Бизнес-аналитика, как известно, практически всегда объединяет данные нескольких бизнес‑систем. А следовательно, развитие аналитических приложений в компании может способствовать раскрытию потенциала CIO не в качестве носителя технических знаний, не в роли руководителя информационных проектов по внедрению тех или иных систем и даже не как менеджера, разбирающегося в операционных процессах.

Речь идет о владении совокупным информационным ресурсом и управлении им как целым, что, если дословно расшифровывать соответствующую аббревиатуру CIO, является его основной функцией. Качество же информационного ресурса бизнеса во многом зависит от того, насколько востребованы аналитические функции в том или ином бизнесе и насколько глубоко культура работы с аналитикой пускает свои корни.

Говоря о развитии аналитического направления в компании и о сопряженном с этим процессом повышении роли CIO как владельца информационного ресурса, необходимо отметить, что мы в основном имеем в виду крупный и средний бизнес. По крайней мере, он должен быть крупным настолько, чтобы растущее внутри него информационное поле было порождено многими информационными системами.

Профессиональных пользователей меньшинство

Интересную информацию по поводу того, кто в компании реально пользуется аналитическим функционалом, дает компания IBM. По ее данным, соответствующая структура выглядит так, как показано на рис. 1. Отметим, что классификация в данном случае дана не в разрезе должностных обязанно­стей пользователей и их места в иерархии управленческой вертикали компании. Акцент здесь, скорее, делается на профессиональные навыки работы с информацией и отчасти на степень регулярно­сти работы с аналитическими системами того или иного класса. Видно, что в типичных организациях только 5% приходится на профессиональных специалистов (power users), как правило, ассоциируемых с бизнес-аналитиками, а также с сотрудниками ИТ‑департамента, обязанности которых предполагают погружение в бизнес-проблематику компании. Считается, что в группу power users входят также финансовые аналитики, не просто просматривающие отчеты (корпоративная отчетность, как известно, всегда считалась частью направления бизнес-аналитики), но и активно занимающиеся их подготовкой.

В продуктовом аспекте в данном случае акцент делается на простоту средств подготовки аналитической отчетности, что, по мнению специалистов, до сих пор представляет собой определенную проблему. Здесь же встает задача использования еще одного смежного с бизнес-аналитикой направления — workflow — и средств совместной работы. Подготовка бюджетов и отчетности — по определению коллективный процесс, а результаты данной работы в отношении форматов данных практически никак не преобразовываются. Иными словами, они сохраняют ту же структурированную форму, которую исходные данные имели на входе решаемой задачи.

Еще одной группе профессиональных пользователей — маркетологам, то есть менеджерам по продуктам и специалистам в области закупок и логистики, в значительной степени относящимся к слою бизнес-менеджмента (рис. 1), — отводится инструмент, скорее попадающий в категорию продвинутой аналитики (advanced analytics). Они, например, ищут корреляции между параметрами статистики продаж того или иного товара или строят прогнозные модели с помощью временных рядов. Аналитические инструменты категории advanced analytics, с помощью которых такие задачи решаются, неплохо известны, и о них часто говорят. При этом реже упоминают о том, что те данные, которые характеризуют конечный результат работы с продвинутой аналитикой (в отличие, скажем, от упомянутой выше ситуации с финансовыми отчетами и бюджетами) редко остаются в том же структурированном формате, характерном для исходных данных. Напротив, результаты анализа могут «растечься» по многочисленным текстовым отчетам и документам, не только не приобретая численную форму, но и оставаясь в известном смысле лишь предположениями, имеющими ту или иную степень вероятности.

Специалисты полагают, что в руках случайных пользователей, а также внешних по отношению к компании потребителей аналитического функционала (которые, напомним, составляют около 70% от всех пользователей бизнес-аналитики) должны тоже находиться довольно продвинутые инструменты. По крайней мере, если не в отношении требуемых профессиональных навыков для работы с ними, то в смысле наличия «зашитых» в них алгоритмов. Одним из таких инструментов являются средства корпоративного поиска (enterprise search) и текстового анализа информации (text mining), которые также относятся к инструментам бизнес-аналитики и которые пока весьма слабо распространены в России. Речь, по сути, идет о некотором подобии всем известных публичных «интернет-поисковиков», заточенных вместе с тем под бизнес-процессы работы с информацией, принятой на корпоративном рынке.

Подобные инструменты считаются тем более востребованными, чем в большей степени распространены средства продвинутой аналитики в том или ином бизнесе. Как уже было сказано, результаты анализа информации, полученные средствами advanced analytics, вовсе не обязательно остаются в виде более привычных для организации корпоративного управления отчетов, а могут в слабоструктурированной форме «растекаться» по многим корпоративным документам. Решать в определенной мере обратную задачу по сбору рассредоточенной по разным источникам информации и призваны продукты категории Enterprise search. Они, как и их аналоги в публичном Интернете, являются неспециализированным инструментом, рассчитанным на короткие и в большинстве случаев не связанные друг с другом сеансы работы с ними, что как раз подходит под стиль профессиональной деятельности сотрудников, эпизодически сталкивающихся с бизнес-аналитикой.

От стратегии — к операционным инициативам

Весьма небезынтересную интерпретацию создания единого информационного пространства представляет еще один ключевой поставщик мирового рынка аналитического ПО — компания Information Builders. Согласно ее точке зрения, общее направление BI в компании разбивается на три составляющие, тесно связанные между собой: стратегическое, собственно аналитиче­ское и операционное.

Ключевым моментом при этом считается наличие замкнутого цикла между этими компонентами (рис. 2). Необходимо также иметь в виду, что движение от стратегического к операционному направлению BI соответствует распространению аналитического инструментария от топ-менеджмента к рядовым сотрудникам.

При рассмотрении этих компонентов в интеграции друг с другом полезной аналогией представляется ситуация с ремонтом автомобиля. Аналогия, в общем, предельно проста и не требует существенных комментариев (рис. 3). Со стратегическим уровнем прочно связана приборная панель машины, демонстрирующая источник возникновения проблем. Ассоциация с панелями dashboard для топ-менеджмента, имеющими широкое применение в бизнесе, здесь очевидна. Специалистов по диагностике определенного типа агрегатов, способных выяснить, какой узел вызвал, скажем, перегрев двигателя, можно поставить в соответствие функциональным менеджерам, работающим с хранилищем данных и выясняющим причины проблем, диагностированных на приборной панели.

Однако наибольшего внимания, пожалуй, заслуживает аналитика уровня рядовых сотрудников, за которой на зарубежном рынке закрепился эпитет «операционная» (operational analytics, или operational BI — OBI). Ее формальное определение можно найти во многих интернет-источниках. Они отчасти различаются, но общим для них является следующие тезисы. Использование OBI базируется на результатах, получаемых со стороны вышележащих слоев аналитики. Беря их в качестве основы, операционный слой должен обеспечивать возможность задействования адекватных бизнес-процессов (если допустимы варианты), при этом заметно увеличивая их производительность.

В предложенной аналогии с операционной аналитикой ассоциируется автослесарь, склонившийся над открытым капотом автомобиля. В «классическом» понимании он лишь выполняет инструкции по замене того или иного узла уже после того, как зона поломки полностью локализована. Однако если в руки ему дать инструменты из современного арсенала ИТ, то его работа даже в пределах тех же должностных обязанностей может существенно трансформироваться. Имея при себе, скажем, планшетный компьютер в защищенном исполнении, он в состоянии, например, проверить наличие запчастей на ближайшем складе. Если их нет, а есть аналогичные, он совместно с заказчиком принимает решение, ожидать ли ему оригинальных комплектующих или ставить замену. Если не планшетном компьютере установлено интерактивное техническое руководство (ИЭТР), ремонтник, исходя из конкретной ситуации (например, наличия определенной оснастки или степени повреждения кузова), может выбрать порядок демонтажа изделий из нескольких возможных вариантов и т. д.

Столь же «углубленная» интерактивность с внешней средой становится характерна и для всецело вооруженных необходимым арсеналом ИТ других сотрудников не из числа управленцев — мобильных продавцов и консультантов, работников колл‑цен­тров, курьеров, страховых агентов, сотрудников по обработке заявок клиентов и др. Все они оказываются в состоянии увеличить производительность бизнес-процессов, в которых сами же участвуют. На этих примерах, кстати, обнаруживается и еще одна особенность операционного BI. Его развитие почти всегда сопровождается повышением интенсивности и степени гибкости формирования контактов с внешними партнерами компании.

Опираясь опять‑таки на западные публикации, можно сделать вывод о том, что операционная аналитика — понятие довольно расплывчатое. Собственно средства анализа информации на этом слое далеко не такие богатые, как на вышележащих. Зато практическая отдача от OBI приобретает реальные очертания только после «подтягивания» к ним целого спектра других инфраструктурных и прикладных решений. То, какие из них претендуют на эту роль, безусловно зависит от конкретной ситуации, и среди них могут быть достаточно экзотические (как, например, в приведенном выше примере с ИЭТР). Однако в числе наиболее значимых в целом специалисты выделяют следующие:

  • вычисления реального времени;
  • работа с СУБД в оперативной памяти (in-memory database);
  • мобильные вычисления;
  • колл‑центры и CRM‑системы;
  • системы обработки сообщений (message processing systems);
  • системы управления производительностью бизнес-процессов;
  • системы управления мастер-данными (master data management).

Возвращаясь к проблеме организации управления информацией, сделаем некое резюме. Распространение технологий BI за пределы круга топ-менеджмента и профессиональных аналитиков заметно влияет и на методы использования аналитики в компании, и на структуру арсенала аналитических средств. Появление многочисленной категории пользователей не упрощает, а скорее усложняет ее; кроме того, эффективность использования аналитики, как отмечают эксперты, становится гораздо больше зависимой от аналогичного показателя в отношении целого ряда других бизнес-приложений, а также инфраструктурных систем.

Национальные особенности BI

Владимир Самодуров,
директор департамента бизнес-анализа и консалтинга в корпоративном секторе НЦИТ «ИНТЕРТЕХ»

Российские «исторически сложившиеся» реалии в области внедрения BI‑систем сильно отличаются от зарубежных. Если в западных компаниях к реинжинирингу, унификации и стандартизации бизнес-процессов относятся как к необходимости, то в большинстве российских компаний это не так. Попытки модификации и структуризации бизнес-процессов, устоявшихся в компании, зачастую встречают противодействие на совершенно разных уровнях. Попытки создания корпоративной базы знаний часто разбиваются о другую «национальную особенность»: одни подразделения компании не любят делиться своей информацией с другими. Информация выдается по запросам, в минимальных объемах и часто неоперативно. Понятно, что внедрение средств корпоративного поиска и текстового анализа информации в таких условиях вряд ли приведет к положительному эффекту для компании.

Отдельный вопрос — панели dashboard для топ-менеджмента. При внедрении BI‑систем требования к системе выдвигают, как правило, не топ-менеджеры, а их подчиненные, руководители подразделений, готовящие для них необходимую отчетность. Естественно, в этом случае будут разрабатываться не те dashboard, которые бы показывали существующие в компании проблемы, и тех, кто за отвечает за их решение, а те dashboard, которые постановщик задачи хочет показать своему руководству. Часто одним из ключевых требований бывает возможность ручной корректировки ключевых показателей уже после формирования отчетности по данным, хранящимся в системе.