Seminar Ski Rad Poslovna Inteligencija

PANEVROPSKI UNIVERZITET APEIRON FAKULTET POSLOVNE INFORMATIKE Redovne studije IT

Predmet POSLOVNA INTELIGENCIJA

Seminarski rad

Predmetni nastavnik Prof. dr Branko Latinovi

Student

Banja Luka, februar 2010 god.

POSLOVNA INTELIGENCIJA

SADRAJI. UVOD ............................................................................................................................... 3 1.1. Predmet i cilj rada .......................................................................................................... 3 1.2. Izvori podataka i metoda prikupljanja ........................................................................... 3 1.3. Sadraj i struktura rada .................................................................................................. 3 II. POSLOVNA INTELIGENCIJA ..................................................................................... 4 2.1. Pojam poslovne inteligencije ......................................................................................... 4 2.2. Komponente sustava ...................................................................................................... 5 2.3. Koliko traje uvoenje Business Intelligence sustava ..................................................... 6 2.4. Koliko Business Intelligence stoji i gdje se kupuje?...................................................... 6 2.5. Kome treba Business Intelligence sustav? ..................................................................... 7 2.6. Osnovni razlozi za uvoenje Business Intelligence sustava .......................................... 8 2.7. Primjena poslovne inteligencije ..................................................................................... 9 2.8. Poslovna inteligencija u Hrvatskoj ................................................................................ 10 III. DATA MINING - rudarenje podataka ............................................................................ 12 3.1. Osnovni tipovi Data Mininga ......................................................................................... 13 3.2. Osnovne tehnologije za Data Mininga ........................................................................... 14 3.3. Metode Data Mininga .................................................................................................... 15 3.4. Primjene Data Mininga .................................................................................................. 18 3.5. Data Mining u Hrvatskoj................................................................................................ 19 IV. ZAKLJUAK ................................................................................................................. 20 V. LITERATURA ................................................................................................................. 21

2


I. UVODI.1. Predmet i cilj rada Da bismo znali to je Business Intelligence, ili Poslovna inteligencija, potrebno je prvo definirati pojam kako bi znali na koji nain, u kojim sluajevima upotrebljavati termin i to mislimo kada kaemo Business Intelligence. Poslovna inteligencija kao disciplina osmiljena je sedamdesetih godina dvadesetog stoljea, a jedna od definicija glasi: "Business Intelligence je koritenje kolektivnog znanja organizacije sa ciljem postizanja konkurentske prednosti". Pojam poslovne inteligencije objedinjava metodologije, tehnologije i platforme za skladitenje podataka (Data Warehousing), OLAP procesiranje podataka (On-line Analytical Processing) i rudarenje podataka (Data Mining) koje omoguavaju tvrtkama kreiranje korisnih upravljakih informacija iz podataka o poslovanju koji se nalaze disperzirani na razliitim transakcijskim sustavima te dolaze iz razliitih internih i eksternih izvora. 1.2. Izvori podataka i metoda prikupljanja Koriteni su razni izvori, odnosno literatura kako bi se to bolje napisalo i objasnilo to je Poslovna inteligencija, kao i Data Mining, dio vezan za to podruje. 1.3. Sadraj i struktura rada Na poetku bi pola od samog temelja, a to je definicija poslovne inteligencije, komponentama sustava, trajanje uvoenja BI sustava, koliko BI stoji i gdje se kupuje, kome treba BI sustav, osnovni razlozi za uvoenje BI sustava, primjena poslovne inteligencije, poslovna inteligencija u Hrvatskoj, DATA MINING, osnovni tipovi Data Mininga, osnovne tehnologije za Data Mininga, metode Data Mininga, primjene Data Mininga, Data Mininga u Hrvatskoj. Slikama koje sam koristila, elim to bolje objasniti ono to se teorijom htjelo rei, jer SLIKA GOVORI VIE OD 1000 RIJEI.

3


II. POSLOVNA INTELIGENCIJAPojam poslovne inteligencije Pojam "Business Intelligence" (BI) poeo se u hrvatskoj prevoditi kao "Poslovna inteligencija". Meutim u engleskom jeziku rije "Intelligence" ima dva znaenja: sposobnost uenja, razumijevanja, logikog razmiljanja, sposobnost da se te stvari rade dobro tajna informacija sakupljena o stranoj zemlji, osobito neprijateljskoj, osobe koje sakupljaju te informacije Poslovna inteligencija je proces prikupljanja raspoloivih internih i relevantnih eksternih podataka, te njihove konverzije u korisne informacije koje mogu pomoi poslovnim korisnicima pri donoenju odluka. Poznat i pod nazivom competitive intelligence, Business intelligence (BI) je sistematian i etian nain pribavljanja, prikupljanja, sortiranja i analiziranja javno dostupnih informacija o aktivnostima konkurencije na temelju kojih se mogu predviati budui poslovni trendovi da bi se odrala i uvrstila vlastita kompetentnost na tritu.

Business intelligence ima 3 znaajke: To je proces prikupljanja podataka i informacija koji nakon odgovarajue obrade postaju znanje. Usmjeren je na informacije temeljem kojih se mogu antipicipirati budui procesi, dogaaji, akcije ili kretanja. To je instrument koji ima potpunu ulogu u procesu donoenja odluka. U pojmu "Business Intelligence" rije "Intelligence" ima drugo znaenje. U nastavku u koristiti kraticu BI.

4

POSLOVNA INTELIGENCIJA Komponente sustava BI sustav moe se podijeliti na etiri osnovne komponente: Infrastruktura Skladite podataka, ETL alati, Operativno spremite podataka Funkcionalnost BI platforme, Data Mining, BI aplikacije (operativne, strateke, analitike), ad-hoc izvjetavanje Organizacija - Mjerenje performansi, informacijska/korporativna kultura, BI metodologije, BI centar (objedinjavanje znanja i vjetina) Poslovanje Kljuni pokazatelji uspjenosti, trendovi, transparentnost BI se intenzivno poeo razvijati kada su poduzea automatizirala svoje poslovne procese, odnosno implementirala razliite transakcijske sustave, koji su se vrlo brzo pokazali kao izvrsni generatori velikih koliina podataka. Dolo je do tzv. eksplozije podataka - podaci su se sve vie gomilali, nastajale su nove i nove baze, ali se do njih nije moglo brzo i jednostavno doi pa se nisu niti upotrebljavali. Paralelno s tim, rasla je svijest to tome da u takvim podacima lei veliki potencijal i pravo bogatstvo, ali da je potrebno neto ime e se ti podaci objediniti, obraditi i staviti na raspolaganje menadmentu. I tako je nastao BI, kojeg bi, ovaj put s tehnike strane, najjednostavnije mogli opisati kao proces kojim se sirovi podaci pretvaraju u informacije. Te informacije se zatim analiziraju i koriste u procesu odluivanja.

Opisi nekih kljunih rijei koje emo koristiti u daljnjem tekstu

5


Koliko traje uvoenje BI sustava Uvoenje BI sustava je projekt kojemu nema kraja. Kako konkurencija postaje agresivnija, okolina nestabilnija i budunost neizvjesnija, zahtjevi pred sustavima analize i prognoze postaju sloeniji. BI je u funkciji planiranja (budgeting), tj. kratkoronih poslovnih odluka ali i u funkciji strategije. Koliko BI sustav stoji i gdje se kupuje? Postavlja se pitanje cijene ovakvih sustava i trokova informacija. U 21. stoljeu, stoljeu informacija i znanja, cijena informacije jednaka je cijeni opstanka na tritu. Uvoenje sustava za upravljanje poslovnim informacijama je isplativa investicija. Knjigovodstvo ne biljei oportunitetne trokove loih poslovnih odluka na osnovi nedostatnih informacija. Takve promaaje biljee burza i konkurencija. Ta dva mjerna instrumenta nepogreivo znaju kazniti slabosti poslovanja. BI sustav ne postoji kao gotov proizvod, postoje proizvoai koji nude tehnoloke platforme i znanja za implementaciju. Nema rjeenja s police. Razlog tome jest injenica da modeli odluivanja jesu slini, ali strategija, segmentacija trita i proizvoda, procesi i veze meu njima su razliite. Heterogeni su takoer izvori podataka koji hrane ove sustave. 6

POSLOVNA INTELIGENCIJA Tko koristi BI sustav? BI sustav je izvorno bio namijenjen decision makerima, odnosno ljudima koji donose poslovne odluke. U suvremenim poduzeima odluke donose svi. Ne moraju svi odluivati, ali mogu svi predlagati. To nije povratak u samoupravljanje, ve pruanje prilike svima koji mogu dati doprinos ouvanju vitalnosti poduzea. Informacije i znanje potrebni su svima. Kome treba BI sustav? Tipino poduzee analizira samo 10% prikupljenih podataka. Business Intelligence je nain kako iskoristiti preostalih 90%. BI je krovni naziv za skupinu metoda, alata i aplikacija koje omoguavaju prikupljanje, analizu, distribuciju i djelovanje na osnovi poslovnih informacija, s ciljem donoenja boljih poslovnih odluka. Osnovni razlozi za uvoenje BI sustava Okolina nije vie statina. Ponuda proizvoda i usluga je ogromna, konkurencija je velika. Istraivanja pokazuju da danas ponuda roba i usluga barem 30% nadmauje potranju. Trita su zasiena. Nove okolnosti trae nova rjeenja, novi izazovi nove napore. Prola su vremena kada je bilo dovoljno proizvesti robu ili uslugu. Globalizacijom trita, razvojem distribucijskih kanala, uplitanjem Interneta u svaku poru gospodarstva, stvari su se promijenile. Sada su kupac i prodava na udaljenosti jednog klika miem. Danas su poduzea pretrpana podacima, dok s druge strane, postoji nedostatak korisnih informacija. Da bi se smanjio raskorak izmeu koliine raspoloivih podataka i informacija, potrebno je definirati procese prikupljanja podataka i njihovu preradu u informacije. Vrijeme reakcije na podraaje iz okoline treba skratiti! Resursi su uvijek ogranieni. Vrijeme kao najvaniji imbenik gotovo uvijek je presudno. Stoga treba znati gdje postaviti polugu da bi se pomaknuo veliki kamen. Kako treba djelovati da bismo s najmanje napora rijeili najvee probleme? Dekompozicija lanca vrijednosti (nabava, skladitenje, proizvodnja, prodaja, postprodajne aktivnosti) omoguava pravilnu upotrebu efekta poluge. Osim toga ona nam omoguava pronalaenje fundamentalnih rjeenja za postojee probleme, a ne ublaavanje simptoma. Obino je efekt poluge najvei u prodaji. Nalaenje novih kupaca je deset puta skuplje nego zadravanje postojeih. Ako poduzee uspije smanjiti odlazak kupaca konkurenciji za 5%, moe udvostruiti svoju zaradu. Velika opasnost poduzeu prijeti od pritajenog nezadovoljstva kupaca. Samo 4% nezadovoljnih kupaca izravno se ali na lou kvalitetu proizvoda ili usluga. 90% kupaca koji nisu zadovoljni kvalitetom proizvoda, izbjegavat e taj proizvod. Svaki od nezadovoljnih kupaca obavijestit e drugih deset do dvadeset osoba!

7

POSLOVNA INTELIGENCIJA Kupci odlaze jer su nezadovoljni, iako se nikada nisu alili. Kupac koji kompaniju napusti, vie se ne vraa. Kupci (uz zaposlenike i njihovo znanje) predstavljaju najveu vrijednost koju poduzee posjeduje. Kako ih zadrati? Stabilni odnosi s kupcima klju su dugorone uspjenosti poduzea. Osiguranje i odravanje likvidnosti operativni je upravljaki problem. Rjeenja ovog problema izravno utjeu na upravljanje poslovnim rezultatom. Da bi se ovladalo ovim operativnim problemima treba poznavati svoje kupce, dobavljae, procese i veze meu njima. Da bi cijeli ciklus operativnog kontrolinga (prikupljanje podataka, planiranje, analiza i kontrola te upravljanje) u poduzeu funkcionirao, treba imati informacijsku infrastrukturu.

8

POSLOVNA INTELIGENCIJA BI omoguuje organizacijama sustavno promoviranje kulture razumijevanja i poduzimanje akcija kroz: Donoenje odluka bazirano na injenicama Kvalitetu informacija Smislenost oblika informacija Kvantitetu informacija Dijeljenje informacija Primjena poslovne inteligencije Mnoge velike i srednje tvrtke aktivno pristupaju pojmu poslovne inteligencije, razvijaju i implementiraju takve sustave i koriste ih u svojem elektronikom poslovanju. Tvrtke uspijevaju pretvarati informacije u poslovnu inteligenciju, poslovnu inteligenciju u organizacijsko znanje, a kolektivno organizacijsko znanje u poveani profit. Svakodnevno smo svjedoci raznih primjena koncepata poslovne inteligencije u raznim podrujima djelatnosti. Obzirom je ovaj rad orijentiran i na rudarenje podataka, ukratko e biti izloen odnos sustava poslovne inteligencije i rudarenja podataka.

9

POSLOVNA INTELIGENCIJA Model sustava poslovne inteligencije vezan je uz transakcijsku bazu podataka i vanjske podatke prikupljene iz razliitih izvora. Posrednik izmeu trita i transakcijske baze podataka te metoda koje generiraju pravila jest segment koji je zaduen za ienje i skladitenje podataka. Podaci potom ulaze u dio modela koji je zaduen za generiranje pravila, a u sebi ima integrirane spomenute metode koje mu to omoguuju (lista postupaka). Sljedei segment modela jest modul koji pravila prilagouje formatu kojega iziskuje konkretni ekspertni sustav. Tako su ona nakon upisa u bazu znanja spremna za koritenje. Poslovna inteligencija u Hrvatskoj Hrvatsko trite ponuaa BI platformi je u zadnjih dvije do tri godine postalo vrlo bogato ponudom, odnosno mnogobrojnim ponuaima hardwarea, softwarea i usluga, tako da potencijalni klijenti imaju zaista irok izbor. Ponekad je preirok izbor ponude moda najvea prepreka kvalitetnom izboru rjeenja. Hrvatske tvrtke zaista se ne mogu poaliti da nemaju mogunost izbora, budui da se na rijetke javne natjeaje za implementaciju BI sustava javlja i po desetak dobavljaa. Specifinost hrvatskog trita je vrlo velika koncentriranost klijenata na OLAP tehnologije i izvjetavanje, te na analizu podataka prikupljenih raznim CRM sustavima (ponajvie putem call-centara), dok za aplikacijama za rudarenje podataka ne postoji velika potranja na tritu. Razlog tome je injenica da je razmiljanje o skrivenim vezama meu podacima tek slijedei korak. Velike hrvatske tvrtke jo uvijek uglavnom muku mue s pouzdanim dnevnim i mjesenim praenjem poslovnih aktivnosti i rezultata. Dobavljai se ugrubo dijele u dvije grupe: veliki dobavljai baza podataka - IBM, Oracle i Microsoft - ije baze slue kao temelj za izgradnju skladita podataka. Tu platformu oni koriste kao osnovicu. Klijentima takoer nude i front-end alate za krajnjeg korisnika kao i implementaciju i poslovne modele. izvorni BI dobavljai, od kojih treba izdvojiti etiri velika koji imaju znaajnu prisutnost na hrvatskom tritu 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. Oni su, izuzev SAS-a koji je prisutan s lokalnim uredom, u Hrvatskoj prisutni preko ovlatenih distributera.

10

POSLOVNA INTELIGENCIJA Na temelju podataka koje je objavio Nigel Pendse mogu se vidjeti razvoj BI trita kroz posljednjih 10 godina i prognoze njegova rasta.

11

POSLOVNA INTELIGENCIJA III. DATA MINING Za bolje razumijevanje istraivanja i samog podruja rudarenja podataka prvo je potrebno objasniti njegovo znaenje. Rudarenje podataka (eng. data mining) moemo definirati kao pronalaenje zakonitosti u podacima.5 Rudarenje podataka je prirodna evolucija tehnologije, a koja upotrebljava koncepte, metode i tehnike razliitih disciplina kao to su baze podataka, statistika i umjetna inteligencija. Tehnologija baza podataka se razvila iz primitivnih u sofisticirane i mone sustave baza podataka kakve danas poznajemo. Taj razvoj omoguio je biljeenje i sakupljanje ogromnih koliina podataka to je neizbjeno 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 procesa istraivanja i razvoja statistikih algoritama. Ova evolucija je zapoela jo kad su poslovni podaci prvi puta uskladiteni u kompjutore, a nastavlja se kontinuirano s unapreenjem pristupa podacima i u zadnje vrijeme, generiranjem tehnologija koje omoguuju korisnicima navigaciju kroz podatke u realnom vremenu. Proces rudarenja podataka danas je mogue provoditi iz razloga to je potpomognut s tri tehnologije koje su sada dovoljno sazrele: monom multiprocesorskom kompjutorskom tehnologijom, tehnologijom za masivno prikupljanje podataka i algoritamskim tehnikama za rudarenje podataka. U evoluciji od poslovnih podataka do poslovnih informacija i znanja, svaki novi korak graen je na prethodnom. Primjerice, dinamini pristup podacima je kritina toka za svrdlanje (eng. drill-through) u aplikacijama za navigaciju podacima, a osposobljenost za skladitenje ogromnih baza podataka je kritina za proces rudarenja podataka.

12


Tablica 2.: Prikaz etiri revolucionarna koraka koja su pruila mogunost brzih i preciznih odgovora kakve danas zahtijeva suvremeno poslovanje Izvor: Panian, ., Klepac, G.: Poslovna inteligencija, MASMEDIA, Zagreb, 2003., str. 78

Osnovni tipovi Data Mininga Dva osnovna tipa rudarenja podataka: verifikacija hipoteze cilj je provjeriti da li je neka ideja ili dojam o vanosti odnosa meu odreenim podacima utemeljen ili ne; otkrivanje novih znanja meu nekim pojavama mogu postojati neki jo nepoznati, a statistiki vani odnosi koje ovjek ni iskustvom niti svojim intelektualnim sposobnostima ne moe spoznati Rudarenje podataka je izrazito multidisciplinarno podruje i obuhvaa: baze podataka, ekspertne sustave, teoriju informacija, statistiku, matematiku, logiku, te itav niz pridruenih podruja. Podruja u kojima se rudarenje podataka moe uspjeno primjenjivati su raznolika, primjerice, poslovanje poduzea, ekonomija, mehanika, medicina, genetika itd. Rudarenje podataka primjenjivo je u svim onim podrujima gdje se raspolae velikom masom podataka na osnovu kojih se ele otkriti odreene pravilnosti, veze i zakonitosti. itav niz faktora moe utjecati na ishod nekog dogaaja, a zadatak je rudarenja podataka otkriti najznaajnije meu njima i njihove karakteristike s obzirom na ciljana stanja. Bez obzira na podruje primjene dobro iskoritene metode rudarenja podataka sposobne su otkriti zakonitosti iz velike mase podataka pri emu podruje primjene ostaje u drugom planu to zapravo jest snaga primjene metoda rudarenja podataka naglasak je na podacima, a ne na podruju provoenja analiza. 13

POSLOVNA INTELIGENCIJA Osnovne tehnologije za Data Mining Osnovne tehnike za rudarenje podataka su: statistike metode, genetiki algoritmi, neuralne mree, stabla odluivanja, umjetna inteligencija, asocijacijska pravila, itd.

Analitika statistika je jezgra tih novih procesa za otkrivanje znanja. Iz statistike perspektive, rudarenje podataka se moe opisati kao raunalski automatizirana istraivaka analiza podataka iz (obino) velikih i sloenih baza podataka s razliitih platformi, lokacija, operacijskih sistema i softvera. Rudarenje podataka je iznimno znaajno kod sustava s velikom koliinom podataka, u kojima je mogue pronai injenice za koje se nije ni znalo da postoje. Rudarenjem je mogue utvrditi sljedee vrste informacija: klase, postupkom klasificiranja prema unaprijed definiranim klasama, klastere odnosno kategorije, postupkom klasificiranja bez unaprijed zadanih klasa, asocijacije, koje su uvjetovane dogaajima (npr. kupci koji kupuju proizvod A u 65% sluajeva kupuju i proizvod B), sekvence, koje ustanovljuju dogaaje koji u odreenoj vjerojatnosti slijede jedan za drugim, prognoze, kojima se prognozira budunost iz postojeih podataka

14

POSLOVNA INTELIGENCIJA Metode Data Mininga Dva osnovna cilja DM projekata se mogu svrstati u dvije kategorije: Predvianje Deskripcija Predvianjem se pokuava iz postojeih podataka prognozirati budue vrijednosti varijabli (npr. prodaje), dok se deskripcijom nastoje pronai uzorci u podacima ijim se interpretiranjem moe objasniti ponaanje itavog sustava. Jedna od faza u cijelom procesu otkrivanja znanja je i mapiranje konkretnih ciljeva analize s Data Mining metodama. Ipak mogu se definirati 3 osnovne Data Mining metode: klasifikacija, klastering i asocijacija Klasifikacija se bavi svrstavanjem objekata u neku od predefiniranih kategorija. Primjer klasifikacije je razvrstavanje traitelja kredita u nisko, srednje ili visoko rizinu skupinu. Ono to e se desiti ispod haube je da e Data Mining algoritam proi kroz bazu bivih korisnika kredita te utvrditi koje to karakteristike imaju recimo, korisnici koji nisu uredno vraali kredit. Pomou tih karakteristika banka moe traitelja kredita svrstati u neku od kategorija, te traiti vee ili manje osiguranje povrata sredstava. Klasteriranje se takoer bavi svrstavanjem objekata u kategorije, samo ovdje te kategorije nisu unaprijed definirane, to problem ini veim. Primjer primjene te metode je razvrstavanje kupaca u kategorije prema kojima se onda mogu definirati razliite marketinke strategije. Kupci su razliiti, razliitih ukusa, uvjerenja, stila kupovine i, to je najvanije, razliite profitabilnosti. Zato kupce treba i razliito tretirati! Asocijacija se bavi pitanjem koje se stvari deavaju istovremeno. Tako je npr. u Data Mining-u poznata metoda potroake koarice gdje se gleda koji se proizvodi esto kupuju zajedno. Analizom podataka moete otkriti da se esto uz pjenu za brijanje kupuju i britvice to je oigledno. Meutim, mogu se otkriti i neke skrivene veze poput primjera piva i pelena. .aime, prije otprilike 10 godina, Teradata (jedan od DM pionira) je vrei analize podataka jednog svog klijenta utvrdila da se u veernjim satima esto zajedno kupuju pivo i pelene. Objanjenje ovog uzorka ostavljamo Vama na razmiljanje.

15

POSLOVNA INTELIGENCIJA Proces rudarenja podataka sastoji se od vie faza koje jedna osoba samostalno ne moe izvriti. Te faze moemo promatrati iz tri perspektive: problemska perspektiva koja je vana na samom poetku i kraju rudarenja podataka. Sastoji se od odabira problema, njegova definiranja te procjene i primjene znanja. Osoba koja obavlja ove zadatke moe se jednostavno nazvati korisnik. podatkovna perspektiva koja obuhvaa sve zadatke vezane uz pripremu podataka za njihovo rudarenje, a obavlja je informatiar. metodoloka perspektiva se sastoji od svih zadataka vezanih uz analizu podataka, metode selekcije, implementacije, prezentacije i interpretacije rezultata. Osoba zaduena za te zadatke je strunjak rudarenja podataka (eng. data miner).

Podjednaki broj poduzea eli zaposliti osobe sa diplomom (40%) i magisterijem (40%). Prilino veliki broj poslodavaca trai i doktorat (20%). Vezano uz godine radnog iskustva, rezultati pokazuju da su jednako traeni oni sa manje od 5 godina iskustva i oni sa 5 do 10 godina iskustva. Samo u 3% sluajeva zahtjeva se vie od 10 godina iskustva.

16


Grafikon 2.: Zastupljenost potrebne strune spreme10 Izvor: Panian, ., Klepac, G.: Poslovna inteligencija, MASMEDIA, Zagreb, 2003., str. 77

Zadaci unutar procesa rudarenja podataka koji se oekuju od zaposlenika su najee prezentiranje rezultata (29%), izgradnja novih modela (15%) i priprema podataka (13%). Znanje klasifikacijske metode rudarenja podataka je najtraenije (18%). Metode predvianja i statistike tehnike su jednako zastupljene sa po 8%. Znanje softvera koje je potrebno imati najvie odlazi na SQL (44%) i SAS (42%). Zanimljivo je spomenuti da specifini softver za rudarenje podataka (primjerice Clementine) se vrlo rijetko spominje. Dodatne vjetine koje se zahtijevaju su analitike vjetine (42%), konzalting (19%), projektni menadment (16%), profiliranje korisnika (15%) i iskustvo u podruju (15%).

Grafikon 3.: Statistika radnih zadataka11

17


Primjene Data Mining-a U znanosti je recimo popularna primjena Data Mining-a u astronomiji gdje se vri automatska klasifikacija nebeskih objekata. Trenutno je vrlo popularna primjena Data Mining metoda u bioinformatici, genetikom inenjeringu i farmaceutici. U posljednje vrijeme (posebno poslije 11.9.2001.) sve se vie i dravne agencije zanimaju za Data Mining. Data Mining se moe zlonamjerno iskoristiti, prije svega naruavajui privatnost. Postoje strahovi da bi osiguravajue tvrtke mogle koristiti Data Mining tehnike kako bi odreenim grupama korisnika uskratile pravo na zdravstveno osiguranje. Glavno podruje primjene Data Mining-a je ipak biznis. Marketing je podruje gdje se Data Mining vjerojatno najvie koristi, kako bi se identificirale pojedine grupe kupaca i predvidjelo njihovo ponaanje. Primjerice, budui da je izraunato da je prosjeno 6 puta tee dobiti novog kupca nego zadrati postojeeg, korisno je znati zato kupci odlaze. Meutim, takoer je izraunato da se u prosjeku samo 4% kupaca ali. Data Mining moe pruiti odgovor na pitanje zato preostalih 96% kupaca odlazi.

18

POSLOVNA INTELIGENCIJA Jo jedna esta primjena je otkrivanje prijevara koju koriste porezne slube i dravne agencije za spreavanje organiziranog kriminala. Specijalizirana sluba amerikog ministarstva financija koristi takav jedan sustav za otkrivanje pranja novca jo od 1993. godine. Otkrivanje prijevara pomou Data Mining-a se esto koristi i u telekomunikacijskoj industriji, te tvrtkama koje izdaju kreditne kartice. Jedna od nekonvencionalnih primjena Data Mining-a su sustavi NBA klubova New York Knicksa i Miami Heata koji analiziraju uzorke u igri protivnikih momadi. Data Mining u Hrvatskoj Hrvatska i nije ba svjetski lider na podruju Data Mining-a. I u svijetu su Data Mining projekti jo relativno rijetki, kao i kod BI. Najvea zapreka iroj upotrebi Data Mining-a je to to u dobrom dijelu sluajeva kod nas ne prevladava ekonomski kriterij. Osim toga, preduvjet za takve projekte je konkurencija. Data Mining projekti su skupi, kompleksni, dugotrajni i postoji velik rizik da uope nee zavriti uspjeno. Bez prisile konkurencije, nitko se nee uputati u takav rizik. Jedina dva sektora u nas u kojima vlada prava konkurencija, trgovina i bankarstvo, ujedno su i dva sektora iz kojih dolazi najvei broj BI projekata. Veina velikih trgovakih i financijskih kua u nas su ve prije nekoliko godina poele s prvim Business Intelligence projektima. .pr. Raiffeisen banka se Data Mining-om slui za razliite marketinke analize.

19


IV. ZAKLJUAKTo BI or not to BI ? Nema razmiljanja - odgovor je svakako to BI. Business Intelligence (BI) sustavi postali su neizostavno orue svih razina managementa u procesima odluivanja. Pojam poslovne inteligencije u zadnjih je nekoliko godina toliko in da ga je gotovo nemogue izbjei, to i ne udi, s obzirom da nudi rjeenje za jedan od najveih problema managementa donoenje kvalitetnih poslovnih odluka. Upravo BI sustavi pomau u rjeavanju upravljakih problema. BI sustav je takav sustav koji uva informacije i znanje o konkurenciji, kupcima, dobavljaima, procesima i vezama meu procesima, te omoguava poslovno pregovaranje, argumentirani nastup prema kupcima i dobavljaima. Omoguava kvalitetno operativno planiranje, praenje ponaanja konkurencije, kupaca, dobavljaa, promatranje pojedinih trinih segmenata i predvianje buduih pojava. BI sustav omoguava bolje razumijevanje vlastitih kupaca i spoznavanje to ih potie na takvo ponaanje. (BI)TI ili NE (BI)TI? Svaki poslovni subjekt, tijelo dravne uprave ili javna institucija koji svoje poslovanje podupiru nekim informacijskim sustavom mogu koristiti i poslovnu inteligenciju. Uvoenje BI sustava pomae u rjeavanju upravljakih problema poduzea, a upotrebom informacija i znanja o konkurenciji, kupcima, dobavljaima, procesima i vezama meu procesima te omoguava poslovno pregovaranje i argumentirani nastup. Takoer je u funkciji kvalitetnog operativnog i stratekog planiranja, praenje ponaanja konkurencije, kupaca, dobavljaa, promatranja pojedinih trinih segmenata i predvianja buduih pojava. Uvoenje BI sustava u poduzee moe pomoi u barem etiri podruja: Bolje razumijevanje poslovanja to pokree poslovanje, koji trendovi, ponaanja i anomalije su prisutne u poslovanju Mjerenje koristi od uvoenja sustava kada znamo gdje i to mjeriti, imamo i jasne koristi ovakvog sustava Poboljavanje veza sa svim zainteresiranim stranama u stvaranju lanca vrijednosti osiguravanjem korisnih informacija o poslovanju i poduzeu kupcima, dobavljaima, zaposlenima, dioniarima i ostaloj javnosti stvara se povjerenje i osjeaj informiranosti Omoguavanje prilika za poveanjem vrijednosti informacije u dananjem dobu predstavljaju resurs odnosno vrijednost kako za samo poduzee tako i za ostale sudionike na tritu koji su spremni platiti/kupiti odreene informacije

20


V. LITERATURAKnjige: Internet:http://hr.wikipedia.org/wiki/Rudarenje_podataka http://www.poslovniforum.hr/about02/hr_bi.asp - 29k http://www.trend.hr/clanak.aspx?BrojID=43&KatID=5&ClanakID=504

Javorovi, B., Bilandi, M.: Poslovne informacije i business intelligence, Golden marketing Tehnika knjiga, Zagreb 2007. Panian, ., Klepac, G.: Poslovna inteligencija, MASMEDIA, Zagreb, 2003.

21

Documents

Seminar Ski Rad Poslovna Inteligencija