Термины "аналитическое программное обеспечение" и "аналитические системы" достаточно широко ис- пользуются в современной компьютерной прессе. Какого рода программные продукты относятся к этому клас- су? На практике часто возникает ситуация,когда при обсуждении этих вопросов разные авторы говорят о раз- ных вещах. В данной публикации мы попытаемся обобщить и систематизировать взгляды на проблему класси- фикации аналитических систем, а также на их позиционирование на рынке программного обеспечения.

В современных условиях не всегда бывает просто определить, к какому классу относится то или иное со- временное бизнес-приложение: OLAP, CRM, хранилище данных и т.п. Сегодня существует несколько предпо- сылок к разработке классификации (www.lanit.ru).

Во-первых, компаниям – пользователям программных продуктов необходимо четко понимать, какие сис- темы им нужны для осуществления их деятельности. Для этого они должны знать, какие задачи им необходимо решать с помощью информационных систем, в том числе средств аналитического программного обеспечения. Как правило, каждый разработчик старается встроить в свои системы максимально возможный набор функцио- нальных возможностей и, таким образом, старается одновременно обеспечить выполнение нескольких задач. Проблема заключается в том, что такими действиями разработчик ПО "запутывает" конечного потребителя, которому становится трудно осознать диапазон применения той или иной системы.

Во-вторых, классификация необходима самим разработчикам аналитического программного обеспечения для правильного позиционирования их продуктов на рынке, а также для принятия обоснованных решений в части создания новых продуктов и дальнейшего развития уже существующих.

В-третьих, динамика развития мирового рынка аналитического программного обеспечения настолько ве- лика, что некоторые продукты уж получили широкое распространение не только на мировом рынке, но и в Рос- сии. К ним относятся крупные системы таких поставщиков, как Hyperion, Oracle, SAS, а также недорогие, дос- тупные широкому потребителю средства таких производителей, как Microsoft. Деятельность перечисленных компаний способствовала кардинальному изменению картины на российском рынке аналитического программ- ного обеспечения. В результате сегодня со стороны российских предприятий наблюдается большой спрос на программные средства автоматизации процессов бюджетирования и финансового управления. Кроме того, уже и российские компании-разработчики смогли перейти от единичных проектов к тиражированию своих систем и массовым внедрениям.

В данной статье классификация проводится в первую очередь для правильного ее понимания конечными пользователями-аналитиками, при этом основное внимание уделяется не техническим вопросам, а предметной области использования программного обеспечения. Причем за основу взяты не архитектура предлагаемых на рынке решений, а круг аналитических задач и потребностей конечных пользователей (экономистов, финансо- вых аналитиков, директоров, менеджеров и т.п.). В конечном счете, любому пользователю, работающему с ана- литической системой, не столь важно, каким образом функционирует программа, где и как хранятся и обраба- тываются данные, поскольку ему в основном необходимо знать, каковы возможности системы в части решения тех или иных аналитических задач.

На основе выводов, полученных при классификации программного обеспечения, пользователи смогут са- мостоятельно определить, какие программные продукты они могут использовать в своей работе. Кроме этого, аналитику в процессе выбора не придется так активно прибегать к помощи технических специалистов. В ре- зультате он будет обладать информацией, достаточной, по крайней мере, для первичного отбора аналитических систем, подходящих для решения тех или иных аналитических задач.

Прежде всего, необходимо определить, что мы понимаем под термином "аналитическое программное обеспечение". Для этого в качестве исходной информации можно использовать доклады известных информа- ционных агентств (IDC, Gartner), а также некоторые материалы российских авторов. В мировой практике при- нято использовать термин Business Intelligence (BI), что на русский язык может быть переведено как деловой интеллект. Это понятие объединяет различные средства и технологии анализа и обработки данных масштаба предприятия. Наиболее подробное описание систем, относящихся к категории BI, содержится в аналитическом докладе Gartner "Infrastructure and Applications Worldwide Software Market Definitions. 2002". В этом документе содержится традиционная классификация систем класса BI, построенная, главным образом, с технической точ- ки зрения (в основе лежит программная архитектура). Рассмотрим основные элементы классификации Gartner и попытаемся дать определения, отражающие не только техническую, но и экономическую сущность каждого сегмента классификации.

Итак, Gartner выделяет следующие сегменты рынка BI:

• средства построения хранилищ и витрин данных (data warehouse);
• инструменты оперативной аналитической обработки (On-Line Analytical Processing, OLAP) и прочие средства многомерного анализа;
• информационно-аналитические системы (Enterprise Information Systems, EIS) и систе- мы поддержки и принятия решений (Decision Support Systems, DSS);
• средства интеллектуальной добычи данных (data mining);
• инструменты конечного пользователя для выполнения запросов и построения отчетов (query and reporting tools).

Один из авторитетных специалистов в этой области – Б. Инмон (Bill Inmon) определяет хранилища данных (ХД) как "предметно-ориентированные, интегрированные, стабильные, поддерживающие хронологию наборы данных, организованные для целей поддержки управления, призванные выступать в роли "единого и единст- венного источника истины", обеспечивающего менеджеров и аналитиков достоверной информацией, необхо- димой для оперативного анализа и принятия решений". Ценность ХД для экономистов заключается в следую- щем: ХД – это некая база данных масштаба предприятия, которая содержит определенную аналитическую ин- формацию, обеспечивает ее оперативное представление в удобном для пользователя виде и обладает структу- рой, учитывающей отраслевую специфику деятельности организации. Типичные представители программных продуктов этой категории: SAP Business Warehouse (SAP), Informatica.

Под термином OLAP, как правило, понимают системы аналитической обработки данных в режиме реаль- ного времени. OLAP-системы обеспечивают решение многих аналитических задач: анализ ключевых показате- лей деятельности, маркетинговый и финансово-экономический анализ, анализ сценариев, моделирование, про- гнозирование и т.д. Такие системы могут работать со всеми необходимыми данными, независимо от особенно- стей информационной инфраструктуры компании. С точки зрения пользователя, отличие OLAP-системы от хранилища данных заключается в предметной (а не технической) структурированности информации, при этом пользователю предоставляется возможность оперировать привычными экономическими категориями и поня- тиями. К типичным представителям программных продуктов этого класса относятся: Hyperion Essbase (Hyperion Solutions Corporation), Oracle OLAP (Oracle), MS Analysis Services (Microsoft), Business Objects (Business Objects), Cognos PowerPlay (Cognos), MicroStrategy.

Этот класс аналитических систем включает множество разнообразных продуктов, основная задача кото- рых – предоставить конечные решения для менеджеров-аналитиков. Характерными примерами программных продуктов данного класса могут служить две разработки системного интегратора ЛАНИТ – Экспертная анали- тическая система "Анализ банковской и финансовой информации (АБФИ)" и система LanFinance. Эти системы позволяют осуществлять функции финансового анализа на основе специализированных модулей, реализующих определенную методологию. При этом разработчики предусмотрели возможность использования аналитиками некоторого набора готовых методик для проведения различных видов анализа. Например, для банковской сфе- ры реализованы методики дистанционного анализа, внутреннего и внешнего анализа, анализа прибыльности, рейтинговой оценки надежности банка (CAMEL), расчет рейтинга надежности банка (на основе методики В.С.Кромонова), расчет лимита межбанковского кредитования (на основе методики КБ "Европейский Трасто- вый Банк"), GAP-анализ.

Программные продукты, относящиеся к этой категории, обеспечивают поиск полезных данных в огром- ных массивах информации. Иными словами, такие программные продукты позволяют аналитику получить ка- чественно новую информацию, не содержащуюся в источнике данных явным образом. Здесь используются по- пулярные методы математического анализа данных: фильтрация, дерево решений, ассоциативные правила, ге- нетические алгоритмы, нейронные сети, статистический анализ.

В качестве примера вывода, полученного с помощью средств data mining, приведем результат анализа ба- зы данных оператора сотовой связи: "в предыдущем месяце наибольшее число продаж самого популярного та- рифного плана приходится на клиентов в возрасте от 18 до 27 лет во временном интервале с 10 до 14 часов". Эта информация не хранится в базе данных явно, однако такие результаты могут быть получены после прове- дения процедуры анализа, при помощи одного из вышеперечисленных методов или их комбинации.

Таким образом, системы data mining помогают аналитику сформировать качественные выводы, которые обычный человек не в состоянии получить стандартными методами исследования данных (во всяком случае, не так быстро, как программа). Как правило, функции интеллектуального извлечения данных встраиваются в OLAP-системы. Типичные представители фирм-разработчиков: Hyperion Essbase (Hyperion Solutions Corporation), Oracle Data Mining (Oracle), SAS (SAS Institute).

Такие системы обеспечивают функции построения запросов к информационно-аналитическим системам (в пользовательских терминах), интеграцию данных из нескольких источников, просмотр данных с возможностью детализации и обобщения, построение полноценных отчетов и их печать. Они предназначены для пользовате- лей, обладающих "продвинутыми" техническими навыками. При этом профессиональных знаний в области ин- формационных технологий не требуется, тем не менее, для экономистов такие средства не всегда бывают удоб- ны. Как правило, модули, содержащие функции Query & Reporting, входят в состав многих OLAP-систем, но есть и отдельные программные продукты этого класса. Таким образом, четко провести грань между OLAP и Query & Reporting невозможно. Характерный пример – приложение Hyperion Essbase, которое аналитики отно- сят к обоим классам.

В заключение подведем некоторые итоги классификации.

Во-первых, очевидно, что отнести тот или иной программный продукт к какому-то одному классу не все- гда возможно, поскольку многие системы позволяют решать аналитические задачи нескольких категорий. К числу "многофункциональных" можно отнести системы таких мировых производителей, как Hyperion Solutions Corp., Cognos, Business Objects, Microsoft. Эти компании являются лидерами мирового рынка систем делового интеллекта, их продукты также активно продаются в России. Типичным примером универсальной системы мо- жет служить Hyperion Essbase – аналитическая платформа класса OLAP, предназначенная для решения доволь- но широкого круга задач. Будучи OLAP-системой, Hyperion Essbase также решает часть задач, относящихся к информационно-аналитическим системам, средствам интеллектуального извлечения данных, а также обеспечи- вает функции программных средств построения запросов и отчетов. Кроме того, в некоторых случаях Hyperion Essbase может использоваться в качестве хранилища данных, а также в качестве аналитической "прослойки" в крупных компаниях, где данные распределены по многим информационным источникам.

Во-вторых, в настоящее время наибольшим спросом на рынке пользуются хранилища данных, OLAP- средства и системы data mining. Они обладают богатыми аналитическими возможностями, в том числе в части финансовых и статистических функций, которые постоянно развиваются и улучшаются. При этом они позво- ляют хранить и обрабатывать большие объемы информации.

В-третьих, при выборе аналитической системы необходимо учитывать степень простоты освоения и экс- плуатации программы пользователями-экономистами, не владеющими техническими знаниями в профессио- нальном объеме. Иначе говоря, программный продукт должен быть настраиваемым под конечных пользовате- лей и требовать при этом минимальной поддержки со стороны технических специалистов. Например, упомяну- тый выше Hyperion Essbase позволяет обеспечить всю рутинную работу, оставив аналитику только ту часть, которая касается собственно анализа и представления данных.

В-четвертых, при выборе аналитической системы также следует учитывать ее приспособленность к реше- нию конкретных, интересующих конечного пользователя, задач. В лучшем случае это реализуется в виде гото- вых отраслевых решений в конкретной предметной области.

1. На какие категории можно разделить аналитические информационные системы?
2. Что представляют собой и для чего используются "хранилища данных"?
3. Что представляют собой и для чего используются "OLAP-средства"?
4. Что представляют собой и для чего используются "информационно-аналитические системы"?
5. Что представляют собой и для чего используются "средства интеллектуальной добы- чи данных"?
6. Что представляют собой и для чего используются "инструменты конечного пользова- теля"?