Business intelligence řešení nejsou výsadou pro velké a bohaté společnosti. Také menší a střední firmy potřebují pro svá rozhodnutí kvalitní informace a jejich manažeři mnohdy vyžadují komplexní pohled na svou firmu a její vývoj. Současné informační technologie nabízejí špičkové možnosti řešení business intelligence i jim.


V tomto článku bychom se s vámi rádi podělili o zkušenosti a zajímavosti z projektů implementace řešení business intelligence v rámci SMB sektoru (střední a menší firmy) v České republice. Zkušenosti jsou získány z řádově desítek projektů ve firmách o velikosti desítek až stovek zaměstnanců.
Oblast business intelligence (BI) lze chápat jako souhrn nástrojů, utilit, aplikací a technologií, jež jsou schopny zpracovávat heterogenní vstupní data z primárních systémů a vhodně je interpretovat uživateli za účelem podpory rozhodování při řízení firmy. Hlavními součástmi BI mohou být datový sklad, reportovací systém, multidimenzionální databáze a klientské nástroje, jež pomáhají uživateli porozumět datům tak, aby se z nich staly relevantní informace.
Celá oblast BI se opírá o dva základní pojmy. Tím prvním je ukazatel, neboli číselná hodnota, kterou mají uživatelé potřebu sledovat (např. obrat, zisk, průměrná mzda). Druhým pojmem je dimenze, neboli hledisko, dle kterého chceme jednotlivé ukazatele analyzovat (např. organizační útvar, čas, prodejna, region apod.).
Data jsou v primárním informačním systému uložena většinou v nenormalizovaném tvaru, jsou optimalizována pro rychlé a správné transakční zpracování. Toto uložení ale není vhodné pro analytickou práci manažerů. Proto dochází v určitých intervalech ke spouštění tzv. datových pump, které transformují data z primárních systémů do datového skladu. V dalším kroku dochází k plnění multidimenzionální databáze. Nejdůležitější vlastností multidimenzionální databáze je schopnost ukládat předpočítané sumární hodnoty – agregace – a z toho vyplývající schopnost poskytovat velmi rychlé odpovědi analytického serveru na dotazy uživatelů.

Uživatelé BI

V teoriích o BI se často hovoří o rozdělení uživatelů vzhledem k jejich schopnosti používat BI. Tyto teorie uvádí, že zhruba šedesát procent uživatelů BI je pasivními příjemci předpřipravených reportů, třicet procent tvoří uživatelé schopní předpřipravené analytické reporty upravit k obrazu svému a deset procent jsou uživatelé aktivní, schopní vytvářet vlastní analýzy definováním ad-hoc dotazů.
Kdo je obvyklým příjemcem informací z BI ve střední nebo menší firmě? Dle našich zkušeností je nejčastější model ten, že v takové firmě je jediný motivovaný a vyškolený klíčový uživatel tohoto typu řešení. Obvykle je to finanční ředitel nebo controller, který se díky své funkci programově věnuje rozborům informací. Je schopen nejen interpretovat informace, které získává z přednastavených analýz v systému, ale většinou je schopen nové analýzy i vytvářet a aktivně navrhovat nové pohledy na data pro hledání souvislostí mezi ukazateli podle různých dimenzí. Ostatní uživatelé ve firmě jsou většinou pasivními příjemci informací.

Technologie BI

Za konečným výsledkem analýz ve formě líbivých grafů nebo tabulek je většinou skryto složité technologické zázemí, které je do jisté míry protikladem k nutnosti mít jednoduchý a intuitivní nástroj pro prezentaci dat. Základním požadavkem v praxi bývá intuitivnost uživatelského prostředí (koncového nástroje), pokud možno takového, v němž většina analytiků již umí dobře pracovat. Takovým prostředím může být například prohlížeč webových stránek (pro reporty), MS Excel se systémem kontingenčních tabulek pro analytickou práci či specializovaná analytická aplikace (opět pokud možno co nejjednodušší).
Základním stavebním kamenem pro analytickou práci je tzv. OLAP server (server zpracovávající data pro on-line analýzu). OLAP server je program, který v učený časový interval (většinou každý den v noci – dle časové granularity dat a požadavků na jejich aktuálnost) provádí přepočítání dat z datového skladu. Cílem nočního zpracování je provedení agregací jednotlivých ukazatelů dle struktury dimenzí tak, aby součty nemusely být počítány až při analytické práci uživatele a odezvy systému byly co nejrychlejší. Uveďme příklad: firma vlastní síť maloobchodních prodejen a denně jsou realizovány řádově tisíce prodejů. Pokud uživatel požaduje report seskupující prodeje po měsících, pak vytvoření celkového sumárního reportu bude trvat neúměrně dlouho. OLAP server tuto činnost provede dopředu – tento požadavek je totiž pro analýzy naprosto typický.

Časté požadavky v projektech BI

Dostane-li manažer do ruky nástroj typu BI, díky kterému „vidí“ svou firmu v komplexních číslech a trendech, vede to většinou k tomu, že přestane využívat operativní pohledy v primárním informačním systému a odmítá jakékoliv složitější způsoby získávání informací. Pokud je ale zvyklý pracovat s velkými detaily (pohled až na jednotlivé faktury nebo dodací listy), požaduje pak podobně jemnou granularitu i v BI.
V současné době je již standardním požadavkem uživatelů vysoká bezpečnost řešení BI. Data jsou totiž v BI velmi dobře „čitelná“ i pro technologicky méně zdatné „narušitele“. Velmi častým požadavkem uživatelů je schopnost produktu řešit přístupová práva již na úrovni stupňů dimenzí. Standardním požadavkem je například umožnění přístupu uživateli pouze k datům určitého útvaru, tedy řízení práv na základě organizační struktury. Ovšem je třeba brát v úvahu, že toto omezení práv je v praxi obvykle realizováno pouze filtrem a v některých případech proto není problém skrytou částku dopočítat. Setkali jsme se například s požadavkem, aby uživatel X směl vidět všechny mzdy kromě generálního ředitele. Uživatel X ale nakonec vytvořil jeden ad-hoc dotaz na součet mezd v celém podniku a druhý na všechny jednotlivé zaměstnance firmy (bez ředitele). Jednoduchý výpočet mu pak prozradil i „skrytou“ informaci.
V rámci projektů jsme se již několikrát setkali s dalším zajímavým fenoménem. Implementace BI v organizaci je složitým procesem, který prochází křížem přes organizaci a dotýká se oblastí, které nejsou v běžném chodu firmy vůbec dávány do souvislostí. Díky takovéto podnikové „inventuře“ se často podařilo odhalit chyby v již implementovaném primárním informačním systému. Mezi nejvýznamnější a nejzajímavější problémy patří například zjištění, že primární systém špatně počítá skladovou cenu. Dalším zajímavým výsledkem pro organizaci bývá zjištění, že často nikdo není schopen říci, jak data v informačním systému vlastně vznikají a odkud se berou (i přesto, že tato data denně využívají a interpretují).
V procesu implementace BI nejde jen o technologické a analytické aspekty nasazení nástrojů BI, ale projekt má i sociologické a psychologické dopady. Je potřeba poznat budoucí uživatele BI, jejich potřeby i mentalitu tak, aby implementátor nalezl a do projektu zahrnul všechny relevantní informace, které by měl budoucí systém business intelligence uživatelům poskytovat, a pochopil, jak budou při řízení firmy využívány.

Jan Klimeš je architektem řešení business intelligence ve firmě Ortex, Jan Vaněk je vedoucí úseku systémové integrace v téže firmě.