CC BY
19УДК 338.242.2
БИЗНЕС-АНАЛИТИКА И ЕЕ ИСПОЛЬЗОВАНИЕ В ЭКОНОМИКЕ
Шушаро Валерия Геннадьевна
Санкт-Петербургский имени В.Б. Бобкова филиал Российской таможенной академии, доцент кафедры экономики таможенного дела, канд. экон. наук, доцент, e-mail: [email protected]
В статье рассматривается понятие бизнес-аналитики, ее отличие от других аналитических технологий, дается описание основных ее элементов, показывается сфера применения, раскрываются ее сильные стороны. Автором предлагается подход к разграничению сфер применения нескольких понятий, относящихся к пересекающимся, но разным областям аналитических технологий
Ключевые слова: бизнес-аналитика; анализ; BI; BI-системы; визуализация; анализ данных; дашборды
BUSINESS INTELLIGENCE AND ITS USE IN ECONOMICS
Shusharo Valeria G.
Russian Customs Academy St.-Petersburg branch named after Vladimir Bobkov, Associate Professor of the Department Economics of Customs, Candidate of Economic Sciences, Docent, e-mail: [email protected]
The article examines the concept of business intelligence, its difference from other analytical technologies, describes its main elements, shows the scope of application, and reveals its strengths. The author suggests an approach to differentiation the fields of application of several terms related to overlapping but different areas of analytical technologies
Keywords: business intelligence; analysis; BI; BI systems; visualization; data analysis; dashboards
Для цитирования: Шушаро В.Г. Бизнес-аналитика и ее использование в экономике // Учёные записки Санкт-Петербургского имени В.Б. Бобкова филиала Российской таможенной академии. 2024. № 2 (90). С. 93-97.
Среда, в которой работают современные организации, чрезвычайно сложна и нестабильна. Чтобы быстро реагировать на потребности рынка, они обращаются к различным технологиям и системам поддержки принятия решений. Организациям нужны такие интеллектуальные аналитические инструменты, которые были бы способны исследовать множество данных из различных источников и открывать новые знания для принятия решений и разработки прогнозов. Инструментом, отвечающим этим потребностям, являются современные системы бизнес-аналитики.
Бизнес-аналитика (business intelligence, BI) - это «использование данных, информационныхтехноло-гий, статистического анализа, количественных методов и математических или компьютерных моделей для того, чтобы помочь менеджерам лучше понимать свои бизнес-операции и принимать более обоснованные решения» [1, С. 32].
Другое определение BI: «Информационные технологии подготовки, мониторинга, визуального исследования и анализа данных, ориентированные на бизнес-пользователя, используемые для превращения данных в информацию, знания и озарение (insight) при поддержке принятия улучшенных управленческих решений» [2].
Определить однозначно понятие BI непросто, в силу того, что оно сложилось на стыке нескольких сфер деятельности. Считается, что этот термин впервые ввел в обиход в 1989 г. Говард Дрезнер, аналитик исследовательской фирмы Gartner Inc., связанной с разработкой информационных систем
для поддержки принятия решений. В то время в индустрии программного обеспечения использовались аббревиатуры DSS (система поддержки принятия решений) и EIS (информационная система для руководителей). Дрезнер искал термин, который оживил бы дискуссию и усилил в определении акцент на потребителе аналитики количественной информации, коим является широкий круг бизнес-пользователей.
Интерпретируя понятие BI-аналитики, важно учитывать два его основных аспекта: технический и управленческий. С технической точки зрения, BI означает набор инструментов, технологий и программных средств для сбора данных из разнообразных источников, их интеграции, анализа и совместного использования. В первую очередь, к ним относятся хранилища данных, инструменты онлайн-аналитической обработки (OLAP) и методы интеллектуального анализа данных. Хранилища данных отвечают за интеграцию различных данных из распределенных источников. В свою очередь, инструменты OLAP позволяют проводить их многомерный анализ, а методы интеллектуального анализа данных используются для обнаружения ранее неизвестных корреляций и взаимосвязей между данными.
В управленческом аспекте BI означает синергию данных, информации, процессов, инструментов и технологий для интеллектуального многомерного анализа в целях улучшения процесса принятия решений, повышения качества экспертных знаний, прогнозирования сценариев событий, создания
сети экспертов и центров компетенций. BI позволяет открывать новые знания, важные с точки зрения конкурентоспособности организации, выходить на новые рынки, приобретать новых клиентов и внедрять новые каналы продаж.
В современных условиях инструменты и методы бизнес-аналитики используются во многих отраслях в самых разных организациях для совершенствования управления взаимодействием с клиентами, маркетинговой и операционной деятельностью, человеческими ресурсами, цепочками поставок и многими другими областями. Ведущие банки используют методы BI для предотвращения мошенничества. Инвестиционные фонды используют аналитику для оптимизации портфеля, снижения риска и повышения прибыли. Розничная торговля использует аналитику для разработки индивидуальных предложений клиентам и оптимизации маркетинговых акций.
Например, российский ритейлер «Лента» внедрила BI-систему, которая собирает и обрабатывает информацию о деятельности сети: объем продаж и товарных запасов магазинов, рентабельность отдельных ассортиментных групп, эффективность работы персонала. Это позволило отказаться от статичных выгрузок информации из хранилищ данных, перейти к полностью автоматизированной обработке данных и визуализации показателей. До этого компания использовала отчеты на основе хранилища данных, которые представляли собой периодические выгрузки в формате MS Excel и требовали ручных доработок. Новая система позволила визуализировать количественные показатели. Решение позволило не только ускорить получение информации, но и дало возможность анализировать большое количество факторов, влияющих на продажи, прибыль и результаты промоакций (количество посетителей, размер наценок и скидок, размещение товара в торговом зале, упущенные продажи).
Несмотря на широкую распространенность применения методов BI в бизнесе, существует еще
одна сложность интерпретации термина «бизнес-аналитика». Это связано с широкой распространенностью таких терминов, как маркетинговая аналитика, финансовая аналитика, конкурентная аналитика, бизнес-анализ, и они используются даже чаще. Маркетинговая аналитика в первую очередь фокусируется на всестороннем анализе клиентов, сегментации рынка, прямом маркетинге, а также моделировании и прогнозировании рыночных событий. В свою очередь, финансовая аналитика предполагает интеграцию финансовой информации из многих источников, что особенно важно для инвестиционных решений и международных корпораций. Она служит, в частности, для анализа финансовой отчетности и обработки сценариев «что если» с использованием данных в режиме реального времени, таких как движение денежных средств, финансовые результаты, показатели эффективности организации. Конкурентная аналитика предполагает систематическое выявление и анализ деятельности всех конкурентов. Эти термины часто отождествляются с BI.
Еще более похожим по звучанию является термин бизнес-анализ (Business Analysis), который охватывает самую широкую гамму аналитических подходов и, наряду с Business Intelligence, согласно ВАВоК, включает управление функциональными требованиями, моделирование бизнес-процессов и данных, постановку задач для автоматизации корпоративной деятельности и прочие ракурсы [3].
Современную BI-аналитику следует рассматривать как интеграцию трех сфер (рис. 1): информационно-аналитические системы (Business Intelligence/ Information Systems), статистика (Statistics), моделирование и оптимизация (Modeling and Optimization). Хотя эти основные темы традиционны и используются десятилетиями, уникальность заключается в их пересечении.
Например, интеллектуальный анализ данных (Data Mining) направлен на лучшее понимание характеристик и взаимосвязей между переменными в больших массивах данных с использо-
Рис. 1. Функциональные области бизнес-аналитики [1, С. 36]
ванием различных статистических и аналитических инструментов. При интеллектуальном анализе данных широко используются как стандартные, так и более продвинутые статистические инструменты. Уникальность BI-аналитики в том, что она позволяет работать с огромными массивами данных, с которыми не справляются другие аналитические системы. Это свойство становится особенно востребованным в современных условиях, в эпоху больших данных.
Имитационный анализ рисков (Simulation and Risk) опирается на модели электронных таблиц и статистический анализ для исследования влияния факторов неопределенности друг на друга и на целевые показатели проекта или бизнеса.
Системы поддержки принятия решений (Decision Support Systems, DSS) начали развиваться в 1960-х годах путем объединения концепций бизнес-аналитики с компьютерными системами для поддержки принятия решений. DSS включают три компонента:
1. Управление данными. Данный компонент включает базы данных для хранения информации и позволяет пользователю загружать и извлекать данные, обновлять их и оперировать ими.
2. Управление моделью. Этот компонент включает различные статистические инструменты и научные модели управления и позволяет пользователям создавать модели, анализировать и решать задачи.
3. Система связи, которая предоставляет пользователю интерфейс для взаимодействия с первыми двумя компонентами.
Важной особенностью DSS является их способность выполнять анализ «что если» для различных комбинаций входящих параметров, соответствующих ключевым аналитическим допущениям. Анализ «что если» необходим для оценки чувствительности моделей к изменениям во входных данных и обеспечения лучшего понимания в целях принятия правильных решений.
Пожалуй, наиболее полезным элементом бизнес-аналитики, делающим ее по-настоящему уникальной, является центральное звено приведенного выше рисунка — визуализация (Visualization). Визуализация данных и результатов анализа обеспечивает способ простого обмена данными на всех уровнях бизнеса, позволяющий выявить неожиданные закономерности и взаимосвязи.
Таким образом, BI-аналитика основывается на информации, поступающей из самых разнообразных внешних и внутренних источников: баз данных, информационных систем, показателей различных регистрационных приборов, веб-сервисов. Затем аналитик обрабатывает собранные данные и преобразует полученные показатели и выявленные взаимосвязи в понятный для любого пользователя вид. При небольшом объеме исходных данных с этой задачей можно справиться с помощью Excel. Однако по мере того, как объем данных становится
слишком большим, Excel перестает справляться, и тогда организации внедряют более мощные инструменты - В1-системы.
BI-система помогает фильтровать и агрегировать данные, а потом представлять их в виде сводных таблиц, графиков и интерактивных дашбор-дов (панелей мониторинга). Конкретные показатели на дашборде BI-системы выбираются в зависимости от задач компании и отдела, для которого создается дашборд. Наиболее распространенными в настоящее время аналитическими программами являются Microsoft Power BI, Tableau, Qlik Sense, Google Data Studio, Apache Superset, Loginom и др. Однако в России сейчас активно развиваются собственные BI-системы, такие как Yandex DataLens, Форсайт, Visiology, Polymatica и другие.
Системы BI отличаются от предыдущих систем поддержки принятия решений (DSS, EIS, ES) не только архитектурой, методами построения, но, прежде всего, гораздо более широкой функциональностью. Системы BI ориентированы на поддержку различных бизнес-функций и принятие решений на всех уровнях управления с использованием передовых аналитических методов. При стратегическом планировании они позволяют фирмам точно ставить цели и контролировать их реализацию, проводить различные сравнения, например исторические, отслеживать результаты, прибыльность отдельных предложений, эффективность каналов сбыта, а также проводить моделирование и прогнозировать будущие результаты. На тактическом уровне системы BI обеспечивают основу для принятия решений в области маркетинга, продаж, финансов и управления капиталом. Они позволяют пользователям оптимизировать будущую деятельность и должным образом модифицировать организационные, финансовые и технологические аспекты деятельности предприятия, чтобы оно могло более эффективно достигать своих стратегических целей. В свою очередь, на операционном уровне системы BI используются для проведения специального анализа, ответа на вопросы, связанные с текущими показателями финансов, продаж, с состоянием сотрудничества с поставщиками, получателями и заказчиками.
Практика показывает, что организации могут разрабатывать различные модели BI, характеризующиеся различной функциональностью, диапазоном воздействия, объемом поддержки принятия решений и используемыми методами.
Развитие систем BI можно проиллюстрировать на примере так называемых пяти стилей BI, предложенных MicroStrategy [4, С.11]:
- корпоративная отчетность - заключается в создании стандартных отчетов для нужд аналитиков, отдельных специалистов и правления фирмы;
- простой анализ (Cube Analysis) - использование отдельных OLAP-кубов;
- специальные запросы и многомерный анализ - позволяют проводить углубленный анализ данных и формулировать специальные запросы;
- статистический анализ и интеллектуальный анализ данных - позволяет использовать статистические методы и алгоритмы интеллектуального анализа данных для прогнозного анализа и выявления корреляций между данными;
- отчетность и активное оповещение - предоставление отчетов, информирующих о необычных ситуациях, критических состояниях, узких местах и т. д.
Интересной областью применения В1-систем является управление процессами, где ключом к непрерывному совершенствованию процессов является постоянный мониторинг ранее определенных показателей и измерение уровня реализации ранее поставленных целей. Процессно-о-риентированные системы называются Business Performance Management - ВРМ. Они позволяют не только выявлять отклонения от запланированных показателей деятельности, но и определять причины их возникновения.
Системы ВРМ сочетают бизнес-стратегию с планированием бизнеса, прогнозированием и моделированием производственных мощностей. Они включают в себя установленные отчеты, индикаторы, дашборды, аналитические инструменты и ключевые показатели эффективности (KPI) для мониторинга и улучшения бизнес-процессов, которые устанавливаются на основе корпоративных стратегических целей. ВРМ использует различные методы, например, сбалансированную систему показателей (BSC) и пооперационный учет затрат (ABC). Многие системы ВРМ носят операционный характер, хотя новейшие решения в этой области позволяют проводить прогнозный анализ.
Наиболее полезен инструментарий В1-ана-литики в тех случаях, когда менеджеры сталкиваются с необходимостью учитывать в процессе принятия решений большой объем данных, часто из разных источников, обрабатывать исторические данные, анализировать синтетические данные, прогнозировать будущее и составлять долгосрочные планы, осуществлять постоянный контроль за выполнением предпринимаемых действий как оперативного, так и стратегического характера, быстро реагировать на изменения рынка и действия конкурентов.
В современных условиях наблюдается всплеск применения BI-аналитики, особенно в крупных и сверхкрупных компаниях.
Мировой рынок бизнес-аналитики в 2020 г. оценивался в 23,1 млрд долл. К 2026 г. этот показатель может увеличиться до 33,2 млрд долл. - ежегодный темп роста составляет 7,6 % [5]. Российский рынок BI растет еще более высокими темпами (в среднем, на 13 % в год) и составляет в настоящее время, по оценкам, размещенным на информационно-аналитическом портале TAdviser, около
60 млрд руб., включая ПО и услуги [6].
Отраслями, наиболее активно внедрявшими в 2023 г. аналитические системы, стали розничная торговля (14,2 %), электроэнергетика (12,7 %) и металлургическая промышленность (11,3 %). Реже всего BI-инструменты внедряли фармацевтика, автомобильная индустрия и горнодобы вающая промышленность: в сумме на них приходилось около 12 % внедренных проектов [6]. Большой импульс развитию российского рынка В1-систем был придан проходящим в нашей стране процессом импортозамещения. Так, если в 2021 г. доля отечественного ПО на российском рынке составляла не более 10 %, то в настоящее время она находится в диапазоне 35-45 %, а к концу 2026 г. прогнозируется ее увеличение до 63-65 % [6]
Всплеск интереса к BI-аналитике во всем мире вызван несколькими причинами, важнейшей из которых, несомненно, является цифровая трансформация бизнеса, взрывной рост информации и наступление эпохи больших данных. По оценке экспертов Fortune Business Insights, рынок больших данных ежегодно растет на 13,4 %, ожидается, что к 2029 г. он увеличится до 655,53 млрд долларов [7]. Лидерами по использованию больших данных и В1-систем являются розничная торговля и финансово-кредитные организации.
Так, например, сети Н&М большие данные помогли проанализировать продажи в региональном разрезе и сформировать индивидуальный ассортимент для каждого магазина. Чтобы повысить рентабельность своих магазинов в условиях жесткой конкуренции с онлайн-торговлей, Н&М построила модель на нейросети. Это позволяет отслеживать тенденции в разных регионах, сопоставлять их с данными о продажах в каждом магазине и строить рекомендации о том, какие товары и в каком количестве должны быть в каждом магазине сети. Если до эксперимента матрица ассортимента во всех магазинах была одинаковая, сейчас в каждом магазине она индивидуальная. Складские запасы при этом снизились на 40 %, но магазины не потеряли в выручке и сократили издержки» [7].
Другой пример - российская сеть цифровой и бытовой техники Ситилинк. Внедренная инфраструктура позволила ей выстраивать сквозную аналитику, отслеживая конверсии на всех этапах от просмотра товара до заказа на сайте, а далее -от обработки заказа до его выдачи в торговых точках. Благодаря этому менеджеры видят теперь влияние каждого подразделения компании на общий результат продаж, получили возможность прогнозировать ежедневный оборот, автоматизировать ценообразование, определять эффективность маркетинговых акций, принимать крупные стратегические решения [8].
Еще один интересный пример использования современных технологий сбора и аналитической обработки большого объема данных можно
наблюдать в деятельности ПАО «РЖД», которое в 2019-2020 гг. внедрило программный комплекс ежесуточного автоматизированного сбора отчётных показателей для менеджмента компании. Комплекс получает информацию от 46 информационных систем, ежедневно собирает и обрабатывает более 270 тыс. показателей, формирует каж дый день более 275 отчетных форм для разных уровней управления и направлений деятельности компании. Объем информации, обрабатываемый ежедневно, превышает 1 терабайт. Запуск проекта позволил снизить долю информации, собираемой вручную, с 20 % до 0,4 % от общего количества обрабатываемых показателей. Система обеспечивает первичную обработку и хранение данных, их трансформацию и очистку, формирование форм аналитической отчетности, управление качеством данных, т.е. опирается на все те возможности, которые предоставляются современными В1-система-ми [9].
Второй важной причиной роста интереса к BI-аналитике является расширение сферы применения визуализации аналитических отчетов при принятии управленческих решений.
Мировые лидеры рынка BI-систем позволяют не только представить данные в виде статичного отчета, но и открывают возможности по проведению продвинутой визуальной аналитики. Сейчас уже не достаточно просто красивых дашбор-дов. Что действительно ценится в сфере Business Intelligence - это интерактивное и многослойное представление данных, возможность исследовать данные: переключиться с одного параметра на другой, изучать данные в разных разрезах, выбирая требуемые категории и устанавливая необходимые фильтры. Оживив таким образом дашборд, бизнес-пользователи получают готовый инструмент для анализа показателей компании и принятия обоснованных решений.
Третья причина роста интереса к В1-аналити-ке связана с совершенствованием технологий хранения и обработки данных, появлением соответствующей инфраструктуры (облачные хранилища, BI-платформы). Они позволяют собирать полные, точные и организованные данные компании в одном месте, создавать настраиваемые под свои потребности дашборды для визуализации и аналитики данных, ускорять работу по обработке данных, повышать качество их оценки, проводить операционный, тактический и стратегический анализ и планирование.
Конечно, использование BI-аналитики в современных условиях дает большие преимущества бизнесу, а в отдельных случаях даже является критически важным для него. Однако нельзя не отметить
и проблемы, которые тормозят ее распространение. Так, зарубежные бизнесмены называют следующие барьеры: ограниченность доступа к данным (в частности, охрана персональных данных), трудности в интерпретации результатов анализа, недостаточная нацеленность руководителей компаний на использование аналитики, отсутствие необходимых организационных технологий. Российский бизнес отмечает неразвитость облачных BI-сервисов, высокую стоимость проектов внедрения, дефицит ИТ-специалистов.
Таким образом, Business Intelligence - это особое направление аналитики, возникшее на стыке информационно-аналитических систем, статистических методов обработки данных, технологий моделирования и оптимизации с целью поддержки принятий решений. В1-ана-литика трансформирует многообразные данные в информацию, необходимую для проверки гипотез и принятия управленческих решений. Компании, которые используют инструменты BI, располагают полными и точными актуальными данными. Это дает им детальную картину текущего состояния бизнеса, позволяет выявлять проблемы и резервы, разрабатывать оптимальные планы развития.
Библиографический список:
1. James R. Evans. Business Analytics: Global Edition, 2020. 704 c.
2. Артемьев В. Business Intelligence - двадцать лет спустя // Открытые системы, 2023 №5. URL: https:// www.osp.ru/os/2023/03/13057588 (дата обращения: 02.11.2023).
3. ВАВОК v3. Руководство к своду знаний по бизнес-анализу, 2015. 578 с.
4. The 5 Styles of Business Intelligence. Industrial Strength Business Intelligence. A White Paper Prepared by Micro Strategy, 2014. 87 c.
5. Josh Howarth. 20+ Business Intelligence (BI) Statistics for 2024. URL: https://explodingtopics.com/blog/ bi-stats
6. Business Intelligence (рынок России). URL: https:// www.tadviser.ru/index.php/BI
7. Современный бизнес и Big Data: анализ применений, результатов и перспектив в крупных компаниях и малом бизнесе. URL: https://dzen.ru/a/ ZG5BkcHKIDSQfYQW
8. Большие данные в ритейле. URL: https:// data.korusconsulting.ru/press-center/blog/ bolshie-dannye-v-riteyle/
9. Большие данные для оперативного управления. URL: https://data.korusconsulting.ru/press-center/blog/ bolshie-dannye-dlya-operativnogo-upravleniya/
