Tõhus ärianalüüs ja kvaliteetne andmeanalüüs. Äriteabe analüüs – suurte andmeühenduste põhialused

SRÜ riikide väikeettevõtlus ei kasuta veel andmeanalüüsi ettevõtluse arendamiseks, korrelatsioonide määramiseks, varjatud mustrite otsimiseks: ettevõtjad saavad hakkama turundajate ja raamatupidajate aruannetega. Väikeste ja poolkeskmiste ettevõtete juhid toetuvad rohkem oma intuitsioonile kui analüüsile. Kuid samal ajal on analüütikal tohutu potentsiaal: see aitab vähendada kulusid ja suurendada kasumit, langetada otsuseid kiiremini ja objektiivsemalt, optimeerida protsesse, mõista paremini kliente ja täiustada toodet.

Raamatupidaja ei asenda analüütikut

Väikeettevõtete juhid eeldavad sageli, et turundajate ja raamatupidajate aruanded kajastavad adekvaatselt ettevõtte tegevust. Kuid kuiva statistika põhjal on otsust langetada väga raske ja viga arvutustes ilma erihariduseta on paratamatu.

Juhtum 1. Reklaamkampaaniate järelanalüüs. Aastavahetuseks kuulutas ettevõtja välja aktsiooni, mille raames pakuti teatud kaupu soodushinnaga. Pärast aastavahetuse tulude hindamist nägi ta müügikasvu ja tundis heameelt oma leidlikkuse üle. Kuid võtame arvesse kõiki tegureid:

Müük kasvab eriti jõudsalt reedel, päeval, mil tulu on suurim – see on iganädalane trend.
Võrreldes müügi kasvuga, mis tavaliselt toimub all Uus aasta, siis pole kasu nii suur.
Kui reklaamkaubad välja filtreerida, selgub, et müüginäitajad on halvenenud.

Juhtum 2. Käibe uurimine. Poes Naisteriided raskused logistikaga: kaupa napib mõnes laos ja mõnes on see lebanud juba kuid. Kuidas teha ilma müüki analüüsimata kindlaks, kui palju pükse ühte piirkonda tuua ja mitu mantlit teise saata, saades samas maksimaalse kasumi? Selleks tuleb arvutada teatud perioodi käive, müügikiiruse ja keskmise laoseisu suhe. Lihtsamalt öeldes on käive näitaja selle kohta, mitu päeva kulub kauplusel toote müüki, kui kiiresti müüakse keskmine laovaru, kui kiiresti toode ennast ära tasub. Suurte reservide hoidmine on majanduslikult kahjumlik, kuna see külmutab kapitali ja pidurdab arengut. Laovarude vähendamisel võib tekkida defitsiit ja ettevõte kaotab taas kasumi. Kust leida kuldne kesktee, suhe, mille juures toode laos seisma ei jää ja samas saab anda teatud garantii, et klient leiab poest soovitud ühiku? Selleks peab analüütik aitama teil kindlaks teha:

soovitud käive,
käibe dünaamika.

Tarnijatega arveldamisel edasilükkamisega on vaja arvutada ka krediidiliini ja käibe suhe. Käive päevades = keskmine laoseisu * päevade arv / selle perioodi käive.

Ülejäänud sortimendi ja kogukäibe arvutamine kaupluste kaupa aitab mõista, kuhu on vaja osa tootest teisaldada. Samuti tasub välja arvutada, milline on iga sortimendi ühiku käibemäär, et teha otsustushind vähenenud nõudlusega, lisatellimus suurenenud nõudlusega, kolimine teise lattu. Kategooriate kaupa saate sellel kujul koostada käibearuande. On näha, et T-särke ja džempreid müüakse kiiremini, mantleid aga - kaua. Kas tavaline raamatupidaja saab sellise tööga hakkama? Me kahtleme selles. Samas võib regulaarne käibe arvutamine ja tulemuste rakendamine tõsta kasumit 8-10%

Millistes valdkondades on andmeanalüüs rakendatav?

Müük. Oluline on mõista, miks müük läheb hästi (või halvasti), milline on dünaamika. Selle probleemi lahendamiseks tuleb uurida kasumit ja tulusid mõjutavaid tegureid – näiteks analüüsida tšeki pikkust ja tulu kliendi kohta. Selliseid tegureid saab uurida kaubagruppide, aastaaegade, kaupluste kaupa. Tagastamisi, tühistamisi ja muid tehinguid analüüsides saate tuvastada kõrged ja müügikohad.
Rahandus. Indikaatorite jälgimine on vajalik iga finantseerija jaoks rahavoogude jälgimiseks ja varade jaotamiseks erinevate ärivaldkondade vahel. See aitab hinnata maksustamise tõhusust ja muid parameetreid.
Turundus. Iga turundusettevõte vajab prognoose ja börsijärgset analüüsi. Idee arendamise etapis peate määrama kaubagrupid (kontroll ja sihtmärk), millele me pakkumist koostame. See on ka andmeanalüütiku töö, kuna tavalisel turundajal puuduvad heaks analüüsiks vajalikud tööriistad ja oskused, näiteks kui kontrollgrupi kogutulu ja ostjate arv on sihtmärgiga võrreldes samad grupp, edutamine ei toiminud. Selle kindlakstegemiseks on vaja intervallanalüüsi.
Kontroll. Ettevõtte juhile juhtimisest ei piisa. Igal juhul on ettevõtte pädevaks juhtimiseks vajalik personalitöö kvantitatiivne hindamine. Oluline on mõista nii palgahalduse efektiivsust, palkade ja müügi suhet kui ka protsesside efektiivsust - näiteks kassaaparaatide töökoormust või laadurite töötamist päevasel ajal. See aitab tööaega õigesti hallata.
Veebianalüüs. Saiti tuleb korralikult reklaamida, et sellest saaks müügikanal, ja selleks on vaja õiget reklaamistrateegiat. Siin tulebki sisse veebianalüüs. Kuidas seda kasutada? Uurige klientide käitumist, vanust, sugu ja muid omadusi, aktiivsust teatud lehtedel, klikke, liikluskanalit, postitamise efektiivsust jne. See aitab teie ettevõtet ja veebisaiti täiustada.
Sortimendi juhtimine. ABC-analüüs on sortimendi haldamisel hädavajalik. Analüütik peab seda tüüpi analüüsi läbiviimiseks jaotama toote vastavalt selle omadustele ja aru saama, milline toode on kõige tulusam, mis on aluseks ja millisest tasub vabaneda. Müügi stabiilsuse mõistmiseks on hea läbi viia XYZ analüüs.
Logistika. Parem arusaam hangetest, kaupadest, nende ladustamisest ja saadavusest annab võimaluse uurida logistikanäitajaid. Edukaks ärijuhtimiseks on oluline mõista ka kaupade kadu ja vajadusi, laoseisu.

Need näited näitavad, kui võimas võib andmeanalüüs olla isegi väikeettevõtete jaoks. Kogenud tegevjuht tõstab andmeanalüütikat õigesti kasutades ettevõtte kasumit ja saab kasu kõige väiksematest teadmistest ning juhi tööd lihtsustavad oluliselt visuaalsed aruanded.

Iga andmeanalüüsi peamine eesmärk on leida ja avastada andmemahu mustreid. Ärianalüüsis muutub see eesmärk veelgi laiemaks. Iga juhi jaoks on oluline mitte ainult mustrite tuvastamine, vaid ka nende põhjuse leidmine. Põhjuse teadmine võimaldab teil tulevikus äri mõjutada ja ennustada tegevuse tulemusi.

Andmeanalüüsi eesmärgid ettevõttele

Kui rääkida ärist, siis iga ettevõtte eesmärk on konkursil võita. Seega on andmete analüüs teie peamine eelis. Tema aitab teid:

Vähendage ettevõtte kulusid
Suurendada tulu
Vähendage äriprotsesside täitmisele kuluvat aega (otsige välja nõrk koht ja optimeerige seda)
Tõsta ettevõtte äriprotsesside efektiivsust
Täita kõiki muid ettevõtte efektiivsuse ja tulemuslikkuse parandamisele suunatud eesmärke.

See tähendab, et võit konkurentide üle on teie kätes. Ärge lootke intuitsioonile. Analüüsige!

Andmeanalüüsi eesmärgid osakondadele, osakondadele, toodetele

Kummalisel kombel on ülaltoodud eesmärgid igati sobivad osakondade tegevuse analüüsimiseks, toote või reklaamikampaania analüüsimiseks.

Igasuguse andmeanalüüsi eesmärk igal tasandil on tuvastada mustrid ja kasutada neid teadmisi toote või ettevõtte või osakonna töö kvaliteedi parandamiseks.

Kes vajab andmete analüüsi?

Kõik. Tõepoolest, iga ettevõte, mis tahes tegevusalast, osakonna ja tooteni!

Millistes valdkondades saab andmeanalüüsi rakendada?

Tootmine (ehitus, nafta ja gaas, metallurgia jne)
Jaekaubandus
E-kaubandus
Teenused
Ja paljud teised

Milliseid osakondi saab ettevõtte sees analüüsida?

Raamatupidamine ja rahandus
Turundus
Reklaam
Administreerimine
muud.

Tõepoolest, iga valdkonna ettevõtteid, ettevõtte mis tahes osakonda, mis tahes tegevusvaldkonda saab, tuleks ja tuleks analüüsida.

Kuidas BI-analüüsisüsteemid võivad aidata?

BI analüüsisüsteemid, automatiseeritud süsteemid analüütikud, suurandmed suurandmete analüüsimiseks, on tarkvaralahendused, millel on juba sisseehitatud funktsionaalsus andmete töötlemiseks, analüüsiks ettevalmistamiseks, analüüsiks ise ja – mis kõige tähtsam – analüüsitulemuste visualiseerimiseks.

Igal ettevõttel ei ole analüütikute osakonda või vähemalt arendajat, kes analüüsisüsteemi ja andmebaase hooldaks. Sel juhul tulevad appi need BI-analüüsi süsteemid.

Tänapäeval on turul üle 300 lahenduse. Meie ettevõte leppis Tableau lahendusega:

2018. aastal sai Tableau 6. korda Gartneri BI-lahenduste uurimise liidriks
Tableau on lihtne õppida (ja meie töötoad tõestavad seda)
Tableau kasutamise täielikuks alustamiseks pole vaja arendajate teadmisi ega statistikat

Samas väidavad juba Tableauga koostööd tegevad ettevõtted, et varem Excelis kogutud aruannete koostamine ei võta praegu rohkem kui 15 minutit 6-8 tunniga.

Ei usu mind? Proovige ise – laadige alla Tableau prooviversioon ja hankige programmi kasutamise õpetusi:

Laadige alla Tableau

Laadige alla TASUTA täisversioon Tableau Desktop 14 päeva, saate Tableau Business Intelligence'i õpetused kingituseks

Ligipääsetav töö suurandmetega visuaalse analüüsi abil

TIBCO Spotfire platvormi abil täiustage äriteavet ja lahendage rutiinseid ülesandeid, kasutades suurandmetesse peidetud teavet. See on ainuke platvorm, mis pakub ärikasutajatele intuitiivset ja lihtsalt kasutatavat kasutajaliidest, mis võimaldab Big Data jaoks kõiki analüütilisi tehnoloogiaid ilma IT-spetsialiste või koolitust vajamata.

Spotfire'i liides teeb võrdselt mugavaks töö nii väikeste andmehulkade kui ka mitme terabaidise suurandmete klastritega: andurite näidud, teave sotsiaalvõrgustikest, müügipunktidest või geograafilise asukoha allikatest. Kõigi oskustasemetega kasutajad saavad hõlpsasti navigeerida sisukates armatuurlaudades ja analüütilistes töövoogudes, kasutades visualiseerimisi, mis kujutavad graafiliselt miljardite andmepunktide koondamist.

Ennustav analüütika põhineb tegemisel õppimisel jagatud kogemusi ettevõtteid tegema põhjendatumaid otsuseid. Spotfire Predictive Analyticsi abil saate äriteabe põhjal avastada uusi turusuundumusi ja võtta meetmeid riskide minimeerimiseks, mis viib paremate juhtimisotsuste tegemiseni.

Ülevaade

Suure andmesideühendus suure jõudlusega analüüsi jaoks

Spotfire pakub kolme peamist tüüpi analüütikat, mis on sujuvalt integreeritud Hadoopi ja muude suurte andmeallikatega:

On Demand Analyticsi andmete visualiseerimine: sisseehitatud, kasutaja poolt konfigureeritavad andmepistikud, mis hõlbustavad ülikiiret interaktiivset andmete visualiseerimist
Analüüs andmebaasis (In-Database Analytics): integratsioon jaotusarvutusplatvormiga, mis võimaldab teha suurandmete põhjal igasuguse keerukusega andmete arvutusi.
In-Memory Analytics: platvormi integreerimine Statistiline analüüs mis võtab andmeid otse mis tahes andmeallikast, sealhulgas traditsioonilistest ja uutest andmeallikatest.

Need integreerimismeetodid koos kujutavad endast võimsat kombinatsiooni visuaalsest uurimisest ja täiustatud analüüsist.
See võimaldab ärikasutajatel võimsate ja hõlpsasti kasutatavate armatuurlaudade ja töövoogude kaudu pääseda juurde, koondada ja analüüsida mis tahes andmeallika andmeid.

Suured andmeühendused

Spotfire'i suurandmete konnektorid toetavad igasugust juurdepääsu andmetele: andmeallikas, mälus ja nõudmisel. Spotfire'i sisseehitatud andmepistikud hõlmavad järgmist:

Hadoopi sertifitseeritud andmeühendused Apache Hive'i, Apache Spark SQL-i, Cloudera Hive'i, Cloudera Impala, Databricks Cloudi, Hortonworksi, MapR Drilli ja Pivotal HAWQ jaoks
Teiste sertifitseeritud suurandmete konnektorite hulka kuuluvad Teradata, Teradata Aster ja Netezza
Ühendused ajalooliste ja praeguste andmete jaoks sellistest allikatest nagu OSI PI andurid

Andmeallikasisene hajutatud andmetöötlus

Lisaks Spotfire'i mugavale visuaalsele operatsioonide valikule SQL-päringute jaoks, mis pääsevad juurde allikate vahel jagatud andmetele, saab Spotfire luua statistilisi ja masinõppe algoritme, mis toimivad andmeallikate sees ja tagastavad ainult Spotfire'is visualiseerimiste loomiseks vajalikud tulemused.

Kasutajad töötavad visuaalse valiku funktsiooniga armatuurlaudadega, mis pääsevad juurde skriptidele, kasutades TERR keele sisseehitatud võimalusi,
TERR-skriptid käivitavad hajutatud andmetöötluse funktsioonide koostoimes Map / Reduce'i, H2O, SparkR-i või Fuzzy Logixiga,
Need rakendused pääsevad omakorda juurde väga tõhusatele süsteemidele, nagu Hadoop või muudele andmeallikatele,
TERR-i saab kasutada täiustatud analüütikamootorina Hadoopi sõlmedes, mida juhivad MapReduce või Spark. TERR-i saab kasutada ka Teradata andmesõlmede jaoks.
Tulemused visualiseeritakse Spotfire'is.

TERR täiustatud analüütika jaoks

TIBCO Enterprise Runtime for R (TERR) – TERR on statistikapakett ettevõtte tasandil, mille töötas välja TIBCO R-keelega täielikuks ühildumiseks, realiseerides ettevõtte mitmeaastased kogemused S+-ga seotud analüütilises süsteemis. See võimaldab klientidel jätkata rakenduste ja mudelite arendamist mitte ainult avatud lähtekoodiga R-i kasutades, vaid ka integreerida ja juurutada oma R-koodi kaubanduslikul ja usaldusväärsel platvormil, ilma et peaksid oma koodi ümber kirjutama. TERR-il on suurem efektiivsus ja töökindel mäluhaldus, see tagab suurema andmetöötluskiiruse suurtes mahtudes võrreldes avatud lähtekoodiga R-keelega.

Kombineerides kõik funktsioonid

Eelnimetatud võimsa funktsionaalsuse kombineerimine tähendab, et isegi kõige keerukamate ülesannete puhul, mis nõuavad väga usaldusväärset analüüsi, kasutavad kasutajad lihtsaid, hõlpsasti kasutatavaid interaktiivseid töövooge. See võimaldab ärikasutajatel andmeid visualiseerida ja analüüsida ning analüüsitulemusi jagada, ilma et oleks vaja teada ärianalüüsi aluseks oleva andmearhitektuuri üksikasju.

Näide: Spotfire'i liides mudeli konfigureerimiseks, käitamiseks ja tulemuste visualiseerimiseks, mis määratleb kaotatud koormuste omadused. Selle liidese kaudu saavad ärikasutajad teha arvutusi, kasutades TERR-i ja H2O-d (hajutatud andmetöötlusraamistik), pääsedes juurde Hadoopi klastritesse salvestatud tehingu- ja saadetiste andmetele.

Analüütiline ruum suurandmete jaoks

Täiustatud ja ennustav analüüs

Kasutajad kasutavad Spotfire'i visuaalse valiku armatuurlaudu, et käivitada rikkalik komplekt täiustatud funktsioone, mis muudavad prognooside tegemise, mudelite loomise ja nende käigu pealt optimeerimise lihtsaks. Suurandmete abil saab analüüsi teha andmeallika sees (In-Datasource), tagastades vaid koondatud teabe ja tulemused, mis on vajalikud Spotfire platvormil visualiseeringute loomiseks.

Masinõpe

Spotfire'i sisseehitatud funktsioonide loendis on saadaval lai valik masinõppetööriistu, mida saab kasutada ühe klõpsuga. Statistikutel on juurdepääs R-keeles kirjutatud programmikoodile ja nad saavad laiendada kasutatavat funktsionaalsust. Masinõppe funktsioone saab hõlpsaks taaskasutamiseks jagada teiste kasutajatega.

Spotfire'is ja TERR-is on pidevate kategooriliste muutujate jaoks saadaval järgmised masinõppemeetodid.

Lineaarne ja logistiline regressioon
Otsustuspuud, juhuslik mets, gradiendi võimendusmasin (GBM)
Üldised lineaarsed (aditiivsed) mudelid (Üldised lisandite mudelid)
Närvivõrgud

Sisuanalüüs

Spotfire pakub analüütikat ja andmete visualiseerimist, millest märkimisväärset osa varem ei kasutatud – see on struktureerimata tekst, mida hoitakse allikates nagu dokumendid, aruanded, märkmed. CRM süsteemid, saidi logid, väljaanded sotsiaalsed võrgustikud ja palju muud.

Asukohaanalüüs

Kihilised kaardid kõrgresolutsiooniga on suurepärane viis suurandmete visualiseerimiseks. Spotfire'i rikkalik kaardifunktsioon võimaldab teil luua kaarte nii paljude viite- ja funktsionaalsete kihtidega kui vaja. Spotfire võimaldab kaartidega töötamisel kasutada ka keerukat analüüsi. Lisaks geograafilistele kaartidele koostab süsteem kaarte, mis visualiseerivad kasutajate käitumist, ladusid, tootmist, toorainet ja paljusid muid näitajaid.

Iga suur äri ja enamik keskmise suurusega struktuure seisavad silmitsi probleemiga esitada juhtkonnale ebatäpseid andmeid ettevõtte olukorra kohta. Põhjused võivad olla erinevad, kuid tagajärjed on alati samad – valed või mitteõigeaegsed otsused, mis mõjutavad negatiivselt finantstehingute efektiivsust. Selliste olukordade välistamiseks kasutage professionaalset ärianalüütikasüsteemi või BI ( inglise keelest - Business Intelligence). Need kõrgtehnoloogilised "assistendid" aitavad luua juhtimiskontrolli süsteemi äritegevuse iga aspekti jaoks.

BI-süsteemid on oma põhiolemuselt täiustatud analüütiline tarkvara ärianalüüsi ja aruandluse jaoks. Need programmid saavad kasutada erinevatest teabeallikatest pärinevaid andmeid ning pakkuda neid mugaval kujul ja lõigatud. Selle tulemusel saab juhtkond kiire juurdepääsu täielikule ja läbipaistvale teabele ettevõtte olukorra kohta. BI abil saadud aruannete eripäraks on juhi võimalus iseseisvalt valida, millises kontekstis teavet saada.

Kaasaegsed äriteabe süsteemid on multifunktsionaalsed. Seetõttu asendavad nad suurtes ettevõtetes järk-järgult muid äriaruannete hankimise meetodeid. Eksperdid viitavad nende peamistele võimalustele:

Ühendused erinevate andmebaasidega, eelkõige nendega;
Erineva keerukuse, struktuuri, tüübi ja paigutusega aruannete genereerimine suur kiirus... Samuti on võimalik seada ajakava aruannete genereerimiseks ajakava alusel ilma otsese osaluse ja andmete jagamiseta;
Läbipaistev töö andmetega;
Selge seose loomine erinevatest allikatest pärineva teabe vahel;
Töötajate juurdepääsuõiguste paindlik ja intuitiivne seadistamine süsteemis;
Andmete salvestamine mis tahes teile sobivas vormingus - PDF, Excel, HTML ja paljud teised.

Äriteabe infosüsteemide võimalused võimaldavad juhil mitte sõltuda IT-osakonnast või tema assistentidest, kes nõutava teabe edastavad. Samuti on see suurepärane võimalus demonstreerida oma otsuste õiget suunda mitte sõnades, vaid täpsetes numbrites. Paljud lääne suured võrgukorporatsioonid on BI-süsteeme kasutanud juba pikka aega, sealhulgas maailmakuulsad Amazon, Yahoo, Wall-Mart jt.. Ülaltoodud ettevõtted kulutavad palju raha äriteabele, kuid juurutatud BI-süsteemid toovad kaasa hindamatu väärtuse. kasu.

Professionaalsete äriteabe süsteemide eelised põhinevad põhimõtetel, mida toetavad kõik täiustatud BI-rakendused:

Nähtavus. Iga ärianalüüsi tarkvara põhiliides peaks kajastama peamisi näitajaid. Tänu sellele saab juht kiiresti hinnata ettevõtte olukorda ja vajadusel hakata midagi ette võtma;
Kohandamine. Iga kasutaja peaks saama liidest ja funktsiooniklahve enda jaoks kõige mugavamal viisil kohandada;
Kihistamine. Igal andmestikul peaks olema mitu jaotist (kihti), et pakkuda konkreetsel tasemel vajalikku üksikasjalikkust;
Interaktiivsus. Kasutajatel peaks olema võimalik koguda teavet kõikidest allikatest ja mitmest suunast korraga. Süsteemil peab olema funktsioon teatise konfigureerimiseks põhiparameetrite järgi;
Multithreading ja juurdepääsu kontroll. BI-süsteemis tuleks realiseerida suure hulga kasutajate samaaegne töö koos võimalusega seada neile erinevad juurdepääsutasemed.

Sellega nõustub kogu IT-kogukond Infosüsteemidärianalüütikud on tööstuse arengu üks lootustandvamaid valdkondi. Nende elluviimist takistavad aga sageli tehnilised ja psühholoogilised barjäärid, juhtide koordineerimata töö ning ette nähtud vastutusvaldkondade puudumine.

BI-klassi süsteemide juurutamisele mõeldes on oluline meeles pidada, et projekti edukus sõltub suuresti ettevõtte töötajate suhtumisest uuendustesse. See kehtib kõigi IT-toodete kohta: skeptitsism ja hirm kärpimise ees võivad õõnestada kõiki juurutamispüüdlusi. Seetõttu on väga oluline mõista, milliseid tundeid ärianalüüsi süsteem tulevastes kasutajates tekitab. Ideaalne olukord tekib siis, kui ettevõtte töötajad kohtlevad süsteemi kui abilist ja vahendit oma töö parandamisel.

Enne BI-tehnoloogia juurutamise projektiga alustamist on vaja läbi viia põhjalik ettevõtte äriprotsesside ja juhtimisotsuste tegemise põhimõtete analüüs. Lõppude lõpuks osalevad need andmed ettevõtte olukorra analüüsis. Samuti aitab see valida BI-süsteemi koos muude põhikriteeriumitega:

BI süsteemide juurutamise eesmärgid ja eesmärgid;
Nõuded andmete säilitamisele ja nendega töötamise oskus;
Andmete integreerimise funktsioonid. Ilma ettevõtte kõigist allikatest pärit andmeid kasutamata ei saa juhtkond asjade olukorrast terviklikku pilti;
Visualiseerimisvõimalused. Iga inimese jaoks näeb ideaalne BI-analüütika välja erinev ja süsteem peab vastama iga kasutaja vajadustele;
Mitmekülgsus või kitsas spetsialiseerumine. Maailmas on nii konkreetsele tööstusharule suunatud süsteeme kui ka universaalseid lahendusi, mis võimaldavad koguda infot mis tahes aspektist;
Nõudlik ressurss ja hind tarkvara... BI-süsteemi, nagu iga tarkvara, valik sõltub ettevõtte võimalustest.

Ülaltoodud kriteeriumid aitavad juhtkonnal teha teadliku valiku kõigi tuntud äriteabe süsteemide hulgast. On ka teisi parameetreid (nt salvestusstruktuur, veebiarhitektuur), kuid need nõuavad teadmisi kitsastes IT-valdkondades.

Ei piisa ainult valiku tegemisest, tarkvara ostmisest, selle installimisest ja seadistamisest. BI-süsteemide edukas juurutamine mis tahes suunas põhineb järgmistel reeglitel:

Andmete õigsus. Kui analüüsi andmed on valed, võib tekkida tõsine süsteemiviga;
Põhjalik koolitus igale kasutajale;
Kiire rakendamine. Peate keskenduma õigete aruannete hankimisele kõigis olulistes asukohtades, selle asemel, et teenindada üht kasutajat ideaalselt. Kohandage välimus teatage või lisage sellest mugavuse huvides mõni muu jaotis, saate alati pärast rakendamist;
Mõistke oma BI-süsteemi ROI-d. Mõju sõltub paljudest teguritest ja mõnel juhul on see nähtav alles mõne kuu pärast;
Seadmed peaksid olema kavandatud mitte ainult praeguse olukorra, vaid ka lähituleviku jaoks;
Saage aru, miks BI-süsteemi juurutamist alustati, ja ärge nõudke tarkvara võimatu.

Statistika järgi on BI-süsteemide juurutamisega rahul vaid 30% ettevõtete juhtidest. Ärianalüüsi tarkvara aastate jooksul on eksperdid sõnastanud 9 peamist viga, mis võivad tõhususe miinimumini viia:

Rakenduse eesmärgi ebaselgus juhtimise jaoks. Tihtipeale loob projekt IT-osakond ilma juhte tihedalt kaasamata. Enamasti tekib juurutamise ja toimimise käigus küsimusi BI-süsteemi eesmärgi ja eesmärkide, kasu ja kasutatavuse kohta;
Läbipaistvuse puudumine juhtimises, töötajate töös ja otsuste tegemises. Juhid ei pruugi teada välitöötajate töö algoritme ja juhtimisotsused võib aktsepteerida mitte ainult kuivade faktide põhjal. See toob kaasa BI-süsteemi juurutamise tulemusena olemasoleva paradigma säilitamise võimatuse. Ja sageli murda aastate jooksul välja kujunenud kultuuri ettevõtte juhtimine võimatu;
Andmete ebapiisav usaldusväärsus. Valeandmete sattumine ärianalüüsi süsteemi on lubamatu, vastasel juhul ei saa töötajad seda usaldada ja kasutada;
Professionaalse äriteabe süsteemi vale valik. Ajaloost räägivad paljud näited, kui juhtkond palkab BI-süsteemi juurutamiseks kolmanda osapoole organisatsiooni ega osale selle valikus. Selle tulemusena võetakse kasutusele süsteem, mis ei võimalda nõutavat aruannet hankida või millega ei ole võimalik üht ettevõttes olemasolevat tarkvara integreerida;
Tulevikuplaani puudumine. BI-süsteemide eripära on see, et tegemist ei ole staatilise tarkvaraga. Rakendusprojekti on võimatu lõpetada ja sellele mitte mõelda. Kasutajad ja juhtkond esitavad täiustuste osas palju nõudeid;
BI süsteemi ülekandmine väljaspool organisatsiooni toetuse eest. Nagu praktika näitab, põhjustavad sellised olukorrad enamasti toote isolatsiooni ja süsteemi isolatsiooni tegelikust olukorrast. Oma tugiteenus reageerib kasutajate tagasisidele ja haldusnõuetele palju kiiremini ja tõhusamalt;
Soov raha säästa. Ettevõtluses on see normaalne, kuid BI-analüütika töötab ainult siis, kui see võtab arvesse kõiki ettevõtte tegevuse aspekte. Seetõttu on väärtuslikud süvaanalüüsisüsteemid kõige tõhusamad. Soov saada huvipakkuvate valdkondade kohta mitmeid aruandeid toob kaasa sagedased andmevead ja suure sõltuvuse IT-spetsialistide kvalifikatsioonist;
Ettevõttes erinev terminoloogia. On oluline, et kõik kasutajad mõistaksid põhitermineid ja nende tähendust. Lihtne arusaamatus võib viia BI-süsteemi aruannete ja näitajate valesti tõlgendamiseni;
Ühtse ärianalüüsi strateegia puudumine ettevõttes. Kui kõigile töötajatele pole valitud ühte kursust, on iga BI-klassi süsteem vaid erinevate aruannete kogum, mis vastab üksikute juhtide nõudmistele.

BI-süsteemide juurutamine on oluline samm, mis võib aidata viia teie ettevõtte järgmisele tasemele. Kuid see ei nõua mitte ainult üsna suurt rahalist infusiooni, vaid ka ettevõtte iga töötaja aega ja vaeva. Mitte iga ettevõte pole valmis ärianalüüsisüsteemi juurutamise projekti asjatundlikult lõpule viima.

(Ärianalüüs).

Seminarile on esinejateks oodatud noored spetsialistid. edukas karjäär analüütikud kõrgtehnoloogilistes ettevõtetes nagu Microsoft, IBM, Google, Yandex, MTS jne. Igal seminaril räägitakse õpilastele mõnest äriprobleemist, mida neis ettevõtetes lahendatakse, kuidas andmeid kogutakse, kuidas analüüsiprobleemid andmed tekivad. , milliste meetoditega saab neid lahendada.

Kõik kutsutud spetsialistid on avatud kontaktidele ning üliõpilastel on võimalik nende poole pöörduda nõu saamiseks.

Töötoa eesmärgid:

aidata kaasa olemasoleva lõhe ületamisele ülikoolide teadustöö ja andmeanalüüsi valdkonna praktiliste probleemide lahendamise vahel;
hõlbustada kogemuste vahetamist praeguste ja tulevaste spetsialistide vahel.

Seminar toimub regulaarselt CMC MSU teaduskonnas reedeti kl 18:20 , publik P5(esimene korrus).

Seminaril osalemine on tasuta(kui teil puudub Moskva Riikliku Ülikooli pääse, palun teavitage sellest eelnevalt seminari korraldajaid, et esitada vahetuses osalejate nimekiri).

Töötoa programm

kuupäev	Kõneleja ja töötoa teema
10. september 2010 18:20	Aleksander Efimov , analüüsiosakonna juhataja jaemüügivõrk MTS. Turunduskampaaniate mõju ennustamine ja kaupluste sortimendi optimeerimine. Taotlusleht: Müügipunktide sortimendi optimeerimine (andmete probleem).
17. september 2010 18:20	Vadim Strizhov , Uurija Arvutuskeskus RAS. Panga krediidiskoorimine: mudelite automaatse genereerimise ja valimise meetodid. Arvesse võetakse klassikalisi ja uusi tehnoloogiaid punktikaartide koostamiseks. Seminaril selgitatakse, kuidas kliendiandmed töötavad ja kuidas luua kõige usutavam skoorimismudel, mis vastab lisaks rahvusvaheliste pangandusstandardite nõuetele.
24. september 2010 18:20	Vladimir Krekoten , Otkritie vahendusmaja turundus- ja müügijuht. Rakendus matemaatilised meetodid prognoosida ja neutraliseerida klientide vähenemist. Vaadeldakse analüüsi käigus tekkivaid praktilisi probleeme. kliendibaas turunduses. Seatakse ülesanded klientide rühmitamine ja segmenteerimine, uute klientide skoorimine, sihtsegmentide dünaamika jälgimine. Taotlusleht: Maaklerfirma klientide rühmitamine (andmete probleem).
1. oktoober 2010 18:20	Nikolai Filipenkov , ja umbes. Moskva Panga krediidiskoori osakonna juhataja. Matemaatiliste meetodite rakendamine jaemüügi krediidiriski juhtimiseks. Arvesse võetakse mõningaid praktilisi aspekte hoone hindamismudelite ja riskide hindamisel. Taotluse leht: jaekrediidiriski juhtimine (andmete probleem).
8. oktoober 2010 18:20	Fedor Romanenko , Yandexi otsingukvaliteedi osakonna juhataja. Veebiotsingu järjestuse ajalugu ja põhimõtted. Artikkel käsitleb teabeotsingu meetodite kasutamist ja arendamist, alates teksti ja linkide järjestamisest kuni masinõppeni kuni järjestamiseni Interneti-otsingu probleemis. Kaasaegse veebi järjestamise aluspõhimõtted on sätestatud otsingumootorite edulugudega seoses. Rõhk on pandud otsingukvaliteedi mõjule turu toimimisele ja elulisele vajadusele otsingukvaliteeti pidevalt parandada.
15. oktoober 2010 18:20	Vitali Goldstein , arendaja, Yandex. Geograafilise teabe teenused Yandex. See räägib projektist Yandex.Traffic ja teistest Yandexi geoinfoprojektidest, sellest, kust pärinevad geoinfosüsteemide ehitamise lähteandmed, uuest skaleeritavast andmetöötlustehnoloogiast, Interneti-matemaatika konkurentsist ja mõningatest paljutõotavatest probleemidest. Esitatakse andmed ja vormistatakse teekaardi taastamise probleem. Rakenduse leht: teegraafiku koostamine sõidukite jälgede andmete põhjal (andmete probleem).
22. oktoober 2010	Töötuba jäi ära.
29. oktoober 2010 18:20	Fedor Krasnov , äriprotsesside asepresident ja infotehnoloogia, AKADO. Kuidas ma saan kliendiandmeid?