Az üzleti intelligencia megoldások helye és szerepe a magyar vállalatok életében Dr. Kovács László Dr. Sasvári Péter Miskolci Egyetem 1
Mit jelent a BI? Mi jellemzi a BI értelmezésének fejlődését, az értelmezési szintek viszonyát? Az információ éhség korszakában élünk A döntésekhez szükséges információkat gyorsan,hatékonyan szeretnénk elérni Információs rendszerek : OLTP - tranzakciós adatok lekérdezése - tények közvetlen lekérdezése Döntés nehézsége: - adathiány az OLTP-ben - funkcióhiány - kérdés megfogalmazása - eredmény értelmezése 2
Mit jelent a BI? - olyan módszerek, eszközök összessége, melyek a döntéshozatal folyamatát javítják 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 3
BI előfeltevése Akko (1967): (1) A döntéshozóknál a legnagyobb nehézség a döntések meghozatalában a releváns információk hiánya (2) A vezetőáltal igényelt információaz, amire valóban szükség van a döntés meghozatalában (3) A vezetőaz igényelt információbirtokában 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 4
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 biztosító rendszer katonai, nemzetvédelmi feladatokra Ferguson& Jones (1969): első számítógépes döntéstámogató rendszer (IBM) a gyártás ütemezés területén Morton(1971) : a számítógépes döntéstámogatás, modell elemzés alkalmazása a vállalati menedzsment üzleti terv tervezési feladatában (Management Decision System) Davis (1974): Management InformationSystem (komplex feladatkör) 5
BI kialakulása Devlion(1988) : elsőadattárház jellegűmintarendszer 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 megszilárdítása Building a data warehouse Codd(1993): az OLAP, a multidimenzionális elemzés elveinek rendszerezése Kimball(1996): az adattárház alkalmazásának, fejlesztésének gyakorlati bemutatása 6
BI kialakulása Alkalmazott technikák 1978: Monolit rendszerek, nagygépes környezet 1979: Spreadsheet-System VisiCalc, táblázatkezelők megjelenése 1986: Ad-hoc lekérdező relációs adatbázisok felé 1989: Adattárház rendszerek, BI megjelenése 1992: Balanced Scorecard(metrikák, indikátorok, modellek) 1993: Cube Analysis OnLine Analytical Processing(OLAP), Codd 1998: ROLAP elterjedése 1993: Adatbányászat, Knowledge Discovery in Databases(KDD) 1998: Szövegbányászat kialakulása 2005 : mobil platform : elosztott rendszerek : in-memoryrendszerek : proactive módszerek 7
BI kialakulása 8
BI kialakulása Műveletek hierarchiája Prediktív optimalizálás Előrejelzés Trend feltárás, mintakeresés Automatizált riasztások Lefúró elemzések Statisztikai alapadatok Állapot jelentés 9
BI kialakulása 10
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) 11
Az új BI technológiák alkalmazása 12
Az előrejelző BI elemzés szerepe Múltbeli adatokra irányuló elemzés (rear-view mirror analytics) mellett fontosabb szerepet kapnak az előrejelző(advanced analytics, proactive) módszerek 13
A főbb alkalmazott BI módszerek Nagyobb szerepet kapnak a nem-struktúrált adatok és az adat integráció 14
A főbb BI alkalmazási területek Nagyobb szerepet kapnak a nem-struktúrált adatok és az adat integráció 15
A főbb BI IT eszközök Nagyobb szerepet kapnak mobil és beágyazott kliens felületek 16
Hol tartanak ma a hazai vállalatok az európai szintű összehasonlításban? A különbözőméretűvállalatok más és más karakterisztikával rendelkeznek a informatikai eszközök használata terén - mikrovállakozások - kisvállalatok - középvállalatok - nagyvállalatok A régióban Magyarország a kevésbéfejlettek 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) 17
Alkalmazott informatikai rendszerek Mikrovállakozások HU 100% 80% 60% 40% 20% 0% TPS OAS ERP SCM MIS DSS CRM BI KWS nem tervezik van SL 100% 80% 60% 40% 20% 0% TPS OAS ERP SCM MIS DSS CRM BI KWS nem tervezik van A 100% 80% 60% 40% 20% 0% TPS OAS ERP SCM MIS DSS CRM BI KWS nem tervezik van 18
Alkalmazott informatikai rendszerek Kisvállalatok HU 100% 80% 60% 40% 20% 0% TPS OAS ERP SCM MIS DSS CRM BI KWS nem tervezik van SL 100% 80% 60% 40% 20% 0% TPS OAS ERP SCM MIS DSS CRM BI KWS nem tervezik van A 100% 80% 60% 40% 20% 0% TPS OAS ERP SCM MIS DSS CRM BI KWS nem tervezik van 19
Alkalmazott informatikai rendszerek Középvállalatok HU 100% 80% 60% 40% 20% 0% TPS OAS ERP SCM MIS DSS CRM BI KWS nem tervezik van SL 100% 80% 60% 40% 20% 0% TPS OAS ERP SCM MIS DSS CRM BI KWS nem tervezik van A 100% 80% 60% 40% 20% 0% TPS OAS ERP SCM MIS DSS CRM BI KWS nem tervezik van 20
Alkalmazott informatikai rendszerek Nagyvállalatok HU 100% 80% 60% 40% 20% 0% TPS OAS ERP SCM MIS DSS CRM BI KWS nem tervezik van SL 100% 80% 60% 40% 20% 0% TPS OAS ERP SCM MIS DSS CRM BI KWS nem tervezik van A 100% 80% 60% 40% 20% 0% TPS OAS ERP SCM MIS DSS CRM BI KWS nem tervezik van /44 21
Vezető BI technológiák iránti igény Nálunk a BI inkább mennyiségi kérdés mint minőségi 5 4 3 2 1 0 előrejelző elemezés kivétel adat elemzés vizualizáció kollaboratív BI nagy adathalmaz elemzése in-memory BI mobil BI SOA BI HU USA 22
23 Vezető BI módszerek A módszerek eszközpalettája jól illeszkedik a nemzetközi szinthez 4 3 2 1 0 felhő alapú O BI adattis z títás dok umentum elemz és O LAP elemzés ek work flow eszközök ETL eszközök adattárház MD elemzés HU USA
24 Vezető BI alkalmazási szegmensek Magyarországon a klasszikus elemzések dominálnak a BI területén 5 4 3 2 1 0 kockázatele mzés piacelemzés monitorozás termékfejles ztés stratégiai DSS CRM előrejelzés pénzügy HU USA
VezetőBI IT eszközök A szabvány eszközök területén illeszkedünk a nemzetközi átlaghoz, de kevésbé elterjedtek a jelentés generátorok és metrika elemzők 5 4 3 2 1 0 E x c e l a d a ttá r h á z m o b il e s z k ö z je le n té s g e n e r á to r s c o r e b o a r d s HU USA 25
Milyen a képzés és az ipari igények viszonya? Az alkalmazott technológia nagyban függ a bevont IT szakemberektől Az IT szakemberek minőségének egyik meghatározóeleme a felsőfokú oktatás Az üzleti intelligencia területe szerény részt kap az oktatott területek palettáján A BI specifikus ismeretek elsődlegesen az InformationSystem illetve gazdasági informatikus képzésekben szerepelnek Hiányzik a gyakorlatiasabb képzés 26
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 27
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 28
BI helye a hazai felsőoktatásban Három informatikai szak: gazdasági informatikus, mérnök informatikus, programtervező informatikus, Corvinus Egyetem képzésében szereplő tárgyak : - Információ menedzsment IT beruházások, EIS, ERP, BI, e-kereskedelem, védelem,.. - Üzleti intelligencia az üzleti intelligencia alapfogalmai és döntéstámogatás, adatgyűjtés problémái, adatminőség, Enterprise Guide adattárházak (adatpiacok) jellegzetességei, kialakításuk üzleti analitika, üzleti teljesítmény-menedzsment megoldások adatbányászat, SAS DM - Tudásmendezsment - Döntési technikák - Adatbányászat és adattárházak folyamat, modellek, eljárások, SAS Enterprise Miner 29
BI helye a hazai felsőoktatásban BME képzésében szereplő tárgyak : - Üzleti Intelligencia statisztikai modelljei próbák, becslések, regresszió elemzés,.faktor elemzés,... - Üzleti intelligencia alapú rendszerek az üzleti intelligencia alapfogalmai és döntéstámogatás, többdimenziós OLAP modellek, adattárházak adatbányászat 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 30
BI helye a hazai felsőoktatásban Miskolci Egyetem képzésében szereplő tárgyak : - Döntéselmélet és módszertan próbák, becslések, regresszió elemzés, faktor elemzés, idősor elemzés, osztályozás alapjai, MInitab - Adattárház rendszerek az üzleti intelligencia alapfogalmai, statisztikai elemzések többdimenziós OLAP modellek, adattárházak fejlesztése, lekérdezése ETL folyamatok, Excel, Oracle Express, MS OLAP & IntegrationServer - Adatelemzési és adatbányászati módszerek OLAP modellezés, MDX, adatbányászati algoritmusok, klaszterezés, osztályozás, idősorok, web-es keresés Excel, rapidminer, saiku, Oracle OLAP 31
Elvárások a BI területén. Mik akadályozzák az elterjedést? A felhasználó szempontjából l fontos követelmk vetelmények: - releváns, tiszta adatok biztosítása - egyszerű kezelhetőség - hatékony adatelemzés - elfogadható ár-érték arány - adatintegráció biztosítása - szakemberek rendelkezésre állása Preferált eszközök -Magyarországon erős a Microsoft alapúés SAP technológiák jelenléte -Külföldön az IBM, Oracle is jelentőszerepet kap 32
Fontosabb elvárások a BI megoldásokkal szemben A legfontosabb szempont az adatok tisztaságának biztosítása 33
Fontosabb BI alkalmazási területek Magyarországon a BI főfelhasználás az új üzleti területek feltárása 4 3,5 3 2,5 2 1,5 1 0,5 0 üzleti folymataok optimalizálása új üzleti lehetőségek feltárásáa üzleti kockázatok feltárása re-aktív elemzés pro-aktív elemzés 34
Fontosabb BI megoldás szállítók A legfontosabb szempont az adatok tisztaságának biztosítása 35
MS Excel 36 IBM SPSS Fontosabb BI megoldás szállítók Magyarországon jelentős az MS és SAP dominancia 5 4 3 2 1 0 Mic rostrateg y SAS IBM Cognos O racle SAP Microsoft O LAP SQ L HU USA
Elvárások a BI megoldásokkal szemben A legfontosabb szempont az egyszerű kezelő felület, hatékony működés 37
Elvárások a BI megoldásokkal szemben Magyarországon igen fontosak a tartalmi szempontok a BI megoldás kiválasztásánál 5 4 3 2 1 0 38 Implementáció egyszerűsége hatékony adatkinyerés egyszerű használat komplex elemzés egyszerű adatbetöltés nyílt felület megjelenítés ár támogatás referenciák
A BI további elterjedését támogató igények Domináns igény az üzleti tervezés minőségének javítása, a hatékonyabb információintegrációés információmegosztás 39
A BI további elterjedését gátló tényezők A legfontosabb szempont az egyszerű kezelő felület, hatékony működés 40
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%) 41
A BI rendszerek sikeressége Az átlagos sikerességi ráta : 73% 4,5 5 3,5 4 2,5 3 1,5 2 0,5 1 0 42 érvényes adatok hiánya adatintegráció komplexitása adattisztítás komplexitása növekvő adatmennyiség szervezési nehézség adatheterogenitá s szakemberek hiánya adatkinyerés költsége testre szabás költsége nem egyértelmű kimenet Sikertelenség okai
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 43
Köszönöm a figyelmet! 44