В феврале 2018 года Gartner выпустил очередной магический квадрант, включив в него 20 BI-систем. Лидерами третий год подряд стали 3 вендора - Qlik, Tableau и Microsoft. К числу претендентов аналитики отнесли только одну компанию - Microstrategy. Провидцоми (Visionaries) названы IBM, Tibco Software, SAP, SAS, ThoughtSpot, Salesforce и Sisense. Нишевыми игроками (Niche players) стали 9 вендоров - Logi Analytics, Pyramid Analytics, Yellowfin, BOARD International, Oracle, Information Builders, Looker, Domo, Birst.

2018 | 2016 | 2013 | 2012 | 2011 | 2010 | 2009

В сентябре 2018 года аналитическая компания International Data Corporation (IDC) представила некоторые результаты исследования мирового рынка программного обеспечения для работы с большими данными (Big Data) и аналитических инструментов. По итогам 2017 года продажи такого софта в глобальном масштабе достигли почти $45 млрд против $40,8 млрд годом ранее и $37,5 млрд в 2015 году. На десятку крупнейших производителей пришлось больше 70% доходов на рассматриваемом рынке.

Крупнейшие производители ПО для работы с Big Data и аналитических инструментов, данные IDC за 2015-2017 гг.

На неопределенность термина business intelligence повлияла многозначность английского слова «intelligence». Сегодня теоретики, вендоры и исследователи рынка BI зачастую расходятся в определении того, что такое BI (системы бизнес-анализа).

К категории Большие данные (Big Data) относится информация, которую уже невозможно обрабатывать традиционными способами, в том числе структурированные данные, медиа и случайные объекты. Большие данные – термин, под которым подразумевают массивы данных объемом в пределах от нескольких десятков терабайт до многих петабайт (тысяч терабайт).
Что такое большие данные? | Методики анализа больших данных | Аналитический инструментарий | Рынки решений для управления большими данными | История развития

Специалист по Big Data – тот герой, который на основе изучения больших массивов данных в различных сферах жизни (это может быть как бизнес, так и наука), формулирует тенденции, выделяет тренды и прогнозирует то, что невозможно увидеть невооружённым глазом. На практике такие исследования приводят к научным открытиям, повышению эффективности работы компании, определению новых источников дохода, улучшению клиентского сервиса и т. д., но развернуть клубок Big Data под силу не каждому.

В связи с ростом популярности data science (DS) возникает два совершенно очевидных вопроса. Первый – в чем состоит качественное отличие этого недавно сформировавшегося научного направления от существующего несколько десятков лет и активно используемого в индустрии направления business intelligence (BI)? Второй - возможно более важный с практической точки зрения - чем различаются функции специалистов двух родственных специальностей data scientist и BI analyst? В материале, подготовленном специально для TAdviser, на эти вопросы отвечает журналист Леонид Черняк.

Self-service BI (буквально - «системы BI самообслуживания»). Появление большого количества решений бизнес-аналитики, адресованных конечным пользователям, эксперты IDC и Gartner фиксировали с 2011-2012 г., констатируя формирование нового сегмента рынка BI с «человеческим лицом». И термин self-service BI - достаточно удачное ему определение.
Что такое Self-Service BI? | Основные игроки

Развитые средства визуализации данных стали неотъемлемой частью корпоративных BI-платформ. Некоторые вендоры, такие, например, как Tableau, именно визуализацию сделали краеугольным камнем своих аналитических систем. Тренд пронизывает рынок систем аналитики полностью: сегодня даже простейшие аналитические инструменты для конечных пользователей зачастую опираются именно на визуальное представление данных.

Дальнейшее развитие мирового рынка бизнес-анализа пойдет по пути активного освоения advanced (продвинутой) аналитики, в том числе предикативного анализа, построения симуляторов и вариативных моделей.
Определение | Области применения | Ключевые игроки

Data discovery относительно молодой термин, но некоторые промышленные BI-платформы, такие как QlikTech, например, уже построили вокруг него свою маркетинговую стратегию. Такие решения стали очень популярны у пользователей благодаря простоте работы и доступному интерфейсу.

Критерии функциональности и производительности системы должны ставиться при выборе решения для бизнес-аналитики во главу угла. Выбирая или обновляя систему для бизнес-анализа, следует продумать способы хранения и интеграции данных, средства визуализации и аналитики.
Критерии выбора систем | Выбор функциональных возможностей

Рост направления мобильной аналитики в России сопутствует росту интереса пользователей к мобильным версиям других классов бизнес-систем. По мере увеличения проникновения соответствующих аппаратных средств в корпоративном сегменте, это явление в конечном итоге обретет массовый характер.
Мировой рынок | Российский рынок | Примеры в действии

К системам хранения в бизнес-аналитике предъявляются особые требования. Рост проектов по внедрению систем бизнес-анализа данных и технологий Big Data спровоцирует серьезный спрос на СХД, так что сегмент систем хранения данных для аналитики и Big Data будет расти в 1,5 раза ежегодно до 2016 года.
Мировой рынок | Российские реалии

Провалы BI-систем (системы бизнес-анализа) в России, считают эксперты, обусловлены все теми же типичными ошибками на предпроектной стадии и на стадии внедрения: это неграмотная организация проекта, а также несоответствие функционала решения потребностям бизнеса. Есть и ряд специфических BI-ошибок.
Отсутствие заинтересованности менеджмента | Выбор некомпетентного интегратора | Слабая проектная команда | Отсутствие единой терминологии | Плохо проработанные требования к системе | Проблема доверия к исходным данным | Сопротивление инновациям | Функциональные проблемы | Отсутствие доверия и завышенные ожидания

По мнению аналитиков Technology Evaluation Centers (TEC), лишь около 30% проектов внедрения BI-систем оказываются успешными. Основной проблемой является даже не выход проекта за рамки бюджета или отведенных временных границ, а несовпадение результатов с ожиданиями.
Потребность бизнеса в BI | Постановка целей и задач проекта | Поддержка бизнеса | Обеспечение сбора и качества данных | Выбор решения | Управление BI-проектом | Пользовательский аспект BI | Оценка эффективности системы

Аналитики из Gartner считают, что в платформе для бизнес-анализа должны быть реализованы 15 ключевых возможностей, сгруппированных по трем основным категориям.
Возможности интеграции | Представление информации | Анализ данных

Основные возможности BI-систем (систем бизнес-анализа) развиваются по четырем основным направлениям: хранение данных, интеграция данных, анализ данных и представление данных.
Хранение данных | Интеграция данных | Анализ данных | Панели и карты

Сегодня категории BI-продуктов включают: BI-инструменты и BI-приложения. Первые, в свою очередь, делятся на: генераторы запросов и отчетов; развитые BI-инструменты, — прежде всего инструменты оперативной аналитической обработки (online analytical processing, OLAP); корпоративные BI-наборы (enterprise BI suites, EBIS); BI-платформы.
Инструменты генерации запросов и отчетов | OLAP | BI-наборы | BI-платформы | BI-приложения | Разведка данных | Другие методы и средства

Ключевыми преимуществами от внедрения BI системы на данный момент являются повышение скорости и точности составления отчетов, аналитики и планирования, повышение эффективности процессов принятия решений, увеличение удовлетворенности клиентов. Гораздо реже BI-системы (системы бизнес-анализа) позволяют добиться сокращения операционных расходов или увеличения объемом выручки.
Задачи, решаемые BI системой | BI vs ERP | Преимущества BI в цифрах