Business Intelligence

Zajímavost ze světa 

Datový sklad se od běžné provozní databáze liší tím, že je uspořádán podle oblastí podnikání a uchovává historii, takže slouží k analýze, ne k zápisu denních transakcí.[1] 

Co v článku najdete 

• Co je Business Intelligence a k čemu slouží 
• Jaký je vztah mezi BI a ERP 
• Co je datový sklad a proč ho BI potřebuje 
• Co je ETL a jak se data dostanou do skladu 
• Co je OLAP a jak se v datech analyzuje 
• Jaký je rozdíl mezi reportingem a analytikou 
• Pro koho je Business Intelligence určená 
• Jaké chyby firmy při zavádění BI nejčastěji dělají 
• Jak BI vypará ve výrobní firmě 

Co je Business Intelligence a k čemu slouží 

Business Intelligence je sada nástrojů, postupů a databází, které firmě pomáhají měnit data na informace užitečné pro rozhodování [1]. Data vznikají v provozních systémech, jako je ERP nebo výrobní systém, a sama o sobě nedávají manažerovi rychlou odpověď. BI je sebere, propojí a uspořádá tak, aby z nich šlo číst trend, srovnání a výkon. 

Cílem BI je, aby se firma rozhodovala podle faktů a měření, ne podle dojmu nebo zkušenosti jednotlivce. Firmy, které tento přístup zvládnou, dokážou z dat udělat konkurenční výhodu, protože vidí dříve a přesněji, co se v provozu i na trhu děje [2]. 

BI nepoužívá jen vedení firmy. Obchod sleduje marže a plnění plánu,kvýroba zmetkovitost a využití strojů, finance vývoj nákladů. Každé oddělení se dívá na stejná data jen jinou optikou. Společné mají to, že podklady čerpají z jednoho ověřeného zdroje, ne z ručně slučovaných tabulek [1]. 

Jaký je vztah mezi BI a ERP 

ERP a BI se doplňují. ERP je provozní systém, do kterého firma každý den zapisuje objednávky, faktury a výrobní příkazy a řídí podle něj běžný chod [3]. BI z těchto dat čerpá a staví nad nimi přehledy, aniž by zatěžovalo provozní databázi náročnými dotazy. 

Hledisko	ERP systém	Business Intelligence
Hlavní úloha	Řízení denního provozu firmy	Analýza dat a podklady pro rozhodování
Práce s daty	Zápis a změna transakcí	Čtení, srovnání a vyhodnocení
Pohled na čas	Aktuální stav	Historie a trend v čase
Typický uživatel	Účetní, skladník, plánovač	Manažer, analytik, vedení

Zdroj: Monk, E., Wagner, B. (2013). Concepts in Enterprise Resource Planning. Cengage.

Bez ERP by BI nemělo z čeho čerpat, bez BI by data v ERP zůstala jen výpisy. Teprve spojení obou rovin dává vedení firmy přehled, který se opírá o reálné provozní záznamy [3]. Důležité je, že BI nezasahuje do provozu. ERP dál řídí denní chod a BI nad jeho daty staví samostatnou vrstvu pro analýzu, takže náročné dotazy nezpomalují práci účetních ani plánovačů [1]. 

Co je datový sklad a proč ho BI potřebuje 

Datový sklad je samostatná databáze postavená přímo pro analýzu. Na rozdíl od provozní databáze je uspořádaná podle oblastí podnikání, uchovává historii a slouží ke čtení, ne k zápisu denních transakcí [1]. Díky tomu jdou nad ním spouštět náročné dotazy, aniž by zpomalovaly běžný provoz. 

Dobrý návrh datového skladu vychází z procesů firmy. Pojmenuje, co se měří, tedy fakta jako tržby nebo počet vyrobených kusů, a podle čeho se to sleduje, tedy dimenze jako čas, zákazník nebo výrobek [1]. Tomuto uspořádání se říká dimenzionální model a tvoří základ srozumitelných přehledů. 

Pojem	Co znamená
Datový sklad	Databáze pro analýzu uspořádaná podle oblastí podnikání
Fakt	Měřený údaj, například tržba nebo počet kusů
Dimenze	Hledisko pohledu, například čas, zákazník nebo výrobek
Datový trh	Výřez skladu zaměřený na jedno oddělení nebo téma

Zdroj: Kimball, R., Ross, M. (2013). The Data Warehouse Toolkit. Wiley.

Co je ETL a jak se data dostanou do skladu 

Aby data z provozních systémů byla v datovém skladu použitelná, musí projít procesem ETL. Zkratka znamená extrakce, transformace a načtení [1]. Data se nejdřív vyzvednou ze zdrojů, pak se vyčistí a sjednotí a nakonec se uloží do skladu v podobě připravené k analýze. 

• Extrakce: vyzvednutí dat z ERP, výrobního systému nebo dalších zdrojů 
• Transformace: vyčištění, sjednocení formátů a doplnění chybějících vazeb 
• Načtení: uložení připravených dat do datového skladu 

Právě transformace bývá nejnáročnější část. Data z různých systémů totiž často popisují stejnou věc jinak a teprve sjednocení z nich udělá jeden ověřený zdroj pravdy [1]. Pokud firma tuto fázi podcení, dostane rychlé přehledy postavené na nekonzistentních datech, kterým se nedá věřit. 

ETL obvykle běží v pravidelných dávkách, například každou noc, kdy se do skladu nahrají nová data z předchozího dne. Pro většinu manažerských přehledů to bohatě stačí, protože pracují s trendem za delší období, ne s každou jednotlivou transakcí [1]. Kvalita tohoto procesu rozhoduje o tom, zda budou pozdější přehledy spolehlivé, proto se vyplatí věnovat mu pozornost hned na začátku. 

Co je OLAP a jak se v datech analyzuje 

Nad datovým skladem pracuje analytické zpracování označované zkratkou OLAP. Umožňuje dívat se na data z více hledisek najednou a rychle mezi nimi přepínat [1]. Manažer si tak zobrazí tržby podle měsíce, pak je rozpadne podle regionu a vzápětí podle výrobku, aniž by čekal na nový report. 

Tomuto pohledu na data z více stran se říká datová kostka. Uživatel se v ní pohybuje, sčítá údaje do vyšší úrovně nebo naopak rozbaluje detail [1]. Díky tomu lze odpověď na otázku hledat interaktivně, ne čekáním na nově naprogramovaný výpis. 

Operace	Co dělá
Rozpad detailu	Zobrazí jemnější úroveň, například z roku na měsíc
Sloučení nahoru	Sečte data do vyšší úrovně, například měsíce do roku
Řez	Vybere jednu hodnotu dimenze, například jeden region
Otočení pohledu	Prohodí hlediska v tabulce, řádky za sloupce

Zdroj: Kimball, R., Ross, M. (2013). The Data Warehouse Toolkit. Wiley.

Jaký je rozdíl mezi reportingem a analytikou 

Pojmy reporting a analytika se často zaměňují, přitom míří jinam. Reporting odpovídá na otázku, co se stalo, a poskytuje pravidelné přehledy o minulosti. Analytika jde dál a hledá, proč se to stalo a co se z toho dá předpovědět [2]. 

Hledisko	Reporting	Analytika
Hlavní otázka	Co se stalo	Proč se to stalo a co bude dál
Forma	Pravidelné přehledy a tabulky	Hledání souvislostí a modely
Pohled na čas	Minulost a současnost	Předpověď a scénáře
Náročnost	Nižší, často automatická	Vyšší, vyžaduje analytika

Zdroj: Davenport, T., Harris, J. (2007). Competing on Analytics. HBR Press.

Většina firem začíná reportingem, protože dává rychlý přehled a snadno se zavede. Skutečnou výhodu ale přináší až analytika, která pomáhá rozhodovat dopředu, ne jen popisovat minulost [2]. 

Pro koho je Business Intelligence určená 

BI není jen pro velké korporace s vlastním analytickým oddělením. Hodí se každé firmě, která už sbírá data v ERP nebo ve výrobě a chce z nich číst víc než jen běžné výpisy [2]. Výrodobní firma v ní sleduje zmetkovitost a využití kapacit, obchodní firma marže a plnění plánu. 

Klíčová není velikost firmy, ale ochota stavět rozhodování na datech. Firmy, které k analytice přistupují systematicky a opírají o ni i strategii, z ní dokážou udělat trvalou výhodu oproti konkurenci, která se rozhoduje od oka [2]. Pro výrobní podnik je přirozeným zdrojem dat propojení ERP a výrobního systému MES Manta, které dohromady popisují celý tok od zakázky po stroj. 

Jaké chyby firmy při zavádění BI nejčastěji dělají 

• Stavba přehledů nad neuklizenými daty, kterým pak nikdo nevěří 
• Příliš mnoho ukazatelů bez jasné vazby na cíle firmy 
• Záměna pěkné vizualizace za skutečnou analytickou hodnotu 
• Žádný jednotný zdroj pravdy, každé oddělení počítá čísla po svém 
• Nasazení nástroje bez úpravy procesů a bez zapojení uživatelů 

Většině těchto chyb se firma vyhne, pokud k BI přistupuje jako k práci s daty a procesy, ne jako k nákupu grafického nástroje. Hodnotu totiž netvoří hezký graf, ale důvěryhodná data a jejich napojení na rozhodování [2]. 

Jak BI vypadá ve výrobní firmě 

Ve výrobě má BI dva hlavní zdroje dat. ERP dodává zakázky, náklady a sklady, výrobní systém dodává data přímo z dílny, jako jsou prostoje, zmetky a využití strojů [3]. Teprve jejich propojení dá vedení obraz, který spojuje peníze se skutečným chodem výroby. 

Praktický příklad takového propojení ukazuje optimalizace výrobních procesů s Heliosem, kde data z provozu slouží jako podklad pro řízení a plánování. Podrobněji rozdíl mezi pohledy popisuje heslo manažerský dashboard, který tato data zobrazuje vedení. 

Pro výrobní firmu má BI ještě jeden přínos. Pomáhá najít skrytá místa, kde se ztrácí čas nebo peníze, třeba opakované prostoje na jednom stroji nebo zakázky, které sice vypadají výhodně, ale po započtení všech nákladů nevydělávají. Taková zjištění jsou možná jen tehdy, když se data z výroby a financí dají dohromady a vyhodnocují společně [2]. 

Reporting a BI nad systémem Helios 

Business Intelligence má smysl jen tehdy, když stojí na ověřených datech z provozu. Společnost NVSP dodává ERP Helios a pomáhá nad ním postavit reporting i analytické přehledy, které vedení firmy ukážou skutečný stav financí, skladů a výroby. Prohlédněte si nabídku produktů NVSP a nezávazně proberte, jak z vašich dat získat podklady pro lepší rozhodování. 

Shrnutí 

Business Intelligence je sada nástrojů a postupů, které mění data z firemních systémů na přehledy pro rozhodování. Páteří bývá datový sklad, do kterého se data přenášejí procesem ETL a nad kterým se analyzuje pomocí OLAP. BI navazuje na ERP, ze kterého čerpá data, a doplňuje ho o pohled na historii a trend. Důležitý je rozdíl mezi reportingem, který popisuje minulost, a analytikou, která hledá příčiny a předpovídá. Hodnotu netvoří hezký graf, ale ověřená data napojená na rozhodování. BI se hodí každé firmě, která už data sbírá a chce z nich vytěžit víc. 

Časté otázky 

Co znamená zkratka BI 

BI je Business Intelligence, tedy soubor nástrojů a postupů, které mění data z firemních systémů na přehledy a ukazatele pro rozhodování [1]. 

Je BI to samé co ERP 

Není. ERP je provozní systém pro řízení denního chodu firmy, BI nad jeho daty staví analytické přehledy. ERP data zapisuje, BI je vyhodnocuje [3]. 

Potřebuje BI vždy datový sklad 

Pro spolehlivou analýzu ano. Datový sklad uchovává historii a uspořádá data podle oblastí podnikání, takže přehledy nezatěžují provozní databázi a opírají se o jeden ověřený zdroj [1]. 

Použité zdroje a literatura 

Knihy a učebnice 

[1] Kimball, R., Ross, M. (2013). The Data Warehouse Toolkit. 3. vydání. Wiley. ISBN 978-1118530801. 

[2] Davenport, T., Harris, J. (2007). Competing on Analytics. The New Science of Winning. HBR Press. ISBN 978-1422103326. 

[3] Monk, E., Wagner, B. (2013). Concepts in Enterprise Resource Planning. 4. vydání. Cengage. ISBN 978-1111820398.