Kiedy budować BI w organizacji? Kiedy budować BI w organizacji?

Metody i modele zarządzanie wiedzą organizacjiMetody i modele zarządzanie wiedzą organizacjiDariusz PAŁKADariusz PAŁKA

AGENDAAGENDA

1. Trochę historii.2. Kilka definicji.3. BI, HD, DM.4. Kiedy budować BI?5. Jak zbudować BI?6. Ile kosztuje BI?7. Przyszłość. 2

Każde przedsiębiorstwo jest posiadaczemogromnej ilości danych. Szkoda, że takniewiele z nich zdaje sobie sprawę, że to

jestwłaśnie cała ich inteligencja. Bo trzeba

jeszczeumieć z niej dobrze korzystać.

Luiza Warno (2005), Orange

3

POZIOMY ORGANIZACJI - ZARZĄDZANIE POZIOMY ORGANIZACJI - ZARZĄDZANIE DANYMIDANYMI

4

CHAOSUCHAOSU

DANYCHDANYCH PODSTAWOWYCHPODSTAWOWYCH

ANALIZANALIZ

STRATEGII ZARZĄDZANIA DANYMISTRATEGII ZARZĄDZANIA DANYMI

ZARZĄDZANIA SYSTEMEM BIZARZĄDZANIA SYSTEMEM BI

POZIOM 0POZIOM 0

POZIOM 1POZIOM 1

POZIOM 2POZIOM 2

POZIOM 3POZIOM 3

POZIOM 4POZIOM 4

BIG DATA

5

DANE W INTERNECIEDANE W INTERNECIE

6

ROOM OF CUBES AT EXPO 1967, MONTREAL, CANADA

7

PORÓWNANIE CEN KWARTAŁU PSZENICY Z WYNAGRODZENIEM DOBREGO MECHANIKA W PERSPEKTYWIE CZASU

8Szkocki inżynier, grawer i pasjonat polityki gospodarczej

DZISIEJSZY KOKPIT DZISIEJSZY KOKPIT MENEDŻERSKIMENEDŻERSKI

9

PIERWSZY KOMPUTERPIERWSZY KOMPUTER

10

1943-46 ENIAC - skonstruowany przez J.P. Eckerta i J.W. Mauchly'ego. Pierwszy elektroniczny komputer, pamięta 20 liczb, zbudowanyz 500.000 elementów i waży 30 ton.

USA, 1890 konkurs na urządzenie, które przyśpieszy spis powszechny ludności . Konkurs wygrywa Herman Hollerith ze swoją maszyną tabulacyjną. Służyła ona do wprowadzania, sortowania i podliczania danych i wykorzystywała do tego celu dziurkowane karty. Hollerith założył w roku 1896 firmę Tabulating Machine Company, która po połączeniu z kilkoma innymi stworzyła International Business Machines, czyli po prostu IBM.

HISTORIA PRZETWARZANIA HISTORIA PRZETWARZANIA DANYCHDANYCH

Ewolucja systemów bazodanowych: Lata '60 – proste metody przetwarzania plików Lata '70 – wczesne '80 – systemy zarządzania danymi (Database Management Systems)

➔ Relacyjne, sieciowe, hierarchiczne BD ➔ SQL, transakcje, metody indeksujące, struktury danych:

Lata '80 do teraz – zaawansowane systemy bazodanowe

Lata '80 do teraz – hurtownie danych, DM ➔ Hurtownie danych, technologia OLAP (William H. Inmon

“The Father of Data Warehousing”) ➔ DM i odkrywanie wiedzy (nasilenie zainteresowania w

latach'90) Lata '90 – do teraz – internetowe BD

➔ BD oparte na XML-u ➔ Web mining

11

ZARZĄDZANIE DANYMI ZARZĄDZANIE DANYMI ORGANIZACJIORGANIZACJI

Systemy obiegu dokumentów Lokalne systemu informatyczne Zintegrowane systemy informatyczne Hurtownie danych Systemy Data Mining

Business IntelligenceBusiness Intelligence12

MODEL SYSTEMU DECYZYJNEGOMODEL SYSTEMU DECYZYJNEGO

13

BUSINESS INTELLIGENCE?BUSINESS INTELLIGENCE?

BI to szeroko rozumiana analityka biznesowa a nawet dyscyplina służąca budowaniu

„przewagi informacyjnej”, stanowiąca proces przekształcania danych w informacje,

a informacje w wiedzę pozwalającej podejmować trafniejsze decyzje, we właściwym miejscu organizacji i we właściwym czasie, co

może być wykorzystane do zwiększenia konkurencyjności przedsiębiorstwa.

14

BIBI

15

Źródło: Żytniewski M.:”BI”, UE w Katowicach, 2012

BIBI

16

BIZNES

BIG DATA

HISTORIA BIHISTORIA BI

17

Źródło: Żytniewski M.:”BI”, UE w Katowicach, 2012

SKUTECZNY BI TO … raportowanie obligatoryjne, raportowanie operacyjne, raportowanie zarządcze, analiza danych, budżetowanie i prognozowanie, zapewnienie jakości danych, zapewnienie jakości informacji, pozyskiwanie danych z różnorodnych źródeł; budowa silników obliczeniowych /

regułowych, udostępnienie danych do innych systemów. 18

19

HURTOWNIA DANYCH (HD)HURTOWNIA DANYCH (HD)

HD - ang. Data Warehouse – DW (Magazyn Danych)to tematyczna baza danych, która trwale przechowuje zintegrowane dane opisane wymiarem czasu

William Harvey Inmon „Building the Data Warehouse”, 1992

Baza danych tworzona w oparciu o inną bazę danych i jej dane źródłowe

w celu odblokowania analityki biznesowej.

Baza danych zawierające w swoim repozytorium wieloaspektowe, przekrojowe analizy silnie

zagregowanych danych

20

OLAPOLAP

OLAP Information SystemsOLAP Information Systems

On-Line Analytical Processing

OLTPOLTPOn-Line Transaction Processing

Systemy analitycznego przetwarzania danych „na bieżąco”

21

DLACZEGO HURTOWNIA JAKO DLACZEGO HURTOWNIA JAKO PODSYSTEM RAPORTOWANIAPODSYSTEM RAPORTOWANIA

Wspieranie procesu podejmowania decyzji na wszystkich szczeblach operacyjnym, technicznym i strategicznym prostota implementacji (poprzez gotowe do użycia predefiniowane cechy, wskaźniki)

Skalowalność od statycznych, prostych raportów po interaktywne aplikacje analityczne różne rodzaje dostępu: Excel, przeglądarka WWW

Rozbudowany zestaw narzędzi do budowy zapytań, raportów i analiz aplikacje oparte na technologii WWW

Możliwość szybkiego dostosowania informacji integracja z SharePoint, SMTP

Dostęp użytkowników: kiedykolwiek, gdziekolwiek analiza informacji za pomocą przeglądarki WWW

WIELOWYMIAROWA KOSTKA HDWIELOWYMIAROWA KOSTKA HD

22

SPRZEDAŻSPRZEDAŻ

Polska-Centralny

--Wa-wskie

--- odbiorca A

--- odbiorca B

--- odbiorca C

1995Q1-95Q2-95STY-95LUT-95

Produkcja

-Typ 1

--Rodzaj 1

--- T01

--- T02

--- T03

--Rodzaj 2

--- T04

HD UMOŻLIWIA ANALIZĘ DANYCH HD UMOŻLIWIA ANALIZĘ DANYCH

„POD WIELOMA KĄTAMI”„POD WIELOMA KĄTAMI”

23

Dyrektor finansowy Dyrektor regionalny

Dyrektor lokalny Zarząd

CZAS

GEOGRAFIA

PRODUKT

JAK DZIAŁA HD?JAK DZIAŁA HD?

24

Data Warehouse Cube(multidimensional data)

Reporting AnalysisRAPORTOWANIE ANALIZOWANIE

DZIAŁANIE HURTOWNI DANYCHDZIAŁANIE HURTOWNI DANYCH

25

SQL SERVER 2K

OLTP B

DTSData

Transformation Services

Enterprise Business Intelligence Portal

OLAP

Analysis Services

SQL Server Reporting Services

Web Portal

Reporting Subsystem

OLTP A

Źródło: Opracowanie własne

PRZYKŁADOWY PORTAL HDPRZYKŁADOWY PORTAL HD

26

Źródło: Opracowanie własne

DATA MINING?DATA MINING?

Definicja1: Definicja1: „Nietrywialne wydobywanie ukrytej, poprzednio nieznanej i potencjalnie użytecznej informacji z danych”

(W.Frawley, G. Piatetsky-Shapiro, C. Matheus. Knowledge Discovery in Databases: An Overview. AI Magazine , 1992)

Definicja2: Definicja2: „Nauka zajmująca się wydobywanie informacji z dużych zbiorów danych lub baz danych” (D. Hand, H. Mannila, P. Smyt. Principles of Data Mining. MIT Press Cambridge, MA, 2001)

27

JAK DZIAŁA DM?JAK DZIAŁA DM? Czyszczenie danych – usuwanie błędnych i

niespójnych danych

Integracja danych – łączenie danych z rożnych źródeł

Selekcja danych – wybór ważnych (dla problemu) danych

Transformacja danych – do postaci odpowiedniej do DM (np. sumowanie, agregacja)

DM – zastosowanie inteligentnych metod do wydobycia zależności, wzorców

Ocena zależności – identyfikacja interesujących zależności ze wszystkich wydobytych

Prezentacja wiedzy 28

GŁÓWNE ZADANIA DM

Wyszukiwanie asocjacji Klasyfikacja Predykcja Grupowanie danych Eksploracja złożonych typów danych

29

PO CO DM? Pomoc w znalezieniu relacji między

czynnikami / zasobami: “wewnętrznymi” oraz „wewnętrznymi” i „zewnętrznymi”

Ustalenie wpływu szukanych czynników na: Wielkość sprzedaży, Zadowolenie klienta Przychody

30

KIEDY PRZYCHODZI CZAS NA BI KIEDY PRZYCHODZI CZAS NA BI

Posiadamy kilka różnorodnych systemów transakcyjnych OLTP Duża ilość rozproszonych danych w systemach OLTP

Rozbudowany dział raportowania i analiz. Posiadanie wszystkich danych nie wystarcza.

Oczekujemy właściwych, precyzyjnych i szybkich odpowiedź na pytania?

Potrzeba szybkiej budowy i generowania wielowymiarowych raportów.

Potrzeba zmniejszenia obciążenia systemu transakcyjnego.

31

KIEDY ZBUDOWAĆ BI?KIEDY ZBUDOWAĆ BI?NAJPIERW PRZEANALIZUJ SWÓJ NAJPIERW PRZEANALIZUJ SWÓJ BIZNESBIZNES

Jak zmieniała się średnia wielkość obrotów w ostatnim

roku?

Jaka jest średnia ściągalność należności?

Jaka jest struktura kosztów firmy według działów?

Jaki procent złożonych zamówień został zrealizowany?32

CO NAJPIERW? CO NAJPIERW? POTRZEBA UPORZĄDKOWANIA POTRZEBA UPORZĄDKOWANIA DANYCHDANYCH

33

• Jedno źródło informacji dla całej firmy centralne

• spójne

• wiarygodne

• aktualizowane „na bieżąco”

NAJPIERW ZBUDUJ SWOJĄ HD

34

CRMCRM

ITIT

ProdukcjaProdukcjaFinanseFinanseKsięgowośćKsięgowość

LogistykaLogistyka

Hurtownia Danych

SprzedażSprzedaż

Geograficzna analiza sprzedażyWsparcie działań przedstawicieli handlowych

Efektywne zarządzanie kosztamii zwiększanie

wartości udziałów

Wsparcie wyboru źródeł

i warunków dostaw

Analiza procesów zaopatrzenia

Analizyefektywności produkcji

Wsparcie zarządzania gospodarki materiałowej

Wysoka jakość danychDzięki uporządkowaniu systemu raportowego

PRZYKŁAD ANALIZPRZYKŁAD ANALIZ

35

• KRAJKRAJ• REJONREJON• MIASTOMIASTO• KLIENTKLIENT

DYSPONENT:DYSPONENT:

ilośćilość

wartośćwartość

CZAS:CZAS:

• ROKROK• KWARTAŁKWARTAŁ• MIESIĄCMIESIĄC• DZIEŃDZIEŃ

KRAJKRAJ

MIASTOMIASTO

MIESIĄCMIESIĄC

36

PRZYKŁADOWA KONCEPCJA PRZYKŁADOWA KONCEPCJA STRUKTURY INFORMACYJNEJSTRUKTURY INFORMACYJNEJ

Wymiar KLIENTA

Wymiar SKLEPU

Wymiar czasu

Wymiar MIASTA

Wymiar REGIONU

Wymiar TYPU KLIENTA

Wymiar KARJU

Wymiar MIASTA

Wymiar REGIONU

Wymiar ROKU

Wymiar KWARTAŁU

Wymiar MIESIĄCA

Wymiar PRODUKTU

FAKTY:STANY STANY

ILOŚCIOWEILOŚCIOWE

CEL AGREGOWANIA DANYCH?CEL AGREGOWANIA DANYCH?

Ile?

Kiedy? Jak?

Gdzie?

Rodzaj zasobu?

Która grupa?

OTRZYMYWANIE WŁAŚCIWYCH OTRZYMYWANIE WŁAŚCIWYCH I SZYBKICH ODPOWIEDZI NA PYTANIA …I SZYBKICH ODPOWIEDZI NA PYTANIA … 37

BI W GRUPIE ATLASBI W GRUPIE ATLAS

38

39

JAK ZBUDOWAĆ BI?JAK ZBUDOWAĆ BI?

KORZYŚCI BIZNESOWE KORZYŚCI BIZNESOWE WDROŻENIA WDROŻENIA HD HD BI BI Usystematyzowane procesy biznesowe

firmy dla prawidłowego repozytorium danych

Jedna „wersja prawdy”- wiarygodność i kompletność

Efektywne wykorzystanie danych gromadzonych w systemach transakcyjnych

Szybkość dostarczania informacji niezbędnej do podejmowania decyzji 40

KORZYŚCI TECHNOLOGICZNE KORZYŚCI TECHNOLOGICZNE WDROŻENIA BIWDROŻENIA BI

41

Odciążenie działu informatyki od Odciążenie działu informatyki od bieżącego raportowaniabieżącego raportowania

Automatyzacja budowania Automatyzacja budowania raportów na zlecenieraportów na zlecenie

Łatwa, szybka konsolidacja danych Łatwa, szybka konsolidacja danych z systemów transakcyjnychz systemów transakcyjnych

KORZYŚCI SYSTEMOWE BIKORZYŚCI SYSTEMOWE BI

42

CO TRZEBA ZROBIĆ, ABY CO TRZEBA ZROBIĆ, ABY ZBUDOWAĆ BIZBUDOWAĆ BI Porządne i jak najbardziej kompletnie

zdefiniować potrzeby biznesowe Uświadomić sobie, co BI ma nad dać, w czym

ma nam pomóc (wskazań miejsca wsparcia BI w procesach biznesowych organizacji)

Hurtownia danych dla systemu BI, powinna być jak garnitur, wykonany przez fachowca, dobrze skrojony na miarę i leżący jak trzeba

Zabezpieczyć środowisko sprzętowo-programowe

44

ILE MOŻE KOSZTOWAĆ BUDOWA ILE MOŻE KOSZTOWAĆ BUDOWA BIBI Koszt zatrudnienia specjalisty HD/BI Koszt zatrudnienia analityka danych organizacji Dodatkowe zasoby sprzętowe Dodatkowe oprogramowanie

45

WNIOSEK WNIOSEK PO CO HD PO CO HD BI ? BI ?

46

……… aby sprawnie przechowywać, uaktualniać,obsługiwać i analizować

informacje w zależności od wymagań przedsiębiorstwa,

jego pracowników i jego klientów

PRZYSZŁOŚĆ BI TO BUSINESS ANALITICS (BA) W ŚRODOWISKU CHMURY OBLICZENIOWEJCLOUD BUSINESS INTELLIGENCE

47

Cloud BI – bujanie w obłokach, czy praktyczne rozwiązania?Cloud BI – bujanie w obłokach, czy praktyczne rozwiązania?

RANKING TALENTÓW RANKING TALENTÓW ANALITYKÓWANALITYKÓW

48

DZIĘKUJĘ ZA UWAGĘ