bi

Amit ajánlani tudok

Munkáim során sok tapasztalatot gyűjtöttem össze azzal kapcsolatban, hogy hogyan lehet kis- és közepes vállalkozások új Üzleti Intelligencia (BI) rendszereit hatékonyan elindítani ingyenesen elérhető Nyílt forráskódú szoftverek használatával. Ismerem a szakma legbeváltabb gyakorlatait és képes vagyok egy teljes új rendszert tervezni - kezdve a forrás adatoktól egészen a felhasználói jelentésekig. Értem a méretezéssel, a biztonsággal, és legfőképp az adat minőséggel kapcsolatos kihívásokat. Gyakorlott vagyok a metaadatok kezelésében, így képes vagyok energiámat a hatékony tervezésre fordítani a folyamatos 'tűzoltási mód' helyett. Egyaránt beszélem a felhasználó, a technikus, az üzletember, és az üzleti vezetőség nyelvét is. Eddigi munkáim bebizonyították, hogy hatékonyan tudok távmunkában is dolgozni.

Amennyiben szeretnél egy új Üzleti Intelligencia rendszert beindítani, nem szeretnél licensz díjakat fizetni, kérdésed van BI szakma bevált gyakorlatairól, vagy szívesen beszélgetnél adatminőségi kérdésekről, lépj velem kapcsolatba. Ezek a témák közel állnak a szívemhez. 

Amennyiben mélyebb belátást szeretnél nyerni a számítástechnikai ismereteimbe, azt megteheted a szakmai háttér cikk elolvasásával.


 Néhány munkám amit megmutathatok

  • A jelentési rendszer amit a nulláról építettem. Ebben a stádiumban volt a rendszer amikor eljöttem az Angel.com-tól. Akkoriban ez a riport rendszer volt a cég legnagyobb versenyelőnye a konkurenciáival szemben az IVR (interaktív telefonos rendszer) szakágban. (Angol nyelvű videó)

  • A prezi amit egy kliensemnek készítettem arról, hogyan érdemes hozzáállnia az Üzleti Intelligencia rendszerének elindításához.

 


Többet az Üzleti Intelligenciáról

Az Üzleti Intelligencia (BI) nem más mint technikák és eszközök kollekciója, amivel a nyers forrás adatoból jelentőségteljes és használható információt nyerhetünk üzleti elemzések számára. Ezek a technológiák képesek nagy mennyiségű strukturálatlan adat feldolgozására, aminek segítségével üzleti lehetőségeket lehet felismerni, vagy új stratégiákat kidolgozni. Az adatokból kidolgozott új stratégiák versenyelőnyt jelentenek az üzletnek és hosszútávú stabilitást lehet elérni velük.

A BI technológiák egyszerre adhatnak betekintést az üzlet múltjába, jelenébe és jövőjébe. Segítségével egyszerűbbé válhat az üzleti döntések széles skálja, az operatív döntésektől a stratégia kidolgozásáig. Alapvető operatív döntés lehet pl. egy termék pozícionálása vagy árazása. Stratégiai üzleti döntések lehetnek pl. prioritások-, célok- és tágabb üzleti irányok meghatározása. Minden esetben, az Üzleti Intelligenciak akkor a leghatékonyabb amikor külső adatok is integrálásra kerülnek (pl. versenytársak publikus adatai) a belső céges adatokkal. Az adatok kombinálása megnyit egy új dimenziót az üzleti kép megalkotásához, amit egyébként egyik adathalmaz sem lenne képes megnyitni magában.  

Üzleti Intelligencia alkalmazások gyakran használnak olyan adatokat, amiket egy adattárházból nyernek ki. Egy adattárház tartalamaz olyan adatokat, amik elősegíthetik az üzleti döntéseket, viszont ez nem azt jelenti, hogy minden adattárház Üzleti Intelligencia rendszert látna el adattal. 

work in progress

Success factors of implementation:

  • Business sponsorship - The commitment and sponsorship of senior management is the most important criteria for assessment. This is because having strong management backing helps overcome shortcomings elsewhere in the project. However, even the most elegantly designed DW/BI system cannot overcome a lack of business [management] sponsorship.
  • Business needs - Because of the close relationship with senior management, another critical thing that must be assessed before the project begins is whether or not there is a business need and whether there is a clear business benefit by doing the implementation.
  • Amount and quality of available data - Without proper data, or with too little quality data, any BI implementation fails; it does not matter how good the management sponsorship or business-driven motivation is. Before implementation it is a good idea to do data profiling. This analysis identifies the content, consistency and structure of the data. This should be done as early as possible in the process and if the analysis shows that data is lacking, put the project on hold temporarily while the IT department figures out how to properly collect data.
  • User acceptance - Ultimately the BI system must be accepted and utilized by the users in order for it to add value to the organization. If the usability of the system is poor, the users may become frustrated and spend a considerable amount of time figuring out how to use the system or may not be able to really use the system. If the system does not add value to the users´ mission, they simply don't use it
  • Use of metadata - To solve problems with searchability and assessment of data, it is necessary to know something about the content. This can be done by adding context through the use of metadata. Many systems already capture some metadata (e.g. filename, author, size, etc.), but more useful are metadata about the actual content – e.g. summaries, topics, people or companies mentioned.

I am familiar with the two major schools of Data Warehousing. I studied both the Inmon and the Kimball methodology, and in most of my work I ended up using Ralph Kimball's work. I have created a mindmap for capturing the methodology.  It is available here.