Saya tidak begitu mengerti tentang apa itu Business Intelligence. Jika saya mulai dari memiliki DB perusahaan, apa yang akan dilakukan oleh orang BI? Saya menemukan banyak materi di web, tetapi biasanya agak terlalu rumit. Saya ingin contoh sederhana yang akan membuat saya mengerti tentang apa itu BI dan apa yang dihasilkan orang BI yang bernilai bagi organisasi saya.
17
Jawaban:
Business Intelligence seringkali merupakan sekte yang sepenuhnya terpisah dari Administrasi Database dan Pengembangan Database. Business Intelligence, pada level tertinggi, mencakup tiga aspek utama:
Pelaporan
Pelaporan adalah pembuatan, penyebaran, dan pengelolaan laporan serta kemampuan tambahan bagi pengguna untuk menyesuaikan pelaporan secara dinamis.
Integrasi
Integrasi data dan solusi transformasi. Pada sangat tingkat yang paling sederhana, itu adalah cara penggalian, mengubah, dan loading data menjadi sumber data, dari sumber data (yang bisa menjadi apa saja yang sederhana seperti flat file). Integrasi sedalam satu mil, tetapi itulah fungsi paling mendasar darinya.
Analisis
Online Analytical Processing (OLAP) digunakan untuk merancang, membuat, dan mengelola struktur yang berisi data yang dikumpulkan dari penyimpanan data sumber. Ungkapan menangkap untuk ini adalah data mining .
Ini adalah deskripsi yang sangat disederhanakan dari apa yang dicakup oleh Business Intelligence. Ada ilmu di balik BI, serta masing-masing aspek ini secara individual. Profesional Database mendedikasikan waktu dan karier mereka untuk menguasainya.
sumber
Nilai sangat tergantung pada organisasi individu dan persyaratannya. Bergantung pada tingkat kecanggihan yang diperlukan, peran BI mungkin jatuh ke dalam beberapa kategori berbeda:
Atlet spreadsheet - bekerja dari kumpulan data yang diekstraksi langsung dari sistem operasional, peran ini akan menghasilkan laporan dan analisis menggunakan alat desktop seperti Excel atau Access. Seringkali, peran ini bukan spesialis TI, atau dapat dilakukan paruh waktu oleh seseorang. Tergantung pada tingkat keterampilan teknis dan akses mereka ke basis data yang mendasarinya, mereka mungkin bergantung pada staf lain seperti administrator basis data untuk menghasilkan ekstrak data.
Peran ini membawa nilai ketika laporan yang dibundel tidak memenuhi persyaratan dan pekerjaan tambahan diperlukan untuk mendapatkan informasi manajemen dari basis data tetapi tim pengembangan BI yang berdedikasi akan terlalu mahal. Biasanya peran ini akan diperlukan dalam semua kasus kecuali sepele, meskipun mungkin tidak memiliki persyaratan penuh waktu di situs kecil.
Pengembang BI - Jika ekstraksi data rumit atau membutuhkan integrasi dari berbagai sumber, mungkin perlu untuk membangun gudang data atau sistem pelaporan lainnya untuk mengintegrasikan penyajian data dalam format yang dapat digunakan untuk pelaporan. Orang-orang dalam peran ini biasanya akan memiliki keterampilan pengembangan teknis yang lebih besar atau lebih kecil.
Seringkali tim jenis ini akan dipisahkan menjadi fungsi ETL dan pelaporan, tetapi ini tidak selalu terjadi. Laporkan pengembang, tipe 'Spreadsheet Jock' dan pengguna listrik lainnya dapat menggunakan data dari sistem pelaporan melalui berbagai alat.
Nilai organisasi dari peran ini direalisasikan ketika data terlalu kompleks untuk dikelola dengan pendekatan ad-hoc dan diperlukan sistem pelaporan khusus. Dalam hal ini, tim BI yang lebih kecil dengan keterampilan teknis dan perkakas yang tepat dapat mengotomatisasi banyak pekerjaan yang seharusnya dilakukan secara manual dengan alat desktop dan ekstrak ad-hoc. Sistem data warehouse juga dapat mengisi fasilitas pelaporan swalayan seperti kubus OLAP yang memungkinkan pengguna akhir dalam bisnis untuk menghasilkan dan mengelola laporan mereka sendiri.
Arsitek Data - Sistem gudang data yang matang akan meminta persyaratan data dari bisnis yang tidak dapat dipenuhi dengan data yang tersedia dari sistem sumber. Mungkin perlu untuk mengoordinasikan perubahan pada sistem operasional yang didorong dari persyaratan ini untuk mendapatkan data tambahan atau membersihkan data yang tidak konsisten atau salah dicatat di sumbernya.
Seorang arsitek data dapat mengambil peran yang duduk di beberapa sistem operasional dan pelaporan untuk mengoordinasikan pemenuhan persyaratan data yang perlu diubah untuk dilakukan di berbagai sistem.
Kebutuhan akan peran ini sering tidak dikenali, tetapi menjadi penting di situs yang lebih besar. Seringkali, persyaratan pelaporan tidak dipenuhi dengan baik oleh sistem operasional, dan wewenang tim gudang data tidak meluas untuk membuat perubahan pada sistem operasional. Dalam hal ini arsitek data bertindak sebagai koordinator atau direktur tergantung pada tingkat otoritas dalam peran tersebut. Nilai utama adalah untuk mengeluarkan perubahan pada sistem operasional di mana mereka tidak memenuhi persyaratan data.
Tata Kelola Data - Persyaratan peraturan atau bisnis dapat menentukan kebenaran data atau standar tata kelola. Jika sistem operasional rentan terhadap kesalahan data (yang biasanya terjadi), maka fungsi tata kelola data dapat dilakukan untuk mengelola validasi dan koreksi data.
Kualitas data mungkin penting karena berbagai alasan, seringkali berkaitan dengan persyaratan akuntansi atau peraturan. Tata kelola data atau petugas kualitas data biasanya merupakan peran yang dipimpin bisnis dengan tanggung jawab untuk mengatur perbaikan terhadap data yang sudah direkam dalam sistem.
Analis - Varian dari peran jock spreadsheet di mana pengguna benar-benar bekerja dalam beberapa kapasitas di mana mereka melakukan pekerjaan analitis pada data (misalnya Aktuaris Asuransi).
Seorang analis mungkin penting bagi bisnis karena berbagai alasan, tergantung pada perannya. Dalam kasus Aktuaria, peran mereka adalah memperkirakan cadangan yang akan ditahan terhadap klaim di masa depan, mempertahankan model penetapan harga untuk produk asuransi atau memberikan penilaian pada berbagai transaksi keuangan.
Sebagian besar staf BI cenderung masuk ke dalam satu atau lebih kategori ini. Nilai untuk suatu organisasi bervariasi dengan keadaan individu. Satu fenomena umum yang saya amati adalah bahwa orang yang bertanggung jawab untuk sistem operasional sangat meremehkan jumlah pekerjaan yang sebenarnya terjadi dalam peran ini. Saya telah melihat satu perusahaan asuransi yang memiliki 170 staf hanya di departemen akun operasi Eropa mereka. Sebagian besar waktu mereka dihabiskan untuk menangani ekstrak data dalam spreadsheet dan mengoperasikan proses rekonsiliasi dan kontrol manual.
Informasi Manajemen sangat sering sepupu miskin dalam prioritas selama pengembangan dan pengoperasian aplikasi lini bisnis. Strategi arsitektur data yang tidak terkoordinasi dengan baik atau tidak ada dapat menghabiskan banyak waktu dan biaya. Perilaku default adalah untuk memperlakukan sistem sebagai silo dengan tidak ada yang memiliki wewenang langsung untuk memperbaiki masalah data lintas-sistem. Biarkan ini cukup lama dan efek bersihnya adalah operasi back office yang mempekerjakan ratusan staf administrasi (sering kali staf keuangan yang berkualifikasi) menghabiskan sebagian besar waktu mereka untuk melakukan beberapa prosedur tersimpan.
sumber
Saya akan menusuk bagian dari pertanyaan ini karena saya pikir orang lain telah melakukan pekerjaan yang baik untuk menjelaskan apa itu BI. Saya bekerja untuk perusahaan dengan banyak klien dan saya tahu banyak informasi tentang fungsi yang kami sediakan untuk klien tersebut.
Aplikasi kami sangat data-centric; industri kita diatur oleh pemerintah sehingga kepatuhan terhadap undang-undang federal dan negara bagian sangat penting. Apa yang dibawa oleh spesialis BI kami ke perusahaan yang membuatnya berharga?
Pertama, kami mengimpor jutaan catatan dari klien sehingga mereka memiliki informasi yang mereka butuhkan untuk melakukan pekerjaan mereka. Membuat data dari basis data mereka sesuai dengan basis data kami adalah pekerjaan yang sangat penting dan tidak terlalu sederhana; Anda memiliki informasi yang hilang untuk bidang yang diperlukan, ketidakcocokan tipe data, masalah integritas data (misalnya, saya tidak dapat memasukkan
02/30/2012
bidang tanggal). Kami juga melakukan kustomisasi, jadi saya harus merancang tempat untuk memasukkan data yang tidak akan kami simpan untuk klien lain dan kemudian membuat impor untuk mendapatkan data. Tanpa data klien, aplikasi tidak berfungsi. Data terlalu luas untuk dimasukkan secara manual.Selanjutnya, manajer klien perlu melihat data dengan cara yang membantu mereka mengelola bisnis mereka. Jadi mereka meminta laporan, banyak dan banyak laporan, laporan anggaran, laporan pengeluaran, laporan kepatuhan dll. Laporan ini sangat rumit sehingga pertanyaan di baliknya mungkin lebih dari seribu baris. Butuh ahli dalam SQL untuk menulis kode pelaporan semacam ini.
Lebih jauh, orang-orang intelijen bisnis seringkali lebih dalam ke dalam rincian bisnis daripada banyak pengembang aplikasi, sehingga mereka juga menjadi yang pertama dalam mengevaluasi persyaratan. Kami adalah orang-orang yang menunjukkan informasi yang diperlukan yang hilang dan aturan bisnis yang saling bertentangan karena kami sangat akrab dengan data dan bagaimana data itu disimpan dan untuk apa akan digunakan.
Setelah pelaporan mencapai titik tertentu, kita perlu memisahkannya dari basis data transaksional dan membangun gudang data sehingga orang-orang yang melakukan analisis data yang kompleks tidak menyebabkan orang-orang yang memasukkan data terhambat. Cara untuk menyusun data untuk analisis biasanya bukan cara terbaik untuk menyusun data untuk transaksi dan dengan demikian lagi kita berada dalam bisnis mengubah data dari satu struktur data ke yang lain yang sangat berbeda. Kemampuan untuk menyelami data secara mendalam melalui analisis data bernilai beberapa tahun adalah sesuatu yang merupakan titik penjualan yang sangat besar bagi klien kami. Jadi sekali lagi, kami menambah nilai dengan menghasilkan produk yang dibutuhkan klien kami untuk mengelola bisnis mereka.
Jika kebutuhan data Anda semuanya internal, Anda mungkin masih memiliki klien internal yang membutuhkan tingkat analisis ini. Dalam hal ini, Anda mungkin lebih mementingkan aspek pelaporan pergudangan data daripada mengimpor data ke dalam sistem transaksional. Tetapi masih memiliki kemampuan untuk menggunakan data yang telah Anda kumpulkan untuk membuat keputusan manajemen sangat berharga bagi sebagian besar organisasi.
Apakah Anda memerlukan spesialis BI cenderung berkisar pada seberapa luas kebutuhan data Anda dan seberapa rumit sistemnya. Bisnis yang lebih kecil mungkin tidak memiliki cukup banyak pekerjaan untuk orang seperti ini dan dapat mempekerjakan konsultan untuk membuat laporan yang mereka butuhkan. Spesialis BI cenderung hanya bekerja pada bisnis menengah hingga besar.
Jika Anda adalah bisnis yang menciptakan perangkat lunak COTS , Anda mungkin perlu spesialis BI untuk menjadi konsultan yang mengetahui produk Anda dari dalam dan luar dan membuat rpeoting khusus untuk klien Anda.
sumber
Meskipun mereka bukan contoh terbaik dari praktik terbaik, database sampel SQL Server akan menjadi tempat yang baik untuk memulai. Mereka termasuk OLTP, data warehouse, dan database layanan analisis untuk organisasi fiksi. Mempelajari perbedaan di antara mereka akan membantu Anda memahami bagaimana OLTP (transaksi) dan database OLAP (analitik / BI) berbeda dan mengapa.
http://msftdbprodsamples.codeplex.com/
Database OLTP AdventureWorks mendukung skenario pemrosesan transaksi online standar untuk produsen sepeda fiktif (Adventure Works Cycles). Skenario termasuk Manufaktur, Penjualan, Pembelian, Manajemen Produk, Manajemen Kontak, dan Sumber Daya Manusia.
Basis data DW Adventure Adventure menunjukkan cara membangun gudang data.
Proyek Adventure Works AS dapat digunakan untuk membangun database AS untuk skenario intelijen bisnis.
sumber
Ini jawaban tingkat yang lebih tinggi, dari sarapan BI yang saya hadiri dua tahun lalu.
BI adalah apa yang sudah dilakukan oleh orang-orang di organisasi Anda - membuat keputusan berdasarkan informasi. Tujuan dari alat BI adalah untuk memungkinkan orang-orang untuk membuat keputusan lebih cepat dan lebih percaya diri .
Jawaban lain, yang sering saya gunakan, adalah bahwa alat BI ada untuk mengubah "data" menjadi "informasi" secara tepat waktu.
Kimball Group menggunakan frasa "Kirim data ke pengguna bisnis yang mudah dimengerti dan bernavigasi" dan "Kirim kinerja permintaan cepat".
sumber
Dalam istilah yang sangat awam, intelijen bisnis pada dasarnya berarti menganalisis dan menafsirkan data untuk tujuan bisnis. Kecerdasan bisnis mengubah data yang sangat mentah menjadi informasi berharga yang dapat digunakan bisnis untuk membuat keputusan strategis. Berbagai jenis bisnis dapat menggunakan BI dalam berbagai cara untuk meningkatkan operasi. Di antara industri yang memanfaatkan BI adalah asuransi. Operator menggunakan perangkat lunak intelijen bisnis asuransi yang ditawarkan oleh perusahaan teknologi seperti MajescoMastek untuk memahami perilaku pengguna, pola pembelian, dan indikator lainnya untuk membantu mereka membuat keputusan yang bertujuan mendorong pertumbuhan.
sumber