Зачем использовать power bi для аналитики и как начать работу с сервисом

Вместо заключения

Power BI — это очень интересный и полезный инструмент. Вот краткий список того, для чего мы используем этот продукт в работе нашего агентства:

• Интерактивные отчеты для клиента. Клиентам нравится. Все наглядно, понятно. Всегда можно сравнить периоды между собой и сделать выводы. Если клиент хочет что-то добавить, например, выгрузку из своей CRM, это занимает минимум времени. Ежемесячное обновление данных в отчете занимает где-то минуту. Плюс, конечно, время на написание выводов. Пример выше.
• Еженедельное сравнение результатов по трафику наших клиентов. У нас есть свой дашборд, который каждый понедельник показывает нам сравнение количества визитов из поисковых систем по всем сайтам, которые у нас в работе. Отмечает, кто из клиентов подрос, а кто наоборот. Все это очень хорошо помогает своевременно реагировать и корректировать стратегию работы. Разумеется, все это можно глянуть, например, в GA. Но с дашбордом быстрее. Намного.

Управленческая отчетность. Дашборд со статистикой по всем клиентам. Позволяет оценить общую динамику по всем проектам агентства. Посмотреть, как дела с выполнением KPI. Понять, по каким проектам есть проблемы и где нужно принять меры.

Кроме того, есть слайд с похожей информацией по позициям в поисковых системах.

Конечно, куда же без информации по деньгам. Можно посмотреть оборот. Сделать срез по новым деньгам и суммам, полученным за счет роста среднего чека по текущим клиентам. Посмотреть маржинальность проектов и понять, на что именно идут основные затраты.

Ну и по всем перечисленным параметрам отфильтровать до уровня конкретного аккаунта, SEO-специалиста, сэйла.

Используйте составные элементы с последовательной структурой.

После того, как мы определились с сеткой, можем начать работу с несколькими «виджетами», которые будут содержать информацию, диаграммы и элементы управления. Такую панель легко настроить. Самое главное в панели то, что ей можно практически бесконечно манипулировать. Она является хорошим выбором для адаптивного дизайна, поскольку работает как хранилище контента, которое легко масштабируется вверх или вниз.

Важной характеристикой панели является последовательное расположение элементов управления и данных внутри. Поместите название в верхний левый угол, выровняйте элементы управления просмотром и действий по правому верхнему углу карточки, а остальное оставьте для содержимого

Когда все имеет последовательную структуру, пользователям легче работать с интерфейсом — они находят всё там, где и ожидают.

Использование предложенного выше макета дает дополнительные преимущества в гибкости, когда дело доходит до адаптивного дизайна или настройки пользовательского интерфейса. Пока карта меняет свой размер, все основные компоненты остаются привязанными к определенным местам. Это также выгодно для разработчиков и общей масштабируемости ваших проектов в будущем.

Появление качественных данных после внедрения BI

Инструментальные и оценочные панели, предоставляющие некачественные данные, не просто неэффективны — они подрывают доверие между бизнес-пользователями. Таким образом, успех BI связан с интегрированностью данных. Поскольку от качества данных может зависеть корпоративная репутация, бизнес-пользователи сегодня поддерживают проекты, направленные на решение этой проблемы.

Большинство организаций используют несколько источников данных для получения исчерпывающего представления о потребителях, процессах, факторах риска и эффективности. Одна из проблем, существующих сегодня — зависимость администрации корпорации от данных, предоставляемых ей компаниями-клиентами. Поскольку еще не во всех отраслях существуют общепринятые стандарты, данные могут подаваться в разнообразных форматах. Поля данных и терминология отличаются от компании к компании. Таким образом, компании, получающей данные от своих клиентов, приходится тратить много времени и ресурсов для повышения качества этих данных.

BI-платформы

BI-платформы предлагают наборы инструментов для создания, внедрения, поддержки и сопровождения BI-приложений. Имеются насыщенные данными приложения с «заказными» интерфейсами конечного пользователя, организованные вокруг специфических бизнес-проблем, с целевым анализом и моделями. BI-платформы, хотя и не так быстро растут и широко используются как EBIS, являются важным сегментом благодаря ожидаемому и уже происходящему росту BI-приложений. Стараниями поставщиков реляционных СУБД, создающих OLAP-расширения своих СУБД, многие поставщики платформ, которые предоставили многомерные СУБД для OLAP, чтобы выжить были вынуждены мигрировать в область BI-приложений. Семейства продуктов СУБД, обеспечивающие возможности BI, действительно подталкивают рост рынка BI-платформ. Отчасти это происходит благодаря большей активности ряда поставщиков СУБД.

Рассматривая различные инструменты, видим, что EBIS являются высоко функциональными средствами, но они не имеют такого большого значения, как BI-платформы или заказные BI-приложения. Зато BI-платформы обычно не так функционально полны, как корпоративные BI-наборы. При выборе BI-платформ нужно учитывать следующие характеристики: модульность, распределенную архитектуру, поддержку стандартов XML, OLE DB for OLAP, LDAP, CORBA, COM/DCOM и обеспечение работы в Web. Они должны также обеспечивать функциональность, специфическую для бизнес-интеллекта, а именно: доступ к БД (SQL), манипулирование многомерными данными, функции моделирования, статистический анализ и деловую графику. Эту категорию продуктов представляют фирмы Microsoft, SAS Institute, Oracle, SAP и другие.

Маркетинговая аналитика

В области маркетинговой аналитики ИАС обеспечивает получение максимального результата от инвестиций в маркетинг. Маркетинговая аналитика позволяет достичь наилучших показателей за счет предоставления всей маркетинговой команде полной (вплоть до минуты) картины пользовательских предпочтений, поведения клиентов при покупке товаров и сведений о прибыльности маркетинговых стратегий. Маркетинговая аналитика помогает сблизиться с наиболее ценными клиентами, расширить сотрудничество с ними и улучшить эффективность маркетинга.Преимущества, предоставляемые ИАС:

• В области маркетингового планирования — позволяет достичь лучших результатов по расходам на маркетинговые кампании, построить профили клиентов для более эффективного проведения маркетинговых акций и проводить эти кампании более эффективно, выявив движущие силы маркетинговой кампании и улучшить ее эффективность.
• В оценке показателей эффективности маркетинговых кампании — осуществляет трассировку (пошаговый мониторинг) и измерение показателей эффективности кампании в реальном времени, облегчает понимание факторов, определяющих успех кампании, сравнение метрик отдельных маркетинговых кампаний по их результативности.

Базовые технологии BI

Схематическое представление системы Business Intelligence

Прогресс стремительно движется вперед. Аналитики в шутку поговаривают, что развитие IT-технологий прекратится, когда исчерпаются все трехбуквенные аббревиатуры. Конечно, это не может остановить полет мысли. Стали использоваться четырех- и пятибуквенные аббревиатуры. Но факт остается фактом. На рынке IT-услуг сейчас такое огромное количество различных предложений и инноваций, что несведущему в них человеку можно просто запутаться. Вот какие решения предлагаются в рамках BI:

• Digital Dashboard — информационная панель с удобным представлением форм отчетов за текущие периоды с возможностью организации интуитивно понятного графического изображения, диаграммы.
• EIS (Executive Information System) — информационная система предназначенная для руководителей.
• ETL (Extract Transform Load) (Extract, Transformation, Loading) — инструменты интеграции и трансформации данных.
• BPM (Business Performance Management) — совокупность интегрированных циклических процессов управления и анализа, а также соответствующих технологий, имеющих отношение как к финансовой, так и к операционной деятельности организации. Ключевые BPM-процессы связаны с реализацией стратегии организации и включают финансовое и операционное планирование, консолидацию и отчетность, моделирование, анализ и мониторинг ключевых показателей эффективности.
• CRM (Client Relational Management) — система адаптации взаимоотношений с клиентами, нацеленная на максимальное использование потенциала каждого из них. В рамках CRM осуществляются рассылки сообщений, звонки, планирование встреч, а также составляется и анализируется клиентская база.
• ERP (Enterprise Resource Planning) — корпоративная информационная система (КИС), предназначенная для автоматизации учёта и управления.

Что-то все еще не очень понятно…

Лучше всего просто скачать Power BI Desktop. Он бесплатный, лежит тут. И начать самостоятельно пробовать.

В первую очередь надо загрузить данные. Вот так:

Power BI по умолчанию умеет много откуда забирать данные:

• Excel;
• CSV;
• XML;
• Azure;
• MySQL;
• Google
  Analytics;
• Oracle;
• Microsoft
  Access.

Подробнее вот тут. Если нужного источника нет – не беда. Можно вытянуть данные с помощью R или Python.

Получили данные – визуализируйте. Описывать виды диаграмм не имеет смысла. Все стандартные варианты представлены в интерфейсе.

Кроме того, есть «магазин», где можно скачать кастомные визуализации, если не хватает родных.

Дальше все ограничивается только вашими задачами и фантазией.

Типы таблиц фактов

Существует три типа таблиц фактов: транзакционные (transaction), снимок данных по периодам (periodic snapshot) и накапливаемый снимок данных (accumulating snapshot).

Транзакционная таблица фактов

Наиболее фундаментальный вид бизнес-операций — это транзакционный уровень хранения данных. Эти факты представляют собой события, которые произошли в мгновенный момент времени. Строка существует в таблице фактов с взаимосвязью с клиентом или продуктом, если только произошло транзакционное событие. Транзакционные данные легко размещаются в Dimensional модели (многомерной модели данных).

Таблица фактов с разбитыми данными по периодам

Периодические снимки данных нужны для того, чтобы увидеть итоговую производительность по периодам (предсказуемым интервалам времени). В отличие от транзакционной модели таблицы фактов, где строка является некоторым событием, снепшот/snapshot данных в периодичной модели формируется в конце заданного периода времени (в конце недели, месяца, квартала, года) и выполняется по завершению каждого периода. Служит данная модель для анализа тенденций бизнеса. Строка в снепшоте периода — это совокупность транзакционных строк, над которыми были произведены операции агрегации по заданному алгоритму. Алгоритм схлопывания транзакций реализуется в ETL-процессе в ходе внедрения BI системы.

Таблица фактов с накапливаемыми данными

Третья модель таблицы фактов — накопительный снепшот/snapshot. Накопительный снимок данных — это процессы, с заданными началом и концом, а также с промежуточными стадиями процесса. Накопительный снепшот полезен, когда пользователям бизнес-аналитики необходимо достигнуть заданной цели. В приложении отображаются вехи по датам и формируются системные сообщения (alerts), которые информируют о тех или иных проблемах.

Сравнительная таблица

Обзор контекста моделирования данных

Модель данных основана на самих данных, отношениях между данными, семантике данных и ограничении данных. Модель данных предоставляет информацию о хранимой информации и имеет первостепенное значение, когда конечный продукт представляет собой код программного обеспечения. Эта фигура является примером взаимодействия между моделями процессов и данных.

Разработка QlikView решений по отраслям

Меня всегда мучал вопрос — разбираться во многих отраслях — это хорошо или плохо? Для узкого специалиста, который работает в бизнесе, наверное не очень. А вот для консалтинга в сфере ИТ — это невероятное преимущество, которое выливается в качество и скорость внедрения, за счет комбинации разноплановых знаний! На рынке BI в России по клику есть одна компания, которая с легкостью реализует решения во многих сферах бизнеса — один из нескольких лидеров рынка QlikView и Qlik Sense, BIConsult — консалтинг и интегратор систем бизнес-аналитики.

Модель зрелости BI — Maturity Model

Модель зрелости BI-системы (maturity model) — модель, которая позволяет определять/оценивать этап развития системы, проектов, а также их влияние на процессы компании. С помощью модели зрелости можно наметить цели для дальнейшего развития информационных систем, чтобы сделать компанию более конкурентоспособной, а процессы управления информацией вывести на более продвинутый уровень.

BI System Disadvantages

1. Cost:

Business intelligence can prove costly for small as well as for medium-sized enterprises. The use of such type of system may be expensive for routine business transactions.

2. Complexity:

Another drawback of BI is its complexity in implementation of datawarehouse. It can be so complex that it can make business techniques rigid to deal with.

3. Limited use

Like all improved technologies, BI was first established keeping in consideration the buying competence of rich firms. Therefore, BI system is yet not affordable for many small and medium size companies.

4. Time Consuming Implementation

It takes almost one and half year for data warehousing system to be completely implemented. Therefore, it is a time-consuming process.

What Is Business Intelligence?

• BI is a software collection used to support the decision-making process by analysts and managers.
• Business Intelligence can be defined as analyzing and processing a large amount of data and then converting it into knowledge-based information to support some profitable business decisions.
• BI Environment comprises business models, data models, and ETL tools to organize and transform the data into useful information.
• BI uses some terms like:
  • Big Data is a collection of large and complex data sets that contains structured and unstructured data which may be difficult to process and analyze using traditional database management tools.
  • Data Warehouse is a subject-oriented and integrated system for reporting and analyzing the data to support a decision-making process.
  • Data Mining is a process of applying some statistical techniques on a large amount of raw data and turns it into useful information with new patterns and relationships among large relational databases.

The diagrammatic representation of BI implementation process is given below which will help to understand Business Intelligence more easily.

Impact of Business Intelligence

BI has been proven useful for business organizations in the following ways;

• Get a quick solution for critical business complexities.
• Align business activities according to corporate strategies and tactics.
• Employee Empowerment
• Reduction in data manipulation time.
• Get insights into customers
• Recognize critical areas for cost estimation.
• Enhance business productivity

Challenges with BI Implementation

Though several organizations implementing BI actively and proven it useful for their business, there are some challenges to implementing it.

Some of them are listed below:

• There is a huge amount of data that is gathered every day but not possible to process all at a given time.
• Lack of strategy.
• User adoption that is driving users or groups of users using different ways doesn’t want to change it unless the method they are using becomes time-consuming and inefficient.
• Justifying investments that are estimating the cost of discovering new methods on the business process.
• Change in management.
• Managing non-transactional data.
• Enterprise data governance.
• Connection gap between IT and business users.
• Access to information for a wide range of users.
• Security and Customization Integration.

=>> Contact us to suggest a listing here.

Проблема

Отличия между Data science и BI

Data science и BI различаются по конечному результату, полученному характерными для них методами работы с данными. Для BI результирующим продуктом является информация, а для data science таким продуктом служат знания. Общим же является то, что как информация, так и знания извлекаются из данных с участием человека и предназначены для передачи другому человеку.

От BI к data science. Reporting — генерация отчетов, Modeling – моделирование, Decision Making – выработка решений, Understanding — понимание

Поэтому в обоих случаях решающую роль играют специалисты. Без их интеллекта и умения в общем случае такая трансформация невозможна. В ограниченном количестве приложений информация, но, подчеркнем, отнюдь не знание, может быть получена средствами искусственного интеллекта.

Второй фактор, определяющий различия – полнота используемых данных. Любые данные, в конечном счете, являются отражением окружающего мира, но эти отражения могут различаться по полноте представления. В BI используются только структурированные цифровые данные, дающие весьма ограниченную картину окружающего мира, а в data science могут быть использованы любые данные, достаточные для отражения картины окружающего мира с любой требуемой полнотой.

Робототехника

• Роботы (робототехника)
• Робототехника (мировой рынок)
• Обзор: Российский рынок промышленной робототехники 2019
• Карта российского рынка промышленной робототехники
• Промышленные роботы в России
• Каталог систем и проектов Роботы Промышленные
• Топ-30 интеграторов промышленных роботов в России
• Карта российского рынка промышленной робототехники: 4 ключевых сегмента, 170 компаний

• Технологические тенденции развития промышленных роботов
• В промышленности, медицине, боевые (Кибервойны)
• Сервисные роботы
• Каталог систем и проектов Роботы Сервисные
• Collaborative robot, cobot (Коллаборативный робот, кобот)
• IoT — IIoT — Цифровой двойник (Digital Twin)
• Компьютерное зрение (машинное зрение)
• Компьютерное зрение: технологии, рынок, перспективы
• Как роботы заменяют людей
• Секс-роботы

• Искусственный интеллект (ИИ, Artificial intelligence, AI)
• Обзор: Искусственный интеллект 2018
• Искусственный интеллект (рынок России)
• Искусственный интеллект (мировой рынок)
• Искусственный интеллект (рынок Украины)
• В банках, медицине, радиологии, ритейле, ВПК, производственной сфере, образовании, Автопилот, транспорте, логистике, спорте, СМИ и литература, видео (DeepFake, FakeApp), музыке

• Национальная стратегия развития искусственного интеллекта
• Национальная Ассоциация участников рынка робототехники (НАУРР)
• Российская ассоциация искусственного интеллекта
• Национальный центр развития технологий и базовых элементов робототехники
• Международный Центр по робототехнике (IRC) на базе НИТУ МИСиС

Robot Control Meta Language (RCML)

• Машинное обучение, Вредоносное машинное обучение, Разметка данных (data labeling)
• RPA — Роботизированная автоматизация процессов
• Видеоаналитика (машинное зрение)
• Машинный интеллект
• Когнитивный компьютинг
• Наука о данных (Data Science)
• DataLake (Озеро данных)
• BigData
• Нейросети
• Чатботы
• Умные колонки Голосовые помощники

• Безэкипажное судовождение (БЭС)
• Автопилот (беспилотный автомобиль)
• Беспилотные грузовики
• В мире и России
• Летающие автомобили
• Электромобили

Беспилотный летательный аппарат (дрон, БПЛА)

Стандарты и разработки в области BI

Для унификации любой продукции немаловажным моментом являются общепринятые стандарты использования и оценки. Как ни странно BI-средства подобных стандартов не имеют. Нет и универсальных языков запросов к ним. На роль общепринятого стандарта претендует спецификация XML for Analysis. Она была успешно разработана и внедрена компаниями Hyperion и Microsoft. Она описывает универсальный способ доступа к OLAP-кубам и моделям Data mining Интеллектуальный анализ данных, размещенным в Интернете, который не требует обязательной инсталляции клиентских компонентов. Благодаря этому можно создавать универсальные клиентские OLAP-средства, которые будут поддерживать несколько серверных OLAP-продуктов одновременно. Если рассматривать все то новое, что предлагается в сфере модернизации BI-платформ, то можно упомянуть следующие разделы: разработка операционной отчетности для массового распространения, средств задания нерегламентируемых запросов, разработка новейших OLAP-инструментов, которые будут отвечать на вопросы не «что было?» и «как было?», а «что будет?» и «что если?». Становятся более удобными инструментальные панели и интерактивный визуальный пользовательский интерфейс. Появляется возможность осуществить прогнозное моделирование. Вводятся новейшие инструменты поиска.

Нацеленность на результат, «сборные» команды и торговля данными

Важный эффект, отчетливо проявившийся в ходе опроса Tibco, — ориентированность на результат: аналитика не может существовать отдельно от целей, которым служит. В этой связи можно также упомянуть развивающуюся тенденцию, о которой говорят другие наблюдатели, – внедрение «встроенной аналитики», то есть интеграция аналитических механизмов в традиционные бизнес-приложения, например, финансовые, системы автоматизации маркетинга, средства ERP и CRM.

BI и бизнес-аналитика: единство и различия

Термины BI and Business Analytics часто используются как синонимы, однако порой им присваивают разный функционал. Сайт Better Buys попробовал собрать мнения бизнес-аналитиков на этот счет.

Наиболее популярная точка зрения состояла в том, что средства BI необходимы для текущей работы бизнеса. А бизнес-аналитика – для его изменения, «она показывает, что произойдет».

Впрочем, один из респондентов Better Buys философски ответствовал, что «У всех свое мнение на этот счет. Но точно никто не знает. И вы не беспокойтесь».

Для достижения результата, как полагают в Tibco, будут создаваться команды из специалистов различных направлений. Численность таких команд, отвечающих за аналитику, продолжит расти, к ним будут присоединяться не только специалисты в предметной области, но и представители других подразделений, что позволяет генерировать более широкий диапазон идей в рамках осуществляемых проектов.

Еще одна тенденция, которую выделяют авторы исследования Tibco, — быстрое внедрение средств быстрого преобразования данных в различные формы, удобные для аналитической обработки и репрезентации. Соответствующие системы сегодня становятся одним из ключевых элементов, помогающих осуществлять проекты по плану и в срок, отмечают эксперты.

Существенное влияние на рынок аналитики может оказать предсказываемое специалистами Optimus Research развитие регулируемой торговли накопленными наборами данных, напоминая о том, что гиганты вроде Facebook и Google уже монетизируют информацию, собранную о своих пользователях. В том же ряду стоит прогноз о формировании партнерств по использованию данных, как между компаниями, так и между частным и государственным сектором.

Кроме того, на предстоящие год-два прогнозируют дальнейшую диверсификацию должностей, касающихся работы с данными: появление новых специальностей помимо нынешних директоров по данным (Сhief Data Officer) и исследователей данных (data scientist); резкое возрастание объема метаданных, сопровождающих «сырые» данные; демократизацию прогнозной аналитики и рост рынка машинного обучения, предоставляемого в виде сервиса.

BI vs ERP

большая наглядность и удобство работы с информацией для бизнес-пользователей, в том числе из числа топ-менеджмента;

возможность использования несколько аналитических решений для различных направлений деятельности в масштабах всего предприятия, а не в рамках отдельных подразделений;

позволяет извлекать, анализировать и консолидировать данные практически из любых источников;

базируется на промышленной, поддерживаемой и развиваемой BI-платформе;

имеет статус самостоятельного, стратегического, критически важного для бизнеса приложения;

обеспечивает необходимую масштабируемость, эффективность, производительность;

позволяет выстраивать и поддерживать в масштабах всей организации сквозные процедуры и процессы обработки, единые централизованные аналитические модели и проекты;

содержит встроенные инструменты для решения различных и разнообразных аналитических задач, как с точки зрения бизнеса, так и с точки зрения ИТ;

обеспечивает доступ к данным и аналитическим инструментам большего числа пользователей.

Использование же аналитических инструментов, встроенных в другие корпоративные информационные системы, например класса ERP или CRM, имеет, как правило, следующие ограничения:

• ограниченный набор реализованных аналитических инструментов, одинаковых для всех пользователей, независимо от их ролей и задач;
• возможность использования для анализа только собственных, внутренних данных, при этом информация из других систем остается недоступной, а данные из различных источников не могу быть консолидированы;
• отсутствие развитых встроенных инструментов для анализа приводит к тому, что система используется лишь для извлечения хранимых в ней данных, которые затем экспортируются и анализируются в Excel;
• ERP и CRM системы, как правило, имеют ограниченное число пользователей, что «отсекает» от аналитики большое число сотрудников компании, которым эта информация была бы полезна и интересна (существенное увеличение же числа пользователей снижает производительность транзакционных систем);
• транзакционные системы обычно не содержат всех необходимых для проведения анализа показателей, не включают в себя такие инструменты, как информационные панели (dashboards), ставшие уже стандартом для представления аналитической информации;
• результаты анализа в таких системах представляются обычно в виде табличных отчетов или диаграмм, что не позволяет получить детального и всестороннего представления о реальном положении дел и не дает ответа на многие возникающие вопросы;
• возможности создания гибких пользовательских (ad-hoc) запросов ограничена;
• ограничено использование больших объемов накопленной исторической информации.