Učinkovita poslovna inteligencija i kvalitativna analiza podataka. Analiza poslovnih informacija - Osnovni principi Priključci velikih podataka

Mala poduzeća u zemljama ZND-a još ne koriste analizu podataka za razvoj poslovanja, utvrđivanje korelacija, traženje skrivenih obrazaca: poduzetnici se zadovoljavaju izvješćima marketinških stručnjaka i računovođa. Čelnici malih i djelomično srednjih poduzeća više se oslanjaju na svoju intuiciju nego na analizu. Ali u isto vrijeme, analitika ima ogroman potencijal: pomaže smanjiti troškove i povećati profit, donositi odluke brže i objektivnije, optimizirati procese, bolje razumjeti kupce i poboljšati proizvod.

Računovođa neće zamijeniti analitičara

Rukovoditelji malih poduzeća često pretpostavljaju da su marketinška i računovodstvena izvješća prilično točan prikaz uspješnosti tvrtke. No, na temelju suhoparne statistike vrlo je teško donijeti odluku, a pogreška u izračunima bez specijaliziranog obrazovanja je neizbježna.

Slučaj 1. Postanaliza promotivnih kampanja. Do Nove godine poduzetnik je najavio akciju u kojoj se određena roba nudila s popustom. Nakon što je procijenio prihode za novogodišnje razdoblje, vidio je kako raste prodaja i oduševio se svojom snalažljivošću. No, uzmimo u obzir sve čimbenike:

  • Prodaja je posebno jaka u petak, dan kada su prihodi maksimalni – to je tjedni trend.
  • U usporedbi s rastom prodaje koji se obično događa pod Nova godina, onda dobitak nije tako velik.
  • Ako filtrirate promotivne artikle, ispada da su se brojke o prodaji pogoršale.

Slučaj 2. Studija prometa. U trgovini Ženska odjeća poteškoće s logistikom: robe u nekim skladištima nedostaje, a u drugima leži mjesecima. Kako odrediti, bez analize prodaje, koliko hlača donijeti u jednu regiju, a koliko kaputa poslati u drugu, a pritom ostvariti maksimalnu zaradu? Da biste to učinili, morate izračunati promet, omjer brzine prodaje i prosječne zalihe za određeno razdoblje. Pojednostavljeno rečeno, promet je pokazatelj koliko će dana trgovina prodavati robu, koliko brzo se prosječne zalihe prodaju, koliko brzo se roba isplati. Ekonomski je neisplativo skladištiti velike zalihe, jer to zamrzava kapital i usporava razvoj. Ako se zalihe smanje, može doći do nestašice, a tvrtka će opet izgubiti dobit. Gdje pronaći zlatnu sredinu, omjer u kojem proizvod ne stagnira u skladištu, a ujedno možete dati određeno jamstvo da će kupac pronaći pravu jedinicu u trgovini? Da biste to učinili, analitičar bi vam trebao pomoći da odredite:

  • željeni promet,
  • dinamiku prometa.

Kod obračuna s dobavljačima s zakašnjenjem morate izračunati i omjer kreditne linije i prometa. Promet u danima = prosječna zaliha * broj dana / promet za ovo razdoblje.

Izračun stanja asortimana i ukupnog prometa u trgovinama pomaže razumjeti gdje je potrebno premjestiti dio robe. Također je vrijedno izračunati koliki promet ima svaka jedinica asortimana kako bi se donijela odluka: smanjenje sa smanjenom potražnjom, ponovna narudžba s povećanom potražnjom, preseljenje u drugo skladište. Po kategorijama možete izraditi izvješće o prometu u ovom obrascu. Vidi se da se brže prodaju majice i džemperi, ali dugo se prodaju kaputi. Može li običan računovođa raditi ovaj posao? sumnjamo. Istovremeno, redoviti obračun prometa i primjena rezultata mogu povećati dobit za 8-10%

U kojim je područjima primjenjiva analiza podataka?

  1. Prodajni. Važno je razumjeti zašto prodaja ide dobro (ili loše), kakva je dinamika. Za rješavanje ovog problema potrebno je istražiti čimbenike koji utječu na dobit i prihod – na primjer, analizirati duljinu primitka i prihoda po kupcu. Takvi čimbenici mogu se istražiti po skupinama robe, godišnjim dobima, trgovinama. Možete identificirati prodajne vrhove i jame analizom povrata, otkazivanja i drugih transakcija.
  2. Financije. Praćenje pokazatelja potrebno je svakom financijeru za praćenje novčanih tokova i raspodjelu imovine u različitim poslovnim područjima. To pomaže u procjeni učinkovitosti oporezivanja i drugih parametara.
  3. Marketing. Bilo koji marketinško poduzeće predviđanja potreba i naknadna analiza zaliha. U fazi razvoja ideje potrebno je odrediti grupe roba (kontrolne i ciljne) za koje kreiramo ponudu. Ovo je i posao za analitičara podataka, jer običan marketer nema potrebne alate i vještine za dobru analizu.Na primjer, ako su za kontrolnu skupinu iznos prihoda i broj kupaca isti kao i ciljna skupina , promocija nije uspjela. Da bi se to utvrdilo potrebna je intervalna analiza.
  4. Kontrolirati. Voditelju tvrtke nije dovoljno imati liderske kvalitete. U svakom slučaju, za kompetentno upravljanje poduzećem potrebne su kvantitativne procjene rada osoblja. Važno je razumjeti učinkovitost upravljanja fondom plaća, omjer plaća i prodaje, kao i učinkovitost procesa – na primjer, opterećenost blagajnama ili zapošljavanje utovarivača tijekom dana. To pomaže pravilno rasporediti radno vrijeme.
  5. Web analiza. Stranicu je potrebno pravilno promovirati kako bi postala prodajni kanal, a za to je potrebna pravilna strategija promocije. Ovdje vam web analiza može pomoći. Kako ga primijeniti? Proučiti ponašanje, dob, spol i druge karakteristike kupaca, aktivnost na određenim stranicama, klikove, kanal prometa, izvedbu slanja pošte itd. To će pomoći poboljšati poslovanje i web stranicu.
  6. Upravljanje asortimanom. ABC analiza je neophodna za upravljanje asortimanom. Analitičar mora distribuirati proizvod po karakteristikama kako bi proveo ovu vrstu analize i razumio koji je proizvod najisplativiji, koji je osnova, a koji treba odbaciti. Za razumijevanje stabilnosti prodaje dobro je provesti XYZ analizu.
  7. Logistika. Više razumijevanja o nabavi, robi, njenom skladištenju i dostupnosti dat će proučavanje logističkih pokazatelja. Gubici i potrebe robe, zaliha također je važno razumjeti za uspješno poslovanje.

Ovi primjeri pokazuju koliko je moćna analiza podataka, čak i za male tvrtke. Iskusan direktor povećat će profit tvrtke i imati koristi od najbeznačajnijih podataka, pravilnom analizom podataka, a vizualni izvještaji uvelike će pojednostaviti rad menadžera.

Glavni cilj svake analize podataka je pretraživanje i otkrivanje obrazaca u količini podataka. U poslovnoj analizi ovaj cilj postaje još širi. Za svakog vođu važno je ne samo identificirati obrasce, već i pronaći njihov uzrok. Poznavanje uzroka omogućit će u budućnosti utjecati na poslovanje i omogućiti predviđanje rezultata određene akcije.

Ciljevi analize podataka za poduzeće

Ako govorimo o poslovanju, onda je cilj svake tvrtke pobijediti u konkurenciji. Dakle, analiza podataka je vaša glavna prednost. On će vam pomoći:

  • Smanjite troškove tvrtke
  • Povećati prihod
  • Smanjite vrijeme dovršetka poslovnih procesa (pronađite slabu točku i optimizirajte je)
  • Povećati učinkovitost poslovnih procesa tvrtke
  • Ispuniti sve druge ciljeve usmjerene na poboljšanje učinkovitosti i djelotvornosti tvrtke.

Dakle, pobjeda nad konkurentima je u vašim rukama. Nemojte se oslanjati na intuiciju. Analizirati!

Ciljevi analize podataka za odjele, odjele, proizvode

Čudno, ali gore navedeni ciljevi potpuno su prikladni za analizu aktivnosti odjela, analizu proizvoda ili reklamnu kampanju.

Cilj svake analize podataka na bilo kojoj razini je identificirati obrazac i iskoristiti to znanje za poboljšanje kvalitete proizvoda ili rada tvrtke ili odjela.

Kome je potrebna analiza podataka?

Svatko. Doista, svaka tvrtka, iz bilo kojeg područja djelatnosti, bilo kojeg odjela i bilo kojeg proizvoda!

U kojim se područjima može primijeniti analiza podataka?

  • Proizvodnja (građevinarstvo, nafta i plin, metalurgija itd.)
  • Maloprodaja
  • E-trgovina
  • Usluge
  • I mnogi drugi

Koji se odjeli mogu analizirati unutar tvrtke?

  • Računovodstvo i financije
  • Marketing
  • Oglašavanje
  • administracija
  • I drugi.

Doista, tvrtke iz bilo kojeg područja, bilo koji odjel unutar tvrtke, bilo koje područje djelovanja mogu, trebaju i važno je analizirati.

Kako sustavi BI analize mogu pomoći

BI sustavi analize, automatizirani sustavi analytics, veliki podaci za analizu velikih podataka, softverska su rješenja koja već imaju ugrađenu funkcionalnost za obradu podataka, pripremu za analizu, samu analizu i, što je najvažnije, za vizualizaciju rezultata analize.

Nema svaka tvrtka odjel za analitičare, ili barem developera koji će održavati analitički sustav i baze podataka. U ovom slučaju u pomoć priskaču takvi sustavi BI-analize.

Danas na tržištu postoji više od 300 rješenja. Naša tvrtka se odlučila za Tableau rješenje:

  • U 2018. Tableau je po 6. put postao predvodnik Gartnerova istraživanja među BI rješenjima.
  • Tableau je lako naučiti (a naše radionice to dokazuju)
  • Za početak rada s Tableauom nije potrebno znanje programera ili statistika

Istodobno, tvrtke koje već rade s Tableauom kažu da izvješća koja su se u Excelu prikupljala za 6-8 sati sada ne traju više od 15 minuta.

Ne vjerujete? Isprobajte sami - preuzmite probnu verziju Tableaua i nabavite upute za rad s programom:

Preuzmite Tableau

Preuzmite BESPLATNO Puna verzija Tableau Desktop, 14 dana i dobijte Tableau Business Intelligence materijale za obuku na poklon

Povoljan rad s velikim podacima pomoću vizualne analitike

Poboljšajte poslovnu inteligenciju i riješite rutinske zadatke koristeći informacije skrivene u Big Data koristeći TIBCO Spotfire platformu. To je jedina platforma koja poslovnim korisnicima pruža intuitivno, user-friendly korisničko sučelje koje im omogućuje korištenje cijelog niza tehnologija Big Data analitike bez potrebe za IT stručnjacima ili posebnim obrazovanjem.

Spotfire sučelje čini jednako pogodnim za rad i s malim skupovima podataka i s više terabajtnih skupina velikih podataka: očitanja senzora, informacija s društvenih mreža, prodajnih mjesta ili izvora geolokacije. Korisnici svih razina vještina lako pristupaju bogatim nadzornim pločama i analitičkim tijekovima rada jednostavno pomoću vizualizacija, koje su grafički prikazi agregacije milijardi točaka podataka.

Prediktivna analitika je učenje kroz rad na temelju zajedničko iskustvo poduzeća kako bi donosili bolje informirane odluke. Koristeći Spotfire Predictive Analytics, možete otkriti nove tržišne trendove iz uvida u svoju poslovnu inteligenciju i poduzeti radnje za smanjenje rizika kako biste poboljšali upravljačke odluke.

Pregled

Povezivanje s velikim podacima za analitiku visoke izvedbe

Spotfire nudi tri glavne vrste analitike s besprijekornom integracijom s Hadoopom i drugim velikim izvorima podataka:

  1. Vizualizacija podataka na zahtjev (On-Demand Analytics): ugrađeni, korisnički konfigurirani konektori podataka koji pojednostavljuju superbrzu, interaktivnu vizualizaciju podataka
  2. Analiza u bazi podataka (In-Database Analytics): integracija s distribuiranom računskom platformom, koja vam omogućuje izračun podataka bilo koje složenosti na temelju velikih podataka.
  3. Analiza u RAM-u (In-Memory Analytics): integracija s platformom Statistička analiza, koji podatke preuzima izravno iz bilo kojeg izvora podataka, uključujući tradicionalne i nove izvore podataka.

Zajedno, ove metode integracije predstavljaju snažnu kombinaciju vizualnog istraživanja i napredne analitike.
Poslovnim korisnicima omogućuje pristup, kombiniranje i analizu podataka iz bilo kojeg izvora podataka s moćnim nadzornim pločama i tijekovima rada jednostavnim za korištenje.

Priključci za velike podatke

Spotfire Big Data Connectors podržavaju sve vrste pristupa podacima: unutar izvora podataka, u memoriji i na zahtjev. Ugrađeni Spotfire podatkovni konektori uključuju:

  • Certificirani Hadoop podatkovni konektori za Apache Hive, Apache Spark SQL, Cloudera Hive, Cloudera Impala, Databricks Cloud, Hortonworks, MapR Drill i Pivotal HAWQ
  • Ostali certificirani konektori za velike podatke uključuju Teradata, Teradata Aster i Netezza
  • Priključci za povijesne i trenutne podatke iz izvora kao što su OSI PI senzori dodira

Distribuirano računalstvo unutar izvora podataka

Uz Spotfireov praktični vizualni odabir operacija za SQL upite koji pristupaju podacima raspoređenim po izvorima podataka, Spotfire može stvoriti statističke algoritme i algoritme strojnog učenja koji rade unutar izvora podataka i vraćaju samo rezultate potrebne za stvaranje vizualizacija u sustavu Spotfire.

  • Korisnici rade s nadzornim pločama s funkcionalnošću vizualnog odabira koje pristupaju skriptama koristeći ugrađene značajke jezika TERR,
  • TERR skripte pozivaju funkcionalnost distribuiranog računanja u kombinaciji s Map/Reduce, H2O, SparkR ili Fuzzy Logixom,
  • Te aplikacije zauzvrat pristupaju sustavima visokih performansi kao što su Hadoop ili drugi izvori podataka.
  • TERR se može implementirati kao napredni motor za analizu na Hadoop čvorovima kojima se upravlja pomoću MapReduce ili Sparka. Jezik TERR se također može koristiti za Teradata podatkovne čvorove.
  • Rezultati su vizualizirani na Spotfireu.

TERR za naprednu analitiku

TIBCO Enterprise Runtime for R (TERR) - TERR je statistički paket korporativnoj razini, koji je razvio TIBCO kako bi bio potpuno kompatibilan s R jezikom, implementirajući dugogodišnje iskustvo tvrtke u analitičkom sustavu povezanom sa S+. To omogućuje korisnicima da nastave razvijati aplikacije i modele ne samo koristeći R open source, već i da integriraju i implementiraju svoj R kod na komercijalno pouzdanu platformu bez potrebe za ponovnim pisanjem koda. TERR je učinkovitiji, ima bolje upravljanje memorijom i pruža veće brzine obrade podataka u velikim količinama od otvorenog R jezika.

Kombinacija svih funkcionalnosti

Kombinacija gore spomenute moćne funkcionalnosti znači da čak i za najsloženije zadatke koji zahtijevaju analitiku visoke razine, korisnici komuniciraju s jednostavnim i lakim za korištenje interaktivnim tijekovima rada. To omogućuje poslovnim korisnicima da vizualiziraju i analiziraju podatke, te dijele rezultate analitike, a da pritom ne moraju poznavati detalje arhitekture podataka koja podupire poslovnu inteligenciju.

Primjer: Spotfire sučelje za konfiguriranje, pokretanje i vizualizaciju rezultata modela koji karakterizira izgubljeni teret. Putem ovog sučelja poslovni korisnici mogu izvoditi izračune koristeći TERR i H2O (distribuirani računalni okvir) na podacima o transakcijama i pošiljkama pohranjenim u Hadoop klasterima.

Analitički prostor za velike podatke


Napredna i prediktivna analitika

Korisnici koriste nadzorne ploče Spotfire za vizualni odabir za pokretanje bogatog skupa naprednih značajki koje olakšavaju predviđanje, izgradnju modela i optimizaciju u hodu. Koristeći velike podatke, analiza se može obaviti unutar izvora podataka (In-Datasource), vraćajući samo agregirane informacije i rezultate potrebne za stvaranje vizualizacija na platformi Spotfire.


Strojno učenje

Širok raspon alata za strojno učenje dostupan je na Spotfireovom popisu ugrađenih značajki koje se mogu koristiti jednim klikom. Statističari imaju pristup programskom kodu napisanom u jeziku R i mogu proširiti korištenu funkcionalnost. Funkcionalnost strojnog učenja može se dijeliti s drugim korisnicima radi jednostavne ponovne upotrebe.

Sljedeće metode strojnog učenja dostupne su za kontinuirane kategoričke varijable na Spotfireu i na TERR-u:

  • Linearna i logistička regresija
  • Stabla odlučivanja, algoritam slučajne šume, strojevi za povećanje gradijenta (GBM)
  • Generalizirani linearni (aditivni) modeli ( Generalizirani aditivni modeli)
  • Neuronske mreže


Analiza sadržaja

Spotfire pruža analitiku i vizualizaciju podataka, od kojih većina nije korištena prije - to je nestrukturirani tekst koji je pohranjen u izvorima kao što su dokumenti, izvješća, bilješke CRM sustavi, zapisnici stranice, publikacije u na društvenim mrežama i mnogo više.


Analiza lokacije

Slojevite karte visoka rezolucija su izvrstan način za vizualizaciju velikih podataka. Spotfireova bogata funkcionalnost karata omogućuje vam stvaranje karata s onoliko referentnih i funkcionalnih slojeva koliko vam je potrebno. Spotfire vam također daje mogućnost korištenja sofisticirane analitike tijekom rada s kartama. Osim zemljopisnih karata, sustav izrađuje karte za vizualizaciju ponašanja korisnika, skladišta, proizvodnje, sirovina i mnogih drugih pokazatelja.

Svaki veliki posao a većina srednjih struktura suočena je s problemom dostavljanja menadžmentu netočnih podataka o stanju poduzeća. Razlozi mogu biti različiti, ali posljedice su uvijek iste – pogrešne ili nepravodobne odluke koje negativno utječu na učinkovitost financijskih transakcija. Kako bi se izbjegle takve situacije, dizajniran je profesionalna poslovna inteligencija ili BI sustav ( s engleskog. - Poslovna inteligencija). Ti visokotehnološki "pomoćnici" doprinose izgradnji sustava upravljačka kontrola svaki aspekt poslovanja.

U svojoj srži, BI sustavi su napredni analitički softver za poslovnu analizu i izvješćivanje. Ovi programi mogu koristiti podatke iz različitih izvora informacija i pružiti ih u prikladnom obliku i odjeljku. Kao rezultat toga, menadžment dobiva brz pristup potpunim i transparentnim informacijama o stanju u tvrtki. Značajka izvješća dobivenih uz pomoć BI je sposobnost menadžera da samostalno bira u kojem kontekstu će dobiti informacije.


Suvremeni sustavi poslovne inteligencije su višenamjenski. Zato u velikim tvrtkama postupno istiskuju druge načine dobivanja poslovnih izvještaja. Njihove glavne sposobnosti uključuju:

  • Veze s raznim bazama podataka, posebice na;
  • Formiranje izvještaja različite složenosti, strukture, vrste i izgleda s velika brzina. Također je moguće postaviti raspored za generiranje izvješća na rasporedu bez izravnog sudjelovanja i distribucije podataka;
  • Transparentan rad s podacima;
  • Osiguravanje jasne veze između informacija iz različitih izvora;
  • Fleksibilna i intuitivna konfiguracija prava pristupa za zaposlenike u sustavu;
  • Spremanje podataka u bilo kojem formatu prikladnom za vas - PDF, Excel, HTML i mnogi drugi.

Mogućnosti informacijskih sustava poslovne inteligencije omogućuju menadžeru da ne ovisi o IT odjelu ili njegovim pomoćnicima u dostavljanju traženih informacija. To je također izvrsna prilika da pokažete ispravan smjer svojih odluka ne riječima, već točnim brojkama. Mnoge velike mrežne korporacije na Zapadu već duže vrijeme koriste BI sustave, uključujući svjetski poznati Amazon, Yahoo, Wall-Mart itd. Navedene korporacije troše pristojan novac na poslovnu inteligenciju, no implementirani BI sustavi donose neprocjenjive koristi.

Prednosti profesionalnih sustava poslovne inteligencije temelje se na principima koji su podržani u svim naprednim BI aplikacijama:

  1. vidljivost. Glavno sučelje bilo kojeg softvera za poslovnu analizu treba odražavati ključne metrike. Zahvaljujući tome, menadžer će brzo moći procijeniti stanje u poduzeću i početi nešto raditi ako je potrebno;
  2. Prilagodba. Svaki korisnik bi trebao biti u mogućnosti prilagoditi sučelje i funkcijske tipke na najprikladniji način za sebe;
  3. Raslojavanje. Svaki skup podataka trebao bi imati nekoliko rezova (slojeva) kako bi se pružile pojedinosti informacija koje su potrebne na određenoj razini;
  4. Interaktivnost. Korisnici bi trebali moći prikupljati informacije iz svih izvora iu nekoliko smjerova u isto vrijeme. Potrebno je da sustav ima funkciju postavljanja upozorenja po ključnim parametrima;
  5. Višenitnost i kontrola pristupa. BI sustav trebao bi biti sposoban implementirati istovremeni rad velikog broja korisnika uz mogućnost postavljanja različitih razina pristupa za njih.

Cijela IT zajednica se slaže s tim Informacijski sustavi poslovna analitika jedno je od područja koja najviše obećavaju za razvoj industrije. Međutim, njihovu provedbu često otežavaju tehničke i psihološke barijere, nekoordiniran rad menadžera i nedostatak propisanih područja odgovornosti.

Kada se razmatra implementacija BI sustava klase, važno je zapamtiti da će uspjeh projekta uvelike ovisiti o odnosu zaposlenika tvrtke prema inovaciji. To se odnosi na sve IT proizvode: skepticizam i strah od smanjenja mogu osujetiti sve napore implementacije. Stoga je vrlo važno razumjeti kako se u sustavu poslovne inteligencije osjećaju budući korisnici. Idealna situacija bit će kada će zaposlenici tvrtke sustav tretirati kao pomoćnika i alata za poboljšanje rada.

Prije početka projekta uvođenja BI tehnologije potrebno je provesti temeljitu analizu poslovnih procesa tvrtke i principa menadžerskog odlučivanja. Uostalom, upravo će ti podaci biti uključeni u analizu stanja u tvrtki. Također će pomoći pri odabiru BI sustava zajedno s drugim glavnim kriterijima:

  1. Ciljevi i zadaci implementacije BI sustava;
  2. Zahtjevi za pohranu podataka i sposobnost rada s njima;
  3. Funkcije integracije podataka. Bez korištenja podataka iz svih izvora u tvrtki, menadžment neće moći dobiti cjelovitu sliku stanja;
  4. Mogućnosti vizualizacije. Za svaku osobu idealna BI analitika izgleda drugačije, a sustav mora zadovoljiti potrebe svakog korisnika;
  5. Univerzalnost ili uska specijalizacija. U svijetu postoje sustavi usmjereni na određenu industriju, kao i univerzalna rješenja koja vam omogućuju prikupljanje informacija u bilo kojem kontekstu;
  6. Zahtjev za resursima i cijena za softver. Izbor BI sustava, kao i svakog softvera, ovisi o mogućnostima tvrtke.

Gore navedeni kriteriji pomoći će menadžmentu da napravi informirani izbor među nizom poznatih sustava poslovne inteligencije. Postoje i drugi parametri (na primjer, struktura pohrane podataka, web arhitektura), ali zahtijevaju vještine u uskim IT područjima.

Nije dovoljno samo napraviti izbor, kupiti softver, instalirati ga i konfigurirati. Uspješna implementacija BI sustava bilo kojeg smjera temelji se na sljedećim pravilima:

  • Ispravnost podataka. Ako su podaci za analizu netočni, postoji mogućnost ozbiljne pogreške sustava;
  • Potpuna obuka za svakog korisnika;
  • Brza implementacija. Potrebno je usredotočiti se na ispravno formiranje potrebnih izvještaja na svim ključnim mjestima, a ne na idealnu uslugu za jednog korisnika. Prilagodite izgled prijaviti ili dodati drugi odjeljak radi praktičnosti, uvijek možete nakon implementacije;
  • Shvatite povrat ulaganja u vaš BI sustav. Učinak ovisi o mnogim čimbenicima i u nekim slučajevima je vidljiv tek nakon nekoliko mjeseci;
  • Oprema bi trebala biti dizajnirana ne samo za trenutnu situaciju, već i za blisku budućnost;
  • Razumjeti zašto je BI implementacija započela i ne zahtijevaju softver nemoguće.


Prema statistikama, samo 30% čelnika tvrtki zadovoljno je implementacijom BI sustava. Tijekom dugih godina postojanja softvera za poslovnu analizu, stručnjaci su formulirali 9 ključnih pogrešaka koje mogu smanjiti učinkovitost na minimum:

  1. Neočiglednost svrhe implementacije za menadžment. Često projekt kreira IT odjel bez bliskog sudjelovanja menadžera. U većini slučajeva, u procesu implementacije i rada, postavljaju se pitanja o svrsi i ciljevima BI sustava, prednostima i jednostavnosti korištenja;
  2. Netransparentnost upravljanja, rada zaposlenika i donošenja odluka. Menadžeri možda ne znaju kako zaposlenici rade na terenu, i upravljačke odluke može prihvatiti ne samo na temelju suhoparnih činjenica. To će dovesti do nemogućnosti održavanja postojeće paradigme kao rezultat implementacije BI sustava. I često razbijaju kulturu koja se razvijala tijekom godina korporativno upravljanje nemoguće;
  3. Nedovoljna pouzdanost podataka. Neprihvatljivo je da lažni podaci ulaze u sustav poslovne analize, inače im zaposlenici neće moći vjerovati i koristiti ih;
  4. Pogrešan izbor profesionalnog sustava poslovne inteligencije. Mnogi primjeri u povijesti kada menadžment angažira organizaciju treće strane za implementaciju BI sustava, a ne sudjeluje u njegovom odabiru govore sami za sebe. Kao rezultat, uvodi se sustav koji ne omogućuje dobivanje traženog izvješća ili s kojim je nemoguće integrirati neki od postojećih softvera u tvrtki;
  5. Nedostatak plana za budućnost. Posebnost BI sustava je u tome što nije statički softver. Nemoguće je završiti provedbeni projekt, a ne razmišljati o njemu. Brojni su zahtjevi korisnika i menadžmenta u smislu poboljšanja;
  6. Prijenos BI sustava organizacija treće strane za potporu. Kao što praksa pokazuje, najčešće takve situacije dovode do izolacije proizvoda i izolacije sustava od stvarnog stanja stvari. Vlastita služba podrške puno brže i učinkovitije reagira na povratne informacije korisnika i zahtjeve upravljanja;
  7. Želja za štednjom. U poslovanju je to normalno, ali BI analitika funkcionira samo ako uzima u obzir sve aspekte aktivnosti tvrtke. Zato su duboki analitički sustavi s visokim troškovima najučinkovitiji. Želja za primanjem nekoliko izvješća o područjima od interesa dovodi do čestih pogrešaka u podacima i velike ovisnosti o kvalifikacijama IT stručnjaka;
  8. Različita terminologija u tvrtki. Važno je da svi korisnici razumiju osnovne pojmove i njihovo značenje. Jednostavan nesporazum može dovesti do pogrešnog tumačenja izvješća i pokazatelja BI sustava;
  9. Nedostatak jedinstvene strategije poslovne analize u poduzeću. Bez jednog odabranog tečaja za sve zaposlenike, bilo koji sustav BI klasa bit će samo skup različitih izvještaja koji zadovoljavaju zahtjeve pojedinih menadžera.

Implementacija BI sustava važan je korak koji može pomoći da vaše poslovanje podignete na sljedeću razinu. Ali to će zahtijevati ne samo dovoljno veliku infuziju financija, već i vrijeme i trud svakog zaposlenika tvrtke. Nije svako poduzeće spremno kompetentno dovršiti projekt implementacije sustava poslovne analize.


(Poslovna inteligencija).

Kao govornici na seminaru su pozvani mladi stručnjaci koji izrađuju uspješna karijera analitičari u visokotehnološkim tvrtkama kao što su Microsoft, IBM, Google, Yandex, MTS itd. Na svakom seminaru studentima se govori o nekim poslovnim zadacima koji se rješavaju u tim tvrtkama, o tome kako se podaci akumuliraju, kako nastaju zadaci analize podataka i kako se mogu riješiti.

Svi pozvani stručnjaci otvoreni su za kontakt, a studenti će im se moći obratiti za savjet.

Ciljevi seminara:

  • pridonijeti otklanjanju postojećeg jaza između sveučilišnog istraživanja i rješavanja praktičnih problema u području analize podataka;
  • promicati razmjenu iskustava između sadašnjih i budućih stručnjaka.
Seminar se redovito održava na fakultetu CMC Moskovskog državnog sveučilišta petkom u 18:20 , publika P5(prvi kat).

Pohađanje seminara - besplatno(ako nemate propusnicu za MSU, molimo da unaprijed obavijestite organizatore seminara o svom punom imenu i prezimenu kako biste dostavili popis sudionika na rotaciju).

Program seminara

Datum odTema govornika i seminara
10. rujna 2010
18:20 		Aleksandar Efimov , voditelj analitičkog odjela maloprodajna mreža MTS.

Predviđanje učinka marketinških kampanja i optimizacija asortimana trgovina.

  • Stranica aplikacije: Optimizacija asortimana prodajnih mjesta (zadatak s podacima) .
17. rujna 2010
18:20 		Vadim Strizhov , Istraživač Računalni centar Ruske akademije znanosti.

Bankovno ocjenjivanje kredita: metode automatskog generiranja i odabira modela.

Klasični i nova tehnologija izgradnja tablica rezultata. Seminar objašnjava kako su strukturirani podaci o klijentima i kako generirati najvjerojatniji model bodovanja koji također zadovoljava zahtjeve međunarodnih bankarskih standarda.
24. rujna 2010
18:20 		Vladimir Krekoten , voditelj odjela marketinga i prodaje brokerske kuće Otkritie.

Primjena matematičke metode za predviđanje i suzbijanje odljeva kupaca.

Praktični problemi koji se javljaju u analizi baza klijenata u marketingu. Postavljeni su zadaci klasteriranja i segmentiranja kupaca, bodovanja novih kupaca, praćenja dinamike ciljanih segmenata.

  • Stranica aplikacije: Grupiranje posredničkih klijenata (podatkovni zadatak) .
1. listopada 2010
18:20 		Nikolaj Filipenkov , i o tome. Šef odjela kreditnog bodovanja Moskovske banke.

Primjena matematičkih metoda za upravljanje kreditnim rizikom stanovništva.

Razmatraju se neki praktični aspekti izgradnje modela bodovanja i procjene rizika.

  • Stranica aplikacije: Upravljanje kreditnim rizikom stanovništva (podatkovni zadatak) .
8. listopada 2010
18:20 		Fedor Romanenko , voditelj odjela za kvalitetu pretraživanja, Yandex.

Povijest i principi rangiranja web pretraživanja.

Razmatraju se pitanja korištenja i razvoja metoda pronalaženja informacija, od rangiranja teksta i poveznica do strojnog učenja do rangiranja u problemu pretraživanja interneta. Osnovni principi koji stoje iza modernog web rangiranja postavljeni su u odnosu na priče o uspjehu tražilica. Posebna se pozornost posvećuje utjecaju kvalitete pretraživanja na tržišni pokazatelji i vitalna potreba da se neprestano radi na njegovom poboljšanju.
15. listopada 2010
18:20 		Vitalij Goldstein , programer, Yandex.

Usluge geografskih informacija Yandex.

Govori o projektu Yandex.Probki i drugim geoinformacijskim projektima Yandexa, o tome odakle dolaze izvorni podaci za izgradnju geoinformacijskih sustava, o novoj skalabilnoj tehnologiji obrade podataka, o internetskom natjecanju iz matematike i nekim obećavajućim zadacima. Navedeni su podaci i dat je službeni iskaz problema obnove putokaza.

  • Stranica aplikacije: Izgradnja cestovnog grafikona iz podataka o tragovima vozila (podatkovni zadatak) .
22. listopada 2010Seminar je otkazan.
29. listopada 2010
18:20 		Fedor Krasnov , potpredsjednik za poslovne procese i informacijska tehnologija, AKADO.

Kako doći do podataka o kupcima?

Slični postovi