Bizness intellekt

Karyera ishlarida aql-zakovat

Biznes tahlilchisi - zamonaviy mehnat bozori uchun nisbatan yangi kasb.
Dastlab, biznes-tahlilchining ko'pgina funktsiyalari loyiha menejeri (yuqori darajadagi talablarni to'plash) va tizim tahlilchisi (funktsional talablarni ishlab chiqish) tomonidan amalga oshirildi.
Bundan tashqari, hozirgi paytda ba'zi kompaniyalar hali ham loyiha menejeri va biznes tahlilchisi o'rtasida aniq taqsimotga ega emaslar va ba'zi joylarda loyiha menejeri va biznes-tahlil funktsiyalarini bir kishi bajaradi.
Agar siz qiziquvchan bo'lsangiz, yaxshi rivojlangan aloqa ko'nikmalariga va tahliliy qobiliyatlarga ega bo'lsangiz, unda ushbu istiqbolli yo'nalish sizni qiziqtirishi mumkin.
Mijoz va IT mutaxassislari jamoasi o'rtasida vositachi sifatida ish yurituvchi biznes tahlilchisi biznes ehtiyojlarini dasturiy va tashkiliy echimlar tekisligiga tarjima qiladi.


3.Biznes tahlilchisi ma'lumotlarni tahlil qilish yondashuvlari.
So'nggi paytlarda axborotni tahlil qilish haqida shunchalik ko'p gap ketayaptiki, oxir -oqibat muammoga chalkashib ketish mumkin. Ko'pchilik bunday dolzarb mavzuga e'tibor qaratgani ma'qul. Yagona yomon tomoni shundaki, bu atama bilan har kim o'ziga kerakli narsani tushunadi, ko'pincha muammoning umumiy tasavvuriga ega bo'lmaydi. Bu yondashuvning tarqoqligi nima bo'layotganini va nima qilish kerakligini noto'g'ri tushunishga sabab bo'ladi. Hamma narsa bir -biriga zaif bog'langan va umumiy yadroga ega bo'lmagan qismlardan iborat. Siz, ehtimol, "patchwork automation" iborasini ko'p eshitgansiz. Ko'pchilik bu muammoga ko'p marta duch kelgan va tasdiqlashi mumkinki, bu yondashuvning asosiy muammosi - tasvirni to'liq ko'rish deyarli mumkin emas. Vaziyat tahlil bilan bir xil.
Har bir tahlil mexanizmining o'rni va maqsadini tushunish uchun bularning barchasini to'liq ko'rib chiqaylik. U odam qanday qaror qabul qilishidan boshlanadi, chunki biz qanday fikr tug'ilishini tushuntirib berolmaymiz, biz bu jarayonda axborot texnologiyalaridan qanday foydalanish mumkinligiga e'tibor qaratamiz. Birinchi variant - qaror qabul qiluvchi (DM) kompyuterdan faqat ma'lumotlarni olish vositasi sifatida foydalanadi va o'z -o'zidan xulosa chiqaradi. Bunday vazifalarni hal qilish uchun hisobot tizimlari, ko'p o'lchovli ma'lumotlarni tahlil qilish, jadvallar va boshqa vizualizatsiya usullari qo'llaniladi. Ikkinchi variant: dastur nafaqat ma'lumotlarni chiqaradi, balki har xil turdagi oldindan ishlov berishni ham o'tkazadi, masalan tozalash, tekislash va hk. Va shu tarzda qayta ishlangan ma'lumotlarga tahlilning matematik usullari qo'llaniladi - klasterlash, tasniflash, regressiya va boshqalar. Bunday holda, qaror qabul qiluvchi xom ma'lumotni emas, balki jiddiy qayta ishlangan ma'lumotlarni oladi, ya'ni. odam allaqachon kompyuter tomonidan tayyorlangan modellar bilan ishlayapti.
Birinchi holda, qaror qabul qilish mexanizmlari bilan bog'liq bo'lgan deyarli hamma narsa odamga yuklanganligi sababli, tegishli modelni tanlash va qayta ishlash usullarini tanlash muammosi tahlil mexanizmlaridan tashqariga ko'chiriladi. , qaror qabul qilish uchun asos - bu ko'rsatma (masalan, burilishlarga javob berish mexanizmlarini qanday qo'llash mumkin) yoki sezgi. Ba'zi hollarda, bu etarli, lekin agar qaror qabul qiluvchilar etarlicha chuqur bilimga qiziqsa, demak, ma'lumotlarni yig'ish mexanizmlari bu erda yordam bermaydi. Keyinchalik jiddiy ishlov berish kerak. Bu ikkinchi holat. Oldindan ishlov berish va tahlilning barcha qo'llaniladigan mexanizmlari qaror qabul qiluvchilarga yuqori darajada ishlash imkonini beradi. Birinchi variant taktik va operativ vazifalarni hal qilish uchun, ikkinchisi - bilimlarni takrorlash va strategik muammolarni hal qilish uchun.
Tahlil qilish uchun ikkala yondashuvni qo'llash ideal holat bo'ladi. Ular sizga biznes ma'lumotlarini tahlil qilishda tashkilotning deyarli barcha ehtiyojlarini qondirishga imkon beradi. Vazifalarga qarab metodologiyani o'zgartirib, biz har qanday holatda ham mavjud ma'lumotlardan maksimal darajada siqib chiqaramiz.
Ishning umumiy sxemasi quyida ko'rsatilgan.
Ko'pincha, biznes ma'lumotlarini tahlil qiladigan mahsulotni tavsiflashda, tavakkalchiliklarni boshqarish, prognoz qilish, bozorni segmentatsiyalash kabi atamalar qo'llaniladi ... Lekin, aslida, bu muammolarning har birining echimi quyida tasvirlangan tahlil usullaridan birini qo'llash bilan kamayadi. . Masalan, prognoz - bu regressiya muammosi, bozor segmentatsiyasi - klaster, xavflarni boshqarish - klasterlash va tasniflash kombinatsiyasi va boshqa usullar mumkin. Shu sababli, ushbu texnologiyalar to'plami ko'pchilik biznes muammolarini hal qilishga imkon beradi. Aslida, ular atom (asosiy) elementlar bo'lib, ulardan ma'lum bir masalaning echimi yig'iladi.
Endi biz sxemaning har bir qismini alohida tasvirlab beramiz.
Ma'lumotlarning asosiy manbai korxonalarni boshqarish tizimlari, ofis hujjatlari, Internet ma'lumotlar bazalari bo'lishi kerak, chunki qaror qabul qilish uchun foydali bo'lishi mumkin bo'lgan barcha ma'lumotlardan foydalanish zarur. Bundan tashqari, biz nafaqat tashkilot uchun ichki ma'lumotlar, balki tashqi ma'lumotlar (makroiqtisodiy ko'rsatkichlar, raqobat muhiti, demografik ma'lumotlar va boshqalar) haqida ham gapiramiz.
Ma'lumotlar omborida tahlil texnologiyalari qo'llanilmagan bo'lsa -da, u analitik tizimni yaratish uchun asosdir. Ma'lumotlar ombori bo'lmasa, tahlil qilish uchun zarur bo'lgan ma'lumotlarni yig'ish va tartibga solish ko'p vaqtni oladi, bu esa tahlilning barcha afzalliklarini inkor etadi. Zero, har qanday analitik tizimning asosiy ko'rsatkichlaridan biri natijani tez olishdir.
Sxemaning keyingi elementi semantik qatlamdir. Ma'lumot qanday tahlil qilinishidan qat'i nazar, uni qaror qabul qiluvchi tushunishi kerak, chunki ko'p hollarda tahlil qilingan ma'lumotlar har xil ma'lumotlar bazalarida joylashgan va qaror qabul qiluvchi DBMS bilan ishlashning nuanslariga kirmasligi kerak, keyin qo'ng'iroqlar domen atamalarini ma'lumotlar bazasiga kirish mexanizmlariga o'zgartiradigan ma'lum mexanizmni yaratish talab qilinadi. Bu vazifani semantik qatlam bajaradi. Barcha tahlil dasturlari uchun bir xil bo'lishi maqsadga muvofiqdir, shuning uchun muammoga har xil yondashuvlarni qo'llash osonroq.
Hisobot tizimlari "nima bo'lyapti" degan savolga javob berishga mo'ljallangan. Birinchi foydalanish holati: muntazam hisobotlar operatsion holatni kuzatish va og'ishlarni tahlil qilish uchun ishlatiladi. Masalan, tizim har kuni aktsiyalar balansi to'g'risida hisobot tayyorlaydi va uning qiymati o'rtacha haftalik sotishdan past bo'lganda, siz bunga buyurtma buyurtma berish orqali javob berishingiz kerak, ya'ni ko'p hollarda bu standartlashtirilgan. tijorat operatsiyalari. Ko'pincha, ushbu yondashuvning ba'zi elementlari u yoki bu shaklda kompaniyalarda (hatto qog'ozda bo'lsa ham) amalga oshirilgan, biroq bu ma'lumotlarni tahlil qilishda yagona yondashuv bo'lishiga yo'l qo'ymaslik kerak. Hisobot berish tizimlaridan foydalanishning ikkinchi holati: vaqtinchalik so'rovlarni ko'rib chiqish. Qachonki qaror qabul qiluvchi har qanday fikrni (gipotezani) sinab ko'rmoqchi bo'lsa, u fikrni tasdiqlashi yoki rad etishi uchun o'ylash uchun ovqat olishi kerak, chunki bu fikrlar o'z -o'zidan paydo bo'ladi va qanday ma'lumot kerakligi haqida aniq tasavvur yo'q. bu ma'lumotni tez va qulay shaklda olish imkonini beradigan vosita kerak. Olingan ma'lumotlar odatda jadvallar, grafikalar va jadvallarda taqdim etiladi, lekin boshqa tasvirlar ham mumkin.
Hisobot tizimini yaratish uchun har xil yondashuvlardan foydalanish mumkin bo'lsa -da, bugungi kunda eng keng tarqalgani OLAP mexanizmi. Asosiy g'oya - ma'lumotni ko'p o'lchovli kublar ko'rinishida aks ettirish, bu erda o'qlar o'lchovlarni (masalan, vaqt, mahsulotlar, xaridorlar), o'lchovlar (masalan, sotish miqdori, o'rtacha sotib olish narxi) hujayralarga joylashtirilgan. Foydalanuvchi o'lchovlarni o'zgartiradi va kerakli bo'limda ma'lumot oladi.
Tushunish qulayligi tufayli OLAP ma'lumotlar tahlili vositasi sifatida keng tarqaldi, lekin siz uning chuqurroq tahlil qilish, masalan, prognozlash sohasidagi imkoniyatlari juda cheklanganligini tushunishingiz kerak. Prognozlash muammolarini hal qilishda asosiy muammo - bu qiziqtirgan ma'lumotlarni jadval va diagramma ko'rinishida chiqarish qobiliyati emas, balki mos modelni qurishdir. Keyin hamma narsa juda oddiy. Yangi ma'lumotlar mavjud modelning kiritilishi bilan ta'minlanadi, u orqali o'tadi va natijada bashorat qilinadi. Ammo model yaratish - bu oddiy ish emas. Albatta, siz tizimga bir nechta tayyor va oddiy modellarni qo'yishingiz mumkin, masalan, chiziqli regressiya yoki shunga o'xshash narsa, ko'pincha ular aynan shunday qilishadi, lekin bu muammoni hal qilmaydi. Haqiqiy muammolar deyarli har doim bunday oddiy modellardan tashqarida. Binobarin, bunday model faqat aniq bog'liqliklarni aniqlaydi, ularni aniqlash qiymati ahamiyatsiz, baribir yaxshi ma'lum yoki u juda qo'pol bashoratlar qiladi, bu ham mutlaqo qiziq emas. Misol uchun, agar siz fond bozoridagi aktsiyalar narxini tahlil qilayotib, ertaga aktsiyalar bugungi narx bilan bir xil bo'ladi degan oddiy taxminga asoslansangiz, 90% hollarda siz taxmin qilasiz. Va bunday bilim qanchalik qimmatli? Qolgan 10% faqat brokerlarni qiziqtiradi. Ko'p hollarda ibtidoiy modellar bir xil darajadagi natijalarni beradi.
Modellarni qurishda to'g'ri yondashuv - ularni bosqichma -bosqich takomillashtirish. Birinchi, nisbatan qo'pol modeldan boshlab, uni takomillashtirish zarur, chunki yangi ma'lumotlar to'planib, model amalda qo'llaniladi. Aslida, prognozlar va shunga o'xshash narsalarni qilish vazifasi hisobot berish mexanizmlaridan tashqarida, shuning uchun OLAPdan foydalanganda siz bu yo'nalishda ijobiy natijalarni kutmasligingiz kerak. Chuqurroq tahlil qilish muammolarini hal qilish uchun Ma'lumotlar bazalarida bilimlar kashfiyoti nomi ostida birlashtirilgan mutlaqo boshqa texnologiyalar to'plamidan foydalaniladi.
Ma'lumotlar bazasida bilimlarni kashf qilish (KDD) - bu ma'lumotni bilimga aylantirish jarayoni. KDD ma'lumotlarni tayyorlash, axborot xususiyatlarini tanlash, ma'lumotlarni tozalash, Data Mining (DM) usullarini qo'llash, ma'lumotlarni qayta ishlash, natijalarni talqin qilish masalalarini o'z ichiga oladi. Ma'lumotlarni yig'ish-bu inson faoliyatining turli sohalarida qaror qabul qilish uchun zarur bo'lgan, "xom" ma'lumotlarda ilgari noma'lum, ahamiyatsiz, amalda foydali va talqin qilish bilimlarini kashf etish jarayoni.
Ushbu yondashuvning jozibadorligi shundaki, biz qaysi sohadan qat'i nazar, xuddi shunday operatsiyalarni qo'llaymiz:

1. 
   Ma'lumotlarni chiqarib oling. Bizning holatda, bu semantik qatlamni talab qiladi.
   
2. 
   Ma'lumotlarni tozalash. Tahlil qilish uchun "iflos" ma'lumotlardan foydalanish kelajakda qo'llaniladigan tahlil mexanizmlarini butunlay inkor etishi mumkin.
   
3. 
   Ma'lumotni o'zgartirish. Har xil tahlil usullari maxsus tayyorlangan ma'lumotlarni talab qiladi. Masalan, biror joyda faqat raqamli ma'lumotlarni kirish sifatida ishlatish mumkin.
   
4. 
   Aslida, tahlil qilish - Ma'lumotlarni qazib olish.
   
5. 
   Olingan natijalarni sharhlang.
   

Bu jarayon ketma -ket takrorlanadi.
Data Mining, o'z navbatida, faqat 6 ta vazifani - tasniflash, klasterlashtirish, regressiya, assotsiatsiya, ketma -ketlik va dispersiyalarni tahlil qilish imkonini beradi.
Bilimlarni olish jarayonini avtomatlashtirish uchun bularning barchasi kerak. Keyingi qadamlar allaqachon qaror qabul qiluvchi mutaxassis tomonidan amalga oshirilmoqda.
Kompyuterda ishlash natijalarini talqin qilish shaxsning zimmasidadir. Shunchaki, turli usullar fikrlash uchun har xil ovqat beradi. Eng oddiy holatda, bu jadvallar va jadvallar, va murakkabroq holatda modellar va qoidalar. Inson ishtirokini butunlay istisno qilish mumkin emas, chunki u yoki bu natija ma'lum bir mavzu maydoniga tatbiq qilinmaguncha hech qanday ma'noga ega emas. Biroq, bilimlarni takrorlash imkoniyati mavjud. Masalan, qaror qabul qiluvchi, qandaydir usuldan foydalanib, xaridorlarning kredit layoqatliligiga qaysi ko'rsatkichlar ta'sir qilishini aniqlab, uni qoida shaklida taqdim etdi. Qoidalar kredit berish tizimiga kiritilishi mumkin va shu tariqa ularning baholarini joriy etish orqali kredit tavakkalchiliklarini sezilarli darajada kamaytiradi. Shu bilan birga, hujjatlarni haqiqiy chiqarish bilan shug'ullanuvchi shaxsdan u yoki bu xulosaning sabablarini chuqur tushunish talab qilinmaydi. Aslida, bu sanoatda bir marta qo'llanilgan usullarni bilimlarni boshqarish sohasiga o'tkazishdir. Asosiy g'oya-bir martalik va birlashtirilmagan usullardan quvur liniyasiga o'tish.
Yuqorida aytilganlarning hammasi faqat vazifalarning nomlari. Va ularning har birini hal qilish uchun siz klassik statistik usullardan tortib o'z-o'zini o'rganish algoritmigacha bo'lgan turli xil texnikalarni qo'llashingiz mumkin. Haqiqiy biznes muammolari deyarli har doim yuqoridagi usullardan biri yoki ularning kombinatsiyasi yordamida hal qilinadi. Deyarli barcha vazifalar - prognozlash, bozor segmentatsiyasi, tavakkalchilikni baholash, reklama kampaniyalarining samaradorligini baholash, raqobatbardosh ustunliklarni baholash va boshqalar - yuqorida tavsiflangan vazifalarga qisqartirilgan. Shunday qilib, sizning ixtiyoringizda yuqoridagi vazifalar ro'yxatini hal qiladigan vositaga ega bo'lgan holda, siz biznesni tahlil qilishning har qanday muammosini hal qilishga tayyormiz, deyishimiz mumkin.
Agar siz e'tibor bergan bo'lsangiz, biz tahlil qilish uchun qaysi vosita, qaysi texnologiyalar ishlatilishini hech qaerda aytmaganmiz, chunki vazifalarning o'zi va ularni hal qilish usullari asboblar to'plamiga bog'liq emas. Bu muammoning malakali yondashuvining tavsifi. Siz xohlagan narsani ishlatishingiz mumkin, faqat vazifalar ro'yxati to'liq yoritilgan bo'lishi muhim. Bunday holda, biz haqiqatan ham to'liq echim bor deb aytishimiz mumkin. Ko'pincha, vazifalarning faqat kichik bir qismini qamrab oladigan mexanizmlar "biznesni tahlil qilish muammolarini to'liq echimi" sifatida taklif qilinadi. Ko'pincha, biznes ma'lumotlarini tahlil qilish tizimi faqat OLAP sifatida tushuniladi, bu to'liq tahlil qilish uchun umuman etarli emas. Reklama shiorlarining qalin qatlami ostida faqat hisobot berish tizimi mavjud. U yoki bu tahlil vositasining samarali tavsiflari mohiyatini yashiradi, lekin taklif qilingan sxemadan boshlash kifoya, va siz ishning haqiqiy holatini tushunasiz.
(Ishbilarmonlik intellekti).
Seminarga ma'ruzachi sifatida Microsoft, IBM, Google, Yandex, MTS va boshqalar kabi yuqori texnologiyali kompaniyalarda tahlilchi sifatida muvaffaqiyatli karyera qurayotgan yosh mutaxassislar taklif etiladi. bu kompaniyalarda hal qilinadigan, ma'lumotlar to'planishi qanday sodir bo'lishi, ma'lumotlarni tahlil qilish vazifalari qanday paydo bo'lishi, ularni hal qilish uchun qanday usullardan foydalanish mumkinligi haqida.
Biz BI loyihalarida katta ma'lumotlar texnologiyalaridan bir nechta hollarda foydalanamiz. Birinchisi, mavjud ma'lumotlar omborining ish faoliyatini yaxshilash zarur bo'lganda, bu kompaniyalar foydalanadigan axborot hajmini tezlik bilan oshirayotgan sharoitda juda muhimdir. An'anaviy relyatsion ma'lumotlar bazalarida xom ma'lumotlarni saqlash juda qimmat va qayta ishlash quvvatini talab qiladi. Bunday hollarda, arxitekturasi tufayli juda samarali, moslashuvchan, o'ziga xos ehtiyojlarga moslashtirilgan va iqtisodiy nuqtai nazardan daromadli bo'lgan Hadoop asboblarini ishlatish mantiqan to'g'ri bo'ladi, chunki u Ochiq manbali echimga asoslangan.
Ikkinchi yo'nalish-BI tizimining funktsional imkoniyatlarini kengaytirish uchun chuqur tahlil vositalarini joriy etish. Bu juda istiqbolli soha, chunki u nafaqat IT muammolarini hal qilish, balki yangi biznes imkoniyatlarini yaratish bilan ham bog'liq.
Chuqur tahlilni amalga oshirish uchun maxsus loyihalarni tashkil etish o'rniga, biz mavjud loyihalar ko'lamini kengaytirishga harakat qilamiz. Masalan, mavjud tarixiy ma'lumotlarga asoslangan prognoz ko'rsatkichlari deyarli har qanday tizim uchun foydali vazifadir. Bu oson ish emas, bu nafaqat asboblar bilan ishlash ko'nikmalarini, balki ma'lum bir matematik ma'lumotni, statistika va ekonometrikani bilishni ham talab qiladi.