image

Инструменты для работы с данными и принятия управленческих решений

В текущих реалиях сохранение и развитие бизнеса определяется тем, насколько оперативно и эффективно принимаются те или иные управленческие решения. Для поддержки данного процесса современным компаниям требуются мощные аналитические инструменты, способные быстро выдать бизнесу ответы на интересующие вопросы.

Часто такими инструментами были платформы и системы глобальных производителей ПО. Сегодня они недоступны многим компаниям. Мы проработали подходы к тому, как быстро реализовать все требования бизнеса на современных платформах, свободных от санкционных рисков. Наш подход позволяет не ужимать свои требования и ожидания под возможности менее функциональных платформ, а, наоборот открывает новые горизонты возможности за счет использования самых передовых аналитических решений, которые давно уже развиваются в мире в концепции open source.
Предпосылки:

  • Уход или угроза ухода глобальных производителей ПО и связанное с этим отсутствие возможности закупить/докупить лицензии.
  • Переход на новые бизнес-приложения, включая системы управления предприятиями ERP (ПО отечественного производства, Open Source).
  • Отсутствие конкурентоспособных на мировом уровне платформ по работе с данными на отечественном рынке проприетарных BI-систем.
Проблемы бизнеса — нехватка инструментов анализа:

  • Сбор отчетности в ручном режиме — большие трудозатраты сотрудников.
  • Сложности формирования полноценных аналитических отчетов непосредственно средствами бизнес-приложений (ERP, CRM, и т.п.).
  • Сбор и анализ детальной информации (например, по чекам, по данным с сайта, оборудования и т.п.).
  • Сложность объединения внешних относительно компании данных с данными внутренних информационных систем (изменчивость API, форматов предоставления данных, значений аналитик).
  • Сложность обработки растущего взрывными темпами объема исторических данных.
Вопросы при выборе системы, которые необходимо проработать:

  • Скорость внедрения аналитического решения,
  • Качество осуществления поддержки (обновления, quick fix и т.д.),
  • Минимизация затрат — при замене большого количества систем необходимо держать под контролем затраты на лицензии,
  • Надежность поставщика (масштабность и широта сообщества разработчиков),
  • Производительность на уровне хранилища данных (ХД), обработки и предоставления информации,
  • Сложность обучения персонала,
  • Сложность внедрения и поддержки,
  • Удобные для бизнеса инструменты визуализации,
  • Интеграция с внедряемым ПО,
  • Поддержка идеологии Data Governance.
Современные технологии обработки данных и стек open source-продуктов:

Все описанные выше вопросы необходимо рассматривать комплексно, но для бизнеса в первую очередь важно вовремя получать и анализировать качественные данные, а для IT — правильно собирать, консолидировать и оперативно публиковать эти данные, используя доступную и надежную инфраструктуру.

Наше предложение, построенное на высокоэффективных open source-инструментах, широко используемых в самых технологичных компаниях мира, позволяет закрыть все имеющиеся потребности ИТ и бизнеса.

Мы предлагаем реализацию Аналитического контура на базе следующих компонентов:
Инструменты для работы с данными и принятия управленческих решений
Каждый из представленных инструментов эффективно решает конкретные прикладные задачи в своем сегменте.
С точки зрения IT:

  • Хранение данных. Важно понимать, какие именно данные требуются бизнесу и как их правильно хранить и обрабатывать. Для транзакционных систем – GreenPlum, продвинутый вариант PostgreSQL с поколоночным видом хранения данных, что обеспечивает лучшую производительность по сравнению с классическими SQL-подобными базами данных.
  • Для масштабируемых данных класса BigData с обработкой и накоплением первичных документов применяется HDFS (Hadoop Distributed File System).
  • Обработка данных (ETL). Аналогично с хранением данных необходимо определить цели и задачи для ETL. В нашем предложении классические задачи Talend, потоковая обработка данных (онлайн) и процедурная обработка данных решаются с помощью Apache Kafka и Airflow. За работу с неструктурированными данными отвечает Apache Spark.
  • Хранение обработанных данных. Задача хранения больших разряженных данных решается с помощью специально разработанного для этих целей инструмента Apache HBase.
  • OLAP. В качестве эффективного инструмента работы с большими данными мы предлагаем Kylin – OLAP-инструмент от Apache на базе Hadoop.
С точки зрения Бизнес-пользователей:
  • Инструменты визуализации: Apache Superset – open source-аналог Power BI с возможностью создания отчетов и дашбордов. При создании отчетов знания специальных языков программирования не требуется, что позволяет использовать его как инструмент self service-отчетности.
  • Прикладная работа с данными на уровне «электронных таблиц» по типу Excel — встроенные подключения к витринам данных, а также к данным из кубов Apache Kylin.

Данные инструменты во многом превосходят традиционные «BI-системы» в функциональности и быстродействии, при этом «порог» входа гораздо ниже:

  • нет дорогостоящей «лицензионной» составляющей;
  • мощное комьюнити, развивающее решение — отсутствие обязательных платежей по «поддержке» платформы;
  • большое количество специалистов на рынке — проще организовать свой центр компетенций или поручить задачи поддержки и развития.

Получите экспертное мнение

Получите экспертное мнение

Благодарим!

Решения Odyssey Consulting Group

Бизнес-аналитика
Azure BI
Сегодня качественные и быстрые управленческие решения требуют работы с большими объемами данных...
Бизнес-аналитика
BI на Open Source
В текущих реалиях сохранение и развитие бизнеса определяется тем, насколько оперативно и эффективно принимаются те или иные управленческие решения.

Истории успеха

вместе создаем ценность для лучшего завтра
MoneyСare использует машинное обучение для прогнозирования одобрения кредитов
MoneyСare использует машинное обучение для прогнозирования одобрения кредитов
Подробнее

Expert Talks

Избранные материалы от экспертов по трансформации к лидерству
Все статьи
Работа с персоналом как составляющая часть управления изменениями
Статья
Работа с персоналом как составляющая часть управления изменениями
Статья Екатерины Иваненко, ведущего консультанта, для «Инвест-Форсайт»
Читать
Как продать, а не разозлить клиента
Статья
Как продать, а не разозлить клиента
Статья Евгения Лебедева, директора практики управления взаимоотношениями с клиентами, для Market Media
Читать
Digital-склад: как избежать ошибок при переносе инфраструктуры в облако
Статья
Digital-склад: как избежать ошибок при переносе инфраструктуры в облако
Статья Константина Савергина, директора практики логистических решений, для РБК Pro
Читать