Многие работающие сегодня в России традиционные системы бизнес-аналитики построены на классических архитектурах и обладают богатым функционалом, в реализацию которого инвестированы огромные средства. Однако в новых условиях, когда аналитикам нужно быстро проверить гипотезу или оперативно подготовить отчет, унаследованные возможности и изощренный интерфейс могут оказаться избыточными для динамичных предприятий цифровой экономики. На рынке сегодня появились как отечественные системы, хорошо себя зарекомендовавшие в определенных нишах, так и зарубежные — лишенные груза унаследованных технологий. Сопоставим реальные потребности заказчиков и их завышенные ожидания, оценим критерии выбора систем и реальное место бизнес-аналитики в ИТ-ландшафте компании, а также перспективы движения таких решений в направлении самообслуживания. Конечно, в условиях динамичных изменений сложно выделить четкие формальные критерии оценки систем бизнес-аналитики, и в каждом конкретном случае требуется аккуратный сбалансированный анализ с учетом насущных целей и задач. Неопределенность навязывает высокую степень кастомизации и необходимость быстрых, простых настроек, и, возможно, лучшей будет недорогая система, обеспечивающая быструю адаптацию под конкретные потребности.

Что нужно идеальному пользователю? Быстро выполнить поставленную бизнес-задачу. Но на самом деле — не только. Важен инструмент решения задачи, который должен позволять достигать результата с соблюдением баланса затраченных усилий и полученного профита. Инструмент должен удовлетворять и ряду других требований — в частности, не мешать выполнению других задач и не отвлекать ресурсы на поддержку своей непродуктивной деятельности (например, на ожидание обновления системы или выполнение таких технических процедур, как загрузка или открытие набора данных). И здесь аналитические системы-ветераны, среди которых много зарубежных продуктов, уступают отечественным: без специальной подготовки сделать на первых что-то быстро не получится, особенно если задача связана с пониманием особенностей источников данных российских предприятий. Известные зарубежные аналитические системы технологически устроены гораздо сложнее (сказывается груз накопленных за многие годы инвестиций в ПО), чем созданные с нуля отечественные, а значит, внесение даже самых мелких изменений требует глубоких технологических знаний, если вообще возможно. А в российских реалиях запросы на изменения возникают довольно часто. Таким образом, условно можно присудить здесь балл в пользу отечественных систем: 1:0.

Система бизнес-аналитики должна уметь обрабатывать и представлять данные в удобной для восприятия форме, позволяя пользователю, независимо от его опыта и навыков, так же быстро освоить соответствующие инструменты, как и любое другое ежедневно используемое ПО.

Что нужно реальному массовому пользователю? Быстрота обучения и интуитивно понятный интерфейс — низкий порог входа в промышленную эксплуатацию. Современный пользователь не хочет сложного и не готов, как раньше, годами изучать систему и, уже став «продвинутым», всю свою последующую жизнь быть привязанным к одной системе, которой он в совершенстве овладел. Однако большинство систем со всеми их унаследованными свойствами и обязательствами требуют от аналитика знания внутреннего языка настройки и программирования — обычно это некий «птичий» язык со своим уникальным синтаксисом, естественно, отличающимся от принятого в современных средствах разработки. Такой язык реально нужно учить, а значит, гибкость используемых унаследованных зарубежных систем бизнес-аналитики достигается не через понятные интерфейсные настройки, а средствами внутренней разработки, осваивать которые сложно даже аналитикам, владеющим SQL, JavaScript и Python. Многие современные системы, во многом учитывающие опыт зарубежных решений, лишены такого недостатка. Счет 2:0.

Что нужно абстрактному пользователю, интересы которого часто ставятся «во главу угла» при принятии решения о развертывании системы бизнес-аналитики? Многочисленные технические преимущества, специфический функционал, который в реальности никогда не будет использован. Конечно, в любой области имеются свои технические «фетиши», которые действительно могут быть важны, но ошибочно строить выбор системы только на факте их наличия. «Ассоциативная модель данных», Pivot Table на таблицах с миллиардом строк, корреляционный анализ «на лету», искусственный интеллект, машинное обучение — все это важные вещи, но они сейчас имеются далеко не во всех зарубежных системах, особенно старых версий, а в российских платформах только появляются.

Порочна позиция бизнеса: «мы так хотим, а вы обеспечивайте» — все имеет свою цену и отдачу, поэтому каждое требование к системе бизнес-аналитики должно быть детально оценено на его целесообразность и эффективность. Из сотен сотрудников аналитических подразделений только единицам реально требуется загружать данные из какого-нибудь условного SAP BW и в онлайне «крутить» многомерные кубы с миллиардами строк [1]. Однако системы всем сотрудникам ставят одинаковые, хотя, скорее всего, для анализа многомерных кубов достаточно одного мощного рабочего места, с которого вообще не нужно будет обращаться на сервер.

Субъективное желание работать именно в конкретной системе из-за ее привлекательности — важный момент. Конечно, система должна нравиться, быть красивой и приятной в работе. Тем не менее пока большинство российских платформ идут по пути копирования интерфейсных решений зарубежных систем или их упрощенного понимания. Это, конечно, недостаток — счет 2:1.

С другой стороны, некоторые российские платформы уже вполне способны предоставить клиентам гибкий индивидуальный интерактивный интерфейс, который может быть достаточно сложным и насыщенным, что важно для корпоративных заказчиков. Однако у крупных трансконтинентальных компаний есть причина, по которой они могут отдать предпочтение зарубежным платформам бизнес-аналитики, — стандартизация.

Существуют две основные причины внешней привлекательности зарубежных систем. Во-первых, сложность объективной комплексной многокритериальной оценки вопроса использования платформы бизнес-аналитики в крупной компании. Конечный пользователь обычно не имеет представления об общей картине, он мыслит фрагментарно в рамках своей конкретной задачи и интересов своего подразделения. Он видит богатый функционал «на входе», а не то, что, например, в процессе реального использования этот функционал будет доступен ограниченному количеству администраторов-аналитиков, а все остальные будут довольствоваться лишь «опубликованными» витринами, в которых они ничего не смогут поменять или даже выполнить элементарную детализацию. Кроме того, функциональному пользователю сложно оценить TCO, а также требования системы по доступу к данным (ETL/ELT) и стоимости необходимых вычислительных мощностей. Подобную оценку зачастую трудно сделать даже опытным техническим ИТ-специалистам. В результате в реальной жизни приходится ночью обсчитывать аналитические запросы и показатели из-за невозможности их запуска в дневные периоды «пиковой» нагрузки. И облака в этом случае не помогут: быстродействие будет явно недостаточным.

Во-вторых — страховка от неудачи. Если выбирается «лучшая» и «самая дорогая» платформа, карьерных рисков для «выборщиков» обычно нет (вспомним хотя бы аксиому: «за покупку машин IBM еще никого не увольняли»). Но будет ли нужна в итоге выбранная система? Можно ли будет ее в реальности использовать для решения конкретных задач и не будет ли это слишком дорого? Наступит ли время, когда ее начнут использовать на все 100%? Принимая решение о продолжении использования зарубежной системы, вы должны получить четкий ответ на эти вопросы. Суммарная стоимость владения российской платформой может быть ниже. Счет 3:1.

В цифровую эпоху с информацией работают все: аналитиком фактически стал каждый сотрудник компании. Однако суть этой квалификации крайне размыта, поэтому нет и четких требований к инструментам. Даже у кладовщика на складе могут быть скрипты автоматизации рутинных задач, процессы, SLA, коммуникационная политика, внутренний портал, план, и все это — внутри различных систем. Кладовщик работает с десятком систем, у него есть интерактивные запросы, он смотрит свои и чужие показатели, он — объект и субъект мониторинга в новом цифровом мире. Типичная цель применения системы бизнес-аналитики — помощь в интерпретации, визуализации данных для принятия взвешенных управленческих решений — звучит неконкретно. Например, цели и функции системы автоматизации бухгалтерского учета определены очень четко. Кроме того, всегда стоит помнить и о предметной области, в которой предполагается применять систему бизнес-аналитики.

Понятия пользователя или заказчика аналитической платформы сегодня расширились — среди них почти все сотрудники современной компании, интересы которых часто противоречат друг другу. Даже в Gartner стали делить аналитиков на несколько групп — от массовых, «гражданских» аналитиков (Citizen Analysts) до «продвинутых» исследователей данных (Data Scientists). Всем им нужны разные функции. Массовым пользователям, например, в первую очередь требуется скорость запуска в реальную работу готовой витрины данных и возможность быстро ее переделать, а продвинутым — средства ее подготовки.

Важное свойство современной системы бизнес-аналитики — быстрое предоставление бизнесу требуемого функционала визуального контроля данных в одном разрезе с быстрой перенастройкой или мониторинг группы показателей без нарушения уже существующих витрин. Это возможно только в случае пластичности системы и ее способности к быстрой настройке витрин от момента рождения бизнес-идеи до запуска на реальных данных. Неопределенности среды обитания современного бизнеса можно противопоставить только его мобильность и быструю адаптируемость. Но сейчас, к сожалению, часто можно услышать: пока мы внедряли эти витрины, они уже устарели. Архитектура классических зарубежных систем не предусматривала подобной гибкости, что, конечно, не означает, что свежие версии «старых» или новые системы, лишенные груза унаследованного функционала, разработанные с чистого листа, будут такими же неповоротливыми, однако более молодые отечественные платформы бизнес-аналитики, как правило, построенные с учетом опыта эксплуатации лучших зарубежных систем, устроены проще, что обеспечивает им преимущество в гибкости. Счет 4:1.

Подходы к управлению сегодня меняются — менеджерам требуется сравнение различных, часто не коррелирующих между собой показателей. Создание и развертывание системы управления требуют глубоких знаний отрасли, которые должны быть отражены в функционале современной аналитической платформы. Реальная цифровизация состоит в создании условий, при которых данные сами начинают влиять на принятие решений. В этой ситуации особую актуальность приобретают средства самообслуживания (Self-Service) — важнейшая особенность современных систем бизнес-аналитики. Возможность проектирования и развертывания собственных отчетов в рамках поддерживаемой архитектуры и портфеля инструментов должны быть у всех менеджеров, отвечающих за развитие компании. Сегодня как никогда важна свобода экспертов при работе с данными, желательно без программирования: подключение к источникам и загрузка данных; подготовка визуализации и настройка отчетов; работа с подготовленными и неподготовленными витринами данных; работа с простыми (например, табличными) данными; объединение данных из различных источников; работа со слоями данных; работа с фильтрами и сортировками; генерация презентаций по заданным параметрам с утвержденной периодичностью. Важным функционалом Self-Service является также совместное использование отчетов (публикация и рассылка) внутри компании — каждый сотрудник потенциально может стать аналитиком.

Системы нового поколения, включающие средства самообслуживания, разрабатываются сегодня не только в России, поэтому здесь нельзя отдать пальму первенства той или иной стороне — инструменты Self-Service стали важнейшим направлением развития аналитических платформ.

Самообслуживание стало проверкой на прочность архитектур всех платформ — речь идет не просто о дополнительном функционале, а о принципиальном пересмотре взглядов на подобные системы. Классическая бизнес-аналитика предполагает, что заранее понятно, какие требуются показатели, откуда брать данные, как считать, — по сути, речь идет о системе, объединяющей разрозненную информацию и помогающей ее анализировать. Такая модель взаимоотношений между пользователем аналитической системы и ИТ-подразделением предполагает, что заранее проектируется вся система управления. В системе Self-Service нет заранее подготовленных задач, неизвестно что и где искать, а данные исследуются и анализируются в свете постоянно меняющихся гипотез. Вполне естественно, что подобный функционал присутствует далеко не у всех классических систем зарубежного рынка, однако он активно развивается в новых аналитических решениях, а многие российские платформы еще только приступили к его развитию и пока отстают. Счет 4:2.

Для решения главной задачи бизнес-аналитики — извлечения полезной информации из сырых данных — требуется инфраструктурный фундамент, построенный по принципу «данные и приложения первичны, а технологии вторичны». Сервер приложений современной аналитической платформы должен быть размещен как можно ближе к данным, а лучше всего — внутри базы данных, чтобы не тратить время на выборку данных в локальную базу.

Большинство зарубежных систем были разработаны более десяти лет назад по классическим сценариям: большие инвестиции в дизайн и солидные интерфейсы, которые в условиях стремительных изменений оказались не нужны. Однако груз накопленных технологий мешает развитию, и поэтому, к сожалению, технологически и архитектурно многие подобные аналитические решения устарели. Развитие, конечно, происходит, но фрагментарно и за счет приобретений других компаний, что решает проблему расширения функционала, но обеспечение «бесшовной» работы — редкость. Сегодня у таких систем «под капотом» множество слабо интегрированных решений от мелких успешных и эффективных компаний, но в конкретной узкой области. Естественно, это не относится к системам нового поколения, разрабатываемым с нуля, однако, чтобы выйти на российский рынок и зарекомендовать себя, им может потребоваться время.

Среди зарубежных платформ бизнес-аналитики можно выделить системы, привлекательные по стоимости лицензий и с отчасти знакомым пользовательским интерфейсом. Однако в таких системах имеется целый ряд собственных компонентов (СУБД, облако, сервис для решения отдельной задачи и пр.), призванных оптимизировать работу, но на деле, работая в комплексе, они ее затрудняют. По мнению крупных российских заказчиков, одним из основных минусов таких систем является невысокая производительность при решении сложных технических задач.

Отдельно стоит отметить растущий функциональный разрыв между on-premise- и облачной версиями — серьезный функционал (например, сервисы искусственного интеллекта и машинного обучения) в зарубежных системах обычно предлагается в облачном варианте, что для многих российских заказчиков несет определенные риски. В то же время аналогичные сервисы можно обеспечить на российских аналитических платформах как в облаках, предоставляемых национальными провайдерами, так и в периметре заказчика.

Среди зарубежных систем бизнес-аналитики, безусловно, встречаются продукты, в полной мере отвечающие основным требованиям крупных заказчиков: пластичность, производительность, развитый функционал, — однако совокупная стоимость владения такими системами для некоторых заказчиков может быть слишком высокой.

***

Распространенные в России классические зарубежные системы бизнес-аналитики в целом проигрывают отечественным платформам, особенно с учетом санкционных рисков, — условный итоговый счет: 4:2. Однако за рубежом также создаются новые архитектуры аналитических систем, учитывающие изменившиеся требования и предлагающие пользователям современные инструменты, лишенные груза унаследованных технологий. Как бы то ни было, в условиях динамичных изменений сложно выделить однозначные формальные критерии выбора систем бизнес-аналитики, и в каждом конкретном случае требуется аккуратный сбалансированный анализ с учетом насущных целей и задач. Неопределенность навязывает высокую степень кастомизации и необходимость быстрых, простых настроек, поэтому лучшей, скорее всего, будет недорогая, простая в эксплуатации и гибкая система, обеспечивающая адаптацию под конкретные потребности.

Литература

1. Роман Раевский. Непрерывная бизнес-аналитика: как монетизировать данные // Открытые системы.СУБД.— 2020. — № 4. — С. 30–33. URL: www.osp.ru/os/2020/04/13055706 (дата обращения: 22.11.2021).

Сергей Шестаков (info@luxms.ru) —  генеральный директор, Александр Тютюнник  — директор по развитию бизнеса, группа компаний Luxms (Санкт-Петербург).