрение BI-решения напрямую зависит от успешного проведения консолидации и централизованной обработки бизнес-информации из различных внутренних и внешних источников.

Прежде всего следует отметить сложность структуры хранения информации в транзакционных системах, которые являются основным источником данных для BI-решений. Если информационная система хранит данные — значит, в основе архитектуры системы лежит база данных. Ее организация позволяет системе работать с небольшими по объемам, но идущими широким потоком транзакциями. При этом клиенту требуется от системы максимально короткое время ответа. Это не всегда удобно для BI-систем, которые могут забирать данные напрямую из транзакционных БД и сразу подвергать их анализу.

— Если же данные перегружаются в хранилище, построенное специально для BI, то специалисту по интеграции зачастую необходимо делать сложные преобразования, для того чтобы привести их к требуемым форматам, удобным для реализации аналитических возможностей, — отмечает Денис Соловьев. — Из этого вытекает проблема, связанная с плохим документированием систем и отсутствием метаданных (информации об используемых данных). Специалист по интеграции вынужден разбираться с большими массивами информации, сложной структурой хранения, специфичностью данных для каждого типа и направления бизнеса.

Денис Соловьев

Однако далеко не всегда необходимая для анализа и принятия решений информация содержится в автоматизированных системах компании. Поэтому на этапе внедрения BI-решения Любовь Петрова, руководитель дирекции консалтинга и разработки компании «Verysell Проекты», советует привлечь бизнес-консультантов, обладающих практическим опытом решения подобных задач. Они помогут сформировать базовую аналитическую модель данных и выбрать лучшие технические решения для ее реализации, а также оптимально организовать процессы и разработать регламенты получения, обработки и своевременного представления этой информации руководству. В дальнейшем эти задачи может решать собственное подразделение компании, которое необходимо создать для поддержки в актуальном состоянии информационных моделей и моделей данных, а также для учета новых потребностей бизнес-пользователей.

Сбор данных

Качество бизнес-анализа напрямую зависит от того, как организованы процессы сбора, выверки и обработки исходных данных. Современные решения помогают максимально упростить сбор, обработку и преобразование. Использование промышленного ETL-решения позволяет значительно ускорить подобные процессы. Максим Балаш, первый заместитель генерального директора компании «Прогноз», описывает требования, предъявляемые к средствам, автоматизирующим пользовательскую работу по внесению информации в хранилище данных BI-системы с использованием определенных регламентированных шаблонов.

Шаблоны форм для сбора данных нельзя отрывать от реальных структур хранения и обработки соответствующих данных в хранилище (справочники, показатели, кубы и алгоритмы).

Шаблоны должны поддерживать возможность проведения внутриформенного и межформенного логико-арифметического контроля введенных данных.

Система должна сигнализировать о выявленных логико-арифметических противоречиях, причем межформенный контроль можно вести на сервере, в то время как внутриформенный должен иметь возможность выполняться на клиенте — для сигнализации о возможных противоречиях сразу же в момент ввода значения собираемого показателя.

Система сбора должна поддерживать возможность работы не только с числовыми данными, но и с текстом (например, с полями «Примечание» и «Комментарий»), а также множественные значения поля, осуществлять сбор в разных единицах измерения, с автоматическим пересчетом и агрегацией данных с учетом различных метрик.

Необходимо реализовать статусную модель предоставления данных, которая выстраивает работу пользователей с сохраненной информацией в соответствии с присвоенными показателям статусами: «подготовлен», «отклонен», «предоставлен», «утвержден» и др.

Помимо значений показателей, необходимо автоматизировать функции по сбору/ведению нормативно-справочной информации и связей между справочниками.

Система должна поддерживать не только цифровые и текстовые форматы данных, но и возможность прикреплять к форме отсканированные версии документов с подписями и печатями.

Технологически система сбора должна иметь возможность двунаправленного движения информации: подотчетные структуры предоставляют данные в центр, центр распространяет их в подотчетные структуры. Нужно предусмотреть возможность создания многоузловых и многоуровневых конфигураций, в том числе когда данные передаются между периферийными узлами, а не только по направлению к центру и обратно.

Система сбора должна поддерживать не только онлайн-, но и офлайн-режим: последний необходим для уменьшения риска потери данных при разрывах связи между пользователем и сервером ХД.

Необходима также возможность интеграции системы с инструментами обеспечения безопасности передачи данных по каналам связи, включая средства шифрования, электронной подписи и гарантированной доставки сообщений.

Метаданные

Одной из основных задач при проведении интеграции данных из различных информационных систем и баз данных является приведение всех интегрируемых массивов информации к «одному знаменателю» — к единым аналитическим разрезам, сопоставимым метрикам и т.п. Для решения этой задачи применяются современные методы и инструменты устранения несогласованности исходных массивов данных, в том числе гармонизация НСИ, очистка от дублирования и др. Согласованные данные попадают в ХД BI-системы, после чего, как правило, подвергаются дополнительной аналитической и иной алгоритмической обработке для решения бизнес-задач (например, формирования отчетности, прогнозирования, планирования, бюджетирования).

— Зачастую невозможно провести однозначное разделение на данные и метаданные, — подчеркивает Денис Соловьев. — Оптимальным решением является разработка единой концептуальной модели ведения метаданных на уровне организации, обязательно с участием представителей так называемого бизнес-ядра, которым зачастую приходится разбираться в непонятных терминах разработчиков, только благодаря имеющейся «информации об информации».

Если описание метаданных и соответствующие им настройки производятся в разных программных продуктах, может возникнуть проблема их несогласованности, что повышает риск появления ошибок при модификации системы. Зачастую на практике описание метаданных ведется в CASE-средстве, после чего соответствующие алгоритмы и настройки перекладываются в систему. И если по каким-то причинам нарушается такая последовательность действий (а это случается нередко), то происходит разрыв между описанием метаданных и реальными настройками в системе. При этом бизнес-логика кодируется непосредственно в исходном коде приложений на различных языках программирования, теряется хронология изменений бизнес-логики, описание метаданных становится неактуальным, а настройки системы понятны только программистам. Все это накладывает существенные сложности на поддержку эксплуатации системы, требует внесения в нее новых модификаций.

«Оптимальным подходом, на наш взгляд, является объединение в рамках одной BI-системы метаданных и средств их ведения/описания, причем описание метаданных должно быть на понятном бизнес-пользователю языке, его изменение должно приводить к автоматическому изменению метаданных, — рассказывает Максим Балаш. — Так преодолевается проблема разрыва между метаданными и их ведением, а BI-система не только обеспечивает пользователей актуальной информацией и программными инструментами для решения аналитических задач, но и становится единым репозиторием для ведения всех метаданных с автоматической генерацией соответствующих настроек системы в одном программном продукте».

Максим Балаш

В целом существует несколько способов использования данных BI-решением:

— загрузка данных в корпоративное информационное хранилище, на основе которого функционирует BI;

— использование данных напрямую из OLTP-систем;

— применение одновременно обоих способов.

Денис Соловьев советует каждой компании выбрать для себя наиболее подходящий вариант: «Нередки ситуации, когда транзакционные системы перегружены. В этом случае вмешательство BI-решения в их функционирование нежелательно, более рационально перегружать данные в отдельную БД для дальнейшей работы с ними. Нам приходилось также сталкиваться с ситуациями, когда источниками информации для BI являются одна или две основные информационные системы предприятия с достаточным количеством аппаратных ресурсов. В этом случае можно использовать данные напрямую из источников».

Качество данных

Корректность данных является необходимым условием для принятия верных и своевременных управленческих решений и определяет качество созданного BI-решения.

«С одной стороны, почему-то многие заказчики считают, что проблема «очистки» данных должна сама собой решаться средствами BI-системы, — рассказывает Любовь Петрова. — С другой — опыт показывает и противоположный подход, когда задача обеспечения качества полностью перекладывается на сотрудников подразделений, предоставляющих исходные данные. Совершенно очевидно, что это задача комплексная, и решаться она должна совместными усилиями специалистов двух категорий: бизнес-аналитиками, отвечающими за актуальность моделей данных и полноту требований к ним, и разработчиками BI-решений, обеспечивающими объективность аналитических оценок и выработку управленческих решений».

Некоторые BI-платформы имеют в своем составе инструменты для контроля качества исходных данных, однако этого не всегда бывает достаточно. Часто требуется внедрение отдельных продуктов или даже специальной разработки решений для интеграции и «очистки» данных. Решение такой задачи иногда выливается в отдельный проект.

— На помощь приходят системы класса DataQuality, позволяющие организовать автоматизированную очистку и корректировку данных посредством заранее настроенных моделей и алгоритмов, — поясняет Денис Соловьев. — Настраивать DataQuality можно под конкретные задачи, что обеспечивает еще большую эффективность решения.

Советы

Внедрение BI-решений можно считать ключевым моментом для постановки вопроса о создании единого информационного пространства любой коммерческой компании или государственной организации, а также объективным условием перехода на качественно новый уровень принятия управленческих решений.

Поэтому Любовь Петрова советует начинать проект с оценки текущего состояния системы управления компанией и переосмысления роли информационных технологий в процессе принятия решений: «Руководству любой компании необходимо понимать, что внедрение BI-решения не только ведет к повышению уровня автоматизации работы подразделений, но и требует существенных изменений всей структуры управления деятельностью. Этот вопрос необходимо детально обсуждать на начальном этапе работы, и если будет достигнуто общее понимание значимости данного решения со стороны руководства компании, функциональных подразделений и ИТ-специалистов, внедряющих систему, то успешность проектов такого класса не вызывает сомнений. Как правило, ошибки совершаются именно по этой причине».

Одним из определяющих факторов успеха проекта внедрения является понимание, для кого и с какой целью должна использоваться информационная аналитическая система.

Поскольку BI относится к классу систем для поддержки управленческих решений, то необходимо иметь четкое представление о самих процессах принятия решений и организации информационно-аналитических сервисов.

«Насколько структурирован и понятен сам бизнес-процесс, настолько проще выбор и внедрение автоматизированной системы, — считает Любовь Петрова, — так как в этом случае понятны требования к набору функций, составу исходных данных, видам представления информации и так далее. — Если же система предназначена только для реализации отдельных функций, таких как мониторинг, формирование различного вида отчетности, анализ рисков, то должно быть понимание роли отдельных функций и процессов в общем функционале, что определяет требования по интеграции и консолидации исходных данных».

Любовь Петрова

Для достижения максимального эффекта от проекта Денис Соловьев советует соблюдать лучшие практики внедрения решений от ведущих производителей BI-решений. Большинство производителей решений предлагают комплексы систем, ориентированных на конкретный бизнес (банки, телекоммуникации и пр.). В таких решениях изменение архитектуры БД может быть минимально, а разработчикам, не имеющим достаточного опыта в построении таких решений, будет проще ориентироваться, поскольку целевая архитектура уже определена.

Ключ к дальнейшему развитию BI-проекта и отсутствию проблем поддержки — хорошее документирование решения. Детальные описания моделей данных (например, в виде физических и логических моделей), корректные наборы показателей. Естественно, что для эффективного решения этой задачи на проекте необходим опытный архитектор данных, знакомый со спецификой бизнеса. Кроме того, нельзя уменьшать роль аналитика, являющегося связующим звеном между бизнесом и ИТ. Полный, корректный набор требований, составленный аналитиком, является фундаментом успешного решения.

Перспективы

Каждый руководитель хочет видеть информацию в удобной ему форме, чтобы, бросив на нее взгляд, он смог бы сделать первые выводы о текущей ситуации в компании. Для решения таких задач обычно используются «приборные панели руководителей» (dashboard), предоставляющие нужную информацию в наиболее агрегированном и «нарядном» виде. Современный уровень технологического развития ставит перед разработчиками задачу не только обеспечить построение эффективного рабочего места аналитика или руководителя, но и всегда иметь нужную информацию под рукой. Эта задача направлена главным образом на создание аналитических решений для мобильных устройств.

— Множество пользователей BI-решений хотели бы видеть необходимые отчеты на смартфоне или планшетном устройстве, просто подключившись к Интернету, находясь за пределами основного места работы, — поясняет Денис Соловьев. — На мой взгляд, фокус на развитие данного подхода — беспроигрышный. В перспективе это позволит по-новому взглянуть на использование мобильных устройств для решения профессиональных — в том числе аналитических — задач.

Елена Некрасова http://ibusiness.ru/