תוכן עניינים:
- בינה עסקית ופיתוח מערכות BI
- תחומי עניין וידע חשובים כדי להיכנס לעולם בינה עסקית
- האתגרים בעולם הבינה העסקית
- מה נדרש בכדי להיות מפתח BI מקצועי
- מסלול ההכשרה של נאיה קולג’ למקצוע מפתחי מערכות BI
על מה אנו מדברים כשאנחנו שומעים את המושג בינה עסקית ופיתוח מערכות מידע או BI
עולם ה- BI (בינה עסקית) – Business Intelligence מתייחס לתחום Data Platform וכשמדברים על פיתוח או ניתוח מערכות BI אנחנו מדברים על מצב שבו איש BI גוזר, טוען ומטייב נתוני מקור והופך אותם לידע.
בארגונים ישנן כיום הרבה מערכות מידע: ERP, CRM, מערכות בתחום הכספים, מערכות ייעודיות לתחום תפעול ועוד, ואנחנו מתייחסים למערכות מידע אלו לרוב כאל איי נתונים שאין ביניהם קשר.
מטרת תחום ה-BI הינה לאסוף את הנתונים ממקורות שונים בארגון, לדאוג לקשר אפשרי בין הנתונים, גם אם זה נשמע או נראה בלתי אפשרי ולתת למשתמשים בארגון או מחוצה לו מחנה משותף של מידע ושיוכלו לתחקר אותו גם אם המידע מגיע ממערכות שונות, בעצם התחום מאפשר לבצע ניתוח נתונים על ידי ניתוח מערכות BI.
לדוגמא: כאשר נכנס עובד X למשרד בבוקר ומעביר כרטיס נוכחות, לאחר מכן יוצא לפעילות כלשהי בשטח, או נכנס למחשב ומבצע שינויים כלשהם במערכות כאלו ואחרות, מתעד שיחה עם לקוח ומבצע מכירה, אנחנו יכולים בפעולה אחת לאסוף גם את הנתונים ממערכת גיוס בה ישנן פרטים על כרטיס עובד, גם ממערכות הליבה כגון CRM או מערכת תפעולית, ולייצר תזרים (Flow) עסקי שמשקף את כל המידע ביחד אודיותיו.
דוגמא זו נשמעת הרבה פעמים כמשהו שהוא על גבול של בלתי אפשרי – אבל הוא אפשרי בהחלט. תהליך BI שכזה קורה כיום כמעט בכל ארגון במיוחד בארגונים אשר מעיזים מעבר לסטנדרטיזציה של העולם המידע הרגיל ומאמצים טכנולוגיות וכלים חדשניים.
תחומי עניין וידע חשובים כדי להיכנס לעולם בינה עסקית וניתוח מערכות BI
עבודתם של אנשי BI דורשת מיומנויות וידע בתחום טכנולוגי, עסקי ואנליטי. על איש בינה עסקית להיות בקיא ברמה מאוד גבוהה על מנת לספק שירות מקצועי לגורמים בארגון ומחוצה לו בתחומים הבאים:
- לצורך תחקור של המידע מהמערכות נדרשת שפת SQL. שפה זו משותפת לא רק למיקרוסופט אלא גם לאורקל ומסדי נתונים רבים נוספים, ההבדלים בשפה בין הסביבות לא גדולים. מה עושים עם השפה:
- באמצעות שפה זו מתחקרים את המידע ומתכננים את מסד הנתונים.
- בניית את ה-Design – של מסד הנתונים כדי לשמור בו כמויות גדולות של מידע שיכולות להגיע למיליארדי שורות, ולדאוג לכך שניתן יהיה להמשיך לתחקר אותו בקלות.
- בניית פרוצדורות ולכתיבת פונקציות ליצירת קשרים נכונים בין הטבלאות, כך שיאפשרו לנו לבצע תחקור של דאטה. למשל: לאפשר לאיש ה-BI לתת מידע על מכירות של עובד ספציפי לתקופה מסוימת לפי מספר העובד שלו.
- התשתית לעבודה עם הנתונים הינה בסיס הנתונים (Database) שמכיל את כל המידע הארגוני. על מנת לא לפגוע בליבה של הארגון, אנשי BI עובדים עם מחסן נתונים – Data Warehouse) DWH) בו מרכזים את כל הנתונים שנאספים מהמקורות השונים בארגון. חשוב שאיש ה-BI ידע כיצד לבנות DWH נכון כדי שהדוחות, בשלב האחרון של תהליך העבודה שלו, יהיו זמינים ונכונים. כך, מחסן הנתונים צריך לקלוט את הנתונים פנימה בצורה נכונה כדי לבנות את ה- Dashboard הנכון וקל לשימוש, ולאפשר למשתמשים לא טכנולוגיים, כגון: מנהלים בדרגים שונים בארגון, מנכ”ל, סמנכ”ל ואחרים, לבצע תחקור של הנתונים בצורה קלה ונוחה.
- Integration Services – SSIS – כלי מבית מיקרוסופט שיודע לגזור נתונים מכל מקור. זהו כלי של הובלת הנתונים, שמאפשר התחברות לכל מסד נתונים שיש בארגון ולהביא את הנתונים למחסן הנתונים (DWH), בכדי שניתן יהיה לעשות את המניפולציות הנדרשות על הנתונים ולשגר אותם לטבלאות בסופו של דבר. תהליך ETL – Extract/Transact/Load – זהו תהליך של גזירת הנתונים מהמערכות התפעוליות בארגון, טרנספורמציות ומניפולציות על הנתונים. כלומר, טיוב הנתונים וטעינה שלהם למחסן הנתונים (DWH).
- Tabular Model – תהליך מידול נתונים שמטרתו ניתוח רב מימדי. דוגמא פשטנית להמחשה הוא ה- Pivot Table באקסל, באמצעותו ניתן לסדר שורות ועמודות עם חתכים שונים של המידע על מנת להציג את התוצאה המסכמת. Analysis לוקח את המשימה הזו בצורה רוחבית ומתייחס למידע כלל ארגוני. מדובר במערכת שלמה, מערכת Enterprise שקל לגבות אותה, הטוענת בצורה עצמאית את הנתונים הנדרשים לתחקור, ומציגה את התוצאה. הכלי מאפשר לבנות מודל עצמאי ולבצע אינטגרציה שלו עם כלי ויזואליזציה, ביניהם אחד המובילים – Power BI – הטכנולוגיה החדשה של מיקרוסופט, המאפשרת למשתמשים לבצע תחקור באופן עצמאי – Self Service למשתמשים הסופיים בארגון.
- שפת Python – שפה המאפשרת להוביל תהליך ETL מקצה לקצה במספר שורות קוד. שפה מאוד יעילה וקלה ללמידה, המאפשרת לעבוד עם מקורות מידע רבים ומגוונים, לבצע מניפולציות על דאטה, לבצע ויזואליזציה ותחקור נתונים.
ניתן לסכם את המסע שעובר איש ה- BI בכמה שלבים עיקריים שלהלן:
- שלב של עבודה על מסד הנתונים וטעינה של הנתונים אליו. המשימה כאן להביא את הנתונים פנימה ולבצע תהליכי ETL.
- שלב של בניית המודלים. למעשה מדובר בהבאת נתונים רלוונטיים לבעיה עסקית או שאלה עסקית שנשאלה, חיבור בין טבלאות שונות של המידע רלוונטי, והמודל שיש לבנות כדי לנתח את המידע הזה ולתת תשובה לבעיה עסקית. בבנייה של המודל חשוב להתייחס לשרידות של המודל לאורך זמן ממושך, ליכולת המודל להכיל כמות גדולה של מידע וגם ליכולתו לתת מענה לכמות גדולה של משתמשים (לדוגמא אם יש בו זמנית 100 משתמשים – האם המודל יוכל לתת מענה לכולם באותו הרגע).
- שלב טיוב המודל. תוך כדי העבודה בשלב זה, מתחדדות בקשות, מתווספות בקשות של עוד עמודות, עוד שדות, עוד גרפים, ומשימתו של איש ה- BI לחדד את המודל, להרחיב ולעבות אותו בהתאם לצורך – להוסיף קשרים לעולמות תוכן חדשים, להוסיף מדדים חדשים, לחבר בין מודלים ובין טבלאות.
- השלב האחרון הוא להפוך את הדאטה שהופיע בצורה טבלאית לצורה ויזואלית – השלב הכי מעניין – מדובר בכל אותם הדוחות היפים שמציגים למשתמשים. זוהי נקודת המפגש בין הצרכים העסקיים של המשתמשים והתוצר של שלושת השלבים הקודמים בעבודתו שך איש פיתוח מערכות ה- BI.
צפו בקטע משיעור העוסק ב-ETL
האתגרים בעולם הבינה העסקית
אז כשאנחנו מדברים על עולם המידע והויזואליזציה, אנחנו מדברים על עולם תוכן מאוד מאתגר. מעבר לאתגרים הטכנולוגיים, האתגרים הניתוחיים, האתגרים העסקיים, לאנשי BI אחד האתגרים המרכזיים – הוא כמויות המידע. כמויות המידע הן עד כדי כך גדולות שזמן הגיבוי שלהן הוא כמעט בלתי אפשרי (קשה לגבות 40 טרה של מידע בזמן קצר אם בכלל), בנוסף כמות המידע שנכנס ברגע נתון לארגון היא ענקית.
בסביבה הרגילה איש BI רגיל לעבוד על נתוני BI עדכניים בשעות הבוקר המוקדמות, העבודה על המידע בד”כ מתרחשת בין 24:00-04:00, בשעות אלו המידע מועבר לסביבת ה-BI ומתחיל תחקור הנתונים. אך מה קורה כשכמות המידע היא כזאת גדולה שהזמן הזה של 4 שעות לא מספיק כדי לטעון את כל המידע הזה? כאן מגיע האתגר השני המשמעותי בסביבה של BI – לא מדובר רק כמות המידע בגדולה, אלא כמות הדלתא של המידע – המידע שהתווסף בנקודת זמן מסוימת.
האתגר הנוסף הינו החשיפה לסוגים שונים של מידע, סוגים חדשים של מידע, שלא ניתן לסדרם בטבלאות הנתונים הרגילות. כמו למשל: מידע של SMS שמתקבלים, מיילים, וידאו, לייקים בפייסבוק ועוד ועוד. מידע שכזה אינו מידע סטנדרטי שאפשר לסדר אותו בטבלא, וכאן האתגר הוא להפוך את המידע הזה לכזה שהמשתמשים בארגון יוכלו לתחקר אותו.
האתגרים האלה מובילים אותנו למונח החם ביותר כיום בעולם הנתונים – Big Data שזהו למעשה האתגר הטכנולוגי שעומד בפני הארגון ברגע שזיהה את האתגרים שרשמנו קודם לכן.
המענה הטכנולוגי לאתגר זה – הוא מערכות NoSQL, בסיסי הנתונים בסביבה של ביג דאטה, שמסוגלים להכיל כמויות גדולות מאוד של מידע, שנכנס בפרק זמן מאוד קצר, וסוגים של נתונים שלא ניתן לסדר בטבלאות המוכרות העולם הרלציוני. גם בסביבת ביג דאטה, אנשי BI עושים את עבודתם הנאמנה, וניתן לומר שזו בהחלט קפיצת מדרגה מקצועית, מעניינת ומאתגרת.
אתגר נוסף הוא איך להנגיש את תוצאות המחקר למשתמשים השונים בארגון. כלומר, לא רק גזירה של הנתונים והפיתוח אליו התייחסנו קודם, אלא איך מציגים את המידע למשתמשים, כך שיהיה קל לקריאה/הבנה, ברור ואף מושך ומעניין.
תפקידו של איש ה- BI לייצר דוח שנדע להסביר אותו וגם שיהיה מספיק יפה וחדשני על המסך ואף מתקדם וחדשני יותר בנראות שלו. המסכים הללו מכילים פילטרים לנושאים שונים בהם דנים מבחינה עסקית, ניתן לסנן את המידע, להביא מידע נוסף לניתוח, וכל זאת אונליין תוך כדי פגישה בנושא המכירות לדוגמא, ניתן להציג מצבים שונים, חיתוכים שונים של מידע והכל בצורה מאוד ברורה ופשוטה להבנה עבור מנהלים ומשתמשי קצה שאינם טכנולוגיים.
קיימים בשוק מספר פתרונות לנושא ויזואליזציה, שמביאים איתם כמובן גם את ניתוח מערכות bi והתחקור ברמה גבוהה.
מקור: https://public.tableau.com/app/profile/dan.chissick
מדובר באותן מערכות מידע או כלי BI ש”מתלבשים” על בסיס הנתונים הארגוני ובלחיצת כפתור מציגים את ניתוחי נתונים הנדרשים. הכלים המובילים כיום כגון: Tableau, Power BI, Sisense ועוד, נמצאים היום כמעט בכל ארגון.
כלים אלה מאפשרים למשתמשים לעבוד מול מסכים שבנויים בצורה מאוד אינטואיטיבית ופשוטה, כשמאחורי הקלעים רצים תהליכי BI מורכבים ופותרים את כל אותם האתגרים שדיברנו עליהם קודם.
מה נדרש בכדי להיות מפתח BI מקצועי:
- לא מספיק להיות רק טכנולוג טוב, חייבים להכיר את העולם העסקי. איש BI צעיר יידרש ללמוד את עולם התוכן של הארגון בו עובד, ולעבוד בשיתוף פעולה עם גורמים רלוונטיים בתוך הארגון על מנת לבנות פתרון BI מתאים לארגון.
- איש BI נדרש להגיע עם ידע ויכולות פיתוח ברמה גבוהה, הרי שזה עיקר תפקידו. מאיש BI נדרש להיות מפתח SQL ברמה גבוהה כדי לתכנן ולבנות נכון את הטבלאות, לכתוב שאילות מורכבות ויעילות, לדאוג לביצועים גבוהיים ומהירים של בסיס הנתונים.
- חשוב להיות בעל ידע ויכולות אנליטיקס בעולם המודרני, כלומר- להכיר כלי BI חדשניים, ולדעת לעבוד עם נתוני Big Data.
מסלול ההכשרה של נאיה קולג’ למקצוע מפתחי מערכות BI
במהלך מסלול ההכשרה במכללת נאיה אנו עוברים על כל השלבים של בניית בסיס הנתונים, טעינת הנתונים, בניית הטבלאות, המודל ולבסוף אנחנו מגיעים לבניית הדוחות שזוהי גולת הכותרת של תהליך ה-BI, זאת מאחר המשתמשים בארגון (מנכ”ל, סמנכ”ל, אנשי מכירות, מנהלים בתחומים שונים ואף העובדים במחלקות שונות) אינם רואים את התהליך הטכנולוגי המורכב שעושה איש ה- BI, שהוא מרתק בפני עצמו, אלא רק את הדוחות הסופיים, לא משנה באיזו פלטפורמה הם נמצאים.
כאשר מתייחסים לבינה עסקית האתגרים שציינו קודם הינם חלק מהותי נוסף במסלול ההכשרה.
האתגר של ויזואליזציה – אחד הנושאים החשובים שמדגישים גם כן במסלול. במהלך המסלול אנחנו מציגים לעומק את הכלי Tableau – כלי תחקור מוביל כיום על פי גרטנר. וכמובן מלמדים גם את הכלי המתחרה – PowerBI.
השלב האחרון במסלול הכשרה זה הוא לימוד שפת Python כולל את החבילות שלה לעבודה לטיפול בדאטה. שלב זה בקורס מקנה ידע התחלתי לכתיבת קוד פייתון ויכולת מניפולציה על דאטה.
אנחנו מלמדים את הטיפים והטריקים בעבודה עם הדוחות, הגרפים והמידע, Best Practices איך לסדר את המידע על המסך, האם להשתמש בגרף כזה או אחר או רכיבים אחרים ועוד. מסלול ההכשרה כולל פרויקט סיום מסכם אותו מגישים למדריך ומכיל רכיבים שונים של המסלול, החל מתחילת הקורס ועד לנושאים האחרונים שלומדים. פרויקט זה ייחודי בזכות הביצוע בכיתות המכללה בליווי המדוקדק של מנטור בכיתות המכללה.
לנו מאוד חשוב לוודא שהסטודנטים מבינים את השלבים השונים, מה המשמעות הטכנולוגית וגם העסקית של כל שלב ולכן הליווי האישי והמקצועי של מנטור הינו הכרחי.
לחצו כאן ובדקו איזה קורס הכי מתאים לכם או צרו איתנו קשר ונעזור לכם להשתלב בעולם ה BI בצורה הטובה ביותר.
לצפייה בוובינר מקצועי אודות הכשרת – Business Intelligence Expert:
