1
Az üzleti intelligencia megoldások
helye és szerepe a magyar
vállalatok életében
Dr. Kovács László
Dr. Sasvári Péter
Miskolci Egyetem
2
Mit jelent a BI? Mi jellemzi a BI értelmezésének
fejlődését, az értelmezési szintek viszonyát?
Az információ éhség korszakában élünk
A döntésekhez szükséges információkatgyorsan,hatékonyan szeretnénk elérni
Információs rendszerek : OLTP - tranzakciós adatok lekérdezése- tények közvetlen lekérdezése
Döntés nehézsége:- adathiány az OLTP-ben- funkcióhiány- kérdés megfogalmazása- eredmény értelmezése
3
Mit jelent a BI?
- olyan módszerek, eszközök összessége, melyek a döntéshozatal folyamatátjavítják az adatrendszerek elemzésével kinyert információk segítségével (MIS, DSS, OLAP, DM, ...).
- módszerek, eszközök együttese az információk hatékony elemzésére és felhasználására a döntés támogatás hatékonyságának javítására
Megvalósulásai:- jelentés készítés- üzleti, statisztikai elemzés- teljesítmény mutatók készítése- előrejelzések, idősorelemzés- mintafeltárás, kivételelemzés- vezetői irányítópult- szövegbányászat
4
BI előfeltevése
Akko (1967):
(1) A döntéshozóknál a legnagyobb nehézség a döntések meghozatalában areleváns információk hiánya
(2) A vezető által igényelt információ az, amire valóban szükség van a döntés meghozatalában
(3) A vezető az igényelt információ birtokában javítani tudja a döntés meghozatal minőségét
(4) A vezetők közötti kommunikáció javítja a döntéshozatal munkáját
(5) A vezetők megbíznak a felhasznált rendszer működésében
(+) A folyamatok kellően stacionáriusnak tekinthetőek
5
BI kialakulása
Luhn (1958) : Vízió: „A business intelligence system (IBM Journal )” ,egy automatizált információ begyűjtő, feldolgozó és terítő rendszer
-nem strukturált, dokumentum forrásokra gondol
Forester, Dantzig (1962) : SAGE első elosztott döntéstámogatást biztosítórendszer katonai , nemzetvédelmi feladatokra
Ferguson & Jones (1969) : első számítógépes döntéstámogató rendszer (IBM)a gyártás ütemezés területén
Morton (1971) : a számítógépes döntéstámogatás, modell elemzés alkalmazásaa vállalati menedzsment üzleti terv tervezési feladatában
(Management Decision System)
Davis (1974) : Management Information System (komplex feladatkör)
6
BI kialakulása
Devlion (1988) : első adattárház jellegű mintarendszer kidolgozása (IBM), EBIS: data warehouse structure
Dresner (1989) : A BI ma is használatos definíciója: eszközök és módszerek együttese döntéstámogatási feladatokra ténytár alapú rendszerekre építve
Inmon (1992) : az adattárhát struktúra elvi alapjainak megszilárdításaBuilding a data warehouse
Codd (1993) : az OLAP, a multidimenzionális elemzés elveinek rendszerezése
Kimball (1996) : az adattárház alkalmazásának, fejlesztésének gyakorlati bemutatása
7
BI kialakulása
Alkalmazott technikák
1978: Monolit rendszerek, nagygépes környezet1979: Spreadsheet-System VisiCalc, táblázatkezelők megjelenése
1986: Ad-hoc lekérdező relációs adatbázisok felé1989: Adattárház rendszerek, BI megjelenése1992: Balanced Scorecard (metrikák, indikátorok, modellek)1993: Cube Analysis OnLine Analytical Processing (OLAP), Codd1998: ROLAP elterjedése
1993: Adatbányászat, Knowledge Discovery in Databases (KDD)1998: Szövegbányászat kialakulása
2005 : mobil platform: elosztott rendszerek: in-memory rendszerek : proactive módszerek
8
BI kialakulása
9
BI kialakulásaMűveletek hierarchiája
Állapot jelentés
Statisztikai alapadatok
Lefúró elemzések
Automatizált riasztások
Trend feltárás, mintakeresés
Előrejelzés
Prediktívoptimalizálás
10
BI kialakulása
11
Milyen lehetőségek rejlenek a BI eszközrendszerében?
Milyen tendencia figyelhető meg az alkalmazásokban?
2012/2013: Aktuális fejlődési irányok
Technológiai elemek:- új kliens felületek (mobile) - elosztott szerverek, számítási felhők- teljesítmény optimalizálás - NLI, szövegforrások (unstructured data)- új integrációs eszközök
Módszertani elemek: - csoportmunka, információ megosztás (collaborative BI)- mélyebb, összetettebb elemzések (advanced analytics)- modularizálás (SOA , software as service)- új alkalmazási területek (social networks, exception management)
12
Az új BI technológiák alkalmazása
13
Az előrejelző BI elemzés szerepe
Múltbeli adatokra irányuló elemzés (rear-view mirror analytics) mellett fontosabbszerepet kapnak az előrejelző (advanced analytics, proactive) módszerek
14
A főbb alkalmazott BI módszerek
Nagyobb szerepet kapnak a nem-struktúrált adatok és az adat integráció
15
A főbb BI alkalmazási területek
Nagyobb szerepet kapnak a nem-struktúrált adatok és az adat integráció
16
A főbb BI IT eszközök
Nagyobb szerepet kapnak mobil és beágyazott kliens felületek
17
Hol tartanak ma a hazai vállalatok az európai szintű
összehasonlításban?
A különböző méretű vállalatok más és más karakterisztikával rendelkeznek a informatikai eszközök használata terén
- mikrovállakozások- kisvállalatok- középvállalatok- nagyvállalatok
A régióban Magyarország a kevésbé fejlettek csoportjába tartozik ( amennyiségi mutatókat illetően)
A lemaradás különösen az üzleti intelligencia és az iroda automatizálás területein érzékelhető
Az IT alkalmazási struktúrában Magyarország illeszkedik a nemzetközi szinthez (minőségi mutatók)
18
Alkalmazott informatikai rendszerek
Mikrovállakozások
HU
0%
20%
40%
60%
80%
100%
TPS OAS ERP SCM MIS DSS CRM BI KWS
nem
tervezik
van
SL
0%
20%
40%
60%
80%
100%
TPS OAS ERP SCM MIS DSS CRM BI KWS
nem
tervezik
van
A
0%
20%
40%
60%
80%
100%
TPS OAS ERP SCM MIS DSS CRM BI KWS
nem
tervezik
van
19
Alkalmazott informatikai rendszerek
Kisvállalatok
A
0%
20%
40%
60%
80%
100%
TPS OAS ERP SCM MIS DSS CRM BI KWS
nem
tervezik
van
HU
0%
20%
40%
60%
80%
100%
TPS OAS ERP SCM MIS DSS CRM BI KWS
nem
tervezik
van
SL
0%
20%
40%
60%
80%
100%
TPS OAS ERP SCM MIS DSS CRM BI KWS
nem
tervezik
van
20
Alkalmazott informatikai rendszerek
Középvállalatok
A
0%
20%
40%
60%
80%
100%
TPS OAS ERP SCM MIS DSS CRM BI KWS
nem
tervezik
van
HU
0%
20%
40%
60%
80%
100%
TPS OAS ERP SCM MIS DSS CRM BI KWS
nem
tervezik
van
SL
0%
20%
40%
60%
80%
100%
TPS OAS ERP SCM MIS DSS CRM BI KWS
nem
tervezik
van
/44 21
Alkalmazott informatikai rendszerek
Nagyvállalatok
A
0%
20%
40%
60%
80%
100%
TPS OAS ERP SCM MIS DSS CRM BI KWS
nem
tervezik
van
HU
0%
20%
40%
60%
80%
100%
TPS OAS ERP SCM MIS DSS CRM BI KWS
nem
tervezik
van
SL
0%
20%
40%
60%
80%
100%
TPS OAS ERP SCM MIS DSS CRM BI KWS
nem
tervezik
van
22
Vezető BI technológiák iránti igény
012345
előrejelzőelemezés
kivételelemzés
adatvizualizáció
kollaboratívBI
nagyadathalmazelemzése
in-memoryBI
mobil BI SOA BI
HU USA
Nálunk a BI inkább mennyiségi kérdés mint minőségi
23
01234
adattárházM
D elem
zés
ET
Leszközök
workflow
eszközök
OLA
Pelem
zések
dokumentum
elemzés
adattisztítás
felhő alapúO
BI
HU USA
Vezető BI módszerek
A módszerek eszközpalettája jól illeszkedik a nemzetközi szinthez
24
012345
pénzügy
előrejelzés
CR
M
stratégiaiD
SS
termékfejles
ztés
monitorozás
piacelemzés
kockázatelem
zés
HU USA
Vezető BI alkalmazási szegmensek
Magyarországon a klasszikus elemzések dominálnak a BI területén
25
Vezető BI IT eszközök
012345
Excel
adattárház
mobil eszköz
jelentésgenerátor
scoreboards
HU USA
A szabvány eszközök területén illeszkedünk a nemzetközi átlaghoz, de kevésbé elterjedtek a jelentés generátorok és metrika elemzők
26
Milyen a képzés és az ipari igények viszonya?
Az alkalmazott technológia nagyban függ a bevont IT szakemberektől
Az IT szakemberek minőségének egyik meghatározó eleme a felsőfokú oktatás
Az üzleti intelligencia területe szerény részt kap az oktatott területek palettáján
A BI specifikus ismeretek elsődlegesen az „Information System” illetve „gazdasági informatikus” képzésekben szerepelnek
Hiányzik a gyakorlatiasabb képzés
27
BI helye a ACM IT curricula rendszerében
Az ACM ajánlásokat készít az informatikai képzés tartalmára vonatkozólag
Főbb szakok: Computer Science, Computer Engineering, Software Engineering,Information Technology, Information Systems
Elemzés csak az IS szakon szerepel
Information System 2010:
- főbb kompetenciák: analitikus gondolkodás, üzleti folyamatok ismerete,IT ismeretek, kommunikációs készség
- főbb tárgyak: VIR architektúra, IT infrastruktúra, Projekt menedzsment,Elemzési eszközök, IT biztonság és kockázatok
- inkább az elméleti (adatbányászati) módszerek szerepelnek elemzésnél,a programozási elemek (MDX, ETL) hiányoznak a törzsből
28
BI helye a futó képzésekben (külföldi egyetemek)
- speciális kurzusokon- döntően MSc szinten, vagy posztgraduális képzésben
- érintik az OLAP, DW alapokat
- nem gyakorlat orientált
Swinbourne University (Business Intelligence tárgy):- BI alapfogalmak, szerepe- tudásmenedzsment- üzleti elemzések áttekintése- OLAP elemzés- CRM, CMS, dokumentum kezelés- jogi kérdések- adat tisztítás, adat integráció- multidimenzionális adatmodellek
29
BI helye a hazai felsőoktatásban
Három informatikai szak: gazdasági informatikus, mérnök informatikus, programtervező informatikus,
CorvinusCorvinus Egyetem Egyetem képzésében szereplő tárgyak :
- Információ menedzsmentIT beruházások, EIS, ERP, BI, e-kereskedelem, védelem,..
- Üzleti intelligenciaaz üzleti intelligencia alapfogalmai és döntéstámogatás,adatgyűjtés problémái, adatminőség, Enterprise Guide
adattárházak (adatpiacok) jellegzetességei, kialakításuküzleti analitika, üzleti teljesítmény-menedzsment megoldásokadatbányászat , SAS DM
- Tudásmendezsment- Döntési technikák- Adatbányászat és adattárházak
folyamat, modellek, eljárások, SAS Enterprise Miner
30
BI helye a hazai felsőoktatásban
BME BME képzésében szereplő tárgyak :
- Üzleti Intelligencia statisztikai modelljeipróbák, becslések, regresszió elemzés,.faktor elemzés, ...
- Üzleti intelligencia alapú rendszerekaz üzleti intelligencia alapfogalmai és döntéstámogatás,többdimenziós OLAP modellek, adattárházakadatbányászat és módszerei, algoritmusai, Oracle BI és DataMiner
- Adatbányászati algoritmusok- Adatbányászat és pénzügyi folyamatok
klaszterezés, osztályozás, idősorok, web-es keresés- Adatbányászat és adattárházak
folyamat, modellek, eljárások, adattisztítás, statisztikai elemzések, Weka, Ecxel
31
BI helye a hazai felsőoktatásban
Miskolci Egyetem Miskolci Egyetem képzésében szereplő tárgyak :
- Döntéselmélet és módszertanpróbák, becslések, regresszió elemzés, faktor elemzés,idősor elemzés, osztályozás alapjai, MInitab
- Adattárház rendszerekaz üzleti intelligencia alapfogalmai, statisztikai elemzésektöbbdimenziós OLAP modellek, adattárházak fejlesztése, lekérdezéseETL folyamatok, Excel, Oracle Express, MS OLAP & Integration Server
- Adatelemzési és adatbányászati módszerekOLAP modellezés, MDX,adatbányászati algoritmusok, klaszterezés, osztályozás, idősorok, web-es keresésExcel, rapidMiner, saiku, Oracle OLAP
32
Elvárások a BI területén.
Mik akadályozzák az elterjedést?
A felhasznA felhasznáállóó szempontjszempontjáábbóól fontos kl fontos köövetelmvetelméényeknyek :
- releváns, tiszta adatok biztosítása- egyszerű kezelhetőség- hatékony adatelemzés- elfogadható ár-érték arány- adatintegráció biztosítása- szakemberek rendelkezésre állása
Preferált eszközök
- Magyarországon erős a Microsoft alapú és SAP technológiák jelenléte
- Külföldön az IBM, Oracle is jelentő szerepet kap
33
Fontosabb elvárások a BI megoldásokkal szemben
A legfontosabb szempont az adatok tisztaságának biztosítása
34
Fontosabb BI alkalmazási területek
00,5
11,5
22,5
33,5
4
üzletifolymataok
optimalizálása
új üzletilehetőségek
feltárásáa
üzletikockázatokfeltárása
re-aktívelemzés
pro-aktívelemzés
Magyarországon a BI fő felhasználás az új üzleti területek feltárása
35
Fontosabb BI megoldás szállítók
A legfontosabb szempont az adatok tisztaságának biztosítása
36
012345
Microsoft
OLA
P S
QL
SA
P
Oracle
IBM
Cognos
SA
S
MicroS
trategy
IBM
SP
SS
MS
Excel
HU USA
Fontosabb BI megoldás szállítók
Magyarországon jelentős az MS és SAP dominancia
37
Elvárások a BI megoldásokkal szemben
A legfontosabb szempont az egyszerű kezelő felület, hatékony működés
38
Elvárások a BI megoldásokkal szemben
012345
Imp
lem
ent
áció
egy
szerű
ség
e
ha
téko
ny
ada
tkin
yeré
s
egys
zerű
hasz
nála
t
kom
plex
elem
zés
egy
sze
rűad
atb
etöl
tés
nyí
lt fe
lüle
t
meg
jele
níté
s ár
tám
ogat
ás
refe
renc
iák
Magyarországon igen fontosak a tartalmi szempontok a BI megoldás kiválasztásánál
39
A BI további elterjedését támogató igények
Domináns igény az üzleti tervezés minőségének javítása, a hatékonyabb információ integráció és információ megosztás
40
A BI további elterjedését gátló tényezők
A legfontosabb szempont az egyszerű kezelő felület, hatékony működés
41
Felhasználói elvárások a BI termékekkel szemben
Költségek, árak csökkentése (85%)
Egyszerűbb kezelő felület (84%)
Komplex elemzések biztosítása (83%)
Gyorsabb adatkinyerés (71%)
Adatvédelem nagyobb szintje (57%)
Egyszerűbb paraméterezhetőség (43%)
Gyártóktól való függetlenség (28%)
Adatintegráció automatizálása (16%)
Szabványosítás erősítése (14%)
42
A BI rendszerek sikeressége
Az átlagos sikerességi ráta : 73%
00,5
11,5
22,5
33,5
44,5
5
érvé
nyes
ada
tok
hián
ya
adat
inte
grác
ióko
mpl
exitá
sa
adat
tiszt
ítás
kom
plex
itása
növe
kvő
adat
men
nyis
ég
szer
vezé
sine
hézs
ég
adat
hete
roge
nitá
s
szak
embe
rek
hián
ya
adat
kiny
erés
költs
ége
test
re s
zabá
skö
ltség
e
nem
egy
érte
lmű
kim
enet
Sikertelenség okai
43
A BI-ban alkalmazandó új technológiai kihívások
Master Data Management System:- adat integráció- adat tisztítás- heterogén adatok
Cloud based DataWarehouse:- centralizált adatkezelés- kisebb működési költség- elosztott hozzáférés
NoSQL Data Management:- nem strukturált adatok elérése (dokumentumok, képek)- természetes nyelvű források kezelése- nagy tömegű adatok kezelése
BI development:
- modell alapú tervezés, agilis fejlesztés- tesztelés- ontológia integrálás
44
Köszönöm a figyelmet!
Top Related