Файл: Информационный менеджмент.pdf

нальных можно отнести системы таких мировых производителей, как: Hyperion Solutions Corp., Cognos, Business Objects, Microsoft. Типичным примером универсальной системы может служить Hyperion Essbase – аналитическая платформа класса OLAP, предназначенная для решения довольно широкого круга задач. Но, будучи OLAP-системой, Hyperion Essbase к тому же решает часть задач, относящихся к информационно-аналитическим системам, а также обеспечивает функции выявления закономерностей в данных, построения запросов и отчетов. Кроме того, в некоторых случаях ОLAP может использоваться в качестве многомерного хранилища данных, а также в качестве аналитической «прослойки» в крупных компаниях, где данные распределены по многим информационным источникам

Уровень транзакционных систем

К числу транзакционных относятся ERP-системы, автоматизированные банковские системы (АБС), биллинговые системы, учетные системы и некоторые другие. Часто для обозначения таких систем используется термин OLTP (On-Line Transaction Processing – обработка транзакций в режиме реального времени). Эти системы представляют собой источники первичной информации, используемой для аналитической обработки. Данные из этих источников требуется собрать, структурировать и представить в виде, удобном для принятия решений. Сами транзакционные системы тоже содержат некоторые аналитические возможности, но, строго говоря, не относятся к категории аналитических систем. В то же время именно они являются поставщиками информации для систем бизнес-интеллекта и аналитических приложений.

Одним из основных типов транзакционных систем являются системы класса ERP, именно они служат важным источником данных для после дующего анализа. Отметим, что передача данных из транзакционных систем в аналитические приложения может производиться как последовательно, через все обозначенные ярусы аналитической, так и более коротким путем, минуя один или несколько уровней.

Системы бизнес-интеллекта

Понятие систем бизнес-интеллекта (Business Intelligence, ВГ) объединяет различные средства и технологии анализа и обработки данных масштаба предприятия. Среди BI-систем можно выделить такие составляющие, как: хранилища данных (Data Warehouse), витрины данных (Data Marts), инструменты опе-

ративной аналитической обработки (On-Line Analytical Processing, OLAP), сред-

ства обнаружения знаний (Data Mining), а также инструменты конечного пользователя, предназначенные для выполнения запросов и построения отчетов.

Хранилища данных (Data Warehouse) находятся на следующем после транзакционных систем уровне аналитической пирамиды. Хранилища определяются как «предметно-ориентированные, интегрированные, стабильные, поддерживающие хронологию наборы данных, организованные для целей поддержки управления, призванные выступать в роли «единого и единственного источника истины», обеспечивающего менеджеров и аналитиков достоверной

41

информацией, необходимой для оперативного анализа и принятия решений». Ценность хранилищ данных для менеджеров и экономистов заключается в том, что это – некая база данных масштаба предприятия, которая содержит определенную аналитическую информацию, обеспечивает ее оперативное представление в удобном для пользователя виде и обладает структурой, учитывающей отраслевую специфику деятельности организации.

Витрины данных (Data Marts), как и хранилища, представляют собой структурированные информационные массивы, но отличие состоит в том, что витрины в еще большей степени являются предметно-ориентированными. Как правило, витрина содержит информацию, относящуюся к какому-либо определенному направлению деятельности организации. Поэтому информация в витрине данных хранится в специальном виде, наиболее подходящем для решения конкретных аналитических задач или обработки запросов определенной группы аналитиков.

Есть два взгляда на витрины данных. В одном случае витрина, по сути дела, представляет собой часть хранилища, оптимизированную для запросов к данным конкретной предметной области, в том числе, для передачи этих данных для последующей обработки в OLAP-систему. В другом случае витрина – это OLAP-куб или его часть, оптимизированная для запросов пользователей к данным конкретной предметной области. Поэтому с точки зрения организации хранения данных витрины могут быть как реляционными, так и многомерными, но в любом случае они обладают таким общим свойством, как предметная ориентированность.

OLAP-системы (On-Line Analytical Processing).

Под термином OLAP понимают системы аналитической обработки данных в режиме реального времени. OLAP-системы могут обеспечить решение многих аналитических задач: анализ ключевых показателей деятельности, маркетинговый и финансово-экономический анализ, анализ сценариев, моделирование, прогнозирование и т. д. Такие системы могут работать со всеми необходимыми данными, независимо от особенностей информационной инфраструктуры компании.

Особенность OLAP-систем состоит в многомерности хранения данных (в противовес реляционным таблицам), а также в предрасчете агрегированных значений. Это дает пользователю возможность строить оперативные нерегламентированные запросы к данным с использованием аналитических измерений. Кроме того, для OLAP-систем характерна предметная (а не техническая) структурированность информации, позволяющая пользователю оперировать привычными экономическими категориями и понятиями. Типичным представителем программных продуктов этого класса является разработка корпорации Hyperion – OLAP-сервер Hyperion Essbase.

Средства обнаружения знаний (Data Mining). Соответствующие про-

граммные продукты обеспечивают выявление закономерностей в данных, позволяя аналитику получать качественно новую информацию (возможно, не со-

42

держащуюся в источнике данных явным образом) и таким способом формировать знания на основе данных. Здесь используются такие методы анализа данных, как фильтрация, дерево решений, ассоциативные правила, генетические алгоритмы, нейронные сети, статистический анализ.

Системы бизнес-интеллекта, включающие реляционные и многомерные базы данных, в свою очередь, служат основой для систем верхнего уровня аналитической пирамиды – аналитических приложений.

Аналитические приложения

Высший уровень аналитической пирамиды – уровень аналитических приложений (analytic applications). Это информационные системы, обеспечивающие потребности организаций в автоматизации процессов обработки, анализа и оптимизации бизнес-процессов. Здесь пользователь применяет привычные для него инструменты, обеспечивающие реализацию методик управления. Такие системы могут быть довольно разнообразными: от простейших электронных таблиц до специализированных приложений для решения задач бюджетирования, консолидации финансовой отчетности, бизнесмоделирования. Именно к этой категории относятся прикладные программные ВРМ-продукты.

Как следует из названия, аналитические приложения нацелены на проведение анализа, целью которого является более глубокое понимание и осознание того, что произошло, происходит или произойдет. В этом смысле аналитические приложения действительно отличаются от транзакционных систем, ориентированных прежде всего на обработку отдельных операций, но в то же время дополняют их, образуя в совокупности многофункциональную комплексную систему управления.

Для того, чтобы система могла считаться аналитическим приложением, она должна удовлетворять следующим критериям:

–структурировать и автоматизировать процессы, способствующие повышению качества управленческой информации, что, в свою очередь, приведет к повышению качества принятия решений. Это достигается путем применения правил, процедур и технологий (основанных на соответствующей методологии), направленных на решение определенных бизнес-проблем;

–поддерживать аналитические функции, то есть действия по анализу данных, полученных из самых разных источников (внутренних или внешних, финансовых или операционных), включая анализ трендов и прогнозирование ситуации в будущем;

–представлять собой самостоятельный программный продукт, который может работать независимо от транзакционных систем, но в то же время способный взаимодействовать с ними «в обе стороны» как в части получения транзакционных данных, так и в части обратной передачи результатов их обработки.

Более того, аналитические приложения часто имеют дело с нестандартными, непредсказуемыми или редкими ситуациями. Такие ситуации могут воз-

43

никать, например, при запуске в производство нового продукта, моделировании новой корпоративной структуры или создании нового подразделения, а также при оценке последствий слияний и приобретений, пересмотре бюджетов и т. п.

Аналитические приложения часто основаны на многомерных базах данных (что также отличает их от транзакционных систем, использующих реляционные базы данных). Это позволяет аналитическим приложениям эффективно использовать как все необходимые данные, так и бизнес-правила, описывающие их взаимосвязи с точки зрения определенных бизнес-задач.

Выделяют три основных категории аналитических приложений:

–системы управления эффективностью бизнеса (Business Performance Management);

–приложения для анализа операционной/производственной деятельности

(Operations/Production Analysis);

–системы анализа взаимоотношений с клиентами (СRMAnalysis).

Системы класса Business Performance Management (BPM). Аналитиче-

ские приложения этого типа предназначены для широкого круга задач: анализа и оптимизации финансовых индикаторов, определения стратегии развития компании, бюджетного планирования, финансовой консолидации. Системы бюджетирования и консолидации были созданы в числе первых готовых аналитических приложений, поскольку эти задачи хорошо проработаны методологически, понятны большинству руководителей и применяются практически во всех отраслях. В последние годы произошел качественный скачок в плане разработки интегрированных систем, включающих в себя ряд новых функций бюджетного планирования и прогнозирования, финансовой консолидации, функцио- нально-стоимостного анализа и стратегического управления бизнесом.

Приложения для анализа операционной и производственной деятель-

ности (Operations/Production Analysis) предназначены для анализа и оптимизации процессов производства и/или поставок продукции и услуг (например, планирование спроса, оптимизация работы персонала).

Системы анализа взаимоотношений с клиентами (СRM Analysis) пред-

назначены для решения таких задач, как, например, оценка прибыльности клиентов, разработка мер, направленных на «удержание» заказчиков, маркетинговый анализ. Специализированные аналитические приложения анализа клиентской базы изначально использовались в качестве основы для деятельности в маркетинговых подразделениях компаний, но сейчас они становятся многофункциональными, по мере того как в процесс организации взаимоотношений с клиентами вовлекаются и другие подразделения организации.

4.2. Аналитические системы и принятие управленческих решений

Очевидно, что польза от аналитических систем должна выражаться в принятии правильных управленческих решений, положительно влияющих на деятельность компании. Это подразумевает, что аналитические системы должны

44

давать нечто большее, чем простое предоставление информации пользователям. Они должны служить проводником в процессе принятия решений.

Эффект от использования аналитических систем обусловлен следующими факторами:

–сокращение разрыва между аналитиком и лицом, принимающим решения. При традиционном подходе поддержка принятия решений подразумевает процедуру сбора информации (с помощью технических специалистов) и последующей ее передачи руководителю. В этом случае пользователь аналитического программного обеспечения не принимает решения, а только готовит информацию для других. Но тогда невозможно гарантировать, что предоставленная информация будет достаточно адекватной и что на ее основе будет принято обоснованное решение. Поэтому необходимо, чтобы конечным пользователем аналитической системы был именно менеджер, принимающий решение, а не технический специалист;

–коллегиальность в принятии решений. Для того, чтобы управленче-

ское решение было обоснованным, субъективной точки зрения одного руководителя часто бывает недостаточно. В аналитической среде принятие решений происходит на основе консолидации мнений, а сами решения представляют собой результат совместной работы нескольких менеджеров;

–сопровождение принимаемых решений и оценка их эффективности.

Аналитические системы позволяют оценивать преимущества того или иного решения и их эффективность;

–использование опыта лидеров. В любой организации есть под-

разделения и отдельные руководители, которых можно считать примером для подражания. Распространение и использование такого передового опыта обеспечивает управление знаниями и сохранение опыта, накопленного в организации. Возможность поддержки процесса управления знаниями является одной из наиболее важных характеристик аналитического программного обеспечения;

–противодействие нерациональным решениям. Оптимизация процесса принятия управленческих решений также требует адекватной реакции на нерациональные действия некоторых менеджеров. Это также учитывается разработчиками аналитических систем.

Перечисленные свойства аналитических систем позволяют существенно повысить эффективность управленческой деятельности и обеспечить быструю окупаемость инвестиций в аналитическое программное обеспечение.

4.3. ERP-системы

Термин ERP-система (Enterprise Resource Planning – управление ресурса-

ми предприятия) может употребляться в двух значениях.

Во-первых, это информационная система для идентификации и планирования всех ресурсов предприятия, которые необходимы для осуществления продаж, производства, закупок и учета в процессе выполнения клиентских заказов.

45