Poslovna inteligencija

POSLOVNA INTELIGENCIJADa bismo znali što je Business Intelligence, ili Poslovna inteligencija, potrebno je prvo definisati pojam kako bi znali na koji način, u kojim slučajevima upotrebljavati termin i što mislimo kada kažemo Business Intelligence.Poslovna inteligencija kao disciplina osmišljena je sedamdesetih godina dvadesetog stoljeća, a jedna od definicija glasi:"Business Intelligence je korišćenje kolektivnog znanja organizacije sa ciljem postizanja konkurentske prednosti".

POSLOVNA INTELIGENCIJAPojam poslovne inteligencije objedinjava metodologije, tehnologije i platforme za skladištenje podataka (Data Warehousing), OLAP procesiranje podataka (On-line Analytical Processing) i rudarenje podataka (Data Mining) koje omogućavaju kompanijama kreiranje korisnih upravljačkih informacija iz podataka o poslovanju koji se nalaze disperzirani na različitim transakcijskim sistemima te dolaze iz različitih internih i eksternih izvora

POSLOVNA INTELIGENCIJA

Pojam "Business Intelligence" (BI) se u srpskom jeziziku prevodi kao "Poslovna inteligencija".Međutim u engleskom jeziku riječ "Intelligence" ima dva značenja:sposobnost učenja, razumevanja, logičkog razmišljanja, sposobnost da se te stvari rade dobrotajna informacija sakupljena o stranoj zemlji, osobito neprijateljskoj, osobe koje sakupljaju te informacije

Poslovna inteligencija je proces prikupljanja raspoloživih internih i relevantnih eksternihpodataka, te njihove konverzije u korisne informacije koje mogu pomoći poslovnim korisnicima pridonošenju odluka.


Poznat i pod nazivom competitive intelligence, Business intelligence (BI) je sistematičan i etičan način pribavljanja, prikupljanja, sortiranja i analiziranja javno dostupnih informacija o aktivnostima konkurencije na temelju kojih se mogu predviđati budući poslovni trendovi da bi se održala i učvrstila vlastita kompetentnost na tržištu


Business intelligence ima 3 značenja: To je proces prikupljanja podataka i informacija koji nakon odgovarajuće obradepostaju „znanje“. Usmeren je na informacije temeljem kojih se mogu antipicipirati budući procesi, događaji, akcije ili kretanja. To je instrument koji ima potpunu ulogu u procesu donošenja odluka.


BI sistem može se podeliti na četiri osnovne komponente:Infrastruktura – Skladište podataka, ETL alati, Operativno spremište podatakaFunkcionalnost – BI platforme, Data Mining, BI aplikacije (operativne, strateške, analitičke), ad-hoc izveštavanjeOrganizacija - Mjerenje performansi, informacijska/korporativna kultura, BImetodologije, BI centar (objedinjavanje znanja i veština)Poslovanje – Ključni pokazatelji uspešnosti, trendovi, transparentnost


BI se intenzivno počeo razvijati kada su preduzeća automatizovala svoje poslovne procese, odnosno implementirala različite transakcijske sisteme, koji su se vrlo brzo pokazali kao izvrsni generatori velikih količina podataka. Došlo je do tzv. eksplozije podataka - podaci su se sve više gomilali, nastajale su nove i nove baze, ali se do njih nije moglo brzo i jednostavno doći pa se nisu niti upotrebljavali.


Paralelno s tim, rasla je svest to tome da u takvim podacima leži veliki potencijal i pravo bogatstvo, ali da je potrebno nešto čime će se ti podaci objediniti, obraditi i staviti na raspolaganje menadžmentu.

I tako je nastao BI, kojeg bi, ovaj put s tehničke strane, najjednostavnije mogli opisati kao proces kojim se sirovi podaci pretvaraju u informacije

KOLIKO TRAJE UVOĐENJE BI SISTEMA?

Uvođenje BI sistema je projekt kojemu nema kraja. Kako konkurencija postaje agresivnija, okolina nestabilnija i budućnost neizvesnija, zahtevi pred sistemima analize i prognoze postajusloženiji. BI je u funkciji planiranja (budgeting), tj. kratkoročnih poslovnih odluka ali i u funkciji strategije.

KOLIKO BI SISTEM STOJI I GDJE SE KUPUJE?

Postavlja se pitanje cene ovakvih sistema i troškova informacija. U 21. stoljeću, stoljećuinformacija i znanja, cijena informacije jednaka je cijeni opstanka na tržištu. Uvođenje sistema za upravljanje poslovnim informacijama je isplativa investicija. Knjigovodstvo ne beleži oportunitetne troškove loših poslovnih odluka na osnovi nedostatnih informacija. Takve promašajebeleže berza i konkurencija. Ta dva “merna instrumenta” nepogrešivo znaju kazniti slabosti poslovanja.


BI sistem ne postoji kao gotov proizvod, postoje proizvođači koji nude tehnološkeplatforme i znanja za implementaciju. Nema rešenja s police. Razlog tome jest činjenica damodeli odlučivanja jesu slični, ali strategija, segmentacija tržišta i proizvoda, procesi i veze među njima su različite. Heterogeni su također izvori podataka koji “hrane” ove sisteme.


Ko koristi BI sistem? BI sistem je izvorno bio namenjen ''decision makerima'', odnosnoljudima koji donose poslovne odluke. U savremenim preduzećima odluke donose svi. Ne moraju svi odlučivati, ali mogu svi predlagati. To nije povratak u samoupravljanje, već pružanje prilike svima koji mogu dati doprinos očuvanju vitalnosti preduzeća. Informacije i znanje potrebni su svima.

KOME TREBA BI SISTEM?

Tipično preduzeće analizira samo 10% prikupljenih podataka. Business Intelligence je način kako iskoristiti preostalih 90%.BI je krovni naziv za skupinu metoda, alata i aplikacija koje omogućavaju prikupljanje,analizu, distribuciju i djelovanje na osnovi poslovnih informacija, s ciljem donošenja boljihn poslovnih odluka.

OSNOVNI RAZLOZI ZA UVOĐENJE BI SISTEMA

Okolina nije više statična. Ponuda proizvoda i usluga je ogromna, konkurencija jevelika. Istraživanja pokazuju da danas ponuda roba i usluga barem 30% nadmašujepotražnju. Tržišta su zasićena. Nove okolnosti traže nova rešenja, novi izazovi novenapore. Prošla su vremena kada je bilo dovoljno proizvesti robu ili uslugu.


Globalizacijom tržišta, razvojem distribucijskih kanala, “uplitanjem” Interneta u svaku poru privrede, stvari su se promenile. Sada su kupac i prodavač na udaljenosti jednog klika mišem. Danas su preduzeća pretrpana podacima, dok s druge strane, postoji nedostatak korisnih informacija. Da bi se smanjio raskorak između količine raspoloživih podataka i informacija, potrebno je definisati procese prikupljanja podataka i njihovu “preradu” u informacije. vreme reakcije na podražaje iz okoline treba skratiti!


Resursi su uvek ograničeni. vreme kao najvažniji čimbenik gotovo uvek je presudno. Stoga treba znati gdje postaviti polugu da bi se pomaknuo veliki kamen.Kako treba djelovati da bismo s najmanje napora riješili najveće probleme?Dekompozicija lanca vrednosti (nabavka, skladištenje, proizvodnja, prodaja, postprodajne aktivnosti) omogućava pravilnu upotrebu efekta poluge. Osim toga ona


Nalaženje novih kupaca je deset puta skuplje nego zadržavanje postojećih. Ako preduzeće uspe smanjiti odlazak kupaca konkurenciji za 5%, može udvostručiti svoju zaradu.Velika opasnost preduzeću prijeti od pritajenog nezadovoljstva kupaca. Samo 4%nezadovoljnih kupaca neposredno se žali na loš kvalitet proizvoda ili usluga. 90%kupaca koji nisu zadovoljni kvalitetom proizvoda, izbegavat će taj proizvod. Svaki od nezadovoljnih kupaca obavestit će drugih deset do dvadeset osoba!


Kupci odlaze jer su nezadovoljni, iako se nikada nisu žalili. Kupac koji kompanijunapusti, više se ne vraća.Kupci (uz zaposlene i njihovo znanje) predstavljaju najveću vrednost kojupreduzeće posjeduje. Kako ih zadržati? Stabilni odnosi s kupcima ključ su dugoročne uspešnosti preduzeća.


Osiguranje i održavanje likvidnosti operativni je upravljački problem. Rešenja ovogproblema neposredno utječu na upravljanje poslovnim rezultatom. Da bi se ovladalo ovimoperativnim problemima treba poznavati svoje kupce, dobavljače, procese i veze međun njima.Da bi celi ciklus operativnog kontrolinga (prikupljanje podataka, planiranje, analiza ikontrola te upravljanje) u preduzeću funkcionirao, treba imati informacionuinfrastrukturu.


BI omogućuje organizacijama sistemno promoviranje kulture razumijevanja ipoduzimanje akcija kroz: Donošenje odluka bazirano na činjenicama Kvalitetu informacija Smislenost oblika informacija Kvantitetu informacija Deljenje informacija

PRIMJENA POSLOVNE INTELIGENCIJE

Mnoge velike i srednje kompanije aktivno pristupaju pojmu poslovne inteligencije, razvijaju i implementiraju takve sisteme i koriste ih u svojem elektroničkom poslovanju. kompanije uspijevaju pretvarati informacije u poslovnu inteligenciju, poslovnu inteligenciju u organizacijsko znanje, a kolektivno organizaciono znanje u povećani profit.

PRIMENA POSLOVNE INTELIGENCIJE

PRIMENA POSLOVNE INTELIGENCIJEModel sistema poslovne inteligencije vezan je uz transakcijsku bazu podataka i spoljne podatke prikupljene iz različitih izvora. Posrednik između tržišta i transakcijske baze podataka te metoda koje generišu pravila jeste segment koji je zadužen za čišćenje i skladištenje podataka.Podaci potom ulaze u deo modela koji je zadužen za generisanje pravila, a u sebi ima integrirane spomenute metode koje mu to omogućuju (lista postupaka). Sledeći segment modela jest modul koji pravila prilagođuje formatu kojega iziskuje konkretni ekspertni sistem. Tako su ona nakon upisa u bazu znanja spremna za korišćenje.

DOBAVLJAČI SE UGRUBO DELE U DVE GRUPE:

Veliki dobavljači baza podataka - IBM, Oracle i Microsoft - čije baze služe kao temelj za izgradnju skladišta podataka. Tu platformu oni koriste kao osnovicu. Klijentima takođe nude i front-end alate za krajnjeg korisnika kao i implementaciju i poslovne modele.«Izvorni» BI dobavljači, od kojih treba izdvojiti četiri velika koji imaju značajnu prisutnost na srpskomt ržištu – SAS, Cognos, Business Objects i Micro Strategy.Njihov glavni fokus su front-end alati za krajnje korisnike koji se mogu vezati na bilo koju od platformi za bazu podataka.

DOBAVLJAČI SE UGRUBO DIJELE U DVE GRUPE:

Na temelju podataka koje je objavio Nigel Pendse mogu se vidjeti razvoj BI tržišta kroz poslednjih 10 godina i prognoze njegovog rasta.GODINA vrednost u mlrd.$1994. 0,5 2004 4.31995. 0,7 1996. 0,95 2005 4.81997. 1,45 2006 5.51998. 2,05 2007 5.91999. 2,52000. 32001. 3,32002. 3,52003. 3,7

DATA MITING

Za bolje razumevanje istraživanja i samog područja rudarenja podataka prvo je potrebno objasniti njegovo značenje. „Rudarenje podataka (eng. data mining) možemo definisati kao pronalaženje zakonitosti u podacima.“Rudarenje podataka je prirodna evolucija tehnologije, a koja upotrebljava koncepte, metode i tehnike različitih disciplina kao što su baze podataka, statistika i veštačka inteligencija

DATA MITING

Tehnologija baza podataka se razvila iz primitivnih u sofisticirane i moćne sisteme baza podataka kakve danas poznajemo. Taj razvoj omogućio je beleženje i sakupljanje ogromnih količina podataka što je neizbežno dovelo i do potrebe obrade i analize tih podataka, a sve u svrhu dobivanja korisnih informacija i znanja. Same tehnike rudarenja podataka rezultat su dugog procesaistraživanja i razvoja statističkih algoritama.

DATA MITINGOva evolucija je započela još kad su poslovni podaci prvi puta uskladišteni u kompjutere, a nastavlja se kontinuirano s unapređenjem pristupa podacima i u zadnje vreme, generisanjem tehnologija koje omogućuju korisnicima navigaciju kroz podatke u realnom vremenu. Proces rudarenja podataka danas je moguće provoditi iz razloga što je potpomognut s tri tehnologije kojesu sada dovoljno sazrele:moćnom multiprocesorskom kompjutorskom tehnologijom,tehnologijom za masivno prikupljanje podataka ialgoritamskim tehnikama za rudarenje podataka.

PRIKAZ ČETIRI REVOLUCIONARNA KORAKA

OSNOVNI TIPOVI DATA MININGADva osnovna tipa rudarenja podataka:

verifikacija hipoteze – cilj je proveriti da li je neka ideja ili utisak o važnosti odnosa među određenim podacima utemeljen ili ne;otkrivanje novih znanja – među nekim pojavama mogu postojati neki još nepoznati, a statistički važni odnosi koje čovek ni iskustvom niti svojim intelektualnim sposobnostima ne može spoznati

OSNOVNE TEHNOLOGIJE ZA DATA MINING

Osnovne tehnike za rudarenje podataka su:statističke metode,genetički algoritmi,neuralne mreže,stabla odlučivanja,veštačka inteligencija,asocijacijska pravila, itd.

OSNOVNE TEHNOLOGIJE ZA DATA MINING

Rudarenjem je moguće utvrditi sledeće vrste informacija:klase, postupkom klasificiranja prema unapred definisanim klasama,klastere odnosno kategorije, postupkom klasificiranja bez unapred zadanih klasa,asocijacije, koje su uslovljene događajima (npr. kupci koji kupuju proizvod A u 65% slučajeva kupuju i proizvod B),sekvence, koje ustanovljuju događaje koji u određenoj vjerojatnosti slijede jedan za drugim,prognoze, kojima se prognozira budućnost iz postojećih podataka.

METODE DATA MININGA

Dva osnovna cilja DM projekata se mogu svrstati u dvije kategorije:PredviđanjeDeskripcijaPredviđanjem se pokušava iz postojećih podataka prognozirati buduće vrednosti varijabli(npr. prodaje), dok se deskripcijom nastoje pronaći uzorci u podacima čijim se interpretiranjem može objasniti ponašanje čitavog sistema. Jedna od faza u celom procesu otkrivanja znanja je i mapiranje konkretnih ciljeva analize s Data Mining metodama

METODE DATA MININGA

Data Mining metode:klasifikacija,klastering iasocijacijaKlasifikacija se bavi svrstavanjem objekata u neku od predefiniranih kategorija.Primer klasifikacije je razvrstavanje tražioca kredita u nisko, srednje ili visoko rizičnu grupu.Ono što će se desiti ispod haube je da će Data Mining algoritam proći kroz bazu bivših korisnika kredita te utvrditi koje to karakteristike imaju recimo, korisnici koji nisu uredno vraćali kredit

METODE DATA MININGAKlasteriranje se također bavi svrstavanjem objekata u kategorije, samo ovdje te kategorije nisu unaprijed definisane, što problem čini većim.Primer primene te metode je razvrstavanje kupaca u kategorije prema kojima se onda mogudefinisati različite marketinške strategije. Kupci su različiti, različitih ukusa, uvjerenja, stila kupovine i, što je najvažnije, različite profitabilnosti. Zato kupce treba i različito tretirati

METODE DATA MININGAAsocijacija se bavi pitanjem koje se stvari dešavaju istovremeno.Tako je npr. u Data Mining-u poznata metoda potrošačke korpe gde se gleda koji se proizvodičesto kupuju zajedno. Analizom podataka možete otkriti da se često uz penu za brijanje kupuju inožići što je očigledno. Međutim, mogu se otkriti i neke skrivene veze poput primera piva i pelena. Naime, pre otprilike 10 godina, Teradata (jedan od DM pionira) je vršeći analize podataka jednog svog klijenta utvrdila da se u večernjim satima često zajedno kupuju pivo i pelene.Objašnjenje ovog uzorka ostavljamo Vama na razmišljanje

PRIMENE DATA MINING-AU nauci je recimo popularna primena Data Mining-a u astronomiji gdje se vrši automatska klasifikacija nebeskih objekata. Trenutno je vrlo popularna primjena Data Mining metoda u bioinformatici, genetičkom inženjeringu i farmaceutici.Glavno područje primene Data Mining-a je ipak biznis. Marketing je područje gde se Data Mining verovatno najviše koristi, kako bi se identifikovale pojedine grupe kupaca i predvidelo njihovo ponašanje.Na primer, budući da je izračunato da je prosečno 6 puta teže dobiti novog kupca nego zadržati postojećeg, korisno je znati zašto kupci odlaze. Međutim, također je izračunato da se u proseku samo 4% kupaca žali. Data Mining može pružiti odgovor na pitanje zašto preostalih 96%kupaca odlazi.

PRIMENE DATA MINING-ANa primer, budući da je izračunato da je prosečno 6 puta teže dobiti novog kupca nego zadržati postojećeg, korisno je znati zašto kupci odlaze. Međutim, takođe je izračunato da se u prosjeku samo 4% kupaca žali. Data Mining može pružiti odgovor na pitanje zašto preostalih 96% kupaca odlazi.

PRIMENE DATA MINING-AUvođenje BI sistema u preduzeće može pomoći u barem četiri područja:Bolje razumijevanje poslovanja – šta pokreće poslovanje, koji trendovi, ponašanja i anomalije su prisutne u poslovanju;Merenje koristi od uvođenja sistema – kada znamo gdje i šta meriti, imamo i jasne koristi ovakvog sistema;Poboljšanje veza sa svim zainteresiranim stranama u stvaranju lanca vrednosti –osiguravanjem korisnih informacija o poslovanju u preduzeću i kupcima, dobavljačima, zaposlenima, deoničarima i ostaloj javnosti stvara se poverenje i osećaj informiranostiOmogućavanje prilika za povećanjem vrednosti – informacije u današnjem dobu predstavljaju resurs odnosno vrednost kako za samo preduzeće tako i za ostale učesnike na tržištu koji su spremni platiti/kupiti određene informacije

Documents

Poslovna inteligencija