Какво е бизнес разузнаване?
Бизнес разузнаването (BI), термин, който в днешно време е присъщо свързан с информационните технологии, се развива вече повече от 150 години. Въпреки че произходът му е предшествал изобретяването на компютрите, едва след като те са широко разпространени, BI нараства в значимост и развитието му занапред се сдвоява с развитието на компютрите и базите данни.
BI Използване на писалка и хартия
Първото използване на термина „бизнес разузнаване“ е широко приписвано на г-н Ричард Милър Девънс, в неговата книга Циклопедия на търговските и бизнес анекдотите , публикуван за първи път през 1865 г. Той го използва, за да опише как сър Хенри Фурнезе, успешен банкер, се възползва от информацията, като активно я събира и действа преди състезанието му. Това посочи факта, че е по-надеждно да се използват данни и емпирични доказателства, а не инстинкт на червата, за разработване на бизнес стратегия. Идеята беше допълнително подсилена от други, които виждаха стойност в информацията.
През последното десетилетие на 1800-те, Фредерик Тейлър въведе първата формализирана система за бизнес анализ в Съединените щати. Неговата система за научно управление започва с проучвания във времето, които анализират производствените техники и движенията на тялото на работниците, за да открият по-голяма ефективност, която стимулира индустриалното производство.
В крайна сметка Тейлър стана консултант на Хенри Форд , който в началото на 1900 г. започва да измерва времето, през което всеки компонент на неговия Ford Model T е завършен на поточната си линия. Неговата работа и успехът му революционизираха производствената индустрия по целия свят. И все пак той все още използва писалка и хартия за това.
Business Intelligence получава тласък от компютрите
Електронните компютри бяха ембрионални през 30-те години, но бяха разработени бързо по време на Втората световна война, като част от усилията на съюзниците да разбият германските кодове.
До 50-те години компютрите разчитат най-вече на перфокарти или перфокасети, за да съхраняват данни. Това бяха огромни купища карти с малки дупки в тях, които ще съхраняват информацията, която ще се обработва от компютрите. През 1956 г. обаче IBM изобретява първото устройство с твърд диск, което позволява да се съхраняват големи количества информация с по-голяма гъвкавост на достъпа.
Не след дълго, през 1958 г., изследовател на IBM Ханс Питър Лун публикува историческа статия, наречена Система за бизнес разузнаване . Той теоретизира за потенциала на система за „селективно разпространение“ на документи до „точки за действие“ въз основа на „профили на интереси“. Неговата работа има забележително значение дори и до днес, тъй като той прогнозира няколко тенденции в бизнес разузнаването, които са модерни в днешно време, като способността на информационните системи да се учат и прогнозират въз основа на интересите на потребителите. Днес ние го наричаме машинно обучение. Лун е популярен като бащата на бизнес разузнаването.
най-добрият начин да научите C++
Въпреки че концепцията, предложена от Luhn, привлече вниманието на няколко заинтересовани страни, по това време идеята се смяташе за твърде скъпа, за да има някаква практическа употреба. Необходим е повече технологичен напредък, за да стане икономически изгодно решение.
През следващото десетилетие използването на компютри избухна, дори като се има предвид, че всеки компютър е гигантска машина, която заема целия етаж на сграда и трябва да се управлява от няколко висококвалифицирани инженери, за да функционира правилно. Експертите отново се заеха с идеята да се използват компютри за извличане на заключения от данните, но основният проблем беше, че нямаше централизиран метод, който да обедини всички данни на едно място. Данните сами по себе си не могат да генерират никакви данни. За да се реши това предизвикателство, бяха проектирани първите системи за управление на бази данни. По-късно те просто ще бъдат наречени бази данни. Това първо поколение позволява първото търсене в базата данни, като се използва стратегия на бинарни дървета . Тази стратегия, макар да решава няколко проблема по това време, в днешно време се счита за твърде тежка и неефективна. Дори и така, за компаниите, които биха могли да си го позволят, този нов инструмент предостави своята стойност, като се използва, за да направи окончателно заключения от наличните данни.
BI технологии се подобряват: Големите играчи влизат в полето
През 1970 г. Едгар Код от IBM публикува статия, наречена Релационен модел на данни за големи споделени банки с данни . Той проправи пътя за релационни бази данни от следващо поколение, позволявайки много по-широк капацитет за съхранение и манипулиране на данни. В странен ход обаче IBM се въздържа от внедряването на дизайна на Codd, за да запази приходите за текущите си системи от бази данни. Едва след като конкурентите започнаха да ги прилагат, IBM последва примера.
По това време имаше достатъчно пазар, който да позволи да се появят първите доставчици на бизнес разузнаване. Сред тях имаше SAP, Siebel и JD Edwards. По това време те се наричаха системи за подкрепа на вземане на решения (DSS).
Големият проблем в този момент беше, че тези бази данни страдат от „силозни“ проблеми. Тъй като бяха много едномерни, гъвкавостта на тяхното използване беше много ограничена. Дори прости проблеми като една база данни, кодираща градове като „OH, NJ и NY“, докато друга, използваща „Охайо, Ню Джърси и Ню Йорк“, направиха кръстосаното препращане на страховита задача.
И все пак се появяват все по-успешни случаи на печелившо използване на данни. Един от най-известните по това време идва от Нилсен. Използва се за измерване на аудиторията, маркетинговият инструмент, известен като рейтинг на Nielsen, се използва за измерване на това колко хора гледат дадено телевизионно предаване по всяко време, като се използва устройство, наречено Аудиметър , който беше закачен към телевизор и записа кой канал се гледа.
Рейтингът на Nielsen се счита за най-гледания национален доклад за рейтинг в телевизионната индустрия. Четири пъти в годината обаче ще има „черни седмици“ - седмици, в които рейтингите на Nielsen не се отчитат. Тъй като нямаше уверен начин за измерване на рейтингите през тези „черни седмици“, телевизионните мрежи изпълниха своите графици с повторения.
Както индустрията, така и аудиторията вече бяха свикнали с „черните седмици“, но приключиха през септември 1973 г. Nielsen представи своя моментален аудиометър за съхранение (SIA), свързващ 1200 домакинства директно с компютъра за бизнес разузнаване на компанията във Флорида. Той може да произведе национални рейтинги само за 36 часа, далеч по-малко от една до две седмици, необходими на по-старата система на компанията. Националните рейтинги ще бъдат достъпни всеки ден от седмицата, всяка седмица от годината. Вече нямаше нужда от „черни седмици“ и данните бяха много по-достъпни.
Към края на 70-те, Лари Елисън и двама приятели пуснаха първата търговска версия на базата данни Oracle. Това беше първата истина система за управление на релационни бази данни на пазара, замествайки използваните дотогава идеи за йерархични бази данни и мрежови бази данни за по-стабилна структура, която позволяваше много по-гъвкави търсения. Тази технология ще диктува историята и тенденциите на BI през следващите десетилетия.
Значението на BI нараства: Имаме нужда от повече място!
По-ниските цени на пространството за съхранение и по-добрите бази данни позволяват за следващото поколение решения за бизнес разузнаване. Ралф Кимбъл и Бил Инмон предложи две различни, но сходни стратегии на проблема да има всички данни на бизнеса на едно и също място, за да може да ги анализира. Това бяха хранилища за данни (DW). Inmon е признат от мнозина като бащата на хранилището за данни.
Складовете за данни са бази данни, предназначени да обединяват много данни от други източници на данни (най-вече други бази данни), позволявайки много по-задълбочен анализ с възможност за препратка към тези различни източници. Все пак беше твърде технично и скъпо. Отчетите трябваше да се изготвят и поддържат от множество скъпи ИТ технически персонал.
Топ мениджмънтът по това време ще живее от резултатите на BI решения като Crystal Reports и Microstrategy. И, разбира се, имаше Microsoft Excel (издаден през 1985 г.). Понастоящем бизнес разузнаването беше неразделна част от инструментите, налични за процеса на вземане на решения.
През 1989 г. Хауърд Дрезднер от групата на Gartner допринесе за популяризирането на термина „бизнес разузнаване“, използвайки го като общ термин за описание на „ концепции и методи за подобряване на вземането на бизнес решения чрез използване на базирани на факти системи за подкрепа . '
Business Intelligence 1.0
През 90-те разходите за съхранение на данни намаляха, тъй като повече конкуренти навлязоха на пазара и повече ИТ специалисти се запознаха с технологията. Това беше периодът на „Business Intelligence 1.0.“
Сега данните бяха общодостъпни за корпоративния персонал като цяло, а не само за висшето ръководство. Проблемът в този момент обаче беше, че задаването на нови въпроси все още беше много скъпо. След като въпросът бъде „проектиран“, отговорът ще бъде достъпен бързо, но само за този въпрос.
За да се намалят тези усилия, бяха разработени някои нови инструменти и „градивни елементи“ за ускоряване на процеса на различни заявки:
- ETL (извличане, преобразуване и зареждане) е набор от инструменти, подобни на езика за програмиране, които улесняват проектирането на потока от данни в хранилище за данни.
- OLAP (онлайн аналитична обработка) помогна да се създадат различни възможности за визуализация на заявените данни, като даде възможност на анализаторите да извлекат по-добри заключения от разглежданата информация.
И до днес инструментите ETL и OLAP все още са ключова част от решенията за бизнес разузнаване.
Това беше и периодът, в който планиране на корпоративни ресурси (ERP) системите станаха популярни. Това са огромни софтуерни платформи за управление, които интегрират приложения за управление и автоматизиране на аспекти на бизнеса. Те също така предоставиха структурирани данни за складовете за данни и през следващите години ще се превърнат в сърцето на всяка голяма компания в света.
През 1995 г. Microsoft пусна Windows 95 , първата „лесна за ползване“ операционна система - и компютрите се превърнаха в обичайни битови предмети. Това би имало дълбоко въздействие върху начина, по който хората са произвеждали и консумирали данни през следващите десетилетия.
BI нарушен: експлозия на данни през новото хилядолетие
Към 2000 г. решенията за бизнес разузнаване вече бяха създадени като „задължително“ за всички средни и големи предприятия. Сега широко се смяташе за изискване да се запази конкурентоспособността.
От гледна точка на доставчиците на решения, изобилието от решения започна да се обединява в ръцете на няколко големи конкуренти, като IBM, Microsoft, SAP и Oracle.
През този период се появиха няколко нови концепции. Трудността да поддържат своите хранилища с данни актуални, накара някои компании да преосмислят своя подход, превръщайки своя DW в техния „ един източник на истина . ' За вече съществуващи данни други програми ще използват информацията, предоставена от DW, вместо да използват собствената си, като по този начин елиминират повечето проблеми с несъвместимостта на данните. Беше по-лесно да се каже, отколкото да се направи, осигурявайки много технически предизвикателства. Концепцията обаче беше толкова полезна, че през следващите години наличните решения на пазара ще се адаптират, за да използват тази стратегия.
Тъй като данните стават все по-богати и BI инструментите доказват своята полезност, усилията за разработка са насочени към увеличаване на скоростта, с която информацията ще стане достъпна, и към намаляване на сложността на достъпа до нея. Инструментите станаха по-лесни за използване и нетехническите хора вече можеха да събират данни и да получават прозрения сами, без помощта на техническата поддръжка.
В началото на 2000-те години бумът на платформите за социални мрежи проправи пътя мнението на широката общественост да бъде свободно достъпно в интернет и заинтересованите страни могат да събират (или „добиват“) данните и да ги анализират. До 2005 г. нарастващата взаимосвързаност на света на бизнеса означава, че компаниите се нуждаят от информация в реално време, където данните от събития могат да бъдат включени в складовете за данни, както се случват в реално време.
Това е годината, в която Google Analytics беше въведен, предоставяйки безплатен начин за потребителите да анализират данните на уебсайта си. Това е и годината на срока голяма информация е използван за първи път. Роджър Магулас от O’Reilly Media го използва, за да се позове на „голям набор от данни, които е почти невъзможно да се управляват и обработват с помощта на традиционни инструменти за бизнес разузнаване“.
За да се справят с допълнителното пространство за съхранение и изчислителната мощност, необходими за управление на това експоненциално нарастващо количество данни, компаниите започнаха да търсят други решения. Изграждането на по-големи и по-бързи компютри не можеше да става и дума, така че използването на няколко машини едновременно стана по-добър вариант. Това бяха семената на облачни изчисления .
процесът на оценка и избор на проекти, в които една компания да инвестира, се нарича:
Съвременни приложения на BI
През последните 10 години големите данни, изчисленията в облак и науката за данните станаха думи, известни на почти всеки. Понастоящем е трудно да се признае кои нови постижения са най-въздействащи през последните години. Има обаче няколко интересни случая, които показват нарастващата сила на съвременните аналитични инструменти.
Реклама, бисквитки и AdTech
През 2012 г. The New York Times публикува статия описвайки как Target случайно е открил бременността на тийнейджър от гимназията преди родителите си. Чрез анализи те идентифицираха 25 продукта, които, когато бъдат закупени заедно, показват, че една жена вероятно е бременна. Стойността на тази информация беше, че Target може да изпраща талони на бременната жена в период, в който навиците за пазаруване на жената могат да се променят.
Разгневен баща влезе в Мишена пред Минеаполис и поиска да се види с управителя. Той се оплака, че дъщеря й получава талони за бебешки дрехи, въпреки че все още е в гимназията. Мениджърът се извини дълбоко от името на компанията, но няколко дни по-късно бащата се обади, за да се извини: „Оказва се, че в къщата ми е имало някои дейности, за които не съм бил напълно наясно. Тя трябва да се появи през август. Дължа ви извинение. '
Този анекдотичен пример показва съвременната сила на анализа на данни.
Политика
Стратегията на кампанията за преизбиране на Обама беше силно изградена върху анализи. Много специалисти го посочват като една от основните причини за успеха му. Стратегията, разработена от ръководителя на кампанията Джим Месина, беше фокусирана върху събирането на данни за избирателите и използването им, за да се гарантира, че те 1) ще се регистрират да гласуват, 2) ще бъдат убедени да гласуват за Обама и 3) ще се покажат да гласуват в изборния ден. Около 100 анализатори на данни направиха част от усилията, използвайки среда, работеща на HP Vertica и кодирана в R и Stata.
За постигането на тези цели бяха приложени няколко инициативи, една от които беше Airwolf. Създаден да интегрира усилията на терена и дигиталните екипи, той гарантира, че щом полетният екип се свърже с избирател в кампания от врата до врата, техните интереси ще бъдат записани, така че те да получават чести имейли от местните организатори, специално пригодени към любимите въпроси на кампанията на всеки.
С подходящите инструменти и данни анализаторите могат да отговорят на почти всеки въпрос бързо и лесно, без значение откъде първоначално идват данните. Успехът на кампанията на Обама направи средата за анализ на големи данни стандартно изискване за всяка кампания оттогава.
Наука
Проектът за човешкия геном беше завършен през 2003 г., но остави много въпроси без отговор. Въпреки картографирането на цялата последователност от двойки нуклеотидни основи, които изграждат човешката ДНК, истинското разбиране за това как работи човешката генетика изисква по-интензивно проучване - и това беше идеалното приложение за големи данни. Типичният човешки геном съдържа повече от 20 000 гена, като всеки от тях се състои от милиони базови двойки. Простото картографиране на геном изисква сто гигабайта данни, а последователността на множество геноми и проследяването на взаимодействията между гените се умножава многократно - в някои случаи стотици петабайта.
Чрез прилагане на анализи в тяхното проучване публикуван през 2016 г., учени от Хайфския университет успяха да наблюдават това, което се нарича „социален характер“ на гените. Това, което учените отдавна искат да разберат, е вътрешната работа на сложните генетични ефекти, които участват в създаването на сложни заболявания. Тази цел е особено трудна, тъй като генетичните прояви на някои заболявания обикновено идват от комбинацията от няколко генетични маркера, взаимодействащи помежду си. Така че не само че изследователите ще трябва да прочетат цяла генетична последователност, но ще трябва да проследят и взаимодействията между множество различни гени.
Въпреки че все още има много данни, които да бъдат анализирани, е направен път за разбиране и лечение на огромен брой генетични дефекти, големи и малки.
Пътят напред
Сега достигнахме време, когато Facebook може да разпознае лицето ви в снимки, където Google може да предвиди какъв вид реклама би подхождал най-добре на вашия профил, където Netflix може да ви даде предложения кои предавания да гледате. Време е, когато можете да говорите с телефона си, а не само с някой от другата страна на телефонната линия. Да можеш да обработваш и обработваш огромни количества данни беше първична стъпка, за да разбереш как са се появили тези чудеса.
Големите данни все още са нарастваща тенденция. Приблизително 90% от наличните данни са създадени през последните две години. На конференцията по технология през 2010 г. Ерик Шмид заяви, че „има 5 екзабайта информация, създадена от целия свят между зората на цивилизацията и 2003 г. Сега същото количество се създава на всеки два дни.“
Обработката на толкова голямо количество данни все още представлява много предизвикателства. Качеството на данните, едно от първите и най-старите главоболия на бизнес разузнаването, все още е взискателна област. Анализът, необходимият набор от умения, за да се разбере огромната купчина данни, които компаниите събират, също е в голямо търсене. Понастоящем има много вкусове на анализа: описателен анализ, прогнозен анализ, предписващ анализ, стрийминг анализ, автоматизиран анализ и др. Анализът използва няколко авангардни технологии за извличане на прозрения от данни, като изкуствен интелект, машинно обучение и много статистически данни модели. Най-накрая е време, когато е страхотно да си математик.
Понастоящем BI инструментите са проектирани с конкретна индустрия, било то здравеопазване, правоприлагане и т.н. Сега работи на множество устройства и използва няколко инструмента за визуализация, позволявайки на всеки да прилага аргументи към данните чрез интерактивни визуални интерфейси. Мобилната BI вече е реалност.
Чрез комбинирането на силните страни на големите данни, машинното обучение и анализи, животът ви може да бъде много различен в бъдеще. Може би вече няма нужда да ходите до хранителния магазин - хладилникът ви ще поръча това, което най-вероятно ще ви е необходимо, въз основа на вашите хранителни навици. Вероятно няма да се обаждате на Вашия лекар, за да кажете, че сте болен, защото ще Ви се обадят още преди да почувствате първите симптоми.
Сега човечеството живее в информационната ера и бизнес интелигентността е ключова характеристика на нашето време, която ни помага да осмислим всичко това. Понастоящем бизнес аналитиката е дори дипломна програма в много университети. Историята на бизнес разузнаването е сравнително нова, но с всеки ден се ускорява и става все по-плътна. Най-добрите дни на BI все още са пред нас.
принципи на примери за модел на дизайн
Разбиране на основите
Защо се изисква бизнес разузнаване?
Бизнес разузнаването помага на компаниите да вземат информирани решения по бизнес въпроси. Поглеждането назад към историческите данни осигурява прозрение и насочва действията. Повечето компании използват BI, така че се превърна в изискване да останете конкурентоспособни.
За какво се използва бизнес разузнаването?
Бизнес интелигентността се използва за насочване на вземането на бизнес решения. BI може да предостави исторически данни, диаграми, пазарен анализ и факти, основани на факти в подкрепа на процеса на вземане на решения.
