Documente Academic
Documente Profesional
Documente Cultură
Instrumente de Business
Intelligence si Business Analytics
Cuprins
BA – termen utilizat pentru a desemna instrumente si tehnici de analiza a datelor stocate in depozite de
date (Data Warehouse), in scopul optimizarii proceselor si practicilor de business.
Mediul de
business
Depozitare
Big Data BA
Instrumente si
tehnici pentru
Seturi de date nestructurate
/ semistructurate, de volume analiza BI
enorme, provenite din trafic datelor.
Web, continut Social Media, (Big Data)
e-mail, sisteme de
eCommerce, care nu pot fi
procesate si analizate cu Integrare Raportare
baze de date conventionale
pentru management
(DBMS).
Infrastructura Business Intelligence.
Data Warehouse si Data Mart
Data
Warehouse
Web site
Staging Area
Validari - faza Loading
Baze de date - cheile de control nu sunt
NoSQL nule sau lipsesc
Validari –faza Transforming - dimensiunea tabelelor este
- filtrare dupa anumite criterii aceeasi ca in sursa lor
Validari – faza Extraction
- standardizare date - verificare valori variabile si
- corelare date cu sursele de date
- conversie unitati de masura, alocare modul de calcul al lor
- verificare spam sau date corupte
dimensiune campuri
- eliminare date duplicate/fragmentate
- marcare campuri obligatorii
- verificare chei de legatura
- transpunere tabele, split/merge
coloane/ linii
NoSQL -
Baze de date non-relationale, impartite pe
diverse servere, pentru aplicatii care sunt
accesate de oriunde de pe glob.
Business Intelligence – componente
1. EXTRAGEREA
DATELOR BRUTE
2. CONSOLIDAREA
Date curente si
DATELOR
istorice din companie
(vanzari, profit,
Integrarea diferitelor
pierderi etc) + date
BD si crearea
externe.
legaturilor dintre ele.
BI
3. ACCES SI ANALIZA
DATE
Interpretarea, 4. RAPOARTE SI
prelucrarea datelor, TABLORI DE BORD
trenduri, tipare de (DASHBOARDS)
evolutie a datelor
Infrastructura Business Intelligence.
Data Warehouse si Data Mart
Data Mart
Un subset al Data Warehouse care sumarizeaza date
dintr-o zona specifica a organizatiei, plasandu-le intr-o Exemplu:
baza de date separata (Data Mart) pentru o anumita O companie dezvolta Data Mart pentru marketing si
categorie de utilizatori. vanzari care include:
Serie de date pentru punctele de vanzare cu amanuntul
Date in magazinele fizice.
operationale Serie de date pentru depozitul central de produse.
Serie de date pentru vanzarile prin magazinul virtual.
Date istorice
Date Utilizatori
audio/video constanti
Instrumente Business Analytics
OnLine Analytical Processing (OLAP). Data
Mining
OLAP - utilizează bazele de date multidimensionale, construite de regulă din date istorice sau date care provin
din diverse surse, integrand informaţii din surse eterogene, de tipuri şi naturi diferite.
Baza de date multimensionala contine: Date - simboluri care descriu o entitate (ex: numele unui fisier Word) si
Metadate (“date despre date”) – date care definesc provenienta datelor, algoritmii de agregare, termeni
economici, formule de calcul indicatori, status date (sterse, arhivate), etc.
OLAP- instrument pentru analiza multidimensionala a datelor, facilitand:
a) vizualizarea informatiei din perspective (dimensiuni) multiple;
b) access instantaneu;
c) manipulare facila a datelor. Caracteristici ale OLAP:
- Vizualizarea datelor prin mai multe dimensiuni - date din sisteme
multiple (vanzari, productie, stocuri), vizualizate dupa criterii multiple
(pret, regiune, discount, timp, client, canal de distributie).
- Analiza trendului unor indicatori/procese pe intervale de timp.
- Analiza in profunzime a unor indicatori (drill-down).
- Extragerea unor subseturi de date pentru vizualizare.
- Suport pentru calcule analitice complexe, la diferite niveluri de agregare a
datelor.
Exemplu:
O companie de accesorii auto vinde 3 tipuri de produse, in regiunile de est, vest si sud, folosind canale de vanzare
fizice si online. Daca managerul de vanzari doreste sa stie ce cantitate din produsul 1 a fost vanduta in
trimestrul trecut, in zona de est, prin magazinele fizice, va consulta baza de date de vanzari.
Dar daca doreste sa cunoasca ce cantitate din fiecare produs, a fost vanduta in fiecare zona de vanzare, pe fiecare
canal de vanzari, in luna iunie a anului curent, comparativ cu luna iunie a anului trecut si sa evalueze aceste
vanzari in functie de prognozele de care dispune pentru urmatorul semestru – va folosi instrumente de analiza
multidimensionala.
OnLine Analytical Processing - OLAP
Functionalitati OLAP:
Organizarea si vizualizarea datelor in - Rapoarte multidimensionale, cu
depozitul de date (DW) se face intr-o informatii obtinute din surse diferite
structura multidimensionala – (BD relationale, non-relationale etc) –
HIPERCUB, format din: vanzari totale produs X, prin canalul de
- Masuri numerice sau fapte (celule vanzare Y, in perioada Z…).
ale cubului). - Comparatii – abaterea medie a
- Dimensiuni (fatete ale cubului). vanzarilor din iunie 2021, comparativ cu
iunie 2020, pentru produsul x, y si z.
- Agregari date – rezumate ale datelor
Masuri numerice – reprezentari calculate anterior (venituri realizate in
cantitative ale unui proces, fenomen, magazinele din nordul regiunii, pe
activitate, indicator (volum vanzari, cost fiecare judet in parte). Masuri (fapte)
total de productie, buget publicitate, Volum vanzari produs P1, P2, P3.
campanie de promovare). Masurile se - Clasificari, profiluri statistice -
clasifica dupa dimensiunui. volumul vanzarilor pentru clientii din
categoria 20-30 ani si procentul acestora Dimensiuni:
in totalul vanzarilor.
Dimensiuni – caracteristici (atribute) Spatiu (zona de est)
- Analize What-If – care este impactul
ale masurilor numerice; reflecta asupra vanzarilor online, daca se aloca Timp (iunie 2020)
parametrii in care se defasoara procesul cu 15% in plus pentru bugetul Social Canal de vanzare (fizic)
(timp, spatiu, produse, furnizori, client, Media ? Clienti (ce grup tinta)
resurse financiare, resurse umane,
resurse materiale etc). Piata (segmente de piata)
Forta de vanzare (agenti de vanzari)
Data Mining
Ce este Data O colectie de metode, tehnici si algoritmi de explorare si analiza a unor volume imense de date – de regula,
disparate (imprastiate) – pentru a descoperi cunostinte (Knowledge Discovery – KD), utile in optimizarea
Mining proceselor de business si adoptarea deciziei.
Tehnologiile Data Mining – descopera informatii semnificative si predictive din toate datele pe care le
detecteaza (structurate, non-structurate, Web data, etc).
Utilitatea Data Mining – pot fi aplicate in contexte multiple, pentru a detecta si prezice probabilitatea
manifestarii unor fenomene si a unor comportamente, in functie de care se adopta decizii care vor genera
noi oportunitati de piata.
Cautarea la nivelul bazelor de date masive (Data Warehouse), a unor tipare / modele ascunse (patterns), a
unor corelatii intre informatii si tendinte ale acestora, cu scopul de a face predictii asupra
comportamentelor viitoare.
Scop Tehnologia Data Mining extrage cunostinte din datele colectate, pentru:
- Generarea de recomandari - sugerarea de produse, orientarea actiunilor de marketing
- Prezicerea comportamentelor – pentru clienti, organizatii, investigare fraude etc.
- Formularea de predictii – in meteorologie, evolutia pietei, cotatii de actiuni la bursa.
- Identificarea de tipare – in genetica, astronomie, in medicina.
- Invatare automata (Machine Learning) – algoritmi care utilizează probabilități statistice pentru a
genera computerelor capacitatea de a „învăța”, fără a fi programate în mod explicit.
Data Mining
Functionalitati
Retail
• Explorarea unor modele de achizitie ale clientilor (bilete la film + popcorns), pentru a identifica asocierile anumitor produse si modalitatea de a
fi oferite la locul de achizitie. Detectarea ofertelor cele mai apreciate de client sau a produselor greu vandabile, pentru a optimiza strategia de
pret si campaniile de promovare.
Companiile aeriene
•Utilizeaza tehnici de explorare a datelor pentru a genera o vizualizare completa a clientilor, prin integrarea datelor acestora provenite din
cautarile de calatorii, rezervari bilete, rezervari Rent a Car, interactiuni Web, Social Media, Call-Center. Companiile folosesc solutii Data Mining
pentru a face previziuni referitoare la preferintele clientilor, detectarea unor anomalii de comportament (cazuri neobisnuite sau specifice),
trenduri referitoare la modele de organizare a calatoriei (ex: clientii din zona orientala, peste 55 ani, cu venituri peste medie opteaza pentru
serviciul Rent a Car, preferand marcile Mercedes, BMW si Audi).
Medicina
• Explorarea datelor despre infrastructura medicala (spitale, echipamente, dispersia teritoriala a unitatilor spitalicesti, etc), resursa umana din
sistemul public de sanatate, identificarea incidentei anumitor boli pe categorii de varsta, prognozarea evolutiei bolilor contagioase permite
adaptarea politicilor publice de sanatate, cunoasterea unor modele de comportament, personalizarea unor masuri sanitare pentru anumite
categorii de persoane.
OLAP si Data Mining
Tehnologiile Data Mining sunt in
esenta, procese predictive, care
utilizeaza depozite de date pentru a
extrage cunostinte utile identificarii de
modele, trenduri si corelatii.
Inteligenta
Metode artificiala
statistice (AI) Tehnologiile OLAP sunt in esenta
Data procese deductive, care se adreseaza
Mining unui depozit de date (data warehouse),
generand ipoteze si relatii.
Invatare automata
Machine Learning
Business Intelligence si Business Analytics
pentru suport decizional
Infrastructura
Business Intelligence
Date din mediul Instrumente de
de afaceri Business Analytics
Tablou de bord
Platforme informatice
Rapoarte
Portaluri Web
Social Media MIS
Desktop DSS
Aplicatii mobile
EIS
Functionalitati Business Intelligence si
Business Analytics
Rapoarte predefinite
Vanzari Prognoze; Performanta fortei de vanzare; Etape ciclu de vanzare.
Analize predictive - prognoze, scenarii de tip “what-if”; analize statistice (ex: probabilitatea ca un
client sa raspunda unei oferte a companiei).
Managementul performanței – Modelul BSC (Balanced Scorecard)
Balanced Scorecard
Flux de trezorerie
Performanta livrarilor Randament capital investit
Gradul de satisfactie Rezultate financiare
Rata de fidelizare clienti
Strategia firmei
Obiective