Методология и производительность

Николай Смирнов, «Директор информационной службы»

«Существует несколько типичных ловушек систем отчетности. Главная из них — человеческий фактор: руководители получают не ту информацию, которая им необходима, а ту, которую желают показывать подчиненные», — заявил Григорий Ципес, руководитель практики BI компании IBS. При нечеткой концепции мониторинга менеджеры среднего звена имеют возможность подавать «наверх» необъективную информацию.

Кроме того, зачастую компании отслеживают не те показатели, которые для них действительно важны, а те, которые умеют измерять. Системам не хватает гибкости — бизнес изменяется, а отчетность не отражает его потребности.

Наконец, традиционные проблемы наблюдаются с обеспечением необходимых уровней детализации. Очевидно, что одни и те же отчеты на разных уровнях управления использовать нельзя. Топ-менеджмент тонет в деталях, необходимых управленцу среднего звена. Однако непродуманное агрегирование показателей тоже рискованно. В результате обобщения могут быть потеряны принципиальные детали, и укрупненные показатели смажут картину, давая «среднюю температуру по больнице».

Вместе с тем подчеркнул Ципес, существующие системы отчетности, как правило, уже содержат многое для обеспечения эффективной поддержки управления. Да, ИТ-решение может иметь неоптимальную архитектуру, а показатели могут быть плохо структурированными, но их модернизация обойдется меньшей кровью, нежели заново выполняемые работы. Когда консультант после проведения обследования заявляет, что для качественного мониторинга необходимо ввести несколько десятков показателей и внедрить новую информационную систему, это вызывает вполне естественную негативную реакцию. Необходимо попытаться максимизировать пользу уже имеющихся результатов.

Выстраивая систему мониторинга, нельзя останавливаться на полпути. Создав инструментальную панель с системой показателей для топ-менеджмента, необходимо спуститься на нижние уровни – без этого вся конструкция теряет смысл. Действительно, если менеджер среднего звена не может видеть те же показатели, что и его руководитель, с него нельзя требовать их выполнения. Такая ситуация не выгодна никому – ни менеджерам, которые будут получать информацию сверху и в негативной форме, ни топ-менеджерам, которые не смогут эффективно управлять компанией.

Однако важную роль играет не только методологическая, но и техническая сторона проблемы. Производительность созданных систем, особенно в случае их ориентированности на первых лиц компании, является одним из ключевых факторов успеха. Отчеты, которые формируются слишком долго, вряд ли будут востребованными.

Как правило, данные, необходимые для системы отчетности, разбросаны по различным бизнес-приложениям. Правильным было бы объединить их в едином хранилище, что позволит иметь всю необходимую аналитику, причем достаточно оперативно. Но растущие объемы данных неизбежно порождают проблемы производительности. В результате на базе хранилища создают витрины данных, ориентированных на конкретные группы пользователей. Когда производительность этого решения перестает устраивать пользователей, строятся OLAP-кубы, причем созданием одного-двух таких кубов проект не обходится. В результате, как отметил Андрей Хромов, ведущий технический консультант Sybase, BI-инфраструктура сильно разрастается и начинает создавать проблемы, а любое изменение в исходном хранилище становится нетривиальной задачей.

Разумеется, работа с единым репозиторием данных, обеспечивающим необходимую производительность, была бы удобнее. Решать проблему производительности аналитических систем в Sybase предлагают с помощью своего флагманского продукта – СУБД Sybase IQ, ориентированного на задачи аналитики и повышающего скорость выполнения запросов в десятки и сотни раз по сравнению с традиционными СУБД.

В последние годы на рынке средств бизнес-анализа происходят существенные изменения. При использовании современных ИТ-систем производительность перестает быть такой уж большой проблемой. Корпоративные хранилища данных переживают второе рождение на базе новых высокопроизводительных технологий, позволяющих отказываться от агрегирования данных и огрубления моделей.