האם כדי לעבור ל Amazon Redshif ?

Redshift  : בסיס נתונים גמיש עבור ביצוע בינה עסקית על כמויות עצומות של מידע – האם זה בשבילכם?

חברת Inflow  עושה שימוש בבסיס נתונים Redshift כחלק מפתרון בינה עסקית  כאשר כמויות הנתונים גדולה מאוד ביג דאטה (big data ). כמו כן אנו שותפים עסקיים של מס' חברות אשר מבצעות אופטימיזציה ותחזוקה – DBA Redshift.
במאמר זה נסביר את המונחים ומהם היתרונות והחסרונות של הכלי.

redshift

 

Redshift הינו מוצר של חברת הענק amazon וככזה הוא מתקיים בענן. (cloud) . הינו בסיס נתונים columnar . 

ההבדל בין columnar  לבין רלציוני הינו פשוט אך יעיל.

בטבלה של בסיס נתונים רלציוני ישנם עמודות ושורות כאשר כל שורה מייצגת אוביקט שלם.
לדוגמא : לקוח הינו רשומה אחת. אם נרצה לתשאל את הטבלה כמה לקוחות ישנם ניאלץ לעבור על כל רשומות הטבלה על מנת לתת תשובה. 
לעומת זאת בבסיס נתונים columnar כל רשומה מהווה עמודה אחת שלמה לדוגמא: מספרי הלקוח יהיו כולם ברשומה אחת . בשיטה זו אם יש לנו טבלה עם 10 עמודות (רלציוני) נצטרך לעבור רק על עשירית מהרשומות על מנת להגיע לאותה התוצאה.זהו שיפור משמעותי.

אז מה היתרונות של redshift :

המחיר של amazon redshift:
אמזון מאפשרים לאחסן מידע של 1 טרה בפחות מ 1000$ לשנה. כמובן שמדובר בגימיק, כיוון שבפועל אנו זקוקים לשרתים חזקים יותר , ומשאבים עולים יותר כסף,  אך עדיין המערכת זולה משעותית מהמתחרות .התמחור הוא על בסיס שרתים לזמן באוויר כאשר לכל סוג שרת , תלוי במעבדים וזיכרון יש מחיר שונה. ניתן גם לרכוש חבילה מראש אשר מקטינה את התשלום באחוזים ניכרים. לינק למחירון של רדשיפט

הענן :
השרתים נמצאים בענן , האחריות לתחזוקה של השרתים , תפקודם והגיבוי הוא באחריות redshift. מעבר לכך כל מידע שנמצא בשרת משולם , נמצא גם בשרת נוסף mirror שאינך משלם עליו.חשבו על עלות ה DBA שנחסך , עלות איש ה IT שאחראי על storage , networking  וכו'.

קלות ה scale out
הוספת משאבים היא עניין של מספר קליקים בפאנל הניהול. בניגוד לרכישת חומרה פיסית ואחסונה בחדר שרתים מתאים.

In memory :
Reshift עושה שימוש בזיכרון כך שבנוסף להיותו columnar הוא גם in memory

Parallel :
Redshift משתמש בכל משאבי המערכת במקביל, לדוגמא בטעינת נתונים כל node מבצע חלק מתהליך הטעינה.

אבטחה :
ניתן להגדיר את ה cluster  – redshift להצפין את המידע, כולל את הגיבויים.

redshift pic

חסרונות של redshift

הענן :
נתונים ממערכת ארגונית / פנימית נדרשים לטעינה לשרתים מרוחקים (של redshift ) לשם כך יש צורך להוציא אותם למבנה קבצים , לקבוע כמות רשומות בכל קובץ על בסיס כמות ה nodes שיש לנו (לטעינה אופטימלית) , לכווץ את התוצאה . הטעינה היעילה ביותר היא בעזרת פקודת copy על קבצים הנמצאים ב S3. כל התהליך הזה לוקח זמן ודורש מומחיות מסוימת. ניתן לטעון מידע ישירות בעזרת פקודות SQL  אך המהירות איטית משמעותית.

Redshift אינו ACID :
טוב, קצת נכנסים לנושאים טכניים, אבל בגדול זה אומר שרשומות עליהן מבוצעות מניפולציות . הכנסה / שינוי / מחיקה אינם חלק מטרנזקציה ולכן במקרה של נפילה או תקלה אין חזרה לאחור למצב התקין של הרשומה  לינק להסבר מפורט יותר , למרות שזה נשמע מפחיד , זה רק אומר שכאשר מבצעים שינויים בבסיס הנתונים יש צורך לוודא לאחר השינוי שהוא בוצע בהצלחה.

Upsert :
ל Redshift אין תכונה של זיהוי רשומה על בסיס מפתח ועדכון במידה וקיימת או הוספה אם אינה קיימת על כן במידה ומעוניינים לשנות רשומה בתהליך טעינה , יש צורך לבצע מחיקה של הרשומה וטעינה של החדשה במקומה . מחיקת רשומות יוצר חוסר אופטימיזציה בבסיס הנתונים ולכן יש לבצע תהליכי תחזוקה vacuum ועוד

Redshift מפתחות ואינדקסים
בסיס הנתונים אינו מתנהל עם מפתחות ואינדקסים כל שאילתא תעבור על הטבלה (column) באופן מלא. כמובן כאשר המשאבים מתאימים והפעולות מתבצעות parallel הדבר נעשה מהר מאוד.
עקב כך במידה וכמות הנתונים היא קטנה או שהצורך הוא למבצע שאילתות על סט קטן מתוך בסיס נתונים גדול האם להשתמש בו או בבסיס נתונים רלציוני כגון mysql .

 2 redshift pic

קצת הסבר על מדוע Data warehouse
ראשית, מדוע אנו זקוקים לבסיס נתונים חיצוני שאינו התפעולי ? 

בשנים האחרונות כל חברה מחזיקה את הנתונים שלה ב "איים של נתונים". אפילו לחברות קטנות כבר מספר מערכות מידע כגון:  ERP ו CRM . בחברות מעט גדולות יותר נמצא גם מרכזיות טלפוניה , מערכות HR , אתרי אינטרנט E-commerce ועוד…

הסיבה ראשונה להעברת המידע מבסיס הנתונים המקורי שלו (לדוגמא נתוני המכירות ממערכת ה ERP ) נובעת מכך שהרצת שאילתות (כלומר הרצת דו"ח) על גבי כמות גדולה של נתונים בטבלאות התפעוליות גורמת לפגיעה בביצועים של המערכת התפעולית. כמו כן מבנה בסיס הנתונים אינו בנוי לניתוח מידע אלא לכתיבה ושליפה של כמות מוגבלת של רשומות בכל פעם על בסיס מפתחות ואינדקסים.

הסיבה השנייה היא שישנם נתונים שיש לאחד ממספר מערכות ( תהליך ETL ) ויש צורך להעביר את המידע למקום אחר:  data warehouse

הסיבה השלישית: הנתונים as is אינם מספקים ויש צורך לבצע מניפולציות על הנתונים על מנת שיתאימו לדרישות העסקיות של החברה.

קיימים כלי בינה עסקית (BI ) שטוענים שבשימוש בהם אין צורך בביצוע תהליך ETL והעברה ל data warehouse . אני מסכים שניתן במידה ורמת המורכבות היא נמוכה ביותר. ברוב המקרים יהיה צורך להעביר את המידע ולסדר אותו לפני התחברות עם כלי בינה עסקית

לדוגמא: מרבית כלי הבינה העסקית שיש להם ETL פנימי מאפשרים אופציה של שמירת במידע בזיכרון in memory  . אך כאשר רשומות משתנות רטרואקטיבית (הזמנה בסטאטוס הוזמן הופכת מאוחר יותר לשולם) אין להם את מנגנון ה update . לכן במקרה כזה, יש להביא את כל המידע כל פעם. חלקם מאפשרים למחוק מידע X  זמן אחורה על מנת להביא מחדש רשומות. אך אם לא ידוע מתי רשומה השתנתה אזי לא ניתן.

מתי כן : כאשר בטבלאות ה fact רק נוספות רשומות, המניפולציות על הנתונים פשוטה , מקור נתונים אחד (על אף שחלקם מאפשרים יותר מאחד, זה קשה יותר לתחזוקה)

סוגים של בסיסי נתונים :

בסיס נתונים רלציוני – הכוונה בסיס נתונים "מסורתי" הבנוי על בסיס של טבלאות וקשרים בינהן.
לדוגמא: mysql, sql server, oracle, postgres . כלים אלו קיימים בשוק שנים רבות והם שולטות בשוק המערכות התפעוליות שברובם הינם ERP  ו CRM

בסיס נתונים NoSql – אילו הם בסיסי נתונים שמהדור החדש. אילו נועדו לעבודה תפעולית מול כמויות עצומות של משתמשים כאשר החוזק שלהן הוא בכך שניתן לבזר את הנתונים על מספר שרתים (scale out ) וכן שהכתיבה לתוכם מהירה מאוד.

לדוגמא: mongoDB, Cassandra
נמצאים בשימוש בדרך כלל של אפליקציות WEB אשר אוספות נתונים ממספר רב של משתמשים ויש צורך בגמישות מבנה בסיס הנתונים , מהירות הכתיבה ומיקום המשתמש ביחס לשרתים.

בסיס נתונים columnar – אילו הן בסיסי נתונים שנועדו לביצוע אנליזות על נתונים ו redshift הוא מסוג זה. דוגמאות : HP vertica, vectorwise, redshift

לסיכום:

Reshift הוא בסיס נתונים עבור ביצוע אנליזות , הינו כלי מצוין כאשר מבינים למה הוא נועד ואכן המקרה שלכם קולע לכך. Inflow מבצעת פרויקטי בינה עסקית בעזרת כלים העושים שימוש ב Redshift כמקור הנתונים . כמו כן אנו מבצעים את כל פעולות האינטגרציה לטעינת הנתונים בלוגיקה הנכונה בעזרת כלי ETL וכן את הבדיקות שאכן המידע נכנס בדרך שציפינו ממנו.

אנו, Inflow,  שותפים עסקיים של מספר חברות אשר המומחיות שלהן היא הקמה ותחזוקה של שרתי אמזון וכן DBA  עבור redshift . נשמח לבצע עבורכן פרויקט משותף.

 לינק לויקיפדיה

האם חברה קטנה יכולה / צריכה בינה עסקית ?

business intelligence בינה עסקית כבר לא רק עבור החברות הגדולות. רוצה לנתח את המידע בחברה שלך? רוצה לפעול על בסיס מידע ולא תחושת בטן? אז קרא את הפוסט

הטענה השגויה הראשונה : קיים שוני בסיסי בין חברות גדולות לחברות קטנות בתחום המידע וקבלת ההחלטות (business intelligence) , לחברות גדולות יש ולקטנות אין
כיוון שהתהליך והכלים יקרים מידי לחברה SMB. 

הטענה השגויה השניה: חברה קטנה SMB לא זקוקה ל business intelligence כיוון שיש מעט נתונים לנתח ואין להן כוח אדם מתאים.

business intelligence img

 

חברות גדולות הן עתירות מערכות , כוח אדם, מורכבות ו…תקציב . כמות המידע הזורם במערכת של חברות גדולות היא אדירה ויש צורך בצבא קטן כדי שיתחזק את המערכות וינתח את הצרכים. 
מסיבה זו הכלים ( business intelligence ) שפותחו יועדו לחברות גדולות הינם פלטפורמות לפיתוח של דוחות, מדדים, השוואות ולוח מכוונים. עצם רכישת הכלים מהווה רק את ירית הפתיחה בפרויקט ארוך ויקר של אפיון צרכים ומימוש. שלא לדבר על הצורך ברכישת חומרה חזקה ורכישת שעות או הגדלת צוות מערכות המידע בארגון.

כל אלו לא מאפשרים לחברה קטנה/בינונית דריסת רגל כיוון שגם אם החליט המנכ"ל (הסופר מודרני)  של חברה קטנה לרכוש מערכת כזו מיד הוא מגלה שאין לו את המשאבים לפתח את הצרכים שלו.

אבל מה אם נגיד לכם שיש "יתרון לקוטן" ? 
נגלה לכם סוד להיות קטן בתחום של ניתוח מערכות מידע זה בעצם יתרון ענק ובתחום ה BI business intelligence עוד יותר.
קטן מתרגם ל:

  • מקורות מידע: מספר קטן של מקורות מידע . בדרך כלל ERP אולי במקרים מיוחדים CRM .
  • כמות מידע קטנה המאפשרת עיבוד מהיר.
  • חומרה זולה: אין צורך בחומרה יקרה לעיבוד הנתונים.
  • גנריות – כיוון שלחברה קטנה אין תקציב פיתוח ומנהלי החברה עסוקים בעיקר בתפעול החברה השוטף עושים שימוש בתכונות הקיימות של מערכות שנרכשו ולכן קל יחסית לבצע ניתוח דומה לחברות דומות.

 

ב Inflow הבנו את היתרון ש "בלהיות קטן" והגענו למסקנה שהצרכים של חברה קטנה שונים מהותית משל חברה גדולה. חברה קטנה בעצם זקוקה לגורם שיכוון אותה ויעזור לה לנתח את הארגון כיוון שאין גורם מקצועי שזהו ייעודו.  

Business Intelligence pic

אז איזו חברה אתם?

בישראל קיימים כ 400 אלף חברות קטנות/בינוניות. רובן הגדול אינו עושה שימוש בכלי business intelligence . מה שמשאיר אותן מאחור ביחס למתחרים. ההבדל המשמעותי ביותר בין עסק מצליח לעסק מפסיד הוא היכולת של מנהלי החברה להבין את המתרחש בזמן אמת ולהגיב, כמו כן לנתח את המצב הקיים ולקבל החלטות מושכלות על בסיס הנתונים. חברה אשר נמנעת מלנתח את הנתונים שברשותה בעצם לא מונעת ע"י ה "אמת" אלא ע"י חלקי מידע שעלולים אף להכשיל את המנהל. 

התהליכים עסקיים המתרחשים בהן ברוב המקרים אינו נובע מחשיבה ותכנון של בעל מקצוע 
כי אם על פי ההיגיון של בעל העסק שבמרבית המקרים מומחה בתחומו אך בכל הקשור בניהול תהליכים יעילים ונכונים לוקה בחסר.

בעל עסק עושה שימוש רב במיקור חוץ בתחומים כגון:
ראיית חשבון, עריכת דין, תמיכה במחשבים , מרכזייה , ביצוע השיווק וכו'
אך בתחומים הפנימיים, קרי, התהליכים על פי הם מתנהל העסק כגון:

  • החלטה על אופן רכישת לקוחות חדשים
  • ניהול הלקוחות – רישום , מעקב , תיעוד.
  • ניהול החשבונאות והגבייה
  • ניהול המלאי
  • האצלת סמכויות

בעל העסק פועל על בסיס הידע האישי שלו ובוחר שלא ללמוד מניסיונם של אחרים.ככל שהעסק קטן יותר וצומח עסוק הבעלים בניהול השוטף של היום יום ואינו עוצר לבצע חשיבה על תהליך יעיל לביצוע הפעולות הנ"ל.

בשלב מסוים מגיע בעל העסק לנקודת החלטה:

החלטה להישאר עסק קטן: 
הבעלים מקבל החלטה להישאר עסק קטן . הבעלים יודע את מגבלותיו ורצונותיו . הוא אינו יכול לנהל עוד תהליכים כגון:
גידול בלקוחות, מתן שירות לקוחות, נפח עבודה, כמות עסקאות פתוחות, גבייה …מעבר למחזור הקיים ומחליט לעצור.
המבנה מאוד ריכוזי ועוד עבודה ללא שינויים במבנה הארגוני משמע יותר עבודה שלו. בדרך כלל העסק אינו מנוהל באופן מאורגן ומסודר ואינו עובד עם מערכות מידע. אך כיוון שאינו מתכנן גדילה הוא "מסתדר".


צמיחה ללא ניהול
:
השיווק מצליח , הבעלים מקבל עבודה ללא התחשבות במבנה , עם הזמן (במידה והעסק מצליח) העסק גדל,  אך תשתיות העסק לא מתאימות לכמות התהליכים הלא יעילים. 
כיוון שלא בוצע בהם ניתוח מעמיק של ה "אופן הנכון והיעיל ביותר" בשלב זה העסק מתחיל להיפגע הלקוחות לא מקבלים שירות, המוצרים לא מסופקים בזמן , הבעלים מרגיש ש "כל העולם על ראשו". 
הבעלים לא מנסה לשנות תפיסה , הלחץ גובר ועם הזמן העסק נתקע ועלול אף לקרוס.

צמיחה עם ניהול:
השיווק מצליח , הבעלים מקבל עבודה ללא התחשבות במבנה , 
עם הזמן (במידה והעסק מצליח) העסק גדל. הבעלים מבין שכעת המשחק השתנה וכי יש צורך לבצע את השינוי בתשתיות ובדרך הפעולה ומבקש ייעוץ עסקי . 
היועץ מבצע ניתוח של העסק יחד עם הבעלים .ניתוח כלכלי, ניתוח שיווקי וכמובן ניתוח תהליכי עבודה ויחד מגבשים תוכנית עבודה לצמיחה מדורגת. אין ספק שיש צורך לבצע שינוי תפיסה מחשבתי אצל ההנהלה כיוון שבשלב זה יש צורך לבצע תהליכים מסודרים, מובנים.  פיזור אחריות קרי לסמוך על הסובבים ועוד…

אופטימיזציה בעסקים מנוהלים:
ישנם כמובן יוצאים מהכלל , אילו שיש להם כישרון מובנה לניהול תהליכים והיכולת להנהיג 
ולסמוך על העובדים ואז העסק יכול לפרוח באופן טבעי וללא עזרה חיצונית. 
לעיתים גם עסק מסוג זה ראוי שיבצע ניתוח עסקי זאת על מנת "לכוונן" את התהליכים זאת על מנת להביא אותם לאופטימיזציה מיטבית. 
בשלב זה בדרך כלל העסק יבקש להכניס אוטומציה לדוחות ניהוליים ( business-intelligence ) , לנהל על פי תקציב ויעדים , לקבל חיווי ממערכת מידע על חריגים וכו'.

חברה קטנה לא זקוקה לפלטפורמה היא זקוקה לשותף עסקי בעל ניסיון להגדרת התהליכים העסקיים ולאחר מכן מימושם בכלים טכנולוגיים . Inflow רוצה לעזור לך לבצע תהליך בינה עסקית (לינק) BI business-intelligence מלא. במחיר שפוי מצד אחד ובהחזר השקעה חיובי מאוד.

חברת Inflow מתמחה באפיון ופיתוח בינה עסקית לצרכי הלקוח, הכלים שאנו מפתחים מתאימים לחברות קטנות ובינוניות המעוניינות בפתרון business intelligence BI, אך אינן מעוניינות / מסוגלות בהשקעה מסיבית בתוכנות או כלים "כבדים" ויקרים הקיימים היום בשוק. התוצרים של תהליך ה-BI  business intelligence והכלים הטכנולוגיים מסייעים למנהל לזהות מגמות שונות בהתנהלות החברה ומשמשים ככלי עזר ממדרגה ראשונה בקבלת החלטות. חברת inflow אינה עוד חברת תוכנה הבאה למכור רישיונות, אלא חברה אשר שמה לה למטרה לעזור ללקוח להתייעל ובסופו של דבר לחסוך כסף.

 

 

השוני בין מנתח מערכות כללי לבין מנתח מערכות BI

מנתח מערכות BI מבית Inflow. מחפשים ולא מוצאים מנתח מערכות לאיפיון וחברה לביצוע פרויקט BI ? הגעתם למקום הנכון.

חברת Inflow מבצעת פרויקטי בינה עסקית החל מהשלב בו מנתח מערכות BI מטעמינו מבצע איפיון של המודולים הנדרשים עם מנהלי הארגון וכן עובדיו, דרך זיהוי מקורות המידע, בחירת כלי ה BI המתאימים ביותר על בסיס פרמטרים שונים וכלה בביצוע הפרויקט בפועל. אנו גם מבצעים הדרכה / הטמעה ותחזוקה

מנתח מערכות BI

תפקידו של מנתח  מערכות BI :

ב BI  תפקידו של מנתח המערכות מעט שונה , המערכת עצמה היא מובנית בדרך כלל כך שהמימוש אינו בלתי ידוע . תפקידו ב BI  הינה הבנת הלוגיקה העסקית ומקורות הנתונים .
בשונה ממנתח מערכות אשר מאפיין תהליך לפיתוח תוכנה חדשה. בבינה עסקית תפקידו הוא לכוון את המנהלים למיצוי הנתונים באופן שיביא לערך הגדול ביותר.

מנתח מערכות BI צריך להיות הרבה יותר מוכוון עסקי מאשר תהליכי. בדרך כלל האיפיון יהיה מול דרגי ההנהלה אשר מעוניינים לקבל לא רק איפיון טכני אלא הכוונה עסקית . מעין מנטור שיאמר מה כדאי לנתח בארגון, מה יביא הכי הרבה תועלת , אילו KPI לבחור . כלומר מה צריך לנתר בארגון כך שיעמוד באסטרטגיה . 

הסיבה שמנתח מערכות BI  עדיין נמצא תחת קטגורית מנתח מערכות היא כי התהליך זהה . אך כתיבת האיפיון שונה בתכלית, הדרישה ממנו היא של מוביל עסקי ולא מהנדס תעשיה וניהול . זאת הסיבה גם שנדרש לתפקיד זה אדם בעל עבר וניסיון ככלכלן בכיר / מנהל בכיר בארגונים ולכן גם עלותו גבוהה. בנוסף עליו להיות טכנולוגי להכיר את כלי ה BI הקיימים בשוק, היתרונות והחסרונות שלהם .

במקרה של מנתח מערכות BI הארגון לא יודע מה הוא רוצה אלא מצפה שמנתח המערכות ינחה אותו בתהליך. בניגוד לאיפיון מערכת מידע ייעודית אשר הארגון יודע מה תכונות המוצר הנדרש והוא מעוניין להעלות את הדרישות על הכתב ובשפה שמתכנת לאתר מכן יוכל לממש.

סביר שנשמע "אני רוצה לנתח הכול" כיוון שבארגון ישנם מספר מערכות, מספר מקורות נתונים , עשרות / מאות טבלאות וקבצים "הכול" אומר מימוש זמן ארוך וכמות מידע עצומה אשר לרוב לא רלוונטי לייעול וחיסכון כלכלי וכמובן שיקר ללא צורך.

מנתח המערכות יאפיין יחד עם מנהלי הארגון היכן "עקב אכילס" מה בתחושה שלהם גורם לביזבוז משאבים כמו כן עקב ניסיונו של מנתח המערכות הוא יוכל לכוון את הארגון ל"מוקשים" שהוא מכיר מארגונים אחרים. יחד יוחלט על מימוש עולמות. עולם הוא תחום אחד בחיי הארגון כגון מכירות , רכש, החזרות וכו' ובתוך העולם מהם הנתונים הרלוונטים שהארגון ירצה לנתח ולבקר.

בשלב הבא ינתח את מקורות הנתונים. לא תמיד הרצון והמציאות נפגשים , לדוגמא:  המנהל מעוניין לנתח את שלבי הייצור אך לא מנהל אותם באופן ממוחשב. בשלב זה ננסה ל "ייצר" מקורות נתונים אם הם חסרים. כולל הטמעה של מערכת או מודול חדש. לבסוף יגדיר המנתח את המדדים והמימדים כפי שיראו בדשבורד ובדוחות.

ניתוח מערכות: 

תפקיד מנתח המערכות הינו לאפיין את דרישות הלקוח ולהגדיר עד כמה שניתן תוצר שיהיה לשבעותו של הלקוח. התהליך מתחיל בכך שהלקוח מביע צורך במערכת, תוכנה, משחק, אפליקציה או כל יישום אחר הדורש אפיון לצורך מימוש ממוחשב.

השלב הראשון הוא : ראיונות.

ראשית יש ללקט את כלל הדרישות מהלקוח. הראיונות מאוד חשובים ואמורים לכלול גם את המנהלים הדורשים אך גם את העובדים בארגון והלקוחות העתידיים של המערכת. כמובן שההתייחסות שונה בין מערכת מידע גדולה לבין אפליקציה סלולרית אך עדיין רצוי מאוד לבדוק שהצרכן הסופי מקבל את מה שהוא צריך.
שלב זה הוא גם שלב הפנטזיות: בדרך כלל נרשמים הצרכים ללא קשר לעלות היישום.
לא מן הנמנע שנשמע בשלב הזה : "אני רוצה שהוא יעשה הכול" , "כן, גם קפה…"  , "ושיתחבר למפות של גוגל ול GPS".

השלב השני: בחירת האלמנטים שייושמו בפועל

בשלב זה מחברים את הרצונות לתקציב , מדרגים את החשיבות של רכיבים והפונקציונאליות וקובעים מהו השלב הראשון לעלייה לאוויר , כלומר מה נממש ב 3 חודשים הראשונים לפרויקט. בשלב זה גם ניתן לקבל הערכת מחיר יותר מדויקת לחלקים השונים.

השלב השלישי: כתיבת האפיון

מנתח המערכות כותב אפיון המחולק לשני חלקים : פונקציונאלי וטכני. בשלב הראשון נכתב רק הפונקציונאלי ובראשי פרקים . הסבר מה הצורך ומה יעשה חלק זה . לקראת שלב הפיתוח של הפונקציונאליות הרלוונטית . מעבים את האפיון הפונקציונאלי וכותבים אפיון טכני עבור המתכנת.

השלב הרביעי: מימוש

המתכנת / מיישם מממש את החלקים השונים כאשר התהליך הוא מעגלי . בכל קטע אותו הוא מסיים הוא מעביר הלאה לבדיקות ולאחר מכן למערכת מבצעית ופונה לקבל חלק חדש למימוש.

תמונה מנתח מערכות BI

פנו אל Inflow ונבצע אתכם ועבורכם תהליך בינה עסקית מלא כולל שלב התכנון.

מנתח מערכות ה BI מבצע את השלב החשוב ביותר, שכן במידה ולא יאופיינו הצרכים כראוי, הארגון עלול להסתמך על נתונים שאינם נכונים , עלול לבחור את כלי בינה עסקית BI שאינו מתאים לצרכים וכן להעביר את הנתונים ל data warehouse שאינו עומד בקנה אחד עם כמויות המידע או צריכת הנתונים. מנתח מערכות  BI מנוסה נדרש להיות בעל ניסיון של מספר שנים בתחום ניתוח מערכות ה BI . חייב להיות בקי בטכנולוגיות הקיימות כעת בשוק ולדעת לקשר בין הצרכים למערכת ה BI הנכונה. 
בנוסף עליו לדעת "לפרשן" את דרישות המנהלים המקצועים לכדי מבנה בסיס נתונים , קשרים , יישויות ונוסחאות הנדרשות לפיתוח.
למנכ"ל חברת Inflow, שטינברג איתמר, ניסיון של מעל 15 שנה בתחום ניתוח המערכות בכלל ו מערכות בינה עסקית BI בפרט.

קצת על המונחים

בינה עסקית –
BI

תחום ה-BI הינו תחום עיסוק המשתייך לטכנולוגיית המידע. במסגרת עיסוק זה מומחה נתונים יפתח עבור החברה שלך מערכת בינה עסקית, אשר יכולה לסייע לך,כמנהל בארגון, לראות את תמונת המצב בראייה רחבה (ממעוף הציפור), של הארגון, וזאת על ידי הצגת ניתוח סטטיסטי ובנוסף דוחות מנהלים (שמותאמים לצורכי החברה), של מרכיבים מסוימים שדורשים לשם קבלת ההחלטות וניהול תקין של העסק.

מיהו מומחה מערכות מידע מומחה IT?

מומחה בתחום של מערכות מידע הוא אדם אשר צבר ניסיון של שנים בתחום ניתוח מערכות המידע, עבד במספר מגוון של פרויקטים בתחומים שונים , מומחה של מערכות מידע צריך קודם כל הבנה בתהליכים עסקיים של ארגונים. תהליכים כגון: מכירות, מלאי, רכש, שירות לקוחות ואפליקציות שונות.

ייחודו של מומחה זה הינו בשילוב בין התהליך העסקי לטכנולוגיה והידע לממש את צרכי הלקוח באופן יעיל ואופטימאלי. בד בבד עליו "לתקשר" עם אנשי טכנולוגיה. הרקע של מומחה לניתוח מערכות מידע יהיה בדרך כלל הנדסת תעשייה וניהול או מנהל עסקים כמובן שגם עבודה בתחום ספציפי כגון מנהל ייצור, כלכלן בארגון ייתן יתרון עם הוא עובר לתחום מערכות המידע בשלב מאוחר יותר.

מהי מערכת BI הנבנית על ידי מנתח מערכות BI?

כאמור, מערכות הבינה העסקית עורכות שימוש במסות גדולות של אינפורמציה הקשורה לארגון על מנת להפיק דוחות מנהלים ולייצר התראות בעבור מנהלי הארגון. הדוחות וההתראות המופקים על ידי המערכת הנבנית באופן מותאם לקוח על ידי מומחה מערכות מידע, נבנים על בסיס מידע עכשווי לצד מידע היסטורי, בהתאם לצורכי החברה וללוחות הזמנים שהיא מגדירה.

לאחר עיבוד המידע ותרגום הנתונים, המערכת מציגה לנוגעים בדבר את התוצר הסופי, מימנו ניתן להסיק מסקנות ולשפר תהליכים ארגוניים המתרחשים בארגון.
לצורך כך כמובן שעל מומחה מערכות המידע להבין בתהליכים העסקיים אותם הוא מפתח לצורך ניתוח עתידי.

איתמר שטינברג הינו מנכ"ל חברת inflow – מומחה מערכות מידע (מומחה IT), וכמו כן, מומחה נתונים ותהליכים עסקיים בעל ניסיון עשיר, אשר מפקח על תהליך הטמעת וניהול מערכות בינה בארגונים וחברות. לאיתמר שטינברג ניסיון רב בניהול יישומים, מערכות ופרויקטים בחברות רבות, וכיום הוא בוחר להתמקד בעבודתו בעיקר בארגונים קטנים ובינוניים.

קישור לויקיפדיה בנושא

 

 

מדוע כדאי לשלב פתרון Embedded BI כמוצר משלים בתוכנה

Embedded BI – למה לפתח מערך דוחות ודשבורדים מאפס במערכת שלך? ישנם כלי BI מעולים שנועדו להתמזג עם המערכת שלך. תתמקד במוצר שלך , תחסוך כסף.

מדובר בשילוב בינה עסקית של דוחות , דשבורדים ואנליטיקה בתוך אפליקציה / אתר אינטרנט תוכנה המידע מיוצר בדרך כלל בתוכנה המיועדת לכך כגון sisense / Yellowfinbi ולאחר מכן משולב בתוך האפליקציה בעזרת API , Webservice כך שהמשתמש אינו יודע שהמידע המוצג מגיע מתוכנה אחרת .embedded bi 2

התוכנות שמיועדות לכך מאפשרות יצירה מהירה מאוד של דוחות / דשבורדים ובדרך כלל לא נדרשים אנשי IT לאחר שכל החיבורים הנכונים נעשו.

היתרונות של Embedded BI :

• הלקוח מקבל יכולת טובה בהרבה לנתח את המידע – משפר מכירות ושביעות רצון לקוח.
• משפר משמעותית את ה look & feel של התוכנה שלך.
• מצמצם משמעותית את משך הפיתוח , משחרר את המפתחים שלך לפיתוח מוצר הליבה.
• המוצר שלך נראה מרשים יותר ואתה תחרותי הרבה יותר.
• כמות התכונות של תוכנה צד ג' מאפשרת לך לקבל out of the box יכולות כגון self service BI , mobile BI , social BI ועוד.


אני מניח שפיתחת מוצר תוכנה כגון אתר , אפליקציה , SAAS או תוכנת מדף , המוצר נמכר טוב ויש לך לקוחות .

1. האם הלקוחות שלך רוצים לקבל דוחות שונים ?

2. האם כל לקוח רוצה דו"ח אחר והמפתחים שלך עובדים בפיתוח דוחות במקום להרחיב את הפונקציונליות למוצר המצויין שלך?

3. האם אתה מעוניין להוסיף מודול "סקסי" של דשבורדים דינאמיים ודוחות כיוון שזה יעזור למכירות ?

4. האם המוצר שלך מחייב מודול דוחות כחלק מהותי מהמוצר?

5. האם אתה עומד לבזבז אלפי שעות עבודה בפיתוח מודול בינה עסקית (BI) למוצר התוכנה שלך? יש לך מודול אך הוא אינו מספק?

6. האם לא תעדיף להשקיע את המשאבים שלך בליבה של המערכת שלך ?

7. הלקוחות שלך רוצים לנתח את המידע במערכת שלך ואין לך תשובה ?
יש לנו פיתרון שיחסוך לך המון כסף וישחרר את המשאבים שלך לטובת הדברים שאתה עושה הכי טוב.

embedded bi 2

רבות ממערכות המידע והתוכנות נדרשות בשלב מסוים למודול דוחות , כיוון שהלקוח מעונין לנהל את המידע שהמוצר מנהל.
הלקוח מבקש דוחות / דשבורדים / מדדים לניטור המצב.

אתם כבעלי התוכנה / אפליקציה נדרשים לפתח קומפוננטות אלו ולאפשר ללקוח לקבל את המידע בפועל יוצא שאתם מעבירים חלק מהמשאבים של החברה לטובת פיתוח מודול הבינה העיסקית.
כאשר זוהי איננה מומחיותכם. המפתח עושה שימוש בכל מיני כלים כגון reporting services או שימוש ברכיבים קנויים כגון kendoui ודרישות הלקוח לא מפסיקות להגיע.

חלק מכלי הבינה העסקית המתקדמים כיום באים מראש עם יכולות של embedded BI ומאפשרים הטמעה מהירה וחלקה של מנגנון בינה עסקית שלם.

ניתן להטמיע את הכלים באופן מלא כולל look & feel וכן ממש בתוך דפי אינטרנט כ Iframe היתרון של שילוב כלים קיימים לעומת פיתוח :

1. חיסכון משמעותי בפיתוח – כלומר בכסף
2. סביבה מוכנה ומלאה – הרשאות , ממשק ניהול ,
3. קלות שימוש
4. מגוון רחב של רכיבים
5. SSO – Single sign on
6. Mobile BI – הצגת הדוחות / dashboards / KPI בסמארטפון
7. Self service BI – אפשרות לתת ללקוח כלי לתחקור עצמאי
8. Time to Market – מהירות הפיתוח גבוהה בהרבה מאשר פיתוח
9. גמישות לשינויים ותוספות
10. ועוד…

embedded bi 1
בעצם יש לכם 3 אופציות :

1. להתעלם מהצורך של הלקוחות :
זה אכן חוסך כסף אך גם חוסך לקוחות . סביר להניח שהמתחרה שלכם מאפשר את הפונקציונליות הזו כך שאתם נראים פחות טוב – וזה רע לעסקים.

2. פיתוח עצמי של Embedded BI :
טוב , זה לא בדיוק BI , אתם תשקיעו במקום במערכת הליבה שלכם חלק הולך וגדל של משאבים בקומפוננטות גרפיות והעברת נתונים משאילתות . אז תגלו שצריך להוסיף לזה גם הרשאות וכמובן שכל לקוח ירצה משהו קצת שונה .
כלומר , תשקיעו אלפי שעות עבודה בפיתוח מודול שבעצם לא מדגיש ומעצים את המוצר שלכם

3. שימוש בכלי BI שנבנו למטרה זו : Embedded BI
ישנם כלי BI שנועדו להתחבר באופן אינטואיטיבי למערכות אחרות וזהו המונח embedded או משובץ בעברית .
הרעיון הוא שהכלים , כגון yellowfinBI או Pentaho ו Sisense באים עם SSO (single sign on) עם מערכת הרשאות וסביבה מלאה להפצת הדוחות .
הפיתוח של דוחות חדשים או דשבורדים נעשים עם wizards פשוטים שגם משתמש לא גאון יוכל לפתח . חוץ מהיכולות הללו : יש גם מאות תכונות נוספות כגון : mobile BI , self service BI , social BI , maps ועוד…

בדרך זו :

1. תחסכו אלפי שעות פיתוח
2. המודול שלכם יהיה באוויר הרבה יותר מהר
3. תוכלו להשתמש במשאבים שלכם לפיתוח המוצר שלכם
4. הלקוחות שלכם יהיו מרוצים

היתרונות של Inflow – מה מייחד אותנו:

1. הכלים הנכונים: אנו בוחנים את הצרכים ובוחרים איתכם ע"פ הצרכים, אנו לא מייצגים כלי כזה או אחר.
2. הוזלת עלויות: עושים שימוש בכלי Open Source המוזילים את העלויות משמעותית
3. ניסיון ושותפות: יש לנו ידע וניסיון עם כלי Big Data ושותפים של מגוון ספקי תוכנה בתחום.
4. סינרגיה: אנו משתלבים בפיתוח שלכם ומתחברים לצוות.

קישור לויקיפדיה בנושא