Аналитическая среда

Правый овал на рис. 3.5 обозначает среду отчетности/сообщений и анализа, которая предназначена для бизнес-пользователей, использующих множество разнообразных инструментов для генерирования запросов, сообщений и отчетов, анализа, добычи данных, визуализации и, самое важное, выполнения операций с данными в среде хранения данных.

Инструменты для генерирования сообщений

Инструменты для генерирования сообщений позволяют опытным пользователям и разработчикам генерировать заказные запросы и представлять полученные результаты в стандартном формате типовых сообщений, таких как детализированные отчеты или счета и банковские выписки установленной формы. Десять—двадцать лет назад большинство стандартных бизнес-сообщений писалось вручную на одном из языков программирования, печаталось на бумаге и рассылалось по почте, со скоростью улитки. Но теперь продавцы предлагают новые мощные инструменты для генерирования сообщений, реализуемые на самых разных платформах (в частности, это Windows, We-b-Сети и большие универсальные компьютеры) и способные воспринимать данные от многих систем-источников. Инструменты теперь генерируют онлайновые сообщения, с которыми пользователи могут взаимодействовать, задавая связи с субсообщениями («связанные сообщения») или выбирая нужные параметры в раскрывающихся окнах списков («параметризованные сообщения»). Многие инструменты для генерирования сообщений работают теперь по принципу настольной издательской системы и позволяют разработчикам сообщений и опытным пользователям легко и быстро создавать заказные сообщения.

Самые первые инструменты для генерирования отчетов во многом напоминали сегодняшние инструменты для хранения и интеграции данных. Они выполняют выборку, объединяют и очищают данные, поступающие из многих систем-источников, помещают их в большой файл отчетов и хранят его на центральном сервере. Многие финансовые, управленческие и административные отчеты и сейчас проходят этот путь. К сожалению, многие руководители путают свои системы производственной отчетности 15-летней давности с полноценной средой бизнес-анализа. Они полагают, что, если они ежегодно тратят сотни тысяч долларов на генерирование стандартных отчетов, значит, они уже «выполняют» бизнес-анализ. И их трудно убедить в том, что, не обеспечивая пользователям своевременный доступ к достоверной информации, то есть чему-то такому, чего обычно не бывает в стандартных и производственных отчетах, они теряют деньги и конкурентоспособность.

И если в своих ранних версиях инструменты для генерирования отчетов создавали статические отчеты, теперь многие из них могут генерировать интерактивные отчеты, которые по своим функциям, с точки зрения конечного пользователя, очень похожи на инструменты для генерирования запросов и отчетности. Например, параметризованные отчеты создают у пользователя впечатление быстрой обработки поступающих запросов, хотя в действительности просто выполняется фильтрация уже существующего большого отчета. Понятно, что один такой параметризованный отчет с многими фильтрами может заменить сотни или даже тысячи заказных отчетов, тем самым освобождая конечных пользователей от необходимости обращаться в ИТ-отдел за помощью в составлении заказных отчетов (см. рис. 3.6).

Инструменты для генерирования запросов и отчетности

Версии инструментов для генерирования отчетов, предназначенные для конечных пользователей, называются инструментами для генерирования запросов и отчетности. Они предлагают пользователям заранее определенные темы запросов, что избавляет их от необходимости осваивать язык SQL или сложности странствий по закоулкам разных сетей и баз данных. При наличии семантического слоя конечные пользователи просто перетаскивают элементы данных на «панель запросов» и щелкают на кнопке «Submit» («Отослать»). Результаты они получают в виде строк и столбцов (то есть в табличном формате), так что их легко представить в виде диаграмм или, если необходимо, применить другое форматирование. Среди продавцов, первыми начавших поставлять конечным пользователям инструменты для генерирования запросов и отчетности, отметим компании Business Objects и Cognos.

Инструменты онлайновой аналитической обработки

Инструменты онлайновой аналитической обработки (OLAP), в сущности, представляют собой крупноформатные электронные таблицы на стероидах. Но если в крупноформатных электронных таблицах данные хранятся в плоскостной структуре (в двух измерениях), то в системах онлайновой аналитической обработки данные хранятся в многомерных структурах в специализированной базе данных (см. рис. 3.7). Прелесть этих инструментов в том, что они позволяют запрашивать данные в ходе привычных для бизнеса размышлений — в определенных измерениях. И если инструменты для генерирования запросов и отчетности вынуждают пользователей выбирать таблицы, строки и столбцы, образующие элементы баз данных, то инструменты для генерирования запросов и отчетности позволяют им выбирать метрики и параметры, являющиеся элементами бизнеса. Типичный запрос OLAP может быть, например, таким: «Показать чистую прибыль с разбивкой по изделиям, каналам, географическим признакам и времени». Подобно электронным таблицам, инструменты онлайновой аналитической обработки позволяют пользователям выполнять над данными сложные вычисления и создавать иерархии в пределах каждого измерения. Пространственная иерархия может быть, например, такой: регион, страна, область, район, город, офис. Временная иерархия может быть, например, такой: год, квартал, месяц, неделя, день.

Однако, в отличие от электронных таблиц, инструменты онлайновой аналитической обработки содержат намного больше данных, потому что они реализуются на специализированной многомерной базе данных. Работают они быстро (время реакции по большинству запросов составляет доли секунды), позволяя пользователям обрабатывать данные практически со скоростью мысли. Интересно, что пользователи, как правило, не могут явно обозначить различия между параметризованным отчетом и приложением для онлайновой аналитической обработки: ведь то и другое обеспечивает гибкую навигацию. Главное различие заключается в том, что пользователи приложений онлайновой аналитической обработки перемещаются в многомерной (параметризованной) базе данных, в то время как пользователи параметризованных сообщений перемещаются по фильтрам запросов, указанным разработчиком отчетов. Поэтому параметризованные отчеты идеально подходят для случаев наложения на систему навигации пользователя более крупной структуры, а «кубики» онлайновой аналитической обработки лучше использовать, если вы хотите открыть пользователям беспрепятственный доступ к заранее определенному массиву данных.

Традиционные недостатки баз данных онлайновой аналитической обработки — это, во-первых, то, что они удерживают лишь сравнительно небольшие объемы данных (но намного больше, нежели крупноформатные электронные таблицы), а также то, что они реализуются на особых базах данных, которые, вообще говоря, могут не соответствовать ИТ-архитектуре вашей компании. Чаще всего для заполнения инструментов онлайновой аналитической обработки данными требуется много времени, потому что они сразу же выполняют расчет результатов для каждой «точки пересечения» размерности и иерархического уровня. Поэтому на практике они могут хранить лишь обобщенные данные. Однако в последние годы поставщики добились серьезных прорывов в масштабируемости и вычислительной мощности серверов онлайновой аналитической обработки. И теперь многие компании изучают возможности замены витрин данных, построенных по схеме «звезда», серверами онлайновой аналитической обработки, поскольку последние теперь обладают такой же масштабируемостью.

Инструменты для добычи данных

Инструменты для добычи данных, иначе называемые инструментами поиска знаний в базах данных (KDD), представляют собой высокоспециализированные инструменты для статистиков и опытных бизнес-аналитиков. Эти инструменты автоматически «добывают», или, лучше сказать, выявляют наличие закономерностей в массивах данных и генерируют соответствующие статистические модели и правила. При этом, в отличие от инструментов для генерирования запросов и отчетности и аналитических инструментов, которые требуют, чтобы пользователь с самого начала отталкивался от какой-либо прослеживаемой в данных гипотетической тенденции, инструменты добычи данных не нуждаются в таких предположениях.

Используя сложные методы статистического анализа и добычи данных, например нейронные сети, древовидные структуры решений и линейный регресс, эти инструменты выявляют в массивах данных закономерности, для самостоятельного выявления которых традиционными средствами пользователям понадобились бы дни или даже недели (и это при условии, что они вообще смогли бы их обнаружить!). Некоторые поставщики уже продают инструменты для добычи текстовых данных, которые могут обнаруживать закономерности в документах и, в частности, в текстовых документах, например в переговорах справочно-информационного центра, на сетевых форумах и веб-страницах. Те и другие инструменты трансформируют эти закономерности в правила и алгоритмы (то есть «модели»), которые можно применять к другим данным для прогнозирования, классификации, сегментирования и выработай рекомендаций. Например, некоторые компании используют модели добычи данных для выявления мошеннических операций с кредитными картами, прогнозирования поломок оборудования и составления списков рекомендуемых изделий для новых и уже существующих клиентов.

По данным исследований уже упоминавшейся фирмы IDC, рентабельность инвестиций в прогностические приложения для добычи данных почти в пять раз выше, чем в непрогностические приложения, использующие стандартные инструменты для генерирования запросов и отчетности и аналитические инструменты. Их недостатком, по ее же данным, является то, что для их развертывания требуются высококлассные, а значит, дорогостоящие специалисты и специальное программное обеспечение, так что их развертывание и обслуживание обходятся почти вдвое дороже, нежели для других аналитических приложений.

Дата добавления: 2015-04-29