Бизнес-задачи, решение которых требует аналитического инструментария и только его, уже и на местном рынке стали далеко не экзотическими. Однако субъективное отношение к аналитике в российских компаниях до сих пор достаточно осторожное. Впрочем, несмотря на изобилие имеющихся решений, схемы применения аналитики в бизнесе не лишены объективно существующих нюансов.

Бизнес по принципу "что, если" требует новых подходов

Под общим термином "бизнес-аналитика (BI)" объединяют очень широкий круг продуктов. Она включает инструментарий и программные приложения для сбора, анализа и моделирования данных в ходе принятия решений. К инструментарию при этом относят средства управления и формирования хранилища данных, обеспечения доступа к нему, а также средства технического анализа и управления пространственными данными. В таком качестве бизнес-аналитика обеспечивает получение информации из текста, баз данных, рисунков, СМИ, Интернета, анализ всего этого, а на его основе - понимание ситуации, связывание значимых фактов и игнорирование ненужных, оценку рисков и поддержку принятия решений.

Если перейти от сухой теории к практическим нуждам, то аналитические инструменты могут помочь в решении таких задач: определить надежность поставщика или платежеспособность покупателя, выбрать перспективное направление развития, определить продукт, улучшить качество которого нужно в первую очередь, спрогнозировать эффект от изменения цены продукта, по закономерностям поведения покупателей определить их действия в будущем, по данным о качестве продукта предсказать затраты на его обслуживание. Но, конечно, кроме извечного "что делать?" (хотя в данном контексте вопрос скорее звучит "что будет, если сделать так-то?), неизменно актуален вопрос "кто виноват". В задачах, связанных с безопасностью, инструменты BI применяются все шире: в банковской сфере, в Интернете, в том числе для отслеживания операций по кредитным картам и предотвращения мошенничеств разного рода.

Аналитики выделяют следующие тенденции на рынке бизнес-аналитики: конкуренция между поставщиками решений растет, слияния и поглощения все время меняют картину, появляются новые игроки, в том числе производители ERP. Появляется все больше вертикальных решений, широко используются Web-сервисы. IDC подчеркивает также важность подхода, который стал складываться только в последнее время и носит название BAM (Business Activity Monitoring). Если традиционные приложения не подразумевали, что принятие решения и его реализация должны быть непосредственно связаны между собой, то теперь на повестке дня тесная связь аналитики с производственным процессом.

Мониторинг ситуации, ее анализ, моделирование по принципу "что, если?", принятие решения и действие. весь этот круг теперь замкнут, или, скорее, производители пытаются его замкнуть. Эту замкнутую модель называют DCBI (Decision Centric BI - бизнес-аналитика, ориентированная на решения). Ее отличия: поддержка процесса принятия решений, фильтрация и отслеживание информации, коллективная поддержка, а не только индивидуальный доступ, как это в основном было раньше, применение инструментов оптимизации решений.

Хранилище данных НП "АТС"

«Администратор торговой системы оптового рынка электроэнергии единой энергетической системы» (НП "АТС") — структура с таким сложным названием является организатором торговли на оптовом рынке энергии. Проект по созданию хранилища данных подразумевал такие задачи: консолидация данных, поступающих из оперативных систем; поддержание историзма данных с сохранением версий модифицируемых записей; система регламентированной и нерегламентированной аналитической отчетности. Проект был поручен компании «Форс-Центр разработки». Хранилище построено на платформе СУБД Oracle 9i. В качестве CASE-среды для разработки и развертывания хранилища использовался инструмент Oracle Warehouse Builder 9i. Система аналитической отчетности реализована средствами Oracle Discoverer 9i. Аналитическая функциональность решения включает: визуализацию ценовых, объемных, ограничительных и других сигналов рынка, в том числе отображение на карте; отслеживание цикличности, кластерный анализ, отслеживание необычных явлений, выбивающихся из ряда среднестатистических показателей за какой-либо период, краткосрочный и долгосрочный прогноз для принятия стратегических, в том числе инвестиционных решений, выявление и фиксация фактов злоупотреблений (например, нарушений участниками торгов Закона об электроэнергетике), прогноз доходов от оказания услуг торговой системы оптового рынка.

Очень нужно, но внедряется мало

Естественно, получить ответы на перечисленные выше вопросы и располагать средствами DCBI заинтересован любой здравомыслящий управляющий, в том числе и в России. Вендоры соответствующих продуктов отмечают постоянный рост спроса, превышающий 30% в год. Однако интеграторы сетуют на то, что при высоком интересе к аналитическим инструментам реальных проектов пока мало. Но ИТ-директора все чаще упоминают создание хранилищ данных, консолидацию бухгалтерской и финансовой информации, оптимизацию работы с отчетами как задачу на самое близкое будущее.

По данным IDC, в нашей стране преобладают решения от иностранных поставщиков, используются они в основном у крупных, если не сказать - уникально больших клиентов. Но список заинтересованных отраслей уже не столь узок: кроме ожидаемых нефтегазовой, банковской, телекоммуникационной, в нем, по утверждению IDC, числится транспорт, страховые компании, розничная торговля и дистрибуция.

Елена Семеновская, аналитик российского подразделения IDC, выделяет несколько факторов, существенно влияющих на распространение решений класса BI в России. Переход от индикационного управления к предсказуемому и рост сложности ИТ-инфраструктуры настоятельно требуют применять аналитические подходы. Но когда требуются быстрые внедрения и быстрый возврат инвестиций, это налагает заметные ограничения. Ведь проекты по BI обычно дороги и сложны. Кроме того, часто потребность в них возникает после запуска ERP-систем, и обосновать новые масштабные затраты оказывается непросто. При этом аналитические выкладки нужны в первую очередь высшему руководству компаний. Значит, инициатива таких проектов еще в большей степени, чем других, должна идти от бизнес-подразделений и топ-менеджмента, а они часто даже не представляют себе, какие возможности в этой области существуют.

К этому необходимо добавить: прежде чем анализировать данные, их нужно как минимум иметь, причем в виде, для этого пригодном. А чтобы этого добиться, большинству российских предприятий предстоит еще очень многое сделать, причем не столько даже в области ИТ, сколько просто в деле наведения порядка в отчетности. Очень показателен в этом смысле пример холдинга РусПромАвто (см. интервью с ИТ-директором РусПромАвто в этом номере). Примечательно, что даже весьма крупные российские компании до сих пор задачу консолидирования отчетности решают вручную, пытаясь увязать сотни Excel-файлов в единое и по возможности непротиворечивое целое. Более того, часть из них совсем не считает автоматизацию этого процесса приоритетной задачей. Как-то это делается, пусть долго, пусть неточно, пусть с какими-то сверхъестественными усилиями - ну и ладно, есть задачи и поважней. "Поважней" - это экстенсивный рост, захват новых рынков, аккумуляция активов. И пока экономическая ситуация не стабилизируется, вряд ли возможны изменения подхода.

Создание информационно-аналитической системы в «Глории Джинс»

«Корпорация «Глория Джинс» — производитель одежды для детей и подростков под марками Gloria Jeans и Gee Jay. Целью проекта была консолидация данных существующих систем автоматизации. Их предполагалось использовать в аналитических целях, а также для поддержки принятия решений. При этом нужно было создать простое и удобное для конечных пользователей средство просмотра накопленных данных и их анализа, с возможностью построения наглядных аналитических отчетов по различным срезам и с требуемым уровнем детализации. Подрядчиком выбрали компанию «Терн». Ею был предложен вариант создания системы, состоящей из подсистемы сбора, контроля и хранения корпоративных данных и информационно-аналитической подсистемы.

В качестве платформы хранения данных была выбрана СУБД MS SQL Server 2000, в качестве средств создания и поддержания хранилища, программный продукт MS DTS, входящий в пакет MS SQL-2000, и хранимые процедуры, разработанные на языке Transact SQL. Для формулирования запросов были разработаны каталоги бизнес-терминов («Юниверс») и набор отчетов с применением программных продуктов Business Objects, включая «Анализ продаж», «Кредитный анализ», «Анализ логистики», «Финансовый анализ», «Управление качеством».

В результате выполнения проекта стал возможен анализ данных с дискретностью до одной минуты и с горизонтом до нескольких лет. Данные анализируются по SKU, клиенту, точке продаж, складу, с привязками к географии, курсам валют, видам операций. Это данные о видах продаж, способах оплаты, причинах возвратов продукции. Пользователи системы — дирекции продаж, финансов, управление цепочками поставок, высшее руководство компании. Применение системы позволило улучшить планирование производства и продаж, снизить процент ликвидируемой продукции.

Были бы данные, продукт найдется

Как и в других областях, связанных с бизнес-приложениями, крупнейшие вендоры, в данном случае - аналитического ПО, такие как SAS, Cognos, Business Objects, KXEN, пытаются энергично продвинуться на российский рынок. Но если в других секторах им противостоят разработчики отечественные, оккупируя нижний и средний ценовой сегмент, то в области бизнес-аналитики это давление значительно слабее. Исключение составляет компания Intersoft Lab, специализирующаяся в области разработки информационно-аналитических и управленческих систем, а также хранилищ данных. Одних банковских проектов на ее счету более сорока.

Однако не стоит забывать, что анализировать можно не только финансовые показатели и бухгалтерскую отчетность. Неменьший интерес представляют и неструктурированные данные. Продукты для работы с ними достаточно специфичны: хотя в их описаниях и встречается часто термин "искусственный интеллект", в реальности пока еще для извлечения с их помощью каких-то нетривиальных закономерностей нужно приложить массу весьма естественных интеллектуальных усилий, а именно - самостоятельно их настроить на те темы, области, с которыми нужно работать. Но именно в этой области проявляют себя отечественные разработчики, поскольку речь идет об анализе русскоязычного текста.

Некоторые из таких систем имеют хоть и важное, но довольно узкое применение. Например, информационно-аналитическая система "Медиалогия" предназначена для мониторинга и анализа российских средств массовой информации. Основными заказчиками сервиса являются государственные учреждения, политические объединения, СМИ. Коммерческие компании производственного профиля, среди которых и "Северсталь", и "Вимм-Билль-Данн", тоже пользуются этими услугами. Еще по крайней мере две российские компании продвигают такого же рода услуги, но ориентируются больше на средние коммерческие фирмы.

Значительно шире сфера применения продуктов компании Convera. В частности, продукт RetrievalWare обрабатывает и неструктурированные тексты, и формализованные базы данных, информацию в корпоративных почтовых системах и системах документооборота. В России решения на основе этого ПО выполнены для "Роспатента", используются в создающихся российских онлайн-библиотеках. Американская компания Convera в нашей стране достаточно известна, а вот про российскую компанию "Мегапьютор" вряд ли в России много знают, хотя на мировом рынке она занимает не последнее место: 500 клиентов в 20 странах, среди которых Boeing, 3M, Dupont, Siemens. ЦБ РФ, Счетная палата РФ, Банк Москвы и некоторые другие банки, используют семейство продуктов этой компании PolyAnalyst "с целью обнаружения в них ранее неизвестных, нетривиальных, практически полезных и доступных пониманию закономерностей", как формулируют задачу разработчики.

Второе поколение BI-приложений

В настоящее время, имея более чем десятилетний опыт использования BI-технологий, можно говорить о появлении нового поколения BI-приложений. BI-приложения первого поколения чаще всего мало что делают, кроме выдачи смеси стандартных отчетов и анализов, выполненных на основе параметров и постфактум; их нельзя изменить без привлечения ИТ-специалистов. Такое отсутствие гибкости не удовлетворяет современных аналитиков, так как они ценят возможность самообслуживания, возможность смотреть вперед.

Второй критический недостаток большинства BI-сред первого поколения - неудовлетворительное управление метаданными. Часто это можно отнести за счет того, что в центре большинства старых наборов BI-инструментов находится какой-либо продукт, а все остальное более или менее успешно стыкуется к нему. В одной компании мы увидели BI-среду, которая была сконцентрирована преимущественно вокруг популярного приложения "Приборная доска управления". Оно функционировало как портал с доступом к целому набору отчетов и анализов, покрывающих почти всю функциональную область предприятия. Эта среда не имела плавильной архитектуры; скорее она была образована путем добавления компонентов, предназначенных для удовлетворения специфических требований данного момента. Картина типичная для большинства компаний, внедривших BI-инструменты. Сама по себе такая реализация BI-среды не масштабируема и не гибка. А кроме того, сейчас роль, которую управление метаданными играет в будущей BI-среде предприятия, существенно расширяется.

Третья причина, по которой имеет смысл выделять BI-приложения второго поколения, - это большая приближенность к понятию "реальное время". Многие организации имеют сейчас функциональные требования, которые предусматривают прохождение потоков данных от исходных систем в BI-среду в реальном времени. Сейчас это более, чем технический вопрос; успех BI-среды может зависеть от понимания того, что, к примеру, широко используемый "Отчет о ежедневных продажах" формируемый в настоящее время на большинстве предприятий к вечеру или утру следующего дня, должен быть сейчас доступен, несколько раз в течении рабочего дня. Такого рода потребность в данных предъявляет требования не только к средствам извлечения, преобразования и загрузки данных, но и к средствам подготовки отчетов и анализа. Здесь возникают совершенно новые проблемы. Например, придется подумать о том, как система будет предупреждать пользователей о точном "возрасте" или запаздывании информации, подвергаемой анализу.

Наконец, последний важный фактор - требования безопасности. Как правило, ранее BI-среда создавалась и использовалась с минимально приемлемыми стандартами безопасности, устанавливаемыми в соответствии с возможностями инструментальных наборов. В конце концов, основной задачей было сделать данные более доступными. В наше время организации более требовательны к обеспечению безопасности, и второе поколение BI-систем лучше решает эти вопросы. Хотя по-прежнему BI-продукты значительно различаются между собой с точки зрения моделей обеспечения безопасности.

Стив Робинсон, Алан Саймон