KEY BARRIERS TO THE IMPLEMENTATION OF BUSINESS INTELLIGENCE SYSTEMS IN THE CONTEXT OF IMPORT SUBSTITUTION

Full Text

Сначала двадцать первого века с большой скоростью развиваются информационные технологии. Вопрос качественной обработки большого массива информации стал выходить на первое вместо в бизнесе. Важно использовать передовые технологии в области информационного анализа, также называемого как бизнес-анализ. Программные инструменты для решения данного рода задач в мировой и отечественной экономики объединили под термином Business Intelligent.

Цель исследования предполагает выявление зарубежных и отечественных практик в управлении бизнес-процессами при помощи инструментов бизнес-анализа, обоснование возможной адаптации с выявлением возникающих препятствий в реализации данного процесса.

Материалы и методы исследования. Термин Business Intelligent впервые использовался в 1958 году в статье исследователя из IBM Ханса Питера Луна он определил Business Intelligent как «возможность понимания связей между представленными фактами» [1]. В конце 80-х годов прошлого века, аналитик Ховард Дреснер предложил использовать Business Intelligent как термин для различных технологий, предназначенных для поддержания принятия управленческих решений. Так к 1996 году содержание термина Business Intelligent датировалось как «инструменты для анализа данных, а также построения отчетов и запросов, которые помогают бизнес-пользователям преодолеть море данных для выделения из них значимой информации» [2, 3].

Процесс внедрения BI-систем невозможен без разнообразных экономических, технических и организационных сложностей. Поэтому для увеличения эффективности процессов автоматизации бизнес-процессов изучение основоположения данной проблематики играет ключевое значение [4-6].

Появление первых хранилищ данных для анализа информации и составления отчетности началось в 1980-е года. В то время появились такие приложения Business Intelligence, как Crystal Reports или MicroStrategy. С 1990-х годов началось постепенное распространение данных инструментов, в том числе Enterprise Resource Planning (ERP). Системы для бизнес-анализа с каждым годом становились популярнее в бизнес-среде, но нужно заметить, что данные программы были очень дорогостоящими. Сначала двадцать первого века началось углубленное изучение BI-систем и разработка новых технологий такими компаниями как Microsoft, SAP, IBM и Oracle. Например, появилась такая технология как обработка данных в реальном времени. Но значительный скачок в данном направлении и дальнейший рост начался с 2010-х годов [7, 8].

QlikView считается одной из самых популярных мировых BI-платформ для бизнес-аналитики, она была разработана компанией QlikTech. Но компания не единственная в своем сегменте, в настоящее время она делит первое место на рынке совместно с компанией Tableau [6].

Первой отечественной платформой для анализа данных считается «Форсайт». Ранее система носила другое название – «Прогноз» [7]. И российская разработка сумела войти на высокий уровень в данной сфере, так в 2012-2015 годах система попала в методику изучения бизнес-аналитики компании Gartner. А уже в 2015 и 2016 годах ее включили в квадрант продвинутой аналитики Gartner.

Это методология исследования, а также визуальное представление информации, которое используется для оценки и позиционирования поставщиков в определённом сегменте рынка. И используется для оценивания слабых и сильных сторон поставщиков, которые считаются наиболее значимыми на рынке.

В 2018 году у компании произошел ребрендинг, что последовало за собой появление нового продукта под товарным знаком «Форсайт» и бурная разработка 9 версий приложения. Официально платформа стала называться «Форсайт. Аналитическая платформа». Считается, что самостоятельная разработка нового продукта началась с этого периода.

В настоящее время на российском рынке присутствует около 20 отечественных платформ.

Список пяти самых популярных российских BI-систем [9]:

1. «PIX BI» это российская BI- система для анализа информации. Достаточно проста в использования и для нее не требуются soft-skills. Адаптивный интерфейс хорошо подходит для умного анализа данных и возможности архитектуры персональных отчетов. Может с легкостью выступать альтернативой иностранным платформам. Система позволяет сэкономить время на создании отчетности и сборе информации. В возможности входит прогнозирование и моделированные данных, а также сложные анализы.
2. «Visiology» разработанная российскими специалистами BI-платформа для корпоративной аналитики. Среди отечественных платформ она уже заработала хорошую репутацию и пользуется спросом. Программа позиционирует себя как хорошую замену популярной за рубежом «Power BI». Причиной является их схожий интерфейс и аналогичное графическое представление данных. Например, программа может подойти компаниям, которые хотят найти замену «Power BI» из-за санкций или крупным холдингам, которые хотят сохранить первичную отчетность.
3. «Luxms» BI сложная российская разработка для аналитиков. Программа действительно может удивить большим набором функций и быстрой обработкой информации. Но в этом кроется и минус программы, от обилия настроек могут разбегаться глаза. И вначале работы даже легкие функции покажутся сложными. Конечно, для такого обилия настроек нужно потратить время для изучения. Программа объемная, но подходит не каждой компании. Например, для малого бизнеса покажется слишком объемной.
4. «Low-code» отечественная система, которая помогает проводить аналитику данных. Программа проста в использовании, потому что работать с ней можно без программирования. Например, такое решение подойдет компаниям, у которых нет в штате программистов.
5. «Goodt Insight» легкая в использовании российская BI-система. Также подойдет компаниям, у которых ограниченный штат программистов. С программой может работать даже новичок, например собирать отчеты как конструктор и выгружать результаты в удобном формате.

Результаты исследования и их обсуждение. Анализ отечественного рынка показал, что компаниям есть из чего выбирать платформы для обработки данных. И каждая система обладает достаточным набором преимуществ. Это еще раз подтверждает, что отечественные разработки готовы к внедрению в процессы компаний.

Но при быстром переходе на российские системы, компании рискуют столкнуться с разными трудностями. Например, дефицит обученных работников.

Классификация барьеров при внедрении отечественных BI-платформ представляется следующим образом.

1. Технологические барьеры. Отечественные BI-платформы уступают иностранным аналогом, например программе Qlik, в возможностях качественной визуализации данных. Так как большая часть российских программ предоставляет минимальный набор элементов визуализации, из чего вытекает ограниченный набор инструментария для создания интерактивных дашбордов или иной отчетности. Так, российские аналоги предлагают только базовый набор диаграмм и графиков, например круговые, линейные или столбчатые диаграммы. Но отсутствуют расширенные диаграммы, такие как тепловые карты или «Sankey-диаграммы». Или не могут поддерживать динамическое взаимодействие с потоком данных, например перекрестное выделение. В следствие чего, такие ограничения снижают эффективность анализа данных и глубину восприятия информации.

Также, в данную группу можно выделить еще один существенный недостаток – это ограничение объема обработки информации. Неспособность быстрой обработки миллионов строк может привести к низкой производительности, так как большинство российский платформ поддерживают работу только с небольшим набором данных. В следствие чего возникает препятствие при масштабировании решений, например, в крупных ритейлах или холдингах. Также, могут возникать замедления в операциях и составлении аналитических выводов или даже теряться достоверность данных.

2. Кадровые барьеры. Вторым ключевым барьером при внедрении отечественных BI-платформ на предприятия, является кадровый голод. На российском рынке труда присутствует дефицит квалифицированных специалистов в области анализа данных и разработчиков, умеющих работать с возможностями отечественных BI-систем. Из-за широкой известности зарубежных аналогов, молодые российские специалисты делают выбор в их пользу. Либо приходится учиться работать с новым продуктом самостоятельно и это может значительно увеличивать ввод в эксплуатацию.

Также, у специалистов снижается доверие из-за малого количества удачных кейсов внедрения российских BI-систем в крупные компании. Например, крупный российский ритейлер X5 Group делает выбор в пользу такой зарубежной платформы как QlikView.

Таким образом, кадровый барьер является ключевым препятствием при переходе компаний на отечественные BI-системы. Так как без квалифицированных и обученных специалистов, компаниям будет в значительной мере тяжело отказаться от иностранных аналогов.

3. Экономические барьеры. Данная группа барьеров оказывает весомое влияние на рентабельность и целесообразность перехода или внедрения отечественных аналогов BI-платформ. Так как внедрение бизнес-аналитики связано с высокими затратами на начальных этапах, например на покупку оборудования или лицензии на ПО, а также обучение специалистов [2]. Также, это подкрепляется дорогостоящей технической поддержкой сопровождением проектов.

Все перечисленное может стать серьезным или даже главным препятствием для мелких и средних бизнесов. Которые хотели бы увеличить конкурентоспособность на рынке, с помощью цифровизации бизнес-процессов. Для таких кейсов, у российских компаний почти не существует бесплатных версий использования программ, как например у зарубежной Power BI.

Возвращение вложенных средств возможно только спустя некоторое время, после внедрения и эксплуатации российской BI-системы. Следовательно, будет длительная окупаемость инвестиций [3]. И этот фактор может серьезно затруднять привлечение дополнительного финансирования и тем самым может вызвать сомнения у руководителей, которые хотят быстрого результата [10].

В ходе исследования разработаны следующие рекомендации по преодолению барьеров.

1. Инвестировать в обучение персонала. Организовать обучающие курсы или тренинги для кадров, которые могут обеспечить понимание работы BI-систем. Еще можно дополнить обучение не только теорией, но и практикой. Например, пригласить экспертов, которые разобрали удачные кейсы внедрения российских платформ.
2. Хранить информацию в одинаковом формате. Неполные данные являются частой проблемой при внедрении новых систем. Чтобы упростить обработку, можно разработать одинаковые стандарты для их хранения.
3. Обновлять устаревшую инфраструктуру. Старое оборудование затруднит работу даже самой мощной BI-платформы. Параллельно с обновлением оборудования можно тестировать что-то новое.
4. Оптимизировать финансовые расходы. Например, для крупного холдинга можно начать с пилотного проекта. Запустить российскую систему в филиале, посмотреть на экономические показатели, а потом внедрять во всей компании.

Выводы. В ходе анализа зарубежных и отечественных практик управления бизнес-процессами, при использовании инструментов бизнес-аналитики выявил, что без учета большого комплекса взаимосвязанных факторов, успех при внедрении отечественных BI-платформ просто невозможен. Каждый вид препятствий и барьеров влияет на процессы внедрения, тем самым увеличивая сроки интеграции и повышая затраты на реализацию бизнес-процессов. Перечисленные факторы усложняют последующую эксплуатацию BI-системы. 

About the authors

A. S. Smirnova

Russian State Social University

Email: smirnova.sasha-s@yandex.ru

Graduate Student

Russian Federation, Russia, Moscow

D. P. Vladimirov

Russian State Social University

Email: smirnova.sasha-s@yandex.ru

Graduate Student

Russian Federation, Russia, Moscow

M. G. Zavodchikova

Russian State Social University

Author for correspondence.
Email: smirnova.sasha-s@yandex.ru

Senior Lecturer

Russian Federation, Russia, Moscow

References

Supplementary files