Panduan Cepat untuk Menerapkan Intelijen Bisnis, Data Pergudangan & BPM

Definisi dan Ikhtisar

Manajemen Kinerja Bisnis (BPM) menetapkan kerangka kerja untuk meningkatkan kinerja bisnis dengan mengukur karakteristik bisnis utama yang dapat digunakan untuk umpan balik ke dalam proses keputusan dan operasi panduan dalam upaya untuk meningkatkan kinerja organisasi strategis. Istilah populer lainnya untuk ini termasuk; Enterprise PM (EPM), Corporate PM (CPM) Enterprise Information Systems (EIS), Sistem Pendukung Keputusan (DSS), Sistem Informasi Manajemen (MIS).

BPM: Siklus tujuan pengaturan, memantau kinerja dan memberi makan kembali ke tujuan baru.

Business Intelligence (BI) dapat didefinisikan sebagai seperangkat alat yang memungkinkan pengguna akhir akses mudah ke informasi yang relevan dan fasilitas untuk menganalisis ini untuk membantu pengambilan keputusan. Lebih luas 'kecerdasan' adalah wawasan yang berasal dari analisis ini (misalnya. Tren dan korelasi).

BI: Alat untuk Mengakses & Menganalisa Data

Indikator Kinerja Utama (KPI) adalah langkah-langkah perusahaan yang secara strategis disesuaikan yang digunakan untuk memantau, memprediksi dan mengantisipasi kinerja organisasi. Mereka membentuk dasar dari setiap solusi BPM dan di dunia yang ideal itu harus mungkin untuk menghubungkan KPI strategis untuk kinerja operasional yang sebenarnya dalam aplikasi BI.

KPI memberikan indikasi cepat pada kesehatan organisasi dan memandu manajemen ke area operasional yang mempengaruhi kinerja.

Di banyak perusahaan, analisis data dipersulit oleh fakta bahwa data terpecah dalam bisnis. Ini menyebabkan masalah duplikasi, definisi yang tidak konsisten, inkonsistensi, ketidaktepatan, dan usaha yang sia-sia.

Silo Data: Terfragmentasi, Toko Data Departemen, sering diselaraskan dengan area bisnis tertentu.

Data Warehousing (DWH) sering merupakan langkah pertama menuju BI. Data Warehouse adalah kumpulan data tersentralisasi untuk memfasilitasi akses dan analisis.

DWH: Toko Data Terpusat / Konsolidasi

DWH akan dihuni dari berbagai sumber (heterogen) menggunakan alat ETL (Extract, Transform & Load) atau integrasi data. Pembaruan ini dapat dilakukan secara berkala, sebagai satu dari beban atau bahkan disinkronkan dengan data sumber (real time).

ETL: Proses mengekstraksi data dari sistem sumber, mengubah (atau memvalidasi) dan memuatnya ke dalam basis data terstruktur.

Lapisan pelaporan (atau BI) kemudian dapat digunakan untuk menganalisis data gabungan dan membuat dasbor dan laporan yang ditentukan pengguna. Lapisan pemodelan dapat digunakan untuk mengintegrasikan anggaran dan peramalan.

Karena solusi ini semakin kompleks, definisi sistem dan apa yang mereka lakukan menjadi lebih penting. Ini dikenal sebagai metadata dan mewakili data yang mendefinisikan data aktual dan manipulasinya. Setiap bagian dari sistem memiliki metadatanya sendiri yang mendefinisikan apa yang dilakukannya. Manajemen yang baik & penggunaan metadata mengurangi waktu pengembangan, membuat pemeliharaan berkelanjutan menjadi lebih sederhana dan memberikan informasi kepada pengguna tentang sumber data, meningkatkan kepercayaan dan pemahaman mereka terhadapnya.

Metadata: Data tentang data, menggambarkan bagaimana dan di mana itu digunakan, dari mana asalnya dan perubahan apa yang telah dilakukan terhadapnya.

Pembenaran Komersial

Ada pembenaran komersial yang jelas untuk meningkatkan kualitas informasi yang digunakan untuk pengambilan keputusan. Sebuah survei yang dilakukan oleh IDC menemukan bahwa pengembalian rata-rata dari pelaksanaan BI adalah 1,6 tahun dan bahwa 54% dari bisnis memiliki ROI 5 tahun> 101% dan 20% memiliki ROI> 1000%.

ROI di BI> 1000% dari 20% organisasi

Sekarang ada persyaratan peraturan yang harus dipertimbangkan. Sarbanes-Oxley mensyaratkan bahwa perusahaan-perusahaan yang terdaftar di AS mengungkapkan dan memantau risiko utama dan indikator kinerja yang relevan – baik keuangan maupun non finansial dalam laporan tahunan mereka. Infrastruktur pelaporan yang kuat sangat penting untuk mencapai hal ini.

SarbOx membutuhkan pengungkapan KPI keuangan & non-keuangan

Kualitas data yang buruk merupakan penghalang umum untuk pelaporan yang akurat dan pengambilan keputusan berdasarkan informasi. Strategi kualitas data yang baik, mencakup masalah non sistem seperti pelatihan dan prosedur pengguna dapat memiliki dampak besar. Mengkonsolidasikan data ke dalam DWH dapat membantu memastikan konsistensi dan memperbaiki data yang buruk, tetapi juga menyediakan ukuran akurat dari kualitas data yang memungkinkannya untuk dikelola secara lebih proaktif.

Kualitas Data sangat penting dan strategi kualitas data formal sangat penting untuk terus mengelola dan memperbaikinya.

Penelitian baru-baru ini (PMP Research) meminta suatu bagian yang luas dari organisasi pendapat mereka tentang kualitas data mereka sebelum dan sesudah implementasi DWH.

– Tanggapan "Tidak tahu" menurun dari 17% menjadi 7%

– "Buruk" atau "Sangat Buruk" menurun dari 40% menjadi 9%

– Memuaskan (atau lebih baik) meningkat dari 43% menjadi 84%

Implementasi DWH meningkatkan Kualitas Data.

Ikhtisar Pasar Alat

Saat ini BI dipandang sebagai area pertumbuhan IT yang signifikan dan karena itu semua orang mencoba untuk masuk ke kereta musik BI:

Alat ERP memiliki solusi BI misalnya SAP BW, Oracle Apps

Alat CRM melakukannya: Siebel Analytics,

Vendor ETL menambah kemampuan BI: Informatica

Vendor BI menambahkan alat ETL: Business Objects (BO) Data Integrator (DI), Cognos Decision Stream

Vendor database memperluas alat BI & ETL mereka:

Oracle: Oracle Warehouse Builder, EPM

Microsoft: SQL 2005, Layanan Integrasi, Layanan Pelaporan, Layanan Analitis

Alat yang ditingkatkan

Seperti semua pasar yang jatuh tempo, konsolidasi telah terjadi di mana lebih sedikit pemasok kini mencakup lebih banyak fungsi. Ini bagus untuk pelanggan karena lebih banyak standarisasi, penggunaan metadata yang lebih baik dan fungsi yang lebih baik sekarang tersedia dengan mudah. Alat BI saat ini sekarang dapat memenuhi persyaratan pelanggan yang paling menuntut untuk informasi.

Pemikiran dan alat telah bergerak – kita sekarang dapat membangun solusi bisnis yang cepat dan terfokus dalam potongan kecil – memungkinkan bisnis untuk melihat data, menyimpan pengetahuan, mempelajari kemampuan alat baru dan menyempurnakan persyaratan mereka selama proyek! Lewatlah sudah hari-hari dari proyek data warehousing besar, yang sudah usang sebelum selesai.

Proyek DWH yang khas harus memberikan hasil yang dapat digunakan dalam 3 – 6 Bulan.

Saran & Praktik Terbaik

Tahap awal

Proyek-proyek BI yang sukses tidak akan pernah selesai. Ini harus terus berevolusi untuk memenuhi kebutuhan bisnis yang berubah. Jadi, 'kemenangan' pertama harus datang dengan cepat dan alat dan teknik harus fleksibel, cepat berkembang, dan cepat diterapkan.

Pengalaman itu penting

Seringkali kami dibawa untuk memperbaiki proyek yang gagal dan itu menakutkan berapa banyak kesalahan dasar yang dibuat melalui pengalaman. Sebuah gudang data pada dasarnya berbeda dengan sistem operasional Anda dan mendapatkan desain awal dan infrastruktur yang benar sangat penting untuk memenuhi tuntutan bisnis.

Jaga Kontrol Internal

Kami percaya bahwa BI terlalu dekat dengan bisnis dan berubah terlalu cepat untuk melakukan outsourcing. Keahlian diperlukan pada tahap awal, untuk memastikan bahwa infrastruktur yang solid ada (dan penggunaan alat dan metode terbaik.) Jika pengalaman yang cukup tidak tersedia, sumber daya eksternal internal dapat berguna pada tahap awal tetapi ini harus mencakup transfer keterampilan ke sumber daya internal. DWH kemudian dapat tumbuh dan berkembang (dengan sumber daya internal) untuk memenuhi kebutuhan bisnis yang berubah.

Pastikan Manajemen dan Pembelian Pengguna

Mungkin kedengarannya jelas tetapi pengetahuan dan dukungan internal sangat penting untuk keberhasilan DWH, namun 'Pelaporan' sering diberi prioritas rendah dan dapat dengan mudah diabaikan kecuali didukung pada tingkat bisnis senior. Adalah umum untuk menemukan bahwa ada pengetahuan terbatas tentang persyaratan pengguna. Juga benar bahwa persyaratan akan berubah dari waktu ke waktu baik sebagai tanggapan terhadap perubahan kebutuhan bisnis dan temuan / hasil dari implementasi DWH dan penggunaan alat-alat baru.

Manajemen Proyek yang Kuat

Sifat kompleks dan iteratif dari proyek data warehouse membutuhkan manajemen proyek yang kuat. Risiko yang relatif tidak dapat dikuantifikasi seputar kualitas data perlu dikelola bersama dengan perubahan kebutuhan pengguna. Rencanakan perubahan dan berikan anggaran tambahan untuk hal-hal tak terduga. Menggunakan teknik pengembangan aplikasi cepat (RAD) mengurangi beberapa risiko dengan mengekspos mereka di awal proyek dengan penggunaan tipe-proto.

Mendidik Pengguna Akhir

Jangan meremehkan pentingnya pelatihan ketika menerapkan solusi BI / DWH yang baru. Pengguna terlatih 60% lebih berhasil dalam mewujudkan manfaat BI dari pengguna yang tidak terlatih. Namun pelatihan ini perlu mempertimbangkan teknik analisis data khusus serta cara menggunakan alat BI. Dalam kata-kata Gartner, "lebih penting untuk melatih pengguna tentang cara menganalisis data." Gartner melanjutkan dengan mengatakan "… bahwa hanya berfokus pada pelatihan alat BI dapat melipatgandakan beban kerja dari meja bantuan TI dan menghasilkan kekecewaan pengguna. Seorang pengguna yang dilatih pada alat BI tetapi tidak tahu bagaimana menggunakannya di konteks lingkungan BI / DWH nya tidak akan bisa mendapatkan hasil analitis yang dia butuhkan … ". Oleh karena itu pelatihan pengguna dipesan lebih dahulu pada sistem BI Anda dan data sangat penting.

Perencanaan yang cermat terhadap kebutuhan pelatihan dan memanfaatkan sebaik-baiknya berbagai media pelatihan yang berbeda sekarang tersedia dapat mengatasi masalah ini. Carilah opsi pelatihan seperti: Ruang kelas terstruktur (di atau di luar situs), e-learning berbasis web (CBT), pelatihan kerja & transfer keterampilan, pelatihan yang dipesan lebih dulu seputar solusi & data Anda.

Tinjauan Teknis

Portal Informasi: Ini memungkinkan pengguna untuk mengelola & mengakses laporan dan informasi lainnya melalui portal web perusahaan. Saat pengguna membuat & menuntut lebih banyak laporan, kemampuan untuk menemukan, mengelola, dan mendistribusikannya dengan mudah menjadi lebih penting.

Kolaborasi: Kemampuan untuk Portal Informasi untuk mendukung komunikasi antara orang-orang yang relevan berpusat di sekitar informasi di portal. Ini bisa menjadi benang diskusi yang melekat pada laporan atau alur kerja di sekitar kinerja sasaran strategis.

Analisis Terpandu: Sistem memandu pengguna ke mana harus mencari berikutnya selama analisis data. Mengambil pengetahuan dari kepala orang dan menempatkannya dalam sistem BI.

Keamanan: Akses ke fungsionalitas dan data sistem (baik baris maupun kolom) dapat dikendalikan hingga ke tingkat pengguna dan berdasarkan pada logon jaringan Anda.

Dasbor & Kartu Skor:

Menyediakan manajemen dengan tampilan grafis, tingkat tinggi kinerja bisnis mereka (KPI) dengan mudah menelusuri ke detail operasional yang mendasari.

Pelaporan dan Analisis Data Ad-hoc: Pengguna akhir dapat dengan mudah mengekstraksi data, menganalisanya (memotong, memotong & mengebor) dan secara resmi menyajikannya dalam laporan & mendistribusikannya.

Laporan Berformat / Standar: Pra-definisi, piksel sempurna, laporan sering kompleks yang dibuat oleh TI. Kekuatan alat pelaporan pengguna akhir dan pergudangan data kini membuat jenis penulisan laporan ini kurang teknis dan lebih fokus pada bisnis.

Integrasi MS Office yang ketat: Lebih banyak pengguna bergantung pada perangkat lunak MS Office, oleh karena itu alat BI harus terhubung dengan mulus ke alat-alat ini.

Menulis kembali: Portal BI harus menyediakan akses untuk menulis kembali ke database untuk mempertahankan: data referensi, target, perkiraan, alur kerja.

Pemodelan / Alerting Bisnis: sekitar data terpusat yang dipelihara dengan pra-ditentukan, pengguna akhir dipertahankan, aturan bisnis.

Waktu sebenarnya: Ketika data sumber berubah, data itu langsung diteruskan ke pengguna. Seringkali melalui antrian pesan.

Dekat Real Time: Perubahan data sumber dikumpulkan dan dikirim melalui pada periode waktu yang singkat, katakanlah setiap beberapa menit – ini membutuhkan teknik ETL khusus.

Pengolahan Batch: Sumber Data diambil dalam jumlah besar, katakanlah semalam, sementara sistem BI sedang offline.

Relational Database Vs OLAP (kubus, potong & potong, pivot)

Ini adalah argumen yang kompleks, tetapi hanya menempatkan sebagian besar hal yang dilakukan dalam kubus OLAP dapat dicapai di dunia relasional tetapi mungkin lebih lambat baik untuk mengeksekusi dan mengembangkan. Sebagai aturan praktis, jika Anda sudah bekerja di lingkungan basis data relasional, OLAP seharusnya hanya diperlukan jika kinerja analisis merupakan masalah atau Anda memerlukan fungsi khusus, seperti penganggaran, perkiraan, atau pemodelan 'bagaimana jika'. Alat BI terkemuka dengan mulus menyediakan akses ke data baik dalam bentuk relasional atau OLAP, menjadikan ini terutama keputusan teknologi daripada bisnis.

Pendekatan Top Down atau Bottom Up?

Pendekatan top down berfokus pada sasaran strategis dan proses bisnis dan struktur organisasi untuk mendukungnya. Ini dapat menghasilkan proses perusahaan yang ideal tetapi sistem yang ada tidak mungkin mendukung mereka atau menyediakan data yang diperlukan untuk mengukurnya. Ini dapat mengarah pada strategi yang tidak pernah diadopsi karena tidak ada pengiriman fisik dan sasaran strategis tidak dapat diukur.

Pendekatan bottom up mengambil sistem dan data yang ada dan menyajikannya kepada bisnis untuk mereka mengukur & menganalisis. Ini mungkin tidak menghasilkan informasi strategis terbaik karena terbatasnya data yang tersedia dan kualitas data.

Kami merekomendasikan kompromi dari kedua pendekatan: Membangun solusi bottom-up pragmatis sebagai sarana untuk mendapatkan ukuran yang akurat dari bisnis dan pemahaman yang lebih baik dari proses saat ini, sementara melakukan analisis top down untuk memahami apa yang dibutuhkan bisnis secara strategis. Analisis kesenjangan dari apa yang dapat dicapai hari ini dan apa yang diinginkan secara strategis akan memberikan arah masa depan untuk solusi dan jika solusi telah dirancang dengan perubahan dalam pikiran, ini harus relatif lurus ke depan, membangun fondasi sistem yang sudah ada .

Advanced Business Intelligence

Berikut ini menjelaskan beberapa persyaratan BI lanjutan yang mungkin ingin dipertimbangkan oleh beberapa organisasi: Memberikan solusi BPM terintegrasi yang memiliki aturan bisnis dan alur kerja yang dibuat agar sistem dapat memandu pembuat keputusan dengan cepat ke informasi yang relevan.

Kolaborasi dan Analisis Terpandu untuk membantu mengelola tindakan yang diperlukan sebagai hasil dari informasi yang diperoleh.

Lebih ramah pengguna Data Mining dan Predictive Analytics, di mana sistem menemukan korelasi antara set data yang tidak terkait untuk menemukan 'nugget emas' informasi.

Lebih banyak integrasi informasi BI ke dalam Sistem Front Office mis. pelanggan yang mendapat peringkat emas mendapatkan perlakuan VIP ketika mereka menelepon, profil data untuk menyarankan pelanggan ini dapat bergejolak, karenanya menawarkan mereka insentif untuk tinggal.

Peningkatan penggunaan Data Real Time.

Ujung ke ujung Data Lineage otomatis ditangkap oleh alat. Pengelolaan metadata yang lebih baik dari sistem akan berarti bahwa pengguna dapat dengan mudah melihat dari mana data berasal dan transformasi apa yang telah dialami, meningkatkan kepercayaan pada data & laporan. Sistem juga akan mendokumentasikan diri menyediakan pengguna dengan lebih banyak informasi bantuan dan menyederhanakan pemeliharaan yang sedang berlangsung.

Terpadu, waktu nyata Manajemen Kualitas Data sebagai sarana untuk mengukur keakuratan kinerja proses operasional. Ini akan memberikan validasi lintas sistem, dan memverifikasi kinerja proses bisnis dengan memantau akurasi data, mengarah ke pemodelan proses yang lebih baik dan lebih dinamis, rekayasa ulang proses bisnis dan karenanya keuntungan efisiensi.

Aplikasi Analitis yang Dikemas seperti sistem keuangan di 80-an dan paket ERP (Enterprise Requirement Planning) di tahun 90-an. Paket BI bisa menjadi standar untuk dekade ini. Mengapa membangun gudang data dan kumpulan laporan dan dasbor Anda sendiri dari awal ketika bisnis Anda mirip dengan banyak lainnya? Beli elemen paket dan gunakan template dan alat penyebaran cepat untuk mengonfigurasinya agar dapat memenuhi kebutuhan Anda. Kemampuan penyebaran cepat ini kemudian mendukung Anda ketika bisnis Anda berkembang.



BI untuk massa:
Ketika informasi menjadi lebih penting untuk mengelola efisiensi operasional, lebih banyak orang membutuhkan akses ke informasi itu. Sekarang alat BI dapat secara teknis dan biaya efektif menyediakan lebih banyak orang dengan akses ke informasi, BI untuk massa sekarang kenyataan dan dapat memberikan peningkatan yang signifikan untuk bisnis. Peningkatan kehadiran Microsoft di ruang BI juga akan meningkatkan penggunaan BI dan membuatnya lebih menarik. Akuisisi BusinessObjects terhadap Crystal dan pelepasan XI terbaru juga akan memperluas BI ke lebih banyak orang, di dalam dan di luar organisasi – sekarang semua orang dapat diberikan akses aman ke informasi!

Kesimpulan

Manfaat potensial dari implementasi BI / DWH sangat besar tetapi terlalu banyak perusahaan gagal mewujudkannya melalui: kurangnya pengalaman, desain yang buruk, pemilihan yang buruk dan penggunaan alat, manajemen kualitas data yang buruk, manajemen proyek yang buruk atau tidak ada, pemahaman yang terbatas tentang pentingnya metadata, tidak ada kesadaran bahwa jika berhasil, maka akan berkembang dan tumbuh, kesadaran yang terbatas akan pentingnya pelatihan ….. dengan semua bidang ini untuk dipertimbangkan menggunakan konsultan spesialis seperti IT Performs cukup masuk akal.

Leave a Reply

Your email address will not be published. Required fields are marked *