IBM

資料分析 Business Intelligence (3)

基本介紹

教學目標

初步了解該如何選擇 IBM Cognos Analytics 或 Tableau 為商業智慧與分析的解決方案。

重點概念

一般情況來說企業在選擇商業智慧工具時會需要參考研究機構的報告,像是 Gartner 研究機構在 2016 年初針對商業智慧和分析平台進行評測,其中 Tableau 被評測為領先者,的確 Tableau 簡單易用的視覺化呈現技術真的會讓人們愛不釋手,所謂 Tableau 的視覺化呈現技術是指 VizQL 主要是基於斯坦福大學多年研究的專利技術,可以讓客戶僅需透過滑鼠的點擊操作就能夠轉換成資料庫查詢,接著將數據視覺化從中發現觀點,雖然 IBM Cognos Analytics 也有視覺化呈現技術是指 RAVE,主要是先應用於統計軟體 SPSS 數據視覺化,同時申請為專利技術,可以讓客戶獲得更多的數據展示效果的彈性,但是使用過後就會知道 Tableau 的 VizQL 視覺化呈現技術更為簡易操作且呈現美觀。除之此外我們更可以藉由 Gartner peerinsights 網站了解不同商業智慧與分析產品的評分,其中我們將會發現 Tableau 大部份的評測項目比起 IBM Cognos Analytics 更具優勢,因此我們若根據研究機構的報告和數據視覺化呈現的結果決定要採用哪一個商業智慧與分析解決方案,此時業務單位會優先選擇 Tableau 為商業智慧與分析的解決方案。

但是在 2016 年底 IBM 雲端智慧分析三部曲教學影片中提到 IBM Cognos Analytics 四大優勢,分別為:

  1. 彈性且符合需求的分析報表: 彈性自主、節省時間、簡單上手。
  2. 引導式自助分析服務: 直覺操作、智能建模。
  3. 一致的使用者介面: 不同裝置、相同閱覽、編輯體驗。
  4. 周延的資料安全管控: 高度權限管理。

新版本的 IBM Cognos Analytics 擁有這四大優勢足夠因應絕大部份企業的分析報表需求,但是為何業務單位還是會想用 Tableau 為商業智慧與分析的解決方案呢?

此時我們先閱讀在 Tableau 網站中免費提供如何將敏捷原則應用於分析方法,稱之為 Tableau Drive,在該白皮書文件中提到:「Facebook 已經是大規模普及分析的公司…IT 負責管理和保護數據…每個團隊都尊重另一個團隊的貢獻。兩個共同改進 Facebook 解決問題的能力,這樣做就能增加巨大的業務價值。Facebook 的數據產品經理 Namit RaiSurana 說:「沒人依靠我們任何人來回簽這些問題,使用者可以自己去發現數據中可以提供的資訊,我們正向全公司推廣 Tableau。」他表示商業智慧儀表板即可實現不必花費數周時間撰寫程式的目的…為了充分發揮自主式分析戰略的作用,就需要高度可用、易於存取的數據。最佳的分析實行是在 IT 管理的基礎架構上運行使用者創建的儀表板。」,此外 Tableau Drive 主要是將敏捷原則應用於分析,主要有四個階段,分別為發現、原型和快速見效、基礎構建和擴展,如何執行請參考 Tableau Drive 手冊,讓業務單位和資訊單位,藉由 Tableau Drive 方法就能夠讓業務單位和資訊單位共同擁有分析平台,兩者之間的分工將會發揮各自的興趣和優勢。由此看來 Tableau 真的在於商業智慧與分析的解決方案不僅有專利的視覺化呈現方式,更有企業分析部署的敏捷方法,讓使用者製作彈性且符合需求的分析報表和引導式自助分析服務,也就是說業務單位不僅只需要「符合需求的分析報表」進行分析之外,更需要有「引導式自助分析服務」因應大數據分析的相關應用。當我們發現 Tableau 同時具有彈性且符合需求的分析報表和引導式自助分析服務的優勢時,IBM Cognos Aanlytics 就只剩下一致的使用者介面和周延的資料安全管控的二大優勢,但是若根據 Tableau Public (免費版) 概念教學影片與 Tableau Desktop (付費版) 產品介紹影片,我們將會發現 Tableau 針對不同裝置能夠彈性呈現提供一致的使用者介面,以及若根據 Tableau Server 產品介紹影片,我們將會發現 Tableau 針對不同的使用者進行高度權限管理提供周延的資料安全管控。因此 Tableau 除了具有 IBM Cognos Analytics 四大優勢之外,更被研究機構評測為商業智慧與分析的領先者,此時業務單位會不選擇 Tableau 為商業智慧與分析的解決方案嗎? 答案很明顯為不會不選擇,因為 Tableau 真的是用心為業務單位著想的商業智慧與分析的解決方案。

接著我們更一步探討 Tableau 商業智慧與分析解決方案是否能夠製作專業報表、符合規範流程和遵循相關法規,例如: 每個企業皆會有會計資訊,主要是與外界溝通的語言,能夠有效的傳達企業活動的過程與結果,主要會產生財務報表,這時我們可以先將使用者分為內部使用者與外部使用者,內部使用者包括企業的管理階層和企業的員工,外部使用者包括公司股東、政府機構、債權人。針對內部使用者,商業智慧與分析解決方案要能夠提供企業的員工對於任何財務報表要能夠下載符合規範的試算表檔案,以利提供彈性且符合需求的分析報表,例如: 財務報表的表達會根據國際會計準則第 1 號「財務報表之表達」,簡稱 IAS1,訂定一般目的財務報表表達的基礎,以確保該等報表與企業以前斯間財務報表及其他企業財務報表之可比性,整合財務報表包括當期末之財務狀況表、當期之綜合損益表、當期之權益變動表和當期之現金流量表,上述四大報表皆需符合國際會計準則第 1 號「財務報表之表達」之原則。除此之外針對管理階層要能夠提供在平板裝置上瀏覽財務報表,此時如此敏感的商業資訊就必須有周延的資料安全管控,以利符合規範流程和遵循相關法規。此時比起 Tableau 商業智慧與分析的解決方案 IBM Cognos Analytics 更能夠開發專業報表提供彈性且符合需求的分析報表,以及針對敏感的商業資訊有周延的資料安全管控。至於引導式自助分析服務和一致的使用者介面現階段 IBM Cognos Analytics 操作的確還有非常多改進的空間,但是這 2016 年開始 IBM 針對 Cognos Analytics 更新非常頻繁,平均二至三個月就會進行更新,若是有長期規劃二至三年的時間,則我們應該就可以預見更完善的 IBM Cognos Analytics 商業智慧與分析的解決方案。

所以不可能會有完美的解決方案能夠適合每個業務單位的需求,至於要選擇 IBM Cognos Analytics 或 Tableau 為商業智慧與分析的解決方案,現階段先試問幾個問題,問題一為規範報表重要還是視覺化圖表重要呢?若是規範報表則選擇 IBM Cognos Analytics,反之視覺化圖表則選擇 Tableau。問題二為報表要能夠下載符合規範的試算表檔案嗎?若是則選擇 IBM Cognos Analytics,反之則選擇 Tableau,問題三為符合規範流程和遵循相關法規非常重要嗎?若是則選擇 IBM Cognos Analytics,反之則選擇 Tableau。總結在銀行資訊單位要負責全行的規範報表,提供彈性且符合需求的分析報表,同時要符合規範流程,以及遵循相關法規,此時 IBM Cognos Analytics 會是最適合商業智慧與分析的解決方案,然而若是業務單位非常需要能夠引導式自助分析服務,此時 Tableau 會是最適合商業智慧與分析的解決方案,但是我們為何不能兩個商業智慧與分析的解決方案皆使用,滿足幾乎所有業務單位的需求呢?那時最大的問題將會在於後續的平台的維護與管理。

相關資源

資料分析 Business Intelligence (1)

基本介紹

教學目標

初步了解商業智慧的起源歷史、系統架構和最佳實務應用。

重點概念

早在 1971 年管理資訊系統 (Management Information System,MIS) 概念被提出,主要是提供靜態二維報表,所以不具有分析功能,接著在 1980 年主管資訊系統 (Executive Information Systems,EIS) 概念被提出,主要是提供動態多維報表,所以具有分析等功能,直到 1989 年 Gartner 顧問機構提出商業智慧 (Business Intelligence,BI) 的概念,之後才有許多應用於商業智慧系統架構的解決方案陸陸續續被提出。

然而在 2003 年美國資料倉儲研究院(The Data Warehousing Institute,TDWI)定義商業智慧系統架構主要分為兩大部份:

  1. 資料倉儲環境
    以技術團隊為主的資料倉儲環境,主要進行擷取、清理、塑模、轉換、傳輸和讀取等處理。

  2. 分析環境
    以企業使用者為主的分析環境,主要進行查詢、報表、分析、探歁、視覺化和採取行動等應用。

因此雖然各家廠商對於商業智慧的應用非常多元化,匯整如下表所示,皆能對應至上述的商業智慧系統架構。

廠商 應用
Microsoft 讓員工利用全新好用的分析工具,將現有企業資料、外部資料和非結構化海量資料完美結合,進而制定有見地的決策。
IBM 兼具查詢、產生報告、分析、儀表板、規劃、情境建模、即時監視與預測等功能的軟體。
SAS 能在適當時機,提供所需格式的資訊。透過整合企業中的巨量資料並自主分析,可以減少 IT 人員在回應要求上所花的時間,以及商業使用者尋找資訊上所花的時間。同時也能全面提供 SAS Analytics 功能的整合、健全及彈性特色,包括統計資料、預測分析、資料採礦、文字採礦、預測及最佳化,協助您制定更好、更快的決策。

最後根據 Gartner 在 2015 年針對商業智慧的評比中 Tableau 商業智慧軟體位居領先者的地位,這軟體主要的應用為只需幾次點擊,任何人均可透過它連接到資料,然後再點擊幾次,就能觀察並創建互動、可供分享的儀表板,它非常簡單,任何 Excel 使用者都能學會,同時又功能強大,足以應對最為複雜的分析問題,與別人分享發現結果只需幾秒鐘,為需要的人確實找到問題的答案,其實也就是商業智慧最佳實務應用。

相關資源

資料分析 Big Data (1)

基本介紹

教學目標

初步了解 Big Data 改變的未來新趨勢。

重點概念

Analytics & Machine Learning

Rapid Insights Providing Business Impact

  • “Just-in-time” analytics that can be directly embedded into business processes for business outcome comparisions.
  • Analytical solutions available at point of decision.
  • New solutions must dynamically mix & analyze data from realtime to historical to meet continuous business results - machine learning leveraged.

Best Practice: Apache Spark

Lambda Data Management

Lambda Data - new lens on data systems, designed to tame growing complexity.

  • Defineds set of principles for how batch & stream processing can work together.
    • Human fault-tolerant.
    • Immutability - keep data immutable for the range of business contexts.
    • Pre-computation & re-computataion.
  • Data Handling Layers
    • Batch Layer - stores the master data set. (e.g. Hadoop、HDFS)
    • Server Layer - indexes & offers precomputed views for ad hoc with low lantency queries.
    • Speed Layer - real-time views are incremental - “complexity isolation”, transient handle only transient additions until next batch reompilation.

Best Practice: Google BigQuery

Application Development & Business Integration

Notebook IDEs becoming all rage

  • OSS innovation for web-base, interactive approach for new solution collaboration rising fast - one unified place for team to share insights, business results, nodes, etc…
  • Notebook-as-a-servic - micro services “good enough” for some analytics-based solutions until business leaders need / expect realtime speeds.

Implications For Future Applications

  • Answering open-ended business questions - velocity, variety & volume for big data set new stage
  • Business can deal with close approximations sooner than higher analytics accuracy in hindsight
  • Innovations in data handling & analytics starting to address new class of business applications
    time-to-value - launch product -> continuously analyze business impact-> learn & refine then repeat.

Best Practice: The IPython Notebook

相關資源