Business intelligence - Business intelligence

Business administrasjon
Ledelse av en virksomhet
Regnskap
Forretningsenheter
Bedriftsledelse
Selskapsrett
Bedriftstittel
Økonomi
Finansiere
Typer ledelse
Organisasjon
Handel

Business intelligence ( BI ) omfatter strategier og teknologier som brukes av bedrifter for dataanalyse av forretningsinformasjon . BI -teknologier gir historisk, nåværende og forutsigbar visning av forretningsdriften .

Vanlige funksjoner for business intelligence -teknologier inkluderer rapportering , online analytisk behandling , analyse , dashbordutvikling , data mining , prosessgruvedrift , kompleks hendelsesbehandling , management of business performance , benchmarking , text mining , prediktiv analyse og prescriptive analytics .

BI -teknologier kan håndtere store mengder strukturerte og noen ganger ustrukturerte data for å identifisere, utvikle og på annen måte skape nye strategiske forretningsmuligheter . De tar sikte på å muliggjøre enkel tolkning av disse store dataene . Å identifisere nye muligheter og implementere en effektiv strategi basert på innsikt kan gi bedrifter et konkurransefortrinn i markedet og langsiktig stabilitet.

Business intelligence kan brukes av bedrifter til å støtte et bredt spekter av forretningsbeslutninger, alt fra operativ til strategisk. Grunnleggende driftsbeslutninger inkluderer produktposisjonering eller priser . Strategiske forretningsbeslutninger involverer prioriteringer, mål og retningslinjer på det bredeste nivået. I alle tilfeller er BI mest effektiv når den kombinerer data fra markedet der et selskap opererer (eksterne data) med data fra selskapets kilder internt i virksomheten, for eksempel finans- og driftsdata (interne data). Når de kombineres, kan eksterne og interne data gi et komplett bilde som i realiteten skaper en "intelligens" som ikke kan hentes fra et enkelt datasett.

Blant utallige bruksområder gir business intelligence -verktøy organisasjoner mulighet til å få innsikt i nye markeder, vurdere etterspørsel og egnethet for produkter og tjenester for forskjellige markedssegmenter og å måle effekten av markedsføringsinnsats.

BI -applikasjoner bruker data som er samlet inn fra et datavarehus (DW) eller fra en data mart , og begrepene BI og DW kombineres som "BI/DW" eller som "BIDW". Et datavarehus inneholder en kopi av analytiske data som letter beslutningsstøtte .

Historie

Den tidligste kjente bruken av begrepet business intelligence er i Richard Millar Devens ' Cyclopædia of Commercial and Business Anecdotes (1865). Devens brukte begrepet for å beskrive hvordan bankmannen Sir Henry Furnese oppnådde overskudd ved å motta og handle etter informasjon om miljøet sitt, før konkurrentene:

I hele Holland, Flandern, Frankrike og Tyskland opprettholdt han et komplett og perfekt tog av business intelligence. Nyheten om de mange kampene som ble utkjempet ble dermed mottatt først av ham, og Namurs fall økte fortjenesten hans på grunn av hans tidlige mottak av nyheten.

-  Devens, s. 210

Muligheten til å samle inn og reagere deretter basert på informasjonen som er hentet, sier Devens, er sentral for business intelligence.

Da Hans Peter Luhn , en forsker ved IBM , brukte begrepet business intelligence i en artikkel som ble publisert i 1958, brukte han Webster's Dictionary definisjon av intelligens: "evnen til å forstå sammenhengen mellom presenterte fakta på en måte som kan lede handlingene mot et ønsket mål. "

I 1989 foreslo Howard Dresner (senere en Gartner- analytiker) business intelligence som et paraplybegrep for å beskrive "konsepter og metoder for å forbedre forretningsbeslutninger ved å bruke faktabaserte støttesystemer." Det var først på slutten av 1990 -tallet at denne bruken var utbredt.

Kritikere ser bare på BI som en utvikling av virksomhetsrapportering sammen med fremkomsten av stadig kraftigere og brukervennlige dataanalyseverktøy . I denne forbindelse har det også blitt kritisert som et markedsføringsord i sammenheng med " big data " -bølgen.

Definisjon

I følge Solomon Negash og Paul Gray kan business intelligence (BI) defineres som systemer som kombinerer:

med analyse for å evaluere kompleks bedrifts- og konkurransedyktig informasjon for presentasjon for planleggere og beslutningstakere, med det formål å forbedre aktualiteten og kvaliteten på innspillene til beslutningsprosessen. "

I følge Forrester Research er business intelligence "et sett med metoder, prosesser, arkitekturer og teknologier som forvandler rådata til meningsfull og nyttig informasjon som brukes for å muliggjøre mer effektiv strategisk, taktisk og operativ innsikt og beslutningstaking." Under denne definisjonen omfatter business intelligence informasjonshåndtering ( dataintegrasjon , datakvalitet , datalagring, masterdatastyring, tekst- og innholdsanalyse, et al.). Derfor omtaler Forrester dataforberedelse og databruk som to separate, men nært knyttet deler av business-intelligence arkitektoniske stakken.

Noen elementer i business intelligence er:

Forrester skiller dette fra business-intelligence-markedet , som "bare er de øverste lagene i BI-arkitektoniske stakken, for eksempel rapportering , analyse og dashbord ."

Sammenlignet med konkurransedyktig intelligens

Selv om begrepet business intelligence noen ganger er et synonym for konkurransedyktig intelligens (fordi de begge støtter beslutningstaking ), bruker BI teknologier, prosesser og applikasjoner for å analysere stort sett interne, strukturerte data og forretningsprosesser mens konkurransedyktig intelligens samler, analyserer og formidler informasjon med et aktuelt fokus på selskapets konkurrenter. Hvis det forstås bredt, kan business intelligence betraktes som en delmengde av konkurransedyktig intelligens.

Sammenlignet med forretningsanalyse

Business intelligence og business analytics brukes noen ganger om hverandre, men det er alternative definisjoner. Thomas Davenport , professor i informasjonsteknologi og ledelse ved Babson College, argumenterer for at business intelligence bør deles inn i spørring , rapportering , Online analytisk behandling (OLAP), et "varsler" -verktøy og forretningsanalyse. I denne definisjonen er forretningsanalyse undersettet av BI som fokuserer på statistikk, prediksjon og optimalisering, i stedet for rapporteringsfunksjonaliteten.

Data

Forretningsoperasjoner kan generere en veldig stor mengde data i form av e-post, notater, notater fra kundesentre, nyheter, brukergrupper, chatter, rapporter, websider, presentasjoner, bildefiler, videofiler og markedsføringsmateriale. I følge Merrill Lynch eksisterer mer enn 85% av all forretningsinformasjon i disse skjemaene; et selskap kan bare bruke et slikt dokument en gang. På grunn av måten den produseres og lagres på, er denne informasjonen enten ustrukturert eller semi-strukturert .

Håndtering av semi-strukturerte data er et uløst problem i informasjonsteknologibransjen. Ifølge anslag fra Gartner (2003) bruker arbeidstakere 30–40% av tiden sin på å søke, finne og vurdere ustrukturerte data. BI bruker både strukturerte og ustrukturerte data. Førstnevnte er lett å søke, og sistnevnte inneholder en stor mengde informasjon som trengs for analyse og beslutningstaking. På grunn av vanskeligheten med å søke, finne og vurdere ustrukturerte eller semi-strukturerte data på riktig måte, kan det hende at organisasjoner ikke trekker på disse store informasjonsmagasinene, som kan påvirke en bestemt beslutning, oppgave eller prosjekt. Dette kan til slutt føre til dårlig informert beslutningstaking.

Derfor, når du designer en business intelligence/DW-løsning, må de spesifikke problemene knyttet til semi-strukturerte og ustrukturerte data tilpasses så vel som de for de strukturerte dataene

Ustrukturerte data kontra semistrukturerte data

Ustrukturerte og semi-strukturerte data har forskjellige betydninger avhengig av konteksten. I sammenheng med relasjonsdatabasesystemer kan ustrukturerte data ikke lagres i forutsigbart ordnede kolonner og rader . En type ustrukturerte data lagres vanligvis i en BLOB (binært stort objekt), en fangst-datatype som er tilgjengelig i de fleste relasjonsdatabasestyringssystemer . Ustrukturerte data kan også referere til uregelmessig eller tilfeldig gjentatte kolonnemønstre som varierer fra rad til rad eller filer med naturlig språk som ikke har detaljerte metadata.

Mange av disse datatypene, som e-post, tekstbehandling, tekstfiler, PDF-filer, PPT-er, bildefiler og videofiler, er imidlertid i samsvar med en standard som gir mulighet for metadata. Metadata kan inneholde informasjon som forfatter og tidspunkt for opprettelse, og denne kan lagres i en relasjonsdatabase. Derfor kan det være mer nøyaktig å snakke om dette som semi-strukturerte dokumenter eller data, men det ser ikke ut til at det er oppnådd noen spesifikk enighet.

Ustrukturerte data kan også ganske enkelt være kunnskapen som forretningsbrukere har om fremtidige forretningstrender. Forretningsprognoser samsvarer naturlig med BI -systemet fordi forretningsbrukere tenker på virksomheten sin samlet. Å fange inn forretningskunnskapen som bare finnes i forretningsbrukernes sinn, gir noen av de viktigste datapunktene for en komplett BI -løsning.

Begrensninger for semi-strukturerte og ustrukturerte data

Det er flere utfordringer med å utvikle BI med semi-strukturerte data. Ifølge Inmon & Nesavich er noen av disse:

  • Fysisk tilgang til ustrukturerte tekstdata - ustrukturerte data lagres i et stort utvalg av formater.
  • Terminologi  - Blant forskere og analytikere er det behov for å utvikle en standardisert terminologi.
  • Datamengde-Som nevnt tidligere eksisterer opptil 85% av alle data som semi-strukturerte data. Kombiner det med behovet for ord-til-ord og semantisk analyse.
  • Søkbarhet etter ustrukturerte tekstdata - Et enkelt søk på noen data, f.eks. Eple, resulterer i lenker der det er en referanse til det presise søkeordet. (Inmon & Nesavich, 2008) gir et eksempel: "det blir søkt på begrepet forbrytelse. I et enkelt søk brukes begrepet forbrytelse, og overalt er det en referanse til forbrytelse, det treffes på et ustrukturert dokument. Men et enkelt søk er grovt. Det finner ikke referanser til kriminalitet, brannstiftelse, drap, underslag, drap på biler og lignende, selv om disse forbrytelsene er typer forbrytelser ".

Metadata

For å løse problemer med søkbarhet og vurdering av data, er det nødvendig å vite noe om innholdet. Dette kan gjøres ved å legge til kontekst ved bruk av metadata . Mange systemer fanger allerede opp noen metadata (f.eks. Filnavn, forfatter, størrelse osv.), Men mer nyttig vil være metadata om det faktiske innholdet - f.eks. Sammendrag, emner, personer eller selskaper som er nevnt. To teknologier designet for å generere metadata om innhold er automatisk kategorisering og ekstraksjon av informasjon .

applikasjoner

Business intelligence kan brukes på følgende forretningsformål:

Roller

Noen vanlige tekniske roller for business intelligence -utviklere er:

Fare

I en rapport fra 2013 kategoriserte Gartner business intelligence-leverandører som enten en uavhengig "pure-play" -leverandør eller en konsolidert "megavendor". I 2019 ble BI -markedet rystet i Europa for den nye lovgivningen i GDPR (General Data Protection Regulation) som legger ansvaret for datainnsamling og lagring på databrukeren med strenge lover for å sikre at dataene er kompatible. Veksten i Europa har jevnt økt siden mai 2019 da GDPR ble brakt. Lovgivningen fokuserte selskaper på å se på sine egne data fra et overholdelsesperspektiv, men avslørte også fremtidige muligheter ved å bruke personalisering og eksterne BI -leverandører for å øke markedsandeler.

Se også

Referanser

Bibliografi

  • Ralph Kimball et al. "Data warehouse Lifecycle Toolkit" (2. utg.) Wiley ISBN  0-470-47957-4
  • Peter Rausch, Alaa Sheta, Aladdin Ayesh: Business Intelligence and Performance Management: Theory, Systems, and Industrial Applications , Springer Verlag UK, 2013, ISBN  978-1-4471-4865-4 .
  • Munoz, JM (2017). Global Business Intelligence. Routledge: Storbritannia. ISBN  978-1-1382-03686

Eksterne linker