Семантическая бизнес-аналитика

Задачи семантической бизнес-аналитики

Способны ли ваши информационные системы ответить на те вопросы, которые действительно критически важны для функционирования бизнеса? Например, на такие:

• Над какими потенциальными сделками нужно работать моим продавцам и маркетологам?
• Что влияет на принятие решений моими потенциальными покупателями?
• Какие технические характеристики моей продукции требует рынок?
• В чем причина неудач наших предложений покупателям?
• Как оптимизировать нашу производственную или ремонтную программу?

Список подобных вопросов можно продолжать бесконечно. Для ответа на любой из них необходимо объединить информацию (не данные!) из нескольких информационных систем компании, внешних источников (новостные ленты, тендерные площадки, форумы, социальные сети и т.п.), и из голов ваших сотрудников.

При этом для ответа на разные вопросы требуется разная информация - значит, нельзя построить раз и навсегда некую витрину данных, и работать с ней. Жизнь каждый день ставит перед бизнесом новые вопросы, и для ответов на них нужны новые виды и источники информации.

Решить эту проблему можно только при помощи технологий семантической бизнес-аналитики.

Ее ключевые особенности:

• Мы не строим базы данных, обладающие жестко заданной структурой. Мы строим информационную модель, способную принять и обработать любые данные. Семантические технологии дают необходимый для этого базис.
• Информационная модель обязательно объединяет сведения из разных источников. Ими могут быть CRM, ERP и другие корпоративные информационные системы, содержащие информацию о бизнес-процессах, внешние источники; возможно и ручное дополнение информационной модели. Главное - модель постоянно автоматически обновляется, оставаясь актуальным источником информации для принятия бизнес-решений.
• Информационная модель превращает данные в знания. Это значит, что вы можете работать с собранной информацией, как со знаниями - то есть, задавать информационной модели осмысленные вопросы (используя разные варианты конструктора запросов, или естественный язык), и получать точные, логически выверенные ответы (в отличие, скажем, от поисковых систем, где результаты запросов носят вероятностный характер).
• На информационной модели легко строить численные алгоритмы поиска оптимальных решений для задач любой сложности.

Чем семантическая аналитика отличается от BI и OLAP?

Сегодняшние средства бизнес-аналитики (BI, OLAP) в основном сконцентрированы на количественном, статистическом анализе бизнес-данных. Большинство подобных систем используют жестко заданные в структуре базы данных наборы параметров и показателей анализа (для их конфигурирования требуются дорогостоящие специалисты). С помощью таких средств сложно описывать и анализировать причинно-следственные связи, трудно формализуемые и многообразные взаимоотношения объектов (например, степень влияния тех или иных факторов на результаты определенных процессов). Семантическая аналитика, построенная на принципе "открытого мира", предоставляет новые возможности решения подобных задач. А в сочетании с принципами нечеткой логики, построения симулятивных ("живых") моделей, ее возможности становятся практически безграничными.

Самым простым средством иллюстрации принципиальных отличий семантической аналитики от других средств анализа является инструмент Facebook Graph Search. Этот поисковый интерфейс, встроенный в социальную сеть, может ответить на вопросы типа "Какие заведения нравятся моим друзьям?", "В каких городах бывали мои родственники?". Понятно, что ни одна система полнотекстового поиска (каковыми являются современные поисковые машины) не сможет дать ответа на подобные вопросы. Если для решения похожих задач использовать системы, построенные на реляционных базах данных (какими являются средства BI и OLAP), то, очевидно, набор вопросов, на которые система сможет ответить, жестко определен набором сущностей, представленных в базе данных (заведения, города, родственники должны быть представлены в соответствующих таблицах и полях БД). Принципиальное отличие семантической аналитики состоит в том, что мы можем вводить в модель любые новые сущности (не родственники, а коллеги; не города, а отели, и т.д.), и использовать их при "формулировании вопросов" системе, не изменяя при этом структуры и содержания остальных частей модели.

Продукты "Бизнес Семантики" для семантической аналитики

Чтобы рассказать об уникальных возможностях семантической аналитики, мы создали три демонстрационных стенда, основанных на нашей системе извлечения знаний (Knowledge Extraction System), которая может стать основой программного решения для вашей компании.

• Система мониторинга новостей энергетического сектора;
• Семантический каталог строительных материалов;
• Аналитическая система для геологии (прототип непрерывной цифровой геологической модели).

Для быстрого и эффективного знакомства с первым, наиболее простым демонстрационным стендом, и возможностями семантической аналитики в целом, мы составили пошаговое руководство, с которого и предлагаем вам начать погружение в мир новых аналитических возможностей: Руководство по знакомству с демонстрационным стендом и возможностями семантической аналитики (PDF, 7.5 Мб)

Интересные возможности извлечения знаний из информации, представленной в семантической форме, предоставляет семантический фреймворк Ontorion, услуги по внедрению которого в рамках комплексных проектов оказывает наша компания.

Комплексное техническое решение по семантической бизнес-аналитике включает следующие компоненты:

• SPARQL-хранилище информационной модели;
• Редактор информационной модели Onto.pro;
• Шину "Бизнес-Семантика", предназначенную для наполнения модели информацией из реляционных баз даных (CRM, ERP и др.);
• Систему извлечения знаний (KES-модуль разработки нашей компании, и/или семантический фреймворк Ontorion), представляющую собой инструмент работы аналитика.

Свяжитесь с нами, чтобы получить детальное коммерческое предложение по созданию и внедрению семантической системы бизнес-аналитики.