POSLOVNA INTELIGENCIJA I UPRAVLJANJE ZNANJEM

1. POSLOVNA INTELIGENCIJA I UPRAVLJANJE ZNANJEM Stefanija Čoraga Lidija Mateša

2. UČENJE CILJEVA • Razumjeti potrebu za sustav poslovneinteligencije • Znati karakteristike sustava izvještavanja • Znati svrhu i ulogu skladišta podataka ispremišta podataka • Razumjeti osnovne tehnike rudarenjapodataka • Znati svrhu, obilježja i funkcije sustava upravljanjaznanjem

3. Potreba za sustav poslovneinteligencije • Prema istraživanju napravljenom na Kalifornijskom Sveučilištu kod Berkeley-a, kreirano je sveukupno 403 petabyte-a novih podataka • 403 petabyte-a je prilična količina cijelog tiskanog materijala ikad napisano • Tiskana kolekcija Knjižnice Kongresa je 0.1 petabyte-a • 400 petabyte-a jednako 40,000 kopija tiskane kolekcije Knjižnice Kongresa

4. Potreba za sustav poslovne inteligencije (nastavak) • Stvaranje svih ovih podataka mnogo je vezano sa Moore-ovim zakonom • Kapacitet uređaja za pohranu podataka se povećava tako njihove cijene padaju • Danas, kapacitet pohrane je gotovo neograničen • Utapamo se u podacima i skapavamo za informacijama

5. Alat poslovne inteligencije • Alat za istraživenje poslovnih podataka pri pokušaju pronalaska uzoraka se naziva alat poslovne inteligencije (BI) • 1. Alati izvještavanja su programi koji čitaju podatke od niza izvora, obrađuje te podatke, stvara formatirane izvještaje i dostavlja te izvještaje korisnicima koji se njima koriste • Proces podataka je jednostavan: • Podaci su sortirani i grupirani • Jednostavni zbrojevi i prosjeci su izračunati • Alati izvještavanja prvenstveno se koriste za procjenu • Koriste se kao pristup pitanjima poput: • Što se dogodilo u prošlosti? • Koja je trenutna situacija? • Kako se trenutna situacija uspoređuje sa prošlosti?

6. Alat poslovne inteligencije (nastavak) • 2. Alati rudarenja podataka obrađuju podatke pomoću statističkih tehnika, mnogi od kojih su sofisticiraniji i matematički složeniji • Rudarenje podataka uključuje istraživanje za uzorcima i vezama između podataka • Najčešće, alati rudarenja podataka su korišteni za izradu predviđanja • Na primjer, možemo upotrijebiti jedan oblik analize da bi procijenili vjerojatnost koju će klijent propustiti na kreditu • Drugi način isticanja različitosti alata izvještavanja i alata rudarenja podataka su: • Alati izvještavanja koriste jednostavne operacije kao što su sortiranje, grupiranje i zbrajanje • Alati rudarenja podataka koriste sofisticiranije tehnike

7. Sustav poslovne inteligencije • Svrha sustava poslovne inteligencije je omogućiti ispravnu informaciju, ispravnom korisniku, u ispravno vrijeme • Sustav poslovne inteligencije pomaže korisnicima da ostvare svoje ciljeve izradom uvida koji vode prema postupcima

8. Sustav poslovne inteligencije (nastavak) • Alat izvještavanja može stvoriti izvještaj koji pokazuje da je klijent otkazao važnu naredbu • Međutim, sustav izvještavanja upozorava prodavača tog klijenta s tim nepoželjenim vijestima i učini tako na vrijeme za prodavača da pokuša promijeniti odluku klijenta • Alat rudarenja podataka može kreirati jednadžbu koja procijenjuje vjerojatnost koju će klijent propustiti na kreditu • Sustav rudarenja podataka koristi tu jednadžbu da bi omogućila bankarskim službenicima da procijeni aplikacije novog kredita

9. Sustav izvještavanja • Svrha sustava izvještavanja je da stvori značajnu informaciju od posve različitih izvora podataka i dostavi tu informaciju ispravnom korisniku na vrijeme • Sustav izvještavanja stvaraju informaciju od podataka kao rezultat četiriju operacija: • Podaci filtriranja • Podaci sortiranja • Podaci grupiranja • Izrada jednostavnih kalkulacija na podacima

10. Komponente sustava izvještavanja • Sustav izvještavanja sadržava bazu podataka od izvještavanja metadata • Metadata opisuje izvještaje, korisnike, grupe, uloge, događaje i druge jedinice uključene u djelatnost izvještavanja • Sustav izvještavanja koristi metadata za pripremu i dostavu izvještaja ispravnom korisniku na vrijeme

11. A. Vrste izvještaja • U odnosu na vrste, izvještaji mogu biti statički ili dinamički • Statički izvještaji su sastavljeni jednom od temeljnih podataka i one se više ne mijenjaju • Na primjer, izvještaj prošlogodišnje prodaje • Dinamički izvještaji: sustav izvještavanja čita najnovije podatke i na temelju tih podataka stvara izvještaje • Na primjer, izvještaj na današnjim prodajama i izvještaj na trenutnim dioničkim cijenama • Upitni izvještaji su sastavljeni kao odgovor na podatke unesene od strane korisnika • Izvještaji online analitičke obrade (OLAP) dopušta korisniku da dinamički promijeni izvještaj grupiranih struktura

12. B)Izvještaj medija • Izvještaji su dostavljeni putem mnogih različitih izvještaja medija ili kanala • Izvještaji su: • Tiskani na papiru ili u formatu kao što je PDF čime mogu biti tiskani ili se mogu vidjeti elektronski • Prikazani na računalnom monitoru • Stavljeni na unutarnje korporacijske Web stranice za pristup zaposlenicima • Stavljeni na digitalnu upravljačku ploču, čiji je elektronički prikaz prilagođen za određene korisnike • Prodavači kao Yahoo! i MSN pružaju uobičajene primjere • Korisnici ovih usluga mogu definirati sadržaj koji žele, lokalnu vremensku prognozu, listu dioničkih cijena ili listu novinskih izvora • Prodavač konstruira zaslon prilagođen za svakog korisnika

13. Ostale vrste izvještaja • Izvještaj može biti push izvještaj ili pull izvještaj • Organizacije šalju push izvještaje korisnicima prema nekom rasporedu -korisnici primaju izvještaje bez ikakve aktivnosti s njihove strane • Korisnici moraju zahtijevati pull izvještaj -da bi se dobio pull izvještaj, korisnici odlaze na web portal;odabiru link ili gumb da bi sistem izvješćivanja proizvodio i isporučivao izvještaje

14. FUNKCIJE SUSTAVA IZVJEŠTAVANJA • autorizacija • menadžment • isporuka

15. 1. AUTORIZACIJA -autorizacija izvještaja uključuje povezivanje sa izvorima podataka, kreiranje strukture i formatiranje izvještaja

16. 2. MENADŽMENT IZVJEŠTAJA • Namjena: definirati tko prima kakve izvještaje, kada i s kojim značenjem • Mnogi sistemi izvještajnog menadžmenta dopuštaju korisničke račune i korisničke grupe i uključivanje određenog korisnika u određene grupe

17. Namjenski izvještaji štede posao administratorima. • kada su izvještaji kreirani, promijenjeni ili premješteni administrator mora samo promijeniti namjenu izvještaja grupi.

18. METADATA nalaže koji kanal treba koristiti i da li će izvještaj biti pushili pull • ako je izvještaj push, administrator određuje da li izvještaj treba generirati prema regularnom rasporedu

19. 3. IZVJEŠTAJ O ISPORUCI • izvještaji mogu biti dostavljeni putem e-mail servera, web stranica, XML webusluga ili s drugim specijalnim programom • sustav izvještaja o isporuci koristi operativne sustave i druge programske komponente osiguranja da osigura da samo autorizirani korisnici primaju autorizirane izvještaje

20. sustav izvještaja o isporuci osigurava da su push izvještaji stvoreni u odgovarajuće vrijeme • za izvješća o upitima, sustav izvještaja o isporuci služi kao intermedijar između korisnika i generatora izvještaja • prima korisničke podatke iz upita kao broj predmeta u inventurnom upitu, prenosi podatke iz upita generatoru izvještaja, prima izvještaje s rezultatima i isporučuje izvještaj korisniku

21. RFM ANALIZE • način analiziranja i rangiranja kupaca prema njihovim potrošačkim navikama • jednostavna tehnika koja uzima u obzir da je nedavno kupac naručio kao što i obično naručuje i koliko novca troši po narudžbi • da bi se postigao RFM rezultat, program najprije sortira kupovine potrošača registrirane po datumu njihovih nedavnih kupovina

22. Sustav izvješćivanja može stvarati RFM podatke i dostavljati ih na mnoge načine: -izvještaj RFM ocjena za sve kupce može biti pushed potpredsjedniku prodaje -izvještaji sa ocjenama za određene regije može biti pushed regionalnim menadžerima prodaje -izvještaji ocjena za određene račune može biti pushed na račun ljudi koji su zaduženi za prodaju

23. LINIJSKO ANALITIČKO PROCESIRANJE (OLAP) • Omogućuje zbrajanje, brojanje, izračunavanje prosjeka i prikazuje ostale jednostavne aritmetičke operacije koje se vrše na grupama podataka • Osobita karakteristika je da su dinamični • Preglednik izvještaja može promijeniti format i izraz online *primjeri dimenzija su utjecaj podataka, tip kupca, lokacija kupca i regije prodaje

24. MJERE I DIMENZIJE OLAP-a • mjera je konkretan podatak o nečemu što korisnik traži • dimenzija je karakteristika mjere

25. Sa OLAP izvješćem moguće je podatke pretraživati po razinama • “DRILL DOWN”-pretraživanje po razinama • Proizvodi specijalne namjene nazvani OLAP serveri su bili namijenjeni da prezentiraju OLAP analize

26. PROBLEMI SA OPERATIVNIM PODACIMA • Mnogi operativni i kupljeni podaci imaju probleme koji sputavaju koristi za poslovnu inteligenciju • Problematični podaci-loši podaci 2. Kupljeni podaci često sadrže nepostojeće elemente

27. Nekonzistentan podatak je čest za podatke koji su bili prikupljani kroz neko vrijeme • Neke nekonzistentnosti u podacima pojavljuju se iz prirode poslovne aktivnosti 5. Neintegrirani podaci mogu uzrokovati probleme kada podaci dolaze iz različitih informacijskih menadžerskih sustava

28. Podatak može biti prefin ili pregrub *moguće je zabilježiti naviku klikanja potrošača i to se naziva “clickstream“dana koji uključuje sve što potrošač radi na web stranici • Ako je podatak u krivom formatu, taj uvjet je ponekad izražen kao podatak koji ima pogrešnu veličinu uzorka 8. Zbog fenomena “prokletstva dimenzije” (kada širimo pretragu i ona postaje besmislena-opet dobivamo puno nepotrebnih podataka) lakše je kreirati model sa što više atributa koji je sličan uzorku podatka

29. SKLADIŠTE PODATAKA NASUPROT SPREMIŠTA PODATAKA • Skladište podataka uzima podatke iz operacijskog sistema, čisti i procesuira podatke te ih locira na “police” u skladištu podataka • Spremište podataka su skupljeni podaci, manji od skladišta podataka, koji adresira određene komponente ili funkcionalna područja poslovanja

30. Skladište podataka je kao distributer u opskrbnom lancu, a spremište podataka je kao prodajna trgovina u opskrbnom lancu • Korisnici u spremištu podataka dobivaju podatke koji se odnose na određenu poslovnu funkciju iz skladišta podataka • Skupo je stvoriti i održavati skladišta i spremišta podataka

31. RUDARENJE PODACIMA(data mining) • Aplikacija statističke tehnike za pronalazak primjera i veza među podacima te klasificiranje i predviđanje • Predstavlja konvergenciju disciplina • Tehnike rudarenja podacima su nastale iz matematike, statistike i iz umjetne inteligencije i učenja o strojevima u kompjutorskoj znanosti

32. NEODOBRENO RUDARENJE PODACIMA • Sa neodobrenim rudarenjem podataka analitičar ne kreira model prije početka analiziranja • Umjesto toga oni usmjere tehnike rudarenja podacima na podatke i čekaju podatke • Analitičari stvaraju pretpostavke poslije analize da bi objasnili pronalazak primjera • Jedna zajednička neodobrena tehnika je “CLUSTER ANALIZA”

33. STABLO ODLUČIVANJAje druga neodobrena tehnika rudarenja podacima. • To je hijerarhijska obrada kriterija koja predviđa klasifikaciju ili vrijednost. • Analitičar postavlja računalni program i priprema podatke za analizu. STABLO ODLUČIVANJA ZA PROCJENU ZAJMOVA • Zajedničke poslovne aplikacije stabla odlučivanja su da klasificiraju zajmove kao vjerojatnost neispunjenja obveza.

34. ODOBRENO RUDARENJE PODACIMA • Analitičari razvijaju najprije model za analizu i primjenjuju statističke tehnike da procjene parametre modela • Jedna takva analiza koja mjeri utjecaj seta varijabli na druge varijable se zove “REGRESIJSKA ANALIZA” • NEURAL NET je druga popularna odobrena tehnika rudarenja podacima

35. ANALIZA KOŠARE TRŽIŠTA -Tehnika rudarenja podacima za određivanje prodajnih primjera -Ova analiza pokazuje proizvode koje korisnici namjeravaju kupiti zajedno

36. MENADŽMENT ZNANJA(KNOWLEDGE MANAGEMENT) • Sustav koji se tiče dijeljenja znanja koje već postoji ili u knjižnicama,u glavama zaposlenih ili u drugim poznatim izvorima • Menadžment znanja je proces stvaranja vrijednosti iz intelektualnog kapitala i dijeljenja tog znanja sa zaposlenicima, menadžerima, dobavljačima, kupcima i drugih koji trebaju taj kapital

37. To je proces koji je potpomognut sa 5 komponenti informatičkog sustava -njegov naglasak je na ljudima, njihovu znanju i efektivnom značenju za dijeljenje tog znanja sa ostalima • Doprinosi KM se tiču aplikacija znanja da bi omogućili zaposlenicima i ostalima korištenje organizacijskog znanja za “pametniji rod” • KM štiti organizacijsku memoriju zauzimajući i spremajući naučene lekcije i najbolje prakse ključnih zaposlenika

38. SUSTAV CONTENT MANAGEMENTA • Informacijski sustav koji prati organizacijske dokumente, web stranice, grafike i materijale vezane uz to • KM i obujam menadžmenta su povezani isporukom dokumenata koje postoje za namjenu podjele znanja

39. Tipični korisnici ovog sustava su kompanije koje prodaju komplicirane proizvode i žele podijeliti svoje znanje o tim proizvodima sa zaposlenicima i kupcima • Osnovne funkcije ovog sustava su iste kao za sustav izvješćivanja menadžmenta-autorizacija, upravljanje i isporuka • Jedini zahtjev koji zadovoljava menadžerska mjesta na autorizacijskim dokumentima je da je dokument kreiran u standardnom formatu

40. PROBLEMI CONTENT MENAGEMENTA 1. Funkcije su slučajno komplicirane 2. Baze podataka su ogromne; neke imaju tisuću individualnih dokumenata, stranica i grafika 3. Dokumenti mogu odgovarati nekom drugom dokumentu ili više dokumenata može odgovarati istom proizvodu ili postupku -kada se jedan promijeni i ostali se moraju promijeniti

41. 4. Dokumenti su prolazni -dokumenti postaju zastarjeli i trebaju biti premješteni 5. Multinacionalne kompanije moraju osigurati jezične prijevode dokumenata

42. ELEMENTI ISPORUKE • Skoro svi korisnici menadžmenta izvlače sadržaj • Korisnici ne mogu izvlačiti sadržaj ako ne znaju da postoje • Dokumenti koji se ne nalaze iza korporacijskog “zida” nisu javno dostupna i neće ih biti moguće pronaći putem Googla ili drugih pretraživača -organizacije moraju unijeti u pregled sadržaja svoje pravo vlasništva nad dokumentima i proizvesti svoje vlastite sposobnosti traženja

43. Web browseri i ostali programi mogu lako formatirati sadržaj izražen u HTML-u, PDF-u ili ostalim standardnim formatima • XLM dokumenti često sadržavaju svoja vlastita pravila formatiranja kojih browseri mogu interpretirati

44. SUSTAV MENADŽMENTA ZNANJA za olakšavanje dijeljenja ljudskog znanja • Ništa nije tako frustrirajuće za menadžera kao situacija u kojoj se jedan zaposlenik bori sa problemom kojeg drugi zaposlenik može riješiti • KM sustav se bavi dijeljenjem se samo sadržaja nego i sa podjelom znanja među ljudima

45. Koriste se 3 načina tehnologije za dijeljenje znanja među ljudima: • 1. Portali,diskusijske skupine i e-mail • 2. Sustav suradnje • 3. Sustav stručnjaka

46. TEHNIČKA POMOĆ DIJELJENJA LJUDSKOG ZNANJA 1. Portali, diskusijske skupine, e-mail -ideje izdavanja -frenkventna postavljena pitanja 2. Sustavi suradnje -prezentacije -video savjetovanje -net sastanci

47. 3. Sustav eksperata -donošenje odluka -glavni uspjesi 80-ih i 90-ih -neočekivane posljedice izazivaju velike troškove

48. 1. PORTALI I DISKUSIJSKE SKUPINE • Zaposlenici mogu podijeliti ideje slanjem na web portal gdje ih ostali mogu vidjeti • Diskusijske skupine dopuštaju zaposlenicima ili kupcima slanje pitanja ili upita tražeći rješenja za probleme • Oracle,IBM,PeopleSoft i drugi podržavaju diskusijske skupine gdje korisnici mogu poslati pitanja i na koja im zaposlenici mogu odgovoriti

49. Kasnije se organizacija može obraditi pitanja iz takvih diskusijskih skupina • Osnovni e-mail se može upotrijebiti za podjelu znanja • 2 ljudska faktora ometaju podjelu znanja: -zaposlenici mogu biti nezadovoljni njihovim neznanjem -postoji natjecanje među zaposlenicima

50. 2. SUSTAV SURADNJE • Informacijski sustav koji omogućava ljudima da rade efektivnije zajedno • Internet može bit korišten za govore, panel diskusiju i ostale vrste “sastanaka” • Video konferencije su skupe i zbog toga su locirane u odabrane stranice organizacije • Net sastanci znače da individualci mogu sudjelovati u sastancima ne napuštajući svoje urede