Ewolucja Business Intelligence

Termin Business Intelligence po raz pierwszy pojawił się w książce Richarda Millera Devensa „The Cyclopaedia of Commercial and Business Anecdotes” z 1865 roku. Przedstawiona w niej postać, bankier Sir Henry Furnese, zebrał mnóstwo informacji na temat rynku i klientów, dzięki czemu mógł podejmować bardziej świadome decyzje biznesowe. Bank kierowany przez Furnese zyskał przewagę nad konkurencją wykorzystując wywiad biznesowy, czyli business intelligence, pozwalający osiągać lepsze rezultaty w porównaniu do pozostałych podmiotów działających na rynku. Obecnie metody wywiadu biznesowego działają dużo sprawniej niż w XIX stuleciu dzięki zastosowaniu technologii: użyciu mocy obliczeniowych komputerów i gromadzeniu ogromnych zbiorów danych (Big Data).

Obecnie każda firma w mniejszym lub większym stopniu korzysta z rozwiązań BI​. Do uzyskania najlepszych rezultatów konieczna jest jednak świadomość posiadanych danych, efektywność ich wykorzystywania​ oraz dobór właściwych narzędzi. W artykule przedstawimy poszczególne etapy rozwoju koncepcji Business Intelligence, które kształtowały się wraz z rozwojem technologii i metod pozyskiwania wiedzy biznesowej na podstawie danych.

1. Pierwsze analizy BI

Pierwsza styczność z BI umożliwia firmom tworzenie analiz, w których mamy do czynienia z pojedynczymi źródłami danych. Zazwyczaj wymagają one ręcznego wyboru źródeł danych oraz ich obróbki, a następnie wykonania analizy. Często obróbka danych trwa dłużej niż ich analiza.

Cechy analiz podstawowych:

  • Pojedyncze źródła danych​
  • Ręczny wybór danych​
  • Pozyskiwanie danych zabiera często więcej czasu niż ich analiza​

​2. Tradycyjny Business Intelligence

Kolejny krok na drodze ewolucji zastosowań Business Intelligence w firmie to tradycyjny BI w dzisiejszym rozumieniu. Mamy tam już do czynienia z wieloma źródłami danych, które są ze sobą zintegrowane, powiązane relacjami. Dane i raporty zarządzane są całkowicie w ramach struktury IT, natomiast użytkownicy są znacząco ograniczeni w działaniu, np. mogą wykonywać jedynie raporty z kilkoma wybranymi parametrami i mają niewielki wpływ ma to, które dane są prezentowane i analizowane. Zazwyczaj w takich wielostronicowych, obszernych raportach liczbowych, pokazywane są dane istotne dla pracowników niższego szczebla, które pomocne im są do oceny własnych KPI, ale niewiele mówią osobom zarządzającym organizacją.

Cechy tradycyjnych Business Intelligence:

  • Wiele źródeł danych​
  • Dane i raporty zarządzane przez IT​
  • Brak samodzielności użytkowników biznesowych​
  • Ograniczona obsługa narzędzi przez samych użytkowników (self-service​)
  • Zorientowanie na raportowanie i wyniki KPI

3. Uwzględnienie wizualizacji danych

W odpowiedzi na mankamenty, które cechowały rozwiązania tradycyjne pojawiły się narzędzia bardzo dobrze radzące sobie z wizualizacja danych. W efekcie, wielostronicowe raporty zostały uzupełnione przez wizualizacje i dashboardy, pozwalające zbierać wyniki w jedną całość, wizualizować je i budować interakcje miedzy nimi.

Cechy narzędzi Business Intelligence z wizualizacją danych:

  • Duże wielostronicowe raporty  uzupełnione przez wizualizacje, dashboardy i interakcje między nimi​
  • Bezpośredni dostęp do interaktywnych raportów dla użytkowników biznesowych

4. Self-service

Kolejnym etapem jest self-service, w którym użytkownicy sami podejmują decyzję, które dane są widoczne. Mogą też samodzielnie określać relacje między nimi. W efekcie, użytkownicy zyskują dużo większą autonomię w analizowaniu danych, mają  też częściową możliwość tworzenia własnych modeli.

Cechy narzędzi BI wyposażonych w self-service:

  • Analiza realizowana przez użytkowników​
  • Duża autonomia w analizowaniu danych przez biznes​
  • Możliwość częściowego tworzenia własnych modeli danych przez analityków

5. Analityka rozszerzona

Ostatnią z definiowanych obecnie faz rozwoju BI  jest analityka rozszerzona. W rozwiązaniach tego rodzaju biznes nie potrzebuje wsparcia IT przy tworzeniu modeli. W narzędziach tych możliwe jest także wprowadzanie uczenia maszynowego, czyli rozwiązań z obszaru sztucznej inteligencji pomocnych we wspomaganiu decyzyjności, przewidywaniu, w predykcji tego co może się za chwilę wydarzyć. Jest to obecnie najbardziej zaawansowany etap w rozwoju narzędzi BI, ale nie należy  go traktować jako finalny, który nie będzie miał w przyszłości swoich następców.

Cechy narzędzi BI z analityką rozszerzoną

  • Biznes nie potrzebuje wsparcia IT przy tworzeniu modeli analitycznych​
  • Przygotowywanie danych i ich analiza wspomagane są przez uczenie maszynowe (ML) i sztuczną inteligencję (AI)​

To, na jakim etapie rozwoju i zastosowań narzędzi BI znajduje się firma zależy od wielu czynników, takich jak m.in. ilość przetwarzanych w niej informacji. Istotna jest też świadomość możliwości rozwiązań Business Intelligence oraz posiadanie odpowiedniego budżetu. Najbardziej dojrzałe firmy znajdują się obecnie gdzieś pomiędzy etapem self-service, a etapem analityki rozszerzonej.


Marek Czachorowski

Szef działu Business Intelligence Practice w Inetum Polska. Od 10 lat zajmuje się obszarem BI oraz szeroko pojętą analizą danych i sposobami ich przetwarzania. Od początku związany głównie z rozwiązaniami i narzędziami firmy Microsoft. Od 2017 roku certyfikowany specjalista w obszarze projektowania hurtowni danych oraz zarządzania platformą SQL Server. Obecnie rozwija się przede wszystkim w obszarze analityki w chmurze. Jako konsultant pomaga klientom definiować procesy w firmie, ustalać zasady przetwarzania oraz dostępu do danych.

(EN) We use cookies only for collective statistical purposes and to adapt the website to the user's needs.
(PL) Używamy cookies w celach statystycznych oraz w dostosowaniu serwisu do użytkownika.