Magic Quadrant BI 2018 – Gartners Business Intelligence

Κοινωνικός

Magic Quadrant BI 2018 – Gartners Business Intelligence

Before we examine the maturity model of BI solutions and the guidelines for its development, είναι απαραίτητο να εκτελέσει μια ανάλυση των δυνατοτήτων του BI λύσεις, καθώς και η αγορά αυτών των λύσεων.
Ως αφετηρία για την έρευνα αυτή παίρνουμε Gartner με τίτλο «Magic τεταρτημόρια για BI
πλατφόρμες»,

Magic Quadrant BI 2018 – Gartners Business Intelligence

Σε αυτό Gartner ορίζει πλατφόρμες BI, όπως το λογισμικό
πλατφόρμες 12 ικανότητες, διαιρείται σε 3 βασικές κατηγορίες:
✓ Παράδοση των πληροφοριών;
✓ Ενσωμάτωση;
✓ Analytics
Η τεχνολογία της πληροφορίας είναι ένα πολύ δυναμικό πεδίο της έρευνας. Ως μέρος της, επιχείρηση
συστήματα πληροφοριών (TO) Επίσης, αναπτύσσουν πολύ γρήγορα. Στην εργασία αυτή θα τηρούν
ο ακόλουθος ορισμός της BIS: «BIS συνδυάσει τις δραστηριότητες της εξόρυξης δεδομένων και των δεδομένων
διαχείρισης της επεξεργασίας και της γνώσης μέσω αναλυτικών μέσων, προκειμένου να παρουσιάσουν
πολύπλοκο ανταγωνιστικό ενημέρωση των καταναλωτών οι οποίοι συντάξει σχέδια και να πάρουν αποφάσεις.»1
1. Ανάλυση της σημερινής δυνατότητες του BI πλατφόρμες
Πριν εξετάσουμε το μοντέλο ωριμότητας των BI λύσεων και των κατευθυντήριων γραμμών για τους
ανάπτυξη, είναι απαραίτητο να εκτελέσει μια ανάλυση των δυνατοτήτων του BI λύσεις,
καθώς και η αγορά αυτών των λύσεων.
Ως αφετηρία για την έρευνα αυτή παίρνουμε Gartner με τίτλο «Magic τεταρτημόρια για BI
πλατφόρμες», δημοσιευτηκε σε 2007 (σύκο. 1). Σε αυτό Gartner ορίζει πλατφόρμες BI, όπως το λογισμικό
πλατφόρμες 12 ικανότητες, διαιρείται σε 3 βασικές κατηγορίες:
✓ Παράδοση των πληροφοριών;
✓ Ενσωμάτωση;
✓ Analytics.
1
άρθρα
Για την πρώτη κατηγορία ανήκουν οι ικανότητες:
✓ εκθέσεις Παραγωγή;
✓ παράθυρα πλοήγησης;
✓ Ad hoc ερωτήματα;
✓ Ενσωμάτωση με το MS Office.
Η δεύτερη ομάδα περιλαμβάνει:
✓ υποδομών BI;
✓ διαχείρισης μεταδεδομένων;
✓ Ανάπτυξη περιβάλλοντα;
✓ Ροές;
✓ Συνεργασία.
Η τρίτη κατηγορία καλύπτει τις δυνατότητες για:
✓ ηλεκτρονική αναλυτική επεξεργασία;
✓ Απεικόνιση;
✓ Παράδοση της γνώσης και πρόβλεψης;
✓ Χάρτες των αποτελεσμάτων.
Πέντε χρόνια αργότερα, η Gartner δημοσίευσε μια νέα «Magic Quadrant για BI πλατφόρμες»,
ότι εξακολουθούν και σήμερα για 2012. Σε αυτό το έγγραφο πλατφόρμες BI εξακολουθούν να θεωρηθεί ως
πλατφόρμες λογισμικού, παράδοση των δυνατοτήτων που περιγράφονται ανωτέρω. Αλλά δύο πιο χαρακτηριστικά
έχουν προστεθεί στην κατηγορία «παράδοση της γνώσης», και συγκεκριμένα αναζήτηση με βάση BI
και κινητό BI.
Οι βασικές δυνατότητες του BI πλατφόρμες έχουν ευρέως συζητηθεί και μελετηθεί,
Έτσι, για το λόγο αυτό δεν θα πρέπει να εξεταστεί λεπτομερώς στο παρόν έγγραφο. Περισσότερη προσοχή θα
να δοθεί στα δύο νέα χαρακτηριστικά, που προσφέρει η Gartner.
Η πρώτη ευκαιρία είναι η αναζήτηση με βάση το BI. Ουσιαστικά πρόκειται για μια εφαρμογή ενός
αναζήτηση δείκτη στις πηγές δομημένων και αδόμητων δεδομένων και η κατανομή τους (οργάνωση)
σε μια δομή ταξινόμησης των μέτρων και τις διαστάσεις, το οποίο οι καταναλωτές μπορούν εύκολα να
περιηγηθείτε και να εξερευνήσετε, χρησιμοποιώντας ένα Google-όπως διεπαφή.
Η βασική διαφορά μεταξύ των μηχανών αναζήτησης και αποθήκες δεδομένων είναι ότι η αναζήτηση
Οι μηχανές είναι πολύ ευέλικτο και υποστηρίζει κάθε είδους μορφή και το είδος των πληροφοριών - είναι
το δομημένο ή μη δομημένα. Έτσι, οι μηχανές αναζήτησης μπορεί να αντεπεξέλθει στις ολοένα εξελισσόμενες
δομές δεδομένων. Η ευρετηρίαση των δύο υφιστάμενων και των νέων δεδομένων (άγνωστη μέχρι στιγμής) δεν
απαιτούν πρόσθετες μοντελοποίηση δεδομένων. Τα συμβατικά αρχιτεκτονική αποθήκευσης δεδομένων έχει περιορισμένη
ικανοτήτων για την αντιμετώπιση αδόμητα δεδομένα που είναι απαραίτητα για τη διευκόλυνση της απόφασης-
αποφάσεων και οι μηχανές αναζήτησης «καλύψει αυτό το κενό». Σε σύγκριση, αποθήκες δεδομένων απαιτούν
χρόνο όχι μόνο για τη δημιουργία του μοντέλου αποθήκη, αλλά και για την προσθήκη νέων στοιχείων. Αλλο
θετικό χαρακτηριστικό των μηχανών αναζήτησης είναι η ευκολία τους «πλοήγηση» μέσα από τα περιεχόμενα. Στο
κάθε βήμα της πλοήγησης, Οι μηχανές αναζήτησης παρέχουν διαφορετικές ευκαιρίες για φιλτράρισμα
τα αποτελέσματα σύμφωνα με περιεχόμενο στο πλήθος των δεδομένων που έχουν αναπροσαρμόζονται και
αναλύθηκαν σε σχεδόν πραγματικό χρόνο. Σχεσιακή συστήματα διαχείρισης βάσεων δεδομένων (RDBMS)
δεν έχουν καμία ικανότητα για ανάλυση δεδομένων, εκτός αν έχουν κάποιες γνώσεις σχετικά με διάφορες
είδος των στοιχείων. Αυτό είναι, μια μηχανή αναζήτησης μπορεί εύκολα να ακολουθήσει κάθε γεγονός που συνέβη σε ένα
συγκεκριμένη χρονική στιγμή, ενώ με τη χρήση συμβατικών RDBMS η αναζήτηση μπορεί να γίνει
μόνο μέσα σε αυστηρά καθορισμένα πεδία δεδομένων

Μιλήστε το μυαλό σας

*