Proč? Vždyť současné informační systémy nabízí zpravidla snadná uživatelská rozhraní, přesně popsanou funkčnost, využívá je zaškolená obsluha... Častým problémem ovšem bývá nepochopení rozdílu mezi daty a informacemi. Zatímco k prvnímu je přístup obvykle opravdu velmi jednoduchý, v případě druhého pojmu jde o záležitosti nadmíru složité a moderními systémy bohužel nepříliš podporované.

Zatímco data lze velmi zjednodušeně charakterizovat jako libovolnou posloupnost znaků, u informace tomu tak není. Pod posloupností se mohou skrývat libovolné znaky, třeba i ty, které vůbec neznáme, či u kterých si nedokážeme představit, že jde o nějaké znaky, o nějaké písmo. Posloupnost dat tak může být již sama o sobě na první pohled pro nás nesrozumitelná, složená z něčeho, co vůbec nemusíme chápat. Pojem informace je spojen až s nějakým konkrétním významem, tzv. sémantikou dat. S určitým filosofickým nadhledem je možno prohlásit, že z dat se stávají informace teprve tehdy, pokud jsme z nich (tedy v roli příjemce) schopni získat nějaké poznatky, vědomosti, znalosti. Pokud tedy příjemce rozumí významu v datech ukrytém, znamenají pro něj data také nějakou informaci.

V podnikových informačních systémech jsou samozřejmě k dispozici informace různé složitosti a významu - běžné informace odpovídající zpracovávaným položkám a jednoduché výstupy nejsou ničím nezvyklým. Mnohem obtížnější je získat z dat informace, které nejsou na první pohled patrné a zřejmé, zejména pak v požadovaných souvislostech, případně s podporou předpovědí dalšího vývoje. A v takový okamžik je již pouze kousíček k analytickému zpracování a k procesu business inteligence. Za základní prostředky analytického zpracování považujeme datové sklady a reportovací nástroje.

Požadavky na podporu analytického zpracování se sice liší případ od případu, společnost od společnosti, nicméně vždy lze najít celou řadu společných rysů pro jednotlivé typy aplikací. Pojďme se proto podívat na vybraný konkrétní případ, kterým může být analytická nadstavba systému EDIS společnosti M-line. Ekonomický a dopravní systém je zaměřen na společnosti různých velikostí věnujících se autobusové dopravě.

Analytická nadstavba Datový sklad & Reporting využívá data uložená v databázové platformě Caché společnosti InterSystems a podporuje celou širokou škálu funkčnosti známé z univerzálních řešení. V samotném základu nechybí podpora ETL procesu pro získávání a čištění dat z provozního systému (tedy OLTP databáze) a jejich nahrání do datového skladu. Data jsou získávána z jednotlivých agend informačního systému, zajímavou vlastností je podpora zavedení vlastních položek na analytické úrovni a jejich plnění mimo provozní systémy. Z technologického pohledu jsou data uložena ve vlastních strukturách založených na globálech a s podporou proprietárních indexů. Výsledkem je větší výpočetní a tedy i analytický výkon, než když jsou použity vestavěné výkonové vlastnosti Caché. Více než osm let vývoje umožnilo vychytat většinu nedostatků a posunout hranici rychlosti nad základní možnosti Caché.

Uživatelé mají možnost rozšířit základní výstupní sestavy definováním takřka libovolných výstupů, a to především na základě datových struktur daného datového skladu. Byť prozatím nejsou podporovány klasické ad-hoc dotazy, nové sestavy mohou být definovány na úrovni tzv. vzorců - výpočty jsou zadávány stejným způsobem, jako je tomu u vzorců pro MS Excel. Zachována je přitom plná kompatibilita vazeb vzorců, s výslednou sestavou je tedy možné snadno a bez jakýchkoli změn dále pracovat právě v MS Excelu.

Jednotlivé sestavy mohou být v případě potřeby rozšířeny o interakci s uživateli, kteří výslednou podobu sestavy mohou určit zadáním kritérií omezujících zpracování a výstup. Tato kritéria je možné sdružovat do volitelných stromových struktur. Práci s těmito pohledy usnadňuje tzv. nástěnka, jakýsi uživatelský rozcestník pro oblíbené či doporučené pohledy.

Podpoře výstupů nechybí možnost definovat různá bezpečnostní oprávnění, a to jak na úrovni celých datových oblastí pocházejících z různých částí provozního systému, tak i na samotné pohledy a výstupní sestavy. Za užitečnou třešinku na dortu lze považovat možnost definování různých vzhledů sestav pro jejich odlišení, například podle kategorií. Vypovídající schopnosti sestav zvyšuje podpora grafických výstupů, jak je možné se s nimi setkat například v prostředích pro dolování dat.

Analytické činnosti zahrnují možnost napojení skutečných výsledků (například sestav za aktuální období) na plánované předpovědi a jejich srovnání. Uživatelé tak mohou velmi jednoduše zjistit například odlišnosti mezi predikovanými ekonomickými výsledky a výsledky skutečně dosaženými. Samozřejmostí je podpora analytického rozpadu na nejnižší možnou úroveň - až po zdrojová data pocházející z provozního systému, například na konkrétní doklad. Tento typ drill-downu mj. umožňuje snadno se dopátrat příčiny výkyvů v časových pohledech.

V případě potřeby je celý analytický a reportovací modul možné přizpůsobit konkrétním požadavkům a díky otevřenému napojení na ostatní moduly rozšiřovat jeho funkčnost prakticky bez omezení. Jediným limitem pro praktické využití se tak stává kvalita a úroveň dat v provozních systémech.

PŘÍKLAD ZE ŽIVOTA

Dopravci mají celou řadu zákonných povinností, které musí splnit. Jednou z nich je i poměrně složitý výkaz DOP zpracovávány pro Ministerstvo dopravy. Obvyklá časová náročnost při ručním vytváření na základě dat a informací čerpaných pouze z provozních systémů se pohybuje v řádu týdnů. Při využití analytického a aportovacího modulu je vytvoření tohoto výkazu otázkou minut - bez nutnosti jakéhokoli významného zásahu ze strany uživatele, vše zajistí právě propojení analytické části a provozního systému. Mimochodem, vlastní vývoj této šablony trval necelého čtvrt roku.

CO JE BI?

Jako Business Intelligence jsou od roku 1989 označovány nástroje a aplikace, které umožňují uživatelům ucelený přístup k datům v podnikových informačních systémech a jejich analýzu za účelem lepšího porozumění podnikání a zákazníkům.

Z pohledu databázových technologií je podpora BI rozdělitelná do dvou základních částí - aplikační a datové. Na straně první jde především o podporu analytického dotazování včetně ad-hoc dotazů, moderních analytických metod včetně podpory dolování dat či deduktivních prvků.

Na straně datové jde především o podporu datových skladů/tržišť. Datový sklad obsahuje data na různých úrovních podrobnosti, tzv. granularity. Podle úrovně podrobnosti je možné klást méně či více podrobné dotazy a vyhovět požadavkům na podrobné analýzy. Mezi nesporné výhody datových skladů patří umožnění historického pohledu na data - mnohé analýzy ztrácejí bez možnosti historického srovnání smysl.

Bez předpřipravených dat v datových skladech by získání vyžadovaných informací z "živých" databází bylo velmi časové náročné, případně zcela nemožné (provozní systémy totiž uchovávají aktuálně platný obraz dat).

PROČ JEN MICROSOFT?

Podpora otevřených technologií není cizí ani společnosti M-line a její vývojáři se již delší dobu snaží plnohodnotně integrovat podporu OpenOffice - aby nebyli zákazníci vázáni pouze na produkty společnosti Microsoft. Vzhledem k tomu, že dokumentace pro spolupráci s externími programy bohužel není ze strany týmu okolo OpenOffice na příliš vysoké úrovni, nepodařilo se implementaci této podpory dosud úspěšně završit. V současné době je tato podpora realizována pouze v podobě exportu prostých dat do tabulkového procesoru Calc balíku OpenOffice.

CACHÉ

Databázový svět nejsou jen relační technologie, ale mj. také technologie objektové a post-relační. Předním zástupcem tohoto směru je databázová platforma Caché od společnosti InterSystems. Přes svou objektovost představuje Caché platformu, která umožňuje přístup k datům také prostřednictvím jiných projekcí - tedy i pomocí klasického SQL. Podstatné je, že přístup jinými způsoby lze zajistit bez ztráty výkonu. Díky různým projekcím je možný vývoj aplikací za využití maximálních výhod, typicky relačního i objektového světa.

Základem Caché je databázový server podporující multi-dimensionální modely. Datové struktury, do kterých Caché ukládá svá data, se nazývají globály a ve své podstatě se jedná o vícerozměrná řídká pole. Data mohou být ukládána do globálů s libovolným počtem indexů, přesně podle individuálních požadavků. Nejedná se tedy jen o jednotlivé sloupce známé z relačních modelů, ale také o složitější struktury. Logická struktura dat může být libovolná, záleží pouze na vývojáři, jaký přístup zvolí.

Zuzana Záhorová