Резюме
Существует много проектов Business Intelligence или Data Warehouse, которые заканчиваются неудачей. Это понимается как «невыполнение ожиданий»: стоимость, сроки доставки, полезность, качество данных, удобство использования пользователями, участие компании, вклад в результаты и т. Д.
Здесь мы попытаемся объяснить некоторые ключи, основанные на в реальных событиях, которые позволяют нам успешно справиться с такой имплантацией.
1. Что такое бизнес-аналитика?
Для достижения этой цели сначала необходимо знать, что такое бизнес-аналитика:
К сожалению, этот термин не имеет ничего общего со средним IQ людей, которые работают в определенном бизнесе. Фактически, бизнес-аналитика (BI) имеет отношение к данным и приложениям бизнеса, чтобы лучше их понять. Подобно военной разведке, которая стремится понять врага, бизнес-аналитика в первую очередь о себе. В частности, системы бизнес-аналитики основаны на создании моделей бизнес-вычислений, чтобы они могли функционировать более эффективно.
Хранение данных лежит в основе процессов бизнес-аналитики. В мире ETL под бизнес-аналитикой обычно понимается все пространство систем баз данных, программного обеспечения, анализа и оценки пользователей, предназначенное для понимания и оценки бизнеса.
Обычно существует одно или несколько аналитических применений программного обеспечения (например, Business Objects, Cognos или Microstrategy).
BI-системы отличаются от операционных систем тем, что они оптимизированы для запросов и представления данных. Как правило, это означает, что в Datawarehouse данные денормализуются для поддержки вопросов с высокой производительностью, в то время как операционные системы обычно полностью нормализуются для поддержки ссылочной целостности и для непрерывной вставки данных. Процессы ETL, загружающие системы BI, должны переводиться из нормализованной в денормализованную операционную систему. И, как правило, они имеют серьезные сбои в работе, поскольку они не должны ухудшать производительность операционных систем и не должны запрещать доступ к хранилищу.
Вот почему возникает бизнес-аналитика, основанная на новых структурах анализа, в основном многомерных, в отличие от реляционной.
2. Как выбрать приложение Business Intelligence?
Первое, что я могу сказать, это то, что мы должны определить, какие потребности и какой инструмент мы ищем: анализ, отчетность, база данных, OLAP и т. Д.
В настоящий момент я оставлю вам несколько мазков, в соответствии с моими критериями, из основных факторов (в порядке убывания важности), которые следует учитывать при выборе инструмента бизнес-аналитики:
1) Платформа: это не то же самое, что быть привязанным к Microsoft, или иметь возможность работать в Unix, или иметь стратегию Open Source Linux. То же самое относится и к оборудованию. Некоторые производители ограничены.
2) Резюме продавца: очень полезно знать тип внедрений, которые были сделаны, если они были выполнены вовремя, если они используются, удовлетворенность пользователей и т. Д…
3) Размер куба: необходимо предварительно проанализировать широту хранимой информации. Некоторые приложения могут «взорваться» на определенном уровне.
4) Скорость запросов: пользователи всегда хотят скорость в своих запросах. И если 20 секунд ожидания слишком велики, возможно, вам придется найти другой инструмент.
5) Служба поддержки и справки по всему миру: мы должны быть уверены, что если что-то не получится в приложении (и оно обязательно не получится, это точно), мы сможем решить эту проблему в кратчайшие сроки.
6) Аналитические оценки: Gartner, IDC знают, о чем они говорят… и они обычно объективны. Стоит посмотреть на их «квадранты».
7) Экосистема продавца (консультанты, партнеры, соглашения, сообщество разработчиков…).
8) Установлена база пользователей. Если там будет намного лучше в моем секторе. Если я могу поговорить с ними и увидеть инструмент вживую, даже лучше.
9) Графический интерфейс пользователя (GUI). Мы должны помнить, что речь идет об инструменте для конечных пользователей, и если он им не понравится, он им не воспользуется, и это будет напрасная трата денег.
10) Цена: это не должно быть самым важным… но… это важно !!!
11) Интеграция с другими инструментами: ни один инструмент не работает, как остров, изолированный от остальных. Как и в компании, если вы создаете острова, вы создаете изоляцию.
3. Почему многие проекты Business Intelligence терпят неудачу?
Иногда мы удивляемся тому, что благодаря разработке, к которой пришли многие инструменты, использованию контрастных методологий и более высокому уровню знаний технических специалистов и пользователей, при внедрении решений Business Intelligence происходит много бедствий с точки зрения избыточных затрат по сравнению с запланированное, неиспользованное пользователями, не отвечающее ожиданиям, ошибочная информация и т.д…
Основываясь на моем опыте, я собираюсь рассказать вам о некоторых из основных недостатков:
1) Многие хранилища данных увеличиваются в размерах непропорционально, потому что технические специалисты не могут сказать «нет» излишним требованиям пользователей.
2) Предпочтительно выполнять проект с людьми из самой компании, когда у них нет ни времени, ни знаний, чтобы быть в состоянии покрыть это.
3) Устанавливаются нереальные даты для ввода в производство, что
приводит к новым датам и большим задержкам.
4) Бюджет, выделенный на проект, низкий по сравнению со степенью сложности, которая должна быть разработана.
5) Выбор программного и аппаратного обеспечения иногда производится в соответствии с критериями общих соглашений или обязательств, а не чисто с технической точки зрения.
6) До реализации проекта не проводится никаких тестов или «доказательств концепции» для определения осуществимости.
7) Исходные данные не чистые. Дубликаты, ошибки, неправильные символы… означают более дорогой процесс ETL, больший размер базы данных и худшую производительность.
8) Спонсор проекта не действует как таковой во время него. Это не «спуститься на землю».
9) Плохой выбор консультантов и чрезмерная ротация среди них.
10) Небольшое участие конечных пользователей, что приводит их к некоторому разочарованию полученными результатами.
11) Попасть в ошибку «все можно сделать с помощью вычислений» и начать с настроек, писать код за пределами стандартных функциональных возможностей.
12) Не приведение проекта в соответствие с бизнес-стратегией.
Есть много других факторов, которые могут привести к провалу проекта Business Intelligence, но они могут буквально «сбить его с толку», не получая больше проектов для консультантов, плохого имиджа продукта и внутренних рисков для ИТ-директора и других спонсоров.
4. Системы OLAP. Советы по его правильному использованию.
Предположим, что мы провели детальный анализ потребностей компании, поговорили со всеми собеседниками и пользователями, определили потребности в отчетах и доступе, и, наконец, у нас есть четкое представление о модели (какие переменные, формулы, измерения…) мы будем включать.
Именно в этот момент мы задаем себе ключевой вопрос: какой метод хранения мы будем использовать? Мы можем хранить все данные в нашей транзакционной системе, что позволяет нам быстрее их монтировать, но это может быть менее эффективно. Или мы можем предварительно рассчитать информацию так, чтобы она была получена быстро и точно. Это очень важное решение, поскольку оно может подразумевать более высокую стоимость обслуживания и лицензий.
Именно здесь удобно уточнить эти аббревиатуры:
OLAP - это онлайн аналитическая обработка. Это способ хранения информации в базе данных, который позволяет выполнять запросы более эффективно. Это сокращенное определение, конечно, реальность более сложна.
MOLAP: многомерный OLAP. Как исходные данные, так и агрегированные или предварительно рассчитанные данные находятся в одном и том же многомерном формате. Оптимизация запросов, но требует больше дискового пространства и другого программного обеспечения. Первый пункт оставляет проблему: дисковое пространство дешевеет.
ROLAP: реляционный OLAP. Предварительно рассчитанные и агрегированные данные, а также исходные данные находятся в одной и той же реляционной базе данных. Если хранилище данных очень большое или требуется скорость от пользователей, это может быть проблемой.
HOLAP: гибридный OLAP: это комбинация двух предыдущих. Агрегированные и предварительно рассчитанные данные хранятся в многомерных структурах и структурах с более низким уровнем детализации в реляционной. Это требует хорошей работы анализа для определения каждого типа данных.
С практической точки зрения я хотел бы добавить некоторые другие характеристики системы OLAP:
- Это должно быть быстро. Между потребностью в информации и результатом не должно быть много времени. Он должен иметь функциональный и деловой язык. Он должен быть простым в использовании, с мастерами и шаблонами. Он должен быть способен интегрировать API. Он должен иметь мощные графические возможности. Обычно. Возможность хранить и обмениваться отчетами и расчетами, созданными пользователями. Администрирование должно осуществляться пользователями, а не ИТ. Время реализации (проект) должно быть очень коротким. Должно генерировать измеримые ответы для принятия решений. чем возможность получить ROI с приложениями OLAP.
В заключение мы можем сказать, что три основных аспекта, о которых следует позаботиться, - это выбор людей, которые будут использовать инструменты, тех, кто отвечает за проект, и внешних консультантов. В дополнение ко всему этому, система должна быть в рамках четкой среднесрочной и долгосрочной бизнес-стратегии, чтобы избежать исправлений решений и ненужных расходов.
