12. RAZVOJ INFORMACIONIH SISTEMA

UPRAVLJANJE PROJEKTIMA I RIZICIMA RAZVOJA INFORMACIONIH SISTEMA

Jedan od osnovnih zadataka razvoja i upravljanja projektom razvoja informacionih sistema organizacije, ogleda se u izabiranju kompleksa pravila i vrednih ciljeva koji se u razvoju informacionog sistema organizacije žele postići, kao i odgovarajućeg kompleksa akcija čijim se preduzimanjem sa veoma velikom verovatnoćom postižu postavljeni ciljevi.

Koristeći se analogijom sa živim organizmima smatra se da upravljački informacioni sistemi nastaju, rastu, sazrevaju i nestaju, pa se taj proces naziva izrazom životni ciklus sistema.Životni ciklus informacionog sistema zasnovan na informacionim tehnologijama, uključuje nekoliko faza:

1. Planiranje2. Analiza3. Dizajn4. Implementacija5. Održavanje

Upravljanje projektima i rizicima predstavlja naučno zasnovan i u praksi potvrđen koncept kojim se, uz pomoć odgovarajućih metoda organizacije, planiranja i kontrole, vrši racionalno usklađivanje svih potrebnih resursa i koordinacija obavljanja potrebnih aktivnosti da bi se određeni projekat realizovao na najefikasniji način. Upravljanje projektom je prvi sloj procesa razvoja informacionih sistema.Neke osnovne karakteristike ovog koncepta su:

1. Podrazumeva definisanje i korišćenje odgovarajuće, odnosno najpogodnije organizacije za upravljanje realizacijom projekta

2. Svi pristupi konceptu upravljanja projektima naglašavaju neophodnost formiranja i korišćenja informacionih sistema za upravljanje realizacijom projekta, zasnovanog na odgovarajućem programskom paketu.

3. Svi pristupi upravljanju projektima podrazumevaju upotrebu tehnike mrežnog planiranja i gantograme u planiranju, praćenju i kontroli realizacije projekta.

Klasičan pristup organizaciji upravljanja projektima podrazumeva 3 osnovne organizacione forme:1. funkcionalna organizacija – podrazumeva korišćenje postojeće funkcionalne organizacione

structure u upravljanju projektom, koja je pojačana posebnim rukovodiocem sa osnovnim zadatkom – upravljanje projektom.

2. projektna organizacija – karakteriše formiranje posebnog projektnog tima za realizaciju određenog projekta, sa potrebnim funkcijama i organizacionim jedinicama, odnosno sa specijalistima za upravljanje određenim projektom.

3. matrična organizacija – predstavlja kombinaciju funkcionalne i projektne organizacije.

STRATEGIJSKO PLANIRANJE RAZVOJA INFORMACIONIH SISTEMA

Osnovni cilj planiranja informacione strategije je konzistentnost informacija. Strategijsko planiranje informacionih resursa obuhvata ne samo razvojne planove nego nalaže postavljanje arhitekturalnog okvira u koji će posebni podsistemi i moduli biti što skladnije uklopljeni. Strategijsko planiranje služi za 3 svrhe:

1

1. Povezivanju informacione tehnologije i planiranja informacionih sistema sa strategijskim poslovnim planiranjem

2. Pomaganju u izgrađivanju kontrolnih mehanizama za sprovođenje planova3. Stvaranju arhitektualnog okvira

Planiranje informacione strategije se preduzima sa svrhom da obezbedi podatke:1. Vrhovnom menadžmentu

procenu faktora koji su najkritičniji za uspešno funkcionisanje organizacije, procenu pogodnosti istrategijskih prednosti koje pruža nova informaciona tehnologija, ocenu budućih potreba IS određenih poslovnim prioritetima, IS koji su relativno nezavisni od organizacione strukture, Planirani pristup koji omogućava brzu isplativost ulaganja u IS.

2. Funkcionalnom i operativnom menadžmentu ocenu ciljeva i problema kao i identifikaciju računarskih olakšica koje mogu pomoći uspešno

rešavanje problema i postizanje postavljenih ciljeva, ocena faktora koji su najkritičniji za uspeh u funkcionalnim i operativnim oblastima rada, prevođenje kritičnih faktora u akcije izgrađivanja odgovarajućih sistema, uvećanu verovatnoću posedovanja najvrednijih izgrađenih sistema, sisteme koji su upravljački orjentisani i korisnički orjentisani.

3. Menadžmentu informacionog sistema efektivna komunikacija sa vrhovnim menadžmentom, podršku i zainteresovanost menadžmenta za informacione sisteme, bolje planiranje sistema koji odgovaraju poslovnim potrebama, dugoročnu plansku osnovu za potrebne resurse, uvećanu verovatnoću sistema koji su stvarno upotrebljivi.

Najčešće opisivane metodologije koje služe u strategijskom informacionom planiranju su: IBM BSP i metodologija koju je razvio James Martin. Sadržaj James Martinove metodologije čine sledeći koraci:

a) Razvoj opšteg modela organizacije – koji sačinjavaju dve podfaze; Prva je usredsređena na probleme: identifikovanja organizacione i topološke strukture organizacije, klasifikacije i dekomponovanja funkcija koje organizacije obavlja, identifikacije ključnih tipova entiteta podataka sa kojima organizacija funkcioniše. Drugu podfazu čine aktivnosti: izrade kompozitnog Entitet - Odnos – Modela podataka, generisanje matrice odnosa poslovnih procesa i tipova entiteta podataka i klasterizovanje površina matrice.

b) Analiza ciljeva i problema organizacije – kojom se vrši definisanje i analiza ciljeva koji se žele postići, kako bi se omogućilo njihovo postizanje, zatim postignuće merilo i od strane menadžmenta koristilo kao kontrolni mehanizam organizacije.

c) Analiza kritičnih faktora uspeha – služi da bi se identifikovale u okvirima ključnih oblasti one, koje imaju najznačajniji uticaj na uspešno odvijanje posla i postizanje postavljenih poslovnih ciljeva.

d) Određivanje prioriteta analize poslovnih područja – kao osnovni cilj ima da se prirodnim i koherentim grupama međusobno povezanih poslovnih procesa i podataka koje oni formiraju, ažuriraju i koriste, odrede na osnovu unapred utvrđenih kriterijuma prioriteti za realizaciju u narednoj fazi razvoja informacionih sistema.

2

ANALIZA SISTEMA

Analiza sistema je usredsređena na detaljnu i dublju analizu i razumevanje klasterizovanih, odnosno, definisanih poslovnih područja u fazi strategijskog informacionog planiranja. Njome se uspostavlja detaljan i precizan okvir za dizajn i implementaciju integralno informatizovane matrice. Analiza sistema se oslanja na rezultate dobijene u fazi strategijskog planiranja razvoja IS, pre svega, izgrađenog modela organizacije, analize ciljeva i problema organizacije, kritičnih faktora uspešnosti, kritičnih pretpostavki, kritičnih odluka i informacija.

Glavni ciljevi analize su: detaljno i potpuno razumevanje područja poslovanja i karaktera interakcija njegovih

aktivnosti, izgradnja modela procesa, aktivnosti i njihove međupovezanosti, izgradnja modela podataka koji uključuje sve neophodne entitetei predstavlja resurs

podataka koji će zadovoljiti sve zahteve projektovanih i izgrađenih aplikacija, povezivanje gore navedenih modela u celinu logičkog modela poslovnog područja koji

pokazuje koji procesi koriste podatke i kakve su komunikacije unutar modela, identifikacija i definisanje informacionih potreba korisnika, utvrđivanje visokih prioriteta za brzo, koherentno i efikasno pokretanje dizajna i konstrukcije

zajedničkih aplikacija.

Četiri vrste dijagrama koji se koriste u analizi: dijagram za dekompoziciju procesa, dijagram za modelovanje podataka, dijagram toka procesa, dijagram toka podataka.

Predmet analize sistema je:1. Modeliranje procesa – svodi se na dekompoziciju primarnih procesa na one nižeg nivoa, sve

do elementarnih procesa, kao najmanjih poslovnih aktivnosti; onako kako ih shvata korisnik;2. Modeliranje podataka – otklanja se prevelika redudancija podataka u mnogim ranijim

neintegrisanim datotekama i bazama podataka, otklanja se većina ranijih nedostataka u području administriranja podacima, smanjuju se značajno troškovi lošeg administriranja podataka i postiže konzistentno modeliran jedan od glavnih resursa koji će se moći još doslednije strukturisati I normalizovati u fazi dizajna IS;

3. Analiziranje tokova podataka i informacija u sistemu – komunikacije u poslovnom području koje je premet analize su veoma značajne i analiza tokova podataka i informacija obezbeđuju pogled na dinamičke aspekte sistema;

4. Istraživanje informacionih potreba korisnika – zadatak je identifikacija svih mogućih pogleda korisnika na podatke, sadržaj i načine deriviranja informacija iz tih podataka. Uspostavljene su četiri grupe operacija istraživanja informacionih potreba: otkrivanje, formulisanje i obrazlaganje, izgrađivanje, ocenjivanje i izbor informacionih potreba.

DIZAJN SISTEMA

3

Suština faze dizajna sistema je traganje za alternativnim projektantskim rešenjima koja bi zadovoljila zahteve korisnika.

Dizajn ima različite aspekte:1. Dizajn korisničkog interfejsa – treba da zadovolji u potpunosti korisnika, da korisnik oseća

prijatnost u radu, da ima poverenje u system, da se reducira vreme potrebno za obučavanje, poveća korisnička produktivnost, smanje greške i tome slično;

2. Dizajn izlaza – cilj je definisanje forme i sadržaja svih štampanih dokumenata, izveštaja i ekranskih pregleda, koje će sistem proizvoditi;

3. Dizajn ulaza, ulaznih ekranskih formi – je takođe veoma značajan posao projektanata informacionih sistema. Podatke o svim tipovima entiteta u bazi podataka potrebno je interaktivno i u realnom vremenu unositi u sistem, a konačan proizvod trebalo bi da bude tačan, funkcionalan i estetski poželjnog izgleda inputa.

4. Dizajn baze podataka – je preduslov za uspešno funkcionisanje IS. Proces interaktivnih aktivnosti dizajna baza podataka je: definisanje informacionih zahteva i skupa obeležja, konceptualno projektovanje, logičko projektovanje relacionih šema, fizičko projektovanje.

5. Dizajn programa i personalnih procedura – tokom dizajniranja sistema projektant izrađuje specifikacije za aplikativne programe i procedure za rad personala sa sistemom. CIlj specifikacije programa je priprema opisa svakog programa u informacionom sistemu. Projektant treba da identifikuje aktivnosti koje koristi personal. Za te aktivnosti se pišu procedure koje treba da vode ljude kroz njihove zadatke.

6. Dizajn sistema kontrole – veoma važan segment u dizajnu sistema. Kontrola se tiče kontrole ulaza, procesiranja, transakcionog loga, kontrole pristupa bazi podataka, i izlaza.

IMPLEMENTACIJA SISTEMA

Kada je dizajn sistema završen, dolazi vreme za fizičku implementaciju novog informacionog sistema. Cilj i glavni zadatak je prevesti projektantska rešenja ulaza, izlaza, prenosa, baze podataka i njihove interakcije u programski kod; proizvesti softverski proizvod za novi IS. Druga pitanja su testiranje i implementacija tehnologije, testiranje programa i sistema u celini, edukacija i konverzija sistema. Mnoge organizacije se odlučuju na kupovinu gotovih aplikativnih softverskih rešenja, umesto da ih same konstruišu i izgrađuju.

Implementacija IS se pažljivo planira. Celokupan plan se odnosi na četiri celine:1. Programiranje – izrada programa je process koji izvršavaju programeri koji pišu programske

instrukcije koje će izvršavati računar, bazirano na programskim specifikacijama koje su pripremili projektanti sistema tokom faze dizajna;

2. Instalacija i testiranje tehnologije – bilo da je program razvijan ili nabavljen gotov na tržištu softvera, neophodno je proveriti da li program radi ono što se od njega zahteva. Testiranje programa je završni zadatak da utvrdimo, budemo sigurni i dokumentujemo da program zadovoljava zahteve korisnika.

3. Trening i obučavanje zaposlenih – process obučavanja uključuje planiranje i oblikovanje obučavanja sprovođenje programa obučavanja praćenje i ocenjivanje efektivnosti i efikasnosti obučavanja radi preduzimanja

korektivnih akcija.Osim toga, potrebno je određivanje ciljeva obučavanja, kriterijuma za ocenjivanje uspešnosti obučavanja i definisanje potrebnog sadržaja obučavanje na osnovu razlike između potrebnih

4

znanja i veština za uspešno obavljanje posla i raspoloživih znanja i veština osoblja – članova ciljne grupe.4. Konverzija i uvođenje sistema – process konverzije, zamene IS znači pustiti sistem u život.

Proces preobraćanja starog IS u novi je težak, složen, osetljiv te ga je stoga nephodno pažljivo planirati i realizovati jednim ili kombinacijom više pristupa. Najčešće se primenjuju četiri pristupa: direktni, paralelni, modularni, fazni.

ODRŽAVANJE SISTEMA

Održavanje sistema uključuje proveru, modifikaciju i unapređenje sistema da bi ga učinili korsnim i efikasnijim u obezbeđivanju i zadovoljavanju informacionih potreba korisnika i postizanju ciljeva organizacije. Projektovan, razvijen i pažljivo testiran softver u idealnim uslovima zahteva neznatno održavanje. Neki od glavnih uzroka održavanja sistema su:

novi zahtevi korisnika greške u programu učinjene tokom razvoja ili modifikacije programa integracija, razdvajanje, reorganizacija organizacije izmene zakonskih propisa i/ili novih državnih organa tehnički i hardverski problemi.

Održavanje može da se kreće od neznatnih investicija na pojedinačnim programima do značajnih investicija na programskom sistemu. Softverske kompanije, mnoge organizacije i grupe za razvoj i programiranje koriste obično tri značajna pristupa koji obeležavaju obim promena:

1. “Krpljenje” – neznatna promena koja uklanja manji problem ili manji nedostatak programskog rešenja;

2. Novi rilizi – značajna promena programskog rešenja, koja često zahteva promene u dokumentaciji softvera;

3. Nova verzija – gotovo celokupna promena programskog rešenja sa, obično, mnogo novih karakteristika.

13. SISTEMI PODRŠKE ODLUČIVANJU

POJAM I VRSTE ODLUČIVANJA

Odlučivanje je proces odabiranja jedne od dveju ili većeg broja alternativnih akcija u nekoj situaciji, koje će biti preduzete da bi se postigao cilj u bližoj budućnosti.Odlučivanje se može razvrstati prema:

a) Broju osoba koje donose odluke1. Grupno 2. Individualno

b) Količini raspoloživih informacija u situaciji odlučivanja1. Odlučivanje u uslovima izvesnosti – za svaku od alternativnih akcija je poznato da

nepromenljivu vodi nekom specifičnom ishodu;2. Odlučivanje u uslovima rizika – svaka od akcija vodi nekom iz skupa mogućih specifičnih

ishoda, pri čemu se svaki ishod pojavljuje sa poznatom verovatnoćom;3. Odlučivanje u uslovima neizvesnosti – verovatnoća ishoda akcije je nepoznata;4. Odlučivanje u uslovima kombinacije rizika i neizvesnosti – statističko zaključivanje.

5

c) Strukturisanosti odlučivanja1. Strukturisano (programirano) – velika ponovljivost pod istim ili sličnim uslovima i

mogućnošću da se izričito odrede pravila odlučivanja;2. Nestrukturisano (neprogramirano) – obavlja se u neobičajenim uslovima, retko ponovljivo i

za njega se ne mogu odrediti pravila odlučivanja;3. Polustrukturisano

d) Oceni dovoljnosti raspoloživih informacija za odlučivanje1. Terminalne – okončavaju proces odlučivanja izborom jedne od alternative;2. Istraživačke – zahtevaju i nalažu prikupljanje dodatnih informacija i donose se usled uviđanja

da su raspoložive informacije nedovoljne.

PRESKRIPTIVNI I DESKRIPTIVNI PRISTUP ODLUČIVANJU

Osnovne funkcije teorija su opisivanje, objašnjavanje i predviđanje pojava i pravilnosti u domenu na koji se odnosi.Preskriptivne teorije opisuju kako bi trebalo i obrazlažu zašto bi trebalo da se tako ponaša racionalna osoba u odlučivanju.Deskriptivne teorije su proizvod nastojanja da se opiše, razume, objasni, predvidi i poboljša stvarno ponašanje ljudi u odlučivanju.Potrebno je izvršiti objedinjavanje ove dve teorije radi što boljeg odlučivanja.

STANDARDNA BEJZIJANSKA TEORIJA ODLUČIVANJA

Da bi se odabrala jedna od alternativnih akcija neophodno je odrediti vrednost posledice akcije koja se meri korisnošću posledice.Bejzijanska teorija odlučivanja razmatra donošenje odluke u uslovima neizvesnosti pri čemu donosilac odluke želi da odabere najbolju akciju s obzirom na raspoložive prethodne informacije i znanje, vrednosti koje pripisuju mogućim posledicama, kao i s obzirom na svoju naknadnu dustribuciju verovatnoće zasnovanu na sakupljenim dodatnim informacijama.Očekivana vrednost savršene informacije je razlika očekivane korisnosti u uslovima izvesnosti i maksimalne korisnosti u uslovima neizvesnosti i predstavlja gornju granicu vrednosti dodatne informacije.Očekivana vrednost nesavršene informacije jeste razlika između očekivane korisnosti nesavršene informacije posle revidiranja prethodnih verovatnoća na osnovu dodatne informacije i očekivane korisnosti najbolje alternativne akcije pre dobijanja dodatne informacije.

NORMATIVNE TEORIJE I STVARNO PONAŠANJE U ODLUČIVANJU

Ovde su ključni pojmovi korisnost kao mera vrednosti posledice i verovatnoća kao mera neizvesnosti. Istraživanja pokazuju da ne postoji saglasnost između ponašanja ljudi i logičkih posledica izvedenih iz normativne teorije korisnosti i da nema logičkog sklada između prosuđivanja ljudi u neizvesnosti i očekivanog ponašanja idealizovane racionalne osobe dedukovanog iz normativne teorije subjektivne verovatnoće.Dva osnovna vida neizvesnosti su eksterna i interna neizvesnost. Eksterna neizvesnost se ocenjuje na dva načina:

6

1. Distribucionalno – relativna učestalost ishoda poznata2. Singularno – posredstvom propenziteta slučaja o kojem je reč

Interna neizvesnost se ocenjuje na dva načina:1. Zaključivanjem2. Introspekcijom

Poistovećivanje pojma subjektivna verovatnoća sa pojmom personalne verovatnoće nema opravdanja.Personalnu verovatnoću predstavlja ocena verovatnoće koju daje neka idealizovana, racionalna, dosledna osoba, dok je ogromna većina ljudi nedosledna u ocenjivanju subjektivne verovatnoće.

PROBLEM ODLUČIVANJA U DSS OKRUŽENJU

Simon se bavio sledećim problemima:1. Pogled na nove računarske tehnologije i njihov uticaj na društvo, organizaciju i menadžment2. Analiziranje procesa upravljačkog odlučivanja3. Sagledavanje uticaja računarskih tehnologija i automatizacije na radna mesta4. Istraživanje načina na koji računari menjaju posao menadžera i strukturu organizacije5. Istraživanje ekonomskih i socijalnih efekata automatizacije

Savremeni menadžment procesu odlučivanja pristupa iz dve perspektive: prva je usmerena ka problemima programiranog odlučivanja a druga se odnosi na neprogramirano odlučivanje. Prvi se odnosi na struktuirane problem odlučivanja, za koje je karakteristična ponovljivost, a drugi se odnosi na slabo struktuirane problem, unikatni su, tj. ako se ponavljaju se u dužim vremenskim distancama.Tehnike koje donosilac odluke koristi pri odlučivanju Simon deli na tradicionalne i moderne.

PRILAZ PROCESU REŠAVANJA PROBLEMA

Polazi od činjenice da je problem odlučivanja evidentiran i da se traži njegovo efikasno rešenje.Dva su načina u rešavanju problema:

1. Kvantitativno usredsređen, koji polazi od dobro strukturisanih problemskih situacija. Matematički modeli se koriste za iznalaženje optimalnih rešenja: maksimalni profit, minimalni troškovi.

2. Usredsređen na menadžersko odlučivanje: okarakterisan ciljem iznalaženja zadovoljavajućeg rešenja, uglavnom se tiče problemskih situacija koje su slabe strukture ili polustrukturisane; odluke se donose u uslovima neizvesnosti, nedovoljnost informacija.

PRILAZ PROCESA OTKRIVANJA PROBLEMA

Prilaz otkrivanja problema je proaktivan i kreativan, njegovo osnovno stanovište je identifikacija, anticipacija budućih problema i njihov uticaj na organizaciju danas i sutra.Ovaj prilaz ima 2 subprilaza:

1. Subprilaz anticipacije i otkrivanja problema – anticipacija budućih problema koji mogu imati značajnih implikacija na organizaciju danas, a naročito u budućnosti;

2. Subprilaz anticipacije i otkrivanja povoljnosti – anticipiranje relevantnih povoljnosti koje se retko opažaju u prilazu procesa rešavanja problema.

7

Ključne metodološke faze oba subpristupa su: traženje – iznalaženje budućih problema i/ili povoljnosti; identifikacija – specifikacija problema ili povoljnosti unutar limitirajućih granica; projektovanje – korišćenje metoda radi sagledavanja rešavanja problema ili iskorišćavanja

najpovoljnijih prilika; implementacija rešenja – problem primene rešavanja sa ciljem da se postigne efektivan i

pozitivan rezultat.

POJAM, PRIRODA I SVRHA DSS

Upravljanje organizacijom uključuje 4 osnovne funkcije:1. planiranje2. organizovanje3. usmeravanje4. kontrolisanje

Pošto upravljački informacioni sistemi nisu mogli uspešno da obavljaju svoju ulogu, pojavili su se novi informacioni sistemi, korisnički orijentisani DSS, više kao nadgradnja upravljačkih informacionih sistema a manje kao zamena.DSS utiče na širinu i sposobnost manadžerskog odlučivanja, unapređujući efektivnost i efikasnost odlučivanja.DSS omogućava menadžeru da koristi kvantitativne metode i analitičke tehnike, ostavljajući im slobodu donošenja odluka.Sistem podrške odlučivanju se može odrediti kao interaktivni računarski informacioni sistem pomaganja, potkrepljivanja strukturisanog, polustrukturisanog i nestrukturisanog odlučivanja.

KARAKTERISTIKE I MOGUĆNOSTI DSS

Postoje dva gledišta za DSS Turbanovo i Tieraufo.Turbanovo gledište karakteristika i mogućnosti DSS:

1. DSS obezbeđuje podršku donosiocima odluka uglavnom u polustrukturisanim i nestrukturisanim situacijama odlučivanja

2. Podrška se obezbeđuje za različite nivoe upravljanja3. Obezbeđuje se podrška za pojedince i grupe 4. DSS podržava sve faze procesa odlučivanja 5. DSS podržava različite procese i stilove donošenja odluka6. Moraju biti laki za upotrebu, fleksibilni, prednost daje efektivnosti nad efikasnošću7. Treba da bude lak za konstruisanje

Tierauf daje sistematizaciju karakterisitika imajući u vidu:1. DSS su usredsređeni na otkrivanje, postavljanje i rešavanje problema2. Koriste se interaktivnim modom rada3. DSS koriste širok sistemski prilaz

Otkrivanje, postavljanje i rešavanje problema odlučivanja se sagledava u sledećem kontekstu:1. Raznovrstan i bogat prilaz podržavanja odlučivanja

8

2. Interfejs korisnik-mašina3. Podrška korisniku u rešavanju strukturisanih, polustrukturisanih i nestrukturisanih problema

odlučivanja4. Upotreba kvantitativnih modela5. Korišćenje jezika za poslovno-finansijsko planiranje i statističkih paketa

Da bi DSS bio efektivan u pristupu pronalaženja i pristupu rešavanja problema, mora se smestiti u interaktivni mod(proces) rada sa sledećim karakteristikama:

1. Query sposobnosti u obezbeđivanju informacija na zahtev2. Korišćenje upravljačkih radnih stanica3. Konvencionalna i laka upotreba4. Adaptivnost sistema tokom vremena

DSS koristi širok sistemski prilaz koji dozvoljava korisniku ne samo fokusiranje na otkrivanje i rešavanje problema odlučivanja već funkcionisanje sistema u interaktivnom modu. Širok sistemski prilaz podrazumeva sledeće karakteristike: integracija funkcionalnih oblasti i proširenje baze podataka.Integracija funkcionalnih oblasti – sistemi koji funkcionišu u DSS su integrisani tako da mogu funkcionisati kao jedinstven sistemProširenje baze podataka – baza podataka mora biti integralna ali isto tako I sposobna da zadovolji sve potrebe za informacijama svih upravljačkih nivoa.

AKTIVNOSTI I VRSTE DSS

DSS podržavaju upravljačke aktivnosti.Upravljačke aktivnosti prema Robertu Antonu se mogu razvrstati u sledeće kategorije:

1. Strategijsko upravljanje – postavljanje ciljeva, izbor strategija, izrada planova, razvoj politika…;2. Upravljačka kontrola – obezbeđivanje da ciljevi i strategije budu realizovani;3. Operativno planiranje i kontrola – operativni planovi, programi i konkretni zadaci budu uspešno

realizovani.

Za klasifikaciju DSS mogu se koristiti različiti kriterijumi. Po broju osoba koji DSS podržava, možemo govoriti o individualnim i grupnim DSS. Drugi kriterijum su aktivnosti čije izvršavanje DSS podržava, prema tome DSS se deli na: strategijske, upravljačko-kontrolne i operativne.

Indivudualni DSS- projektuje se za najniži i srednji nivo menadžmenta, menadžeri ovog nivoa rešavaju strukturisane i polustrukturisane probleme.

Grupni DSS- sačinjen je od skupa softverskih, hardverskih, procedularnih i jezičkih komponenti koji podržava grupno odlučivanje, odnosno grupu ljudi koji zajednički donose neku poslovnu odluku.

DSS za strategijsko upravljanje podržavaju dve ključne faze ovog procesa: formulaciju strategije i implementaciju strategije.Formulacija strategije podrazumeva definisanje filozofije i misije organizacije, uspostavljanje dugoročnih i kratkoročnih ciljeva, izbor i primenu strategije radi postizanja ciljeva organizacije.Implementacija strategije podrazumeva usklađivanje strategije i organizacione strukture, razvoj budžeta, funkcionalnih strategija i sistema motivacije, kontrola efikasnosti strategije.

9

DSS za upravljačku kontrolu- omogućava da se resursi organizacije angažuju i koriste efikasno. Podržava srednji nivo menadžmenta u sledećem:

1. Kontrolisanje tokova i izvršenja funkcionalnih aktivnosti u organizaciji2. Komuniciranje između radnih timova3. Kontrolisano rešavanje problema 4. Otkrivanje i rešavanje novih nestrukturisanih i polustrukturisanih problema odlučivanja

DSS za operativno planiranje i kontrolu podržava odlučivanje najnižeg menadžerskog nivoa.

MODEL I STRUKTURA SISTEMA ZA PODRŠKU ODLUČIVANJU DSS

Pod modelom se podrazumeva zamišljeni objekt odnosno proces koji se ponaša slično nekom drugom objektu. Sistemi za podržavanje odlučivanja imaju arhitekturu 3 osnovna podsistema:

1. Podsistem podataka i upravljanja podacima - uključuje bazu podataka o konkretnom području i DBMS (data base managenet systems) kao skup računarskih programa za formiranje, održavanje, pristup, zaštitu i ažuriranje podataka ; rečnik podataka kao katalog svih podataka u DSS bazi; query sposobnosti (jezik upita) koji omogućava pristup podacima na zahtev, upit

2. Podsistem upravljanja modelima – sastoji se iz baze modela, sistema za upravljanje bazom modela, rečnika modela, izvršenja modela, integracija i upravljanje.

3. Podsistem dijaloga i upravljanja dijalogom – sastoji se iz akcionog jezika (tastatura, tipke, miš, dodir ekrana, optičko čitanje...) i jezika prezentacije koji predstavlja ono što korisnik vidi i čuje.

Korisnik je isto deo DSS i mogu biti menadžeri i specijalisti.

14. EKSPERTNI SISTEMI

ZNAČENJE IZRAZA VEŠTAČKA INTELIGENCIJA I NJENA OSNOVNA PODRUČJA

Izraz je u upotrebu uveo Mekkarti sredinom 50-ih godina. Veštačka inteligencija je nauka koja čini da mašine obavljaju stvari koje bi zahtevale inteligenciju da ih obavlja čovek.Osnovna područja veštačke inteligencije:

1. Rešavanje problema – traganje za rešenjem – može se zahtevati nalaženje ciljnog stanja ili nalaženje sekvence nagađanja koja vodi do ciljnog stanja;

2. Obrada i razumevanje prirodnog jezika – ključni cilj veštačke inteligencije jer omogućava da računar neposredno razume čovekov jezik;

3. Robotika i viđenje – veštačka inteligencija pomaže računarskom kontrolisanju pokreta;4. Sistemi zasnovani na znanju5. Mašinsko učenje – učenje je značajan aspekat čovekove inteligencije pa je lako shvatljivo veliko

zanimanje istraživača u oblasti veštačke inteligencije koji se tiču sposobnosti učenja;6. Automatsko zaključivanje – blisko povezano sa rešavanjem problema i predstavlja jedno od

najznačajnijih istraživanja u oblasti veštačke inteligencije.

EKSPERTNI SISTEM I NJIHOVE ODLIKE

10

Ekspertni sistem je inteligentni računarski program koji se koristi znanjima i procedurama zaključivanja radi rešavanja problema koji su dovoljno teški da njihovo rešavanje zahteva čovekovu ekspertizu. Najčešće se termin koristi na programe koji se koriste radi simuliranja ponašanja čoveka eksperta.

7 dimenzija značenja ekspertnog sistema:1. Ekspertiza – cilj da se dosegne visok stupanj perfomanse koju postiže čovek ekspert u nekom

domenu;2. Rezonovanje manipulacijom simbola3. Opšta sposobnost rešavanja problema 4. Složenost i težina – problemi u datom trenutku moraju da budu dovoljno složen i težak da bi se

zahtevalo rešenje eksperta;5. Reformulacija – preobražavanje prvobitne forme u kojoj je problem bio postavljen u formu

pogodnu za eksperta;6. Rezonovanje o sebi – skup zahtevanih sposobnosti u sistemu;7. Vrsta zadataka – za čije se postavljanje sistem izgrađuje.

Neke od odlika ekspertnih sistema su:1. Simbolička priroda zadataka koje rešava2. Sposobnost da obrazlaže svoje ponašanje i zaključke3. Moć da se usavršava 4. Sposobnost da rešava značajne, teške i složene probleme koji uključuju neizvesnost

ORGANIZACIJA EKSPERTNIH SISTEMA

Svi ekspertni sistemi imaju istu konstrukciju, konfiguraciju i organizaciju sastavljenu od baze znanja, mehanizma zaključivanja, podsistema za obrazlaganje ponašanja i zaključaka, podsistema za uzimanje i ažuriranje znanja i korisničkog interfejsa.

STADIJUMI STICANJA I PROBLEMI CRPLJENJA ZNANJA

Stadijumi u razvoju ekspertnog sistema su:1. Identifikacija – određivanje karakteristika problema i izbor problema 2. Konceptualizacija – nalaženje i objašnjenje pojmova potrebnih za opisivanje procesa rešavanja

problema3. Formalizacija – oblikovanje strukture za organizovanje znanja4. Implementacija – formulisanje pravila za izobražavanje znanja5. Proveravanje – validiranje pravila kojima se organizuje znanje

Pod sticanjem znanja se podrazumeva prenos i transformacija ekspertize rešavanja problema iz nekog izvora znanja u program.Svrha crpljenja znanja od eksperta jeste da se postigne što potpuniji i tačnijji opis tog znanja.Crpljenje znanja od eksperta je vrlo težak zadatak jer je individualno znanje složeno, podrazumeva pretpostavke, nagađanja, verovanja.

METODI I TEHNIKE CRPLJENJA ZNANJA

11

Dva osnovna pristupa u crpljenju znanja od eksperta su: ispitivanje eksperata (metodima i tehnikama kao što su: intervjui, upitnici, skale procenjivanja, repertoarske rešetke, tehnike kritičkih događaja, reklasifikacija) i posmatranje eksperata na delu ili dok stvarno rešavaju slučaj u životnoj situaciji ili pak zamišljeni slučaj u simuliranoj situaciji.

1. Ispitivanje eksperata Repertoarske rešetke – u nastojanjima da se dokuči, analizira i predstavi gledište

eksperta o određom problem ekspertize, upotrebljavaju se “repertoarske rešetke” sačinjene od elemenata (ključni primeri koje daje ekspert), i konstrukata (bipolarne karakteristike koje svaki element ima u nekoj meri.

Multidimenzionalno skaliranje – skup tehnika analize strukture ulaznih podataka prikazanih u vidu matrice odnosa između objekata sa nepoznatom dimenzionalnošću pomoću kojih se iz raspoloživih informacija o rastojanjima između objekata i iz nekih pretpostavki određuje t-dimenzionalnost prostora odnosa između tih objekata tako da t bude minimalno.

Tehnika kritičnih događaja – od eksperta se traži da potanko opiše teške, značajne i zanimljive slučajeve iz svog iskustva, kao i svoje ponašanje, doživljavanje i osećanje u tim slučajevima.

Tehnika uparivanja karakteristika i odluka – od eksperta se traži da navede skup mogućih značajnih karakteristika problemske situacije i skup mogućih odluka, a potom da upari podskupove karakteristika sa odgovarajućim odlukama.

Razlikovanje ciljeva – od eksperta se zahteva da za neki identifikovani cilj u strukturi navede skupove nužnih i dovoljnih razloga za razlikovanje nekoga cilja od ostalih ciljeva.

Reklasifikacija – polazi se od ciljeva unatrag ka činjenicama, karakteristikama, simptomima. Zadatak je eksperta da svaki pojedinačni cilj reklasifikuje na razloge za te ciljeve.

Analiza odlučivanja – identifikuju se problem odlučivanja, ciljevi i moguće odluke, i specifikuju moguća stanja stvari, moguće posledice alternativnih akcija, procenjuju se korisnosti posledica, distribucije verovatnoće posledica i kriterijumi odlučivanja.

Intervju – planirani razgovor vođen “licem u lice” sa strogo i jasno određenim ciljem sticanja potrebnih informacija.

2. Posmatranje eksperta na delu – usredsređen je na ono što ekspert radi u konkretnoj situaciji. Reč je o posmatranju eksperta dok stvarno rešava neki zbiljski slučaj u životnoj situaciji, ili pak zamišljeni slučaj u simuliranoj situaciji.

NAČINI PREDSTAVLJANJA ZNANJA

Predstavljanje znanja se može shvatiti kao izgrađivanje stilizovane verzije znanja o nekoj oblasti stvarnosti posredstvom skupa sintaksičnih i semantičkih konvencija, sa ciljem da se tim znanjem izobrazi sama saznata oblast stvarnosti.

Potrebno je odabrati način predstavljanja znanja koji će:1. Podržavati ekspertni sistem u efikasnom i efektivnom obavljanju svoje funkcije2. Olakšati dodavanje novog i menjanje raspoloživog znanja3. Omogućiti razvijanje i primenu različitih metoda korišćenja znanja4. Dopustiti razdvajanje deklarativnog od proceduralnog

12

Osnovni formalizmi koji se koriste u predstavljanju znanja su: iskazni račun, predikatski račun, semantičke mreže, trojke objekat-atribit-vrednost, frejmovi i produkciona pravila.

Iskazni račun – smatra se nedovoljno moćnim za predstavljanje znanja u poređenju sa predikatskim računom;

Predikatski račun – Semantičke mreže – jedna od najstarijih vrsta prestavljanja znanja kojom se objekti u domenu

ekspertize i deskriptori formalizuju kao “čvorovi”, dok se odnosi između njih prikazuju “vezama”; Trojke objekat – atribut – vrednost – objekti su stvarni ili pojmovni entiteti u oblasti ekspertize,

atributi su svojstva povezana sa objektima, a vrednosti su pojedinačne vrednosti iz određenog skupa koje atributi mogu uzimati;

Frejmovi – opis objekta koji sadrži slotove za sve informacije povezane sa datim objektom; Produkciona pravila – način specifikovanja preporuka, direktiva ili strategija izraženih

implikacijom pri čemu antecedens I konsekvens mogu biti: ako premise, onda zaključak, i ako uslov, onda akcija.

MANIPULISANJE ZNANJEM

Ako je u nekom ekspertnom sistemu znanje preobraženo u pravila, mehanizam zaključivanja ta pravila proverava u odnosu na raspoloživu zbirku činjenica o aktuelnom slučaju. Ako zbirka činjenica sadrži sve činjenice koje se tvrde antecedensom pravila, izvršava se akcija specifikovana konsekvensom pravila. Ta akcija može da bude dvojaka:

1. Njom se može izmeniti skup raspoloživih činjenica 2. Konsekvens pravila može sadržati akciju kojom se utiče na spoljašnji svet

Ima dva osnovna načina putem kojeg pravila mogu biti upotrebljena:1. Ulančavanje unapred - obavlja se u smeru od antecedensa ka konsekvensu, od premisa ka

zaključku (antecedens pravila treba da bude zadovoljen, istinit)2. Ulančavanje unatrag - odlikuje smer traganja od hipoteze ka činjenicama u premisama. Nastoji

da se odredi da li je neku hipotezu moguće dokazati-izvesti iz raspoloživih znanja činjenica 3. Mešovito ulančavanje – njome se žele ublažiti nedostaci obeju predhodnih strategija

15. DATA WAREHOUSE

PRIRODA, SVRHA I FUNKCIJE DATA WAREHOUSE

Data warehouse se može definisati kao integralno jedinstveno spremište podataka koje je arhitekturalni okvir i infrastrukturalna osnova razvoja analitičkih softverskih aplikacija u organizacijama. DW je novi pristup, novi koncept i nova filozifija u razvoju DSS koji je usredsređen na efikasnu podršku strategijskog upravljanja i odlučivanja. Poseban kvalitet ovih sistema su: agregacija podataka, evaluativni podaci, tvrdi i meki podaci.3 bitna i veoma važna procesa DW sistema su:

1. Otkrivanje - podrazumeva proces nalaženja skrivenih izvora podataka koji su rasuti u različitim operativnim sistemima

2. Eksploracija - proces traganja za strukturama stanja, trendovima i izuzecima evaluacionih podataka

3. Žetva - proces korišćenja rezultata eksploracije

13

Podaci u DW sistemima su: Odvojeni od operativnih poslovnih sistema organizacije Podaci su pristupni i obezbedljivi za različite korisnike Integrisani na bazi standardnog modela organizacije Vremenski označeni Orijentisani ka subjektima Lako dostupni korisnicima

DW je sredstvo preobražavanja mase sirovih podataka u upotrebljivu informaciju koja udovoljava zahtevu „prava informacija u pravom vidu u pravo vreme“

DATA WAREHOUSE I MARTOVI PODATAKA

Mart podataka se odnosi na bazu podataka za podršku odlčivanja, izgrađenu da se njome koristi neka organizaciona jedinica ili grupa osoba u organizaciji ili neki poslovni proces. Mart podataka je shvaćen kao logički podskup data warehouse.Martovi podataka sadrže sumarizovane podatke saobražene posebnim potrebama korisnika, dok data warehouse sadrži veliki skup detaljnih podataka.Građenje DW podrazumeva 2 faze:

Kreiranje okružujuće arhitekture koja određuje opseg i implementaciju DW u celini Nadziranje konstruisanja delova-martova podataka celovitog data warehose

ARHITEKTURA DATA WAREHOUSE

U projektovanju i razvoju DW se predlaže model koji čini 7 slojeva:1. Operativni podaci - izvorni sistemi koji obezbeđuju podatke za korporativni DW2. Migracija podataka - postoje 3 različite opcije: osvežavanje podataka, ažuriranje podataka,

propagacija podataka3. Operativno spremište podataka - u njemu se integrišu podaci iz operativnih sistema, ono je

zbirka detaljnih, aktuelnih i integrisanih podataka spremnih za formiranje baze podataka DW4. Enterprise DW - spremište u kojem će se steći podaci u dimenzionalnom obliku, agregirani i

spremni za razvoj mnogih analitičkih aplikacija5. Poslovni Data Marts - martocentrične strukture, to je struktura podataka više agregiranih,

sumarizovanih i saobraženih posebnim potrebama korisnika, namenjenih za podršku odlučivanju6. OLAP server - stepen kompleksnosti zavisi od broja strukture korisnika i funkcionalnosti i

performansi ovog servera. Potrebno je personalne računare povezati u LAN a ove umrežiti na nivou korporacije WAN

7. OLAP klijent - koji podržava DSS aplikacija i omogućava njihovu brzu i jednostavnu realizaciju i izmene

Kada je reč o migraciji podataka postoje tri različite opcije koje se razlikuju prema tačnosti i složenosti procesa:

1. OSVEŽAVANJE PODATAKA – preuzimaju se kompletni podaci iz OTS i smeštaju u DW;2. AŽURIRANJE PODATAKA – samo oni podaci koji su se izmenili između dva perioda migriranja, su

predmet migracije;3. PROPAGACIJA PODATAKA – svaka izmena u OTS se automatski propagira u DW; može biti

sinhraona, koja je pogodna za on-line transakcije, i asinhrona, koja je sigurnija alternativna.

14

DSS aplikacije se s obzirom na namenu mogu podeliti na sledeće kategorije:1. Prezentacioni sistemi – prikazivanje jednostavnih informacija, usmereni na konkretnu aktivnost;2. Interrogativni sistemi – konstruisanje proizvoljnih upita i direktnih interakcija sa podacima;3. Simulacioni sistemi – analiza senzitivnosti I “šta ako” analize;4. Funkcionalni sistemi – podrška specifičnoj korporativnoj funkciji;5. Automatizovani sistemi – zanemaruje esperte u donošenju odluka.

DIMENZIONALNI MODEL PODATAKA- PRISTUP IZGRADNJI DIMENZIONALNIH MODELA PODATAKA I NAČIN KONSTRUKCIJE I KORIŠĆENJA DIMENZIONALNOG MODELA

Specifičan skup tehnika koji se koristi u postupku dizajniranja DW naziva se dimenzionalno modeliranje.Cilj dimenzionalnog modeliranja je da se baza podataka DW učini jednostavnom i lako razumljivom.Dimenzionalni model se naziva zvezdastom šemom jer dijagrami izgledaju kao zvezde sa jednom centralnom tabelom i skupom manjih tabela pridruženih u kružnom rasporedu.Način korišćenja: Korisnik odabira dimenzionalni model koji sadrži odgovor na njegov informacioni zahtev, definiše ograničenja nad obeležjima dimenzionalnih tabela, formira zaglavlje izveštaja i na kraju pokreće generisanje izveštaja. To su oni izveštaji koji zadovoljavaju unapred utvrđene informacione zahteve korisnika. Korisnik odabira odgovarajući izveštaj i pokreće njegovo procesiranje klikom na funkciju RUN.

16. POSLOVNA INTELIGENCIJA

ZNAČENJE IZRAZA DATA MINING

Označava automatizovani analitički proces oblikovan za efektivnu i efikasnu eksploraciju u velikim zbirkama podataka sa ciljem otkrivanja i crpljenja vrednih, skrivenih informacija koji se tiču novih, dotle neznanih, složajeva, činjenica, relacija.Data mining i otkrivanje znanja u velikim bazama podataka su poistovećeni i predstavljaju automatizovan proces koji proizvodi znanje bez uključivanja saznavaoca u taj proces.Data mining je proces odabiranja, eksploracije i modelovanja velikih količina podataka radi otkrivanja prethodno nepoznatih složajeva za unapređivanje poslovanja.

FUNKCIJE DATA MINING

Služi sledećim svrhama:1. Klasterizovanju - segmentiranju heterogenog skupa entiteta u homogene podgrupe, klastere2. Klasifikovanju - ispitivanju svojstava entiteta i njihovom razvrstavanju u klase 3. Ocenjivanju - predviđanju nepoznatih vrednosti kontinuiranih varijabli 4. Detekciji promena i odstupanja - otkrivanju najznačajnijih promena u podacima od prethodno

izmerenih ili normativnih vrednosti5. Otkrivanju asocijacija - nalaženju stavki u transakciji koje implikuju prisutnost drugih stavki u istoj

transakciji6. Opisivanju i vizualizovanju

Berry i Linoff klasifikuju funkcije data mining u dve skupine:

15

1. Usmerena analiza - klasifikacija, ocenjivanje, predviđanje (zasnovana na nadziranom učenju)2. Neusmerena analiza - klasterizacija, asocijaciona pravila, deskripcija, vizualizacija (zasnovana na

nenadziranom učenju)

3 osnovna stuba data mining su: tehnike data mining, podaci i modelovanje.

TEHNIKE I ALGORITMI DATA MINING

1. Neuronske mreže - uče na osnovu primera i velike količine kompleksnih podataka često istorijske prirode i potom prave učena nagađanja na osnovu toga šta su naučile. Osnovni pristupi učenju neuronske mreže su: učenje sa nadgledanjem, učenje bez nadgledanja i učenje sa potkrepljivanjem

2. Klasifikaciona stabla - upotrebljava se za klasifikovanje, predviđanje i opisivanje a koristi se sa učenjem sa nadgledanjem da bi odabrao kombinaciju eksplanatornih, odnosno prediktorskih varijabli sa ciljem najboljeg klasifikovanja koje se tiče kriterijumske varijable.

3. Nerazgovetna logika - viševrednosna logika koja nam omogućava određivanje prelaznih vrednosti između istinito/lažno, da/ne, uključeno/isključeno. Nerazgovetna logika omogućuje zaključivanje na osnovu nejasnih, nepreciznih informacija.

4. Grubi skupovi - koristi se za analizu podataka i rešavanje problema kao što su: redukcija podataka, otkrivanje zavisnosti među podacima, određivanje značajnosti podataka

5. Genetički algoritmi - tehnika upotrebljiva u rešavanju problema optimizovanja, naročito kada je prostor u kojem se traga za rešenjem problema veliki, kompleksan i pun nepoznatog. Ova tehnika je zasnovana na analogiji sa zamislima teorije biološke evolucije, teorije o prirodnoj selekciji i genetike.

6. Tehnika najbližeg suseda - tehnika prepoznavanja složajeva u velikim skupovima podataka, primenljiva u rešavanju raznovrsnih novih problema na osnovu pamćenja iskušenih prethodnih slučajeva-problemskih situacija i ponovnog korišćenja znanja o toj problemskoj situaciji.

16