Практика применения систем бизнес-интеллекта в экономическом анализе в России
ЭКОНОМИЧЕСКИЕ НАУКИ
В современных непростых для отечественной экономики условиях основным и наиболее перспективным видом экономического анализа остается комплексный анализ, базирующийся на системном подходе к экономическим процессам, исследуемым в динамике и во взаимосвязи со всеми частными элементами экономических процессов и отражаемым в системе показателей. В то же время, многообразие и сложность деятельности бизнеса, государственного и муниципального управления требуют экспресс обработки огромных объемов данных, классификации и интерпретации результатов, выделения первичных и вторичных элементов и т.п. Все это замедляет и затрудняет традиционный экономический анализ, выполняемый «ручными» или частично автоматизированными средствами. Для ускорения и повышения качества комплексного экономического анализа, построения взаимосвязанной системы показателей, максимально полно охватывающей все элементы хозяйственного и финансового механизмов, он сегодня строится в рамках программно-аппаратных платформ, поддерживающих функционирование бизнес-интеллекта. Именно такой подход позволяет адекватно и быстро группировать показатели по экономически однородным признакам в блоки, соединяемы в единую систему бизнес-интеллекта компании. Преимущества современного комплексного системного экономического анализа состоят в способности выявить все возможные резервы повышения эффективности деятельности (производства). Их оценка с помощью систем бизнес-интеллекта дает возможность представлять основную деятельность компании (предприятия, организации) как единый механизм, выделив не только ключевые, а все звенья. На этой информационно адекватной (информация собрана, систематизирована и интерпретирована) базе разрабатываются и принимаются современные управленческие решения по мобилизации всех ранее не использованных резервов.
Понятие бизнес-интеллект уже не нуждается в уточняющем определении и понимается как совокупность технологий в сфере бизнес-анализа, куда входит и программно-аппаратная часть. Мировая и российская практика сформировала успевшую стать классической функциональность систем бизнес-интеллекта, включающую сбор, очистку, визуализацию и построение отчетов, что востребовано для бизнеса всех отраслей. Так называемые «легкие» аналитические системы, имеющие оптимальную функциональность, широко распространены в России. По экспертным оценкам в среднесрочной перспективе рынок систем бизнес-интеллекта будет демонстрировать ежегодный почти 10 процентный рост. Это связано с задачей решения вопроса эффективности как основного в экономическом анализе любой сферы деятельности.
Рассматривая методологию применения современных информационных и коммуникационных технологий в области экономического анализа, отметим, что по данным одной из авторитетных в сфере технологий и систем бизнес интеллекта компании Gartner, у бизнеса растет востребованность аналитических платформ, имеющих минимально необходимую функциональность при простоте в инсталляции и использовании. Более мощные системы бизнес-интеллекта с широкой функциональностью используются в основном в специализированных проектах. По тем же оценкам на современном этапе анализируемые программно-аппаратные средства находятся в финальной стадии перехода от аналитических отчетов, подготавливаемых отделами информационных технологий, к собственно аналитике, вырабатываемой на базе самообслуживания самостоятельно бизнес-пользователями. Данная тенденция обусловлена потребностями современного бизнеса в быстрых метода получения адекватного аналитического знания. В этой связи и заметна тенденция «демократизации» аналитики, которая и обуславливает переход на относительно простые, быстрые и адаптивные современные платформы бизнес-интеллекта. Для предпринимателя их ценность состоит в возможности более глубокого и быстрого, чем в «ручном» режиме, анализа данных из совокупности внешних и внутренних источников.
Общая тенденция перехода анализируемых платформ от простых отчетов, т.е. от простой «механизации» работы отделов информационных технологий, к аналитике «самообслуживания» достигла переломной точки и покупатели отдают предпочтение ориентированные непосредственно на бизнес- пользователей платформам.
В связи с этим, в ближайшие два года большая часть бизнес-пользователей и аналитиков получат доступ к эффективным инструментам «самообслуживания» по сбору и интерпретации данных для анализа в рамках перехода к пользованию современных платформ бизнес-интеллекта. При этом большая часть ныне действующих «автономных» программных продуктов с узким функционалом, ориентированным лишь на подготовку данных для анализа, должны будут модернизироваться до уровня полноценных платформ, или войдут в качестве сегментов действующих полноценных платформ. На этом уровне «умные», управляемые решения, базирующиеся на поиске и визуализации данных, сольются в единый процесс подготовки данных, на основе «самообслуживания» и генерации запросов на естественном языке.
Сегодня в России в анализируемой сфере деятельности идет жесткая конкурентная борьба. В процессе трансформации российского рынка, позиции традиционных (и наиболее авторитетных в развитых странах) систем бизнес-интеллекта уязвимы и находятся под угрозой потери своих позиций из-за высокой стоимости.
Учитывая новые тенденции и конкуренцию на рынке Gartner в 2015 г. дифференцировала рынок систем бизнес-интеллекта, выделив кроме квадранта бизнес-анализа и аналитических платформ, также квадрант продвинутых аналитических платформ, с объемом рынка инструментария до $1 млрд. и перспективами роста в связи с прогрессирующим ростом объема больших данных, поступающих с различных мобильных гаджетов. Лидеры этого сегмента из числа ведущих западных компаний, активно продвигают в России свои аналитические продукты. Из российских компаний следует отметить комплексные разработки компании «Прогноз».
Как же на практике применяются системы бизнес-интеллекта в России. В значительной части их используют крупные корпорации для экономического анализа больших массивов данных, как с целью совершенствования собственного бизнеса, так и для реализации полученных результатов на рынке.
Примеров применения платформ бизнес-интеллекта в России не много. Их использование пока не имеет системного характера и не дает синергетического эффекта. Анализируя всю совокупность применения таких платформ в информационно-коммуникационной сфере (как быстро развивающейся и олицетворяющей информационное общество), сфере государственного управления, где необходима максимальная обоснованность принимаемых решений, а также в реальном секторе экономики (тяжелая промышленность), мы выделили несколько наиболее показательных примеров, в основном применительно к работе с большими базами данных.
В сфере государственного управления системы бизнесинтеллекта обрабатывают большие массивы данных. Так, Федеральная налоговая служба (далее – ФНС) открыла в Дубне федеральный Центр обработки данных (ЦОД), который стал сегментом крупнейшего в России проекта в области больших объемов данных. ЦОД даст возможность ФНС в рамках «единого налогового файла» объединить все данные о налогоплательщиках, а также, обеспечив экстерриториальность и универсальность услуг ФНС, отслеживать персональную налоговую историю любого налогоплательщика и выявлять незарегистрированную или не облагаемую налогами недвижимость. Помимо формирования, хранения и технического администрирования баз данных и обработки больших массивов данных, ЦОД имеет функции системы бизнес-интеллекта, ориентированной на решение задач управления:
- мониторинг взаимоотношения компаний с контрагентами и ФНС;
- обеспечение информационного взаимодействия с подразделениями ФНС и другими организациями;
- доведение информации, формируемой из потока внешних данных (органов власти всех уровней) до региональных подсистем автоматизированной информационной системы (АИС) «Налог»;
- сортировка и перераспределение данных информационных ресурсов регионального уровня, маршрутизировать такие данных по регионам;
- автоматизация контроля за исполнением налогового законодательства;
- автоматизация расчетов для анализа, оценки и прогноза налогового потенциала и эффективности работы налоговых органов.
В корпоративном секторе системы бизнес-интеллекта востребованы там, где необходимо работать с Большой клиентской базой и большим числом показателей находящихся в непрерывной динамике. Прежде всего, это растущая сфера телекоммуникаций, где ряд российских операторов на базе обезличенных агрегированных данных формулирует цепи контактов своих абонентов, предположив, что каждый абонент определенного оператора опосредованно знаком с другим абонентом через четыре контакта-номера телефона. Данное исследование, интересное с теоретической точки зрения, как в плане проверки теории «шести рукопожатий»5, так и в плане достижений бизнес-аналитики, не имеет пока ясного практического применения.
Новой российской тенденцией, где также будет необходима проработка вопроса о персональных данных, является разработка крупными компаниями, работающими с большими данными собственных аналитических систем. В частности ПАО Сбербанк. выкупив контрольный пакет акций компании разработчика ПО, поставил задачу сбора и передачи Банку информации об интересах и поведении клиентов в Интернете, что позволяет банку делать таргетированные предложения клиентам с учетом их (как это предполагает Банк) поведения и интересов6.
В рамках реорганизации Сбербанка один из созданных ключевых Центров компетенций занялся внедрением системы бизнес-интеллекта. Банк установил программно-аппаратный комплекс Teradata, включающий аналитическое хранилище данных, а также приобрел оперативное хранилище данных Oracle Exadata. Центр компетенции занимается развитием, сопровождением, обеспечением работоспособности этого комплекса, собирая и агрегируя информацию о продуктах, клиентах и операциях из учетных систем Сбербанка. Сегодня число целевых систем-источников в Сбербанке достигает 140. На базе собранной, агрегированной и проверенной информации строится и визуализируется витрина данных, строятся отчетные формы. При этом основные работы ведутся в рамках нескольких десятков проектов и в интересах восьми Блоков Заказчиков Сбербанка.
Системы бизнес-интеллекта в банковской сфере выходят за рамки стандартной структуры отделов информационных технологий, не только своими объемами, но и по методам формирования данных. В эксплуатации это итерационные системы с бесконечным потоком информации и постоянно меняющимися требованиями к её предоставлению.
Ввиду перманентного изменения видов, источников и структуры информации выстроить структуру развития и сопровождения при работе классической информационной службы крайне сложно. Специфика Сбербанка заключается в масштабе работы, числе систем и проектов. В российском банковском секторе таких проектов нет.
Главная задача внедрения систем бизнес-интеллекта в Сбербанке – обеспечить выполнение задач быстро растущего числа проектов и Заказчиков на стабильно высоком уровне надежности и управляемости. Г. Греф отметил необходимость внедрения систем искусственного интеллекта для принятия решений, подчеркнув задачу всех топ-менеджеров «достаточно хорошо представлять себе, что это такое», а также «быть квалифицированными постановщиками задач».
Системы бизнес-интеллекта используются сотовыми операторами и по заказу органов управления для получения и анализа данных, полезных для проектирования городской инфраструктуры. В частности, используя свои технические возможности, оператор собирает и анализирует статистику перемещений своих абонентов по городским дорогам, метро, в пригородных поездах. Данные необходимы городу для проектирования магистралей и новых станций метро. Органы управления в рамках программ модернизация социальной сферы и сами создают исследовательские подразделения, использующие системы бизнес-интеллекта для анализа больших массивов данных уже имеющихся в системе здравоохранения. Такого рода лаборатории призваны прогнозировать эпидемические всплески, сравнивать эффективность методик лечения, выявлять группы риска, выявлять проблемы организации системы здравоохранения.
В реальном секторе экономики системы бизнес-интеллекта нашли применение для разрешения технологических вопросов. Здесь предприятия сотрудничают с ключевыми разработчиками программного обеспечения, работающими в сфере генерации продуктов для экономического анализа больших данных. Такое сотрудничество обеспечивает внедрение математических моделей производственных процессов. В данном случае обрабатывается Большой массив данных и на основе полученных результатов разрабатывается модель оптимизации таких процессов. Полученный в итоге программный продукт будет способен воспринимать данные по основным технологическим показателям и выдавать оптимально необходимое количество ферросплавов и добавок.
Сложная внешнеэкономическая ситуация обусловила недостаток инвестиционных ресурсов, что безусловно, тормозит темпы роста российского рынка, включая и сегмент разработки и внедрения систем бизнес-интеллекта. В то же время, курс на так называемое импортозамещение предоставляет российским информационным компаниям шанс на разработку и внедрение своих платформ. Традиционно, доля отечественных решений на этом рынке, по нашим данным, составляет примерно 10% от всех работающих в России систем бизнес-интеллекта. Российский рынок в этом сегменте эксперты признают зрелым, и находящимся в стадии развития даже при экономической нестабильности. В современных условиях, компании – клиенты разработчиков систем и платформ бизнес-интеллекта тщательно планируют расходы с приоритетом сокращения бюджетов, при этом, однако, число задач, требующих решения с помощью аналитических систем, неуклонно возрастает. При сохранении тенденций 2014-2015 годов (санкции, нестабильность рынков и т.п.) на рынке BIS, вероятнее всего следует ожидать роста рублевых сделок.
Таким образом, в современных условиях на рынке бизнес аналитики наиболее востребованы утилитарные бизнес – ориентированные BI платформы. В среднесрочной перспективе анализируемый рынок, по нашим оценкам, может показать ежегодный рост до 10 процентов. Такая динамика производна от прогресса программно-аппаратных средств бизнес-аналитики, которые перешли рубеж аналитических отчетов, подготавливаемых информационными отделами, к собственно аналитике, вырабатываемой на базе самообслуживания самостоятельно бизнес-пользователями. Именно эта тенденция обусловлена потребностями современного бизнеса в быстрых метода получения адекватного аналитического знания. Таким образом, можно сделать вывод о тенденции «демократизации» аналитики, которая проявляется в переходе на относительно простые, быстрые и адаптивные современные платформы бизнес-интеллекта. Общая тенденция перехода таких платформ от простой «механизации» работы специализированных отделов, к аналитике «самообслуживания» достигла переломной точки и покупатели отдают предпочтение ориентированные непосредственно на бизнес-пользователей. В России разработка и использование платформ бизнес-интеллекта набирает темпы в связи с ростом объема больших данных и потребностью в быстрой и адекватной обработке информации. Активная работа с персональными данными компаний, имеющих большую клиентскую базу, будет сталкиваться с правовыми проблемами использования персональных данных. Новой тенденцией является разработка крупными компаниями, работающими с Большими данными собственных аналитических систем. Дефицит инвестиционных ресурсов тормозит темпы роста российского рынка в анализируемом сегменте, что вступает в противоречие с растущими задачами в сфере обработки больших массивов данных и обоснования управленческих решений. Разрешение данного противоречия представляется в реализации российскими информационным компаниям курса на импортозамещение, т.е. на разработку и внедрение своих платформ.