Efektywne modelowanie biznesu wg Kimball Lifecycle,
czyli jak w pełni wykorzystać potencjał wdrożenia Business Intelligence

Sukces wdrożenia Business Intelligence zależy od bardzo wielu czynników, jednak odpowiednie przełożenie potrzeb biznesu na użyteczny, wydajny i elastyczny analityczny model danych jest elementem krytycznym, mającym znaczący wpływ na praktycznie każdy aspekt prowadzonego programu Business Intelligence, a w szczególności na jego przyszłość.

Nikt nie sprzedaje Business Intelligence

Prawda jest taka, że BI nie można kupić. Oczywiście można nabyć licencje wiodących na rynku platform. Można skorzystać z usług doświadczonego integratora. Można też zatrudnić ludzi z odpowiednim doświadczeniem i know-how, jednak o tym, że wdrożyliśmy w naszej organizacji BI, będziemy mogli zakomunikować dopiero wtedy, gdy zapewnimy ciągłe działanie oraz synergię tercetu: skutecznie wdrożonej technologii, wypracowanych procesów analitycznych i raportowych oraz przede wszystkim ludzi o odpowiednich kompetencjach analitycznych.

Wszystko zależy od użytkowników, czyli biznesu

BI jest inwestycją i musi przynosić realne korzyści. W odróżnieniu od klasycznych, operacyjnych systemów IT, gdzie dość łatwo można policzyć ROI, czy inne wskaźniki zwrotu, największa część korzyści z wdrożenia Business Intelligence jest niewymierna, albo przynajmniej trudna do policzenia. Wartość generowana jest tutaj przez użytkowników biznesowych, którzy korzystając z BI, budują w organizacji nową kulturę podejmowania (lepszych) decyzji w oparciu o analizę danych. Nie trudno zauważyć, że sukces naszego wdrożenia BI będzie zależał głównie od chęci i umiejętności biznesu do wykorzystania potencjału Business Intelligence.

Jak więc dogodzić biznesowi?

Przede wszystkim należy zrozumieć potrzeby i wymagania użytkowników. Przeważnie będą oni oczekiwać dostarczenia rozwiązania w pełni odpowiadającego charakterystyce ich pracy i danego biznesu, prostego i szybkiego jak Google (Skoro można przeszukać zasoby Internetu w ułamku sekundy z wykorzystaniem jednego pola tekstowego, to czemu nie miałoby być to równie łatwe i wydajne w środowisku mojej organizacji?) oraz elastycznego i dopasowującego się do zmiennego otoczenia. Dobry system BI musi odpowiadać na powyższe potrzeby, na co składa się cała masa czynników. Jeden z nich - odpowiedni analityczny model danych, wydaje się być kluczowym oraz mającym znaczący wpływ na większość pozostałych elementów układanki Business Intelligence.

Optymalny model danych do analizy

Najbardziej zgodny z ludzką intuicją postrzegania świata (biznesu) jest model wielowymiarowy (wykorzystywany m. in. w narzędziach OLAP). E. F. Codd w 1993 roku zauważał, że "jest z reguły pewna liczba wymiarów, z perspektywy których wybrany zbiór danych może być analizowany. Ta złożona perspektywa, Wielowymiarowy Obraz Pojęciowy, wydaje się być sposobem, w jaki większość ludzi biznesu naturalnie postrzega swoje przedsiębiorstwo". Dodatkowo, poza swoją intuicyjnością, wielowymiarowy model danych posiada inną, niezwykle ważną zaletę - pozwala w prosty sposób formułować zaawansowane zapytania analityczne oraz doskonale nadaje się do optymalizacji pod kątem nawet najbardziej złożonych zapytań (zarówno dla baz danych typu SQL, jak i rozwiązań przetwarzających dane w pamięci RAM).

Modelowanie wielowymiarowe

Każda Hurtownia Danych z prawdziwego zdarzenia (składnic danych, zawierających kopie danych z systemów operacyjnych na potrzeby raportowe nie nazywamy Hurtownią Danych), będąca podstawą systemu BI, powinna być oparta o dedykowany, skrojony na miarę danego biznesu, wielowymiarowy model danych. Zgodnie z teorią, że nie ma nic za darmo (no free lunch theorem), nasuwa się wniosek, że skoro dedykowany wielowymiarowy model danych ma same zalety, to zapewne jego stworzenie jest kosztowne i skomplikowane. I rzeczywiście, jak to w życiu bywa, modelując biznes konsultant BI będzie musiał znaleźć rozwiązanie dla wielu złożonych zagadnień. Przykładowo: Jak zamodelować heterogeniczną hierarchię organizacyjną danego przedsiębiorstwa - Wymusić stałą głębokość wymiaru, skorzystać z tabeli mostkowej, czyli przechodniego domknięcia relacji, czy może wydzielić osobny wymiar podległości w hierarchii?; albo Jak, dla zmieniającej się co roku kategoryzacji asortymentu, umożliwić raportowanie porównawcze pomiędzy dowolnymi kategoryzacjami za ostatnie 3 lata?

Kimball Lifecycle

Mimo, że stworzenie modelu wielowymiarowego jest często zagadnieniem mocno złożonym, nie musi być ono bardzo kosztowne. Na szczęście istnieje usystematyzowana, sprawdzona (i tak na prawdę jedyna na świecie) metodyka - tzw. Kimball Lifecycle (czy jak ją nazywa sam autor - Ralph Kimball - Business Dimensional Lifecycle), która to daje kompletny zestaw technik, narzędzi i najlepszych praktyk budowy, utrzymania i rozwoju kompletnych rozwiązań BI, ze szczególnym uwzględnieniem aspektów wielowymiarowego modelowania danych, jako kluczowego aspektu każdego programu BI. Zakłada ona, że przede wszystkim należy wsłuchać się w potrzeby biznesu, dogłębnie je zrozumieć i od tego zacząć budowę środowiska analitycznego (stąd człon Business w nazwie), dane należy modelować wielowymiarowo (Dimesnsional), a program BI prowadzić iteracyjnie, w oparciu o kolejne, małe, ale za to łatwo zarządzalne i gwarantujące sukces kroki (Lifecycle).

Źródła wiedzy

Wiedzę na temat Kimball Lifecycle najłatwiej czerpać z cyklu kultowych już publikacji Ralpha Kimballa i konsultantów z jego Kimball Group: "The Data Warehouse Lifecycle Toolkit" (traktujący całościowo oprowadzeniu projektów i programów BI), "The Data Warehouse Toolkit" (omawiający szczegółowo aspekty modelowania wielowymoarowego), czy "The Data Warehouse ETL Toolkit" (omawiający aspekty związane z integracją danych z systemów źródłowych i procesami ETL). Niestety nie doczekaliśmy się jeszcze polskich tłumaczeń wymienionych pozycji (mających średnio 600-700 stron), więc konieczne jest ich sprowadzanie, np. z Amazon.com. Innym wartościowym sposobem na poznanie metodyki Kimballa jest cykl jego warsztatów - tzw. Kimball University. Nie trzeba tutaj wysyłać pracowników, czy samemu wybierać się do USA. Warsztaty te organizowane są w różnych częściach świata, m. in. czterokrotnie gościły już w Polsce. W tym roku również będzie można uczestniczyć w szkoleniu "Dimensional Modeling in Depth", które planowane jest na październik w Warszawie.

Marcin Choiński
Źródło: SPS POLAND