Витрина — основной вид сервисов для работы с данными, они могут быть основной для построения кубов, BI-дэшбордов или самостоятельным инструментом для работы с данными.

Например, витрину с данными о клиентах может использовать отдел продаж: выделять сегменты, интерес к продуктам компании, формировать специальные предложения и проводить маркетинговые акции.

К витрине мы можем подключиться через разные интерфейсы – через Excel, через BI-инструмент. Или через SQL клиент. Последний вариант самый сложный. Чтобы работать с витриной через SQL клиент, нужно знать синтаксис языка программирования SQL и уметь писать запросы.

Как работать с витриной?

И у нас бы появилось 3 дополнительных таблицы-справочника: справочник абонентов, справочник услуг и тарифов. И нам нужно было бы прописать связи между нашей витриной и справочниками, чтобы понимать — где брать информацию для расшифровки цифровых кодов.

В реальности каждая витрина содержит большое количество связей со справочниками и другими таблицами, это может выглядеть, например, так:

С такой витриной у нас появляется несколько проблем:
1. Витрина содержит персональные данные и ее нужно размещать в защищенном контуре
2. Витрина занимает много места на диске – ФИО абонента, название услуг и тарифов написаны текстом

Чтобы решить эту проблему используют справочники. Если бы мы использовали эти справочники, то наша витрина эффективности тарифных планов из примера выглядела бы так:

Потому что витрина — это не просто таблица, это набор структурированных данных по определенной теме или задаче в компании. Это уточнение важно, потому что витрины строятся, как набор связанных таблиц и справочников. Давайте разберемся почему это важно.

Допустим у нас есть витрина эффективности тарифных планов, которая содержит абонентские данные и выручку от потребления основных услуг связи – ОТА, ШПД, IPTV, SIP, КТВ. Если мы сложим все данные в одну таблицу, то получим примерно следующее:

Для простоты можно представить себе витрину, как таблицу в базе данных.

Но если посмотреть данные витрины в excel или в SQL редакторе, то увидим что-то подобное:

Когда мы говорили про витрины, мы упомянули, что ее можно представить, как одиночную таблицу — набор полей и ячеек. Но на самом деле, витрина — это организованный набор таблиц, объединяющий данные по одной предметной области.

А куб, это организованный специальным образом набор витрин. Например, у нас может быть одна витрина по оборудованию — коммутаторы, абонентское оборудование, информация о том, сколько есть свободной емкости, и о том, какие порты заняты. Вторая витрина — по абонентам и услугам, которыми они пользуются. А третья витрина — по объектам недвижимости — многоквартирные и частные дома.

Если мы создадим в витринах нужные связи — свяжем оборудование с домами, в котором оно установлено. Абонентов — с оборудованием, к которому они подключены. Дома — с абонентами, которые в них проживают. В этом случае мы сможем создать аналитический куб.

Это многомерная таблица в Excel, подключенная к кубу. Можно сказать, что это такой кубик Рубика. Или отчет-конструктор, объединяющий данные из разных измерений для многомерного анализа.

BI-дэшборды используются для быстрого анализа ситуации. Многие жители России изучали дэшборды по короновирусу — смотрели статистику по заболеваемости, по вакцинации и настраивали фильтры: по датам, по регионам нашей страны.

Это помогало нам сформулировать собственную оценку происходящего — оценить риски заболевания для себя, родных и близких, и разработать стратегию своего поведения — поездок, посещения общественных мест и ношения масок.

Обычно BI-дэшборды доступны пользователям в Web-приложении. В зависимости от требований к решению, дэшборд может включать разную функциональность: может быть возможность настроить фильтры, построить разные отображения, выгрузить исходные данные в файл.

С такой сводной информацией уже проще работать, и проще принимать управленческие решения. Понимать — какие из менеджеров работают хорошо, а кому стоит уделить дополнительное внимание. Видеть — есть ли бизнес-проблемы.

Но у подхода с excel-фалом есть недостатки:
1. Одновременно с одним файлом может работать только один человек
2. Сложно обновлять информацию

BI-система позволила бы вывести эти же ключевые показатели в web-интерфейсе, предоставить доступ всем заинтересованным лицам и обновлять информацию по графику без ручных операций.

График продаж:

Продажи по менеджерам:
Иванов: 13
Петров: 3
Сидоров: 11

Сумма сделок: 134 000 руб.

Количество продаж: 27

Предположим, у вас есть табличка в Excel с данными о продажах, которые выгружаются из CRM системы. В таблице тысячи строк и быстро прочитать весь массив данных, проанализировать и сделать выводы не получится. Чтобы упростить задачу анализа данных о продажах, вы можете сделать отдельный лист в excel, на который выведете ключевые показатели:

BI-отчет или дашборд — информационный сервис, на котором отражаются важные показатели для решения задачи. Эти показатели могут быть представлены в виде таблиц, диаграмм или графиков, и организованы в той форме, которые помогают быстро анализировать данные и принимать решения.

Аналитические сервисы используются, чтобы повысить качество услуг компании, сократить время принятия решений и снизить нагрузку на сотрудников.

Сотрудник может и не догадываться, что он работает с аналитическим сервисом. Для пользователя это может выглядеть, как подсказки в интерфейсе.

Например, сервисы DataMining могут быть встроены в операционные системы компании. Они анализируют склонность клиента к оттоку и выдают менеджеру рекомендации — что предложить клиенту во время разговора (скидку, или доп. опцию), чтобы снизить риск ухода к другому оператору.

Аналитические сервисы отличаются от других видов сервисов большей автоматизацией, и большей интеграцией в бизнес-процессы компании.

Для работы с витриной, кубом и BI-дэшбордом нам требуется аналитик, который сможет интерпретировать данные, задать правильные вопросы и найти ответы. А аналитические сервисы работают с конкретными вопросами и сразу выдают ответы.

Например, сервис скоринга потенциальных клиентов. Это сервис, который содержит информацию о физических и юридических лицах, а также встроенные алгоритмы расчета итоговых баллов. Такой сервис позволяет проверить контрагентов по списку — оценить кредитный рейтинг, проверить связь с террористической деятельностью и оценить надежность партнера. Итогом работы сервиса будет коэффициент надежности контрагента, который можно передать менеджеру.

Достоинство аналитических сервисов — не требуется дополнительных приложений, сотрудник может получать информацию в свой рабочий инструмент, например, в CRM-систему. Это упрощает работу сотрудников, потому что вся нужная информация собрана в одном месте — во время звонка с клиентом не нужно переключаться на других сотрудников, и запрашивать дополнительные сведения.

Но есть и сложности с внедрением аналитических сервисов. Чтобы достичь такого уровня автоматизации, потребуется большая работа. Сотрудник получает уже готовые выводы и не может перепроверить информацию. Если в процессах автоматического расчета рейтинга надежности была допущена ошибка, то это приведет к большому количеству неверных решений.

Задача аналитических сервисов — решать прикладную задачу с использованием накопленной информации.