Nowa twarz Business Intelligence

Nowa twarz 

Business 

Intelligence 

1

2 

Spis treści 

Liczba na torturach Robert Jesionek 

Excel Rulez! Luiza Warno, Orange, Paryż 

Od BI do „Big Data” Tomasz Słoniewski, IDC CEMA 

Subiektywny przegląd rynku BI i jego przyszłość Rafał Gabinowski, INFOVIDE-MATRIX 

Szybciej, więcej, dalej, czyli: dokąd zmierza Business Intelligence 

Andrzej Miktus i Wojciech Wronka, Infovide-Matrix SA 

Najnowsze trendy w Business Intelligence Marcin Choiński, BI.PL 

BI in-memory - nie wszystko złoto co się świeci Marek Grzebyk, Hogart Business Intelligence 

Big Data – Quick Start Guide Patryk Choroś, SAS Institute 

W krainie OSBI Marek Ziętek i Sławomir Folwarski, Carrywater 

Dane to nie tylko liczby Paweł Wróblewski, Findwise 

Drodzy CEO - użyjcie wiedzy o kliencie, którą macie w systemach informatycznych! 

Jacek Czernuszenko i Michał Możdżonek, REISS Group 

Być w 15% Sławomir Folwarski i Mateusz Ossowski, Carrywater 

Revenue Intelligence sposobem na zwiększenie rentowności 

Monika Kacprzyk i Michał Jaślan, ATOS 

Czynniki ryzyka wdrażania projektu BI oczami praktyka Małgorzata Korycka-Purchała 

System BI w GRUPIE ATLAS Robert Korn, SAS Institute 

ZOZ na poziomie biznesowym Jacek Jaworski, TETA BI CENTER 

Skuteczne wdrożenie systemów CRM – rola doradcy Biser Jorgow, Pentegy 

Efektywne modelowanie biznesu wg Kimball Lifecycle Marcin Choiński, BI.PL 

Business Intelligence w komentarzach menedżerów 

BI nowej generacji Biser Jorgow, manager, Pentegy S.A. 

Rozwiązania Business Intelligence Marek Martofel, EMC Poland 

Rola CRM w zmiennej rzeczywistości Michał Jackowiak, CEO, JADE, A Bull Group Company 

Rozwiązania klasy BI Paweł Gajda, Business Solution Consultant SAP Polska 

3 

4 

8 

14 

20 

26 

36 

40 

46 

54 

60 

64 

70 

76 

84 

92 

98 

104 

108 

110 

111 

113

Liczba na torturach 

Nie sposób polemizować z Misiem Yogi, który powiedział, że trudno jest coś przewidzieć, zwłaszcza 

jeśli chodzi o przyszłość. A jednak przewidywać trzeba. Dobra prognoza to więcej, niż połowa sukcesu 

i wie o tym każdy, kto choć raz musiał przygotować np. plan sprzedaży. Dlatego menedżerowie lubią 

raporty. Lubią czytać cyfry i między cyframi, choć sami nie cierpią tych raportów przygotowywać. 

Mówią, że od tego powinien być właściwy system Business Intelligence. Jednak nie zawsze są skorzy 

do inwestowania w nowoczesne narzędzie tego typu. Przed CIO często więc stoi dylemat: lobbować 

za kupnem wysokiej jakości systemu BI, czy wyciągnąć z legendarnego i wszystkoliczącego arkusza 

ile się da? Oczywiście kryterium wyboru znów mogą być cyfry, choć znajdą się tacy, którzy powiedzą, 

że liczba skutecznie torturowana w Excelu przyzna się do wszystkiego... 

Tę publikację otwieram tekstem Luizy Warno, jak zwykle niepokornej i myślącej niezależnie, która 

po kilku latach publicystycznego milczenia powraca w świetnej formie. Jej tekst jest prowokacyjny, 

nie dla wszystkich poprawny, dla niektórych może wręcz nie do przyjęcia, ale nikogo nie pozostawiający 

w obojętności wobec (realnych) realiów rynku – właśnie o takie „teksty otwarciowe” walczą redaktorzy. 

Mam zresztą nadzieję, że cała publikacja, w której znalazły się artykuły bardzo mądre i nie zazdrosne 

o dostęp do unikalnej, często bardzo osobistej wiedzy, okaże się dla Państwa ważna. Dlaczego? 

Bo światli menedżerowie wyraźnie dostrzegają konkretne wartości w biznesowej inteligencji – 

jakąkolwiek miałaby ona postać. A jednak, spora część z nich wciąż potrzebuje mocnych argumentów ZA. 

Wierzę, że „Nowa twarz Business Intelligence” okaże się dla nich przydatna w poszukiwaniu odpowiedzi 

na wiele ich pytań. 

Zaproszenie do współtworzenia tego projektu przyjęli naprawdę Mądrzy Ludzie, których bardzo cenię. 

Jestem im bardzo wdzięczny za otwartość w dzieleniu się swoją wiedzą. 

Redaktor 

3

4 

Excel Rulez! 

Luiza Warno, Orange, Paryż 

Czasy się szybko zmieniły i nasza zdolność do adaptacji musi być taka, jak przystało 

na kameleona. Niestety, firmy z obszaru BI kameleonami nie są, więc pole do popisu pozostaje 

dla szybko myślących CIO. 

Już nie pamiętam jak dawno temu napisałam 

tekst pod tytułem „Biznesowa Indolencja – 

czy sposób na inteligentne zarządzanie”*, 

ale z pewnością minęło ładnych kilka lat. Wtedy 

całkiem naturalnie wierzyłam w tzw. „power of 

terabytes”, czyli moc terabajtów. Wtedy też świat 

wydawał się stać otworem przed rozwiązaniami 

klasy Business Intelligence, bo tak woleliśmy 

nazywać super drogie rozwiązania w obszarze 

hurtowni danych. Dzisiaj już nikt prawie nie 

używa nazwy BI. Bo BI się przeżył zanim 

zdołał dorosnąć. 

Na początku lat 2000-ych (właściwie, to 

jak mamy je nazywać? lata osiemdziesiąte 

i dziewięćdziesiąte - to proste, a ten 2000 

jakoś taki niewygodny…) propagowałam 

mocno koncept BI i rozwiązania z tego obszaru. 

To były czasu boom-u rozwiązań z obszaru 

obsługi klienta. Te całe masy danych, które 

trzeba było przetworzyć, aby lepiej raportować 

co się dzieje w firmie i z klientami firmy. 

Boom był rzeczywiście wielki. Fundusze też, 

więc zaczęły wyrastać wielkie długo-terminowe 

projekty w obszarze BI. Wielkie hurtownie 

danych z wysokim poziomem terabajtów. 

No i oczywiście wysokimi kosztami. Jeszcze wtedy 

nikt nie myślał o real time ale w drugiej połowie 

lat 2000-ych już tak. Tylko, że tak naprawdę 

ten real time w BI nigdy nie zdołał się w pełni 

rozwinąć,... bo przyszły ciężkie czasy. Klienci 

zrobili się kapryśni. Zaczęli zmieniać dostawców 

(i nie mam tutaj na myśli tylko klientów 

firm telekomunikacyjnych) jak przysłowiowe 

rękawiczki. Kto oferował taniej, ten był Królem. 

Trochę przeszkadzały te dwuletnie kontrakty 

na początek, ale też dawało się to znieść. 

Ja sama, będąc jeszcze poza macierzystą firmą, 

zrezygnowałam z przedłużenia kontraktu 

(prywatnego!) z Orange Polska, bo Pani która 

mnie do tegoż przedłużenia namawiała dzwoniła 

do mnie dzień w dzień przed 8 rano i pomimo 

tego, że ją szczerze namawiałam do telefonów 

w porach po-południowych ... nie dawała za 

wygraną. Poza tym, jej ton głosu był raczej 

nad wyraz rozkazujący, niż mile radzący więc 

... podziękowałam Orange Polska! Później się 

u nich zatrudniając… 

Obsługa klienta jest bardzo bliska memu sercu 

i dlatego dzisiaj już nie wierzę w te założenia 

BI, o których tak gorąco dyskutowaliśmy 

na początku .... XXI wieku (brzmi znacznie 

lepiej, nieprawdaż?!) Czasy się szybko zmieniły. 

Na przełomie 2007-2008 zaczęły się dziać 

dziwne rzeczy na rynkach finansowych, 

niezrozumiałe dla większości zjadaczy chleba. 

Spowodowało to, iż firmy zaczęły tracić na 

wartości (nie wiedzieć dokładnie czemu) i zaczęły 

przyglądać się dokładnie temu, jak zarabiają 

pieniądze i jak je wydają. Klienci czyli normalni 

ludzie, również zaczęli patrzeć na co i ile 

wydają. A w szczególności na rachunki z firm 

telekomunikacyjnych, nieważne czy chodziło 

o telefon w domu, czy o komórkę. Zaczął się 

kryzys gospodarczy, o którym nadal tak głośno, 

a który tak naprawdę oznacza, że zwykli 

zjadacze chleba (mam nadzieje, że nikogo nie 

obrażam) po prostu chcą płacić mniej za rzeczy, 

które są dla nich coraz bardziej dostępne. 

W tym szczególnie telefony komórkowe.

Mamy dzisiaj dwa światy. Świat tzw. rozwijający 

się (gdy byłam w szkole podstawowej, to 

uczyli nas o krajach Trzeciego Świata, jakoś nie 

zauważyłam kiedy ta nazwa zniknęła) i świat 

rozwinięty. W kontekście puenty, do której 

mam nadzieje nadal zmierzam, trzeba te dwa 

światy rozróżnić pod katem jak najbardziej 

konsumenckim. Otóż, dzisiaj w krajach takich jak 

Chiny czy Indie, czy chociażby kraje południowej 

Ameryki, telefon jest artykułem prawie tak 

ważnym jak woda. Możesz nie mieć miski ryżu 

do zjedzenia (i mam nadzieje że nie zostanę 

za to stwierdzenie pognębiona), ale telefon 

komórkowy musisz = chcesz mieć. Dlatego 

w tamtych krajach karty SIM sprzedają się 

jak świeże bułeczki. Nawet się je tam rozdaje. 

Bo tam jest rynek nowego klienta. 

W świecie tzw. rozwiniętym telefon komórkowy 

jest już dobrem zastanym. Nowych klientów 

nie ma, chyba że odejdą od konkurencji. 

Tego klienta trzeba teraz utrzymać, czarując 

go nowymi ofertami, super obsługą etc. 

Dlaczego więc w Europie tak rzadko mówimy 

o Business Intelligence? Dlatego, że ten 

kryzys i myślenie o kosztach spowodował, 

że drogie w utrzymaniu rozwiązania BI tracą 

na popularności. Nie dostarczają już value 

for money. Dzisiaj, kiedy trzeba ciąć koszty 

operacyjne IT, każdy CIO patrzy najpierw 

na hurtownie, gdzie wydaje dużo pieniędzy, 

a nie jest w stanie uzasadnić potrzeby 

biznesowej. Już dawno przekonywałam moich 

kolegów z dużej firmy BI (nie wspomnę 

nazwy, aczkolwiek większość czytelników 

się domyśli), że nie sztuką jest sprzedawać 

firmie drogie serwery+licencje+utrzymanie. 

Sztuką jest przekonać firmę do rozwiązań, które 

będą tę niesamowicie drogą infrastrukturę 

wykorzystywały dla korzyści biznesowych, 

dla przynoszenia przychodów i budowania 

wartości. Dla oczarowania klienta, który 

powinien pozostać wierny i nie myśleć 

o przejściu do np. tańszej konkurencji. 

Niestety, rozbiły się moje idee o ścianę. 

Dzisiaj nikt z ludzi odpowiadających za 

marketing i sprzedaż nie woła „dajcie mi dane 

i to najlepiej w real time”. Dzisiaj wyzwania 

biznesowe są takie, że w krajach rozwiniętych 

saturacja, czyli nasycenie rynku jest powyżej, 

albo blisko 100%. Szwajcaria jest na poziomie 

140%, Polska nieco poniżej 100. Nikt w Europie 

nie walczy już o nowego klienta. Każdy walczy 

o utrzymanie „starego”. Czy rozwiązania BI 

wdrożone w ostatnich 10 latach są w stanie nam 

to zapewnić? Nie, absolutnie nie. I przyznaję 

się do tego, jako naczelny propagator tych 

rozwiązań. Czasy się bardzo szybko zmieniły 

i nasza zdolność do adaptacji musi być taka, 

jak przystało na kameleona. Niestety, firmy 

z obszaru BI kameleonami nie są, więc pole 

do popisu pozostaje dla szybko myślących 

CIO. Aczkolwiek przyznam, że syndrom dużych, 

drogich i długo-terminowych projektów z 

obszaru BI nadal dotyka wielu CIO z dużym ego. 

W mojej roli jako Europe CIO podróżuję dużo 

po krajach starej Europy, ale też i nowej, 

bo Armenia i Mołdawia są w Europie zgodnie 

z udziałem w Eurowizji (konkurs piosenki). 

Zawsze nalegam na wizytę w Call Center 

i w sklepie na głównej ulicy miasta. 

Zawsze rozmawiam z ludźmi. Staram się robić to 

ad hoc, żeby żadna z osób nie była odpowiednio 

przygotowana na wizytę kogoś z tzw. centrali. 

Słucham i zadaję pytania. Wszędzie problemy 

są takie same. Zbyt wiele systemów. Zbyt wolno 

działają. Dlaczego osoba obsługująca klienta 

nie może mieć jednego ekranu z kilkoma 

funkcjami do obsłużenia? Dlaczego to jest takie 

skomplikowane? Pozostawię te pytania bez 

odpowiedzi, bo dzisiaj znacząca większość CIO 

w dużych telekomach nie jest przygotowana 

5

6 

do otwartej, szczerej dyskusji, często bolesnej. 

Nie tylko w Polsce, ale i w starej Europie, Francji 

nie wyłączając. 

Byłam ostatnio w ramach mojej funkcji na 

Dominikanie. Dyrektor ds. marketingu perorował 

przez ponad 2 godziny, ile to ma fantastycznych 

idei, których IT nie potrafi wdrożyć. IT odpierało 

że Marketing to marzyciele i nie potrafią nawet 

narysować roadmapy, zamiast tego robią zdjęcia 

rysunków z tablicy (to akurat prawda, sama 

widziałam). A nowy CEO, czyli Prezes napierał 

że chce sprzedawać i robić revenue, czyli dochód. 

I jak tu teraz z tego wyjść? Mają na Dominikanie 

hurtownię danych, która spełnia podstawowe 

zadania operacyjne: klient zapłacił, nie 

zapłacił, przekroczył limit etc. Tylko że tymi 

raportami się biznesu nie wygra. Na rynku 

jest konkurencja, która proponuje fajne nowe 

telefony, taryfy, opcje etc. Jak więc być lepszym?! 

Jako CRM używają tam rozwiązania o nazwie 

Clementine, które przez ostatnie kilka lat zostało 

w ogromnym stopniu lat skastomizowane. 

Jak coś się zmienia w jednym miejscu, to im 

się zepsuje w innym. Moja natychmiastowa 

sugestia była taka: wymieńcie to narzędzie 

jak najszybciej! Żeby zrobić wszystko wg 

korporacyjnych sugestii, tzn. wybrać nowy 

system - 6 miesięcy, wynegocjować umowę 

– kolejne 6 miesięcy, wdrożyć nowy system, 

utrzymując przy tym stary – kolejne 2 lata. 

No i mamy 3 lata z głowy. W tym czasie pewnie 

nadejdzie nowy CEO i historia znowu nabierze 

nowego wiatru w żagle. A ja mówię im tak: 

wyłączcie stary system, zróbcie wysiłek obsługi 

klienta i sprzedaży w oparciu o Excel i wdróżcie 

nowe rozwiązania bez kastomizacji, porządkując 

przy tym swoje procesy w 6 miesięcy! W firmie 

zatrudniającej 400 osób i obsługującej 

3 mln klientów to chyba jest możliwe? 

Tylko, że nikt nie ma odwagi pójść tą ryzykowna 

droga. 

Wracając więc do puenty, dlaczego ten 

„excel rulez”. Miałam przyjemność w ostatnim 

tygodniu (upalne dni w Londynie to unikat) 

zjeść lunch z miłym, młodym człowiekiem 

o imieniu Arjun. Spotkaliśmy się jakieś 

4 lata wcześniej przy projekcie o nazwie 

„central decisioning”, który dzisiaj nazywa się 

Compass już po pełnym wdrożeniu. Arjun był 

architektem tego rozwiązania jako konsultant. 

Potem poszedł do Nokii i tam po 2,5 latach 

... znów jest konsultantem. Opowiedział mi 

ciekawą historię. Nokia w czasach początku 

XXI wieku zainwestowała ogromne pieniądze 

w technologie BI ... (nie wspomnę z nazwy 

ale wszyscy się domyślą). Niestety po 2010 r. 

rozwiązania te okazały się kompletnie nie 

adekwatne do zmian na rynku. Arjun jeździł 

dużo po Indiach i Chinach, oczywiście jako 

reprezentant korporacyjnej Nokii. Odkrył 

tam dość szybko, że aby reagować na rynek, 

a zwłaszcza potrzeby klienta, nikt nie potrzebuje 

dyrektyw napływających z fińskiej korporacji. 

W Indiach, przypomnijmy że tam jest dużo 

potencjalnych nowych klientów, sprzedawcy 

mają problem z dostępem do danych, bo kilka 

razy na dzień następują cięcia w dopływie 

energii elektrycznej. A sprzedawać trzeba dalej. 

Arjun miał pomóc hinduskim sprzedawcom, 

jak mieć dostęp do danych z hurtowni offline, 

ale nadal dostępnych w kostce/cube. Bez prądu 

i często bez dostępu do sieci dane miały być 

dostępne na telefonach z systemem Symbian. 

Sprawdzali ze wszystkimi dostawcami BI. 

I udało im się to z ... Excelem. Koszt rozwiązania 

poniżej 200 tys. USD, co oczywiście było nie 

w smak szefowi IT na Global Nokia. 

Arjun już nie pracuje w Nokia. Jest konsultantem 

w Anglii, ale poszukuje nowych wyzwań. 

Gdyby ktoś był zainteresowany. Zapraszam. 

Szczerze mogę go polecić.

Mam nadzieje, ze puenta nasuwa się sama. 

Czasy wielkich i drogich rozwiązań pod egidą 

BI się skończyły. Dzisiaj biznes telekomowy 

wymaga innego podejścia: elastycznego, 

pragmatycznego, łatwo realizowalnego. 

Dlaczego nie Excel? Logika tam jest. 

Wystarczy wiara. Tylko trzeba wielkie ego 

zostawić w domu. 

* Artykuł, o którym wspomina Autorka ukazał się w „CIO Magazyn Dyrektorów IT” w grudniu 2005 roku. 

Wywołał on dyskusję i kontrowersje nie tylko na łamach miesięcznika. Przez długi czas niektórzy konsultanci 

powoływali się na niego w swoich wystąpieniach biznesowych. 

Luiza Warno 

Od stycznia 2010 r. jest CIO na Europę w Grupie Orange, obejmując swą działalnością Polskę, Hiszpanię, Belgię, Rumunię 

i Słowację, a także: Armenię, Mołdawię, Republikę Dominikany. Zanim została CIO, od sieprnia 2008 dowodziła Business 

Intelligence Domain, z sukcesem scentralizowała Data Warehouse Solution Grid. Analizy biznesowe są jej najsilniejszą 

dziedziną. Wcześniej pracowała w Telekomunikacji Polskiej SA, jako części Grupy Orange właśnie w roli Dyrektora 

Działu Analiz. Pracowała także w Pepsico Int. jako dyrektor na Europę Środkową ds. IT. W tym czasie skutecznie włączała 

do firmowego biznesu nowo przejmowane firmy i wspierała rozwijający się rynek rosyjski. Jej zaplecze edukacyjne jest 

zróżnicowane. Swoje lata studiów spędziła na Uniwersytecie Warszawskim i w Wlk. Brytanii. Ma dyplom magistra prawa 

Uniwersytetu Leicester. Obecnie mieszka i pracuje w Paryżu. Angażuje się w działania The European Network for Women 

in Leadership. 

7

8 

Od BI do „Big Data” 

Tomasz Słoniewski, IDC CEMA 

Wartość, to zdecydowanie najistotniejsza cecha wyróżniająca dla Big Data – zarówno 

w kontekście kosztu pozyskania technologii, jak i korzyści, jakie organizacje mogą uzyskać 

w wyniku jej stosowania. 

Gdy w listopadzie 2003 roku rozpoczynaliśmy cykl 

konferencji pod szyldem „IDC Business Intelligence 

Roadshow”, na sali zgromadziła się garstka 

entuzjastów i praktyków oraz duża grupa osób 

zainteresowanych tym nowym, w tamtym czasie, 

zjawiskiem na rynku IT. Liczba firm oferujących 

usługi wdrożeniowe tych systemów była niewielka, 

większość dużych dostawców nie posiadała jeszcze 

systemów BI w swojej ofercie – fala przejęć 

specjalizowanych firm miała ruszyć dopiero 

trzy lata później. Spośród naszych ówczesnych 

partnerów tylko trzy firmy wciąż działają na rynku 

pod swoim szyldem – to Microsoft, Microstrategy 

i SAS Institute. Cognos i Hyperion funkcjonują 

za to z powodzeniem w strukturach odpowiednio: 

IBM i Oracle. 

Naszym głównym celem w tamtym czasie 

była edukacja – zapoznać jak największą ilość 

managerów IT oraz osób odpowiedzialnych 

za analitykę z nowymi technologiami, 

możliwościami jakie daje analiza danych 

z systemów transakcyjnych oraz właściwym 

wyważeniem potrzeb biznesu i zastosowanych 

technologii. Próbowaliśmy pokazać, że analiza 

danych przydaje się nie tylko w wielkich bankach 

czy firmach telekomunikacyjnych, ale że praktycznie 

każda firma o pewnym potencjale danych 

źródłowych może odnieść wymierne korzyści 

z wdrożenia BI. 

Od tamtych czasów minęła prawie dekada. 

Systemy Business Intelligence (nazywane przez 

IDC Business Analytics) stały sie powszechnie 

znanym i wykorzystywanym narzędziem. Wiele 

firm, nawet relatywnie małych, dostrzega korzyści 

z zastosowania narzędzi BI i aplikacji analitycznych. 

Wiedza wdrożeniowa i biznesowo-analityczna 

jest również dużo bardziej dostępna. Światowy 

rynek analityki biznesowej ma się wciąż świetnie 

– prognoza opublikowana w raporcie IDC 

z czerwca 2012 pt. „Worldwide Business Analytics 

Software 2012–2016 Forecast and 2011 Vendor 

Shares” mówi o średniorocznym 10% wzroście 

na przestrzeni kolejnych 5 lat. 

Czy jednak firmy wykorzystały w pełni potencjał 

tkwiący w BI? Wydaje się, że nie zawsze i nie 

do końca. I według mnie nie jest to ich wina 

– po prostu narzędzia, które dotychczas były 

w użyciu miały określone ograniczenia. Wiele z nich 

było natury technicznej (wolne przetwarzanie, 

słaba jakość danych, ograniczona ilość źródeł), inne 

natury biznesowej (ograniczony krąg odbiorców 

analiz, opór zarządów przed wykorzystywaniem 

danych). Wreszcie – systemy BI skupiały się głównie 

na kwestiach finansowych, tylko w niektórych 

przypadkach schodziły na inne pola, takie jak 

systemy billingowe, czy CRM. W wielu przypadkach 

dane zawarte w systemach analitycznych nie mogły 

być w pełni wykorzystane ze względu na czas 

potrzebny na ich przetworzenie i analizę. 

Z wyżej wymienionych powodów wiele ciekawych 

trendów, zjawisk gospodarczych czy zachowań 

klientów umykało uwadze analityków, czy osób 

zarządzających firmami. Lekarstwo na te 

przypadłości pojawiło się wraz z nadejściem idei 

„Big Data” – czyli rozwiązań do przetwarzania 

wielkich woluminów danych. Cechą wyróżniającą 

Big Data jest idea czterech V: Volume (ilość 

danych), Variety (różnorodność analizowanych 

danych i informacji), Velocity (przetwarzanie 

w czasie rzeczywistym) i Value – czyli wartość 

jaką możemy uzyskać z połączenia wszystkich 

poprzednio wymienionych czynników.

Big Data: The ”Four Vs” 

Terabytes Data volume 

Structured 

Batch 

$ 

Source: IDC, 2011 

Volume czyli ilość danych 

Data variety 

Data velocity 

Value 

Gdy myślimy o ilości danych, powinniśmy 

zdawać sobie sprawę, że jest to pojęcie 

względne. Dla niektórych sektorów, albo firm 

dużą ilością będą tera i petabajty, podczas 

gdy dla innych może to być o rząd wielkości 

więcej (np. dla biznesów internetowych 

o dużej skali czy instytucji badawczych). 

Wiele zależy również od charakteru danych 

jakie przychodzi nam analizować. Informacje 

zawarte w ustrukturyzowanych bazach danych 

mogą być dużo większe w rozmiarze niż 

np. archiwa poczty elektronicznej, a mimo to 

ich przeszukiwanie i analiza będą dużo szybsze 

i mniej skomplikowane. W wielu przypadkach 

to jednak informacje zawarte w poczcie są 

dużo bardziej wartościowe dla firmy: mogą 

zawierać informacje o niezadowolonych 

klientach, kontrakty, oferty, projekty techniczne 

itp.). Jednocześnie przeszukiwanie i analiza 

takich danych potencjalnie nastręcza najwięcej 

problemów i wymaga relatywnie największej 

mocy obliczeniowej. 

Petabytes+ 

Unstructured 

Streaming 

$$$$$ 

Variety czyli różnorodność danych 

Różnorodność danych poddawanych analizie 

nie ogranicza się jedynie do podłączenia 

wielu systemów transakcyjnych. W Big Data 

chodzi o połączenie wielu typów danych – 

wspomnianych wcześniej ustrukturyzowanych 

i nieustrukturyzowanych, wewnętrznych 

i zewnętrznych, historycznych i aktualnych. 

Mieszanina taka może być bowiem bardzo 

interesująca z analitycznego punktu widzenia. 

Dobrym przykładem mogą być analizy 

ustrukturyzowanych danych z systemu 

ERP połączone z danymi geograficznymi 

i demograficznymi oraz danymi ze strony 

internetowej. Dzięki temu analityk jest w stanie 

nie tylko zidentyfikować źródła przychodu 

i wydajność poszczególnych oddziałów 

firmy w perspektywie historycznej, ale może 

zobaczyć dane w szerszym tle: potencjału 

gospodarczego regionu, statystyk sieciowych 

i popularności konkretnych produktów na 

stronie firmowej. Dodatkowo, jeśli system 

działa w czasie rzeczywistym, biznes może 

9

10 

stosować określone promocje w celu poprawy 

wyników, tudzież promować określone towary 

na stronie internetowej firmy. Kolejnym 

przykładem takich połączeń jest choćby 

analiza danych pogodowych – a zatem danych 

ustrukturyzowanych ze stacji pogodowych 

i danych geograficzno-klimatycznych, 

pochodzących z obserwacji satelitarnych. 

Możliwość dołączenia tego typu analiz jest 

jednym z podstawowych kryteriów rozróżnienia 

między Big Data a klasyczną analityką. 

Velocity – czyli szybkość analizy danych 

Przetwarzanie danych w organizacjach odbywa 

się wciąż na różne sposoby – od przetwarzania 

wsadowego (batch processing) – gdzie dane 

ładowane są do systemu w określonych 

interwałach, do ciągłego przepływu danych 

z systemów transakcyjnych do systemów 

analitycznych. Chociaż pierwszy ze sposobów 

jest charakterystyczny dla klasycznych systemów 

opartych na hurtowniach danych, to w świecie 

Big Data również jest mocno obecny – właśnie 

tak dostarczane są dane do przetworzenia 

w środowisko Hadoop. Podobnie jest 

w przypadku np. danych pochodzących 

z inteligentnych liczników energii – porcje 

danych ładowane są do systemu zazwyczaj 

co kwadrans. Z kolei ciągły dopływ danych, 

to domena systemów typu CEP (Complex 

Event Processing), które są odpowiedzialne za 

reagowanie na określone zdarzenia, systemów 

do analizy tekstu i wyszukiwania i innych 

rozwiązań dedykowanych do automatycznej 

reakcji na zdarzenia i procesy w środowisku 

informatycznym (np. wykrywanie nadużyć 

w bankowości). Kluczami do oceny potrzeb 

w zakresie szybkości analizy Big Data są procesy 

biznesowe i wymagania użytkowników. Dobrym 

przykładem są np. fundusze hedgingowe 

inwestujące na rynkach światowych – 

w ich przypadku znaczenie mają ułamki 

sekund. Z drugiej strony wyszukiwarki sieciowe 

muszą często „przerobić” ogromne woluminy 

danych, jednak nie musi to się dokonywać 

w czasie rzeczywistym. Podsumowując – 

w Big Data liczy się właściwa informacja 

dostarczona we właściwym czasie i z właściwym 

poziomem dokładności. 

Value czyli wartość 

Wartość, to zdecydowanie najistotniejsza 

cecha wyróżniająca dla Big Data – zarówno 

w kontekście kosztu pozyskania technologii, 

jak i korzyści jakie organizacje mogą 

uzyskać w wyniku jej stosowania. Koszt 

technologii jest bardzo istotną różnicą 

w porównaniu z systemami z przeszłości, 

ponieważ poszczególne elementy układanki 

Big Data istniały od lat – tyle, że nie były 

powszechnie dostępne dla przeciętnej 

firmy. Wielkie hurtownie danych istniały 

w sektorze finansowym, telekomunikacyjnym, 

czy handlu detalicznym. Monitorowanie 

w czasie rzeczywistym również było obecne 

na rynku – chociażby w usługach finansowych 

(trading), przewidywaniu zjawisk pogodowych, 

czy wykrywaniu nadużyć. Analiza danych 

nieustrukturyzowanych w zakresie analizy tekstu 

również nie jest najnowszym wynalazkiem, 

podobnie jak superkomputery do zastosowań 

naukowych. To co wyróżnia obecną 

sytuację, to znacząco niższy koszt pozyskania 

wysokowydajnych technologii obliczeniowych 

i analitycznych. Jest to efekt spadających cen 

sprzętu komputerowego o wysokich parametrach 

oraz dostępności oprogramowania open source 

w „chmurze”. 

Wartość odnosi się również do korzyści, jakie 

osiągają firmy i organy administracji w wyniku 

implementacji Big Data:

• Redukcja kosztów kapitałowych - 

oprogramowanie, sprzęt i inne 

• Wydajność operacyjna – oszczędności 

w kosztach pracy wynikające z bardziej 

efektywnych metod integracji danych, 

zarządzania, analiz i dostarczania 

do użytkownika 

• Udoskonalenie procesów biznesowych – 

zwiększenie obrotów i/lub zysku dzięki 

nowym lub lepszym sposobom prowadzenia 

biznesu w zakresie usprawnienia transakcji, 

zarządzania społecznościami klientów 

czy właściwej dystrybucji usług publicznych 

(zdrowotnych, edukacyjnych lub społecznych) 

Nieporozumienia związane z Big Data 

Podobnie jak w przypadku chmury, istnieje 

wiele nieporozumień dotyczących pojęcia Big 

Data. Wielu dostawców technologii i usług 

próbuje wykorzystać marketingowo to pojęcie 

przyczyniając się do stworzenia szeregu 

mitów na jego temat. Najpopularniejsze 

z nieporozumień to: 

- Relacyjne bazy danych (RDBMS) mają 

ograniczenia skalowalności i dlatego nie są 

częścią koncepcji Big Data 

- Hadoop (czy też inne środowiska oparte 

na koncepcji MapReduce), to najlepszy wybór 

w zakresie technologii Big Data niezależnie 

od obciążeń i zastosowania 

- Epoka usystematyzowanych baz danych 

dobiegła końca, schematy tylko przeszkadzają 

we wdrożeniach Big Data 

- Wdrożenia Big Data potrzebne są tylko w celu 

przetwarzania analitycznego 

- Analityka oparta na Big Data, to coś zupełnie 

nowego i innego, co nie było dostępne do 

czasu stworzenia obecnych technologii 

To prawda, że bazy NoSQL zyskują na 

popularności we wdrożeniach Big Data, jednak 

standardowe bazy relacyjne nadal grają ważną 

rolę na tym rynku. Hadoop jest oczywiście 

najczęściej wymienianym środowiskiem, ale 

nie jest ani jedyną formą zarządzania danymi, 

ani jedyną formą implementacji funkcji 

MapReduce. Wreszcie – sama idea Big Data 

jako czegoś zupełnie nowatorskiego jest 

fałszywa. Koncepcje wykorzystania wielkich 

woluminów danych były wykorzystywane od 

wielu lat. Tym, co rzeczywiście się zmieniło, to 

dostępność tej technologii dzięki spadającym 

cenom oraz możliwości odkrywania zależności 

między wielkimi zbiorami różnych typów danych 

pochodzących z szerokiego spektrum systemów 

źródłowych. 

Co dalej? 

Big Data to wciąż młody i rozwijający się rynek. 

Podobnie jak na rynku Business Intelligence w 

jego początkach, napędzany jest on przez rzeszę 

małych, innowacyjnych firm, które próbują 

poszerzyć i przyspieszyć możliwości działania 

wielkich woluminów danych. Ich głównymi 

obszarami działalności są; organizacja 

i zarządzanie danymi, analizy i wyszukiwanie 

informacji. W Big Data zaangażowane są 

również wielkie międzynarodowe koncerny, 

które postrzegają Big Data jako kolejny czynnik 

wzrostu ich biznesu. Dodatkowo duże znaczenie 

dla rynku Big Data mają inicjatywy takie jak 

Hadoop czy NoSQL, które rzucają wyzwanie 

tradycyjnym podejściom, obecnym na rynku 

często już od ponad 30 lat. Ich właściwością 

jest także to, że umożliwiają społeczności 

przeprowadzanie operacji, które wydawało 

się, że nie będą nigdy możliwe bez wysoce 

wyspecjalizowanego oprogramowania i sprzętu. 

11

12 

Przed rynkiem Big Data stoi jednak wiele 

wyzwań. Aby w pełni się rozwinął, jego 

uczestnicy będą musieli trafnie odpowiedzieć 

na większość z nich. Do najważniejszych zaliczane 

są niedobory kadrowe – brak wystarczającej 

ilości osób z wysokimi umiejętnościami 

w zakresie zaawansowanych analiz. 

Uniwersytety i inne placówki naukowe starają 

się odpowiedzieć na to wyzwanie, zwiększając 

ilość miejsc na kierunkach powiązanych 

z zaawansowana statystyką i naukami 

matematycznymi. Niedostatek umiejętności 

wśród załóg przedsiębiorstw będzie prowadził 

do prac nad rozwojem jednolitych platform 

dostępu do danych, które będą pozwalać nawet 

mniej obeznanym osobom na przeprowadzanie 

analiz na podstawie wielu źródeł – tak 

tradycyjnych jak i nieustrukturyzowanych. 

Intuicyjność jego obsługi będzie kluczem dla 

sukcesu rynkowego – tuż obok zaufania do 

jakości danych generowanych przez taki system. 

Firmy, które zainwestują w rozwój infrastruktury 

Big Data dostaną szansę nie tylko na 

poprawienie działania swoich dotychczasowych 

linii biznesowych, ale także stworzenia nowych, 

opartych na nowych informacjach o trendach 

konsumenckich lub oferowaniu dostępu 

do takich zbiorów innym podmiotom. Wiele firm, 

zwłaszcza w branżach o wielkich ilościach 

danych pochodzących od klientów (finanse, 

telekomunikacja, handel detaliczny, ochrona 

zdrowia, administracja państwowa) może 

w znaczący sposób podnieść wydajność swojej 

działalności i zmodyfikować procesy biznesowe, 

bazując na trendach uzyskanych z repozytoriów 

Big Data. 

W kontekście samego rynku IT, w najbliższym 

czasie możemy spodziewać się kolejnej fali 

przejęć. W latach 2006-2007 producenci 

narzędzi BI Cognos, Business Objects i Hyperion 

zostali kupieni przez wielkich dostawców 

rozwiązań IT – odpowiednio: IBM, SAP 

i Oracle. Podobne zjawisko może nastąpić 

już wkrótce – obiektami przejęć będą firmy, 

które zademonstrują innowacyjne mechanizmy 

powiązane z Big Data, staną się liderami 

swoich rynków i wykażą się dobrą dynamiką 

przychodów. Klienci takich firm będą poszukiwali 

rozwiązań, które przybliżą ich do ideału analiz 

w czasie rzeczywistym. Zainteresowanie będzie 

ukierunkowane na oprogramowanie 

umożliwiające monitorowanie, powiadamianie, 

analizę i inteligentną automatykę procesów. 

Jednocześnie kontynuowana będzie presja 

na dostawców serwerów, pamięci masowych 

i urządzeń – klienci będą oczekiwali dalszego 

spadku cen przy jednoczesnej poprawie 

wydajności tak, aby być w stanie analizować 

coraz szybciej i coraz lepiej. Wielu użytkowników 

systemów Business Intelligence twierdzi, 

że powodują one w organizacji coraz większy 

„głód danych” – wśród użytkowników 

pojawia się coraz więcej potrzeb na coraz 

bardziej skomplikowane raporty i analizy. 

W przypadku Big Data zjawisko to zapewne 

ulegnie znacznemu nasileniu. Systemy Business 

Intelligence wciąż będą w firmach potrzebne 

– zaryzykuję stwierdzenie, że będzie ich coraz 

więcej, zarówno pod względem ilości firm jak 

i procentu pracowników mających do nich 

dostęp. Jednak prawdziwa transformacja biznesu 

będzie wynikała z właściwego wykorzystania 

możliwości, jakie daje nam Big Data.

W niniejszym artykule wykorzystany został raport IDC „IDC’s Worldwide Big Data Taxonomy, 2011”, October 

2011, IDC#231099. W celu uzyskania dostępu do tego raportu i innych z zakresu Business Intelligence, 

Big Data i analityki biznesowej prosimy o kontakt z Pawłem Olechowskim, Account Managerem IDC Polska 

(polechowski@idc.com, +48 22 548 40 53). 

20 września w Warszawie odbędzie się konferencja „IDC Big Data and Business Analytics Forum 

2012”. Serdecznie zapraszamy do udziału w tym wydarzeniu! Rejestracja: www.events.idc-cema.com 

lub www.idcpoland.pl, zakładka „Konferencje”. 

Tomasz Słoniewski 

Dołączył do zespołu IDC CEMA w styczniu 2003 roku. Pracuje w dziale zajmującym się oprogramowaniem, przygotowując 

raporty na temat tego rynku w Polsce i regionie Europy Środkowej i Wschodniej. Brał udział w wielu projektach 

konsultingowych, w ramach których badał wiele obszarów funkcjonalnych oprogramowania komputerowego. 

Publikował artykuły w prasie branżowej w Polsce m.in. na temat oprogramowania bezpieczeństwa, systemów ERP, 

oraz rozwiązań Businesss Intelligence. Jest regularnie cytowany w polskiej prasie; występuje jako prelegent na wielu 

konferencjach, omawiając zagadnienia związane z rynkiem IT. 

Przed dołączeniem do IDC, Tomasz Słoniewski pracował jako specjalista ds. dokumentacji w firmie dostarczającej 

oprogramowanie medyczne na rynek amerykański. Posiada tytuł magistra uzyskany w Instytucie Stosunków 

Międzynarodowych Uniwersytetu Warszawskiego. 

13

Subiektywny przegląd rynku BI 

i jego przyszłość 

14 

Rafał Gabinowski, INFOVIDE-MATRIX 

Cały obszar związany z pozyskaniem, kolekcjonowaniem, analizą i współdzieleniem wiedzy 

dojrzał już na tyle, aby z centrum uwagi zniknęła technologia BI, a zastąpiła ją zdolność 

organizacji do wykorzystania danych i informacji. 

W ciągu kilkunastu ostatnich miesięcy na 

światowym rynku popularność zdobywa kilka 

innowacyjnych, technologicznych rozwiązań, 

pozwalających gromadzić, przetwarzać 

i udostępniać wciąż rosnącą ilość danych. 

Największą świeżość do nieco skostniałej 

oferty rynkowej wnoszą niezależni dostawcy, 

którzy dostrzegli ociężałość innowacyjną 

w istniejących i modernizowanych od lat 

platformach BI dużych dostawców. 

Wydaje się, że BI jest ostatnią ważną technologią, 

która migruje z modelu „ciężkiej wagi”. Model ten 

opiera się na dokonaniu jednorazowego wyboru, 

zakupie, instalacji i późniejszej eksploatacji 

technologii. Większość systemów zarządczych klasy 

ERP/CRM/SCM funkcjonuje w takim modelu, który 

dla IT i użytkowników już w krótkiej perspektywie 

czasu staje się kosztowny i mało elastyczny. 

Głównymi bodźcami zmian na rynku technologii BI, 

które warto wymienić są: 

• konieczność obsługi zwiększającego się 

wolumenu danych i różnorodności ich źródeł 

(minimalizacja czasu pozyskania zestawień), 

• skrócenie time-to-market (udostępnienie danych 

lub tematu analitycznego), 

• minimalizacja TCO (Total Cost of Ownership), 

• wzrost znaczenia rozwiązań wspierających 

eksplorację danych lub specjalistyczną analizę, 

• wykorzystanie wiedzy zawartej w danych 

procesach operacyjnych (pętla zwrotna wiedzy, 

automatyzacja decyzji), 

• narzędzia dla końcowego użytkownika muszą 

być proste, mobilne i „przyjazne”. 

Niewielka innowacyjność dużych rozwiązań 

wzmacniana jest przez niechęć IT do wdrażania 

rozwiązań innowacyjnych. Związane jest to głównie 

z wyolbrzymianym ryzykiem organizacyjnym 

oraz trudnościami w obszarze integracji z już 

funkcjonującą w organizacji architekturą. 

Rozwiązania BI powinno się rozpatrywać 

przynajmniej z dwóch perspektyw: 

• perspektywa IT - jest to konkretna technologia, 

wymagająca konkretnych kompetencji 

w rozwoju i utrzymaniu. Istotną jest kwestia 

architektury (w skrócie zgodności ze 

standardami w organizacji, otwartości), 

• perspektywa użytkowników - BI jest kolejnym 

rozwiązaniem informatycznym (platformą, 

czasami aplikacją), za pośrednictwem którego 

otrzymują standardowe raporty, mają możliwość 

analizy danych. Najważniejszymi aspektami jest 

prostota użycia, dostępność, atrakcyjna 

i czytelna forma wizualizacji. 

Nadal podstawą skutecznych rozwiązań BI 

(wsparcie w podejmowaniu decyzji) jest 

posiadanie odpowiedniej jakości danych. 

Wydaje się, że ten obszar jeszcze długo nie 

znajdzie lepszej formy, niż scentralizowane 

rozwiązanie. W tym miejscu warto nadmienić, 

że nie chodzi o jedną monolityczną platformę, 

a o federację dedykowanych komponentów, 

zarządzanych i rozwijanych w modelu 

centralnym. Federacja w tym ujęciu wymaga 

od poszczególnych komponentów otwartości, 

rozumianej jako możliwość interakcji, zarówno 

na wejściu (np. dostarczenie danych), jak i na 

wyjściu komponentu (pobranie/przesłanie 

przetworzonych danych). Hermetyczność rozwiązań

do niedawna powodowana była ograniczeniami 

technologicznymi lub licencyjnymi, które bardzo 

utrudniały możliwość zbudowania rozwojowej 

architektury. Do niedawna, ponieważ presja 

rynkowa powoduje rozluźnienie takiej polityki 

dostawców. 

Kluczowe aktywności – procesy związane 

ze świadczeniem usługi 

Opierając się na naszym doświadczeniu 

zauważamy, iż skutecznie działający BI powinien 

uwzględniać podejście usługowe. Przykładowe 

usługi, które obsługiwane są przez BI w organizacji 

to: 

• raportowanie obligatoryjne, 

• raportowanie operacyjne, 

• raportowanie zarządcze, 

• analiza danych, 

• budżetowanie i prognozowanie, 

• zapewnienie jakości danych, 

• zapewnienie jakości informacji, 

• pozyskiwanie danych, w tym ze źródeł 

dla organizacji zewnętrznych, 

• silnik obliczeniowy/regułowy, 

• udostępnienie danych do innych systemów. 

Każda z wyżej wymienionych usług powinna być 

realizowana optymalnie do potrzeb i możliwości 

organizacji (nawet poszczególnych działów, 

czy kluczowych użytkowników). Określenie każdej 

z usług np. w ujęciu biznesowym (np. The Business 

Model Canvas – Alexander Osterwalder), pozwala 

efektywnie zarządzać inwestycjami, rozwojem 

architektury BI i podnosić efektywności organizacji. 

15

16 

Każda z usług funkcjonuje w istotnym otoczeniu, 

które charakteryzuje się poniższymi cechami: 

• usługa (oferta) – to: 

– interaktywność – sposób wykorzystania/pracy 

z usługą, np. statyczny raport, drążenie danych, 

eksploracja danych, 

– responsywność – sposób uruchamiania, 

np. na żądanie, wg harmonogramu, 

– time to market – aktualność danych, 

np. po zamknięciu okresu, real time, 

– jakość danych – globalnie spójne lub „as is”, 

– złożoność – dane (nieprzetworzone), informacja 

(dane przetworzone algorytmami - wyliczenia), 

wiedza, 

• klienci – użytkownicy, odbiorcy danych 

i informacji, 

• kanały – sposoby dystrybucji i dostarczania 

informacji, 

• relacje, SLA – zasady dostarczania usług, 

parametry jakościowe, 

• kluczowe zasoby – niezbędne komponenty 

systemowe i kompetencje osób. 

W zaawansowanym środowisku technicznobiznesowym, 

w którym działają złożone usługi, 

kluczowe jest znalezienie złotego środka, 

pozwalającego na szerokie i samodzielne działanie 

użytkowników, przy jednoczesnej spójnej kontroli 

bezpieczeństwa i stabilności działania systemów. 

Z naszej wieloletniej praktyki wynika, że stosowanie 

zbyt dużych ograniczeń powoduje szukanie przez 

użytkowników rozwiązań zastępczych, które 

z reguły nie spełniają korporacyjnych standardów 

i mogą stać się przeszkodą w rozwijaniu 

kultury BI. Znalezienie właściwej kombinacji 

łączącej elastyczność i funkcjonalność oraz 

skoordynowanego rozwoju w gromadzeniu, 

przetwarzaniu i monitorowaniu użycia danych 

jest więc dziś głównym wyzwaniem. Platformy 

korporacyjne na pewno nie stracą na znaczeniu 

i nadal ich rola w organizacji będzie rosła. 

Lecz dodatkowe, indywidualne narzędzia, 

realizujące wybrane funkcjonalności, w naturalny 

sposób przyspieszające realizację zadania, 

będą stawały się standardem. Przed IT stoi 

wyzwanie konsolidacji platform i narzędzi, 

które daleko wykracza poza obecne standardy 

architektury. Kwestia otwartości poszczególnych 

komponentów stanie się bardzo istotna, a IT musi 

na taką przyszłość być przygotowane. 

Perspektywa IT 

Od wielu lat dostępne są mniej lub bardziej 

dedykowane bazy danych i nic nie wskazuje na to, 

aby w krótkim czasie w obszarze przechowywania 

danych zaszła jakaś radykalna zmiana. 

W tej chwili dostępne są*: 

• Bazy relacyjne (np. Oracle, IMB DB2, Microsoft 

SQL, Sybase ASE), 

• Bazy kolumnowe (np. HP Vertica, ParAccel, 

Sybase IQ, Infobright), 

• Bazy wielowymiarowe (np. Microsoft Analysis 

Services, IBM TM1, Oracle Essbase), 

• In-memory (np. Microsoft PowerPivot, 

QlikView, Tableau, Tibco Spotfire, SAP HANA, 

oraz rozszerzenia do baz relacyjnych Oracle - 

TimesTen, IBM – solidDB, MySQL), 

• Inverted index DBMS (jak Attivio, Endeca), 

• Bazy asocjacyjne (jak Saffron Technology 

i Splunk), 

• Bazy typu NoSQL (jak MongoDB, Cassandra, 

CouchDB), 

* wśród wymienionych produktów znajdują się 

takie, które łączą kilka klas. 

Wartym odnotowania faktem jest wzbogacenie 

oferty rynkowej przez rozwiązania wspierające 

potrzebę przetwarzania równoległego na masową 

skalę. Są to rozwiązania łączące elementy 

sprzętowe oraz programowe (ang. Data Warehouse 

Appliance). Obecnie wielu wiodących dostawców

systemów zarządzania bazami danych posiada takie 

specjalizowane rozwiązania. Oprócz pionierskiej 

Teradaty dostępne są Oracle Exadata, IBM 

Netezza, Microsoft Parallel Datawarehouse czy 

EMC Greenplum. Data Warehouse Appliance są 

rozwiązaniami kosztownymi, co pozycjonuje je 

do dużych firm i korporacji. 

Klienci o mniej zasobnym portfelu lub z mniejszymi 

wymaganiami wydajnościowymi mogą już 

skorzystać z technologii w modelu „usługa jako 

serwis” (ang. Software as a Service) lub chmury. 

Usługi w tych modelach świadczą m.in. takie 

firmy jak Microsoft, SAP, Microstrategy. Mimo 

ich atrakcyjności w stosunku do zakupu 

oprogramowania i budowy własnej infrastruktury, 

można je traktować jako wartą rozważenia 

alternatywę dla specyficznych, punktowych 

zastosowań. 

Z wartych odnotowania technologii 

przechowywania i przetwarzania danych warto 

podkreślić coraz intensywniej eksponowane 

rozwiązania specjalizujące się w wykorzystaniu 

pamięci operacyjnej (in-memory). Mimo, iż takie 

rozwiązania dostępne są już od dłuższego czasu, 

za sprawą nieznanych do niedawna produktów 

takich jak QlikView czy Tableau, również Microsoft 

udostępnił swoje ciekawe rozwiązanie w produkcie 

PowerPivot. 

W kontekście analityki czasu rzeczywistego, 

gdzie mamy do czynienia z przeogromną ilością 

danych wejściowych, klasyczne rozwiązania są 

niewystarczające. Sukces firmy Google oparty 

na paradygmacie MapReduce jest obecnie 

rozwijany w projekcie open-source’owym 

fundacji Apache – Apache Hadoop (framework). 

Mimo ogromnego potencjału tego modelu 

co do równoległego przetwarzania wsadowego 

danych, model ten nie jest w stanie spełnić 

wymagań związanych z transakcyjnością, 

aktualizacją danych w czasie rzeczywistym oraz 

działań na zbiorach danych (skomplikowanych 

łączeń). W przypadku potrzeby analizy danych 

napływających strumieniem (np. miliona zdarzeń 

na sekundę) i oczekiwanego wyniku analizy 

w ciągu kilku sekund, niezbędna jest odpowiednia 

architektura przepływu danych. Rozwiązanie 

VoltDB w połączeniu z Hadoop jest już w stanie 

konkurować z dedykowanym rozwiązaniem, 

np. Cloudscale, które uwolniło się od wsadowego 

przetwarzania danych. W takich zastosowaniach 

jak detekcja nadużyć (fraud detection), 

reklama mobilna, usługi lokalizacyjne, 

czy platformy handlowe (trade) mamy szansę 

skutecznie zrealizować. 

Perspektywa użytkownika 

Wspomniane wyżej produkty QlikView i Tableau, 

w szczególnie efektywny sposób realizują 

postulaty użytkowników związanych z samodzielną 

eksploracją danych oraz przyjaznych i niezwykle 

responsywnych narzędzi. Mimo ich „niedostatków” 

pod względem architektury korporacyjnej 

(szybko uzupełniane przez producentów), 

są rewelacyjną propozycją dla dedykowanych, 

tematycznych aplikacji analitycznych. Aplikacje 

takie wyróżniają się zaawansowaną wizualizacją 

danych oraz interakcją z użytkownikiem. 

17

18 

Bogactwo form, umożliwiające lepszą percepcję 

danych, pozwala na pogrupowanie prezentacji 

w formie znanych z dużych platform BI kokpitów 

informacyjnych/zarządczych. 

Rozwiązania takie coraz częściej stają się 

komponentem wdrażanym w organizacjach jako 

uzupełnienie dużych platform BI. Dodatkowym, 

bardzo ważnym atutem, jest ich „lekkość”, związana 

z błyskawicznym (w stosunku do dużych platform) 

cyklem wdrażania i dostarczania wymiernych 

korzyści użytkownikom. 

W dobie upowszechniania się dostępu do internetu 

oraz rosnącej błyskawicznie wydajności urządzeń 

mobilnych (smartfony i tablety), każdy liczący 

się dostawca udostępnia swoje wersje rozwiązań, 

czy to z poziomu przeglądarki WWW, czy aplikacji 

uruchamianych bezpośrednio na urządzeniach 

(np. Microstrategy). 

Dostęp z urządzeń mobilnych, w naszym 

przekonaniu, powinien być podyktowany 

ewidentnymi korzyściami biznesowymi, budującymi 

przewagę konkurencyjną (np. dla pracowników 

w terenie dane są potrzebne tu i teraz, a nie gdy 

wrócę do biura) lub wspierającymi interakcję 

z odbiorcą produktów, czy usług firmy na skalę 

masową. Ciekawym przykładem tendencji 

w tym obszarze jest np. rozwiązanie RoamBI. 

Źródłem danych dla tego rozwiązania może być 

arkusz kalkulacyjny (lub korporacyjna platforma 

BI), który w atrakcyjnej formie jedynie wizualizuje 

udostępnione dane. 

Na zakończenie 

Przyszłość BI, a w szczególności efektywność 

wykorzystania danych, aby stały się użyteczną 

informacją i wiedzą w organizacji, w dużej mierze 

zależy od samych organizacji. Oferta rynkowa 

na pierwszy rzut oka wydaje się naprawdę bogata. 

Stąd bardzo ważną kwestią jest, aby umiejętnie 

wybrać z tego bogactwa. W wyborze na pewno 

pomoże zdefiniowanie i określenie usług wraz 

ze sprecyzowaniem oczekiwanej funkcjonalności. 

Nie należy bać się różnorodności technologii 

wspierającej pracę użytkowników. Należy zadbać 

o poprawność oraz otwartość architektury.

W najbliższym czasie należy się spodziewać, 

że najwięksi dostawcy dostosują się z ofertą 

funkcjonalną i licencyjną do potrzeb rynku 

(w reakcji na wdzierające się innowacyjne 

rozwiązania) oraz, że nastąpi dalsza ekspansja 

rozwiązań wspierających użytkowników 

w samodzielności i eksploracji danych. 

Rafał Gabinowski 

Przyzwyczajenia użytkowników, płynące ze stylu 

jaki wprowadził Google ze swoją wyszukiwarką 

(błyskawiczna odpowiedź na zapytania), będzie 

co raz bardziej wspierana przez wzrost wydajności 

technologii lub wykorzystanie nowoczesnych 

i dostosowanych silników baz danych 

i pamięci operacyjnej. 

Jest starszym konsultantem w Grupie Kapitałowej INFOVIDE-MATRIX, ekspertem w dziedzinie rozwiązań Business Intelligence. 

Powyższy artykuł powstał przy merytorycznym udziale konsultantów Infovide-Matrix S.A. i CTPartners S.A. 

19

Szybciej, więcej, dalej, czyli: dokąd 

zmierza Business Intelligence 

20 

Andrzej Miktus i Wojciech Wronka, Infovide-Matrix SA 

Wyobraźmy sobie sytuację, w której wchodzimy do centrum handlowego, gdzie wita nas 

najnowszy utwór ulubionego wykonawcy, a na telebimach widzimy oferty ubrań w naszym 

rozmiarze i ulubionej kolorystyce. Dodatkowo, na ekranie naszego smartfona pojawia się 

oferta wymarzonej wycieczki, której szukamy już od tygodnia. Patrząc na dostępne dzisiaj 

na rynku rozwiązania możemy się spodziewać, że w ciągu kilku najbliższych lat wdrożenie 

podobnych rozwiązań, stanie się faktem. 

Business Intelligence to termin określający 

klasę rozwiązań informatycznych, służących 

do przetwarzania danych, pochodzących 

z różnorodnych źródeł (np. systemów 

billingowych, sprzedażowych i systemów 

obsługi klienta) w spójne informacje mające 

znaczenie biznesowe (np. – segmentacja 

klientów, rentowność produktów, czy efektywność 

procesów). Ktoś złośliwy mógłby powiedzieć, 

że BI, to informatyczny sposób rozwiązywania 

problemów, które stworzyła informatyka, takich 

jak niespójność danych przetwarzanych w różnych 

systemach, czy trudność stworzenia systemów 

zdolnych sprostać wymaganiom związanym 

z automatyzacją procesów operacyjnych 

i jednocześnie spełniających zaawansowane 

potrzeby dotyczące analizy danych w procesach 

podejmowania decyzji. To jednak byłoby dużym 

uproszczeniem. W istocie, na BI należy patrzyć 

jako na dyscyplinę służącą budowaniu „przewagi 

informacyjnej”, czyli podnoszenia konkurencyjności 

przedsiębiorstwa dzięki wytworzeniu i zastosowaniu 

w procesach biznesowych wiedzy pozwalającej 

podejmować trafniejsze decyzje, we właściwym 

miejscu organizacji i we właściwym czasie. 

Ten strategiczny wymiar Business Intelligence 

nabiera szczególnego znaczenia dziś, kiedy 

informacje wpływające na działania organizacji 

pochodzą coraz częściej nie tylko z ich „wnętrza”. 

Źródłem wartościowej wiedzy pozwalającej 

sprawniej obsługiwać klientów, lepiej 

dopasowywać ofertę do ich potrzeb i skuteczniej 

realizować procesy innowacyjne, staje się otoczenie 

organizacji tworzące jej „ekosystem biznesowy”. 

Te nowe okazje dla rozwoju organizacji idą w parze 

z rozwojem technologii, która coraz lepiej radzi 

sobie z przetwarzaniem wielkich wolumenów 

danych, analizą tekstów, dźwięków, obrazów 

i ludzkiej mowy. 

Tak więc, w chwili obecnej kierunki rozwoju 

narzędzi klasy BI wyznaczają dwa najważniejsze 

trendy: z jednej strony stale zwiększająca się ilość 

informacji, którą można zbierać i przetwarzać, 

z drugiej -innowacje technologiczne pozwalające 

je udostępniać, przetwarzać i analizować. 

W ciągu ostatnich kilku lat rozpowszechnienie 

urządzeń przenośnych, takich jak tablety, smartfony 

oraz aparaty cyfrowe, poprzedzone istotnym 

rozwojem internetu i serwisów społecznościowych, 

spowodowało wygenerowanie niespotykanej 

dotąd ilości informacji, niosących ze sobą duży 

potencjał oraz istotną wartość dla wielu organizacji. 

Niestety w dużej mierze mają one charakter 

nieustrukturalizowany. Jeśli potrafilibyśmy 

wszystkie te informacje zebrać i przetworzyć, 

stworzylibyśmy nowe perspektywy dla wielu firm. 

Wyobraźmy sobie sytuację, w której wchodzimy 

do centrum handlowego, gdzie wita nas 

najnowszy utwór naszego ulubionego wykonawcy, 

a na ekranach telebimów widzimy oferty ubrań

w naszym rozmiarze i ulubionej kolorystyce. 

Dodatkowo, na ekranie naszego smartfona pojawia 

się oferta wymarzonej wycieczki, której szukamy 

już od tygodnia, czekającej jedynie na zamówienie 

w biurze podróży, które znajduje się tuż za rogiem. 

Rodzi się pytanie, czy taka perspektywa to jedynie 

futurystyczna wizja, będąca spełnieniem marzeń 

każdego marketera, czy też obraz niedalekiej 

przyszłości? Patrząc na dostępne już dzisiaj 

na rynku rozwiązania możemy się spodziewać, 

że w ciągu kilku najbliższych lat wdrożenie 

podobnych rozwiązań, stanie się po prostu faktem. 

Narzędzia 

Rozpoczynając przegląd technologii BI, 

w pierwszym rzędzie musimy zająć się zbieraniem, 

przechowywaniem i przetwarzaniem informacji. 

Należy mieć na uwadze również to, że w ciągu 

ostatnich dwóch lat zgromadzono większą ilość 

danych niż w całej dotychczasowej historii, 

a według analityków IDC, w ciągu najbliższej 

dekady, ilość przechowywanych danych 

może wzrosnąć nawet pięćdziesięciokrotnie. 

Pytanie zatem, skąd taki trend? W warunkach 

wzmożonej konkurencji firmy chcą wiedzieć jak 

najwięcej o swoich klientach, a globalna sieć 

i wszechobecne urządzenia elektroniczne oraz nowe 

technologie, znacznie to ułatwiają. Dlatego też, 

ten szeroki strumień danych telemetrycznych, 

oplatający swoim zasięgiem niemal cały glob, 

zaczyna płynąć i zasilać w informacje firmy 

z całkiem nowych w tym obszarze branż. 

Zagadnienia związane z jej przetwarzaniem 

najczęściej określa się terminem „Big Data”. 

Praktycznie każdy liczący się na rynku producent 

baz danych, ma w swojej ofercie rozwiązania 

dedykowane do przetwarzania ogromnych 

wolumenów danych oraz pozyskiwania informacji 

z danych, które nie są uporządkowane w żaden 

sposób, np. z komentarzy umieszczonych 

pod towarami w sklepach internetowych. 

21

22 

Ważne jest jednak to, że mimo znaczącego 

postępu, jaki dokonał się w obszarze rozwoju 

technologii budowy procesorów, pamięci, 

czy dysków, klasyczne urządzenia okazują się 

za mało wydajne, by sprostać stawianym obecnie 

wyzwaniom w zakresie ilości danych. Dlatego 

też konieczna jest zmiana sposobu myślenia, 

wyznaczającego nowy kierunek w stronę 

przetwarzania równoległego na masową skalę. 

Koncepcja takich rozwiązań nie została wymyślona 

dziś. Obecnie jednak da się zaobserwować bardzo 

szybki rozwój rozwiązań takiej klasy, nazywanych 

Data Warehouse Appliance. Rozwiązanie 

to łączy elementy sprzętowe i systemowe, 

zoptymalizowane do równoległego przetwarzania 

danych. Pionierem w tej dziedzinie była Teradata, 

która już 1984 roku, jako pierwsza stworzyła 

tak zaprojektowane narzędzie. Obecnie wielu 

wiodących dostawców systemów zarządzania 

bazami danych posiada w swojej ofercie Data 

Warehouse Appliance. Oprócz wzmiankowanej 

Teradaty istnieją jeszcze rozwiązania, takie jak 

Oracle Exadata, Microsoft Parallel Datawarehouse, 

IBM Netezza czy EMC Greenplum. W większości 

z nich wykorzystana jest architektura Sharred 

Nothing, której założenia sformułował w 1986 roku 

Michael Stonebraker. Bazują one na zasadzie, 

iż duże zadania łatwiej zrealizować, jeżeli podzieli 

się je na mniejsze i wykona w odpowiedniej 

kolejności. Oczywiście w nurcie przetwarzania 

równoległego, duże przetwarzanie dzieli się na 

małe części, a następnie wykonuje przetwarzanie 

wszystkich na raz. Zaletami takich urządzeń jest ich 

wysoka wydajność oraz skalowalność, jednak ze 

względu na ewentualne koszty są to rozwiązania 

skierowane do dużych firm i korporacji. 

Chmura obliczeniowa 

Dla małych i średnich firm stworzenie infrastruktury 

do samodzielnego zbierania i przetwarzania dużej 

ilości danych, związane jest często ze zbyt dużymi 

nakładami finansowymi. Naprzeciw potrzebom 

sektora MSP wychodzą jednak firmy, które 

świadczą coraz modniejsze na rynku usługi typu 

„cloud computing”. Najpopularniejszy model 

takiego przetwarzania polega na wykorzystaniu 

aplikacji Business Intelligence, przechowywanej 

i udostępnianej przez dostawcę za pomocą 

internetu. Taki model, nazywamy SaaS, czyli 

oprogramowanie jako usługa. Usługi takie 

świadczą m.in. Microsoft, SAP, Microstrategy. 

W modelu tym, całość zagadnień związanych 

z zarządzaniem środowiskiem, aktualizacją 

oprogramowania i sprzętu, wydajnością 

i ciągłością działania środowiska spada na 

dostawcę. Model ten może być bardzo korzystny 

i atrakcyjny dla wielu firm, należy jednak pamiętać, 

że nie jest to rozwiązanie pozbawione wad, 

czy ryzyka. Jak pokazały ostatnie wydarzenia na 

krajowym rynku usług oferowanych w „chmurze”, 

kiedy jeden z dostawców w jej wyniku odnotował 

spektakularną awarię, duża część użytkowników 

straciła istotne dane. 

Przechowywanie i przetwarzanie danych 

Dla skutecznego podejmowania decyzji, konieczne 

jest, aby informacje oparte były na prawdziwych 

danych, obrazujących aktualną rzeczywistość. 

Ponadto, uzyskanie pełnego obrazu danych 

wymaga częstego analizowania ich pod różnym 

kątem oraz w różnych przekrojach. Równie ważny 

jest czas przeznaczony na analizę, który powinien 

być maksymalnie krótki, a co za tym idzie szybki. 

Dzięki rozwojowi rynku hardware, możliwe jest 

dzisiaj wyposażenie serwerów przetwarzających 

dane w takie ilości, aby analizy prowadzone nawet 

na gigabajtach danych, mogły być prowadzone 

w całości w pamięci komputera. Rozwiązania 

tego typu nazywane są obecnie „in memory”, 

a ich popularyzacji sprzyja dostępność dużej 

ilości taniej pamięci komputerowej i specjalne 

algorytmy kompresji danych. Pozwalają one 

uzyskać kompresję rzędu pięć do dziesięciu razy. 

Oznacza to, że dla każdych 10 gigabajtów danych,

przechowywanych w pamięci dyskowej, rozwiązanie 

typu „in memory” potrzebuje 1 - 3 gigabajtów 

pamięci RAM. 

W chwili obecnej na rynku są dwie grupy rozwiązań 

tego typu. Pierwsza grupa, której przedstawicielem 

jest rozwiązanie firmy SAP – HANA, jest 

odpowiednikiem tradycyjnej bazy danych. 

Dane są trzymane w postaci ustrukturyzowanej 

w pamięci RAM specjalnego serwera, stworzonego 

na potrzeby SAP - HANA i udostępniane za 

pomocą różnych aplikacji stanowiących warstwę 

raportową. Rozwiązanie takie gwarantuje szybkość 

przetwarzania i udostępnienia informacji. 

Druga grupa narzędzi reprezentowana np. przez 

QlikView, to narzędzia które integrują w jednej 

aplikacji przechowywanie i przetwarzanie oraz 

wizualizację danych. Ich dużą zaletą jest to, że nie 

wymagają specjalnie skonstruowanych serwerów, 

w tym przypadku do ich instalacji wystarczy 

zwykły serwer z dużą ilością pamięci RAM. 

Narzędzia te pozwalają stworzyć w krótkim czasie 

aplikację, pozwalającą w bardzo intuicyjny sposób 

analizować dane. Rozwiązanie takie ze względu 

na koszty wdrożenia i łatwość użytkowania 

wydaje się idealne dla małych i średnich firm. 

W przypadku dużych organizacji, gdzie każdy 

dział ma inne potrzeby informacyjne, należałoby 

tworzyć oddzielne aplikacje dla każdego zespołu. 

Takie podejście w organizacji, w której zachodzą 

częste zmiany, może spowodować trudności 

w utrzymaniu spójności danych, przechowywanych 

w różnych aplikacjach, co będzie skutkować 

znanym problemem chaosu informacyjnego 

- raporty z różnych działów dotyczące tego 

samego zagadnienia biznesowego będą w sposób 

znaczący różne. 

Należy pamiętać, że końcowy użytkownik 

rozwiązania typu Business Intelligence widzi dane 

poprzez narzędzia raportowe. Do chwili obecnej 

na ogół oglądał on raporty w postaci samej tabelki 

lub połączonej z wykresem, pozwalającej na edycje. 

23

24 

Dzisiaj wzrost mocy obliczeniowej procesorów 

oraz większa wydajność baz danych pozwala 

na przedstawienie informacji w taki sposób, 

który ułatwia zrozumienie i analizę danych. 

Na rynku zaczynają dominować rozwiązania 

umożliwiające kontekstową analizę, tzw. „kokpity”, 

kiedyś nazywane menadżerskimi, a teraz dostępne 

dla większości użytkowników. Niewątpliwą 

zaletą kokpitów, czy aplikacji analitycznych jest 

prezentacja powiązanych ze sobą zagadnień 

biznesowych w jednym widoku, w wyjątkowo 

czytelny i atrakcyjny sposób, co zwiększa 

użyteczność prezentowanych danych. 

Proste raporty w formie tabelek i wykresów powoli 

są wypierane przez rozwiązania eksponujące 

dane w sposób atrakcyjny wizualnie, wyposażone 

w różnego rodzaju kontrolki, wskaźniki, alerty itp. 

Silna konkurencja wymusiła sytuację, w której 

praktycznie każdy producent oprogramowania 

raportowego ma w swojej ofercie tzw. „dashbordy”. 

Obecnie patrząc na końcową aplikację użytkownika 

ciężko jest powiedzieć, w jakiej technologii jest 

wykonana, ponieważ dostępne funkcjonalności 

tych narzędzi są najczęściej bardzo podobne. 

Mobilny BI 

Firmy oferujące produkty BI od dłuższego czasu 

usiłowały zainteresować mobilnych użytkowników 

swoją ofertą. Niestety, ograniczenia technologiczne 

związane z przesyłaniem, magazynowaniem 

i prezentacją danych na niewielkim ekranie 

telefonu powodowały, że nie były to rozwiązania 

zbyt interesujące. Jednak pojawienie się na 

rynku smartfonów i tabletów oraz technologii 

umożliwiających bezprzewodowe przesyłanie 

danych, diametralnie zmieniło sytuację. 

Prezentacja najbardziej złożonych raportów 

przestała być problemem, ponieważ dzięki 

urządzeniom mobilnym, klient otrzymuje 

atrakcyjnie wizualnie i równie czytelne informacje, 

jak te prezentowane na ekranie komputera. 

Dlatego można przypuszczać, że większość 

producentów BI w przeciągu najbliższego roku, 

jeśli jeszcze tego nie zrobiła, to już wkrótce 

udostępni oprogramowanie umożliwiające 

przeprowadzenie takich samych analiz na ekranie 

smartfona, tabletu jak i „zwykłego” komputera. 

Zbieranie i przetwarzanie ogromnych ilości 

informacji, ich analiza i prezentacja w czasie 

rzeczywistym są coraz bardziej realne. 

Możliwości technologiczne są coraz większe 

i już wkrótce możemy spodziewać się spełnienia 

futurystycznych wizji twórców fantastyki 

naukowej. Dlatego bardzo prawdopodobnym jest,

że w niedalekiej przyszłości systemy informatyczne 

będą nam podpowiadać na podstawie naszych 

dotychczasowych zakupów i informacji zawartych 

na nasz temat w serwisach społecznościowych, 

o tym co i kiedy kupić. Dodatkowo, narzędzie 

takie pomoże również zadbać o nasze zdrowie, 

przetwarzając informacje o przebytych chorobach, 

czy stosowanej diecie. Już dzisiaj jedna z brytyjskich 

firm ubezpieczeniowych, specjalizująca się 

w ubezpieczeniach samochodowych, stworzyła 

unikalny produkt przeznaczony dla najbardziej 

ryzykownej grupy klientów – młodzieży w wieku 

poniżej 30 lat. Istotnym elementem całego 

rozwiązania są urządzenia telemetryczne, 

montowane w ubezpieczanych autach. 

Narzędzie to rejestruje przebytą drogę, gromadząc 

Andrzej Miktus 

informacje nie tylko o przebytych kilometrach, 

rejonach, w których samochód się poruszał ale 

również o prędkości i stylu jazdy. Tego typu 

informacje są poddane zaawansowanej obróbce 

analitycznej i pozwalają stworzyć bardzo precyzyjny 

rating ryzyka dla każdego ubezpieczonego, oparty 

na rzeczywistych danych zbieranych dzień po dniu. 

Ponadto możliwość wykonywania ratingu 

na bieżąco oraz zapewnienie ubezpieczonym 

dostępu do tych informacji poprzez dedykowany 

portal, czyni cały proces interaktywnym. 

System nie tylko pozwala efektywnie przyznawać 

zniżki tym kierowcom, którzy jeżdżą bezpiecznie, 

ale wręcz motywuje kierowców do zmiany stylu 

jazdy na bezpieczniejszy. 

*** 

W artykule są zamieszczone ilustracje pochodzące z firm SAP oraz QlickTech prezentujące przykładowe kokpity. 

Ekspert w Dziale systemów Business Intelligence Infivide-Matrix. Posiada kilkunastoletnią praktykę w projektowaniu 

i budowie złożonych systemów Hurtowni Danych, a zwłaszcza duże doświadczenia w zakresie analizy, w tym m.in.: analiza 

wymagań użytkownika, analiza procesów biznesowych, przygotowanie i prezentacja prototypów, umiejętność i doświadczenie 

w wykonywaniu analiz danych oraz analiz jakości danych. Szeroka znajomość tematyki biznesowej firm telekomunikacyjnych. 

Specjalizuje się w systemach raportowych od identyfikacji potrzeb użytkowników do wdrożenia gotowego rozwiązania. 

Jest ekspertem od rozwiązania SAP BusinessObjects. W ramach Infovide-Matrix jest odpowiedzialny za kompetencje 

w zakresie systemów Business Intelligence. 

Wojciech Wronka 

Manager w Dziale Technologii Hurtownianych, odpowiedzialny za dydaktykę i rozwój kompetencji związanych z budową 

Hurtowni Danych, przetwarzaniem i integracją danych. Od czternastu lat bierze czynny udział w projektowaniu warstw 

zasilania, kształtowaniu architektury rozwiązań oraz budowaniu strategii rozwoju Hurtowni Danych dla klientów z branży 

Telco. Specjalizuje się budowie rozwiązań w obszaru sterowania zasilaniem, integracji narzędzi ETL, narzędzi kontroli i poprawy 

jakości danych, zarządzania meta-danymi. Szczególne miejsce w obszarze zainteresowań zajmują zagadnienia związane 

z przetwarzaniem równoległym i rozwiązania klasy Data Warehouse Appliance (Teradata, Microsoft Parallel Data Warehouse, 

IBM Netezza czy Oracle Exadata). 

25

Najnowsze trendy w Business 

Intelligence – z czym to się je, 

jak czytać menu i co zamówić? 

26 

Marcin Choiński, BI.PL 

Business Analytics, Big Data, Mobile BI, Cloud BI, Collaborative BI – to tylko niektóre 

z lansowanych w ostatnim czasie trendów na rynku rozwiązań Business Intelligence. 

Czy to jedynie nowe ‘buzzwords’, kreowane celem zwiększenia sprzedaży vendorów 

rozwiązań BI, czy może użyteczne technologie? W niniejszym materiale postaram się 

po krótce opowiedzieć skąd się wzięły, czego dotyczą oraz kto i kiedy powinien zastanowić 

się nad ich wykorzystaniem. 

Business Analytics - nowe „stare” Business 

Intelligence i Performance Management 

Podczas Gartner BI Summit 2012 w Londynie, 

Gartner rozpoczął na dobre lansowanie nowego 

terminu - Business Analitics (BA), w miejsce 

starego, poczciwego Business Intelligence 

(BI). W czym zatem BA jest inne (lepsze?) 

od BI? Z definicji termin ten ma pokrywać 

zarówno aspekty związane z dostarczaniem 

kompleksowych narzędzi analitycznych 

(BI i Data Warehousing), jak i ich metodycznym 

i skutecznym wykorzystaniem, celem lepszego 

przekładania strategii (planowanie, monitorowanie, 

optymalizacja) na realne działania i wydajność 

organizacji (Performance Management). 

Czy ma to jakiekolwiek znaczenie dla samej 

dziedziny, czy biznesowych zastosowań analityki? 

Oczywiście praktyczne żadne, poza nową 

nomenklaturą i kolejnym terminem, którego 

precyzyjnej definicji nikt do końca nie będzie 

w stanie podać i każdy będzie miał jego własne 

rozumienie. Podobnie jest obecnie z terminem 

Business Intelligence, który jedni rozumieją jako 

rozwiązania do raportowania i analizy danych, inni 

włączają w jego zakres również aspekty związane 

z dziedziną Hurtowni Danych (Data Warehousing), 

a jeszcze inni rozumieją przez niego również 

praktyczne wykorzystanie analityki w celach 

biznesowych, czyli dokładnie to, co pod terminem 

Business Analytics definiuje Gartner. 

Jak stare jest Business Intelligence? 

Skoro mamy mówić o nowościach w BI, to warto 

też zwrócić uwagę na to, co było kiedyś. 

Żeby jednak mówić o BI i jego początkach, 

przytoczę najpierw jedną (z wielu) definicji tego 

terminu, którą uważam za najbardziej odpowiednią 

i kompleksową. 

„Business Intelligence to zbiór praktyk, metodyk, 

narzędzi i technologii informatycznych służących 

do zbierania i integrowania danych, w celu 

dostarczania właściwej wiedzy i informacji 

do właściwych osób we właściwym czasie.” 

Jeżeli przyjmiemy takie rozumienie BI, to okaże się 

(z niewielkim przymrużeniem oka), że już starożytne 

cywilizacje skutecznie stosowały analitykę 

i monitorowały pewne kluczowe wskaźniki 

wydajności. Ponad pięć tysięcy lat temu Egipcjanie 

budowali pierwsze tzw. nilomierze, które pozwalały 

im śledzić stan wód Nilu oraz, na podstawie 

odpowiednich odczytów, prognozować stan 

rzeki w kolejnych miesiącach. Dzięki tym danym 

byli oni w stanie przewidzieć, jakie plony będą 

w danym roku, a co za tym idzie, jakie podatki 

mogą zostać nałożone na pospólstwo. Gdyby tylko 

mieli dostępną technologię monitoringu, to być 

może jeden z kokpitów menadżerskich głównego 

ekonoma Egiptu, wyglądałby jak przedstawiono 

na Rysunku 1.

Dużo bardziej współcześnie wyglądające 

zestawienia i raporty powstawały już w XVIII wieku. 

Przykładem może być swoisty data mashup, 

prezentujący na jednym zestawieniu kilka 

różnych informacji w kontekście kilku wymiarów 

(Rysunek 2). Stworzył je w 1821 roku szkocki 

inżynier, grawer i pasjonat polityki gospodarczej 

– William Playfair. Prezentuje ono porównanie 

cen kwartału pszenicy z wynagrodzeniem dobrego 

mechanika w perspektywie czasu (lata 1565-1821) 

zobrazowanej panowaniem poszczególnych 

władców w Anglii, którego celem było pokazanie, 

że pszenica jeszcze nigdy nie była tak tania 

względem przeciętnych wynagrodzeń. 

Inne przykłady innowacyjnych form wizualizacji 

z czasów, kiedy o komputerach jeszcze nikt 

nawet nie marzył (przedstawione na Rysunku 3.), 

to bogata wizualizacja kampanii napoleońskiej 

z wieloma wymiarami na jednym zestawieniu, 

wykres mapowy (oba autorstwa francuskiego 

inżyniera Charlesa Josepha Minarda), czy 

wykres radarowy autorstwa Williama Farra 

(wszystko XVIII w.). 

Oczywiście wraz z rozwojem technologii 

informacyjnych dotarliśmy w ostatnich latach 

do momentu, gdzie analityka biznesowa 

danych jest ściśle związana z rozwiązaniami 

informatycznymi, które utożsamiamy z pojęciem 

Business Intelligence. Kojarzy się nam ona bardziej 

z kokpitem informacyjnym, jak na Rysunku 4., 

niż z kamiennymi schodkami na brzegu Nilu. 

(Kluczowe) zmiany, zmiany, zmiany 

Nie trudno zauważyć, że jednym z kluczowych 

czynników odpowiedzialnych za rozwój 

w dziedzinie analityki biznesowej (jako szeroko 

rozumianego Business Intelligence), jest 

postęp technologiczny (ale również kulturowy 

i cywilizacyjny). Poniżej omówione zostały kluczowe 

zmiany, jakie zaszły w ostatnich dziesięcioleciach 

i latach, które miały kluczowy wpływ na rozwój 

dziedziny Business Intelligence i jej najnowsze 

trendy. 

Rysunek 1. Hipotetyczny kokpit menadżerski głównego 

ekonoma Egiptu sprzed kilku tysięcy lat 

Rysunek 2. Data mashup - William Playfair 1821 rok. 

Rysunek 3. Przykłady zaawansowanych form wizualizacji 

danych z XVIII w. 

Rysunek 4. Przykładowy kokpit menadżerski 

27

28 

Rysunek 5. Kość pamięci ferrytowej 

Rysunek 6. Taktowanie zegarów w komputerach 

z lat 90-tych 

Rysunek 7. Popularny modem transmisji danych 

z prędkością 56 kbit/s 

Coraz więcej coraz tańszej pamięci 

W końcu lat czterdziestych ubiegłego wieku 

wynaleziono magnetyczną pamięć ferrytową, 

która byłą jedną z pierwszych nie-mechanicznych 

form przechowywania informacji. Pamięci tego 

typu stosowane były do końca lat 70-tych. 

Przedstawiona na Rysunku 5. kość, ma wielkość 

strusiego jaja i może pomieścić zaszczytne 

28 672 bajty (4096 56-bitowych słów, czyli 

229 376 bitów, gdzie każdy bit to jeden 

rdzeń ferrytowy). 

Prawo Moore’a, mówiące o podwajaniu się 

liczby tranzystorów w pojedynczym układzie 

scalonym co dwa lata, ma zastosowanie również 

dla pamięci (zarówno operacyjnej, jak i dysków 

twardych). Dodatkowo pamięć ta jest coraz 

tańsza. W 1956 roku 1 megabajt dysku twardego 

kosztował bagatela $10 000, w latach 80-tych 

koszt ten spadł już do $200. W roku 2010 

za 1 centa można było dostać ponad 100 

megabajtów. Spada również czas dostępu do 

pamięci (patrz ostatnia rewolucja związana 

z dyskami SDD). 

Coraz szybsze przetwarzanie danych 

Jeszcze w latach 90-tych, w erze popularyzacji 

komputerów klasy PC, mieliśmy do czynienia 

z zegarami procesorów taktowanymi z prędkością 

20 MHz. Kto nie pamięta przycisku „Turbo” 

(Rysunek 6.) np. na komputerach 486, które 

pozwalały zmienić taktowanie zegara z 20 

na 40 MHz, celem zapewnienia zgodności 

wstecz z programami, które działały w oparciu 

o wolniejsze zegary. Kilka lat temu doszliśmy 

do fizycznych granic możliwości technologii 

półprzewodnikowych, gdzie przy taktowaniu 

zegara na poziomie 4GHz prąd był w stanie 

przebyć całe 8 m. Oznacza to, że pamięć nie 

mogła być fizycznie dalej, jak 4 cm od procesora, 

aby prąd zdążył do pamięci dotrzeć i wrócić 

z wynikami do procesora w czasie jednego taktu. 

Fakt ten, wraz z problemami z chłodzeniem 

tak szybko działających układów sprawił, 

że posiadanie np. 4 rdzeni procesora jest obecnie 

cechą najzwyklejszych komputerów klasy PC, 

a nie rozwiązań serwerowych. 

Coraz większa prędkość transmisji danych 

Dwa miesiące temu firma IBM przeprowadziła 

testy łącza, pozwalającego na transmisję danych 

z prędkością 1 Tbit/s, a jeszcze tak niedawno 

korzystaliśmy z modemów i łączy klasy dial-up,

działających z prędkością 56 kbit/s. Obecnie 

jesteśmy w stanie przesyłać olbrzymie ilości danych 

praktycznie w czasie rzeczywistym. 

Postęp technologiczny w pigułce 

Obraz podobno wart tysiąca słów. Rysunek 8. 

przedstawia postęp technologiczny ostatnich 

dziesięcioleci w pigułce. Współczesne pralki mają 

obecnie lepsze procesory i więcej pamięci niż sonda 

Apollo 11, która pozwoliła Neilowi Armstrongowi 

stanąć na Księżycu i bezpiecznie wrócić na Ziemię. 

Nie tylko technologia się zmienia 

Zmiany, z którymi mamy obecnie do czynienia, 

tyczą się nie tylko aspektów technologicznych. 

Na rynku pojawia się obecnie nowa klasa 

pracowników, a co za tym idzie użytkowników 

biznesowych systemów IT, którzy mają zupełnie 

inne kompetencje oraz zupełnie inne oczekiwania 

wobec rozwiązań informatycznych. Przeciętny 

użytkownik facebooka potrafi publikować 

różnego rodzaju treści, zarządzać uprawnieniami 

do swoich publikacji, definiować grupy 

użytkowników i przypisywać im odpowiednie role 

i uprawnienia – do niedawna była to domena 

jedynie administratorów systemów IT. Przeciętny 

użytkownik iGoogle za to, potrafi zbudować 

swój własny, interaktywny kokpit menadżerski. 

Rzesze osób o profilu biznesowym budują własne 

strony internetowe i blogi w oparciu i silniki 

CMS, takie jak WordPress, a dane o ruchu na nich 

analizują w rozwiązaniach typu Google Analytics. 

Big Data Analytics 

Jednym z głównych trendów w zakresie 

Business Intelligence jest obecnie tzw. Big Data. 

Oczywiście, jak jest to w przypadku większości 

aspektów związanych z BI, brak jest jednej 

i powszechnie uznanej definicji tego terminu. 

Biorąc pod uwagę samą nazwę, która wskazuje 

Rysunek 8. Co ma p...ralka do Apollo 11? 

Rysunek 9. Nowa klasa użytkowników biznesowych 

na duże ilości danych, możemy mówić 

o zbiorach danych o rozmiarach, których 

analiza i przetwarzanie przekracza możliwości 

standardowych systemów baz danych oraz narzędzi 

analitycznych. Takie podejście oznacza oczywiście 

płynną granicę, która obecnie powinna znajdować 

się w granicach setek terabajtów, czy petabajtów. 

Termin Big Data nie jest jednak związany 

jedynie z ilością danych, jakie przetwarzamy 

analitycznie. Jednym z kluczowych aspektów 

jest tutaj różnorodność tychże danych. Dawniej 

analizowaliśmy, głównie ze względu na dostępne 

dane źródłowe i możliwości technologiczne, 

zagregowane dane dotyczące kluczowych transakcji 

dla danego biznesu (np. pozycje z faktur, czy 

paragonów). Z czasem i postępem technologicznym 

byliśmy w stanie gromadzić i analizować dane 

na poziomie poszczególnych transakcji (dla różnych 

procesów biznesowych w organizacji). Technologia 

RFID, czy popularyzacja sklepów internetowych, 

pozwoliły nam na analizę tzw. sub-transakcji, 

czyli zdarzeń, które doprowadziły do transakcji 

(np. obejrzenie przez klienta produktów A, B 

i C, przed wybraniem i zakupem produktu B). 

29

30 

Rysunek 10. Big Data Analytics 

Obecnie (i jest to fakt rynkowy, a nie badania 

akademickie) analizuje się również zdarzenia, które 

doprowadziły do sub-transakcji (tzw. light-touch 

data fragments) – np. poprzez analizę ścieżek (dane 

GPS), jakimi poruszają się klienci i to kiedy i w jaki 

sposób odwiedzają poszczególne sklepy. 

Można powiedzieć, że obecnie Big Data odnosi 

się do rozwiązań, które pozwalają w sposób 

zintegrowany śledzić wszelkie możliwe dane na 

temat interakcji¬ klientów z naszym biznesem. 

Na poziomie biznesowym jest to swoisty transfer 

technologii, z tej zorientowanej na analizę 

transakcji, na zorientowaną na analizę interakcji. 

Od strony technologicznej, Big Data nie jest nową 

klasą systemów, a raczej zbiorem różnorodnych 

rozwiązań i technologii, które wykorzystywane są 

do analityki dużych zbirów danych. Wśród nich 

możemy wyróżnić: 

• Data Warehouse Appliances – zintegrowane 

rozwiązania obejmujące z reguły 

prekonfigurowany sprzęt, system operacyjny, 

system zarządzania bazą danych, referencyjny 

model danych, aplikacje analityczne; 

• Rozwiązania in-memory – narzędzia 

pozwalające na analizę dużej ilości danych 

w pamięci operacyjnej, często na maszynie 

użytkownika końcowego. Z reguły są to 

rozwiązania klasy Data Discovery, zapewniające 

dużą swobodę użytkownikom biznesowym, 

kosztem większych problemów z zarządzaniem 

i utrzymaniem rozwiązania; 

• Kolumnowe bazy danych – technologia 

bazodanowa oparta o przechowywanie 

danych na dyskach w ułożeniu kolumnowym, 

a nie wierszowym (klasyczne RDBMS 

przechowują w sąsiednich komórkach pamięci 

dane wiersza tabeli). Technologia jest znana 

od dawna, jednak została spopularyzowana 

w ramach rozwiązań analitycznych, gdzie 

ze względu na specyfikę dostępu do danych 

(odczyty dużej ilości danych w oparciu 

o filtrowanie po wartości wybranych kolumn), 

przy przechowywaniu i kompresowaniu kolumn 

danych, możliwa jest optymalizacja ilości 

odczytów z dysku (w dzisiejszych czasach 

jest to najbardziej znaczące wąskie gardło). 

Problemem tego typu rozwiązań jest 

odpowiednia konfiguracja, celem wykorzystania 

potencjały technologii; 

• Dedykowane rozwiązania – systemy szyte na 

miarę, pod konkretne zastosowania biznesowe; 

• Optymalizacja – przy analityce dużych 

zbirów danych wciąż nieoceniona jest klasyczna 

optymalizacja, czyli m. in. partycjonowanie, 

kompresja danych, indeksowanie (np. indeksy 

bitmapowo-złączeniowe), tabele zorganizowane 

indeksowo, materializacja (systemy widoków 

zmaterializowanych dla wybranych 

tzw. cuboidów), query rewrite itp. 

W praktyce, w szczególności w Polsce, niewiele 

firm może i w praktyce korzysta z tak dużych 

zbiorów danych i będą to z reguły telekomy, banki, 

ubezpieczenia i instytucje finansowe, czy duże 

sieci handlowe. Zanim zdecydujemy się zapłacić 

za analizy „Big Data”, zweryfikujmy czy nasze dane 

są rzeczywiście „Big”, czy mamy odpowiednie dane 

źródłowe oraz czy mamy odpowiednią potrzebę 

oraz business-case.

Mobile BI – analityka w kieszeni analityka 

Od kilku lat mobilne aplikacje BI znajdują się 

w czołówkach prognoz na przyszłość sposobu 

korzystania z rozwiązań BI. Wydaje się być to 

w pełni uzasadnionym i logicznym trendem, 

biorąc pod uwagę rosnące wykorzystanie tabletów 

i smartfonów oraz ich coraz większe możliwości 

technologiczne. Parametry takie jak 800 MHz, 

64 GB, ekran 960x640 px, 17 milionów kolorów, 

są obecnie dostępne dla przeciętnego użytkownika 

smartfona, a jeszcze relatywnie niedawno były 

nieosiągalne dla klasycznych komputerów. 

Dodatkowo o powszechności wykorzystania 

urządzeń mobilnych może świadczyć fakt, 

że wg danych Apple w 2012 roku 92% firm z listy 

Fortune 500 przetestuje lub wdroży iPady. 

Mimo to, wg raportu BARC „The BI Survay 

10”, tylko 8% firm przyznaje się do korzystania 

z mobilnego dostępu do swoich raportów i analiz. 

Faktem jest, że głównymi zainteresowanymi 

są wysocy rangą menadżerowie i członkowie 

zarządów, którzy z reguły oczekują gotowych 

informacji na życzenie od swoich analityków. 

Z drugiej strony prawie 30% respondentów 

BARC potwierdziło plany wdrożenia mobilnego 

BI, a Gartner prognozuje wzrost wykorzystania 

tego typu rozwiązań w tempie 40% CAGR. 

Na rynku już od paru lat jest dostępnych wiele 

mobilnych aplikacji analitycznych (w szczególności 

rozwiązania zintegrowane z wiodącymi platformami 

BI, czy rozwiązania takie jak RoamBI). Z pewnością 

wiele pracy jest jeszcze do wykonania w obszarze 

form wizualizacji danych, które powinny być lepiej 

dopasowane do możliwości urządzeń mobilnych 

– w szczególności rozmiarów ich ekranów 

oraz interfejsów. 

Na pewno warto rozważyć skorzystanie 

z mobilnego BI, ale jedynie w przypadku 

gdy istnieje dla tego typu rozwiązań odpowiednie 

uzasadnienie i business case w naszej organizacji. 

Cloud BI – bujanie w obłokach, 

czy praktyczne rozwiązania 

Coraz więcej firm w Polsce i na świecie decyduje 

się na rozwiązania „w chmurze”, czy w modelu 

SaaS (Software as a Service). Rozwiązania te 

z pewnością dają możliwość zredukowania kosztów 

i swoistego outsourcingu infrastruktury (również 

BI) w skali dopasowanej do aktualnych potrzeb 

organizacji. Mimo to, nie są to jeszcze rozwiązania 

w naszym kraju bardzo popularne, a stosowanie 

ich nabiera największego sensu w chwili, gdy 

pełna infrastruktura systemów informatycznych 

organizacji znajduje się w chmurze (prywatnej 

lub publicznej). 

W teorii rozwiązania oparte o chmurę są coraz 

bardziej stabilne, wydajne, bezpieczne i godne 

zaufania. Przeczy temu jednak fakt, że awaria 

jednego z głównych dostawców rozwiązań 

cloudowych w Polsce sprawiła, że kilka 

popularnych serwisów internetowych na pewien 

czas przestało działać, a część ich danych została 

bezpowrotnie utracona. 

Decydując się na rozwiązanie BI „w chmurze” warto 

zwrócić szczególną uwagę na aspekty integracyjne. 

Praktyczne zastosowanie mają obecnie głównie 

chmury prywatne. Rozwiązania BI dostępne jako 

typowy SaaS to wciąż jeszcze nisza. 

Rysunek 11. Mobile Business Intelligence - 

wodotyrysk, czy użyteczna technologia 

Rysunek 12. Cloud Business Intelligence 

31

32 

BI dla mas, czyli rozpowszechnienie 

zastosowania BI 

Wg danych TDWI, w 2009 roku adopcja rozwiązań 

Business Intelligence (liczona jako użytkowników 

korzystających z BI co najmniej raz w tygodniu 

do wszystkich mających licencje) była na poziomie 

24%. Dane te nie uległy znaczącej poprawie 

w ostatnich latach, co oznacza, że jest bardzo 

wiele do zrobienia w obszarze rozpowszechnienia 

wykorzystania BI. Jest to kluczowe, ponieważ 

wartość jaką generują tego typu rozwiązania, 

powstaje właśnie w momencie, w którym 

użytkownik biznesowy podejmuje lepszą decyzję, 

dzięki dostępowi do odpowiedniej informacji. 

Aby zwiększyć adopcję BI należy wziąć pod uwagę 

nowe oczekiwania użytkowników biznesowych i to 

jak się oni zmieniają. 

Self-service, DIY (Do It Yourself), czyli więcej 

władzy w rękach użytkownika 

Użytkownicy biznesowi mają coraz większe 

wymagania, ale także coraz większe umiejętności, 

które warto zutylizować. Jak już wspomniałem 

wcześniej, opisując nową generację użytkowników 

biznesowych, ich umiejętności i kompetencje 

kształtują takie rozwiązania jak facebook (nazywam 

to efektem facebooka). Ich oczekiwania względem 

dostępu do informacji kształtują za to takie 

rozwiązania jak Google, gdzie z wykorzystaniem 

jednego pola tekstowego (obecnie nie musimy 

przecież nawet wciskać „Szukaj”) każdy może 

przeszukać cały Internet pod kątem wybranych 

słów kluczowych, czy zapytań w ciągu ułamka 

sekundy. Oczekiwania względem intuicyjności 

i ergonomii interfejsów użytkownika oparte 

są o standardy wyznaczane przez takie firmy, 

jak Apple. Coraz popularniejsze jest ostatnio 

stwierdzenie „proste jak Apple, szybkie jak Google”. 

Mamy do czynienia ze swoistą demokratyzacją 

informacji, gdzie tak naprawdę każdy może być 

i staje się tzw. Chief Data Officerem. Trend ten 

wspierają narzędzia klasy Data Discovery, 

które dają olbrzymią swobodę użytkownikom 

biznesowym w analizę danych. Korzystając z tego 

typu rozwiązań, warto jednak uważać na sytuację, 

w której każdy ma swojego przysłowiowego 

„excela” i swoją wersję prawdy. 

Social media i Collaborative BI 

Social Media pojawia się w ujęciu trendów BI 

w dwóch kontekstach. Jeden z nich to analiza 

danych na temat aktywności społeczności, 

związanych z naszą organizacją i jej produktami. 

W szczególności w USA, konta firm na serwisach 

społecznościowych, takich jak twitter, czy facebook 

są kopalnią wiedzy i powstają dedykowane 

rozwiązania do analizy tego typu danych. 

Zanim jednak zdecydujemy się na wdrożenie tego 

typu narzędzia, warto zweryfikować, czy posiadamy 

odpowiednie dane do analizy. 

Inny obszar BI, gdzie pojawia się kontekst 

Socia Media, to sama konstrukcja narzędzi 

klasy analitycznych, która powinna zachęcać 

do współpracy i dzielenia się wiedzą pomiędzy 

użytkownikami (tzw. collaborative BI, social 

BI), tak jak robią to portale społecznościowe. 

Coraz więcej narzędzi BI korzysta z koncepcji 

zaczerpniętych z Web 2.0 (tworzenie treści, 

komentarze, ocena wartości treści, wiki, fora, 

ankiety, itp.) i warto ewaluować narzędzie pod 

tym kątem przed zakupem. 

Consumerization of Enterprise Software 

Dawniej rozwiązania klasy Enterprise, 

a w szczególności ich interfejsy użytkownika, 

były bardzo skomplikowane i złożone. 

Odwrotna sytuacja miała miejsce w przypadku 

rozwiązań sprzedawanych użytkownikom 

domowym, gdzie przede wszystkim liczyła się 

prostota i intuicyjność rozwiązania, tak aby

każdy mógł sobie z nim poradzić. Obecnie mamy 

do czynienia (nie tylko w kontekście Business 

Intelligence) z trendem upraszczania interfejsów 

w rozwiązaniach dla biznesu, które stają się coraz 

łatwiejsze w obsłudze. Jeszcze raz można tutaj 

powtórzyć „szybkie jak Google, proste jak Apple”. 

Nowe wymagania dla systemów BI 

w zmiennym środowisku 

Nie tylko sami użytkownicy i ich wymagania się 

zmieniają, ale zmiany dotyczą także praktycznie 

wszystkich innych aspektów kontekstu biznesowego 

działania systemów Business Intelligence. 

Need for speed & Agilty 

Coraz ważniejszy dla użytkowników końcowych 

jest szybki i elastyczny dostęp do aktualnych 

informacji i analiz. Rośnie również zaawansowanie 

i poziom skomplikowania generowanych 

zapytań. Dodatkowo, mamy do czynienia z coraz 

większą ilością i różnorodnością analizowanych 

danych. Business Intelligence staje się częścią 

codziennego biznesu, gdzie kluczową rolę gra 

ciągłe planowanie, monitorowanie i optymalizacja, 

zgodnie z zasadami zarządzania wydajnością 

(Performance Management). 

Odpowiedzią na konieczność wykorzystania BI 

w czasie rzeczywistym są architektury on-demand, 

czy rozwiązania klasy Real-Time Data Warehousing. 

Ponieważ klasyczne rozwiązania BI są trudne 

w utrzymaniu, a ich rozwój często jest kosztowny 

i czasochłonny, potrzebne jest zdefiniowanie 

dla nich nowego cyklu życia. Potrzebny jest 

także odpowiedni i zrównoważony rozwój, gdyż 

rozwiązanie BI to nie tylko system informatyczny, 

ale przede wszystkim procesy z nim związane oraz 

ludzie, ich kompetencje oraz kultura organizacyjna 

(Rysunek 14). 

„Nowe” dane 

Rysunek 13. BI dla mas 

Rysunek 14. Składowe rozwiązania BI 

Wspomniane już coraz to nowe typy danych, jakie 

są analizowane, dotyczą m. in.: 

• danych, które pozwalają na modelowanie 

powiązań i sieci społecznych wśród klientów 

(np. dane telekomunikacyjne) – coraz szerzej 

stosowane są analizy sieci społecznych - SNA 

(ang. Social Network Analysis); 

• danych geolokalizacyjnych, pozwalających 

łączyć klasyczne analizy danych lokalizacyjnych 

z analizami klasy GIS (tzw. rozwiązania Location 

Intelligence); 

• danych nieustrukturalizowanych oraz 

danych częściowo ustrukturalizowanych, takich 

jak dokumenty tekstowe, wiadomości e-mail, 

publikacje w Internecie, komentarze na forach; 

• danych zewnętrznych dla organizacji – dane 

demograficzne, dane branżowe (benchmarking), 

dane lokalizacyjne; 

• danych o zachowaniach i preferencjach klientów 

– np. tzw. clickstreams ze stron WWW i sklepów 

internetowych. 

33

34 

Rysunek 15. Nowe dane 

Rysunek 16. Współpraca biznesu i IT 

Współpraca biznesu i IT 

Bardzo ważną kwestią dla współczesnych rozwiązań 

BI jest zapewnienie płynnej współpracy biznesu 

oraz IT. IT powinno mieć możliwie szerokie 

rozumienie działań biznesu oraz jego potrzeb. 

Biznes powinien być za to w pełni świadomy 

wpływu wymagań, które są definiowane, na 

skomplikowanie i koszt działań po stronie IT. 

Dobrą praktyką jest przekazywanie możliwie 

szerokich kompetencji na styku biznesu i IT stronie 

biznesowej. Zaangażowanie biznesu w budowę 

rozwiązania sprawia, że będzie ono lepiej 

odpowiadało na jego potrzeby, a jako współautor, 

biznes będzie mniej skory do narzekania, a bardziej 

nastawiony na konstruktywną pracę. Ze względu 

na opisane wcześniej zmiany w charakterze nowych 

użytkowników biznesowych, coraz większa ich 

liczba przejmuje kompetencje BI, które wcześniej 

były w rękach IT, który to trend powinien być 

w pełni wspierany przez IT. Jak najlepszą praktyką 

jest budowanie centrów kompetencji BI (BICC), 

które ze względu na swą naturę integrują osoby 

zarówno o profilu biznesowym, jak i IT, zapewniając 

ich (możliwie) efektywną współpracę. 

Praca u podstaw 

Ze względu na wiele zmian i pojawiających się 

nowych, często zaawansowanych koncepcji, 

tym bardziej należy zadbać o podstawy systemów 

analitycznych, czyli wysokiej jakości dane. 

Kluczowe jest tutaj dbanie o jakość systemów 

źródłowych oraz procesów biznesowych 

i rozwiązywanie problemów możliwie blisko 

źródła, a nie na etapie integracji danych. 

Dobrą praktyką jest wdrażanie rozwiązań do 

zarządzania kluczowymi danymi referencyjnymi 

w organizacji - systemy klasy MDM (ang. Master 

Data Management). Dbać należy również o jakość 

samych aplikacji Business Intelligence, jako że 

to właśnie one są interfejsem dla użytkowników 

biznesowych. 

Co jest tak naprawdę najważniejsze? 

Rynek rozwiązań Business Intelligence idzie do 

przodu i odpowiada na coraz to nowe wymagania 

biznesu. Warto jednak zwrócić uwagę, że często 

nowe trendy i nazwy rozwiązań są definiowane 

przez vendorów tylko po to, aby ich klienci, 

którzy zawsze idą z duchem innowacji i muszą 

mieć wszystkie „nowości”, wydali jeszcze więcej 

pieniędzy na ich rozwiązania. 

W ferworze doboru nowych narzędzi analitycznych 

dla naszego biznesu pamiętajmy przede wszystkim 

o naszym business-case i tym, czy inwestycja 

spina się biznesowo. Aby wdrożyć zaawansowane 

rozwiązanie musimy być też pewni, że posiadamy 

odpowiednio zaawansowane kompetencje. 

Dobry analityk jest w stanie docierać do 

zaawansowanych informacji z wykorzystaniem 

najprostszych narzędzi i zaawansowana

technologia z pewnością wesprze jego działania. 

Z drugiej strony słabemu analitykowi nie pomoże 

nawet najbardziej zaawansowane rozwiązanie. 

Warto odwołać się tutaj do przykładu 

XIX-wiecznego francuskiego fizyka Armanda 

Fizeau, który w 1849 roku, przy wykorzystaniu 

prymitywnych elementów, takich jak szkło, lustro 

(zwierciadło), źródło światła i koło zębate był 

w stanie obliczyć prędkość światła (pomylił się tylko 

o 2%). Jego doświadczenie (Rysunek 17.) polegało 

na „puszczaniu zajączka” na oddalone o niecałe 

10 km lustro (zwierciadło) poprzez szczelinki 

w kole zębatym. Następnie rozkręcał on koło 

do takiej prędkości, przy której „zajączek” znikał 

(dla obserwatora za kołem zębatym), ponieważ 

światło, które przeszło przez szczelinkę, odbiło 

Marcin Choiński 

Rysunek 17. Doświadczenie Fizeau 

się od zwierciadła i wróciło, robiło to w takim 

czasie, że trafiało już nie w szczelinkę, a wypustek 

koła zębatego, które wykonało część obrotu. 

Znając wielkość szczelinki i wypustka, prędkość 

obrotu koła oraz odległość lustra, Fizeau obliczył 

prędkość światła – bez żadnej skomplikowanej 

technologii, za to z genialnym pomysłem. 

Pasjonat wszystkiego co związane z Hurtowniami Danych, Business Intelligence (BI) oraz zaawansowaną analizą i odkrywaniem 

wiedzy w danych. Człowiek, który wierzy, że światy biznesu i IT da się pogodzić, a nawet zapewnić pomiędzy nimi synergię. 

Doświadczenie zdobywał m.in. prowadząc projekty wdrożeń Hurtowni Danych i systemów Business Intelligence, w tym duży 

projekt dla znaczącego, zagraniczonego operatora telekomunikacyjnego, kierując pracami w międzynarodowym projekcie 

badawczym z zakresu Data Mining, czy kierując rozwojem kilku produktów klasy BI. Założyciel i redaktor naczelny portalu 

BI.PL, wiceprezez w firmie Innotion Sp. z o. o. Prywatnie pasjonat futbolu amerykańskiego, zawodnik drużyny Warsaw Eagles. 

35

BI in-memory - nie wszystko złoto 

co się świeci 

36 

Marek Grzebyk, Hogart Business Intelligence 

Zasadnicza zmiana na rynku BI stała się faktem, także w Polsce. Sukces innowacyjnych 

platform analitycznych opartych o technologie przetwarzania w pamięci stał się tak 

jaskrawy, że coraz więcej dostawców tradycyjnego BI chce opatrzyć swoje produkty znakiem 

„in-memory”. Jednak nie wszystko złoto co się świeci. Tradycyjne narzędzia analityczne, 

już często uzbrojone w przetwarzanie w RAMie, dynamiką wzrostu i satysfakcją klienta 

wciąż nie mogą dorównać pionierom nowej generacji BI. Czy sama technologia „in-memory” 

jest rzeczywiście lekiem na wszystkie bolączki tradycyjnego BI? 

Dziś bez wątpienia można powiedzieć, 

że ostatnie lata światowego rynku BI stały pod 

znakiem zasadniczej przemiany w stosowanych 

technologiach oraz w świadomości i poziomie 

oczekiwań użytkowników biznesowych. 

Śledząc publikacje branżowe i teksty 

marketingowe dostawców BI rzadkością są 

dziś materiały, które nie wspominałyby choć 

na marginesie o „in-memory”, czy trendzie 

Data Discovery. Znamienne jest to, że bardzo 

często są to wypowiedzi firm, które jeszcze 

kilka lat temu deprecjonowały znaczenie 

i możliwość szerokiego stosowania właśnie 

tych technologii. Ta zmiana stanowiska jest 

bezpośrednią konsekwencją światowego 

sukcesu takich produktów jak np. QlikView 

oraz faktu, że są one coraz częściej przyjmowane 

przez użytkowników BI jako nowy standard 

jakości oraz nowy wzorzec koncepcji systemów 

analitycznych w przedsiębiorstwie. Ponadto, grono 

użytkowników nowego BI rośnie w ogromnym 

tempie. Dla przykładu QlikView działa obecnie 

w ponad 25 tys. firm w 100 krajach. Nie bez 

znaczenia jest fakt, że do tego grona zaliczają się 

też największe światowe koncerny. To najlepszy 

dowód, że przełom już nastąpił, a zmiana jest 

nieodwracalna. W tej sytuacji dostawcom narzędzi 

i usług z epoki OLAP pozostaje jedynie nie 

odstawać zbytnio od nowych trendów poprzez 

lepsze lub gorsze naśladownictwo. 

W ostatnim czasie widzimy wiele informacji 

prasowych, artykułów, tematów konferencji 

branżowych poświęconych wprowadzeniu bądź 

planom wprowadzenia przez dostawców BI 

nowych produktów, modułów, funkcjonalności, 

a prawie wszystko to spod znaku „in-memory”. 

Niestety coraz częściej można odnieść wrażenie, 

że mamy do czynienia z naśladownictwem 

nieudolnym, bo sprowadzającym się do 

skopiowania tylko jednej, najbardziej dostrzegalnej 

cechy oryginalnej koncepcji, nie zwracając przy 

tym uwagi na wszystkie inne ważne cechy. 

Efekt bardzo często można porównać z przykrym 

wrażeniem rozczarowania, jaki towarzyszy 

zakupowi taniej podróbki, która z zewnątrz 

wygląda jak produkt oryginalny, ale po 

bliższym spojrzeniu ujawnia słabą jakość, 

a czasami nawet brak podstawowej oczekiwanej 

funkcjonalności. W przypadku BI „in-memory” 

tą najbardziej widoczną, spektakularną cechą, 

która jest najchętniej „podrabiana”, to prosty 

fakt przeniesienia składowania danych lub ich 

przetwarzania z dysków do pamięci operacyjnej. 

Oczywiście każdy ma prawo na swój sposób 

definiować termin „in-memory” (nie jest on 

opatentowany), ale warto sobie uświadamiać, 

które cechy, technologie i funkcjonalności były 

powodem sukcesu wiodących narzędzi BI nowej 

generacji, a które są tylko marketingową etykietką 

naklejaną na tradycyjne podejście do BI. Proste 

przeniesienie przetwarzania danych z dysku 

do pamięci z pewnością przyspiesza działanie 

wybranych funkcji systemu. Należy tu jednak 

postawić dwa pytania. Czy samo przyspieszenie 

reakcji systemu na zapytania użytkowników daje

gwarancję powodzenia projektu BI i zadowolenia 

użytkowników? Oraz czy zastosowana technologia 

BI przyspiesza cały cykl projektowania, 

przetwarzania i analizy danych, czy tylko daje 

lepszy komfort pracy użytkownika końcowego 

podczas gdy zasilanie i przetwarzania danych jest 

wciąż długotrwałe i nieelastycznie. 

Według Jamesa Richardsona - analityka rynku 

BI z Gartner Group - w przepisie na nowoczesne 

i skuteczne platformy analityczne, czyli takie które 

przynoszą przełom we współczesnym BI, koniecznie 

muszą wyróżniać się trzy najważniejsze cechy: 

• Wydajność rozumiana jako szybkość odpowiedzi 

oraz szybkość przetwarzania dużych wolumenów 

danych bez eskalacji wymagań sprzętowych 

(zapewniana przede wszystkim przez asocjacyjne 

bazy „in-memory” zdolne do przechowywania 

dużych wolumenów gęsto skompresowanych 

danych); 

• Elastyczność rozumiana jako bardzo wysoka 

zdolność narzędzia do szybkiego zaadoptowania 

zmian wymagań i przebudowy zarówno sposobu 

wizualizacji danych jak i modelu pobierania 

i przetwarzania danych. Elastyczność powinna 

występować zarówno w fazie projektowej, 

jak i w trakcie produkcyjnego użytkowania 

systemu, umożliwiając stosowanie zwinnych 

metodyk wdrożeniowych, tzw. agile; 

• Prostota rozumiana jako łatwość użytkowania 

i projektowania systemu, przejrzystość 

i atrakcyjność interfejsu graficznego, 

nakierowanie na użytkownika biznesowego, 

m.in. dostosowanie do wdrożeń tzw. self-service; 

Pominięcie któregokolwiek z tych „sekretnych” 

składników powoduje, że cała „magiczna” mikstura 

nie działa. Duża szybkość działania aplikacji, 

jaką daje przetwarzanie w pamięci, sama w sobie 

po prostu nie wystarcza do osiągnięcia 

pełnego sukcesu. Te trzy proste kryteria dobrze 

tłumaczą zmienne powodzenie dostawców BI 

w usprawnianiu posiadanych narzędzi poprzez 

samo turbodoładowanie technologią „in-memory”. 

Powolne działanie, mała podatność na zmiany oraz 

trudność użytkowania to model tradycyjny, oparty 

o OLAP, dający najmniejsze szanse na pełen sukces 

inicjatywy BI. 

System szybki i wydajny, ale nieelastyczny 

i trudny w obsłudze, to z dużą pewnością 

przepis na spektakularną (i szybką!) porażkę. 

Użytkownicy nielubiący korzystać z systemu, 

porzucą go bardzo szybko, gdy okaże się, 

że nie można go także dostosować w przyszłości 

do ich nowych potrzeb. System szybki, wydajny 

i elastyczny, ale trudny w obsłudze przy odrobinie 

szczęścia, skończy jako skomplikowane i zapewne 

bardzo kosztowne narzędzie do eksportu danych 

do Excela, którym użytkownicy będą woleli się 

posługiwać w ostatnich etapach prezentacji 

i analizy. Kolejna kombinacja, to dobra wydajność 

i prostota obsługi, ale nie idący z nimi w parze brak 

elastyczności. W takiej konfiguracji użytkownicy 

z czasem będą zmuszeniu do tworzenia dużej 

liczby raportów nadrabiających braki elastyczności 

modelu. Koszt utrzymania i poziom zadowolenia 

użytkowników nie będą najprawdopodobniej 

zadowalające. 

Z powyższego zestawienia możliwych scenariuszy 

widać, jak duże znaczenie poza szybkością 

działania, wynikającą wprost z technologii 

„in-memory”, mają pozostałe wymagane 

cechy. Elastyczność i prostotę można uzyskać 

przede wszystkim z jakości projektu i koncepcji 

narzędzia analitycznego. Dlatego obecność 

wszystkich wymaganych cech najłatwiej uzyskać 

w oprogramowaniu projektowanym od samego 

początku z wykorzystaniem architektury 

asocjacyjnych baz „in-memory”, od początku 

zakładającym, że jest przeznaczone przede 

wszystkim dla użytkownika biznesowego, 

a nie wyłącznie dla programisty SQL. 

37

38 

Obserwując dostępne narzędzia i usługi BI 

warto bacznie przyglądać się szczególnie tym, 

które właśnie teraz ulegają swoistej medialnej 

transformacji - od koncepcji OLAP do tej 

nowoczesnej. Trwa swoisty marketingowy wyścig 

dostawców BI w kategorii systemów „najbardziej 

in-memory”. Warto nie zadowalać się prostymi 

Marek Grzebyk 

Dyrektor Zarządzający HOGART BUSINESS INTELLIGENCE 

stwierdzeniami, a weryfikować opisywane 

rozwiązania odnoszące się do „przetwarzania 

w pamięci” właśnie pod kątem elastyczności, 

prostoty, kosztów posiadania najlepiej w długim 

horyzoncie czasowym. Pozwoli to łatwo 

odróżnić rzeczywistych liderów innowacji w BI 

od nieudolnych naśladowców. 

Zarządza w Grupie Hogart pionem rozwiązań Business Intelligence opartym o najnowszą generację narzędzi analitycznych 

QlikView. Współtworzył koncepcję wprowadzenia produktu QlikView na polski rynek, definiował strategię sprzedaży 

dla tego rozwiązania, a także doprowadził do podpisania kilku najpoważniejszych kontraktów wdrożeniowych QlikView 

w Polsce. Związany z Grupą Hogart od 1996, początkowo kierował działem rozwoju oprogramowania i wsparcia 

technicznego dla produktów Oracle/JDEdwards. Zyskał wieloletnie doświadczenie w zarządzaniu projektami IT 

w firmach polskich i międzynarodowych, a także w dziedzinie rozwoju aplikacji oraz narzędzi analityczno-raportowych. 

Absolwent Wydziału Zarządzania Akademii Ekonomicznej w Krakowie.

Nikt w Europie nie walczy już o nowego 

klienta. Każdy walczy o utrzymanie „starego”. 

Czy rozwiązania BI wdrożone w ostatnich 

10 latach są w stanie nam to zapewnić? 

Nie, absolutnie nie. I przyznaję się do tego, 

jako naczelny propagator tych rozwiązań. 

Luiza Warno, Orange 

39

40 

Big Data – Quick Start Guide 

Patryk Choroś, SAS Institute 

Na silnie nasyconym rynku, gdzie klient ma realną możliwość wyboru, umiejętność zwiększenia 

trafności podejmowanych decyzji zaledwie o pojedyncze procenty może decydować o sukcesie 

lub porażce. 

Czym jest „Big Data”? 

W świecie analityki pojawiło się nowe pojęcie, 

nowy kierunek – „big data”. W skrócie pojęcie to 

oznacza tendencję do poszukiwania i wykorzystania 

wartości biznesowej, drzemiącej w dostępnych 

coraz większych wolumenach danych. 

Pochodzą one z niezliczonej liczby miejsc, często 

spoza organizacji, z obszarów do tej pory zupełnie 

niekwalifikowanych jako źródła informacji istotnych 

dla podejmowania właściwych decyzji biznesowych 

(jak np. media społecznościowe). To naturalna kolej 

rozwoju biznesu i ewolucja, której de facto należało 

się spodziewać. W publikacjach i literaturze 

odnaleźć możemy także dodatkowe określenie 

równoważne w wielu aspektach z ideą „big data” – 

jest to High Performance Analytics. 

W przeszłości wystarczała wiedza o działaniu 

organizacji, poszukiwaliśmy przewag biznesowych 

w dobrej organizacji procesów biznesowych 

(np. produkcyjnych) poprzez wdrożenia 

systemów ERP oraz raportowanie operacyjne. 

Kolejnym krokiem było poszukiwanie trendów 

w posiadanych zbiorach danych, analizowanie 

przyczyn zachodzących wydarzeń – tak rozwijał się 

obszar wdrożeń systemów Business Intelligence 

i tak powstawały pierwsze hurtownie danych. 

Wiązało się to także z ewolucją platform baz 

danych i zaczęły powstawać specjalizowane 

narzędzia analityczne służące odkrywaniu 

takich wzorców. 

Wtedy wkroczyliśmy w erę konkurowania analityką 

(ang. „competing on analytics”). Zaczęliśmy 

przewidywać zachowania naszych klientów 

(np. prognozowanie prawdopodobieństwa odejścia 

klienta, tzw. churn) oraz optymalizować nasze 

działania, szczególnie łańcuchy logistyczne oraz 

działania marketingowe oraz cenniki naszych usług 

i produktów. To jednak we współczesnym świecie 

nie wystarcza. Pojawiają się nowe trendy, gdzie 

analizie poddajemy także dane niestrukturalne 

- przykładem jest tzw. „text mining” lub analiza 

wizerunku w mediach społecznościowych, które 

znacząco rozszerzają zakres wiedzy niezbędnej do 

podejmowania właściwych decyzji biznesowych. 

Ze względu na złożoność systemów ekonomicznych, 

w których funkcjonują największe firmy trzeba 

zauważyć, że łańcuch wartości, jaki chcą one 

dostarczać klientom znacząco się wydłuża. 

W tej chwili zwykłe promowanie produktu już nie 

wystarcza. Poszukujemy ciągłego wznoszenia się 

w piramidzie identyfikowanej przez „experience 

economy” 1 zmierzając w kierunku dostarczania nie 

tylko usług i produktów, ale kompletnego zestawu 

doświadczeń, które pozwalają na oczekiwanie 

wyższych marż i lojalności od naszych klientów. 

Takie rozbudowanie łańcucha wartości rozszerza 

zakres informacji, z którymi na co dzień musimy się 

zmierzyć w procesie podejmowaniu decyzji. 

Z drugiej strony oferta, którą kierujemy 

na rynek, produkt lub usługa, jest coraz 

bardziej złożona, ulega silnej personalizacji, jest 

wynikiem współpracy wielu ludzi i podmiotów. 

Złożony produkt i usługa opracowywana 

w spersonalizowany sposób to także dodatkowy 

1 „Experience economy” autorstwa Josepha Pine II 

oraz Jamesa H. Gilmore

Identyfikacja/nazwanie 

problemu 

aspekt zwiększający ilość informacji z tym 

związanych. Dodatkowo pamiętajmy, że informacje 

te nie pochodzą tylko z wnętrza naszej organizacji 

(gdzie teoretycznie możemy nad nią zapanować, 

wpływać na jej strukturę i proces pozyskiwania), 

ale także spoza firmy. Trzeba umieć do nich się 

dostosować, jeżeli chcemy z nich skorzystać. 

Podsumujmy nasze nowe środowisko 

funkcjonowania: 

• wysoki wolumen danych wynikający ze 

złożoności procesów, personalizacji oferty 

i tendencji dopasowania oferty nawet 

do najmniejszych grup klientów, 

• nieznane pochodzenie, struktura i zawartość 

danych, których będziemy chcieli użyć 

w analizach, 

• duża zmienność danych w czasie wiążąca się 

z dynamiką i złożonością modeli ekonomicznych, 

w jakich funkcjonują przedsiębiorstwa. 

Pojawia się jeszcze jedno zjawisko – analiza 

informacji i danych jest już powszechna 

w organizacjach. W dowolnym miejscu 

podejmowania decyzji pracownicy biznesowi 

oczekują możliwości analizy szerokiego zakresu 

danych, oczekują zaawansowanych metod 

analitycznych i umieją z nich skorzystać. 

Czy warto? Tak. 

Zebranie 

danych 

Wzrasta liczba świadczeń pomocy 

medycznej. Czemu? 

Czy wzrost bezrobocia jest przyczyną 

wzrostu liczby roszczeń? 

Jakie są konsekwencje zjawiska dla 

wyników finansowych udzielonych 

polis? 

Na silnie nasyconym rynku, gdzie klient 

ma realną możliwość wyboru, umiejętność 

zwiększenia trafności podejmowanych decyzji 

zaledwie o pojedyncze procenty (bez względu 

jak rzeczywiście wskaźnik ten zostanie obliczony) 

Eksploracja 

danych 

Transformacje & 

wybór danych 

Budowa 

modelu 

Należy poddać analizie wszystkie 

roszczenia z hurtowni danych. 

Czy lokalne programy pomocy 

powodują migracje populacji? 

Czy wystąpiły jakieś zjawiska 

środowiskowe? 

Copyright © 2012, SAS Institute Inc. All rights reserved. 

Ocena 

modelu 

może decydować o sukcesie lub porażce. 

Firmy muszą być przygotowane do tego, aby na 

każdym kroku poszukiwać dodatkowych korzyści, 

oszczędności lub przewag. Źródłem niezbędnej 

wiedzy są i będą bardzo duże wolumeny 

danych z wielu nieskorelowanych źródeł – 

dodatkowo, czego nauczyliśmy się już wspierając 

systemami informatycznymi zaawansowaną 

analitykę, nie mogą to być dane zagregowane. 

Właściwą wiedzę uda się pozyskać tylko 

z danych detalicznych. 

Prześledźmy przykładowy proces wnioskowania 

– jest on osadzony w standardowym przepływie 

od sformułowania problemu, poprzez zebranie 

koniecznych danych, przygotowanie modelu 

analitycznego i ocenę wniosków z niego 

wynikających. 

Uruchomienie 

modelu 

Jak widać na przykładzie powyżej przeprowadzenie 

skutecznego wnioskowania wspierającego 

rozwiązanie sformułowanego na początku 

problemu biznesowego wiąże się z jednej strony 

z wykorzystaniem szeregu informacji, wymaga 

możliwości poszukiwania korelacji pomiędzy 

zbiorami danych nigdy dotąd nie krzyżowanymi 

oraz jest procesem często zmieniającym stawiane 

hipotezy i wymagającym częstego opracowywania 

nowych zestawów danych wspierających analizę 

danego scenariusza. 

Istniejące środowiska hurtowni danych, analityczne 

i raportowe są w stanie wspierać ten proces, lecz 

dynamika jaką są w stanie dostarczyć nie będzie 

dla pracowników biznesowych wystarczająca. 

Wkraczamy w erę „big data” i należy się do niej 

przygotować. 

Ocena 

wyników 

Przeprowadźmy analizę w odniesieniu 

do zmian populacji. Może wzrost jest 

pochodną przyrostu naturalnego? 

Czy dostęp do świadczeń 

determinuje liczbę roszczeń? 

Czy bieżąca sytuacja kryzysu 

ekonomicznego może mieć 

wpływ? 

Źródło: SAS Institute 

41

42 

Uruchomienie 

modelu 

Ocena 

wyników/ 

wnioski 

Ocena 

modelu 

t © 2012, SAS Institute Inc. All rights reserved. 

Źródło: SAS Institute 

Oczekiwania użytkowników 

Każde działanie mające na celu rozbudowę 

lub rozwój środowisk informatycznych powinno 

być realizowane w świetle korzyści, jakie 

dane rozwiązanie ma dostarczać organizacji. 

Bezpośrednio powinno oddziaływać na procesy 

biznesowe oraz użytkowników, a pośrednio 

dodatnio przekładać się na realizację strategii firmy 

i osiąganie przez nią wzrostu. 

Wiemy już w jaki sposób zmienia się sposób pracy 

pracowników biznesowych firm. Ale jakie są ich 

szczegółowe oczekiwania? Jako punkt wyjścia 

należy przeanalizować, w jaki sposób zmienia się 

ich oczekiwanie dotyczące interakcji z informacjami 

i danymi. 

Standardowe podejście do procesu analitycznego 

nie zmienia się i nadal składa się z następujących 

po sobie kroków zamkniętych w cykl. 

Identyfikacja/ 

nazwanie 

problemu 

Budowa 

modelu 

Zebranie 

danych 

Transformacja & 

wybór danych 

Eksploracja 

danych 

Kolejno formułowane jest zagadnienie biznesowe 

lub hipoteza, dla której szukać będziemy 

potwierdzenia. Następnie identyfikowane 

i przygotowywane są dane, które zostaną 

wykorzystane do analizy, budowany jest model 

analityczny. Po jego ocenie i uruchomieniu 

następuje zebranie wniosków i może to 

bezpośrednio prowadzić do sformułowania 

kolejnych hipotez, jak pokazuje to przytoczony 

wcześniej przykład. 

Mapując pokazany proces na rzeczywiste 

zaangażowanie zasobów ludzkich i sprzętowych 

znacząca część zużywana jest na cykliczne 

powtarzanie iteracji w obszarze zbierania 

i przygotowania danych do budowy modelu. 

Na etapie jego oceny dochodzimy do wniosków, 

że konieczne jest zrezygnowanie z zastosowanych 

agregacji (wykorzystanie danych detalicznych), 

rozszerzenie wybranej próbki danych do 

uruchomienia modelu, dołączenie nowych miar 

i wymiarów dla poprawienia spodziewanej jakości 

przeprowadzanej analizy. W aktualnie istniejących 

środowiskach hurtowni danych i systemów 

analitycznych zamknięcie takiej iteracji jest 

pracochłonne i wymaga czasu. Na to w bieżącej 

sytuacji nie można sobie pozwolić. 

Główną potrzebą i celem użytkowników 

biznesowych jest przeniesienie ilości realizowanych 

iteracji w obszar budowy modelu i wnioskowania 

na jego podstawie (czyli patrząc na przytoczony 

diagram przeniesienie ciężaru działań z prawej 

na lewą stronę cyklu). To w tych etapach cyklu 

analitycznego znajduje się wartość biznesowa 

i to na tych etapach pracownicy firm pozyskują 

unikalną, nieznaną dotychczas, wiedzę 

o funkcjonowaniu biznesu, zjawiskach na niego 

się przekładających i czynnikach koniecznych 

do uwzględnienia w przyszłych działaniach. 

Oczekiwaniem analityków jest z jednej strony 

możliwość nieograniczonego testowania swoich

hipotez, ale także dostęp do szerokiego zestawu 

funkcji i narzędzi analitycznych. Kadra pracownicza, 

która jest odpowiedzialna za podejmowanie 

decyzji biznesowych i jest wykształcona w zakresie 

analityki, statystyki i pracy ze zbiorami danych – 

oczekuje, że firma (potencjalnie dział IT) dostarczy 

im możliwość wykorzystania nabytych umiejętności 

z korzyścią dla efektów swojej pracy. Oczekują 

natychmiastowej reakcji wykorzystywanych 

narzędzi na stawiane przed nimi zadania: 

• włączania nowych danych do analiz 

bez względu na ich wolumen 

• możliwości wykorzystania w analizie danych 

detalicznych (w końcu nie jest znany czynnik 

biznesowy, którego poszukują analitycy) 

• praktycznie natychmiastowego odpowiadania 

na stawiane pytania, wyników uruchamianych 

analiz i możliwości oceny wniosków 

wynikających ze zbudowanych modeli 

Podsumowując można powiedzieć, że analitycy 

i pracownicy biznesowi organizacji oczekują 

przeniesienia ciężaru z pracy z danymi na pracę 

koncepcyjną – i taka idea przyświeca budowie 

środowisk realizujących koncepcję „big data”. 

Nieograniczonej swobody w analizie danych. 

Jest jeszcze jedna nowa tendencja wkraczająca 

do świata biznesu wymagająca zaadresowania 

– użytkownicy oczekują dostępu do informacji 

i analiz w każdym miejscu i o każdym czasie. 

Jest to powodowane upowszechnieniem 

mobilnego dostępu do sieci komputerowych 

i pojawieniem się rozwiniętych urządzeń 

mobilnych (smartphone, tablet). Jeżeli chcemy, 

aby użytkownicy byli zadowoleni z dostarczonego 

dla nich środowiska analitycznego zadbajmy 

także o ten aspekt i dokonajmy wyboru narzędzi 

dających synergię dostępu do analiz bez względu 

na wykorzystywane do tego urządzenie – komputer 

stacjonarny, laptop, tablet lub telefon. 

Składniki środowiska „big data” 

Powyżej omówiliśmy perspektywę użytkowników 

środowisk realizujących koncepcję „big 

data”. Warto zagadnieniu przyjrzeć się także 

z perspektywy działów IT odpowiedzialnych 

za zapewnienie istnienia i sprawnego 

funkcjonowania takiego środowiska. 

Aktualnie IT jest równoprawnym partnerem dla 

pracowników biznesowych w budowaniu przewag 

konkurencyjnych przedsiębiorstwa i partycypuje 

w odpowiedzialności za osiąganie przez nie zysków. 

Dzięki podejmowaniu działań optymalizacyjnych 

w aspekcie kosztowym, efektywności systemów 

i usług, przyszłościowym planowaniu rozwoju 

infrastruktury sprzętowej i systemowej oraz 

doświadczeniu merytorycznym pracowników, 

dział IT nie jest tylko jednostką usługową, 

ale wchodzi w skład arsenału strategicznego 

na coraz bardziej konkurencyjnym rynku. 

Zagadnienia i aspekty obrazujące oczekiwania 

analityków można poddać strukturalizacji 

i wyodrębnić 4 główne role w pętli procesu 

analitycznego: 

• manager w obszarze biznesowym – 

podejmuje decyzje na bazie wniosków 

z analiz, ocenia procesy i określa potencjał 

korzyści biznesowych, 

• eksplorator danych – odpowiada za procesy 

udostępnienia danych dla procesów analizy, 

ewentualnie wzbogaca dane o dodatkowe 

wyliczane miary, definiuje powiązania pomiędzy 

zbiorami danych pozwalające na ich 

korelowanie w trakcie analiz, 

• analityk biznesowy – formułuje i testuje 

hipotezy biznesowe; odpowiada za 

zbudowanie, uruchomienie i ocenę działania 

modelu analitycznego lub badania 

statystycznego prowadzonego na danych; 

wyciąga wnioski z uzyskanej wiedzy, 

43

44 

• projektant analityk – przygotowuje 

wizualizacje i raporty ułatwiające uzyskanie 

wymaganych informacji z analiz, korzysta 

z wyników pracy analityków biznesowych 

tworząc cyklicznie wykonywane analizy 

na potrzeby wsparcia procesów biznesowych. 

Zwróćmy uwagę, że rolę eksploratora danych 

z powodzeniem realizować może departament 

odpowiedzialny za IT w organizacji. De facto 

coraz częściej okazuje się, że w zadaniach tej 

klasy kluczowe jest doświadczenie informatyczne 

i znajomość narzędzi transformacji i składowania 

danych uzupełnione wiedzą o systemach 

źródłowych. 

Budowa systemu informatycznego realizującego 

koncepcję „big data” powinna być realizowana 

w świetle powyższych ról. System analityczny 

powinien posiadać narzędzia adresujące 

poszczególne z powyższych ról i spełniające ich 

specyficzne potrzeby, między innymi: 

• być efektywny i elastycznych w zakresie 

ładowania dużych wolumenów danych 

oraz wykonywania na nich złączeń 

i wzbogacania (eksplorator danych) 

• posiadać komplet funkcji analitycznych 

będących narzędziami w pracy analityków 

biznesowych 

• szybko odpowiadać na zadawane pytania 

i realizowane analizy usprawniając pracę 

analityków i projektantów 

• umożliwiać tworzenie interaktywnych analiz 

danych dostarczanych także na urządzenia 

mobilne (projektant analityk) 

Z perspektywy rozwiązań technologicznych 

aktualnie dostępne na rynku są narzędzia 

realizujące trzy koncepcje: 

• przetwarzanie danych w pamięci 

(ang. in-memory) 

• przetwarzanie danych realizowane przez silnik 

bazy danych (ang. in-database) 

• przetwarzanie równoległe realizowane przez sieć 

komputerów (ang. grid computing) 

Każde z powyższych rozwiązań skupia się na 

maksymalizacji korzyści z jednego, konkretnego 

aspektu stosowanej architektury, a co za tym idzie 

ma swoje mocne i słabe strony. Przetwarzanie 

w pamięci potencjalnie dostarcza większą 

wydajność i krótsze czasy przeliczania zadań 

i modeli, za to realizacja analityki w powiązaniu 

z bazą danych (szczególnie w przypadku 

dedykowanego sprzętu bazodanowego, 

tzw. ang. appliance) daje optymalizację 

wykorzystania mocy sprzętu równocześnie 

dla przetwarzania danych oraz ich analizy. 

Pamiętajmy także, że wiele dostawców rozwiązań 

wspierających ideę „big data” oferuje swoje 

produkty w powiązaniu z konkretnym dostawcą 

sprzętu, niekiedy będąc nim równocześnie. 

Zbudowanie systemu analitycznego na bazie takich 

rozwiązań to strategiczna decyzja uzależniająca 

organizację od jednego dostawcy sprzętu 

i równocześnie uniemożliwiająca skorzystanie 

z już posiadanej infrastruktury. Tu także musimy 

pamiętać o przeprowadzeniu oceny zdolności 

środowiska do elastycznego skalowania i ocenić 

koszty jego rozbudowy. 

Oferta SAS łączy korzyści wszystkich wskazanych 

strategii technologicznych, dając możliwość 

zarówno wykorzystania mocy serwerów do 

wykonywania obliczeń bezpośrednio w ich pamięci, 

jak i skorzystania z udostępnianych przez serwery 

baz danych funkcji analitycznych. W odniesieniu 

do rozwiązań SAS warto zwrócić uwagę 

na dodatkowy aspekt – jest to możliwość budowy 

węzłów przetwarzania danych z wykorzystaniem 

sieci komputerów (ang. grid computing). 

Daje to możliwość dowolnego skalowania 

rozwiązania wraz ze zmianami potrzeb biznesowych

oraz dodatkowo gwarantuje odporność środowiska 

na ewentualne awarie. Wszystkie te strategie 

złączone zostały w jedną spójną architekturę, 

przez co możliwe jest dostarczenie użytkownikom 

końcowym jednego systemu analitycznego 

odpowiednio wykorzystującego mocne strony 

każdej ze strategii przetwarzania dla zwiększenia 

wydajności platformy. 

Skuteczny pomost pomiędzy IT a biznesem 

Wszystkie przedstawione powyżej zagadnienia 

należy wziąć pod uwagę w momencie 

konstruowania strategii dostarczenia w organizacji 

systemu analitycznego wspierającego nowe 

podejście do analizy danych – „big data”. 

Departament IT może wykorzystać posiadane 

doświadczenie z budowy i utrzymania istniejących 

systemów analitycznych w formowaniu tej strategii. 

Powstające platformy powinny uzupełniać 

korporacyjne hurtownie danych. Ich architektura 

Patryk Choroś 

Senior Account Executive, SAS Institute 

logiczna, wykorzystane do ich budowy narzędzia 

oraz procesy biznesowe związane z zarządzaniem 

zmianą w tych środowiskach wymagają dobrze 

zaplanowanej i przemyślanej rozbudowy, 

aby móc skutecznie realizować wymaganie 

dynamicznego analizowania nowych hipotez 

biznesowych. Systemy „big data” służące analizie 

wielkich wolumenów danych wzbogacą istniejące 

hurtownie o nowe funkcjonalności udostępniane 

użytkownikom. Ich zalążki już znajdują się 

w organizacjach w formie rozproszonych 

repozytoriów tworzonych bezpośrednio przez 

analityków. To co należy teraz zrobić, to dostarczyć 

im wysokiej klasy rozwiązanie informatyczne, aby 

mogli utylizować z jego pomocą drzemiący w nich 

potencjał kreacji nowych rozwiązań biznesowych. 

IT może z powodzeniem dostarczyć tą wartość, 

tworząc unikalny pomost między technologią 

a biznesem i rozbudowując istniejące architektury 

hurtowni danych o nowe komponenty realizujące 

ideę „big data”. 

Studiował na Politechnice Warszawskiej na kierunku Systemy Informatyczne Wspomagania Decyzji. Zagadnieniami Business 

Intelligence zajmuje się od 2004 roku, zdobywając doświadczenie w kierowaniu projektami wdrożeń hurtowni danych. 

W latach 2009-2011 był odpowiedzialny za zespół wdrożeniowy systemów Business Intelligence w Infovide-Matrix. 

Aktualnie zajmuje się budowaniem strategii wdrożeń systemów analitycznych dla kluczowych klientów SAS Institute. 

SAS Institute jest światowym liderem w zakresie analityki biznesowej oraz największym niezależnym dostawcą 

oprogramowania Business Intelligence. Firma istnieje od 1976 r. i zatrudnia ponad 13 000 pracowników na całym świecie. 

Z rozwiązań SAS korzysta 60 000 przedsiębiorstw i instytucji w ponad 130 krajach. W Polsce SAS Institute działa od 1992 r., 

obecnie zatrudnia ponad 200 osób. Rozwiązania i oprogramowanie SAS adresowane są do wszystkich sektorów gospodarki, 

m.in. bankowości, ubezpieczeń, telekomunikacji, energetyki, przemysłu, handlu oraz sektora administracji publicznej. 

www.sas.com/poland 

45

46 

W krainie OSBI 

Marek Ziętek i Sławomir Folwarski, Carrywater 

Głównym powodem słabego rozpowszechnienia narzędzi klasy Business Intelligence opartych 

o licencję Open Source (OSBI), nie są braki w funkcjonalnościach tego oprogramowania 

– jest nim obawa przed nowym, nie do końca poznanym rozwiązaniem, które nie posiada 

ustabilizowanego ekosystemu wsparcia w Europie Środkowo Wschodniej, w tym oczywiście 

w Polsce. Nagrodą za pokonanie strachu i wybór rozwiązań OSBI są nie tylko realne 

oszczędności finansowe, lecz również laur innowatora, który nie boi się nowych wyzwań. 

Podejmowanie decyzji stanowi krwioobieg 

każdej organizacji – dotyka wszystkich komórek 

i wpływa na całościowe funkcjonowanie 

firmy. Tlenem, niezbędnym pierwiastkiem 

do prawidłowego funkcjonowania układu krążenia 

są aktualne, skategoryzowane dane, ilustrujące 

w przejrzysty sposób szanse i zagrożenia na 

drodze rozwoju organizacji. Systemy BI w tej 

analogii odpowiedzialne są za dostarczanie tlenu 

do przedsiębiorstwa. Porcje świeżego powietrza 

organizacje mogą zdobywać na kilka sposobów. 

Wielkie koncerny informatyczne proponują 

organizacjom dostarczenie „tlenu” w takich 

ośrodkach jak Saint-Tropez, Cannes, Baden Baden, 

czy Aspen – pełne wsparcie, wygoda, relaks, Prestiż 

(przez duże P), oczywiście wszystko za odpowiednią 

stawkę. Mimo olbrzymiego wsparcia, rozwiązania 

te mają też wady – stosunkowo niską elastyczność 

w dostosowaniu do indywidualnych potrzeb 

organizacji, stosunkowo długi czas pomiędzy 

kolejnymi wersjami, powolną reakcję na zgłaszane 

przez użytkowników błędy lub propozycje 

usprawnień. Ofertę komercyjną uzupełniają 

rozwiązania BI klasy ośrodków Interlaken, Planica 

czy Zakopane – gdzie również trzeba płacić, 

ale już nie tak słono: przede wszystkim prestiż jest 

mniejszy, czasami ograniczone są funkcjonalności. 

Najpoważniejszą barierą w tym przypadku wydaje 

się być brak gwarancji (niezależnie od zapewnień 

dostawców) dalszego, dynamicznego rozwoju 

oprogramowania tej klasy. 

Alternatywą jest wypoczynek z OSBI, który 

może mieć charakter dwojaki: albo decydujemy 

się na organizację wycieczki z przewodnikiem, 

który dokładnie wie „co i jak” i przeprowadzi nas 

bezpiecznie przez wszystkie etapy, na których 

będziemy go potrzebować (wariant COSS – 

Commercial Open Source Software 1 ), albo 

ruszamy na wyprawę samodzielnie (wybór 

FOSS – Free Open Source Software) – gdzie 

ryzyko jest znacznie większe, niektóre szlaki są 

nieoznaczone, a w razie gdy się zgubimy niełatwo 

o pomoc. W wariancie FOSS możemy odkryć 

więcej - ale tylko dzięki własnej determinacji, 

sporemu poświęceniu i przy pełnej świadomości, 

że wybór ten w finalnym rozliczeniu może być 

droższy niż COSS np. gdy nasze wewnętrzne zasoby 

informatyczne wdrażające rozwiązania są droższe 

niż konsultanci zewnętrzni lub po prostu czas 

poświęcony na naukę i rozpoznanie jest długi. 

Krystaliczne powietrze tajgi syberyjskiej na wyspie 

Olchon, płaskowyż Roraima w sercu Wenezuelskiej 

dżungli, czy okolice lodowego jeziora Jökulsárlón 

są wstanie dostarczyć powietrza, co najmniej takiej 

samej jakości, przy bardzo podobnym ryzyku 

(w przypadku COSS), jak rozwiązania w pełni 

1 Szczegółowe różnice między pojęciami Commercial 

Open Source Software, a Free Open Source Software zostały 

opisane i zestawione na str. 48

komercyjne. Strach przed wyprawą zawsze istnieje, 

szczególnie do miejsc, o których wcześniej nie 

słyszeliśmy. Jednak pomoc możemy odnaleźć 

w community, grupie ludzi, którzy rozwiązują 

problemy z pasji – dla samej chęci ich rozwiązania. 

Communities mają różne wielkości, schematy 

funkcjonowania, czy warunki dostępu do efektów 

swoich prac. Ich fenomen to immanentna 

cecha oprogramowania Open Source, który 

często ma olbrzymi potencjał i równie często 

nie jest doceniany. W przypadku FOSS nie ma 

gwarantowanych czasów usunięcia błędów i SLA, 

jednak często błędy/braki traktowane są jako 

wyzwania, a czasy ich usuwania pozostawiają 

daleko w tyle komercyjne rozwiązania. Zawsze też 

możemy wynająć płatnych przewodników 

(w wariancie COSS) – wtedy, gdy czeka nas 

przebycie trudniejszego szlaku, gdzie nasz dział 

IT nie jest w stanie poradzić sobie z problemem 

lub nie jest w stanie go rozwiązać w zadanym 

ograniczeniu czasowym. 

Wybór rozwiązania 

Nie bez znaczenia przy wyborze oprogramowania 

Open Source jest postać mentora - osoby/ 

firmy, która zna rynek rozwiązań i potrafi 

pomóc w wyborze optymalnej ścieżki. Mentor 

(z wewnątrz lub z otoczenia organizacji) pomaga 

w zmianie paradygmatu postrzegania rozwiązań 

opartych o Open Source – wskazuje wybór, który 

wypełni potrzeby organizacji, a także spełni 

narzucone limity czasowe i finansowe. Pomocnym 

czynnikiem w wyborze OSBI jest również wysoka 

elastyczność dostosowania do indywidualnych 

potrzeb organizacji – wyrażona np. w łatwości 

integracji z już używanymi systemami IT lub liczbie 

spersonalizowanych dodatków, które ułatwiają 

korzystanie z narzędzi finalnym odbiorcom. Mając 

świadomość tych ograniczeń możemy śmiało 

rozpoczynać fascynującą i umiarkowanie tanią 

podróż w świat systemów BI opartych na licencji 

Open Source. 

Zaangażowanie całej organizacji istotnym 

czynnikiem sukcesu 

Przygoda z OSBI może wymagać dużego 

zaangażowania organizacji w proces wdrożenia 

i rozwoju tego oprogramowania. OSBI zazwyczaj 

wymagają większego zaangażowania informatyków 

danej organizacji, w opozycji do rozwiązań 

w pełni komercyjnych – gdzie znaczą część 

implementacji przejmują zewnętrzni konsultanci. 

Z doświadczeń Carrywater wynika że, odpowiednie 

zaangażowanie ze strony organizacji w proces 

rozwoju systemu IT pomaga we właściwym 

wdrożeniu i pełnym wykorzystaniu możliwości, 

jakie daje oprogramowanie. Takie podejście 

samo w sobie stanowi sporą gwarancję sukcesu. 

Inne czynniki sukcesu opisane są w drugim naszym 

artykule „Być w 15%”. Potrzebę współpracy na linii 

biznes-IT, szczególnie w rozwiązaniach związanych 

z BI podkreślono w raporcie „10 najważniejszych 

trendów w BI w 2012 r.”: 

„IT and business users continue to dance around 

“alignment” Companies with enlightened IT 

staffs and business leaders who recognize the 

business impact of IT are achieving spectacular 

results from BI projects. In these organizations, 

IT no longer tries to squash business-driven BI 

projects, they’re asking how they can support 

and improve them. These organizations will 

continue to see gains from their alignment 

efforts. But in less enlightened environments, 

BI still represents a battleground for control. 

And, unfortunately, IT just isn’t in a position 

to win.” 

(źródło: Raport Tableau: Top 10 Trends in Business 

Intelligence for 2012) 

COSS (POSS) vs. FOSS 

O ile w przypadku komercyjnych rozwiązań 

rodzajów licencji są dziesiątki, w przypadku OSBI 

sposoby licencjonowania możemy podzielić 

na dwie główne grupy: 

47

48 

A. Commerical Open Source Software, zwane 

również Prioperitary Open Source Software 

(COSS lub POSS, nie funkcjonuje jeszcze 

utarte tłumaczenie na język polski tego sposobu 

licencjonowania, więc na potrzeby niniejszego 

artykułu posiłkować będziemy się 

skrótem COSS). Ten sposób licencjonowania 

gwarantuje wsparcie wdrożenia i utrzymania 

poprzez wyspecjalizowane firmy, najczęściej 

posiadające prawa kodu oprogramowania. 

Są to płatne rozwiązania, których koszt jest 

jednak niewspółmiernie niższy w porównaniu 

do rozwiązań w pełni komercyjnych. 

Cechy COSS/POSS FOSS 

Koszt Co do zasady oprogramowanie 

jest bezpłatne, jednak 

obowiązują opłaty tzw. support 

fee 

Wsparcie wdrożeniowe 

i utrzymaniowe 

Można skorzystać z pomocy 

wyspecjalizowanych firm 

Rozwój oprogramowania Software rozwijany dość 

regularnie, wraz z potrzebami 

użytkowników biznesowych 

Dodatkowe funkcjonalności Bardzo dużo dodatkowych 

funkcjonalność zwiększających 

atrakcyjność rozwiązania 

B. Free and Open Source Software (FOSS) – 

licencja w pełni otwarta, rzadziej występująca 

(przynajmniej dla systemów BI). Rozwiązania 

w tym wariancie nie mają zagwarantowanego 

wsparcia, nie występują żadne koszty związane 

z licencjonowaniem. Zdecydowanie się na FOSS 

wiąże się z koniecznością posiadania zasobów IT 

zdolnych do obsługi takich rozwiązań. 

Nomenklatura użyta w nazewnictwie 

licencjonowania może być nieco myląca. Wiąże się 

to z tym, że źródeł COSS należy szukać w modelach 

rozwoju oprogramowania typu shareware lub FOSS 

właśnie. 

Oprogramowanie jest 

bezpłatne, nie ma opłat support 

fee, bo taka usługa nie jest 

dostępna w tym modelu 

Wdrożenia i utrzymania 

dokonuje się siłami własnych 

zasobów 

Software rozwijany raczej 

samorzutnie, niekoniecznie 

w sposób kontrolowany – 

funkcje biznesowe dostępne 

z opóźnieniami 

Ograniczony dostęp do 

interesujących funkcjonalności, 

chociaż istnieje możliwość 

dokupienia rozwiązań opartych 

na COSS 

Dokumentacja Pełna, rzetelna Lakoniczna, często niepełna

Kluczowe korzyści: oszczędności 

Głównym powodem, który skłania organizacje do 

wyboru narzędzi Open Sourcowych (nie tylko BI) 

są koszty, a dokładniej - potrzeba ich ograniczenia. 

Należy wyraźnie podkreślić, że narzędzia BI oparte 

na licencjach Open Source (nawet FOSS) nie są 

darmowe – tak, jak w przypadku produktów 

komercyjnych istotne pozostają koszty sprzętu, 

wdrożenia, utrzymania, rozwoju, i wsparcia. 

Zdecydowaną przewagą rozwiązań BI opartych 

na Open Source stanowi niższy koszt łączny, 

wynikający przede wszystkim z braku opłat 

licencyjnych. Korzyści takie, jak szybkość 

eliminowania błędów w oprogramowaniu 

i wdrażaniu nowych funkcjonalności – dzięki 

rozbudowanym communities są widoczne i cenne, 

jednak w znacznie mniejszym stopniu przyczyniają 

się do rosnącej pozycji OSBI. 

W przypadku rozwiązań komercyjnych stopień 

skomplikowania modeli finansowych opisujących 

sposoby licencjonowania często uniemożliwia ich 

rzetelną analizę, nawet gdy porównaniu podlegają 

tylko dwa parametry funkcjonalność i cena. 

Trochę inaczej rzecz się ma w przypadku OSBI. 

Poszukujący rozwiązania informatycznego 

duże 

średnie 

małe 

$87 000 

$87 000 

$310 257 

$30 000 

$66 592 

typu Open Source nie musi poświęcać czasu 

na analizy cen, typów, okresów, czy też 

marketingowo „podkręcanych” pakietów licencji. 

Porównuje tylko funkcjonalności, które de facto 

są wystandaryzowane. Dzięki temu można 

oszczędzić czas potrzebny do wyboru optymalnego 

rozwiązania. Jest to oszczędność trochę 

ukryta, często nie brana pod uwagę, a jednak 

przygotowanie RFP, a w szczególności analiza 

i porównanie ofert potrafią mocno obciążyć budżet 

departamentu IT. 

Rozwiązania oparte na licencjach Open Source, 

w tym OSBI, mają coraz większe znaczenie 

w możliwościach redukcji kosztów związanych 

z IT. Dynamikę i powagę zmian w tym kierunku 

podkreślają najwięksi światowi gracze – na przykład 

IBM, który w tym roku zrezygnował z rozwiązań 

ORACLE Siebel implementując Open Source’owy 

SugarCRM. 

Jak ilustruje wykres z raportu Lowering the 

Cost of the Business Intelligence with Open 

Source przygotowanego przez Third Nature, 

największe oszczędności wynikające z wdrożenia 

OSBI ujawniają się wraz ze skalą wykorzystania 

systemu. Na wykresie zestawiono średnie koszty 

rozwiązań oferowanych przez czterech głównych 

$1 586 826 

$0 $500 000 $1 000 000 $1 500 000 $2 000 000 

Źródło: Raport Lowering the Cost of the Business Intelligence with Open Source Third Nature 

3-letni średni koszt opensource 

3-letni średni koszt komercyjny 

49

50 

dostawców komercyjnych z kosztami Pentaho 

(jednego z liderów OSBI). W przypadku gdy 

licencje wykorzystywane są przez 25 użytkowników 

(wdrożenie małe) oszczędności w horyzoncie 

3-letnim kształtują się na poziomie 50%, ale dla 

organizacji z 500 użytkownikami (wdrożenie duże) 

oszczędności są piętnastokrotne! 

Nawet przy założeniu identycznych nakładów 

na wdrożenia rozwiązań BI komercyjnych i Open 

Source’owych największy spadek kosztów widać 

wraz ze wzrostem liczby użytkowników. Przewaga 

ta jest niejako oczywista, bo bierze się z braku 

opłat za pojedyncze licencje, przez to wraz ze 

wzrostem liczby użytkowników koszt krańcowy 

maleje dynamicznie. 

Liderzy OSBI 

Na rynku istnieje kilkanaście ciekawych rozwiązań 

Business Intelligence działających w oparciu 

o licencję Open Source. Spośród nich na szczególną 

uwagę zasługują: 

Pentaho 

Najbardziej rozpowszechnione rozwiązanie 

klasy OSBI. Jest już na tyle dojrzałe, że zaczęło 

pojawiać się w prestiżowych porównaniach 

software’u, np. w „magic quadrant” Gartnera. 

Szczególną zaletą jest niska cena licencji i – co za 

tym idzie – niskie TCO. Klienci Pentaho są 

zadowoleni z działania rozwiązania i dostrzegają 

ciągłą poprawę jakości. Oprogramowanie jest 

stale rozwijane, ostatnio np. wzbogaciło się 

o możliwości raportowania zoptymalizowanego 

pod iPady. Pentaho to jeden z liderów OSBI 

dostrzegający przyszłe trendy i wpisujący je 

w swoje rozwiązania. Tak było gdy dostarczył 

funkcjonalności dla integracji własnego ETL i BI 

z Hadoop, uzupełniając rozwiązania o obsługę baz 

NoSQL, – wszystko po to, aby zapewnić wsparcie 

dla analizy danych pochodzących z dużych 

i różnorodnych źródeł. 

Jaspersoft 

To kolejna ciekawa propozycja platformy BI z rynku 

open source. Podobnie jak w przypadku Pentaho, 

zaimplementowano tu rozwiązania Apache Hadoop 

(ze wsparciem dla baz NoSQL) oraz HTML-5 dla 

środowiska iOS, w szczególności dla iPadów. 

Od 2010 roku Jaspers umożliwił dostęp do swoich 

usług w chmurze w modelach SaaS i PaaS. 

SpagoB 

Dostawcą platformy SpagoB jest włoska firma 

konsultingowa Engineering Group, która na jej 

bazie tworzy rozwiązania dostosowane do potrzeb 

konkretnych organizacji. Oprogramowanie to 

jest przeważnie używane w małych środowiskach 

– średnio 50 użytkowników, baza danych 

o pojemności 50 GB. 

Dla kogo OSBI? 

Wydaje się, że szczególną uwagę na narzędzia 

Open Source’owe powinny zwrócić instytucje 

ze sfery budżetowej, w których najważniejszym 

kryterium w przetargu jest cena oraz organizacje 

pozarządowe, które od zawsze muszą się troszczyć 

w wyjątkowy sposób o koszty. 

Naturalnym odbiorcą OSBI są też oczywiście 

przedsiębiorstwa, szczególnie te, w których 

presja na zdobycie przewag konkurencyjnych jest 

duża, a budżety podlegają znacznym redukcjom. 

Jak pokazują zestawienia, przy wdrożeniu OSBI 

oszczędza się na jednostkowym koszcie na 

użytkownika – im większe wdrożenie, tym większe 

oszczędności. 

Open Source’owe rozwiązania BI mają dobre 

perspektywy rozwoju. Dynamikę wzrostu liczby 

ich wdrożeń na świecie potwierdza wiele 

międzynarodowych raportów. Źródeł takiej 

sytuacji można upatrywać nawet w zmianach 

makroekonomicznych w skali globalnej: obserwuje 

się wzrost zainteresowania OSBI w Chinach

i Indiach gdzie “zachodnie” prawa autorskie nie 

są przyjaźnie odbierane, a rzeszom informatyków 

łatwiej jest pracować na rozwiązaniach opartych 

na otwartym dostępie do kodu. Kryzys, choć dalecy 

jesteśmy od nadużywania tego pojęcia, w sposób 

znaczący odciska piętno na budżetach wielu 

departamentów IT, co w naturalny sposób skłania 

je do wyboru rozwiązań mniej kapitałochłonnych 

– opartych na modelach OSBI i SaaS. 

Problemy we wdrażaniu OSBI 

Jak wynika z analiz przeprowadzonych przez 

Carrywater, korzyści wynikające z zastosowania 

rozwiązań OSBI nie są w pełni uświadomione 

członkom zarządów przedsiębiorstw podejmujących 

kluczowe decyzje dotyczące infrastruktury 

IT. Powodów takiego stanu rzeczy jest kilka: 

agresywna polityka sprzedażowa firm oferujących 

komercyjne rozwiązania i ich “historyczna” 

obecność, przywołany na wstępie strach przed 

brakiem odpowiedniego wsparcia czy dalszego 

rozwoju oprogramowania lub propagowana 

– pozornie niższa wiarygodność OSBI. Przeciwnicy 

rozwiązań Open Source’owych mają kilka 

argumentów. Większość z nich zamyka się 

w ironicznej, anglosaskiej maksymie: “You get what 

you pay for” – jakoby niska cena wpływała na 

jakość. Nic bardziej mylnego – rynki dynamicznie 

ewoluują, a z nimi modele kształtujące 

oprogramowanie. Coraz więcej niskokosztowych 

modeli biznesowych udowadnia przydatność 

oferowanych rozwiązań – oferując więcej za mniej, 

zachowując przy tym wysoką jakość. 

Kolejną przeszkodą dla popularyzacji OSBI jest 

system wynagradzania dyrektorów IT. Szefowie 

departamentów IT uważnie analizują możliwości 

dalszego rozwoju i ścieżki awansu wewnątrz 

i na zewnątrz organizacji. Najczęstszym pytaniem 

kolejnego pracodawcy jest: „Portfelem, 

o jakim budżecie zarządzał Pan ostatnio?”. 

Jest to najłatwiejszy krok kategoryzacji kandydatów. 

Zakłada się, że im większy budżet, tym większy 

stopień skomplikowania środowiska, skumulowana 

odpowiedzialność i często to właśnie ta odpowiedź 

determinuje proponowany poziom stanowiska 

oraz wynagrodzenia. Między innymi dlatego, 

rzadko który manager IT chce zarządzać mniejszym 

budżetem. Wdrożenie OSBI jednoznacznie 

implikuje chudszy portfel do kontrolowania. 

Tajemnicą poliszynela jest, że większy budżet 

danego projektu, czy departamentu przekłada 

się na większą „władzę” organizacyjną. Pochodną 

wynagradzania jest też stopień realizacji planu. 

Bardzo często niewykonanie budżetu traktowane 

jest jako błąd w planowaniu. Ułatwieniem dla OSBI 

byłby odwrotny sposób wynagradzania, w którym 

wdrażanie mniej kapitałochłonnych rozwiązań 

(nawet w stosunku do planu) jest nagradzane. 

W kontekście tak funkcjonujących systemów 

motywacyjnych, nie dziwi fakt, że na biurkach 

zarządu najczęściej lądują przygotowane przez 

dyrektorów IT propozycje kurortów na Malediwach 

czy plażach Barbadosu, oczywiście w wersji 

all inclusive z przelotem prywatnym odrzutowcem. 

Zmiana orientacji na wybór niskokosztowych 

rozwiązań i premiowanie takich wyborów jest 

szansą na wzrost dynamiki rozwoju OSBI, a tym 

samym na zauważalne obniżenie kosztów 

działalności IT. 

**** 

Szersze zastosowanie narzędzi opartych o licencję 

Open Source możliwe jest tylko dzięki zmianie 

mentalności decydentów. To ambitne zadanie, 

często wymagające od organizacji zaangażowania 

podmiotów zewnętrznych. Stąd też zauważalny 

jest popyt na usługi polegające na tak zwanym 

podwójnym sprawdzaniu (double check). 

Zarząd zgłaszający się do integratora lub 

firmy konsultingowej z potrzebą zbadania 

alternatywnych rozwiązań niż te zaproponowane 

przez departament IT to już nie egzotyczna usługa. 

51

52 

Cel wdrożenia systemu BI jest jeden – zdobycie 

danych, które w ustrukturyzowanej formie 

pozwolą na uzyskanie przewag konkurencyjnych. 

Preferencje każdej organizacji są unikatowe, 

różny stopień akceptacji ryzyka, różne budżety, 

Marek Ziętek (Marek.Zietek@carrywater.com) 

Sławomir Folwarski (Slawomir.Folwarski@carrywater.com) 

etc. To od kluczowych decydentów zależy, 

czy firma zdecyduje się na drogi ośrodek SPA, 

czy wyprawę niskokosztową, przynoszącą te same – 

drogocenne dane, dodatkowo zapewniającą opinię 

“odkrywców” wśród zaprzyjaźnionych firm. 

Carrywater Group S.A. jest firmą konsultingową, która od ponad 15 lat skutecznie wspiera organizacje w definiowaniu 

i osiąganiu celów strategicznych. Doradzamy w obszarze biznesowym i IT. Prowadząc projekty doradcze wykorzystujemy 

kompetencje zarządzania projektami – wysokiej jakości produkty dostarczamy szybko i efektywnie. Firma poszukuje 

nowych rozwiązań i inwestuje w innowacyjne przedsięwzięcia zarówno zachęcając pracowników do zgłaszania pomysłów, 

jak i proponując Klientom współpracę w modelu Ventures.

Światowy rynek analityki biznesowej 

ma się wciąż świetnie – prognoza 

opublikowana w raporcie IDC z czerwca 2012 

pt. Worldwide Business Analytics Software 

2012–2016 Forecast and 2011 Vendor 

Shares mówi o średniorocznym 10% wzroście 

na przestrzeni kolejnych 5 lat. 

Tomasz Słoniewski, IDC 

53

54 

Dane to nie tylko liczby 

Paweł Wróblewski, Findwise 

Ogromna większość informacji składowanych w firmach nie pochodzi z baz danych. 

Są to raczej dokumenty zawierające tekst, który często jest bardzo istotny. Nie ma jednak 

najmniejszego sensu składowanie tak dużych ilości tekstu, jeżeli z wiedzy w nim zgromadzonej 

nie da się korzystać. 

Business Intelligence wielu kojarzy się 

jedynie z przetwarzaniem na ogromną skalę 

różnorodnych liczb. W większości podręczników, 

prezentacji i przykładów dominują wyniki 

sprzedaży w podziale na różne segmenty, 

kraje, sprzedawców, sklepy, regiony i tak 

dalej. Surowe dane podlegają agregacji pod 

kątem różnych kryteriów, przeprowadzana jest 

analiza statystyczna: wyliczenia sum pośrednich 

i całkowitych, wyliczanie procentowych 

udziałów w całości, mierzenie średnich, median, 

odchyleń standardowych, budowanie modelów 

predykcyjnych z wykorzystaniem liniowej lub 

wielomianowej regresji. I to wszystko na małą, 

średnią oraz naprawdę ogromną skalę. Od wielu 

lat mechanizmy i algorytmy, systemy i rozwiązania 

są skutecznie rozwijane tak, że już mało kto 

podważa wiarygodność stwierdzenia, że nie ma 

podejmowania świadomych i dobrych decyzji bez 

skutecznej analizy danych. Jednak należałoby zadać 

sobie pytanie, czy ten matematyczny świat cyfr, 

liczb i wyliczeń daje właściwy obraz rzeczywistości, 

czy z całą pewnością możemy stwierdzić, że przy 

podejmowaniu decyzji wzięliśmy pod uwagę pełen 

zakres dostępnej dla nas informacji? 

Tymczasem z każdą sekundą przybywa informacji 

w formie elektronicznej. Dokumenty, prezentacje, 

umowy, raporty, emaile, zdjęcia, czy filmy 

wprost wylewają się z naszych komputerów. 

W listopadzie ubiegłego roku odbyło się 

sympozjum organizowane przez Gartnera dotyczące 

zarządzania informacją w firmach. W głównym 

materiale konferencyjnym znalazło się następujące 

stwierdzenie: 

„Do roku 2015, organizacje zdolne do zintegrowania 

wysoce wartościowych, różnorodnych i nowych 

typów danych w spójnej infrastrukturze zarządzania 

informacją osiągną o 20% lepszy wynik finansowy 

od swoich konkurentów w danej branży.” 1 

Bum. Jest to bardzo mocne stwierdzenie. 

Nie sposób teraz polemizować z tą treścią, ani 

wnikać w sposoby wyliczenia takiej wartości. 

Przyjmijmy więc zatem roboczo, że tak może być, 

co zresztą intuicyjnie zgadza się z przekonaniem, 

że bez analizy różnorodnych danych i informacji 

trudno o podejmowanie dobrych decyzji, bo niby 

na jakiej podstawie? Przecież ignorując całą treść 

wytworzoną przez kolegów i koleżanki z firmy 

i próbując wyważyć dawno otwarte drzwi poprzez 

robienie wszystkiego samemu, mnoży się koszty 

i nie osiąga wysokiej jakości pracy. To wszystko, 

jak kamyczek do kamyczka przekłada się na 

nieefektywność całej organizacji, która zaczyna 

się topić w oceanie wytworzonych przez siebie 

i gromadzonych informacji. 

Marzenie o świecie idealnym 

Czytając ten wstęp można pomyśleć sobie, 

że fajnie tak sobie napisać o integracji wysoce 

wartościowych i nowych typów danych, ale jak 

1 Ted Friedman, Regina Casonato: A Framework for 

Creating Value From Information Assets: The Key to 

Information Management Success; 

Gartner Symposium Nov 2011;

to zrobić? Proponuję zatem na początku trochę 

pomarzyć. Zacznijmy od prostego spostrzeżenia, 

że z różnorodną treścią w sposób naturalny radzi 

sobie Internet. Czyż do Facebooka nie da się 

wrzucić właściwie wszystkiego? Nie ważne czy 

jest to link do fajnego artykułu, czy zaproszenie 

na jakieś wydarzenia, czy zdjęcie, filmik czy plik. 

W sposób naturalny szybko zorientujemy się kto 

co lubi, czego nie lubi i sami chcący lub niechcący 

wciągamy się w wir wymiany wysoce wartościowych 

i nowych typów danych. Dlaczego nie miałoby tak 

być w przedsiębiorstwie? 

Z drugiej strony tak przyzwyczailiśmy się do 

wyszukiwarki w Internecie, że nie słyszałem, 

aby ktoś skarżył się, że czegoś nie można tam 

znaleźć. Nawet, jeżeli istnieje coś takiego, to raczej 

bylibyśmy skłonni winą za to obarczyć daną 

stronę internetową, że została nieprofesjonalnie 

przygotowana, ponieważ wyszukiwarka jej 

„nie łyka”. Tutaj przypomina mi się historia 

starszej pani, już po 70-ce, której tłumaczyłem 

jak do przeglądarki internetowej wprowadzić 

prosty adres strony, którą była zainteresowana. 

Kiedy to wytłumaczyłem, nie kryła szczerego 

zdziwienia, ponieważ do tej pory sądziła, że aby 

mieć dostęp do jakichkolwiek stron internetowych, 

to w miejscu adresu należy koniecznie wpisać 

google.pl. 

Zatem, jeżeli w Internecie świat wygląda tak 

ślicznie i tam świetnie radzimy sobie z różnorodną 

informacją codziennie wykorzystując ją w naszej 

pracy, to dlaczego nie miałoby tak być wewnątrz 

firmy, w świecie za firewallem? Czy nie byłoby 

lepiej, gdyby istniał tam nie tylko tradycyjny 

intranet, ale cała galaktyka różnych stron 

i serwisów z wyszukiwarką na czele? 

Brutalna rzeczywistość 

Pomimo tego, że mamy już drugą dekadę 

XXI wieku, to mentalnie wiele firm tkwi jeszcze 

w poprzednim stuleciu. Portal intranetowy 

traktowany jest jako nowa forma słupa 

ogłoszeniowego, planszy na której dział 

komunikacji wewnętrznej, kadry i zarząd 

publikuje swoje odezwy do pracowników. 

Pliki przechowywane są na nieśmiertelnych 

udziałach sieciowych, gdzie każdy dokument 

ma przynajmniej 20 różnych wersji. Często 

odnalezienie istotnych informacji wymaga 

nie lada ekwilibrystyki współpracy z kilkoma 

różnymi systemami, z których każdy ma długie 

i skomplikowane formularze do wypełnienia, zanim 

wyrzuci istotne dla nas wyniki. A najtrudniejsze jest 

to, że aby coś odnaleźć najpierw należy wiedzieć, 

gdzie to może być. Zupełnie odwrotnie niż 

w Internecie! 

Firma Findwise w tym roku przeprowadziła ankietę 

na temat wyszukiwania w przedsiębiorstwach, 

jej wyniki na podstawie odpowiedzi ponad 

500 respondentów z całego świata 2 pokazują, 

że firmy nie są przygotowane do wprowadzenia 

tego typu zmian. Nie ma co tutaj narzekać na 

polskie warunki, po prostu w tej chwili, choć 

wiele o tym się mówi (75% uznaje wyszukiwanie 

jako krytyczny element sukcesu), to jednak 

nie podejmowane są konkretne działania. 

Brak strategii, budżetu i ludzi, którzy mieliby 

się zająć tym zadaniem. Ale nie będziemy 

przecież rezygnować z naszych marzeń, tylko 

dlatego, że w tej chwili nie jest zbyt wesoło! 

Zatem zaczynami krok po kroku. 

Po pierwsze – strategia 

Rozmawiając o strategii musimy mieć świadomość, 

że działalność każdego zdrowego przedsiębiorstwa 

można podsumować jako maksymalizacja zysku 

2 Raport jest przygotowany do ściągnięcia ze strony 

http://blog.findwise.com/the-enterprise-search-andfindability-report-2012-is-ready/ 

55

56 

przy minimalizacji kosztów. Zatem zadaniem 

najważniejszym będzie dla nas opracowanie 

i wyliczenie, ile da się zyskać na wprowadzeniu 

proponowanych przez nas zmian. 

Sprawa prosta nie jest, ponieważ, żeby pokazać, 

ile można poprawić, trzeba najpierw zacząć 

mierzyć skuteczność i wydajność poszczególnych 

procesów biznesowych. W zależności od specyfiki 

prowadzonego biznesu przykładów można mnożyć 

wiele i tak dla procesu sprzedaży można mierzyć 

ile czasu dziennie pracownicy szukają informacji 

o kliencie i produktach w systemach firmy, aby móc 

skutecznie połączyć jedno z drugim; ile średnio 

czasu potrzebuje pracownik call centre, żeby 

odnaleźć informacje o które pyta klient; jak długo 

pracownicy szukają konkretnego dokumentu 

w intranecie. 

Dobra strategia powinna zawierać w odniesieniu 

do zidentyfikowanych procesów biznesowych nasze 

cele: zwiększenie sprzedaży o 15% poprzez lepiej 

celowane oferty handlowe, zwiększenie satysfakcji 

użytkownika o 5% poprzez szybszą i dokładniejszą 

obsługę telefoniczną, odnalezienie informacji 

w intranecie w 75% przypadków poprzez 

wprowadzenie maksymalnie dwuczłonowego 

zapytania i trzy kliknięcia. Koniec końców 

te procenty powinny oznaczać bardzo konkretne 

pieniądze do zdobycia. No, oczywiście znacznie 

większe pieniądze niż inwestycja we wprowadzane 

zmiany. 

Kolejnym niezbędnym elementem strategii 

jest plan. Dlatego poza celami dobrze jest 

wyznaczyć sobie drogę poprzez bardzo konkretne 

krótkoterminowe projekty, usprawniające działanie 

organizacji oraz bardziej długoterminowe 

inicjatywy, które zapewnią rozwój i ciągłą 

poprawę organizacji w zakresie ogarniania 

naszych informacji. Nieodłącznie wiąże się z tym 

planowanie zasobów i budżetu na realizację 

nakreślonych wizji wraz z mechanizmami 

pozwalającymi na monitorowanie i kontrolę 

przebiegu wprowadzanych zmian. Oczywiste? 

To dlaczego tak nie jest? 

Po drugie – informacje 

Termin zarządzania informacją nie dla 

wszystkich jest jasny i nie zawsze dokładnie 

wiadomo, o co w nim tak naprawdę chodzi. 

Dlatego proponuję przyjrzeć się podstawowym 

elementom. 

Najważniejszą rzeczą w zarządzaniu jest … 

zarządzanie. A to oznacza, że trzeba pochylić 

się nieco nad sposobem, w jaki organizujemy 

informację w firmie. W wielu miejscach 

pojawiło się już stanowisko CIO, co w polskich 

warunkach można przełożyć na członka zarządu 

odpowiedzialnego za przetwarzanie informacji. 

I to właśnie od CIO powinno wymagać się 

strategicznych wizji i określenia kierunku 

rozwoju organizacji odpowiadając na wymogi 

współczesności. 

Idąc dalej, trzeba powiedzieć, że CIO powinien 

mieć silną ekipę, która już na nieco niższym 

poziomie jest w stanie przekuwać strategię na 

konkretne posunięcia w poszczególnych obszarach 

zarządzania informacją. Tutaj na pierwszym planie 

wysuwają się procesy biznesowe, czyli de facto 

podział ról i obowiązków w firmie, zdefiniowanie 

kolejności wykonywania zadań przy przetwarzaniu, 

dostępie i analizie danych. Także w tym obszarze 

ważną rolą wydaje się być Information Manager 

(a jakże!), który powinien podejmować kluczowe 

decyzje co do bardzo konkretnych zmian 

zachodzących w tym mikro-świecie. Niezawodnym 

kryterium dla niego winno być zawsze zgodność 

ze strategią rozwoju, do której zresztą powinien 

skutecznie wnosić o niezbędne zmiany i korekty, 

bo świat się szybko zmienia. 

W kontekście zarządzania informacją nie sposób 

nie wspomnieć o bezpieczeństwie. Zwykle dzieje 

się tak, że nie wszyscy powinni wszystko wiedzieć,

chociaż bardzo by chcieli. Dlatego muszą 

istnieć polityki dostępu do informacji, czyli kto 

co ma obejrzeć. Jednak żeby to było możliwe 

musimy zdefiniować przynajmniej dwie rzeczy: 

role użytkowników i klasy dokumentów/ 

informacji. O ile nie tak trudno jest posegregować 

użytkowników pod katem pełnionych przez nich ról, 

o tyle znacznie trudniej jest dokonać klasyfikacji 

rodzaju przetwarzanej treści. Polityka zabezpieczeń, 

to w najprostszym wydaniu to połączenie w pary 

ról użytkowników i klas dokumentów, nadając 

tym parom prawa do odczytu, zapisu, usuwania 

lub w ogóle pozbawiając dostępu. 

Wychodząc od klasyfikacji przetwarzanej 

treści warto pokusić się o pójście kilka kroków 

dalej i zbudować firmowy model metadanych 

i taksonomię. Chociaż brzmi to groźnie, 

to tak naprawdę polega na zdefiniowaniu, 

jakie dodatkowe informacje powinny być 

dołączone do przetwarzanej treści, żeby lepiej 

ją analizować, wyszukiwać i w końcu lepiej ją 

zrozumieć. Warto też się przyłożyć do zbudowania 

słownictwa, które pozwoli nam na lepszą 

komunikację wewnątrz firmy, bez niepotrzebnych 

nieporozumień. 

Po trzecie - technologia 

Tak naprawdę, dopiero posiadając określoną 

wizję strategiczną oraz mając pod kontrolą 

źródła informacji można przystąpić do wdrażania 

systemów informatycznych, bo generalnie 

zarządzanie bałaganem powoduje jeszcze większy 

bałagan. Tutaj nie jestem w stanie pohamować 

pokusy i napiszę, że nader często jest to 

ignorowane. Z reguły bowiem napięte terminy, 

budżety, brak ludzi sprawia, że przystępuje się 

do prostego wdrażania wyszukiwarki, które ma 

za zadanie zadośćuczynić ambicji bycia firmą, 

która w nowoczesny sposób przetwarza różnorodne 

informacje. Jednak nie odrobione lekcje i tak trzeba 

będzie nadrobić i szybko się można przekonać, 

że albo pojawi się niezadowolenie z zawiedzionych 

ambicji, albo rzeczywiście zaczniemy podchodzić 

do całego zagadnienie trochę bardziej poważnie. 

Od jakiegoś już czasu czołowi dostawcy technologii 

Business Intelligence dostrzegają konieczność 

pochylenia się nad danymi tekstowymi, lub inaczej 

niestrukturalnymi. I tak SAS wykupił firmę 

Teragram, dzięki której do swojej gamy 

rozwiązań wprowadził ciekawe narzędzia analizy 

lingwistycznej. IBM posiada swój Content 

Analytics oraz od niedawna produkty przejętej 

firmy Vivisimo, Microsoft oferuje zaawansowane 

narzędzie do wyszukiwania pod marką FAST 

Search Server for SharePoint 2010. HP też 

próbuje wejść w tę niszę poprzez oferowanie 

rozwiązań Autonomy, brytyjskiej firmy, którą nabył 

w zeszłym roku za niebagatelną kwotę 11 mld 

dolarów. Oracle także nie chce zostać w tyle 

i poza swoim dotychczasowym produktem Secure 

Enterprise Search można skorzystać z platformy 

Endeca, która także niedawno została przejęta. 

Mówiąc o wyszukiwaniu nie można nie wspomnieć 

o Google, który także ma produkt do indeksowania 

i wyszukiwania różnorodnych danych wewnątrz 

przedsiębiorstw – Google Search Appliance. 

Jeżeli dodamy do tego cały pakiet dojrzałych już 

rozwiązań klasy open source, jak SolR czy Elastic 

Search, to można się nieco pogubić w całej tej 

ofercie. Jednak każde z tych rozwiązań ma swoje 

mocne i słabsze strony, a wybór może związać 

z danym dostawcą na dłuższy czas. Dlatego ważny 

to wybór. 

Właściwie każdy z wymienionych wyżej produktów 

da się wbudować w infrastrukturę informatyczną 

przedsiębiorstw na zasadzie usług. Można pokusić 

się nawet o nową redefinicję SaaS – Search as 

a Service. W ten sposób technologia wyszukiwania 

może być wpięta niejako w tle do różnorodnych 

aplikacji biznesowych tak, że użytkownicy nie 

będą mieli pojęcia, że jest to silnik wyszukiwania. 

Ważna tutaj jest pewna zmiana myślenia o tych 

technologiach. Nie jest to tylko pole z zapytaniem, 

57

58 

przycisk szukaj i lista wyników. Aplikacje mogą 

w tle zadawać bardziej lub mniej skomplikowane 

zapytania, a szybkość odpowiedzi poniżej 1s 

sprawi, że widok poszczególnych elementów ekranu 

użytkownika może uzyskać spersonalizowany, 

atrakcyjny graficznie i dynamiczny charakter. 

Jest to technologia bardzo wdzięczna, dające 

spore pole do popisu dla tych, którzy potrafią 

ją skutecznie wdrażać. 

Lingwistyka 

Pracując z danymi tekstowymi nie sposób uciec 

od zagadnień lingwistycznych. Po prostu, żeby 

móc syntetyzować wiedzę zawartą w dokumencie, 

trzeba umieć ten tekst najpierw zrozumieć. 

Lingwistyka komputerowa to już dojrzała dziedzina 

wiedzy, dzięki której jesteśmy w stanie wydobywać 

z tekstu słowa kluczowe, imiona i nazwiska ludzi, 

nazwy firm lub miejscowości, daty itd. Jesteśmy 

w stanie wyszukiwać z uwzględnieniem form 

fleksyjnych wyrazów, z wykorzystaniem prostych 

relacji pomiędzy pojęciami, jak synonimy lub 

bardziej skomplikowanych z wykorzystaniem 

taksonomii dziedzinowych lub ontologii. Wiedza 

zawarta w dokumentach może być klasyfikowana 

automatycznie jak również automatycznie 

tagowana wraz z wykryciem tonu wypowiedzi 

(np. pozytywna, negatywna, neutralna), a wszystko 

po to, żeby lepiej odnajdywać interesujące 

nas informacje. 

Ciekawym rozwiązaniem jest także możliwość 

zadawania zapytań w języku naturalnym, 

co w połączeniu z systemami rozpoznającymi mowę 

może nam dać w efekcie inteligentnego bota, 

serwującego nam żądaną informację. 

Rzecz ostatnia, acz najważniejsza – 

użytkownicy 

Każdy użytkownik Internetu wie, że są strony co 

wyglądają źle i takie co wyglądają dobrze. Z tych 

pierwszych szybko uciekamy, a na tych drugich 

z przyjemnością pozostajemy. Nie ma absolutnie 

żadnego powodu, żeby portale firmowe 

zniechęcały swoim wyglądem i mechanizmami 

dostępu do korzystania z nich! 

Tymczasem dział wiedzy dotyczący użyteczności 

serwisów internetowych już jest dość dojrzały 

z pewną ilością specjalistów w tej branży. 

Lata doświadczeń i badań sprawiły, że nie jest 

wiedzą tajemną jak dobierać kolory przycisków, 

jak budować układ strony, gdzie umieszczać 

podstawowe elementy sterowania stroną. Jeżeli 

będziemy chcieli skorzystać z dobrodziejstw tego 

obszaru wiedzy praktycznej, to zyskamy wiele 

i zwiększymy bardzo modny ostatnio i ważny 

współczynnik „adopcji” (ang. „system adoption”) 

rozwiązania informatycznego i zmiany w firmie. 

Findability = Odnajdywalność 

Ogromna większość informacji składowanych 

w firmach nie pochodzi z baz danych. Są to raczej 

dokumenty zawierające tekst, który często jest 

bardzo istotny. Nie ma jednak najmniejszego 

sensu składowanie tak dużych ilości tekstu, 

jeżeli z wiedzy w nim zgromadzonej nie da się 

korzystać. A bez odpowiednich narzędzi po prostu 

staje się to niemożliwe. Ale wydaje mi się, że nie 

w narzędziach tkwi sekret sukcesu, ale w sposobie 

ich wykorzystywania. Można przecież do upadłego 

biegać z młotkiem i gwoździami starając się 

zbudować dom, ale bez planu, umiejętności, 

środków, zasobów staje się to mało realne. 

Doświadczenie Findwise w pracy z ponad 

100 klientami nad projektami związanymi 

z wyszukiwaniem pokazuje, że niezbędnymi 

elementami sprawnego nawigowania 

po oceanie informacji to przede wszystkim 

myślenie strategiczne i długoterminowe o tym 

przedsięwzięciu, sprawne zarządzanie informacją, 

umiejętne wdrożenie technologii wyszukiwania 

z elementami dostosowania mechanizmów

lingwistycznych oraz dbałość o przejrzystość 

i użyteczność interfejsu aplikacji. Wszystko to 

razem nosi dość prostą nazwę Findability – 

czyli Odnajdywalność po naszemu. 

Paweł Wróblewski 

Dlatego życzę, aby do 2015 roku wszyscy 

osiągnęli o 20% lepszy wynik finansowy od 

swoich konkurentów z branży poprzez lepszą 

Odnajdywalność informacji! 

Ups! Wszyscy nie mogą być lepsi, bo niby od kogo? :-) 

Od przeszło 8 lat zajmuje się rozwiązaniami informatycznymi z zakresu wyszukiwania i analizy informacji 

tekstowej. Jest jednym z pierwszych propagatorów zastosowania mechanizmów lingwistyki komputerowej 

w analizie danych w przedsiębiorstwach i instytucjach związanych z bezpieczeństwem publicznym. Od stycznia 

2012 roku odpowiada za rozwój szwedzkiej firmy Findwise na terenie polski, której celem jest dostarczanie 

usług konsultingowych i wdrożeniowych w celu usprawniania procesu świadomego podejmowania decyzji 

wykorzystując najnowocześniejsze narzędzia wyszukiwania i analizy danych tekstowych. Prywatnie szczęśliwy 

mąż Anny pracującej jako adiunkt na Politechnice Warszawskiej, z którą udaje się nie tylko wychowywanie trzech 

córek, ale także współpraca na gruncie innowacyjnych rozwiązań opartych na wyszukiwaniu. 

59

Drodzy CEO - użyjcie wiedzy 

o kliencie, którą macie 

w systemach informatycznych! 


60 

Zrealizowane w ostatnich dwóch dekadach 

wdrożenia systemów informatycznych klasy ERP 

przyniosły w wielu firmach poprawę zarządzania 

procesami biznesowymi i zarządzania finansami. 

Potem przyszła fala wdrożeń systemów CRM, które 

miały usprawnić zarządzanie relacjami z klientami 

i potencjalnym klientami. Firmy zaczęły gromadzić 

bardzo wiele danych operacyjnych i używać ich 

do podejmowania decyzji operacyjnych. Pojawiły 

się systemu DSS (Decision Support Systems) i 

MIS (Management Information System), które 

miały wspierać Zarządy w podejmowaniu decyzji 

strategicznych. 

Od hurtowni danych do Business 


Od wielu lat wiodące przedsiębiorstwa wdrażają 

u siebie hurtownie danych zbierające dane 

z różnych systemów i umożliwiające spojrzenie 

na firmę oraz klienta w wielu różnych wymiarach. 

Niestety w wielu przypadkach CEO nie uzyskują 

za pomocą tych narzędzi informacji, które są 

dla nich tak krytyczne do zarządzania firmą. 

Dane dalej pozostają danymi, a nie zostają 

przekształcone w informację umożliwiającą 

podejmowanie strategicznych decyzji. 

Stąd też pojawiły się narzędzia wspierające 

Business Intelligence, które umożliwiają analitykom 

przetwarzać zgromadzone dane w wiedzę 

i znajdować odpowiedzi na pytania Zarządu, np. 

• w telekomunikacji: Gdzie należy rozbudowywać 

sieć telefonii komórkowej? Czy klient zamierza 

rozwiązać umowę? 

• w ubezpieczeniach: Jacy klienci i w jakich 

sytuacjach generują najwięcej szkód 

wymagających wypłaty odszkodowania? 

• w bankowości: Jak klienci zarządzają swoimi 

finansami? Jakie produkty należy im 

zaoferować? Czy można udzielić kredytu 

nowemu klientowi? 

• w przemyśle: Które urządzenia są największą 

przyczyną awarii? 

• w ochronie zdrowia: jakie choroby 

i w jakich sytuacjach wymagały w danym 

szpitalu specjalistycznego leczenia? 

• w e-commerce: w jakich momentach klient 

rezygnuje z zakupu w moim sklepie 

internetowym? 

Business Intelligence - zbędny wydatek 

czy inwestycja konieczna w kryzysie 

W wielu branżach i w wielu firmach ponoszone 

są wielomilionowe inwestycje w projekty, których 

efekt często nie znajduje uznania w oczach 

obecnych i przyszłych klientów danej firmy. 

Narzędzia Business Intelligence pozwalają przed 

rozpoczęciem prac wdrożeniowych np. nad nowym 

produktem ocenić potencjalną skalę używania 

danego produktu przez klienta. Szczególnie 

istotne jest to w bankowości, ubezpieczeniach, 

telekomunikacji czy e-commerce. 

Nim rozpoczniemy prace nad nowymi projektami 

lub produktami warto sięgnąć do danych 

gromadzonych w firmie. A danych w każdej firmie 

generowanych jest niezwykle dużo. 

Ciągłe prośby działów informatyki o konieczność 

zakupu kolejnych dysków czy macierzy dyskowych

do hurtowni danych wprawia wielu CEO i CFO 

w irytację, gdyż w kryzysie liczy się każda wydatek. 

A cóż dopiero konieczność poniesienia znacznie 

większych inwestycji w rozwiązania Business 

Intelligence. Może należy spojrzeć na ten fakt 

z nieco innej strony, bo ... 

Business Intelligence pozwalają rozumieć 

biznes 

Narzędzia Business Intelligence pozwalają nam 

sięgać głęboko w dane i analizować różne 

scenariusze na podstawie dotychczasowych 

danych zebranych w firmie. Uzyskane informacje 

na temat zachowania klientów, wykorzystania 

sieci telekomunikacyjnej czy energetycznej, itp. 

umożliwiają firmom zwiększyć ich przychody 

jak i też zmniejszyć koszty operacyjne czy też 

ograniczyć inwestycje. 

Może się też zdarzyć, że firma nie chce pozyskać 

ryzykownych klientów wtedy też modele 

predykcyjne pozwalają nam szybko określić ryzyko 

udzielenia kredytu danej osobie, czy też sprzedania 

mu subsydiowanego smartfonu. Dzięki temu firma 

unika wielomilionowych strat. 

Bez Business Intelligence nie wchodź 

w e-commerce czy media społecznościowe 

(Business Intelligence szczególnie 

cenne w e-commerce czy mediach 

społecznościowych) 

Nowe elektroniczne kanały kontaktu z klientami 

stawiają przed CEO zupełnie nowe wyzwania. 

Z jednej strony obecni i potencjalni klienci 

zostawiają wiele “śladów” swojej obecności 

i swoich poszukiwań na stronach internetowych 

czy “facebookowych” firm czy też w sklepach 

internetowych, ale z drugiej strony trzeba dane 

poprawnie zebrać i umiejętnie skorzystać. 

Ilość gromadzonych danych wzrosła wielokrotnie, 

ale wartość tych danych jest nieoceniona. 

Wyzwaniem stało się przeprowadzenie obliczeń 

na dużych ilościach danych i czas pozyskania 

informacji. Aby sprostać temu w Business 

Intelligence pojawiły się zupełnie nowe koncepcje 

takie jak Big Data czy technologia Hadoop, które 

mają na celu pomóc zmierzyć się firmom z zupełnie 

nowymi realiami. 

CEO i jego liczby 

Najczęściej zwykło się łączyć CFO z liczbami, 

które w firmie są przygotowywane i analizowane. 

Jednakże głównym właścicielem i użytkownikiem 

tych informacji powinien być CEO. To dane zebrane 

w różnych systemach operacyjnych, przetworzone 

i udostępnione w narzędziach Business Intelligence 

dają CEO niezwykłe narzędzie i krytyczne 

informacje “wywiadowcze” do walki o klienta. 

Zarządzanie Business Intelligence 

Nic tak nie irytuje każdego CEO niż sprzeczne 

dane otrzymane z różnych części organizacji 

np. z pionu finansów i z pionu sprzedaży dane 

dotyczące aktywacji, liczby nowych klientów. 

Na zadane pytanie o przyczynę rozbieżności CEO 

zwykle uzyskują informację, że poszczególne 

komórki organizacyjne przyjmują różne definicje 

klienta, czy też produktu. Dojrzałość zarządzania 

danymi w firmie możemy podzielić na kilka 

poziomów rozwoju Business Intelligence: 

• Poziom 0: Chaosu - Poszczególne osoby 

przygotowują własne dane wg własnych 

definicji 

• Poziom 1: Podstawowych danych - Organizacja 

rozumie poszczególne dane z systemów 

operacyjnych 

• Poziom 2: Analiz - Rozproszone zespoły umieją 

wyciągać z danych informacje o sytuacji 

biznesowej 

61

62 

• Poziom 3: Zarządzany - Organizacja stosuje 

wspólne definicje informacji i posiada strategię 

business intelligence 

• Poziom 4: Biznes oparty na narzędziach 

Business Intelligence - Główne decyzje 

biznesowe podejmowane są na podstawie analiz 

opartych o dane posiadane przez firmę. 

Kroki do osiągnięcia dobrej jakości 

informacji w oparciu o Business 

Intelligence. 

Wielu CEO zadaje sobie pytanie: co musi 

w firmie się stać, abym otrzymywał informacje 

niezbędne do zarządzania firmą. Warto określić 

cele i strategię business intelligence, 

które chcemy zrealizować. 

1. Strategia Business Intelligence 

Pierwszym krokiem powinno być określenie 

Strategii Business Intelligence, która musi być 

strategią pomocniczą dla strategii realizowanej 

przez firmę i Zarząd. Musimy określić, jaki poziom 

szczegółowości analiz i przewidywań jest dla firmy 

konieczny, aby można było efektywnie tą firmą 

zarządzać. Strategia powinna też wziąć pod uwagę 

rozwój wiedzy organizacji w obszarze BI. 

2. Zasady Governance Business Intelligence: 

Kolejnym krokiem do osiągnięcia dobrego 

poziomu dojrzałości Business Intelligence w firmie 

jest wdrożenie zasad governance dla business 

intelligence. Jedna z komórek organizacyjnych 

w firmie np. controlling, czy dział analiz, powinna 

zostać odpowiedzialna za przygotowanie 

i utrzymywanie definicji poszczególnych danych 

w firmie np. aktywny klient, jak liczymy udział 

klienta B2B w całkowitej sprzedaży firmy, 

jakie koszty bierzemy pod uwagę w kosztach 

nowego produktu. 

Ujednolicenie definicji spowoduje znaczne 

zmniejszenie nieporozumień nawet na poziomie 

zarządu oraz zmniejszy koszt wielokrotnego liczenia 

tych samych danych i ich wzajemnego uzgadniania. 

Jednakże najważniejsze jest zachowanie spójności 

danych i możliwość analizy trendów. 

3. Centralizacja przechowywania danych 

i informacji 

Kolejnym krokiem do osiągnięcia dobrego poziomu 

Business Intelligence jest wdrożenie centralnej 

hurtowni danych do której będą trafiały dane 

z wielu różnych źródeł (systemów). Właściwe 

zaprojektowanie hurtowni pozwoli dokonywać 

bardzo złożonych analiz w różnych przekrojach. 

Dla każdego CEO kluczowy jest fakt, 

że zgromadzone w hurtowni danych dane 

i informacje są unikalne dla tej firmy i żadnej 

jej konkurent nie jest w stanie tych danych 

pozyskać i nie jest w stanie przewidywać działań 

podejmowanych przez daną firmę. 

4. Wspólne narzędzia do Business 


Kiedy już rozpoczniemy budowę hurtowni danych 

warto od razu zastanowić się nad narzędziami 

do Business Intelligence, które w firmie będą 

wykorzystywane. Niestety w wielu firmach często 

się zdarza, że controlling kupuje własne narzędzia 

do Business Intelligence, dział informatyki 

kupuje inne narzędzia, a dział analiz biznesowych 

kupuje odpowiadające im systemy. W firmach 

wiele licencji na oprogramowanie duplikuje się, 

gdyż nikt w firmie nie skoordynował zakupów 

narzędzi BI. Wydatki te są w większości przypadków 

znaczące, ale Zarządy nie mają wystarczającej 

wiedzy, aby podjąć decyzję o narzędziach BI. 

Warto wskazać jedną osobę/jedną jednostkę 

organizacyjną, która posiada wiedzę i może podjąć

decyzję o właściwych narzędziach (biorąc też pod 

uwagę oczekiwania innych użytkowników BI). 

5. Centrum Kompetencji Business 


W obszarze Business Intelligence najczęściej 

odchodzi się od podziału na zespoły biznesowe 

zajmujące się danym obszarem biznesowym 

i zespoły informatyki odpowiedzialne za systemy 

z danego obszaru biznesowego. Obszar Business 

Intelligence wymaga bowiem wiedzy zarówno 

biznesowej jak również technologicznej. Jest to 

jeden z najbardziej wymagających obszarów, 

gdzie bez wiedzy technicznej ani też bez wiedzy 

biznesowej nie da się efektywnie pracować. 

To do tych ludzi CXO powinni zwracać 

się z nurtującymi pytaniami dotyczącymi 

np. zyskowności klientów czy produktów, 

zachowań klientów, efektywności sieci sprzedaży. 

W tym obszarze można też spojrzeć w przyszłość 

i z modeli predykcyjnych przewidzieć ryzyko 

odejścia klienta, przewidzieć ryzyko fraudu 

przy sprzedaży do nowego nieznanego klienta. 

Te wszystkie analizy biorą swój początek 

w milionach bajtów zapisanych danych w hurtowni 

i dzięki wykorzystaniu narzędzi matematycznych 

zaimplementowanych w systemach business 

intelligence pozwalają odkrywać i przewidywać. 

Jacek Czernuszenko i Michał Możdżonek 

Podsumowanie: Świadomość celów 

i wykorzystywanie informacji i wiedzą 

w firmie będzie kluczowe do sukcesu firmy 

w trudnych czasach. 

Przez ostatnie dwie dekady przyzwyczailiśmy 

się do ciągłych wzrostów sprzedaży i nowych 

biznesów. Kryzys, którego teraz doświadczamy 

będzie wymagał od firm podejmowania właściwych 

decyzji. Decyzji świadomie podejmowanych 

na podstawie realnych danych o produktach 

i klientach każdej z firm. W takich sytuacjach 

pomoc przynosi Business Intelligence. Dzięki nim 

CXO są w stanie podejmować dobre decyzje 

i prowadzić firmę bezpiecznie przez trudny czas. 

Istotne jest też, aby CEO stawiali organizacji 

jasne cele i dzielili się swoją wiedzą z resztą 

pracowników. Ludzie potrzebują rozumieć 

zarówno cel dokąd firma zmierza, jak i informacje 

operacyjne i analizy, oparte o unikalne dane, 

które są ogromną rozwiniętych firm. 

Tych informacji nie ma konkurent - chętnie 

by je poznał, ale najważniejsze, aby CXO 

z tych informacji sami często korzystali. 

Business Intelligence to kompas, który pokazuje 

CEO kierunek nawet przy najgorszej pogodzie. 

Są doświadczonymi konsultantami w dziedzinie Business Intelligence, zarządzania programami oraz zarządzania 

zmianą w zakresie procesów biznesowych oraz technologii. Prowadzili wiele projektów oraz programów 

w sektorach telekomunikacji, nowych technologii, energetyki oraz ochrony zdrowia. Można się z nimi 

skontaktować pod adresem: jacek.czernuszenko@reissgroup.eu oraz michal.mozdzonek@reissgroup.eu 

63

64 

Być w 15% 

Sławomir Folwarski i Mateusz Ossowski, Carrywater 

Około 70% wdrożeń systemów Business Intelligence (BI) kończy się niepowodzeniem. 

Z pozostałych 30% po upływie roku tylko połowa jest używana. 1 Właściwe przygotowanie 

wdrożenia systemu BI i dobre zarządzanie projektem pozwoli być w 15%. 

Krok 0 - jak uzasadnić, że to się opłaca 

Wdrażając system BI – jak w przypadku każdego 

innego rozwiązania IT – przedsiębiorstwa liczą 

na zwrot z inwestycji. Kluczem do wykazania 

odpowiedniej stopy zwrotu jest umiejętność 

obliczenia wartości informacji, które będą 

pozyskiwane dzięki wdrożonemu systemowi. 

Jest kwestią bezdyskusyjną, że dostęp do dobrej 

jakości i uporządkowanej informacji pozwala 

lepiej i sprawniej prowadzić biznes: zwiększyć lub 

utrzymać przychody firmy (np. przez obniżenie 

retencji klientów), jeszcze częściej obniżyć koszty 

(np. poprzez optymalizację kosztów marketingu 

czy wykrycie fraudów). Problematyczne w wielu 

firmach jest wykazanie możliwych korzyści 

i powiązanie ich z wdrożeniem systemu BI oraz 

przeliczenie tego na pieniądze. Przy odpowiednich 

założeniach możliwe jest oszacowanie wartości 

informacji przede wszystkim poprzez wskazanie, 

które procesy w firmie będą funkcjonowały 

sprawniej – dzięki szybszym i trafniejszym decyzjom 

podejmowanym w oparciu informacje dostarczane 

na czas i w odpowiedniej formie. 

Lepiej szybciej, niż dokładnie 

Gdy decyzja o wdrożeniu rozwiązania BI zostanie 

podjęta należy skoncentrować się na analizie 

potrzeb, które system ma zaspokajać, a następnie 

przekuć je w precyzyjne wymagania. Niestety 

użytkownik biznesowy często nie posiada wiedzy 

dotyczącej możliwości systemów, co gorsze, nie do 

końca jest też świadomy, jakie funkcjonalności są 

mu potrzebne. Najczęściej najlepsze wymagania 

biznesowe spływają dopiero na etapie testów 

akceptacyjnych, gdyż zwykle dopiero wtedy 

użytkownik widzi system i zaczyna rozumieć 

co mógłby dostać, gdyby wcześniej wiedział 

jak to działa. Doświadczenia Carrywater pokazują 

także, że należy z rezerwą podchodzić, do tego, 

co oferenci prezentują na etapie wyboru narzędzia. 

Jeden ze znanych nam wyników Proof of Concept 

(PoC) pokazał, że rozwiązanie, które na etapie 

prezentacji ofert wyrastało na lidera, było zupełnie 

niedopracowane. System pracował niestabilnie, 

a przy większej ilości danych zupełnie się zawieszał 

(nawet do tego stopnia, że wymagał reinstalacji). 

Inne rozwiązania poddane PoC także dawały 

wydajność kilkukrotnie niższą niż obiecywana 

w ofertach. 

Z powyższych względów rekomendujemy 

podzielenie wdrożenia na etapy i to najlepiej 

poprzedzone pilotażem, czy choćby Proof of 

Concept. Wymierne korzyści przynosi uruchomienie 

systemu, którego zakres działania jest ograniczony, 

ale który pracuje w realnych (charakterystycznych 

dla danej organizacji) warunkach i na prawdziwych 

danych. 

1 Poniższy materiał oparty został na doświadczeniach autorów z różnych wdrożeń, w których mieliśmy okazję 

uczestniczyć od samego początku do momentu zakończenia, a później obserwować ich losy po kilku miesiącach 

i kilku latach.

W efekcie, przeprowadzana następnie analiza 

szczegółowa, a w szczególności zebrane 

wymagania są dużo bardziej wartościowe, 

gdyż odnoszą się do doświadczeń z realnym 

systemem. Co ważne, szczegółowa analiza 

powinna objąć tylko kolejny, nieduży etap, 

po którym powinna nastąpić weryfikacja 

efektów. Na tej samej zasadzie cały zakres 

wdrożenia powinien być realizowany w możliwie 

krótkich etapach. 

Kolejnym ważnym elementem jest udostępnianie 

użytkownikom rozwiązania nawet, gdy 

nie zostało zrealizowane 100% danego 

etapu. Do takiego – wydawać by się mogło, 

niezgodnego z „zasadami sztuki” – podejścia 

skłaniają nas doświadczenia, które pokazują, że: 

• testując i dopracowując rozwiązanie tracony 

jest cenny czas, w trakcie którego zmienia się 

otoczenie i jest coraz bardziej 

prawdopodobne, że uruchomimy coś, 

co świetnie działa, ale jest już nieaktualne, 

• nie ma lepszego testu i nauki jak rzeczywista 

praca z danym narzędziem, po kilku dniach 

pracy użytkownicy mają wiele pomysłów 

na usprawnienia i modyfikacje, 

• czasem problemy, nad którymi długo pracuje 

się na etapie budowy rozwiązania, okazują się 

mało istotne przy rzeczywistej pracy. 

Jakość danych jest zawsze w zakresie 

Spiesząc się z wdrożeniami nie można zapomnieć 

o najważniejszym, naszym zdaniem elemencie 

systemów BI – jakości danych. Każdy, kto 

otrzyma raport, analizę czy wykres, które nawet 

bez wchodzenia w szczegóły będą budziły 

wątpliwości czy pokazują prawdę, szybko zrazi 

się do systemu i nie będzie chciał go używać. 

Z drugiej strony systemy BI zawsze integrują 

dane i pokazują je użytkownikom z różnych 

działów i dyskusja o tym czyja prawda jest 

prawdziwsza jest nieunikniona. Z tych powodów 

zawsze dużo czasu i energii trzeba poświecić 

na poprawę jakości danych oraz precyzyjne 

ujednolicenie definicji podstawowych pojęć 

(jak choćby sprzedaż, klient). Zignorowanie tej 

kwestii może sprawić, iż użytkownicy systemu 

zostaną ofiarami zasady GIGO (garbage in, 

garbage out). Warto jednak pamiętać, że nie 

da się doprowadzić danych do stanu idealnej 

jakości oraz, że nie opłaca się doprowadzać 

danych do prawie idealnej jakości, gdyż koszty 

przejścia z jakości danych na poziomie 99% do 

99,9% są niewspółmiernie wyższe niż uzyskania 

jakości na poziomie 99%, gdy startujemy 

z poziomu 90%. 

Czarne skrzynki mogą być puste 

Bogactwo rozwiązań klasy BI jest obecnie 

ogromne: od systemów dostarczanych przez 

największych graczy, jak Oracle, IBM, SAP, czy 

Microsoft, przez mniejsze firmy jak Informatica, 

SAS, QlikView, do zupełnie niszowych rozwiązań. 

Od tradycyjnego modelu licencjonowania 

per CPU/Core przez Cloud Computing, SaaS 

(software as a service) po rozwiązania open 

source. Zawsze można też w oparciu o bazę 

danych zlecić budowę dedykowanego systemu 

BI od podstaw. 

Nie ma tu jednej złotej rady, każdy potrzebuje 

czegoś trochę innego, każda firma ma zastaną 

pewną architekturę, określony model współpracy 

z dostawcami, jakoś zorganizowane utrzymanie 

systemów oraz ułożone relacje IT-Biznes. 

Ale właśnie analiza tych elementów powinna 

stanowić punkt wyjścia do wyboru rozwiązania. 

Z doświadczeń Carrywater jednoznacznie wynika, 

że bez względu na to, która oferta zostanie 

wybrana, system BI musi być otwarty na częste 

zmiany i to zarówno te, których nadejścia 

spodziewamy się w dalszej przyszłości, jak i takie, 

65

66 

które w momencie wdrażania nie są brane pod 

uwagę. Zdecydowanie odradzamy systemy, 

do których z jednej strony wprowadzane są 

dane, a z drugiej wychodzi gotowy model 

dataminingowy lub wręcz gotowa decyzja 

i nie wiadomo co się dzieje w środku (czarna 

skrzynka). Generalnie najlepiej sprawdzają się 

rozwiązania które: 

• będzie można rozwijać we własnym zakresie 

lub przekazać do rozwoju innemu dostawcy, 

• łatwo dają się rozszerzyć o nowe moduły 

czy nowe elementy zwiększające wydajność, 

• pozwalają organizacji na w miarę 

samodzielną konfigurację lub zmiany 

działania (posiadają dokumentację), 

• pozwalają na integrację z dowolnymi innymi 

systemami. 

Wybierając System BI warto wziąć pod uwagę 

powyższe postulaty. Rozwiązania, które je 

spełniają, a są niedoceniane w Polsce, to systemy 

Commercial Open Source, które dodatkowo 

są tanie (opisujemy je dokładniej w naszym 

artykule: “W krainie OSBI”). 

O procesie wyboru dostawcy, negocjacjach 

i umowie można by napisać osobny artykuł 

lub książkę. W trakcie jednych z negocjacji, 

w których Carrywater pełniło rolę doradcy, dzięki 

dobremu przygotowaniu do rozmów udało się 

doprowadzić do podpisania umowy z dostawcą, 

której wartość była niższa o ok. 50% od 

pierwotnej oferty, a zakres pozostał praktycznie 

bez zmian. 

Kiedy umowa? 

Wszystkie wyżej wymienione zagadnienia 

powinny służyć do przygotowania RFP. Określa 

ono zakres i funkcjonalności systemu, podział 

wdrożenia na etapy i kolejność ich realizacji 

oraz preferowane technologie (jedną lub kilka). 

Równolegle warto też przygotować kryteria 

oceny i projekt umowy. 

Dlaczego należy mieć projekt umowy gdy 

nie ma jeszcze RFP, nie została wybrana lista 

potencjalnych dostawców, nie ma pytań do RFP 

i odpowiedzi, nie spłynęły oferty, nie została 

przeprowadzona ewaluacja ofert, nie wybrano 

krótkiej listy dostawców, nie negocjowano ceny, 

nie wybrano dostawcy i nie zaczęto uzgadniać 

z nim umowy. Jeśli proces wyboru oferty zostanie 

przeprowadzony tak, że do negocjacji treści 

umowy dochodzi na końcu, wtedy to dostawca 

ma silniejszą pozycję negocjacyjną i nie 

musi godzić się np. na trudne zapisy umowy 

o karach, warunkach odbioru, warunkach 

odstąpienia itp. W Carrywater zwykle umowę 

załączamy do RFP i zaznaczamy, iż musi być ona 

zaakceptowana, aby można było złożyć ofertę. 

Ktoś zaprotestuje – przecież elementem umowy 

jest zakres, cena i harmonogram, a to będzie 

znane dopiero jak skończy się wybór i negocjacje 

ofert. Tak, ale cena to jedna tabela, a zakres 

i harmonogram, to załączniki. Umowy mogą 

liczyć kilkadziesiąt stron bez załączników, 

gdyż muszą zawierać opis wszystkich 

niezbędnych warunków, praw i obowiązków. 

Zagrożenia dla systemów BI po wdrożeniu 

Warto pamiętać, że samo wdrożenie systemu BI 

nie oznacza osiągnięcia sukcesu. Jest niezmiernie 

ważne, aby o niego odpowiednio dbać, bo 

często w przedsiębiorstwach zdarza się, że 

użytkownicy systemu z czasem przestają go 

używać. Przyczyn takiego stanu rzeczy może być 

kilka: 

• „psucie” danych w systemach źródłowych 

lub „drobne” zmiany, 

• nasycenie danymi,

• brak wiedzy wśród użytkowników, 

• powstawanie systemów „podbiurkowych”. 

„Psucie” źródła 

Specyfiką systemów BI jest to, iż spływają 

do nich dane ze wszystkich innych systemów 

IT funkcjonujących w przedsiębiorstwie. Jeśli 

więc dane wejściowe będą niskiej jakości (np. 

niespójne) system BI będzie generował błędne 

raporty, a jego użytkownicy będą się zniechęcać 

do korzystania z niego. Niestety, zawsze 

pojawiają się zmiany w systemach źródłowych, 

przy który zapomniano o BI. Dla przykładu: 

• zmieniło się biznesowe znaczenie jakiegoś 

pola (np. w polu nr. stacjonarny zaczęliśmy 

wpisywać nr GG, a zapomniano, że pewne 

analizy opierały się o strefy numeracyjne – 

dawne numery kierunkowe), 

• dodano nowe informacje – bez zmiany 

starych (np. pomocnicze pole „podtyp 

zamówienia”, na którym bazuje wyznaczenie 

kanału sprzedaży). 

Projektując procesy IT w firmie należy pamiętać, 

by proces zarządzania zmianą zawierał krok 

polegający na weryfikacji wpływu każdej 

zmiany w systemach źródłowych na systemy 

BI. Miejsce tego etapu w procesie oraz jego 

przebieg zależy od zasad panujących w danym 

przedsiębiorstwie. Warto jednak rozważyć 

dwuetapową analizę wpływu zmiany na system 

BI. Pierwszy etap to weryfikacja, czy zmiana 

w systemach źródłowych może wpłynąć 

negatywnie na funkcjonowanie systemu BI 

poprzez jego awarię lub utratę jakości danych. 

Drugi etap to analiza, jakie korzyści biznesowe 

można uzyskać dostosowując system BI do zmian 

w systemach źródłowych. 

Nasycenie danymi 

Jest silna tendencja do wprowadzania do 

systemów BI wszystkich możliwych danych bez 

względu na to czy są potrzebne, jak długo są 

potrzebne, na jakim poziomie są potrzebne 

(detaliczne czy zagregowane). Systemy stają się 

przeładowane danymi, ociężałe, a użytkownicy 

gubią się lub nie mogą doczekać na wyniki 

raportów lub analiz. Należy o tym pamiętać przy 

analizie wymagań funkcjonalnych, uważając 

by wymagania miały uzasadnienie, czyli by 

nie skupiać się na tym co jest potrzebne 

użytkownikom, ale także do czego to jest 

potrzebne. Ponadto, definiując wymagania 

niefunkcjonalne warto zadbać o mechanizmy 

retencji danych, dzięki którym wraz z upływem 

lat system pozbywa się najstarszych danych 

detalicznych, ewentualnie pozostawiając 

dane zagregowane. 

Brak wiedzy wśród użytkowników 

Brak wiedzy wśród użytkowników dotyczący 

możliwości systemów BI jest powszechny. 

Co gorsze, to choroba nieuleczalna, której 

objawy powracają co pewien czas. Użytkownicy 

się zmieniają lub szybko zapominają jaka 

była pełna funkcjonalność ich systemu, gdyż 

w bieżącej pracy użytkują zwykle jedynie 

część dostępnych możliwości. Ciekawym 

pomysłem, który pozwala temu zapobiec są 

cykliczne szkolenia dla biznesu organizowane 

najlepiej przez IT lub dostawcę rozwiązania. 

Nie chodzi o szkolenie z narzędzia, ale szkolenie 

z tego, co jest dostępne w systemie i jak 

z tego korzystać. 

Rozwiązania „podbiurkowe” 

Gdy w przedsiębiorstwie pojawia się choćby 

jeden z powyższych problemów, system BI 

przestaje spełniać swoją rolę i działy biznesowe 

67

68 

organizacji pozbawione są odpowiedniej 

jakości danych, których jednak nie przestają 

potrzebować. Często więc zdarza się, że biznes 

tworzy sobie własne „podbiurkowe” rozwiązania 

do raportowania i analiz danych. By tego 

uniknąć, każde wdrożenie, każda zmiana 

powinna być komunikowana użytkownikom, 

co więcej, niezbędne jest pokazanie planów 

na przyszłość (roadmapy). 

Sławomir Folwarski (Slawomir.Folwarski@carrywater.com) 

Mateusz Ossowski (Mateusz.Ossowski@carrywater.com) 

**** 

Wierzymy, że zastosowanie przedstawionych tu 

dobrych praktyk znacznie pomoże we właściwym 

przygotowaniu wdrożenia systemu BI oraz 

w dobrym zarządzaniu projektem, jak również 

pozwoli uniknąć niektórych problemów 

pojawiających się już po wdrożeniu systemu. 

Carrywater Group S.A. jest firmą konsultingową, która od ponad 15 lat skutecznie wspiera organizacje w definiowaniu 

i osiąganiu celów strategicznych. Doradzamy w obszarze biznesowym i IT. Prowadząc projekty doradcze wykorzystujemy 

kompetencje zarządzania projektami – wysokiej jakości produkty dostarczamy szybko i efektywnie. Firma poszukuje 

nowych rozwiązań i inwestuje w innowacyjne przedsięwzięcia zarówno zachęcając pracowników do zgłaszania pomysłów, 

jak i proponując Klientom współpracę w modelu Ventures.

Współczesne pralki mają obecnie lepsze 

procesory i więcej pamięci, niż sonda 

Apollo 11, która pozwoliła Neilowi 

Armstrongowi stanąć na Księżycu 

i bezpiecznie wrócić na Ziemię. 

Marcin Choiński, BI.pl 

69

Revenue Intelligence sposobem na 

zwiększenie rentowności 

70 

Monika Kacprzyk i Michał Jaślan, ATOS 

Analizując współzawodnictwo firm na rynku, niezależnie od branży, obserwuje się działania 

mające na celu usprawnienie finansowej i operacyjnej efektywności przedsiębiorstw. Dzieje się 

tak dlatego, iż posiadanie nowoczesnego pakietu produktów i usług dopasowanych do potrzeb 

klientów nie jest wystarczające do utrzymania pozycji na rynku. 

Panujące na rynkach kryzysowe nastroje powodują, 

że managerowie reorganizują procesy i struktury 

szukając oszczędności. Wsparcie dla tych działań 

stanowią systemy klasy business intelligence 

umożliwiające dokładny pomiar kondycji 

procesów biznesowych, precyzyjne kalibrowanie 

strategii oraz wszelkiego rodzaju analizy. Jednym 

z nich, nakierowanym na operacyjną działalność 

przedsiębiorstw są systemy Revenue Assurance. 

Mają one za zadanie podniesienie efektywności 

procesów w firmie poprzez eliminację lub 

zmniejszenie strat do akceptowalnego przez 

organizację poziomu. 

Zgodnie z definicją Telemanagement Forum 

Revenue Assurance to “Metody podnoszące jakość 

danych i procesów, wpływające na zwiększenie 

zysków, przychodów oraz przepływów pieniężnych”. 

Według metodyki wykorzystywanej w Atos 

poprzez Revenue Assurance (RA) rozumiane są 

wszelkie wykonywane przez podmiot czynności 

zmierzające do zapewnienia, iż procesy, operacje 

i procedury prowadzą do maksymalizacji 

przychodu. Podejście takie opiera się na 

powiązaniu zagadnień dotyczących struktury 

organizacyjnej firmy, realizowanych procesów 

i wykorzystanej technologii (systemów IT). (Rys.1) 

Tylko takie ujęcie umożliwia dokładne zrozumienie 

i kontrolowanie całego procesu generowania 

przychodów. Sukces w zwiększaniu zysków lub, 

inaczej mówiąc, zmniejszanie skali możliwej utraty 

przychodów, jest możliwy gdy narzędzia, procesy, 

zmiany w organizacji i inne działania będą ze 

sobą skorelowane, a nie realizowane w sposób 

niezależny od siebie. 

Oczywiście zagadnienie Revenue Assurance 

w przypadku firm telekomunikacyjnych nie jest 

nowością. Większość z telekomów zatrudnia 

zespół ekspertów, którzy realizują zadania 

związane z zabezpieczeniem przychodów, 

chociaż są one inaczej interpretowane przez różne 

zespoły. Mimo obecności Revenue Assurance 

w organizacji utrata przychodów wynosi średnio 

1% całkowitych przychodów firmy (zgodnie 

z badaniami Telemanagment Forum z 2008 roku 

przeprowadzonych u 14 operatorów). Utrata 

była zidentyfikowana na podstawie rzeczywistych 

danych. Inne badania przeprowadzone przez 

Telemanagment Forum w roku 2010 pokazują 

między innymi, że średnio 1,12 % przychodów nie 

może być zafakturowane (maksymalna wartość 

to aż 6,42%). 

Concept 

RA Org 

SLA 

Tooling 

Hardware 

Processes 

RA V.Org 

Rys. 1. Elementy implementacji Revenue Assurance

W aktualnej sytuacji rynkowej realizacja 

podstawowych funkcji zabezpieczenia 

przychodów to za mało. W czasach kryzysu 

i ciągłej tendencji obniżania kosztów niezbędne 

jest rozszerzenie zakresu Revenue Assurance 

o nowe funkcjonalności: monitorowanie i analiza 

nowych obszarów utraty przychodów związanych 

ze zmianą modelu biznesowego, kreowaniem 

złożonych ofert wykorzystujących coraz bardziej 

zaawansowane technologie. Jednocześnie, lojalność 

klientów maleje wprost proporcjonalnie do 

wzrostu oczekiwań i percepcji praw; klienci chcą 

decydować o sposobie konstrukcji pakietu usług, 

sposobie zapłaty, warunkach obowiązywania usług. 

Dla telekomów, przy istniejącej konkurencji oraz 

saturacji rynku, aktualne oczekiwania klientów 

są wysokie, a w przyszłości będą jeszcze wyższe. 

Konieczne jest więc tworzenie nowych ofert 

poprzez połączenie usług typu data, voice i video 

zarówno w stacjonarnej i komórkowej ofercie oraz 

zachęcanie klientów do aktywnego korzystania 

z nowych propozycji. Powszechność internetu 

oraz popularność portali społecznościowych jest 

źródłem ogromnego popytu na mobilne usługi 

Per type of service 

Per type of customer 

Voice Pre-paid 

Data Pre-paid 

From... ...To 

Rys. 2. Zmiana produktu wymuszona oczekiwaniami klientów 

Voice Postpaid 

Per Network, Per Service 

Data Postpaid 

Mobile Fixed Internet 

Increase Flexibility 

Reduce Costs 

transmisji danych dostępne zawsze niezależnie 

od miejsca i czasu. Firmy więc potrzebują 

360-stopniowego widoku na przychody, koszty 

i marże oraz proaktywnych działań w całej 

organizacji. Przy takim podejściu wymagane są 

działania takie jak: 

• minimalizacja strat wynikających ze słabej 

integralności danych, 

• optymalizacja zależności pomiędzy systemami, 

• wsparcie relacji z klientem, lepsze 

ukierunkowanie na jego potrzeby, 

• monitorowanie i ściślejsza kontrola w czasie 

rzeczywistym wszystkich aspektów związanych 

z procesami generowania przychodów, 

• minimalizacja zagrożeń związanych 

z bezpieczeństwem sieci i zastosowanymi 

rozwiązaniami, 

• minimalizacja zagrożeń związanych 

z kanibalizacją już oferowanych usług 

• obniżenie kosztów operacyjnych 

i wyeliminowanie przestojów serwisowych. 

Pre-paid / Postpaid billing 

Triple-Play services 

Real-Time Payment 

Mobile, Fixed or Internet 

Multi-Network, Multi-Service 

All Services 

All users 

71

72 

Nowe technologie wchodzące na rynek 

telekomunikacyjny niosą ze sobą potencjalne 

zagrożenia utraty przychodów. Zespoły 

odpowiedzialne za Revenue Assurance mając 

dostęp do narzędzi oraz danych (wymaganie 

krytyczne!), wykorzystując sprawdzone standardy 

oraz praktyczne doświadczenia, powinny realizować 

nie tylko funkcje monitorowania i raportowania, 

ale także proaktywnego udziału w realizacji 

procesów biznesowych oraz szerzenia wiedzy 

w organizacji. Przykładowe wyzwania stawiane 

przed Revenue Assurance to: 

• Aktywny udział w definiowaniu usług, 

dopasowanie oferowanych usług do profilu 

klienta, wsparcie przy określeniu rentowności 

lub zmiany modelu biznesowego. 

• Wsparcie w zarządzaniu kanałami sprzedaży. 

Według różnych badań szacowane jest, 

że operatorzy wydają około 10-15% swojego 

budżetu na wszelkie prowizje dla pośredników 

oraz płatności związane z obsługą sprzedaży. 

W tej sytuacji każdy drobny błąd w procesie 

może prowadzić do znacznej utraty przychodów. 

• Monitorowanie on-line procesów generowania 

przychodów w przypadku świadczenia usług 

rozliczanych w trybie rzeczywistym (usługi 

konwergentne). W tym przypadku wyzwaniem 

dla Revenue Assurance jest złożone 

środowisko, interfejsy oraz realizowane procesy, 

dynamicznie zmieniająca się charakterystyka 

usług, kontrolowanie zmian na koncie klienta, 

brak możliwości odzyskania utraconych lub 

błędnych transakcji. 

• M-payments/E-commerce. Aktywny udział 

w procesie generowania przychodów z tytułu 

korzystania przez klientów z usług (np. ściąganie 

muzyki, płatności za parkingi/usługi, bankowe 

aplikacje na smartfony) poprzez uzyskiwanie 

części dochodów z transakcji. 

Zgodnie z metodyką Revenue Assurance 

(wykorzystywaną przez Atos) procesy są 

analizowane pod kątem utraconych korzyści, które 

mogą przyjmować poniższe formy: 

• Rzeczywiste straty – pojawiają się wtedy, 

gdy klient wykorzystał dostarczoną usługę 

i nie został za nią odpowiednio obciążony, 

np. błędy w systemach wyceniających usługę 

na podstawie złożonego systemu taryf i promocji. 

• Niewykorzystane możliwości – strata 

potencjalnego dochodu spowodowana 

niedostarczeniem, nieaktywnością usługi/ 

serwisu. Przykładem może być tu zwłoka 

w aktywacji dostępu do usług. 

• Zwiększone koszty sprzedaży – koszty 

wynikające z błędnego wyliczania opłat 

należnych firmie z tytułu udostępniania 

swojej infrastruktury. W przypadku firm 

telekomunikacyjnych takie ryzyko pojawia się 

dla usług roamingowych i interconnect. 

W celu identyfikacji powyższych luk Revenue 

Assurance implementuje mierniki/wskaźniki 

wewnątrz oraz równolegle do procesów 

biznesowych. Ich wyniki przekładane są na 

konkretne wartości pieniężne, co z jednej strony 

jest silnym impulsem motywującym do usuwania 

luk w procesach, z drugiej strony jest solidnym 

uzasadnieniem dla obecności inicjatywy 

w przedsiębiorstwie. 

Inicjatywa Revenue Assurance musi objąć swoim 

zasięgiem całe przedsiębiorstwo, zaczynając od 

najważniejszych dla biznesu domen organizacji, 

tak aby objąć cały proces generowania dochodu 

– od wytworzenia produktu, poprzez jego sprzedaż 

i fizyczne dostarczenie, kończąc na zapewnieniu 

uzyskania płatności. Jako punkt wyjścia 

rozpatrywane są: 

• Finanse – obsługa finansowo księgowa (księga 

główna), celem jest dostarczenie w wymaganym 

czasie dokładnej, pełnej i poprawnej informacji 

o dochodzie i kosztach do księgi głównej. 

• Działania operacyjne – bezpośredni kontakt 

z klientem, przyjmowanie zamówień, wszelkiego

odzaju zgłoszeń, aktywacja usług, ocena 

wiarygodności klienta (ocena ryzyka nie 

uzyskania opłaty za usługi), współpraca z innymi 

firmami (interconnect, roaming, content). 

• Marketing – budowa ofert. 

• Technologia – dostarczenie usługi, 

dokumentacja aktywności klienta, dostarczanie 

logów aktywności do systemów 

odpowiedzialnych za wyliczanie obciążeń, 

fakturowanie. 

Wyznaczenie celów Revenue Assurance jest 

zależne od rynku, na którym działa organizacja, 

dojrzałości organizacji, a także wytycznych zarządu. 

Przykładowo, rozwijające się rynki posiadające 

duży potencjał rozwoju (możliwość zdobywania 

nowych klientów) charakteryzują się tym, 

że działające na nich firmy nastawione są na jak 

najszybsze dostarczenie usług na jak największą 

skalę. Na drugi plan schodzą procesy i jakość 

systemów implementujących usługi dla klienta. 

Rachunek ekonomiczny dyktuje inne wymagania 

dla rynków dojrzałych, nasyconych produktem, 

gdzie oferta jest zwykle bardzo złożona, wtedy 

większy nacisk kładziony jest na zmniejszanie 

kosztów operacyjnych, co skutkuje koniecznością 

podniesienia jakości procesów wewnętrznych. 

Z oceny rynku, sytuacji przedsiębiorstwa 

na tle konkurentów oraz jego strategii 

wynikają cele dla zespołu Revenue Assurance. 

Są one implementowane jako wątki w globalnie 

zarządzanym procesie. Każdy z wątków jest 

inicjowany, a potem utrzymywany przez cztery 

cyklicznie następujące po sobie fazy. 

• Projektowanie – zgodnie z ustalonymi 

globalnie w skali przedsiębiorstwa priorytetami 

modelowane są kontrole. Rozumie się przez 

to przede wszystkim ustalenie celu kontroli 

– czyli wykrywanie błędów „post factum”, 

zapobieganie ich wystąpienia lub poprawa. 

Przekłada się to na podejście do realizacji 

samej kontroli. Możliwe są tu między innymi 

porównanie danych (odzwierciedlających 

konkretną aktywność) uzyskanych z różnych 

węzłów procesu przetwarzania 

(tzw. rekoncyliacja) lub analiza trendów. 

Inne, bardziej pro-aktywne techniki to 

definiowanie reguł i polityk oraz wprowadzenie 

nadzoru – prowadzony przez wykwalifikowany, 

świadomy zagrożeń zespół. Dobrze 

zaprojektowana kontrola musi dostarczać 

komplet informacji niezbędnych do rozpoczęcia 

działań naprawczych. Poza specyfikacją 

problemu powinna dostarczać informacje o jego 

skali, uciążliwości, co pozwoli określić priorytet 

problemu i wymagane środki do jego 

rozwiązania. Określany jest również tryb pracy 

kontroli – częstotliwość, zakres danych 

(wielkość próbki). 

• Implementacja – powinna rozpocząć się razem 

z implementacją usługi, która ma być 

oferowana w przyszłości klientowi. 

• Działanie operacyjne – uruchomienie kontroli 

powinno nastąpić tuż przed lub najpóźniej 

w momencie uruchomienia usługi dla klienta. 

• Monitorowanie – odbywa się w kliku 

przestrzeniach. Po pierwsze poziom ryzyka 

utraty korzyści dla całego przedsiębiorstwa 

określany na podstawie wyników 

poszczególnych kontroli. Następnie skuteczność 

samej kontroli oraz skuteczność usuwania 

zagrożeń przez nią zidentyfikowanych 

w systemach i procesach. Na podstawie tych 

wskaźników można wyestymować rentowność 

inicjatywy Revenue Assurance. 

Proces koordynowany jest przez dedykowany zespół 

ekspertów. W zależności od wielkości organizacji 

może zajmować się tylko zadaniami Revenue 

Assurance, bądź może być wirtualną jednostką 

skupiającą specjalistów, którzy pełnią role zgodne z 

metodyką Revenue Assurance, przynależąc 

jednocześnie w strukturze organizacyjnej do 

zespołów operacyjnych. Do obowiązków zespołu 

poza wspomnianymi aktywnościami należy również 

publikowanie wyników, rozpowszechnianie dobrych 

praktyk poprzez fora czy centra kompetencyjne. 

73

74 

Przykład implementacji technicznej 

kontroli dla firmy telekomunikacyjnej 

Rynek głosowej telefonii bezprzewodowej kształtuje 

się w Polsce od początku lat 90. Rynek jest bardzo 

nasycony, toteż w celu budowania wyśrubowanych 

ofert przedsiębiorstwo musi nieustannie dążyć do 

minimalizacji kosztów związanych z dostarczaniem 

usługi. Rozpatrując taki scenariusz, zespół Revenue 

Assurance zarekomendowałby uszczelnienie 

Rys. 4. Uproszczony szkic architektury infrastruktury 

w firmie telekomunikacyjnej 

Jak widać topologia infrastruktury sieciowej, 

na której opiera się biznes przedsiębiorstwa 

telekomunikacyjnego jest złożona. Jest ona 

utrzymywana przez zespoły specjalistów, z których 

każdy odpowiedzialny jest za jeden z etapów 

przetwarzania lub generowania informacji. 

Dostarczanie wysokiej jakości usługi przez każdy 

z zespołów nie gwarantuje, że każde z połączeń 

zostanie poprawnie odwzorowane na fakturze. 

Globalna kontrola nad całym procesem przepływu 

i generowania informacji jest jednym ze sposobów 

procesu generowania i procesowania zdarzeń 

związanych z połączeniami głosowymi. 

Poniżej znajduje się uproszczony szkic architektury 

odpowiedzialnej za generowanie i przetwarzanie 

zdarzeń reprezentujących połączenia głosowe. 

podniesienia wiarygodności systemu. Jest ona 

implementowana poprzez definiowanie punktów 

kontrolnych. Ich ideą jest zbieranie informacji, 

które następnie są transformowane do postaci 

umożliwiającej porównanie ich ze sobą (połączenia 

głosowe, przesył danych, czas trwania, wolumeny 

przesłanych danych). Uproszczony schemat powyżej 

pozwala zdefiniować 7 punktów kontrolnych 

(oznaczone na rysunku na zielono) i co najmniej 

6 kontroli polegających na rekoncyliacji danych 

między punktami. W rzeczywistości liczba

kontroli jest większa. Zarządzanie nimi i analiza 

wyników przez nie dostarczanych musi być 

dobrze zaplanowana i wspierana technologicznie. 

System zabezpieczenia przychodów powinien 

dostarczać wielowymiarową perspektywę na wyniki 

działania punktów kontroli, umożliwiającą ogólną 

weryfikację kondycji procesów oraz identyfikację 

błędów i późniejszą analizę mającą na celu 

znalezienie źródła błędów. Dodatkowo monitoring 

musi odbywać się w trybie Real Time lub Near Real 

Time, co pozwala na szybką reakcję naprawczą. 

Stanowi to duże wyzwanie dla technologii, 

Monika Kacprzyk 

Od ponad 12 lat zajmuje się implementacją oraz utrzymaniem systemów wykorzystywanych przez operatorów 

telekomunikacyjnych, od 5 lat pracuje w Atos. W tym czasie uczestniczyła w projektach implementacji i utrzymania systemów 

Revenue Assurance, Business Intelligence, Analytical CRM. Dysponuje doświadczeniem oraz wiedzą z zakresu: procesów 

biznesowych obszaru rozliczeń realizowanych w firmach telekomunikacyjnych, zarządzania zespołami rozwoju i utrzymania 

funkcjonalności, rozwoju systemów zarówno w definiowaniu wymagań biznesowych jak i systemowych a także wdrażaniu 

systemów. 

Michał Jaślan 

ponieważ każdy z elementów sieciowych generuje 

duże wolumeny danych dokumentujących 

zdarzenia. 

Implementacja skutecznego systemu Revenue 

Assurance to dobra inwestycja, gwarantująca 

szybki zwrot poniesionych nakładów. Pozwala 

identyfikować niedoskonałości w istniejących 

procesach oraz eliminować błędy na początkowym 

etapie budowania nowych. Wartością dodaną 

z projektów w tym zakresie jest aktualna wiedza 

na temat najważniejszych systemów i procesów 

w przedsiębiorstwie. 

Architekt rozwiązań Business Intelligence. Posiada wieloletnie doświadczenie w pracy w międzynarodowych zespołach. 

Zajmował kluczowe role w projektach dla firm z sektora telekomunikacyjnego i FMCG. Obecnie prowadzi projekt wdrażający 

rozwiązanie Revenue Assurance w jednej z firm telekomunikacyjnych. Pracuje w Atos od 2 lat. 

Według danych firmy Gartner, Atos to jedna z największych spółek świadczących usługi informatyczne w Europie. Atos 

posiada w swoim portfolio wszystkie elementy rozwiązania biznesowego obejmujące projekt, budowę i uruchomienie 

oraz utrzymanie systemu. Podstawą podejścia biznesowego Atos jest ustanawianie długoterminowych więzów partnerskich 

przyczyniających się do sukcesu dzięki uzyskiwaniu wzajemnych korzyści. Roczne przychody spółki wynoszą około 8,7 mld euro, 

a firma zatrudnia ponad 74 tys. pracowników w 48 krajach. Baza przychodów firmy w 60% ma charakter powtarzalny 

i stabilny – pochodzą one z wieloletnich kontraktów z zakresu outsourcingu i konserwacji aplikacji. 

Współpraca z Atos to bezpieczne rozwiązanie na przyszłość, oparte na wieloletnim doświadczeniu międzynarodowej 

firmy, stosującej wyłącznie najwyższej klasy technologie. Możliwość korzystania z wiedzy specjalistów z całego świata 

i wykorzystywania sprawdzonych metodyk pozwala z powodzeniem realizować nawet najbardziej złożone projekty. 

Revenue Assurance jest bardzo istotnym elementem oferty dla rynków telekomunikacyjnych. Usługi proponowane przez Atos 

obejmują takie zagadnienia jak Revenue Assurance, zarządzanie nadużyciami (Fraud Management), zarządzanie ryzykiem, 

wsparcie przy analizie nowych modeli biznesowych, analizę cen i marży (Marging Analitycs), analizę kanałów sprzedaży 

i umów z partnerami/dilerami, analizę powiązanych procesów biznesowych i architektury technicznej systemów. 

75

Czynniki ryzyka wdrażania projektu 

BI oczami praktyka 

76 

Małgorzata Korycka-Purchała 

Wdrażanie BI można porównać do nawigowania po rzece informacji. Poszczególne źródła 

zasilające główny nurt pozwalają coraz szybciej płynąć, jednak tylko dokładne zaplanowanie 

trasy pozwoli na ominięcie mielizn i niebezpiecznych wirów. 

Celem wdrożenia Business Intelligence (BI) jest 

zapewnienie władzom firmy oraz upoważnionym 

grupom odbiorców uporządkowanej, aktualnej 

i pełnej informacji, a także promowanie metod 

i narzędzi do pozyskiwania danych i zarządzania 

nimi. 

W dużych korporacjach trudno wyobrazić sobie 

wdrożenie BI bez Hurtowni Danych. Hurtownia 

umożliwia wykonywanie przekrojowych 

analiz na danych zestandaryzowanych 

i przetransformowanych w wielowymiarową bazę, 

zebranych z różnych informatycznych systemów 

dziedzinowych, obsługujących poszczególne 

czynności operacyjne, niejednokrotnie również 

ze źródeł zewnętrznych. BI ma być lekarstwem 

na mizerię informacyjną towarzyszącą bogactwu 

danych umiejscowionych w różnych systemach. 

Wdrażanie BI w firmie to przedsięwzięcie złożone, 

długofalowe i z tego powodu obarczone dużym 

ryzykiem. 

Według mnie głównymi czynnikami ryzyka projektu 

BI są: 

1. Brak strategii BI 

2. Jakość danych 

3. Rozwiązania organizacyjne 

4. Konieczność współpracy z różnymi pionami 

firmy 

Strategia BI 

Pomyślne wdrażanie inteligencji korporacyjnej 

wymaga opracowania strategii, aby mając 

sprecyzowaną wizję sposobu wspomagania 

przez BI różnorodnych potrzeb biznesowych 

firmy, wdrażać ją małymi krokami, dostarczając 

poszczególnym działom gotowych funkcjonalności. 

Wdrażanie Bi można porównać do nawigowania 

po rzece informacji. Poszczególne źródła zasilające 

główny nurt pozwalają coraz szybciej płynąć, 

jednak tylko dokładne zaplanowanie trasy pozwoli 

na ominięcie mielizn i niebezpiecznych wirów. 

Należałoby przestrzec przed budowaniem 

ogromnego modelu danych obejmującego 

wszystkie istniejące dane w firmie. Będzie to proces 

bardzo pracochłonny i jednocześnie zbyt trudny 

do implementacji wobec wciąż zmieniających 

się wymagań biznesowych i dokonywanych 

przeobrażeń organizacyjnych. Wydaje się, 

że dobrym rozwiązaniem jest podejście hybrydowe, 

tzn. budowanie tematycznych hurtowni danych, 

ale w reżimie określonych wymagań pozwalających 

na łatwe włączenie ich do docelowego modelu. 

W przypadku, kiedy hurtownia korporacyjna 

jest już dojrzała architektonicznie i narzędziowo, 

budowa niezależnych hurtowni powinna być 

sporadyczna i wynikać tylko z nadzwyczajnych 

okoliczności biznesowych. 

Strategiczną decyzją jest rozpoczęcie prac nad 

stworzeniem słowników, mogących wypełniać 

rolę wymiarów w modelu gwiazdy lub płatka 

śniegu w hurtowni, o ile w firmie nie został jeszcze 

zaimplementowany Master Data Management 

(MDM).

Jakość Danych 

Nie można przecenić wagi zagadnienia jakości 

danych zasilających Hurtownię Danych. 

Zaniechanie prac nad zarządzaniem jakością 

danych w początkowym okresie trwania projektu 

może stać się przyczyną błędnych raportów, 

a w konsekwencji braku zaufania do dostarczanych 

informacji i tym samym przyczyną niepowodzenia 

projektu. A skala zagrożenia jest ogromna. 

Jakość danych – MDM 

Każda firma posiada ogromną ilość danych 

w systemach ERP, finansowo księgowych, 

na wszystkich PC-tach w firmie, niepowiązanych 

systemowo serwerach, dyskach sieciowych, 

być może rozproszonych gdzieś w chmurze. 

Jednym z większych zagrożeń dla projektu 

budowy BI w firmie jest korzystanie z różnych 

technologii, standardów, definicji i procesów 

w różnych systemach informatycznych. Sytuacja 

komfortowa ma miejsce, jeżeli BI zasilane jest 

z jednego systemu dziedzinowego. Jeżeli jednak BI 

wykorzystuje dane z kilku miejsc, niejednokrotnie 

z kilkudziesięciu systemów - wtedy problemy 

spójności danych i ujednolicania słowników 

narastają lawinowo. Zazwyczaj spotykamy się 

z sytuacją, w której niepowiązane relacyjnie 

systemy korzystają ze swoich własnych, różnych 

od siebie, słowników jednostek organizacyjnych, 

produktów, klientów, itd. Problem pojawia się 

jednak, gdy chcemy połączyć informacje z różnych 

systemów - wtedy pojawia się konieczność 

przemapowania poszczególnych słowników 

na jeden „wzorcowy”. Będzie on znacząco różny 

od tych używanych w systemach dziedzinowych, 

ponieważ absorbuje w sobie wszystkie potrzeby 

poszczególnych systemów dziedzinowych 

i dodatkowo uwzględnia potrzeby Hurtowni 

Danych. Cechy wymagane od takiego wzorcowego 

słownika to 

1. Aktualność 

2. Zmienność w czasie 

3. Relacyjność (hierarchiczność), np. dla słownika 

jednostek oznacza to informację o jednostce 

nadrzędnej 

4. Przejrzystość – jasne kryteria 

poszczególnych danych 

5. Standaryzacja zapisu na poziomie 

haseł słownika 

6. Rozbudowane informacje dodatkowe 

(np. informujące w słowniku produktów 

o numerze konta, na którym odnotowane 

zostaną przychody ze sprzedaży tego produktu). 

Takich informacji dodatkowych może być 

bardzo dużo. 

Pojawia się pytanie, dlaczego systemy dziedzinowe 

nie mogłyby korzystać z takiego “wzorcowego” 

słownika? Oczywiście jest to podejście jak 

najbardziej uzasadnione, ponieważ wtedy 

wszystkie systemy korzystałyby z identycznych 

słowników, niezależnie, czy byłby to system 

klasy ERP, czy system analityczny. Nazwijmy 

te słowniki danymi referencyjnymi. W dojrzałych 

organizacjach podejmowane są próby wdrażania 

centralnej bazy danych referencyjnych. 

Dodatkowym ważnym zadaniem takiej bazy jest 

pilnowanie spójności pomiędzy poszczególnymi 

słownikami. Wiele firm konsultingowych całość 

zagadnień związanych z zarządzaniem centralną 

bazą danych referencyjnych (wraz z narzędziami 

informatycznymi, procesami utrzymania oraz 

wskazaniem odpowiedzialności za poszczególne 

kategorie biznesowe) nazywa Master Data 

Management (MDM). 

Korzyści wynikające z wdrożenia MDM 

są bezdyskusyjne, m.in.: 

1. Zdefiniowana odpowiedzialność biznesowa 

za poszczególne dane referencyjne 

77

78 

2. Identyczne dane w systemach dziedzinowych 

i analitycznych, co wpływa na łatwiejszy 

proces integracji danych z różnych systemów, 

a to przekłada się zarówno na jakość danych 

w systemach analitycznych, jak również 

na szybkość dostarczania analiz biznesowych 

przez systemy analityczne. 

3. Centralne zarządzanie bazą danych 

referencyjnych i ich dystrybucją do wszystkich 

systemów informatycznych w firmie oznacza 

łatwiejsze procedury i optymalizację zasobów, 

które byłyby potrzebne do utrzymania wielu 

słowników w wielu systemach. 

4. Spójność pomiędzy słownikami 

5. Łatwiejsze wdrażanie nowych systemów 

Jakość danych – reguły kontroli 

Podczas zasilania hurtowni danymi należy 

wprowadzić ich kontrolę. Dobrym rozwiązaniem 

jest wprowadzenie słownika reguł poprawności 

danych. Słownik ten powinien być aktualizowany 

przez biznesowych właścicieli danych. 

Wprowadzenie słownika reguł kontrolnych 

wykorzystywanego w procesie zasilania hurtowni 

ma następujące zalety: 

1. Może być aktualizowany przez właściciela 

danych, a więc przez osoby najlepiej znające 

zagadnienie od strony biznesowej, 

2. Słownik może być wykorzystywany przez 

systemy dziedzinowe, staje się częścią MDM 

3. Uwalnia administratorów hurtowni 

od żmudnego i kosztownego aktualizowania 

reguł w procesach ETL 

4. Sformalizowanie reguł pozwala na 

zautomatyzowanie wykonywania statystyk 

błędnych danych i tworzenia z nich struktur 

wielowymiarowych podczas zasilania hurtowni 

5. Umożliwia stworzenie mechanizmów 

pozwalających na automatyczne zwracanie 

do operatorów systemów dziedzinowych 

informacji o błędnie wprowadzonych danych 

z żądaniem ich poprawy. 

Podczas zasilania hurtowni przeprowadza się nie 

tylko reguły kontrolne dotyczącej jednego pola, 

ale także badania kontekstowe dotyczące powiązań 

danych jednego zdarzenia z danymi dotyczącymi 

innego zdarzenia. Ma to miejsce, gdy systemy 

dziedzinowe nie współpracują ze sobą i dane mogą 

nie być spójne. 

Jakość danych – pętla zwrotna 

Zarządzanie jakością danych nie uda się bez 

zaangażowania działów odpowiedzialnych 

za procesy biznesowe. Hurtownia, mając 

opracowane narzędzia i korzystając ze 

słowników reguł kontroli, może generować 

raporty o błędnie wprowadzonych danych. 

I to jest jeden z elementów pętli zarządzania 

jakością. Drugi, równie ważny, to opracowanie 

przez dział operacji procedur obowiązujących 

operatorów i nakładających na nich obowiązek 

poprawy błędnie wprowadzonych danych. 

Trzeci to monitorowanie jakości danych. 

Tylko czy potrafimy mierzyć jakość danych aby móc 

ocenić poprawę jakości w perspektywie jednostki 

organizacyjnej, czasu czy systemu, z którego dane 

pochodzą? I tutaj wchodzimy na grunt mierników 

jakości danych. 

Jakość danych – mierniki 

Jest to temat bardzo trudny, ale bez jego 

rozwiązania nie można sobie wyobrazić hurtowni, 

która mogłaby być pewnym narzędziem 

w rękach biznesu. Oczywiście są różne analizy 

i różne wymagania co do kompletności i jakości 

danych. W badaniach statystycznych wymagania 

jakościowe będą inne niż w raportach finansowych, 

zawsze jednak biznes musi mieć świadomość, 

z jakim poziomem jakości danych ma do czynienia.

Mierniki powinny posiadać następujące cechy: 

1. Prawidłowo odzwierciedlać stan faktyczny, 

tzn odpowiednio zmieniać się wraz ze zmianą 

jakości 

2. Powinny być addytywne, tzn. w prosty sposób 

agregować na różnych poziomach 

3. Powinny być skalowalne 

W zasadzie trudno znaleźć gotowe rozwiązania, 

literatura fachowa nie dostarcza gotowych 

definicji. W dodatku wprowadzenie mierników 

bez wykorzystania narzędzi hurtowni byłoby 

trudne do zaiplementowania. Mierniki powinny 

wyliczać się na podstawie statystyk błędów 

dla poszczególnych danych tworząc struktury 

wielowymiarowe, które można śledzić wg 

zdefiniowanych wymiarów, np. dla jednostek 

organizacyjnych, operatorów, w odpowiednich 

przedziałach czasowych, dla produktów, itp. 

Można też konstruować wskaźniki pozwalające 

na ranking jednostek według jakości 

wprowadzonych danych i publikować go 

w firmowym newsletterze. Taki zabieg ma 

niesłychaną moc oddziaływania na kierownictwo 

jednostek i praktyka pokazuję, że jest wspaniałym 

narzędziem w walce o jakość danych. Nikt przecież 

nie lubi oglądać się na ostatnich miejscach 

w rankingu. 

Jakość danych – profilowanie 

Profilowanie danych jest narzędziem analitycznym 

pozwalającym na wykrycie zaburzeń statystycznych 

w danych zasilających hurtownię, a trudnych 

do wykrycia podczas wprowadzania danych do 

systemu ERP. Stosowanie tej metody pozwala na 

wychwycenie nieprawidłowości danych pozornie 

spełniających wszystkie reguły poprawności 

syntaktycznej i semantycznej. Jako przykład 

można podać przypadek występującego w pewnej 

bazie statystycznie zbyt często konkretnego 

numeru PESEL, który po bliższej analizie okazał 

się być numerem PESEL operatora, a nie klienta. 

Zdarza się też wybieranie przez operatorów 

pierwszych wartości ze słowników referencyjnych 

w celu przyspieszenia wprowadzania danych. 

Z reguły dotyczy to danych, które w procesach 

operacyjnych nie są kluczowe, mają zaś zasadnicze 

znaczenie w procesach analitycznych. 

Jakość danych – dane teleadresowe 

W firmach wdrażających systemy klasy CRM 

lub inne bazujące na danych osobowych 

i teleadresowych pojawiają się problemy łączenia 

informacji o danym kliencie, pracowniku lub firmie 

współpracującej, pochodzącej z różnych systemów 

informatycznych, zwłaszcza gdy procedury 

obowiązujące nie wymagają od klienta będącego 

osobą fizyczną podawania numeru PESEL. Jeżeli 

systemy ERP nie posługują się słownikami ulic, 

nazw miejscowości, imion lub posługują się 

słownikami własnymi, wtedy zadanie staje się 

bardzo trudne. Wiadomo, że wprowadzenie 

nazwiska nie może być weryfikowane i tutaj też 

powstaje wiele błędów operatorskich. 

Nie spotkałam w swojej praktyce jednego, 

państwowego rejestru teleadresowego, 

spełniającego wymagania procesu czyszczenia 

i deduplikacji danych teleadresowych. Należy 

mieć nadzieję, że ostatni spis ludności uzupełnił 

i poprawił jakość rejestrów GUS-owskich. Nie muszę 

chyba wspominać, że słowniki teleadresowe 

powinny stać się częścią MDM, wtedy problem 

identyfikacji byłby znakomicie uproszczony. 

Dodatkową trudnością w identyfikacji klientów 

są zmiany adresu czy nazwiska lub wprowadzanie 

przez administrację zmiany nazw ulic. 

Można przyjąć dwie strategie dotyczące czyszczenia 

i deduplikacji danych o klientach: 

1. Powierzyć czyszczenie danych firmie 

zewnętrznej posiadającej odpowiednie 

79

80 

narzędzia, moc obliczeniową oraz niezbędne 

doświadczenie 

2. Zainwestować w narzędzia i budować 

kompetencje we własnej firmie 

3. Rozwiązanie hybrydowe 

Outsousing procesu czyszczenia i deduplikacji daje 

szybkie rezultaty, pozwala uzyskać efekt biznesowy 

np. w segmentacji klientów instytucjonalnych 

w szybkim czasie. Sprawa zaczyna być dyskusyjna, 

jeżeli chodzi o dane klientów indywidualnych. 

Jest to baza bardzo wrażliwa, duże firmy oferujące 

czyszczenie posiadają moce obliczeniowe 

ulokowane poza Europą, gdzie nie obowiązuje 

tak rystrykcyjna ochrona danych osobowych 

i zawsze warto zaznaczyć w umowie brak 

zgody na przetwarzanie danych poza granicami 

Europy. Jestem zdania, że budowa kompetencji 

w dziedzinie czyszczenia danych w dużej firmie 

nie jest dla niej zbyt wielkim obciążeniem, 

a pozwala na zabezpieczenie strategicznej, 

z punktu widzenia każdego biznesu, bazy klientów 

oraz stwarza możliwość świadomego podejścia 

do poprawy jakości danych teleadresowych 

i osobowych. Istnieją na rynku dobre narzędzia 

do czyszczenia danych, opanowanie których 

pozwala na włączenie czyszczenia w automaty 

zasilające hurtownię, a nawet włączenie kontroli 

danych podczas wprowadzania ich do systemu 

ERP. Takie rozwiązanie jest możliwe jedynie 

wtedy, gdy zbudujemy kompetencje w firmie 

i w pełni panujemy nad procesem. Przetwarzając 

dane osobowe należy zwrócić baczną uwagę 

na obowiązujące prawo, aby nie użyć danych 

klienta niezgodnie z przeznaczeniem, na 

które klient wyraził zgodę. Należy szczególnie 

ostrożnie podejść do problemu łączenia danych 

o klientach w ramach spółek kapitałowych, a także 

wzbogacając dane o klientach z zewnętrznych baz 

danych lub zaawansowanych technik data-mining. 

Wdrożenia procesu deduplikacji klientów daje 

zupełnie nowy obraz prowadzonego biznesu i jest 

nieoceniony z punktu widzenia wiedzy na temat 

klienta i jego wartości dla firmy, możliwości 

tworzenia programów dosprzedażowych i akcji 

marketingowych, a także wykrywania oszustw. 

Podsumowując aspekt jakości danych w firmie 

pragnę podkreślić, że zarządzanie jakością to 

nie tylko narzędzia informatyczne kontrolujące 

jakość, ale cały zespół procedur tworzących 

pętlę zarządzania jakością. Istotnym jest to, 

aby obserwacja jakości skutkowała włączaniem 

kolejnych danych referencyjnych do Centralnej 

Bazy Referencyjnej, aby odpowiedzialność za te 

bazy powierzać osobom kompetentnym oraz aby 

słowniki te były używane przez systemy klasy ERP. 

Wtedy skróceniu ulegną procesy zasilania hurtowni, 

poprawi sie jakość bieżących danych i skróci się 

czas dostarczenia informacji biznesowi. Krótki czas 

zasilania umożliwi wdrożenie hurtowni operacyjnej, 

działającej w procesie on-line coraz częściej 

wymaganej dla zaspokajania potrzeb działań 

operacyjnych, zwłaszcza działów sprzedaży. 

Nie we wszystkich aspektach BI wymaga 

magazynowania danych w hurtowni. W niektórych 

przypadkach wystarczy pobrać dane z systemu 

ERP, przetworzyć, wykonać analizy i raporty bez 

zatrzymywania danych w hurtowni. W ten sposób 

można np. wspomagać proces tworzenia bilansu 

w okresie sprawozdawczym. 

Rozwiązania organizacyjne 

BI powinien być centralnym ośrodkiem informacji 

w firmie. Aby ośrodek ten mógł dobrze 

funkcjonować ważne jest jego umiejscowienie 

w ramach struktury organizacyjnej. W literaturze 

ośrodek ten nazywany jest w skrócie BICC 

(Business Intelligence Competency Center). 

BICC jest łącznikiem pomiędzy światem biznesu 

i informatyki, musi więc posiadać kompetencje 

z obu dziedzin. Dział IT w firmie rozwija i utrzymuje 

działającą infrastrukturę i systemy gromadzące 

dane, BICC zaś potrafi interpretować zgromadzone

dane, łączyć dane z różnych źródeł wewnętrznych 

firmy oraz źródeł zewnętrznych i prezentować dane 

w formie określonej przez biznes. 

BICC posiada też kompetencje informatyczne, 

ale ograniczone jedynie do narzędzi BI, 

administrowania Hurtownią Danych (bazami 

danych, matadanymi), zarządzania licencjami 

BI, obsługi procesów ETL, raportowania 

i zaawansowanych analiz. Granice między IT i BICC 

dadzą się ściśle wytyczyć: Dział IT ma obowiązek 

wystawić inerfejs do hurtowni lub udostępnić 

usługi, współpracować w zakresie jakości danych, 

dostarczyć infrastrukturę. BICC ma obowiązek 

formułowania wymagań odnośnie systemów 

ERP w zakresie standardów ewidencji danych, 

jest odbiorcą interfejsów lub usług związanych 

z zasilaniem hurtowni, współpracuje w zakresie 

praw dostępu i bezpieczeństwa informacji oraz 

respektuje standardy dotyczące sprzętu. 

Umiejscowienie BICC w którymś z pionów 

biznesowych lub finansowym nie jest wskazane, 

gdyż mogłoby doprowadzić do osłabienia wsparcia 

pozostałych obszarów. 

Opierając się na własnych doświadczeniach 

uważam, że BICC powinien stanowić osobny pion 

w firmie, w przypadku zaś grup kapitałowych 

- na poziomie zarządzania grupą, w ścisłym 

powiązaniu i wsparciu członków Zarządu. 

Jest to podejście na polskim rynku nieczęsto 

spotykane. Wielokrotnie byłam świadkiem tracenia 

dorobku BI w wielu firmach poprzez ciągłe 

spory z działem IT o podział kompetencji. Jest 

to zrozumiałe, ponieważ BICC jest kontrolerem 

danych zapisywanych w systemach ERP i IT 

czuje się bez przerwy „inwigilowane”. Dział IT 

pragnie zawłaszczenia wszystkich kompetencji 

informatycznych w firmie podnosząc problem 

ich rozproszanie i tym samym braku optymalizacji 

zatrudnienia. Jest to błędne rozumowanie, 

ponieważ nawet jeżeli hurtownia budowana 

jest narzędziami tej samej firmy co systemy ERP, 

np. firmy Oracle, to kompetencje informatyczne 

są zupełnie inne. Modele budowane na potrzeby 

hurtowni są wielowymiarowe, sposoby 

przetwarzania specyficzne dla masowego, 

a nie transakcyjnego sposobu, dodatkowo 

dochodzi cała filozofia dotycząca zarządzaniem 

metadanymi. Jako przykład niezrozumienia 

lub też braku zainteresowania dyrektorów IT 

sprawą wdrażania rozwiązań BI jest tocząca sie 

w społeczności „CIO Forum Group Members” 

dyskusja wywołana pytaniem „Can you use ONE 

WORD to desribe the biggest challenge facing 

today’s CIOs ?”. W odpowiedzi pojawiają się 

najczęściej wyzwania związane z przetwarzaniem 

w chmurze, zmianami szeroko pojętymi, 

optymalizacją kosztów, wirtualizacją, tylko jedna 

osoba zwróciła uwagę na dostarczanie informacji 

jako wyzwanie dla szefa IT, zaś nikt nie podjął 

tematu BI lub MDM. Jest to zrozumiałe, bo nowe 

osiągnięcia technologiczne usprawniające 

działanie systemów i obniżające koszty działu IT 

zawsze będą priorytetem dla szefa IT, zwykle tego 

się od niego oczekuje. 

Uważam, że przy odrobinie dobrej woli 

kompetencje pomiędzy IT a BICC dają się łatwo 

rozdzielić i można z sensem współpracować 

z korzyścią dla jakości danych i zadowoleniu 

wszystkich pionów w firmie z informacji spójnej, 

aktualnej i prawidłowej. 

Współpraca z różnymi działami firmy 

Współpraca z działami firmy jest kluczowa 

w projekcie budowy i rozwoju BI. Jej istotą jest: 

1. Zrozumienie potrzeb i zaproponowanie sposobu 

na wsparcie potrzeb biznesowych przy 

pomocy BI. Ustalenie sposobu budżetowania 

zaplanowanych prac. 

2. Definiowanie pojęć biznesowych, ścisłe 

ustalenie sposobu wyliczania wskaźników 

i mierników 

81

82 

3. Współpraca na etapie tworzenia nowych 

produktów, procesów obsługowych 

i uzgodnienie wymagań na sposób ewidencji 

w systemie ERP 

4. Propagowanie wiedzy na temat narzędzi BI 

i wspólne opracowywanie nowatorskich 

rozwiązań optymalnie odpowiadających 

potrzebom biznesowym 

5. Ustawiczne szkolenie wytypowanych 

osób z biznesu na temat nowości: nowych 

raportów, przeglądarek wielowymiarowych 

lub funkcjonalności udostępnionych w BI 

W rzeczywistości współpraca jest jednym 

z najtrudniejszych wyzwań. Kierownictwo działów 

biznesowych niekiedy boi się wkraczania w swoje 

kompetencje, dzielenia wiedzą biznesową, utraty 

kontroli nad raportowaniem, udostępnienia 

własnych baz danych. Nie do przecenienia jest 

zrozumienie całości idei BI przez władze firmy 

Małgorzata Korycka-Purchała 

i wspieranie przez członków zarządu wdrażania 

kolejnych etapów budowania inteligencji 

korporacyjnej. 

Podsumowanie 

Omówione powyżej czynniki ryzyka wybrałam 

jako najważniejsze, co nie oznacza, że inne 

nie występują. W budowaniu BI ważna jest 

cierpliwość i wiara, że wykonujemy pracę, 

która ma sens i która ma szansę przeobrazić 

biznes. Niestety czasami w firmach zbyt wiele 

czasu traci się na próby budowania silosowych 

rozwiązań w poszczególnych departamentach, 

co rozprasza zasoby i opóźnia rozwiązania 

zmierzające do solidnego i logicznego budowania 

korporacyjnej inteligencji, czyli Business 

Intelligence. Niemniej jednak życzę wszystkim 

powodzenia i wytrwałości w tym trudnym, ale jakże 

satysfakcjonującym dziele wdrażania BI. 

Doświadczona Top Manager IT, aktualna członkini Rady Programowej Klubu CIO. W latach 1993-1997 odpowiadała w PZU SA 

za projektowanie i wdrażanie systemów informatycznych obsługujących zdarzenia ubezpieczeniowe. W latach 1998 - 2010 

jako Dyrektor Biura Zarządzania Informacją PZU SA, od 2001 r. także w PZU Życie SA kierowała budową Hurtowni Danych, 

odpowiadała za wdrażanie systemów raportowania, aplikacji analitycznych i zaawansowanych analiz statystycznych bazujących 

na danych zgromadzonych w hurtowni. Jest absolwentką Wydziału Matematyki i Mechaniki Uniwersytetu Warszawskiego.

System szybki i wydajny, ale nieelastyczny 

i trudny w obsłudze, to z dużą pewnością 

przepis na spektakularną (i szybką!) porażkę. 

Marek Grzebyk, Hogart Business Intelligence 

83

84 

System BI w GRUPIE ATLAS 

Robert Korn, SAS Institute 

Informacje o GRUPIE ATLAS 

Założona w 1991 roku przez trójkę łódzkich 

przedsiębiorców firma Atlas (www.atlas.com.pl) 

w ciągu kilku lat osiągnęła pozycję lidera branży 

chemii budowlanej w Polsce. Dynamiczny rozwój 

spółki zaowocował powstaniem GRUPY ATLAS, 

w skład której wchodzi obecnie 16 fabryk 

przetwarzających surowce pochodzące z 5 własnych 

kopalni gipsu, anhydrytu i piasku kwarcowego 

– w sumie 19 podmiotów gospodarczych, 

w tym 5 zagranicznych. 

Sztandarowymi produktami GRUPY ATLAS są 

wyroby do prac glazurniczych, natomiast pełna 

paleta wszystkich wyrobów przekracza liczbę 200. 

Są w niej między innymi systemy ociepleń, 

samopoziomujące podkłady podłogowe, tynki 

szlachetne, systemy izolacji w zakresie hydro- 

i termoizolacji tarasów, dachów i fundamentów 

(również papy, fugi). GRUPA ATLAS dysponuje 

największym w Polsce potencjałem surowcowym 

i produkcyjnym w technologii gipsu - wytwarza 

wszystko z wyjątkiem płyt gipsowo-kartonowych 

i bloczków. 

Marka ATLAS jest rozpoznawana i polecana przez 

ponad 80% Polaków. Zajmuje 1 miejsce na liście 

108 marek, z których Polacy są najbardziej dumni. 

Tak wysoka pozycja marki ATLAS wynika nie 

tylko z najwyższej jakości dostarczanych przez 

firmę produktów, wyróżnia ją również pozytywne 

emocjonalne zabarwienie - jest postrzegana jako 

w pełni polska, nowoczesna i bliska każdemu 

Polakowi. Wiarygodność marki ATLAS wspierana 

jest wizerunkiem firmy - lidera polskich przemian 

gospodarczych, korporacji przestrzegającej zasad 

i odpowiedzialnej społecznie. W tej ostatniej 

dziedzinie GRUPA ATLAS bardzo aktywnie pomaga 

osobom chorym, a szczególnie dzieciom poprzez 

finansowanie Fundacji Dobroczynności Atlas. 

Ponadto pod patronatem firmy funkcjonuje 

galeria Atlas Sztuki, która w rankingu tygodnika 

Polityka została dwukrotnie uznana za najlepszą 

polską galerię prywatną. Również bardzo dobrze 

kojarzone są z marką ATAS imprezy sportowe, 

szczególne organizowane w sponsorowanej przez 

GRUPĘ ATLAS hali widowiskowo-sportowej ATLAS 

Arena w Łodzi. Powyższe działania, realizowane 

konsekwentnie od wielu lat doprowadziły do 

powstania bardzo silnej relacji z partnerami 

i klientami GRUPY ATLAS, którzy są najlepszymi 

gwarantami jej siły i pozycji lidera. Wypracowanie 

i realizacja tak skutecznej strategii to zasługa 

właścicieli, zarządu i managementu GRUPY ATLAS. 

Celem jest nie tylko utrzymanie pozycji lidera 

na polskim rynku, ale również dalszy dynamiczny 

rozwój Grupy poprzez inwestycje na Białorusi 

i Łotwie, w Rumunii oraz w Rosji i na Ukrainie. 

Geneza projektu BI w GRUPIE ATLAS 

Zarząd GRUPY ATAS był od początku świadomy 

faktu, że jakość podejmowanych decyzji zależy 

od dostępności i jakości informacji zarządczej. 

Większa jakość tych decyzji pozwala budować 

przewagę konkurencyjną, co w przypadku 

lidera rynku jakim jest GRUPA ATLAS oznacza 

m.in. ciągłe doskonalenie procesów operacyjnych 

i wykorzystywanie szans rynkowych poprzez 

skuteczne działania marketingowe i sprzedażowe. 

Świadomość ta w powiązaniu z dynamicznym 

wzrostem ilości spółek w GRUPIE ATLAS 

i różnorodnością wykorzystywanych przez nie 

systemów informatycznych oraz rozszerzeniem 

asortymentu produktów i sieci dystrybucji 

poza Polskę doprowadziła do podjęcia decyzji 

o konieczności inwestycji w kompleksowe 

rozwiązanie Business Intelligence dla całej Grupy. 

Potwierdza to dr Konrad Marchlewski, Wiceprezes 

ds. Finansowych Grupy ATLAS: „Potrzeba biznesowa 

w Grupie ATLAS wynikała z faktu, że Grupa coraz 

bardziej rosła. Kupowaliśmy nowe spółki, rozrastała 

się nasza działalność, zatrudnialiśmy coraz więcej 

ludzi. W pewnym momencie ilość informacji, 

jaką dysponowaliśmy była coraz większa – tak, 

że potrzebowaliśmy jednej platformy informatycznej, 

gdzie zgromadzimy te wszystkie informacje

i będziemy w stanie je skutecznie i szybko analizować 

i dostarczać w odpowiednie miejsce, tak szybko 

jak to jest możliwe”. 

Jako kluczową potrzebę, zdefiniowano 

kompleksowe wsparcie nowoczesnego procesu 

planowania optymalizującego wykorzystanie 

wszystkich zasobów produkcyjnych 

dostępnych w Grupie i połączonego z ciągłym 

prognozowaniem oraz monitorowaniem jego 

wykonania. Drugim obszarem wymagającym 

wsparcia było zintegrowanie procesów 

raportowania w całej Grupie poprzez konsolidację 

danych z kilku systemów ERP. Konieczne stało 

się wdrożenie kompleksowego narzędzia 

informatycznego umożliwiającego automatyczny 

proces gromadzenia i integrowania danych 

pochodzących z różnych systemów transakcyjnych 

oraz przyspieszenia procesu konsolidacji 

sprawozdań finansowych. 

Analiza potencjalnych korzyści z wdrożenia 

nowego oprogramowania wykazała szerokie 

pole do wykorzystania oprogramowania typu 

Business Intelligence w kluczowych obszarach 

działalności Grupy. Możliwości szczegółowego 

planowania i monitorowania realizacji, jak również 

optymalizacja i kontrola planowanych zleceń 

produkcyjnych, unifikacja informacji zarządczej 

w ramach Grupy, czy wsparcie procesu konsolidacji 

sprawozdań finansowych dedykowanym 

narzędziem, przesądziły o podjęciu w 2009 roku 

decyzji o rozpoczęciu przygotowywania do projektu 

wyboru i wdrożenia oprogramowania klasy BI. 

Wybór rozwiązania BI w GRUPIE ATLAS 

Głównymi kryteriami, którymi kierowała się GRUPA 

ATLAS dokonując wyboru rozwiązania to stopień, 

w jakim oprogramowanie dostawcy ułatwia 

i przyśpiesza dostęp do informacji oraz poziom, 

w jakim spełnia wymagania funkcjonalne i pozafunkcjonalne 

opisane w SIWZ. Ponadto ważnym 

kryterium była pozycja firmy wdrożeniowej 

na rynku w segmencie oprogramowania BI oraz 

doświadczenie zespołu wdrożeniowego i potencjał 

wiedzy biznesowej konsultantów merytorycznych. 

Ten ostatni aspekt był szczególnie ważny 

w perspektywie złożonych modeli analitycznych, 

takich jak dla przykładu model (TKW) Technicznego 

Kosztu Wytworzenia, czy modele konsolidacyjne. 

„Wybór SAS Institute wynikał z naszych 

wcześniejszych analiz rynku. Wytypowaliśmy trzy 

firmy, które dostarczają podobne rozwiązania. 

Analizowaliśmy jakie mają doświadczenia, a przede 

wszystkim jaką wiedzą dysponują. Nie chodzi 

wyłącznie o oprogramowanie, ale przede wszystkim 

- jaka wiedza, jacy ludzie za tym stoją, jakie wsparcie 

możemy uzyskać. Jaka ekspertyza jest dostarczana 

razem z oprogramowaniem, tak aby to nie było 

wdrożenie oprogramowania, ale wdrożenie zupełnie 

nowego rozwiązania”. - podsumowuje Wiceprezes 

Konrad Marchlewski. 

Zakres projektu BI w GRUPIE ATLAS 

Wdrożenie systemu BI w GRUPIE ATLAS 

objęło procesy planowania i budżetowania, 

konsolidacji i sprawozdawczości finansowej 

oraz zaawansowanej analityki i raportowania 

we wszystkich głównych obszarach biznesowych. 

Niektóre z tych procesów zostały bardziej 

szczegółowo przedstawione poniżej. 

Obszar planowania i budżetowania 

Planowanie i budżetowanie objęło plan inwestycji 

i wynagrodzeń, jak również plan marketingowy 

i handlowy oraz plan produkcji i TKW, z których 

powstawał budżet oraz plan marży i plan księgi 

głównej. 

Uproszczony przepływ informacji pomiędzy tymi 

planami obrazuje poniższy schemat. 

W wyniku wdrożenia systemu BI pracownicy 

GRUPY ATLAS wykorzystują w procesie 

planowania i budżetowania swoje umiejętności 

85

86 

Rys 1. Zakres biznesowy projektu BI w GRUPIE ATLAS 

Rys 2. Uproszczony schemat procesu planowania 

pracy z MS Excel, gdyż formularze budżetowe 

udostępniane są poprzez interfejs Excelowy lub 

internetowy. System BI wspiera pracę planistów 

poprzez unikalny system prognoz i podpowiedzi, 

automatyczny zapis danych i raportowanie bez 

czasochłonnej konsolidacji. Zarządzanie procesem 

planowania i budżetowania jest znacznie ułatwione 

przez automatyczną dystrybucję formularzy według

dowolnej hierarchii (hierarchia organizacyjna, 

produktowa, mpk itp.) i według metody „góradół” 

lub „dół–góra”, wielopoziomową akceptację 

i kontrolę procesów planistycznych, jak również 

automatyczną aktualizację formularzy przez 

użytkowników biznesowych i automatyczny 

przepływ danych pomiędzy modelami. System BI 

wykorzystuje w procesie budżetowania Intranet, 

jak również wewnętrzny system powiadomień, 

alertów i komentarzy. 

Na uwagę zasługuje fakt, iż podczas kalkulacji 

planowanego TKW następuje proces pobierania 

receptur z systemów produkcyjnych oraz cen 

surowców z modułu aktualnie obowiązujących 

ofert. Wspomniane receptury są rozwijane 

zgodnie z przebiegiem wieloetapowego procesu 

wytwórczego z uwzględnieniem przepływu 

półproduktów pomiędzy poszczególnymi 

zakładami produkcyjnymi oraz spółkami 

w ramach Grupy. Tak silna integracja z systemami 

źródłowymi umożliwia badanie planowanego 

TKW (jego wrażliwości) pod kątem stosowania 

zamienników surowcowych, jak również zmian 

poziomów ich cen. Model TKW umożliwia 

symulacje całościowych wyników, gdyż planowane 

TKW stanowi podstawę do kalkulacji kosztów 

produkcji wykazywanych w planowanym rachunku 

wyników. Jednocześnie wspomniany model 

TKW umożliwia kalkulację planowanych cen 

transferowych stosowanych w obrębie Grupy 

oraz kalkulację marży realizowanej pomiędzy 

poszczególnymi podmiotami Grupy, jak również 

marży skonsolidowanej. 

Proces planowania realizowany w systemie SAS BI 

umożliwia również ścisłą integrację planowania 

sprzedaży i produkcji. Oznacza ona planowanie 

sprzedaży w poszczególnych regionach i kanałach 

dystrybucji z jej alokacją na kluczowych płatników. 

Dane sprzedażowe są podstawą dla planu 

produkcji, ale w procesie tym wykorzystywany 

jest automatyczny proces alokacji planowanych 

wielkości sprzedażowych na poszczególne zakłady 

produkcyjne działające w Grupie na bazie 

rzeczywistych danych sprzedażowych. Rzeczywiste 

dane sprzedażowe są analizowane pod kątem 

miejsca produkcji poszczególnych produktów 

i stanowią bazę takiej alokacji. W wyniku tej 

analizy otrzymuje się bazę danych łączącą miejsca 

sprzedaży i produkcji, co stanowi podstawę do 

procesów optymalizacyjnych w zakresie całego 

łańcucha dostaw. 

Obszar konsolidacji 

Proces konsolidacji w GRUPIE ATLAS obejmuje 

wszystkie zagadnienia wynikające z ustawy 

o sprawozdawczości finansowej opublikowane 

w rozporządzeniach ministra finansów. Podobnie 

jak w przypadku systemu do planowania 

i budżetowania użytkownicy systemu BI do 

procesu konsolidacji wykorzystują powszechnie 

znany interfejs Excelowy, w którym istnieje 

możliwość wprowadzania danych do systemu 

BI ze sprawozdań finansowych spółek 

Grupy, jak i automatycznego generowania 

skonsolidowanych sprawozdań finansowych 

(bilans, rachunek wyników, przepływy 

pieniężne oraz zestawienie w skonsolidowanym 

kapitale), raportów oraz not dodatkowych. 

Raporty i skonsolidowane sprawozdania mogą być 

również automatycznie generowane w MS Word 

i Power Point, umożliwiając tworzenie raportów 

kwartalnych i rocznych zgodnie z wymaganiami 

ustawowymi, jak również wymaganiami MSSF 

oraz US GAAP. Wdrożenie systemu pozwoliło 

ujednolicić politykę rachunkowości w spółkach 

podporządkowanych i wprowadzić szereg 

udoskonaleń i ułatwień w procesie konsolidacji 

takich jak: uzgodnienie i automatyczna eliminacja 

sald i obrotów pomiędzy spółkami powiązanymi 

w Grupie, księgowanie korekt kapitałowych 

konsolidacyjnych oraz innych księgowań 

konsolidacyjnych przez użytkowników biznesowych, 

wprowadzanie sprawozdań jednostek powiązanych 

w dowolnej walucie, konsolidację spółek w walucie 

jednostki dominującej oraz przewalutowanie 

87

88 

na inne waluty. Osoby odpowiedzialne za proces 

konsolidacji finansowej otrzymały możliwość 

raportowania procesu księgowania korekt 

konsolidacyjnych na każdym etapie procesu, 

tworzenia jednostkowych sprawozdań finansowych 

spółek podporządkowanych, skonsolidowanych 

raportów w podziale na segmenty grupy 

(prezentacja przychodów, kosztów, zysków i strat, 

nakładów na środki trwałe, amortyzacji i innych 

pozycji wymaganych przez IAS 14) oraz w innych 

perspektywach (np. produkty). Ponadto system 

umożliwia prowadzenie uporządkowanej 

Model dostawców Model zamówień 

Model kontraktów Model sprzedaży 

Obszar umów prowizyjnych 

W systemie BI SAS Institute zbudował model 

analityczny pozwalający na zarządzanie relacjami 

z partnerami handlowymi poprzez generowanie 

i zarządzanie umowami prowizyjnymi. System 

umożliwia ewidencjonowanie umów i parametrów 

określających algorytmy obliczające wysokość 

prowizji oraz jej formę (wysokość targetów, progów 

prowizyjnych, wartości obrotów itp.) jak również 

zapewnia możliwość generowania tekstów umów 

dokumentacji konsolidacyjnej (np. stan własności 

i historia nabywania i sprzedaży udziałów w grupie) 

na potrzeby własne oraz zewnętrznego audytu. 

Obszar raportowania i analiz 

Obszar raportowania i analiz wymagał zbudowania 

specjalistycznych modeli analitycznych we 

wszystkich obszarach łańcucha dostaw GRUPY 

ATLAS. Główne modele analityczne stworzone przez 

SAS Institute to: 

Model klienta Model efektywności sprzedaży 

Model projektów inwestycyjnych Model zobowiązań 

Model należności Model księgi głównej 

Model rachunku kosztów Model marży jednostkowej 

Model marży skonsolidowanej Model dekompozycji marży (od I do IV) 

Model technicznego kosztu wytworzenia (TKW) Model efektywności mieszalników 

Model badania efektywności doradcy handlowego 

prowizyjnych (pełny tekst umowy w formacie PDF 

lub DOC). System pozwala na cykliczne naliczanie 

prowizji (dla wszystkich lub wybranych umów) oraz 

na jej prognozowanie w perspektywie przyszłych 

okresów. System dostarcza również indywidualne 

raporty prowizyjne do użytku wewnętrznego lub 

dla partnerów oraz raporty zbiorcze wszystkich 

kosztów prowizyjnych.

Projekt wdrożenia systemu BI w GRUPIE 

ATLAS w liczbach 

Liczba spółek Grupy objętych wdrożeniem 14 

Liczba systemów źródłowych 6 

Liczba tabel zasilających hurtownię 150 

Liczba tabel w hurtowni 250 

Liczba wymiarów 60 

Liczba modeli planistycznych 7 

Liczba procesów transferu danych 400 

Liczba zdefiniowanych struktur OLAP 30 

Ilość użytkowników 70 

Ilość administratorów 1 

Codzienny przyrost danych 1 GB 

Okno czasowe pełnego przyrostowego ładowania hurtowni i obszarów tematycznych 1 h 

Rys 3. Architektura systemu BI 

89

90 

Główne korzyści z wdrożenia systemu BI 

w GRUPIE ATLAS 

Wdrożony przez SAS Institute system BI efektywnie 

wspomaga procesy zarządzania w GRUPIE ATLAS. 

Uzyskane rezultaty pozwoliły na usprawnienie 

wielu działań operacyjnych i zarządczych 

Grupy w obszarze operacyjnym, strategicznym 

i handlowym. Kluczowa dla efektywnego 

funkcjonowania całej organizacji jest możliwość 

podejmowania szybkich decyzji na podstawie 

dokładnych, rzetelnych i aktualnych informacji. 

Wdrożone rozwiązanie umożliwiło efektywne 

wykorzystanie danych gromadzonych w systemach 

transakcyjnych oraz ich łatwą i szybką konsolidację. 

Wyjątkowe funkcjonalności analityczne systemu 

SAS BI pozwalają na zoptymalizowanie wielu 

decyzji w obszarze operacyjnym, na przykład 

poprzez optymalizację zasobów produkcyjnych 

w planowanych zleceniach produkcyjnych. 

W ocenie Wiceprezesa Konrada Marchlewskiego 

korzyści z wdrożenia systemu BI firmy SAS są 

następujące: 

„Zmiany są w wielu obszarach. Z punktu widzenia 

controllingu, to jest zasadnicza zmiana. Wcześniej 

Robert Korn 

Sales Director, SAS Institute 

controlling koncentrował się na zbieraniu 

danych, dzisiaj koncentruje się na ich analizie 

i prognozowaniu przyszłości. Z punktu widzenia 

zarządu, najwyższego kierownictwa, managerów 

spółki – uzyskali oni łatwy dostęp do informacji 

i samodzielność w ich uzyskiwaniu. Za pomocą 

zbudowanych, podstawowych raportów, najwyżsi 

managerowie są w stanie dość szybko wyszukać 

potrzebne sobie informacje, a nawet zrobić analizy. 

Z punktu widzenia zarządzania właścicielskiego 

zmiana jest jakościowa, ponieważ będziemy 

posiadać wszystkie informacje w jednym miejscu 

i w jednym standardzie, bez względu na to w jakim 

kraju znajduje się spółka, jakich używa standardów 

rachunkowości, jaki ma plan kont, itd. 

Dodatkową korzyścią jest standaryzacja języka 

biznesowego, którym się posługujemy. Ten język 

wszedł do powszechnego obiegu. W ten sam 

sposób rozumiemy marżę, marżę pierwszą, drugą, 

trzecią, EBITDA, wynik finansowy, kapitał pracujący 

itd. Wcześniej często rozmawialiśmy różnymi 

językami w zależności od kultury informacyjnej 

poszczególnych spółek”. 

Posiada bogate doświadczenie menedżerskie, pełniąc uprzednio funkcje zarządcze w spółkach Scala Polska oraz Invensys 

Intelligent Automation. 

SAS Institute jest światowym liderem w zakresie analityki biznesowej oraz największym niezależnym dostawcą 

oprogramowania Business Intelligence. Firma istnieje od 1976 r. i zatrudnia ponad 13 000 pracowników na całym świecie. 

Z rozwiązań SAS korzysta 60 000 przedsiębiorstw i instytucji w ponad 130 krajach. W Polsce SAS Institute działa od 1992 r., 

obecnie zatrudnia ponad 200 osób. Rozwiązania i oprogramowanie SAS adresowane są do wszystkich sektorów gospodarki, 

m.in. bankowości, ubezpieczeń, telekomunikacji, energetyki, przemysłu, handlu oraz sektora administracji publicznej. 

www.sas.com/poland

Ogromna większość informacji składowanych 

w firmach nie pochodzi z baz danych, 

ale z dokumentów zawierających często 

bardzo istotny tekst. Nie ma jednak 

najmniejszego sensu składowanie tak 

dużych ilości tekstu, jeżeli z wiedzy w nim 

zgromadzonej nie da się korzystać. 

Paweł Wróblewski, Findwise 

91

92 

ZOZ na poziomie biznesowym 

Jacek Jaworski, TETA BI CENTER 

Znacznie zwiększona dokładność danych, szybkość uzyskiwania potrzebnych informacji, 

możliwość kontroli kosztów z dnia na dzień, a nade wszystko możliwość podejmowania 

decyzji w oparciu o wiarygodne i aktualne dane – to najważniejsze korzyści, jakie SZPZLO 

Warszawa-Bródno zyskał dzięki wdrożeniu systemu TETA Business Intelligence. 

Informatyzacja opieki zdrowotnej w Polsce 

wystartowała na dobre, a jej kontynuacja jest 

pilna i nieuchronna. Ten proces cywilizowania 

polskiej służby zdrowia i podnoszenia jej 

standardów wszystkim nam może przynieść 

wiele korzyści. Jednakże w tej optymistycznej 

wizji pojawiają się również cienie – to koszty 

projektów informatycznych, które dla wszystkich 

firm są znaczne, a dla białej branży mogą 

stanowić poważną barierę. Mamy dziś jednak 

do dyspozycji środki unijne, które przed wieloma 

jednostkami opieki zdrowotnej są w stanie 

otworzyć, jeśli nie ogromne, to przynajmniej spore 

możliwości. Całe szczęście! – można by powiedzieć, 

bo wyzwań jest sporo. 

Projekt marzenie 

Wymogi NFZ wobec jednostek opieki medycznej, 

choćby w zakresie raportowania, są coraz większe 

i bardzo trudno je realizować bez wsparcia 

nowoczesnych systemów informatycznych. 

Zarządzanie organizacją w oparciu o raporty 

finansowe generowane ręcznie, a przez to 

podatne na ludzkie błędy, bywa w praktyce 

bardzo ryzykowne. Również praca informatyka 

czy analityka finansowego, posługującego 

się arkuszem kalkulacyjnym i przez tydzień 

opracowującego w nim raport księgowy 

z minionego miesiąca, bywa wręcz koszmarem. 

Agnieszka Fabijańska, Specjalista ds. Controllingu 

w SZPZLO Warszawa-Bródno, tak wspomina czasy, 

gdy jeszcze nie korzystała z profesjonalnego 

narzędzia controlingowego: Pracowaliśmy wtedy 

na Excelu. Musiałam wszystkie dane importować 

z systemu Finansowo – Księgowego, potem ręcznie 

je przepisywałam i obrabiałam wg określonych 

potrzeb. To była męcząca, niewdzięczna i narażona 

na błędy praca, która w dodatku trwała 

zdecydowanie dłużej, niż wszyscy byśmy tego chcieli. 

Oczywiście nie mieliśmy ani możliwości wystarczająco 

dokładnej kontroli kosztów, ani przygotowania 

raportów na oczekiwanym poziomie szczegółowości. 

Od momentu zamknięcia miesiąca w księgowości do 

chwili, kiedy raport trafiał na biurko Dyrektora mijał 

tydzień. W tej chwili ten sam proces zajmuje nam 

15 minut i wymaga kilku przysłowiowych kliknięć 

na komputerze. 

Co sprawiło, że SZPZLO Warszawa-Bródno podjął 

się inwestycji w system controllingowy i osiągnął 

spory sukces, zilustrowany przytoczonym wyżej 

przykładem? Przyczyn i motywacji było kilka. 

Do kluczowych należą: wspomniane wymogi 

raportowania na potrzeby NFZ, dostosowanie 

się do potrzeb reformy służby zdrowia w zakresie 

zarządzania kosztami, konieczność zarządzania 

organizacją na podstawie rzetelnej informacji, 

a także – o czym wspominają pracownicy 

SZPZLO Warszawa-Bródno – wieloletnie marzenie 

Dyrektora, by posiadać profesjonalne narzędzie 

controllingowe, które ułatwiłoby mu zarządzanie. 

Wiedzieć, by zarządzać 

Ależ nie, nie mylimy znaczenia słowa controlling! 

W pełni zdaję sobie sprawę, że nie chodzi 

o kontrolę pracowników – tłumaczy z uśmiechem 

Michał Kawecki, Dyrektor SZPZLO Warszawa- 

Bródno, ekonomista z wykształcenia. Controlling 

wprowadzamy po to, by każde stanowisko pracy 

móc w każdym momencie ocenić pod kątem 

ekonomicznym. By móc planować, koordynować

Cele wdrożenia systemu TETA Business Inteligence w SZPZLO Warszawa – Bródno: 

1. Wsparcie budżetowej metody zarządzania przedsiębiorstwem, tzn. umożliwienie stworzenia 

zintegrowanego systemu planowania oraz monitorowania wykonania planów. 

Cel ten zrealizowano poprzez: 

a) Dostarczenie aplikacji TETA Business Intelligence, jako narzędzia wspomagającego proces 

budżetowania oraz analizę danych planistycznych, 

b) Udostępnienie w Hurtowni Danych wybranych danych z posiadanych przez SZPZLO Warszawa-Bródno 

systemów dziedzinowych, 

c) Wsparcie przez Konsultantów UNIT4 TETA BI Center Sp. z o.o. w realizacji wybranych prac 

wdrożeniowych (przede wszystkim w asyście przy budowie i parametryzacji w aplikacji TETA Business 

Intelligence wybranych struktur planistycznych). 

2. Wsparcie SZPZLO Warszawa-Bródno w realizacji różnorodnych analiz i raportów w zakresie wybranych 

danych z systemu TETA FK BP. Cel ten zrealizowano poprzez: 

a) Dostarczenie aplikacji TETA Business Intelligence, jako narzędzia wspomagającego proces 

budżetowania i analiz wielowymiarowych, 

b) Udostępnienie w Hurtowni Danych wybranych danych z posiadanych przez SZPZLO Warszawa-Bródno 

systemów dziedzinowych. 

i kontrolować przebieg procesów finansowych 

na drodze do osiągnięcia wyznaczonych celów, 

a kiedy dzieje się coś złego, gdy podejrzewamy jakiś 

błąd lub nieprawidłowość – aby móc reagować 

natychmiast, nie czekając, aż sprawy się skomplikują. 

Jako osoba zarządzająca potrzebuję stale aktualnej 

informacji ekonomicznej, aby móc podejmować 

decyzje na podstawie prawdziwych i aktualnych 

danych, a nie na podstawie tego, co mi się wydaje, 

albo co straciło swoją aktualność miesiąc temu. 

W SZPZLO Warszawa-Bródno zasady 

controllingu wprowadzane są wraz z narzędziami 

informatycznymi, które wspomagają ten obszar 

działania. Dyrektor Michał Kawecki z całych sił 

popiera ten projekt: Uważam, że jest to bardzo 

potrzebne, jeśli się chce mieć rzetelną i aktualną 

informację o finansach organizacji oraz aby 

informacja ta w jak najmniejszym stopniu była 

narażona na ludzkie błędy. W osiągnięciu jednego 

i drugiego pomocny jest nam system informatyczny 

TETA Business Intelligence. 

Zanim SZPZLO Warszawa-Bródno wdrożył 

narzędzie TETA Business Intelligence, dostęp 

Dyrektora do informacji zarządczej był mocno 

utrudniony. Dane docierały do mnie z bardzo 

dużym opóźnieniem – wspomina Michał Kawecki 

- Łatwo sobie wyobrazić frustrację dyrektora, 

który bilans roczny w formie raportu otrzymuje 

93

94 

Na „6” 

Anna Dyśko, pracownik IT w SZPZLO Warszawa-Bródno, Koordynator Wdrożenia Projektu 

System TETA Business Partner działa u nas od 1997 r., jest systemem zintegrowanym i pozwala na duży 

stopień automatyzacji w zarządzaniu procesami. Przez długi czas korzystaliśmy z modułów: Kadry i Płace, 

Finanse i Księgowość, Gospodarka Materiałowa, Środki Trwałe i Środki Niskocenne. Brakowało nam 

jednak modułu, który wspierałby podejmowanie decyzji zarządczych. Dlatego zdecydowaliśmy się 

poszerzyć pakiet o Controlling. Zakupiliśmy także serwer, który umożliwił nam wdrożenie tego nowego 

elementu. W tej chwili znajduje się na nim Hurtownia Danych, powstająca poprzez import danych 

z systemu Finansowo - Księgowego. Dzięki temu koleżanka zajmująca się controllingiem może dla 

Dyrektora placówki przygotowywać wszelkie potrzebne analizy i raporty. Obecnie system importuje 

dane z różnych lokalizacji i z różnych rodzajów jednostek. Mamy pięć budynków na terenie Warszawy. 

Oprócz poradni, w których pracuje biały personel i świadczy usługi medyczne dla pacjentów, mamy 

także trzy apteki i dwa sklepy medyczne. W tej chwili z systemu korzystają trzy osoby: dyrektor, księgowa 

oraz specjalistka ds. controllingu. I choć na razie nie ma potrzeby poszerzania tego grona, to istnieje 

możliwość, by w systemie pracowało jednocześnie 7 osób. Jestem zadowolona zarówno z tego systemu, 

jak i z przebiegu projektu wdrożenia. Nie mam także zastrzeżeń do wsparcia pracowników firmy UNIT4 

TETA BI Center. Przeciwnie, nasza współpraca jest klarowna i konkretna: czegoś potrzebujemy - zgłaszamy 

potrzebę - otrzymujemy wsparcie stosowne do wyzwania. Jak inaczej można to ocenić, jeśli nie na „6”? 

w maju. A przecież decyzje obciążające budżet 

trzeba podejmować od stycznia. Byłem w takiej 

sytuacji i przeżywałem z tego powodu wielki 

stres, zastanawiając się przez cztery miesiące, 

czy poprzedni rok zamknąłem zyskiem czy stratą. 

Teraz jest inaczej. Spostrzega to nie tylko 

Dyrektor, ale także Specjalista ds. Controllingu, 

Agnieszka Fabijańska: System pozwala czuwać nad 

działalnością całej organizacji, można na bieżąco 

docierać do informacji o tym, że np. w którejś 

przychodni zaczęto zużywać więcej prądu, że w innej 

przyjmuje się mniej pacjentów albo generuje większe 

koszty w obszarze zlecanych badań laboratoryjnych. 

Każde z takich zdarzeń widać w systemie, co pozwala 

bez zwłoki podjąć stosowne działania naprawcze lub 

wyjaśniające. 

Dyrektor dokłada też własne spostrzeżenia: 

Korzyść z automatyzacji procesów controllingowych 

jest też taka, że np. do obsługi aptek nie muszę 

zatrudniać trzech osób, by zajmowały się 

przepływem dokumentów. Wystarczy jedna, 

która z pomocą systemu informatycznego należycie 

te sprawy porządkuje. 

TETA Business Intelligence pozwala dokładnie 

określić koszty jednostkowe każdego stanowiska

pracy. Dzięki temu użytkownik zyskuje wiedzę 

o tym, jaki jest np. średni koszt zabiegu 

realizowanego przez tzw. biały personel. 

Jesteśmy obecnie na etapie dochodzenia do takich 

możliwości – mówi Dyrektor Kawecki - Wymaga 

to wprowadzenia zmian w wielu obszarach, łącznie 

ze znacznym rozszerzeniem planu kont oraz – 

i to jest chyba największe wyzwanie – skutecznym 

egzekwowaniem skrupulatnego wprowadzania 

danych do komputera przez wszystkich uczestników 

procesów. 

Daje i wymaga 

Mówiąc półżartem – controlling jest w stanie dać 

każdemu dyrektorowi dobrą i przydatną informację 

zarządczą, ale najpierw wymaga od wszystkich 

użytkowników, by rzetelnie wprowadzali dane 

do systemu informatycznego. Wdrożenie zasad 

controllingu w dużym stopniu podnosi wymagania 

nie tylko wobec pracowników placówki, ale 

także wobec naszych dostawców i kontrahentów 

– tłumaczy Michał Kawecki – Pracownicy 

są zobligowani do dużej systematyczności 

System na „Ach!” 

i skrupulatności w pracy z systemem, aby dane, 

wprowadzane do systemu były w stu procentach 

prawdziwe. Dostawcy i kontrahenci zaś, poza 

wszelkimi zasadami dobrej współpracy, muszą 

także spełniać wymagania formalne i techniczne, 

które niesie za sobą system informatyczny; jest 

to np. wymóg wystawienia faktury w formie 

elektronicznej. Gdy partner zewnętrzny nie może 

spełnić tych wymagań, wywołuje to natychmiastowe 

koszty po mojej stronie, na co oczywiście nie chcę 

sobie pozwalać. 

Lekarzu, ulecz się sam 

Każda zmiana niesie za sobą trudności, wśród 

których do największych zaliczyć można pracę 

nad modyfikacją ludzkich przyzwyczajeń. 

Branża medyczna nie jest tu żadnym wyjątkiem 

i Dyrektor Michał Kawecki posiada świadomość 

tego problemu: Przełamanie przyzwyczajeń 

mentalnościowych u wszystkich pracowników 

w naszej branży jest dużym wyzwaniem. 

Wymaga to przekonania ludzi do nowego stylu 

pracy; zarówno pielęgniarek i lekarzy, jak również 

Agnieszka Fabijańska, Specjalista ds. Controllingu w SZPZLO Warszawa-Bródno 

To, co w systemie spowodowało moje „Ach!”, to przede wszystkim szybkość jego działania, a dzięki temu 

także możliwość szybkiego realizowania poszczególnych czynności w procesie zarządzania organizacją. 

Czymś bardzo atrakcyjnym jest także możliwość wielowymiarowego analizowania poszczególnych 

obiektów, poradni czy aptek. Bardzo łatwo można zestawiać ze sobą różne dane, kopiować je, sumować 

i porównywać, a wszystko to dosłownie w ciągu paru chwil. Daje to niesamowite możliwości analityczne 

i przekłada się na trafność decyzji podejmowanych przez Dyrektora. 

95

96 

foto Maksymilian Mleczek 

zaopatrzeniowców, osób w rejestracji, księgowości 

a nawet informatyków. Błąd popełniony na 

samym początku procesu, przy wpisywaniu 

informacji dotyczącej leku, strzykawki czy środków 

opatrunkowych, skutkuje nieprawdziwą informacją 

zarządczą, na podstawie której, jako dyrektor 

placówki będę później podejmował decyzje. 

Wdrożenie systemu pracy o takiej odpowiedzialności 

jest trudne, ale my to robimy, a ja osobiście głęboko 

wierzę w sens i powodzenie projektu. 

Skok na finanse i kompetencje 

Zarządzanie organizacją z wykorzystaniem 

zasad controllingu, to spełnienie podstawowego 

elementu reformy służby zdrowia, jakim jest 

zarządzanie kosztami. Trudność jednak jest taka, 

że – jak się łatwo domyśleć – brakuje na to 

środków finansowych. Dyrektor Michał Kawecki 

martwi się o finansowanie projektu, ale od razu 

znajduje też istotne pozytywy: Na szczęście system 

TETA można wdrażać modułami, a niekoniecznie 

wszystko naraz – to spore ułatwienie w naszym 

procesie informatyzacji. 

W wypadku SZPZLO Warszawa-Bródno duży skok 

zarówno technologiczny, jak i kompetencyjny 

możliwy był do osiągnięcia dzięki środkom ze 

Jerzy Kiełbowicz 

Prezes UNIT4 TETA BI Center Sp. z o.o. 

struktur Unii Europejskiej. Na tym jakościowym 

skoku korzystają wszyscy: pacjenci, osoby 

zarządzające organizacją, ale także pracownicy 

zaangażowani w realizację projektu. 

Dyrektor dodaje też z pewną dumą: Ta ostatnia 

grupa (mam na myśli Kierownika IT oraz Specjalistę 

ds. Controllingu) będąc od początku zaangażowana 

w przedsięwzięcie informatyzacji, zyskuje ogromne 

kompetencje osobiste. Te osoby stają się nagle 

posiadaczami wiedzy o funkcjonowaniu organizacji, 

której często nawet ja nie posiadam. Tak, dzięki 

informatyzacji, kompetencje schodzą w dół 

hierarchii zarządczej… 

SZPZLO Warszawa-Bródno jest przykładem 

tego, jak ważnym elementem zarządzania jest 

determinacja kierownictwa w dążeniu do osiągania 

celów. Dyrektor Michał Kawecki od początku 

wiedział, czego w sensie biznesowym potrzebuje, 

a konsultanci firmy z obecnej firmy UNIT4 TETA 

BI Center, przeprowadzając analizę potrzeb, 

dodatkowo te oczekiwania uszczegółowili. 

Fundusze unijne pomogły zrealizować cele, 

o co byłoby trudno bez tego elementu 

finansowania. Wysoko ocenione wsparcie dostawcy 

systemu było cennym katalizatorem sukcesu 

w projekcie, który wciąż jest rozwojowy. 

Niezmiernie satysfakcjonujący jest dla nas fakt, iż SZPZLO Warszawa-Bródno jest zadowolone z rozwiązania, które wdrożyliśmy. 

System TETA Business Intelligence jest nowoczesny pod względem technologicznym i na tyle elastyczny, że jego obsługa 

staje się dla użytkowników wręcz intuicyjna. Dodatkową jego wartością jest także wysoka skalowalność, dzięki której SZPZLO 

Warszawa-Bródno w razie potrzeby będzie mógł bez żadnych problemów rozbudować narzędzie o nowe analizy dla kolejnych 

obszarów zarządzania. Możliwości te doskonale wpisują się w oczekiwania naszego Klienta. Trzeba też wyraźnie podkreślić, 

że wszystkie osoby zaangażowane w projekt po stronie SZPZLO Warszawa-Bródno, posiadały profesjonalne podejście do pracy 

i bardzo się angażowały w nasze wspólne wyzwanie. Każdy, kto choć raz uczestniczył w tego typu przedsięwzięciu wie, że jest 

to postawa nie do przecenienia, która w sposób kluczowy przyczynia się do ostatecznego sukcesu. 

www.tetabic.eu

Drodzy CEO - użyjcie wiedzy o kliencie, 

którą macie w systemach informatycznych! 


97

Skuteczne wdrożenie systemów 

CRM – rola doradcy 

98 

Biser Jorgow, Pentegy 

Według danych GUS (raport z 2011 r.: Społeczeństwo informacyjne w Polsce. Wyniki badań 

statystycznych z lat 2006 – 2010) w 2009 r. zaledwie co dziesiąte przedsiębiorstwo w Polsce 

stosowało system CRM, podobny poziom utrzymywał się w roku 2010. 

Średnią krajową w znacznym stopniu przekroczyły 

w 2009 r. firmy z branży zajmującej się produkcją 

i dystrybucją energii elektrycznej, gazu i ciepła 

(26%). Podobnie było w roku 2010 (29%). 

Czy zatem polskie firmy wykorzystują możliwości 

jakie niesie za sobą inwestycja w systemy klasy 

CRM? Warto również odpowiedzieć sobie na 

pytanie, czego obecnie firmy oczekują od tego 

typu systemów i czy proces wdrożenia może być 

skutecznie przeprowadzony i przyjazny dla odbiorcy 

końcowego? 

Czego biznes oczekuje od systemów CRM? 

Od jakiegoś czasu rozwiązania CRM jako 

samodzielne aplikacje praktycznie nie występują. 

Realia i specyfika prowadzenia biznesu wymogły 

na systemach tego typu konieczność ścisłej 

integracji z innymi rozwiązaniami informatycznymi 

Podsumowując – jakie oczekiwania mają firmy przed 

wdrożeniem CRM: 

• Pełna integracja z pozostałymi systemami wykorzystywanymi 

w firmie 

• Konsolidacja wszystkich informacji o kliencie w jednym miejscu 

(historia współpracy, wyniki finansowe, potrzeby, ryzyka) 

• Wdrożenie takiego systemu CRM, który umożliwi jego 

późniejszą rozbudowę w łatwy sposób. 

wykorzystywanymi w codziennej działalności 

organizacji, np.: platformami sprzedażowymi, 

systemami bieżącej obsługi Klienta, czy też 

serwisowo-reklamacyjnymi. Podstawowym 

oczekiwaniem firm względem systemów 

CRM pozostaje sprawna i intuicyjna obsługa 

coraz większej liczby procesów związanych 

z obsługą klienta. 

Kolejną przesłanką przemawiającą za wdrożeniem 

systemu CRM z punktu widzenia oczekiwań 

biznesowych w firmie, powinna być możliwość 

kompleksowego podejścia do procesu obsługi 

klienta. Wielozadaniowość systemów klasy 

CRM powinna polegać na pełnej obsłudze 

procesów specyficznych dla danej branży, 

takich jak: przedsprzedaż (czasem czasochłonna 

i skomplikowana), sprzedaż, planowanie, 

monitorowanie (np.: monitorowanie wykonania 

budżetu na danym portfelu klientów), 

zarządzanie sprzedażą (np.: jako funkcja 

nadzoru menadżerskiego, umożliwiająca 

bieżące podejmowanie i korygowanie decyzji 

sprzedażowych) oraz raportowanie (przede 

wszystkim możliwość tworzenia tzw. dynamicznych 

raportów na żądanie). 

Podstawowym wymaganiem, które powinno 

być brane pod uwagę w momencie rozważania 

przez firmę inwestycji w system CRM jest 

skonsolidowanie rozproszonych w wielu systemach, 

czy też działach odpowiedzialnych za obsługę 

klienta (np.: call center, dział reklamacji czy 

techniczny) informacji o Klientach. Istotne jest, 

aby proces zbierania danych odbywał się w pełni 

automatycznie, bez potrzeby dodatkowej kontroli.

Istotnym wymaganiem technicznym w stosunku 

do systemów klasy CRM jest możliwość względnie 

łatwej rozbudowy systemu o moduły funkcjonalne, 

na które pojawia się zapotrzebowanie wraz 

z rozwojem firmy. Ważne jest, aby decyzja 

o rozbudowie systemu i związane z nią 

wdrożenie zostały zrealizowane jako rozszerzenie, 

bez konieczności generowania zbędnych 

kosztów związanych z poważną przebudową 

obecnej platformy. 

Kiedy wdrożenie CRM można 

komunikować jako sukces? 

Wdrożenie CRM stanowi niemałe wyzwanie 

zarówno dla pracowników, którzy będą korzystać 

z tego narzędzia, jak i dla całej firmy, która staje 

przed koniecznością korekty w podejściu i realizacji 

swoich procesów biznesowych. Należy zatem 

odpowiednio się do takiego projektu przygotować, 

zainwestować czas i oddelegować odpowiednich 

ludzi, aby pokierować nim właściwie i finalnie 

osiągnąć zamierzony cel. 

Warunkiem koniecznym udanego wdrożenia 

jest spełnienie wszystkich (lub zdecydowanej 

większości) oczekiwań o charakterze funkcjonalnym 

i technicznym (omawianych w pierwszej części 

artykułu). Jednakże, aby firma mogła uznać 

proces wdrożenia systemu CRM za sukces, muszą 

być spełnione dodatkowe warunki o charakterze 

projektowym i biznesowym. 

Wdrożenie systemu CRM powinno przebiegać 

zgodnie z założonym na wstępie harmonogramem, 

a koszty projektu powinny zmieścić się 

w zakładanym budżecie (mowa tu nie tylko 

o kosztach związanych z usługami ewentualnego 

dostawcy, ale również o kosztach pracy 

oddelegowanych do projektu pracowników 

i wszystkich pozostałych składnikach kosztów, 

t.j. utrzymanie, licencje, itp.). Pomimo, że warunki 

te wydają się oczywiste i stanowią kanon dobrze 

zarządzanego projektu, w praktyce bardzo rzadko 

bywają spełnione. 

Kolejnym, niezwykle istotnym warunkiem 

powodzenia, jest wdrożenie takiego systemu, 

który będzie przyjazny dla użytkownika 

i aktywnie wykorzystywany zarówno przez kadrę 

menadżerską, jak i pracowników. Tym samym 

wdrożona platforma, poza satysfakcją pracowników 

i zarządu, powinna spowodować stopniową 

poprawę jakości obsługi Klientów organizacji 

(np.: poprzez zmniejszenie liczby reklamacji, czasu 

ich rozwiązywania, itp.) oraz doprowadzić do 

wzrostu sprzedaży i rentowności Klientów z portfela 

firmy. Warto, aby poziom spełnienia wszystkich 

powyższych warunków zmierzyć w określonym 

odstępie czasu od momentu wdrożenia CRM 

- często na wiarygodną ocenę zwrotu z takiej 

inwestycji potrzeba więcej czasu (w przypadku 

dużych firm – kilku lat) z uwagi na to, że taka 

ocena opiera się zarówno na kryteriach ilościowych, 

jak i jakościowych. 

W celu bardziej obrazowej prezentacji 

skutecznego zarządzania wdrożeniem CRM, 

należy bliżej przyjrzeć się jego najważniejszym 

etapom. Mówimy w tym przypadku o dwóch 

modelach wdrożeniowych - zarówno produktu 

dedykowanego, zbudowanego od podstaw 

wg specyficznych wymagań zamawiającego, 

jak również zakupu gotowego systemu i jego 

dostosowaniu do potrzeb konkretnej organizacji. 

Etap I: Przygotowanie koncepcji 

Przed podjęciem decyzji o rozpoczęciu projektu 

i zaangażowaniu zewnętrznego doradcy, firma 

powinna wskazać bardzo dokładnie wszystkie 

potrzeby, których zaspokojenie leży u podstaw 

podjęcia decyzji o wdrożeniu CRM’u. Brak takiej 

analizy może skutkować konsekwencjami w postaci 

inwestycji w kosztowne rozwiązanie, które nie 

będzie używane. Dlatego ważne jest, aby analizę 

wymagań firma przeprowadziła we własnym 

zakresie – tylko menedżerowie i pracownicy 

posiadają najszerszą wiedzę nt. faktycznych potrzeb 

99

100 

firmy i branży, którą reprezentują. Niezbędnym 

elementem etapu przygotowania koncepcji jest 

zaproponowanie metody mierzenia efektywności 

przyszłego wdrożenia CRM, czyli m.in. sposobu 

w jaki ocenimy zwrot z tej inwestycji i kryteriów 

jakościowych, wg których będziemy oceniać 

powodzenie projektu wdrożeniowego. Warto w tym 

miejscu wskazać najczęstszy problem i zagrożenie, 

przed którym stają firmy na etapie przygotowania 

koncepcji systemu CRM. Zdarza się nie raz, że firmy 

niedostatecznie wnikliwie zastanawiają się nad 

tym, które procesy specyficzne dla ich branży chcą 

obsługiwać w ramach wdrażanego systemu CRM, 

sugerując się np. atrakcyjnością popularnego 

rozwiązania dostępnego na rynku lub działającego 

u konkurencji. Przy takim podejściu firma 

ryzykuje poniesienie wysokich kosztów wdrożenia 

systemu, który później nie wniesie odczuwalnej 

wartości dodanej. 

Etap II: Przygotowanie wymagań 

funkcjonalnych i technicznych 

Na tym etapie firma powinna powołać 

dedykowany zespół projektowy lub też wskazać 

osoby, które poza obowiązkami operacyjnymi 

będą również odpowiadać za wdrożenie CRM’u 

(m.in. współpracować z dostawcą zewnętrznym). 

Najlepiej, jeśli osoby takie posiadają odpowiednie 

doświadczenie w tym zakresie, które może 

pochodzić np.: z podobnych projektów tego typu 

zrealizowanych u poprzedniego pracodawcy. 

Celem tego etapu jest przygotowanie na podstawie 

koncepcji z Etapu I zestawu szczegółowych 

wymagań potrzebnych do stworzenia zapytania 

ofertowego (tzw. RFP - Request For Proposal)). 

Jeżeli firma nie posiada odpowiedniego 

doświadczenia, można przygotować zapytanie 

o informację (tzw. RFI – Request For Information) 

we współpracy z doradcą zewnętrznym. 

Odpowiedzi na RFI pomogą później przygotować 

właściwe RFP. 

Etap III: Wybór dostawcy 

Kluczowym w całym procesie wdrożeniowym 

jest wybór dostawcy rozwiązania. W momencie 

zebrania wszystkich odpowiedzi na zapytanie 

ofertowe, wybieramy 2-3 dostawców, których 

oferty są najciekawsze. Ich lista nie powinna 

być dłuższa ze względu na ryzyko znacznego 

wydłużenia procesu wyboru, a tym samym wzrostu 

ostatecznego kosztu projektu. Selekcja dostawców 

powinna odbywać się podczas warsztatów, spotkań 

prezentacyjnych z wersją demonstracyjną systemu 

lub prototypu i negocjacji warunków handlowych, 

które powinny zakończyć się ostateczną decyzją 

o wyborze konkretnego dostawcy. Oprócz kosztów 

wdrożenia, tzn. kosztów licencji, usług i sprzętu, 

należy koniecznie wziąć pod uwagę koszty 

utrzymania systemu (serwis, drobny rozwój, etc., 

które razem z kosztami wdrożenia tworzą całkowity 

koszt projektu), jak również potencjał osobowy, 

kompetencje merytoryczne pracowników danego 

dostawcy oraz jego doświadczenia w realizacji 

podobnych projektów wdrożeniowych. 

Etap IV: Budowa i wdrożenie CRM 

W momencie dokonania wyboru dostawcy naszego 

przyszłego systemu CRM, istotnym elementem 

warunkującym powodzenie wdrożenia jest wczesne 

zaangażowanie do współpracy przy projekcie 

wybranych departamentów (najczęściej będą 

to: IT, sprzedaż, marketing). Dobra współpraca 

członków zespołu wdrożeniowego z różnych 

komórek organizacyjnych jest jednym z warunków 

powodzenia projektu. W momencie zakupu 

gotowego rozwiązania, lepiej skoncentrować 

się na tych funkcjonalnościach, które są już 

dostępne i będą praktycznie wykorzystywane 

na co dzień. Ważny jest wybór takich modułów, 

które odpowiadają logice procesów biznesowych 

i będzie je można łatwo dostosować do specyfiki 

prowadzonej przez nas działalności.

Należy także pamiętać o zaangażowaniu 

użytkowników końcowych już na etapie 

projektowania rozwiązania. Ułatwi to później 

testy akceptacyjne i sprawi, że CRM nie będzie 

przez pracowników odbierany jako system 

narzucony odgórnie, czy z zewnątrz. Równie 

ważne, szczególnie w przypadku dużych wdrożeń, 

jest podzielenie całego projektu na łatwo 

zarządzalne etapy. Po każdym z nich należy 

zaplanować wystarczająco dużo czasu na testy 

akceptacyjne i szkolenia. Każde wdrożenie 

nowych funkcjonalności w ramach kolejnych 

etapów powinno być poprzedzone odpowiednim 

cyklem szkoleń. 

Etap V: Serwis i szkolenia 

Należy pamiętać, że wdrożenie systemu CRM jest 

procesem, który właściwie nigdy się nie kończy. 

System będzie stale rozwijany i udoskonalany. 

Proces ten powinien się odbywać na zasadzie 

generowania uwag i propozycji zmian przez 

użytkowników końcowych, którzy często najtrafniej 

wskazują w jaki sposób daną funkcjonalność 

udoskonalić. W tym przypadku dobrze jest 

zapewnić sobie stały kontakt z dostawcą lub też 

powierzyć te kompetencje swoim doświadczonym 

pracownikom, którzy brali udział we wdrożeniu. 

W kontekście serwisowania wdrożonego systemu 

należy pamiętać o tzw. umowie SLA (Service Level 

Agreement) gwarantującej firmie odpowiedni 

poziom wsparcia technicznego – dobrze, gdy 

stroną realizującą umowę jest dostawca systemu. 

Najczęściej w tego typu umowie dostawca, 

w zamian za miesięczną opłatę ryczałtową, 

zobowiązuje się do reagowania w określonym 

reżimie czasowym na zgłoszenia błędów i pytania 

pojawiające się w trakcie użytkowania systemu. 

Wszystkie zmiany powinny być odpowiednio 

komunikowane i poprzedzone szkoleniami 

użytkowników końcowych. 

Błędy popełniane na etapie budowy i wdrożenia funkcjonalności: 

• Moduły wykorzystywane przez większość branż: 

- Podstawowym modułem jest tzw. Kartoteka Klienta. 

Miejsce, w którym przechowywane są wszystkie informacje 

n t. klienta (jego dane teleadresowe, firmy i osoby powiązane, 

podgląd produktów, usług, wniosków, umów, itp.) 

- Drugim podstawowym modułem są Kontakty – moduł oferujący 

możliwość zarządzania dniem pracy sprzedawcy lub doradcy 

klienta (rodzaj zaawansowanego kalendarza). 

• Popełniane błędy: 

- Wdrożenie zaawansowanych funkcjonalności automatyzujących 

pracę tam, gdzie mogłaby być ona realizowana manualnie. 

- Budowanie bardzo zaawansowanej logiki biznesowej, która 

będzie wykorzystywana w niewielu przypadkach. Zdarza się, 

że wdrażana funkcjonalność zwyczajnie nie jest potrzebna 

użytkownikom końcowym i staje się tylko przeszkodą w ich pracy. 

- Implementacja skomplikowanych interfejsów do innych systemów 

(np. zawsze online, chociaż można zastosować offline 

w określonych odstępach czasu). 

Rola doradcy zewnętrznego w procesie 

wdrożenia CRM 

Funkcjonują dwa podejścia do zaangażowania 

doradcy zewnętrznego w procesie wdrożenia CRM. 

W pierwszym podejściu, współpraca z doradcą 

rozpoczyna się dopiero na etapie budowy 

i wdrożenia systemu – jest to rozwiązanie 

wykorzystywane rzadziej. 

W drugim podejściu, praktykowanym przede 

wszystkim przez średnie i duże firmy 

101

102 

5 najważniejszych czynników udanego wdrożenia CRM: 

1. Bezpośrednie i stałe wsparcie z poziomu zarządu 

2. Dogłębne rozpoznanie i analiza procesów biznesowych 

podlegających obsłudze w CRM 

3. Przemyślany i wyczerpujący proces wyboru doradcy 

i dostawcy wdrożeniowego 

4. Wczesne zaangażowanie przyszłych użytkowników końcowych 

5. Przygotowanie umowy w zakresie serwisu i rozwoju 

systemu CRM 

Biser Jorgow 

o rozbudowanej strukturze, doradca zewnętrzny 

angażowany jest do współpracy już na etapie 

tworzenia koncepcji systemu i wymagań do niego. 

W takich przypadkach doradca, który wspiera firmę 

w wyborze systemu CRM i tworzeniu wymagań 

i dostawca wdrożeniowy to dwie niezależne firmy. 

Rozwój systemów w danej organizacji jest 

procesem ciągłym i złożonym. Najbardziej istotnym 

wyzwaniem, przed którym stoi organizacja jest 

obecnie odpowiedź na pytanie – czy i jakie 

procesy za pośrednictwem systemu CRM chcemy 

optymalizować? Dlatego tak istotne jest, aby były 

to procesy najważniejsze z biznesowego punktu 

widzenia. Wybrane finalnie narzędzie powinno nie 

tylko wspierać bezpośrednią obsługę klienta i pracę 

operacyjną doradców, ale również (co nie jest bez 

znaczenia) powinno sprostać bieżącym wyzwaniom, 

które stawia przed nami zmieniające się otoczenie 

biznesowe. 

Specjalizuje się w systemach klasy CRM. Jest menedżerem w międzynarodowej firmie konsultingowej Pentegy realizującej 

kompleksowe projekty doradcze i informatyczne dla firm i organizacji z różnych sektorów gospodarki. Oferta Pentegy obejmuje 

osiem głównych grup usług: rozwiązania CRM, karty i płatności elektroniczne, doradztwo biznesowe, doradztwo IT, rozwiązania 

dla HR, rozwiązania mobilne i internetowe, integracja systemów oraz „Software Delivery”.

Każde przedsiębiorstwo jest posiadaczem 

ogromnej ilości danych. Szkoda, że tak 

niewiele z nich zdaje sobie sprawę, że to jest 

właśnie cała ich inteligencja. Bo trzeba jeszcze 

umieć z niej dobrze korzystać. 

Luiza Warno (2005), Orange 

103

Efektywne modelowanie biznesu 

wg Kimball Lifecycle, 

czyli jak w pełni wykorzystać potencjał 

wdrożenia Business Intelligence. 

Marcin Choiński, BI.PL 

104 

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 BI, a w szczególności na jego przyszłość. 

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 BI. 

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 

Marcin Choiński 

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 

Założyciel i redaktor naczelny portalu BI.PL, wiceprezes w firmie Innotion Sp. z o. o. 

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 o prowadzeniu 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. zterokrotnie gościły już w Polsce. W tym roku 

również będzie można uczestniczyć w szkoleniu 

„Dimensional Modelign in Depth”, które 

planowane jest na październik w Warszawie. 

105

P O L A N D 

106 

Zapraszamy na warsztaty prowadzone 

przez guru Business Intelligence 

i hurtowni danych: 

Ralpha Kimballa i Margy Ross. 

Czas i miejsce: 

Warszawa, Hotel Sofitel Victoria, 

23-26.10.2012 

Więcej informacji: 

Paulina Łopacińska, SPS Poland, 22 44 888 88, 

email: plopacinska@sps.pl 

www.sps.pl/KU 

W A R S Z T A T Y 

Dimensional Modeling 

Światowe autorytety w Polsce 

Program szkolenia, rejestracja: 

in Depth 

- skorzystaj! 

Ralph Kimball 

Kimball University jest 

organizacją stworzoną 

przez Ralpha Kimballa, 

twórcę koncepcji hurtowni 

danych, światowej sławy 

eksperta oraz autora 

bestsellerowych książek 

w obszarze Business 

Intelligence i zastosowań 

hurtowni danych. 

Kimball University dostarcza 

praktyczną wiedzę 

najwyższej jakości, 

w oparciu o bogate doświadczenie 

projektowe 

wykładowców i książki 

przez nich napisane.

Business Intelligence 

w komentarzach 

menedżerów 

107

108 

BI nowej generacji 

Biser Jorgow, manager, Pentegy S.A. 

Niezależnie od wszystkich, w szczególności modnych, trendów w obszarze BI, wartość tych narzędzi leży 

w kombinacji dwóch podstawowych elementów: 

- prawidłowym zrozumieniu potrzeb informacyjnych klienta 

- wiedzy i doświadczeniu zespołu wdrożeniowego (wewnętrznego lub zewnętrznego). 

Spełnienie pierwszego warunku sprowadza się do tego, że w organizacji niezbędna jest osoba, która nie 

tylko doskonale rozumie bieżące potrzeby, ale potrafi również prawidłowo przewidzieć przyszłe potrzeby 

w zakresie BI. Osoba taka powinna posiadać niektóre cechy typowe dla wizjonera, co w połączeniu ze 

wsparciem ze strony najwyższej kadry zarządzającej może zaowocować przyjęciem przez całą organizację 

spójnej wizji rozwoju BI. 

Drugi warunek oznacza, że wartość narzędzi BI nie leży w narzędziach IT, z których każde posiada 

swoje mniej lub bardziej istotne wady, ale w połączeniu korzyści jakie oferuje narzędzie z wiedzą 

i doświadczeniem zespołu wdrożeniowego. 

W ostatnim czasie dużo mówi się o kierunkach rozwoju BI. Można nawet usłyszeć, że mamy dzisiaj do 

czynienia z wykształcaniem się BI następnej generacji. Niezależnie od tego, ile w tym prawdy, można 

wyróżnić kilka głównych trendów, które zostaną zweryfikowane w praktyce w najbliższych latach: 

Analiza danych w chmurze (publicznej lub prywatnej) 

Czyli udostępnianie rozwiązań BI w formie Software as a Service (SaaS). Nie jest to trend, który przyjmie 

się jednakowo w każdej branży. Widzę duże ograniczenia w szczególności w sektorze finansowym, gdzie 

poufność danych ma bardzo duże znaczenie i jest elementem budowania wizerunku. Również stanowisko 

regulatora rynku finansowego może nie być przychylne przetwarzaniu w chmurze. Poza tym, część firm 

zwyczajnie będzie się obawiać udostępniania danych zewnętrznym podmiotom. 

Przetwarzanie coraz większej ilości danych 

Chodzi tu nie tylko o większą ilość informacji związaną z bardziej szczegółowym monitorowaniem biznesu, 

ale również o to, że zbierane i przetwarzane są dane różne jakościowo od tych, które miały do dyspozycji 

firmy choćby kilka lat temu. Rosnąca liczba danych nie stanowi, moim zdaniem, większego wyzwania dla 

firm, ponieważ ceny sprzętu w rodzaju dysków i macierzy nie rosną, a wykorzystywane obecnie rozwiązania 

są w większości przypadków łatwo skalowalne. Inna jakość danych poddawanych analizie może 

rzeczywiście oznaczać zmiany w BI, ale będą się one prawdopodobnie sprowadzały do integracji z nowymi 

i coraz liczniejszymi źródłami danych.

BI jako źródło prognoz dotyczących rozwoju biznesu w najbliższej przyszłości 

Dotychczas BI dostarczało podsumowań danych historycznych. Dzisiaj zapowiada się odwrócenie tego 

stanu rzeczy poprzez dostarczenie dobrej jakości prognoz opartych na modelach matematycznych 

i statystycznych. Pomimo licznych zapowiedzi dot. materializowania się tego trendu, nie widzę jeszcze 

zastosowania takich narzędzi w praktyce biznesowej. Przewidywanie przyszłości nadal nie należy do 

mocnych stron BI i obietnice w tym zakresie są mocno na wyrost. Nadal najważniejsze i najtrudniejsze w BI 

pozostają wybór i zebranie właściwych danych. Szybkie prognostyczne modele BI powinny przeliczać dane 

historyczne codziennie, co czasami w ostatecznym rozrachunku może okazać się mało opłacalne. 

Zmiany w warstwie prezentacji BI 

Wszystkie dostępne na rynku gotowe narzędzia posiadają jakieś ograniczenia. W praktyce użytkownicy 

potrzebują najczęściej prostych pulpitów (dashboard-ów), czyli zestawienia wykresów, tabel i wskaźników, 

ale w unikalnym dla każdej branży i klienta układzie. Oznacza to, moim zdaniem, że najlepsza jest warstwa 

prezentacji zbudowana pod specyficzne potrzeby klienta. Jednym z etapów budowy takiej dedykowanej 

warstwy powinno być zawsze przygotowanie prototypu przyszłego rozwiązania. 

Dostęp mobilny oraz integracja BI z mediami społecznościowymi 

Rosnąca dynamicznie liczba tzw. smarfonów i mobilność pracowników narzucają tę formę dostępu 

do danych. Oznacza to jedynie ułatwienie dostępu i skrócenie czasu dostępu do danych i ich analizy, 

ale nie zmienia zasad funkcjonowania BI. 

109

110 

Rozwiązania Business 


Marek Martofel, EMC Poland 

Historycznie, narzędzia klasy Business Intelligence powstawały w celu ułatwienia tworzenia raportów 

biznesowych w oparciu o informacje zgromadzone w relacyjnych lub hierarchicznych bazach danych. 

Z biegiem czasu ich funkcjonalność rozszerzono o prowadzenie analiz ad hoc, wyszukiwanie trendów 

ukrytych w danych, oraz gromadzenie i analizę w bazach wielowymiarowych. 

Obecnie mamy do czynienia z trzecią fali systemów BI, w której najważniejszą zmianą w stosunku do 

wcześniejszych systemów jest to, że do ich zadań nie należy już raportowanie i analiza przeszłości, lecz 

głównie przewidywanie przyszłości na podstawie wykrytych trendów i tendencji. Zmiany objęły też źródła 

danych wykorzystywane do analiz – nie są to już wyłącznie standardowe relacyjne, czy wielowymiarowe 

bazy danych, które mogą przechowywać jedynie informacje przewidziane przez ich projektantów 

w modelu danych, ale połączenie baz danych oraz gigantycznych, rozproszonych zbiorów informacji 

zawierających dane nieustrukturyzowane. Ważne jest też, że analizę danych prowadzi się bez wytyczonego 

z góry kierunku ani zadanego ściśle celu. Jest to więc w większym stopniu działalność badawcza, niż 

tradycyjna analiza oparta na statystyce i klasycznych metodach matematycznych. Jej celem jest przede 

wszystkim przewidywanie, reagowanie na zdarzenia i sytuacje nietypowe, będące odstępstwem od 

zwykłego porządku rzeczy. Jest to całkowite przeciwieństwo tradycyjnej analizy statystycznej, której 

celem jest wykrywanie związków i korelacji typowych. Na przykład, gdyby producenci elektroniki wykryli 

i przewidzieli ryzyko fluktuacji pogodowych w Azji mogliby zmodyfikować stan zapasów tak aby ochronić 

się przed zakłóceniami poziomu produkcji. Dlatego z wyszukiwaniem i wykrywaniem ukrytych powiązań 

wiele przedsiębiorstw wiąże bardzo duże nadzieje. Korelacja czynników na pozór dalekich od siebie 

pozwala na pozyskanie nieosiągalnej dotąd wiedzy i prowadzi do często zaskakujących wniosków. 

Analiza dużych zbiorów danych obecnie posiada swoją specyfikę jak i zestaw stabilnych, bardzo sprawnych 

narzędzi. Zrozumiałe jest, że niektórych trendów nie da się wykryć analizując tylko małą próbkę danych. 

Na przykład bezcelowa byłaby analiza działania Internetu na podstawie kilkusekundowego zapisu 

przepływających przezeń danych by odpowiedzieć na pytanie jak zachowują się jego użytkownicy, 

choć danych byłoby relatywnie dużo. Z drugiej strony, opuszczenie np. miliona rekordów może 

nie zniekształcić wyników analizy, bowiem jest to tylko drobny promil przetwarzanych informacji. 

Dlatego do przechowywania i przetwarzania tego typu informacji stosuje się specjalne narzędzia, 

rozproszone systemy plików i przetwarzanie bazujące na dystrybucji zadań – tworzone zarówno w modelu 

open source jak i platformy komercyjne. 

Wiodącą rolę w tego rodzaju działalności odgrywają produkty powstałe przy udziale Apache Foundation, 

a w szczególności narzędzia projektu Apache Hadoop. Większość komercyjnych firm dostarczających 

oprogramowanie i sprzęt z uwagą obserwuje rozwój tego właśnie trendu nazywanego Big Data. Znaczna 

większość, z mniejszym lub większym powodzeniem produkuje i dystrybuuje własne oprogramowanie 

bazujące na Apache Hadoop. Jednak prawdziwymi zwycięzcami będą ci, którym skutecznie uda się 

połączyć oba światy, danych relacyjnych i nieustrukturyzowanych. To ogromna szansa dla firm otwartych 

na adopcję innowacji, gdyż fali budowy systemów Big Data nie da się już zatrzymać.

Rola CRM w zmiennej 

rzeczywistości 

Michał Jackowiak, CEO, JADE, A Bull Group Company 

Zmienna rzeczywistość czasem z lekką przesadą uznawana jest za wyjątkowo trudną. Na pewno wymaga 

ona od biznesu więcej, liczą się refleks i pewność w działaniu, jednak nie skazuje nas na porażkę a wręcz 

przeciwnie - wytwarza sytuację, w której łatwiej i szybciej można osiągnąć przewagę konkurencyjną. 

Zgodnie z najbardziej naturalnym prawem, w określonych warunkach najlepiej odnajdują się jednostki 

najszybciej przystosowujące się i najchętniej korzystające z dostępnych narzędzi, tzw. Innowatorzy. 

Stąd Innowator w obszarze CRM w dużej mierze oznacza kogoś, kto panuje nad zmiennością, prędkością 

i nadmiarem informacji. W efekcie koncentruje się na dostarczeniu produktu, który odbiorcy da poczucie 

wysokiej jakości i wiedzy, indywidualnego podejścia oraz stosunkowo konkurencyjnej ceny. W tym kierunku 

moim zdaniem idzie filozofia zarządzania relacjami z klientami. 

Pamiętam moment, gdy CRM był nowym narzędziem, kiedy badania pokazywały że tylko 20-30% 

wdrożeń kończy się powodzeniem. W moim przekonaniu większość z badanych nie była gotowa na 

wdrożenie ani wewnętrznie / organizacyjnie, ani w sensie wykorzystania siły narzędzia. Nie były do tego 

przygotowane kanały komunikacji ani infrastruktura. Teraz w dobie dojrzałego e-commerce oraz selfservice 

system CRM, cokolwiek firma wdrażająca może pod tym pojęciem rozumieć, jest nieodzowny. 

Paradoksalnie CRM przejmuje funkcję, jak dawniej w gospodarce „niewidzialnej ręki” (z ang. invisible 

hand), który będzie trzymał Klienta w stanie miłego zaskoczenia, ale pomoże mu także porządkować 

informacje i poruszać się wśród nich. Podpowie, czego potrzebuje, jak ma to znaleźć, kupić w dobrej cenie 

i jak może uzyskać satysfakcję z bezpiecznego użytkowania. Takie podejście obowiązuje dziś bez względu 

na typ produktu, czy usługi, jaką świadczymy i jest niezbędnym czynnikiem konkurencyjności firmy. 

Na co dzień współpracuję z gigantami branż FMCG czy telekomunikacyjnej, którzy mogą powiedzieć 

o sobie, że odnieśli sukces. Od konkurencji bardzo wyraźnie odróżniają się rozumieniem elastycznego 

i aktywnego korzystania z narzędzi IT. Ich CRM-y spełniają standardy, liczą, monitorują, automatyzują, 

ale są właśnie „ich” i nie będą pasowały do żadnej innej firmy. Utrzymania takiego stanu rzeczy oczekują 

od dostawcy rozwiązania, wymagają rozwijania narzędzi zawsze najszybszych, najnowocześniejszych, 

kooperujących z tkanką całej organizacji. CRM najczęściej nie wyręcza ludzi w ich pracy, tylko dostarcza 

informacji do szybszego i lepszego podejmowania decyzji. 

Przeglądałem ostatnio raport Deloitte Global Powers of the Consumer Products 2012, w którym położono 

nacisk na konieczność zainwestowania producentów i sprzedawców (niezależnie od zajmowanego sektora) 

w narzędzia analityczne pozwalające lepiej poznać oczekiwania i upodobania Konsumentów. Sądzę, że jest 

to słuszna prognoza, choć być może napawająca obawą w obliczu kryzysowej niepewności niektórych 

rynków. Jednak przedsiębiorcy w większości nie kupią tych informacji, muszą sami poznać swoich 

Klientów, zbudować ich obraz w swoich systemach. Muszą to zrobić szybko i stosunkowo niskimi kosztami 

wejścia. Dlatego dostawcy rozwiązań wychodzą naprzeciw swoim Klientom, przeciwdziałają przepłacaniu 

i niewłaściwemu korzystaniu z oprogramowania, stosują nowoczesne metodyki wdrożeń. Upowszechnił się 

wreszcie (był obecny od dawna) model cloud computing, pokrywania kosztów infrastruktury oraz licencji 

w formie abonamentów. 

111

112 

Specyfika mojej branży pozwala mi na pełnienie niezwykle ciekawej roli – pomocy w automatyzacji 

i systematyzowaniu działań firmom, które koncentrują się na realizacji zmiennych potrzeb Konsumentów. 

Idziemy w kierunku narzędzi, które zarówno przedsiębiorcom jak i ich klientom dadzą poczucie 

bezpieczeństwa i spójności wydarzeń. Tak rozumiem społeczną i prokliencką rolę CRM-u. 

Tym samym biznes przyjmie postawę upraszczania rzeczywistości własnej i Konsumenta.

Rozwiązania klasy BI 

Paweł Gajda, Business Solution Consultant SAP Polska 

Obecnie obserwujemy wzrost zainteresowania rozwiązaniami z zakresu wspomagania decyzji biznesowych 

(Business Intelligence, BI). Aplikacje i narzędzia BI są uniwersalne, mają szeroki zakres funkcjonalności, 

przydatnych zarówno w dużych przedsiębiorstwach przemysłowych, jak i małych firmach z sektora MŚP. 

Umożliwiają integrację złożonych procesów biznesowych, pozwalają na szybką reakcję na wszelkie 

zmiany zachodzące na płaszczyźnie operacyjnej, jak również w otoczeniu biznesowym. Dzięki nim firma 

ma możliwość śledzenia na bieżąco stanu realizacji danego procesu oraz błyskawicznego reagowania na 

zdarzenia poprzez elastyczne modyfikowanie zmian w procesach. Istotne jest również pozyskanie informacji 

zewnętrznej, która może w istotny sposób wpływać na podejmowane decyzje. 

W dużych firmach, korporacjach rozwiązania BI są rozproszone wewnątrz organizacji i stanowią osobną 

platformę integracji informacji biznesowej między różnymi działami. W firmach średniej wielkości 

korzystają z nich przede wszystkim działy finansowe, controlingowe, marketingu i sprzedaży. Natomiast 

w firmach z sektora MŚP głównymi beneficjentami BI jest zarząd i kontrola finansowa. Użytkownicy 

Business Intelligence mogą otrzymywać tylko informację spersonalizowaną, w zależności od swoich 

potrzeb i poziomu decyzyjności. 

Klienci dostrzegają korzyści wynikające z zastosowania rozwiązań BI, które dają przewagę konkurencyjną 

i pozwalają rozwijać się w obszarach, których do tej pory nie były prze nich eksploatowane. Narzędzia BI 

dają się również łatwo zaimplementować w dotychczasowym środowisku technologicznym IT. Ważną cechą 

jest łatwe, intuicyjne korzystanie z aplikacji, aby odbiorcy mogli sami przeszukiwać zasoby biznesowe 

(podobnie jak w Google), bez konieczności zwracania się do działów IT, co przyspiesza decyzyjność 

i zaufanie do informacji. 

Największym beneficjentem rozwiązań klasy BI są firmy sektora FMCG i Retail, w których analiza 

rentowności, kanałów sprzedaży, konkurencyjności dystrybucji na poszczególnych rynkach ma strategiczne 

znaczenie. Drugim obszarem jest bankowość, firmy finansowe i ubezpieczeniowe oferujące specjalizowane 

produkty lub usługi, dopasowane pod kątem klienta biznesowego. Dlatego bardzo istotna staje się analiza 

rentowności i zyskowności w perspektywie dynamicznych zmian w otoczeniu rynkowym. 

W dobie lawinowego przyrostu informacji biznesowej, gromadzonych w systemach IT, ogromnego 

znaczenie nabiera przyspieszenie dostępu do gromadzonych wolumenów danych. Decyzje biznesowe 

są obciążone coraz większym ryzykiem, wymagają więc nie tylko szybkiej informacji, ale także sprawnej 

i wiarygodnej analizy i dystrybucji. Właśnie zaawansowane narzędzia analityczne, wspomagane 

innowacyjnymi sposobami przetwarzania danych stają się niezbędne dla dalszego rozwoju przedsiębiorstw. 

Rozwiązania klasy BI umożliwiają tworzenie i modelowanie analizy procesów biznesowych i finansowych 

oraz budowanie w intuicyjny sposób raportów, kokpitów menedżerskich oraz pozyskiwania informacji 

ad- hoc. Dzięki innowacyjnym rozwiązaniom firmy mają możliwość monitorowania kluczowych wskaźników 

działalności firmy niemal w czasie rzeczywistym. 

113

114 

Warto w tym miejscu zwrócić uwagę na rewolucyjną technologię przetwarzania informacji w pamięci, 

tzw. „In-memory”, zmieniającą sposób działania aplikacji BI i tworzącą nowe horyzonty dla tworzenia 

aplikacji biznesowych. Technologia „In-memory” pozwala analizować dane transakcyjne i analityczne 

w czasie rzeczywistym, przetwarzać je i następnie dokonać wizualizacji w najbardziej przyjaznej formie 

w ciągu kilku sekund. Przyspieszenie przetwarzania danych wprowadza nową jakość w przebieg procesów 

biznesowych, zaś rozwiązania BI przestają być narzędziem stricte analitycznym, a stają się biznesowym 

narzędziem operacyjnym. To wiąże się również z rosnącym wykorzystaniem rozwiązań mobilnych, 

obsługujących obecnie większość procesów w przedsiębiorstwach i instytucjach. Użytkownik wyposażony 

w urządzenie mobilne typu tablet lub smartfon, w dowolnym czasie i miejscu mając dostęp do Internetu 

lub sieci 3G, może uzyskać błyskawicznie przetworzoną i wiarygodną informację celem podjęcia 

decyzji biznesowych.

Nowa twarz Business Intelligence

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template ?