Transcript Kiedy budować BI w organizacji?
Kiedy budować BI w organizacji?
Metody i modele zarządzanie wiedzą organizacji
Dariusz PAŁKA
AGENDA
1. Trochę historii.
2. Kilka definicji.
3. BI, HD, DM.
4. Kiedy budować BI?
5. Jak zbudować BI?
6. Ile kosztuje BI?
7. Przyszłość.
2
Każde przedsiębiorstwo jest posiadaczem ogromnej ilości danych. Szkoda, że tak niewiele z nich zdaje sobie sprawę, że to jest właśnie cała ich inteligencja. Bo trzeba jeszcze umieć z niej dobrze korzystać.
Luiza Warno (2005), Orange
3
P
OZIOMY ORGANIZACJI
-
ZARZĄDZANIE DANYMI POZIOM 0 CHAOSU POZIOM 1 DANYCH PODSTAWOWYCH POZIOM 3 POZIOM 4 POZIOM 2 ANALIZ STRATEGII ZARZĄDZANIA DANYMI ZARZĄDZANIA SYSTEMEM BI 4
BIG DATA
5
D
ANE W INTERNECIE 6
R
OOM OF CUBES AT
E
XPO
1967, M
ONTREAL
, C
ANADA
7
P ORÓWNANIE CEN KWARTAŁU PSZENICY Z WYNAGRODZENIEM DOBREGO MECHANIKA W PERSPEKTYWIE CZASU
Szkocki inżynier, grawer i pasjonat polityki gospodarczej
8
D ZISIEJSZY KOKPIT MENEDŻERSKI 9
PIERWSZY KOMPUTER
1943-46
ENIAC - skonstruowany przez J.P. Eckerta i J.W. Mauchly'ego. Pierwszy elektroniczny komputer, pamięta 20 liczb, zbudowany z 500.000 elementów i waży 30 ton.
USA, 1890
konkurs na urządzenie, które przyśpieszy spis powszechny ludności . Konkurs wygrywa
Herman Hollerith
ze swoją
maszyną tabulacyjną
firmę . Służyła ona do wprowadzania, sortowania i podliczania danych i wykorzystywała d o tego celu dziurkowane karty. Hollerith założył w roku 1896
Tabulating Machine Company
, która po połączeniu z kilkoma innymi stworzyła International Business Machines, czyli po prostu
IBM
.
10
H
ISTORIA PRZETWARZANIA DANYCH
Ewolucja systemów bazodanowych: Lata '60 – proste metody przetwarzania plików Lata '70 – wczesne '80 – systemy zarządzania danymi (Database Management Systems) ➔ Relacyjne, sieciowe, hierarchiczne BD ➔ SQL, transakcje, metody indeksujące, struktury danych: Lata '80 do teraz – zaawansowane systemy bazodanowe Lata '80 ➔ do teraz – hurtownie danych, DM Hurtownie danych, technologia OLAP (William H. Inmon
“The Father of Data Warehousing”)
➔ DM i odkrywanie wiedzy (nasilenie zainteresowania w latach'90) Lata '90 – do teraz – internetowe BD ➔ ➔ BD oparte na XML-u Web mining
11
Z
ARZĄDZANIE DANYMI ORGANIZACJI
Systemy obiegu dokumentów Lokalne systemu informatyczne Zintegrowane systemy informatyczne Hurtownie danych Systemy Data Mining
Business Intelligence
12
M
ODEL SYSTEMU DECYZYJNEGO 13
B
USINESS
I
NTELLIGENCE
?
BI to szeroko rozumiana analityka biznesowa a nawet dyscyplina służąca budowaniu „przewagi informacyjnej”, stanowiąca proces przekształcania danych w informacje, a informacje w wiedzę pozwalającej podejmować trafniejsze decyzje, we właściwym miejscu organizacji i we właściwym czasie, co może być wykorzystane do zwiększenia konkurencyjności przedsiębiorstwa.
14
BI
15
Źródło
:
Żytniewski M
.:”
BI
”, UE w Katowicach, 2012
BI
BIZNES BIG DATA
16
H
ISTORIA BI 17
Źródło
:
Żytniewski M
.:”
BI
”, UE w Katowicach, 2012
S
KUTECZNY BI TO
…
raportowanie obligatoryjne, raportowanie operacyjne, raportowanie zarządcze, analiza danych, budżetowanie i prognozowanie, zapewnienie jakości danych, zapewnienie jakości informacji, pozyskiwanie danych z różnorodnych źródeł; budowa silników obliczeniowych / regułowych, udostępnienie danych do innych systemów.
18
HURTOWNIA DANYCH (HD)
HD - ang. Data Warehouse – DW (Magazyn Danych)
to tematyczna baza danych, która trwale przechowuje zintegrowane dane opisane wymiarem czasu
William Harvey Inmon
„Building the Data Warehouse”, 1992 Baza danych tworzona w oparciu o inną bazę danych i jej dane źródłowe w celu odblokowania analityki biznesowej. Baza danych zawierające w swoim repozytorium wieloaspektowe, przekrojowe analizy silnie zagregowanych danych
19
OLTP
On-Line Transaction Processing
OLAP
On-Line Analytical Processing
OLAP Information Systems
Systemy analitycznego przetwarzania danych „na bieżąco”
20
D
LACZEGO HURTOWNIA JAKO PODSYSTEM RAPORTOWANIA
Wspieranie procesu podejmowania decyzji na wszystkich szczeblach
operacyjnym, technicznym i strategicznym prostota implementacji (poprzez gotowe do użycia predefiniowane cechy, wskaźniki)
Skalowalność
od statycznych, prostych raportów po interaktywne aplikacje analityczne różne rodzaje dostępu: Excel, przeglądarka WWW
Rozbudowany zestaw narzędzi
do budowy zapytań, raportów i analiz aplikacje oparte na technologii WWW
Możliwość szybkiego dostosowania informacji
integracja z SharePoint, SMTP
Dostęp użytkowników: kiedykolwiek, gdziekolwiek
analiza informacji za pomocą przeglądarki WWW
21
W
IELOWYMIAROWA KOSTKA HD
LUT-95 STY-95 Q2-95 Q1-95 1995
Polska -Centralny --Wa-wskie
SPRZEDAŻ
--- odbiorca A --- odbiorca B --- odbiorca C
22
HD
UMOŻLIWIA ANALIZĘ DANYCH
„
POD WIELOMA KĄTAMI
”
Dyrektor finansowy G E O G R A F I A PRODUKT Dyrektor lokalny Dyrektor regionalny Zarząd 23
J
AK DZIAŁA HD
?
Data Warehouse Cube (multidimensional data)
24
D ZIAŁANIE HURTOWNI DANYCH SQL SERVER 2K Reporting Subsystem
Enterprise Business Intelligence Portal OLTP A DTS Data Transformation Services Analysis Services OLTP B OLAP SQL Server Reporting Services Web Portal
25
Źródło: Opracowanie własne
P
RZYKŁADOWY PORTAL HD 26
Źródło: Opracowanie własne
D
ATA MINING
?
Definicja1: „Nietrywialne wydobywanie ukrytej, poprzednio nieznanej i potencjalnie użytecznej informacji z danych”
(W.Frawley, G. Piatetsky-Shapiro, C. Matheus. Knowledge Discovery in Databases: An Overview. AI Magazine , 1992)
Definicja2: „Nauka zajmująca się wydobywanie informacji z dużych zbiorów danych lub baz danych”
(D. Hand, H. Mannila, P. Smyt. Principles of Data Mining. MIT Press Cambridge, MA, 2001)
27
J
AK DZIAŁA DM
?
Czyszczenie danych – usuwanie błędnych i niespójnych danych Integracja danych – łączenie danych z rożnych źródeł Selekcja danych – wybór ważnych (dla problemu) danych Transformacja danych – do postaci odpowiedniej do DM (np. sumowanie, agregacja) DM – zastosowanie inteligentnych metod do wydobycia zależności, wzorców Ocena zależności – identyfikacja interesujących zależności ze wszystkich wydobytych Prezentacja wiedzy
28
G
ŁÓWNE ZADANIA DM
Wyszukiwanie asocjacji Klasyfikacja Predykcja Grupowanie danych Eksploracja złożonych typów danych
29
P
O CO DM
?
Pomoc w znalezieniu relacji między czynnikami / zasobami: “wewnętrznymi” oraz „wewnętrznymi” i „zewnętrznymi” Ustalenie wpływu szukanych czynników na: Wielkość sprzedaży, Zadowolenie klienta Przychody
30
K IEDY PRZYCHODZI CZAS NA BI
Posiadamy kilka różnorodnych systemów transakcyjnych OLTP Duża ilość rozproszonych danych w systemach OLTP Rozbudowany dział raportowania i analiz.
Posiadanie wszystkich danych nie wystarcza. Oczekujemy właściwych, precyzyjnych i szybkich odpowiedź na pytania?
Potrzeba szybkiej budowy i generowania wielowymiarowych raportów.
Potrzeba zmniejszenia obciążenia systemu transakcyjnego.
31
K
IEDY ZBUDOWAĆ
BI?
N
AJPIERW PRZEANALIZUJ SWÓJ BIZNES
Jak zmieniała się średnia wielkość obrotów w ostatnim roku?
Jaka jest średnia ściągalność należności? Jaka jest struktura kosztów firmy według działów?
Jaki procent złożonych zamówień został zrealizowany?
32
C O NAJPIERW ? P OTRZEBA UPORZĄDKOWANIA DANYCH
• Jedno źródło informacji dla całej firmy centralne • spójne • wiarygodne • aktualizowane „na bieżąco”
33
N
AJPIERW ZBUDUJ SWOJĄ
HD
Geograficzna analiza sprzedaży Wsparcie działań przedstawicieli handlowych Efektywne zarządzanie kosztami i zwiększanie wartości udziałów Finanse Księgowość Sprzedaż Produkcja Analizy efektywności produkcji Wsparcie zarządzania gospodarki materiałowej Hurtownia Danych Wysoka jakość danych Dzięki uporządkowaniu systemu raportowego IT CRM Logistyka Analiza procesów zaopatrzenia Wsparcie wyboru źródeł i warunków dostaw
34
P
RZYKŁAD ANALIZ DYSPONENT:
• • • •
KRAJ REJON MIASTO KLIENT
• • • •
CZAS: ROK KWARTAŁ MIESIĄC DZIEŃ MIESIĄC KRAJ MIASTO ilość wartość 35
P
RZYKŁADOWA KONCEPCJA STRUKTURY INFORMACYJNEJ
Wymiar PRODUKTU Wymiar MIASTA Wymiar REGIONU Wymiar KLIENTA Wymiar KARJU Wymiar TYPU KLIENTA FAKTY: STANY ILOŚCIOWE Wymiar REGIONU Wymiar SKLEPU Wymiar MIASTA Wymiar KWARTAŁU Wymiar czasu Wymiar ROKU Wymiar MIESIĄCA
36
CEL AGREGOWANIA DANYCH?
Rodzaj zasobu?
Kiedy?
Jak?
Która grupa?
Ile?
Gdzie?
OTRZYMYWANIE WŁAŚCIWYCH I SZYBKICH ODPOWIEDZI NA PYTANIA … 37
BI
W GRUPIE
ATLAS
38
J AK ZBUDOWAĆ BI ?
39
K
ORZYŚCI BIZNESOWE WDROŻENIA HD
BI
Usystematyzowane procesy biznesowe firmy dla prawidłowego repozytorium danych Jedna „wersja prawdy”- wiarygodność i kompletność Efektywne wykorzystanie danych gromadzonych w systemach transakcyjnych Szybkość dostarczania informacji niezbędnej do podejmowania decyzji
40
K
ORZYŚCI TECHNOLOGICZNE WDROŻENIA BI
Odciążenie działu informatyki od bieżącego raportowania Automatyzacja budowania raportów na zlecenie Łatwa, szybka konsolidacja danych z systemów transakcyjnych
41
K
ORZYŚCI SYSTEMOWE
BI
42
C
O TRZEBA ZROBIĆ
,
ABY ZBUDOWAĆ BI
Porządne i jak najbardziej kompletnie zdefiniować potrzeby biznesowe Uświadomić sobie, co BI ma nad dać, w czym ma nam pomóc (wskazań miejsca wsparcia BI w procesach biznesowych organizacji) Hurtownia danych dla systemu BI, powinna być jak garnitur, wykonany przez fachowca, dobrze skrojony na miarę i leżący jak trzeba Zabezpieczyć środowisko sprzętowo-programowe
44
I
LE MOŻE KOSZTOWAĆ BUDOWA BI
Koszt zatrudnienia specjalisty HD/BI Koszt zatrudnienia analityka danych organizacji Dodatkowe zasoby sprzętowe Dodatkowe oprogramowanie
45
WNIOSEK
BI ?
P
O CO ……… aby sprawnie
HD
przechowywać, uaktualniać, obsługiwać i analizować informacje w zależności od wymagań przedsiębiorstwa, jego pracowników i jego klientów 46
P RZYSZŁOŚĆ BI
TO B USINESS A NALITICS (BA) W ŚRODOWISKU CHMURY OBLICZENIOWEJ C LOUD B USINESS I NTELLIGENCE
Cloud BI – bujanie w obłokach, czy praktyczne rozwiązania?
47
R
ANKING TALENTÓW ANALITYKÓW 48