Business Intelligence softver

Uz malo matematičkih modela i metodologija analize podataka, možete od gomile „suvih” podataka da stvorite informacije i znanje, a da zatim to upotrebite u poslovnom odlučivanju

Koraci poslovne inteligencije

Usvajanje tekovina novog društva jdoneloe u preduzeća i organizacije širom planete sve veću potrebu za čuvanjem podataka. Razvoj računarskih mreža, pojeftinjenje hardvera i softvera neophodnog za glatko i funkcionalno upravljanje mrežama omogućili su brz i jeftin transfer podataka. Pad cena smeštajnih kapaciteta i masovna proizvodnja hard diskova, kako serverskih tako i kućnih, olakšali su čuvanje podataka. Lopta je tada prebačena u drugi deo igrališta – samo one javne institucije, državne agencije, preduzeća i organizacije koji su podatke pretvarali u informacije, odnosno znanje, uspevali su da donose kvalitetne kritične odluke i ostvaruju prednost u odnosu na konkurenciju.

Ova veza čoveka i mašine zahtevala je postojanje oba resursa u bespoštednoj borbi za dolar više. Sa strane mašine, bilo je neophodno napraviti skup interfejsa koji bi omogućio ljudima na odgovarajućim pozicijama pravovremen i adekvatan uvid u stvarno stanje podataka i, naposletku, reakciju sa ciljem poboljšavanja efikasnosti i rezultata. Odgovor na ovaj zahtev dao je Business Intelligence (BI), skup matematičkih modela i metodologija analize podataka koji za cilj imaju ekstrahovanje podataka koji se obrađuju u informacije i znanje.

Od svega pomalo u korist kvaliteta

Poslovna inteligencija je interdisciplinarna i sveobuhvatna kapa nad raznim metodama, širokog je domena upotrebe i namenjena je predstavljanju i organizaciji elemenata koji sačinjavaju poslovne procese unutar funkcionisanja jednog kolektiva. Iz ovako složenih reči možda zaključujete da je BI zapravo nekakav antibiotik širokog spektra delovanja, sposoban da otkloni i najupornije neprijatelje poslovnog organizma – greške unutar poslovnih procesa i moguće slabosti, kojih često nismo ni svesni. Takva formulacija svakako nije daleko od istine.

Ako bismo pogledali „ispod haube” poslovne inteligencije, videli bismo naučne i racionalne metode procene sakupljenih podataka kroz matematičko modelovanje i razne algoritme tumačenja. Priča o poslovnoj inteligenciji nije ni komedija ni tragedija – to je dobro izbalansirani triler sa elementima horora i drame, namenjen onima koji žele da istraže dobro osvetljene i one malo mračnije kutke sveta podataka o poslovanju. Dva osnovna aspekta u kojima uvođenje BI sistema daje brze i kvalitetne rezultate jesu:

• Odluke donete na vreme

• Efektivne odluke

Kombinacija ova dva aspekta daje mogućnost korisnicima jednog BI sistema da provere kvalitet uspostavljenih poslovnih procesa, unaprede njihovu efikasnost i, na kraju, predvide buduća rešenja. Ova prediktivna priroda BI sistema odstupa od klasičnog domena BI aktivnosti.

Svaki ples počinje od prvog koraka

Prvi korak u plesu sa podacima, koji je osnovni deo svake BI implementacije, jeste uzimanje podataka sa izvora. Ovi podaci mogu dolaziti iz jednog ili (češće) više izvora i mogu biti različitog oblika i porekla. Oni mogu biti iz dobro strukturiranih izvora, poput relacionih baza podataka, ali mogu biti i elektronski dokumenti, email poruke i slično.

Drugi korak bio bi formiranje skladišta podataka (Data warehouse, DWH) korišćenjem alata za ETL (Extract, Transform, Load) manipulaciju. Skladište podataka je repozitorijum podataka koji čine osnovu arhitekture jednog BI sistema. Ovaj izraz ne podrazumeva samo skladište već i servise koji su u njemu uokvireni, bilo u fazi dizajna, implementacije ili njegovog korišćenja. Podaci koji se u unose DWH dolaze iz tri izvora:

• Interni podaci

• Eksterni podaci

• Lični podaci

Interni podaci su oni koje nalazimo u bazama podataka informacionih sistema, a eksterni – oni koji dolaze iz spoljnih izvora poput istraživanja tržišta ili prodaje. U eksterne podatke spadaju, recimo, i ekonomski i finansijski indikatori koji se odnose na nišu u kojoj kompanija posluje. U lične podatke najčešće ubrajamo elektronske dokumente (na primer, Excel fajlove radnika) ili baze podataka na ličnim računarima.

Skladište i kako ga izraditi

Neki od stručnjaka u oblasti dizajna skladišta podataka napominju da postoje tri vrste implementacije: top-down, bottom-up i mešana. Metodologija top-down je sistematičan pristup implementaciji skladišta koji kreće od razumevanja ukupne slike projekta, pa često postoji rizik da se DWH neće kreirati u predviđenom roku. S druge strane, metodologija bottom-up podrazumeva razvoj manjih prototipova i njihovu integraciju u veće rešenje metodom korak po korak. Svakako, ovo rešenje je brže, ali mu često nedostaje veza sa sveukupnim aspektom (eng. big picture – „velika slika”). Upravo je iz tih razloga napravljen mešani model koji, posmatrajući implementaciju odozgo, razvija prototipove sekvencijalnim implementiranjem delova sistema. Ovaj metod može se smatrati de facto standardom u mnogim BI implementacijama.

Osnovu tranzicije ka punokrvnom DWH čini upotreba ETL alata. U fazi izvlačenja podataka, iz izvora se podaci na poseban način prenose u prazno skladište, dok se budući podaci pohranjuju u DWH tako da ne remete njegov dizajn. Upravo je dizajn skladišta osnovni kriterijum za uvoz podataka u njega, a na kriterijume utiču kako analiza poslovnih procesa tako i krajnji sistemi koje DWH treba da opsluži. Faza transformacije podataka ima zadatak da unapredi njihovu konzistentnost i preciznost, kao i da reguliše nedostajuće vrednosti. Ovo svojevrsno „trebljenje” podataka treba da osigura da se u DWH-u ne nađe „đubre” kojeg često ima u bazama podataka raznih informacionih sistema. Dve karakteristične akcije koje se u ovoj fazi sprovode su konsolidacija i agregacija podataka koje za cilj imaju optimizaciju kasnijih upita u DWH. Na kraju, treća faza podrazumeva uvoz pripremljenih podataka u samo skladište. Podaci koji se uvoze u skladište često dobijaju poseban izvor dodatnih informacija (metadata), koji čuva dokumentaciju o strukturi podataka, poreklu, statistici, domenu upotrebe i sličnim aspektima.

Analiza podataka u skladištu i izveštavanje

Podaci u skladištima podataka su, u domenu klasičnog sistema poslovne inteligencije, podvrgnuti nečemu što se zove pasivna analiza. Posmatrajmo jednu kompaniju koja se bavi prodajom knjiga i nazovimo je Valkira. Ova kompanija ima prodavnice u Beogradu, Nišu i Novom Sadu i svoje knjige deli u tri grupe: popularna nauka, beletristika i knjige za decu. Menadžment Valkire odlučio je da ispita prodaju u ovim gradovima u toku 2010. godine, odvojeno po kvartalima. Primećeno je da postoji trend pada prometa u trećem kvartalu, i to za sve gradove i grupe knjiga, te menadžment želi da to potkrepi izveštajima.

Klasični izveštaji u Excelu ili sličnom softveru predstavljaju jednostavan način da se prikažu podaci, ali je njihovo kombinovanje ono na čemu se mnogi zaustavljaju. Usko grlo ume da bude poznavanje tehnologije samog softvera za manipulaciju podacima, koji zahteva naprednija znanja i veštine, često oivičene poznavanjem matematike (a svi znamo koliko je neki vole). Bilo kako bilo, ovaj faktor ograničavanja korisnika je ozbiljna prepreka u donošenju kvalitetnih odluka. Upravo to je jedno od mesta gde je BI idealno rešenje.

OLAP kocka

Jedan od najčešće korišćenih pristupa u izveštavanju jeste i OLAP (Online Analytical Processing). U svojoj osnovi, OLAP alati omogućavaju izradu višedimenzionalnih izveštaja, izrađenih za potrebe različitih uglova posmatranja. Funkcija skladišta podataka je da obezbedi odgovarajući ulaz OLAP aplikacijama, koje su u najvećem broju slučajeva zasnovane na hijerarhiji i konceptima podataka namenjenih konsolidaciji i stvaranju logičkih pogleda duž dimenzija skladišta.

Nakon kreiranja OLAP višedimenzionalnih kocaka (modela podataka u izveštaju), nad njima je moguće izvršiti razne vidove manipulacije radi prilagođavanja potrebama korisnika. Među njima su najkorišćenije:

• Roll-up, agregacija podataka u kocki;

• Roll-down, suprotna od prethodne, podrazumeva navigaciju kroz kocku od skupova koji su prošli agregaciju do onih koji se smatraju detaljima;

• Slice and dice, odabir atributa u jednoj dimenziji, kao i kreiranje potprostora odabirom nekoliko dimnezija istovremeno;

• Pivot, omogućava rotaciju osa, menjajući mesta dimenzijama radi izmene prikaza podataka.

U domenu OLAP-a, džinovi koji ratuju već dugo vremena su nama dobro poznati Oracle i Microsoft, a njihovi proizvodi Oracle Business Intelligence Suite i Microsoft Analysis Services dominiraju tržištem, čineći zajedno više od 50 odsto ukupne vrednosti tržišta.

Spas ili teret

Zanimljiv podatak, dobijen tokom dugog ispitivanja korisnika BI usluga u Americi i Kanadi, pokazao je da BI implementacije još ne mogu da se pohvale dobrim renomeom. Naime, više od polovine ispitanika (napomenimo to da nisu u pitanju tehnički korisnici već menadžment) nije zadovoljno svojim BI implementacijama. Gde je tu zapravo problem? Da li je uzrok problema nedovoljno kvalitetno urađen BI sistem ili se možda radi o nedovoljno dobrom poznavanju poslovnih procesa kompanije u koju se sistem uvodi?

Vreme kada je odeljenje informacionih tehnologija bio samo trošak kompanije definitivno je prošlo. IT delovi kompanija moraju početi da donose vrednost i toga su mnogi već postali svesni. Veća ulaganja u IT, posebno nakon finansijskih problema koje je svet iskusio u poslednjih nekoliko godina, direktno zavise od prihoda koje je generisao bilo sam IT, bilo neki njihov proizvod ili usluga. U kontekstu navedenog, BI je u očima vlasnika velikih korporacija samo još jedna skupa i neefikasna investicija. Ako dodamo i to da većina njih nema adekvatno obučene IT zaposlene, stvari postaju još ozbiljnije. Na koji način onda prednosti poslovne inteligencije treba da stignu do klijenata?

Pre svega, govorimo o jednostavnosti korišćenja. Dvadeseti vek je iza nas. Spora i ružna rešenja treba zaboraviti i koncentrisati se na ona efikasna i jednostavna, okrenuta korisniku. Drugo, pričajmo o korisnicima. BI je namenjen netehničkim korisnicima – nižem, srednjem i višem menadžmentu, i oni žele da lako i intuitivno upravljaju funkcionalnostima. Ovo je jedna od onih karakterističnih situacija kada poslovni korisnici smatraju da ih tehnički deo kompanije ne čuje, dok će IT stručnjaci dodati da poslovni korisnici zapravo ne znaju šta žele. Ko je bliže istini, prosudite sami.

Činjenice nekada govore mnogo. Više od četvrtine novih BI projekata na svetskom nivou ocenjeno je od strane korisnika kao veoma uspešno, dok je trećina njih izrazila stav da je BI u znatnoj meri doprineo poboljšanjima. Ipak, većina projekata nalazi se u onom mračnom prostoru gde se, s jedne strane, ne iskorišćavaju puni potencijali koje BI nudi a, s druge strane, prodaja i operativna efikasnost ne pokazuju direktnu dobrobit. Mnogi su polagali ogromne nade u tabletomaniju koja je zavladala svetom (neki se i danas tvrdoglavo kunu u to). Ako velikom broju prodatih pametnih telefona dodamo i tablične računare, dobijamo masu računarčića koji su i te kako sposobni da sakupljaju, analiziraju i šalju podatke koje BI može da iskoristi. Mnogi su videli vrtoglavo povećanje prodaje prenosnih uređaja kao priliku za BI (nazvavši ga odmah Mobile BI) i proricali svetle rezultate. Ipak, tako nešto nije se dogodilo.

Kako poboljšati rezultate

Postoji samo jedan način da se rezultati koje BI pokazuje u svojoj implementaciji podignu na nivo koji će garantovati širu primenu i usvajanje ovog zanimljivog aspekta. Taj način zove se saradnja. Za početak, ključna je uloga upravo budućih prvih korisnika sistema – poslovnih ljudi, menadžmenta. Oni su ti koji bi trebalo da „u malom prstu” drže tajne poslovnih procesa na kojima je kompanija izgrađena. Njihova uloga je neophodna u dizajnu skladišta podataka, što je trenutak kada se definišu osnove na kojima će počivati kompletan sistem za izveštavanje, a u službi donošenja kvalitetnih i pravovremenih odluka.

Razgovarajmo o ceni. Ako ste vi Microsoft ili Oracle, da li vaše proizvode iz ovog konteksta mogu kupiti manje firme, mala i srednja preduzeća? Teško. Upravo iz tog razloga na tržištu su se pojavila mnoga manja i jeftinija rešenja, koja svoju šansu vide upravo u nezasićenom tržištu. Pomenimo i standardizaciju, koja bi omogućila lakši posao oko uvođenja sistema BI u različite kompanije koje posluju u disonantnim poslovnim delatnostima. Ne treba potceniti ni činjenicu da je skoro nemoguće da jedan prodavac i njegovo BI rešenje pokriva sve potrebe jedne velike kompanije. Standardi bi omogućili da saradnja više različitih rešenja bude na zadovoljstvo klijenta – što bi dalo i svoj direktan doprinos trošenju na BI i daljem razvoju ove relativno mlade grane.

• • •

Poslovna inteligencija nije mesijansko rešenje, ali svakako nudi kvalitet koji bi trebalo iskoristiti. Svaka kompanija u kojoj su prodaja i marketing ključni pojmovi, u kojoj postoji veliki broj artikala, korisnika, klijenata i u kojoj je želja da se podaci koji se na dnevnom nivou mere u gigabajtima iskoriste za bolje upravljanje i donošenje odluka treba da počne da razmišlja u smeru poslovne inteligencije. Detalje ove zanimljive tehnologije samo smo zagrebali, a vama ostavljamo da odlučite da li vam je zanimljivo da kopate po podacima ili ne. Za kraj evo još jedne ideje, čisto da vam zagolica maštu. Povežimo, samo na trenutak, društvene medije i poslovnu inteligenciju. Šta vidite?

Momir ĐEKIĆ