Информационно-аналитические системы Куликова С В Роль и

Информационно-аналитические системы Куликова С. В.

Роль и место анализа в процессе принятия решения На успех ведения дела влияют как объективные, так и субъективные факторы. К объективным факторам можно отнести: закономерности протекания хозяйственных процессов, правовую среду, неписаные правила и традиции ведения дел, экономическую конъюнктуру и т. д. Большое значение имеет субъективный фактор, под которым будем понимать влияние на ход бизнеспроцессов работников предприятия и в особенности лиц, принимающих решения (ЛПР).

Роль и место анализа в процессе принятия решения Одной из первостепенных задач при подготовке и принятии решений является анализ имеющейся в распоряжении ЛПР информации, который является фундаментом обоснования решения. Объемы информации, необходимой и используемой принятии решений, достигают десятков и сотен мегабайт, а в крупных корпоративных и общегосударственных системах и терабайт ( байт). Информация характеризуется многоплановостью, сложностью отображаемых объектов и систем, а также связей между объектами, явлениями и процессами, скрытостью закономерностей.

Роль и место анализа в процессе принятия решения Эти обстоятельства вынуждают использовать имеющиеся в настоящее время весьма развитые программно-технические средства. Широкое и эффективное применение этих средств стало одним из факторов выживаемости и успеха предприятия в условиях острой конкурентной борьбы. Получили широкое распространение автоматизированные информационные системы, которые в последние годы чаще называют информационные системы, подразумевая, что без автоматизации их просто невозможно представить.

Информационно-аналитическая система Это комплекс аппаратных, программных средств, информационных ресурсов, методик. Информационно-аналитическая система - автоматизированная система, позволяющая экспертам быстро анализировать большие объемы данных, как правило является одним из элементов ситуационных центров. Так же, иногда в состав ИАС включают систему сбора данных.

Типовые задачи, решаемые с помощью ИАС (1) Составление консолидируемой отчетности и предоставление сводной информации о деятельности предприятия (финансовые, производственные и другие показатели, динамика их изменений и тенденции). Анализ финансовой деятельности (основные финансовые показатели, тенденции, взаиморасчеты), оптимизация финансовых потоков. Анализ деятельности предприятия, его филиалов и подразделений (анализ доходности, затрат, выполнения плана)

Аспекты, проблемы анализа и их реализация в программных продуктах

Проблема аналитической подготовки принятия решений имеет следующие аспекты: извлечение из многих источников разнородных данных, представленных в различных форматах и приведение их к единому формату и единой структуре; организация хранения и предоставления пользователям необходимой для принятия решений информации; собственно анализ, в том числе оперативный и интеллектуальный, и подготовка плановой или регулярной оценки состояния управляемого объекта в виде бумажных документов или экранных форм; подготовка результатов оперативного и интеллектуального анализа для эффективного их восприятия потребителями и принятия на основе адекватных решений.

Концепция информационных хранилищ (Data Warehouse) Аспект, касающийся сбора и хранения информации с сопутствующей доработкой, оформился в концепцию информационных хранилищ (Data Warehouse). Эта концепция состоит в том, что сведения о деятельности предприятия или иного объекта хозяйственной или иной деятельности накапливаются в течение длительного периода времени (годы) в информационном хранилище по определенным правилам. Накопленные данные используются в различных временных режимах для анализа, как источник данных для разного рода отчетности и работы с партнерами (Reporting) и обоснования управленческих решений.

OLAP оперативный анализ данных (информации), широко распространена аббревиатура англоязычного названия – On-Line Analytical Processing – OLAP. Основной задачей оперативного или OLAP-анализа является быстрое (в пределах секунд) извлечение необходимой аналитику или ЛПР для обоснования или принятия решения информации.

Интеллектуальный анализ информации Data mining Интеллектуальный анализ информации – имеет также широко распространенное в русской специальной литературе англоязычное название Data mining. Предназначен для фундаментального исследования проблем в той или иной предметной области. Требования по времени менее жестки, но используются более сложные методики. Ставятся, как правило, задачи и получают результаты стратегического значения. При решении сложных задач в режиме Data mining приходится использовать весьма мощные специальные программные средства или, как говорят, инструменты.

Средства автоматизации анализа представлены в различных видах 1. 2. Комплексные информационно-аналитические системы, выполняющие в той или иной степени функции в соответствии с рассмотренными аспектами. Целевые программные системы, выполняющие в увеличенном объеме, расширенном составе и повышенной сложности какие-либо функции, например оперативного или интеллектуального анализа.

Рынок Business intelligence (BI) инструментальные средства создания и поддержки OLAP-систем, информационные хранилища (DWH), СППР (DSS), Системы интеллектуального анализа Data mining (DMg)

Особенности ИАС 1. 2. 3. 4. приспособлены для обработки многомерных массивов информации; имеют также возможность импорта/экспорта данных в другие операционные среды, развитые средства визуального двумерного (2 D) и трехмерного (3 D) представления информации. Модули, предназначенные для выполнения функций OLAP– анализа, входят также и в состав интегрированных информационных систем (ИИС) (системы, выполняющие весь комплекс автоматизации работ в информационном пространстве экономического или какого-либо другого объекта). Наиболее развитые ИАС выполняют функции и оперативного и интеллектуального анализа.

Функциональный состав и место ИАС в обеспечении предприятия IT-технологиями СППР(DSS) ИСКИ(EIS) Витрины данных (Data Mart) Пла-новые доку-менты Оперативный анализ OLAP Интеллектуальный анализ (Data mining) Информационное хранилище (Data Warehouse) Драйверы – преобразователи форматов ОБД в формат информационного хранилища (промежуточный слой) АСУ ТП САПР ЭИС ЭСУДО Автоматизированные рабочие места (АРМ-ы) Внешние источники информации

АСУ ТП – автоматизированные системы управления технологическими процессами. САПР – системы автоматизированного проектирования. ЭСУДО – электронные системы управления документооборотом. ИИСУП – интегрированные системы управления предприятием. ИАС играет объединяющую роль, консолидирует разрозненные IT-технологии в единую интегрированную информационную систему управления предприятием (корпорацией), как ее называют ИИСУП

Данные в ИАС строятся на основе оперативных данных, получаемых в режиме реального времени из оперативных систем, автоматизирующих основные бизнес-процессы организации, а так же других внутренних и внешних источников данных, которые могут понадобиться принятии стратегических решений.

Типовые задачи, решаемые с помощью ИАС (1) Составление консолидируемой отчетности и предоставление сводной информации о деятельности предприятия (финансовые, производственные и другие показатели, динамика их изменений и тенденции). Анализ финансовой деятельности (основные финансовые показатели, тенденции, взаиморасчеты), оптимизация финансовых потоков. Анализ деятельности предприятия, его филиалов и подразделений (анализ доходности, затрат, выполнения плана)

Типовые задачи, решаемые с помощью ИАС (2) Проведение комплексной оценки деятельности предприятия, основанной на постоянном контроле наиболее существенных ее аспектов: финансов, отношений с партнерами и клиентами, внутреннего состояния компании, темпов развития. Анализ оперативных процессов (маркетинговые компании, контроль исполнения планов, взаиморасчеты, прогноз поступления средств, прогноз спроса)

Классификация ИАС (исходя их управленческих задач) 1. 2. ИАС верхнего уровня – предназначены для руководителей верхнего звена и служат для принятия стратегических решений. Требование: должны обеспечивать возможность систематизации, обобщения и прогнозирования данных. ИАС подразделений – предполагают большую детализацию данных и более сложную аналитическую обработку. Помогают подготовить информацию в области сбыта, продуктового предложения, финансового планирования и т. п.

Задачи ИАС 1. 2. 3. Эффективное хранение информации. Решается за счет наличия в составе ИАС системы хранилища данных, в котором аккумулируются данные целого ряда источников. Обработка и объединение информации. Решается с помощью инструментов извлечения, преобразования и загрузки данных. Анализ данных. Осуществляется при помощи современных инструментов делового анализа данных.

ИАС в отраслях (по данным IBM) Повсеместное применение аналитики может помочь предприятиям достичь следующих результатов: расширить базу заказчиков, сохранить их и обеспечить их удовлетворенность; преобразовать финансовые процессы; управлять рисками, предотвращать мошенничество и соблюдать требования; повысить эффективность работы;

ИАС в отрасли банковского дела и страхования Банки и страховые компании переполнены объемами данных, хранящихся в финансовых и операционных системах корпоративных офисов и местных подразделений. Внедрение ИАС: Повышает эффективность работы с исками и заявками, обслуживание заказчиков, и общей производительности Углубленные знания о заказчиках предоставляют возможность обеспечить лояльность путем предоставления нужных продуктов и услуг.

Пример 1 Money. Gram International, ведущая служба платежей, использует мощную алгоритмическую программную платформу для того чтобы помочь руководителям лучше понять, кто пользуется услугами компании. Это знание помогло компании предотвратить мошеннические транзакции на сумму более 37, 7 миллионов долларов, сократить число жалоб заказчиков на мошенничество на 72 процента и быстро выполнять нормативные требования.

Пример 2 Westfield Insurance поднялась на уровень выше благодаря аналитике. Эта страховая компания работала не только над обновлением своих бизнес-технологий, но и над внедрением процессов управления изменениями, с помощью которых персонал научился использовать информацию стратегически. Теперь компания может более уверенно выбирать риски и управлять ими, продвигать и продавать свои продукты более эффективно.

Пример 3 Primerica использует платформу бизнес-аналитики IBM Cognos для улучшения своего портала "Primerica Online", который предоставляет возможность активно исследовать большие объемы важной бизнесинформации. Страховые агенты могут работать с этой информацией динамически, приобретая знания, на получение которых до улучшения портала требовалось тратить много времени и труда - если такие знания вообще было возможно получить.

Аналитика в отрасли здравоохранения Организации сферы здравоохранения используют аналитику для тщательной обработки огромных объемов данных и улучшения понимания взаимосвязей между различными симптомами, заболеваниями и лечением. Они действительно могут прогнозировать результаты, сопоставляя и анализируя такие данные, как демография пациентов, диагностическая информация и клинические данные, что позволяет определять и составлять более эффективные курсы лечения и, следовательно, обеспечивать более персонализированный уход. Кроме того, аналитику в лечебных учреждениях можно применять для повышения эффективности работы и улучшения управления производительностью.

Пример 1 Технологический институт Университета Онтарио использует первую в своем роде потоковую вычислительную платформу, разработанную для захвата и анализа данных с медицинских измерительных приборов в реальном времени, которая оповещает персонал больницы о возможных заболеваниях до появления клинических признаков заражения или других симптомов.

Пример 2 Novartis AG совместно с IBM разрабатывает глобальную основную систему управления хранением данных (GMRM), которая помогает компании сохранять необходимые экономические и юридические данные и избавляться от ненужных данных. Компания Novartis снизила риски возбуждения судебных процессов и несоблюдения требований законодательства, а также повысила соответствие стандартам аудита и улучшила реакцию на юридические запросы.

Пример 3 Seton Healthcare использует решение IBM для сокращения числа случаев повторной госпитализации пациентов, которые болеют застойной сердечной недостаточностью. Решение интегрирует различные типы данных, позволяя докторам обеспечивать лучший уход за пациентами во время и после госпитализации. Концентрируясь на пациентах, которым, скорее всего, предстоит повторная госпитализация, Seton Healthcare улучшает результаты и контролирует затраты.

Аналитика в отрасли розничной торговли В отрасли розничной торговли ключом к успеху является понимание каждой грани характера заказчика. ИАС помогает розничным торговцам увидеть скрытые шаблоны в информации о заказчике, отслеживать его мнение, прогнозировать тенденции рынка и предоставлять заказчикам то, что им нужно, тогда, когда им это необходимо, и в требуемом месте. Применяя аналитику как на корпоративном уровне, так и на уровне торговых точек, розничные торговцы могут повысить эффективность работы, осведомленность цепочек предложения товаров и обеспечить более интеллектуальный опыт совершения покупок.

Пример 1 Con. Agra Mills обеспечивает конкурентоспособность своего бизнеса по продаже предметов потребления благодаря аналитике. Эконометрические модели позволяют компании оптимизировать производство на всех заводах и увеличить маржу операционной прибыли. Теперь компания может систематически прогнозировать спрос и снижать ценовой риск, что повышает ее ценность и репутацию в глазах заказчиков.

Пример 2 Интернет-компания розничной торговли wehkamp. nl разработала комплексную программу изменения фокусировки, которая обеспечивает релевантность, повышает осведомленность о торговом знаке и обеспечивает значительный рост эффективности продаж с помощью рекламы, электронных сообщений и рекомендаций продуктов на сайте.

Пример 3 Elie Tahari использует программное обеспечение IBM Cognos для создания среды формирования отчетности, с помощью которой компания в реальном времени получает информацию о расценках и запасах для сквозных продаж. Благодаря этой информации компания может оптимизировать решения о предоставлении товара на уровне магазина и обеспечить наличие наиболее популярных фасонов в нужном месте в нужное время.

Новые аналитические инструменты В эту эпоху больших объемов данных организации должны быть способны в полной мере использовать источники данных и содержимого для получения новых знаний. Руководителем необходимо принимать решения, основанные не только на оперативных данных и демографии заказчиков, но и на отзывах заказчиков, данных из контрактов и соглашений и других типов неструктурированных данных или содержимого. Необходим переход от корпоративных данных к большим объемам данных с помощью платформы уровня предприятия для больших объемов данных. Используется программное обеспечение и инструменты для бизнес -аналитики, например для прогностической аналитики, анализа социальных сред, анализа текста, бизнес-аналитики и другие аналитические приложения.

Платформы для больших объемов данных 90% данных в сегодняшнем мире созданы только за последние два года в большинстве организаций данные распределены по фрагментированным системам. Существующие системы с трудом справляются со сложными новыми источниками данных, например с потоковой передачей данных и видеозаписями. И информация ненадежна. Внедрение информационной стратегии использования больших объемов данных, основанных непосредственно на стратегии бизнеса, интеграция данных в масштабах предприятия и введение четких процессов управления информацией могут повысить достоверность данных. Платформы для больших объемов данных дают возможность управлять объемом, скоростью роста и разнообразием как внутренней, так и внешней информации для получения новых, углубленных знаний, которые могут создать конкурентное преимущество.

Прогностическая аналитика Окупаемость решений в области бизнес-аналитики со встроенной прогностической аналитикой составляет около 250% Лицам, принимающим решения, необходимо иметь возможность обнаруживать и анализировать тенденции, шаблоны и отклонения. Планировать ресурсы, выделять на них бюджет и прогнозировать потребность в них. Сравнивать сценарии типа "что если". Прогнозировать угрозы и возможности. Выявлять и измерять подверженность риску, а также реагировать на нее. ИТ-системы и программное обеспечение могут помочь выполнить эти задачи. Прогностическая аналитика создает возможность использования всех имеющихся структурированных и неструктурированных для построения прогнозирующих моделей. Наблюдая возникающие тенденции и шаблоны, скрытые в данных, компания сможет принимать наиболее эффективные решения. Приложения социальных сред предоставляют возможность анализировать мнения заказчиков, ассоциации с продуктом и торговым знаком, а также новые темы обсуждений, связанные с вашей организацией или рынком.

Анализ содержимого (контента) 80% данных в организациях являются неструктурированными. Этот показатель растет в два раза быстрее, чем растет объем структурированных данных. ПО позволяет искать, оценивать и извлекать смысловую информацию, скрытую в больших объемах данных из электронных сообщений, документов, сообщений из чатов и в других неструктурированных данных. ЛПР могут использовать эти знания для того чтобы быстрее принимать более взвешенные решения. Например, позволяет больнице выявлять пациентов, которым, скорее всего, потребуется повторный прием, и проводить заблаговременное вмешательство для сокращения расходов и снижения числа летальных исходов, а также повышения качества жизни пациентов.

Основные понятия и определения Анализ – функция управления, которая позволяет распознать сложившуюся экономическую ситуацию как внутри, так и вне объекта управления. Данные – представление, понятий или инструкций в формализованном виде, подходящих для связи, интерпретации или обработки людьми или автоматизированными средствами. Любое представление, такое как буквы или аналоговые величины, для которых есть или должно быть определено значение. Документированная информация (документ) – зафиксированная на материальном носителе информация с реквизитами, позволяющими ее однозначно идентифицировать (ФЗ закон «Об информации, информационных технологиях и о защите информации» )

Основные понятия и определения Интеграция данных – позволяет представить корпоративные данные из разрозненных источников в виде цельной картины, обеспечивающей полноту и удобство доступа к ним. Интеллектуальная советующая система (ИИС) – информационная система, предназначенная для воссоздания опыта и знаний профессионалов высокого уровня и использования этих знаний в процессе управления. Информационное пространство – совокупность банков и баз данных, технологий их сопровождения и использования, информационных телекоммуникационных систем, функционирующих на основе общих принципов и обеспечивающих информационное взаимодействие организаций и граждан и удовлетворение их информационных потребностей.

Основные понятия и определения Информационный ресурс (ИР) – совокупность данных, организованных для эффективного получения достоверной информации. ИР часто определяют как документы и массивы документов, хранимые в информационных системах. Консолидация данных – при консолидации данные извлекаются из разрозненных источников и загружаются в единое постоянное хранилище, чаще всего корпоративное хранилище данных. При этом обеспечивается единство структуры данных. Куб – многомерная база данных, хранящая два вида полей: измерения и факты в иерархической структуре, оптимизированной для мгновенного получения агрегатов фактов на пересечении значений (или членов) измерений.

Основные понятия и определения Менеджер загрузки- выполняет операции, связанные с извлечением и загрузкой данных в хранилище. Менеджер хранилища – выполняет операции, связанные с управлением информацией, помещенной в хранилище данных. Метаданные – это данные о данных. Метаданные сами по себе не несут информации, но описывают атрибуты данных в хранилище.

Основные понятия и определения Область активных измерений – строки и столбцы OLAPтаблицы. Область неактивных измерений (фильтры) –область, содержащая измерения, не отображенные в OLAPтаблице, но влияющие на представленные в ней данные. Область фактов – таблица с числовыми данными, над которыми выполняются вычисления. Оперативные базы данных (OLAP ) – используются предприятиями для поддержания их повседневной деятельности, для отслеживания информации, с которой они имеют дело в процессе решения оперативных задач. Хранилище данных – крупная предметно-ориентированная информационная корпоративная база данных, предназначенная для подготовки отчетов, анализа бизнеспроцессов и поддержки принятия решений.

Основные понятия и определения Business intelligence (BI) — бизнес-анализ, бизнесаналитика. Под этим понятием чаще всего подразумевают программное обеспечение, созданное для помощи менеджеру в анализе информации о своей компании и её окружении.