Расцвет BI-систем или как аналитика спасает жизни

Нынешний период можно смело назвать расцветом отечественных BI-систем. Высокий уровень неопределенности во всем мире повышает спрос на данные, а особенно на их анализ. Принимать управленческие решения становится сложнее, слишком много неизвестных, а известных данных стало еще больше. Сильно возросла цена ошибки. «Крадущийся тигр» и «затаившийся дракон» стали самыми популярными стратегиями бизнес-управления. Закономерно, что спрос на BI-решения растет, и, помимо потребности в импортозамещающих решениях, подстегивает его и формирующееся понимание действительной ценности данных. Эксперты Девелоники проанализировали рынок, выделили тренды и взяли интервью у Ильдара Райманова, директора направления BI в Analityc Workspace, который поделился уникальными историями применения BI-решений в жизни и бизнесе.

Автор
Лана Минина
Время чтения
10
мин.
Цель статьи

Тенденции нового времени

Тенденции в BI не отличаются от направлений развития всего рынка ИТ, за исключением особенностей, связанных с важностью данных и их представлением.

Вектор на  low-code/ no-code. Это магистральное направление для всего рынка. Бизнесу важна гибкость и оперативность, поэтому нужны решения, которые можно создать или настроить без специалистов. Чтобы продвинутый пользователь ПК мог установить и настроить под себя дополнительные витрины вывода данных или трансформировать отчетную форму. Сюда же можно отнести и внедрение нейросетей, голосовых помощников, чат-ботов и так далее.   Производители реализуют это за счет создания микросервисной структуры решения вместо монолитного ядра системы.

Универсализация и доступность. Уход от узконаправленных BI-систем, заточенных под определенную сферу деятельности к более универсальным системам, которые могут быть развернуты почти на любом предприятии. Также все больше BI-систем мигрируют в сторону размещения в облачных инфраструктурах. Таким образом снижается стоимость для конечного пользователя и повышается удобство использования.

Работа с большими данными. Стратегии цифровой трансформации в практической части затрагивают три аспекта: качество данных/управление мастер-данными, культура, основанная на данных, и управление данными. Мастер-данные и управление качеством данных сохраняют этот рейтинг в течение последних пяти лет, в это время влияние второй по значимости тенденции — создание культуры, основанной на данных — неуклонно растет. Это также отражает тот факт, что многие организации уделяют большое внимание своим данным и управлению качеством данных.

Внедрение ИИ и машинного обучения в BI-инструментарий. Нейросети, голосовые помощники, чат-боты становятся повседневной реальностью. Дополненная аналитика полезна тем, что помогает преобразовывать большие наборы данных в понятные и компактные выводы благодаря статистическим и лингвистическим технологиям. Сочетание машинного обучения, искусственного интеллекта, аналитики данных и аугментации расширяет представление о том, как аналитику можно создавать, потреблять и предоставлять пользователям. Немаловажно: дополненная аналитика неразрывно связана с Data Quality — без этого трудно построить успешный анализ

Быстрое наращивание функционала. Полностью заменить функционал ушедших с рынка продуктов пока не может ни одна российская система аналитики. Такие системы как Power BI или Tableau развивались десятилетиями и проходили проверку на огромных рынках, продукты полностью зрелые. Но у российских решений есть преимущество в гибкой настройке под запросы бизнеса и гарантия расширения функционала как минимум в ближайшие 3-5 лет.

В чем сила BI?

Мы собрали несколько ярких примеров, которые демонстрируют силу систем аналитики и масштаб решаемых задач.

«Пандемия 2020». Представьте, что нужно собрать данные по количеству заразившихся короновирусной инфекцией за 3 дня с разбивкой по всем 85 субъектам РФ, полу, возрасту и получаемому лечению. Собрать нужно быстро, нет времени проектировать сложную систему. Источников данных +5, формат данных не унифицирован. И это только один запрос!

В день команда аналитиков и разработчиков получала по 15-30 различных запросов от Минздрава и координационного центра при правительстве РФ. Нужны были срезы данных по медучреждениям, регионам, смертности, повторным заражениям. Нужно было построить буквально на коленке гибкий инструмент сбора, обработки и представления данных.

Ведь на их основании оперативно принимались жизненно важные решения: куда направить медикаменты, какие и сколько, где открывать дополнительный госпиталь, где нужно усиливать команду врачей.

Вся команда разработчиков работала удаленно в режиме 24/7. Цена ошибки была невероятно высокой: если собраны некорректные данные, то их интерпретация тоже будет некорректной, из-за чего могут погибнуть десятки или сотни людей.

Кейс стал первым в мире по объему и скорости сбора и обработки данных по тематике COVID-19. В итоге удалось создать высоконагруженную систему с разграничением прав доступа по ролям и регионам. Выстроили процесс доставки и обработки требований, настроили интеграцию данных из +5 крупных источников, чтобы принимать в обработку разные форматы.

«Нацпроекты». Это федеральная программа национального масштаба, принятая в 2018 году. В ней участвуют более двадцати проектов по трем приоритетным направлениям: человеческий капитал, комфортная среда для жизни, экономический рост. Распределение, учет и управление финансирования проектов реализуется на специальной платформе – ГИИС «Электронный бюджет».
Команде проекта потребовалась качественная аналитика данных по всем проектам программы. Выделенные и израсходованные средства, достижение целевых показателей, причины недостижения целей проекта.

Здесь было важно формировать регламентную отчетность и анализировать полученные данные. Нужна была именно уникальная математическая модель – формулы расчета коэффицентов, процентных показателей, правильная реализация этих формул. Реализовали методику расчетов и внедрили ее в инструментарий BI-платформы.

«РЖД: закупки». Модуль управления закупками есть и в обычных CRM-системах, зачем нужен BI? Здесь все перевешивает масштаб: более 100 тыс. сотрудников и сеть филиалов по всей стране. В каждом филиале ведется своя закупочная история – от постройки локомотивов до закупки канцтоваров для вокзальных торговых точек. Простого учета было уже недостаточно.  Нужна была именно аналитика как по всей стране, так и по отдельным регионам.

Учет велся в нескольких системах, но данные все равно выгружались в Excel. Анализировать вручную 10 млн строк с информацией о закупках с ежедневным приростом в сотни тысяч очень неудобно.

Здесь уже не обойтись без «озера данных» (data lake), которое позволяет сводить разноформатные вводные. Вишенкой на торте стал конструктор BI-отчетов, который помогал проверять гипотезы финансовых аналитиков через различные информационные срезы, проводить многомерный и плоский анализ.

Факторы, влияющие на успешность проекта по внедрению BI

Спрос растет, рынок зреет, хотя до сих пор можно услышать вдохновенную фразу: «а пусть эта система скажет нам, что делать!». Переложить всю ответственность за управленческие решения на систему BI невозможно, какой бы «умной» она ни была. Да, предиктивная аналитика выдаст наиболее вероятностные сценарии развития будущего, но по какому из них идти, может решить только человек. Как понять, что вы готовы к внедрению BI-систем? Собрали значимые факторы, от которых никуда не деться.

Точка невозврата. Осознать, что Excel больше не справляется. Чем больше масштаб данных, тем быстрее таблички перестают справляться с их обработкой и систематизацией. И это не зависит от масштаба бизнеса, потому что бизнес-процессы могут быть простыми и понятными, и тогда достаточно простых таблиц. Но чем больше процессов, и чем сложнее взаимосвязи между ними, тем сложнее обработать запрос с помощью Excel. Ориентир такой: если вам нужно сравнить между собой 30-50 параметров, то это уже задача для BI-аналитики.

Чтобы что? Data-driven management – это, конечно, хорошо, но не все могут ответить на простой вопрос - «зачем именно нужна аналитика?», «какую задачу хотим решить?», «как ее можно решить?». Когда будут сформулированы развернутые ответы, можно двигаться дальше. Потребности могут быть разные: кому-то нужен конструктор отчетов, кому-то создание регламентной отчетности, кому-то предиктивная аналитика.

Команда. Внутри компании должна работать связь ИТ+бизнес, иначе процесс может затянуться. Владелец бизнеса или директор по маркетингу, например, может хорошо понимать, что ему нужно от «биайки», даже участвовать в составлении ТЗ. Он владеет смыслами, отвечает на вопрос «что». CTO, в свою очередь, владеет технологиями и отвечает на вопрос «как». ​

Вместо заключения

И лидеры бизнеса, и ведущие ИТ-эксперты одинаково понимают, что BI-технологии предоставляют наилучшие возможности для получения информации и принятия решений, позволяющие компаниям раскрывать потенциал, получать долгосрочные рыночные преимущества.

Оригинал статьи опубликован на SoftlineDigital

Как вам может помочь предиктивная аналитика?

Обсудить задачу с экспертом

Полезные материалы

Исследование: Agile в России 2021

.PDF
November 17, 2022

Государственные цифровые платформы 2021: особенности и сценарии развития. Доклад НИУ ВШЭ

.PDF
May 16, 2022

Альманах "Искусственный Интеллект". Индекс 2021 года

.PDF
April 18, 2022

Итоги работы Минцифры в 2021 и приоритеты на 2022

.PDF
April 13, 2022