Business Intelligence

1. Business Intelligence Dr. Mahdi Esmaeili

2. تعاریف متفاوت از هوش تجاری • هوش تجاری مدیریت درست و موثر اطلاعات برای هدفی تجاری است و اساساً به ارتباط بین کاربر و سیستم­های فناوری اطلاعات مربوط میگردد • هوش تجاری عبارت است از شرح نیازهای سازمان برای تجزیه و تحلیل به همراه گزارش­دهی • هوش تجاری رویکردی راهبردی است برای هدف­گذاری به صورت سیستماتیک، ردیابی، مخابره و نهایتاً تبدیل و ترجمه سیگنال­ها و علائم ضعیف کسب­وکار به یکسری اطلاعات کاربردی که اساس تصمیم­گیری­های راهبردی شوند • هوش تجاری به عنوان تغییرشکل­دهنده­ای آگاه و روشمند است که داده­های مختلف را از منابع مختلف دریافت و به شکل­های جدید تغییر می­دهد تا اطلاعاتی نتیجه­گرا و تجاری را فراهم کند • هوش تجاری مبحث بسیار وسیع است که کارکردها (مانند گزارش­دهی و تجزیه و تحلیل) و تکنولوژی­های متفاوتی (مانند انبار داده، OLAP، پورتال) را در بر میگیرد. • هوش تجاری شامل تمام ابزارهای اطلاعاتی و تکنیکی جهت تحلیل دانش و اطلاعات در دسترس یک شرکت است و به طور کلی عبارت است از دسترسی، تجزیه و تحلیل و فراهم آوردن داده­های تجاری برای کاربران در یک بنگاه تجاری

3. تعاریف متفاوت از هوش تجاری • هوش تجاری که انبار داده معمولاً عنصر اصلی آن محسوب میشود برای انجام تجزیه و تحلیل­های پیچیده و بهبود عملکرد در جستجوهای پایگاه داده – که شامل هزاران رخداد است- ایجاد و بهینه­سازی شده است. هوش تجاری در واقع برای ایجاد ارزش در سازمان­ها بر پایه داده و به بیان دقیق­تر واقعیات میباشد. • هوش تجاری دسته وسیعی از برنامه­ها و تکنولوژی­ها را دربر میگیرد که برای جمع­آوری، ذخیره­سازی، تجزیه و تحلیل و فراهم کردن دسترسی آسان به داده­ها به وجود آمده است تا کاربران بنگاه را در اتخاذ تصمیمات درست تجاری کمک کند. همچنین شامل مجموعه­ای از مفاهیم و روش­ها است که تصمیم­گیری­های تجاری را با استفاده از سیستم­های کاربردی مبتنی بر حقایق بهبود میبخشد. • هوش تجاری هنر بدست آوردن مزیت تجاری و رقابتی از داده­ها است که این مزیت به واسطه پاسخ­گویی به سوالاتی اساسی مانند تنوع رتبه­بندی مشتری­ها چگونه است؟ و ... بدست می­آید. • هوش تجاری مجموعه­ای است از مفاهیم، روشها و فرایندها برای بهبود تصمیمات تجاری که اطلاعات بدست آمده از چندین منبع اطلاعاتی را مورد بهره­برداری قرار داده و از تجارب افراد خبره و برخی فرضیات استفاده میکند تا به پرورش درکی درست از تجارت پویا نایل آید

4. تعاریف متفاوت از هوش تجاری • هوش تجاری ابزاری است که توسط بنگاه­ها برای جمع­آوری، مدیریت، تجزیه و تحلیل داده­ها و اطلاعات اساسی و ساخت­یافته و یا غیر آن استفاده میشود و این کار با به کارگیری قابلیت­های فناوری اطلاعات صورت می­پذیرد. هوش تجاری همچنین از داده­های معتبر جمع­آوری شده حاصل از فرایندهای عملیاتی روزانه استفاده کرده و با تبدیل این داده­ها به اطلاعات و دانش از احتمالات و بی­خبری­ها در بنگاه جلوگیری می­کند. • هوش تجاری با فرایندی سیستماتیک سروکار دارد تا با تجزیه و تحلیل و مدیریت دانش و اطلاعات درون و برون­سازمانی به فرایند تصمیم­گیری یک سازمان کمک کرده و آن را بهبود بخشد. • هوش تجاری نه یک محصول است و نه یک سیستم. در واقع هوش تجاری یک معماری است و مجموعه­ای از برنامه­های کاربردی و پایگاه داده­های تصمیم­یار و عملیاتی یکپارچه است که دسترسی به داده­های تجاری را آسان میکند. برنامه­های کاربردی تصمیم­یار هوش تجاری انجام بسیاری از فعالیت­ها را تسهیل می­کند که از این میان میتوان به تحلیل چندبعدی (برای مثال OLAP) ، داده­کاوی، پیش­بینی، تحلیل تجاری، بصری­سازی، پرسش و گزارش­دهی، مدیریت دانش، پیاده­سازی پورتال سازمانی، دستیابی به داشبوردهای دیجیتال و ... اشاره کرد

5. Transaction Processing System (TPS) • Office Automation Systems (OAS) • Individual Information System (IIS) • Organizational Information Systems (OIS) • Information System (IS) • Management Information System (MIS) • Decision Support System (DSS) • Strategic Information Systems (SIS) • Enterprise Information System (EIS) • Executive Information System (EIS)

6. رده های مختلف مدیران و اهمیت تصمیم گیری تصمیمات راهبردی SIS, EIS مدیران اجرایی (ارشد) تصمیمات تاکتیکی MIS, DSS مدیران و کارمندان میانی (یقه سفیدها) مدیران عملیاتی (فعالیت های دفتری و تولیدی) تصمیمات اجرایی OAS, TPS

7. BI decision-support applications facilitate many activities • Multidimensional analysis, for example, online analytical processing (OLAP) • Click-stream analysis • Data mining (Mining for text, content, and voice) • Forecasting • Business analysis • Balanced scorecard preparation • Visualization • Querying, reporting, and charting (including just-in-time and agent-based alerts) • Geospatial analysis • Knowledge management • Enterprise portal implementation • Digital dashboard access • Other cross-functional activities

8. Examples of BI decision-support databases • Enterprise-wide data warehouses • Data marts (functional and departmental) • Exploration warehouses (statistical) • Data mining databases • Web warehouses (for click-stream data) • Operational data stores (ODSs) • Operational marts (oper marts) • Other cross-functional decision-support databases

9. Figure 0.1. Engineering Stages • Engineering Stages

11. Parallel Development Tracks (for Steps 5–14)

12. Steps Performed in Parallel Development Tracks

13. Core Team Roles and Responsibilities

14. Core Team Roles and Responsibilities

15. Extended Team Roles and Responsibilities

16. Extended Team Roles and Responsibilities

17. Business Justification Components

18. Benefit Categories

19. Revenue increase • Identification of new markets and niches • More effective suggestive selling • Faster opportunity recognition • Faster time to market

20. Profit increase • Better targeted promotional mailings • Early warning of declining markets • Identification of under-performing product lines or products • Identification of internal inefficiencies • More efficient merchandise management

21. Customer satisfaction improvement • Improved understanding of customer preferences • Improved customer-to-product matching • Up-selling to customers • Increased repeat business • Faster resolution of customer complaints

22. Savings increase • Reduction in wasted or out-of-date merchandise • Reduction in requests for customized reporting • Market share gain • Increased numbers of customers who defect from the competition • Much higher customer retention rate as compared with previous years and with the competition

23. Risk Assessment • The technology used for implementing the project • The complexity of the capabilities and processes to be implemented • The integration of various components and of data • The organization and its financial and moral support • The project team staff's skills, attitudes, and commitment levels • The financial investment in terms of ROI Green = low risk—go ahead with the project Yellow = medium risk—caution, proceed slowly Red = high risk—stop, reevaluate before proceeding

24. Basic Risk Assessment Matrix

25. Case Study: A Detailed Risk Assessment Matrix (1-3)

26. Case Study: A Detailed Risk Assessment Matrix (2-3)

27. Case Study: A Detailed Risk Assessment Matrix (3-3)

28. Business Case Assessment Activities

29. Deliverable Resulting (Step 1) • Business case assessment report - Strategic business goals of the organization - Objectives of the proposed BI application • Statement of the business need (business problem or business • opportunity) - Explanation of how the BI application will satisfy that need • Ramifications of not addressing the business need and not committing tothe proposed BI solution - Cost-benefit analysis results - Risk assessment • Recommendations for business process improvements to the operational systems or to the operational business processes and procedures The assessment report should also have a one- or two-page executive overview that summarizes the details of the report.

30. Roles Involved in Step 1 • Business representative • Business sponsor • Data quality analyst • Project manager • Subject matter expert

31. Risks of Not Performing Step 1 no strong business driver and does not support a strategic business goal.