Business Intelligence

Квадрат Гартнера 2014

0

Для сравнения напомню квадрат Гартнера в 2013 году

Мало что поменялось, единственное, что по способности внедрить задуманное вышли в лидеры Tableu и QlikView, опередив Microsoft, все остальное практически не изменно в квадрате лидеров. Ряд нишевых игроков подтянулись, что подстегивает других развивать свои продукты.

Если честно, я давно достаточно скептически и насторожено отношусь к рейтингам. В этом рейтинге достаточно много учитывается факторов непродуктовых, что не всегда «по способности» оценивает продукты.

Удачи вам, смотрите на рейтинги, однако лучше выбирайте глазами и руками.

Teradata Forum 2013 (Терадата форум)

0

Лучше поздно, чем никогда, вновь удалось побывать на самом интересном на мой взгляд форуме в России от компании Teradata. Компания не только не опустила планку, но даже на мой взгляд ее немного подняла. Приглашенные спикеры как всегда добавили интереса. И наконец кейсы Big Data начались наполняться каким-то смыслом.

Мне больше всего понравилось выступления представителя компании LinkedIn, который рассказал как они на основе анкет создают сервисы как для самих пользователей, так и для B2B-клиентов. На мой взгляд это универсальный алгоритм монетизации BigData. Вероятно, они шли от обратного, т.е. сначала накапливали множество анкет, а потом уже делали интересные сервисы и каждый такой сервис представлен в соц. сети в виде виджета. Удивительно, как можно много сделать интересных сервисов, используя анкетные данные и связи.

Это кладезь информации для исследователей.

Интересны были также выступления российских телеком. компаний, конечно они достаточно сдержанно в отличие от своих коллег по рынку делятся информацией, но все же было Далее >

Монетизация данных

0

Давно хотел поговорить о таком понятии, как монетизация данных или Data monetization. Объем данных в компаниях как правило увеличиваются, стоимость систем хранения данных за 1Гб снижается, но затраты на накопление данных растут. И если данные не использовать в коммерческих целях (т.е. не пытаться их использовать, чтобы на них заработать), то по сути это деньги на ветер.

Кроме этого появляются программно-аппаратные комплексы, которые могут обрабатывать не только структурированные внутренние данные, но и внешние неструктурированные данные сети Интернет, например. Стоимость таких комплексов как правило очень велика. Как правило упоминается Big Data.

Но хотел бы подчеркнуть, что использовать BigData и не монетизировать данные, это просто пустая трата трудоресурсов и денег.  Это на самом деле очень большая проблема, в мире до сих пор достаточно мало кейсов, при которых накопление новых объемов данных прямо пропорционально эффективности. Как правило, такие кейсы придумывают вендоры, чтобы продать новые комплексы. И не всегда они Далее >

Русские идут (Прогноз или Prognoz)

0

Недавно познакомился с очень интересным решением от компании Прогноз. Решение разработано в Перми и история компании очень напоминает историю компании SAS. Решение российского разработчика очень интересно, потому что аккумулируют в себя действительно многие модные фичи. Компания уделяет большое внимание визуалу и функциям управления. Имеет очень симпатичный мобильный клиент. Конечно, буду справедлив и воздержусь о том, чтобы называть эту платформу BI-платформой. Скорее я бы сравнивал его с многими решениями, построенными на базе OLAP. В этом классе решений я бы их особо выделил.

Компания ставит себе действительно амбициозные задачи по превращению себя в глобального мегавендора, и стоит отметить, что попасть в квадрат Гартнера наверное дорогого стоит. Да и спецы Гартнера пока скорее относят эту платформу к нишевым решениям.

Очень хочется надеяться, что компания не затеряется на фоне лидеров.  Посмотрим на динамику в следующем году.

С точки зрения ценовой политики у них все Далее >

Плюсы и минусы BI с преднастроенной моделью данных

0

В последнее время на рынке стало появляться множество нишевых решений с преднастроенной моделью данных, которые призваны решать конкретные задачи бизнеса.

Плюс в данном случае очевиден, бизнес получает инструмент, который решает конкретную задачу, которая как правило без автоматизации делается на регулярной основе и занимает достаточно длительное время.

А какие же минусы:

1. Нужно под эту модель данных подготовить источники данных, если их нет, значит часть функционала не будет работать или результат работы будет неудовлетворительный.

2. Нужно быть уверенным в качестве данных и их методологии. Вы четко должны понимать, что штуки это действительно штуки, а не метры, квадраты кубические, килограммы или что-то еще. Иногда в биллинговых системах IT специалисты упрощают систему хранения данных, и в штуках начинают хранить и каналокилометры и минуты и каналы и бог знает что еще, т.е. некие единицы тарификации, т.е. в зависимости от того, что тарифицируется, те объекты учета Далее >

Вверх