У зв`язку із важливістю організації використання в Україні на всіх ієрархічних рівнях у бізнесі і у державних структурах платформ для автоматизованої підтримки рішень (ділової аналітики), DSS BI group подає у цій публікації обрані особливості Gartner Magic Quadrant 2022 для Analytics and Business Intelligence Platforms (ABI).
Magic Quadrant 2022 для Analytics & Business Intelligence Platforms опубліковано провідною світовою консалтинговою компанією Gartner 22 березня 2022 р., авторами документу є Austin Kronz, Kurt Schlegel, а також Julian Sun, David Pidsley, Anirudh Ganeshan.
Цей документ Gartner доцільно розглядати як елемент екосистеми консалтингових документів компаній Gartner, IDC, Forrester, ін. Також обов`язковим елементом у виборі ABI є звернення до місцевих спеціалістів у сфері науки, практики і навчання у цій сфері. Також врахуйте, що будь-яка одна компанія-реалізатор чи спеціаліст не можуть безпомилково і повністю вирішити всі завдання вибору і реалізації платформ ABI, Big Data. Для цього для заданої проблемної області роботи потрібен комплект спеціалістів із сфер CIO,CDO,CKO,CDTO, ін. Часто про це забувають, хоча добре відомо із життя у різних сферах, для прикладу, див. фільм The Fifth Element ("П`ятий елемент"); консиліум лікарів; спеціальності операторів груп спецпризначення у SOF, ін. У результаті в США перевитрачають мільярди доларів на реінженіринг створених інформаційно-аналітичних систем.
Чому варто звертатися за консалтингом до DSS BI Group?
Раніше запропоновані та реалізовані (верифіковані) корпоративні і часткові оцінки й рішення (концепції, інформаційні й аналітичні моделі, програмні комплекси, методики оцінки ефективності, напрямки R&D і навчання) від DSS BI Group у сфері ABI platform & Big Data зберігають свою вірність і новизну. Вони будуть розвиватися як було передбачено з 2008 року на термін 15 років і у досяжній для оцінки перспективі.
Вірність описової, діагностичної, прогнозної і прескриптивної аналітики DSS BI group щодо ABI платформ заснована: на вивченні відкритих консалтингових матеріалів провідних світових центрів RAND, PCAST, AAAI, ACM SIG KDD, Gartner, IDC, Forrester, ЗС США, ін.; на результатах обговорень на наукових конференціях й інших заходах; на знанні радянського, російського і українського досвіду у сфері "штучного інтелекту", автоматизації документообороту, ABI; на синергії зусиль вчених, керівників, аналітиків, ІТ-спеціалістів, простих користувачів, студентів і курсантів ЖВІ імені С.П, Корольова і взаємодіючих структур; на власному досвіді створення й реалізації різних Систем Підтримки Прийняття Рішень (DSS - Decision Support System) на основі Business Intelligence: DSS BI, Expert System BI, GIS DSS BI, Social Media DSS BI, Social Media GIS DSS BI, Website GIS DSS BI; Webhosting GIS DSS BI, Network Ergatic Organizm (NEO); ін.
Далі подана скорочена інформація зі звіту Gartner MQ 2022 для ABI Platform за винятком вказаних авторських приміток. Адаптований переклад-чернетка на українську мову здійснений вперше. Розмір абзаців зменшено для кращого розуміння непростого матеріалу.
У звіті Gartner зазначено, що сучасні ABI платформи доповнені всіма можливостями та дозволяють користувачам створювати робочі процеси та додатки з низьким вмістом чи без програмного коду (low/no-code workflows and applications).
Ключовими факторами вибору є хмарні екосистеми та узгодженість із цифровими інструментами на робочому місці.
Це дослідження допомагає керівникам даних і аналітики (data and analytics leaders) планувати та вибирати ці ABI-платформи.
Визначення/Опис ринку ABI платформ, Gartner
Платформи ABI дозволяють користувачам без значної технічної підготовки (бізнесменам, ін.) моделювати, аналізувати, досліджувати, ділитися даними та керувати ними, а також співпрацювати та ділитися висновками за допомогою ІТ з елементами штучного інтелекту (ШІ).
Платформи ABI можуть додатково включати можливості створювати, змінювати або збагачувати семантичну модель даних, включаючи бізнес-правила.
Примітка DSS BI group. Правильна модель даних і знань забезпечує у загальному випадку співпрацю не тільки типу "ділитися висновками за допомогою ІТ з елементами штучного інтелекту", але й передбачає можливість ділитися у загальному випадку "прогнозами" ("що може бути" - це прогнозна аналітика), "пропозиціями" (що доцільно робити - це прескриптивна аналітика), "рішеннями", "оцінками результатів рішень". Ця модель інформації описана авторською формулою "АВ+ВПП+РР" (Атрибути, Викладання + Висновки, Прогнози, Пропозиції+Рішення, Результати).
Сучасні платформи ABI зосереджені на візуальному самообслуговуванні (visual self-service) для кінцевих користувачів, доповненому елементами ШІ для надання автоматизованої інформації, інсайтів.
Фокус нарощування ефективності дедалі частіше зміщується з особи аналітика на споживача чи особу, яка приймає рішення. Щоб досягти цього, автоматизовані статистичні дані мають бути не лише статистично значущими, але й відповідати цілям користувача, його робочому процесу та діям, які вони повинні виконати на основі даних.
Платформи ABI починають отримувати більше інформації про поведінку та інтереси користувачів, щоб надати споживачеві більший ефект. Ця тенденція продовжуватиме зростати, оскільки інструменти ABI будуть інтегровані в інструменти персональної продуктивності, де можна відстежувати додаткову поведінку користувачів.
Демократизує доступ до даних для прийняття рішень доповнення методами взаємодії, такими як запити природною мовою (NLQ - natural language query) або розмовні аналітичні інтерфейси, а також описи генерації природною мовою (NLG - natural language generation), що надаються як відповідь.
Багато платформ додають користувачам можливості для легкого створення робочих процесів і додатків автоматизації з низьким використанням або без коду (low-code or no-code).
Це поєднання можливостей допомагає розширити бачення аналітики за межі простого надання наборів даних і представлення інформаційних панелей на надання розширеної контекстуальної інформації, перефокусування уваги на процесах прийняття рішень і, зрештою, виконання дій, які принесуть цінність бізнесу.
Ринки платформ ABI, науки про дані та машинного навчання (DSML - data science and machine learning) та хмарних даних і аналітики (D&A - cloud data and analytics) продовжують зближуватися, часто у формі інтелектуальних компонованих програм для клієнтів.
Постачальники змушені вдосконалювати свої аналітичні можливості, одночасно допомагаючи своїм клієнтам підтримувати баланс між контролем і гнучкістю, оскільки їхні платформи масштабуються між кількома користувачами, розширеними аналітичними можливостями, різноманітними даними та новими сценаріями використання.
Постачальники на ринку ABI платформ різноманітні та включають стартапи, підтримані фондами венчурного капіталу, великі компанії з корпоративними додатками, незалежні аналітичні компанії та всі великі хмарні гіпермасштабувальники.
Переважна більшість нових витрат клієнтів на цьому ринку припадає на хмарне розгортання, оскільки вони прагнуть задовольнити потреби в масштабованості та продуктивності в умовах зростаючої складності аналітичних випадків використання, а також типів і обсягів даних. У багатьох випадках платформи ABI є точками входу для ширшого набору хмарних даних і можливостей аналітики, які пропонує хмара.
Постачальники змушені покращувати свої аналітичні можливості, водночас допомагаючи своїм клієнтам підтримувати баланс між контролем і гнучкістю, оскільки їхні платформи масштабуються між кількома користувачами, розширеними аналітичними можливостями, різноманітними даними та новими варіантами використання.
Функціональні можливості платформи ABI включають наступні 12 критичних можливостей, які були оновлені, щоб відобразити області змін і диференціації постачальників, зокрема в можливостях, більш тісно пов’язаних з розширеною аналітикою (augmented analytics):
- Безпека (Security): можливості, які забезпечують безпеку платформи, адміністрування користувачів, аудит доступу до платформи та автентифікацію.
- Управління (Governance) (раніше називалося «керованість», англ. “manageability”): можливості, які відстежують використання та керують тим, як інформація створюється та передається від прототипу до виробництва.
- Хмарна аналітика (Cloud-enabled analytics): можливість створювати, розгортати та керувати аналітикою та аналітичними програмами в хмарі на основі даних як у хмарі, так і локально, а також у мультихмарних розгортаннях.
- Підключення до джерела даних (Data source connectivity): можливості, які дозволяють користувачам підключатися до даних, що містяться на різних типах платформ зберігання, як локальних, так і в хмарі, і завантажувати їх.
- Підготовка даних (Data preparation): підтримка перетягування, керованого користувачем поєднання даних з різних джерел і створення аналітичних моделей (таких як визначені користувачем показники, набори, групи та ієрархії).
- Каталог: можливість відображати вміст, щоб його було легко знайти та споживати. Каталог доступний для пошуку та дає рекомендації користувачам.
- Автоматизована аналітика, інсайти (Automated insights): основний атрибут розширеної аналітики – це можливість застосовувати методи машинного навчання (ML - machine learning) для автоматичного створення аналітичних даних для кінцевих користувачів (наприклад, шляхом визначення найважливіших атрибутів у наборі даних).
- Візуалізація даних (Data visualization): підтримка інтерактивних інформаційних панелей (interactive dashboards) і дослідження даних за допомогою маніпулювання зображеннями діаграм (chart images). Це включає низку параметрів візуалізації, які виходять за рамки секторних, стовпчастих і лінійних діаграм, наприклад карти тепла та дерев, географічні карти, діаграми розсіювання та інші візуальні елементи спеціального призначення.
- Запит природною мовою (NLQ) - це дозволяє користувачам запитувати дані за допомогою термінів, які або вводяться у вікно пошуку, або вимовляються.
- Розповідь даних (Data storytelling): можливість генерувати історії даних у стилі новин — поєднуючи заголовки, описовий текст, візуалізацію даних та аудіовізуальний вміст на основі постійного моніторингу результатів.
- Генерація природної мови (Natural language generation): автоматичне створення лінгвістично багатих описів інформації, знайденої в даних. У контексті аналітики, коли користувач взаємодіє з даними, розповідь динамічно змінюється, щоб пояснити ключові висновки або значення діаграм чи інформаційних панелей.
- Звітування (Reporting): ця можливість надає точні, параметризовані та розбиті на сторінки звіти, які можна запланувати та надіслати великій спільноті користувачів.
Magic Quadrant (Магічний квадрант) для платформ ABI
Про деяких вендорів ABI MQ Gartner - сильні сторони та застереження
Alibaba Cloud (Хмара Alibaba)
Alibaba Cloud є нішевим гравцем (nishe player) у цьому магічному квадранті. Він конкурує переважно в Азіатсько- Тихоокеанському регіоні, але має глобальний потенціал. Alibaba Cloud є найбільшим постачальником публічних хмарних платформ в Азіатсько-Тихоокеанському регіоні. Він пропонує підготовку даних, візуальне виявлення даних, інтерактивні інформаційні панелі та розширену аналітику (data preparation, visual-based data discovery, interactive dashboards and augmented analytics) через платформу Quick BI. Ця платформа доступна як опція SaaS (Software as Service), що працює на інфраструктурі Alibaba Cloud, локальна опція на Apsara Stack Enterprise і опція вбудованої аналітики з Alibaba Business Advisor.
Quick BI 4.1 має покращені можливості підключення до джерела даних для прискорених запитів і ширших можливостей інтеграції з основними цифровими додатками на робочому місці (DingTalk, WeChat/WeCom і Lark) у Китаї.
Сильні сторони Alibaba Cloud
Спільна аналітика, орієнтована на цифрове робоче місце: Quick BI повністю інтегровано з DingTalk — цифровий робочий додаток Alibaba Cloud, який широко поширений у Китаї. DingTalk не тільки покращує спільну аналітику з кількома особами, але також є важливим каналом продажів для Quick BI.
Компонована аналітика для керування діями: Quick BI використовується в стратегії «Data Middle Office» Alibaba Cloud, яка надає модульні та багаторазові можливості D&A. Quick BI пропонує вбудовану підтримку Dataphin (продукт інтеграції даних), який можна використовувати для створення аналітичних програм і автоматизації бізнес-орієнтованих дій у Business Advisor, замикаючи цикл аналітичних завдань.
Програма підвищення кваліфікації даних (Data literacy program): Quick BI запустив свою навчальну програму на основі завдань, щоб підвищити кваліфікацію своїх користувачів, включаючи адаптацію, систематичні курси продукту, реальні практики з власними даними користувачів і обмін аналітичним досвідом через пряму трансляцію. Програма поєднується зі стимулами, які надають купони для компенсації вартості ліцензії та кредити магазину для магазину електронної комерції Alibaba Cloud.
Застереження щодо Alibaba Cloud
Орієнтація на інвестиції. Хоча Alibaba Cloud є великою за загальним розміром компанією, Quick BI не є стратегічною метою порівняно з СУБД (DBMS) постачальника та лінійками продуктів ШІ. Загальна чисельність персоналу Quick BI становить менше 100 осіб, що значно менше, ніж у інших основних платформ ABI, які розповсюджують рекламу.
Залежність від продукту. Подібно до аналітичних пропозицій інших великих постачальників хмарних послуг, Quick BI значною мірою залежить від інших хмарних сервісів Alibaba, щоб забезпечити управління, керування даними та розширені аналітичні можливості. Хоча Quick BI має конкурентоспроможну ціну, загальна вартість аналітичної екосистеми клієнта може зрости, якщо їм потрібні додаткові можливості, адаптовані лише до послуг, які надає Alibaba Cloud.
Географічна присутність і ринкова динаміка: Alibaba Cloud є постачальником, орієнтованим на Китай, з мінімальною базою встановлених в інших місцях. Як пропозиція SaaS, Quick BI часто упаковується в інтегроване рішення Data Middle Office від постачальника.
Веб-сервіси Amazon
Amazon Web Services (AWS) є нішевим гравцем у цьому магічному квадранті. Amazon QuickSight переважно продається клієнтській базі AWS. Клієнти називають міцність інтеграції зі стеком даних Amazon, масштабованість, продуктивність і конкурентоспроможну модель ціноутворення як ключові причини прийняття.
У 2021 році Amazon QuickSight зробив великий крок у сферу розширеної аналітики, додавши функцію запитів природною мовою під назвою Q. Він також додав основні функції ABI, такі як можливість вбудовувати аналітичний вміст в інші області та планове звітування масштабу підприємства.
Сильні сторони Amazon
Масштабованість: безсерверна хмарна архітектура Amazon QuickSight дозволяє організаціям підтримувати широкомасштабне розгортання BI. Замість того, щоб купувати фіксовану кількість ядер для задоволення пікового попиту, клієнти Amazon QuickSight можуть масштабувати на основі використання та використовувати хмарний стек AWS для підтримки великої кількості користувачів одночасно.
Конкурентна стратегія ціноутворення: Amazon QuickSight має унікальну модель оплати за сеанс для споживачів контенту, стягуючи плату в розмірі 0,30 доларів США за 30-хвилинний сеанс, з максимальною оплатою в розмірі 5 доларів США за користувача на місяць (10 доларів США за користувача на місяць, якщо ввімкнено Q). Автори контенту Amazon QuickSight платять за кожного користувача на місяць із необов’язковими знижками на річні зобов’язання.
Сильна інтеграція з AWS: AWS є одним із найбільших постачальників хмарних послуг у світі за доходами. Багато організацій інвестують значні кошти в AWS для створення основ своїх даних і аналітики. AWS вже досяг значного прогресу з Amazon Redshift, Amazon Athena та Amazon EMR. Amazon QuickSight вбудовано інтегрується з існуючими платформами безпеки та джерелами даних AWS.
Застереження щодо Amazon
Повільне сприйняття клієнтами як корпоративної платформи ABI: частка ринку Amazon QuickSight як корпоративної платформи ABI залишається низькою порівняно з конкурентами. «Бажання рекомендувати» Amazon QuickSight оцінювалося в нижньому квартилі 20 постачальників у цьому дослідженні згідно з даними Gartner Peer Insights протягом періоду оцінювання. Однак ця оцінка суттєво покращилася, дивлячись на перевірки, виконані за останні 12 місяців.
Відсутність екосистеми бізнес-додатків: AWS не має широкої екосистеми власних бізнес-додатків, здатної стимулювати попит на Amazon QuickSight. Подібним чином його нові пропозиції щодо персональної продуктивності та співпраці (Amazon WorkDocs) не мають значного поширення, на відміну від подібних пропозицій від Microsoft і Google. Це обмежує як можливості AWS стимулювати попит бізнес-користувачів, так і порівняльну привабливість Amazon QuickSight.
Центрованість AWS: Amazon QuickSight працює лише на AWS. Відсутність можливості охопити багатохмарний світ суперечить тому факту, що більшість організацій матимуть дані в кількох хмарах. Незважаючи на те, що AWS може змусити Amazon QuickSight працювати для гібридного підключення даних — за допомогою SPICE або прямого запиту — розгортання платформи обмежено AWS. Як наслідок, зростання AWS на ринку платформ ABI відбуватиметься здебільшого за рахунок власної встановленої бази.
Примітка DSS BI analytics+. Доцільно враховувати, що на початку грудня 2022 року перед початком публікації Gartner MQ-2022 for ABI, Google, Amazon, Microsoft і Oracle отримали розділене фінансування у рамках реалізації програми JADC2 - Joint All-Domain Command and Control ("Об’єднане командування та контроль за всіма доменами") для JWCC - Joint Warfighting Cloud Capability.Крім цього для реалізації Joint Worldwide Intelligence Communications System (JWICS) допущена також компанія IBM. Це підвищує позиції Google, Amazon, Microsoft, Oracle, IBM стосовно вказаного у Gartner MQ-2022 for ABI.
Google є претендентом у цьому магічному квадранті. Looker — це хмарна платформа ABI, яка пропонує висококеровану аналітику, включаючи візуалізацію самообслуговування та інформаційні панелі, засновану на семантичному рівні LookML.
Looker продовжує підтримувати багатохмарні сценарії як з точки зору розгортання, так і з точки зору підключення до бази даних, і продовжує поглиблювати інтеграцію з іншими продуктами в стеку Google Cloud з моменту придбання в 2020 році.
У 2021 році Looker поглинув Google Data Studio та її команду з розробки продуктів, плануючи глибоко інтегрувати взаємодію з користувачами в обох продуктах згідно з дорожньою картою. Нова структура розширення Looker — це повністю розміщена поверхня для розробки, яка дозволяє розробникам створювати додатки на основі даних.
Сильні сторони Google
Архітектура та управління в базі даних: Looker пропонує прямий запит до хмарних баз даних, озер і програм як основний метод підключення даних. Це дозволяє користувачам залишати дані там, де вони є, користуючись перевагами віртуалізованого семантичного рівня LookML. Google планує відкрити рівень моделювання даних LookML для інших платформ ABI (Microsoft Power BI, Tableau), а також для своїх власних активів, включаючи Data Studio, Google Sheets і Google Slides.
Ресурси для розробки додатків. Портал для розробників, API, набори для розробки програмного забезпечення (SDK) і структура розширення (включаючи словник даних) дозволяють клієнтам і виробникам комплектного обладнання створювати програми, орієнтовані на клієнтів, і вбудовувати аналітику в бізнес-процеси. Нові функції включають готову бібліотеку компонентів інтерфейсу користувача (візуалізації) і готові «дії» для надсилання даних або інструкцій у інструменти сторонніх розробників.
Можливості екосистеми Google Cloud Platform ( GCP): Google інтегрував Looker у вихід GCP на ринок. Пакети BigQuery дозволяють спростити налаштування клієнта, щоб стимулювати зростання кількості встановлених GCP. Поглиблена інтеграція продукту та вихід на ринок в інші області Google Cloud, такі як Workspace, ще більше підвищують цінність пропозиції Looker щодо встановленої бази.
Застереження щодо Google
Навички SQL, необхідні для досвідчених користувачів: на відміну від візуального моделювання даних конкурентів із функцією перетягування та розширеної аналітики, Looker потребує кодування для розробників і моделей даних. Він пом’якшує це, пропонуючи попередньо зібрані дані та блоки моделей машинного навчання зі свого Marketplace. Вони стосуються загальних аналітичних шаблонів (Healthcare NLP API, функції штучного інтелекту Contact Center) і джерел (Google Ads і Analytics, Salesforce), а також включають новий API Explorer і діаграми зв’язків сутностей .
Обмежене розширене споживче бачення : функції розширеної аналітики для автоматизованих аналізів, оповідання даних і NLG відсутні, а інтерфейс NLQ слабкий порівняно з конкурентами. Vision для розширених можливостей відповідає потребам аналітиків, але в основному наздоганяє поточний стан розширених можливостей на ринку.
Обмежена глобальна присутність: хоча Google розширив присутність Looker у всьому світі та об’єднує велику базу користувачів Google Data Studio в Азіатсько-Тихоокеанському регіоні, впровадження за межами США, Західної Європи та Японії обмежене.
Примітка DSS BI analytics+. Додатково до примітки для Amazon доцільно враховувати, що Looker Studio на основі Google Analytics - це ймовірно самий потужний web-орієнтований веб-засіб Business Intelligence... Ймовірно, він стане #1 засобом Business Intelligence 3.0 (Cloud Computing).
Microsoft
Microsoft є лідером у цьому магічному квадранті. Завдяки Office 365 і всеохоплюючій перспективній дорожній карті продукту він має величезний ринковий охоплення та імпульс. Microsoft Power BI пропонує підготовку даних, візуальне виявлення даних, інтерактивні інформаційні панелі та розширену аналітику.
Нова можливість «цілей» дає змогу керувати даними та спільно відстежувати ключові показники бізнес-метрик. Power BI в основному розгортається як варіант SaaS, що працює в Azure, але пропонує менш функціональний локальний варіант на сервері звітів Power BI. Microsoft продовжує тісно поєднувати Power BI з Office 365, Microsoft Teams, Excel і SharePoint. У 2022 році бачення Microsoft полягає в тому, щоб зробити Power BI центром для даних і аналітики в організації.
Сильні сторони Microsoft
Узгодженість із Office 365, Teams і Azure Synapse: включення Power BI в Office 365 E5 SKU забезпечило величезний канал для поширення платформи. Оскільки багато клієнтів звертаються до Teams для віддаленої співпраці, можливість доступу до Power BI, а тепер і «цілей» в одному інтерфейсі Teams є переконливою інтеграцією для бізнес-користувачів. Узгодження Power BI і Azure Synapse стосується багатьох даних і аналітичних персонажів і випадків використання.
Поєднання ціна/вартість: Power BI не жертвує якістю, щоб досягти своєї руйнівної моделі ціноутворення. Хмарна служба Power BI має багаті можливості, які включають розширений набір можливостей розширеної аналітики та автоматизованого машинного навчання (autoML).
Потужний портфель і амбіції щодо продукту: Microsoft має чітке бачення перехресного використання Power BI, Power Apps і Power Automate для підвищення цінності бізнесу. Power Apps можна вбудовувати в інформаційні панелі Power BI або отримувати доступ до наборів даних Power BI, а потоки Power Automate можна створювати для виконання різних дій на основі даних. Сервіси на основі штучного інтелекту, як-от аналітика тексту, настроїв і зображень , доступні в Power BI Premium.
Застереження щодо Microsoft
Прогалини в локальних можливостях: порівняно з хмарною службою Power BI, локальній пропозиції Microsoft не вистачає значних функціональних можливостей, зокрема інформаційних панелей, потокової аналітики, попередньо створеного вмісту, запитань і відповідей природною мовою, автоматизованої статистики та попереджень (alerting).
Зауваження DSS BI Group щодо помилки Gartner. У продуктах Microsoft не пізніше 2007 року реалізована чудова система різноманітної системи автоматизації попереджень, або "алертів" (alerts), які можна реалізувати на VBA, або за допомогою макросів, або за допомогою візуального конструктора SQL, або за допомогою мови Power Fx. Ця система автоматизованих "попереджень" повністю відповідає концепції "самообслуговування" "непрограмуючими" користувачами з 2008 року. Автоматизовані "поперередження" (alerts) Microsoft забезпечують різні варіанти віддаленого оповіщення та управління віддаленими фізичними пристроями. Див. авторські статті з прикладами Microsoft alerts та управління від тригерів функцій не тільки OLTP, але й OLAP (ROLAP), Data mining, Text mining:
Круковський І.А. Узагальнена архітектура системи підтримки прийняття рішень на основі Business Intelligence у розширеному тлумаченні / І.А. Круковський // Вісник ЖДТУ. – 2010. – Вип. 2 (53). – С. 103-111.
Круковський І. А. Удосконалені вимоги до реалізації OLAP у DSS для часткових проблемних областей інформаційно-аналітичної роботи / І. А. Круковський // Військово-технічний збірник. - 2010. - Вип. 3. - С. 26-33. - Режим доступу: http://nbuv.gov.ua/UJRN/vtzb_2010_3_8.
Круковський І.А. Проблемні питання розробки геопросторової системи підтримки прийняття рішень на основіBusiness Intelligence 2.0/3.0 / І.А. Круковський // "IV Січневі ГІСи": Інтелектуальна оборона” (науково-практичний форум) / Академія Сухопутних військ імені гетьмана Петра Сагайдачного: Львів, 22-24 січня 2013 р. - С. 40-42.
Круковський І.А. Проблемні питання розробки і реалізації Geospatial Business Intelligence / І.А. Круковський // Геоінформаційні системи у військових задачах : ІІ наук.-техн. семінар 21–22 січн. 2011 року. – Львів : Академія Сухопутних військ, 2011. – С. 117–125.
І.А. Круковський, О.М. Перегуда. Експертна система на гібридній моделі подання знань / Технічні науки : зб. наук. праць. Спецвипуск 1 / Житомир. військ. ін-т ім. С. П. Корольова Нац. авіац. ун-ту. – Житомир, 2010. – С. 58-68.
А.І. Валюх, І.А. Круковський, В.Л. Сімаков. Експертна система, узгоджена з Business Intelligence 2.0 // Вісник ЖДТУ. – Житомир, 2011. – Вип. 2 (57). – С. 53–62 [Електронний ресурс]. – Режим доступу : http://archive.nbuv.gov.ua/portal/natural/Vzhdtu/2011_2/8.pdf.
І.А. Круковський, А.І. Валюх. Удосконалена архітектура об’єднаної із засобами OLAP і DataMining експертної системи з розширеним логічним виведенням на моделі подання знань FPS для геоінформаційної системи / Геоінформаційні системи у військових задачах. Другий науково-технічний семінар 21‑22 січня 2011 року. – Львів: Академія Сухопутних військ, 2011. – С. 153-155.
Business Intelligence NEO (Network Ergatic Organism) [Електронний ресурс]. – Режим доступу : http://dss-bi.com.ua/index.files/BI_NEO.htm.
Також Microsoft дозволяє користувачам проводити аналіз «Що, якщо?», «Як це змінилося?» і «Як це обчислюється?», ін.
Azure як єдиний варіант розгортання: корпорація Майкрософт не надає клієнтам гнучкості у виборі хмарної пропозиції IaaS. У той час як підключення до даних дозволяє багатохмарні та гібридні хмарні сценарії, його служба Power BI працює лише в Azure. Однак клієнти, які використовують Azure, можуть скористатися перевагами глобального охоплення та мультигеографічних можливостей, які пропонує хмарна платформа Microsoft.
Процес публікації вмісту та керування. Створення процесу просування та публікації вмісту Power BI може призвести до значних адміністративних витрат для клієнтів. Завдяки зв’язку «один-до-одного» між опублікованими програмами Power BI та робочими просторами організації можуть вручну керувати багатьма сотнями робочих просторів — проблему, яку Microsoft планує вирішити у своїй дорожній карті. Як керувати використанням самообслуговування — одне з найпоширеніших запитань про Power BI, яке задають користувачі служби запитів Gartner.
Qlik
Qlik є лідером у цьому магічному квадранті. Вона має чітке бачення продукту, пов’язаного з розширеною аналітикою та замкнутим циклом прийняття рішень. Провідний продукт Qlik, Qlik Sense, використовує свій Associative Engine разом із Cognitive Engine для надання аналітичних даних із самообслуговуванням, контекстно-залежної інформації та пропозицій аналітикам і споживачам.
У 2021 році Qlik придбала NodeGraph і Big Squid, додавши більше можливостей до свого великого портфоліо придбань. Цього року компанія Qlik представила Qlik Forts, що дозволяє клієнтам розширювати можливості Qlik Sense SaaS, де б не зберігалися їхні дані . Він також запустив Qlik Application Automation, рішення без коду, яке дозволяє користувачам автоматизувати завдання та робочі процеси даних. У січні 2022 року Qlik оголосила про плани IPO.
Сильні сторони Qlik
Гнучкість розгортання: Qlik надає користувачам гнучкість розгортання локально, за допомогою будь-якого великого хмарного постачальника, у кількох хмарах або комбінації цих підходів. Клієнти також можуть використовувати повну пропозицію Qlik SaaS.
Розширення портфоліо можливостей: Qlik розширила свої можливості, використовуючи поєднання внутрішнього розвитку та стратегічного придбання компаній . Нещодавні придбання Big Squid і NodeGraph дозволять Qlik запропонувати autoML і покращити функції керування метаданими для клієнтів.
Програми залучення клієнтів і грамотності даних: Qlik заохочує клієнтів і потенційних клієнтів використовувати Програму грамотності даних Qlik, щоб стати грамотними в роботі з даними. Клієнти QlikView можуть скористатися програмою модернізації Qlik Analytics для переходу на Qlik Sense для нових випадків використання. Користувачі також можуть використовувати Qlik Executive Insights Center, щоб узгодити аналітику з бізнес-результатами.
Застереження щодо Qlik
Складність ліцензування продукту: Qlik Sense пропонує основні аналітичні можливості та можливості платформи BI в одній ліцензії. Керовані клієнтами розгортання Qlik пропонують такі додаткові компоненти, як Qlik Catalog, Qlik Insight Advisor Chat для взаємодії з чат-ботами та Qlik NPrinting для звітування в режимі 1 за додаткову вартість ліцензування. Платформа Qlik SaaS включає всі можливості в рамках стандартної підписки.
Незмінний ринковий імпульс: дані Gartner про пошук і запити клієнтів показують нижчий імпульс для Qlik порівняно з іншими лідерами в магічному квадранті. Хоча Програма модернізації аналітики Qlik допомагає існуючим клієнтам Qlik перейти на Qlik Sense, деякі використовують можливість повністю переоцінити ринок і оцінити інших постачальників.
Згуртованість продукту: за останні кілька років Qlik здійснив низку придбань (два у 2021 році), щоб заповнити прогалини в продуктах і розширити свій портфель у сфері D&A. Хоча ці придбання були стратегічними, існуючі та потенційні клієнти Qlik викликають занепокоєння через час для повної інтеграції, можливість дублювання функціональних можливостей продукту та, що найважливіше, вплив на майбутнє пакування та ціни.
Salesforce (Tableau)
Salesforce ( Tableau) є лідером у цьому магічному квадранті. Він пропонує візуальне дослідження, яке дозволяє бізнес-користувачам отримувати доступ до своїх даних, готувати, аналізувати та представляти результати. Tableau CRM, колишня Einstein Analytics, надає розширені аналітичні можливості для аналітиків і дослідників даних громадян.
У 2021 році Tableau оприлюднила нові інтеграції Slack і покращила свій досвід NLQ, Ask Data, який тепер включено в усі типи ліцензій разом із Explain Data. Ask Data можна додати до інформаційної панелі як інтегрований об’єкт, а нові лінзи дозволяють аналітикам керувати існуючими наборами даних. Tableau покращив корпоративні можливості, додавши централізовану безпеку на рівні рядків і віртуальні з’єднання даних, які дозволяють користувачам отримувати таблиці даних і керувати ними.
Сильні сторони Salesforce (Tableau)
Орієнтований на бізнес-користувача: Tableau надає бізнес-користувачам інтуїтивно зрозумілий досвід для візуального перегляду своїх даних. Запатентований двигун VizQL підтримує інтерфейс перетягування без коду. Придбання компанії Narrative Science, постачальника розповіді даних, у майбутньому покращить можливості NLG Tableau та розповіді даних.
Аналітична економія : користувачі демонструють фанатське ставлення до Tableau. Екосистема аналітики, створена Tableau, Tableau Economy, об’єднує широку спільноту клієнтів, партнерів і людей, які володіють аналітичними навичками. Сто нових прискорювачів було розгорнуто в Tableau Exchange, а функцію «Найми мене» додано в Tableau Public, щоб допомогти найняти талантів із навичками Tableau.
Можливість екосистеми Salesforce: нова категорія доходу «Дані» включатиме MuleSoft, Tableau і Tableau CRM, усі з яких раніше входили до категорії «Платформа та інше», демонструючи цілеспрямовані інвестиції Salesforce у бізнес даних і аналітики як частину своєї екосистеми.
Застереження щодо Salesforce (Tableau)
Ціноутворення преміум-класу: у порівнянні з постачальниками хмарних технологій на цьому ринку вартість ліцензії Tableau є високою, і це питання підняли клієнти під час запитів до Gartner. Tableau Prep Builder постачається разом із ліцензією Creator. За керування даними, керування сервером і Einstein Discovery стягується додаткова плата; однак новий корпоративний план передплати поєднує керування даними та керування сервером, щоб допомогти клієнтам масштабуватись.
Обслуговування та підтримка: рецензенти Gartner Peer Insights повідомляють, що Tableau трохи нижче середнього, коли йдеться про загальне обслуговування та підтримку, зокрема щодо своєчасності відповіді постачальника. Деяким клієнтам Tableau незрозумілий процес пошуку підтримки Tableau, яку вони очікують. Крім того, незважаючи на те, що це не вплинуло на організацію підтримки, Tableau більше не здійснює операцій безпосередньо в материковому Китаї, що викликає стурбованість регіональних клієнтів.
Еволюція досвіду Einstein Discovery: процес створення та розгортання моделей машинного навчання без коду Einstein Discovery від’єднаний від користувацького досвіду Tableau. Користувачі перенаправляються до Tableau CRM Studio в Salesforce, де вони повинні повторно підключитися до бажаного набору даних для навчання моделі, а потім вручну зіставити поля, які використовуються під час навчання, у поля, які використовуються в Tableau. Плани щодо усунення цього досвіду користувачів є в дорожній карті Tableau на 2022 рік.
SAP
SAP є провидцем у цьому магічному квадранті. SAP Analytics Cloud — це хмарна мультитенантна платформа з широким набором можливостей візуалізації даних, звітності та розширеної аналітики. Він тісно інтегрований із можливостями корпоративного планування SAP та екосистемою додатків SAP.
У 2021 році SAP зосередилася на покращенні зручності використання, продуктивності та спрощеному UX між SAP Analytics Cloud і Data Warehouse Cloud. Його оптимізовані засоби перегляду історій і дизайнери історій допомагають менш технічним користувачам проектувати, орієнтуватися та взаємодіяти з історіями. Analytics Designer, середовище розробки SAP Analytics Cloud із низьким рівнем використанням коду, використовує нові пакети SDK та API для створення аналітичного дизайну додатків, які використовують усі можливості SAP Analytics Cloud.
Сильні сторони SAP
Незрівнянне підключення SAP: SAP Analytics Cloud пропонує зручне власне підключення до корпоративних програм SAP, включаючи SAP S/4HANA. Він вбудований у хмарні програми SAP, такі як SAP SuccessFactors і SAP Ariba. SAP Analytics Cloud безпосередньо запитує локальні ресурси SAP (SAP BusinessObjects Universe , SAP Business Warehouse та SAP HANA) для отримання поточних даних.
Розширені можливості та аналітика замкнутого циклу: SAP Analytics Cloud дозволяє користувачам проводити аналіз «Що, якщо?», «Як це змінилося?» і «Як це обчислюється?». Він також пропонує потужну функціональність для NLG, NLP та автоматизованих аналізів. Він має вбудовані функції для планування, аналізу та прогнозування, що відрізняє його від майже всіх конкуруючих платформ.
Прискорювачі аналітики для бізнес-додатків SAP: SAP Analytics Cloud є частиною ширшого портфоліо D&A, що включає SAP Data Warehouse Cloud і пропонує готовий бізнес-контент для різних галузей і напрямків бізнесу в Інтернеті. Він містить моделі даних, історії та візуалізації даних, шаблони для програм SAP Digital Boardroom та вказівки щодо використання джерел даних SAP.
Застереження щодо SAP
Нижча динаміка: SAP має нижчу ринкову динаміку порівняно з лідерами ринку, згідно з даними запитів і пошуку Gartner, оглядом оголошень про вакансії на сторонніх веб-сайтах і аналізом соціальних мереж. Дві третини рецензентів Gartner Peer Insights використовують SAP Analytics Cloud протягом двох років або менше. Це свідчить про позитивні ознаки майбутнього впровадження, але пом’якшується загальним оцінюванням клієнтського досвіду від тих самих рецензентів, дещо нижче середнього.
Обмежене застосування за межами екосистеми SAP : SAP Analytics Cloud продає переважно наявні клієнти бізнес-додатків і застарілу базу встановлених BI. Клієнти, які не мають програм, орієнтованих на SAP, або екосистеми даних рідко вибирають SAP Analytics Cloud на основі розмов із клієнтами через службу запитів Gartner.
Розгортання лише в хмарі: SAP Analytics Cloud — це хмарна платформа (хоча вона може надсилати запити на локальні дані). Клієнти, які шукають локальне розгортання, повинні використовувати SAP BusinessObjects BI і підтримувати SAP Analytics Cloud, а також функції аналітичного каталогу та конектор Universe для повного гібридного розгортання. SAP Analytics Cloud і SAP BusinessObjects BI мають різні дорожні карти, графіки підтримки та обслуговування.
Згідно з методологією Magic Quadrant від Gartner, кількість охоплених постачальників обмежена 20. Однак є ще багато постачальників платформи ABI, які не охоплені цим дослідженням.
Огляд ринку платформ ABI
Згідно з аналізом Gartner, дохід на ринку Analytics & Business Intelligence Platform (платформ ABI) зріс на 16% у 2020 році порівняно з 19% у 2019 році та досяг трохи більше 7 мільярдів доларів. Ціновий тиск і сильна конкуренція в основному спричинили це невелике уповільнення. Хоча витрати на ABI платформи зростають повільніше, ніж у 2010-х роках, кількість людей, які використовують платформи ABI, стрімко зростає до мільйонів. Таке величезне збільшення кількості користувачів пояснюється дедалі більшою різноманітністю варіантів використання аналітики внаслідок пандемії в поєднанні з більш доступними цінами, причому ціна за користувача є лише часткою від тієї, що була десять років тому.
Поширення можливостей розширеної аналітики (augmented analytics) ставить ринки ABI, науки про дані (data science) та платформ машинного навчання (ML platform) на курс зіткнення. Платформи ABI дедалі частіше включають функції для виконання розширених завдань науки про дані та машинного навчання, причому прогнозні моделі виконуються «за лаштунками», а розуміння «спливає» в рамках процесу ABI. Платформи Data Science та ML, зі свого боку, дедалі частіше мають розширені можливості перетворення та виявлення даних, такі як візуалізація даних, які традиційно більш характерні для платформ ABI.
Ринок постійно розвивається, і багато платформ ABI додають можливості для громадянських аналітиків/розробників (citizen analysts/developers), щоб легко створювати робочі процеси та додатки для автоматизації з низьким рівнем використання коду або без коду. Це поєднання можливостей допомагає розширити бачення аналітики за межі простого надання наборів даних і представлення інформаційних панелей на надання розширеної контекстуальної інформації. Це переорієнтувало увагу на процеси прийняття рішень (decision-making processes) і, зрештою, на вжиття дій, які забезпечують бізнес-цінність (business value).
Першоджерело: Magic Quadrant for Analytics and Business Intelligence Platforms
Примітка DSS BI group. На рисунку 2 поданий Gartner MQ for Analytics and BI Platforms, 2019. Як видно, квадранти Лідерів у 2019 і 2022 роках не дуже відрізняються. Цього доцільно очікувати і в найближчі роки за винятком Google, ін.
Рисунок 2. Gartner Magic Quadrant for Analytics and BI Platforms, 2019
Коментарі