Сетевая архитектура BI: взгляд в будущее

В компаниях со штатом от тысячи человек зачастую используется целый пул аналитических систем. Фактически каждое подразделение само выбирает наиболее удобный инструмент. При этом ИТ-архитектура аналитического блока играет решающую роль в определении возможностей и достоверности аналитических отчетов и прогнозов.

Сегодня используются два подхода к организации аналитики, каждый из которых можно считать классическим. Первый вариант характерен первичному использованию BI. Заказчиком внедрения выступает одно из бизнес-подразделений, обычно финансовый блок. Источником данных для аналитики служит информация баз данных учетных систем.

Спустя некоторое время "просыпается" другое подразделение, например продаж или маркетинга. Их интересует клиентская аналитика, источником которой может стать база данных CRM-системы. Поскольку аппетит приходит во время еды, потребности могут быстро появиться у остальных подразделений, и даже новых бизнес-направлений. "Начав с внедрения бизнес-аналитики для составления консолидированной отчетности, мы довольно быстро получили заказы от других подразделений. Например, совершенно неожиданным заказчиком стал кредитный департамент, который отвечает за организацию кредитования нашего бизнеса на оптимальных для нас условиях", – рассказал CNews Алексей Жарков, начальник отдела развития корпоративных бизнес-приложений компании "Газметаллпроект" (поставщик цемента).

В результате зачастую получается, что каждое подразделение работает не только с собственной базой данных, но и в собственной BI-системе, обращающейся к этой базе. Ярким примером такого подхода может служить опыт "Казмунайгаза". Для целей финансового, управленческого учета компания внедрила ERP-систему SAP R/3. Производственные показатели (геологоразведочные данные) аккумулируются в  отдельном хранилище на базе Oracle. До недавнего времени финансовая аналитика выполнялась с помощью встроенных модулей SAP, геологоразведка работала с целым набором специфических аналитических систем различных поставщиков.

Наличие набора баз данных от бизнес-направлений не означает необходимость внедрения соответствующего "зоопарка" BI-систем. Все чаще слышно об интеграционных BI-проектах, когда одна и та же аналитическая система обращается к различным базам данных, формируя отчеты "на заказ". Такой подход выбрал "Газметаллпроект". "Чем дальше, тем больше убеждаюсь, какой правильный выбор мы сделали. Если сначала я серьезно обдумывал возможность реализации тех или иных запросов от департаментов, то сейчас я почти сразу говорю, что все возможно", – говорит Алексей Жарков.

Фокус на источник информации

Другой подход предпочитают крупные финансовые организации. По мере повышения степени информатизации деятельности, роста бизнеса они часто приходят к необходимости создания единой системы хранения данных.

Первое хранилище данных появилось в "Банке Москвы" в 2006 году, оно было создано по заказу планово-экономического департамента. В 2010 году руководство начало сразу несколько крупных бизнес-проектов в сфере информатизации, и встал вопрос о смене ИТ-архитектуры. Пользователями аналитических инструментов должны были стать все подразделения банка: розница, СМБ, корпоративный бизнес, управление рисками (розничными, корпоративными, рыночными), бухгалтерия, финансовый департамент, казначейство. "Было проведено масштабное предпроектное обследование, мы рассмотрели возможные пути решения, как в текущей архитектуре, так и в перспективе создания единого хранилища данных, – рассказывает заместитель директора Центра управления проектами "Банка Москвы" Анна Акпарова. – Оказалось, что при работе в текущей сложной архитектуре потребуются значительные затраты на ее поддержку; высокие временные и человеческие затраты на получение отчетности; данные в отчетах все же будут противоречивыми и неполными; подключать новые аналитические системы и обновлять старые будет очень дорого; придется использовать OLTP-системы для тяжелых аналитических запросов и выгрузок".

Новая архитектура, предполагающая консолидацию данных в единой модели, оптимизированной для выполнения аналитических задач, должна дать преимущества: низкие операционные затраты за счет оптимальной архитектуры; легкость создания и модификации отчетов; контроль над качеством данных; значительное сокращение трудозатрат на подключение и замену аналитических систем; отсутствие нагрузки на операционные системы при выполнении тяжелых аналитических запросов и создании выгрузок; получение отчетов, недоступных в текущей архитектуре, а следовательно принятие более обоснованных управленческих решений.

Параллельный вариант развития – когда система формирует один отчет с использованием информации из нескольких баз данных. "Казмунайгаз" пошел как раз по этому пути. "В системе SAS ABM реализован раздельный учет доходов, затрат и активов, основанный на принципах процессно-ориентированного учета. Расчеты опираются на фактические данные из СХД на базе Oracle и учетной системы SAP R/3. В результате ABM формирует 4 основных отчета: эффективность ГТМ, эффективность скважин, эффективность месторождений и еще один отчет, – объясняет Берик Турмаганбетов, директор департамента бюджетирования и экономического анализа добывающей компании Казахстана "Казмунайгаз". – Такой подход помогает рационально использовать имеющиеся производственные мощности, материальные, людские, финансовые ресурсы и оперативно составлять необходимую внутреннюю отчетность сквозь призму эффективности существующих бизнес-процессов".

Взгляд в будущее

По мере роста бизнеса растут объемы накопленной информации. По мере накопления данных перед компаниями встает вопрос их дальнейшего оптимального использования. Например, в МТС сначала анализировали данные только из биллинговой системы, потом – информацию из CRМ, потом с порталов. Сейчас руководство оператора задумалось о возможности анализа активности абонента в интернете. "Методов сбора информации становится все больше. Плюс мы начинаем с помощью тех же самых инструментов смотреть внутрь наших решений. Технологическая среда усложняется, начинается интеграция с внутренними системами технологического мониторинга, сбора информации, управления качеством. Все это – источники информации", – говорит директор департамента по созданию ИТ-решений компании МТС Сергей Строганов.

Сложилась ситуация, когда в разных базах данных накоплено множество взаимно дополняющих данных о клиентах. "Настает пора консолидации аналитических приложений для того, чтобы они работали как единый организм и давали нам максимум выгоды", – уверен Сергей Строганов. Однако компания столкнулась с отсутствием на рынке межотраслевых аналитических решений. "Есть отдельные хорошие инструменты для телекома, для банков. Но пока мы не видели решений, позволяющих рассматривать одного клиента с разных ракурсов. Ищем", – резюмирует Сергей Строганов.

В России опыт решения подобной задачи уже есть. В ИТ-структуре холдинга "Еврохим" в общей сложности ежедневно обрабатывается 700 тыс. номенклатурных позиций, 150 тыс. договоров. К инфраструктуре подключены предприятия из всех регионов России, подразделения в Литве, Эстонии, Украине, Швейцарии, Кипре, Греции, Голландии. Это производства, логистика, продажи, администрация. Изначально "Еврохим" пошел по первому пути, в результате в корпорации используется "зоопарк" аналитических модулей. Каждый из них требовал поддержки, в том числе инфраструктурной, расходы росли в геометрической прогрессии вместе с объемами обрабатываемой информации. В итоге "Еврохим" получил стандартный набор проблем: дублирование данных, хранение одной и той же информации в различных базах данных, неоднозначность отчетов. Сменяющие друг друга CIO пытались решить проблему, и в течение нескольких лет срок пребывания каждого из них к корпорации составлял год-полтора.

В интернете история оставила заметный след. Последний из них – директор по развитию бизнес-систем МХК "Еврохим" Владимир Чибисов – предложил использовать облачные технологии для организации архитектуры по принципу Twitter’а. Сохраняются не только данные, но связи данных – URL-адреса. Необходимая бизнес-пользователю информация собирается с помощью поисковой машины. "Аналитическая платформа организована по сервисной модели. Используются современные аппаратные решения: часть данных хранится на твердотельной памяти, часть – на традиционных дисковых массивах. Со временем планируется снять собственные сервера с эксплуатации и арендовать мощности у сторонних поставщиков", – рассказывает он.

Подход, когда аналитическая система отправляет запросы к базе данных, выгружает данные, формирует отчеты, стал для "Еврохима" историческим пережитком. "Мы столкнулись с теми же проблемами, что и Google, Twitter, социальные сети: большой объем данных, фреймообразные хранилища и так далее. Нам требуются полноценные поисковики, параллельные вычисления, огромные базы данных, информация, которая структурируется и предоставляется пользователю в правильном виде", – говорит Владимир Чибисов. Конечно, такой подход имеет смысл при масштабной, разветвленной и разрозненной аналитической функции. Опыт "Еврохима" завораживает, сейчас схожая задача стоит перед авиаперевозчиком "Волга-Днепр". Возможно, компания выберет описанный путь.