In English

Рынок BI: по способностям или по потребности

18.10.2013, Свинарев Сергей
Издание: PC Week
Мировой рынок бизнес-аналитики развивается очень динамично, и ведущие вендоры, с одной стороны, откликаясь на реальные потребности пользователей, а с другой — желая еще больше расширить рынок, предлагают в последние годы целый ряд новых технологий. Эту тенденцию отмечает и Gartner. Выпущенный в начале нынешнего года отчет Magic Quadrant for Business Intelligence and Analytics Platforms начинается словами: “Доминирующей темой в этом сегменте рынка в 2012 г. стало превращение средств исследования данных в один из основных инструментов BI и аналитики. Отмечена также возросшая активность на таких направлениях, как вычисления в реальном времени, анализ контента и прогнозная аналитика”. Продвигая подобные новые технологии в глобальном масштабе и вовлекая в это продвижение местных партнеров, вендор неизбежно сталкивается с проблемой учета особенностей ИТ-рынка той или иной страны.

Чтобы понять, какова в данном отношении ситуация в России, какие BI-инструменты и BI-решения востребованы в нашей стране в первую очередь и каковы перспективы внедрения новых технологий в более отдаленном будущем, мы обратились к экспертам из ряда ведущих компаний. И для начала попробуем выяснить, какие задачи бизнес-аналитики наиболее актуальны для российского заказчика. Что препятствует их эффективному решению?

Что актуально в России

“На мой взгляд, разделять актуальные задачи для российского и мирового рынка не совсем корректно, — убеждена начальник отдела бизнес-анализа Центра программных решений компании “Инфосистемы Джет” Анна Харитонова. — Наша компания работает как с российскими, так и с международными организациями, и на мой взгляд, их высокоуровневое понимание целей бизнес-аналитики схоже. Повышенный интерес вызывает возможность анализировать основные бизнес-процессы компании, рассчитывать различные показатели эффективности — типовые для какой-либо отрасли, а также индивидуальные, учитывающие особенности конкретного предприятия. Разница заключается лишь в уровне автоматизации этих бизнес-процессов и в готовности систем источников к предоставлению данных для отчетности”.

В целом с ней согласен и заместитель генерального директора SAP CIS Дмитрий Лисогор: “Точно так же как и в западных организациях, зрелость систем аналитики различается от компании к компании. В одних собственные аналитики вооружены хорошими инструментами и системы бизнес-аналитики начинают охватывать новые задачи, в других — использование средств повышения производительности при работе и анализе информации только начинается. Компаний второй группы на российском рынке пока больше. И сложности возникают, когда организация пытается пропустить несколько этапов зрелости аналитической системы и сразу стремится к использованию высокоуровневых инструментов, не решив вопросов достоверности исходной информации”.

По мнению директора департамента бизнес-приложений Oracle компании “АйТи” Дениса Первушина, сегодня на крупных отечественных предприятиях бизнес-аналитика востребована практически во всех предметных областях — в маркетинге, сбыте, управлении финансами, производстве, техобслуживании и ремонте оборудования, в закупках, в управлении человеческими ресурсами, в энергоэффективности. Традиционно наибольший спрос на аналитику наблюдается в области маркетинга, сбыта и управления финансами, однако аналитическая отчетность по другим предметным областям также представляет существенный интерес. Например, для многих производственных предприятий актуальна задача сбора и анализа информации по отказам и ремонтам оборудования для последующего планирования и оценки затрат на подобные работы. В последнее время определенный интерес к аналитике появился в области управления человеческими ресурсами. В частности, ряд компаний (как правило, с западным капиталом) используют данный инструмент для формирования более эффективной кадровой политики.

Как считает ведущий специалист представительства Microsoft в России по платформенным решениям для финансовой индустрии Алена Дробышевская, наиболее востребовано у нас получение различных видов обязательной и управленческой отчетности. Задача не всегда простая, поскольку план счетов российских компаний традиционно ориентирован на бухгалтерский и налоговый, а не на управленческий учет, и возникает необходимость в сложной трансформации отчетности. Помимо этого частные компании начинают активнее пользоваться возможностями по получению детальной аналитики и погружению в данные: например, из строчек итогового отчета руководитель хочет “провалиться” в детали и посмотреть, из каких атомарных данных тот или иной показатель формируется. Тонкость здесь в том, что агрегированные и детальные данные зачастую хранятся в разных таблицах, которые предварительно надо “правильным” образом обработать и собрать. Еще одна популярная задача — расчет себестоимости производства продукта или обслуживания клиента.

К перечисленным выше областям бизнес-анализа руководитель направления корпоративных решений компании “Прогноз” Михаил Федоров добавляет прогнозирование ключевых показателей деятельности и оценку рисков. К числу наиболее востребованных он относит задачи бюджетирования, контроля исполнения планов, мониторинга KPI, а также информационно-аналитического обеспечения руководства компаний.

Руководитель группы перспективных технологий предпроектного консалтинга Oracle СНГ Андрей Пивоваров отмечает, что российский рынок BI характеризуется крайней неоднородностью. В некоторых компаниях получают только самую необходимую регуляторную отчетность, тогда как наиболее передовые активно используют инструменты моделирования и прогнозирования и задумываются, как анализировать неструктурированный контент. В связи с этим повышаются требования к аналитическим системам: они должны не только предоставлять средства визуального анализа данных и инструменты обработки запросов ad-hoc, но иметь также инструменты для осуществления анализа what-if, прогнозирования и моделирования. Им придется обращаться не только к реляционным базам данных и структурированным файлам, но и к распределенной инфраструктуре Hadoop. Новой и перспективной задачей является анализ информации из социальных сетей, разного рода форумов и открытого интернет-контента.

Говоря о препятствиях на пути более эффективного решения задач бизнес-аналитики, Михаил Федоров подчеркнул, что важную роль играет степень вовлеченности в проект ключевых специалистов заказчика: “По нашему опыту создание постоянно действующей рабочей группы, включающей руководителя проекта от заказчика, ключевых ИТ-специалистов и экспертов предметной области, и оперативное взаимодействие рабочих групп заказчика и исполнителя позволяют гарантированно достигнуть результата, максимально удовлетворяющего потребностям заказчика”. А Алена Дробышевская обращает внимание на недостаток аналитических данных в исходных системах: многие операции, транзакции, профили клиентов приходится дополнительно вручную или автоматически “раскрашивать”, дополнять аналитическими признаками для того, чтобы получить нужные отчеты. Кроме того, сильно мешает разрозненность систем и не всегда до конца отработанная поддержка единых мастер-данных, которая в итоге приводит в дублированию или получению не вполне достоверной информации по различным сущностям. Директор по консалтингу Центра финансовых решений компании РДТЕХ Виктор Сусойкин сообщает, что в выполняемых ими проектах для коммерческих банков приходится сталкиваться с проблемами технологического характера: с необходимостью обрабатывать большие объемы данных и как следствие снижением быстродействия средств бизнес-аналитики, а также с недостаточной доступностью подобных инструментов для широкого круга конечных пользователей (в смысле простоты использования).

Все ли компании одинаково готовы

В настоящее время в отрасли уже сформировался набор средств BI, который принято считать стандартным (отчетность, обработка типовых запросов, дашборды и т. д.). Но каков сегодня уровень проникновения средств стандартного BI на российских предприятиях? Алена Дробышевская убеждена, что он очень высок: “Практически все крупные и средние предприятия не только активно пользуются стандартными бухгалтерскими и налоговыми пакетами отчетности, но и строят свои дополнительные управленческие отчеты, аналитические “кубы”, нерегламентированные ad-hoc-отчеты. Дашборды или “приборные панели” руководителя стали особенно популярны в последнее время в связи с широким проникновением в нашу жизнь мобильных устройств — именно такой вид подачи информации самым лучшим образом позволяет на планшете или смартфоне увидеть общую картинку быстро и удобно”.

Михаил Федоров видит устойчивый рост спроса на BI-приложения, в частности, со стороны среднего бизнеса. На предприятиях в той или иной мере решены задачи подготовки регламентной и аналитической отчетности, начинают активно внедряться в практику средства построения многомерных хранилищ данных, аналитических панелей. “Базовые средства BI распространены довольно широко, — соглашается с ним Дмитрий Лисогор. — Ведь к ним можно отнести, например, и Excel, который в качестве инструмента отчетности (иногда действительно “продвинутой”) используется многими компаниями. Другой вопрос, насколько используемые средства трудоемки и как они обеспечивают потребности в “самообслуживании”: через информационные панели (дашборды) или мобильные устройства. Поэтому в нашей практике новые проекты обычно сразу охватывают весь перечень средств BI и внедрение идет одновременно для разных групп пользователей”.

“Сегодня без систем формирования отчетности невозможно представить функционирование ни одной современной организации, — констатирует Денис Первушин. — Не в последнюю очередь это объясняется требованиями государства и международных стандартов к отчетности предприятий. Что касается интерактивных информационных панелей, то в первую очередь это инструмент для “внутренних” пользователей — управленческого состава компании. И чем более остро перед ними стоят такие задачи, как оценка эффективности работы предприятия, выявление “проблемных областей”, анализ клиентского спроса, анализ “что, если” (оценка вариантов развития), тем более подобные средства востребованы”.

По мнению Анны Харитоновой, наиболее передовыми отраслями, использующими сегодня BI, являются банки, телеком-операторы и торговые розничные сети, что в первую очередь связано с большими объемами данных, ежедневно обрабатываемых применяемыми в этих областях бизнес-приложениями. Обработка типовых запросов постепенно уходит на второй план в сравнении с запросами ad-hoc. Связано это с недавним появлением на рынке новых технологий, сильно упростивших, а следовательно, удешевивших построение отчетности на произвольных запросах. Бизнес-аналитики и другие пользователи данных решений могут теперь не ждать неделями разработки новой отчетной формы, а конструировать их самостоятельно, практически на лету. Что касается дашбордов, то эта тема также приобретает все большую популярность, главным образом среди высшего менеджмента. Особенно привлекательно такое решение выглядит в том случае, если дашборд формируется на основании данных из различных (зачастую не интегрированных между собой) бизнес-приложений.

“Уровень проникновения BI в банках Топ-100 весьма глубокий, — констатирует Виктор Сусойкин. — В банках меньшего размера пока не очень. Но даже и в разных банках первой сотни проникновение носит качественно различный характер. Просто открыть готовый преднастроенный отчёт, задав пару фильтров, может любой пользователь. Но вот строить свои собственные нерегламентированные запросы, анализируя и делая осмысленные выводы, способны далеко не все даже после тщательного обучения. А если говорить о построении собственных моделей, то тут круг пользователей, потенциально готовых к такого класса аналитической работе, совсем узкий”.

Востребованы ли инновации

Насколько востребованы в нашей стране для решения стандартных задач BI новые технологии вроде СУБД in-memory или обработки данных непосредственно из транзакционных источников (минуя хранилище)?

“В последнее время в проектах “Прогноза” заказчики все чаще выражают интерес к таким современным технологиям, как обработка данных in-memory, предвычисление агрегатов и расчетных показателей, значительно повышающих быстродействие, — сообщает Михаил Федоров. — Обработка данных непосредственно из транзакционных источников также применяется в наших проектах. В большинстве случаев процесс выстраивается таким образом, что запросы формируются не к базам данных, развернутым в промышленном контуре, а к реплицированным (буферным) БД, которые могут обновляться в онлайн-режиме. При таком подходе исключается влияние запросов из BI-приложений на производительность транзакционной системы — источника данных”.

“Не всегда данные, которые нуждаются в аналитической обработке, хранятся в БД, оптимизированных под аналитику, — напоминает Андрей Пивоваров. — Зачастую в качестве источника информации могут выступать разного рода структурированные файлы, хранящиеся на диске. В этом случае аналитические инструменты справляются со своей задачей с трудом, и как следствие цикл “запрос — анализ — запрос .... принятие решения” становится непозволительно длинным и неэффективным. Самым простым, быстрым и на текущий момент вполне доступным способом ускорения времени отклика на аналитические запросы является использование технологий in-memory. На самом деле технология эта не нова, Oracle, например, с 2005 г. предлагает in-memory базу данных TimesTen. Не стоит при этом считать in-memory-технологии панацеей для решения любой аналитической задачи. По нашим наблюдениям, средний размер хранилища данных в компаниях сейчас составляет от 0,5 Тб до 40 Тб. Размещать весь этот объем в оперативной памяти дорого и малоэффективно, так как не все данные одинаково часто востребованы и должны находиться в “горячем” хранении. Еще одна актуальная задача — аналитика в реальном времени (real-time), однако не всегда она имеет законченную реализацию”.

“Если аналитик, который постоянно работает с информацией, вынужденно мирится с низкой скоростью “отдачи” хранилища и подстраивает под это свою работу, то обычный бизнес-пользователь и тем более руководитель высокого ранга будут активно выражать свое недовольство, если отклик системы будет превышать интервал даже в несколько десятков секунд, — напоминает Дмитрий Лисогор. — То же можно сказать про работу непосредственно с транзакционными источниками: опытный аналитик учитывает “возраст” информации, а бизнес-пользователь не будет этого делать. Однако при решении аналитических задач не все транзакционные источники готовы к быстрой отдаче информации, а их перевод на технологии in-memory возможен далеко не всегда”.

По мнению Виктора Сусойкина, сегодня востребованы любые способы повышения быстродействия, в том числе и СУБД in-memory. Оперативный доступ к данным из OLTP-системы или из внешних источников не следует противопоставлять традиционным корпоративным хранилищам данных — речь идёт о взаимном дополнении. У маркетологов розничных банков сегодня есть технологическая возможность использовать не только учётные данные о клиентах, находящиеся в корпоративном хранилище, но и аналогичную информацию из социальных сетей.

Велик ли в России спрос на средства “продвинутой” аналитики (прогнозирование, оперативная оценка рисков, выявление скрытых взаимосвязей и закономерностей)? “Использование подобных инструментов сильно зависит от той индустрии, в которой работает компания, — убеждена Алена Дробышевская. — Скажем, в финансовой сфере, в телекоме или в добывающих отраслях (нефть, газ, полезные ископаемые) их применение давно уже стало насущной необходимостью. Основным препятствием для внедрения решений такого рода становится то, что помимо ИТ-средств здесь нужны сложные математические модели, достаточно полные и подробные исходные данные для наполнения таких моделей, а также высококвалифицированные бизнес-аналитики.

“Задачи “продвинутой” аналитики, прежде всего прогнозирование и оценка рисков, решаются нами в ряде проектов, но в первую очередь спрос российских компаний приходится на стандартные средства BI, — сообщает Михаил Федоров. Причина в том, что решение более сложных задач является следующей фазой после внедрения стандартной функциональности, требует предварительной серьезной методической проработки, а также подключения наиболее квалифицированных аналитиков и экспертов в соответствующих предметных областях со стороны заказчика”.

По мнению Анны Харитоновой, в отличие от традиционных задач BI так называемые задачи data-mining очень индивидуальны. Поэтому типовых решений для них не очень много, а их внедрение обычно сложно и дорого. Тем не менее они применяются сегодня в таких отраслях, как финансы, страхование, телекоммуникации, электронная коммерция. Если говорить о препятствиях к их применению — это не отсутствие потребности, а скорее непонимание бизнесом такой потребности.

Как считает Дмитрий Лисогор, спрос на прогнозную аналитику сконцентрирован сегодня в телекоме и банках — там, где есть сформированная потребность в оценке рисков или удержании абонентов. Кроме того, там накоплен огромный объем исторической информации (кредитные истории, абонентские счета), который повышает достоверность прогнозов и качество математических моделей. К факторам, сдерживающим более активное проникновение в другие отрасли, он относит недостаток исторической информации (хранилища данных там либо только развертываются, либо запущены в эксплуатацию менее трех лет назад). По оценке Дмитрия Лисогора, в ближайшие два-три года прогнозная аналитика будет одним из самых быстрорастущих направлений.

“Квалифицированных специалистов в этой области крайне мало, поэтому о массовом использовании “продвинутых” средств бизнес-аналитики речь пока не идёт, — возражает Виктор Сусойкин. — И до тех пор, пока не будет серьёзного технологического рывка в сторону упрощения и повышения доступности средств этой “продвинутой” бизнес-аналитики, ситуация вряд ли сильно изменится”.

“Спрос есть, но он не является (и не может являться) массовым, — соглашается Денис Первушин. — Интерес к специализированным и “продвинутым” инструментам возникает только в том случае, если существенно возрастают степень сложности процессов и объем обрабатываемых данных, т. е. в тот момент, когда темпы развития предприятия уже не позволяют ему работать “по старинке»”.

Наблюдая в последнее время активное продвижение отдельными вендорами BI-систем реального времени, невольно задаешься вопросом: каким предприятиям в нашей стране действительно необходима бизнес-аналитика real-time? “Если под реальным масштабом времени понимать минуты, то такие системы будут востребованы, например, предприятиями электроэнергетики для отслеживания текущего потребления энергии и перекидывания мощностей при необходимости, — полагает Алена Дробышевская. — Аналогичные задачи могут возникнуть у операторов мобильной связи или провайдеров интернет-услуг: оперативная аналитика в реальном времени позволит им быстро реагировать на возникающие в том или ином месте проблемы и решать их немедленно. Если же под реальным масштабом понимать задержку в несколько часов, то подобные решения могут быть полезны для розницы (отслеживание в течение дня спроса на товары в тех или иных магазинах и немедленная дополнительная поставка при необходимости)”.

Еще одна горячая тема последних лет — Big Data. Соответствует ли ажиотаж вокруг Big Data реальному спросу на подобные технологии у российских компаний? Есть ли у них адекватное понимание как самих технологий, так и ожидаемой полезности для их бизнеса? В каких отраслях нашей экономики применение Big Data начнется в первую очередь? “Я не стала бы говорить об ажиотаже вокруг этой темы, скорее здесь идет вполне разумное и понятное исследование заказчиками: что это, как работает, каким образом может быть полезно в данной конкретной компании, — уточняет Алена Дробышевская. — Думаю, как и в других случаях, пионерами в области Big Data окажутся компании телекоммуникационного и финансового секторов”.

“Любой ажиотаж — это хороший способ повышения образованности, выравнивания понимания, публичного обсуждения, — убежден Дмитрий Лисогор. — И тема Big Data не является исключением. Когда понимание возможностей, которые предоставляет работа с Big Data, будет осознана потребителями, тогда и будет сформирован реальный спрос. Первыми к этому придут компании, которые работают с большим числом конечных клиентов: розничная торговля, банки, производители ТНП. Они исторически привыкли к обработке больших объемов данных. И добавление к ним новых объемов данных, уже неструктурированных (социальные сети и т. д.), хотя и является отдельной технической задачей, логично встраивается в существующие бизнес-процессы и дает ожидаемую “монетизацию”. В других сегментах превращение данных в прибыль компании еще только начинается”.

По мнению Дениса Первушина, внедрение подобных решений всегда требует существенных инвестиций и далеко не каждое даже крупное предприятие может себе их позволить. Осознание того, что от Big Data можно получить ощутимый экономический эффект, возникает в том случае, если предыдущие задачи на предприятии уже решены: проведена автоматизация всех основных процессов, широко используются средства анализа, но при этом оперативность обработки имеющихся объемов данных существующими средствами вызывает определенные вопросы.

Облачные архитектуры, позволяющие использовать практически всё — от инфраструктуры до приложений — в виде услуги, уже сегодня стали магистральным направлением развития ИТ. Но каковы перспективы предоставления как услуги BI в режиме SaaS? Может ли стать стимулом к этому постепенный перенос корпоративных данных в облачные хранилища (Data as a Service), а также изначальное размещение все большего количества внешних источников в Сети?

“Во многих наших корпоративных проектах возникает задача получать внешнюю отраслевую, статистическую и рыночную информацию, — рассказывает Михаил Федоров. — Поэтому мы разработали облачный сервис Prognoz Data Portal — онлайновый ресурс, содержащий обширные данные национальной и мировой экономики из двухсот с лишним российских и международных источников, которые приведены к единообразному виду для анализа и структурированы по отраслям и рынкам. В разработке находится еще ряд типовых решений, которые также соответствовать модели SaaS. В то же время мы пока не видим среди компаний тенденций к переносу собственных данных в облачные хранилища. Одно из ключевых препятствий — обеспечение безопасности данных. Кроме того, у многих компаний уже имеются собственные инфраструктуры для хранения данных”. По мнению Виктора Сусойкина, определенные перспективы у SaaS-решений есть. Однако, хотя ему и известно несколько прецедентов их использования в банках, широкое применение в банковском секторе это направление вряд ли получит ввиду сложности обеспечения конфиденциальности и защиты коммерческих данных.

Лавинообразный рост популярности планшетов и смартфонов ставит на повестку дня перенос на них прикладных систем самого разного назначения. В этой связи правомерен вопрос, в какой степени подобный тренд справедлив для BI-решений. Велик ли рынок мобильной бизнес-аналитики в России? Где она уже применяется и в каких задачах может найти применение в будущем?

По мнению Алены Дробышевской, этот рынок одновременно является и большим и маленьким. Мобильная аналитика все шире проникает во все компании, но пользуется ею чаще всего руководство высшего уровня. В настоящее время мобильная аналитика применяется для представления оперативной информации по компании директорам, президентам, другим руководителям. Возможно, в ближайшем будущем круг этих людей будет расширен, хотя зачастую использование мобильной аналитики для других сотрудников противоречит политикам информационной безопасности компаний. “Если говорить про задачи, решаемые на мобильных устройствах, то по нашему опыту это в первую очередь электронный мобильный офис руководителя и мобильные версии корпоративных порталов, которые позволяют предоставить единую точку доступа ко всей ключевой информации по основным направлениям деятельности компании”, — соглашается с ней Михаил Федоров. По наблюдению Виктора Сусойкина, уже сегодня во многих банках на совещаниях, например, кредитного комитета не раздают печатные материалы по заёмщику, а просматривают на планшетах соответствующие аналитические отчёты, сформированные с помощью редакции BI-системы, адаптированной для работы на этих устройствах.

Как утверждает Дмитрий Лисогор, мобильная бизнес-аналитика — это одна из первых задач (после, может быть, электронной почты), которую требуют решить пользователи мобильных устройств. Он считает важным отметить, что мобильная аналитика находится на стыке двух технологических областей — собственно систем бизнес-аналитики и корпоративной мобильности. Корпоративная мобильность — это обеспечение жизненного цикла мобильного устройства, средства создания мобильных приложений для разных платформ, определенный инфраструктурный фундамент и т. д.

“Как и прежде, сегодня основными пользователями мобильной аналитики являются люди, принимающие решения, но теперь это не только управленцы высшего звена, но и любой пользователь аналитической системы внутри компании, — полагает Андрей Пивоваров. — Мало того, многие организации, следуя тенденциям рынка, дают доступ к своей аналитике сторонним компаниям и клиентам; в этом случае мобильная платформа оказывается одной из наиболее востребованных функциональностей корпоративной ИС. Естественно, требования к мобильной аналитике в последние годы выросли. Потребители хотят иметь полную функциональность, доступную в традиционном аналитическом приложении: это и разного рода интерактивные аналитические панели, и отчеты, уведомления, и отображение аналитических показателей на картах, интеграция с бизнес-процессами и т. д.

Нельзя сбрасывать со счетов и изменение рыночной среды. Чтобы быть успешными, компаниям совершенно необходима свежая оперативная аналитика для быстрого принятия решений. Поэтому в одном ряду с реализацией мобильной аналитики заказчики все чаще выставляют требование ее функционирования в реальном времени.

Среди главных причин активного интереса к мобильным платформам аналитики отмечают три важнейшие: 1) уверенность в том, что мобильная аналитика даст конкурентные преимущества; 2) необходимость повысить эффективность работы выездных сотрудников; 3) недопустимость задержки в принятии решений из-за неактуальности данных”.


Центральный федеральный округ