Toto je objekt systému MBI.

MBI (Management Byznys Informatiky) je portál obsahující zobecněná řešení v řízení provozu a rozvoje IT, resp. podnikové informatiky.

Pokud máte zájem získat více informací o tomto objektu (vazby na další objekty, přílohy, apod.), ale i získat mnoho dalších užitečných materiálů, můžete tak učinit ZDE / (registrace je bezplatná).

Faktor : BI: Business intelligence
BI: Business intelligence
Kód faktoru

Standardní kód faktoru v MBI.

:
F400
Autor

Jméno a příjmení autora

:
MBI tým
Podstatné charakteristik faktoru

Obsahové vymezení faktoru

1. Účel, smysl faktoru Business intelligence

Business intelligence (BI) představuje specifický typ aplikací a technologií, které téměř výlučně podporují analytické a plánovací úlohy v podnikovém řízení podniků. Na analytické a plánovací úlohy, a tedy i na úlohy business intelligence se uplatňují tyto nároky:

  • zajistit hodnocení sledovaných podnikových ukazatelů, např. objemu tržeb, počtu reklamací, počtu pracovníků atd. na definovaném (často maximálně možném) rozsahu podnikových dat,
  • poskytovat možnost analyzovat tyto ukazatele podle různých hledisek, resp. dimenzí a jejich nejrůznějších kombinací, např. objem tržeb podle zákazníků, zboží, teritorií, typů zakázek, prodejců, prodejních kanálů a dalších, na různých úrovních detailu sledovaných hodnot a v přijatelné době odezvy,
  • v návaznosti na předchozí bod, podporovat vysokou flexibilitu obchodních a dalších aktivit pracovníků podniku,
  • analyzovat vývoj podnikových ukazatelů a jejich výkyvů v čase, realizovat např. meziroční srovnání, různé typy indexů, identifikovat sezónní vlivy atd.

Zatímco transakční aplikace ve svých databázích vytvářejí a následně zpřístupňují nová data, analytické aplikace de facto žádná nová data nevytvářejí, ale využívají již existujících databází transakčních aplikací, transformují je pro potřeby analytických a plánovacích úloh.

Vymezení BI: Business intelligence (BI) je sada procesů, know-how, aplikací a technologií, jejichž cílem je účinně a účelně podporovat řídící aktivity ve firmě. Podporují analytické, plánovací a rozhodovací činnosti organizací na všech úrovních a ve všech oblastech podnikového řízení. Problémy a otázky spojené s řešením BI jsou formulovány ve scénáři "Implementují se aplikace business intelligence" (S451 ).

2. Obsahové vymezení faktoru - business intelligence v kontextu podnikového řízení

Analytické a plánovací úlohy podnikového řízení, definované v MBI, obsahuje následující přehled:

  • Finanční analýzy (UQ054A ), dílčí analýzy finančních dat (UQ054B ) a finanční plánování a rozpočty (UQ055A ),
  • Analýzy - závazků (UQ064A ) a pohledávek (UQ074A ),
  • Controlling – analýzy (UQ094A ) a plánování (UQ095A ),
  • Analýzy prodeje zboží a služeb (UQ104A ) a plánování (UQ105A ),
  • Analýzy nákupů materiálů, zboží a služeb (UQ154A ) a plánování nákupu (UQ155A ),
  • Analýzy skladů (UQ204A ),
  • Personální analýzy (UQ254A ) a plánování (UQ255A ),
  • Analýzy majetku (UQ304A ) a plánování rozvoje majetku a investic (UQ305A ),
  • Marketingové analýzy (UQ354A ) a marketingový plán (UQ355A ),
  • Dopravní analýzy (UQ404A ) a plánování dopravy (UQ405A ),
  • Řízení energií – analýzy (UQ454A ) a plánování (UQ455A ),
  • Analýzy výrobních zakázek (UQ504AXMN ), analýzy výroby OŘV (UQ524AXMN ) a DŘV (UQ534AXMN ),
  • V retailu Analýzy nákupu a zásob (UQ554AXRE ), plánování a příprava nákupů (UQ555AXRE ), analýzy dopravy (UQ574AXRE ), prodejní analýzy (UQ584AXRE ) a další.

3. Hlavní principy aplikací business intelligence

Podstatné principy, na nichž jsou založeny aplikace a technologie BI lze shrnout do následujících bodů (i s vědomím toho, že v konkrétních řešeních dochází k různým variantám a modifikacím). Business intelligence:

  1. je určená pro analytické a plánovací aplikace a tomu odpovídá i organizace dat v jejích databázích,
  2. uchovává data na potřebných úrovních detailu (granularity), tedy detailní i agregovaná,
  3. pracuje primárně s daty podnikových ukazatelů a ty vyhodnocuje podle nejrůznějších dimenzí a jejich kombinací, je tedy založena na multidimenzionalitě uložení a zpracování dat,
  4. využívá časové dimenze, která umožňuje ukládání dat do databází postupně v časových intervalech a časových snímcích,
  5. je charakteristická vyššími nároky na kvalitu dat.

4. Zdroje a transformace dat

Aplikace business intelligence využívají data vytvořená transakčními aplikacemi, zejména:

  • celopodnikovými aplikacemi, ERP (F300 ),
  • aplikacemi pro řízení vztahů k zákazníkům, CRM (F371 ),
  • aplikacemi internetových obchodů (F350 ),
  • aplikacemi pro řízení dodavatelských řetězců (F355 ) a dalšími.

Databáze těchto transakčních aplikací se proto z pohledu BI označují jako zdrojové. Podstatnou vlastností těchto databází je organizace jejich dat podporující přístupy k detailním datům, ukládání a aktualizace dat a jsou pro tyto operace optimalizované. Oproti tomu analytické BI aplikace jsou optimalizované na efektivní poskytování analytických informací, tj. data zde musí být organizována ve shodě s potřebami analytických úloh, tj. musí obsahovat hodnoty ukazatelů ve vazbě na analytická hlediska - dimenze. Z toho vyplývá, že mezi zdrojovými databázemi a analytickými databázemi musí proběhnout transformace dat, a to pomocí tzv. ETL / ELT nástrojů (F407 ).

5. Dimenze a granularita dat

Dimenzí se z pohledu jejího užití rozumí analytické hledisko pro hodnocení sledovaných ukazatelů, z informatického pohledu se jeví jako struktura dat, případně jako databázová tabulka obsahující záznamy o jednotlivých prvcích dimenze, tj. např. o položkách zboží apod. Prvky dimenzí (např. jednotlivé položky zboží) jsou většinou uspořádány v hierarchické struktuře, tzn., že se rozdělují např. na kategorie zboží (Audio, Kino atd.), skupiny zboží (Auto hifi, Hifi atd.) a na jednotlivé zbožové položky (např. Autoradio Logik). Počet hierarchických úrovní ve struktuře (skupin, podskupin atd.) je určen potřebami řízení.

Hodnoty ukazatelů se ukládají do analytických databází na nejvyšší úrovni detailu (v nejvyšší granularitě), tj. odpovídající prvkům dimenzí na nejnižší úrovni hierarchie, v našem případě jednotlivým položkám zboží (např. tržby za Autorádio Logik). Současně se do těchto databází, zejména OLAP databází (F408 ) ukládají i agregované a další vypočtené hodnoty ukazatelů, tj. na nižší úrovni detailu (v našem případě za skupiny a kategorie zboží).

Tato metoda je využívána pro urychlení odezvy systému na analytické požadavky. Hierarchie uložení agregovaných dat pak uživateli umožňuje se rychle a pružně po požadovaných úrovních agregace pohybovat (na úrovni kategorie zboží, skupin, či jednotlivých zbožových položek), aniž by bylo nutné vždy znovu požadované agregace počítat. Tento princip se označuje jako drill-down (pohyb - zpřístupnění dat na vyšší úroveň detailu, vyšší granularitu) nebo drill-up (v opačném směru).

6. Multidimenzionalita uložení a práce s daty

Požadavek pohledů uživatele na sledované ukazatele z více hledisek (dimenzí) a jejich kombinací je základem pro řešení principu multidimenzionality uložení a práce s daty. To s sebou současně přináší i požadavek na specifickou organizaci dat v databázi. Způsob realizace multidimenzionality v datech poskytuje dvě základní možnosti:

  • multidimenzionalitu vyjádřenou v relačních databázích, většinou v datových skladech (F405 ), datových tržištích (F406 ),
  • multidimenzionalitu dat realizovanou pomocí tzv. OLAP technologie (On Line Analytical Processing) v OLAP databázích (F408 ).

6.1. Relační dimenzionální model

Relační dimenzionální model má dvě základní podoby, tzv. schéma hvězdy (STAR scheme) a schéma sněhové vločky (SNOWFLAKE scheme) V centru těchto schémat je tabulka faktů, tedy tabulka sledovaných ekonomických a dalších ukazatelů identifikovaných klíčem složeným z klíčů tzv. dimenzionálních tabulek, v nichž jsou uloženy prvky jednotlivých dimenzí. Dimenzionální tabulky tak de facto slouží pro uložení popisných informací o hodnotách uložených v tabulce faktů. Typicky si ji lze představit jako číselník. Pro řešení STAR schématu je charakteristické, že v jedné tabulce je obsažená celá hierarchická struktura dimenze. To znamená, že identifikátory a popisné údaje (např. název) vyšších úrovní v hierarchii se v jednotlivých záznamech opakují, jak ukazuje příklad dimenze Zboží. Pokud se data v dimenzionálních tabulkách častěji aktualizují, se dimenzionální tabulky normalizují. Dimenzionální tabulka rozdělí podle hierarchických úrovní dimenze do více tabulek, aby se stejná data v záznamech neopakovala – vzniká SNOWFLAKE (schéma sněhové vločky).

6.2. OLAP technologie

Výhodou nasazení OLAP (On Line Analytical Processing) technologií je rychlost zpracování a efektivní analýzy multidimenzionálních dat (drilling, slice and dice apod.). Základním principem technologie OLAP je několikadimenzionální tabulka umožňující velmi rychle a pružně měnit jednotlivé dimenze a nabízet tak uživateli různé pohledy na ekonomickou realitu OLAP kostky zahrnují i předzpracované agregace dat podle hierarchických struktur dimenzí a jejich kombinací.

Obsah dimenzí je tvořen prvky dimenzí a jejich promítnutí do jednoho bodu tvoří prvek OLAP kostky. Na základě technologie OLAP jsou vytvářeny OLAP databáze, které představují jednu nebo několik souvisejících OLAP kostek. Technologie OLAP se prakticky realizuje v řadě variant, z nichž uvedeme alespoň některé:

  • MOLAP (Multidimensional OLAP) je charakteristická speciálním uložením dat v multidimenzionálních – binárních OLAP kostkách,
  • ROLAP (Relational OLAP) řeší multidimenzionalitu s využitím technologie relačních databází,
  • HOLAP (Hybrid OLAP) je kombinací předchozích přístupů, kdy detailní data jsou uložena v relační databázi a agregované hodnoty jsou uloženy v binárních OLAP kostkách.

7. Komponenty řešení business intelligence

Konkrétní uspořádání jednotlivých komponent v řešení BI se může výrazně měnit podle situace a potřeb daného podniku. To znamená v rozsahu od těch nejjednodušších řešení až po řešení nejkomplexnější a také technologicky, finančně i pracovně nejnáročnější. Charakteristiky, výhody i nevýhody jednotlivých komponent jsou obsahem dalších faktorů MBI:

  1. BI: Datový sklad (F405 ),
  2. BI: Datové tržiště (F406 ),
  3. BI: Extract Transform Load (ETL/ELT) (F407 ),
  4. BI: OLAP databáze (F408 ),
  5. BI: Analytická aplikace (F409 ),
  6. BI: Reporting (F410 ),
  7. BI: Dočasné úložiště dat (F411 ),
  8. BI: Dolování dat (F413 ),
  9. BI: Dashboard (F414 ),
  10. BI: Operativní dashboard (F415 ),
  11. BI: Taktický dashboard (F416 ),
  12. BI: Strategický dashboard (F417 ).

8. Příklady

Příklady vybraných nástrojů pro business intelligence jsou v podskupině "Analytické a plánovací nástroje typu BI" (ASGQ01 ).

9. Efekty a přínosy faktoru pro kvalitu řízení podniku a IT
  1. Umožňuje lépe pochopit a analyzovat podstatu vlastní obchodní a manažerské činnosti, proniknout do jejich hlubších a složitějších souvislostí, umožňují posun k multidimenzionálnímu řízení v reálném čase,
  2. Uplatnění časové dimenze nabízí sledování vývojových trendů z nejrůznějších pohledů,
  3. Analytická pravidla podle stanovených limitních hodnot jednotlivých ukazatelů a jejich dimenzí umožňují upozorňovat na kritické nebo mimořádné stavy,
  4. Možnosti rychle se pohybovat na různé úrovni detailu informací (agregačních úrovních) odpovídajících právě řešenému problému v řízení,
  5. Podpora řešení skrytých problémů na základě identifikace složitých závislostí mezi daty, odhalováním podobností mezi např. zákazníky, obchodními případy apod.,
  6. Kvalifikační efekty – BI přirozenou cestou posiluje schopnosti manažerů a specialistů při řešení svých úloh „multidimenzionálně uvažovat“,
  7. Aplikace BI pro práci s ukazateli ve vazbě na podnikové procesy přinášejí i do manažerské sféry své specifické efekty a racionalizují jak řízení jednotlivých dílčích úloh a procesů, tak celého podniku.,
  8. Integrační efekty podporou integrace dezintegrovaných informačních zdrojů (např. z věcného či geografického hlediska).

10. Otázky, roblémy a omezení spojené s faktorem
  1. Úspěšnost BI řešení silně závisí na zájmu uživatelů a zejména vedení podniku BI implementovat,
  2. BI aplikace jsou velmi silně závislé na kvalitě dat transakčních systémů, ze kterých data čerpají,
  3. BI řešení jsou velmi náročné na konsolidaci vstupních dat z různých datových zdrojů,
  4. Efekty BI jsou obtížně měřitelné a mají spíše měkký charakter,
  5. Pro úspěšnost BI je podstatné zvolit správně přístup k řešení a navrhnout správně architekturu.

11. Obsah balíčku ke stažení
  • Presentace: F400 : BI - principy,
  • Presentace: BI - komponenty,
  • Presentace: BI – koncepty.