เกณฑ์การประเมินระบบ BI ของรัสเซีย

เป็นเวลาหลายปีแล้วที่ฉันเป็นหัวหน้า บริษัท ที่เป็นหนึ่งในผู้นำในการใช้งานระบบ BI ในรัสเซียและรวมอยู่ในรายชื่อนักวิเคราะห์อันดับต้น ๆ ในแง่ของปริมาณธุรกิจในสาขา BI เป็นประจำ ในระหว่างที่ฉันทำงาน ฉันมีส่วนร่วมในการนำระบบ BI ไปใช้งานในบริษัทต่างๆ จากหลายพื้นที่ของเศรษฐกิจ ตั้งแต่การค้าปลีกและการผลิตไปจนถึงอุตสาหกรรมกีฬา ดังนั้นฉันจึงตระหนักดีถึงความต้องการของลูกค้าด้านโซลูชันระบบธุรกิจอัจฉริยะ

โซลูชั่นของผู้ค้าต่างประเทศเป็นที่รู้จักกันดี ส่วนใหญ่มีแบรนด์ที่แข็งแกร่ง โอกาสของพวกเขาได้รับการวิเคราะห์โดยหน่วยงานวิเคราะห์ขนาดใหญ่ ในขณะที่ระบบ BI ในประเทศส่วนใหญ่ยังคงเป็นผลิตภัณฑ์เฉพาะกลุ่ม สิ่งนี้ทำให้ตัวเลือกยุ่งยากอย่างมากสำหรับผู้ที่กำลังมองหาโซลูชันที่ตรงกับความต้องการของพวกเขา

เพื่อขจัดข้อเสียเปรียบนี้ ฉันและทีมงานที่มีใจเดียวกันจึงตัดสินใจทบทวนระบบ BI ที่สร้างโดยนักพัฒนาชาวรัสเซีย - "วงกลม BI ของ Gromov" เราวิเคราะห์โซลูชันในประเทศส่วนใหญ่ในตลาดและพยายามเน้นจุดแข็งและจุดอ่อนของพวกเขา ในทางกลับกัน นักพัฒนาระบบที่รวมอยู่ในการตรวจสอบจะสามารถมองข้อดีและข้อเสียของผลิตภัณฑ์ของตนจากภายนอก และอาจทำการปรับเปลี่ยนกลยุทธ์การพัฒนาของตนได้

นี่เป็นประสบการณ์ครั้งแรกของการสร้างการตรวจสอบระบบ BI ของรัสเซีย ดังนั้นเราจึงมุ่งเน้นที่การรวบรวมข้อมูลเกี่ยวกับระบบภายในประเทศโดยเฉพาะ

การตรวจสอบระบบ BI ของรัสเซียกำลังดำเนินการเป็นครั้งแรก ภารกิจหลักของมันไม่มากนักในการระบุผู้นำและบุคคลภายนอก แต่เพื่อรวบรวมข้อมูลที่สมบูรณ์และเชื่อถือได้ที่สุดเกี่ยวกับความเป็นไปได้ของการแก้ปัญหา

โซลูชันต่อไปนี้มีส่วนร่วมในการตรวจสอบ: 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, แพลตฟอร์มการจัดการ Simpl.Data, DATAMONITOR, Galaxy BI, แพลตฟอร์ม Etton, โมดูล BI

ในการวิเคราะห์ฟังก์ชันการทำงานและคุณลักษณะทางสถาปัตยกรรมของแพลตฟอร์ม BI ของรัสเซีย เราใช้ทั้งข้อมูลภายในที่ได้รับจากนักพัฒนาและแหล่งข้อมูลแบบโอเพ่น - ไซต์โซลูชัน การโฆษณา และเอกสารทางเทคนิคจากซัพพลายเออร์
จากประสบการณ์ของตนเองในการใช้ระบบ BI และความต้องการพื้นฐานของบริษัทรัสเซียสำหรับการทำงานของ BI ได้ระบุพารามิเตอร์จำนวนหนึ่งที่ช่วยให้พวกเขาเห็นความเหมือนและความแตกต่างของโซลูชัน และต่อมาเน้นจุดแข็งและจุดอ่อนของพวกเขา

เหล่านี้คือพารามิเตอร์

การดูแลระบบ ความปลอดภัย และสถาปัตยกรรมแพลตฟอร์ม BI – ในหมวดหมู่นี้ มีการประเมินคำอธิบายโดยละเอียดเกี่ยวกับความสามารถที่รับประกันความปลอดภัยของแพลตฟอร์ม รวมถึงฟังก์ชันสำหรับการดูแลระบบผู้ใช้และการตรวจสอบการเข้าถึง จำนวนข้อมูลทั้งหมดเกี่ยวกับสถาปัตยกรรมแพลตฟอร์มก็ถูกนำมาพิจารณาด้วย

คลาวด์ บีไอ – เกณฑ์นี้ช่วยให้คุณสามารถประเมินความพร้อมใช้งานของการเชื่อมต่อโดยใช้แพลตฟอร์มในรูปแบบบริการและแอปพลิเคชันการวิเคราะห์ในรูปแบบบริการสำหรับการสร้าง ปรับใช้ และจัดการแอปพลิเคชันเชิงวิเคราะห์และเชิงวิเคราะห์ในระบบคลาวด์โดยอิงตามข้อมูลทั้งในระบบคลาวด์และในองค์กร

การเชื่อมต่อกับต้นทางและรับข้อมูล – เกณฑ์คำนึงถึงความสามารถที่อนุญาตให้ผู้ใช้สามารถเชื่อมต่อกับข้อมูลที่มีโครงสร้างและไม่มีโครงสร้างที่มีอยู่ในแพลตฟอร์มการจัดเก็บข้อมูลประเภทต่างๆ (เชิงสัมพันธ์และไม่เชิงสัมพันธ์) ทั้งในระบบและบนคลาวด์

การจัดการข้อมูลเมตา – คำนึงถึงการมีอยู่ของคำอธิบายของเครื่องมือที่อนุญาตให้ใช้โมเดลความหมายและข้อมูลเมตาทั่วไป พวกเขาควรจัดเตรียมวิธีที่เชื่อถือได้และรวมศูนย์ให้กับผู้ดูแลระบบในการค้นหา จับภาพ จัดเก็บ ใช้ซ้ำ และเผยแพร่ออบเจ็กต์ข้อมูลเมตา เช่น มิติ ลำดับชั้น การวัด ตัวชี้วัดประสิทธิภาพ หรือตัวบ่งชี้ประสิทธิภาพหลัก (KPI) และยังสามารถใช้เพื่อรายงานเกี่ยวกับ เค้าโครงวัตถุ พารามิเตอร์ ฯลฯ เกณฑ์การทำงานยังคำนึงถึงความสามารถของผู้ดูแลระบบในการส่งเสริมข้อมูลและเมตาดาต้าที่กำหนดโดยผู้ใช้ทางธุรกิจลงในเมตาดาต้า SOR

การจัดเก็บข้อมูลและการโหลด – เกณฑ์นี้ช่วยให้คุณสามารถประเมินความสามารถของแพลตฟอร์มในการเข้าถึง บูรณาการ การแปลง และการโหลดข้อมูลลงในกลไกประสิทธิภาพการทำงานอัตโนมัติที่มีความสามารถในการจัดทำดัชนีข้อมูล จัดการการโหลดข้อมูล และกำหนดการอัพเดต ความพร้อมใช้งานของฟังก์ชันสำหรับการปรับใช้เอกซ์ทราเน็ตยังได้รับการพิจารณาด้วย: แพลตฟอร์มรองรับเวิร์กโฟลว์ที่คล้ายคลึงกับการจัดเตรียม BI แบบรวมศูนย์ที่ยืดหยุ่นสำหรับลูกค้าภายนอกหรือการเข้าถึงเนื้อหาการวิเคราะห์ในภาครัฐหรือไม่

การเตรียมข้อมูล – เกณฑ์จะพิจารณาถึงความพร้อมใช้งานของฟังก์ชันสำหรับการรวมข้อมูลจากแหล่งต่างๆ ที่ควบคุมโดยผู้ใช้ "ลากและวาง" และการสร้างแบบจำลองการวิเคราะห์ เช่น การวัด ชุด กลุ่ม และลำดับชั้นที่ผู้ใช้กำหนด ความสามารถขั้นสูงภายใต้เกณฑ์นี้ ได้แก่ ความสามารถในการค้นหาความหมายอัตโนมัติพร้อมการสนับสนุนการเรียนรู้ของเครื่อง การรวมและการทำโปรไฟล์อัจฉริยะ การสร้างลำดับชั้น การกระจาย และการผสมผสานข้อมูลข้ามแหล่งที่มาหลายแห่ง รวมถึงข้อมูลที่มีโครงสร้างหลายโครงสร้าง

ความสามารถในการปรับขนาดและความซับซ้อนของโมเดลข้อมูล – พารามิเตอร์ประเมินการมีอยู่และความสมบูรณ์ของข้อมูลเกี่ยวกับกลไกหน่วยความจำบนชิปหรือสถาปัตยกรรมในฐานข้อมูล เนื่องจากมีการประมวลผลข้อมูลจำนวนมาก โมเดลข้อมูลที่ซับซ้อนได้รับการประมวลผล และประสิทธิภาพได้รับการปรับให้เหมาะสมและปรับใช้กับผู้ใช้จำนวนมาก .

การวิเคราะห์ขั้นสูง – ประเมินความพร้อมใช้งานของฟังก์ชันการทำงานที่ช่วยให้ผู้ใช้สามารถเข้าถึงความสามารถในการวิเคราะห์ออฟไลน์ขั้นสูงได้อย่างง่ายดายผ่านตัวเลือกตามเมนูหรือโดยการนำเข้าและรวมโมเดลที่พัฒนาจากภายนอก

แดชบอร์ดการวิเคราะห์ – เกณฑ์นี้คำนึงถึงการมีอยู่ของคำอธิบายฟังก์ชันสำหรับการสร้างแผงข้อมูลเชิงโต้ตอบและเนื้อหาด้วยการวิจัยด้วยภาพและการวิเคราะห์เชิงพื้นที่ขั้นสูงและเชิงพื้นที่ในตัว รวมถึงสำหรับการใช้งานโดยผู้ใช้รายอื่น

การสำรวจด้วยภาพเชิงโต้ตอบ – ประเมินความสมบูรณ์ของฟังก์ชันการสำรวจข้อมูลโดยใช้ตัวเลือกการแสดงภาพที่หลากหลาย ซึ่งนอกเหนือไปจากแผนภูมิวงกลมและแผนภูมิเส้นพื้นฐาน รวมถึงแผนที่ความร้อนและต้นไม้ แผนที่ทางภูมิศาสตร์ แผนภูมิกระจาย และการแสดงภาพเฉพาะอื่นๆ นอกจากนี้ ยังคำนึงถึงความสามารถในการวิเคราะห์และจัดการข้อมูลโดยการโต้ตอบโดยตรงกับการแสดงภาพ โดยแสดงเป็นเปอร์เซ็นต์และกลุ่ม

การค้นพบข้อมูลขั้นสูง – เกณฑ์นี้ประเมินการมีอยู่ของฟังก์ชันเพื่อค้นหา แสดงภาพ และสื่อสารคำจำกัดความที่สำคัญ เช่น ความสัมพันธ์ ข้อยกเว้น คลัสเตอร์ ลิงก์ และการคาดคะเนในข้อมูลที่เกี่ยวข้องกับผู้ใช้โดยอัตโนมัติ โดยไม่ต้องสร้างแบบจำลองหรือเขียนอัลกอริทึม นอกจากนี้ยังพิจารณาถึงความพร้อมของข้อมูลเกี่ยวกับโอกาสในการสำรวจข้อมูลโดยใช้การแสดงภาพ การเล่าเรื่อง การค้นหา และเทคโนโลยีการค้นหาด้วยภาษาธรรมชาติ (NLQ)

ฟังก์ชั่นบนอุปกรณ์มือถือ – เกณฑ์นี้คำนึงถึงความพร้อมใช้งานของฟังก์ชันสำหรับการพัฒนาและส่งมอบเนื้อหาไปยังอุปกรณ์มือถือเพื่อวัตถุประสงค์ในการเผยแพร่หรือการศึกษาออนไลน์ ข้อมูลเกี่ยวกับการใช้ความสามารถของอุปกรณ์เคลื่อนที่แบบเนทีฟ เช่น หน้าจอสัมผัส กล้อง และตำแหน่ง จะได้รับการประเมินด้วย

การฝังเนื้อหาเชิงวิเคราะห์ – เกณฑ์นี้คำนึงถึงความพร้อมของข้อมูลเกี่ยวกับชุดนักพัฒนาซอฟต์แวร์ที่มีอินเทอร์เฟซ API และการสนับสนุนมาตรฐานเปิดสำหรับการสร้างและแก้ไขเนื้อหาเชิงวิเคราะห์ การแสดงภาพและแอปพลิเคชัน รวมเข้ากับกระบวนการทางธุรกิจ แอปพลิเคชัน หรือพอร์ทัล ความสามารถเหล่านี้สามารถอยู่ภายนอกแอปพลิเคชัน โดยการนำโครงสร้างพื้นฐานการวิเคราะห์กลับมาใช้ใหม่ แต่ควรเข้าถึงได้ง่ายและราบรื่นจากภายในแอปพลิเคชัน โดยไม่ต้องบังคับให้ผู้ใช้สลับระหว่างระบบ พารามิเตอร์นี้ยังคำนึงถึงความพร้อมใช้งานของการวิเคราะห์และความสามารถในการรวม BI กับสถาปัตยกรรมแอปพลิเคชัน ซึ่งอนุญาตให้ผู้ใช้เลือกตำแหน่งที่การวิเคราะห์ควรฝังอยู่ในกระบวนการทางธุรกิจ
การเผยแพร่เนื้อหาเชิงวิเคราะห์และการทำงานร่วมกัน - เกณฑ์นี้พิจารณาความสามารถที่ช่วยให้ผู้ใช้สามารถเผยแพร่ ปรับใช้ และใช้เนื้อหาเชิงวิเคราะห์ผ่านประเภทเอาต์พุตและวิธีการแจกจ่ายที่หลากหลาย พร้อมรองรับการค้นพบเนื้อหา การกำหนดเวลา และการแจ้งเตือน

ใช้งานง่าย ดึงดูดสายตา และบูรณาการขั้นตอนการทำงาน – พารามิเตอร์นี้สรุปความพร้อมของข้อมูลเกี่ยวกับความง่ายในการบริหารและการปรับใช้แพลตฟอร์ม การสร้างเนื้อหา การใช้และการโต้ตอบกับเนื้อหา รวมถึงระดับความน่าดึงดูดใจของผลิตภัณฑ์ นอกจากนี้ ยังพิจารณาถึงขอบเขตที่ความสามารถเหล่านี้นำเสนอในผลิตภัณฑ์และเวิร์กโฟลว์เดียวที่ราบรื่น หรือในผลิตภัณฑ์หลายรายการที่มีการผสานรวมเพียงเล็กน้อย

การแสดงตนในพื้นที่ข้อมูลประชาสัมพันธ์ – เกณฑ์จะประเมินความพร้อมของข้อมูลเกี่ยวกับการเปิดตัวเวอร์ชันใหม่และโครงการที่นำไปใช้ในโอเพ่นซอร์ส - ในสื่อตลอดจนในส่วนข่าวบนเว็บไซต์ผลิตภัณฑ์หรือผู้พัฒนา

ที่มา: will.com