У ринкових відносинах клієнт та консультант прагнуть передусім до своєї власної вигоди: один — дешевше купити послугу, інший — дорожче її продати.
Мінімізація витрат консультантів Power BI прихована у псевдо перевагах – власне рішення із коробки. В результаті налаштування системи виконується шляхом «підгонки» даних клієнта під готовий шаблон.
В результаті:
Не виконаний аналіз якості даних у джерелах клієнта, не надані рекомендації щодо підвищення чистоти даних.
У полі зору консультантів лише вузький спектр інформації, не розкритий максимальний потенціал даних.
Шаблон передбачає набір показників, які клієнту не знайомі, складні в розумінні і не затребувані всередині компанії. Клієнт просто не розуміє, що насправді відбувається, і не усвідомлює, що платить зайві гроші.
Впроваджуючи нову систему часто псевдо-консультанти не допускають до роботи персонал компанії клієнта, з метою подальшого розвитку системи тільки із залученням тих самих консультантів.
Також ми часто зіштовхуємось з відсутністю технічних знань фахівців впровадження продуктів бізнес-аналітики:
Вузькі знання лінійки продуктів Microsoft, як результат некоректного підбору технології під потреби клієнта.
Відсутність компетенцій у процесі розпакування, трансформації та завантаження даних (ETL) із джерел. Як результат відсутність частини даних у кінцевій моделі.
Відсутність компетенцій щодо побудови сховища даних для системи бізнес-аналітики, як результат, низька швидкість і можливість масштабування рішення.
Відсутність компетенції у написанні оптимальних формул розрахункових показників, як наслідок низька швидкість відображення інформації у бордах.
За родом своєї діяльності часто зустрічаємо компанії із впровадженим Power BI. Яскраві приклади:
Бізнес Horeca – дані по чеках забирають з 1С, але є Front система. В результаті аналізу джерела виявлено відхилення з первинним джерелом. У результаті – не коректна кількість чеків та всіх похідних показників.
В одного із клієнтів налаштовано ”Озеро даних” із Excel файлів для аналітичної системи. Підготовка та вивантаження файлів лягла на плечі Замовника. Як результат було порушено правила "цілісності" даних, простою мовою – частина даних не потрапила до звітності.
У клієнта роздрібної торгівлі модель налаштована безпосередньо в СУБД основної системи транзакції. В результаті отримали подвійне навантаження на базу і, як наслідок, повільні звіти в Power BI та незадоволені клієнти в магазині.
Вірний підхід до впровадження продукту бізнес-аналітики:
Вивчення бізнес-моделі клієнта
Проведення зустрічей із ключовими учасниками для збору та аналізу вимог клієнта
Аналіз даних у джерелах компанії
Виділення предметних областей, визначення бізнес замовників і точок болю
Розробка паспорту проекту
Погодження моделі та технічного завдання
Розгортання майданчика
Налаштування вивантаження даних із джерел
Налаштування вітрин даних
Візуалізація даних
Тестування замовником
Налаштування доступів
Навчання ключових користувачів
Оформлення документації
Введення в експлуатацію
Вірна архітектура з використанням стеку Microsoft:
Побудова сховища даних – окрема база даних у MS SQL Server.
Налаштування завантаження даних із використанням служби SSIS – це дає гнучкість у процесі розпакування, трансформації та завантаження даних (ETL).
Побудова моделей даних у службі SSAS, одна з головних переваг – це можливість оновлення даних моделі частинами, висока швидкість віддачі. А також не варто забувати про налаштування персональних доступів до даних через AD, що заощаджує час підтримки.
Report Server for Power BI – свій портал з необмеженою кількістю підключень, він теж може дивитися у світ. Це дозволить налаштувати борд для власника в мобільному телефоні.
Знавцям Excel існує можливість підключення до моделі в SSAS та побудови зведених таблиць на основі даних моделі. Також, при необхідності, можливо організувати зворотний запис даних з Excel у сховище даних.
І мало не забули, є служба ML (Machine learning). Можна сміливо використовувати дані сховища та використовувати пакети Python або R.
Comments