Бизнес — живой организм, который ежедневно может проводить несколько миллионов операций в день: продавать, покупать, производить продукты, взаимодействовать с партнерами, нанимать, запускать рекламу. Для извлечения максимальной выгоды каждое действие необходимо анализировать и представлять данные в понятном для конечного пользователя формате.
Для эффективного использования big data и малый бизнес, и крупные компании открывают отделы, тестируют различные виды аналитических технологий, экспериментируют с новыми инструментами. С пандемией темпы роста таких экспериментов только увеличились.
Разберем несколько трендов аналитики и визуализации данных из отчетов Gartner и BARC Data, BI and Analytics Trend Monitor 2021.
Создание и совершенствование новых методов аналитики с помощью ИИ
Технологии искусственного интеллекта и машинного обучения легли в основу многих перспективных аналитических инструментов в 2020 году. Расширенная аналитика позволяет оптимизировать существующие бизнес-процессы, а также генерировать новые инсайты, которые доступны уже не только специалистам по big data, но и руководителям компаний, смежным сотрудникам. Например, в последние несколько лет с помощью расширенной аналитики банки выявили склонность молодых людей до 35 лет к продуктам управления собственными активами и планированием благосостояния.
Анализ рынка маркетплейсов в кризис и поиск товара через инструменты аналитики
Предиктивная аналитика (прогнозирование на базе исторических данных) также остается одним из самых перспективных направлений бизнес-аналитики. С ее помощью компании, например, рассчитывают эффективность рекламных кампаний или прогнозируют выдачу кредитов.
RB рекомендует лучших поставщиков цифровых решений для вашего бизнеса — по ссылке
X-аналитика
Продолжают развиваться не только методы анализа данных, но и подходы к сбору и обработке информации. Становятся недостаточны одни лишь структурированные данные в табличном виде. Все большую ценность несет аналитика неструктурированных текстов, видео- и аудиоматериалов. Для перехода на новый уровень бизнес-аналитики внутри компаний структурированные типы данных эффективно обогащают и неструктурированными источниками.
Data sharing
Для более эффективного внедрения X-aналитики в организациях будут развиваться официальные торговые площадки — биржи данных, на которых компании из разных сфер смогут продавать и покупать данные. Однако в будущем предстоит еще много работы по регламентации таких площадок.
Визуализация в реальном времени
Организации все чаще стремятся к тому, чтобы данные всегда были актуальными и обновлялись в режиме реального времени. Обычно информация проходит длинный путь, чтобы попасть в отчет. Пользователь видит уже устаревшие данные. Идеальный отчет показывает события, происходящие прямо сейчас — это дает бизнесу огромное преимущество в скорости реакции на изменения.
Демократизация инструментов бизнес-аналитики и переход в облако
Аналитические инструменты будут становиться все более персонализированными и простыми в освоении. Упрощение внедрения и использования ведет к широкому распространению инструментов self-service-аналитики, или аналитики самообслуживания Данными и инструментами управляют конечные пользователи. Для этого им не нужна помощь ИТ-специалистов. . А благодаря облаку доступ к самым современным технологиям для любой организации становится доступен всего в несколько кликов.
Что такое бизнес-анализ? Введение в профессию бизнес-аналитика
Почему облачная аналитика стала одним из главных трендов
Для многих компаний безопасность становится барьером для миграции или переноса отдельных ИТ-систем в облако. Однако на практике есть кейсы, когда строгие требования ИБ как раз являются причиной использования облачных технологий.
Ни одна компания не находится в изоляции от внешнего мира. Для эффективного развития бизнеса, аналитики и принятия решений нужно использовать не только собственные, но внешние источники данных — например, данные о рынке, информацию из трекеров мобильных приложений и веб-сайтов, данные от партнеров и внешних API. Большое количество потоков данных извне, особенно высоконагруженных и real-time, может быть серьезным риском с точки зрения информационной безопасности организации. Поэтому зачастую, чтобы не давать доступ внутрь, к корпоративной сети, такому количеству источников, проще сделать хранилище данных и бизнес-аналитику в облаке.
Пример: Один из крупнейших российских банков пришел к компромиссному решению, совмещая внутреннюю и облачную аналитику. В облаке была создана «промежуточная витрина» для внешних данных, где проводится предварительная очистка, верификация данных, проверка на вирусы. Потом через защищенные каналы компания загружает к себе в периметр только необходимые агрегаты.
Пример другого крупного банка показал, что для эффективной продуктовой аналитики мобильного банка удобнее организовать внешнее хранилище и self-service-аналитику для бизнес-пользователей в облаке, чем получать данные с трекера мобильного приложения в корпоративном BI с существенной задержкой.
Облачную аналитику также используют для ускорения time-to-market, быстрой проверки гипотез и аналитики ad hoc Ad hoc в переводе с латыни — «для этого», то есть для определенного случая. . Можно быстро прототипировать решение, развивать его итеративно, постепенно наращивая ресурсы и подключая дополнительные источники.
Пример: Команда небольшого стартапа по аренде зарядных устройств в ресторанах каждую неделю проверяла несколько новых гипотез. Регулярно менялись структуры и источники данных, росло количество внешних устройств и партнеров. Аналитика требовалась везде и повсюду, например, для определения оптимальных локаций развития бизнеса.
Такие компании сфокусированы на бизнес-результате. Им нужен удобный облачный сервис для аналитики, нет времени и ресурсов на создание самописного решения, на настройку и поддержку серверов.
Также облачную аналитику часто используют для предоставления отчетности внешним партнерам и контрагентам: поставщикам, дистрибьюторам, производителям и так далее. В облаке можно настроить необходимую витрину данных и дашборды таким образом, чтобы каждый партнер видел актуальные данные только по себе.
Пример: У одного крупного ритейлера есть более 400 поставщиков, которым регулярно нужно показывать остатки по товарам на складах и маркетинговую аналитику. Настроив облачную BI, компания может в режиме реального времени безопасно и управляемо делиться аналитикой с партнерами, без ручных рассылок Excel-документов и сложных лицензирований внешних пользователей.
Несмотря на то, что мы видим достаточно много специфических «облачных» сценариев для аналитики, многие компании строят также и классический регламентированный BI с отчетами-дашбордами именно в облаке — из-за простоты, надежности, безопасности и экономики решения.
Пример: Один из российских производителей мясной продукции построил систему автоматического сбора данных и сквозной аналитики для всех предметных областей бизнеса: от поставщиков и производства до продаж и маркетинга. Для каждого подразделения компании создан набор дашбордов с широкими возможностями настроек и фильтров. Полученные данные используются для проведения как оперативных совещаний, так и отчетных по итогам работы за период.
Что нужно помнить при выборе аналитической платформы
- Важно смотреть не только на инструмент визуализации, но и на подсистему хранения и обработки данных. Решение от единого поставщика обеспечит более стабильную и эффективную работу.
- Выбирайте готовую платформу от надежного вендора с широкой партнерской экосистемой. С внедрением и первичной настройкой поможет партнер-интегратор, а последующее развитие и поддержка может происходить силами заказчика или другого партнера.
- Продумайте, кто и как будет пользоваться аналитикой. Сложность инструмента зачастую противоречит массовости внедрения. Обратитесь к сервисам, где рядовые сотрудники без специальных навыков смогут полноценно работать с отчетами и визуализациями и самостоятельно дорабатывать их при необходимости.
- Не стоит гнаться за экзотичностью новых инструментов, маркетинговыми обещаниями, количеством возможных фичей и типов графиков. Примеряйте решение на вашу задачу, не стремитесь за максимальным функционалом. Как показывает практика, для задач бизнес-аналитики наиболее востребованными и понятными являются привычные столбчатые и линейные визуализации, табличные формы. Работу со сложной инфографикой лучше передать дизайнерам.
Источник: rb.ru
Обзор рынка BI-решений. Что выбрать в современных условиях?
Контроль ключевых показателей эффективности неотъемлемая часть работы любого руководителя отдела продаж, коммерческого директора. С развитием технологий в дополнение к классическим маркерным доскам приходят дашборды.
Но именно весной 2022 года актуально встал вопрос выбора платформы для организации системы бизнес-аналитики. С одной стороны, потому что выбор стал достаточно большой, с другой, — из-за возможных ограничений для пользователей из России западными платформами, в том числе и платными. Поэтому Remark предлагает вам обзор рынка BI платформ, актуальных под задачи бизнес-аналитики малого и среднего бизнеса.
Весь рынок бизнес-аналитики можно разделить на 4 большие группы
- Лидеры рынка (лидеры квадрата Гартнера);
- Open source решения (свободно распространяемое программное обеспечение);
- Облачные решения (чаще всего это решения IT-гигантов с развитой облачной инфраструктурой: Google, Amazon, Яндекс, построенные вокруг нее);
- Oтечественные BI решения.
Лидеры рынка: Microsoft Power BI, Tableau, Qlik
К этой категории относятся ежегодные лидеры квадрата Гартнера, признанные в отрасли платформы.
К преимуществам продуктов можно отнести гибкость настройки, функциональность. Данные системы рассчитаны на промышленные системы аналитики.
К минусам таких систем относится сложность для пользователей. Такие решения имеют сложную систему лицензирования. И если на старте может показаться стоимость низкой, то по мере масштабирования и роста числа пользователей, стоимость может кратно меняться. Кроме того, некоторые из компаний объявили об уходе из России и прекратили продавать новые лицензии.
Open source решения: Metabase, Redash, Apach Superser
Они работают по принципу свободно распространяемого программного обеспечения.
Преимущества: нулевые затраты на саму технологию. Кроме того, такие системы гибко настраиваемые и у них не могут возникнуть вопросы с лицензированием и уходом вендоров из России.
К недостаткам таких платформ можно отнести трудозатраты, которые появляются в процессе разворачивания программной среды и поддержки. Для настраивания отчетности понадобятся ресурсы для развертывания ПО высококвалифицированными специалистами, его администрирования, оплаты вычислительных мощностей хостинга. Такие решения очень гибкие в настройке, но все их плюсы перекрываются сложностью и стоимостью реализации.
Облачные cloud native платформы: Google Data Studio, Yandex DataLens, Amazon QuickSight
Эти решения созданы на базе облачной инфраструктуры IT-гигантов со всеми их плюсами и минусами.
К преимуществам можно отнести простоту и скорость внедрения, бесплатность решения, отсутствие необходимости или простота поддержки решений, расширяющееся комьюнити.
Из минусов можно отметить отсутствие возможности развернуть enterprise решение и гипотетическая возможность ограничения доступа к сервисам из России (не касается Yandex DataLens).
Российские BI-сервисы: Visiology, Modus BI, Аналитическая платформа Форсайт
Недостатком является тот факт, что они представлены нишевыми продуктами, которые не подходят массовому пользователю с типовыми задачами как своей стоимостью внедрения, так и сроками.
Основными преимуществами решений является их российское происхождение и нахождение некоторых из них в Едином реестре российских программ для электронных вычислительных машин и баз данных, что является преимуществом для заказчиков из госсектора.
В дашбордах для отделов продаж застройщиков Remark использует Google Data Studio и Microsoft Power BI как наиболее оптимальные BI-системы под задачи бизнес-аналитики заказчиков. На данных платформах построен наш аналитический продукт Пульс продаж (Data Studio, Power BI).
Пульс продаж на Microsoft Power BI
Пульс продаж на Google Data Studio
Оптимальным аналогом по соотношению функциональность/простота внедрения может выступить российская BI-система от Яндекса Yandex Data Lens. Предлагаем подробно остановиться на описании возможностей сервиса.
DataLens — сервис визуализации и анализа данных, является составляющей инфраструктуры Yandex Cloud. Систему компания развивает последние 3 года. Активно дописываются функциональные возможности и коннекторы к различным системам-источникам данных. Сервис по принципу работы сильно напоминает Google Data studio.
Yandex DataLens
Платформа позволяет использовать следующие базы данных (MySQL, MS SQL Server, Oracle DB, ClickHouse), счетчики Яндекса (Яндекс.Метрика, Yandex. AppMetrica),
Настройка учетных записей и прав доступа позволяет работать с сервисом в команде. Сервис имеет базовый набор визуалов, необходимых для построения дашбордов. Связь с Яндекс. Картами позволяет строить бизнес-аналитику с геоданными. Удобный интерфейс и чат с разработчиками сильно понижают порог входа для пользователей системой.
Однако стоит понимать, что система молодая и развивающаяся. Ряд сложностей с которыми можно столкнуться, например дополнительная обработка типов данных, из-за того что некоторые система «не знает», просто не возникает в упомянутых выше Data Studio и Power BI. Ряд визуалов, например отклонение KPI в сравнении с предыдущим периодом, пока нет в функционале сервиса. Работа с временными интервалами также пока осложнена тем, что на одном листе нельзя привязать разные временные интервалы (дата визита, дата брони, дата договора) к одному фильтру дат.
DataLens может решить базовые задачи бизнес-аналитики, но возможности ограничены даже по сравнению с облачной Google Data studio, не говоря уже о платформах лидеров рынка.
Если готовы смириться с рядом неудобств, которые могут быть доработаны в ближайшем времени, эту платформу можно выбрать альтернативой западных BI-платформ. Для себя мы определяем ее как один из вариантов построения базовой и простой отчетности, но не как основной инструмент.
Какую бы платформу вы не выбрали, вам всегда будут нужны данные, которые вы будете визуализировать. Напрямую подключаться в CRM-системам нельзя по ряду технических причин (ограничения api, нагрузка на сервер crmки и др.), поэтому ваши данные нужно складывать в хранилище, которое уже послужит источником данных для выбранной BI-системы.
Для этих целей отлично подойдет приложение Data Connector из Маркета Битрикс24. Для его использования вам понадобится база данных (облачная или классическая), куда приложение будет в реальном времени «складывать» все данные, события, которые записываются в вашу CRM.
Спасибо за прочтение и чистых Вам данных.
Источник: digitaldeveloper.ru
Обзор рынка бизнес аналитики
Российские BI-системы: сравниваем лучшие BI-решения
Чтобы повысить эффективность и оптимизировать расходы, российский бизнес инвестирует в бизнес-аналитику. Еще несколько лет назад задачу решали с помощью зарубежных BI-решений — как правило, Power BI или Tableau. Однако из-за массового оттока иностранных BI-вендоров в 2022 году и прогрессирующего тренда на импортозамещение российские компании стали сотрудничать с отечественными производителями BI-платформ.
Visiology, Analytic Workspace, Modus BI, Luxms BI, «Форсайт», «Триафлай», PolyAnalyst и Yandex DataLens — самые популярные российские BI-системы. Они предлагают широкий спектр решений на основе лучших практик западных BI-платформ Power BI, Tableau и Metabase. Заметную позицию на рынке занимает также китайская BI-система Fine BI, которая, впрочем, не входит в реестр российского ПО и не может в полной мере решать задачи импортозамещения. Это позволяет подобрать подходящую функциональность с учетом уникальных BI- задач и размеров бизнеса в разных технологических и ценовых категориях.
Хотя некоторые могут относиться к российским BI-продуктам скептически, этот сегмент активно развивается уже несколько лет. Так, аналитики допускают, что в 2023 году рост рынка может составить 40% по сравнению с 2022, что говорит об увеличивающемся спросе и количестве внедрений BI-решений российских вендоров, а также усовершенствовании их функциональности.
Обзор и сравнение функциональности российских BI-решений
Чтобы провести комплексный анализ платформ аналитики, мы по нескольким параметрам сравнили популярные продукты BI, такие как Visiology, Yandex DataLens, Analytic Workspace и другие.
1. Архитектура
Внедрение BI-системы становится необходимо бизнесу, когда объемы постоянно пополняющихся данных, в том числе неструктурированных, возрастают настолько, что управление ими в рамках условных Excel-таблиц и ручного анализа становится не только затруднительным, но и приводит к ошибкам и неверной интерпретации. В свою очередь, хранение больших данных и работа с ними — это серьезный технологический вызов, связанный в том числе с мощностью используемых серверов.
На данном этапе бизнес, как правило, имеет свою сложную ИТ-инфраструктуру (обычно изобилующую «костылями» и «заплатками»). Внедрение новой «надстройки» в виде BI-системы призвано упростить и структурировать работу с данными, а не разрушить окончательно. С этой точки зрения архитектура современного BI- решения должна быть такой, чтобы более-менее бесшовно встраиваться в существующую инфраструктуру Заказчика, в то же время позволяя закрыть все задачи по бизнес-аналитике данных:
— сбор и первичная обработка данных;
— извлечение, преобразование и загрузка данных;
— их складирование и представление в витринах данных;
— анализ и его отображение на web-портале.
Чаще всего современные BI-решения построены на микросервисной архитектуре, которая позволяет использовать мощности нескольких небольших серверов и обеспечить их «синхронную» работу для решения одной бизнес-задачи.
Что предлагают BI-решения
Visiology: платформа построена на микросервисной архитектуре и развертывается в виде набора Docker-контейнеров. Frontend архитектура реализована с помощью JavaScript (с подключением любых соответствующих библиотек), JQuery, Angular, Highcharts, D3.js и собственного документированного JavaScript API.
Modus BI: Back-End — язык разработки Golang, Front-End — кросс браузерный ReactJS с адаптивной версткой. Система имеет два независимых модуля — Modus ETL для решения сложных задач обработки данных из различных источников и Modus BI для формирования аналитических отчетов. При этом последний может осуществлять операции только с данными, находящимися в одном источнике.
Analytic Workspace: предлагает микросервисную архитектуру из open-source компонентов, которые гибко настраиваются и встраиваются в инфраструктуру Заказчика. Более того, в ней реализованы все слои работы с данными, включая полноценный ETL-модуль, что покрывает весь процесс от сбора и обогащения до визуализации данных.
PolyAnalyst : позволяет добавлять пользовательские процедуры для загрузки, преобразования и выгрузки данных на языках R и Python. Также предоставляется возможность обрабатывать и анализировать данные, применяя алгоритмы машинного обучения.
Хотите узнать стоимость BI-системы под ваш бизнес? Закажите бесплатную консультацию от наших экспертов.
Источник: analyticworkspace.ru