Kiedy budować BI w organizacji? Kiedy budować BI w organizacji?
Metody i modele zarządzanie wiedzą organizacjiMetody i modele zarządzanie wiedzą organizacjiDariusz PAŁKADariusz PAŁKA
AGENDAAGENDA
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 posiadaczemogromnej ilości danych. Szkoda, że takniewiele z nich zdaje sobie sprawę, że to
jestwłaśnie cała ich inteligencja. Bo trzeba
jeszczeumieć z niej dobrze korzystać.
Luiza Warno (2005), Orange
3
POZIOMY ORGANIZACJI - ZARZĄDZANIE POZIOMY ORGANIZACJI - ZARZĄDZANIE DANYMIDANYMI
4
CHAOSUCHAOSU
DANYCHDANYCH PODSTAWOWYCHPODSTAWOWYCH
ANALIZANALIZ
STRATEGII ZARZĄDZANIA DANYMISTRATEGII ZARZĄDZANIA DANYMI
ZARZĄDZANIA SYSTEMEM BIZARZĄDZANIA SYSTEMEM BI
POZIOM 0POZIOM 0
POZIOM 1POZIOM 1
POZIOM 2POZIOM 2
POZIOM 3POZIOM 3
POZIOM 4POZIOM 4
BIG DATA
5
DANE W INTERNECIEDANE W INTERNECIE
6
ROOM OF CUBES AT EXPO 1967, MONTREAL, CANADA
7
PORÓWNANIE CEN KWARTAŁU PSZENICY Z WYNAGRODZENIEM DOBREGO MECHANIKA W PERSPEKTYWIE CZASU
8Szkocki inżynier, grawer i pasjonat polityki gospodarczej
DZISIEJSZY KOKPIT DZISIEJSZY KOKPIT MENEDŻERSKIMENEDŻERSKI
9
PIERWSZY KOMPUTERPIERWSZY KOMPUTER
10
1943-46 ENIAC - skonstruowany przez J.P. Eckerta i J.W. Mauchly'ego. Pierwszy elektroniczny komputer, pamięta 20 liczb, zbudowanyz 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. Służyła ona do wprowadzania, sortowania i podliczania danych i wykorzystywała do tego celu dziurkowane karty. Hollerith założył w roku 1896 firmę Tabulating Machine Company, która po połączeniu z kilkoma innymi stworzyła International Business Machines, czyli po prostu IBM.
HISTORIA PRZETWARZANIA HISTORIA PRZETWARZANIA DANYCHDANYCH
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
ZARZĄDZANIE DANYMI ZARZĄDZANIE DANYMI ORGANIZACJIORGANIZACJI
Systemy obiegu dokumentów Lokalne systemu informatyczne Zintegrowane systemy informatyczne Hurtownie danych Systemy Data Mining
Business IntelligenceBusiness Intelligence12
MODEL SYSTEMU DECYZYJNEGOMODEL SYSTEMU DECYZYJNEGO
13
BUSINESS INTELLIGENCE?BUSINESS INTELLIGENCE?
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
BIBI
15
Źródło: Żytniewski M.:”BI”, UE w Katowicach, 2012
BIBI
16
BIZNES
BIG DATA
HISTORIA BIHISTORIA BI
17
Źródło: Żytniewski M.:”BI”, UE w Katowicach, 2012
SKUTECZNY 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
19
HURTOWNIA DANYCH (HD)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
20
OLAPOLAP
OLAP Information SystemsOLAP Information Systems
On-Line Analytical Processing
OLTPOLTPOn-Line Transaction Processing
Systemy analitycznego przetwarzania danych „na bieżąco”
21
DLACZEGO HURTOWNIA JAKO DLACZEGO HURTOWNIA JAKO PODSYSTEM RAPORTOWANIAPODSYSTEM 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
WIELOWYMIAROWA KOSTKA HDWIELOWYMIAROWA KOSTKA HD
22
SPRZEDAŻSPRZEDAŻ
Polska
-Centralny
--Wa-wskie
--- odbiorca A
--- odbiorca B
--- odbiorca C
1995Q1-95Q2-95STY-95LUT-95
Produkcja
-Typ 1
--Rodzaj 1
--- T01
--- T02
--- T03
--Rodzaj 2
--- T04
HD UMOŻLIWIA ANALIZĘ DANYCH HD UMOŻLIWIA ANALIZĘ DANYCH
„POD WIELOMA KĄTAMI”„POD WIELOMA KĄTAMI”
23
Dyrektor finansowy Dyrektor regionalny
Dyrektor lokalny Zarząd
CZAS
GEOGRAFIA
PRODUKT
JAK DZIAŁA HD?JAK DZIAŁA HD?
24
Data Warehouse Cube(multidimensional data)
Reporting AnalysisRAPORTOWANIE ANALIZOWANIE
DZIAŁANIE HURTOWNI DANYCHDZIAŁANIE HURTOWNI DANYCH
25
SQL SERVER 2K
OLTP B
DTSData
Transformation Services
Enterprise Business Intelligence Portal
OLAP
Analysis Services
SQL Server Reporting Services
Web Portal
Reporting Subsystem
OLTP A
Źródło: Opracowanie własne
PRZYKŁADOWY PORTAL HDPRZYKŁADOWY PORTAL HD
26
Źródło: Opracowanie własne
DATA MINING?DATA MINING?
Definicja1: 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: 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
JAK DZIAŁA DM?JAK 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
GŁÓWNE ZADANIA DM
Wyszukiwanie asocjacji
Klasyfikacja
Predykcja
Grupowanie danych
Eksploracja złożonych typów danych
29
PO 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
KIEDY PRZYCHODZI CZAS NA BI KIEDY 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
KIEDY ZBUDOWAĆ BI?KIEDY ZBUDOWAĆ BI?NAJPIERW PRZEANALIZUJ SWÓJ NAJPIERW PRZEANALIZUJ SWÓJ BIZNESBIZNES
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
CO NAJPIERW? CO NAJPIERW? POTRZEBA UPORZĄDKOWANIA POTRZEBA UPORZĄDKOWANIA DANYCHDANYCH
33
• Jedno źródło informacji dla całej firmy centralne
• spójne
• wiarygodne
• aktualizowane „na bieżąco”
NAJPIERW ZBUDUJ SWOJĄ HD
34
CRMCRM
ITIT
ProdukcjaProdukcjaFinanseFinanse
KsięgowośćKsięgowość
LogistykaLogistyka
Hurtownia Danych
SprzedażSprzedaż
Geograficzna analiza
sprzedażyWsparcie działań przedstawicieli handlowych
Efektywne zarządzanie
kosztamii zwiększanie
wartości
udziałów
Wsparcie wyboru źródeł
i warunków dostaw
Analiza procesów zaopatrzenia
Analizy
efektywności produkcji
Wsparcie zarządzania
gospodarki materiałowej
Wysoka jakość danych
Dzięki uporządkowaniu
systemu raportowego
PRZYKŁAD ANALIZPRZYKŁAD ANALIZ
35
• KRAJKRAJ• REJONREJON• MIASTOMIASTO• KLIENTKLIENT
DYSPONENT:DYSPONENT:
ilośćilość
wartośćwartość
CZAS:CZAS:
• ROKROK• KWARTAŁKWARTAŁ• MIESIĄCMIESIĄC• DZIEŃDZIEŃ
KRAJKRAJ
MIASTOMIASTO
MIESIĄCMIESIĄC
36
PRZYKŁADOWA KONCEPCJA PRZYKŁADOWA KONCEPCJA STRUKTURY INFORMACYJNEJSTRUKTURY INFORMACYJNEJ
Wymiar KLIENTA
Wymiar SKLEPU
Wymiar czasu
Wymiar MIASTA
Wymiar REGIONU
Wymiar TYPU KLIENTA
Wymiar KARJU
Wymiar MIASTA
Wymiar REGIONU
Wymiar ROKU
Wymiar KWARTAŁU
Wymiar MIESIĄCA
Wymiar PRODUKTU
FAKTY:STANY STANY
ILOŚCIOWEILOŚCIOWE
CEL AGREGOWANIA DANYCH?CEL AGREGOWANIA DANYCH?
Ile?
Kiedy? Jak?
Gdzie?
Rodzaj zasobu?
Która grupa?
OTRZYMYWANIE WŁAŚCIWYCH OTRZYMYWANIE WŁAŚCIWYCH I SZYBKICH ODPOWIEDZI NA PYTANIA …I SZYBKICH ODPOWIEDZI NA PYTANIA … 37
BI W GRUPIE ATLASBI W GRUPIE ATLAS
38
39
JAK ZBUDOWAĆ BI?JAK ZBUDOWAĆ BI?
KORZYŚCI BIZNESOWE KORZYŚCI BIZNESOWE WDROŻENIA WDROŻENIA HD HD BI 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 decyzji40
KORZYŚCI TECHNOLOGICZNE KORZYŚCI TECHNOLOGICZNE WDROŻENIA BIWDROŻENIA BI
41
Odciążenie działu informatyki od Odciążenie działu informatyki od
bieżącego raportowaniabieżącego raportowania
Automatyzacja budowania Automatyzacja budowania
raportów na zlecenieraportów na zlecenie
Łatwa, szybka konsolidacja danych Łatwa, szybka konsolidacja danych
z systemów transakcyjnychz systemów transakcyjnych
KORZYŚCI SYSTEMOWE BIKORZYŚCI SYSTEMOWE BI
42
CO TRZEBA ZROBIĆ, ABY CO TRZEBA ZROBIĆ, ABY ZBUDOWAĆ BIZBUDOWAĆ 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
ILE MOŻE KOSZTOWAĆ BUDOWA ILE MOŻE KOSZTOWAĆ BUDOWA BIBI
Koszt zatrudnienia specjalisty HD/BI Koszt zatrudnienia analityka danych organizacji Dodatkowe zasoby sprzętowe Dodatkowe oprogramowanie
45
WNIOSEK WNIOSEK PO CO HD PO CO HD BI ? BI ?
46
……… aby sprawnie przechowywać, uaktualniać,obsługiwać i analizować
informacje w zależności od wymagań przedsiębiorstwa,
jego pracowników i jego klientów
PRZYSZŁOŚĆ BI TO BUSINESS ANALITICS (BA) W ŚRODOWISKU CHMURY OBLICZENIOWEJCLOUD BUSINESS INTELLIGENCE
47
Cloud BI – bujanie w obłokach, czy praktyczne rozwiązania?Cloud BI – bujanie w obłokach, czy praktyczne rozwiązania?
RANKING TALENTÓW RANKING TALENTÓW ANALITYKÓWANALITYKÓW
48
DZIĘKUJĘ ZA UWAGĘ