Zdjęcie dodane przez Pavel Danilyuk:

Systemy Business Intelligence wielu osobom kojarzą się z najnowszą, współczesną technologią, a tymczasem sama idea narodziła się już w XIX wieku! Oto, bowiem w 1865 r. Richard Millar Devens przedstawił termin „Business Intelligence” (BI) w Cyclopædia of Commercial and Business Anegdotes. Używał go, aby opisać, jak bankier Sir Henry Furnese, czerpał korzyści z informacji, gromadząc i wykorzystując je przed konkurencją.

Blisko sto la później (w 1958 roku) informatyk zatrudniony w IBM o nazwisku Hans Peter Luhn napisał artykuł opisujący potencjał gromadzenia Business Intelligence (BI) poprzez wykorzystanie technologii.

Jednak nawet 10 lat później tylko osoby o niezwykle wyspecjalizowanych umiejętnościach mogły przełożyć dane na użyteczne informacje. W tym czasie dane z wielu źródeł były zwykle przechowywane w silosach, a analizy były zazwyczaj przedstawiane w postaci fragmentarycznych, niespójnych raportów. Problem zaobserwował Edgar Codd i opisał go w artykule z 1970 roku. Jego propozycja opracowania „relacyjnego modelu bazy danych” zyskała ogromną popularność i została zaadaptowana na całym świecie.

Business Intelligence w dzisiejszym rozumieniu wykorzystuje technologię do zbierania i analizowania danych, przekładania ich na przydatne informacje i działania na ich podstawie „przed konkurencją”. Tym samym  współczesne systemy BI koncentrują się na technologii, która jest sposobem na szybkie i skuteczne podejmowanie decyzji w oparciu o właściwe informacje we właściwym czasie.

Systemy Wspomagania Decyzji

System Wspomagania Decyzji (DSS) był pierwszym opracowanym systemem zarządzania bazami danych. Wielu historyków technologii informacyjnych sugeruje, że nowoczesna wersja Business Intelligence wyewoluowała z właśnie z koncepcji baz danych DSS. W latach 80., gdy biznes odkrył wartość Business Intelligence liczba dostawców systemów BI istotnie wzrosła. W tym czasie opracowano szereg narzędzi, których celem było uzyskiwanie dostępu do danych i organizowanie ich w prostszy sposób. OLAP, Executive Information Systems i hurtownie danych to tylko niektóre z narzędzi opracowanych do pracy z DSS.

OLAP

Przetwarzanie analityczne online(OLAP) to system, który pozwala użytkownikom analizować dane z różnych źródeł, oferując jednocześnie różne perspektywy. Bazy danych skonfigurowane pod kątem OLAP wykorzystują wielowymiarowy model danych, obsługujący złożone analizy i zapytania ad hoc. Standardowe aplikacje OLAP obejmują:

• raportowanie sprzedaży
• marketing
• sprawozdawczość zarządczą
• zarządzanie procesami biznesowymi (BPM)
• budżetowanie i prognozowanie
• sprawozdawczość finansową i podobne obszary

OLAP „był” dość popularny ze względu na różnorodność sposobów gromadzenia i organizowania informacji. Jako platforma oparta na SQL stracił popularność, gdy popularny stał się NoSQL.

Głównym elementem była konsolidacja polegająca na łączeniu danych, które można przechowywać i przetwarzać na wiele sposobów. Na przykład, cała sprzedaż samochodów dealera może być sumowana przez kierownika sprzedaży, jako sposób przewidywania trendów sprzedaży. Z drugiej strony technika „pogłębiania” analizy umożliwia nawigację i badanie szczegółów. Użytkownicy mogą przeglądać sprzedaż samochodów według modelu, wyposażenia czy zużycia paliwa. Z kolei „krojenie na plasterki” pozwala wyciąć określone dane z kostki OLAP i zobaczyć je z różnych perspektyw.

EIS, czyli systemy zarządcze

Pod koniec lat 70. przedsiębiorstwa zaczęły wykorzystywać Internet do wyszukiwania informacji biznesowych. Doprowadziło to do powstania oprogramowania, zwanego Systemy informatyczne dla kadry kierowniczej (EIS), aby wspierać wyższe kierownictwo w podejmowaniu decyzji. EIS miał na celu dostarczenie odpowiednich i aktualnych informacji potrzebnych do „usprawnienia” procesu podejmowania decyzji. System kładzie nacisk na wyświetlacze graficzne i łatwe w użyciu interfejsy w prezentacji informacji. Celem EIS było przekształcenie kadry kierowniczej w „praktycznych” użytkowników, którzy zajmują się własnymi wiadomościami e-mail, badaniami, spotkaniami i czytaniem raportów, zamiast otrzymywać te informacje za pośrednictwem pośredników. EIS stopniowo tracił popularność ze względu na ograniczenia w faktycznej pomocy.

Hurtownie danych

Hurtownie danych zaczęły zyskiwać popularność w latach 80., kiedy firmy zaczęły regularnie korzystać z wewnętrznych rozwiązań do analiz. Przed hurtownią danych potrzebna była znaczna redundancja, aby zapewnić decydentom przydatne informacje. Hurtownia danych znacznie skróciła czas potrzebny na dostęp do danych. Dane tradycyjnie przechowywane w wielu lokalizacjach (często w postaci wydziałowych silosów) można teraz przechowywać w jednym miejscu.

Wykorzystanie Hurtowni Danych pomogło również w rozwoju wykorzystania Big Data. Nagle z jednego magazynu danych można było uzyskać dostęp do ogromnej ilości informacji w różnych formach (poczta e-mail, Internet, Facebook, Twitter itp.), oszczędzając czas i pieniądze oraz uzyskując dostęp do wcześniej niedostępnych informacji biznesowych. Potencjał Hurtowni do analiz opartych na danych był ogromny. Te spostrzeżenia zwiększyły zyski, pomogły wykrywać oszustwa i zminimalizowały straty.

Business Intelligence przechodzi na zaawansowaną technologię

Business Intelligence jako koncepcja technologiczna powstała wkrótce po międzynarodowej konferencji Multiway Data Analysis Consortium w 1988 roku , która odbyła się w Rzymie. Wnioski wyciągnięte na tej konferencji zapoczątkowały wysiłki na rzecz uproszczenia analizy BI, jednocześnie czyniąc ją bardziej przyjazną dla użytkownika. W odpowiedzi na wnioski z konferencji powstały nowe narzędzia realizujące podstawowe funkcje BI: gromadzenie danych i tworzenie raportów oraz organizowanie i wizualizacja ich w sposób łatwy do zaprezentowania.

Na przełomie wieków  pojawiły się rozwiązania „samoobsługowe” dostępne dla osób nietechnicznych. Narzędzia takie jak Qlik View były łatwiejsze w użyciu, zapewniały potrzebną funkcjonalność i były bardzo wydajne. Biznes mógł wreszcie zbierać i analizować informacje, pracując bezpośrednio z danymi.

Business Intelligence, a analizy i raportowanie

W naszej rzeczywistości oba terminy są często używane zamiennie. Oba opisują ogólną praktykę wykorzystywania danych do podejmowania świadomych, inteligentnych decyzji biznesowych. Termin Business Intelligence ewoluował, aby reprezentować szereg technologii wspierających decydentów w przedsiębiorstwach. Z drugiej strony, analityka zaczęła reprezentować szeroką gamę narzędzi do przetwarzania danych, obejmujące hurtownie danych, zarządzanie informacjami przedsiębiorstwa, analizę biznesową, zarządzanie wydajnością przedsiębiorstwa i nadzór.

Analityka opisowa

Ten rodzaj analiz podsumowuje dane i koncentruje się głównie na informacjach historycznych. Opisuje przeszłość, pozwalając zrozumieć, jak wcześniejsze zachowania wpływają na teraźniejszość. Analizy opisowe można wykorzystać do wyjaśnienia, jak działa firma, oraz do opisania różnych aspektów działalności. Z tego rodzaju analiz korzysta np. Polska Press wykorzystując dane demograficzne poszczególnych regionów Polski do porównania z możliwościami zamieszczania reklam w regionalnych czasopismach. Z kolei firma Impel wykorzystuje platformę Qlik m.in. do zarządzania ekipami sprzątającymi przemieszczającymi się w terenie w czasie rzeczywistym..

Analityka predykcyjna

Analityka predykcyjna pozwala przewidywać przyszłość. Wykorzystują dane statystyczne, aby dostarczać firmom przydatnych informacji na temat nadchodzących zmian, takich jak identyfikowanie trendów sprzedaży, wzorców zakupów i prognozowanie zachowań klientów. Zastosowania biznesowe zwykle obejmują przewidywanie wzrostu sprzedaży pod koniec roku, produkty, które klienci mogą kupować jednocześnie, oraz prognozowanie sumy zapasów. Ocena kredytowa jest przykładem tego typu analiz, które pozwalają oszacować prawdopodobieństwo terminowej płatności przez klienta. Analizy predykcyjne są wykorzystywane np. przez banki spółdzielcze czego przykładem jest bank z Ostrowi Mazowieckiej korzystający z aplikacji „Oko Prezesa” powstałej w oparciu o Qlik Sense.

Analityka strumieniowania

Analiza strumieniowania to trwający w czasie rzeczywistym proces ciągłego obliczania, monitorowania i zarządzania informacjami statystycznymi opartymi na danych oraz działania na ich podstawie „przed konkurencją”. Proces ten polega na poznawaniu i działaniu na wydarzeniach zachodzących na rynku w dowolnym momencie. Jako nowe narzędzie znacznie się poprawiło przepływ przydatnych informacji decydentom.

Dane do analizy strumieniowej mogą pochodzić z różnych źródeł, w tym telefonów komórkowych, Internetu rzeczy (IoT), danych rynkowych, transakcji i urządzeń mobilnych (tabletów, laptopów). Łączy zarządzanie z zewnętrznymi źródłami danych, umożliwiając aplikacjom łączenie i łączenie danych w przepływ aplikacji lub aktualizowanie zewnętrznych baz danych przetworzonymi informacjami, szybko i wydajnie. Analiza strumieniowa obsługuje:

• Minimalizowanie szkód spowodowanych awariami mediów społecznościowych, naruszeniami bezpieczeństwa, awariami samolotów, wadami produkcyjnymi, awariami giełdy, odejściem klientów itp.
• Analizowanie rutynowych operacji biznesowych w czasie rzeczywistym.
• Znajdowanie straconych okazji
• Możliwość tworzenia nowych modeli biznesowych, strumieni przychodów i innowacji produktowych.

Jednym z przykładów analizy strumieniowej są firmy takie jak SuperDrob i Wipasz, które wykorzystując dane udostępniane przez np. Głównego Inspektora Weterynarii są w stanie ocenić zagrożenie np. ptasią grypą w rejonach gdzie znajdują się hodowle kurcząt.

Dzięki analizie danych podejmujemy trafne decyzje

Pomimo upływu lat nadal główną ideą BI jest to, że ludzie, którzy z niego korzystają będą mogli podejmować lepsze decyzje i osiągać lepsze wyniki. Rozwiązywanie problemów, podejmowanie decyzji i efektywność organizacyjna są związane z możliwością szybkiego uzyskania dostępu do właściwych informacji i przetwarzania ich w celu podjęcia odpowiednich działań. Im łatwiejszy jest dostęp do danych, tym bardziej są one wartościowe i aktualne, a tym samym łatwiej jest podejmować dobre decyzje.

W miarę jak rosną bazy danych, zarządzanie danymi z nimi związanymi może być trudne. Dzisiejsze rozwiązania BI takie jak Qlik Sense pomagają rozwiązać ten problem poprzez konsolidację i organizację danych w jednym repozytorium. Rozwiązania BI zawierają również funkcję analityczną, która pomaga tworzyć raporty i wykresy na podstawie przechowywanych danych. Jednak to właśnie połączenie tych narzędzi sprawia, że systemy BI są naprawdę potężne.

Zdjęcie dodane przez Pavel Danilyuk: https://www.pexels.com/pl-pl/zdjecie/osoba-portret-praca-dokumenty-8424933/