Многие аналитики и эксперты высказывают единое мнение: инструменты BI становятся более востребованными, чем год-полтора назад, а отношение к таким подходам — более серьезным. IDC сообщает о 50%-ном росте рынка BI-приложений в России в 2006 году, включая техническую поддержку и цену лицензий. Если в прежние годы, считает Елена Семеновская, эксперт из IDC по рынку ПО, потребители довольно формально относились к этим средствам, затевая внедрение скорее в силу политических причин, чем вследствие деловой необходимости, то теперь в результате возросшей в ряде отраслей конкуренции руководители стали рассматривать их как необходимый и потенциально очень действенный инструмент управления. «Наконец-то потребовалась реальная аналитика для принятия решений», — отмечает она. Видимо, сказывается и накопление в уже развернутых системах массивов данных.
BI- и ERP-проекты
Прежде всего, в этой статье мы обсудим особенности BI-проектов. Похожи ли они на столь уже знакомые почти всем ERP-проекты? Некоторые схожие черты есть. Так, многим ERP-проектам предшествует реорганизация компании, серьезное изменение бизнес-процессов. Некоторые руководители считают, что именно такой последовательный подход, предварительная подготовка могут дать и дают наилучшие результаты и по времени, и по стоимости, и по эффективности. В большинстве случаев проект внедрения BI-инструмента обычно предполагает оптимизацию оргструктуры предприятия, эти изменения закладываются вначале проекта и учитываются на этапе автоматизации, отмечает Надежда Степанова, руководитель отдела внедрения практики ИАС, Columbus IT. Яркие примеры такой реорганизации по ходу дела — проект в компании Ozon.ru (см. этот же номер).
Кроме того, как и для ERP-проектов, большую роль играет четкость постановки задачи автоматизации. Надежда Степанова рассказывает, что когда компания начинает полномасштабный BI-проект, в ней уже, как правило, используется ERP-решение, а также имеется набор бизнес-процессов, ИТ-поддержка которых основана лишь на электронных таблицах. У заказчика обычно есть нечетко сформулированные пожелания о создании инструмента для сбора и консолидации информации из всех систем. Даже если на старте высказываются четкие требования, говорит Надежда Степанова, очень скоро выясняется, что они все же весьма расплывчаты. Значимость стратегии подчеркивает и Анна Бурак, менеджер подразделения Business Intelligence компании AT Consulting. «BI и хранилища данных используются для решения множества задач различных департаментов в организации, поскольку это не только инструмент формирования обязательной и управленческой отчетности, но и важное звено в работе ключевых бизнес-процессов (управление продажами, маркетинговыми кампаниями, рисками и т. д.). Поэтому необходимо определить шаги развития BI-решения, соответствующие потребностям и темпам развития бизнеса», — говорит она.
Другая схожая черта — сопротивление сотрудников при переходе на единую автоматизированную систему отчетности. Надежда Степанова подчеркивает, что для автоматизации все алгоритмы сбора данных и построения отчетов должны быть прописаны в явном виде, однако текущая практика составления отчетов на предприятиях часто предполагает возможность внесения ручных корректировок в выходные отчетные формы, и менеджеры нередко используют такую возможность. Процесс формирования отчетов может меняться в зависимости от степени подготовки первичных данных или при несоответствии получаемых показателей целевым значениям.
Еще одна общая черта: BI-проекты инициируют проекты интеграционные. Аудит информационных источников, неминуемый в ходе внедрения BI, дает топ-менеджменту ясно понять, что не все ИТ-системы можно ставить «как есть», их нужно связывать. Владислав Глазунов, руководитель группы бизнес-аналитики и хранилищ данных из компании TopS BI (ГК «Систематика»), замечает, что при сравнении BI- и ERP-проектов следует различать реальные цели построения систем бизнес-аналитики. Для задач бюджетирования, финансовой консолидации существуют готовые бизнес-приложения, порядок и риски внедрения которых ничем не отличаются от внедрения ERP-систем, считает Владислав Глазунов, и они, как правило, и внедряются совместно. Другая ситуация складывается при построении систем бизнес-аналитики и хранилищ данных, обеспечивающих отчетность и анализ основных показателей деятельности предприятия. «Тут требуется другой методологический подход к ведению проекта и контролю качества», — подчеркивает Владислав Глазунов.
BI-проект на Новосибирском заводе химических концентратов
Перед менеджментом Новосибирского завода химических концентратов стояла задача перехода на новые методы корпоративного управления. Однако проблема достоверности данных при консолидации информации из нескольких разнородных источников серьезно тормозила этот процесс. По своей структуре источники значительно различались, хотя и должны были нести одинаковую информацию. Например, план счетов, который должен быть единым, в разных системах был закодирован по-разному. Весь процесс формирования отчетов производился вручную, на достоверность данных влиял человеческий фактор. На самом деле каждый сотрудник выгружал необходимые данные из нужного самописного приложения и «колдовал» с ними так, чтобы составить требуемые отчеты. Но что именно и как делалось, не фиксировалось нигде.
Для решения возникших проблем Новосибирский завод химических концентратов приступил к созданию единого хранилища данных и системы отчетности. Подрядчиком стала компания Columbus IT. Благодаря внедренной системе удалось оценить качество данных в первичных системах, алгоритмы по которым собирали те или иные отчеты. Отчеты, полученные в результате проекта, сильно отличались от тех, что собирались вручную с помощью электронных таблиц. Одной из причин этого было несоответствие друг другу запланированных и реальных алгоритмов сборки отчетов, то есть данные собирались не так, как считало руководство.
До реализации проекта менеджеры завода использовали более двухсот отчетных форм. Цифра довольно значительная. При формализации алгоритмов сбора данных у заказчиков появилось четкое понимание, что многие отчеты содержат избыточную либо промежуточную информацию. Решение изменить бизнес-процессы в этом случае было принято руководством, и его выполнение в целом проходило конструктивно. Постепенно предприятие двигалось к унификации данных, в ходе проекта бизнес-процессы были оптимизированы, сократилось время подготовки отчетности.
Качество данных
Качество данных, в первую очередь справочников и корпоративных реестров, играет в BI-проектах самую существенную роль. «При внедрении BI-решения важно на самом раннем этапе установить проблемы качества данных в системах-источниках и выработать план мероприятий по их устранению, а в дальнейшем необходимо постоянно контролировать это качество, так как доверие бизнес-пользователей к BI-решению является одним из ключевых факторов успеха реализации проекта», — считает Анна Бурак (AT Consulting).
Во многих случаях в компаниях не существует стандартов описания информационных объектов, например клиентов, контрагентов, договоров и пр., замечает Татьяна Лякишева, руководитель направления аналитических технологий компании ФОРС, и поясняет, что есть разные виды информационной «грязи»: «На что влияет не выверенный, полный дубликатов реестр контрагентов? На качество взаимодействия с ними. Или, например, корпоративные справочники — неудобно пользоваться “грязными”, но стоит ли возиться с их очисткой, менять технологию, внедрять специальные программные средства? Многие информационные системы годами пребывают в такой ситуации, пока проблемы не становятся слишком болезненными. Но вот если в отчеты попадают неверные (или не подтвержденные первичными документами) цифры, и тем более если какие-то аналитические показатели влияют на вознаграждение конкретных менеджеров, — это дело совсем иное. Тут достоверность, прозрачность и обоснованность информации сразу становится приоритетом».
Управлять нормативно-справочной информацией (НСИ) можно централизованно, а можно и децентрализованно. Первый способ (это системы класса Master Data Management) подразумевает в компании некий центр ответственности, через который вносятся изменения в справочники и классификаторы. Однако в больших, территориально распределенных компаниях переход от существующей практики к такому централизованному управлению потребует изменения бизнес-процессов, что не всегда возможно в сжатые сроки. Возможен и второй подход, во всяком случае как промежуточный этап, считает Татьяна Лякишева.
«Если в распределенной компании с большим количеством информационных систем нет общей дисциплины ведения корпоративных справочников и реестров, а руководству необходима общекорпоративная аналитика, — поясняет она, — то отчасти эту проблему можно решить в рамках хранилища данных». Для этого в хранилище реализуется механизм «сличения» между собой «локальных» справочников транзакционных систем и формирования на их основе «глобальных» корпоративных справочников. Следует корректно поддерживать обновление «локальных» справочников из систем-источников, а также ручную и автоматическую «увязку» элементов с «глобальными» записями. Конечно, при таком подходе придётся выделить сотрудника, ответственного за решение этой задачи, но сами системы-источники останутся независимыми, а бизнес-процессы — неизменными. Компания получает аналитику в разрезе общекорпоративных справочников. А со временем, когда справочники уже будут более-менее приведены «к единому знаменателю», можно переходить и к централизованной системе ведения НСИ. Это одна из возможных моделей, полагает Татьяна Лякишева (ФОРС). Если не соответствуют друг другу цифры, поступающие в хранилище из различных источников (а это во многих случаях — стандартный рабочий момент, например, при переходе с унаследованных систем на новые), то в хранилище можно сохранять данные из обеих систем и при этом вести протокол расхождений, который является основанием для административных воздействий. Татьяна Лякишева считает, что этот же подход — составление протоколов — оказывается весьма полезным и в других случаях несовпадения данных, в том числе выдаваемых разными подразделениями. Может даже появиться новый бизнес-процесс — выявление нестыковок и их устранение.
Сроки и тактика BI-проекта
BI-проекты не должны быть растянуты, им показаны сжатые сроки. Рассказывает Татьяна Лякишева: «Раньше считалось, что построение хранилища данных — это большой проект, на год и более. Но за такое время бизнес меняется очень заметно и прежние задумки теряют актуальность. Поэтому сейчас при согласии заказчика мы стараемся двигаться таким образом. Вначале проводим небольшое обследование, чтобы понять, какая информация, где и в какой форме хранится, какие информационные разрезы могут быть нужны клиенту, какие задачи анализа и отчетности должны быть решены. Это занимает недели. По результатам выделяется предметная область и согласуются границы проекта первой очереди хранилища данных. Правильный срок для такой первой очереди — шесть-семь месяцев. Границы этого проекта можно определять по-разному. Это может быть основной приоритет с точки зрения руководства компании, то, что более всего интересно с точки зрения бизнеса. Другой фактор — готовность отдельных функциональных областей, в первую очередь — наличие и качество исходных данных, а также внятная постановка задачи со стороны функционального заказчика. Еще один фактор — время. Первый этап желательно не затягивать, поэтому нужно поставить задачу, которую реально решить в выбранные сроки. Когда проект первой очереди системы завершен, уже ясны следующие приоритетные направления, и дальнейшие работы могут вестись по схеме, когда результат получается каждые три-четыре месяца. По нашим наблюдениям это самая удачная для обеих сторон модель, позволяющая существенно снизить проектные риски».
Обучение
Обучение в проектах этого класса направлено не на изучение функциональности программного продукта, а скорее на умение анализировать информацию, делать выводы на основе данных отчетов, по-новому понимать и работать с показателями бизнеса, считает Надежда Степанова (Columbus IT). Владислав Горбунов (TopS BI) полагает, что наиболее существенным фактором, критичным для успеха проектов внедрения BI и хранилищ данных, является квалификация персонала. Это касается и экспертов предметных областей, но в большей степени технических специалистов, от которых требуются навыки, приобретаемые только с практикой. К числу таких проблем, наряду с теоретической подготовкой требующих большого практического опыта, относится решение задач с большими объемами данных, проведение исследований по извлечению знаний и поиску скрытых закономерностей в данных и т. п., подчеркивает он.
Вертикальная аналитика
Аналогично ситуации с ERP-системами для того, чтобы получить доступ к признанным методикам, сэкономить время и ускорить внедрение, компании начинают обращать внимание на отраслевые BI-решения. Так считают и в ФОРС, и в Colubmus. Елена Семеновская в своем докладе на BI-конференции, проводимой IDC, специально остановилась на этом. Однако практики, по общему мнению, пока совершенно недостаточно.
«Не могу сказать, что в настоящий момент вертикальные BI-решения серьезно распространены в России», — говорит Владислав Глазунов. С его точки зрения это обусловлено несколькими факторами. Первый из них — отсутствие у заказчиков стратегии внедрения BI. «Разрабатывая требования к отчетности, компания, как правило, определяет текущие потребности бизнеса, обеспечивая тем самым средствами бизнес-аналитики ограниченное количество подразделений, — комментирует он. — При этом нет стратегии внедрения и развития информационно-аналитической системы в целом, а KPI не увязаны с международными стандартами отчетности в отрасли. Внедрение вертикального BI-решения в подобных условиях неприемлемо, поскольку доля его использования в данном случае не превысит 30%».
Второй фактор — недоверие к алгоритмам готового BI-решения. «На многих предприятиях, даже если проведено типовое внедрение ERP-системы и приняты международные отраслевые стандарты, считается, что их способ расчета KPI уникален, а модели потребуют серьезной переработки. Конечно, это не так», — заверяет Владислав Глазунов. Несмотря на потребность в локализации, модели для предприятия, по его мнению, — это не переработка, а естественный этап внедрения любого готового решения.
Кроме того, «…слишком мало пока примеров для достоверного ответа на вопрос, насколько готовые модели применимы к нашей действительности, насколько они способны повысить эффективность бизнеса», — добавляет Татьяна Лякишева. По ее словам, только самые «продвинутые» компании начинают практически подходить к этой теме, поскольку вертикальные решения очень недешевы, а подтвердившие свою эффективность модели есть для банковского сектора, для телекома, отчасти для ритейла, для остальных же это пока вопрос открытый. «Но спрашивать про отраслевые модели клиенты начинают все чаще», — замечает она.
Потребности в BI-решениях и подход к их реализации зачастую зависят от принципа управления компанией. Например, иногда бизнесом управляет сам владелец. И вот в какой-то момент, на определенном этапе роста, он говорит: «Я больше не понимаю, что происходит, мне нужна аналитика, и я знаю, какая именно». Приглашают внешних подрядчиков, либо ИT-департамент своими силами строит хранилище данных и над ним — аналитику с использованием необходимых инструментов анализа и отчетности. Задача ставится в контексте бизнеса этой компании, и получается «штучное» решение.
Другое дело, когда хозяевами являются несколько акционеров, а бизнесом управляют наемные менеджеры. Владельцам компании нужны не просто хранилища, а законченные, методически обоснованные, позволяющие отслеживать показатели эффективности. Причем желательно, чтобы решения эти были «обкатанными», проверенными, а лучше всего — международно признанными. В этом случае требуются промышленные, стандартные для данной отрасли модели анализа и оценки. Нужны не просто правильно рассчитанные показатели, но и стандартные методики расчетов. Поэтому в таких компаниях больший интерес проявляется к внедрению промышленных мировых моделей, отмечает Татьяна Лякишева. Они содержат стандартные аналитические разрезы, общепринятые для определенных видов бизнеса KPI. «Это могут быть сотни показателей, но в отраслевой практике известно не только, как они вычисляются, но и как их трактовать», — подчеркивает она.
В каких отраслях?
В каких же отраслях сегодня используются или планируются к использованию BI-решения? По мнению Татьяны Лякишевой, хранилища данных востребованы компаниями с высокой степенью регулирования и регламентации, которые обязаны регулярно представлять отчетность в государственные надзорные органы. Это банковский и страховой сектора. «Страховые компании все больше интересуются BI-решениями, — говорит Лякишева. — По нашей оценке по уровню автоматизации они отстают от банковского сектора на несколько лет». Многие банки уже обзавелись BI-системами в том или ином виде, а страховые компании сейчас решают для себя этот вопрос. Так как вид и содержание требуемой отчетности часто меняются и неизвестно, какие отчеты надо будет представлять завтра, заказчикам из финансового сектора необходимо строить хранилище детальных данных и иметь инструменты для оперативной генерации новых отчетов и нерегламентированных запросов. Аудиторы, проверяющие такие компании, могут запросить подтверждение интегральных показателей, и нужно дать им возможность быстро и точно выяснить, «откуда что берется», на основании версии детальных данных, актуальной на момент формирования «официального» отчета.
Другая отрасль, актуальная для BI, — энергетика, считают в ФОРС. Потребность в этих инструментах обусловлена свободным рынком электроэнергии. «Компании должны выработать оптимальную тактику поведения на нем, создать модель эффективного трейдинга. Им нужно сохранять информацию о своей работе на рынке, по возможности и о работе других участников рынка и иметь инструменты прогноза», — поясняет г-жа Лякишева.
Еще один тип потребителей, продолжает она, составляют отрасли с высоким уровнем конкуренции, прежде всего телекоммуникационные компании. Их бизнес весьма специфичен, но скоро к ним присоединится новая отрасль, где одна из основных задач — биллинг, работа с массовым клиентом. Это ЖКХ, и BI-проекты здесь уже идут.
Вопрос возврата инвестиций решается для BI неоднозначно и сильно зависит от отрасли. В компаниях розничной торговли, считает Надежда Степанова, где строятся системы анализа продаж или закупок, эффект в деньгах посчитать довольно легко. При изменении ассортимента, убирая и добавляя те или иные продукты, например сопутствующие товары, внедрение BI позволяет значительно увеличивать продажи — в среднем на величины до 20%. Чувствительными для ритейла являются и закупки, где анализ параметров тоже может дать ощутимый эффект. Для производства посчитать эффект внедрения системы сложнее, здесь улучшения обычно видны по прошествии некоторого времени и связаны с изменением качества бизнес-процессов.
Однако нужно отдавать себе отчет, что уровень использования BI-систем пока далек от декларируемых вендорами возможностей, напоминает Татьяна Лякишева. Анализ покупательской корзины не как разовая, экспериментальная задача, а как каждодневная маркетинговая практика розничной сети в России практически не востребована. Автоматический скоринг при выдаче кредитов — тоже. «В большинстве банков действуют не решения из области Data Mining, а инструкции для персонала, оценивающего кредитные риски», — говорит она.
Следующая станция: BI везде и сразу
В каждом виде бизнес-приложений рано или поздно, а обычно с периодичностью раз в несколько лет возникает маркетинговая идея, не лишенная практического смысла, которую почти разом поднимают на знамена все вендоры, работающие в данном сегменте. Из недавних примеров — управление жизненным циклом (изделий, информации, документов) и сервисно-ориентированная архитектура. Сколько бы ни было шуму по поводу каждого из них, а продукты пусть медленно, но действительно меняются в соответствии с этими слоганами, а в проектах в большей или меньшей степени декларируемый подход в самом деле находит применение, поскольку рациональное зерно в любой такой шумихе все же имеется. Похоже, нечто подобное происходит сейчас и в BI.
Раньше BI-инструменты в основном были ориентированы на «высоколобых аналитиков», которые владели разнообразными, в том числе изощренными, методиками обработки информации с соответствующей сложной функциональностью, но не обязательно отличались наглядностью представления результатов. Теперь же акцент делается на проникновение бизнес-аналитики на рабочие места и в повседневную деятельность широкого круга сотрудников. Эта тенденция активно обсуждалась на BI-конференциях, проведенных осенью этого года AHConferences и IDC. «Идет смещение акцентов от обслуживания потребностей выделенных специалистов-аналитиков к внедрению элементов BI в повседневные бизнес-процессы с вовлечением максимально широкого круга пользователей», — подтверждает Татьяна Лякишева.
У каждого будет свой «маленький BI», касающийся непосредственно его собственных задач, может быть, очень узких, но он обеспечит максимально наглядную форму представления. Не исключено, что это будет только два-три показателя или же только KPI данного сотрудника, зато у него будет возможность, пройдя сколько понадобится уровней, выяснить, почему этот показатель стал для него таким желательным или, напротив, плачевным. Свой «дашбордик», экран с графиками, раздел портала — так или иначе свой «кусочек BI» — должны получить все. Алгоритм использования этих средств уже «зашит» в них, и пользоваться им сможет даже самый неосведомленный в аналитике человек. Причем каждый показатель, каждый отчет в идеале должен быть снабжен трактовкой: это плохо или хорошо, каким образом следует оценивать данный показатель. Не заставлять людей самостоятельно трактовать цифры, а показывать им, на что обратить внимание. Обучать программы, а не людей. Но для этого, разумеется, модели всех оценок должны быть заложены в приложения компетентными аналитиками высокого уровня.
Татьяна Лякишева приводит такой пример. Утром менеджер получает по почте уведомление, что его KPI упал ниже допустимого. Это результат ночной работы аналитических приложений, действующих на базе единого хранилища и интегрированных с почтовой системой. Так может выглядеть проактивная аналитика. Бизнес-аналитика проникает в бизнес-процессы компании, становясь важным элементом при принятии решений, соглашается Анна Бурак и приводит свой пример. Оператор call-центра, принимая звонок от клиента, не только видит всю его историю, но и получает информацию о том, какие продукты с высокой вероятностью этот клиент может приобрести. Маркетолог, имея подробную информацию о профиле и сегментах клиентов, а также о характере приобретения продуктов и услуг, может разработать кампанию по удержанию или привлечению новых клиентов и оценить эффективность проведенных мероприятий.
Оба примера красивые, но было бы, конечно, точнее говорить о таких процедурах в будущем времени. Именно эта идея «всепроникающего BI» придала новый импульс маркетинговым усилиям многих вендоров, в том числе IBM и Microsoft, которая теперь тоже позиционирует себя как поставщика BI-решений. Тут имеет смысл вспомнить, что рынок специалистов-аналитиков узок, а корпоративных служащих разных рангов — тьмы и тьмы.
Сами продукты меняются соответственно этой новой парадигме: интерфейсы проще и ярче, визуализация нагляднее. Раньше таких возможностей «аналитики для каждого» в них просто не было или их нужно было кодировать вручную. Теперь же появляются инструменты настраиваемые, а не программируемые, причем их можно использовать «локально». То есть не нужно, как при заказной разработке, «сначала все написать, а потом передать от разработчика к клиенту». Можно настроить лишь один отчет или пару, и конечный пользователь, действуя по аналогии, сам, без программистов, сумеет настроить свой третий отчет.
Правда, если вместо десяти рабочих мест клиент захочет снабдить BI-функциональностью сотню, пусть и в очень ограниченном виде, это обойдется ему недешево. Как метко заметила Шаку Атре, эксперт по BI, участница мирового BI-роуд-шоу IDC и проведенной этой же компанией традиционной BI-конференции в Москве, речь идет о том, чтобы все сотрудники получили доступ к информации, к современным возможностям ее обработки, а «это демократия, и она дорого стоит». Концепции «всепроникновения» было посвящено несколько докладов этой конференции. Во всех делалась попытка доказать, что снабдив персонал адекватной аналитической информацией, причем желательно — в реальном времени, можно существенно поднять производительность труда. Пример от IBM — проект для полиции Нью-Йорка. Инспектор, вызванный на место преступления, непосредственно по прибытии получает список подозреваемых прямо на свой коммуникатор. Правда, цифр падения преступности или возросших показателей раскрываемости не приводилось.
Переломный год для BI-отрасли
В этом году на рынке BI страсти кипят нешуточные, по сути 2007 год можно назвать переломным для BI-отрасли. В марте Oracle покупает Hyperion за 3,3 млрд. долл. В начале октября SAP за 6,8 млрд. долл. приобретает Business Objects, а 12 ноября IBM за 4,9 млрд. долл. покупает Cognos. В прошлом году пятерка лидеров выглядела так: впереди всех Business Objects, за ней SAS, Cognos, Microsoft и Hyperion. Когда в первом квартале будущего года осенние сделки будут одобрены акционерами, мы сможем констатировать, что пейзаж изменился кардинально. Теперь SAS как единственная частная компания остается и единственным независимым от производителей баз данных и ERP поставщиком. Надолго ли? Оба ERP-вендора имели собственные BI-решения той или иной функциональности, но, по общему мнению, явно уступавшие лидерам. Oracle после приобретения Siebel обнаружила «скрытый бриллиант» — пакет Siebel Analytics, что не упростило ситуацию в области интеграции продуктов, но дало компании дополнительные шансы на успех. Уже сообщено о планируемом переносе инструментов Business Objects на NetWeaver. Разумеется, такого рода интеграционные процессы идут не быстро, но в том, что шквал поглощений кроме передела рынка приведет и к реализации идей «всепроникающего BI», вряд ли можно сомневаться.
