مسیر اجرای پروژه هوش تجاری

هوش تجاری یا BI یکی از روش‌های تحلیل داده است که امروزه در اکثر شرکت‌ها و سازمان‌هایی که مبتنی‌بر داده هستند، از آن استفاده می‌شود. برای انجام پروژه‌های Business Intelligence، ابزارها و مسیرهای گوناگونی وجود دارد اما سبک انتخابی ما، مبتنی بر مایکروسافت است. در این ویدئو قصد داریم مسیر اجرای پروژه هوش تجاری را بررسی کنیم و ببینیم که با چه روشی می‌توان پروژه‌های bi را به سبک مایکروسافت اجرا کرد.

تعریف هوش تجاری چیست؟

پیش از بررسی مسیر اجرای پروژه هوش تجاری ، به تعریف این مفهوم می‌پردازیم. Business Intelligence به کمک تجزیه و تحلیل داده‌ها، اطلاعات ارزشمندی را در اختیار سازمان‌ها قرار می‌دهد. اما می‌خواهیم در قالب یک مثال، تعریف هوش تجاری به زبان ساده را بیان کنیم. به تصویر زیر توجه کنید. در نگاه اول، چه تعداد چوب کبریت می‌بینید؟

 حالا به تصویر دوم توجه کنید:

با مقایسه این دو تصویر متوجه می‌شوید که در شمارش حالت اول چوب کبریت‌ها، کار دشواری در پیش داریم؛ اما با مرتب کردن و دسته‌بندی آن‌ها، کار شمارش راحت‌تر خواهد شد. این دقیقاً کاری است که Business Intelligence انجام می‌دهد: شما را از یک آشفتگی نجات می‌دهد و به حدی می‌رساند که با یک نگاه، بتوان پی برد که در سازمان چه خبر است. به طور خلاصه، مفهوم هوش تجاری را می‌توان در مجموعه‌ای از موارد زیر خلاصه کرد که در سازمان شما وجود دارد. 

1. ابزارها
2. برنامه‌های کاربردی
3. شیوه‌های کسب و کار و قوانین کسب و کاری

اهمیت هوش تجاری در کسب و کار آنجایی خود را نشان می‌دهد که bi مجموع همه داده‌های فوق را به کار می‌گیرد و آن‌ها را مجبور به سخن گفتن می‌کند که نتیجه آن، چیزی نیست جز: کمک به بهبود کسب و کار. درواقع، Business Intelligence به ما کمک می‌کند که با استفاده از داده‌ها، بیزینس خود را بهبود ببخشیم.

بررسی خروجی یک پروژه هوش تجاری

در مسیر اجرای پروژه هوش تجاری به بررسی خروجی آن‌ها می‌پردازیم که به طور کلی شامل: 

• بررسی خروجی انتهای کار در یک پروژه
• بررسی پورتال نمایش داشبوردها
• بررسی یک داشبورد برای نمایش داده‌ها

درواقع، انتهای قضیه کار Business Intelligence، عملاً یکسری داشبوردهای مدیریتی مبتنی‌بر تکنولوژی‌های خاصی است که به شما این امکان را می‌دهد تا خیلی راحت، داده‌های خود را ویژوال و بصری کنید که در ویدئو نقش داشبورد در پروژه‌های هوش تجاری به بررسی این موضوع پرداخته‌ایم.

جالب است بدانید که تیم bi یا افرادی که در مسیر اجرای پروژه هوش تجاری هستند، قرار نیست برنامه‌نویسی انجام دهند؛ بلکه یک زیرساخت تحلیلی برای این کار وجود دارد که می‌توانید با استفاده از یکسری ابزارها، این کار را انجام دهید.

کاری که ما در هوش تجاری انجام می دهیم، چیست؟

به‌عنوان یک کارشناس bi، در اجرای پروژه‌ها ۴ کار اساسی انجام می‌دهیم:

1. جمع‌آوری داده‌ها
2. یکپارچه‌سازی داده‌ها
3. ذخیره‌سازی داده‌ها
4. تجزیه و تحلیل

که در نهایت همه این‌ها در مسیر اجرای پروژه هوش تجاری، کمک به سازمان جهت اتخاد تصمیمات مناسب است.

هدف از هوش تجاری چیست؟

در اجرای یک پروژه Business Intelligence، اهداف ما شامل موارد زیر است:

• اطلاعات مناسب (وحدت اطلاعات)
• ارائه در زمان مناسب
• ارائه در قالب مناسب
• ارائه در بستر مناسب

اهداف ممکن است از پروژه‌ای به پروژه دیگر و از سازمانی به سازمان دیگر، متفاوت باشد اما عمدتاً این ۴ مورد در مسیر اجرای پروژه هوش تجاری یکسان است.

جایگاه مایکروسافت در ابزارهای هوش تجاری

ما به‌دنبال این هستیم که با یکسری ابزارها، پروژه‌های bi را اجرا نماییم. اما ازبین تعداد زیاد ابزارهای موجود، کدام یک مناسب‌تر بوده و کدام را باید انتخاب کنیم؟

برای این کار، لازم است تا ابزارهای مختلف را بررسی کنیم. در همین راستا، شرکت‌هایی هستند که این بررسی را انجام دادند و گزارش‌های فنی آن را ارائه داده‌اند که می‌توانیم از آن‌ها استفاده نماییم. یکی از شرکت‌هایی که این کار را انجام داده، گارتنر است. براساس داده‌های نمودار Gartner به این نتیجه می‌رسیم که ابزار مایکروسافت نسبت به سایر ابزارها، از امتیاز و جایگاه بهتری برخوردار است. باتوجه به این موضوع، می‌توان اینگونه برداشت کرد که پروژه‌های خود را به سبک مایکروسافت پیش ببریم.

مسیر اجرای پروژه هوش تجاری مبتنی بر مایکروسافت

برای اجرای پروژه‌های bi، می‌توانیم از دو مدل زیر استفاده کنیم که در ادامه، آن‌ها را مورد بررسی قرار می‌دهیم.

1. self – service bi
2. enterprise bi

پیاده سازی پروژه ها به روش self – service

پیاده‌سازی پروژه‌های هوش تجاری به روش self – service مزایای زیر را به ما ارائه می‌دهد:

• سرعت بالا در تولید
• بی‌نیازی از دانش IT
• کیفیت بصری و تعاملی بالا
• راه‌اندازی سریع و بدون نیاز به زیرساخت

در بیانی ساده‌تر و ملموس‌تر، اگر داده‌های خود را با اکسل بصری و نموداری می‌کنید، یک قدم در راستای کار اجرای bi برداشته‌اید و به سبک self – service عمل کرده‌اید.

ابزار جدید مایکروسافت با نام  power bi ارائه شده است. این ابزار به ما این امکان را می‌دهد که به‌جای اینکه داده‌های خود را در اکسل وارد و آن را بصری کنیم، از این ابزار و امکانات آن استفاده کرده و داده‌ها را به تصویر بکشیم.

اما ایرادی که به روش self – service در مسیر اجرای پروژه هوش تجاری وارد می‌شود، این است که با حجم زیاد داده، کارایی آن پایین می‌آید. پس راه حل چیست؟ در این حالت، به‌سراغ روش enterprise می‌رویم که در حجم‌های بسیار بالای داده، بهترین کارآیی را ارائه می‌دهد.

پیاده سازی پروژه ها به روش enterprise

در پیاده‌سازی پروژه‌ها به روش enterprise، به منابع اطلاعاتی پروژه مانند سیستم مالی، سیستم دریافت و پرداخت، انبار و… نیاز داریم. در ادامه، یک انبار داده ایجاد کرده که برای آماده‌سازی داده برای گزارش‌گیری مورد استفاده قرار می‌گیرد؛ یعنی در تجزیه و  تحلیل داده‌ها و مسائل مربوط به آن، به‌جای استفاده از بانک اطلاعاتی، از انبار داده استفاده می‌شود که ویدئو نقش انباره داده در پروژه‌ های هوش تجاری اطلاعات بیشتری را در اختیار شما قرار می‌دهد.

بعد از استفاده از روال‌های انتقال داده در مسیر اجرای پروژه هوش تجاری، لازم است که از منابع اطلاعاتی، داده‌های خود را به انبار داده منتقل کنیم که اصطلاحاً به آن etl گفته می‌شود که در ویدئو نقش ETL در هوش تجاری درباره آن صحبت کرده‌ایم. برای این انتقال، به دانش sql و کوئری نوشتن نیاز است تا بتوان به‌سادگی و با کمترین خطا، دیتا را جمع‌آوری کرده و به انبار داده انتقال دهید. در ادامه، ما به بانک اطلاعاتی تحلیلی نیاز داریم تا در انتها، داشبورد بزنیم که برای آن، از سرویس analysis services sql server استفاده می‌کنیم.

جمع بندی

در مسیر اجرای پروژه های هوش تجاری از دو مدل self – service و enterprise می‌توان استفاده کرد که روش دوم در مواقعی که حجم داده‌ها بسیار بالاست، کارآیی بهتر و مناسب‌تری را به ما ارائه می‌دهد.