POSLOVNA INTELIGENCIJA I UPRAVLJANJE ZNANJEM Stefanija oraga Lidija

POSLOVNA INTELIGENCIJA I UPRAVLJANJE ZNANJEM Stefanija Čoraga Lidija Mateša

UČENJE CILJEVA e Razumjeti potrebu za sustav poslovne inteligencije e Znati karakteristike sustava izvještavanja e Znati svrhu i ulogu skladišta podataka i spremišta podataka e Razumjeti osnovne tehnike rudarenja podataka e Znati svrhu, obilježja i funkcije sustava upravljanja znanjem

Potreba za sustav poslovne inteligencije e Prema istraživanju napravljenom na Kalifornijskom Sveučilištu kod Berkeley-a, kreirano je sveukupno 403 petabyte-a novih podataka e 403 petabyte-a je prilična količina cijelog tiskanog materijala ikad napisano Ø Tiskana kolekcija Knjižnice Kongresa je 0. 1 petabyte- a Ø 400 petabyte-a jednako 40, 000 kopija tiskane kolekcije Knjižnice Kongresa

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

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

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

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

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

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

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

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

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

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

FUNKCIJE SUSTAVA IZVJEŠTAVANJA Ø Ø Ø autorizacija menadžment isporuka

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

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

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

Ø Ø METADATA nalaže koji kanal treba koristiti i da li će izvještaj biti push ili pull ako je izvještaj push, administrator određuje da li izvještaj treba generirati prema regularnom rasporedu

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

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

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

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

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

MJERE I DIMENZIJE OLAP -a Ømjera je konkretan podatak o nečemu što korisnik traži Ø dimenzija je karakteristika mjere

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

PROBLEMI SA OPERATIVNIM PODACIMA n 1. Mnogi operativni i kupljeni podaci imaju probleme koji sputavaju koristi za poslovnu inteligenciju Problematični podaci-loši podaci Kupljeni podaci često sadrže nepostojeće elemente 2.

3. Nekonzistentan podatak je čest za podatke koji su bili prikupljani kroz neko vrijeme 4. Neke nekonzistentnosti u podacima pojavljuju se iz prirode poslovne aktivnosti Neintegrirani podaci mogu uzrokovati probleme kada podaci dolaze iz različitih informacijskih menadžerskih sustava 5.

Podatak može biti prefin ili pregrub *moguće je zabilježiti naviku klikanja potrošača i to se naziva “clickstream“dana koji uključuje sve što potrošač radi na web stranici 6. Ako je podatak u krivom formatu, taj uvjet je ponekad izražen kao podatak koji ima pogrešnu veličinu uzorka 7. Zbog fenomena “prokletstva dimenzije” (kada širimo pretragu i ona postaje besmislena-opet dobivamo puno nepotrebnih podataka) lakše je kreirati model sa što više atributa koji je sličan uzorku podatka 8.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

3. SUSTAV EKSPERATA n 1. 2. 3. Kreiran u kasnim 80 -ima u 90 -ima i neki su bili uspješni 3 glavna nedostatka: Teški i skupi za razvoj Teški za održavanje Nisu bili sposobni za opstanak sa visoko postavljenim očekivanjima

ZAKLJUČAK n n Ogromne količine podataka se generiraju svake godine “alati” poslovne inteligencije traže te rastuće količine podataka za informacije koje se mogu upotrijebiti “alati” izvješćivanja će biti upotrijebljeni za procjenu, proces podataka koji upotrebljava kalkulacije kao zbrajanje i izrada prosjeka “alati” rudarenja podacima se upotrebljavaju za predviđanje koristeći statističke i matematičke tehnike

n n n Sustav izvješćivanja stvara značajne informacije iz različitih izvora i dostavlja ih prikladnom korisniku RFM i OLAP su dva primjera izvještajnih aplikacija Skladišta podataka i spremišta podataka su pogodnosti koje pripremaju, spremaju i upravljaju podacima za rudarenje podacima ili ostale analize

n n n Analiza košare podataka na tržištu determinira grupe proizvoda koje kupci namjeravaju kupiti zajedno “stabla odlučivanja” se koriste za konstrukciju “IF…THEN…” pravila za predviđanje klasifikacija KM je proces stvaranja vrijednosti iz intelektualnog kapitala i dijeljenje tog znanja sa zaposlenicima, menadžerima, dobavljačima i drugima koji trebaju taj kapital

n n Sustav dijeljenja znanja među ljudima koristi portale i e-mail za promatranje izmjene znanja Sustav surađivanja uključuje net konferencije, video konferencije i ekspert sustave

HVALA NA PAŽNJI!!!

Pitanja za diskusiju n n 1. KAKO ALATI RUDARENJA PODATAKA OBRAĐUJU PODATKE? 2. KOJE SU KARAKTERISTIKE IZVJEŠTAJA? 3. KAKO SUSTAV IZVJEŠĆIVANJA MOŽE STVARATI RFM PODATKE? 4. OBJASNITE CONTENT MENADŽMENT