בינה עסקית- BUSINESS INTELLIGENCE

בינה עסקית (BI) קיימת כמעט בכל ארגון, כדי ללמוד מהמידע על ההתנהלות העסקית של הארגון ועל מנת להוביל לאופטימיזציה של התהליכים. המטרה העיקרית של BI, היא להפיק תובנות מכלל המידע הזה בהתאם לצרכים של הארגון ולקבל החלטות על בסיס ידע, ולא לפי תחושות אישיות. אנחנו מציעים קורסים מקצועיים בתחום עם המומחים המובילים של נאיה טכנולוגיות ומתמקדים בכלי בינה עסקית של Microsoft כגון: SSAS, SSRS, SSIS. בנוסף מעבירים קורסים על כלים אחרים ביניהם: Business Objects, SAS, Tableau, Power BI, Oracle BI.

בינה עסקית (BI) הינו תחום המסייע לארגון ללמוד מהמידע על ההתנהלות העסקית של הארגון ולהוביל לאופטימיזציה של התהליכים. המטרה העיקרית של בינה עסקית – BI, היא להפיק תובנות מכלל המידע הזה בהתאם לצרכים של הארגון ולקבל החלטות על בסיס ידע, ולא לפי תחושות אישיות. בשנים האחרונות נוספו גם יכולות של תזמון דו"חות על בסיס כללים, שיתוף מידע  ועוד תכונות רבות.

אנחנו רואים שימוש בבינה עסקית בארגונים ממגזרים שונים, בארגונים קטנים וגדולים וכן בתחומים שונים בתוך הארגונים. בחברות ממגזרים מסורתיים, התחומים יכולים להיות החל מניתוח מכירות, מלאי, רכש, פיננסים. בחברות לא יצרניות, כגון: חברות אינטרנט, חברות סלולר, חברות תוכן או מוצרי אינטרנט, הצורך ב-BI יעלה בנושאים כמו כמויות נרשמים למוצר, כמות הורדות של התוכנה על פני הזמן, אחוזי צריכת תוכן, אחוזי נטישת לקוחות, ניתוח סיכונים, ניתוח פרסום דיגיטלי.

תחום בינה עסקית מורכב ממספר תתי-תחומים כאשר כל אחד יכול להיות תפקיד בפני עצמו או לחילופין גם בעלי תפקידים שמכילים כמה או את כל התחומים.

תחום ה-ETL – אינטגרצייה של נתונים: תחום אינטגרציית הנתונים מהווה כ-60% מהזמן הנדרש בביצוע פרויקט בינה עסקית. בעבר תהליך זה בוצע בשפות תכנות או כתהליכים בבסיס הנתונים (stored procedure). במהלך שנות ה-90 פותחו כלים לביצוע פעולות אילו באמצעים ויזואליים ונוחים, כגון: Datastage, Informatica, SSIS.

תחום ניתוח הנתונים והוויזואליזציה: לרוב יעבוד הארגון עם בסיס נתונים רב מימדי כדוגמת SSAS של חברת Microsoft, המשמש לניהול קוביות (OLAP) אשר מאפשרות תחקור נתונים מהיר וקל ברמת המאקרו. קוביות מהוות תשתית לחישובים שונים, לניהול יעדים באמצעות הגדרת KPI – Key Performance Indicators.

בתחום זה לא מעט נשמע את המושג – Data Mining – המושג נולד כאשר ארגונים החלו לנתח נתונים היסטוריים, על מנת לדלות מהם תובנות, דפוסי התנהגות וקורלציות, שלא ניתן היה לגלות באופן אינטואיטיבי. בשונה משיטות קלאסיות של ניתוח נתונים, מודלים של כריית נתונים (Data Mining) מאפשרים שימוש ביכולת ניתוח סטטיסטית, במודלים מבוססי ניבוי (prediction) או במודלים תיאוריים.

הכלים שאנחנו מכירים בתחום ניתוח נתונים בין השאר: Cognos, Business Objects, SSAS. כלים אלה מאפשרים חיבור לבסיס הנתונים, יצירת קוביות, יכולת בניית דוחות ודשבורדים ע"י מומחה בתחום. או כלים כגון: Tableau, Qlikview, Sisense, החזקים במימוש מורכב ומושקע של דשבורדים, תצוגה GUI מושכת וניתוח מעמיק. כאן נראה גם מענה של חברת Microsoft שיצרה את הכלי PowerBI שבאמצעותו ניתן לבצע ניתוח נתונים מורכב.

בתחום של דוחות קיימים כלים המאפשרים לכתוב דוחות ארגוניים באופן יחסית נוח ומהיר, כגון: Crystal Reports, SSRS.

אנשי ה-BI אמונים על ניתוח הנתונים הנצבר במאגר העצום של הארגון. חלקם עובד עם מערכות שתפקידן להתחבר למסד הנתונים ולפשט את יכולת בניית הדוחות, כגון:Business Object, Tableau ודומיו. רובם צריכים לדעת SQL לכתיבת שאילתות ישירות על מסדי הנתונים. הם אמונים על מתן תשובות לשאלות, שליפת מספרים מורכבים ככל שיהיו, והגשה ללקוחות הפנימיים של הארגון.

התמחות נוספת בתפקידי BI הינה BI Developer או Data Warehouse Engineer, שתפקידו להכין את מסדי הנתונים ואת המבנה שלהם עבור אנשי ה-BI. כלומר הוא הארכיטקט שלוקח את מסדי הנתונים בפועל, בונה מעליהם שכבה נוחה ויעילה יותר לשליפת מידע ומגיש לאיש ה-BI סט של כלים לבצע שאילתות יעילות יותר. מעבר לזה, אלה האנשים שבונים את עולמות ה-BI, מפתחים דשבורדים, והם בעיקר בצד הפיתוח.

לסיום, חשוב לציין כי הגידול העצום בכמות הנתונים הנאספים בארגון, גיוון בנתונים ותדירות כניסת המידע לארגון מוביל את הארגונים היום להיחשף לאתגר ה-Big Data, כאשר ניתוח הידני ומסורתי לא משרת את מטרות הארגון, ומחייב עבודה מול כלים לאישוש והבטחת אמינות של המסקנות BI. כאן אנחנו רואים שימוש בפלטפורמות NoSQL מגוונות, כדוגמאת Hadoop – לצרכים אנליטיים של הארגון.