Не только Big Data — 5 самых важных ожиданий Enterprise-компаний от BI в 2025 году

Статья основана на опыте работы с российской BI-системой Analytic Workspace, и примеры, соответственно, будут из ее практики. Мы не скрываем этого и хотим сразу отметить, что материал ориентирован на реальные потребности бизнеса. Просто честный взгляд на то, что реально важно для крупных компаний, когда речь идет о BI-системах. Analytic Workspace уже выбрали компании: «Табыш», «КАМАЗ», «КРЭТ», «Таграс», «Красмаш», «Микрохирургия глаза» им. акад. С.Н. Федорова», «Губернские аптеки», «Рокада-Мед», «Сенат» и многие другие.

Итак, какие же ключевые ожидания предъявляют крупные компании к своим BI-системам? Мы выделили пять (на самом деле шесть) основных факторов, которые играют решающую роль в успехе внедрения таких решений.

1. Бесшовная интеграция с корпоративной инфраструктурой

В большинстве компаний к моменту внедрения BI уже есть устоявшаяся корпоративная инфраструктура и политика безопасности. BI-система — это практически «последняя миля» автоматизации, которая интегрирует данные из разных источников и предоставляет пользователям возможности для принятия решений на основе данных.

Для эффективной работы важно, чтобы BI-система могла бесшовно встроиться в уже существующую инфраструктуру. Analytic Workspace обеспечивает такую интеграцию через поддержку Active Directory и протоколов OpenID Connect. Проще говоря, в систему можно передавать пользователей и их роли, группы пользователей, данные о пользователях. Это обеспечивает бесшовное использование системы, так как не надо повторно регистрировать пользователей в BI и настраивать групповые политики.

2. Управляемый Self-Service

Ожидания пользователей BI-систем в последние годы значительно изменились. Если раньше основные задачи лежали на плечах ИТ-специалистов, то теперь бизнес-аналитики, маркетологи и другие сотрудники хотят работать с данными напрямую. Это дало начало концепции self-service BI — возможности для пользователей создавать отчеты, визуализации и дашборды самостоятельно.

Однако без должного контроля такая самостоятельность может привести к некорректной интерпретации данных и хаосу. В Analytic Workspace пользователям предоставляется управляемый self-service. В отличие от многих BI-систем, где роли ограничиваются только «разработчик» и «просмотрщик», в рассматриваемой нами системе предусмотрена дополнительная роль — аналитик. Этот специалист работает с «золотыми» моделями данных и готовыми сложными расчетами, созданными разработчиками, и может делать свои собственные расчеты, ad hoc-отчеты и дашборды на основе проверенных данных, минимизируя риски некорректной работы с корпоративной информацией.

Такой подход позволяет обеспечить баланс между гибкостью self-service и контролем за качеством данных. Компаниям важно, чтобы BI-системы содержали в себе инструменты для разработки, а также обладали гибкостью в создании визуализаций, которые подходят под различные запросы бизнеса.

3. Расширение под собственные нужды компании

Для многих крупных компаний важен не только стандартный функционал BI-систем, но и возможность кастомизации под специфические бизнес-процессы. В Analytic Workspace предусмотрено несколько точек расширения, чтобы удовлетворить эти требования.

Открытый и задокументированный API позволяет интегрировать систему с внешними приложениями и создавать на ее основе дополнительные функциональные модули. Пользователи Analytic Workspace используют API для создания уведомлений, ботов и других автоматизированных процессов, что дает компании гибкость в адаптации BI-решений под свои потребности. Кроме того, система поддерживает кастомные визуализации, создаваемые через HTML

• виджеты. Эти виджеты позволяют настраивать анализ и отображение данных в соответствии с уникальными требованиями бизнеса. Также для профессиональных пользователей предусмотрена возможность работы с Python-скриптами, что дает еще больший контроль над обработкой данных и позволяет интегрировать нестандартные решения в рабочий процесс.

4. Многостендовость и CI/CD-процессы

Для крупных компаний с несколькими окружениями (например, продуктовыми и тестовыми) критично важно иметь возможность переноса данных и конфигураций между различными стендами. В Analytic Workspace реализована поддержка работы с многостендовой средой и CI/CD-процессы. Это позволяет BI-разработчикам создавать отчеты и тестировать новые решения в безопасной среде, а затем переносить готовые решения в продуктовую среду без риска повреждения текущих отчетов и настроек.

Используя возможности API, компании могут выгружать и передавать мета-данные с одного стенда на другой, при этом имея возможность фильтровать и очищать информацию по мере необходимости.

5. Архитектура решения: микросервисность и поддержка Kubernetes

Крупные предприятия с отлаженными ИТ-процессами ожидают от BI-систем не только гибкости, но и возможности для масштабирования. Архитектура решения должна поддерживать рост компании и быть способной быстро адаптироваться к изменяющимся условиям. В основе Analytic Workspace — современная микросервисная архитектура, что позволяет масштабировать отдельные компоненты системы в зависимости от потребностей бизнеса.

Для обеспечения надежности и гибкости поддерживается развертывание в Kubernetes, что дает возможность автоматически масштабировать ресурсы в зависимости от нагрузки. Это особенно важно в периоды пиковых нагрузок, например, в конце месяца или в период отчетности. BI-система с таким функционалом обеспечивает стабильную работу при высоких нагрузках, при этом позволяя экономить ресурсы и поддерживать оптимальный уровень производительности в моменты спада нагрузки.

За скобками: работа с Big Data

Для большинства крупных предприятий, работающих с BI, особенно актуальны проблемы или вызовы, связанные с Big Data. Скорость обработки, кэширование, работа с большими объемами информации — все эти задачи требуют особого подхода. Analytic Workspace комплексно решает этот вопрос.

Во-первых, используется Clickhouse в качестве аналитического хранилища данных.

Clickhouse позволяет эффективно обрабатывать огромные объемы данных и выполнять выборки с высокой скоростью. Во-вторых, применяется многослойное кэширование данных (сохранения в промежуточную память), что минимизирует время отклика системы. Первоначальная загрузка отчета может занять несколько секунд, но в дальнейшем, благодаря кэшированию, отчет будет загружаться практически мгновенно, что существенно повышает эффективность работы пользователей.

В-третьих, в Analytic Workspace реализован уникальный оптимизатор запросов (OZ-движок), который позволяет максимально быстро отрабатывать запросы на выборку данных из аналитического хранилища. Есть реальные тесты работы со 160 миллиардами записей в аналитической витрине без потери производительности.

В-четвертых, у Analytic Workspace нет лицензионных и функциональных ограничений на объемы данных, количество нод и прочего. Лицензионная политика ориентирована только на пользовательские лицензии, что позволяет компаниям, с любым количеством пользовательских лицензий, работать быстро с данными любого размера.

В заключение отметим: в условиях быстро меняющегося бизнес-мира компании ожидают от BI-систем не только аналитические возможности, но и гибкость, масштабируемость и контроль над данными.

Российская BI-система Analytic Workspace предоставляет решения для интеграции с корпоративной инфраструктурой и поддерживает управляемый self-service. Она позволяет кастомизировать систему под конкретные потребности бизнеса, обеспечивает работу на нескольких стендах и масштабируемость с использованием Kubernetes. Эти возможности помогают компаниям эффективно работать с данными, раскрывая их полный потенциал. Кроме того, в условиях текущей ситуации важно отметить, что Analytic Workspace внесена в реестр российского ПО.

Ознакомиться с возможностями BI-система Analytic Workspace