Семестровий модуль 1 Змістовний модуль 1 Системи підтримки ухвалення рішення лекція №1 Введення в бізнес-інтелект

Розглядаються такі питання:

• причини розвитку аналітичних засобів;

• поняття бізнес-інтелекту (BI);

• основні види аналітичної діяльності;

• інструменти сучасних BI-Засобів.

Одержання аналітичної звітності в інформаційних системах, заснованих на традиційних базах даних (БД), пов’язано з рядом обмежень:

• розробка кожного звіту вимагає роботи програміста;

• звіти формуються дуже повільно (найчастіше кілька годин), сповільнюючи при цьому роботу всієї інформаційної системи;

• дані, одержувані від різних структурних елементів компанії, не уніфіковані й часто суперечливі.

У багатьох компаніях у процесі складання звіту беруть участь два фахівці - програміст, що забезпечує запити до баз даних, і економіст, що намагається за допомогою електронних таблиць звести ці дані у звіт, необхідний керівництву. Як показує практика, подібна модель взаємодії користувача звіту (керівника) і самих даних часто приводить до ефекту «зіпсованого телефону», не говорячи вже про істотні витрати часу.

Економіст найчастіше виявляється просто не в змозі без допомоги програміста оперативно підготувати необхідну вибірку й відповісти на питання про те, яким способом були отримані ті або інші цифри. Звичайно, не йде й мови про те, щоб моделювати можливі ситуації, відслідковувати вплив одних показників на інші, прогнозувати тенденції розвитку, проводити порівняльний аналіз і відображати різні зрізи даних.

Швидка й адекватна реакція на зміну зовнішніх умов в остаточному підсумку визначає позицію, займану компанією на ринку. Якість інформації, уміння її обробляти й аналізувати, швидкість прийняття рішень за результатами цього аналізу – фактори, від яких залежить успіх або неуспіх компанії в конкурентній боротьбі.

Однак скористатися потенційною перевагою, що дає володіння інформацією, вдається не всім. По-перше, тому, що інформація, яку керівництво компанії одержує з різних джерел, розрізнена. По-друге, неповнота даних різко знижує продуктивність і якість аналізу. А найчастіше менеджерам, навпаки, доводиться мати справа із занадто великим потоком даних, що також утрудняє прийняття зваженого й обміркованого рішення. В обох випадках основна проблема в тім, що інформація, яку має менеджер компанії, не орієнтована на задачі керування бізнесом, і представлена вона в такій формі, що нею незручно користуватися в процесі прийняття управлінських рішень. Такі, наприклад, пропоновані багатьма системами керування стандартні набори звітів: менеджер одержує набір даних, але не засоби для їхнього аналізу.

Для адекватної оцінки ситуації й вироблення оптимального рішення необхідно певним чином класифікувати й систематизувати дані, відсіяти несуттєві факти й спроектувати наявні дані на конкретне бізнес-завдання.

Отже, перед компанією виникає задача перетворення «даних» в «інформацію», що відповідає потребам процесу аналізу й прийняття рішень. Для менеджера інформація – це сировина для прийняття рішень. До інформації, як до будь-якої сировини, пред'являються вимоги якості. Вона повинна бути бізнес-орієнтованою (оперативні дані перетворені в бізнес-зміст), актуальна (відповідати поточному стану бізнесу), доступна (кожному менеджерові в зручній формі й в обсязі, що відповідає посадовим обов'язкам), достовірна (коректна й перевірена), повна (що необхідно для ухвалення вірного рішення) і хронологічна.

Зараз у багатьох організаціях накопичені значні обсяги даних, на основі яких можна вирішувати різноманітні аналітичні й управлінські задачі. Проблеми зберігання й обробки аналітичної інформації стають усе більше актуальними, що привело до формування повноцінного ринку технологій бізнесу-аналізу.

В ідеалі робота аналітиків і керівників різних рівнів повинна бути організована так, щоб вони могли мати доступ до всієї їхньої інформації, яка потрібна, і користуватися зручними й простими засобами представлення й роботи із цією інформацією.

Агентство Gartner Group, що займається аналізом ринків інформаційних технологій, в 1980-х роках увело термін «Business Intelligence», діловий інтелект або бізнес-інтелект. Business Intelligence (BI) – це користувачевоцентріський процес, що включає доступ і дослідження інформації, її аналіз, виробіток інтуїції й розуміння, які ведуть до поліпшеного й неформального прийняття рішень. Цей термін запропонований для опису різних концепцій і методів, які поліпшують бізнес рішення шляхом використання систем підтримки прийняття рішень (СППР, DSS – Decision Support Sysytem).

В 1996 році агентство уточнило визначення даного терміна. BI – програмні засоби, які функціонують у рамках підприємства і які забезпечують функції доступу й аналізу інформації, що перебуває в сховищі даних, а також забезпечують прийняття правильних і обґрунтованих управлінських рішень.

TDWI (The Data Warehousing Institute) (www.dmreview.com): запропонувало наступне визначення «Business intelligence належить до процесу перетворення даних у знання, а знань у дії бізнесу для одержання вигоди. Є діяльністю кінцевого користувача, яку полегшують різні аналітичні й групові інструменти й застосування, а також інфраструктура сховища даних».

Іноді в це поняття BI включають і технологію керування знаннями Knowledge Management (КМ), яка, однак більше пов'язана з аналізом неструктурованої або слабоструктурованої інформації (наприклад, HTML), що не є предметом аналізу BI-інструментів. KM забезпечує категоризацію, розвідку й семантичну обробку текстів, розширений пошук інформації й ін. Технологія BI має відношення до аналізу фактографічної структурованої (бази даних, плоскі файли й інші ODBC або OLE DB-джерела даних) і квазіструктурованої інформації (наприклад, XML).

Історично назви й зміст інформаційно-аналітичних систем змінювалися від інформаційних систем керівника (executive information systems, EIS) до систем підтримки прийняття рішень (decision support systems, DSS) і зараз до систем бізнесу-інтелекту.

Застосування EIS були налаштовані на потреби керівників і менеджерів і давали можливість одержувати основну агреговану інформацію про стан їхнього бізнесу у вигляді таблиць або діаграм. Звичайно вони включали регламентні запити з набором параметрів. Такі пакети звичайно розроблялися силами своїх підрозділів інформаційних технологій (ІТ). Для одержання додаткової інформації й проведення подальшого аналізу застосовувалися інші застосування або створювалися за замовленням запити або звіти на SQL.

Застосування DSS першого покоління були пакетами прикладних програм з динамічною генерацією SQL-скриптів по типу запитуваної користувачем інформації. Вони дозволяли аналітикам одержувати інформацію з реляційних БД, не вимагаючи знання SQL. На відміну від EIS застосування DSS можуть відповідати на широкий спектр питань бізнесу, мають кілька варіантів представлення звітів і певні можливості форматування. Однак гнучкість таких пакетів все-таки була обмежена через орієнтацію на конкретний набір задач.

Із приходом персональних комп'ютерів і локальних мереж наступне покоління застосувань DSS будується вже на основі BI і дозволяє користувачеві-непрограмістові легко й оперативно витягати інформацію з різних джерел, формувати власні налаштовуванізвіти, або графічні представлення, проводити багатомірний аналіз даних. Розвиток систем бізнес-інтелекту пройшов шлях від «товстих» клієнтів до Web-застосувань, у яких користувач веде дослідження за допомогою браузера й може працювати віддалено. Можна також створювати сценарії «що якщо» і колективно переглядати й обновляти інформацію.

У цей час прийнято розрізняти наступні основні види аналітичної діяльності:

1. стандартна звітність;

2. нерегламентовані запити;

3. багатомірний аналіз (OLAP – online analytical processing);

4. інтелектуальний аналіз даних (розвідка даних – data mining).

Інтелектуальний аналіз даних (ІАД) розглядається як процес підтримки прийняття рішень, заснований на пошуку в даних схованих закономірностей.

Розвідка даних являє собою процес виявлення кореляції, тенденцій, шаблонів, зв'язків і категорій. Вона виконується шляхом ретельного дослідження даних з використанням технологій розпізнавання шаблонів, а також статистичних і математичних методів. При розвідці даних багаторазово виконуються різні операції й перетворення над сирими даними (відбір ознак, стратифікація, кластерізація, візуалізація й регресія), які призначені:

1) для знаходження представлень, які є інтуїтивно зрозумілими для людей, які, у свою чергу, краще розуміють бізнес-процеси, що лежать в основі їхньої діяльності;

2) для знаходження моделей, які можуть пророчити результат або значення певних ситуацій, використовуючи історичні або суб'єктивні дані.

Розвідка даних у значно меншому ступені направляється користувачем, замість цього покладається на спеціалізовані алгоритми, які встановлюють співвідношення інформації й допомагають розпізнати важливі (і раніше невідомі) тенденції, вільні від упередженості й припущень користувача.

Більшість методів ІАД розроблено в рамках теорії штучного інтелекту й прийнято розглядати його як процес підтримки прийняття рішень із використанням пошуку в даних схованих закономірностей (інформаційних шаблонів). У процесі ІАД витягають шаблони й тренди, що існують у даних. Такі шаблони й тренди можуть бути зібрані воєдино й визначені як модель інтелектуального аналізу даних.

Основними задачамиІАД є:

Класифікація (Classification). НайпоширенішазадачаІАД. У результаті рішення задачі класифікації виявляються ознаки, які характеризують групи об'єктів (класи). По цих ознаках новий об'єкт можна віднести до того або іншого класу.

Кластерізація (Clustering). Кластерізація є логічним продовженням ідеї класифікації. Цязадачабільш складна, особливість кластерізації полягає в тім, що класи об'єктів спочатку не визначені. Результатом кластерізації є розбивка об'єктів на групи.

Асоціація (Associations). У ході рішення задачі пошуку асоціативних правил відшукуються закономірності між зв'язаними подіями в наборі даних. Відмінність асоціації від двох попередніх задач Data Mining: пошук закономірностей здійснюється не на основі властивостей аналізованого об'єкта, а між декількома подіями, які відбуваються одночасно.

Послідовність (Sequence). Послідовність дозволяє знайти часові закономірності між транзакціями. Задача послідовності подібна асоціації, але її метою є встановлення закономірностей не між одночасно наступаючими подіями, а між подіями, зв'язаними в часі. Інакше кажучи, послідовність визначається високою ймовірністю ланцюжка зв'язаних у часі подій. Фактично, асоціація є окремимвипадком послідовності з часовим лагом, рівним нулю.

Прогнозування (Forecasting). У результаті рішення задачі прогнозування на основі особливостей історичних даних оцінюються пропущені або ж майбутні значення цільових чисельних показників. Для рішення таких задач широко застосовуються методи математичної статистики..

Аналіз відхилень (Deviation Detection). Даназадача вирішується з метою виявлення й аналіз даних, які найбільш відрізняються від загальної множини даних, тобто виявлення нехарактерних шаблонів.

При поставці сучасних BI-засобів використовуються різні інструменти й підходи. Більшість інструментів працюють спільно, хоча в процесі прийняття рішень вони грають різні ролі. Нижче перераховані інструменти BI:

• сервери реляційних баз даних;

• OLAP-сервери;

• сховища даних;

• вітрини даних;

• інструменти перетворення й очищення даних;

• інструменти звітності;

• інструменти аналізу й дослідження;

• засоби візуалізації;

• засоби розвідки даних (data mining);

• карти показників, портали й інструментальні панелі;

• електронні таблиці;

• засоби моделювання й прогнозування;

• аналітичні застосування.