Wprowadzenie

Obecnie firmy posiadają ogromne ilości danych w swoich systemach informatycznych, ale nie potrafią ich wykorzystać. Według IDC¹ w latach 1999-2003 wytworzono i zapisano więcej informacji niż kiedykolwiek wcześniej, tj. od początku ludzkości do 1998 r. IBM² twierdzi natomiast, że firmy podejmują strategiczne decyzje biznesowe przy wykorzystaniu zaledwie 7% swoich danych. Firmy potrzebują zatem narzędzi informatycznych, które pozwolą znaleźć potrzebne dane, rozsiane po całym przedsiębiorstwie lub w jego wielu oddziałach, przetworzą je i dostarczą na czas, by umożliwić podjęcie właściwej decyzji. Odpowiedzią na tę potrzebę są systemy Business Intelligence.

Internet (oraz technologie intra- i ekstranetowe) powoduje jeszcze szybszy przyrost ilości danych gromadzonych przez przedsiębiorstwa. Jednocześnie oferuje nowe mechanizmy dostępu do danych. Wówczas zaczynamy mówić o systemach eBusiness Intelligence.

Wprowadzenie do tematyki Business Intelligence

Do dzisiaj nie znaleziono dobrego polskiego tłumaczenia dla terminu "Business Intelligence". W literaturze spotyka się różne określenia: informacja zarządcza, system informacji gospodarczej, wywiad gospodarczy, biały wywiad, inteligentny biznes czy inteligencja biznesowa. Wydaje się jednak, że żadne z tych określeń nie oddaje do końca znaczenia Business Intelligence (BI).

Trafną definicję "Business Intelligence" podaje portal searchCRM.com. Jest to szeroka kategoria aplikacji i technologii do zbierania, gromadzenia, analizy i dostarczania dostępu do danych, aby umożliwić pracownikom firm podejmowanie lepszych decyzji biznesowych. Aplikacje BI obejmują systemy wspomagania decyzji (DSS - Decision Support Systems), systemy pytająco-raportujące (Q&R - query and reporting), systemy analizy i przetwarzania danych online (OLAP - Online analitical processing), systemy analizy statystycznej, prognozowania i eksploracji danych (Data mining) ³.

Rozwiązania Business Intelligence przeszły drogę od niszowych, bardzo drogich systemów dla wybrańców (naczelnego kierownictwa) do systemów wspomagających podejmowanie decyzji na każdym szczeblu w przedsiębiorstwie. Stopniowo BI wykracza poza samą strukturę firmy, udostępniając swoje zasoby różnym grupom interesariuszy (klienci, dostawcy i inni). Gdyby pokusić się o wskazanie etapu w rozwoju systemów wspomagających podejmowanie decyzji, od którego możemy mówić o systemach BI, to za taki przełomowy moment należałoby uznać wprowadzenie koncepcji hurtowni danych. Od tego czasu bowiem nowoczesne systemy Business Intelligence korzystają z hurtowni jako podstawowego źródła danych, dzięki czemu osiągnięto kompletność i integralność danych oraz bardzo szybką reakcję na zapytania użytkownika. Dzięki coraz mniejszym kosztom systemów BI, są one wdrażane w coraz większej liczbie firm (nawet tych średnich i mniejszych) oraz obejmują swym zasięgiem coraz większą liczbę działów w przedsiębiorstwie, tworząc rozwiązania korporacyjne, pomagające zarządzać efektywnością całej firmy (tzw. CPM - Corporate Performance Management).

Budowa systemu Business Intelligence

Rozwiązanie klasy Business Intelligence obejmuje swoim zasięgiem następujące elementy składowe (zob. rysunek 1):

• technologie pozyskiwania i transformacji danych (ETL),
• bazy danych, w których pozyskane dane są umieszczane (hurtownie danych),
• aplikacje raportujące i analityczne.

Rysunek 1. Budowa systemu Business Intelligence


Źródło: opracowanie własne.

Głównym źródłem danych dla systemów BI są systemy transakcyjne (tzw. OLTP - Online Transaction Processing), tj. ERP/MRP, CRM, SCM czy call center. Czasami dane są pobierane także z plików Excela, Accessa, programów pocztowych oraz z serwisów internetowych. Dane te muszą zostać zebrane w jednym miejscu (w hurtowni danych), by raporty oraz analizy wykonywane na ich podstawie były kompletne.

Dane gromadzone w hurtowniach zwykle pochodzą z wielu różnych źródeł, odmiennie przechowujących poszczególne wartości, w związku z tym muszą najpierw przejść proces "standaryzacji", zwany ETL.

ETL

Aplikacje ETL (Extract, Transform and Load - ekstrakcja, przekształcanie i ładowanie) zajmują się przekształcaniem danych. Proces rozpoczyna się od ekstrakcji, która polega na wybiórczym wydobywaniu i wczytywaniu danych z systemów transakcyjnych i innych zbiorów danych. Później następuje przekształcanie, czyli konieczna modyfikacja danych. Jest to przykładowo konwersja wartości numerycznych na znakowe, konwersja dat czy walut. Ostatnim etapem jest ładownie "oczyszczonych" danych do hurtowni.

Hurtownia danych

Hurtownia danych (data warehouse) to logicznie skonsolidowany zbiór danych pochodzących z jednego lub wielu źródeł z wewnątrz i/lub spoza przedsiębiorstwa⁴ .

Hurtownia danych posiada pewne cechy, które odróżniają ją od baz danych systemów transakcyjnych. Należą do nich: zorientowanie na temat, nieulotność, zintegrowanie i zmienność w czasie⁵ . Tabela 1 prezentuje charakterystykę tych cech oraz porównanie do baz transakcyjnych.

Tabela 1. Porównanie cech hurtowni danych i baz danych systemów transakcyjnych

Hurtownia danych	Bazy danych systemów transakcyjnych
Zorientowanie na temat przechowywane są dane związane z wybranym obszarem tematycznym (np. sprzedaż), a nie z poszczególnymi działaniami (np. przyjmowanie zamówień)	Zorientowanie na działania przechowywane są dane związane z działaniami, procesami biznesowymi
Nieulotność dane raz zapisane w hurtowni nie zmieniają się, w związku z tym zadając do hurtowni to samo pytanie w różnych okresach czasu mamy gwarancję, że otrzymamy taką samą odpowiedź	Ulotność dane ulegają ciągłym zmianom (np. stan magazynu)
Zintegrowanie dane są jednolite, czyli przykładowo data jest zawsze przechowywana w tym samym formacie	Brak zintegrowania te same dane (np. data) mogą być przechowywane w różnym formacie w różnych bazach danych
Zmienność w czasie przechowywane są dane historyczne, dzięki czemu możliwe jest zbadanie jak kształtowało się pewne zjawisko (np. sprzedaż) za pewien okres czasu	Brak zmienności w czasie dane historyczne nie są przechowywane (bądź nie są przechowywane wszystkie dane historyczne), w związku z tym śledzenie zmienności pewnych zjawisk może okazać się niemożliwe

Hurtownia danych stanowi repozytorium danych, które zasila systemy BI. Zapytania z systemów BI trafiają zatem do hurtowni, a nie do systemów źródłowych. Dzięki odpowiedniemu zaprojektowaniu bazy hurtowni, komunikacja z nią jest bardzo szybka, co przekłada się na błyskawiczne uzyskiwanie informacji przez użytkownika.

Aplikacje raportujące i analityczne

Aplikacje raportujące i analityczne komunikują się bezpośrednio z użytkownikiem i dostarczają mu przetworzonych danych w pożądanej formie. Możemy wyróżnić następujące grupy tych aplikacji:

• narzędzia raportujące,
• narzędzia OLAP,
• narzędzia do eksploracji danych,
• aplikacje analityczne,
• kokpity menedżerskie.

Narzędzia raportujące

Narzędzia raportujące (Q&R - Query & Reporting) oferują dość proste funkcjonalności, ale są wykorzystywane na największą skalę (spośród wszystkich aplikacji Business Intelligence). Ich zadaniem jest odpowiadanie na pytania użytkownika w rodzaju "co się stało?". Na przykład, jaka była sprzedaż danego produktu za zadany okres. Q&R pozwalają dodatkowo wzbogacać tekst o tabele i wykresy oraz dystrybuować (automatycznie) spersonalizowane raporty w całym przedsiębiorstwie.

Wyróżniamy trzy główne rodzaje raportów:

• standardowe - tworzone według szablonów w powtarzalnych okresach czasu, np. codziennie, co miesiąc, co kwartał;
• doraźne - tworzone samodzielnie przez użytkownika, z wykorzystaniem intuicyjnych narzędzi, bez potrzeby znajomości składni języka SQL czy też budowy hurtowni danych;
• wsadowe - generowane o określonych porach (np. w nocy), aby nie obciążać systemu BI w czasie godzin pracy przedsiębiorstwa.

Nowoczesne narzędzia raportujące oprócz oglądania statycznych danych pozwalają na wykonanie dodatkowych operacji - tzw. drążenia w dół i w górę.

Drążenie w dół (drill-down) umożliwia przechodzenie do danych bardziej szczegółowych. Na przykład przeglądając wartość zakupów danego klienta w określonych okresach czasu, możemy przejść do szczegółów, aby sprawdzić, jakie produkty były przez niego kupowane. Analogicznie, drążenie w górę (drill-up) pozwala na agregację danych.

Zaawansowane narzędzia raportujące wykonują więc zadania podobne do zadań narzędzi OLAP (omawianych poniżej), ale na mniejszej liczbie wymiarów.

Narzędzia OLAP

OLAP (Online Analytical Processing) to komputerowe przetwarzanie, które umożliwia użytkownikowi łatwe i selektywne wydobywanie i oglądanie danych z różnych wymiarów⁶ .

Analiza OLAP (inaczej: analiza wielowymiarowa) wykorzystuje koncepcję tzw. kostki OLAP, która posiada wymiary (dimensions), zwane także perspektywami, hierarchie (hierarchies) i miary (measures). W rzeczywistości taka analiza dotyczy często wielu wymiarów (także powyżej trzech), w związku z tym pojęcie "kostki" OLAP (o trzech wymiarach) jest raczej metaforą, która ma pomóc w zrozumieniu tego sposobu analizowania danych. Analiza danych w wielu wymiarach jest bardzo intuicyjna. Przykładowo, pytając o sprzedaż produktu lub grupy produktów, interesuje nas nie tylko ogólna wartość sprzedaży, ale również wartość tej sprzedaży w podziale na klientów i w rozbiciu na okresy czasu. Obszar, klient i czas to właśnie wymiary analizy, a sprzedaż - miara.

Dane zapisywane są w kostce OLAP hierarchicznie. Dzięki temu możemy je analizować na różnych poziomach szczegółowości, rozpoczynając od informacji zagregowanych (np. sprzedaż w danym miesiącu) i dochodząc do bardzo szczegółowych, obejmujących pojedyncze transakcje (np. transakcja sprzedaży określonego produktu, do określonego klienta, w danym miesiącu) - są to wcześniej opisane operacje drill-down i drill-up.

Analiza OLAP pozwala na odpowiadanie na pytania: "kto?", "co?", "kiedy?", "jak?", "dlaczego?", a także na wszechstronną analizę scenariuszową ("co jeśli?"). Umożliwia prognozowanie przyszłych trendów kształtowania się zjawiska na podstawie danych historycznych. Przykładowe pytania, na które odpowiedzi dostarczają narzędzia OLAP:

• Jak kształtuje się sprzedaż określonych produktów, w określonych regionach, w określonym przedziale czasu?
• Którzy klienci są najbardziej zyskowni? Które kategorie produktów kupują?
• Które produkty są najbardziej/najmniej rentowne?
• Jaki składnik kosztów firmy najmocniej wpływa na zysk/stratę firmy?

Narzędzia do eksploracji danych

"Eksploracja danych" to jedno z tłumaczeń angielskiego terminu Data Mining. W literaturze spotyka się także inne określenia: drążenie danych, odkrywanie wiedzy w bazach danych, zgłębianie danych, eksploatacja danych, kopanie w danych czy torturowanie danych.

Pod pojęciem "eksploracji danych" rozumie się metody statystyczne i metody sztucznej inteligencji, które umożliwiają znajdywanie (odkrywanie) nieznanych jeszcze zależności (prawidłowości) między danymi w nagromadzonych zbiorach danych. Są to takie metody, które pozwalają z danych tworzyć wiedzę (znajdywać zależności, wzorce, trendy)⁷.

Możemy wyróżnić dwa podstawowe rodzaje eksploracji danych:

• weryfikacja hipotez - stosowana jest w sytuacji, gdy mamy pewne przypuszczenie co do istotnej zależności między pewnymi danymi i chcemy zweryfikować ten pogląd;
• odkrywanie wiedzy - stosowane jest wówczas, gdy chcemy sprawdzić czy między danymi mają miejsce związki, których człowiek sam nie jest w stanie wychwycić⁸.

Uruchomienie procesów eksploracji danych wymaga danych dobrej jakości, zintegrowanych, niewypaczonych i stanowiących reprezentatywną próbę. W przeciwnym wypadku możemy otrzymać wyniki o mniejszej dokładności lub po prostu nieprawdziwe. Z wykorzystaniem różnych metod statystycznych i ekonometrycznych (np. analiza dyskryminacyjna, regresja logistyczna, drzewa klasyfikacyjne, generowanie reguł rozmytych, analiza skupień, analiza korespondencji, sieci neuronowe) tworzone są modele, które wykorzystuje się do analizy danych, celem sprawdzenia czy występują ukryte relacje, prawidłowości czy też inne związki.

Najczęstszym zastosowaniem metod eksploracji danych jest ustalenia optymalnego "koszyka klienta" oraz precyzyjna segmentacja klientów. Narzędzia te pozwalają jeszcze dokładniej poznać klientów, ich zwyczaje, upodobania, ryzyko związane z ich obsługą. Dzięki temu firma jest w stanie zaoferować im odpowiednie produkty/usługi i zdobyć ich lojalność.

Aplikacje analityczne

Aplikacje analityczne zawierają predefiniowane rozwiązania (gotowe miary i techniki analityczne, tzw. analityki) dla danego obszaru funkcjonalnego przedsiębiorstwa. Mają one także wbudowane mechanizmy alertów, które na bieżąco śledzą stan różnych zmiennych i w razie potrzeby automatycznie informują o ich przekroczeniu. Przy zastosowaniu gotowych aplikacji skraca się czas wdrożenia. Można również skorzystać z najlepszych praktyk innych firm. Aplikacje te wspierają podstawowe obszary firmy, takie jak: klienci, produkty i usługi, łańcuch dostaw, zasoby ludzkie oraz finanse.

Kokpity menedżerskie

Kokpity menedżerskie to dzisiejsze wcielenie systemów informowania kierownictwa (EIS - Executive Information Systems). Są to aplikacje analityczne, dające naczelnemu kierownictwu narzędzia do dopasowywania czynności operacyjnych do strategii firmy, monitorowania metryk biznesowych oraz zarządzania wydajnością przedsiębiorstwa⁹.

Kokpity prezentują kluczowe wskaźniki biznesowe z punktu widzenia strategii całej organizacji, dzięki czemu pozwalają użytkownikom skoncentrować się na działaniach, które mają największy wpływ na strategię firmy. Takie dopasowanie działań do strategii zwiększa efektywność całej organizacji poprzez lepsze i skuteczniejsze decyzje. Kokpity mogą być dostosowywane do zmian, jakie zachodzą w strategii firmy, aby zawsze odzwierciedlać bieżącą sytuację.

Za pomocą kokpitów możliwe jest monitorowanie kluczowych wskaźników wydajnościowych (KPI). Kokpity wykorzystują również mechanizm alertów, powiadamiający o przekroczeniach poziomów pewnych zmiennych i pozwalający na podjęcie błyskawicznej reakcji. Dzięki temu można zapobiec eskalacji negatywnych zjawisk, a także szybko wykryć nowe trendy czy nadarzające się okazje biznesowe.

Kokpity wspierają koncepcje zarządzania, takie jak: Zrównoważona Karta Wyników (BSC - Balanced Scorecard), Six Sigma czy TQM.

eBusiness Intelligence

eBusiness Intelligence = Business Intelligence + internet

Dzięki wykorzystaniu internetu oraz technologii intra- i ekstranetowych powstają systemy eBusiness Intelligence (eBI), które mają jeszcze większy zakres funkcjonalności.

Rozwiązania eBI mogą przybierać różne formy, do których należą:

• aplikacje raportujące i analityczne dostępne przez przeglądarkę internetową;
• ekstranety eBusiness Intelligence;
• Rozwiązania analityczne dla handlu elektronicznego.

Aplikacje raportujące i analityczne dostępne przez przeglądarkę internetową

Czołowi producenci narzędzi Business Intelligence (np. BusinessObjects, Cognos, SAS, Hyperion) oferują dostęp przez WWW do narzędzi raportujących i analitycznych (w ramach korporacyjnego intranetu). Rozwiązania te pozwalają na znaczne zmniejszenie kosztów, skracają czas wdrażania i dają większą elastyczność.

Aplikacje bazujące na przeglądarkach internetowych są proste w użyciu, w związku z tym szkolenia użytkowników są krótkie, a więc i tanie (większość użytkowników pracuje już w internecie). Koszty wdrożenia oraz późniejszego utrzymania systemu są również minimalizowane przez fakt, że nie ma konieczności instalowania oprogramowania oraz późniejszych uaktualnień na stacjach klienckich. Dystrybucja raportów oraz zarządzanie uprawnieniami również zostają uproszczone. Szybkie i łatwe jest dodawanie do systemu kolejnych grup użytkowników, np. z innych działów. Poza tym użytkownicy mogą wykonywać zaawansowane analizy, wymagające dużej mocy obliczeniowej.

Ekstranety eBusiness Intelligence

Umożliwiają one klientom, dostawcom i partnerom firm szybki dostęp do informacji, dzięki czemu przyczyniają się do wzrostu wydajności w całym łańcuchu wartości. Przyspieszenie cyklów decyzyjnych i wzrost wydajności może mieć miejsce jedynie wówczas, gdy współpracujące strony mają ciągły dostęp do informacji. Przykładowo w przypadku dostaw dokładnie na czas (JIT - just-in-time) dostawca może otrzymać dostęp nie tylko do aktualnych pozycji magazynowych, ale również do całego zestawu narzędzi raportowych i analitycznych, które pomogą mu lepiej zoptymalizować dostawy. Klienci i dostawcy danej firmy mogą otrzymać dostęp do różnego rodzaju statystyk, np. za jaką wartość kupili produkty w danej firmie, jaki był średni czas dostawy, liczba reklamacji, kto kupuje dostarczane przez nich produkty, jak kształtuje się ich sprzedaż w porównaniu do konkurencji itd.

Rozwiązania analityczne dla handlu elektronicznego

Narzędzia eBusiness Intelligence znajdują zastosowanie m.in. w poniższych obszarach handlu elektronicznego:

• zaawansowana analiza natężenia ruchu internetowego,
• zaawansowane śledzenie ścieżek poruszania się użytkownika po serwisie,
• zaawansowana analiza kontaktów z klientami,
• dokładna segmentacja.

Zaawansowana analiza natężenia ruchu internetowego

Do podstawowych metod mierzenia natężenia ruchu internetowego należą analiza liczby odwiedzin i wyświetlanych witryn (informacje o witrynach, które odwiedza internauta, kliknięte linki, czas oglądania stron (kiedy i jak długo), typ przeglądarki itd.). Efekty tej analizy są wykorzystywane do pozyskiwania reklamodawców, identyfikacji najbardziej i najmniej popularnych części serwisu, wyszukiwania błędów w serwisie oraz poprawy jego funkcjonowania.

Narzędzia eBI pomagają uporać się z olbrzymią ilością danych wykorzystywanych przy takich analizach, oferując raportowanie i analizy, z możliwością przechodzenia do danych szczegółowych i zagregowanych.

Zaawansowane śledzenie ścieżek poruszania się użytkownika po serwisie.

Narzędzia analityczne z tej grupy pozwalają na śledzenie tego, co robią w serwisie najbardziej cenni klienci, którędy przechodzą klienci kupujący najbardziej zyskowne produkty, czy też jak poruszają się klienci, którzy ostatecznie rezygnują z zakupów. Dane te są wykorzystywane do optymalizacji witryny, segmentacji klientów, stosowania sprzedaży wiązanej oraz odnajdywania przeszkód w kupowaniu.

Zaawansowana analiza kontaktów z klientami

Zaawansowana analiza kontaktów z klientami obejmuje połączenie wskaźnika konwersji¹⁰, analizę danych o zarejestrowanych użytkownikach (wiek, hobby, miejsce zamieszkania itp.), analizę ścieżek poruszania się użytkowników oraz analizę dokonanych transakcji (produkty, kategorie).

Dzięki temu możliwe jest ustalanie wzorców zachowań klientów (częstość odwiedzin, średnia wielkość zakupów, kategorie kupowanych produktów), identyfikacja lojalnych klientów, segmentacja klientów (według zainteresowań, wieku, częstotliwości zakupów, zyskowności). Mając takie dane, możliwe jest również prezentowanie zindywidualizowanych reklam i produktów zbieżnych z zainteresowaniami użytkownika.

Dokładna segmentacja

Dzięki zastosowaniu narzędzi eksploracji danych możliwe jest wykrywanie wspólnych cech klientów. W efekcie otrzymujemy bardzo dokładną segmentację klientów, obejmującą ich wzorce zachowań oraz wartość, obliczaną np. na podstawie czasu wizyt, ich częstotliwości, wielkości i częstotliwości zakupów, potencjalnych korzyści/ zysków. Szczegółowa segmentacja może zostać wykorzystana do optymalizacji bazy klienckiej - dzieląc klientów na aktywnych, średnio aktywnych i mało aktywnych możliwe jest przeprowadzenie ukierunkowanej akcji marketingowej.

Podsumowanie

W erze informacji, charakteryzującej się wzrostem znaczenia informacji, nadmiarem danych, globalizowaniem gospodarek i bardzo szybkimi zmianami otoczenia, przedsiębiorstwa poszukują systemów wspomagających podejmowanie trafnych decyzji, opartych na faktach, które przekładają się na efektywne zarządzanie przedsiębiorstwem. Cel ten może być osiągnięty poprzez dostarczanie każdemu pracownikowi informacji o właściwym zakresie, we właściwej formie i we właściwym czasie. Kluczowym elementem takiego rozwiązania jest natychmiastowy dostęp do całości danych dotyczących działalności przedsiębiorstwa.

Odpowiedzią na tę potrzebę są systemy Business Intelligence. Z chwilą zastosowania internetu oraz pochodnych technologii mamy do czynienia z systemami eBusiness Intelligence, których funkcjonalność jest jeszcze szersza, obejmując dostęp do aplikacji analitycznych przez przeglądarkę internetową, zaawansowaną wymianę informacji w łańcuchu wartości oraz dogłębną analizę sprzedaży internetowej.

Bibliografia

• M. Biere, Business Intelligence for the Enterprise, IBM Press, Prentice Hall, 2003.
• M.E. Burke, The Phenomenal Power of Business Intelligence: Managerial Skills for the 21st Century, Europa Publications Limited, 2003.
• R.S. Kaplan, D.P. Norton, Strategiczna karta wyników. Jak przełożyć strategię na działanie, PWN, Warszawa 2001.
• M. Lasek, Data Mining. Zastosowania w analizach i ocenach klientów bankowych, "Zarządzanie i Finanse", Warszawa 2002.
• B. Liautaud, M. Hammond, e-Business Intelligence: od informacji przez wiedzę do zysków, Premium Technology, Warszawa 2003.
• A.R. Simon, S.L. Shaffer, Hurtownie danych i systemy informacji gospodarczej. Zastosowanie w handlu elektronicznym, Oficyna Ekonomiczna, Kraków 2002.
• Ch. Todman, Projektowanie hurtowni danych. Zarządzanie kontaktami z klientami (CRM), Wydawnictwa Naukowo-Techniczne, Warszawa 2003.
• E. Vitt, M. Luckevich, S Misner, Business Intelligence: Making Better Decisions Faster, Microsoft Press, 2002.
• D. Vriens, Information and Communication Technology for Competitive Intelligence, IRM Press, 2004.

Netografia

• www.actuate.com/
  
• www.businessobjects.com/
  
• www.businessintelligence.pl/
  
• www.cognos.com/
  
• www.computerworld.com/
  
• www.dcbis.pl/
  
• www.dis.waw.pl/
  
• www.gazeta-it.pl/
  
• www.forrester.com/
  
• www.gartner.com/
  
• www.hogart.pl/
• www.hyperion.com/
  
• www.olapreport.com/
  
• www.oracle.com/
  
• www.metagroup.com/
  
• www.microsoft.com/
  
• www.premiumtechnology.pl/
  
• www.sap.com/poland/
  
• www.sas.com/offices/europe/poland/index.htm
  
• http://searchcrm.techtarget.com/
  
• http://searchdatabase.techtarget.com/
• hwww.statsoft.pl/