Business Intelligence

По оценке экспертов, сейчас средства Business Intelligence завершают переход от аналитических отчетов, которые готовятся преимущественно силами отдела ИТ, к аналитике, осуществляемой по принципу самообслуживания самими бизнес-пользователями.

Развитие аналитических систем идет сегодня главным образом в направлении увеличения объема обрабатываемой информации и скорости выполнения запросов, а многомерный анализ небольших баз данных остается вне русла развития — здесь нет доступных, простых решений. Между тем подобные инструменты востребованы малыми и средними предприятиями.

Методы анализа процессов позволяют по протоколам событий информационной системы автоматически моделировать процессы, проверять корректность моделей и совершенствовать их.

Факты – структурированное описание события – основа для принятия решений при проведении разведки или мониторинга настроений в обществе. Полностью структурированное представление событий дает возможность использовать преимущества современных систем обработки структурированной информации, однако еще совсем недавно направление фактографии в России отсутствовало, сегодня ситуация меняется -- появляются соответствующие системы управления фактографической информацией.

Часто разобраться в ситуации и сделать правильный выбор может лишь эксперт, но настоящих экспертов для принятия всех важных решений мало, и здесь на помощь приходят системы поддержки принятия решений на базе средств аналитики, способные «предсказать» оптимальный сценарий развития ситуации.

Появление СУБД, анализирующих данные по колонкам, твердотельных накопителей и облачных технологий может существенно повлиять как на принципы построения баз данных, так и на дальнейшие пути развития методов бизнес-аналитики.

Сегодня бизнесу как никогда требуется глубокое понимание себя, окружения, потенциальных угроз и путей наибольшего благоприятствования. Считается, что добиться этого помогают решения бизнес-аналитики, однако их успешная реализация невозможна без хранилищ, агрегирующих данные из различных источников. Эффективность хранилищ зиждется на той платформе, где компания решит разместить свои ключевые данные -именно платформа хранилищ данных становится сегодня залогом успеха компаний.

По сложившейся традиции представления о массовом параллелизме обычно ассоциируются с вычислительными системами класса MPP. Однако, как совсем недавно выяснилось, идеи параллелизма могут быть распространены и на системы хранения данных. Первый тому пример - специализированный сервер Netezza Performance Server.

Сегодня менеджеры всех рангов все чаще применяют в своем лексиконе термин Business Intelligence для обозначения технологий анализа информации и принятия управленческих решений, однако, кроме его значения, важно еще определить, какая программная инфраструктура в этой сфере получила широкое распространение для решения задач анализа неструктурированных рускоязычных источников данных.

Еще совсем недавно аналитики Gartner включали платформу Siebel Analytics в группу "провидцы", невысоко оценивая стратегию компании Siebel Systems по продвижению платформы, однако после ее покупки корпорацией Oracle аналитики поменяли свое мнение. Насколько заслуженно Oracle Business Intelligence Suite Enterprise Edition оказалась, по оценке Gartner, в числе лидеров?

Основную часть знаний аналитики получают в результате сравнения, анализа и синтеза информации из разрозненных фактов, размещенных в текстах. При работе с большими потоками документов процесс автоматического структурирования текстовой информации заменяет экспертный процесс выделения фактов и объектов, выполняемый вручную. В статье рассматриваются примеры использования новых технологий извлечения знаний из текстов на русском языке, ориентированных на работу с большими хранилищами данных.

Многие технологические нововведения пришли в нашу жизнь из научно-исследовательских центров военных ведомств и спецслужб. Потенциал некогда закрытых разработок позволяет не только обеспечивать государственную безопасность, но и решать «гражданские» задачи. Одна из них — построение моста между мирами неструктурированной и структурированной информации.

В корпоративных и специализированных хранилищах накоплены многие тысячи терабайтов аналитических данных. Их анализ помогает компаниям развивать бизнес и рационально расходовать средства. Сегодня наряду с многоаспектным анализом ретроспективных данных и решением задач прогнозирования все активнее применяются средства оперативного бизнес-анализа.

Ключевая роль в развитии системы российского образования традиционно принадлежит классическим университетам, которые реализуют программы обучения разных уровней и проводят исследования по приоритетным направлениям. Дальнейшее развитие университетских комплексов связывают с включением в их состав научно-производственных учреждений и созданием новых структурных подразделений. Современные университеты не уступают по сложности крупным коммерческим предприятиям, а потому их нормальное функционирование уже невозможно без хранилищ данных и построенных на их основе аналитических приложений.

Система корпоративной безопасности — важнейший инструмент управления предпринимательскими рисками. Ее задачи состоят не столько в сборе, обработке, оценке и накоплении данных, сколько в их информационном анализе и синтезе управляющих воздействий.

Термин «business intelligence» существует сравнительно давно, хотя у нас он мало употребляется из-за отсутствия адекватного перевода и четкого понимания, что, впрочем, характерно и для Запада. Попытаемся разобраться в его сути.

Полноценно перевести словосочетание Business Intelligence невозможно. Со словом business и без того в русском языке есть очевидные сложности; не меньшие проблемы возникают при попытке подобрать соответствие слову intelligence.

Средства формирования запросов и отчетов, многомерного анализа и разведки данных повсеместно рекламируются и продвигаются сегодня, как помощники бизнеса. Однако стать таковыми они могут лишь благодаря ИТ-специалистам, понимающим основы стратегического менеджмента на своем предприятии. В статье предлагаются рекомендации по проектированию корпоративной информационно-аналитической системы на основе построения системы сбалансированных показателей, определяющих состав и семантику данных для разработки BI-приложений.

Несмотря на широкое использование мультимедиа, текст остается одним из основных видов информации в большинстве электронных хранилищ. Разработка эффективных подходов к обработке текстов с целью фильтрации, формирования смыслового портрета, навигации по базе текстов является одним из наиболее актуальных направлений современных информационных технологий. В статье представлен способ автоматического нелингвистического анализа неструктурированной текстовой информации, реализованный на основе нейросетевых алгоритмов.

Сегодня мы являемся свидетелями активного развития технологии интеллектуального анализа данных (ИАД или data mining), появление которой связано, в первую очередь, с необходимостью аналитической обработки сверхбольших объемов информации, накапливаемой в современных хранилищах данных. Возможность использования хорошо известных методов математической статистики и машинного обучения для решения задач подобного рода открыло новые возможности перед аналитиками, исследователями, а также теми, кто принимает решения - менеджерами и руководителями компаний. Сложность и разнообразие методов ИАД требуют создания специализированных средств конечного пользователя для решения типовых задач анализа информации в конкретных областях. Поскольку эти средства используются в составе сложных многофункциональных систем поддержки принятия решений, они должны легко интегрироваться в подобные системы. Одним из наиболее важных и перспективных направлений применения ИАД являются бизнес-приложения, поэтому опыт канадско-американской фирмы Cognos по реализации методов ИАД в составе интегрированных интеллектуальных систем поддержки принятия решений представляет интерес как для разработчиков, так и для пользователей. Средства создания интеллектуальных приложений Средства извлечения новой информации Конкретный пример Заключение Литература Сегодня мы являемся свидетелями активного развития технологии интеллектуального анализа данных (ИАД или data mining), появление которой связано