रशियन BI सिस्टमचे मूल्यांकन करण्यासाठी निकष

अनेक वर्षांपासून मी अशा कंपनीचे नेतृत्व करत आहे जी रशियामधील BI प्रणालींच्या अंमलबजावणीतील प्रमुखांपैकी एक आहे आणि BI च्या क्षेत्रातील व्यवसायाच्या प्रमाणात विश्लेषकांच्या शीर्ष सूचीमध्ये नियमितपणे समाविष्ट आहे. माझ्या कामाच्या दरम्यान, मी अर्थव्यवस्थेच्या विविध क्षेत्रातील कंपन्यांमध्ये BI प्रणालीच्या अंमलबजावणीमध्ये भाग घेतला - किरकोळ आणि उत्पादनापासून ते क्रीडा उद्योगापर्यंत. म्हणून, मला व्यावसायिक बुद्धिमत्ता सोल्यूशन्सच्या ग्राहकांच्या गरजा चांगल्या प्रकारे माहित आहेत.

परदेशी विक्रेत्यांचे उपाय सुप्रसिद्ध आहेत, त्यांच्यापैकी बहुतेकांचा ब्रँड मजबूत आहे, त्यांच्या संभाव्यतेचे विश्लेषण मोठ्या विश्लेषणात्मक एजन्सीद्वारे केले जाते, तर बहुतेक भागांसाठी देशांतर्गत BI सिस्टम अजूनही विशिष्ट उत्पादने आहेत. हे त्यांच्या गरजा पूर्ण करण्यासाठी उपाय शोधणार्‍यांची निवड गंभीरपणे गुंतागुंतीत करते.

ही कमतरता दूर करण्यासाठी, समविचारी लोकांच्या एका संघाने आणि मी रशियन विकसकांनी तयार केलेल्या BI सिस्टमचे पुनरावलोकन करण्याचे ठरविले - “Gromov’s BI मंडळ”. आम्ही बाजारातील बहुतेक घरगुती उपायांचे विश्लेषण केले आणि त्यांची ताकद आणि कमकुवतपणा हायलाइट करण्याचा प्रयत्न केला. त्या बदल्यात, त्याचे आभार, पुनरावलोकनात समाविष्ट केलेल्या सिस्टमचे विकसक त्यांच्या उत्पादनांचे फायदे आणि तोटे बाहेरून पाहण्यास सक्षम असतील आणि शक्यतो त्यांच्या विकासाच्या धोरणामध्ये समायोजन करू शकतील.

रशियन BI सिस्टीमचे असे पुनरावलोकन तयार करण्याचा हा पहिला अनुभव आहे, म्हणून आम्ही विशेषत: देशांतर्गत प्रणालींबद्दल माहिती गोळा करण्यावर लक्ष केंद्रित केले.

रशियन BI प्रणालींचे पुनरावलोकन प्रथमच आयोजित केले जात आहे; त्याचे मुख्य कार्य नेते आणि बाहेरील लोकांना ओळखणे इतके नाही, परंतु उपायांच्या शक्यतांबद्दल सर्वात संपूर्ण आणि विश्वासार्ह माहिती गोळा करणे आहे.

खालील उपायांनी पुनरावलोकनात भाग घेतला: Visiology, Alpha BI, Foresight.Analytic platform, Modus BI, Polymatica, Loginom, Luxms BI, Yandex.DataLens, Krista BI, BIPLANE24, N3.ANALYTICS, QuBeQu, BoardMaps OJSC डॅशबोर्ड सिस्टम्स, BI , KPI Suite, Malahit: BI, Naumen BI, MAYAK BI, IQPLATFORM, A-KUB, NextBI, RTAnalytics, Simpl.Data व्यवस्थापन प्लॅटफॉर्म, DATAMONITOR, Galaxy BI, Etton Platform, BI मॉड्यूल

रशियन BI प्लॅटफॉर्मची कार्यक्षमता आणि आर्किटेक्चरल वैशिष्ट्यांचे विश्लेषण करण्यासाठी, आम्ही विकासकांद्वारे प्रदान केलेला अंतर्गत डेटा आणि माहितीचे खुले स्रोत - समाधान साइट्स, जाहिराती आणि पुरवठादारांकडून तांत्रिक साहित्य दोन्ही वापरले.
विश्लेषकांनी, BI प्रणाली लागू करण्याच्या त्यांच्या स्वतःच्या अनुभवावर आणि BI कार्यक्षमतेसाठी रशियन कंपन्यांच्या मूलभूत गरजांच्या आधारावर, अनेक पॅरामीटर्स ओळखले आहेत जे त्यांना समाधानांमधील समानता आणि फरक पाहण्याची परवानगी देतात आणि नंतर त्यांची ताकद आणि कमकुवतता हायलाइट करतात.

हे मापदंड आहेत

प्रशासन, सुरक्षा आणि BI प्लॅटफॉर्म आर्किटेक्चर - या श्रेणीमध्ये, प्लॅटफॉर्मची सुरक्षा सुनिश्चित करणार्‍या क्षमतांचे तपशीलवार वर्णन तसेच वापरकर्ता प्रशासन आणि ऍक्सेस ऑडिटिंगसाठी कार्यक्षमतेचे मूल्यांकन केले गेले. प्लॅटफॉर्म आर्किटेक्चरची एकूण माहिती देखील विचारात घेतली गेली.

क्लाउड BI – हा निकष तुम्हाला प्लॅटफॉर्मचा सेवा म्हणून वापर करून कनेक्टिव्हिटीच्या उपलब्धतेचे मूल्यांकन करण्याची परवानगी देतो आणि क्लाउडमध्ये विश्लेषणात्मक आणि विश्लेषणात्मक ऍप्लिकेशन तयार करणे, तैनात करणे आणि व्यवस्थापित करणे यासाठी सेवा मॉडेल म्हणून विश्लेषणात्मक ऍप्लिकेशन क्लाउड आणि ऑन-प्रिमाइसेस दोन्ही डेटावर आधारित आहे.

स्त्रोताशी कनेक्ट करणे आणि डेटा प्राप्त करणे - निकष अशा क्षमता विचारात घेतो ज्या वापरकर्त्यांना विविध प्रकारच्या स्टोरेज प्लॅटफॉर्ममध्ये (रिलेशनल आणि नॉन-रिलेशनल) समाविष्ट असलेल्या संरचित आणि असंरचित डेटाशी कनेक्ट करण्याची परवानगी देतात - स्थानिक आणि क्लाउड दोन्ही.

मेटाडेटा व्यवस्थापन - सामान्य शब्दार्थ मॉडेल आणि मेटाडेटा वापरण्याची परवानगी देणार्‍या साधनांच्या वर्णनाची उपस्थिती लक्षात घेते. त्यांनी प्रशासकांना मेटाडेटा ऑब्जेक्ट्स शोधणे, कॅप्चर करणे, संग्रहित करणे, पुन्हा वापरणे आणि प्रकाशित करणे, जसे की परिमाणे, पदानुक्रम, उपाय, कार्यप्रदर्शन मेट्रिक्स किंवा प्रमुख कार्यप्रदर्शन निर्देशक (KPIs) एक विश्वासार्ह आणि केंद्रीकृत मार्ग प्रदान केला पाहिजे आणि त्याचा अहवाल देण्यासाठी देखील वापरला जाऊ शकतो. लेआउट ऑब्जेक्ट्स , पॅरामीटर्स इ. कार्यात्मक निकष SOR मेटाडेटामध्ये व्यवसाय वापरकर्त्यांद्वारे परिभाषित डेटा आणि मेटाडेटाला प्रोत्साहन देण्यासाठी प्रशासकांची क्षमता देखील विचारात घेते.

डेटा स्टोरेज आणि लोडिंग – हा निकष तुम्हाला डेटा अनुक्रमित करण्याची क्षमता, डेटा लोडिंग व्यवस्थापित करणे आणि वेळापत्रक अद्यतनित करण्याच्या क्षमतेसह डेटा ऍक्सेस करणे, समाकलित करणे, रूपांतरित करणे आणि डेटा लोड करणे यासाठी प्लॅटफॉर्मच्या क्षमतांचे मूल्यांकन करण्यास अनुमती देतो. एक्स्ट्रानेट उपयोजनासाठी कार्यक्षमतेची उपलब्धता देखील विचारात घेतली जाते: प्लॅटफॉर्म एखाद्या बाह्य क्लायंटसाठी किंवा सार्वजनिक क्षेत्रातील विश्लेषणात्मक सामग्रीसाठी नागरिकांच्या प्रवेशासाठी लवचिक केंद्रीकृत BI तरतुदींप्रमाणे कार्यप्रवाहास समर्थन देते का.

डेटा तयार करणे - निकष विविध स्त्रोतांकडील डेटाच्या "ड्रॅग आणि ड्रॉप" वापरकर्ता-नियंत्रित संयोजनासाठी कार्यक्षमतेची उपलब्धता आणि वापरकर्ता-परिभाषित उपाय, संच, गट आणि पदानुक्रम यासारख्या विश्लेषणात्मक मॉडेलची निर्मिती लक्षात घेते. या निकषांतर्गत प्रगत क्षमतांमध्ये मशिन लर्निंग, बुद्धिमान एकत्रीकरण आणि प्रोफाइलिंग, पदानुक्रम निर्मिती, बहु-संरचित डेटासह एकाधिक स्त्रोतांवरील डेटाचे वितरण आणि मिश्रणासाठी समर्थनासह सिमेंटिक ऑटो-डिस्कव्हरी क्षमतांचा समावेश आहे.

डेटा मॉडेलची स्केलेबिलिटी आणि जटिलता - पॅरामीटर डेटाबेसमधील ऑन-चिप मेमरी मेकॅनिझम किंवा आर्किटेक्चरबद्दल माहितीच्या उपस्थितीचे आणि पूर्णतेचे मूल्यांकन करते, ज्यामुळे मोठ्या प्रमाणात डेटावर प्रक्रिया केली जाते, जटिल डेटा मॉडेल्सवर प्रक्रिया केली जाते आणि कार्यप्रदर्शन ऑप्टिमाइझ केले जाते आणि मोठ्या संख्येने वापरकर्त्यांसाठी तैनात केले जाते. .

प्रगत विश्लेषण - कार्यक्षमतेच्या उपलब्धतेचे मूल्यमापन केले जे वापरकर्त्यांना मेनू-आधारित पर्यायांद्वारे प्रगत ऑफलाइन विश्लेषण क्षमतांमध्ये सहज प्रवेश करू देते किंवा बाह्यरित्या विकसित मॉडेल आयात आणि एकत्रित करून.

विश्लेषणात्मक डॅशबोर्ड - हा निकष परस्परसंवादी माहिती पॅनेल आणि सामग्री तयार करण्यासाठी कार्यक्षमतेच्या वर्णनाची उपस्थिती लक्षात घेते आणि व्हिज्युअल संशोधन आणि अंगभूत प्रगत आणि भूस्थानिक विश्लेषणे, इतर वापरकर्त्यांद्वारे वापरण्यासाठी समाविष्ट आहे.

परस्परसंवादी व्हिज्युअल एक्सप्लोरेशन - उष्णता आणि वृक्ष नकाशे, भौगोलिक नकाशे, स्कॅटर प्लॉट आणि इतर विशेष व्हिज्युअलायझेशनसह मूलभूत पाई आणि लाइन चार्टच्या पलीकडे जाणारे विविध व्हिज्युअलायझेशन पर्याय वापरून डेटा एक्सप्लोरेशन कार्यक्षमतेच्या पूर्णतेचे मूल्यांकन करते. डेटाचे दृश्य प्रतिनिधित्वाशी थेट संवाद साधून, टक्केवारी आणि गट म्हणून प्रदर्शित करून त्याचे विश्लेषण आणि हाताळणी करण्याची क्षमता देखील विचारात घेतली जाते.

प्रगत डेटा डिस्कवरी - या निकषाने वापरकर्त्यांसाठी मॉडेल तयार करणे किंवा अल्गोरिदम लिहिण्याची आवश्यकता न ठेवता, डेटामधील परस्परसंबंध, अपवाद, क्लस्टर्स, लिंक्स आणि अंदाज यासारख्या महत्त्वाच्या व्याख्या स्वयंचलितपणे शोधण्यासाठी, दृश्यमान करण्यासाठी आणि संप्रेषण करण्यासाठी कार्यक्षमतेच्या उपस्थितीचे मूल्यांकन केले आहे. व्हिज्युअलायझेशन, कथाकथन, शोध आणि नैसर्गिक भाषा क्वेरी (NLQ) तंत्रज्ञान वापरून डेटा एक्सप्लोर करण्याच्या संधींबद्दल माहितीच्या उपलब्धतेचा देखील विचार केला.

मोबाइल डिव्हाइसवर कार्यक्षमता - हा निकष ऑनलाइन प्रकाशित किंवा अभ्यास करण्याच्या उद्देशाने मोबाइल डिव्हाइसवर सामग्री विकसित आणि वितरित करण्यासाठी कार्यक्षमतेची उपलब्धता विचारात घेते. टचस्क्रीन, कॅमेरा आणि स्थान यासारख्या नेटिव्ह मोबाइल डिव्हाइस क्षमतेच्या वापरावरील डेटाचे देखील मूल्यांकन केले जाते.

विश्लेषणात्मक सामग्री एम्बेड करणे – हा निकष एपीआय इंटरफेससह सॉफ्टवेअर डेव्हलपरच्या संचाबद्दल माहितीची उपलब्धता आणि विश्लेषणात्मक सामग्री, व्हिज्युअलायझेशन आणि ऍप्लिकेशन तयार आणि सुधारित करण्यासाठी, त्यांना व्यवसाय प्रक्रिया, अनुप्रयोग किंवा पोर्टलमध्ये एकत्रित करण्यासाठी खुल्या मानकांसाठी समर्थन लक्षात घेते. या क्षमता ऍप्लिकेशनच्या बाहेर राहू शकतात, विश्लेषणाच्या पायाभूत सुविधांचा पुनर्वापर करून, परंतु वापरकर्त्यांना सिस्टीममध्ये स्विच करण्यास भाग पाडल्याशिवाय ऍप्लिकेशनमधून सहज आणि अखंडपणे प्रवेश करण्यायोग्य असावे. हे पॅरामीटर अॅप्लिकेशन आर्किटेक्चरसह विश्लेषणे आणि BI एकत्रीकरण क्षमतांची उपलब्धता देखील विचारात घेते, जे वापरकर्त्यांना व्यवसाय प्रक्रियेमध्ये विश्लेषण कोठे एम्बेड केले जावे हे निवडण्याची परवानगी देतात.
विश्लेषणात्मक सामग्री प्रकाशन आणि सहयोग - हा निकष अशा क्षमतांचा विचार करतो जे वापरकर्त्यांना सामग्री शोध, शेड्यूलिंग आणि अलर्टिंगसाठी समर्थनासह विविध आउटपुट प्रकार आणि वितरण पद्धतींद्वारे विश्लेषणात्मक सामग्री प्रकाशित करण्यास, उपयोजित करण्यास आणि वापरण्यास सक्षम करतात.

वापरणी सोपी, व्हिज्युअल अपील आणि वर्कफ्लो एकत्रीकरण - हे पॅरामीटर प्लॅटफॉर्मचे प्रशासन आणि उपयोजन सुलभतेबद्दल माहितीची उपलब्धता, सामग्री तयार करणे, वापरणे आणि सामग्रीसह परस्परसंवाद, तसेच उत्पादनाच्या आकर्षकतेची डिग्री यांचा सारांश देते. या क्षमता एका निर्बाध उत्पादनामध्ये आणि कार्यप्रवाहामध्ये किंवा थोड्या एकात्मतेसह अनेक उत्पादनांमध्ये किती प्रमाणात ऑफर केल्या जातात याचा देखील विचार केला जातो.

माहितीच्या जागेत उपस्थिती, पीआर - निकष नवीन आवृत्त्यांचे प्रकाशन आणि खुल्या स्त्रोतांमध्ये लागू केलेल्या प्रकल्पांबद्दल माहितीच्या उपलब्धतेचे मूल्यांकन करते - मीडियामध्ये तसेच उत्पादन किंवा विकसकाच्या वेबसाइटवरील बातम्या विभागात.

स्त्रोत: www.habr.com