Desde hai moitos anos dirixo unha empresa que é unha das líderes na implementación de sistemas de BI en Rusia e que se inclúe regularmente nas listas de analistas máis importantes en canto a volume de negocio no campo da BI. Durante o meu traballo, participei na implementación de sistemas de BI en empresas de diversas áreas da economía, desde o comercio polo miúdo e a fabricación ata a industria do deporte. Polo tanto, coñezo ben as necesidades dos clientes de solucións de intelixencia empresarial.
As solucións dos provedores estranxeiros son ben coñecidas, a maioría deles teñen unha marca forte, as súas perspectivas son analizadas por grandes axencias analíticas, mentres que os sistemas de BI nacionais na súa maioría seguen sendo produtos de nicho. Isto complica seriamente a elección para aqueles que buscan unha solución para satisfacer as súas necesidades.
Para eliminar este inconveniente, un equipo de persoas afíns e eu decidimos facer unha revisión dos sistemas de BI creados por desenvolvedores rusos: "o círculo de BI de Gromov". Analizamos a maioría das solucións domésticas do mercado e tentamos destacar os seus puntos fortes e débiles. Á súa vez, grazas a el, os desenvolvedores dos sistemas incluídos na revisión poderán ver os pros e os contras dos seus produtos dende fóra e, posiblemente, facer axustes na súa estratexia de desenvolvemento.
Esta é a primeira experiencia de crear unha revisión deste tipo dos sistemas de BI rusos, polo que nos centramos especificamente na recollida de información sobre os sistemas domésticos.
A revisión dos sistemas rusos de BI realízase por primeira vez; a súa tarefa principal non é tanto identificar líderes e persoas alleas, senón recoller a información máis completa e fiable sobre as posibilidades de solucións.
Na revisión participaron as seguintes solucións: Visiology, Alpha BI, Foresight.Analytical platform, Modus BI, Polymatica, Loginom, Luxms BI, Yandex.DataLens, Krista BI, BIPLANE24, N3.ANALYTICS, QuBeQu, BoardMaps OJSC Dashboard Systems, Slemma BI , KPI Suite, Malahit: BI, Naumen BI, MAYAK BI, IQPLATFORM, A-KUB, NextBI, RTAnalytics, Simpl.Data management platform, DATAMONITOR, Galaxy BI, Etton Platform, BI Module
Para analizar a funcionalidade e as características arquitectónicas das plataformas de BI rusas, utilizamos datos internos proporcionados polos desenvolvedores e fontes abertas de información: sitios de solucións, publicidade e materiais técnicos dos provedores.
Os analistas, baseándose na súa propia experiencia na implementación de sistemas de BI e nas necesidades básicas das empresas rusas para a funcionalidade de BI, identificaron unha serie de parámetros que lles permiten ver as semellanzas e diferenzas das solucións e, posteriormente, destacar os seus puntos fortes e débiles.
Estes son os parámetros
Administración, seguridade e arquitectura da plataforma de BI – nesta categoría, avaliouse a presenza dunha descrición detallada das capacidades que garanten a seguridade da plataforma, así como a funcionalidade de administración de usuarios e auditoría de accesos. Tamén se tivo en conta a cantidade total de información sobre a arquitectura da plataforma.
Cloud BI – este criterio permítelle avaliar a dispoñibilidade de conectividade mediante o modelo de Plataforma como servizo e Aplicación analítica como servizo para a creación, implantación e xestión de aplicacións analíticas e analíticas na nube baseadas en datos tanto na nube como local.
Conexión á fonte e recepción de datos – O criterio ten en conta as capacidades que permiten aos usuarios conectarse a datos estruturados e non estruturados contidos en diferentes tipos de plataformas de almacenamento (relacionais e non) -tanto locais como na nube-.
Xestión de metadatos – ten en conta a presenza dunha descrición de ferramentas que permiten utilizar un modelo semántico e metadatos comúns. Deben proporcionar aos administradores un xeito fiable e centralizado de atopar, capturar, almacenar, reutilizar e publicar obxectos de metadatos como dimensións, xerarquías, medidas, métricas de rendemento ou indicadores clave de rendemento (KPI), e tamén se poden utilizar para informar sobre obxectos de disposición, parámetros, etc. O criterio funcional tamén ten en conta a capacidade dos administradores para promover os datos e metadatos definidos polos usuarios empresariais en metadatos SOR.
Almacenamento e carga de datos – Este criterio permite avaliar as capacidades da plataforma para acceder, integrar, transformar e cargar datos nun motor de rendemento autónomo con capacidade para indexar datos, xestionar a carga de datos e actualizar os horarios. Tamén se considera a dispoñibilidade de funcionalidades para a implantación da extranet: ¿a plataforma admite un fluxo de traballo similar ao aprovisionamento flexible de BI centralizado para un cliente externo ou o acceso cidadán a contido analítico no sector público?
Preparación de datos – o criterio ten en conta a dispoñibilidade de funcionalidades para combinacións controladas polo usuario de datos de diferentes fontes e a creación de modelos analíticos como medidas, conxuntos, grupos e xerarquías definidos polo usuario. As capacidades avanzadas baixo este criterio inclúen capacidades de descubrimento automático semántico con soporte para aprendizaxe automática, agregación e elaboración de perfís intelixentes, xeración de xerarquías, distribución e combinación de datos entre varias fontes, incluídos os datos multiestruturados.
Escalabilidade e complexidade do modelo de datos – O parámetro avalía a presenza e integridade da información sobre o mecanismo de memoria no chip ou a arquitectura na base de datos, polo que se procesan grandes volumes de datos, procesan modelos de datos complexos e optimízase e desprega o rendemento para un gran número de usuarios. .
Analítica avanzada – Avaliouse a dispoñibilidade de funcionalidades que permiten aos usuarios acceder facilmente a capacidades de análise sen conexión avanzadas mediante opcións baseadas en menús ou importando e integrando modelos desenvolvidos externamente.
Cadros analíticos – Este criterio ten en conta a presenza dunha descrición da funcionalidade para a creación de paneis e contidos de información interactivos con investigación visual e análises avanzadas e xeoespaciais integradas, incluso para o seu uso por outros usuarios.
Exploración visual interactiva – Avalía a integridade da funcionalidade de exploración de datos mediante unha variedade de opcións de visualización que van máis alá dos gráficos circulares e de liñas básicas, incluíndo mapas de calor e árbores, mapas xeográficos, gráficos de dispersión e outras visualizacións especializadas. Tamén se ten en conta a capacidade de analizar e manipular datos interactuando directamente coa súa representación visual, mostrándoa como porcentaxes e grupos.
Descubrimento de datos avanzado – Este criterio avaliou a presenza de funcionalidades para buscar, visualizar e comunicar automaticamente definicións importantes como correlacións, excepcións, clústeres, ligazóns e predicións en datos que sexan relevantes para os usuarios, sen esixirlles construír modelos ou escribir algoritmos. Tamén considerou a dispoñibilidade de información sobre oportunidades para explorar datos mediante tecnoloxías de visualización, narración de historias, busca e consulta en linguaxe natural (NLQ).
Funcionalidade en dispositivos móbiles – Este criterio ten en conta a dispoñibilidade de funcionalidades para desenvolver e entregar contidos a dispositivos móbiles coa finalidade de publicar ou estudar en liña. Tamén se avalían os datos sobre o uso das capacidades nativas dos dispositivos móbiles, como a pantalla táctil, a cámara e a localización.
Incorporación de contido analítico – este criterio ten en conta a dispoñibilidade de información sobre o conxunto de desenvolvedores de software con interfaces API e soporte para estándares abertos para a creación e modificación de contidos analíticos, visualizacións e aplicacións, integrándoos nun proceso de negocio, aplicación ou portal. Estas capacidades poden residir fóra da aplicación, reutilizando a infraestrutura de análise, pero deben ser accesibles de forma sinxela e sen problemas desde a aplicación sen forzar aos usuarios a cambiar de sistema. Este parámetro tamén ten en conta a dispoñibilidade de capacidades de integración de análise e BI coa arquitectura da aplicación, que permiten aos usuarios escoller onde se deben integrar as analíticas no proceso empresarial.
Publicación e colaboración de contido analítico: este criterio considera as capacidades que permiten aos usuarios publicar, implementar e consumir contido analítico mediante unha variedade de tipos de saída e métodos de distribución, con soporte para o descubrimento, a programación e a alerta de contido.
Facilidade de uso, atractivo visual e integración do fluxo de traballo – este parámetro resume a dispoñibilidade de información sobre a facilidade de administración e despregamento da plataforma, creación de contidos, uso e interacción cos contidos, así como o grao de atractivo do produto. Tamén se ten en conta a medida en que estas capacidades se ofrecen nun produto e fluxo de traballo integrados, ou en varios produtos con pouca integración.
Presenza no espazo da información, PR – o criterio avalía a dispoñibilidade de información sobre a publicación de novas versións e proxectos implementados en fontes abertas, nos medios de comunicación, así como na sección de noticias do sitio web do produto ou do desenvolvedor.
Fonte: www.habr.com