Какая система обработки бизнес-информации вам нужна

Очень коротко и предельно упрощенно:

• Business Intelligence или BI – это аналитика по итогам, за длительный период времени;
• Operational Intelligence, OI – это оперативные показатели для быстрой оценки ситуации.

Но на самом деле четкой демаркационной линии между Business Intelligence и Operational Intelligence нет. Причем отсутствует она не на функциональном уровне (тут как раз все весьма определенно), а на программном – на уровне IT-решений. Почему так происходит?

Operational Intelligence оперирует «быстрыми» данными. Обычная шкала OI – от 15 минут до двух часов. В некоторых случаях речь идет и вовсе о моментальном отображении. По сути, это индикаторы, маркеры. Показатели могут быть практически любыми, но они, разумеется, предполагают практический смысл быстрого отслеживания. Такой мониторинг незаменим в службах безопасности, технического контроля. Он также полезен в складской и транспортной логистике. И в любых гибких процессах с возможностью быстрого перераспределения ресурсов.

Business Intelligence означает аналитику, то есть переработку данных в удобные и практически применимые выводы. Нормальный шаг BI – от дня и выше. Собственно, масштаб здесь задает не сама аналитика и тем более, не база данных, а применимость выводов. Эффект от внедрения новшеств в бизнес-процессе может быть отмечен и через квартал. Меньший квант времени попросту может быть бесполезен для оценки. Значит, отчет об эффективности будет иметь смысл в конце квартала. Соответственно, есть время уточнить и перепроверить информацию, прежде чем «скармливать» ее аналитическим программам для обработки.

Может показаться, что отличий достаточно много, они наглядные и гротескные. Так и есть: на функциональном уровне и в идеале. На практике же руководители компаний часто требуют все больше и больше отчетов, настаивая на их детализации и укрупнении по мере получения, а современные программные средства позволяют удовлетворять такие капризы, даже в ущерб смыслу. Но чем чаще извлекаются данные, тем больше нагрузка на поддержку сервиса. Это не всегда оправданно. Встречно, попытки систематизировать сиюминутные оперативные показатели могут быть не столь эффективны, как ожидается.

Путанице способствует пересекающийся и запутанный функционал IT-решений. Отдельных программных продуктов для автоматизации Operational Intelligence на рынке практически не существует. Как правило, они реализуются в виде встроенной отчетности в ERP или CRM, то есть в виде дополнений к крупным информационным системам. Это логично.

BI-продукты и сервисы тоже могут обеспечить похожий функционал. Это уже менее логично, зато выгодно: можно экономить на лицензиях, и весьма ощутимо (от сотен до тысяч евро на одно рабочее место). Проблема в том, что изобилие вариантов, обманчиво похожих и за очень разные деньги, вводит в искушение выбрать самое функциональное и подешевле. А почему бы и нет? Потому что:

• Низкая себестоимость подготовки отчетов обманчива.
• Практическая применимость отчетов гораздо важнее их количества и сложности.
• Еще важнее расстановка приоритетов соразмерно текущему развитию компании.

Когда и как применять Business Intelligence (BI)

Прежде всего, надо оговориться, что маленькой компании вполне достаточно нескольких информативных отчетов, отражающих специфику деятельности. Это может быть реализовано в электронных таблицах, учетной системе, 1С, где угодно, практически – вплоть до облачных сервисов, которых великое множество.

Проблемы роста бизнеса могут потребовать помимо дополнения BI-инструментов их замены на новые, а также (это главное) налаживания процесса управления корпоративными данными. Это уже путь к BI, по мере прохождения которого становится очевидным, что большие объемы данных в таблицы не помещаются. Например, невозможно делать выгрузку по 2 Гбайт для ежедневной сверки. Количество отчетов также увеличивается. И обычно гораздо быстрее, чем реально требуется. Потому что без отработанной политики управления корпоративными данными вместо цельной и оптимальной системы получается нагромождение из различных таблиц, баз данных, повторяющихся и пересекающихся отчетов. Здесь некоторые компании сбиваются с верного курса, и буквально тонут в собственных данных.

Поэтому начинать желательно заранее, упреждающе. Когда понятно, что не все данные получается записать, актуализировать и использовать – необходимо и достаточно:

• Определить глоссарий расчета показателей (glossary).
• Определять потоки данных от систем-источников к BI-инструментам и показателям в отчетах (data lineage).
• Вести мониторинг передачи данных в BI-системы (data validation, data monitoring).

Звучит просто, но на самом деле – это комплексный процесс, для реализации которого необходимы специализированные системы, адаптация уже имеющихся IT-хранилищ и систем, а также наличие персонала или подрядчиков, которые будут поддерживать и развивать BI в компании.

Лучше действовать пошагово. Маленькая компания может начать с простого и легковесного in-memory BI-инструмента с возможностью дэшбординга и OI. Первое (in-memory) важно, потому что решения, которые формируют отчеты в RAM (оперативной памяти) гораздо быстрее. Out-memory потребует быстрых дисков, но все равно скорость формирования отчетов оставляет желать лучшего. Дэшборд (dashboard) – это «приборная доска», на которую вынесены самые важные индикаторы. Как правило, они служат для отображения оперативных данных (и здесь начинается путаница).

Чем красивее графики и лучше дэшборд, тем меньше внимания (как правило) разработчики уделили семантическому слою. Значит, алгоритмы расчета показателей могут хромать, корректность аналитики под сомнением – зато графики шикарные, загляденье. И наоборот, хорошая математика почти однозначно узнаваема по убогой графике. Угадайте, чьи презентации выглядят более эффектно. Лучше не зацикливаться на красивой упаковке, а обратить внимание на другие характеристики:

• Корректность показателей.
• Скорость формирования отчетов (не более нескольких минут).
• Самостоятельное создание отчетов тоже доступно, их легко настраивать.
• Доступность информации всем сотрудникам.
• Защита информации от тех, кому доступ не выделен.
• Мобильность, то есть поддержка мобильных платформ.
• Дешевая разработка, поддержка, доработки.
• Agile или другая «гибкая» методология.
• Обучение автоматизировано и упрощено.
• И только потом красота графиков.

Когда и как применять Operational Intelligence (OI)

Как правило, оперативные показатели появляются у бизнеса очень быстро. Начните любую деятельность, и через пару месяцев уже возникает соблазн ее систематизировать. Только это ошибка. Первые данные критично важны для управления и роста, но они слишком сильно прыгают, чтобы всерьез говорить о мониторинге. Настоящая потребность в OI возникает только после регулярно повторяющихся изменений одинаковых показателей с незначительными колебаниями. Разумеется, если новое предприятие сразу строится на системной основе, OI можно стартовать еще до открытия. Но пока идет поиск ниши, ассортимента, меняются подходы и каждый следующий заказ может в разы изменить графики – постоянное наблюдение показателей ничего особенно полезного не даст.

Правда, если заранее не готовиться к OI, то можно долгое время не замечать уже наметившиеся ценные KPI. Поэтому начинать отслеживание ситуации лучше заранее, при первой же возможности, а автоматизировать мониторинг и вводить под него регулярные процессы – гораздо позже. Серьезно говорить о запуске Operational Intelligence можно тогда, когда сложилось понимание:

• Какие именно показатели действительно ключевые.
• Как их быстро и достоверно актуализировать.
• Кто будет этим заниматься, какие сотрудники.
• Каким образом, кого именно и в каком формате оповещать.
• Как реагировать на изменения значений, какие запланированы действия.
• Каков план по превращению массива данных в систему OI.

По мере прояснения ответов на эти вопросы станет понятнее – какое IT-решение лучше использовать. Только не ориентируйтесь на рекламные описания разработчиков. Они не знают вашего бизнеса и, к сожалению, обычно не хотят его знать. Поэтому лучше читать форумы пользователей, чем сайты разработчиков. Лучше искать или заводить знакомых, которые уже применяют те или иные OI-продукты, и задавать им практические вопросы, по большей части негативные. Например, сколько времени заняло внедрение в сумме: не только установка программного обеспечения, а включая обучение сотрудников, интеграцию с бизнес-процессами, переход к реальному началу использования показателей. Сколько времени затрачивается на поддержку, ввод и перенос данных, их проверку? Как реализовано нормирование? Удобно ли оценивать отклонение текущих показателей от статистических?

Главный вывод, к которому вы должны прийти: будет ли переход на OI выгоднее, чем его отсутствие. Если ответ «да», то вы уже опоздали. Значит, начинать нужно было гораздо раньше.