استقرار و استفاده از نرم‌افزارهای سازمانی روش‌ها و ملاحظات خاصی دارد که پیش از عقد قرارداد با تأمین‌کننده باید آنها را لحاظ کرد. هوش تجاری نیز از این موضوع مستثنی نیست.
قراردادهای خرید و تأمین نرم‌افزار مانند تمام قراردادهای B2B پیچیده و پر از جزئیات هستند. اگر قصد استفاده از هوش تجاری را دارید بهتر است از مدل‌های استقرار هوش تجاری و مزایا و معایب هر یک اطلاع داشته باشید.
در این مقاله دو مدل استقرار نرم‌افزار هوش تجاری در سازمان یعنی روش On Premises و ابری (Cloud) را بررسی کرده‌ایم. سعی شده تا مزایا و معایب هر روش به‌صورت دقیق ذکر شود
موارد مطرح شده در این مقاله می‌تواند درباره سایر نرم افزاهای تجاری نیز صحت داشته باشد. با دیکام همراه باشید.
تفاوت اصلی این دو روش به‌کارگیری نرم افزار در چیست؟ و چرا روی هزینه اولیه و نهایی خرید نرم‌افزار تأثیر می‌گذارد؟
هر نرم افزاری برای کارکردن به یک سخت‌افزار (کامپیوتر!) نیاز دارد. تفاوت اصلی بین مدل On Premises و Cloud در محل قرارگیری سخت‌افزار و مالکیت آن است.
باتوجه‌به تعریف بالا، هوش تجاری On Premises به راهکاری گفته می‌شود که روی کامپیوترها و سرورهای داخلی یک شرکت نصب و اجرا شود.
داده‌های تحلیل شده از سیستم داخلی شما خارج نمی‌شوند و شرکت روی سخت‌افزار، نرم افزار و داده‌های مرتبط کنترل کامل دارد، درعین‌حال نگهداری و تأمین امنیت این سیستم با خریدار است.
طبق تعریف، هوش تجاری ابری به راهکاری است که روی کامپیوترها و سرورهای خارج از شرکت شما میزبانی و اجرا می‌شود. دسترسی به داده‌ها و کار با نرم‌افزار از طریق اینترنت صورت می‌پذیرد. سرورهای مورداستفاده معمولاً توسط یک شرکت ثالث تأمین می‌شوند.
روش ابری انواع متفاوتی دارد که در ادامه دو مورد را بررسی می‌کنیم
ممکن است شما به‌صورت مستقیم با ارائه‌دهنده خدمات ابری وارد مذاکره بشوید و فضایی مخصوص و انحصاری را برای نصب نرم‌افزار هوش تجاری، ذخیره‌سازی و پردازش داده اجاره کنید.
در این حالت مدیریت نرم‌افزار در سرورهای ابری به‌صورت کامل در اختیار شما است گرچه مالکیت سخت‌افزار و نگهداری از آن همچنان با ارائه‌کننده خدمات ابری است و شما به آن دسترسی مستقیم ندارید.
نرم‌افزار به‌عنوان سرویس یا به‌اختصار SAAS به حالتی گفته می‌شود که شما نرم‌افزار هوش تجاری را در قالب یک اشتراک برای مدت‌زمان معین از شرکت ارائه‌دهنده نرم‌افزار دریافت می‌کنید. در این روش نگهداری نرم‌افزاری و سخت‌افزاری زیر ساخت‌ها بر عهده ارائه‌دهنده است و خریدار نباید نگرانی از این بابت داشته باشد.
هوش تجاری هیبرید به راهکاری گفته می‌شود که از داده سرورهای ابری و داده‌های ذخیره شده در سازمان به صورتی ترکیبی استفاده می‌کند. این نوع خاص از معماری bi در واقع تلفیقی از معماری توزیع شده و متمرکز است امکان استفاده از مزیت‌های هر دو روش را فراهم می‌آورد.
برای مثال می‌توان داده‌های مهم مربوط به منابع خارجی یا مجزا را روی یک سرور ابری برای مصورسازی و تحلیل گردآوری کرد (این کار نیاز به متمرکزکردن تمام داده‌ها بدون توجه به اهمیت، و انتقال تمام آنها به داخل مجموعه را از بین می‌برد) درعین‌حال بخشی از داده برای تحلیل و گزارشگیری در سیستم داخلی شرکت باقی می‌ماند (داده‌های مهم که به امنیت بیشتری نیاز دارند می‌تواند جزء این دسته باشد)
واقعیت این است که باتوجه‌به گسترش روزافزون امکانات ابری، منابع خارجی داده، درخواست برای به‌کارگیری تلفن‌های همراه در هوش تجاری و افزایش تعداد کاربران در خارج از شرکت نیاز به روش‌های توزیع شده بیشتر شده است. راهکار هیبریدی bi می‌تواند روشی برای بهبود عملکرد و افزایش ضریب نفوذ هوش تجاری باشد.
مزایا و معایب روش‌های ذکر شده را می‌توان با توجه پارامترهای زیر مقایسه کرد:
روش On Premises
در باور عمومی هزینه اجرای یک پروژه On Premises بالاتر از هزینه‌های راهکار ابری است. این موضوع تا حدودی درست است. “هزینه اولیه” خرید و نصب نرم‌افزار در روش On Premises بالاتر است. این هزینه‌ها عبارت‌اند از:
در پروژه‌های On Premises ” بودجه اولیه خرید” بالاتر است (خصوصاً برای خرید سخت‌افزار) اما هزینه‌های عملیاتی در میان‌مدت و بلندمدت پایین‌تر است.
نکته: برای شرکت‌هایی که از قبل زیرساخت‌های سخت‌افزاری و تیم متخصصین IT را در اختیار دارند هزینه‌ها کاهش پیدا می‌کند.
نکته: توجه داشته باشید که مبنای قیمت‌گذاری و لایسنس‌های خریداری شده برای نرم‌افزار لزوماً به On Premises بودن یا Cloud بودن راهکار خریداری شده ارتباط ندارد و این موضوع به سیاست قیمت‌گذاری تأمین‌کننده مرتبط است. برای مثال ممکن است در روش On Premises همچنان نیاز باشد تا علاوه بر لایسنس نرم‌افزار هوش تجاری برای هر یک از کاربران bi هم لایسنس خریداری شود.
ابر خصوصی private cloud
در این روش سخت‌افزار اجاره می‌شود؛ بنابراین هزینه اولیه نسبت به On Premises بسیار کمتر است.
باید دقت داشت که هزینه‌های مربوط به نگهداری نرم‌افزاری سرور همچنان بر عهده خود شماست (هزینه IT) و هزینه‌های اجاره سرور در بلندمدت احتمالاً بیشتر از خرید سخت‌افزار خواهد بود.
هوش تجاری سرویس – SAAS
در این روش هزینه نرم‌افزار صرفاً به‌صورت اشتراک (معمولاً لایسنس برای هر کاربر) پرداخت می‌شود. از این نظر هزینه اولیه استفاده از نرم‌افزار ناچیز بوده و این روش برای پروژه‌های کوچک هوش تجاری بسیار مناسب است.
اما باید توجه کرد منابع سخت‌افزاری ارائه دهند نامحدود نیست. در واقع بخشی از اشتراک ماهانه‌ای که پرداخت می‌کنید مربوط به سخت‌افزار، فضای اختصاص‌داده‌شده به شما و نگهداری از سیستم است. به همین دلیل وقتی یک پروژه BI از حد خاصی بزرگ‌تر می‌شود هزینه‌های این روش به‌صورت تصاعدی افزایش پیدا می‌کند و برای پروژه‌های بزرگ هزینه سرویس بسیار زیاد است.
ارائه‌کننده‌ای نرم‌افزار معمولاً با محدودکردن قابلیت‌های نرم‌افزار در حالت سرویس (مانند محدودکردن حجم، تعداد منابع داده، نوع کانکتورهای داده، امکانات خاص و…) هزینه‌های زیرساخت سخت‌افزاری خود را کنترل می‌کنند. به همین دلیل انواع لایسنس های Pro و Premium و پلن های متعدد قیمتی در سرویس هوش تجاری وجود داد.
به‌هرحال اگر شرکت شما کوچک است یا تیم متخصص IT در اختیار ندارید SAAS هزینه‌های شما را کاهش می‌دهد.
روش On Premises
نگهداری از پلتفرم هوش تجاری در روش On Premises مسئله مهمی است. تیم IT شرکت شما مسئول مستقیم نگهداری از زیر ساخت سخت‌افزار و نرم‌افزار استفاده شده برای هوش تجاری است (آپدیت، بک‌آپ و…)
ابر خصوصی private cloud
مدیریت سخت‌افزار و سرورهای فیزیکی با ارائه‌کننده خدمات ابری است و از این لحاظ حجم کاری کمتری متوجه استفاده‌کننده است. البته همچنان مدیریت نرم‌افزاری سرورها با خریدار است.
سرویس هوش تجاری – SAAS
مدیریت زیرساخت به‌صورت کامل بر عهده ارائه‌دهنده نرم افزار هوش تجاری است
قابلیت اطمینان (reliability)
روش On Premises
ازآنجا که خریدار مسئول نگهداری از پلتفرم است ازکارافتادن سخت‌افزار همیشه جز نگرانی‌های اصلی محسوب می‌شود. لازم است برنامه دقیق و مدون برای بازیابی پس از حادثه (disaster recovery plan) وجود داشته باشد.
بااین‌وجود ازآنجایی‌که کنترل کامل روی برنامه نگهداری وجود دارد ایجاد سطوح مختلف بازیابی برای اطمینان خاطر ممکن است.
به‌صورت کلی اطمینان‌پذیری سیستم هوش تجاری در این روش به نحوه عملکرد تیم IT و سیاست‌های شرکت در این مورد بستگی دارد.
ابر خصوصی
بازیابی پس از حادثه با ارائه‌دهنده خدمات ابری است. حتماً پیش از اجاره سرور مواردی مانند زمان دردسترس‌بودن (uptime) سرورهای Cloud و سرویس‌دهی در شرایط نامتعارف مثل قطع برق را در نظر بگیرید. توجه داشته باشید که قابلیت اطمینان‌پذیری بالاتر هزینه‌های ماهانه بیشتری نیز دارد.
سرویس هوش تجاری – SAAS
اطمینان‌پذیری کاملاً به ارائه دهند نرم‌افزار و سطح خدمات او بستگی دارد. قبل خرید باید مواردی مانند uptime و بندهای فورس ماژور در قرارداد به‌دقت بررسی شود.
منظور از مقیاس‌پذیری در اینجا توانایی یک سیستم نرم افزاری برای مدیریت افزایش ( یا کاهش) بار کاری است. بدون اینکه عملکرد یا قابلیت اطمینان‌پذیری سیستم به خطر بیفتد.
روش On Premises
با توجه کنترل کامل خریدار، پلتفرم هوش تجاری مقیاس‌پذیر است؛ اما باید برنامه دقیقی برای نصب و راه‌اندازی سخت افزارها و نرم افزارهای جدید وجود داشته باشد.
ابر خصوصی – سرویس هوش تجاری – SAAS
مقیاس‌پذیری سریع از نقاط قوت نرم‌افزارهای BI تحت سرویس و cloud است؛ اما باید توجه کرد که قابلیت سفارشی‌سازی برای سرویس‌های هوش تجاری محدود است. موردی که باید در خرید سروهای جدید یا ارتقا اشتراک در نظر گرفت هزینه‌های جدید نسبت به مقیاس‌پذیری است.
روش On Premises
در مدل On Premises داده از محیط داخلی شرکت خارج نمی‌شود و دسترسی به منابع اصلی داده از خارج سازمان وجود ندارد در واقع تمام سیستم‌های شما پشت دیواره آتش (firewall) اصلی شرکت قرار می‌گیرند. این موضوع برای بعضی از سازمان‌ها اهمیت زیادی دارد.
از این لحاظ می‌توان گفت داده در هوش تجاری On Premises از امنیت بالایی برخوردار است. البته توجه کنید حفظ این امنیت بر عهده شرکت شما است.
ابر خصوصی و سرویس هوش تجاری – SAAS
از جمله موارد قابل‌توجه در استفاده از سرویس‌های Cloud بحث امنیت است. توجه داشته باشید که داده‌ها در جایی خارج از سازمان ذخیره می‌شوند بعلاوه برای استفاده از سرویس باید مواردی مثل نصب نرم‌افزارهای Gateway برای تبادل اطلاعات را در نظر داشت.
