‫למנהלים‬ ‫ם‬ ‫דע למנהל‬ ‫מידע‬ ‫‪ BI‬מערכת מ‬ ‫עודד טהורי‬ ‫‪[email protected]‬‬ ‫נושאים בהדרכה‬ ‫!‬ ‫!‬ ‫!‬ ‫!‬ ‫!‬ ‫!‬ ‫!‬ ‫‪ BI‬מהו ?‬ ‫מושגי יסוד וטכנולוגיות ‪BI‬‬ ‫התפתחות ה ‪BI‬‬ ‫ם למנהל‬ ‫כלים‬ ‫כל‬ ‫ארכיטקטורה מומלצת לבניית מערך ‪BI‬‬ ‫סוגיית איכות הנתונים בהקמת מערכות‬ ‫איך מצליחים בפרוייקט ‪? BI‬‬ ‫‪ BI‬מהו ?‬ ‫מערך מידע ייעודי לניתוח ועיבוד נתונים ליצירת תובנה עסקית‪,‬‬ ‫על מנת לאפשר פיתוח יתרונות ואסטרטגיות עסקיות‪.‬‬ ‫ניתוח נתוני העסק על מנת לספק מידע המעניק תובנות‪,‬‬ ‫שבהתאם להן ניתן לנקוט בצעדים לשיפור הביצועים‪:‬‬ ‫ושיטות עבודה‪.‬‬ ‫מוקדי רווח וש טות‬ ‫בחינת מגמות‪ ,‬נקודות חולשה‪ ,‬חוזקות‪ ,‬מוקד‬ ‫בח נת‬ ‫לדוגמה‪:‬‬ ‫•זיהוי מראש של לקוחות נוטשים‬ ‫•קצב פריטים‬ ‫•סיכוני אשראי‬ ‫•בקרה על ביצועים ‪KPI‬‬ ‫•שליטה ובקרה על תהליכים‬ ' BI -‫ מושגי יסוד ב‬- ? ‫ מהו‬BI Data Mining Planning Campaign management data visualization dashboard analyses Reporting Finance consolidation Scorecards CPM Corporate Performance Management) ETL VIEW OLAP ‫\מחסן‬DWH ‫רלציוני‬ In memory ‫ניקוי וטיוב‬ ‫ענן‬ On line cash ‫מושגי יסוד ב‪BI -‬‬ ‫!‬ ‫!‬ ‫!‬ ‫!‬ ‫!‬ ‫מחסן נתונים‬ ‫‪OLAP‬‬ ‫קוביה‪ ,‬מדד‪ ,‬מימד‪ ,‬טבלת עובדות‬ ‫‪Dril Down‬‬ ‫כריית נתונים ‪Data Mining‬‬ ‫מחסן נתונים‬ ‫!‬ ‫!‬ ‫!‬ ‫בסיס נתונים המשמש מערכות תומכות החלטה ובכלל זה מערכות‬ ‫בינה עסקית‪ ,‬כריית נתונים ועיבוד אנליטי מקוון‪.‬‬ ‫בדרך כלל בסיס נתונים גדול יחסית הניזון מנתונים תפעוליים ממספר‬ ‫גדול של מקורות שונים‪ ,‬העוברים שינוי על מנת להתאים אותם לדווח‬ ‫וניתוח לצורך קבלת החלטות‪.‬‬ ‫‪E t‬‬ ‫‪Extract,‬‬ ‫באמצעות תהליך ‪t ) ETL‬‬ ‫לבסיס הנתונים ב מ ות‬ ‫ברים לב י‬ ‫מועברים‬ ‫הנתונים מו‬ ‫‪.(Transform, Load‬‬ ‫‪OLAP – Online analytical‬‬ ‫‪processing‬‬ ‫!‬ ‫מידע המאוחסן במודל נתונים רב ממדי ומאפשר מענה מהיר‬ ‫לשאילתות אנליטיות רב ממדיות‪ .‬בשונה מבסיסי הנתונים המשמשים‬ ‫מערכות תפעוליות המיועדים לעיבוד תנועות מקוון ) ‪Online‬‬ ‫‪.(Transaction Process‬‬ ‫קוביה‬ ‫!‬ ‫!‬ ‫!‬ ‫!‬ ‫!‬ ‫!‬ ‫קוביה היא מבנה נתונים רב‪-‬מימדי המקשר בין קבוצה של מימדים‬ ‫לקבוצה של מידות‪ .‬הקומבינציה של איברים בתוך כל מימד מגדירה‬ ‫את המרחב הלוגי בתוכו ערכי המידות יכולים להופיע‪ .‬כל חיתוך‬ ‫ייחודי‪ ,‬המורכב מאיבר אחד מכל מימד בקוביה‪ ,‬נקרא תא‪ .‬הערך של‬ ‫התא נקבע על ידי המידה אליו הוא מקושר‪.‬‬ ‫הקוביה מתעדכנת תקופתית )לפי התזמון הרצוי(‬ ‫ניתן לצפות בקוביה בסביבת הפיתוח אך לרוב משתמשים בכלים‬ ‫ייעודיים המאפשרים תצוגות גרפיות בנוסף לתצוגה טבלאית‪.‬‬ ‫מימדים‪ -‬חתכים להצגת הדוח המרכיבים את הקובייה לדוגמא‪ :‬זמן‪,‬‬ ‫מוצר‪ ,‬שם לקוח‪ ,‬קבוצת השתייכות‪ ,‬איזור גיאוגרפי וכו'‪.‬‬ ‫מדדים‪ -‬מציג את מה שאנו מודדים בדוח לדוגמא‪ :‬מספר יחידות‪,‬‬ ‫מחיר ממוצע‪ ,‬סה"כ מכירות‪ ,‬רווח גולמי וכו'‪.‬‬ ‫טבלת עובדות ‪ – fact‬טבלה עם האירועים אותם רוצים לנתח‪,‬‬ ‫לדוגמא‪ :‬טבלת מכירות‪ ,‬טבלת תעודות משלוח וכו'‪.‬‬ ‫קוביה‬ ‫!‬ ‫אם נגדיר חיתוך המורכב מינואר‪ ,‬תל אביב‪ ,‬מחשב נישא ומספר‬ ‫יחידות‪ ,‬למעשה קיבלנו תא בודד שערכו יהיה 'כמה מחשבים‬ ‫נישאים נמכרו בתל אביב במהלך חודש ינואר'‪.‬‬ ‫‪Drill Down‬‬ ‫! אם נבנה מימד היררכי כמו למשל‪ :‬מדינה < מחוז < עיר‪ ,‬כאשר‬ ‫נבחר להציג איבר מסוים‪ ,‬למשל מחוז‪ ,‬נקבל פירוט נתונים‬ ‫המקושרים לרמה שמתחתיו‪ ,‬רק האיברים הרלוונטים אליו‪.‬‬ ‫מחוז‪ :‬צפון < עיר‪ :‬חיפה‪ ,‬טבריה‪ ,‬נהריה וכד'‬ ‫מדינה‬ ‫מחוז‬ ‫עיר‬ ‫כריית נתונים – ‪Data Mining‬‬ ‫!‬ ‫!‬ ‫!‬ ‫הפעלת אלגוריתם או תוכנית מחשב לצורך גילוי מידע הטמון בבסיסי‬ ‫נתונים קיימים‪ ,‬והסקת מסקנות מהצלבתו‪.‬‬ ‫גילוי ידע בבסיסי נתונים הוא תהליך הנועד לחקור ולנתח כמות‬ ‫גדולה של מידע באמצעים אוטומטיים ככל שניתן כדי לגלות דפוסים‬ ‫תקפים חדשים‪ ,‬שימושיים ובעלי משמעות ‪.‬‬ ‫המידע‬ ‫כשכמות המי‬ ‫המידע‪ ,‬כ כמות‬ ‫בעולם טכנולוגיית המי‬ ‫ת ב ולם‬ ‫המתמדת‬ ‫עם ההתפתחות המתמ‬ ‫ם‬ ‫הדיגיטלי גדלה כל הזמן‪ ,‬עולה החשיבות של תחום כריית המידע‪,‬‬ ‫שבאמצעותו ניתן להפוך מידע לידע‪.‬‬ ‫התפתחות ה ‪BI‬‬ ‫גרטנר ‪2009‬‬ ‫גרטנר ‪2005‬‬ ‫ השוואה‬- ‫כלים למנהל‬ QLIKVIEW ‫פנורמה‬ ‫קוגנוס‬ BO POINT VIEW INTELLSIS MICROSOFT ORACEL ! ! ! ! ! ! ! ! BI ‫ארכיטקטורה מומלצת לבניית מערך‬ Data visualization OLAP/ Data Mining / Aggregation /SQL/ Test Data Mart Transform Build Data Warehouse Design Staging Analyze Data Cleansing Transform ODS Connect Excel ERP CRM ‫סוגיית איכות הנתונים בהקמת מערכות‬ ‫מעניין אם מנהל מערכות המידע היה רוצה שהמנכ"ל שלו ילך לכלא‪.‬‬ ‫בצורה מפתיעה מאוד‪ ,‬יש היום למנהל מערכות המידע כוח שעלול‬ ‫לגרום נזק בלתי הפיך למנכ"ל שלו‪ ,‬ממש עד הרמה האישית ועד‬ ‫החיים הפרטיים‪.‬‬ ‫סוגיית איכות הנתונים בהקמת מערכות‬ ‫!‬ ‫!‬ ‫!‬ ‫!‬ ‫!‬ ‫!‬ ‫בעיית השפה המשותפת הארגונית )מגדל בבל(‬ ‫בעיית איכות הנתונים ‪-‬זבל נכנס‪ ,‬זבל יוצא‬ ‫ריבוי מערכות וקושי לקבל תמונה מקיפה‬ ‫מיזוגים בין חברות‬ ‫אמיתות רבות‬ ‫שימוש שגוי במערכת המידע‬ ‫איך מצליחים בפרויקט ‪BI‬‬ ‫!‬ ‫!‬ ‫!‬ ‫!‬ ‫!‬ ‫!‬ ‫!‬ ‫!‬ ‫!‬ ‫הגדרת תכולה עסקית‪ ,‬אפיון‪-‬על‬ ‫בחירת כלי‬ ‫להשיג מחויבות והבנת חשיבות הפרויקט בדרגי הניהול בחברה‬ ‫להתקדם בצעדים קטנים )להתחיל ממה שחשוב ו"כואב"(‬ ‫להקדיש זמן לאפיון המערכת )לבנות אב‪-‬טיפוס(‬ ‫לאפקטיביות היישום ‪TMI‬‬ ‫לשמור איזון בין היקף הנתונים ל‬ ‫ל‬ ‫להגדיר ארכיטקטורה התומכת בתהליכים העסקיים‬ ‫לבנות תשתית נתונים אינטגרטיבית‬ ‫לתכנון שלב בדיקות ועליה לאוויר‬ ‫איך מצליחים בפרויקט ‪BI‬‬ ‫חשוב ביותר ‪:‬‬ ‫!‬ ‫!‬ ‫!‬ ‫!‬ ‫!‬ ‫איכות נתונים‬ ‫עונה על צרכים ומוטמע בתהלכי קבלת ההחלטות‬ ‫פרוייקטים קצרים‬ ‫ידידותי‬ ‫תאום ציפיות )‪ BI‬סקסי אבל עוד לא מכין קפה(‬