BI-картина мира: прорыв в ИИ, ставка на визуализацию, крен в Low/No-Code

Прямо сейчас

К 2023 году мировой рынок бизнес-аналитики (BI) продемонстрировал значительный рост и развитие. Его объем в 2022 году оценивался примерно в $27,2 млрд, и прогнозируется, что к 2032 году он достигнет $54,9 млрд, что соответствует среднегодовому темпу роста (CAGR) около 7,6%. Основные факторы, способствующие росту рынка BI, – увеличение применения облачных технологий, повышенный спрос на аналитику данных в реальном времени, а также растущее количество устройств «Интернета вещей» (IoT).

Наблюдаются рост спроса на интегрированные бизнес-модели и фокусировка бизнеса на оптимизации внутренних бизнес-процессов. Важная тенденция – интеграция инструментов предиктивного принятия решений через искусственный интеллект и машинное обучение, а также использование платформ больших данных и аналитических приложений.

Среди сегментов рынка по вертикалям наибольшую долю занимает BFSI (банковские и финансовые услуги, страхование), ожидается значительный рост в секторах здравоохранения. Сегмент продаж и маркетинга также демонстрирует быстрый рост.

Вендоры решений фокусируются на создании новых специализированных платформ и интеграции своих продуктов с современными технологиями, такими как машинное обучение и искусственный интеллект. Эти технологии позволяют автоматизировать анализ больших наборов данных, чтобы предсказывать рыночные тренды и повышать точность принятия решений в таких задачах, как прогнозирование спроса, оптимизация цепочек поставок и персонализация маркетинга.

Перспективы: ИИ, визуализация, облака, регулирование и продвинутый анализ

Искусственный интеллект и машинное обучение уже играют заметную, а вскоре начнут играть и решающую роль в развитии BI-систем. Например, на отечественном рынке существуют платформы, использующие ИИ-помощников для быстрой обработки запросов формирования отчетов. Это особенно удобно для руководителей, использующих мобильные устройства.

Такие технологии применяются и для решения более сложных задач: от прогностического анализа на основе исторических данных до классификации и категоризации определения групп на основе коррелирующих показателей, а также для оптимизации входных данных.

Разработка моделей машинного обучения в BI требует глубокой подготовки, но обученные модели способны выдавать полезные результаты прямо со старта. А эффективная визуализация аналитики в BI способствует более простой и быстрой интерпретации данных, делая доступной общую картину состояния дел в компании не только для аналитиков, но и бизнес-лидеров.

На рынке представлено множество программных решений, в том числе российской разработки. Отечественные продукты включают в себя функционал представления количественных данных в виде графиков и таблиц с учетом динамического обновления массивов информации.

От инструментов BI к платформам интеллектуального управления данными

Развитие облачных технологий способствует гибкости, масштабируемости и обеспечению доступа к данным и результатам их анализа в режиме реального времени. Другим трендом становится обеспечение приватности и безопасности данных, особенно в свете совершенствования законодательства и регулирования в этой сфере.

Следующий уровень, который значительно повышает глубину и качество анализируемой информации, – продвинутый анализ. Именно это направление сейчас и в ближайшем будущем будет основным трендом развития аналитических систем. Технологическая составляющая продвинутого анализа – математические методы и модели, включая более сложные реализации в виде нейронных сетей.

Расширять функционал BI-систем методами продвинутого анализа довольно сложно, и чаще всего разработчики BI-платформ обеспечивают интеграцию со сторонними решениями подобного типа.

Сценарии использования

Что касается конкретных сценариев использования BI сейчас и в ближайшие годы, то они ориентированы на персонализацию клиентского опыта через адаптацию продуктов, услуг и маркетинговых стратегий к индивидуальным предпочтениям клиентов.

Прогнозирование спроса и оптимизация запасов также играют важную роль, позволяя компаниям сокращать издержки. Анализ операционных данных через BI помогает выявлять узкие места и оптимизировать бизнес-процессы, улучшая операционную эффективность.

Риск-менеджмент, основанный на аналитике, помогает оценивать и управлять финансовыми, операционными и рыночными рисками. Кроме того, глубокий анализ данных о поведении клиентов способствует улучшению стратегий взаимодействия и повышению лояльности.

Среди перспективных направлений использования BI-систем выделяются не только традиционные задачи, но и новаторские подходы. Особенно важен процесс консолидации данных для создания агрегированных отчетов.

Также набирает популярность интеграция ИИ-помощников в различные системы, которые позволяют получать аналитические данные на основе запросов в свободной форме. Кроме того, развитие генеративных нейронных сетей, подобных ChatGPT, способствует улучшению механизмов формирования запросов и оптимизации процессов получения агрегированных данных.

Ближайшие годы

В ближайшие 5–10 лет будущее BI в контексте управления бизнесом будет определяться несколькими ключевыми факторами.

Изменится ландшафт вендоров BI-решений – выживут только те, кто активно развивает свои платформы, создает качественные продукты и предоставляет обучающие материалы и сертификацию.

Будет наблюдаться технологическая эволюция BI-платформ – с фокусом на улучшение интеграционных возможностей. Это станет особенно важным, учитывая разнообразие ИТ-систем у заказчиков и необходимость бесшовного сбора данных.

Мы увидим значительный сдвиг от традиционного программирования к использованию инструментов Low-Code и No-Code, что позволит аналитикам самостоятельно создавать достаточно сложные модели данных.

Наконец, ожидается интенсивное внедрение технологий искусственного интеллекта в BI-платформы, что еще больше усилит их аналитические возможности. Для эффективной работы с BI-инструментами специалистам потребуются как фундаментальные математические знания, так и специализированные навыки в области математической статистики, анализа данных и теории вероятностей. Это особенно важно для работы с продвинутой аналитикой и машинным обучением. BI-аналитики должны быть знакомы со структурами данных, базами данных, языками запросов и методами их интеграции для создания эффективных аналитических моделей.

Современные BI-платформы позволяют интегрировать дополнительные функциональные скрипты, делая знание языков программирования, таких как Python и R, необходимым. Кроме того, для создания нестандартных визуальных элементов на веб-платформах требуются знания JavaScript, HTML и CSS. BI-специалисты, фактически являясь архитекторами аналитических моделей, должны обладать достаточными навыками для создания понятных и полезных BI-панелей и отчетов.

Путь внедрения и кейс-пример

При внедрении BI, вне зависимости от типа компании, типичные трудности включают в себя:

• расплывчатые формулировки общей цели и задач внедрения BI;
  
• слабую вовлеченность руководителей и сотрудников в процесс аудита данных, внедрения;
  
• большое количество неструктурированных данных или полное их отсутствие для желаемой BI-аналитики;
  
• несогласованность между сотрудниками и отделами в части содержания BI-панелей.

Масштаб этих проблем пропорционален масштабу операций компании. Поэтому всем, кто планирует интегрировать BI в свои бизнес-процессы, следует начать с тщательной оценки имеющихся структур и объемов данных, процессов их сбора и анализа.

Далее необходимо провести аудит ИТ-инфраструктуры, чтобы убедиться в наличии достаточных вычислительных мощностей для развертывания BI-платформы. Также нужно оценить готовность компании к изменениям в бизнес-процессах и правилах работы. Это ключевое условие для успешного внедрения и эффективной работы BI-решения.

Какой эффект от внедрения BI может получить производственное предприятие?

Традиционно в компаниях такого профиля логистический отдел играет ключевую роль, так как зависит от точности информации о складских запасах, отгрузках и поступлении сырья. Данные из разных отделов собираются вручную в таблицах Excel, что создает узкое место в бизнес-процессах и снижает их эффективность.

Внедрение BI позволяет автоматизировать процесс сбора и анализа данных, обеспечивая консолидацию информации из множества источников. Это потребует значительной работы по структуризации данных, затрагивая многие отделы предприятия. В результате специалисты по логистике получают четкое визуальное представление о работе склада, улучшая планирование и взаимодействие с контрагентами.

Аналогично и в других отраслях. Например, в медицинских учреждениях, где обрабатываются большие объемы однородных данных, BI-системы могут создавать аналитические срезы для разных форм диагностики пациентов. Это обеспечивает более эффективное управление данными и улучшает качество медицинских услуг.