Аналитика (Аnalytics) - это

искусство анализа, применимое во всех сферах человеческой жизни, основанное на выделении информации, сборе и обработке статистических данных, улучшении понимания причинно-следственных связей, для приниятия решений по объекту или дальнейшего изучения свойств и качеств

Понятие и история аналитики, структура и основные инструменты аналитики, эволюция аналитических методов, компоненты и преимущества аналитики, информационно-аналитические технологии, технологии аналитики, аналитическая записка и аналитические компании мира, сферы применения аналитики: бизнес-аналитика, веб-аналитика, финансовая аналитика, спортивная аналитика, аналитика в бухгалтерском учете

Аналитика - это стремительно развивающаяся отрасль человеческой жизни, которая применяется практически во всех сферах, сущность которой заключается в проведении анализа - сборе, вычленении информации об объекте, процессе или явлении для последующего изучения особенностей по каким-либо признакам и принятия решений по развитию или деградации объекта, наиболее распространена веб-аналитика, бизнес-аналитика, HR-аналитика, финансовая аналитика, аналитика событий в мире.

Аналитика - это, определение

Аналитика - это исследование начал, элементарных принципов, в силу которых рассуждение принимает доказательный характер. Сам термин «аналитика» был введен в обиход всемирно известным ученым и философом из Древней Греции Аристотелем.

Аналитика, что это - это часть логики, рассматривающей учение об анализе, что с древнегреческого значит разложение, расчленение.

Аналитика - это те части философских систем, в которых предметы философии разлагаются на составные элементы с тем, чтобы потом можно было, на основании их, сделать безошибочные выводы и применения.

Аналитика - это, в буквальном смысле, "искусство анализа", то есть процесс выполнения анализа: расчленения, разделения какого-либо объекта, процесса или явления на части по каким-либо признакам для более детального рассмотрения его особенностей.

Аналитика - это анализ тенденций развития, по данным которого можно делать прогноз по развитию или деградации какой-либо системы.

Аналитика, что это - это деятельность специалистов по аналитическим исследованиям в разных областях знаний (например, в сфере экономического анализа).

Аналитика - это способность собирать и использовать информацию, принимая решения на основе фактов.

Аналитика, что это такое - это важная на сегодняшний день отрасль, применимая практически во всех сферах человеческой жизни. Это не только бизнес-понятие, с аналитикой сталкивается каждый человек в процессе анализа явлений повседневной жизни (анализ роста цен на продукты, анализ выбора места работы, анализ выгодной покупки квартиры и т.д.).

Аналитика - это часть искусства рассуждения - логики, рассматривающая учение об анализе - операции мысленного или реального расчленения целого (вещи, свойства, процесса или отношения между предметами) на составные части, выполняемая в процессе познания или предметно-практической деятельности человека.

Аналитика - это деятельность (чаще процесс) по выполнению экономического анализа.

Аналитика - это название, данное Аристотелем технике логического анализа. В своих "Аналитиках" Аристотель излагает анализ силлогизма, исследует теорию доказательства и условия получения достоверного знания.

Аналитика, где - это функционал, который позволяет добавлять различные реквизиты учета, которые изначально не вложены в систему, но нужны Вам для удобства управления бизнесом в Вашей компании.

Аналитика - это сфера деятельности, процесс и методику некоторого анализа.

Аналитика, что это - это искусство расчленения понятий, начал, элементарных принципов, с помощью которых рассуждения приобретают доказательный характер. Понятием аналитика Аристотель обозначил раздел логической науки, посвященный строгим силлогистическим рассуждениям. Трансцендентальная аналитика, по Иммануилу Канту, суть расчленение самой способности рассудка - выделяет элементы чистого рассудочного познания, без которых вообще немыслим ни один предмет.

Аналитика - это сочинение Аристотеля, которое посвящено логике и теории доказательств и умозаключений.

Аналитика, где это - это те части философских систем, в которых предметы философии разлагаются на составные элементы с тем, чтобы потом можно было, на основании их, сделать безошибочные выводы и применения.

Аналитика - это результат некоторого анализа.

Аналитика - это работа с цифрами, обработка статистики.

Аналитика, что это - это "увеличение информации", улучшение понимания причинно-следственных связей в рассматриваемом процессе или событии.

Аналитика - это целостная совокупность принципов методологического, организационного и технологического обеспечения индивидуальной и коллективной мыслительной деятельности, позволяющая эффективно обрабатывать информацию с целью совершенствования качества имеющихся и приобретения новых знаний, а также подготовки информационной базы для принятия оптимальных управленческих решений.

Аналитика - это область изучения свойств геометрических объектов - точек, линий, поверхностей и тел - средствами алгебры при помощи метода координат.

Понятие аналитики

Аналитика объединяет три важнейших компонента: методологию информационно-аналитической работы, организационное обеспечение этого процесса и технолого-методологическое обеспечение разработки и создания инструментальных средств для ее ведения.

К числу наиболее значимых процессов, определяющих сущность аналитики, относятся следующие:

- процесс анализа целей управления и формулирования задачи информационно-аналитической работы;

- процесс адаптивного управления сбором информации в интересах решения управленческих задач в условиях меняющейся ситуации;

- процесс анализа и оценивания полученной информации в контексте целей управления, выявления сущности наблюдаемых процессов и явлений;

- процесс построения модели предметной области исследований, объекта исследований и среды его функционирования, проверка адекватности модели и ее коррекция;

- процесс планирования и проведения натурных или модельных экспериментов;

- процесс синтеза нового знания (интерпретация результатов, прогнозирование и т. п.), необходимого для решения задач управления;

- процесс доведения результатов аналитической работы (нового знания) до субъекта управления (структуры или лица, принимающего решение).

Этот перечень, безусловно, не полон, перечисленные процессы являются базисными. Процессы управлений здесь рассматриваются, прежде всего, потому, что любая информация (будь то информация научного плана или информация менее высокого уровня обобщения) используется именно в целях управления научным исследованием или деловыми процессами в бизнесе - не важно.

В основе аналитики лежит не столько принцип констатации фактов, сколько принцип "опережения событий", что позволяет организации или индивиду прогнозировать будущее состояние объекта анализа.

Сущность аналитики, прежде всего, связана с методологической и интеллектуально-технологической сторонами деятельности, направленной на решение задач управления или синтеза новых знаний.

Содержательная сторона аналитики включает в себя большое количество концептуальных подходов, идей, частных аналитических систем.

Для ознакомления перечислим виды анализа, которые входят в сферу аналитики:

- графический анализ;

- ресурсный анализ;

- факторный анализ;

- корреляционный анализ;

- анализ временных рядов;

- дисперсионный анализ;

- анализ вариаций;

- кластерный анализ;

- дискриминантный анализ;

- ретроспективный анализ;

- сравнительный анализ;

- семантический анализ;

- метод главных компонент;

- анализ показателей эффективности;

- причинно-следственный анализ;

- контент-анализ;

- теоретико-игровое моделирование;

- логико-лингвистический анализ;

- структурный анализ.

Перечисленные аналитические системы используют для решения аналитических задач. Каждая из этих аналитических систем имеет свои сильные и слабые стороны и не способна в равной степени хорошо оперировать со всем многообразием проявлений объектов и процессов, с которыми приходится сталкиваться аналитику.

Как бы ни организовывалась информационно-аналитическая работа, но первой и чрезвычайно важной процедурой является первичный анализ (экспресс-анализ) и отбор релевантной информации. Эта процедура служит своеобразным фильтром, отбрасывающим ненужное и защищает аналитика от информационного шума (избыточности). Содержание этой процедуры состоит в установлении сущности, важности, точности, полноты и значимости информации на основе ее разделения (дробления) и сопоставления.

Сущность информации заключается в совокупности отраженных в ней признаков объектов, систем, явлений и процессов, выделенной из более обширного объема. Информация всегда отражает степень изменения существующего знания.

Важность информации. Информация является важной, если она релевантна, то есть имеет связь с решением проблемы, и если ее использование может внести вклад в деятельность (текущую или планируемую).

Достоверность информации. В общем случае степень достоверности информации оценивается отношением количества ложных элементов информации к общему числу всех элементов информации.

Значимость информации. Информация может быть одновременно и важной и бесполезной, поскольку ее может оказаться недостаточно для понимания сущности процесса, единичного события или явления в целом.

Для объяснения событий всегда необходимо иметь хотя бы две гипотезы. Причиной многих катастроф является не пренебрежение информацией, а ошибочное ее понимание. Чтобы избежать ошибки при принятии сложного управленческого решения, можно предложить принцип независимой экспертной оценки. Его суть состоит в том, что для оценивания ситуации или предлагаемого решения следует запросить мнение сторонних экспертов в этой области (в роли эксперта может выступать как коллектив, так и отдельный индивид), не связанного служебной, финансовой или иной зависимостью с субъектом управления, заказчиком. Это позволит выявить совершенно разные гипотезы, оценки и прогнозы, сличить мнения, получить сведения по определенным предположениям. Всегда должна использоваться возможность получения и оппозиционных мнений и гипотез.

Информация становится особо ценной тогда, когда она прямым или косвенным образом принимает участие в выработке решения высшим руководством организации. Искусство аналитической работы состоит в том, чтобы персонал организации своевременно получал информацию, которая ему действительно необходима для выработки адекватных управленческих решений. Для человека, не обладающего навыками информационно-аналитической работы, обилие информации столь же губительно, что и отсутствие ее - оно отрицательно сказывается на качестве решений.

Инициативность - выявление и описание проблем, формулирование задач и способов их решения (в том числе, выходящих за рамки традиционных представлений). Выработка не только оценочных результатов, но и конструктивных предложений и рекомендаций.

Достоверность - учет истинности исходных данных анализа, точности используемых количественных данных, степени объективности и обоснованности выводов, оценок, предложений.

Объективность - отсутствие тенденциозности, беспристрастное отношение аналитика к исследованию и его результатам.

Полнота - использование всей имеющейся информации, относящейся к решаемым задачам. При этом предполагается выдвижение и проверка всех возможных вариантов развития событий, версий о сущности и причинах изучаемого явления, определение закономерностей его развития.

Непрерывность - организация постоянно действующего информационно-аналитического мониторинга обстановки, своевременно и с заданной степенью детализации отражающего основные изменения в исследуемой ситуации.

Альтернативность мнений - наличие у каждого сотрудника аналитического подразделения возможности свободно высказать свое независимое мнение по результатам проведенного исследования и довести его до вышестоящего руководства.

Гибкость - возможность быстрой адаптации к изменениям общественно-политической обстановки без модификации структуры методов и средств реализации аналитической работы.

Обоснованность - получение аргументированных результатов аналитической работы на основе современных достижений науки, эффективных информационных и аналитических технологий, стремление к объективно истинному и проверенному знанию, использование всего комплекса познавательных принципов.

На практике подавляющее число управленческих решений принимается в условиях неопределенности - неполноты информации по соответствующим проблемам, а порой в условиях сознательного искажения, противоречивости имеющихся в наличии данных.

Сферы применения аналитики

В наши дни наблюдается настоящий информационный взрыв, который служит катализатором для развития аналитики.

День за днем люди создают все больше и больше данных, и этот процесс ускоряется с течением времени. Каждый аспект нашей жизнедеятельности оценивается и отслеживается, а аналитика позволяет раскрыть истинную суть вещей. Вот лишь несколько примеров, наглядно иллюстрирующий степень информатизации нашего мира.

Факты общения с другими людьми постоянно фиксируются: специальные сервера хранят наши электронные письма, посты в социальных сетях и записи телефонных разговоров.

Компании создают большие хранилища цифровых данных обо всем, что в них происходит. Только представьте, какой объем данных может создать бухгалтерия, стол обработки заказов или кадровый отдел! И эти объемы растут с каждой минутой!

Все наши действия в цифровом мире также отслеживаются. Например, браузеры ведут историю просмотров и поисковых запросов, а онлайн-магазины запоминают, что мы купили. Когда мы читаем книгу или слушаем музыку в электронном виде, устройство (книга или проигрыватель) собирает информацию о том, что конкретно, когда и как долго мы делаем.

Нас окружают едва заметные сенсоры, которые создают дополнительные данные. Например, в смартфонах есть сенсоры, определяющие местоположение владельца и скорость его движения, сенсоры кораблей измеряют температуру и направление потока воды в океане, сенсоры автомобилей контролируют процесс вождения, а сенсоры в упаковках товаров позволяют узнать, где находится наш заказ.

Данные исходят и от различных аксессуаров - "умных" часов, очков Google Glass и шагомеров. Например, современные потребители носят фитнес-браслет, ежедневно измеряющий количество пройденных шагов, сожженных калорий и часов сна.

Большое количество фотографий и видеороликов хранится в электронном виде, не говоря уже о записях с камер наблюдения. В частности, пользователи YouTube ежеминутно загружают более 100 часов видео, а пользователи Фейсбук - более 200 000 фотографий.

Устройства, подключенные к Интернету, способны самостоятельно создавать и передавать данные. Например, "умные" телевизоры запоминают программы, которые смотрят их хозяева, и даже могут определить, сколько человек сидит перед экраном.

Все больше и больше информации публикуется в открытом доступе - например, статистика и прогнозы от метеобюро, ранее цензурированные правительственные данные, популярные поисковые запросы Гугл Trends или карты Google Maps.

  Аналитика рынка

Аналитика по рынку акций, рекомендации независимых экспертов по акциям компаний, отраслевые обзоры - это всё включает в себя аналитика рынка.

    Инвестиционная аналитика

Инвестиционные аналитики проверяют отчеты прежде всего для того, чтобы посмотреть, есть ли у компании достаточные ресурсы, чтобы финансировать свой бизнес, и будет ли она в состоянии собрать все необходимые ей дополнительные деньги. В краткосрочном периоде дополнительная эмиссия акций для существующих акционеров приводит к уступке в цене акций компании, поскольку она увеличивает их общее число.

По традиции инвестиционные аналитики, как правило, предполагают, что если увеличивается промежуточный дивиденд, то и общегодовой дивиденд будет увеличен на тот же процент, если компания не заявит иначе при объявлении промежуточного дивиденда.

Обычно инвестиционные аналитики работают в брокерских фирмах или инвестиционных организациях.

    Аналитика форекс

‌Рынок Forex был основан в 1976 году, когда все государства мира перешли на свободный обмен валют. Forex стал просто необходим для нормального функционирования международной экономики и обеспечения перетока капиталов между разными странами.

Forex (Forex) - это международный финансовый рынок, на котором производится обмен валют.

Forex - рынок межбанковского обмена валюты по свободным ценам. Поэтому обычно используется сочетание "рынок Форекс" (англ. Forex Market, FX-market).

Термин "Форекс" иногда путают с термином "Валютная биржа". Форекс является внебиржевым рынком. Рынок Forex на привязан к какому-либо конкретному месту, на этом рынке можно совершать сделки с валютой онлайн из любой точки мира.

Участники рынка Forex совершают обмен валют. При совершении некоторых сделок результатом обмена валют является высокий доход, то есть извлечение прибыли на разницах курсов валют. Это возможно благодаря постоянному колебанию курсов валют. Анализируя и предсказывая возможное поведение курсов валют можно зарабатывать хорошие деньги.

Аналитика Форекс - это многосторонний анализ тенденций на рынке Форекс на основе различных показателей с использованием различных методов анализа с целью извлечения выгоды из сделок по обмену валют.

Аналитика Форекс Существуют два основных вида аналитики Форекс, которые можно использовать в торговле на Forex. Итак, в природе существуют два основных типа Форекс аналитики, которые трейдеры используют для своей работы на рынке.И тут не имеет значения, начинающий Вы трейдер, или нет.

Виды аналитики Форекс: фундаментальный анализ, технический анализ Форекс. Конечно, лучше иметь четко представление об обоих видах Форекс аналитики, при этом споры о том, какой вид аналитики лучше, будут всегда.

Для любого Forex трейдера важно изучать рынок со стороны и понять, как влияют на цены события и отражения этих событий в СМИ. Трейдер должен понимать и анализировать ежедневные новости, штудировать аналитику рынка, публикуемые профессиональными валютными аналитиками. Радует тут тот факт, что многие web-ресурсы предоставляют Forex аналитику и новости абсолютно бесплатно.

Что такое технический анализ - это такая аналитика, где, прежде всего, происходит исследование цен. Каждый Форекс трейдер посмотреть на историю колебаний цен, суммировать все данные и попробовать предсказать, куда и когда цена пойдет дальше. На графиках Вы всегда можете отследить тенденции и схемы, которые могут помочь найти хорошие возможности для заработка. Ключевое понятие в технической аналитике Форекс - это тренд. Все трейдеры знают выражение, что тренд Ваш друг.

При помощи фундаментального анализа трейдер видит рынок через призму макроэкономических, социальных и политических событий, которые оказывать влияние на спрос и предложение. Другими словами, Форекс трейдер должен смотреть, у какой страны или региона экономика идет вверх, а у кого нет. Так, если экономика конкретной страны укрепляется, то валюта страны, как следствие, тоже.

Скажем, в Соединенных Штатах, если процентные ставки идут вверх, курс бакса тоже растет. Отсюда, если доллар идет вверх, он растет пропорционально экономике своей страны. Изучая аналитику Форекс, набираясь опыта, можно понять, какие события воздействуют на курсы основных валют на Форекс.

Аналитика рынка Forex включает в себя, кроме новостей, много полезной информации:

- прогнозы на день (прогноз рынка, прогнозы по валютным парам, технический анализ);

- прогнозы на неделю по основным валютным парам;

- недельный обзор рынка Форекс;

- графический анализ по актуальным валютным парам;

- анализ по Фибоначчи;

- волновой анализ Эллиотта.

    Аналитика физических рынков

Под анализом рынка понимается сбор, сведение в систему и анализ числовых показателей, касающихся рынка и продаж. Благодаря этому становится ясной ситуация со сбытовой деятельностью в прошлом и выявляются сложившиеся на рынке тенденции и проблемы. В качестве цели ставится разработка сбытовой политики на предстоящий период.

Если показатели сбыта плавно растут и нет изменений в выпускаемой продукции и методах сбыта, то достаточно учесть только обобщенные показатели фактической реализации без проведения структурного анализа. Во всех же остальных случаях необходимо выяснение причин, проблем и определение путей их преодоления.

    Аналитика рынка недвижимости

Аналитика как наука предполагает изложение выводов, сделанных на основе конкретной информации, а не домыслов. Следовательно, ценность аналитических статей и обзоров рынка недвижимости именно в том, что они выполняются экспертами и профессионалами на основе реальных данных, поэтому в них можно почерпнуть немало полезной информации. Рынок жилья сложен и многообразен, он имеет свои закономерности и законы развития. Аналитические материалы, отражающие мнение экспертов, позволяют потребителям составить свое собственное мнение, разобраться во многих вопросах, касающихся такой непростой сферы, как жилая недвижимость.

В разряд аналитических можно отнести самые различные публикации. Фактически, это любая информация, отражающая реальные показатели рынка недвижимости: строительные особенности жилых зданий, от которых зависят эксплуатационные характеристики квартир, различные качества ценовых сегментов рынка, актуальные комментарии профессионалов, обзоры, прогнозы и многое другое. Нередко публикуются различные материалы по юридическим или финансовым вопросам, связанным с продажей или приобретением жилья, а также немало полезных советов от специалистов в этой области.

Обзоры рынка помогают понять текущее положение дел с недвижимостью в определенный промежуток времени, а обзоры региональных рынков отражают ситуацию с недвижимостью, сложившуюся в определенном городе или районе страны. Здесь можно узнать различные статистические данные по количеству сделок в том или ином сегменте рынка, объем спроса и предложения, текущие цены на жилье и многое другое. Также очень важно, что подобные данные, как правило, сопровождаются мнением экспертов по этому вопросу.

Актуальные комментарии отражают взгляд компетентного специалиста на суть того или иного вопроса. Комментариями часто сопровождаются различные события на рынке недвижимости, новости, тенденции развития, а также любые проблемы, с которыми сталкивается рынок. Разумеется, мнение эксперта всегда является очень важным, поскольку оно основано на глубоком понимании различных процессов, происходящих в отрасли. Актуальные комментарии - это очень значимая часть аналитики, поскольку дает возможность получить компетентное мнение по самым разным вопросам.

Часто аналитические статьи затрагивают такие темы, как типы характеристики объектов недвижимости, особенности строительных технологий, а также взаимоотношения застройщиков и покупателей квартир в новостройках. Безусловно, такая информация имеет высокую ценность для любого человека, кто хочет быть в курсе тенденций рынка жилья, а особенно для тех, кто решился на приобретение квартиры в строящемся доме. Сегодня это особенно актуальная тема, поскольку первичный рынок жилья развивается, и предложений в новостройках большое количество.

  Аналитика в экономической сфере

Экономический анализ входит в группу взаимосвязанных конкретных экономических дисциплин, куда, кроме него, входят бухгалтерский учет, контроль, статистика, аудит, микро- и макроэкономика, финансы и кредит и другие науки. Они изучают хозяйственную деятельность организаций, но каждая под определенным, характерным только для нее углом зрения. Поэтому каждая из этих наук имеет свой, самостоятельный предмет.

Экономический анализ (иначе - анализ хозяйственной деятельности) играет важную роль в повышении экономической эффективности деятельности организаций, в укреплении их финансового состояния. Он представляет собой экономическую науку, которая изучает экономику организаций, их деятельность с точки зрения оценки их работы по выполнению бизнес-планов, оценки их имущественно-финансового состояния и с целью выявления неиспользованных резервов повышения эффективности деятельности организаций.

    Финансовая аналитика предприятий

Финансовая аналитика является типом биржевых новостей и отвечает за прогнозы на движение всего рынка или отдельных компаний. Как правило, этим занимаются крупные брокерские фирмы, которые публикуют свои ожидания по поводу акций на некоторых бесплатных интернет ресурсах для широкого доступа.

Профессия финансового аналитика является довольно молодой. Она появилась в 1928 году, но не была еще четко сформирована. Данные специалисты начали пользоваться спросом после Второй мировой войны, после создания Британского общества аналитиков.

В развитых странах профессия финансового аналитика подразумевает, что специалист имеет опыт и знания в различных областях: бухгалтерия, аудит, менеджмент и многих других. Хороший финансовый аналитик должен владеть знанием экономики на высоком уровне.

Среди таких систем Audit Expert - это программа анализа финансового состояния предприятия. Audit Expert - аналитическая система диагностики, оценки и мониторинга финансового состояния одного или группы предприятий на основе данных финансовой и управленческой, в том числе консолидированной отчетности.

Audit Expert ориентирован на финансово-экономические службы крупных компаний, банки и аудиторские фирмы, госорганы, контролирующие финансовое состояние подведомственных организаций. Audit Expert выпускается в версиях Standard и Professional

Программа "ИНЭК-АФСП" предназначена для проведения анализа финансового состояния предприятий всех видов деятельности на основе данных внешней бухгалтерской отчетности: форм № 1, 2, 4.

Преимущество программы заключается в том, что она позволяет:

- изменять стандартные строки бухгалтерской отчетности, добавляя собственные строки в баланс и отчет о прибылях и убытках;

- учитывать отраслевую и хозяйственную специфику деятельности предприятий;

- использовать методику ИНЭК;

- реализовывать собственные методики финансового анализа;

- получать практически все регламентируемые законодательством методики финансового анализа по финансовому оздоровлению, оценки ГУПов, АО с долей государственной собственности;

- консолидировать и анализировать финансовую отчетность предприятий, входящих в холдинги и финансово-промышленные группы;

- сравнивать и ранжировать деятельность предприятий.

При работе с программой имеется возможность не только проводить финансовый анализ на основе рассчитанных аналитических таблиц и графиков, но и получить автоматически подготовленное в текстовом виде подробное Заключение по финансовому состоянию предприятия.

Программный продукт "Альт-Финансы-Сумм" предназначен для автоматизации расчетов в ходе выполнения анализа финансового состояния группы компаний (холдинга). С помощью данной программы на основании стандартных форм бухгалтерской отчетности - балансов (форма №1) и отчетов о прибылях и убытках (форма №2) компаний, входящих в группу, - формируется картина финансового состояния холдинга:

- определяются показатели, характеризующие ретроспективное финансовое положение группы компаний, тенденции и закономерности ее развития, "узкие" места, которые отрицательно сказываются на финансовом положении;

- предоставляется возможность моделирования прогнозного финансового плана холдинга - запланированных (либо возможных) изменений финансовых потоков (изменения объемов реализации, затрат, инвестиционных вложений, возврата и привлечения кредитов). По данным прогнозного финансового плана осуществляется автоматический расчет прогнозных финансовых показателей.

"АБФИ - предприятие" (Анализ Банковской и Финансовой Информации) - экспертная аналитическая система, предназначенная для анализа любой формализованной информации. Универсальность системы подтверждается тем, что ее пользователями являются самые разные организации - Центробанк Российской Федерации (департаменты Центрального аппарата и Территориальные учреждения), коммерческие банки, предприятия. Работая с системой, финансовый аналитик имеет возможность обрабатывать информацию быстро и точно, используя для этого все необходимые данные и не отвлекаясь на технические детали.

      Независимая финансовая аналитика

Независимая аналитика - это вид финансовой аналитики, которая, в отличие от традиционной "бесплатной" аналитики инвестиционных компаний и/или брокеров, выпускается аналитическими агентствами, не являющимися аффилированными лицами брокеров и инвестиционных компаний.

В большинстве стран мира участники финансового рынка предоставляют своим клиентам финансовую аналитику бесплатно, включая расходы на неё, как правило, в комиссионное вознаграждение. Создаётся ситуация, при которой производителем финансовой аналитики выступает сторона, заинтересованная в той или иной оценке (ценных бумаг), отражаемой в подготовленном аналитическом материале. Считается, что в любом банке или брокерской компании между аналитическим отделом и продающим подразделением проходит чёткий водораздел, позволяющий первому действовать полностью самостоятельно и независимо. На практике зачастую складывается обратная ситуация.

Таким образом, основными предпосылками появления независимой аналитики было растущее недоверие инвесторов к аналитике, выпускаемой штатными подразделениями инвестиционных банков и брокеров, а также понимание необходимости регулирования ситуации на законодательном уровне. Независимые аналитические агентства берут на себя поддерживающую рынок роль и выпускают исследования по акциям компаний, валютному рынку, деривативам, вкладам, ПИФам, товарным рынкам, частным инвестициям. Большинство агентств выпускает еженедельный обзор модельных портфелей, ежедневные обзоры рынка, отраслевые обзоры.

    Аналитика в маркетинге

Маркетинговая аналитика является базой для важных управленческих решений. С ее помощью вы всегда можете отследить результаты работы компании, определять удачные маркетинговые шаги и корректировать неэффективные. На занятиях в нашей бизнес-школе вы научитесь самостоятельно проводить конкурентный анализ и выстраивать маркетинговую стратегию с учетом индивидуальных особенностей своего бизнеса. Обучение по этому направлению будет полезно менеджерам по продукту, директорам по маркетингу, руководителям отделов продаж и специалистам по маркетингу и рекламе.

Маркетинговая аналитика - это измерение и оптимизация маркетинговой деятельности. Вместо того, чтобы направлять усилия только на работу сайта, как в случае с веб-аналитикой, вы фокусируетесь на маркетинговой деятельности и соответствующим образом корректируете ее. Маркетинговая аналитика выходит за рамки показателей сайта и полагается также на другие инструменты, внешние факторы и даже оффлайновую деятельность. Это позволяет составить общую картину для маркетингового анализа.

Эта концепция кажется простой - и в некотором смысле таковой и является - но многие маркетологи тратят по многу часов на работу с инструментами веб-аналитики, такими как Google Analytics и Omniture, анализируя результаты своих усилий относительно работы сайта, но не выходя за эти рамки.

Но как насчет анализа способов проведения самой кампании? Как насчет времени суток, когда вы произвели те или иные действия, средств, которыми вы при этом пользовались? Как насчет внешних результатов, к которым привела ваша деятельность? Маркетинговый анализ означает взгляд поверх показателей сайта, это вопрос: "Как на самом деле проходила эта маркетинговая кампания?".

Существует довольно небольшое количество трудностей, с которыми люди часто сталкиваются при проведении маркетингового анализа. Вот несколько самых распространенных, а также советы, как их избежать.

Поставил и забыл: Мы все совершали эту ошибку. Вы услышали о новом отличном инструменте для аналитики. Вы его устанавливаете и начинаете собирать данные, но так никогда и не возвращаетесь к нему, чтобы посмотреть, как дела и каковы результаты. Или хуже того: вы получаете еженедельные отчеты, но не обрабатываете результаты для извлечения значимых выводов. Это тот самый случай - "поставил и забыл". Маркетинговая аналитика требует другого подхода. Вы должны тестировать новые каналы и инструменты, а затем выделять время для отслеживания результатов и обработки данных. Ключ к успешному маркетингу - упреждающая активность и постоянное следование принятым решениям. Это займет время. Маркетологам всегда не хватает времени, но это именно то, на что стоит его потратить.

Думать, что это задача СМО: Часто встречается неправильно представление, что развитие маркетинговой программы - это целиком задача SMO. Вместо этого каждый маркетолог в команде должен знать, как его усилия возвращаются в виде результатов. У вашей команды должна быть общая стратегия использования каналов и разделения обязанностей. Если переложить все это на один отдел, эффективность значительно снизится. Помните - это ваша общая работа.

Недостаточно тщательное взвешивание поражений и побед: Часто недостаточно внимательно относятся к результатам своих усилий. Чтобы сделать маркетинговую аналитику одним из основных приоритетов вашей компании, вы должны постоянно делиться со всей командой тем, как идут дела в этой области. Вместо того чтобы говорить: "Используйте входной маркетинг для привлечения сообщества", стоит говорить о конкретных кампаниях, конкретном контенте и конкретных действиях. Ваша команда должна понимать, над чем вы все работаете и над чем вам предстоит работать дальше. Делитесь друг с другом мыслями и идеями. Если все в команде работают вместе, они будут более заинтересованы в результатах.

    Аналитика в бизнесе

Разумеется, аналитика активно используется в бизнесе. Я работаю в этой сфере, помогая компаниям создавать стратегии, принимать обдуманные решения и повышать свою производительность. Вот лишь малая толика примеров, которыми я могу поделиться:

- многие клиенты перераспределяют маркетинговые усилия, основываясь на информации о количестве продаж. Для определения поведенческих шаблонов покупателей используются данные с карт лояльности или кредитных карт. Например, женщина, которая ждет ребенка, сильно меняет свои привычки, и супермаркет, в котором она покупает продукты, может легко это узнать. Это знание можно использовать для распространения целевой рекламы, сообщив будущим родителям о снижениях цены на детские товары;

- магазины розничной торговли используют аналитику для оптимизации работы с производственными запасами. Традиционные методы включают в себя анализ продаж и закупку товаров, которые продаются лучше всего. Современная аналитика выходит за привычные рамки. Например, один из моих клиентов обнаружил товар, который не пользовался особым спросом, но приобретавшие его покупатели обычно оставляли в магазине круглые суммы. Таким образом, отказываться от закупки этого товара было бы неразумно;

- с помощью аналитики компании оптимизируют работу системы снабжения. Данные от сенсоров, установленных на грузовиках с товарами, позволяют выработать кратчайший маршрут доставки, принимая во внимание пробки и погодные условия;

- другой мой клиент, представлявший ведущую телекоммуникационную компанию, разработал аналитическую модель, позволявшую предсказывать уровень удовлетворенности пользователей и возможные жалобы. На основании текстов заявлений и записей телефонных звонков все пользователи были разделены на категории. В результате анализа выяснилось, что пользователи, принадлежащие к определенному типу, чаще других разрывали контракты и уходили к конкурентам. Дальнейшие исследования позволили тщательнее изучать уровень удовлетворенности таких клиентов и принимать превентивные меры по их удержанию;

- крупные предприятия из сферы услуг используют аналитику, чтобы определять сотрудников, которые подумывают покинуть рабочее место. Они используют информацию о посещении сотрудниками таких сайтов, как LinkedIn, Dice и Monster. Это позволяет принимать превентивные меры до того, как ценный специалист примет решение об уходе.

‌Под бизнес-аналитикой понимают деятельность специалистов по выполнению бизнес-анализа.

Бизнес-анализ - это дисциплина выявления деловых потребностей и нахождения решений деловых проблем. Данные задачи выполняют бизнес-аналитики.

Бизнес-аналитик - это специалист по бизнес-анализу, который в соответствии с деятельностью организации прогнозирует общую стратегию развития бизнеса, выявляет возможные проблемы и пути их решения, а также предлагает варианты стратегического планирования и усовершенствования бизнес-процессов в организации для дальнейшего роста и развития.

На сегодняшний день профессия бизнес-аналитика довольно престижна и высокооплачиваема.

Любому крупному и малому бизнесу необходимы подобные специалисты. Однако, основными направлениями, где особенно востребованы бизнес-аналитики, являются следующие: банковское дело, строительство, торговля, промышленность, IT-компании, консалтинг.

На должность бизнес-аналитика обычно претендуют выпускники экономических и технических ВУЗов, которые умеют работать с информационными аналитическими системами обработки данных (базы данных, CRM-системы), бухгалтерским и финансовым учетом, владеют навыками систематизации и анализа, а также умеют моделировать бизнес-процессы.

Экспертная аналитика ставит перед собой задачи максимально упростить работу компании, увеличив рентабельность её продаж и минимизировав потери. Это общее определение состоит из следующих конкретных целей:

- нахождение наиболее целесообразного решения бизнес-проблемы, создание механизмов для предотвращения её возникновения в будущем;

- оптимизация затрат фирмы-заказчика. Получение экспертного вывода, который бы указывал на оптимизацию финансовых потерь. Конечный анализ должен помочь выявить "дыры" в бюджете предприятия, не допустить утечек финансов по неоправданным причинам. Ударение также делается на исключение возможности проявления такой ситуации, как "потерянный доход";

- экономия времени, влияющая на сроки исполнения бизнес-проекта. Качественная аналитика должна указать на все риски, которые потенциально могут препятствовать выполнению определённых заданий. Устранение таких препятствий позволяет избежать просрочки обязательств или слишком растянутой во времени, а потому нерентабельной деятельности;

- повышение эффективности бизнеса путём предложения ему оптимальных форм осуществления коммерческой деятельности, маркетинговой работы и взаимоотношений с клиентурой;

- выработка универсальных систем и средств реагирования, предотвращающих повторения уже решённых ранее проблем.

В последнее время в этой сфере деятельности широко используется специальное программное обеспечение, призванное упростить процессы анализа и оптимизировать систематизацию данных. Без таких современных инструментов, естественно, обойтись тяжело, но в то же время деятельность аналитика не сводится исключительно к системной IT-работе, а базируется на более широком объёме аналитических технологий, знаний и, конечно же, опыте. Каждый из нижеописанных приёмов может применяться отдельно от других, что зависит от точных целей, но в большинстве случаев такой аналитический "набор" используется комплексно.

      Использование аналитической конкуренции в бизнесе

Будем называть аналитическим конкурентом организацию, активно и систематически использующую аналитику в стремлении обойти конкурентов. Самые изощрённые в использовании аналитики и успешные из изученных нами фирм обладают четырьмя основными характеристиками:

- аналитика поддерживает стратегическую отличительную компетенцию фирмы;

- подход к аналитике и управление ею на предприятии повсеместны;

- руководители компании являются сторонниками использования аналитики;

- компания делает серьёзную стратегическую ставку на аналитику как основу конкуренции.

Если эти четыре характеристики принять за критерии развития аналитики как конкурентного преимущества, то можно начать оценивать организации по тому, в какой степени им присущи эти факторы. Выявили пять стадий развития аналитики как конкурентного преимущества.

Если аналитика призвана подкрепить собой конкурентную стратегию, она должна подкреплять и конкретные важные направления деятельности в компании. Такие направления в каждой организации и отрасли бизнеса свои и могут касаться цепочки поставок, ценообразования и управления доходами, обслуживания клиентов, лояльности потребителей или кадровой политики.

Существует вероятность, что аналитику отдали на откуп тому или иному сотруднику. Конечно, хорошо, когда отдельные сотрудники используют данные и анализ в качестве основы своих решений, но информация, созданная и организуемая одним человеком, - не лучший способ управлять аналитическими процессами целого предприятия. Во-первых, в ней могут содержаться ошибки (одно исследование показало, что ошибки содержат от 20 до 40% составляемых таким образом таблиц). Во-вторых, отдельные люди создают "многочисленные версии истины", тогда как большинство организаций стремится только к одной.

С точки зрения IT, один из подходов к управлению аналитикой на уровне целого предприятия состоит в создании центра развития бизнес-аналитики - Business intelligence competency center (BICC).

Переход к широкому применению аналитики в бизнесе требует изменений в культуре, процедурах и навыках многих сотрудников. Такие изменения не происходят самопроизвольно; они должны проводиться высшим руководством компании, которое питает пристрастие к аналитике и любит принимать решения на основе фактов. Характерна фраза, приписываемая Уильяму Эдвардсу Демингу: «Мы верим в Бога. Все остальные предоставляют факты».

      Основные аналитические методы в бизнесе

Благодаря аналитическому подходу к маркетингу компании раньше конкурентов могут выявлять и обслуживать новые рыночные сегменты. Секрет этой компетенции заключается в следующем цикле: тестирование - анализ и изучение его результатов - использование выявленных возможностей.

За последние двадцать лет Marriott развивалась за счет управлением доходами - процессом, в ходе которого гостиницы устанавливают оптимальную плату за номера. Если гостиница способна предугадать самую высокую цену, при которой места вес же будут куплены, она заработает больше денег, чем в случае, если цены будут слишком высоки и ряд номеров останется незанятым, или если цены будут неоправданно низкими.

        Раздельный учет затрат

Первый шаг в этой области - точно распределить затраты по таким направлениям, как клиенты, процессы или каналы распространения; модели, учитывающие процессы, материалы, ресурсы и товарные предложения, позволяют оптимизировать затраты и спрогнозировать будущие потребности в увеличении мощностей.

При применении подхода ABC ставится задача найти иную (не связанную с объемом) базу для разнесения накладных расходов. Организации несут накладные расходы при осуществлении различных операций, которые можно разделить на:

- операции логистики, связанные с организацией движения материалов и иных ресурсов;

- балансирующие операции, связанные с обеспечением соответствия поступления ресурсов потребности на них;

- операции по обеспечению качества продукции и процессов;

- операции обмена, касающиеся выполнения требований потребителей по изменению спецификаций, структуры продуктов, дат поставки и т.п.

        Анализ заданных ограничений

Использование одного или нескольких алгоритмов поиска набора допустимых решений, удовлетворяющих заданным ограничениям. Ограничения закладываются в правила или процедуры, которые решают определённые проблемы конфигурации и дизайна с использованием одного или двух алгоритмов поиска допустимых вариантов.

        Анализ доходности предприятия

Применение базовой статистики (среднее, медиана, стандартное отклонение и пр.) с целью оценить объём и качество прибыли и сравнить одну группу элементов с другой часто с представлением результатов анализа в графическом виде.

      Конкуренция компаний на основе аналитики

В отличие от внутрикорпоративных процессов, находящихся в зоне полного и непосредственного контроля организации, процессы, направленные вовне, требуют взаимодействия со сторонними организациями и их ресурсами. По этим причинам управление аналитикой, имеющей отношение к внешним процессам, представляет собой более трудную задачу.

Аналитические конкуренты выходят за рамки элементарной статистики и делают следующее:

- используют прогнозное моделирование для выявления наиболее прибыльных клиентов, а также тех, кто обладает самым большим потенциалом прибыльности, и тех, кто с наибольшей вероятностью скоро закроет счёт;

- интегрируют данные, собранные внутри компании, и те, что получены из сторонних источников, чтобы лучше понять своих клиентов;

- оптимизируют цепочки поставок и таким образом могут определить влияние неожиданных затруднений, моделировать возможные варианты и составлять наименее проблемные маршруты поставок;

- анализируют историю продаж и тенденции ценообразования, чтобы устанавливать цены в реальном времени и получать с каждой транзакции максимально возможную прибыль;

- проводят сложные эксперименты для измерения общей эффективности рекламы и других маркетинговых ходов, а затем анализируют полученную информацию.

Фирмы все чаше будут смотреть на рекламную аналитику как на необходимое дополнение любой рекламной кампании. В противном случае ресурсы на рекламу вряд ли можно считать потраченными с умом.

Одна из причин успеха Google Inc. в отношениях с рекламодателями - активное применение аналитики. Философия Google Inc. состоит в том, что аналитика и способы измерения принесут больше успехов рекламодателям в сотрудничестве с компанией, поэтому она старается предоставить им такой уровень сложности анализа, какой они могут использовать.

Другой пример - норвежский банк DnB NOR - использует в хранилище данных "триггеры события", чтобы подсказать аналитикам отношений с клиентами идеи относительно одной-двух специальных услуг на основе события. К примеру, если клиент получает значительное наследство, представитель банка предложит ему продукты по инвестированию.

Один из наиболее впечатляющих пользователей аналитики - компания Tesco. В 1995 году компания ввела карты лояльности Clubcards. Карты работают как механизм сбора информации о клиентах, вознаграждения покупателей за приобретение товаров в Tesco и таргетироваиия предложений в директ-маркетинговых рассылках для наибольшей отдачи. Все онлайновые заказчики Tesco обязаны иметь клубную карту, поэтому фирме известно, что именно они покупают, и она делает им соответствующие новые предложения. С помощью данных о покупках клиентов Tesco делит их на группы, на основе жизненных стилей. Например, женщина, раз в неделю покупающая товары на распродаже и использующая присылаемые по почте купоны, считается клиентом, для которого важна цена.

Мужчина, делающий три-четыре покупки в неделю, причём приобретающий полуфабрикаты и редко меняющий их набор вне зависимости от того, действует ли на них скидка, классифицируется как клиент, для которого важно удобство. Обладая подобными знаниями о клиентах, Tesco корректирует рекламные кампании согласно приоритетам и интересам. По словам своих представителей, фирма выпускает 7 миллионов индивидуальных вариантов товарных купонов в год, выводя уровень их отоваривания, лояльность клиентов и, в итоге, финансовые показатели на беспримерную в отрасли высоту. В то время как средний уровень эффективности прямой почтовой рассылки по индустрии составляет всего 2%, у Tesco погашается от 20 и до 50% купонов.

В Progressive Insurance вместо того чтобы автоматически считать мотоциклистов представителями группы повышенного риска, аналитики принимают во внимание такие факторы, как рабочий стаж, другие опасные виды деятельности (например, занятия парашютным спортом) и кредитный балл. Мотоциклист с длительным стажем работы в одной и той же компании и высоким кредитным баллом будет считаться клиентом с низкой вероятностью риска.

Capital One усовершенствовала традиционные приёмы привлечения так называемых субстандартных клиентов - тех, кто по своему кредитному рейтингу считается подверженным высокому риску банкротства или неплатежа. Capital One применяет собственное патентованное средство оценки кредитоспособности потребителя с тем, чтобы выявить и привлечь тех, кого считает менее опасными клиентами, чем предполагает их кредитный балл.

    Аналитический учет в бухгалтерии

Аналитическими счетами называют счета, открываемые в развитие синтетических счетов для получения конкретных данных, а учет в системе этих счетов называется аналитическим учетом. В аналитических счетах учет ведется не только в стоимостном выражении, но и в натуральных и трудовых измерителях. Синтетические и аналитические счета взаимосвязаны. Суммы начальных и конечных остатков, а также дебетовых и кредитовых оборотов всех аналитических счетов равны суммам начального и конечного остатка, дебетового и кредитового оборотов синтетического счета.

В аналитических счетах, отражающих движение хозяйственных средств, учет ведется в натурально-стоимостном выражении, а в аналитических счетах, отражающих движение источников хозяйственных средств, учет ведется только в денежном измерении. Аналитические счета не ведутся по денежным средствам. Некоторые сложные синтетические счета непосредственно связаны с аналитическими счетами без каких-либо промежуточных групп. Однако такое построение не всегда обеспечивает получение необходимых показателей. Некоторые синтетические счета состоят из нескольких групп аналитических счетов. Записи в синтетических счетах по сумме равны записям в аналитических счетах.

Для управления предприятием его руководителю, а также руководителям отдельных структурных подразделений необходимо получение данных о каждом участке хозяйственной деятельности, о видах имущества и источниках их формирования различной степени обобщения и детализации. Необходимы сведения о каждом дебиторе с целью своевременного получения денег или имущества, услуг. Сведения о заемщиках необходимы для своевременного погашения долгов, избежания штрафных санкций и сохранения деловой репутации, являющейся важным фактором в установлении договорных отношений.

Для получения представления о средствах и процессах необходимы счета, обобщающие данные, характеризующие объект учета в целом. Например, счета, отражающие общую сумму задолженности перед поставщиками или общую сумму полученных материалов. Для получения сведений о суммах задолженности по каждому конкретному поставщику нужны счета, дающие такую конкретную информацию, а для получения сведений по каждому виду полученных материалов нужны счета, отражающие движение каждого вида материалов. Записи хозяйственных операций на аналитических счетах производятся на основании первичных документов.

Аналитический учет составляет основу для формирования данных синтетического учета. Аналитический учет ведется в карточках (карточки учета материалов, карточки учета основных средств, карточки учета дебиторов и заемщиков и др.), в ведомостях (расчетная ведомость, платежная ведомость), оборотных ведомостях (материалов), сальдовых ведомостях, в книгах (амбарная книга). Данные в них о движении отдельных объектов учета накапливаются, группируются, и полученные итоги одновременно отражаются на соответствующих синтетических счетах (в журналах-ордерах, Главной книге, машинограммах).

Бухгалтерский учет в банках ведется в двух направлениях: аналитическом и синтетическом. Аналитический учет – это подробный детальный учет, отражающий банковскую операцию во всех ее деталях. Цель аналитического учета:

- полно, подробно и оперативно отразить все банковские операции на бухгалтерских счетах;

- проконтролировать их по существу и по форме, пользуясь данными первичных денежно-расчетных документов, которые являются основанием для бухгалтерских записей в аналитическом учете.

Основные средства (регистры) аналитического учета: лицевые счета, картотеки документов, операционные журналы. Синтетический учет - это обобщенный учет. Он обобщает данные аналитического учета.

    Аналитика логистики

Логистика - направление молодое, однако именно с ее помощью осуществляется управление материальными, информационными и финансовыми потоками предприятия с минимальными издержками. По сути, отдел логистики отвечает за все процессы, касающиеся движения любого материального ресурса с момента закупки сырья до момента поступления товара (услуги) к конечному потребителю. Начальник отдела логистики не только руководит сотрудниками отдела и указанными выше процессами, но и совершает удивительные вещи.

Именно директор по логистике, как никто другой, знает, как сэкономить на перевозках, мигом пройти таможню, не перегрузить склад и своевременно доставить товар потребителю. Он связывает в единое целое множество процессов на предприятии, и от его профессиональных качеств, а также от доступных ему инструментов управления зависит минимизация затрат и слаженность системы на всех этапах управления материальным потоком. Будучи одновременно системным аналитиком и интегральным менеджером, начальник отдела логистики постоянно обращается к аналитическим данным. Оптимизация и автоматизация аналитики в логистике позволяет в разы увеличить эффективность его работы.

Система бизнес-анализа открывает для логистиков следующие возможности:

- консолидация необходимых для управления логистическими процессами данных из различных приложений в единой системе;

- повышение точности и глубины планирования логистических процессов;

- точное прогнозирование потребностей в сырье и товарах;

- анализ всевозможных групп данных (по продажам, отгрузкам, товарообороту, остаткам, потерям, закупкам, финансам) в режиме реального времени с самой подробной детализацией;

- анализ уровня товарных запасов и загруженности складов при помощи наглядных планограмм и геокарт;

- нахождение причинно-следственных связей и исследование ассоциативных связей между показателями;

- автоматизация и расчет KPI-показателей.

Использование этих и множества других функций позволяет оценить по-новому имеющиеся данные, принять меры по сокращению расходов, а также повысить рентабельность на всех этапах работы предприятия.

    Внутримагазинная аналитика

Внутримагазинная аналитика (in-store analytics) - это программно-аппаратный комплекс, осуществляющий анализ для предприятий ретейла. Данный термин распространен в США и обычно употребляется относительно систем видеоаналитики, предназначенных для изучения поведения покупателей в точках розничной торговли. Системы позволяют получать набор данных об активности посетителей магазинов, близкий (в некоторых случаях - превосходящий) к тому, который получает онлайн-коммерция.

Основной источник данных - видеокамеры (видеоаналитика). Системы внутримагазинной аналитики также могут интегрироваться с кассовыми терминалами, системами учета рабочего времени персонала, наполочными сенсорами, RFID-датчиками, другими внутримагазинными системами, а также получать данные из внешних источников, таких как погодные сервисы.

Основные показатели внутримагазинной аналитики:

- трафик - количество вошедших/вышедших посетителей. Трафик может измеряться как по всему магазину, так и по отделам/другим локациям;

- конверсия- соотношение посетителей, выполнивших целевое действие (к примеру, совершивших покупку) к общему трафику;

- POS-аналитика - количество покупок, средний чек, среднее количество единиц товара в чеке, статистика по отменам/возвратам;

- остановки - количество посетителей, задержавшихся в локации, и средняя продолжительность их задержек;

- взгляды - фиксация и подсчет лиц, обращенных на определенный товар/витрину/конструкцию;

- демографические данные - гендерный и возрастной анализ, анализ расовой и национальной принадлежности;

- статистика по персоналу - количество отработанных часов, личные показатели: конверсии, общих продаж, среднего чека.

  Аналитика в правовой сфере

Анализ права - это методологический подход к общей оценке правовых норм через наблюдение их эффекта, а также к подготовке правил о том, каким образом должны разрабатываться нормы права. Экономический анализ права изучает влияние правовой системы на экономическое поведение, эффективность и отношения людей, связанные с процессом рационального выбора. Применение экономического анализа права позволит не только оценить эффективность действующих норм процессуального права, их влияние на экономическое поведение, на отношения людей, связанные с рациональным выбором, но и выработать предложения по модернизации гражданского процесса, а также спрогнозировать последствия внесения изменений в действующее законодательство, нацеленных на повышение эффективности системы гражданской юрисдикции и качества рассмотрения гражданских дел.

    Аналитика в борьбе с преступностью

В сфере борьбы с преступностью аналитика помогает выявлять и предсказывать противоправные действия. Например:

- компании, выдающие кредитные карты, отслеживают наши транзакции в режиме реального времени. Если система выявляет "нетипичное" поведение, карта "замораживается" прежде, чем деньги будут сняты со счета;

- полиция и федеральные агентства используют аналитические инструменты для предотвращения террористических атак. Во многих полицейских управлениях установлены системы, позволяющее узнавать о перестрелках и оперативно на них реагировать, не дожидаясь сигнала очевидцев. Примером такой системы может служить ShotSpotter. Именно благодаря ей управляющие органы узнали, что большая часть (80-90%) перестрелок проходила незамеченной.

    Юридическая аналитика

Юридическая аналитика (по английски - Due Diligence) - это изучение бизнеса, проекта, компании, партнеров, дочерней структуры, филиала, или судебного/ налогового/административного и т.п. дела, связанного с тем или иным поручением. Юрист изучает все имеющиеся сведения, документы, изыскивает дополнительные источники информации и определяет, что сделано, что надо сделать, где «узкие места», какие есть проблемы и т.п.

Подчас юрист-аналитик работает совместно с экономистом (финансистом) и, как правило, по какому нибудь инвестиционному проекту, например, покупка какой нибудь компании, развитие бизнеса и т.п., также может быть - как негласная проверка юридической и финансовой дисциплины компании, ее руководства, что очень важно для клиента/компании, поскольку такая проверка не будет считаться аудиторской, а значит, на нее не будут распространяться ограничения, предусмотренные корпоративным законодательством + аналитика присутствует для проверки добросовестности контрагентов при сделках. Кроме этого, еще может быть проверка контрагента компании на предмет добросовестности. Еще бывает, что юрист-аналитик проводит анализ законодательства и делает заключение о соответствии либо не соответствии закону тех или иных действий.

  Аналитика в интернет-сфере

До недавнего времени средства анализа данных (Business Intelligence, BI) разрабатывались для классической среды клиент-сервер, на основе которой создавались информационные системы предприятий. Пользователи этих средств и круг их интересов были известны еще на этапе выбора аналитического ПО, а для обработки/анализа не таких уж больших (с позиций сегодняшнего дня) объемов информации требовалась мощная аппаратура. Обязательными и, как правило, дорогими этапами построения аналитической системы были настройка рабочих мест (клиентской части ПО анализа) пользователей и их обучение.

    Веб-аналитика

Веб-аналитика (Web analytics) - это измерение, сбор, анализ, представление и интерпретация информации о посетителях веб-сайтов с целью их улучшения и оптимизации. Основной задачей веб-аналитики является мониторинг посещаемости веб-сайтов, на основании данных которого определяется веб-аудитория и изучается поведение веб-посетителей для принятия решений по развитию и расширению функциональных возможностей веб-ресурса.

Также под Веб-аналитикой (Web analytics) часто подразумеваются системы интернет-статистики, которые используются для анализа посещаемости интернет-ресурсов и ее эффективности.

На основе Веб-аналитики можно дать рекомендации по оптимизации сайта, модернизации интерфейса, улучшению юзабилити и т. д.

Отрасль Веб-аналитики только набирает свои обороты в нашей стране. В связи с международным финансовым кризисом и повсеместной оптимизацией расходов на рекламу и маркетинг Веб-аналитика становится все более актуальна для повышения эффективности инициатив интернет-маркетинга. В России на данный момент существуют несколько организаций, которые занимаются обучением Веб-аналитике.

Веб-аналитика помогает во многих аспектах развития сайта. Вот основные из них:

- развитие функциональности сайта на основании тенденций в поведении посетителей;

- оценка эффективности рекламных кампаний в интернете;

- выявление проблемных мест в структуре, навигации и контенте сайта.

К методам веб-аналитики относят:

- анализ посещаемости сайта: статистика, тенденции, абсолютные и относительные показатели;

- анализ юзабилити (анализ плотности щелчков, конверсионных путей посетителей по сайту);

- анализ поведения посетителей на странице;

- бенчмаркинг. Сравнение с общими тенденциями и с конкурентами с помощью независимых исследователей (Alexa, GemiusAudience, Гугл Trends).

Существует несколько крупных систем по интернет-статистике, среди которых Google Inc. Analytics, Яндекс.Метрика, Рейтинг@Mail.ru, Piwik и др.

Основы веб аналитики - элементарные инструменты и программы, с помощью которых можно собирать данные об интернет-проекте для дальнейшей интерпретации. Веб-аналитика - технологии анализа ресурса. Задача - повышение релевантности сайта, увеличение посетителей, оптимизация проекта и его функциональности. Это методика определения проблем сайта, позволяющая найти пути их решения. Хотя сфера электронной коммерции меняется, становясь проще для покупателей и предпринимателей, веб-мониторинг только усложняется. Этому есть несколько объяснений. Во-первых - рост числа конкурентов делает необходимым тщательный анализ. Второе - системы регулярно обновляются, расширяются методы работы.

Грамотная веб-аналитика решает такие проблемы, как:

- расширение функционала веб-портала - определяется по результатам мониторинга поведенческих факторов;

- запуск рекламного продвижения;

- работа с недостатками ресурса - с технической точки зрения (навигация, время прогрузки страниц), и со стороны интернет-маркетинга (юзабилити, контент, оптимизация).

      Системы сбора данных для сквозной интернет-аналитики

Сквозной аналитикой называют специальную систему, которая занимается сбором данных по всей воронке продаж вашего интернет-бизнеса так, чтобы была ясна окупаемость каждого конкретного ключевого слова, объявления, рекламного канала.

Настройка и внедрение сквозной аналитики позволяет вам избавиться от проблем связанных с правильным распределением бюджета для рекламы. Благодаря ей вы можете чётко видеть целиком всю картину и понимать, куда надо направить средства для достижения наилучшего результата. Таким образом, вы сможете во много раз увеличить свою прибыль.

Сквозная аналитика сегодня активно развивается, и в самое ближайшее время популярность вышеописанных сервисов будет расти и вполне возможно, что нас ждёт появление новых более совершенных систем.

Сквозная аналитика представляет собой одну из важнейших составляющих успеха любой интернет-компании. Если вы хотите создать прибыльный и успешный бизнес в Интернете, то без неё вам не обойтись.

    SEO-аналитика

Долгие годы SEO существовало вообще без аналитики. Раньше сальдо двигались гораздо легче, на них упали прямые ссылки, сальдо Бортника вылезали в ТОП, а конкуренция в Топе была, всего лишь конкуренция бюджета. Такая же примерно ситуация, какая есть сейчас в русскоязычном Google, Яндексе.

Когда перед оптимизатором стоит сложная задача, например, вывести в Топ запас пластиковые окна или продвинуть одновременно 1000 запросов, аналитика придумает инструмент, при помощи которого это можно сделать. Придумывает методологию. Оптимизация эту методологию реализует, и оптимизатор действует по известной схеме.

В подавляющем большинстве случаев, низкие позиции или отсутствие посещаемости сайта зависит от внутренней оптимизации сайта, которой часто пренебрегают веб-мастера создающие сайты. Данная услуга направлена на выявление таких недоработок и их исправление. SEO-аналитика это комплекс мер, которые помогают выявить основные недостатки присущие интернет-ресурсу, которые мешают ему занимать высокие позиции в поисковых системах.

Комплексный SEO-аудит сайта делится на несколько разделов в зависимости от того, какого вида ошибки присутствуют на сайте.

  Аналитика в социальной жизни

Понятие "социальная жизнь" употребляется для обозначения комплекса явлений, которые возникают в ходе взаимодействия человека и социальных общностей, а также совместного использования природных ресурсов, необходимых для удовлетворения потребностей. Различаются биологические, географические, демографические и экономические основы общественной жизни.

При анализе основ социальной жизни следует подвергнуть анализу особенности биологии человека как социального субъекта, создающих биологические возможности человеческого труда, общения, овладения социальным опытом, накопленным предыдущими поколениями.

    Спортивная аналитика

Аналитика активно используется для улучшения спортивной производительности профессиональных атлетов и обычных людей. Например:

- каждый желающий может купить бейсбольный мяч с 200 сенсорами, позволяющими определить силу удара, направление движения и так далее. Мяч был создан компанией InfoMotion Sports Technologies совместно с Мичиганским университетом и в настоящее время проходит доработки;

- мобильные приложения Run Keeper и Nike + Running используют встроенные в смартфон сенсоры, чтобы отслеживать и анализировать скорость бега и количество потраченных калорий;

- для Олимпийских гонок используются велосипеды с сенсорами в педалях, которые определяют величину ускорения, придаваемого транспорту при каждом толчке. Эта информация позволяет оценить производительность спортсмена и улучшить ее;

- система SlamTracker предназначена для записи теннисных матчей и предоставляет статистику в режиме реального времени;

- наконец, мы все видели фильм "Человек, который изменил все", рассказывающий историю жизни Билли Бина. Он работал генеральным менеджером команды Окленд Атлетикс и не мог найти новых игроков традиционными методами, но аналитика помогла ему добиться успеха и обыграть более богатые клубы.

Спортивный аналитик - лицо, профессионально занимающееся спортивным беттингом. Спортивные аналитики анализируют предстоящее спортивное событие и прогнозируют его результат. В основном, данная профессия связана со ставками на спорт.

Спортивная аналитика - это отдельная область аналитики. Спортивная аналитика представляет собой комплексный анализ спортивных событий, а также факторов, способных оказать влияние на исход события, с целью прогноза на исход матча, игры, раунда и так далее.

Большинство спортивных аналитиков работают непосредственно в букмекерских кампаниях, каждый из них имеют свою узкую специализацию по отдельному виду спорта. Однако существуют и аналитики, так называемые капперы, которые работают исключительно на себя, предоставляя информацию за определенное вознаграждение. Размер вознаграждения устанавливается самим аналитиком или командой аналитиков.

На Западе профессия спортивного аналитика существует на протяжении нескольких десятилетий. А в России особую популярность данная профессия обрела в нашей стране в начале 90-х годов прошлого столетия с открытием первых букмекерских компаний.

На сегодняшний день есть довольно много людей, которые занимаются прогнозами на спорт. Однако стать действительно хорошим спортивным аналитиком и давать качественные и выигрышные прогнозы - это не дело одного дня.Как правило, люди, которые более точно могут спрогнозировать исход какого-либо спортивного события - это спортивные обозреватели, тренеры, спортсмены, в общем, специалисты, имеющие прямое отношение к спорту. И даже они, как правило, не стремятся дать какие-либо точные прогнозы по итогам спортивных мероприятий.

Осторожно нужно относиться к прогнозам аналитиков, специализирующихся на работе в букмекерских конторах. Многие из них считают себя хорошими специалистами в данной области, ссылаясь на свой многолетний опыт или на тотальное везение в угадывании результатов матчей.

Однако стоит помнить, что 100% гарантий на выигрыш или проигрыш команды или спортсмена в каких-либо в спортивных соревнованиях дать невозможно, так как результат зависит от множества необъективных и случайных факторов.

Также сейчас в можно встретить массу интернет-ресурсов, которые предоставляют автоматический анализ спортивных событий. Но не нужно всецело доверять таким ресурсам и делать ставки полагаясь исключительно на результаты анализа данных программ. Хочется еще раз отметить, что спортивные процессы довольной сложный материал для аналитической обработки.

    Аналитика в здравоохранении

Аналитика медленно, но верно меняет современную систему здравоохранения. Рассмотрим следующие примеры:

- больничные отделения, которые оказывают помощь недоношенным и больным младенцам в буквальном смысле анализируют каждый их вздох. Это помогает выявить определенные закономерности - например, заподозрить инфекцию за 24 часа до появления симптомов и начать заблаговременное лечение;

- мощные аналитические инструменты позволяют расшифровывать ДНК гораздо быстрее, чем раньше (в частности, в настоящее время на расшифровку уходит всего один день). Это позволяет предсказывать некоторые закономерности (например, вероятность того или иного заболевания) и принимать информированные решения (например, о превентивных мерах). Кроме того, расшифровка ДНК способствует появлению новых методов лечения болезней (например, рака).

    Аналитика взаимоотношений

Любовь - это неотъемлемая составляющая человеческого счастья. Каждый хочет найти свою "половинку", но как это сделать? На помощь приходит аналитика. Взять, к примеру, сервис eHarmony. Его основатель изучил сотни пар и на основании полученных данных вывел свой собственный алгоритм, позволяющий подобрать человеку пару с учетом его личности и социальных навыков. Каждый пользователь сайта заполняет подробную анкету, чтобы потом познакомиться с тем, кого подобрала ему система. В некоторых случаях предложенные варианты не соответствуют привычным типажам, однако данные позволяют предположить схожесть характеров. Другие сайты знакомств используют иные алгоритмы.

Аналитика взаимоотношений - это консультация посвященная разбору 2-х дизайнов и наложению их друг на друга. Простыми словами: основываясь на рейв-карте каждого человека в паре, даются практические рекомендации по тому как сохранить и укрепить отношения, а также делают аналитику того, какие возможности появятся у этой пары при взаимодействии с друг-другом в различных сферах жизни: любовь, семья, бизнес и карьера.

Если Вы состоите в браке и ваши отношения со своей второй половинкой не удовлетворяют вас, возникают частые споры и непонимание друг-друга, то консультация по взаимоотношениям в этом случае будет действительно "спасательным кругом", который не только расставит "все точки над и", но и поможет понять почему это происходит и как решить проблему!

    Аналитика "Умного дома"

Наши дома наполняются "умными" устройствами, которые собирают и анализируют данные. Например, мои весы следят не только за моим весом, но и за температурой и качеством воздуха в комнате, передавая данные на смартфон. Мой холодильник подключен к Интернету и сообщает мне о неисправностях (например, если я забыл плотно закрыть дверь). Количество "умных" устройств увеличивается с каждым годом, а аналитика позволяет эффективнее их использовать - например, автоматически настраивать систему отопления в соответствии с потребностями жильцов или оставлять заявки на ремонт.

    Кадровая HR-аналитика

HR-аналитика - это информация о сотрудниках компании, которая регулярно собирается и обрабатывается, и на основании которой руководство компании может принимать решения или оценивать с точки зрения эффективности решения, принятые ранее. Аналитика и отчеты не являются отдельным продуктом, но, как правило, включены в виде модуля в большинство систем управления персоналом полного цикла.

В информацию о персонале входит информация о численности и структуре персонала, расходах на персонал и эффективности их использования, эффективности работы персонала компании и т.п.

HR аналитика - информация о сотрудниках компании, которая регулярно собирается и обрабатывается, и на основании которой руководство компании может принимать решения или оценивать с точки зрения эффективности решения, принятые ранее. Аналитика и отчеты не являются отдельным продуктом, но, как правило, включены в виде модуля в большинство систем управления персоналом полного цикла.

Аналитики заранее определяют тех сотрудников или те отделы, которые требуют более пристального внимания со стороны менеджеров, помогая тем самым снизить показатели текучести кадров и повысить производительность труда.

"В Google проанализировали, что в найм персонала, который выдавал всего лишь 5% от уровня производительности труда, было вложено много сил и энергии, а значит, что-то не так было в самом процессе, - сказал Дэвенпорт. - Они выяснили, что многие из сотрудников были довольно способными, но им поручали или не те задания, или у них был конфликт с конкретным менеджером, и как только их назначили на другую должность, они стали преуспевать".

С помощью анализа исторических и текущих данных, компании могут также прогнозировать и будущие проблемы, например, нехватку специалистов или текучесть рабочей силы.

"Проведя аналитическую работу, можно заняться "системой поставок" талантливых сотрудников, и определить, какие потребности могут возникать в будущем. Например, когда примерно люди должны выйти на пенсию, или сколько человек закончат вузы с определенными востребованными специальностями", - рассказывает Дэвенпорт. Такой подход также можно использовать для предсказания потребностей персонала в реальном времени, например, для расчета рабочих часов сотрудников на следующий день, основанного на схемах организации работ и потребностях предыдущего дня. Дэвенпорт добавил, что такое "представление общей картины" в HR используется сравнительно редко.

Общая ошибка, которую совершают компании при проведении анализа HR-данных, по словам Дэвенпорта, заключается в том, что его не применяют ко всем без исключения сотрудникам компании. "Многие компании применяют этот метод только к нижестоящим сотрудникам, они считают менеджмент в некотором роде независимым. Но почему бы не начать анализировать и работу специалистов высшего звена?".

Но аналитическая обработка данных не должна полностью заменять общие суждения и представления о человеке. Так можно дойти до чего угодно. Например, одна компания взяла и оцифровала все резюме референтов руководителей, конвертировала их в очки, и дело закончилось тем, что они стали брать на работу на основании этих самых очков. А руководители признались, что это были худшие работники, которых они когда-либо нанимали на работу.

"Если вы занимаетесь исключительно аналитикой и вам никогда не приходит в голову, что следует встречаться с людьми, то это прямой путь к катастрофе. В работе необходимо сочетать и человеческую интуицию и аналитическую работу".

  Аналитика в философии

Аналитическая философия (англ. Analytic philosophy) - англо-американская традиция философии, получившая широкое распространение в середине XX века. Аналитическая философия не представляет собой единой школы, поскольку хотя и сформировалась на основе британского неореализма Мура и Рассела, однако также впитала в себя австрийский неопозитивизм (через Айера и Куайна) и американский прагматизм (Пирс, Моррис).

От позитивизма она заимствует антиметафизическую направленность (критика философских "псевдопроблем"), сциентизм и опору на опытное знание, а от прагматизма - здравый смысл. Термин аналитический указывает на идеалы ясности, точности и логической (Аристотель называл логику аналитикой) строгости мышления, которые стремятся осуществить представители данного направления философии.

    Аналитическая этика

Одной из особенностей аналитической философии является повышенный интерес к морально-этической проблематике, которую классический "австрийский" неопозитивизм предпочитал игнорировать. Это обусловлено смещением внимания с анализа языка к анализу обыденного языка, где присутствует значительное количество оценочных суждений. В аналитической этике обозначилось два подхода к интерпретации морально-этических высказываний: когнитивное и некогнитивное. Когнитивный или познавательный подход подразумевал верификацию этих высказываний и редукцию к опыту, то есть к материальным интересам (натурализм Р. Бойда и Н. Стеджена) или "интуиции добра" (Джордж Мур), тогда как некогнитивный подход исходил из субъективно-эмоционального отношения (эмотивизм Айера) или должествования (прескриптивизм Р. Хэара). Однако в самой метаэтике (и тем более в этическом сообществе в целом) некогнитивный подход не пользуется популярностью.

Ученица Людвига Витгенштейна Элизабет Энском ввела в философский лексикон термин "консеквенциализм", объявила объяснительную связку "есть-должен" тупиком, а также возродила своими исследованиями интерес к ценностной этике. Статья Элизабет Энском "Современная моральная философия", изданная в 1958 году, вызвала возрождение аристотелевского ценностно-этического подхода, а книга Джона Ролза "Теория справедливости", изданная в 1971 году, возродила интерес к кантианской этической философии. По существу единственным конституирующим признаком аналитической этики является сейчас аналитический стиль мышления, то есть отказ от метафорически-суггестивного способа изложения, тщательное определение ключевых понятий, выявление семантических оттенков естественного языка морали, стремление к логической прозрачности этических рассуждений и т. п. Это означает, что аналитическая этика, прекратив существование в качестве особой "школы", трансформировалась в широкое течение, объединяющее весьма далекие по содержанию этические концепции лишь на основании их более или менее выраженной приверженности указанному стилю мышления.

    Аналитический марксизм

"Аналитический марксизм" (Analytical Marxism) - теоретическое направление в Западном марксизме 1980-х - 1990-х годов, реконструкция марксистской теории на базе современных "общепринятых научных методов", отказавшееся от гегелевской диалектики и методологического холизма.

Особую популярность получило в среде англоязычных социологов и философов 80-х гг.

Представители (Джерри Коэн, Юн Элстер, Джон Рёмер, Эрик Олин РАЙТ, Самуэль Боулс и др.) этого направления стремились развить учение об обществе как науку на основе строгих современных методов.

Развиваются микро- и макроуровневый подходы. На макроуровне предложена концепция соотношения производительных сил и производственных отношений, базиса и надстройки, на микроуровне - исследование поведения индивидов. Эти исследования проводились с помощью методов математического моделирования, теории игр и т. д.

Возникновение "аналитического марксизма" связывают с выходом в 1978 г. в свет книги Дж. Коэна "Karl Marx’s Theory of History: A Defence" и организованного им её обсуждения в Лондоне в 1979 г., которым было положено начало серии встреч, ставших потом ежегодными, и в рамках которых впоследствии сформировалась Сентябрьская группа (такое название она получила за то, что встречи эти проводились в сентябре).

Джон Рёмер признавал, что "не совсем понятно, как аналитические марксисты будут отличаться от таких немарксистских философов, как Рональд Дворкин, Джон Роулз или Амартия Сен". Юн Эльстер пришел к выводу, что "теория (трудовой стоимости) в лучшем случае бесполезна, в худшем - вредна и вводит в заблуждение", а сама марксистская экономика практически полностью мертва.

Подвергалось резкой критике со стороны других марксистских школ за отход от ортодоксального метода и переход к неоклассическому инструментарию.

    Аналитическое кантианство

Аналитическое кантианство - направление исследований, возникшее в англо-американской философии в 1960-х годах и нацеленное на решение сформулированных И. Кантом задач средствами Аналитической философии. Появление и развитие аналитического кантианства связано с более широким процессом пересмотра отношения к традиционной метафизике, характерным для аналитической философии этого периода. Ведущим философом аналитического кантианства является П. Стросон. Аналитическое кантианство - плод интереса аналитических философов к теории познания И. Канта. Поставленные в "Критике чистого разума" проблемы созвучны аналитическим исследованиям организации человеческого сознания. Работы раннего этапа предлагают реконструкцию кантовской теории познания на эмпиристской основе.

Дальнейшей тенденцией стало стремление к более целостному восприятию идей И. Канта. Так, амер. философ Г. Эллисон предлагает "положительную" интерпретацию трансцендентального идеализма. Известны также работы П. Гайера (главного оппонента Г. Эллисона), К. Америкса, П. Китчер (интерпретации с позиций философии сознания), Б. Лонженесс (интерпретация учения о категориях), Р. Хоуэла, К. Кассама (трансцендентальная дедукция и "трансцендентальный аргумент" как способ философского рассуждения) и др. В основе аналитического кантианства лежит глубокий конструктивный конфликт между предметом исследования - трансцендентальной философией - и эмпиристскими пресуппозициями аналитиков. Разрешение этого конфликта ведет либо к переформулировке кантовских проблем, либо к пересмотру исследовательских предпосылок аналитической философии.

    Аналитическая философия религии

Отношение аналитических философов к религии также неоднозначно, как и их отношение к политике. Многие аналитики, не порвавшие связи с неопозитивизмом, видели в религии выражение метафизики в худшем её проявлении. Авторитет аналитического движения Бертран Рассел прямо высказывался против религии. Однако ориентация на метод и стиль как отличительные черты аналитической философии делали это направление "всеядным", в том числе и в отношении религии. Уже в 40-е гг. Джон Уиздом предложил воспринимать религию как совокупность высказываний, способных выразить мистический опыт. Эти высказывания вполне поддаются лингвистическому анализу. Ещё более использовал аналитический метод для религиозной апологетики Алвин Плантинга.

    Аналитическая метафизика

Изначально аналитическая философия как и в целом позитивизм весьма отрицательно относились к метафизике к любым её проявлениям. Метафизический стиль мышления казался несовместим с аналитическим. Альфред Айер называл метафизику бессмыслицей. Однако в работах Куайна наметился выход к метафизической проблематике, поскольку бессмысленными оказались как раз атомарные высказывания, выхваченные из контекста. Абстрактные интеллектуальные построения и универсалии стали пониматься как необходимая часть истолкования языковых значений, однако Куайн понимал всю "онтологическую относительность" подобных систем.

В рамках аналитической философии науки (Томас Кун) также была открыта эвристичность метафизики (например, атомизма), способствующей развитию эмпирических наук. Питер Стросон обратился к построению "дескриптивной метафизики", а Сол Крипке занялся анализом реальности возможных миров. Вместе с тем, исследователи подчеркивают, что говорить об аналитической метафизике нужно осторожно, не смешивая её с классической метафизикой. Модели мира или даже "модели бытия" рассматриваются исключительно как контекст атомарных высказываний и тяготеют к онтологическому плюрализму.

История аналитики

Ещё в IV веке до нашей эры, ученик Платона, древнегреческий философ Аристотель в своём "Органоне" назвал два известных своих сочинения по логике словом "Аналитика" ("Первая Аналитика" и "Вторая Аналитика"), так как они разлагают логическое мышление на простейшие элементы и затем от них переходят к сложным формам мышления. Будучи основателем формальной логики как науки, Аристотель называл её, «аналитика», термин же «логика» прочно вошёл в обиход уже после его смерти в III веке до нашей эры.

В XVIII веке родоначальник немецкой классической философии Иммануил Кант назвал "аналитикой" разложение человеческой познавательной способности.

  Первая аналитика Аристотеля (367-322 гг. до н.э.)

"Первая Аналитика" (Analyticapriora). Содержание книги составляет ассерторическая и модальная силлогистика, которая исторически является первой дедуктивной теорией, содержащей классификацию основных категорических силлогизмов. Книга преследует практическую цель: научить учеников легко находить посылки к установленному тезису. Сам термин "силлогизм" впервые встречается у Платона.

Умозаключать (по Платону, - это собирать вместе и сводить воедино полученные в ходе обсуждения положения, чтобы из них, как из предпосылок, сделать окончательный вывод. Аристотель определяет силлогизм как "речь, в которой, если нечто предположено, то с необходимостью вытекает нечто отличное от положенного в силу того, что положенное есть".

Композиция книг:

- фигуры и посылки силлогизма (гл. 4-26, сюда входят ассерторические и модальные выводы);

- техника опровержения, обоснования, проведения исследования;

- установление начал для исследования.

Аристотелевский силлогизм представляет собой условное предложение, то есть посылки в нем, в отличие от заключения, не утверждаются: "Если А высказывается о всем В (принадлежит всему В) и В высказывается о всем С, то А высказывается о всем С".

В систематическом изложении силлогистики нет ни одного примера с конкретными терминами (они бывают только при демонстрации неправильных комбинаций посылок) и также нет единичных терминов - только универсальные.

Использование переменных вместо конкретных примеров позволяет Аристотелю необычайно сжато описать аналитические действия. Это обстоятельство явилось решающим шагом для развития логики. В "Физике" также много буквенных символов; несомненно, что Аристотель применяет для своих целей методы современной ему геометрии.

Аристотель называет термины: больший, меньший и средний. По положению среднего термина (в нашем примере В), встречающегося в посылках и не входящего в заключение, силлогизмы подразделяются на 3 фигуры; модусы отдельных фигур различаются между собой логическими особенностями посылок и заключения: они могут быть общеутвердительными, общеотрицательными, частноутвердительными либо частноотрицательными предложениями. В каждой фигуре возможны 64 комбинации, из которых только 6 являются значимыми силлогизмами. Силлогизмы 1-й фигуры Аристотель называет совершенными (или очевидными), они могут быть верифицированы, то есть подтверждены с помощью некоторых правил доказательства, и имеют аксиоматический характер.

Модусы 2-й и 3-й фигур могут быть «сведены» к силлогизмам 1-й фигуры и таким образом в свою очередь быть доказанными. Таких способов Аристотель называет три:

- обращение;

- сведение к невозможному (reductio ad impossibile);

- выделение, то есть подстановка понятия, подчиненного данному.

В системе Аристотеля отсутствует 4-я силлогистическая фигура, хотя упоминаются некоторые ее модусы, квалифицируемые как обращения силлогизмов 1-й фигуры. По мнению Г. Патцига, Аристотель отверг 4-ю фигуру, так как ее оказалось невозможно определить посредством используемого им метода. Модальная силлогистика излагается Аристотелем в Первой Аналитике. В главе 31 содержится критика диайретического метода Академии как метода доказательства. По мнению Г. Чернисса, Аристотель старался препятствовать тому, чтобы его силлогистику ставили в какую-либо связь с диэрезой. Первой Аналитике представляет собой один из лучших дошедших до нас учебных текстов, она строго скомпонована и ясно написана. Аристотель развивает в ней одну тему, не отвлекаясь на иные вопросы.

В отличие от нее Вторая Аналитика не представляет собой единого целого; она состоит из различных маленьких статей, которые первоначально не предполагалось делать продолжением Первой Аналитики. Соединив их впоследствии вместе, Аристотель предпослал им краткое введение. В тексте Второй Аналитики можно различить 3 части:

- некоторые особенности обращения силлогизмов (гл. 1-15);

- обсуждение ошибок в построении силлогизмов и средства к избежанию их (гл. 16-21);

- пять используемых в диалектике форм доказательства, которые могут быть сведены к одной их 3-х фигур (гл. 23-27).

  Вторая аналитика Аристотеля (367-322 гг. до н.э.)

"Вторая Аналитика" (Analytica posteriora). Аристотель противопоставляет диалектике в качестве более строгого научного метода аналитику - теорию аподиктического (доказывающего) силлогизма, исходящего из необходимых и достоверных посылок и приводящего к точному знанию.

Первая Аналитика содержит теорию доказательства и, шире, теорию аксиоматических наук. Содержание ее тесно связано с теорией силлогизма. Аристотелевская теория доказательства отчасти ведет свое происхождение от геометрического доказательства и заимствует также из геометрии некоторые термины: "доказательство", "аксиома", "начала", "элементы". Почти все примеры в тексте математико-геометрические.

Вторая Аналитика формально посвящена теории дефиниции, в действительности представляет собой исследование по основным вопросам научной работы: "Что именно мы исследуем, когда мы занимаемся наукой?" Приводимые примеры показывают, что наряду с написанием этой книги Аристотель начал заниматься натурфилософскими исследованиями.

Основной вопрос Второй Аналитики: познавательно-теоретическое объяснение отношений между всеобщим (универсальным) и частным (единичным), а также психологического процесса: каким образом можно достичь познания всеобщего. Эпистемологическая проблема познания начал представляет собой альтернативу к теории припоминания Платон): начала научно-философского знания недоказуемы и познаются либо непосредственно разумом, то есть интеллектуальной интуицией, либо, но лишь отчасти, путем индукции.

Единичное, как более близкое к чувственной реальности, является "первым для нас", то есть легче постижимым, но "вторым по природе", то есть более удаленным от ее начал. Всеобщее, наоборот, как более далекое от чувственного мира, является "вторичным для нас", труднее постижимым, но первичным по природе. Знать в аристотелевском смысле - это знать первые причины или начала явления, то есть всеобщее. Собственно научное знание о единичном невозможно. Знание о всеобщем не врожденное, оно достигается постепенно через ощущение, память, опыт, интуицию и науку. Таким образом, наиболее научный характер имеет познание, опирающееся на знание универсалий.

Известны следующие авторы, комментировавшие Аналитику:

- Александр Афродисийский (CAG II, 1; для его комментария характерно толкование стоической пропозициональной логики в качестве своеобразной метасистемы по отношению к аристотелевской силлогистике);

- Фемистий (CAG V, 1; составил парафраз "Второй Аналитики");

- Аммоний, сын Термин (CAG IV, 6; в своем комментарии Аммоний подразделяет силлогизмы на категорические, гипотетические и получающиеся посредством присоединения к посылке дополнительного предложения);

- Иоанн Филопон (CAG XII, 2; в его комментарии, вероятно впервые, для иллюстрации силлогистических закономерностей применяются идеографические средства (незамкнутые дуги); характерна тенденция преодолевать логико-гносеологические трудности за счет семиотико-грамматических дистинкций);

- Элий (сохранился небольшой отрывок-сокращение из его комментария на Первую Аналитику);

- Проб (его комментарию принадлежит важная роль в процессе проникновения и распространения "Аналитики" на Востоке).

В Западной Европе "Аналитики" стали известны лишь в 12 в., когда был опубликован их перевод на латинский язык.

  Аналитика в Средневековой Англии (10-12 века)

Средневековье оставило уникальный памятник - "Книгу страшного суда" (1061г.) - это свод материалов всеобщей переписи населения Англии и его имущества (включает данные о 240000 дворов). Цель проведения этой переписи лаконично определил автор Англосаксонской хроники, по свидетельству которого король хотел знать больше о своей новой стране: how it was peopled and with what sort of men (англ.: как она населена и какими людьми).

Решение о проведении переписи было принято на заседании Большого королевского совета на рождество 1085 г. Немедленно во все английские графства были высланы представители короля, ответственные за проведение переписи. В каждом графстве были созваны специальные собрания, представляющие собой расширенный вариант судебных коллегий графств. В их состав входили: шериф, бароны и их рыцари, имеющие земельные владения в данном графстве, члены судебных коллегий каждой сотни, а также священник, староста и шесть вилланов от каждой деревни. Эти собрания были призваны подтверждать клятвой те сведения, которые входили в сферу переписи, а также, возможно, решать возникающие земельные споры. Кроме того, данные по земельным владениям в каждой сотне фиксировались комиссиями, формируемыми из землевладельцев данной сотни. Так, в Кембриджшире в состав комиссии сотни входили в равных долях англосаксы и нормандцы, держащие земли на территории сотни.

Перепись была завершена к концу 1086 г. и её результаты в виде огромного массива списков и отчётов были предоставлены королю. В дальнейшем они хранились в казначействе Английского королевства в Винчестере. Помимо этого уже к 1088 г. на основании этой документации были составлены два тома "Книги страшного суда", в которые в компактной форме вошли важнейшие сведения, полученные в результате переписи, отсортированные по графствам:

- имена владельцев поместья на дату проведения переписи и на 1066 г.;

- имена иных держателей поместья, если владелец передавал его в условное держание;

- площадь пахотной земли;

- количество пахотных бригад (измеряемых упряжками из восьми быков) на домениальных землях владельца и на землях крестьян;

- количество крестьян различных категорий (вилланов, коттариев, сервов, свободных и сокменов), проживающих на территории поместья;

- размеры пастбищ, лугов и лесов, относящихся к поместью;

- количество мельниц и мест для рыболовства;

- денежная оценка хозяйства поместья на дату проведения переписи и на 1066 г.;

- размеры наделов свободных крестьян и сокменов в границах поместья по состоянию на дату проведения переписи и на 1066 г.;

- потенциальная возможность повышения продуктивности поместья.

Перечень вопросов, вынесенных на перепись, демонстрирует стремление короля зафиксировать и оценить возможные источники доходов в казну. В частности, замки и другие строения, не связанные непосредственно с экономической деятельностью, в сферу переписи включены не были. Также "Книга страшного суда" не содержит данных по размеру феодальных обязательств держателей поместий перед королём.

  Аналитика для расчета земельного налога (14 век)

Со 2-ой половины XIV в. налоги стали взиматься с сохи, ставшей главной единицей обложения. Для определения окладов податей и их раскладки использовались различные единицы обложения. Под термином подати имели ввиду не только денежные платежи и натуральные сборы, а также личные повинности. Раскладка податей производилась совместной деятельностью правительства и общества. Раскладка податей происходила путем развода и разруба.

При этом учитывались два момента: правительственный оклад и мирская раскладка, первый включал в себя определение количества тяглых хозяйств, тягло способность плательщиков и их оклад. Второе распределение подати между плательщиками в соответствии с хозяйственным благосостояньем. Развод представлял из себя раздробление предполагаемой суммы средств, подлежащих сбору, между частями государства и группами тяглецов посошно или повытно. Разруб представлял собой дальнейшее раздробление первоначальных окладов (мирская раскладка, размет).

  Аналитика и статистика Российского государства (18 век)

История развития статистики и аналитики в Российской Федерации во многом связана с именем великого ученого Михаила Васильевича Ломоносова. В 1755 году он написал книгу под названием "Слово похвальное императору Петру Великому". В ней была дана оценка осуществленной незадолго до этого Петровской ревизии. Михаил Васильевич касался в своих трудах ряда вопросов, которые были связаны с финансами, населением, природными богатствами и др.

Усовершенствование метода подготовки и обследования данных, характеризующих население, географию и экономику страны в торговле, сельском хозяйстве, транспорте, промышленности и др. считается особой заслугой Ломоносова. Эту программу разработал сначала В. Н. Татищев. Она была предназначена для "Атласа Российского". Согласно этой программе, в уезды и города были разосланы специальные бланки обследования. Долгое время материалы поступали в академию. Их удалось обработать уже после смерти Михаила Васильевича.

  Аналитика понятий Иммануила Канта (1781 год)

"Под аналитикой понятий, - разъяснял Кант, - я разумею не анализ их, или обычный в философских исследованиях прием разлагать встречающиеся понятия по содержанию и делать их отчетливыми, а еще мало применявшееся до сих пор расчленение самой способности рассудка с целью изучить возможность априорных понятий, отыскивая их исключительно в рассудке как месте их происхождения и анализируя чистое применение рассудка вообще".

Первостепенная важность для трансцендентальной логики исследования понятий определялась рационалистической убежденностью Канта, что "мышление есть познание через понятия" и что "познание всякого, по крайней мере человеческого, рассудка есть познание через понятия, не интуитивное, а дискурсивное".

В неразрывной связи с понятиями Кант рассматривал суждения, поскольку считал, что "возможно лишь одно применение этих понятий рассудком: посредством них он судит", и эта операция осуществляется в актах суждения, так что "рассудок можно вообще представить как способность составлять суждения".

Трактуя с этой точки зрения понятия как "предикаты возможных суждений", Кант видел единственный, но вполне надежный путь открытия основных "чистых" рассудочных понятий, которые он назвал категориями (переосмысливая и этот давний философский термин), в исследовании существа предикатов главных видов суждений.

Опираясь на традиционную логическую классификацию и в то же время внося в нее некоторые немаловажные изменения, Кант разделил суждения на четыре группы, каждая из которых включает в себя четыре вида суждений:

- количества (общие, частные, единичные);

- качества (утвердительные, отрицательные, бесконечные);

- отношения (категорические, гипотетические, разделительные);

- модальности (проблематические, ассерторические, аподиктические).

Соответственно этому Кант выделил пять групп категорий:

- количества(единство, множественность, целокупность);

- качества (реальность, отрицание, ограничение);

- отношения (присущность и самостоятельное существование, или акциденция и субстанция;

- причинность и зависимость, или причина и действие; общение, или взаимодействие);

- модальности (возможность-невозможность, существование-несуществование, необходимость-случайность).

Кант сам обращал внимание на триадическую структуру каждой группы ("класса") категорий, подчеркивая, что благодаря этому категории не просто рядоположены, но определенным образом упорядочены и связаны между собой. Указание Канта на то, что "третья категория возникает всегда из соединения второй и первой категорий" (например, "целокупность ... есть не что иное, как множество, рассматриваемое как единство"), является подходом к раскрытию диалектической триадичности в системе категорий.

Категории соединены Кантом в группы таким образом, что первая фактически предстает как тезис, вторая - антитезис, третья - синтез; причем отмечалось, что "это соединение первой и второй категории, образующее третье понятие, требует особого акта рассудка, не тождественного с актом рассудка в первой и второй категории".

Самой же важной задачей аналитики понятий (и, в сущности, всей трансцендентальной аналитики), попытка решить которую потребовала от Канта наибольших усилий, явилась "трансцендентальная дедукция» категорий, понимаемая им как объяснение того, каким образом они могут априори относиться к предметам как объектам научного познания. Особая сложность этой задачи состояла для Канта в том, что, согласно его субъективно-идеалистическому и вместе с тем агностическому воззрению, на уровне чувственного восприятия объекты познания как некоторые определенные целостности вообще еще не существуют, а имеет место лишь неопределенное, недифференцированное "многообразное". Отрицание способности чувственного познания отражать объективно существующие вещи обусловило убеждение Канта в том, что «связь многообразного вообще не может быть воспринята нами через чувства и, следовательно, не может также содержаться в чистой форме чувственного созерцания...".

Вслед за пространством и временем Кант субъективизировал также связи, выявляемые в познаваемом предметном мире, утверждая, что «мы ничего не можем представить себе связанным в объекте, чего прежде не связали сами», и такого рода связывание, обозначаемое им термином "синтез", определялось как исключительное "действие рассудка".

Трансцендентальная дедукция категорий была призвана, по сути дела, показать конституирование доступных познанию объектов как результат применения категорий к созерцаниям (реальная гносеологическая процедура конституирования научных объектов идеалистически онтологизировалась Кантом и потому изображалась не только как способ их по-знания, но также и прежде всего как способ их созидания). Это диктовало Канту необходимость искать в самом понятийном мышлении первоисточник всевозможных видов связей.

Развитие аналитики

Под аналитикой мы подразумеваем обширное использование данных, статистического и количественного анализа, описательных и прогнозных моделей для принятия решений и действий, на основе реальных фактов.

Есть отрасли, больше других располагающие к использованию аналитики. Если в вашем бизнесе генерируется много данных о транзакциях - скажем, это финансовые услуги, туризм, перевозки или игорный бизнес, - то конкуренция на основе аналитики является естественной стратегией (хотя многие фирмы всё же её не придерживаются). Если в основе вашей бизнес-модели трудноизмеримые факторы - допустим, стиль, как в индустрии моды, или человеческие отношения, как к отрасли поиска высших управленческих кадров - для конкуренции на основе аналитики потребуются намного более изобретательные приёмы.

Существует немало свидетельств того, что решения, основанные на аналитике, имеют больше шансов оказаться верными, чем те, что базируются на интуиции.

  Аналитика в наши дни

За последние годы человечество не только создавало все больше и больше данных, но еще и научилось их обрабатывать. Теперь мы можем анализировать большие объемы информации из различных источников, что приводит нас к недоступным ранее решениям. Анализ больших неструктурированных блоков часто именуется "аналитикой больших данных". Для анализа цифр, текста, фотографий, звуков и видео применяются различные методы.

  Будущее аналитических систем

В последние годы очевидна тенденция к централизованной обработке информации и управлению данными. Это связано с ростом производительности вычислительных систем в целом, быстродействием средств коммуникации, а также смещением вычислений и технологий в интернет. Для предприятий и организаций становится выгоднее иметь единый вычислительный комплекс и много дешевых рабочих мест, настройка и сопровождение которых выполняется удаленно.

В индустрии программного обеспечения также заметен постепенный переход от отдельных программных компонентов к единым вычислительным средам. В стратегические планы развития OLAP-систем ряда производителей, например Oracle, входит дальнейшая интеграция многомерного и реляционного серверов, а впоследствии и полное их слияние. Подобная тенденция наблюдается и применительно к системам извлечения знаний. Microsoft, Oracle и другие производители встраивают функциональность систем Data Mining в ядро СУБД и обеспечивают ее поддержку на уровне языка манипулирования данными.

Уже сегодня уровень развития и многообразие возможностей предлагаемых аналитических систем позволяют с выгодой использовать накопленные данные и определять оптимальную стратегию развития бизнеса.

  Эволюция аналитических методов

Многие часто применяемые подходы к анализу и моделированию используются уже в течение многих лет. Некоторые из них, например линейная регрессия или деревья решения, эффективны и актуальны, но сильно упрощены. Раньше простота была продиктована жесткими ограничениями, обусловленными инструментами и масштабируемостью, однако сегодняшние возможности позволяют сделать гораздо больше.

До появления компьютеров было невозможно произвести многочисленные итерации модели или применить сложные методы. С увеличением масштаба технологий обработки данных увеличился масштаб инструментов и методов, используемых для их анализа. Сегодня можно множество раз применять разнообразные алгоритмы к большим наборам данных.

Нередко в результате увеличившейся масштабируемости специалистам просто приходится чаще прибегать к одним и тем же устоявшимся методам. Однако многие аналитики начинают применять новые методологии, которые позволяют лучше использовать усовершенствованные инструменты, процессы и возможности масштабируемости. Многие из этих новых методов были давно известны, но до последнего времени не применялись на практике. Это групповые методы, экспресс-моделирование и анализ текстовых данных.

    Экспресс-модели в аналитике

Одной из актуальных тенденций является использование так называемых экспресс-моделей. Мы определим экспресс-модель как модель, которая создается быстро и без особых попыток полностью реализовать весь ее предсказательный потенциал. Экспресс-модели могут создаваться, например, автоматически с помощью простой ступенчатой аналитической процедуры. Цель в данном случае не в построении наилучшей модели, а в быстром создании хоть какой-то модели, которая позволяет получить приемлемый результат.

При надлежащем использовании экспресс-модели весьма полезны в рамках организации. Раньше построение моделей требовало больших временных и денежных затрат. Аналитики тратили недели или месяцы только на сбор данных, а затем - на применение к этим данным созданных моделей, поэтому модели создавались редко и только для решения очень важных задач. Если бы вам предстояло разослать 30-40 миллионов писем с рекламным предложением, то в создание модели стоило бы инвестировать. Однако если бы речь шла о предстоящей рассылке 30 000 предложений, касающихся недорогого товара, то инвестировать в создание модели было бы невыгодно.

Если аналитики используют современные среды, включая масштабируемые песочницы, а также современные процессы, в том числе аналитические наборы данных предприятия, то на построение модели уйдет намного меньше времени, чем раньше. Чем более доступны эти стандартные переменные и чем большие вычислительные мощности могут быть к ним применены, тем легче создавать модели.

Всегда помните, что легкость создания процесса не означает, что можно пренебречь необходимостью удостовериться в том, что этот процесс подходящий. Однако если им управляет хороший аналитик, вы добьетесь цели гораздо быстрее.

При оценке экспресс-модели основное внимание уделяется преимуществу, которое возникает благодаря ее использованию. Приложив дополнительные усилия, можно было бы многое улучшить. Однако если быстрая модель поможет в ситуации, в которой в противном случае модель бы не применялась, то она используется.

Приведем такую аналогию. Если у вас есть дом, то некоторые его части вы постараетесь сделать максимально удобными. Кухня, к примеру, требует особо тщательного подхода. В других случаях вам просто необходимо, чтобы работа была сделана. Возможно, что при переоборудовании гостевой ванной комнаты вы используете самые обычные материалы, поскольку в это помещение нет смыла вкладывать большие средства. Экспресс-модели помогают в подобных бизнес-ситуациях и имеют широкий спектр способов применения.

    Групповые аналитические методы

Групповые подходы концептуально достаточно просты. Вместо построения одной модели с помощью одной техники несколько моделей строятся с использованием нескольких техник. Как только результаты от всех моделей получены, они объединяются для определения итогового ответа. Для объединения предприятий различных результатов можно использовать что угодно, от простого среднего показателя до гораздо более сложной формулы. Важно отметить, что групповые модели позволяют выйти за рамки выбора одной лучшей модели из набора. В данном случае объединяются результаты нескольких моделей для предоставления одного итогового ответа.

Мощь групповых моделей заключается в том, что различные методы имеют свои преимущества и недостатки. Например, некоторые типы клиентов могут получить плохую оценку при использовании одной техники, но очень хорошую - при использовании другой. Объединение данных, полученных от нескольких моделей, улучшает алгоритм скоринга в целом, если не буквально, для каждого оцененного клиента, товара или местоположения магазина.

Допустим, для оценки вероятности совершения покупки клиентом конкретного товара используются линейная регрессия, логистическая регрессия, дерево решений и нейронная сеть. Оценки, полученные от каждой модели, будут объединены в одну с помощью группового подхода. Часто это сочетание дает более надежное предсказание совершения покупки.

Групповым моделям посвящена отличная книга Джона Элдера и Джованни Сени "Групповые методы в интеллектуальном анализе данных". Групповые подходы получили распространение благодаря эволюции аналитических инструментов. Без наличия хорошего способа управления рабочим процессом и объединения результатов групповое моделирование представляет собой весьма громоздкий процесс. Представьте себе перспективу вручную запускать процесс для каждого из используемых методов. После завершения каждого процесса необходимо вручную объединить все результаты, чтобы оценить, как с задачей справился каждый из методов. Наконец, представьте, что необходимо решить, как объединить результаты в единый ответ. Сегодня аналитические инструменты могут сделать большую часть или даже всю кропотливую работу.

Одна из причин растущей популярности групповых моделей заключается в простоте теории, лежащей в их основе. Мудрость толпы в повседневной жизни исследована довольно широко. Рынок предсказаний Iowa Electronic Market Университета штата Айова в течение многих лет демонстрировал, что обоснованные предположения множества людей в среднем часто приближаются к правильному ответу. В самом деле, средний показатель может подойти к правильному ответу ближе, чем любой из ответов в отдельности.

Групповой метод использует концепции, которые изложены в книге "Мудрость толпы", применительно к аналитике. Множество моделей, делающих обоснованные предположения об исследуемых взаимосвязях, в среднем окажутся очень близки к правильному ответу. Может ли групповое моделирование решить все аналитические проблемы организации? Конечно, нет. Однако организациям следует добавить их в набор используемых методов.

      Способы применения экспресс-моделей

Экспресс-модели позволяют применить передовые аналитические методы к гораздо более широкому спектру задач и в более крупном масштабе в рамках организации, чем это возможно, когда аналитикам приходится вручную создавать модель за моделью.

Так, розничные торговцы часто создают модели "склонности к покупкам" для важных категорий товаров. Нет смысла создавать специальную модель для медленно развивающихся и реже продвигаемых категорий. Сети бакалейных магазинов следует создать модель для таких товаров, как моющие средства для ванны и газированные напитки. Создавать модель для товаров, пользующихся меньшим спросом, вроде крема для обуви или сардин, не имеет смысла.

Но что если возникает необходимость в продвижении менее важных товаров? Допустим, производитель сардин готов спонсировать проведение рекламной акции для своих товаров. Некоторые розничные торговцы сегодня имеют модели для всех своих многочисленных категорий товаров. Многие из них представляют собой экспресс-модели. Они создаются на случай, если понадобятся, и в этих ситуациях могут сформировать некоторую дополнительную ценность. Таким важным категориям, как газированные напитки или чистящие средства для ванной, по-прежнему уделяется особое внимание, и для них создаются отдельные более сложные модели. Тем не менее использование экспресс-моделей позволяет обеспечить менее важные категории товаров хотя бы простейшей моделью.

Сегодня благодаря аналитическим инструментам такие модели создаются легче. В них появились возможности автоматического выполнения алгоритмов с множеством комбинаций показателей и несколькими автоматизированными методами проверки. Это позволяет быстро создать довольно неплохую модель. Менее важные задачи потребуют другого подхода. В самом деле, нет ничего плохого в использовании достаточно хорошей модели вместо самой лучшей, когда ситуация этого требует.

Рассмотрим способ применения экспресс-моделей для прогнозирования. Представьте себе производителя, которому необходимо обеспечить как можно более надежные прогнозы относительно уровней спроса, например по кварталам, по товарам и по странам. Что если ему потребовалось бы спрогнозировать спрос в каждом магазине или точке продаж на каждую неделю для каждого отдельного товара? На высококачественное прогнозирование просто не хватит человеко-часов. В таких случаях имеет смысл создавать автоматизированные достаточно хорошие прогнозы. Если прогнозы верхнего уровня точны, а совокупность прогнозов низкого уровня соответствует этой точности, то производитель останется доволен. В этом случае у него будут преимущества по сравнению с отсутствием каких-либо прогнозов.

Самое главное - убедиться в том, что вы используете процесс, который генерирует достаточно хорошие модели. Необходимо регулярно перепроверять процесс разработки экспресс-моделей и осмысленно оценивать их результаты. Не следует пускать процесс создания экспресс-моделей на самотек и позволять ему работать вообще без какого-либо вмешательства.

    Анализ текста

Один из наиболее быстро развивающихся методов, используемых сегодня организациями, - анализ текста и других неструктурированных источников данных, к которым относится значительная часть больших данных. Анализ текста, как следует из названия, в качестве входных данных подразумевает некоторый текст. Он может представлять собой запись - электронное письмо, расшифровку диктофонной записи или даже отсканированный текст, преобразованный в электронную форму, например старые протоколы судебных заседаний. Причина роста популярности анализа текста - в богатстве новых источников текстовых данных.

В последние годы фиксируется все, начиная от электронной почты и комментариев в таких социальных сетях, как Facebook и Твиттер, и заканчивая онлайн-запросами, текстовыми сообщениями и разговорами с сотрудниками колл-центров. Извлечение смысла из всех этих текстовых данных представляет собой непростую задачу. Существуют трудности, связанные с разбором, определением контекста и выявлением значимых закономерностей. Неструктурированных и текстовых данных у организаций становится больше, чем традиционных, структурированных данных. И эти типы данных нельзя игнорировать.

Текст - широко распространенный тип больших данных, и инструменты и методы его анализа прошли долгий путь развития. Сегодня существуют инструменты, которые помогают разобрать текст на составляющие его слова и фразы, а затем определить значение этих слов и фраз. Популярные коммерческие инструменты анализа текста предлагают такие компании, как Attensity, Clarabridge, SAS и SPSS.

Разбив текст на компоненты, можно определить их настроение или значение и выявить существующие тенденции. Часто к сводным статистическим данным о разобранном тексте применяются модели. Например, сколько электронных писем конкретного клиента написаны в положительном или отрицательном тоне? Как часто данный клиент фокусируется на конкретной продуктовой линии в своих сообщениях? Это позволяет структурировать необработанную информацию. Такой способ разбора и структурирования текста часто называется извлечением информации.

Важно понять, что сами по себе неструктурированные данные не анализируются. Сначала они подвергаются обработке, в результате которой им придается некоторая структура. Затем производится анализ этих структурированных результатов. Вспомните сериалы, в которых детективы выявляют преступника. Берется отпечаток пальца, затем на него наносятся различные точки, которые соединяются между собой. Наконец, детективы находят совпадение и выявляют преступника. В данном случае производится сопоставление не исходного неструктурированного отпечатка, а созданной на основе его узора структурированной формы. Такой подход характерен для анализа источников больших неструктурированных данных.

Большинству организаций абсолютно необходимо начать использовать методы анализа текста. Анализ текста из метода, имеющего ограниченную область применения, превращается в технику, влияющую на широкий спектр отраслей и задач. Это один из примеров новых типов методик, которые необходимо развивать, чтобы обеспечить возможность обработки неструктурированных источников больших данных.

Структура аналитики

Структура аналитики как науки образована системной совокупностью трех взаимосвязанных направлений: методологического, технологического и организационного. Отсюда логично вытекает, что аналитика должна решать как минимум, три класса задач:

- задачи методологического плана;

- задачи технологического плана;

- задачи организационного плана.

Аналитика должна быть способна к обобщениям, предсказаниям, объяснениям, постановке новых вопросов, связям с важнейшими научными теориями и принципами - эти свойства ей придает именно системность.

Методологические основания системного анализа становятся более "прозрачными", если рассмотреть уровни терминологии. Поставленная проблема связана с определением условий существования системы "аналитический центр - объекты анализа + окружающая среда" и выявлением определенного значения реляционного и атрибутивного системных параметров.

Реляционный системный параметр - это набор таких отношений, что любые системы находятся в каком-либо отношении из этого набора.

Атрибутивный системный параметр - это набор таких свойств, одним из которых обладает любая система. Любое из этих свойств является одним из значений атрибутивного системного параметра.

Классический подход в применении научных методов к решению проблем состоит в том, что базовый алгоритм включает три этапа:

- первый - постановка задачи и сбор исходной информации;

- второй - выдвижение гипотезы;

- третий - проверка этой гипотезы.

Исследование различного класса систем с целью выявления общности их структур, создание общей теории, справедливой для всех систем этого класса, является характерной чертой современного этапа развития науки.

Анализ тенденций развития современных информационных технологий показывает, что одним из основных направлений является направление, связанное с приданием создаваемым программным и техническим системам интеллектуальных свойств. Инструментарий современного аналитика обогащается средствами, учитывающими специфику оптимизации мыслительного процесса, адаптирующимися к потребностям аналитика. В стадии формирования пребывают технологические средства, осуществляющие мониторинг поисковых запросов к информационным ресурсам с целью проведения инициативных информационно-поисковых процедур в интересах интерификации аналитической работы. Однако очевидно, что эти средства не в состоянии самостоятельно осуществлять аналитическую работу - они напрямую зависят от профессиональных качеств аналитиков и качества их методологического вооружения.

  Аналитика методологических задач

Однако все не так просто: всякая наука "сражается на два фронта". Первое направление связано с развитием методологии, технологии и организации самой науки, ее собственного методологического, технологического и организационного обеспечения. Оно призвано обеспечить научных работников, занятых в этой сфере: удобной формальной системой для выражения научных суждений, совокупностью базовых методов исследований, технологией и инструментальными средствами для их проведения.

  Аналитика технологических задач

Второе направление связано с применением достижений науки в практической деятельности - это ее прикладное направление. В рамках этого направления вырабатываются методы, методики и технологии, которые при должной организации деятельности обеспечат потребителей средствами решения задач, стоящих перед ними на практике. Это - видимое лицо науки.

  Аналитика организационных задач

Безусловно, аналитика имеет и свою, невидимую для внешнего наблюдателя сторону, однако область пересечения теоретической ("внутренней") аналитики и прикладной ("внешней") аналитики вмещает в себя почти полную совокупность ее методов, технологий и организационных принципов.

Формы аналитики

Существует несколько форм, отражающих результаты аналитики, рассмотрим основные из них.

  Аналитическая записка

Аналитическая записка - это документ, содержащий обобщённый материал о каких-либо исследованиях.

Аналитическая записка составляется, как правило, для визуализации, формулирования проблемы или концепции, а также формулировки выводов.

Развитие инноваций в Российской Федерации находится на правильном пути, страна испытывает острую необходимость в формировании различных структур, которые могли бы улучшить деятельность всех организаций. В нашем государстве действует специальный орган, который ведет разработку различных инноваций. Так, для улучшения деятельности предприятий, компаний и даже банков было введено такое новшество, как аналитическая записка - это документ, который содержит обобщенные данные о проведенном анализе или исследовании. Он составляется с целью актуализации или формулирования проблемы, а также для предоставления выводов. В своем содержании он должен описывать предложения о решении выявленных проблем в процессе анализа.

    Структура аналитической записки

Жестких требований к структуре или объёму аналитической записки не предъявляется. Базовый вариант структуры аналитической записки может состоять из следующих частей:

- аннотация;

- содержание;

- введение;

- основная часть;

- заключение;

- подпись;

- приложения.

В аннотации кратко излагается суть содержания документа, причины и обстоятельства его появления, цели и задачи объекта, методы исследования, обоснование и полученные результаты. Каждый из этих параметров начинается с абзаца. В аннотации указываются используемые источники информации. Размер аннотации не должен превышать 2/3 страницы формата А4.

Содержание включает в себя наименования всех структурных частей документа с указанием номеров страниц, на которых размещается начало каждой части.

Введение включает в себя несколько составных частей, которые не выделяются подзаголовками, но присутствуют в обязательном порядке. Введение включает в себя постановку проблемы (то есть её предназначение, характеристику основных методологических принципов при её изучении, четко сформулированную цель, причины и основания исследования, круг вопросов, подлежащих рассмотрению). Разъясняется, какая методика использовалась при обработке информации.

В основной части излагается суть исследования. В логической последовательности дается изложение исследуемых вопросов темы (выделенных, как правило, в подразделы) на основе самостоятельного изучения источников и привлечения, где это необходимо, исследовательской и иной литературы. Поэтапный анализ и обобщения. Выдвижение гипотез, версий и их обоснование. Состоит из разделов и подразделов.

Любая аналитическая записка должна заканчиваться прогнозами, выводами и предложениями. Выводы делаются на основании полученных результатов в ходе исследования. В этой части не стоит пересказывать основную часть, нужно сделать ее обобщение. Выводы должны быть логичными и связанными с основным текстом. Не приветствуются точные повторения текста. Нельзя сделать вывод из того, что не было описано выше. Обязательно проконтролируйте, чтобы были общие оценки протекающих процессов на дальнейшую перспективу.

Информация должна быть четкой и краткой, без лишней воды. Заключение не должно быть больше одной страницы. На Западе аналитическая записка обозначается словосочетанием Executive summary. Составляется она для начальства предприятия или организации, чтобы они могли сами оценить состояние компании. В случае необходимости могут быть даны указания по устранению существующих проблем, учитывая выводы и предложения из записки.

Основные требования к выводам:

- непротиворечивость и жесткая логическая взаимосвязь с основным текстом подраздела;

- отсутствие прямых повторений текста раздела;

- недопустимость выводов, не обоснованных основным текстом;

- выводы должны характеризовать рассматриваемый период или явление;

- в обязательном порядке выводы должны содержать общие прогнозные оценки протекания процессов на ближайшую перспективу;

- подводится общий итог исследований по указанной тематике;

- текст выводов должен быть краток.

Исходя из выводов, указывается перечень мероприятий, предложений или их варианты для предотвращения причин, следствий того или иного события, а также прогнозируются те события, действия, которые могут произойти, если не выполнить или не принимать во внимание данные выводы и предложения. Вводные и заключительные части выделяются курсивом. Объём итогового заключения не должен превышать одной страницы.

В конце аналитической записки, под выводами и предложениями должна быть отметка об исполнителе, включающая в себя ответственных исполнителей данного документа с указанием их должностей в организационной структуре, например: Вице-король Индии, подпись, маркиз, Д. Н.Керзон, а также дата подписи и номера служебных телефонов.

В приложениях приобщаются подробные различные таблицы, графики, условные обозначения, глоссарий, математические формулы и расчеты, а также иная второстепенная информация, дополняющая основную часть документа. Список использованных источников и литературы, составляется при необходимости и по требованию руководства.

    Рекомендации по написании аналитической записки

Весь текст аналитической записки должен быть направлен на достижение цели. Целей может быть несколько, но лучше, чтобы их было немного, ещё лучше - одна. Если Вы пишете аналитическую записку самостоятельно, обязательно запрашивайте информацию у своих коллег из других структурных подразделений или сторонних организаций - это повысит объективность аналитической записки. При подготовке документа необходимо использовать имеющиеся методики сбора информации и сопоставления фактов. Факт как таковой содержит в себе недостаточно смысла, если его не рассматривать в сочетании с некоторыми другими фактами или не указать на его значение.

Текст аналитической записки должен быть понятен, научные термины, выражения, которые используются при исследовании той или иной проблемы необходимо заменять понятиями для широкой аудитории. В случае невозможности их заменить иными, они могут быть оставлены, но обязательно приводиться в приложении и раскрываться подробно. Общий размер аналитической записки, без приложения должен быть не более 7-12 страниц. Основные разделы аналитической записки начинают каждый раз с новой страницы. Листы аналитической записки брошюруют только после утверждения текста руководителем подразделения.

При использовании электронных документов, с разными стилями изложения, шрифтов и т.п. необходимо обязательно переформатировать и привести данные к тем техническим характеристикам, которые приняты в компании. Для презентаций аналитическую записку при необходимости следует переплести в плотные обложки и оформить текст, графики и диаграммы в цвете.

Аналитическая записка должна быть тщательно выверена ответственным исполнителем и подписана им, а затем передана на проверку, согласование, коррекцию руководителю подразделения, который внимательно изучает данный документ, вносит изменения с согласия автора. После корректировки руководитель подразделения подготовленный документ передает руководителю оргструктуры на рассмотрение. В случае выявления каких-либо неточностей, ошибок и т. п. в документе исполнитель вносит изменения и передает его в двух экземплярах вместе с электронной версией через своего руководителя подразделения руководителю оргструктуры.

  Аналитический отчет

Аналитический отчет является очень важным документом, который поможет проанализировать рынок и собственную деятельность на его фоне. Благодаря аналитическому отчету добивались успеха уже очень много разных компаний. Аналитический отчет нужен в почти любой сфере, где есть конкуренция.

А поскольку она является очень важной составляющей рыночных отношений, в которых находится наша страна, то данный документ составляют почти все корпорации.

Аналитический отчет является залогом успешной конкурентности любой компании, независимо от ее рода деятельности.

Человек может быть учителем, преподавателем и этот документ будет не только помогать повышать общий престиж какой-то школы или университета, но и от качества его составления порой зависит успешность работы конкретного специалиста.

    Функции аналитического отчета

Зачем нужно составлять аналитический отчет? Разве от него есть какой-нибудь толк? Да, без него не может существовать компания.

Поэтому давайте более детально разберемся, для чего нужен аналитический отчет? Итак, функции аналитического отчета:

- наглядность. Поскольку в аналитическом отчете имеется огромное количество графиков, схем и диаграмм, то можно судить о его наглядности. Вся информация находится перед человеком, как на ладони, что позволяет быстрее принимать правильное решение;

- анализ. Получается немного тавтологическая функция, но именно благодаря аналитическим отчетам осуществляется анализ эффективности работы определенного специалиста или предприятия. Если он неправильно справляется со своими функциями, то его можно выгнать. Но это случается редко. Как правило, определяются ошибки его деятельности и всей организации в целом, которые в дальнейшем исправляются;

- инновационность. Да, инновации ценятся в любой компании. И ничего удивительного здесь нет, так как внедрение чего-то нового в большом количестве случаев сопряжено с определенными прорывами. Естественно, это происходит не всегда. Инновации должны вводиться в те сферы, которые в них нуждаются. Только в этом случае от них есть толк. И аналитический отчет позволяет наглядно продемонстрировать, что и как работает.

    Правила составления аналитического отчета

Аналитический отчет представляет собой описание тщательного исследования того или иного вопроса по завершении определенного планового этапа. Перед составлением данного документа необходимо разобраться в особенностях его структуры и требованиях к оформлению. Структура отчета достаточно проста, но знание нюансов во многом облегчит его составление.

Титульный лист содержит в себе сведения об исполнителе. Он является первой страницей работы, ее "лицом". В содержании описывается структура отчета и номера страниц каждого раздела. Во введении необходимо привести аргументы в пользу выбора темы, актуальности исследования, перечислить используемые для изучения проблемы методы и способы. Во вступлении приводят анализ источников, которые были использованы при изучении темы. Важно не забыть о целях и задачах, поставленных в ходе работы над аналитическим отчетом.

Основная часть отчета, как правило, содержит несколько разделов и подразделов, логически связанных между собой. В каждой главе или пункте понятно и четко должен быть выражен материал. Нельзя забывать о ссылках на использованную литературу.

Выводы о проделанной работе выносятся в заключение. Надо не просто перечислить итоги исследования, но и дать разъяснения по каждому из них. Список использованных источников составляется по алфавиту. Аналитический отчет за год может содержать приложения, в них включают большие информационные блоки, каждый из которых должен сопровождаться ссылкой в тексте. К отчету прилагают документы и источники, используемые при его составлении: таблицы, диаграммы, схемы, графики и другие.

Основным секретом правильного составления аналитического отчета является проведение глубокого анализа определенной проблемы. Описание его итогов должно быть ясным и подкрепленным аргументацией. Проведя параллели, сравнив явления, можно сделать качественные выводы по проведенному исследованию. Соблюдение простых советов поможет составить интересный и достоверный аналитический отчет по ФГОС в кратчайшие сроки.

Цель необходимо формулировать кратко и как можно точнее. В смысловом отношении она выражает главную задачу, которая стоит перед специалистом, и ожидаемые результаты. Например, педагогическая цель должна быть направлена на развитие ребенка, появление ожидаемого результата необходимо оценить и измерить. Конкретизировать и развить цель помогают задачи - это действия для её реализации, которые в отчете перечисляют по порядку. Таким образом, процесс достижения цели делится на этапы. Они сформулированы как задачи: освоение технологии, создание системы работы, мониторинга и другие действия.

  Аналитическая корреспонденция

Журналисты российской прессы понятие "корреспонденция" употребляли уже в XVIII в. Однако надо иметь в виду, что достаточно долго корреспонденциями называли любые публикации на страницах газет, журналов (заметки, письма читателей, отчеты и т.д.). Лишь в конце XIX в. это понятие стало связываться с определенным жанром. Сущность этого жанра становится понятной в результате выявления особенностей публикаций, "подводимых" под него. Предметом аналитической корреспонденции могут быть какие-либо события, явления, феномены. В этом отношении она близка таким, например, жанрам, как репортаж, отчет, информационная корреспонденция.

Однако аналитическая корреспонденция отличается от названных жанров степенью "присутствия" в тексте других жанрообразующих факторов. Например, цель репортажа - дать наглядное, "живое" отображение «предметного» события (поэтому репортер использует главным образом при сборе материала метод личного наблюдения; нет наблюдения - нет репортажа). Цель отчета - точно отобразить "информационное событие" (выступления, доклады, отчеты), изложив все происходившее в точной последовательности (или даже проанализировав происходящее), используя при этом фрагменты выступлений или сообщений. Цель информационной корреспонденции - сообщить нечто о "предметном" событии, используя при этом (в отличие от репортажа) не столько "живое" наблюдение, сколько "свернутый" пересказ происходившего.

Цели аналитической корреспонденции иные. Она также содержит в себе сообщение о событии, явлении. Это сообщение может включать в себя как "живое" наблюдение, фрагменты каких-то выступлений, так и "свернутый" пересказ происходившего. Однако само сообщение не является самоцелью. Оно лишь дает представление о событии, предваряющее его истолкование. Именно это истолкование отличает в первую очередь аналитическую корреспонденцию от репортажа, отчета, информационной корреспонденции.

Истолкование представляет собой выяснение причин события, явления, определение его значимости, ценности, прогнозирование его развития и т.д. В силу этого автор аналитической корреспонденции неизбежно использует теоретические методы познания - анализ, синтез, индукцию, дедукцию и др. Двусоставность современной аналитической корреспонденции (сообщение о явлении плюс его истолкование) сближает ее с другим жанром - комментарием. Но между аналитической корреспонденцией и комментарием есть существенное различие.

Оно заключается в том, что "первоисточником" сообщения для аудитории о каком-то явлении, событии (которое затем истолковывается) в корреспонденции всегда является автор публикации. Именно он "корреспондирует" с места события, он же интерпретирует происшедшее, опираясь при этом на мнения участников и свидетелей события, на свои собственные непосредственные наблюдения. Комментарий же всегда публикуется по следам уже известного данной аудитории (например, из оперативного информационного сообщения) события. При комментировании истолкование события основывается в большей мере на других известных фактах или относительно общих мнениях, предположениях, оценках, которые чаще всего высказывает авторитетное для аудитории лицо, специалист-эксперт.

Аналитическая корреспонденция отличается также и от статьи.

Цель статьи - обосновать суждение (суждения) по поводу какого-то общезначимого явления, процесса, ситуации, имеющих место в жизни общества, в каких-то сферах деятельности. Причем такие события, процессы, ситуации, как правило, имеют большие последствия для общества, отдельных социальных групп. Поэтому предметом статьи являются не отдельные факты (события), а те закономерные причинно-следственные отношения, которые порождают такие (обычно однородные) факты, события. В ходе доказательного рассуждения автор как раз и устанавливает связи между отдельными фактами, возникшими на "поверхности" жизни, событиями, явлениями и теми закономерностями, теми причинами, которые их порождают и остаются скрытыми от прямого наблюдения.

При этом приводимые факты, обсуждаемые события, явления служат аргументами в пользу общего суждения об их причинах, о закономерностях, их породивших. В аналитической же корреспонденции речь идет о каком-то одном событии. Оно всесторонне обсуждается, выявляются его качества, ему выносится оценка, прогнозируется его развитие, указываются его причины.

Таким образом, центральным предметом аналитической корреспонденции является один значительный факт, все остальные детали, примеры, суждения служат "вспомогательным" материалом для его всестороннего освещения. Названные обстоятельства четко разграничивают жанр аналитической корреспонденции и жанр статьи. Присущие аналитической корреспонденции характерные признаки отличают ее и от других жанров.

  Аналитический опрос

Аналитический опрос как жанр имеет некоторые сходные черты с жанром информационного опроса. Это сходство состоит прежде всего в том, что источником содержания публикаций, относимых к этим жанрам, являются ответы на вопрос журналиста. При этом, как в том, так и в ином жанре, структура текста образуется в ходе изложения "веера" полученных журналистом ответов "респондентов".

Но в отличие от публикаций, относимых к жанру информационного опроса, публикации, составляющие жанр аналитического опроса, обретают черты развернутого комментария, который обычно относится к аналитическим жанрам. Это становится возможным в результате "кумулятивного эффекта", возникающего при объединении в одном тексте нескольких подробных ответов на один и тот же вопрос. Но аналитический опрос нельзя относить к жанру комментария, так же как нельзя к этому жанру относить, например, интервью, содержанием которого может быть, скажем, комментарий какого-то интервьюируемого журналистом лица по поводу определенных событий. Отнесение публикации в данном случая к жанру интервью происходит по методу получения журналистом информации, изложенной в ней, но не по содержанию этой информации, которое может быть оценочным, комментирующим по своей сути. Подобное можно наблюдать и при рассмотрении публикаций некоторых иных жанров.

Аналитические опросы очень часто появляются на страницах "Литературной газеты". Журналисты обращаются к этому жанру, когда надо, например, выявить мнение известных артистов по поводу какой-то новой пьесы или мнение писателей по поводу современной художественной литературы и т.д. Охотно публикуют аналитические опросы и многие другие газеты и журналы.

  Аналитический пресс-релиз

Стремление СМИ выжить в эпоху бурного развития рыночных отношений в стране явилось причиной того, что на страницах газет и журналов, в теле- и радиопрограммах прочно обосновалась реклама, ставшая источником материального благополучия большинства изданий. Реклама присутствует в СМИ не только в форме чисто рекламных текстов. Она также облачается в одежду журналистских материалов. Это, в частности, привело к возникновению активно заявившего о себе жанра "пресс-релиз". Пресс-релизом называется подборка информационных сообщений, рассказывающих о достоинствах какой-то фирмы или отдельной личности, например кандидата в депутаты. От них, собственно, и поступают такие пресс-релизы в СМИ. Полученный в редакции пресс-релиз не обязательно будет опубликован. Возможно, он станет просто одним из источников информации, которая будет использована редакцией для ориентации в деловом мире или в выборной кампании. Из него также часть материала может быть изъята и опубликована в виде заметки, хроники, информационной корреспонденции.

Таким образом, пресс-релиз способен быть преобразован в какой-то уже известный журналистский жанр. Однако журналист может поставить перед собой задачу сохранить рекламную суть пресс-релиза и, дополнив его необходимыми новыми сведениями, убрав лишнее, подготовить публикацию, обладающую своеобразными чертами. Эта публикация может быть и аналитической по своему характеру. Соединение аналитического и рекламного начал лежит в основе аналитического пресс-релиза.

Предметом аналитического пресс-релиза являются качества, возможности каких-либо людей или организаций, фирм, учреждений во взаимосвязи их с потребностями, задачами, которые в данный момент могут быть у аудитории СМИ. Журналист, поставивший перед собой задачу подготовить пресс-релиз, встает перед необходимостью проанализировать причинно-следственные взаимосвязи между возможным удовлетворением потребностей, которые есть у аудитории СМИ, и рекламируемой деятельностью фирм, учреждений, отдельных личностей.

Причем цель аналитического пресс-релиза заключается не просто в том, чтобы показать, что данная организация или личность способны решить какие-то проблемы данной аудитории, но и доказать это. Поэтому автор аналитического пресс-релиза обращается к доказательному рассуждению, к использованию аргументации, подтверждающей его утверждения.

Как правило, в пресс-релизе в качестве аргументов применяются примеры успешной деятельности данной фирмы, учреждения, лица, их высокие профессиональные качества, моральные и иные положительные стороны. Авторы аналитических пресс-релизов также часто опираются в своих утверждениях на положительные отзывы о деятельности рекламируемых компаний и лиц, на экспертные оценки, поддерживающие позицию авторов.

Таким образом, жанру аналитического пресс-релиза присущи два основных вида анализа - причинно-следственный и оценочный. В ходе оценочного анализа устанавливаются высокие положительные качества рекламируемой фирмы или отдельных лиц, а в ходе причинно-следственного анализа демонстрируется то, что именно с помощью этой фирмы, этих лиц будут решены те конкретные задачи, которые стоят перед данной аудиторией СМИ.

  Аналитическая справка

Аналитическая справка - это документ, который содержит результаты исследований, проведенных в какой-либо области. Пишут ее, как правило, с целью сформулировать возникшие проблемы и выводы.

Документ обязательно должен содержать несколько вариантов выхода из ситуации, основанных на доступной всем информации.

Лучше, чтобы документ преследовал одну цель, и весь текст был направлен на ее достижение. Чтобы аналитическая записка выглядела более объективной, нужно запрашивать информацию у коллег из сторонних учреждений. Научные термины, известные только специалистам, следует заменять выражениями, понятными большинству. Каждый основной раздел документа нужно начинать с новой страницы. Только после того, как аналитическую записку утвердит руководитель, ее можно оформить в виде брошюры.

Написание данного документа широко распространено в педагогической практике. Например, аналитическая справка учителя создается, чтобы показать, над чем он работал в течение года, каких результатов достиг, какие методы при этом использовал. Также она необходима для визуализации педагогического опыта и его передачи молодым специалистам. В дошкольном общеобразовательном учреждении также практикуется написание данного документа. Аналитическая справка воспитателя содержит информацию о том, как исполнялись поставленные на учебный год задачи, о недостатках работы, о целях на будущее.

Виды аналитики

Можно выделить ряд основных видов аналитики. Предиктивная или прогностическая аналитика, аналитика событий (игровых, мировых, спортивных) и текущая аналитика.

  Предиктивная аналитика

Предиктивная или прогностическая аналитика (Predictive analytics) - это прежде всего множество методов статистики, анализа данных и теории игр, которые используются для анализа текущих и исторических данных/событий для прогноза данных/событий в будущем.

Наиболее известный способ использования прогностической аналитики - это применение скоринговых моделей для оценки платежеспособности клиента при выдаче кредитов в банке. Это из области «как не наступить на те же грабли», любая скоринговая модель строится на исторических данных, и если в прошлом, какая-либо группа клиентов была уличена в несвоевременном гашении кредитов, а Вы по каким-либо характеристикам схожи с этой группой, то скорее всего в выдаче кредитов Вам откажут.

Однако это не все области, где применяется предиктивная аналитика, ее можно применять для разработки продуктов, для выбора потенциальной аудитории, для выбора следующего продукта, который Вы можете предложить клиенту (Next Best Offer) и множестве других.

Когда говорят о предиктивной аналитике часто сводят разговоры к применению методов Data mining industry, я бы даже сказал, что это небольшая ветвь Data mining-а, в основе которой лежат некоторые методы Data mining-а.

Центральной сущностью предиктивной аналитики является задача определение предиктора или нескольких предикторов (параметров или сущностей, которые влияют на прогнозируемое событие). Например, страховые компании выделяю такие предикторы, как возраст, стаж вождения при определении страховой премии.

Множество этих предикторов образует модель предиктивной аналитики, которая предсказывает определенное событие в будущем с какой-то степенью вероятности. Чем проще модель (или меньше количество факторов), тем меньше степень точности модели. Но всегда помним, что любая модель строится на произошедших событиях в прошлом и это не значит, что события в будущем могут повториться при тех же параметрах внутренней среды. Соответственно любой процесс моделирования имеет вероятностный характер. Усложняя модель на исторических данных, мы рискуем ее сильно переучить и соответственно, она может перестать быть устойчивой в будущем.

Если Вы еще не применяете предиктивную аналитику, присмотритесь к этой области, она позволяет значительно увеличить эффективность Вашего бизнеса.

Даже предиктивная аналитика имеет ограничения, в связи с тем, что она снабжает принимающих решения большими объемами цифр и данных, которые не дают автоматических результатов для лучших решений в области управления талантами. Та же предиктивная аналитика может быть обозначена как "какие-то метрики", потому что они не вызывают опасений и не побуждают интереса читателя.

Принимая во внимание, что "практическая предиктивная аналитика" добавляет несколько факторов (например, стоимость и рекомендованные шаги), это добавляет вероятность того, что лица, принимающие решения, предпримут действия после ознакомления с аналитикой. Помните, что цель - увеличить скорость и улучшить качество принятия решений благодаря предоставлению нужного количества информации в правильном формате и своевременно.

В SEO можно прогнозировать абсолютно всё: поведение людей на сайте, количество трафика на сайт, рост позиций, запросы для продвижения, стоимость клика и заявки с вероятностью в 80%. Собрать данные из счетчиков статистики, метрики, аналитикс, базы данных ключевых слов, внутренней системы CRM , например 1С и внешних источников не составит труда, куда сложнее привести данные к одному виду, проанализировать, интерпретировать и стандартизировать. В SEO прогнозная аналитика полностью завязана на машинном обучении. Все полученные данные отдаются машине, затем она уже строит прогнозы. Так работают и поисковые системы, в том числе Яндекс, поисковая система построена на машинном обучении - матрикснете. Получая данные, миллионы/милиарды строк данных по ручной разметке ассесеров, по качеству и параметрам сайта, машина делает определённый скоринг, ставит оценки каждому сайту и даёт предположение, что определённая группа сайтов относится скорее всего к хорошим сайтам, в результате сайт ранжируется.

  Текущая аналитика

К текущей аналитике можно отнести аналитику поведения на рынках, спортивную аналитику, финансовую аналитику.

Показатели текущей аналитики зависят от данных, регулярно меняющихся в настоящее время без остановок. Качественная аналитика Forex и других финансовых рынков, позволяет быть в курсе текущих рыночных трендов.

  Аналитика событий

Информационные каналы пестрят аналитикой тех или иных событий, аналитикой мероприятий, аналитикой игровых матчей.

По сути - это свод событий, происходящих в мире и анализ произошедшего.

  Информационная аналитика

Информационная аналитика - это производство нового знания на основе переработки имеющейся информации в целях оптимизации принятия решений.

Универсальность социальной функции информационной аналитики и ее субстрата (информации) привели к эффекту мультидеятельностного генезиса аналитических служб (подразделений) во всех узлах информационной инфраструктуры, то есть во всех сферах деятельности, где концентрировались, перерабатывались мощные информационные потоки в целях принятия социально значимых управленческих решений. Именно поэтому информационно-аналитические службы (подразделения) стали создаваться в структуре органов федеральной и региональной власти, в министерствах и ведомствах, в органах СМИ, в сфере бизнеса, при политических партиях и движениях.

Общей отличительной чертой данных служб являлась органическая включенность в соответствующие сферы деятельности, функциональный и организационно - деятельностный симбиоз с их социальными институтами и конкретными организациями. Аналитические службы в своих целях призваны осуществлять информационное сопровождение управления в соответствующих сферах.

Информационная аналитика не является всего лишь еще одной относительно новой организационной службой, ее сущностная, базовая функция принципиально отличается от тех задач, которые решают в информационном пространстве эти службы. Информационная аналитика, используя все возможности, предоставляемые данными службами, активно оперируя их информационными продуктами и услугами, выполняет, прежде всего, задачу качественно-содержательного преобразования информации, функционально пересекаясь в этом плане с научной (производство нового знания) и управленческой (разработка вариантов решений, сценариев) деятельностью.

Аналитика наиболее близка к гуманитарной науке, опирающейся на интерпретацию текстов, документов, сообщений о событиях и т.п., а также к тем разделам науки, видам научных задач, когда выводное знание получают не опытно-экспериментальным путем, а на основе анализа и интерпретации существующих теорий, описаний фактов, средствами информационного моделирования реальности.

Подобно исследователю такого профиля аналитик, опираясь на информационные модели (отпечатки в информационном пространстве событий, фактов, действий, идей, мнений, чувств людей, природных, социальных, политических, финансовых, экономических процессов и т.п.), выявляет в них объективные закономерности и тенденции, определяет движущие ими механизмы, причинно-следственные связи. В этом смысле аналитик создает новое знание о том фрагменте реальности, который находится в поле его профессионального интереса, выступая де факто исследователем своей предметной области.

Вместе с тем существуют и принципиальные различия между аналитикой и наукой. Научный анализ призван выявлять, прежде всего, фундаментальные, объективные закономерности изучаемой области, повторяющиеся, существенные связи объектов, обобщенные параметры процессов и т.п.

Информационная аналитика, опираясь на научное знание, общие закономерности, чаще всего имеет дело с феноменологией бытия, осуществляя оценку фактов и событий, прогнозируя их развитие с учетом не только обобщенных типичных параметров, но и целого спектра факторов, включая субъективно-личностные, случайные влияния, а также сознательные акции конкурирующих сил, противоборство интересов, активное вмешательство социальных технологий и т.п. Существенную роль играет и фактор времени. Производство научного знания осуществляется в том специфическом режиме времени, который продиктован непредсказуемостью эвристических процессов познающего человеческого интеллекта, логикой и темпами научного дискурса. Информационная аналитика работает в режиме реального времени - времени жизнедеятельности своей предметной области (политики, экономики, бизнеса) и в соответствие с темпом необходимых управленческих реакций на динамику событий, происходящих в данной области.

С одной стороны, академические и отраслевые научно-исследовательские институты, разрабатывавшие фундаментальные и прикладные проблемы в тех областях знания, которые востребованы современной жизнью, практикой управления, так и не стали базовой структурой в системе формирующихся аналитических служб. И это не смотря на то, что еще в дореформенные времена Академия наук и ведущие НИИ рассматривались как инстанции для проведения экспертиз, им предъявлялись партийно-правительственные заказы на разработку научных обоснований для тех или иных проектов, концепций и планов, оценки и критики зарубежного опыта и так далее. С другой стороны, именно ученые, сотрудники академических институтов, НИИ, вузов в значительной степени пополнили ряды аналитиков при госструктурах, СМИ, в коммерческих фирмах, политических партиях и т.п.

Анализ этих факторов - самостоятельная научная проблема, однако нельзя не упомянуть наиболее значимые тенденции. Тенденция социализации информационной аналитики, объективно закономерный процесс, характеризующий новую отрасль в стадии ее становления. Составляющими процесса социализации информационной аналитики являются социальные, социокультурные, социально психологические реакции общества на данную отрасль. Появление новой сферы профессиональной деятельности (информационная аналитика) ставит перед обществом аксиологические, психологические, культурологические, социометрические проблемы:

- возникает необходимость социальной оценки значимости информационной аналитики, что требует ее позиционирования в ряду других, близких отраслей, выработки шкалы социальной оценки, построения системы социальных приоритетов и т.п. с учетом ценности тех целей, которые данная деятельность позволяет достичь;

- формируются эмоциональные реакции, ожидания, общепринятые нормы поведения в связи с данной отраслью;

- ценностные и социально-психологические реакции транслируются в область культурных норм и традиций, национальных форм социального бытия, включаются в систему мифов и ритуалов и т.п.;

- выстроенные приоритеты, оценки, престижность новой отрасли позволяют определять ее социометрические параметры (интенсивность роста социальных институтов, связанных с новой отраслью, темпы и масштабы рекрутинга специалистов, профессионалов, пользователей ее продукции).

Инструменты аналитики

На протяжении многих лет аналитики использовали инструменты, которые позволяли им подготавливать данные для анализа, выполнять аналитические алгоритмы, а также оценивать результаты. Увеличение функциональности этих инструментов не вызывает удивления. В дополнение к гораздо более богатым пользовательским интерфейсам инструменты теперь дают возможность автоматизировать или оптимизировать решение распространенных задач. В результате аналитики могут больше времени посвящать анализу. Объединение новых инструментов и методов с более развитыми процессами и масштабируемостью предоставит организациям возможность укротить большие данные.

  Главный инструмент аналитики - логика

Основное инструмент аналитики - логика. Логикой в жизни мы пользуемся редко. Классический пример неправильной логики - рак от огурцов. Исходное утверждение рака от огурцов: все больные, которые умерли от рака, в своей жизни ели огурцы. Значит, огурцы вызывают рак. Такие выводы мы часто получаем в смещенных выборках.

  Системный анализ

Мощнейшим инструментом при ведении аналитической работы является системный анализ. Устанавливаемое системными методами пространство логических возможностей позволяет эффективно исследовать и управлять системными объектами.

Системный анализ - научный метод познания, представляющий собой последовательность действий по установлению структурных связей между переменными или элементами исследуемой системы. Опирается на комплекс общенаучных, экспериментальных, естественнонаучных, статистических, математических методов.

Системный анализ возник в эпоху разработки компьютерной техники. Успех его применения при решении сложных задач во многом определяется современными возможностями информационных технологий. Н. Н. Моисеев приводит, по его выражению, довольно узкое определение системного анализа: "Системный анализ - это совокупность методов, основанных на использовании ЭВМ и ориентированных на исследование сложных систем - технических, экономических, экологических и так далее. Результатом системных исследований является, как правило, выбор вполне определенной альтернативы: плана развития региона, параметров конструкции и так далее. Поэтому истоки системного анализа, его методические концепции лежат в тех дисциплинах, которые занимаются проблемами принятия решений: исследование операций и общая теория управления".

Для решения хорошо структурированных количественно выражаемых проблем используется известная методология исследования операций, которая состоит в построении адекватной математической модели (например, задачи линейного, нелинейного, динамического программирования, задачи теории массового обслуживания, теории игр и др.) и применении методов для отыскания оптимальной стратегии управления целенаправленными действиями.

Системный анализ предоставляет к использованию в различных науках, системах следующие системные методы и процедуры:

- абстрагирование и конкретизация;

- анализ и синтез;

- индукция и дедукция;

- формализация и конкретизация;

- композиция и декомпозиция;

- линеаризация и выделение нелинейных составляющих;

- структурирование и реструктурирование;

- макетирование;

- реинжиниринг;

- алгоритмизация;

- моделирование и эксперимент;

- программное управление и регулирование;

- распознавание и идентификация;

- кластеризация и классификация;

- экспертное оценивание и тестирование;

- верификация.

Для решения слабо структурированных проблем используется методология системного анализа, системы поддержки принятия решений (СППР). Рассмотрим технологию применения системного анализа к решению сложных задач.

Процедура принятия решений согласно включает следующие основные этапы:

- формулировка проблемной ситуации;

- определение целей;

- определение критериев достижения целей;

- построение моделей для обоснования решений;

- поиск оптимального (допустимого) варианта решения;

- согласование решения;

- подготовка решения к реализации;

- утверждение решения;

- управление ходом реализации решения;

- проверка эффективности решения.

Для многофакторного анализа, алгоритм можно описать и точнее:

- описание условий (факторов) существования проблем, И, ИЛИ и НЕ связывание между условиями;

- отрицание условий, нахождение любых технически возможных путей. Для решения нужен хотя бы один единственный путь. Все И меняются на ИЛИ, ИЛИ меняются на И, а НЕ меняются на подтверждение, подтверждение меняется на НЕ-связывание;

- рекурсивный анализ вытекающих проблем из найденных путей для каждой подпроблемы;

- оценка всех найденных путей решений по критериям исходящих подпроблем, сведенным к материальной или иной общей стоимости.

  Системы интернет-аналитики

Это внешние программы, для работы с которыми на сайт устанавливается небольшой фрагмент кода. Данные заносятся в базу, размещенную на сервере поставщика услуги. Они доступны владельцу веб-ресурса. Такие программы просты и удобны в использовании. Они позволяют получить наглядную информацию. Примеры: Google Inc. Analytics, Яндекс.Метрика, Liveinternet и другие.

Системы интернет-статистики используются массово, благодаря своему удобству и простоте. Распространенными являются Google Inc. Analytics и Яндекс.Метрика.

Онлайн-сервисы Яндекс.Метрика и Google Analytics активно используют компании, предоставляющие услуги в сфере продвижения, оптимизации и рекламы сайтов в Интернете.

Можно смело сказать, что на сегодняшний день это одни из самых популярных ресурсов в Российской Федерации для анализа посещаемости сайтов и эффективности контекстной рекламы в Яндекс.Директ и Гугл.Adwords.

Яндекс.Метрику и Google Inc. Analytics используют специалисты, работающие в сфере продвижения, оптимизации и рекламы сайтов в Интернете.

Яндекс.Метрика и Гугл Analytics в основном используются для отслеживания эффективности ведения рекламных кампаний, созданных в системах контекстной рекламы. Контекстная реклама является одним из методов продвижения услуг в сети.

Google Analytics всегда был и будет классическим инструментом для веб-аналитиков. Не только потому что он бесплатный, но и потому что предлагает широкий набор инструментов, которые позволяют тестировать, отслеживать и измерять пользовательское поведение на сайте. Однако использование только одного инструмента аналитики не всегда правильно - данные могут искажаться, и решения, принятые на их основе, будут ошибочными. Поэтому для более точных данных неплохо сравнивать показатели, используя информацию из нескольких источников.

  Лог-анализаторы

Лог-анализаторы - программы, устанавливаемые на компьютер пользователя. Лог-файлы собираются с определенной периодичностью, обрабатываются и хранятся во внутреннем архиве. Как правило, работа с такими инструментами требует специальных знаний и навыков. Примеры: Webalizer, AWStats.

Webalizer (Вебалайзер) - это система статистики, предоставляющая подробный ежедневный и ежемесячный отчёт о посещаемости сайта.

Одним из основных показателей успешности сайта в сети является его посещаемость. Посещаемость позволяет узнать, сколько людей заходит на Ваш ресурс, в какое время, из каких источников они узнают о нём, какой объём информации получают и в каких странах он пользуется популярностью. Анализ подобной информации, полученной с помощью Webalizer, позволяет не только судить о популярности сайта сейчас, но и помогает выбрать наилучшие пути для дальнейшего продвижения в поисковых системах и оценить результативность раскрутки по всем параметрам, предоставляемым Вебалайзером.

AWstats - это анализатор лог файлов для Web-сервера (так же при помощи него можно просматривать статистику ftp, syslog и mail серверов). Короче говоря, это обыкновенный счётчик посетителей вашего сайта, он Вам даёт те же самые возможности что и счётчик liveinternet или Гугл Analytics, но по сравнению с этими средствами анализ трафика он работает напрямую с логами Web-сервера, а не выполняется как какой-то скрипт при открытии страницы, благодаря чему он не влияет на скорость загрузки сайта. А функционал у него с перечисленными средствами практически одинаковый.

  Эволюция инструментов аналитики

В конце 1980-х годов, не существовало понятия "дружественный пользователю". Вся аналитическая работа выполнялась с помощью мейнфреймов. Для того чтобы провести анализ, приходилось не только непосредственно создавать программный код, но и использовать ужасный язык управления заданиями (JCL).

Когда распространение получили серверы и ПК, они в основном представляли собой те же старые программные интерфейсы с новыми платформами. Графика и вывод данных в те времена находились в зачаточном состоянии. Первоначально графики генерировались с помощью текстовых знаков, из которых создавались столбиковые диаграммы, а для рисования сеток использовались тире. При выводе данных вы получали огромное количество текста с описанием того, что произошло.

Со временем были разработаны дополнительные графические интерфейсы, которые давали возможность вместо кодирования использовать среды point-and-click ("укажи и щелкни"). Практически все коммерческие аналитические инструменты имели такие интерфейсы к концу 1990-х годов. С тех пор пользовательские интерфейсы были еще более усовершенствованы и теперь содержат более мощные графические средства, диаграммы потоков работ, а также приложения, сосредоточенные на конкретных точечных решениях. Диаграммы потоков работ - одна из самых полезных новых функций, поскольку они предоставляют аналитикам наглядную карту с отдельными этапами работы и связанными между собой задачами. Это позволяет визуально отслеживать все шаги процесса.

По мере развития инструментов продолжает развиваться и сфера их применения. В настоящее время существуют инструменты управления развертыванием аналитических процессов, управления и администрирования аналитических серверов и программного обеспечения, используемых аналитиками, а также инструменты для перевода кода с одного языка на другой. Кроме того, имеется ряд коммерческих аналитических пакетов. Хотя лидерами рынка остаются компании SAS и SPSS, существует множество других аналитических программ. Многие из них занимают определенную нишу, охватывая конкретные области. Кроме того, в настоящее время созданы аналитические инструменты с открытым исходным кодом.

    Распространение графических пользовательских интерфейсов

До середины - конца 1990-х годов единственный вариант проведения статистического анализа подразумевал написание кода. Многие люди, особенно аналитики "старой школы", все еще любят писать код. Тем временем пользовательские интерфейсы становятся нормой, и аналитикам больше не нужно тратить много времени на кодирование. Графические пользовательские интерфейсы, доступные сегодня, позволяют генерировать большое количество кода "под капотом" от имени пользователей.

Часто можно слышать жаркие споры о том, используют ли "настоящие" профессионалы графический интерфейс или же они только пишут код. На самом деле ни у кого не должно возникать проблем с использованием графического интерфейса, пока он работает надежно и позволяет разрабатывать аналитические процессы в темпе, который равен или превышает темп ручного кодирования. Настоящие аналитики делают все возможное, чтобы выполнить работу настолько точно и эффективно, насколько это возможно. Кроме того, программное обеспечение сегодня предусматривает надежные решения, которые не только позволяют быстро генерировать код, но и помогают пользователям пройти через предопределенный процесс, направленный на решение конкретных проблем.

Дополнительное преимущество пользовательского интерфейса состоит в том, что автоматически сгенерированный код достаточно оптимизирован и свободен от ошибок. В этом заключается его отличие от ручного кодирования, при котором нередки опечатки, требуется отладка, а степень оптимизации производительности кода зависит от того, кто его написал. Ранние версии аналитических пользовательских интерфейсов были довольно громоздкими, и если человек умел хорошо кодировать, то ему быстрее было написать код, чем использовать интерфейс. Все изменилось с появлением новых пользовательских интерфейсов, которые эффективно автоматизируют генерирование большого количества кода. Это позволяет больше внимания уделять собственно анализу и необходимым методологиям и тратить меньше времени на кодирование.

С пользовательскими интерфейсами связана одна опасность, которая в то же время является одним из их ключевых преимуществ: интерфейсы позволяют легко генерировать код. Звучит заманчиво, однако возможность быстро генерировать код также позволяет быстро генерировать и плохой код. Если пользователь не профессионал, то с помощью пользовательского интерфейса он может случайно создать код, который будет делать совершенно не то, что задумано. Без понимания сгенерированного кода пользователь не в состоянии выявить такие ситуации, а это может привести к тому, что разработанные процессы будут некорректными или неточными.

К точечным решениям относятся, например, приложения для оптимизации цен, выявления фактов мошенничества и прогнозирования спроса. Точечные решения, построенные на основе таких наборов инструментов, как SAS, используют некоторые общие функции базового пакета, однако пользовательский интерфейс настроен на решение конкретных задач. На разработку точечного решения может потребоваться много времени. Организациям следует подумать о приобретении такого решения вместо создания собственного. Это может сэкономить и деньги, и время.

Приложение для финансового учреждения, которое поможет обнаружить факты отмывания денег, например, должно предусматривать набор алгоритмов и бизнес-правил, которые находят подозрительные закономерности в движении средств. Интерфейс такого инструмента будет настроен на выявление подозрительных случаев и предоставление по мере необходимости дополнительной информации для помощи в процессе расследования. Такой инструмент может помочь организации быстро приступить к работе без необходимости разрабатывать множество процессов с нуля.

Аналитические точечные решения набирают популярность, поскольку позволяют различным отделам организации использовать более сложные аналитические методы в своих повседневных бизнес-процессах. Как правило, для того чтобы осуществить установку, конфигурирование и настройку параметров этих инструментов, необходим высокий уровень знаний. Однако их обслуживание и использование по силам менее подготовленным людям, что значительно расширяет пользовательскую базу точечных решений. Обратите внимание на то, что это не отменяет сказанного о людях, не использующих инструменты, если они не разбираются в кодировании. Точечные решения построены и сконфигурированы так, что пользователь совершает наиболее уместные действия.

Пользователи аналитических точечных решений, как правило, оказываются более продвинутыми по сравнению с рядовыми сотрудниками. Однако они не будут обладать такими же навыками, как профессиональные аналитики. Инструменты, сконфигурированные и настроенные специалистами, позволят автоматизировать решение многих задач, так что опытный пользователь сможет эффективно контролировать результаты работы инструмента и убедиться в том, что все работает нормально. Преимущество этого подхода заключается в более широком применении аналитики в рамках организации и в увеличении масштаба. Ни у одной организации никогда не будет достаточно аналитиков для проведения всех необходимых видов анализа вручную. Аналитические точечные решения снимают часть этой нагрузки.

Серьезный недостаток точечных решений состоит в том, что они бывают весьма дорогостоящими. Некоторые точечные решения стоят порядка десяти миллионов долларов или больше, если речь идет об использовании инструмента в масштабах всего предприятия. Если ROI3 оправдывает такие расходы, то это приемлемо. Однако типичная организация не может потратить достаточно денег, времени и усилий на реализацию многочисленных точечных решений, поэтому они нередко используются последовательно: по мере завершения реализации одного решения начинается реализация другого.

В ближайшие годы будут разработаны точечные решения применительно к некоторым аспектам анализа больших данных. Возможно, именно они потребуются организациям, чтобы начать такую работу. В процессе планирования своих действий следует изучить рынок, чтобы узнать о существующих возможностях.

    История открытого программного обеспечения

Программные пакеты с открытым исходным кодом существуют довольно давно. Они доступны для всех и могут быть загружены бесплатно. Кроме того, сам код также доступен, поэтому при желании пользователи могут настраивать и добавлять функции в программное обеспечение.

Существуют примеры широко используемых и весьма успешных приложений с открытым исходным кодом: веб-браузер Firefox, операционная система Linux и веб-сервер Apache. Развитие интернета способствовало росту активности, обусловленной открытым программным обеспечением. Если учесть все инновации, появившиеся в интернет пространстве, совершенно естественно, что им сопутствуют инновации в приложениях с открытым исходным кодом.

В настоящее время существуют самые разнообразные программные пакеты с открытым исходным кодом: базы данных, приложения для бизнес-аналитики и отчетности, инструменты для интеграции данных, офисные пакеты и так далее. В одних случаях, например в Linux и Apache, набор инструментов с открытым исходным кодом стал общепринятым вариантом, если не лидером, в своей области. Во многих других случаях (офисные средства) открытое программное обеспечение занимает конкретную нишу. Как правило, крупные и/или длительное время существующие корпорации медленнее принимают инструменты с открытым исходным кодом, чем новые сферы бизнеса или академическая среда.

Замечательная особенность инструментов с открытым исходным кодом состоит в том, что в повышение их функциональности свой вклад вносят тысячи людей. Обнаруженная ошибка достаточно быстро может быть исправлена многочисленными разработчиками-энтузиастами, которые работают в свободное время. Основные проекты с открытым исходным кодом поддерживаются формальными организациями. Есть организации, которые состоят полностью из добровольцев; на некоммерческих предприятиях, созданных для управления проектом, работают сотрудники, нанятые на полный рабочий день.

За счет пожертвований эти организации могут платить сотрудникам зарплату, однако они не пытаются зарабатывать на самом программном обеспечении. Цель состоит в том, чтобы получить достаточное количество денег в виде пожертвований и, оплатив работу специалистов, гарантировать эффективное управление проектом. В будущем открытое программное обеспечение продолжит оказывать влияние, в том числе в сфере аналитики. Это подводит нас к проекту R.

    Проект R для статистических расчетов

Открытое программное обеспечение пришло в мир передовой аналитики в виде "Проекта R для статистических расчетов", известного также как просто R. R - это бесплатно распространяемый аналитический пакет с открытым исходным кодом, который напрямую конкурирует с коммерческими аналитическими инструментами, а также дополняет их. R - потомок S, одного из первых языков для статистического анализа, разработанного десятки лет назад. Свое название проект R, видимо, получил благодаря тому, что представлял собой обновление S, а также тому, что с буквы R начинаются имена его создателей (Роберт Джентлмен и Росс Айхэка).

Проект R быстро завоевал популярность и в настоящее время используется многочисленными профессиональными аналитиками. Это особенно верно в академической и исследовательской среде. Что касается корпоративной среды, то при наличии большой команды аналитиков по крайней мере некоторые из них так или иначе используют язык R.

Коммерческие инструменты по-прежнему доминируют, однако влияние R постепенно растет. Хотя количество его пользователей быстро увеличивается, на сегодняшний день он еще не так прочно прижился на крупных предприятиях, как в научных кругах. Язык R, как правило, используется для исследований и разработок, а не в крупномасштабных, критически важных для производства аналитических процессах. Со временем это может измениться, однако на момент написания данной книги дела обстоят именно так.

Язык R имеет широкий спектр возможностей. Он в большей степени объектно-ориентированный, чем многие другие наборы аналитических инструментов. Может быть связан с такими распространенными платформами программирования, как C++ и Java, что позволяет внедрять R-код в приложения. На самом деле коммерческие аналитические пакеты даже позволяют выполнять код, написанный на языке R, в рамках своих наборов инструментов. Это очень полезная функция.

Возможно, самое большое преимущество языка R состоит в том, что при появлении нового метода моделирования или анализа кто-нибудь реализует его на этом языке. Функциональность R обновляется гораздо быстрее, чем функциональность коммерческих инструментов, и, если задуматься, так и должно быть. Поставщик коммерческого инструмента не будет спешить с интеграцией нового алгоритма, пока не убедится в том, что на его использование есть спрос. Убедившись в этом, поставщик добавляет этот алгоритм в свой график выхода, создает код и включает его в новую версию инструмента. На это могут уйти годы. В случае с R код алгоритма создается сразу, как только несколько человек сочтут его полезным.

То, что R распространяется бесплатно, для многих является несомненным преимуществом. Однако, как и в случае с любым другим проектом с открытым исходным кодом, существуют компании, которые предлагают собственные платные расширения и/или сервисы. Эти компании могут помочь вам с применением R, с разработкой процессов на языке R, а в некоторых случаях - предоставить вам расширения, улучшающие функциональность базового пакета. Недостаток бесплатного программного обеспечения - отсутствие поддержки. Вам приходится более или менее самостоятельно искать ответы на вопросы. Несмотря на существование многочисленного сообщества, нет ни одного конкретного ответственного человека или команды, к которым вы могли бы обратиться.

Один из главных недостатков языка R заключается в том, что программирование с его помощью - достаточно интенсивный процесс. Несмотря на существование графических интерфейсов, созданных на основе языка R, многие пользователи сегодня по-прежнему предпочитают писать код. Кроме того, R-интерфейсы гораздо менее развиты, чем аналогичные интерфейсы для коммерческих инструментов. Разумеется, со временем это может измениться.

Возможно, самым большим недостатком языка R является его плохая масштабируемость. В последнее время были сделаны некоторые улучшения, однако уровень масштабируемости R не соответствует уровню других коммерческих инструментов и баз данных. Компилятор R обрабатывает данные в оперативной памяти. Это означает, что он может работать только с наборами данных, размер которых соответствует объему доступной памяти компьютера. Даже у очень дорогого компьютера объем памяти гораздо меньше, чем требуется для работы с наборами данных предприятия, не говоря уже о больших данных. Если крупная организация хочет укротить большие данные, то R может стать частью решения, но не единственной, по крайней мере на сегодняшний день.

Все большее число инструментов, включая коммерческие аналитические пакеты, позволяют применять язык R.

    История визуализации данных

Визуализация данных так же стара, как и сами данные. В последнее время она превратилась в отдельную отрасль. Такие люди, как Эдвард Тафти, зарабатывают на жизнь, обсуждая, исследуя и оценивая методы визуализации. Тафти написал множество книг, в том числе ставшую классической Visual Display of Quantitative Information ("Визуальное отображение количественной информации").

Изображенное Шарлем Жозефом Минаром уничтожение войск Наполеона во время похода на Москву в 1812 году считается одной из лучших визуализаций всех времен. Посмотрев на это изображение, пройдя по ссылке в примечаниях к главе, вы сможете ясно представить себе, что произошло с этими войсками.

Визуализация в мире аналитики - это диаграммы, графики и таблицы, которые отображают данные. До появления компьютеров графики рисовали от руки. Компьютеры революционизировали и упростили методы создания визуализаций. Я помню свой первый цветной принтер для компьютера Radio Shack Color Computer. В нем в буквальном смысле были маленькие цветные шариковые ручки, рисующие на листе бумаги, похожем на широкую чековую ленту. Я мог создавать только некоторые очень примитивные столбиковые диаграммы с низким разрешением.

Раннее аналитическое программное обеспечение довольно умно использовало символы клавиатуры для создания графики, которая, возможно, и не была красивой, но очень хорошо позволяла донести смысл. Каждый столбик диаграммы мог состоять из ряда символов X; круговая диаграмма - из точек, запятых и тире, а рамку таблицы рисовали с помощью символов.

Когда офисные приложения получили широкое распространение, практически у любого человека появилась возможность создавать красочные диаграммы или графики с осями, подписями и легендами. Графические средства аналитических инструментов также сильно эволюционировали и вышли далеко за пределы создания графиков, состоящих из текстовых символов.

Однако до недавнего времени визуализации в основном были статичными. Диаграмма в настольном приложении для создания презентаций или в электронной таблице оставалась статичной, пока не производилось ее обновление - как правило, вручную. Сегодня существуют средства визуализации, позволяющие взаимодействовать с графикой, исследуя и анализируя данные новыми и более эффективными способами.

    Современные средства визуализации

Инструменты визуализации эволюционировали так сильно, что многие люди не осознают всех существующих возможностей. Такие инструменты, как Tableau, JMP, Advizor и Spotfire, помогают профессиональным аналитикам и бизнес-пользователям выйти за пределы графики, которая просто иллюстрирует уже разработанную историю. Инструменты визуализации позволяют пользователю разработать новую историю, используя интерактивную визуальную парадигму.

Сегодняшние инструменты визуализации позволяют создать несколько вкладок с графиками и диаграммами, связанных с исходными данными. Еще более важно то, что вкладки, графики и диаграммы могут быть связаны друг с другом. Если пользователь щелкнет по столбику для северо-восточного региона, все остальные графики мгновенно скорректируются и будут отображать данные, относящиеся к этой области.

Эти новые инструменты можно представить как программное обеспечение для создания презентаций и электронных таблиц "на стероидах". Мало того что некоторые инструменты визуализации имеют такие же функции манипулирования данными, как и электронные таблицы, - они также обладают возможностями создания графиков, соперничающими с функциями приложений для создания презентаций или даже превосходящими их. Теперь добавьте к этому возможности подключения к большим базам данных, использования визуальных средств и углубленного изучения данных. В результате получается нечто очень мощное.

Основная предпосылка визуализации данных состоит в том, что очень трудно бывает разобраться в больших таблицах или наборах чисел и выявить тенденции. Гораздо легче увидеть тенденции, если используется подходящее визуальное представление. Некоторые визуализации, например графики, отображающие данные социальных сетей, передают информацию, которую было бы практически невозможно понять или описать без визуализации.

Только представьте себе попытку доходчиво объяснить человеку, как на карте расположены страны. Когда у вас перед глазами есть карта, вы точно знаете, как страны располагаются друг относительно друга. Очень сложно было бы придумать даже очень объемное объяснение, которое могло бы сравниться с картой по информативности и ясности.

Появилась новая идея аналитики с погружением (immersive intelligence), которая пока еще недоступна в коммерческих инструментах. Она подразумевает использование возможностей трехмерной графики, онлайн-миров вроде Second Life и сложных визуальных инструментов (например, тех, что используются в области генетических исследований). Эти технологии применяются для интерактивного представления данных. Будет ли возможна навигация по данным в интерактивной трехмерной среде для получения новых ценных сведений? Время покажет.

Визуализация помогает буквально увидеть новые идеи, которые иначе было бы невозможно обнаружить. Профессиональные аналитики в настоящее время используют эти инструменты для разработки аналитических процессов и исследования данных; некоторые специалисты прибегают к средствам визуализации исключительно для создания графики и презентаций. Эти инструменты гораздо быстрее и надежнее, чем традиционные графические. Кроме того, если во время презентации кто-то задает вопрос, можно, произведя анализ, получить ответ прямо в процессе представления, и не нужно обещать создать новый график и прислать его следующим утром. Любой организации, желающей укротить большие данные, следует рассмотреть вопрос о включении средств визуализации в свои наборы инструментов.

    Важность визуализации для передовой аналитики

Профессиональному аналитику постоянно приходится объяснять сложные аналитические выводы деловым людям, не имеющим технической подготовки. Методы, которые позволяют делать это более эффективно, следует использовать. Визуализация данных относится именно к этой категории.

Зачем вдаваться во все детали логистической регрессии, если можно этого не делать? Включение всех оценок параметров, децилей и статистики оценки модели излишне, если простой график прироста скажет бизнес-спонсору все, что ему нужно знать. Подробности пригодятся в качестве резерва, однако бизнес-спонсоров не должны заботить технические детали. Они доверяют заботу о них своим аналитикам.

Немногие люди предпочтут увидеть длинный список бизнес-правил вместо наглядного дерева решений. Что если казино или розничному магазину необходимо определить самые оживленные области? Можно создать множество таблиц, разложить их на столе и попытаться в уме найти закономерности. А можно сделать тепловую карту пола казино или магазина, где цвет обозначает уровень активности. Ответ на поставленный вопрос будет очевиден сразу.

Многие люди используют чрезмерную или слишком сложную графику только потому, что ее легко создать. Трехмерная столбиковая диаграмма не добавляет какой-либо аналитической ценности по сравнению с двумерной и может даже усложнить восприятие. Внимание должно быть сосредоточено на эффективной впечатляющей визуализации, которая помогает более четко проиллюстрировать идею. Красивая графика, которая не служит никакой цели, может отвлекать от основной мысли и приводить к путанице.

В одних случаях бывает достаточно простой таблицы. В других уместная визуализация может помочь аудитории гораздо лучше осмыслить идею. Вспомните пример с картой. Если аналитики понимают, как эффективно визуализировать данные и результаты, это поможет им стать более эффективными и успешными в своей работе. Средства визуализации только начинают оказывать влияние. В дальнейшем они будут использоваться все чаще в процессе анализа и представления его результатов.

Однако нужно помнить, что новые данные оказывают большее влияние на качество и эффективность аналитики, чем сами инструменты и методы. Так, например, наличие подробных веб-данных о потребителях, которых раньше не было, в большей мере будет способствовать повышению качества и эффективности модели склонности, чем достижению логистической регрессии или группового метода, используемого для построения модели. Новые инструменты помогают получить максимальную отдачу от новых источников данных, однако сами данные представляют собой более важный фактор. Вот почему для организаций очень важно использовать доступные им источники больших данных.

Компоненты аналитики нового поколения

Аналитика рассматривает причинно-следственную связь через условия и среду. То есть четыре компоненты включены в аналитику. Аналитика может состояться только тогда, когда есть все эти четыре компоненты - это причина, условие, среда и следствие. Вот, все четыре компонента, рассматривая которые мы имеем аналитику.

Аналитика ставит перед собой задачу правильно ориентироваться в пространстве. Это аналитика. Всё равно в каком пространстве, но так или иначе, в едином пространстве, в любом случае. То есть аналитика, она сходна с математикой. Но, если математика рассматривает абстрактные величины, то аналитика рассматривает имеющиеся величины, то есть те величины, какие нас окружают. Это аналитика.

‌По словам Джона Слэйда (Jon Slade), директора глобальных продаж стратегической и онлайн-рекламы британской газеты Financial Times, ежегодно он анализирует 6 миллиардов просмотров рекламы и определяет, какой из просмотров представляет максимальную ценность для каждого потенциального клиента.

Раньше для этого приходилось использовать трудоемкие методы извлечения информации из множества баз данных и электронных таблиц. Джону Слэйду удалось значительно повысить скорость и эффективность данного процесса благодаря сотрудничеству с компанией Metamarkets, которая предлагает облачный сервис под названием Druid на основе технологии In-Memory Analytics (распределенных вычислений в оперативной памяти серверов).

Теперь, благодаря прямому интерфейсу с данными, для предоставления необходимой информации требуется всего 8 секунд. В результате отдел рекламных операций получает время для того, чтобы сосредоточиться на наиболее стратегических вопросах. Параллельная обработка данных, технология in-memory, новый интерфейс и многие другие усовершенствования позволили добиться более высоких экономических результатов, в том числе обеспечить двузначные темпы роста доходности рекламы и улучшить на 15-20% точность измерения контрольных показателей по предлагаемым объемам просмотров рекламы.

Улучшение работы рекламных операций стало возможным благодаря таким тенденциям в развитии новых технологий, как облегчение доступа к данным, более быстрые и менее дорогостоящие вычислительные системы, новые программные инструменты, а также усовершенствованный пользовательский интерфейс. Сегодня точность принимаемых предприятиями решений сравнима с научным пониманием информации. Поэтому указанные тенденции смело можно назвать движущей силой новой эпохи в использовании аналитики крупными компаниями по всему миру.

С помощью пакетов статистического программного обеспечения, ориентированных на проведение научных исследований, и инструментов визуализации новая аналитика способна применять строгие научные методы, в том числе формирование и проверку гипотез. Это ведет к появлению в составе бизнес-подразделений отделов по аналитике данных, которые приходят на смену централизованным аналитическим отделам. Перечисленные тенденции будут развиваться все быстрее, и лидеры бизнеса, использующие новую аналитику, смогут создать такую культуру работы с данными, которая повысит эффективность решений, принимаемых на их предприятиях.

Постоянно повышаются вычислительная мощность и объемы оперативной памяти, расширяются возможности массового распараллеливания в облачной среде и снижаются затраты на один бит обрабатываемой информации.

Аналитики данных стремятся получать более крупные наборы информации и выполняют больше итераций для уточнения своих запросов и поиска лучших ответов. Возможности визуализации и более интуитивные пользовательские интерфейсы позволяют большинству работников предприятия проводить как минимум базовые исследования.

Данные социальных медиа являются наиболее заметным примером возникновения множества крупных облачных сред информации, которые способны помочь предприятиям лучше понимать своих клиентов. Эти облачные среды дополняют возрастающий объем данных, к которым бизнес-подразделения компаний имеют прямой доступ внутри предприятия.

Один основной показатель способен сплотить работников всей компании; особенно он формируется с учетом других показателей, которые генерируются с помощью эффективного моделирования.

Не важно, идет ли речь о компании, работающей в области компьютерных игр или электронной коммерции, об операторе интеллектуальной электросети, который генерирует, обрабатывает и обменивается со своими клиентами и партнерами аналитической информацией об энергопотреблении, в любом случае улучшенная аналитика поступает непосредственно клиентам и другим заинтересованным сторонам. И возможности получения этой информации "встраиваются" в такие места, где их легче найти пользователям.

Улучшение визуализации и пользовательского интерфейса позволили предоставлять возможности специальной аналитики для любого рабочего места и для каждой роли пользователя. В то же время сегодня, как никогда ранее, востребованы аналитики данных, которые сочетают творческую способность генерировать полезные гипотезы с умением моделировать работу изменяющегося предприятия.

Преимущества более широкой культуры работы с данными включают новые возможности, снижение рисков, а также наличие сотрудников, которые лучше понимают потребности клиентов и способны максимально использовать имеющиеся возможности. Предприятия, которые понимают и умеют выгодно использовать тенденции, смогут изменить корпоративную культуру своей компании и улучшить способы привлечения и удержания клиентов.

  Повышение скорости и возможностей хранения данных аналитики

Основные тенденции в области вычислений - это движущая сила третьей волны развития бизнес-аналитики, которую в компании PwC называют аналитикой нового поколения. Постоянно повышаются вычислительная мощность и объемы оперативной памяти, расширяются возможности массового распараллеливания в облачной среде и снижаются затраты на один бит обрабатываемой информации. В Financial Times смогли выгодно воспользоваться всеми этими тенденциями. Джону Слэйду приходится держать на своем столе несколько компьютерных мониторов, чтобы успевать следить за поступающей информацией. Для его работы необходимо глубокое понимание читательской аудитории и самых подходящих видов рекламы.

Просмотры рекламы, число появлений рекламы на соответствующих веб-страницах - вот источник доходов сайтов крупных средств массовой информации. Цена просмотров должна определяться на основе читательских сегментов, представители которых, вероятнее всего, увидят рекламу и перейдут по соответствующей ссылке. Например, в Файнешнл Таймс высоко оценили бы читательский сегмент, состоящий из руководителей предприятий во Франции. "Пользователи оставляют огромное количество "информационных следов" при просмотре содержимого на нашем сайте, - говорит Джон Слэйд. - Проблема заключалась в том, чтобы понять, какая информация полезна для нас и как ее можно использовать".

В прошлом также возникали сложности с имевшимися в распоряжении Financial Times аналитическими возможностями. "Основные категории информации, например, демографические данные, данные о поведении пользователей, ценообразовании, доступных ресурсах, хранились во множестве различных баз и электронных таблиц, - отмечает Джон Слэйд. - Нам приходилось буквально колдовать над созданием алгоритмов, позволяющих получать ответы на такие вопросы, как "Сколько у нас просмотров рекламы?" и "Какую цену я должен установить?". Это был очень трудоемкий процесс".

Потенциальное решение в Financial Times увидели после обсуждения с компанией Metamarkets первоначальной концепции, которая по мере совместной работы развивалась дальше. Благодаря использованию аналитической платформы Metamarkets в Файнешнл Таймс получили возможность быстро выполнять итерации и изучать множество вопросов с целью улучшения процесса принятия решений. "Наша технология оптимизирована для облачной среды. Поэтому мы можем использовать вычислительную мощность десятков, сотен или тысяч серверов в зависимости от объема данных наших клиентов и их конкретных потребностей, - говорит Майк Дрисколл (Mike Driscoll), президент компании Metamarkets. - В течение нескольких миллисекунд мы можем обработать запросы по миллиардам строк данных. Такая скорость в сочетании с применением науки о данных и средств визуализации помогает бизнес-пользователям понимать и применять информацию, основанную на больших наборах данных".

Несколько десятилетий назад в ходе первой волны аналитики небольшие группы специалистов управляли компьютерными системами. Еще меньше специалистов было занято поиском ответов в наборах данных. Для выполнения запросов и анализа данных предпринимателям, как правило, приходилось обращаться к соответствующим экспертам. По мере роста объема корпоративных данных, собираемых с помощью систем планирования ресурсов предприятия (ERP) и из других источников, ИТ-подразделения накапливали наиболее структурированную информацию в хранилищах данных. А затем аналитики могли оценивать ее в интегрированном виде. Когда бизнес-подразделения стали направлять запросы о предоставлении отчетов по значимым для них наборам информации, возникли киоски данных. Однако при этом ИТ-подразделения по-прежнему контролировали все источники.

Вторая волна аналитики характеризовалась появлением различных вариантов централизованного сбора, составления отчетности и анализа данных по принципу "сверху вниз". В 1980-е годы эта тенденция начала вступать в противоречие с идущими снизу инициативами по децентрализации. Они были вызваны наступлением эпохи персональных компьютеров, быстрым распространением электронных таблиц и других методов, которые быстро завоевали широкую популярность (а зачастую и дурную репутацию в связи с различными злоупотреблениями). Огромное количество полезной информации по-прежнему находится в хранилищах и киосках данных.

Основная проблема централизованной аналитики в ходе первой и второй волны заключалась в необходимости реагировать на потребности предприятий в условиях, когда сами бизнес-подразделения не были уверены в том, какую информацию они хотели бы найти или по каким признакам следует вести поиск. Третья волна клиентской аналитики позволяет решить эту проблему благодаря предоставлению доступа и инструментов непосредственно тем специалистам, которые должны действовать на основе полученной информации. Новая аналитика опирается на экспертизу широкой экосистемы бизнеса для решения проблем, связанных с недостаточно оперативным реагированием центральных аналитических подразделений.

Появление децентрализованной аналитики стало возможным благодаря повышению скорости обработки данных, улучшению возможностей хранения и масштабирования на основе совместного создания ресурсов в облачных средах. Инновации в области децентрализованной аналитики развивались быстрее, чем соответствующие централизованные варианты, и, по мнению компании PwC, эта тенденция сохранится и в будущем.

"Просматривая какие-либо данные, вы можете решить, что необходимо изменить выполняемый запрос. При этом вам требуется возможность сразу перейти к новому запросу, - говорит Джок Маккинлей (Jock Mackinlay), директор по визуальному анализу в компании Tableau Software, одного из поставщиков новых интерфейсных приложений для визуализации аналитики. - Ни одна автоматизированная система не сравнится со скоростью потока человеческой мысли".

  Увеличение источников данных

Гигантские объемы данных в облачной среде и наличие огромной и недорогой вычислительной мощности способны помочь предприятиям анализировать различные проблемы бизнеса, в том числе лучше понимать клиентов, прежде всего с помощью социальных медиа. Внешние облачные среды дополняют данные, к которым бизнес-подразделения уже имеют прямой доступ внутри предприятия.

"Компания Ingram Micro использует крупные и разнообразные наборы данных для моделирования расположения складов, - говорит Джонатан Чихорек. - Среди них: размер, вес и другие физические свойства продукции; географические характеристики потребителей и ожидаемый спрос на различные категории товаров; транспортные узлы для ввоза и вывоза грузов, сроки поставки и соответствующие затраты; аренда складов и эксплуатационные затраты, включая коммунальные услуги, а также затраты на трудовые ресурсы. И это только некоторые наборы данных".

Социальные медиа также могут дополнять внутренние данные предприятий, желающих научиться использовать эти информационные ресурсы. Некоторые компании игнорируют социальные медиа, потому что большинство проходящих в них обсуждений кажутся банальными. Однако тем самым они упускают имеющиеся возможности. Рассмотрим пример североамериканского производителя одежды, который занимался перепозиционированием бренда обуви.

"Производитель собирал традиционные бизнес-данные для понимания статуса своего бренда. Однако он не проводил значительного анализа обсуждений своих продуктов в социальных медиа, - говорит Жози Латандрес (Josee Latendresse), руководитель фирмы Latendresse Groupe Conseil, которая консультирует компанию по вопросам перепозиционирования. - Мы не уделяли должного внимания богатейшему пласту информации, которую можно бы найти через социальные медиа".

Чтобы расширить область анализа, Жози Латандрес использовала в работе экспертизу и технологии компании Nexalogy Environics, которая занимается изучением графиков интересов на основе обсуждений в Интернете, то есть связей между людьми, местами и вещами. Nexalogy Environics исследовала миллионы корреляций в графиках интересов и выбрала менее 1000 релевантных обсуждений из 90 000 дискуссий, в которых упоминались соответствующие продукты. В ходе этой работы Nexalogy Environics сумела существенно повысить долю "сигнала" и снизить долю «шума» в информации о производителе, полученной в социальных медиа.

  Увеличение внимания ключевым показателям

Один из способов начала работы с аналитикой нового поколения - это привлечение внимания работников компании к одному основному показателю, особенно если он формируется на базе других показателей, генерируемых с помощью эффективного моделирования. Основной показатель и модель, которая помогает всем понять его, позволяют приобщить корпоративную культуру компании к языку, методам и инструментам, связанным с процессом достижения этой цели.

Интеллектуальный анализ данных такого масштаба требует использования распределенных вычислений на сотнях серверов и выполнения повторных проверок гипотез. Оператор предполагал, что одной из возможных причин аннулирования договоров группами абонентов были обрывы вызовов. Однако проведенный компанией Dataspora анализ опроверг это представление и не выявил корреляции между обрывом звонков и аннулированием договоров.

"Мы выполнили целый ряд действий. Во-первых, мы получили доступ ко всем данным, а затем разработали методику построения социального графика и другие полезные функции. В то же время мы опровергли ряд других гипотез", - говорит Дрисколл. Наблюдение за фактическим поведением людей подтвердило, что аннулирование договоров в рамках круга друзей носило волнообразный характер и приводило к появлению пиковых показателей оттока клиентов. Интенсивное внимание, уделенное ключевому показателю, продемонстрировало компании-оператору и ее работникам мощный потенциал аналитики нового поколения.

  Улучшения доступа к результатам аналитики

Чем более распространенной становится онлайн-среда, тем чаще происходит обмен информацией. Не важно, идет ли речь о компании, работающей в области компьютерных игр или электронной коммерции, или об операторе интеллектуальной электросети, который генерирует, обрабатывает и обменивается со своими клиентами и партнерами аналитической информацией об энергопотреблении. В любом случае улучшенная аналитика поступает непосредственно клиентам и другим заинтересованным сторонам. И возможности получения этой информации "встраиваются" в такие места, где их легко могут найти пользователи.

Например, энергетические предприятия готовятся перейти на интеллектуальные электросети и начинают проявлять заинтересованность в помощи со стороны клиентов. При этом основой для совместной работы над повышением эффективности энергопотребления служит предоставление более точных данных и расширенных возможностей обмена оперативной и клиентской аналитикой. Сол Замбрано (Saul Zambrano), старший директор по энергетическим решениям для клиентов американской компании Pacific Gas & Electric (PG&E), которая одной из первых начала устанавливать умные счетчики, отмечает, что политические руководители страны выступают за увеличение доступа третьих сторон к использованию данных, полученных с помощью счетчиков.

"Одной из основных политических инициатив на уровне нормативного регулирования является создание платформ, на основе которых третьи стороны смогут при соблюдении всех принципов конфиденциальности получить доступ к этим данным для построения рыночных бизнес-моделей, - говорит Сол Замбрано. - Управление электросетями и использованием энергии будет обеспечиваться как энергетическими компаниями, так и третьими сторонами". Замбрано подчеркнул важность участия клиентов в инициативах, связанных с эффективностью энергопотребления.

Проблема, на которую он обращает внимание, касается того, в какой степени смешанные оперативные и клиентские данные окажутся полезными для более широкой экосистемы, охватывая миллионы частных и корпоративных клиентов. "Благодаря возможностям влияния информации и ее представления вы сможете продемонстрировать клиентам различные способы превращения в распорядителя потребляемой энергии", - говорит Сол Замбрано.

В условиях строго регулируемого бизнеса энергетическая отрасль сталкивается с множеством препятствий, которые необходимо преодолеть, чтобы достичь той точки, когда интеллектуальные электросети начнут реализовать свой потенциал. Однако концепция уже ясна. Это:

- демонстрация клиентам нескольких ключевых показателей и сезонных тенденций в легкой для понимания форме;

- предоставление средств улучшения этих показателей с более глубоким представлением областей, связанных с самыми высокими расходами на потребление энергии;

- обеспечение клиентам возможности эталонного сравнения своих затрат путем предоставления сравнительных данных.

Новый вид обмена данными, возможно, является шансом для стимулирования конкуренции в области эффективности энергопотребления, которая ранее никогда не существовала между домовладельцами или между владельцами корпоративной недвижимости. Это также пример того, как расширение доступа к аналитике нового поколения способно помочь в создании культуры работы с данными в рамках всего расширенного предприятия.

Задачи аналитики

Существует множество причин перейти к модели принятия решений, основанной на анализе данных. Десять важнейших из них рассмотрим в качестве ознакомления. Они и являются основными преимуществами применения аналитики на любом предприятии.

  Подготовка объекта анализа к будущим решениям

Самая важная составляющая процесса принятия решений, основанного на анализе данных, заключается в способности предсказывать тенденции, потенциальные проблемы и возможности в сфере управления талантами. Данные и основанные на них прогнозы позволят вам больше не гадать о будущем, а осознанно готовиться к нему, принимая правильные решения о том, что может произойти. Данные предупредят вас о грядущих сдвигах в привычных шаблонах, одни из которых остаются неизменными, а другие стремительно меняются за короткие временные периоды. Эта информация поможет ответственным лицам вовремя изменить подходы к управлению персоналом.

  Влияние данных аналитики на руководителей разных уровней

Одной из самых распространенных проблем в области управления талантами является необходимость заставить руководителей следовать протоколу и советам HR-специалистов. К счастью, руководители почти всегда одержимы цифрами, поэтому точные данные позволяют влиять на них и менять их поведение. Как выяснили в Google Inc., "если вы пытаетесь повлиять на руководителя, предоставив ему точные данные, он не может их оспорить" и "новая информация заставляет многих управленцев сменить сменить стиль руководства".

Поскольку руководители чаще всего взаимодействуют с персоналом, они должны в первую очередь получать новейшие данные, которые могут повлиять на производительность труда всего отдела. Финансовые директора, как правило, тоже любят цифры, поэтому если вы посвятите их в свои планы, то с большой долей вероятности получите поддержку и финансовую помощь. Намекните финансовому директору, что новая программа может увеличить прибыль компании, и ему будет проще оценить всю прелесть изменений. Если вы рассказываете об экономическом эффекте от индивидуальных программ по развитию талантов, сравните его с эффектом от программ, связанных с другими аспектами ведения бизнеса.

  Определение работоспособности существующих подходов аналитики

Системы оценки созданы для того, чтобы определять работоспособность существующих программ и инструментов. В соответствии с полученными результатами вы сможете внести нужные изменения или отказаться от устаревших подходов. Аналитика также позволяют оценить эффективность новых программ. Решения по новым программам для развития талантов должны быть основаны на точных данных и оценках результатов труда. Так руководители быстро сделают выводы об эффективности существующих и новых HR-программ.

  Помощь аналитики в выявлении скрытых причин проблем

Вы не сможете усовершенствовать неудачные программы, если не определите критерии, по которым можно судить об их успешности. Точные данные очень помогут HR-специалисту, который стремится выйти за рамки привычных систем оценки и попытаться выяснить глубинные причины проблем. Как правило, руководители, которые находятся в стадии принятия важных решений, не доверяют представителям отдела кадров, которые не могут сообщить им о причинах проблемы.

  Эффективное распределение ресурсов в важных сферах бизнеса

Если данные доказывают, что одна из программ приносит желаемые результаты, а другая работает совсем не так, как хотелось бы, вы сможете должным образом перераспределить бюджет и сотрудников. Разумеется, после этого вам придется бросить все усилия на то, чтобы улучшить неэффективную программу.

  Помощь аналитики в улучшении процессов и сокращение процентов ошибок

Данные дают мотивацию для совершенствования. Этот факт хорошо иллюстрирует классический слоган компании HP: "Вы не можете улучшить то, что не можете измерить, а все, что вы измеряете, улучшается". Показывая общественности данные, которые свидетельствуют о недостатках, вы заставляете окружающих осознать, что им есть к чему стремиться. Поскольку в данных отображаются все ошибки в процессах (например, наем неудачных кандидатов, промедление при увольнении и так далее), обнародование отчетов существенно снижает их процент и заставляет принимать более эффективные решения.

  Ускорение процессов и повышение системности принятия решений в аналитике

Одной из главных проблем в управлении талантами является его бессистемность. В разных отделах компании, как правило, используются различные подходы, но если вы соберете данные и расскажете людям о том, что действительно работает, это поможет систематизировать процесс. Поскольку в наши дни все отчеты хранятся в электронном виде, вы сможете своевременно обновлять их, чтобы лица, ответственные за принятие решений, всегда имели доступ к самой точной и свежей информации.

  Польза аналитических систем оценки сотрудникам компаний

Лучшие сотрудники, подобно успешным спортсменам, всегда ведут счет и любят ответственный подход к делу. При использовании модели, основанной на анализе данных, сотрудники не будут удивляться решениям руководства и смогут постоянно следить за своими показателями.

  Принятие стратегических решений в аналитике

Стратегия - это умение смотреть вперед и планировать действия, необходимые для достижения бизнес-целей. Предсказательная аналитика и подход к принятию решений, основанный на анализе данных, вы продемонстрируете руководству, что имеете долгосрочные планы, умеете прогнозировать и оценивать риски. Предсказательная аналитика позволяет понять, что ждет компанию в будущем, поэтому не исключено, что части HR-плана будут включены в общий бизнес-план компании.

  Увеличение прибыли на основе анализа данных

Святой Грааль любого бизнеса - это увеличение корпоративной прибыли. К счастью, последнее исследования от Harvard Business Review group доказывает, что компаниям, перешедшим к модели управления персоналом, основанной на анализе данных, удалось повысить свою прибыль на 65% и более. Привлеките к исследованию специалистов из отдела финансов, чтобы оценить финансовое влияние новой программы.

Информационно-аналитические системы

Основополагающую роль в подготовке принятия решений играет его обоснование по имеющейся у ЛПР информации. Её, как правило, получают из различных внутренних и внешних источников. В интересах выработки адекватного решения используются внутренние информационные ресурсы, которые складываются из отражения деятельности (функционирования) объекта в документах, других видах и способах сбора, обработки, хранения информации. А также внешние по отношению к объекту информационные ресурсы, например (если это предприятие) - корпорации, отрасли, региона, а также глобальные - из средств массовой информации, специальной литературы, всемирной информационной сети Интернет и т.д.

Таким образом, границы информационного пространства как отображения деятельности предприятия и его взаимодействия с внешней средой, в рамках которого принимаются решения, выходят далеко за пределы предприятия.

Эти обстоятельства вынуждают использовать имеющиеся в настоящее время весьма развитые программно-технические средства. Широкое и эффективное применение этих средств стало одним из факторов выживаемости и успеха предприятия в условиях острой конкурентной борьбы. Получили широкое распространение автоматизированные информационные системы.

Проблема анализа исходной информации для принятия решений оказалась настолько серьезной, что появилось отдельное направление или вид информационных систем - информационно - аналитические системы (ИАС).

Информационно-аналитические системы (ИАС) призваны на основе данных, получаемых в режиме реального времени, помогать в принятии управленческих решений. ИАС - это современный высокоэффективный инструмент поддержки принятия стратегических, тактических и оперативных управленческих решений на основе наглядного и оперативного предоставления всей необходимой совокупности данных пользователям, ответственным за анализ состояния дел и принятие управленческих решений. Комплекс информационно-аналитических систем затрагивает всю управленческую вертикаль: корпоративную отчетность, финансово-экономическое планирование и стратегическое планирование.

  Функции и сферы применения аналитических систем

Основное назначение ИАС - динамическое представление и многомерный анализ исторических и текущих данных, анализ тенденций, моделирование и прогнозирование результатов различных управленческих решений.

Основными функциями информационно-аналитической системы являются:

- извлечение данных из различных источников, их преобразование и загрузка в хранилище;

- хранение данных;

- анализ данных, в том числе оперативный и интеллектуальный;

- подготовка результатов оперативного и интеллектуального анализа для эффективного их восприятия потребителями.

Результатом применения средств ИАС являются с одной стороны - регламентные аналитические отчеты, ориентированные на нужды пользователей различных категорий, с другой - средства интерактивного анализа информации и быстрого построения отчетов пользователями-непрограммистами с использованием привычных понятий предметной области.

Функцию сбора и хранения информации с сопутствующей доработкой в информационно-аналитических системах, выполняют информационные хранилища (Data Warehouse).

В связи с большим объемом и сложностью анализ данных имеет два направления - оперативный анализ данных (информации), широко распространена англоязычная аббревиатура названия - On-line Analytical Processing (OLAP). Основной задачей оперативного или OLAP-анализа является быстрое (в пределах секунд) извлечение необходимой аналитику для обоснования или принятия решения информации. Эту функцию выполняют всевозможные OLAP - средства.

С технической точки зрения ИАС - это набор процедур, методов и регламентов, приводящих к регулярному плановому сбору, хранению, анализу и предоставлению информации, используемой для принятия управленческих решений.

Информационно-аналитические системы являются надстройкой над уже функционирующими на предприятии информационными приложениями и не требуют их замены; эти системы аккумулируют данные по всем видам деятельности компании - от состояния складов до финансовой и бухгалтерской отчетности.

Информационно - аналитические системы верхнего уровня служат для принятия стратегических решений. Они позволяют руководителю решать следующие задачи:

- составление консолидированной отчетности и предоставление сводной информации о деятельности предприятия (финансовые, производственные и другие показатели, динамика их изменений и тенденции);

- анализ деятельности дочерних предприятий, филиалов и подразделений компании (анализ доходности, затрат, выполнения плана);

- анализ финансовой деятельности (основные финансовые показатели, тенденции, взаиморасчеты);

- оптимизация финансовых потоков;

- реальная оценка первоначальной стоимости продукции;

- проведение комплексной оценки деятельности предприятия, основанной на постоянном контроле четырех наиболее существенных ее аспектов (финансы, отношения с внешним миром, внутреннее состояние компании, инновации);

- анализ сбытовых процессов (составление плана, контроль исполнения распоряжений расчеты за отгруженную продукцию, прогноз поступления средств, прогноз спроса).

  Классификация аналитических систем

Для обозначения аналитических технологий и средств в целом принято использовать термин "Business Intelligence" или, сокращенно, - BI. Понятие BI объединяет различные средства и технологии анализа и обработки данных масштаба предприятия. На их основе создаются BI-системы. Их цель - повысить качество информации для принятия управленческих решений. BI-системы ранее были известны под названием Систем Поддержки Принятия Решений (СППР, DSS- Decision Support System). В качестве синонимов понятия "СППР" оперируют также понятиями "аналитическая система" или "управленческая система". Сейчас же класс систем BI является независимым классом систем, в который входят системы класса СППР.

    OLAP-продукты в аналитике

На сегодняшний день в мире разработано множество продуктов, реализующих OLAP-технологии. Чтобы легче было ориентироваться среди них, существует несколько классификаций OLAP-продуктов:

- по способу хранения данных;

- по месту нахождения OLAP-машины;

- по степени готовности к применению.

Рассмотрим классификацию систем по способу хранения данных. Основная идея OLAP заключается в построении многомерных таблиц, которые будут доступны для запросов пользователей. Многомерные таблицы (многомерные кубы) строятся на основе исходных и агрегатных данных. И исходные и агрегатные данные для многомерных таблиц могут храниться как в реляционных, так и многомерных базах данных. Поэтому в настоящее время применяются три способа хранения данных: MOLAP (Multidimensional OLAP), ROLAP (Relational OLAP) и HOLAP (Hybrid OLAP).

Соответственно, OLAP-продукты по способу хранения данных делятся на три аналогичные категории:

- в случае MOLAP, исходные и агрегатные данные хранятся в многомерной БД или в многомерном локальном кубе. Такой способ хранения обеспечивает высокую скорость выполнения OLAP-операций. Но многомерная база в этом случае чаще всего будет избыточной. Куб, построенный на ее основе, будет сильно зависеть от числа измерений. При увеличении количества измерений объем куба будет экспоненциально расти. Иногда это может привести к "взрывному росту" объема данных, парализующему в результате запросы пользователей;

- в ROLAP-продуктах исходные данные хранятся в реляционных БД или в плоских локальных таблицах на файл-сервере. Агрегатные данные могут помещаться в служебные таблицы в той же БД. Преобразование данных из реляционной БД в многомерные кубы происходит по запросу OLAP-средства. При этом скорость построения куба будет сильно зависеть от типа источника данных и порой приводит к неприемлемому времени отклика системы;

- в случае использования Гибридной архитектуры исходные данные остаются в реляционной базе, а агрегаты размещаются в многомерной. Построение OLAP-куба выполняется по запросу OLAP-средства на основе реляционных и многомерных данных. Такой подход позволяет избежать взрывного роста данных. При этом можно достичь оптимального времени исполнения клиентских запросов.

Следующая классификация - по месту размещения OLAP-машины. По этому признаку OLAP-продукты делятся на OLAP-серверы и OLAP-клиенты.

В серверных OLAP-средствах вычисления и хранение агрегатных данных выполняются сервером. Клиентское приложение получает только результаты запросов к многомерным кубам, которые хранятся на сервере. Некоторые OLAP-серверы поддерживают хранение данных только в реляционных базах, другие - только в многомерных. Многие современные OLAP-серверы поддерживают все три способа хранения данных: MOLAP, ROLAP и HOLAP. Одним из самых распространенным в настоящее время серверным решением является OLAP-сервер корпорации Microsoft. OLAP-клиент устроен по-другому. Построение многомерного куба и OLAP-вычисления выполняются в памяти клиентского компьютера. OLAP-клиенты также делятся на ROLAP и MOLAP. А некоторые могут поддерживать оба варианта доступа к данным. Среди одних из первых клиентских OLAP-средств можно назвать Oracle Discoverer. Те же возможности обеспечивает и отечественная разработка - продукты Аналитической платформы Контур от компании Intersoft Lab.

У каждого из этих подходов есть свои "плюсы" и "минусы". Нельзя однозначно говорить о преимуществах серверных средств перед клиентскими и наоборот. На практике такой выбор является результатом компромисса "эксплуатационных показателей", стоимости программного обеспечения и затрат на разработку, внедрение и сопровождение аналитической системы.

Следующая классификация OLAP-продуктов - по степени готовности к применению. Различают: OLAP-компоненты, инструментальные OLAP - системы и конечные OLAP-приложения.

OLAP-компонента - это инструмент разработчика. С ее помощью разрабатываются клиентские OLAP-программы. Различают MOLAP и ROLAP-компоненты:

- MOLAP-компоненты являются инструментами генерации запросов к OLAP-серверу. Они также обеспечивают визуализацию полученных данных;

- ROLAP-компоненты содержат собственную OLAP-машину.

OLAP-машина обеспечивает построение OLAP-кубов в оперативной памяти и отображает их на экране. Одна из наиболее доступных, но в то же время и одна из самых слабых OLAP-компонент - Decision Cube в составе Borland Delphi.

Инструментальные OLAP-системы - это программные продукты, предназначенные для создания аналитических приложений. Различают две категории инструментальных OLAP-систем: системы для программирования и системы для быстрой настройки.

Системы для программирования - это среда разработчика аналитических систем. В ней, путем программирования запросов к данным, алгоритмов расчета и OLAP-интерфейсов можно создать OLAP-приложение для конечного пользователя. Представителем этого класса программного обеспечения является аналитическая платформа Knosys Pro Clarity. С другой стороны, OLAP-системы для быстрой настройки - это средства, которые предоставляют визуальный интерфейс для создания OLAP-приложений без программирования. Такие системы включают визуальный генератор запросов, встроенные алгоритмы агрегации и инструменты настройки пользовательских OLAP-интерфейсов. В такой технологии реализована большая часть инструментов пакета BusinessObjects и Аналитической платформы Контур.

Наконец, к третьей категории OLAP-продуктов по степени готовности к применению относятся конечные OLAP-приложения. Это готовые прикладные решения для конечного пользователя. Они требуют только установки, и, не всегда, настройки под специфику пользователя. Пример такого решения - OLAP-приложения системы "Контур Стандарт", подготовленные для анализа данных в различных отраслях и для решения различных аналитических задач.

    Инструменты добычи данных

Knowledge Discovery in Databases (KDD) - это процесс поиска полезных знаний в "сырых" данных. KDD включает в себя вопросы подготовки данных, выбора информативных признаков, очистки данных, применения методов "раскапывания данных" (Data Mining industry), а также обработки и интерпретации полученных результатов.

Центральным элементом этой технологии являются методы Data Mining industry, позволяющие обнаруживать знания при помощи математических правил:

- фильтрация. Необходимость в фильтрации возникает, когда нужно отделить полезную информацию от искажающего его шума за счет сглаживания, очистки, редактирования аномальных значений, устранения незначащих факторов, понижения размерности информации и так далее. Применение фильтрации в системах анализа данных относится к первичной обработке данных и позволяет повысить качество исходных данных, а, следовательно, и точность результата анализа;

- деревья решений. Они позволяют представлять правила в иерархической, последовательной структуре, где каждому объекту соответствует единственный узел, дающий решение. Под правилом понимается логическая конструкция, представленная в виде "если..., то...". Деревья решений применяются при решении задач поиска оптимальных решений на основе описанной модели поведения;

- ассоциативные правила. Они позволяют находить закономерности между связанными событиями. Примером такого правила служит утверждение, что в том случае, если произошло событие А, то произойдет и событие В с вероятностью C. Впервые это задача была предложена для нахождения типичных шаблонов покупок, совершаемых в супермаркетах, поэтому иногда ее еще называют анализом рыночной корзины (market basket analysis);

- генетические алгоритмы. Они применяются при решении задач оптимизации. Эти методы были открыты при изучении эволюции и происхождения видов. Генетические алгоритмы нужны для настройки нейронных сетей, а также решения различных задач, когда можно составить описание возможных вариантов решения в виде вектора параметров, и известен критерий, определяющий эффективность каждого варианта. Генетические алгоритмы применяются для составления расписаний, портфелей ценных бумаг, заполнения контейнеров при перевозке (пересылке) грузов, выбор маршрутов движения, конфигурации оборудования и т.д.;

- нейронные сети. Они реализуют алгоритмы на основе сетей обратного распространения ошибки, самоорганизующихся карт Кохонена, RBF-сетей, сетей Хэмминга и других подобных алгоритмов анализа данных. Нейронные сети применяются для решения самых различных задач - восстановление пропусков в данных, поиск закономерностей, классификация и кластеризация данных, прогнозирование и моделирование.

    Средства построения хранилищ и витрин данных для аналитики

Средства проектирования Хранилищ данных входят в состав реляционных и многомерных СУБД от таких производителей как Microsoft, Oracle, IBM, Sybase и других. Также часто применяются универсальные CASE-инструменты, такие как BPWin и ErWin. После описания структур хранения данных специальными системными утилитами выполняется их генерация. Такой подход к созданию Хранилища данных позволяет построить индивидуальное Хранилище или Витрину данных в сжатые сроки. В тоже время такой подход затрудняет перенос наработок от одного заказчика к другому и обмен практическим опытом в решении аналитических задач.

Альтернативным способом построения Хранилищ данных является применение других специализированных средств - Студий для построения Хранилищ данных. Такие продукты предлагают набор шаблонов и заготовок для быстрого создания Хранилища. В составе Студии может предоставляться базовая модель Хранилища данных, ориентированная на определенную бизнес-сферу. С помощью таких инструментов можно значительно быстрее создать Хранилище данных, воспользовавшись опытом предыдущих решений и начать его эксплуатацию. Продукты этого класса, в частности, предлагает компания Sybase - это продукт Industry Warehouse Studio.

ETL-средства (extraction, transformation, loading) - средства извлечения, преобразования и загрузки данных) обеспечивают три основных процесса, используемые при переносе данных из одного приложения или системы в другие. ETL-средства извлекают информацию из исходной базы данных, преобразуют ее в формат, поддерживаемый базой данных назначения, а затем загружают в нее преобразованную информацию. Эти средства обычно входят в состав функциональности реляционных и многомерных СУБД или Студий для построения Хранилищ данных. Однако существуют и специализированные системы, реализующие только ETL-функции. Классической ETL-системой является, например, продукт Ascential DataStage компании Ascential Software.

И, наконец, существует еще один способ построения Хранилищ и Витрин данных - это применение готовых предметно-ориентированных Хранилищ данных. Это самый надежный способ построить Хранилище данных в сжатые сроки. Готовые к эксплуатации Хранилища данных характеризуются наличием в них механизмов средств построения Хранилищ/Витрин данных, взаимосвязанных посредством единого словаря метаданных. К ним относятся - процедуры извлечения, преобразования, очистки и загрузки данных, функции генерации баз данных и процедур обработки, механизмы построения выборок данных, интерфейсы просмотра и анализа данных.

Ограничением в применении готовых Хранилищ данных является их предметная ориентация. Например, финансовое Хранилище данных невозможно применить для решения задач оптимизации химического производства. Примером готового предметно-ориентированного Хранилища данных является система Контур Корпорация от компании Intersoft Lab. Применение предметно-ориентированных Хранилищ данных отражает общемировую тенденцию развития рынка BI, наметившуюся в последнее время - предоставления платформ для "быстрой" разработки аналитических приложений.

    Управленческие информационно-аналитические системы и приложения

Существует еще один очень разносторонний класс аналитических систем. Это - конечные решения для управленцев и аналитиков. Исторически сложилось так, что технологическая основа реализации таких систем существенно различается. Одни из них построены на современных аналитических инструментах, другие - с применением базовых информационных технологий. Чтобы легче ориентироваться в этих системах вводится 3 классификации:

- по виду решаемой задачи;

- по масштабу решаемой задачи;

- по технологическому построению.

Аналитические системы классифицируются по виду задач, решаемых с их помощью. Среди видов задач можно выделить:

- анализ финансового состояния банка или предприятия, выполняемый по внешним публичным данным, таким как баланс, отчет о финансовых результатах, иногда - приложение к балансу и отчет о движении денежных средств. Системы - Audit Expert (Про-Инвест), Альт-финансы (Альт), АБФИ (Вестона), Аналитик, АФСП, АДП (ИНЭК) и другие;

- инвестиционный анализ - для комплексной оценки эффективности инвестиционных проектов и принятия решения об их финансировании, Project Expert (Про-Инвест), Альт-Инвест (Альт) и другие;

- подготовка бизнес-планов, учитывающих вариации схем производства, сбыта и финансирования, комплексного анализа маркетинговой ситуации, чувствительности проекта по основным параметрам. Системы - Project Expert (Про-Инвест), Альт-Инвест (Альт) и другие;

- маркетинговый анализ, позволяющий оценить положение компании на рынке, провести сравнительный анализ ее сбытовой деятельности с конкурентами, сформировать оптимальную структуру сбыта, определить доходность различных сегментов рынка и товаров, долю рынка компании, темпы роста и другое. Системы - Marketing Expert (Про-Инвест), Касатка и другие;

- управление проектами, применяемое для разработки расписания исполнения проекта, определения критического пути и резервов времени исполнения операций проекта; потребности проекта в финансировании, материалах и оборудовании, анализ рисков и планирование расписания с учетом рисков и так далее. Системы - MS Project (Microsoft), Open Plan (Welcom Software Technology) и другие;

- бюджетирование, обеспечивающее планирование, учет и анализ по центрам финансовой ответственности, бизнесам, продуктам в разрезе активов и пассивов, доходов и расходов, выполнение аллокаций и расчет финансового результата. Системы - Hyperion Pillar, Comshare MPC, Контур Корпорация. Бюджет (Intersoft Lab) и другие;

- финансовое управление, включающее помимо задач бюджетирования задачи финансового планирования, управленческого учета, трансфертного управления ресурсами, оценки бизнесов по методу ABC, анализа активов, пассивов, рисков. Системы - Oracle Financial Services Applications (Oracle), Контур Корпорация.Финансовое управление (Intersoft Lab) и другие.

    Инструменты конечного пользователя для выполнения запросов и построения отчетов

Системы данного класса (Query & Reporting) предназначены для формирования запросов к информационным системам в пользовательских терминах, а также их исполнение, интеграцию данных из разных источников, просмотр данных с возможностями детализации и обобщения и построение полноценных отчетов, как экранных, так и печатных. Предполагается, что уровень подготовки специалиста, создающего отчеты, может быть приравнен к опыту среднего пользователя Excel. Поэтому пользователь составляет запрос к источнику данных, используя заранее подготовленный программистом каталог терминов (семантический слой). Визуализация результатов запроса может быть представлена пользователю в различном виде - плоские или многомерные таблицы, графики, диаграммы, различные специализированные интерфейсы.

  Общая структура информационной аналитической системы

Полная структура информационно-аналитической системы, построенной на основе хранилища данных представлена из источников данных, хранилищ или витрин данных, преобразователей и визуализаторов, различных потребителей системы. В конкретных реализациях отдельные компоненты этой схемы часто отсутствуют.

Программные продукты для анализа

Существует множество программных компонентов, которые с легкостью решают все аналитические запросы на обработку и визуализацию данных. Рассмотрим наиболее распространенные.

  Инструмент аналитики - MS Excel Power Query

Power Query - это инструмент интеграции данных в Excel из внешних источников.

Power Query позволяет искать и открывать данные из различных источников доступных онлайн и через корпоративные сети. Он умеет загружать в Excel данные разных типов, форматов и структур, а так же из совершенно разных источников:

- из сети;

- из файла (Excel, CSV, XML, текст или папка с метаданными и ссылками);

- из файла баз данных (SQL Server, Access, Oracle, IBM DB2, MySQL, PostgreSQL etc);

- из публичных источников данных и корпоративных репозиториев данных (встроена поддержка ETL);

- из ряда других источников SharePoint List, OData feed, Active Directory, Facebook etc.

Power Query позволяет импортировать внешние (семи) - структурированные источники данных и обрабатывать их в Excel.

Так же имеется возможность импортировать письма, как источник данных, и анализировать их в Outlook. Пример ниже демонстрирует импорт почты и создает гистограмму по числу писем от человека, то есть с кем чаще всего происходит переписка.

Плюсы проведения аналитики при помощи PowerQuery:

- PowerQuery - один из самых сильных инструментов, имеющий с одной стороны широкую функциональность для анализа, с другой стороны достаточно сложен в освоении, и используется в основном аналитиками;

- работает как с табличными моделями, так и с многомерными;

- умеет подключать дополнительные источники.

Минусы использования PowerQuery:

- не годится для "обычных" пользователей, сложен в освоении, достаточно медлителен;

- нет возможности разделения доступа, ограничения на размер файлов/записей etc.

  Инструмент аналитики - MS Power BI

Power BI - это инструмент создания интерактивных бизнес отчетов с возможностью совместной работы, визуализации и интерактивной работы.

Основные возможности:

- быстрая разработка информативных бизнес отчетов и панелей (в сети) - с возможностью взаимодействия и исследования данных;

- автоматическое обновление BI-отчетов и визуализации, при изменении данных;

- поддержка языка запросов, в том числе и Power Query;

- возможность взаимодействия между участниками на уровне запросов;

- создание каталога данных с индексами для поиска;

- язык запросов близкий к естественному (для бизнес-аналитика) и возможность интерактивной работы;

- поддержка мобильных устройств.

Плюсы использования Power BI:

- новый современный продукт;

- дружелюбный интерфейс;

- легок в освоении;

- онлайн решение.

Минусы использования Power BI:

- решение "сырое" (некоторые компоненты могут работать нестабильно);

- не работает с OLAP кубами;

- урезанный функционал в сравнении с конкурентами.

  Инструмент аналитики - Pyramid Analytics

Pyramid Analytics - облачная платформа бизнес-аналитики; имеет три ключевых компонента:

- интеллектуальный анализ данных - Data Discovery;

- интерактивная работа с данными и визуализацией - Dashboard;

- представление данных аудитории - Publisher.

Платформа обладает возможностью совместной аналитики и моделирования данных, а так же рядом других полезных возможностей:

- Trial версия;

- облачный вариант (SaaS);

- интеграция с R;

- работа с Big Data;

- интерактивная визуализация данных.

Pyramid Analytics - самый мощный инструмент из используемых нами.

Плюсы использования Pyramid Analytics:

- легок в освоении;

- работает с огромным количеством источников;

- очень широкая функциональность.

  Компоненты аналитики MS SQL server (MDS, SSIS, SSAS)

SQL Сервер позволяет проводить анализ внутри своей экосистемы. У него есть обширный набор компонент и мы сфокусируемся на трех наиболее известных.

Master Data Services - процессы и инструменты управления мастер-данными компании. (Мастер-данные - это данные бизнеса: о клиентах, продуктах, услугах, персонале, технологиях, материалах etc.).

SQL Server Integration Services - миграция и интеграция данных.

SQL Server Analysis Services OLAP и data mining внутри SQL сервера.

  Инструмент аналитики - Datazen

Datazen - это мульти-платформенное решение, позволяющее построить отчетность, независимо от платформы (PC, iOS, Андроид, Windows Phone). Отличительной чертой продукта является широкая интеграция и возможность полноценной работы аналитической платформы через мобильные устройства.

Плюсы использования Datazen:

- поддерживает широкий спектр платформ;

- поддерживается и развивается MS;

- работает с большим количеством источников.

Минусы использования Datazen:

- не работает с OLAP напрямую (необходимо создавать запросы MDX самостоятельно);

- имеет ряд ограничений (начиная от возможностей интерфейса и заканчивая настройкой функциональности);

- не продается отдельно;

- идет в комплекте с MS SQL Enterprise Edition.

Информационно-аналитические технологии

Любая аналитическая работа обеспечивается комплексом технологий обработки информации, основанных на целостной методологической базе. Информационные технологии - это неотъемлемая часть современных технологии в целом, прежде всего прогностических, образовательных, технических, компьютерных и других. Однако все эти технологии зависят от "человека с карандашом" - мыслителя, аналитика, способного рождать новые продуктивные идеи. Без такого субъекта - генератора и производителя идей вся информационная работа ничего не значит.

Уровень развития информационных технологий играет важнейшую роль во всех сферах деятельности человека, прежде всего в сфере управления, политики, технических ресурсов, гуманитарных отраслях науки.

Но если суть информационных технологий состоит в том, что они призваны соответствующим образом подготовить массивы данных для дальнейшего их изучения человеком-аналитиком (то есть, в их информационно-справочной функции), то суть информационно-аналитических технологий состоит в том творческом, интеллектуальном содержании аналитических процедур, которые осуществляет аналитик или лицо, принимающее решение, по получению набора данных.

Информационно-аналитические технологии можно определить как систему знаний, методов, операций и правил, позволяющих на основе привлечения энергетических, сырьевых, технических, интеллектуальных, кадровых, организационных, информационных и прочих ресурсов обеспечить наибольшую эффективность того или иного вида деятельности.

В настоящее время в литературе используется термин "интеллектуальные технологии". Фактически этот термин по своему содержанию равнозначен термину "информационно-аналитические технологии".

Информационно-аналитические технологии позволяют:

- снизить нагрузку на лицо, принимающее решение, за счет осуществления первичной фильтрации потока данных;

- освободить аналитика от рутинной работы по систематизации, реферированию данных;

- повысить системность восприятия данных об обстановке за счет введения процедур интеграции информации;

- обеспечить преобразование данных об обстановке к виду, более удобному для восприятия аналитиком;

- автоматизировать поиск аргументации в подтверждение или опровержение выдвигаемых аналитиком гипотез;

- обеспечить автоматическую индикацию логически противоречивых данных (при наличии соответствующих процедур их формализации);

- обеспечить автоматическую индикацию ожидаемых событий за счет постановки заданий автоматизированным системам;

- повысить эффективность информационно-аналитической работы за счет алгоритмизации и стандартизации аналитических процедур;

- обеспечить более высокую психологическую устойчивость эксперта аналитика к стрессовым воздействиям за счет применения специальных методик.

Технологии аналитики нового поколения

Аналитика нового поколения - это наука и искусство превращения невидимого в видимое. Речь идет о поиске "неизвестных неизвестных", как метко заметил бывший министр обороны США Дональд Рамсфельд, и о получении хотя бы минимальной информации об этом. То есть о выявлении неожиданных возможностей и угроз или поиске людей, о существовании которых вы даже не догадывались, но которые могут стать вашим следующим клиентом. Речь идет о получении по-настоящему важной информации, а не того, что вам показалось важным. Речь идет об определении и реализации наиболее значительных изменений, необходимых для вашего предприятия.

Достижение такого уровня наглядности требует сочетания различных методов работы. Одни из них являются новыми, а другие нет. Одни явно относятся к области науки о данных, потому что позволяют выполнять итеративный и точный анализ больших, смешанных наборов данных. Другие, например, визуализация и более контекстный поиск, являются одновременно и наукой, и искусством.

К числу новых технологий, которые сделали возможными приведенные примеры практического использования, и развитие культуры работы с данными технологий относятся:

- технология in-memory: сокращение времени отклика и расширение сферы применения бизнес-аналитики (BI) за счет более активного использования оперативной памяти (памяти с произвольной выборкой) компьютера;

- интерактивная визуализация: слияние пользовательского интерфейса и представления результатов в единую адаптивную визуальную среду аналитики;

- строгость статистических вычислений: включение научной методики и доказательств в процесс принятия корпоративных решений;

- ассоциативный поиск: получение конкретных имен и терминов путем просмотра информации в схожем контексте.

В сопроводительном обзоре "Обработка текстов с использованием естественного языка и аналитика социальных медиа" рассматриваются методы, которые используют поставщики для решения проблемы «поиска иголки в стоге сена» с целью обнаружить наиболее актуальные обсуждения конкретных продуктов и услуг в социальных медиа. Это связано с тем, что социальные медиа являются одним из основных источников данных для поисковой аналитики, а методы обработки текстов с использованием естественного языка (NLP) настолько разнообразны, что соответствующая тема требует отдельного рассмотрения.

  Технология in-memory

Изучив последние достижения в области технологии in-memory, предприятия вскоре поняли, что ее основное преимущество (расширение возможностей оперативной памяти с помощью твердотельной памяти с прямым доступом и снижение зависимости от хранения данных на жестких дисках для уменьшения времени задержки) можно использовать в различных областях. Некоторые из этих моделей применения можно выгодно использовать уже в краткосрочной перспективе. Например, ускорение выполнения традиционной бизнес-аналитики - это краткосрочная цель, которую вот уже несколько лет можно достичь с помощью выпущенных ранее продуктов на основе технологии in-memory. Среди поставщиков решений бизнес-аналитики - компании MicroStrategy, QlikTech QlikView, TIBCO Spotfire и Tableau Software.

В более долгосрочной перспективе улучшаются возможности таких платформ, как Oracle Exalytics, SAP HANA и ожидаемой платформы in-memory от компании SAS на основе технологии Hadoop, выполнять запросы по широкому спектру разнородных источников данных. "Раньше при выводе информации на мобильные устройства выбор пользователей был ограничен пакетами бизнес-аналитики, например, BusinessObjects, - говорит Мурали Чилакапати (Murali Chilakapati), менеджер консультационной практики PwC по вопросам управления информацией и конструктор бизнес-решений HANA. - Теперь они выходят за рамки бизнес-аналитики. Я думаю, что технология in-memory является одной из самых эффективных для улучшения общего опыта аналитики на мобильных устройствах".

Для полного видения перспектив в этой области необходима более универсальная аналитика на основе множества источников данных. Однако для этого потребуются значительные организационные и технологические изменения. Фундаментальные технологические изменения уже происходят, и со временем на их основе будут созданы более насыщенные приложения. "Пользователи уже сегодня могут создавать гибридные веб-приложения из различных наборов данных и технологий для обнаружения корреляций и тенденций", - говорит Курт Дж. Байлафер (Kurt J. Bilafer), региональный вице-президент по аналитике компании SAP. Чтобы понять, как достижения в области технологии in-memory позволят улучшить аналитику, полезно рассмотреть соответствующие технологические преимущества в области аппаратного и программного обеспечения и новые возможности их эффективного использования.

Первоначально технология in-memory использовалась для дополнения возможностей традиционной бизнес-аналитики (BI) и прогнозной аналитики. Однако в течение прогнозируемого периода область ее применения будет расширяться, превращаясь в основу для корпоративных приложений и размывая границы между транзакционными системами и хранилищами данных. В долгосрочной перспективе, возможно, появятся инструменты для более всестороннего обзора данных о клиенте.

В течение десятилетий бизнес-аналитика испытывала трудности, связанные с медленным откликом (также известным, как время задержки) компьютерных систем. Технология in-memory помогает решить эту проблему. Время задержки определяется наличием узких мест ввода и вывода в маршруте передачи данных компьютерной системы. Для уменьшения влияния этих узких мест можно использовать шесть подходов:

- направление трафика по дополнительным маршрутам передачи данных (распараллеливание);

- увеличение скорости передачи данных на отдельном маршруте (передача);

- сокращение времени, необходимого для коммутации маршрутов (коммутация);

- сокращение времени, необходимого для сохранения битов информации (запись);

- сокращение времени, необходимого для извлечения битов информации (чтение);

- сокращение времени вычислений (обработка).

Для надлежащей и недорогой обработки, а также сохранения данных компьютерные системы часто "подкачивают" их из одного вида памяти в другой. При этом каждый раз возникают задержки в передаче, коммутации, записи или чтении битов информации. Сравните такое требование перемещения данных с отдельным процессом обработки информации. Обработка происходит гораздо быстрее, потому что большинство операций выполняются внутри микросхемы или непосредственно связаны между собой. Функции обработки всегда опережают по скорости работу в многоуровневой памяти. Если предоставить этим системам возможность хранить больше данных в оперативной памяти или в условиях непосредственного доступа для центральных процессоров, они смогут обойтись без подкачки данных и повысить эффективность работы за счет ускорения ввода и вывода информации.

Сокращение подкачки данных снижает необходимость в дублирующих операциях чтения, записи и перемещения информации. Возможность загрузки и работы с целыми наборами данных в основной памяти, то есть в памяти с произвольной выборкой, вместо частого чтения и записи данных на диск позволяет обойти многие узкие места ввода и вывода информации.

Системам требовалось выполнять много операций подкачки отчасти и потому, что более быстрые носители информации были дорогими. Именно по этой причине для хранения данных в организации использовались емкие и менее дорогостоящие диски. По мере возрастания плотности размещения транзисторов на 1 кв. мм площади микросхемы стоимость передачи одного бита при использовании полупроводниковой (или твердотельной) памяти упала, а возможность разместить больше битов на микросхеме определенного размера возросла. Сегодня для получения максимального эффекта во многих местах целесообразнее использовать полупроводниковую память, и тем самым снизить зависимость от дисков с высоким временем задержки.

Конечно, твердотельная память, используемая в приложениях с прямым доступом, динамическая память с произвольной выборкой (DRAM), является энергозависимой. Чтобы избежать повышенного риска потери данных при более активном использовании DRAM, системы баз данных in-memory включают уровень сохраняемости с возможностью резервного копирования, восстановления и ведения журнала транзакций. В системах распределенного кэширования или распределенного доступа к данным на основе технологии in-memory, например, в системе распределенного доступа к данным GigaSpaces XAP, Memcached и Oracle Coherence, которые кэшируют (или хранят в доступном месте) значительный объем данных в DRAM для ускорения производительности веб-сайта, такой метод называется упреждающим кэшированием при записи.

Эти системы обновляют базы данных на диске асинхронно от записи в DRAM. В результате остальной части системы не требуется ожидать завершения процесса записи на диск перед выполнением другой записи.

Дополнительная скорость усовершенствованной технологии in-memory позволяет выполнять больше аналитических итераций в течение определенного промежутка времени. Когда в основной памяти размещается весь пакет бизнес-аналитики, появляется намного больше возможностей для выполнения запросов данных. Кен Кэмпбелл (Ken Campbell), директор консультационной практики PwC по управлению информацией и корпоративными данными, отмечает: "Наличие большого набора данных в одном месте обеспечивает больше гибкости". Корпорация T-Mobile, один из клиентов компании SAP, использующих платформу HANA, утверждает, что теперь отчеты, на подготовку которых ранее уходили часы, генерируются всего за несколько секунд. Чтобы добиться этого, потребовалось выполнить широкомасштабную настройку платформы HANA.

Устройства с таким уровнем возможностей основной памяти стали появляться в конце 2010 года, когда компания SAP впервые предложила платформу HANA для своих избранных клиентов. Вскоре за этим последовало предложение от компании Oracle, объявившей о выходе решения Exalytics In-Memory Machine на конференции OpenWorld в октябре 2011 года. Другие поставщики, хорошо известные в области решений бизнес-аналитики, хранилищ данных, технологий баз данных, также стараются не отставать. Полное использование преимуществ технологии in-memory зависит от аппаратного и программного обеспечения, что требует обширных партнерских отношений между поставщиками и провайдерами задолго до появления самой идеи реализации таких решений.

Представления о скачкообразных изменениях в области технологии in-memory фактически отражают постепенную эволюцию твердотельной памяти на протяжении многих лет. С 2011 года поставщики могут устанавливать по меньшей мере 1 ТБ оперативной памяти (как правило, DRAM) в одном устройстве. Помимо установки DRAM, поставщики также добавляют в каждое устройство большое количество многоядерных процессоров. Например, устройство Exalytics содержит четыре 10-ядерных процессора. Улучшения коснулись и сетевых возможностей новых устройств.

Соединения InfiniBand стали более популярными для высокоскоростных приложений ЦОД в конце первого десятилетия этого века. С каждым последующим поколением устройств фактическая скорость передачи данных по интерфейсу InfiniBand все более приближается к чистой пропускной способности. В 2011 году стали доступны устройства, работающие в режиме FDR InfiniBand с чистой скоростью передачи данных более чем 14 Гбит/с.

Базы данных in-memory отличаются довольно высокой скоростью, потому что они полностью предназначены для работы в основной памяти. В 2005 году корпорация Oracle приобрела компанию TimesTen, поставщика высокоскоростных баз данных in-memory для телекоммуникационных и торговых предприятий. Благодаря улучшениям в технологии производства оперативной памяти в 2011 году Oracle заявила, что теперь в основной памяти можно разместить полную реализацию решения бизнес-аналитики, например, сервер Oracle BI. Также стали возможными федеративные базы данных, то есть группа автономных баз данных, работающих как одно целое. "Я могу выполнить федерирование данных из пяти физических баз на одном компьютере", - говорит Оливер Холтер (Oliver Halter), глава подразделения прикладной аналитики PwC.

В 2005 году компания SAP приобрела P*Time, базу данных для оперативной обработки транзакций (OLTP) с высоким уровнем распараллеливания, и соединила ее возможности в области баз данных in-memory с соответствующими функциями баз данных TREX и MaxDB для создания устройства баз данных in-memory на платформе HANA. Платформа HANA предусматривает сохранение данных как по строкам (оптимально для транзакционных данных с большим количеством полей), так и по столбцам (оптимально для аналитических данных с меньшим количеством полей), и обладает возможностями как для структурированных, так и для менее структурированных данных. HANA станет основой для всего спектра приложений SAP. Причем SAP планирует перевести свой модуль планирования ресурсов предприятия (ERP) на платформу HANA в четвертом квартале 2012 года, а затем сделать то же самое и в отношении других модулей.

В устройствах in-memory используется столбцовое сжатие, которое сохраняет схожие данные совместно с целью улучшения эффективности сжатия. Компания Oracle заявила о наличии у нее возможностей обеспечить пятикратное столбцовое сжатие. Таким образом, физическая емкость носителя 1 ТБ будет эквивалентна доступности пространства объемом 5 TБ. Провайдеры других систем управления столбцовыми базами данных, например, компании EMC/Greenplum, IBM/Netezza и HP/Vertica, на протяжении многих лет совершенствовали свои возможности столбцового сжатия и смогут применять их в своих устройствах in-memory.

  Алгоритмы кэширования аналитики

Физический размер основной памяти все еще ограничен, поэтому в устройствах по-прежнему широко используются продвинутые методы кэширования, которые увеличивают фактический объем основной памяти. Новейшие алгоритмы кэширования (списки вычислительных процедур, определяющих выбор данных для сохранения в памяти) предназначены для решения уже давно существующей проблемы, связанной с выгрузкой из памяти таблиц, которые должны сохраняться в кэше. "На протяжении последних 20 лет стратегия кэширования опиралась на алгоритмы с минимальной частотой использования, - говорит Оливер Холтер. - Использование таких алгоритмов не всегда является наилучшим подходом". Термин "с минимальной частотой использования" определяет то, как эти алгоритмы удаляют данные, которые не использовались активно по крайней мере в последнее время.

Такой метод хорошо выглядит в теории, но на практике соответствующие алгоритмы способны удалить данные, в частности таблицы фактов (например, список стран), которые системе необходимо иметь "под рукой". Алгоритмы не были достаточно умны, чтобы распознавать самые неиспользуемые, но при этом чрезвычайно важные таблицы фактов, которые можно легко кэшировать в основной памяти, поскольку они обладают небольшими размерами.

В целом по многим направлениям в технологии in-memory удалось продвинуться вперед и добиться улучшений. Возможно, самое главное - это преодоление разработчиками систем отдельных препятствий в области аппаратного обеспечения, которые не допускали установления прямых соединений, необходимых для обработки данных. Это фундаментальный первый шаг в ходе многоэтапного процесса. Хотя уже существуют необходимые аппаратные средства, методы кэширования и отдельные программы, для усовершенствования ПО и приближения реальных возможностей технологии к более масштабному видению перспектив потребуются годы.

  Интерактивная визуализация аналитики

Одна из основных проблем, с которыми сталкивается бизнес-аналитика, - необходимость упростить выполнение запросов со стороны различных конечных пользователей и возможность использовать при этом метод итераций. Применение инструментов бизнес-аналитики в режиме самообслуживания обеспечивает обычным пользователям доступ к более широкому набору функций. Эти инструменты также позволяют упростить выполнение более широкого круга задач в ходе рабочих процессов аналитики.

Многие инструменты, например, QlikView, Tableau и TIBCO Spotfire, используют преимущества новой технологии in-memory для сокращения времени задержки. Однако для инноваций в области бизнес-аналитики не менее важно наличие интерфейсов, которые соединяют визуальные методы смешивания и манипулирования данными со способами их отображения и обмена полученными результатами. В инструментах бизнес-аналитики с наиболее продвинутыми возможностями визуализации представление данных становится просто еще одной особенностью пользовательского интерфейса.

Один из важных элементов, которого не хватало бизнес-аналитике и другим аналитическим платформам, - способ построения более эффективного связующего звена между человеческим языком в пользовательском интерфейсе и машинным языком. Например, функция перетаскивания элементов используется в пользовательских интерфейсах уже на протяжении десятилетий. Однако исторически перетаскивание было связано только с одной функцией приложения, например, с перемещением файла из одной папки в другую.

Для выполнения запросов данных пользователи вводили с помощью клавиатуры соответствующие операторы на таких языках, как SQL. Но на изучение этих языков требовалось время. Отличие инструментов, подобных решению Tableau: манипулирование данными с помощью привычных приемов (например, путем перетаскивания элементов) превращается в часть постоянного диалога с компонентами базы данных, которые находятся в активной памяти. Благодаря этому визуальный пользовательский интерфейс обеспечивает более легкий способ выполнения запросов на уровне данных. Для создания подобного диалога в решении Tableau используется так называемый "визуальный язык запросов" (VizQL).

С помощью VizQL элементы интерфейса, которые пользователь видит на экране, кодируются в алгебраические выражения, а затем интерпретируются и выполняются компьютерами на уровне данных. Язык VizQL использует табличную алгебру, которая была разработана для этого подхода, и отображает строки и столбцы на осях "х" и "у", а уровни данных - на оси "z". Джок Маккинлей, директор по визуальному анализу в компании Tableau Software, объясняет решение следующим образом: "Алгебра обеспечивает четкую интерпретацию представления данных аппаратными средствами. А это позволяет создать очень простой пользовательский интерфейс".

Преимущества интерактивной визуализации. Психологи, которые изучают процесс обучения, выделили два типа людей: те, кто использует в основном левое полушарие мозга, отличаются более аналитическим, логичным и линейным мышлением, а те, кто "отдает предпочтение" правому полушарию, отличаются более синтезированным подходом, нацеленным на выявление отношений частей к целому. Последние более склонны к визуальному предоставлению информации и обращают внимание на взаимоотношения между различными элементами. И эти люди составляют значительную часть населения. Поэтому использование удобных для них инструментов может иметь решающее значение для того, будет ли создана культура работы с данными, в которой для решения проблем применяются различные стили мышления, или придется довольствоваться работой изолированных групп специалистов в области статистики.

Новый класс инструментов бизнес-аналитики с интерактивной визуализацией в режиме самообслуживания позволяет привлечь к работе тех сотрудников (в том числе с доминирующим правосторонним мышлением), которые ранее не занимались аналитикой.

  Визуализация нормализованных данных

Как правило, использование программных продуктов в области бизнес-аналитики предполагает наличие хорошо продуманных базовых данных, обеспечивающих применение производительных инструментов визуализации и изучения сценариев. К сожалению, в некоторых областях хорошо продуманная и структурированная информация является редкостью. Интерактивные инструменты способны помочь уточнить запросы пользователей и объединить данные. Однако зачастую они требуют наличия нормализованной и схематичной структуры.

Программный продукт Freemix от компании Zepheira, ставший основой проекта Viewshare Библиотеки Конгресса США, работает с менее структурированными данными, даже с файлами значений, разделенных запятыми (CSV), без заголовков. Вместо предположения о том, что данные уже подготовлены для аналитической обработки компьютерами, разработчики Freemix пришли к выводу, что компьютер нуждается в помощи пользователя для определения контекста, и сделали возможным генерирование такого контекста даже неискушенным пользователем.

С помощью аннотаций и дополнений Freemix сопровождает пользователя на протяжении всего процесса добавления контекста для данных. Затем решение предоставляет плагины для нормализации полей, и это улучшает структуру данных с помощью новых, производных полей (полученных, например, путем геолокации или извлечения объектов). Эти возможности помогают пользователю быстро отображать и анализировать данные, даже при наличии только неоднородных входных данных.

Субъекты аналитики

Аналитик все время старается подняться над проблемой, что-бы увидеть те особенности ситуации, которые скрыты при поверхностном ее рассмотрении. Это всегда сложно из-за жесткого цейтнота, в котором протекает изучение объекта интереса. Аналитик должен видеть все модификации "большой картинки", даже если он не является экспертом в этой области.

Сутью разведки является предугадывание того, что будет нужно потребителю информации. По этой причине часть работы идет вхолостую, поскольку некоторые проблемы могут не стать актуальными. Но эту работу необходимо делать, иначе можно упустить нечто действительно важное. В связи с этим можно выделить ряд свойств любого объекта интереса, предопределяющих процесс аналитического исследования:

- ключевые свойства объекта интереса, начинать нужно именно с них, поскольку аналитика интересует не весь объект, а только те его составляющие, которые наиболее значимы для его адекватного функционирования, а также аналитику необходимо быстро и правильно сориентироваться в новой для него ситуации;

- потенциально интересные свойства, это те свойства которые могут видоизменяться, став в результате значимыми для ситуации;

- уязвимости объекта, на которые либо следует направлять воздействие, либо, наоборот, защищать от воздействия;

- возможные варианты изменения развития или изменения линии поведения.

Началом анализа можно считать "расчленение" объекта на составляющие для того, чтобы выделить его ключевые составляющие, создать альтернативное видение как объекта и связанной с ним проблемы, так и путей работы с проблемой.

Аналитическое исследование увеличивает наши возможности тем, что рассматривает не только реальные, но и вероятные и даже гипотетические ситуации. Только таким образом удается понять возможное развитие исследуемой проблемы и заменить недостающую информацию ее гипотетическим аналогом, позволяющим увидеть рассматриваемую проблему во всей полноте.

Аналитики нужны практически в каждой компании, где есть что подсчитывать, систематизировать и прогнозировать. Но выучиться на аналитика очень сложно. Дело в том, что аналитик должен знать теорию статистики, но при этом быть практиком в профиле деятельности компании-работодателя.

  Особенности субъектов аналитики

Какими свойствами должен обладать аналитик или, говоря другими словами, какие свойства полезны для проведения эффективного анализа? Ответ на этот вопрос заложен в сущности анализа. Процесс анализа, происходящий в голове аналитика, можно описать как выявление ассоциативных цепочек, заложенных ранее на основе опыта и возникающих при получении новой информации. И ровно то, что помогает в осуществлении данного процесса, и является ключевым свойством аналитика.

В первую очередь это память - способность сохранять и при необходимости воспроизводить полученную информацию. Кроме памяти важное значение имеет внимание - способность замечать, казалось бы, незначительные, не важные на первый взгляд элементы. Скрупулезность имеет также огромное значение, поскольку аналитику приходится работать с огромным количеством небольших и неприметных объектов (элементов информации).

Память - одно из важнейших свойств аналитика. Именно благодаря памяти человек может накапливать знания (в том числе опыт) и использовать для изучения новой информации.

Внимание - это способность не пропустить ни одной детали. Без достаточного внимания можно запросто пропустить важные элементы и не понять сути изучаемого.

Склонность сомневаться в достоверности различных точек зрения называется скептицизмом. Но невозможно проверить достоверность всей информации. Поэтому склонность к сомнению не должна переходить определенные границы. Определение этой границы, достаточно непростая задача, и от ее точного решения зависит очень многое.

  Специфика работы аналитиком

Плюсы профессии аналитика:

- это хорошо оплачиваемый труд;

- творческая работа каждый проект уникален и требует своего подхода к разработке;

- видна ощутимая польза деятельности, когда рабочий процесс в фирме имеет четкий стиль и последовательность;

- приобретение навыков коммуникативного общения, а также расширение круга полезных знакомств за счет проектов в разных организациях.

Минусы профессии аналитика:

- работа системного аналитика не всегда ограничивается рамками одного города, а потому людям этой профессии много времени приходится проводить в командировках;

- клиент не всегда в состоянии понять отличие одной системы от другой, отсюда разногласия, споры, непонимание;

- высокий рабочий ритм;

- нередко пользователи негативно относятся к внедрению новой информационной системы;

- часто заказчик не может сформулировать задачу.

  Развитие аналитических спообностей

В первую очередь необходимо развивать память, внимание, окупулезность (усидчивость). Делать это можно отдельно для каждого вида способностей и/или в комплексе. Неплохое упражнение для тренировки памяти предлагается в литературе. Суть его заключается в том, что, пока вы едете в транспорте или идете по улице, вам попадается большое количество людей. Именно их лица и нужно пробовать запомнить.

Вначале это нужно делать так, чтобы иметь возможность проконтролировать самого себя (например работая с сидящим напротив вас). Вы непродолжительное время смотрите на его лицо, стараясь запомнить детали. Затем отворачиваетесь или просто закрываете глаза и пробуете представить лицо объекта. Представить старайтесь не в общем, а с деталями: нос, уши, глаза и т.д. Затем посмотрите еще раз и проверьте, в чем вы ошиблись. И так несколько раз. Затем берите другой объект.

Внимание и усидчивость хорошо развивает следующее упражнение. Берете любой печатанный текст (книга, газета, журнал) и считаете, сколько раз в нем повторяется выбранная вами буква. Сегодня Б, завтра Т, послезавтра Ш и так далее в произвольной последовательности. Когда освоите упражнение, можно усложнить задачу - ищите сочетание букв.

Чтобы развивать свои аналитические способности, полезно вести какие-нибудь исследования на основе общедоступных сведений. Такие исследования обязательно должны включать выявление структур, процедур, процессов, построение классификаций. Например, можно описывать развитие некоторого объекта, его связь с другими объектами, особенности его поведения (реагирования) в различных средах. Предполагаемый результат исследования должен представлять некоторую ценность и иметь шанс на обнародование. Аналитик должен заниматься анализом ежедневно - если не по службе, то в связи с желанием развиваться. Любое издание необходимо читать с карандашом в руке и с подготовленными листками бумаги для выписок (не забывая о простых мерах предосторожности).

    Принципы работы бизнес-аналитика

Бизнес-аналитик - специалист, использующий методы бизнес-анализа для исследования потребностей деятельности организаций с целью определения проблем бизнеса и предложения их решения.

Международный Институт Бизнес-Анализа (IIBA, International Institute of Business Analysis) определяет бизнес-аналитика "как посредника между заинтересованными лицами для сбора, анализа, коммуницирования и проверки требований по изменению бизнес-процессов, регламентов и информационных систем. Бизнес-аналитик понимает проблемы и возможности бизнеса в контексте требований и рекомендует решения, позволяющие организации достичь своих целей".

Термин не является устоявшимся, часто для наименования специалистов, выполняющих функции бизнес-аналитика используются синонимы - системный аналитик, аналитик требований.

В консалтинговом бизнесе бизнес-аналитиком называется низшая позиция для консультанта.

В каждой конкретной ситуации обязанности аналитического специалиста могут быть изменяемыми в зависимости от согласования и реальных нужд заказчика, но в целом общую структуру деятельности можно перечислить следующим образом:

- выявление точных требований заказчика, их структуризация и построение плана работы;

- работа с сотрудниками предприятия, изучение организационной базы и особенностей работы, предварительное исследование общего состояния дел;

- всесторонний анализ информации, собранной от источников компании-заказчика, подготовка основы для внешнего анализа;

- исследование факторов внешней коммерческой среды, оценка рисков и целесообразностей, разработка вариаций решения существующих проблем;

- интервьюирование представителей компании-заказчика или потребителей;

- предоставление аналитических выводов и оценок, консультационная и рекомендательная деятельность;

- сопровождение первичных продаж в качестве эксперта.

На конкретные задачи бизнес-аналитика может влиять специфика деятельности организации, сфера хозяйствования, масштабность целей и ряд других факторов.

    Принципы работы веб-аналитика

Довольно часто клиентами Веб-аналитиков являются интернет-магазины для увеличения числа продаж, привлечения и удержания клиентов.

Веб-аналитики могут работать как в интернет-компаниях, так и на фрилансе. Кстати, сейчас многие компании отдают предпочтение иметь в штате сотрудника по интернет-продвижению бизнеса, чем заказывать данные услуги в сторонних организациях. Это обусловлено тем, что найти хороших и ответственных исполнителей в лице фирм, оказывающих подобные услуги, довольно нелегко, а контролировать качество исполнения работы сотрудника в штате намного проще и эффективней.

К веб-аналитикам предъявляют серьезный ряд требований. Как правило у претендентов на данную должность должны быть примеры удачно реализованных проектов с предоставлением статистики, которая показывает насколько качественно были проведены работы по общему продвижению интернет-ресурсов.

Веб-аналитики с помощью упомянутых выше инструментов должны уметь корректно прогнозировать бюджеты на рекламу, учитывать возможные потери, расхождения ожиданий и реальности.

Веб-аналитики должны уметь:

- настраивать инструменты веб-аналитики (Яндекс.Метрика, Google Analytics и др.);

- искать и находить новые инструменты для проведения анализа;

- работать в различных системах веб-аналитики;

- использовать автоматизированные системы и программы отчетности;

- уметь проводить A/B тестирование;

- настраивать теги;

- планировать стратегию продвижения;

- оценивать эффективность интернет-маркетинга;

- уметь работать с CRM-системами и другими аналитическими системами;

- уметь работать с различными CMS;

- уметь писать скрипты;

- знать все про cookie и уметь с ними работать и т. д.

На сегодняшний день многие компании ищут специалистов по Веб-аналитике. На сайтах по предоставлению вакансий Веб-аналитики могут называться по-разному:

- специалист по контекстной рекламе;

- специалист по интернет-продвижению;

- проектировщик WEB-систем;

- интернет-маркетолог;

- SEO-специалист и т.д.

    Принципы работы финансового аналитика

Финансовый аналитик - это специалист, ведущий анализ финансовой деятельности предприятия и дающий рекомендации по планированию и повышению его экономической эффективности. От экспертного мнения финансового аналитика зависит успех организации. Малейшие ошибки могут стоить его репутации.

Все определения профессии финансового аналитика исходят из того, что основное направление деятельности данного специалиста - анализ ценных бумаг и выпускающих их компаний.

Профессия финансового аналитика подойдет людям с аналитическим складом ума. Данные специалисты востребованы в финансовых, банковских и инвестиционных компаниях. Финансовые аналитики должны уметь выбирать и систематизировать информацию.

Европейская федерация обществ финансовых аналитиков (EFFAS) проводит сертификацию аналитиков на общеевропейскую квалификацию Certified European Financial Analyst - CEFA с 1962 г.

Азиатская федерация аналитиков ценных бумаг (AFSA) также разработала для входящих в нее стран общий стандарт подготовки инвестиционных аналитиков.

В 2000 году появилась самая современная международная квалификация для инвестиционных и финансовых аналитиков "Certified International Investment Analyst - CIIA". В ее создании приняли участие уже упомянутые федерации и другие профессиональные организации, объединяющие вместе 32 страны Европы, Азии и Латинской Америки.

Среди высших учебных заведений, дающих хорошую подготовку в области финансов, специалисты выделяют Российскую экономическую школу, Высшую школу экономики, экономический филиал Новосибирского университета, Финансовую академию при правительстве Российской Федерации, Московский университет экономики, статистики и информатики (МЭСИ), Государственный институт управления, Российскую экономическую академию им. Плеханова и др. Но из всех серьезных вузов только в Высшей школе финансового менеджмента АНХ при правительстве РФ можно получить звание "Финансовый аналитик". Программа специально создана для фундаментальной подготовки инвестиционных и финансовых аналитиков Российской Федерации. Выпускник по специальности "Финансовый аналитик" будет обладать знаниями в различных областях - от управления инвестиционным портфелем до анализа и составления бухгалтерской отчетности, от количественных методов до знаний по экономической теории.

На сегодняшний день для удобства работы финансовых аналитиков разработано множество программ и приложений для анализа финансового состояния организаций на основе экономической и бухгалтерской отчетности.

На современном рынке труда финансовый аналитик является специалистом новым, но весьма нужным. Конечно, многие непросвещённые люди теряются при упоминании этой профессии и не знают, есть ли отличия у аналитика и трейдера. Стоит отметить, что при определённой схожести всё же есть различия в содержании деятельности. Из самого названия можно в общих чертах определить основные занятия и обязанности финансового аналитика. Очевидно, что он трудится на поприще финансов и занимается их анализом. При работе с финансами требуется определённая чёткость и внимательность. Анализ ситуации должен быть качественным.

Но финансы представляют собой весьма обширную область с множеством подразделов, поэтому неудивительно, что на конкретный раздел требуются услуги определенного специалиста. Так, финансовый аналитик может работать с рынком ценных бумаг, отслеживать эффективность работы финансовой компании или определённого сектора экономики. Возможен и такой вариант, когда аналитик работает со всей экономикой в целом. Таким образом, работа каждого специалиста оценивается по индивидуальной системе и определяется спецификой того предприятия, где он трудится. На сегодня основными сферами работы остаются фондовый, валютный и товарный рынок.

    Принципы работы системного аналитика

Системный аналитик - в широком смысле - специалист по решению сложных организационно-технических проблем, имеющих междисциплинарную природу, использующий принципы общей теории систем и методы системного анализа.

Крупные компании имеют в своей структуре множество отделов. Чтобы улучшить обмен информацией между ними и оптимизировать бизнес-процессы, на предприятиях организовываются информационные компьютерные сети (ЕRP- системы) комплекс приложений, позволяющий создать единую автоматизированную систему управления предприятием или ее ключевыми бизнес-процессами. Их разработкой занимается системный аналитик. Он либо модернизирует уже существующую на предприятии систему, либо моделирует новую.

В его обязанности входит сбор требований к создаваемому продукту с помощью анкетирования и интервью пользователей. Системный аналитик разрабатывает техническое задание на создание программного обеспечения, проектирует документальное оформление системной и программной архитектур ИТ-системы, ставит задачи на разработку и тестирование. А по окончании проекта объясняет правила работы пользователям и решает проблемы функционирования на всех стадиях жизненного цикла информационной системы.

  Аналитика для социальных институтов

Социальные институты - это постоянно развивающиеся системы. Для их постоянного развития и требуется использовать методы аналитики. Более того, в обществе постоянно идет процесс формирования новых социальных институтов, когда определенные социальные отношения требуют придания им более четкой структурированности, закрепленности. Такой процесс называется институционализацией. Этот процесс состоит из нескольких последовательных этапов, каждый из которых подвергается анализу:

- возникновение социально значимой потребности, удовлетворение которой требует совместных организованных действий определенного числа индивидов, после проведения анализа;

- осознание общих целей, достижение которых должно приводить к удовлетворению основной потребности;

- выработка в ходе стихийного социального взаимодействия, часто осуществляемого методом проб и ошибок, социальных норм, правил;

- появление и закрепление процедур, связанных с нормами и правилами;

- установление системы санкций для поддержания исполнения норм и правил, регулирования совместной деятельности;

- создание и усовершенствование системы статусов и ролей, охватывающих всех без исключения членов института.

  Аналитика для социальных групп

Анализ социальных групп представляет собой исследование социальных групп, рассматривающее социальные отношения в терминах теории сетей. Эти термины включают в себя понятие узла (отображает отдельного участника в пределах сети) и связи (отображает такие отношения между индивидами, как дружба, родство, положение в организации, интимные отношения, и т. д.). Эти группы часто описывают в виде социальных сетевых схем, где узлы представлены в виде точек, а связи представлены в виде линий.

Анализ социальных групп широко используется в ряде приложений и дисциплин. Некоторые распространённые приложения сетевого анализа включают в себя сбор и накопление данных, моделирование распространения сети, моделирование сети и выборок, анализ характерных признаков и поведения пользователя, ресурсная поддержка, обеспечиваемая сообществом, анализ взаимодействия на основе местоположения, социальный обмен и отбор, развитие систем рекомендаций, а также прогнозирование связей и анализ объектов. В частном секторе фирмы используют анализ социальных групп для поддержки такой деятельности, как взаимодействие и анализ клиентов, маркетинг и бизнес-аналитика. Использование анализа социальных сетей государственным сектором включает в себя развитие стратегий участия руководства, анализ индивидуального и группового участия, использование средств массовой информации и основанное на сообществах решение проблем.

  Аналитика для индивидов

В этом случае анализ выполняется непосредственно для другого человека, и право принятия окончательного решения тоже остается за ним. Примерами работы информационного аналитика в этой сфере являются оценка эффективности продукта, составление отчетов и анализ активности пользователей на сайте.

Информационные аналитики, взаимодействующие с людьми, равно как их "компьютерные" коллеги, отфильтровывают огромное количеств информации. Но их конечная цель - доступно изложить результаты своей работы клиенту, который может не обладать знаниями в области количественного анализа. На основе рекомендаций аналитика, человек сам принимает решение.

Таким образом, аналитики, работающие с людьми, должны уметь как можно проще и понятнее преподнести информацию. Поэтому в данном случае простые модели предпочтительнее сложным. Они должны давать ответы на два ключевых вопроса: "как?" и "почему?".

Безусловно, взаимодействовать с людьми - более сложная задача, нежели проводить операции с "голыми" цифрами.

Итак, мы пришли к выводу, что идеальный кандидат на должность компьютерного аналитика должен непременно обладать глубокими познаниями в области естественных и точных наук, инженерии (это может подтверждать научная степень), программировании и математике. Без необходимых технических навыков кандидаты на эту должность попросту не справятся с огромным количеством информации или будут создавать слишком простые и малоэффективные модели.

Аналитические компании мира

Рейтинг ведущих исследовательских центров мира Go-To Think Tanks, составляемый директором программы "Аналитические центры и гражданское общество" Университета Пенсильвании профессором Джеймсом Макганном, выходит с 2006 года. Как заявил "Ъ" господин Макганн, в составлении списка ведущих мозговых центров участвуют более 1,5 тыс. экспертов, а финалистов отбирает специальное жюри, в состав которого входит 250 ученых, журналистов и политологов из 120 стран мира.

"Аналитические центры в демократических странах уже давно играют ведущую роль в формировании государственной политики, предлагая экспертные оценки самых разных ситуаций, от борьбы с глобальным экономическим кризисом, до ведения войн,- пояснил "Ъ" Джеймс Макганн.- С другой стороны, именно исследовательские центры нередко служат прикрытием не только для лоббистских структур, но и для государственной пропаганды. В Китае, например, нам не удалось найти ни одного независимого аналитического центра. Схожая ситуация и в некоторых странах Юго-Восточной Азии, Центральной и Восточной Европы".

В этом году в топ-50 вошла лишь одна аналитическая организация из Российской Федерации. В списке лучших Московский центр Карнеги занимает 17-ю строчку. Он же возглавляет список 25 лучших исследовательских центров Центральной и Восточной Европы, в который, по мнению экспертов Университета Пенсильвании, также входят Институт мировой экономики и международных отношений (ИМЭМО), Московский государственный институт международных отношений (МГИМО) и гайдаровский Институт экономики переходного периода. ИМЭМО также вошел в список 20 ведущих мировых исследовательских центров, аффилированных с правительством.

В республиках бывшего СССР признание экспертов получили азербайджанский Центр экономического и социального развития, украинские Центр Разумкова и Международный центр политических исследований, а также Институт свободного рынка в Литве.

Ведущим исследовательским центром в мире второй год подряд признан вашингтонский Brookings Institution, созданный в 1916 году и возглавляемый бывшим заместителем госсекретаря США Строубом Тэлботтом. В первую пятерку также вошли британские Chatham House, Amnesty International и International Institute for Strategic Studies, базирующаяся в Германии Transparency International и шведский институт SIRPI.

По числу аналитических центров первое место в мире занимают США с 1816 исследовательскими институтами. На втором месте находится Китай, в котором за последние годы открылось 425 мозговых центров. Россия в этом списке находится на восьмом месте: по данным исследователей, в стране сегодня действуют 112 аналитических центров.

  Исследовательское агентство России "Бизнес аналитика"

Компания "Бизнес Аналитика" уже более 20 лет является поставщиком качественных маркетинговых решений для отечественных и иностранных организаций, работающих в сфере производства потребительских товаров и услуг.

Специализация компании "Бизнес Аналитика" - информация о российском потребительском рынке, услуги в сфере комплексного маркетингового анализа.

Основные продукты компании "Бизнес Аналитика":

- аудит розничной торговли (с 2010 года данный аудит не проводится);

- перепись торговых точек (census);

- Key Accounts Index (статистические отчеты о продажах в продовольственных сетях);

- потребительские исследования;

- комплексные маркетинговые исследования;

- аналитические обзоры рынков товаров и услуг.

Исследуются следующие товарные категории:

- ликеро-водочная продукция;

- элитный алкоголь;

- пиво-безалкогольные напитки;

- замороженные полуфабрикаты;

- мясная гастрономия;

- мороженое;

- шоколадные изделия;

- овощная консервация и др.

Панель для розничного аудита составляет около 20 000 розничных торговых точек в 800 населенных пунктах Российской Федерации.

Крупнейшими клиентами фирмы "Бизнес аналитика" являются Philip Morris, Inbev, Wimm-Bill-Dann, Балтика, Nestle, Pernod Ricard, Bacardi-Martini.

С ноября 2007 входит в состав RBA Group.

За свою более чем 20-летнюю историю компания зарекомендовала себя в качестве надежного и ответственного поставщика маркетинговых решений для своих клиентов, ядро которых образуют крупнейшие мировые и национальные производители потребительских товаров и услуг.

В арсенале "Бизнес Аналитики" разнообразные, тщательно продуманные и отработанные инструменты количественных и качественных исследований марок и рекламы. В рамках многих проектов компания выступает не только как исследовательское агентство, но и в качестве консультанта, совместно с клиентом и его рекламным агентством вырабатывающего эффективные маркетинговые решения и стратегии. Для более глубокого анализа качественных параметров бренда компания имеет возможность обращаться к собственной, накопленной за многие годы работы с ведущими производителями, базе benchmark’ов.

В основе жизненной философии "Бизнес Аналитики" - обслуживание клиента на принципах высочайших стандартов качества. При реализации большинства заказов, компания стремится предлагать клиенту комплексные маркетинговые решения . Возможности для этого обеспечивает как наличие широкого спектра передовых исследовательских методик, используемых компанией (в том числе, и на основе собственных творческих разработок), так и высокий профессиональный уровень персонала, в составе которого специалисты разных дисциплин - маркетологи, экономисты, статистики, социологи, психологи.

"Бизнес Аналитика" не специализируется на каких-либо отраслевых исследованиях. Экспертиза компании распространяется на такие индустрии как кондитерские изделия и алкогольные напитки, телекоммуникации и финансовые услуги, автомобили и бытовая техника, одежда и общественное питание и многие другие.

Полевые, интеллектуальные и технические ресурсы агентства позволяют "Бизнес Аналитике" браться за проекты практически любого масштаба и степени сложности. Московский офис компании располагает собственными мощностями CATI, полностью оборудованными студиями для проведения фокус-групп, специализированными помещениями для массовых опросов респондентов. "Бизнес Аналитика" имеет устойчивые партнерские связи с подрядчиками во всех регионах Российской Федерации, а также в странах СНГ. На Украине компания проводит крупномасштабные проекты силами своего собственного филиала ("Бизнес Аналитика Украина").

Ключевые сотрудники компании являются членами ESOMAR; в 2003 г. "Бизнес Аналитика" вместе с другими крупнейшими исследовательскими агентствами России учредила Объединение Исследователей Рынка и Общественного Мнения (ОИРОМ).

  Московский центр Карнеги

Московский Центр Карнеги (Carnegie Moscow Center) - аналитический центр, занимающийся изучением важнейших проблем российской внутренней и внешней политики, общества, международных отношений, международной безопасности, экономики. Московский Центр Карнеги - независимая негосударственная неправительственная организация, приверженная принципам многостороннего научного подхода и объективного анализа. Центр является подразделением Фонда Карнеги за международный мир (Carnegie Endowment for International Peace) - первой в мире глобальной научно-исследовательской организации, существующей с 1910 г., основная задача которой заключается в содействии сотрудничеству между странами мира. Помимо офиса в Вашингтоне и Московского Центра отделения Фонда работают в Пекине, Бейруте и Брюсселе.

Московский Центр Карнеги проводит круглые столы, презентации, семинары и конференции, в которых участвуют представители всего российского и зарубежного политического спектра, сотрудники государственных и негосударственных институтов, деятели науки, бизнеса и СМИ.

Опираясь на независимые исследования в рамках собственных программ, Московский Центр Карнеги ведет широкую издательскую деятельность: публикует оригинальные статьи, политические обзоры, рабочие материалы, доклады, брошюры, книги - в общей сложности до 30 наименований в год. Публикации Центра Карнеги выходят на русском, английском либо на обоих языках и широко распространяются в России и за её пределами.

На протяжении 18 лет Центр издавал ежеквартальный журнал Pro et Contra, посвященный актуальной российской и международной проблематике. Последний номер журнала вышел в августе 2014 г.