Фраза «Спасение утопающих – дело рук самих утопающих» стала сегодня актуальной и для бизнес-аналитики. Почему self-service BI становится устойчивой тенденцией в бизнес-аналитике и как сделать так, чтобы она стала реальным драйвером для совершенствования корпоративной культуры, а не осталась лишь благим пожеланием?
Аналитические инструменты постепенно растворяются в бизнес-приложениях – аналитика не выделяется в отдельный модуль корпоративной инфраструктуры, а благодаря self-service BI становится ее ядром, доступным из любой информационной системы компании. Для бизнес-пользователей самообслуживание становится основой работы с BI-системами, позволяя пользователям таких систем, как «Дельта BI», оперативно получать ответы на основе анализа всех доступных данных.
В современной компании имеется огромное количество данных, позволяющих улучшить качество бизнес-аналитики и для дата-инженеров задача извлечения данных из альтернативных источников в общем случае относительно понятна и проблем обычно не вызывает. Однако, при работе в экосистеме 1С имеется ряд ограничений, которые призваны устранить такие специализированные системы, как «Экстрактор 1С».
Благодаря подходам Low-сode/No-сode технологии управления данными, аналитики и искусственного интеллекта становятся доступны широкому кругу бизнес-пользователей. Соответствующие инструменты позволяют ускорить создание нужных приложений и функций, снижая при этом нагрузку на подразделение ИТ. Эксперты российских ИТ-компаний разбираются с тем, какие сегодня востребованы функции решений Low-Code/No-Code и что необходимо знать «гражданским» пользователям.
Цифровизация вызвала огромный спрос на качественные и согласованные данные, добытые из различных бизнес-подразделений и подготовленные в разных системах-источниках. Получение дополнительной прибыли и повышение производительности труда сотрудников сегодня стали уже невозможны без оперативного предоставления «гражданским» бизнес-аналитикам достоверных данных и инструментов их самостоятельной обработки. Что такое парадигма self-service и каковы необходимые условия построения систем бизнес-аналитики, предоставляющей заинтересованным специалистам инструменты для самостоятельной работы с данными?
Достижение технологического преимущества над западными поставщиками – лидерами в области бизнес-аналитики возможно за счет разработки новых технологий работы с данными, таких, например, как Rapeed. Нужно не догонять и копировать западные технологии, а перегонять, находя новые размерности в многомерном пространстве возможностей.
Приобретение всех необходимых инструментов для управления качеством данных, определение KPI для продуктов, отладка отдельных процессов проверки качества могут не принести ожидаемых бизнес-результатов при отсутствии сквозного обеспечения качества данных. Компонентный подход позволяет объединить различные процессы, отследить родословную данных и исключить ошибки в их качестве.
В конце 1990-х годов наблюдалось бурное развитие бизнес-приложений – в крупных организациях были накоплены существенные объемы данных, началось строительство хранилищ и витрин данных. Актуальным стал поиск решений по информационно-аналитическому обслуживанию бизнес-пользователей с активным вовлечением их в процесс анализа данных. Прошли годы – какие сдвиги в области бизнес-аналитики произошли за это время, к чему пришла индустрия и чего стоит ожидать в ближайшем будущем?
Российские компании осознают ценность данных и переходят от системо-центричной к дата-центричной ИТ-архитектуре. Ключ к успеху такого перехода — качественные и синхронизированные данные, хорошо структурированное хранилище и правильные инструменты анализа, позволяющие хранить данные вне систем бизнес-анализа.