Привет, Хабр! Я Максим Иванов, директор по развитию Modus, и сегодня я хочу порассуждать о важном вопросе.

В 2022 году российский IT-рынок столкнулся с массовым оттоком международных и технологических корпораций. Рынок BI не исключение – популярные лидеры досанкционного рынка - Tableau, Power BI, Qlik, Sisense - ограничили работу с российскими компаниями.

У бизнеса возник вполне понятный вопрос – а как работать дальше?

Поделюсь мнением.

Почему лучше не ждать?

Иностранные BI-вендоры останавливают сотрудничество с российскими клиентами: не продают новые лицензии, замораживают продление и техподдержку уже имеющихся. Оплатить подписку или покупку лицензий с карт российских банков невозможно.

Какое-то время бизнес считал, что это ненадолго – искали обход санкций, платили с иностранных карт и т.п. И ждали. Сейчас стало понятно, что это "всерьез и надолго".

Компании, для которых BI стал частью ежедневной бизнес-рутины, встали перед необходимостью чем-то оперативно заменить неработающие сервисы.

Для того, чтобы компания не осталась без данных, не потеряла все разработки и снизила зависимость от иностранного вендора, лучше не ждать с переходом на другой BI.

Что нужно для перехода?

В обычных условиях выбор и внедрение BI-платформ — поэтапный процесс, который начинается с первого пилотного проекта на 10–20 пользователей или аналитики какого-то определенного разреза данных (финансовой, кадровой и т.п), а дальше масштабируется на всю компанию.

Сейчас бизнес часто не готов ждать и интегрировать новые системы аналитики «по классике», чтобы не погрязнуть в аналитике и мониторинге данных на этапе миграции.

Со стороны заказчика самый важный этап - это понимание целей и задач, которые будут стоять перед новой системой. Дальше - работа интегратора и вендора.

Например, для перехода мы или наш партнер-интегратор создаем дорожную карту миграции, анализируем требования, существующую архитектуру приложений в компании и состояние источников данных.

Дальше заказчик или интегратор подготавливает данные к требованиям новой BI, разрабатывает новые сводные дашборды, тестирует и передает заказчику в промышленную эксплуатацию.

На словах все звучит довольно просто, но по факту для такого перехода разработчики вендора или интегратора должны быть профессионалами, потому что ключевая ценность – безопасность данных, их историчность, связи. И наша роль здесь – не только заменить, но и сделать более эффективным применение систем аналитики.

Наш партнер, «А2 Консалтинг», рекомендует всем нашим клиентам добавлять еще один важный промежуточный этап – создание аналитического хранилища данных.

Во-первых, это даст возможность менять аналитическую оболочку по вашим требованиям, во-вторых, ускорит отклик систем и, в-третьих, даст гарантии безопасности данных, которые стекаются из различных источников в единое хранилище.

Одно из ключевых преимуществ такой схемы – это снижение затрат на переход: 70% любого проекта это работа с данными, а этот этап уже будет готов. В итоге – быстрое внедрение BI и снижение затрат.

Этапы внедрения

На первом этапе команда интегратора создает дорожную карту для перехода с существующей платформы на новую (в нашем случае, как вендора, на Modus) и подготавливает описание ETL-процессов и Data Pipeline. Дальше разворачивает систему, интегрирует с источниками, настраивает сценарии трансформации данных и расписание работы ETL-процессов для формирования корпоративного хранилища данных (ClickHouse, PostrgreSQL и т.п.).

После этого наступает этап тестирования и ввода системы в промышленную эксплуатацию. А затем уже - техническая поддержка по проекту, настройка существующих решений и их оптимизация.

Стадии проекта

• Подготовка источников данных (информационная система, СУБД, 1С, web-сервис и т.п.).

• Проектирование структуры корпоративного хранилища данных (DWH);

• Настройка правил получения и обработки данных в DWH в соответствие со сценариями ETL-процессов.

• Создание и настройка дашбордов с помощью конструктора.

• Обучение пользователей работе с DWH и созданию своих BI-отчетов.

• Самостоятельная работа с данными и отчетами в режиме self-service.

• Развитие аналитических разрезов на основе рекомендаций BI-команд и отделов аналитики (омниканальность, сквозная веб-аналитика, геоаналитика и др.).

• Интеграция бизнес-аналитики с машинным обучением и прогнозной аналитикой (библиотеки Python).

• Расширение разрезов Data Lake за счет интеграции с новыми источниками и другими типами хранения данных.

Возможная схема реализации

Результаты:

• Созданное единое корпоративное хранилище на основе первичных источников;

• Настроенные аналитические дашборды в BI-платформе.

Типы хранимых данных