Бизнес-аналитика ( BI ) состоит из стратегий и технологий, используемых предприятиями для анализа данных и управления деловой информацией . [1] Общие функции технологий BI включают отчетность , онлайн-аналитическую обработку , аналитику , разработку информационных панелей , интеллектуальный анализ данных , интеллектуальный анализ процессов , обработку сложных событий , управление эффективностью бизнеса , сравнительный анализ , интеллектуальный анализ текста , прогнозную аналитику и предписывающую аналитику .
Инструменты BI могут обрабатывать большие объемы структурированных, а иногда и неструктурированных данных, помогая выявлять, разрабатывать и иным образом создавать новые стратегические возможности для бизнеса . Их цель – облегчить интерпретацию этих больших данных . Выявление новых возможностей и реализация эффективной стратегии, основанной на знаниях , могут предоставить предприятиям конкурентное рыночное преимущество и долгосрочную стабильность, а также помочь им принимать стратегические решения. [2]
Бизнес-аналитика может использоваться предприятиями для поддержки широкого спектра бизнес-решений, от оперативных до стратегических. Основные операционные решения включают позиционирование продукта или ценообразование . Стратегические бизнес -решения включают приоритеты, цели и направления на самом широком уровне. Во всех случаях BI наиболее эффективен, когда он объединяет данные, полученные с рынка, на котором работает компания (внешние данные), с данными из внутренних источников компании, таких как финансовые и операционные данные (внутренние данные). В сочетании внешние и внутренние данные могут дать полную картину, которая, по сути, создает «интеллект», который невозможно получить из какого-либо отдельного набора данных. [3]
Среди множества применений инструменты бизнес-аналитики позволяют организациям получить представление о новых рынках, оценить спрос и пригодность продуктов и услуг для различных сегментов рынка , а также оценить влияние маркетинговых усилий. [4]
Приложения BI используют данные, собранные из хранилища данных (DW) или витрины данных , а концепции BI и DW объединяются как «BI/DW» [5] или как «BIDW». Хранилище данных содержит копию аналитических данных, которые облегчают поддержку принятия решений .
Самое раннее известное использование термина « бизнес-аналитика» встречается в «Циклопедии коммерческих и деловых анекдотов» Ричарда Миллара Девенса (1865 г.). Девенс использовал этот термин, чтобы описать, как банкир сэр Генри Фернезе получил прибыль, получая и действуя на основе информации о своем окружении раньше, чем это сделали его конкуренты:
По всей Голландии, Фландрии, Франции и Германии он поддерживал полный и совершенный набор бизнес-аналитики. Таким образом, новости о многочисленных сражениях были получены им первым, и падение Намюра увеличило его прибыль благодаря раннему получению известий.
- Девенс, с. 210
По словам Девенса, способность собирать и реагировать соответствующим образом на основе полученной информации имеет центральное значение для бизнес-аналитики. [6]
Когда Ханс Питер Лун , исследователь из IBM , использовал термин « бизнес-аналитика» в статье, опубликованной в 1958 году, он использовал определение интеллекта из словаря Вебстера : «способность воспринимать взаимосвязи представленных фактов таким образом, чтобы направлять действия в направлении желаемая цель». [7]
В 1989 году Говард Дреснер (впоследствии аналитик Gartner ) предложил бизнес-аналитику в качестве общего термина для описания «концепций и методов улучшения процесса принятия бизнес-решений с помощью систем поддержки, основанных на фактах». [8] Лишь в конце 1990-х годов такое использование получило широкое распространение. [9]
По мнению Соломона Негаша и Пола Грея, бизнес-аналитику (BI) можно определить как системы, сочетающие в себе:
с анализом для оценки сложной корпоративной и конкурентной информации для представления планировщикам и лицам, принимающим решения, с целью повышения своевременности и качества вклада в процесс принятия решений» .
По данным Forrester Research , бизнес-аналитика — это «набор методологий, процессов, архитектур и технологий, которые преобразуют необработанные данные в значимую и полезную информацию, используемую для обеспечения более эффективного стратегического, тактического и оперативного анализа и принятия решений». [11] Согласно этому определению, бизнес-аналитика включает в себя управление информацией ( интеграцию данных , качество данных , хранилище данных, управление основными данными, анализ текста и контента и др.). Таким образом, Forrester рассматривает подготовку и использование данных как два отдельных, но тесно связанных между собой сегмента архитектурного стека бизнес-аналитики.
Некоторые элементы бизнес-аналитики :
Forrester отличает это от рынка бизнес-аналитики , который представляет собой «всего лишь верхние уровни архитектурного стека BI, такие как отчетность , аналитика и информационные панели ». [12]
Хотя термин бизнес-аналитика иногда является синонимом конкурентной разведки (поскольку они оба поддерживают принятие решений ), BI использует технологии, процессы и приложения для анализа в основном внутренних, структурированных данных и бизнес-процессов, в то время как конкурентная разведка собирает, анализирует и распространяет информацию с помощью Актуальный фокус на конкурентах компании. Если понимать в широком смысле, конкурентную разведку можно рассматривать как разновидность бизнес-аналитики. [13]
Бизнес-аналитика и бизнес-аналитика иногда используются как синонимы, но существуют альтернативные определения. [14] Томас Дэвенпорт , профессор информационных технологий и менеджмента в Бэбсон-колледже, утверждает, что бизнес-аналитику следует разделить на запросы , отчеты , онлайн-аналитическую обработку (OLAP), инструмент «оповещения» и бизнес-аналитику. В этом определении бизнес-аналитика — это подмножество BI, ориентированное на статистику, прогнозирование и оптимизацию, а не на функции отчетности. [15]
Бизнес-операции могут генерировать очень большой объем данных в виде электронных писем, заметок, заметок из колл-центров, новостей, групп пользователей, чатов, отчетов, веб-страниц, презентаций, файлов изображений, видеофайлов и т. д. маркетинговый материал. По данным Merrill Lynch , более 85% всей деловой информации существует в этих формах; компания может использовать такой документ только один раз. [16] В зависимости от способа производства и хранения эта информация является либо неструктурированной , либо полуструктурированной .
Управление полуструктурированными данными является нерешенной проблемой в отрасли информационных технологий. [17] По прогнозам Gartner (2003), служащие тратят 30–40% своего времени на поиск, поиск и оценку неструктурированных данных. BI использует как структурированные, так и неструктурированные данные. Первый легко найти, а второй содержит большое количество информации, необходимой для анализа и принятия решений. [17] [18] Из-за сложности надлежащего поиска, обнаружения и оценки неструктурированных или полуструктурированных данных организации не могут использовать эти огромные резервуары информации, которые могут повлиять на конкретное решение, задачу или проект. В конечном итоге это может привести к необоснованному принятию решений. [16]
Следовательно, при разработке решения для бизнес-аналитики/DW необходимо учитывать конкретные проблемы, связанные со полуструктурированными и неструктурированными данными, а также проблемы со структурированными данными.
Существует несколько проблем при разработке BI с полуструктурированными данными. По данным Inmon & Nesavich, [19] некоторые из них:
Чтобы решить проблемы с поиском и оценкой данных, необходимо что-то знать о содержании. Это можно сделать, добавив контекст с помощью метаданных . [16] [ нужно независимое подтверждение ] Многие системы уже фиксируют некоторые метаданные (например, имя файла, автор, размер и т. д.), но более полезными были бы метаданные о реальном контенте – например, резюме, темы, упомянутые люди или компании. Две технологии, предназначенные для генерации метаданных о контенте, — это автоматическая категоризация и извлечение информации .
Бизнес-аналитика может применяться для следующих бизнес-целей:
Вот некоторые распространенные технические роли разработчиков бизнес-аналитики: [22]
В отчете за 2013 год Gartner классифицировал поставщиков бизнес-аналитики как независимых «чистых» поставщиков или консолидированных «мега-поставщиков». [23] [ необходим неосновной источник ] В 2019 году рынок BI в Европе был потрясен новым законодательством GDPR (Общим регламентом защиты данных), который возлагает ответственность за сбор и хранение данных на пользователя данных при наличии строгих законов. чтобы убедиться, что данные соответствуют требованиям. Рост в Европе неуклонно рос с мая 2019 года, когда был введен GDPR. Законодательство заставило компании взглянуть на свои собственные данные с точки зрения соблюдения требований, но также открыло будущие возможности использования персонализации и внешних поставщиков BI для увеличения доли рынка. [24] [ постоянная неработающая ссылка ]
[...] традиционные инструменты бизнес-аналитики или хранилищ данных (эти термины используются настолько взаимозаменяемо, что их часто называют BI/DW) чрезвычайно дороги [...]
бизнес-аналитика.
"Business" intelligence is a non-domain-specific catchall for all the types of analytic data that can be delivered to users in reports, dashboards, and the like. When you specify the subject domain for this intelligence, then you can refer to "competitive intelligence", "market intelligence", "social intelligence", "financial intelligence", "HR intelligence", "supply chain intelligence", and the like.