Информационная бизнес-аналитика

Прежде чем приступать к использованию IBM Cognos BI, вы должны понять, как каждый из компонентов, образующих пользовательские интерфейсы IBM Cognos BI, может помочь вам в вашей работе.

3.7 Бизнес-аналитика и большие данные

Бизнес-анализ (BI) – это описательный процесс анализа результатов, которые достигаются при помощи бизнеса в определенный период времени, между тем, как скорость обработки больших данных дает возможность проведения анализа предсказательным, который способен предлагать бизнесу рекомендации на будущее. Такие технологии также дают возможность проведения анализа больше типов данных, по сравнению с инструментами бизнес-аналитики, что дает возможность фокусироваться не только на структурированных хранилищах. Согласно исследованиям IDC, объем мирового рынка бизнес-аналитики и больших данных планомерно возрастает: в 2015 г. он достиг $122 млрд, в 2016 г. – уже $130 млрд. К концу 2020 года аналитиками выставляется прогноз роста рынка до $203 млрд [19].
Большие данные и бизнес-аналитика обладают идентичной целью – поиском ответов на вопросы повышения капитала. Отличие их заключаются в следующем (рис. 10):
предназначением больших данных является обработка больших массивов информации, чем бизнес-аналитики, что соответствует их традиционному определению;
предназначением больших данных является обработка сведений, которые очень быстро получаются и меняются, что означает глубокое исследование и интерактивность;
предназначением больших данных является обработка неструктурированных данных, способы использования которых начинают изучаться только после налаживания их сбора и хранения, что вызывает необходимость в алгоритмах и возможности диалога для того, чтобы упростить поиск тенденций, которые содержатся внутри таких массивов.











Рисунок 10 – Внешний вид схемы взаимодействия больших данных и бизнес-аналитики

3.8 Специализированные информационно-аналитические системы по поддержке решения задач бизнес-аналитики

Кроме вышеперечисленных систем, существует специализированные ИС, которые помогают корректно решать задачи бизнес-аналитики. На основании финансового моделирования и для того, чтобы оценить будущее финансовое состояние предприятия, учитывая риски, устойчивость, ликвидность бизнеса и сценарный анализ, такие системы дают возможность оценить привлекательность данного проекта. В условиях российского рынка наиболее популярное прикладное обеспечение по проектному анализу считается система Project Expert, которую разработала компания Expert Systems. Также используются такие системы, как Audit Expert, Sales Expert и Prime Expert [20].
3.9 Проведение бизнес-аналитики для финансового планирования

Выполнение бизнес-аналитики для финансового планирования и прогнозирования направлено прежде всего на то, чтобы поддерживать полный цикл финансового управления. Оно включает разработку финансовых планов и бюджетов, а также осуществление прогнозного моделирования финансовых результатов, сценарного анализа, анализа отклонений «план-факт», корректирование планов и прогнозов, а также соблюдение бюджетного контроля выполнения финансовых показателей (рис. 11) [21].











Рисунок 12 – Внешний вид схемы аналитики финансового планирования и прогнозирования

Анализ финансовой отчетности является важным навыком в различных сферах деятельности, включая управление инвестициями, корпоративные финансы, коммерческое кредитование и предоставление кредитов. Для лиц, занимающихся такой деятельностью, или тех, кто анализирует финансовые данные в связи с их личными инвестиционными решениями, существует два разных подхода к задаче [22–24].
Первый заключается в том, чтобы следовать предписанной процедуре, заполняя поля со стандартными финансовыми коэффициентами, рассчитанными в соответствии с точными и негибкими определениями. Это может занять немного больше усилий или умственных усилий, чем это, чтобы удовлетворить формальные требования многих должностей в области финансового анализа. Работа чисто механическим способом, тем не менее, не вызовет особых профессиональных проблем. Моментальное завершение всех надлежащих стандартных аналитических этапов не обеспечит или даже не принесет вреда. Некоторые люди, однако, будут рассматривать такие проблемы как незначительные недостатки.
Вторая и более полезная альтернатива - неустанное стремление к точным финансовым профилям анализируемых организаций. Упорство важно, потому что финансовые отчеты часто скрывают больше, чем показывают. Для аналитика, который придерживается этого упреждающего подхода, создание стандартной электронной таблицы для компании является скорее средством для достижения цели. Инвесторы получают мало удовольствия от осознания того, что несвоевременная рекомендация о покупке акций была поддержана самым длинным рядом цифр, доступных в пакете программного обеспечения. Действительно ценный анализ начинается после того, как на все обычные вопросы даны ответы. Действительно, превосходящий аналитик добавляет ценность, поднимая вопросы, которых даже нет в контрольном списке. Поэтому важно формировать грамотно финансовую отчетность и понимать основные понятия бухгалтерского учета.

Заключение

В заключении отметить, что в условиях современных организаций, как частных, так и государственных, информационные аналитические системы для бизнес-аналитики активно распространяется. Благодаря им происходит превращение трансформация обычных технологий в высокоскоростные цифровые, где процесс передачи информации происходит намного быстрее, что безусловно будет способствовать развитию организации в целом с увеличением его доходов.
В данной работе достигнута основная цель – описана информационная бизнес-аналитика.
В данном реферате были решены следующие задачи:
приведены основные понятия, связанные с информационными аналитическими системами;
описано проектирование информационных аналитических систем в бизнес-аналитике;
описано применение информационных аналитических систем в бизнес-аналитике.
Также в процессе написания реферата были использованы современные и классические источники литературы и глобальной сети Internet.

Список использованной литературы

Tavana Madjid, Patnaik Srikanta (eds.) Recent Developments in Data Science and Business Analytics. Springer, 2018. — 505 p.
Бычков И.В. Инфраструктура информационных ресурсов и технологии создания информационно-аналитических систем территориального управления. Новосибирск: СО РАН, 2016. — 238 c.
Awan M.K. IBM Cognos BI v10.2 Administration Essentials. 2013. — 128p.
Koitzsch K. Pro Hadoop Data Analytics: Designing and Building Big Data Systems using the Hadoop Ecosystem. Apress, 2017. — 304 p.
Демидов А.А., Захаров Ю.Н. Информационно-аналитические системы поддержки принятия решений в органах государственной власти и местного самоуправления. Основы проектирования и внедрения. Учебное пособие. - СПб.: НИУ ИТМО, 2012. - 100 с.
Яковлев И.В. Информационно-аналитическая система оценки кадрового потенциала персонала сельскохозяйственных предприятий. Монография. — М.: ОнтоПринт, 2017. — 100 с.
Кочергин С.Г. Информационно-аналитическая система управления эффективностью финансирования инноваций. Диссертация на соискание ученой степени кандидата экономических наук. — Ставрополь, 2005. — 159 с.
Белов В.С. Информационно-аналитические системы. Основы проектирования и применения. М.: Московский государственный университет экономики, статистики и информатики, 2004. - 116 с.
Половян А.В., Кузьменко Л.М., Гриневская С.Н. IT-управление развитием промышленности (управление с использованием современных компьютерных технологий, разработка инструментария построения информационно-аналитических систем в АПК ДНР). Вестник Института экономических исследований 2018 №3 (11). Донецк: Институт экономических исследований, 2018. — 178 с.
Балашова И. Ю., Прошкина Е. Н. Применение бионических принципов в проектировании информационно-аналитической системы управления общественным транспортом. Молодой учёный 2018 №10 (196), март – 2. Казань: Молодой учёный. — 160 с.
Певченко С. С., Блужин В. А. Сравнительный анализ алгоритмов нейронной сети и деревьев принятия решений модели интеллектуального анализа данных. Молодой ученый 2016 №28 (132) декабрь-4. С. 148–154
Wood James, Rupert Joseph. BOPF: Business Object Development. SAP Press, 2017. — 79 p.
Abellera R., Bulusu L. Oracle Business Intelligence with Machine Learning: Artificial Intelligence Techniques in OBIEE for Actionable BI. Apress, 2018. — 198 p.
Grover M., Malaska T., Seidman J., Shapira G. Hadoop Application Architectures. O'Reilly Media, 2015 — 400 p.
Кузьмина А.В. Технология бизнес-аналитики в среде Oracle. Минск: БГУ, 2019. – 96 с.
Сакулин В.А., Сакулина Ю.В. Информатика. Технология работы с табличными данными. М.: Юнити-Дана, 2019. — 335 с.
Jelen Bill. Microsoft Excel 2019 Inside Out. Microsoft Press, 2018. – 864 p.
Talabis M. et al. Information Security Analytics: Finding Security Insights, Patterns, and Anomalies in Big Data. Elsevier, 2015. — 172 p.
Кабанов В.Ф., Бурмистров А.В. Основные принципы обработки данных. Современный аспект. Учебное пособие. — Саратов: СГУ имени Н.Г. Чернышевского, 2018. — 49 с.
Корягин Н.Д. Бизнес-анализ. Тексты лекций. — М.: МГТУ ГА, 2017. — 105 с.
Брускин С.Н., Китова О.В. Информационная бизнес-аналитика в задачах корпоративного управления: подходы и инструменты. Ломоносовские чтения-2016. Экономическая наука и развитие университетских научных школ (к 75-летию экономического факультета МГУ имени М.В. Ломоносова). Международная научная конференция: сборник статей. — Под ред. А.А. Аузана, В.В. Герасименко. — М.: Экономический факультет МГУ им. М.В. Ломоносова, 2016. — С. 1349–1358.
Yhip T.M. et al. The Practice of Lending: A Guide to Credit Analysis and Credit Risk. Pakgrave, 2020. — 451 p.
Milani Fredrik. Digital Business Analysis. Springer, 2019. — 432 р.
Girvan L., Paul D. Agile and Business Analysis Practical guidance for IT professionals. BCS, The Chartered Institute for IT , 2017. - 200p.









2