ТЕНДЕНЦИИ РЫНКА СРЕДСТВ АНАЛИТИКИ И АНАЛИЗ ИСТОРИЧЕСКИХ ДАННЫХ ПРЕДПРИЯТИЙ

Макаров С.М.¹, Горелик В.И.²

¹ORCID: 0000-0002-1313-7810, Магистрант,  ²ORCID: 0000-0003-4373-9406, Магистрант, Санкт-Петербургский государственный экономический университет

ТЕНДЕНЦИИ РЫНКА СРЕДСТВ АНАЛИТИКИ И АНАЛИЗ ИСТОРИЧЕСКИХ ДАННЫХ ПРЕДПРИЯТИЙ

Аннотация

Рассмотрены основные тенденции рынка средств аналитики (Business Intelligence, прогностическая и предписывающая аналитика) и степень их текущего и будущего применения в современных компаниях. Предложена примерная структура базы данных для хранения сведений о принятых управленческих решениях для целей их последующего анализа средствами прогностической или иной аналитики. Применение анализа исторических данных позволяет выявлять возможные проблемы в используемых методах оценки, исправлять систематические неоптимальности принимаемых управленческих решений и совершенствовать процесс поддержки их принятия.

Ключевые слова: анализ данных, средства аналитики, прогностическая аналитика, управленческие решения, поддержка принятия решений.

Makarov S.M.¹, Gorelik V.I.²

¹ORCID: 0000-0002-1313-7810, Undergraduate Student, Saint-Petersburg State University of Economics, St. Petersburg, ²ORCID: 0000-0003-4373-9406, Undergraduate Student, Saint-Petersburg State University of Economics, St. Petersburg

TRENDS OF THE MARKET OF ANALYTICAL TOOLS AND ANALYSIS OF THE HISTORICAL DATA OF ENTERPRISES

Abstract

The paper considers the main trends of the market of analytical tools (business Intelligence, prognostic and prescriptive analytics) and the degree of their current and future application in modern companies. An approximate database structure is proposed for storing information on accepted management decisions for the purposes of their subsequent analysis by means of prognostic or other types of analytics. The application of the analysis of historical data enables the identification of possible problems in the applied evaluation methods, correction of the systematic non-optimality of the management decisions and improvement of the process of supporting their adoption.

Keywords: data analysis, analytical tools, prognostic analytics, management decisions, decision support.

Управленческая деятельность состоит из постоянного принятия управленческих решений, которые, чтобы быть стабильно эффективными, должны поддерживаться анализом релевантных данных. Вне зависимости от уровня принятия решения или сферы деятельности можно сказать, что объём данных будет таким, что качественный их анализ будет невозможен без использования информационных технологий. Согласно докладу компании IDC [2], общий объём данных к 2025 году увеличится в 10 раз по сравнению с 2016 годом, а доля данных, которые были созданы предприятиями, к тому времени составит 60% против 30% в 2015 году. Таким образом, вперёд в конкурентной борьбе вырвутся компании, которые преуспеют в отборе релевантных данных и в их последующем анализе в рамках контекста их использования. В таких условиях использование различных видов анализа становится уже не преимуществом, а обязательным условием процветания. Развитые компании применяют аналитику систематически и становятся аналитическими конкурентами, описанными Томом Дэвенпортом и Джоном Харрисом в [1]. Данная особенность, как правило, обходит стороной малое инвестиционное предпринимательство (стартапы), гораздо чувствительнее касаясь больших корпораций со стабильно высоким предложением товаров или услуг на рынке.

Стоит отметить, что для средств аналитики характерно развитие, опережающее потребности рынка. Это подтверждается тем, что продвинутые методы аналитики используются всегда с некоторым запозданием: так, по данным Gartner [3], в настоящее время только 10% организаций используют средства предписывающей аналитики (prescriptive analytics), но эта доля увеличится до 35% процентов согласно прогнозу Gartner, а в 2012 году только 13% пользователей средств Business Intelligence (BI) активно использовали инструменты прогностической аналитики (predictive analytics – также в литературе встречаются варианты «прогнозная», «предиктивная» «предикативная»), рынок которых сейчас демонстрируют высокие темпы роста, как будет отмечено ниже.

Также тезис прошлого абзаца подтверждается замедлением роста рынка классических видов аналитики (наблюдается рост с точки зрения пользователей при наличии ценового давления): рынок BI и аналитики по прогнозу Gartner [4] в 2017 году составит 18,3 миллиардов долларов США в 2017 году (составлял 17 миллиардов долларов в 2016), а к 2020 году достигнет 22,8 миллиардов долларов.

Что касается упомянутых выше видов аналитики, то, согласно отчёту Research and Markets [5], рынок прогностической аналитики, составлявший в 2015 году 2,74 миллиарда долларов США, покажет среднегодовой темп роста 27,4% (с учётом сложного процента – CAGR) и составит 9,2 миллиардов долларов к 2020 году, а рынок предписывающей аналитики по прогнозам Gartner [3] достигнет 1,1 миллиарда долларов США в 2020 году, продемонстрировав среднегодовой темп роста 22% (с учётом сложного процента) с 2014 года.

Прогностическая аналитика (как самостоятельно, так и в качестве составной части предписывающей аналитики) может применяться практически к любым историческим данным, поэтому, в контексте развития анализа в организации, может применяться и к истории принятых управленческих решений. В рамках совершенствования организации в сфере уровня развития и широты применения аналитики в зависимости от предметной области должно развиваться соответствующее информационное обеспечение в виде баз данных, в которых будет храниться информация о принятых ранее управленческих решениях.

При принятии решения в условиях риска, лицо принимающее решение (ЛПР) совершает выбор, не обладая полнотой информации о состоянии рынка или другой рассматриваемой области, и не способно предвидеть возможные последствия принятого решения. Итоговое представление задачи выбора для человеческого понимания наиболее удобно в виде матрицы решений, по строкам которой стоят альтернативы, по столбцам находятся критерии, а в ячейках расположены вычисленные значения функций полезности с учётом предпочтений ЛПР. В таких условиях требуется лишь определиться с критерием решения и выбрать альтернативу.

Независимо от критерия решения, в будущем полезно проводить анализ принятых управленческих решений, чтобы выявлять их возможные систематические неоптимальности или серьёзные просчёты, выяснять причины этих неоптимальностей/просчётов и проводить комплекс мероприятий по корректировке последующих актов принятия однотипных решений и профилактике ошибок. Корректировка может состоять в изменении метода принятия решения или в пересмотре предпочтений при оценке критериев.

Что касается информационного обеспечения анализа принимаемых решений, то здесь возможно создание и ведение базы данных, общая структура которой предлагается в виде EER (enhanced entity-relationship) диаграммы на рис. 1.

Рис. 1 – EER диаграмма базы данных

 

Каждая из представленных таблиц может быть расширена дополнительными полями (например, тестовым полем для комментария), а типы полей установлены в зависимости от требований, предъявляемых хранимым типом данных и организацией. Все таблицы содержат ключ (id), таблицы верхнего уровня – название хранимых данных, а также поле, поясняющее их сущность, а таблицы показателей и критериев дополнительно содержат поля для названия единиц измерения. Таблицы нижних уровней содержат уникальный индекс, состоящий из ключей таблиц, которые связаны с искомой связью «один-ко-многим».

Содержание таблиц:

1. «Критерии»: содержит критерии, по которым оцениваются альтернативы (например, «предполагаемый доход»).
2. «Варианты»: включает список вариантов, которые могут рассматриваться как альтернативы (например, «оставить цену прежней»).
3. «Решения»: содержит запись управленческого решения (например, «продуктовая политика на месяц»).
4. «Прогнозы»: отражает состояние рынка или экономическую ситуацию (например, «оптимистичный»).
5. «Показатели»: содержит экономические показатели (например, «объём спроса в сегменте»).
6. «Значения»: включает в себя значения экономических показателей для каждого вида прогноза.
7. «Альтернативы»: содержит оценки вариантов действий по каждому управленческому решению в рамках прогноза. Для целей будущего анализа туда включаются данные о сделанном выборе и о том, какой выбор оказался оптимальным постфактум.
8. «Оценки»: включает значения по каждому критерию и их оценку, а также оценку постфактум для целей анализа.

Оценки альтернатив соответствуют вектору глобальных приоритетов из метода анализа иерархий, а оценки по критериям – таблицам оценки критериев. Хранение предпочтений ЛПР не считается необходимым для целей анализа.

Полное ручное заполнение базы невозможно, поэтому потребуется разработка дополнительного скрипта, позволяющего экспортировать данные из используемой в организации системы поддержки принятия решений (СППР). При повторном экспорте данные либо перезаписываются, либо заполняют оценки постфактум. В зависимости от особенностей используемой СППР и критерия решения, можно исключать или оставлять пустыми некоторые поля или же включать новые.

Таким образом, прогнозы и текущие состояния рынка подтверждают высокую роль продвинутых средств аналитики в обеспечении конкурентоспособности предприятий, а применение прогностического или другого вида анализа к историческим данным о принятых решениях и их результатах позволит выявлять проблемные моменты в процессе поддержки управленческих решений и проводить корректирующие мероприятия в целях совершенствования процесса их принятия, а также выявления новых возможностей и развития уровня аналитики предприятия.

Список литературы / References

1. Competing on Analytics: The New Science of Winning / Thomas H. Davenport, Jeanne G. Harris – Harvard Business Review Press, 2007. – 240 p.
2. Data Age 2025: The Evolution of Data to Life-Critical. Don’t Focus on Big Data; Focus on the Data That’s Big [Electronic resource] / David Reinsel John Gantz John Rydning // An IDC White Paper – April 2017 – URL: http://www.seagate.com/www-content/our-story/trends/files/Seagate-WP-DataAge2025-March-2017.pdf (accessed: 16.05.2017).
3. Data Analytics Top Trends In 2017. What is 2017 going to bring for analytics? [Electronic resource] // URL: https://channels.theinnovationenterprise.com/articles/data-analytics-top-trends-in-2017 (accessed: 16.05.2017).
4. Gartner Says Worldwide Business Intelligence and Analytics Market to Reach $18.3 Billion in 2017 [Electronic resource] // URL: http://www.gartner.com/newsroom/id/3612617 (accessed: 16.05.2017).
5. Predictive Analytics Market by Business Function, Applications, Organization Size, Deployment Model, Vertical, & by Region - Global Forecast to 2020 [Electronic resource] // URL: http://www.researchandmarkets.com/research/6lwl3d/predictive (accessed: 16.05.2017).