• 1399-05-15 11:09
  • کد محتوا:1315
ایجاد داشبوردهای مدیریتی با استفاده از سامانه سیما

هوش تجاری(BI)  شامل مجموعه ای از ابزارها و برنامه های کاربردی است که با جمع آوری داده ها از منابع درون و برون سازمانی، آنها را برای کمک به مدیران جهت تجزیه و تحلیل آماده می کند. در واقع چشم انداز هوش تجاری ارتقاء عملیات های کلیدی کسب و کار از طریق تامین اطلاعات درست برای همه سطوح سازمانی و هدف آن بهینه سازی، تحلیل،کنترل و دیده بانی عملیات و فرایندهای کسب و کار می باشد.   مناطق پانزده­گانه، معاونت­ها، سازمان­ها و شرکت­های وابسته در مدیریت شهری اصفهان همچون جزیره­های نیمه مستقلی هستند که می توانند با یک سیستم واحد هوش تجاری و برقراری ارتباط با دیگر سیستم های شهرداری، ضمن ارایه تصویری متحد الشکل از اطلاعات و شفاف سازی مسایل، راه را برای تصمیمات درست هموار کنند.

تعریف هوش تجاری (Business Intelligence)

یک فرایند مبتنی بر فناوری است که به منظور تحلیل  داده ها برای کمک به مدیران ارشد، مدیران میانی و سایر کاربران جهت اتخاذ تصمیمات بهینه به کار برده می شود. هوش تجاری (BI) شامل مجموعه ای از ابزارها، برنامه های کاربردی و متدولوژی ها است که با جمع آوری داده ها از منابع  درون سازمانی و برون سازمانی، داده ها را برای تجزیه و تحلیل آماده می کند، امکان اجرای پرس و جو (Query) را مهیا می سازد، گزارشات و داشبوردها را ایجاد می کند به نحوی که این گزارشات در اختیار تصمیم گیران و همین طور کارکنان قرار گیرد.

سامانه هوش تجاری

 

 

 

 

 

 

 

 

 

 

 

مزایای استفاده از سامانه هوش تجاری

  • کاهش هزینه و ایجاد ارزش
  • افزایش سرعت دریافت گزارش‌ها
  • افزایش دقت و صحت اطلاعات ارائه‌شده
  • پایداری گزارش‌های سیستم در صورت قطع منبع داده
  • قابلیت انعطاف در تولید انواع گزارش‌های موردنیاز کاربران
  • عدم نیاز به تغییر در هیچ یک از نرم‌افزارهای عملیاتی همچون نرم‌افزارهای مالی، منابع انسانی و عدم نیاز به استفاده از یک تکنولوژی یا برند خاص در نرم‌افزارها
  • شناسایی نیاز‌های نرم‌افزاری و راه‌اندازی سیستم‌های جدید عملیات
  • یکپارچگی و افزایش امکان دسترسی به گزارش‌ها و انواع تحلیل‌ها در عین امنیت
  • هدفمندسازی اطلاعات با در نظر گرفتن حوزه‌های پراهمیت با توجه به استراتژی‌ها و اهداف سازمان و صنعت مربوطه
  • کاهش هزینه از طریق حذف عوامل انسانی در تولید اطلاعات در سازمان و ایجاد ارزش با به دست آوردن اطلاعات به‌موقع و مناسب

سیستم های هوش تجاری (BI) هم چنین می توانند به شرکت ها در شناسایی روندهای بازار و مشکلاتی که باید مورد توجه قرار بگیرند، کمک نمایند.داده های هوش تجاری (BI) می تواند شامل اطلاعات قدیمی و یا داده های جدیدی باشند که از سیستم های منبع داده تولید شده اند و تحلیل گران هوش تجاری را قادر به پشتیبانی از فرایندهای تصمیم سازی استراتژیک و تاکتیکی می سازند. در ابتدا، ابزارهای هوش تجاری توسط تحلیلگران داده و سایر متخصصین IT استفاده می شدند به صورتی که آنها تحلیل ها را بر روی داده ها اجرا می کردند و گزارشات را به عنوان نتایج پرس و جو (Query) برای کاربران کسب و کار تولید می نمودند. پس از آن با توجه به توسعه ابزارهای خویش خدمت هوش تجاری (Self-Service BI) و جستجوی داده، مدیران سازمان و کارمندان نیز در استفاده از ابزارهای هوش تجاری (BI) توانمند شدند. هوش تجاری (BI) شامل مجموعه وسیعی از برنامه های کاربردی نظیر: تحلیل های موردی و پرس و جو (Query) ، گزارش ساز، پردازشگر تحلیلی آنلاین (OLAP)، هوش تجاری موبایل، هوش تجاری بلادرنگ، هوش تجاری عملکردی، هوش تجاری و سرویس های ابری، هوش تجاری متن باز، هوش تجاری اشتراکی و هوش منطقه ای می باشد.

تکنولوژی هوش تجاری همچنین شامل نرم افزارهای بصری سازی داده برای طراحی نمودارها و سایر داده نمایی ها وابزارهایی برای ساخت انواع داشبوردها می شود. برنامه های کاربردی هوش تجاری را می توان از کمپانی های متفاوتی خریداری نمود و یا آنکه به صورت یک پلتفرم مجتمع از یک کمپانی تهیه کرد. برنامه های هوش تجاری همچنین می توانند ترکیبی از انواع تجزیه و تحلیل پیشرفته را ارائه دهند، مانند داده کاوی، تحلیل های پیشگویانه، متن کاوی، تحلیل های آماری و تحلیل کلان داده ها.  در بسیاری از موارد، پروژه های تجزیه و تحلیل پیشرفته بوسیله تیم های جداگانه ای از کارشناسان داده، متخصصین آمار، مدل سازان و سایر متخصصین تحلیل رهبری و مدیریت می شوند، در حالی که تیم هوش تجاری بیشتر بر پرس جو ها (Query) و تحلیل های داده های کسب و کار نظارت می کند. داده های هوش تجاری معمولا در یک انباره داده یا یک داده گاه (Data mart) کوچکتر که زیر مجموعه ای از اطلاعات شرکت است ذخیره می شوند. به علاوه، سیستم های Hadoop به صورت گسترده به عنوان انباره ها در معماری های هوش تجاری و مخصوصا برای داده های بدون ساختار، فایل های لاگ و گونه های دیگر کلان داده ها استفاده می شوند. قبل از آنکه این سیستم در برنامه های کاربردی هوش تجاری استفاده شود، داده های خام از منابع مختلف بایستی مجتمع می شدند و به وسیله ابزارهای کیفیت داده بررسی می شدند تا از صحت داده های تحلیلی اطمینان حاصل می گشت. تیم های هوش تجاری ،علاوه بر مدیران هوش تجاری، به صورت عمومی شامل ترکیبی از معماران هوش تجاری، توسعه دهندگان هوش تجاری، تحلیل گران کسب و کار و متخصصین مدیریت داده هستند. البته کاربران کسب و کار نیز به عنوان نماینده کسب و کار جهت ایجاد اطمینان از پوشش نیازهای کسب و کار در فرایند توسعه هوش تجاری ، مشارکت می کنند. در همین راستا تعداد رو به رشدی از سازمان ها در حال جایگزینی توسعه آبشاری با رویکردهای هوش تجاری چابک هستند.این رویکردها از تکنیک های توسعه نرم افزارچابک  جهت تقسیم پروژه به بخش های کوچکتر و ارایه کارکردهای جدید به کاربران نهایی به صورت افزایشی و تکرارپذیر استفاده می نمایند. این نحوه عملکرد، سازمان ها را در زمینه ارایه سریعتر توانمندی های هوش تجاری و بهبود روند توسعه هوش تجاری همزمان با تغییر نیازمندی های کسب و کار توانمند می سازد.

بنابراین هدف از هوش تجاری تفسیر آسان حجم زیادی از داده ها  با استفاده از مجموعه ای از ابزارها می باشد. شناسایی فرصت های جدید و اجرای موثر یک استراتژی با بینشی عمیق، می تواند مزیت های رقابتی جدید و توسعه پایدار را برای سازمان ها به ارمغان آورد. عوامل و تغییرات سریع در محیط عملیات شرکت ها و سازمان ها، آنها را به سوی پشتیبانی رایانه ای از عملیاتشان سوق می دهد. بدین معنی که فشارهای خارج از شرکت ها منجر به ایجاد رویکرد پاسخ در سازمان ها می شود که با توجه به سرعت محیط، این پاسخ ها باید با سرعت همراه باشد؛ چرا که محیط بسیار رقابتی است و لذا برای دستیابی به پاسخ های سریع، لازم است سامانه های رایانه ای به کمک شرکت ها بیایند. سامانه های رایانه ای می توانند فرآیند پاسخ را تسهیل و تسریع نمایند. در ذیل مدلی از فضا و فشارهای خارجی کسب و کار ها و نیز پاسخ ها و چگونگی حضور سامانه های رایانه ای ارایه شده است.

کسب و کار ها در محیط عمل

 

 سامانه های رایانه ای به مدیران و کسب و کارها به روش های مختلفی کمک می کنند:

  • محاسبات را تسهیل می کنند و سرعت انجام آنها را افزایش می دهد.
  • ارتباطات و همکاری ها را بهبود می دهند.
  • بهره وری افراد را افزایش می دهند.
  • مدیریت داده ها را ممکن می کند و  آن را بهبود می دهد.
  • قابلیت دسترسی ها را افزایش می دهد.

این روش ها منجر به ساخت تصمیم های اساسی برای کسب و کارها می شود که در مجموع سازنده سیستم های تصمیم یار برای سازمان ها، شرکت ها و در مجموع کسب و کار می شود. استفاده از سیستم های تصمیم یار سابقه دیرینه ای دارد که به طور خلاصه می توان به روند ذیل اشاره کرد:

 

سابقه سیستم های تصمیم یار

 

 

 

 

 

پیشینه سیستم های تصمیم ساز و تصمیم یار

اولین بار در سال 1971 واژه «سامانه های تصمیم یار» (Decision Support System) در دانشگاه MIT به کار برده شد که مرکز اصلی آن بر اتخاذ تصمیمات نیمه ساخت یافته و ناساخت یافته عنوان گردید. در سال 1989، گروه گارتنر هوش تجاری را به عنوان یک واژه چترگونه (Umbrella Term) معرفی نمود که شامل مفاهیم و روش هایی می شد که به بهبود تصمیم گیری در کسب و کار مبتنی بر واقعیت ها تاکید داشت. در سال 2008 موسسه فارستر (Forrester) هوش تجاری را مجومعه از متدلوژی ها، فرآیندها، معماری ها و تکنولوژی هایی تعریف کرد که داده های خام را به اطلاعات مفید و معنادار تبدیل می کند. توماس داونپورت (Thomas Davenport) در سال 2010 هوش تجاری را شامل تحلیل های کسب و کار (Business Analytics)، پردازشتحلیلی بر خط (OLAP)، پرس و جوها (Queries)، گزارش ها (Reports) و ابزارهای هشدار (Alert Tools) تعریف کرد. رویکردهایی که در اکثر تعاریف از هوش کسب و کار به آنها اشاره شده است، ناظر بر سه حوزه در این مفهوم می باشد که شامل رویکردهای مدیریتی- فرآیندی، رویکردهای تکنولوژیکی و رویکرد محصول که در جدول ذیل به آنها اشاره شده است.

 

محصول

تکنولوژیکی

مدیریتی / فرآیند

رویکرد

توصیف هوش تجاری به عنوان یک محصول نوظهور که نتیجه تحلیل عمیق داده‏های دقیق کسب و کار، و همچنین شیوه‏های تحلیل با استفاده از ابزار هوش تجاری.

تمرکز بر روی ابزار‏ها و تکنولوژی‏هایی که ثبت، ترمیم، دستکاری و تحلیل اطلاعات را ممکن می‏سازند.

تمرکز بر روی فرآیند جمع آوری داده از منابع داخلی و خارجی، و تحلیل آنها به منظور تولید اطلاعات مرتبط برای بهبود در تصمیم گیری.

تعریف

Chang (2006); Gangadharan& Swami (2004); Kulkarni & King (1997); Turban et al. (2007).

Moss &Atre (2003); Moss &Hoberman (2004); Adelman & Moss (2000); Turban et al. (2007); Oracle (2007); Hostmann (2007).

Whitehorn&Whitehorn (1999); Business Objects (2007); Cognos (2004); SAS Institute (2007); Moss &Hoberman (2005); Hostmann (2007); Oracle (2007); Turban et al. (2007); Markarian, Brobst&Bedell (2007).

نویسندگان

 

 

 

ارتباط  BI با MIS

 در حال حاضر یكی از موضوعاتی كه بیشترین سهم بازار در دنیا را به خود اختصاص داده هوش تجاری است حجم بالای اطلاعات قابل تحلیل نبوده و مشكلات فراوانی را برای مدیران ایجاد كرده، كه این امر آنها را در تصمیم گیری ها با مشكل مواجه ساخته است. با به كارگیری هوش تجاری، به جای ركوردهای زیادی از اطلاعات كه هر كدام به تنهایی ارزش كمی دارند، می توان با ركوردهای آماری روبرو شد كه هر كدام به تنهایی ارزش زیادی دارند كه به كارگیری این سیستم تصمیم سازی، مدیران را چه در سطح حكومتی و چه در سطوح پایین تر، تسهیل خواهد كرد. در این سیستم، اطلاعات به جای دو بعد، از چند بعد مورد بررسی واقع شده و با چیدن نتایج بررسی در كنار هم، می توان تصمیمات صحیحی اتخاذ كرد. MIS از چند بخش تشكیل شده و یك قسمت بسیار مهم آن، مكعبهای اطلاعاتی هوش تجاری است كه در ایران از آن بیشتر با عنوان DSS (سیستم های پشتیبانی تصمیم) نام برده می شود. در حال حاضر جا به جایی مدیران و بخصوص مدیران ارشد مملكتی و حكومتی، مشكلات بسیاری ایجاد می كند و به طور معمول سال اول حضور مدیران در سازمانها، صرف شناخت مجموعه می شود؛ زیرا آمار و اطلاعات در جایی دسته بندی و ذخیره نشده و تناقضات در تصمیم گیریها به شدت رو به افزایش است. سازمانهایی نظیر مؤسسه استاندارد، از كاربرد این سیستم و نتایج آن در ارتقای كیفیت مدیریت سازمان، اظهار رضایت كرده اند. 

ارتباط بین پشتیبانی از تصمیم مدیریتی و هوش تجاری : ایجاد آگاهی

کاهش توجه به سیستم های پشتیبانی از تصمیم مدیریت و تکنولوژی ها، به هیچ عنوان از اهمیت تصمیم گیری تجاری با پشتیبانی مناسب نکاسته است. تکنولوژی های پشتیبانی از تصمیم که منسوب به گروهی از سیستم ها و تکنولوژی های هوشمند هستند به طور گسترده توسط تکنولوژی های هوش تجاری تکمیل شده اند.

هر دو نوع تکنولوژی توسط تکنولوژی اطلاعات مرتبط، پشتیبانی می شوند که اغلب ارتباط بسیار نزدیکی با هم دارند. بین پشتیبانی از تصمیم و تکنولوژی های هوش تجاری پلی مبتنی بر اهداف مشترک تصمیم گیری عاقلانه و استفاده از ابزار تحلیلی پیشرفته برقرار است. در عصر حاضر مدلی از دو چرخه به هم پیوسته برای متصل کردن فعالیت های پشتیبانی از تصمیم و هوش تجاری ایجاد شده اند.

به ظاهر یک حوزه برجسته سیستم های پشتیبانی از تصمیم مدیریت(DSS)  برای تثبیت سطوح فعالیت های پژوهشی و سیستم های خبره برقرار شده است. با این حال، توجه به سیستم های پشتیبانی از تصمیم که تا حدودی محو شده است، اشاره بر هیچ گونه کاهشی در اهمیت تصمیم گیری با پشتیبانی قوی و همچنین آگاهی کلی از حالت محیط تجاری داخلی و خارجی ندارند. برعکس، همین موقعیت اقتصادی فعلی در بیشتر موقعیت ها نیازمند یک محیط مدیریت در سطح ارتش قابل اطمینان و کارآمد برای پشتیبانی از بینش ها، بهبود یا صرفا بقا است.

تصمیم گیری مدیریتی یک فعالیت حساس به اطلاعات است که تاکید بی اندازه بر ساختارها، مشکلی است که در این میان باید مرتفع شود. این مهم مستقیما به پیچیدگی اطلاعات برای تولید تصمیماتی با پشتیبانی قوی ، منتقل می شود.

چنین پیچیدگی، تقاضاهای سخت و دشواری را برای محیط پشتیبانی در چارچوب انواع منابع اطلاعاتی و عدم تطابق اطلاعات به دست آمده از این منابع ایجاد می کند؛ استفاده از تحلیل ماهرانه و اختصاصی و ابزار مدل سازی؛ استفاده از محیط های پشتیبانی ارتباطی و گروهی برای تطبیق دقیق علائق و نیازهای ذی نفعان از جمله این موارد هستند.

سیستم های پشتیبانی از تصمیم چیزی فراتر از گزارش های ساده مدیریتی هستند و عمدتا باید دارای مدل های ریاضی باشند و بتوانند به سوالات «چه می شود اگر» پاسخ بدهند. پشتیبانی از تصمیم مدیریت کامپیوتری سعی در تقویت فعالیت های مدیریت هوشمند (هوش تجاری BI) دارد که نتیجه نهایی مورد انتظار بسیار بالا است.

یک استفاده جایگزین از پشتیبانی تصمیم، اگر همراه با نظارت فعالانه محیط باشد، درک بهتری از موقعیت مشکل را تضمین می کند و باعث کیفیت تصمیم گیری بالاتری می شود. اصطلاح هوش تجاری با به کارگیری عنوان اصطلاح چتری برای ابزار و تکنولوژی هایی که اجازه می دهند کاربران اطلاعات تجاری، آگاه از تغییرات در محیط های داخلی و خارجی شوند وارد بازار مصرف شد.

در حال حاضر در تعریف اینکه آیا هوش تجاری بخشی از تابع پشتیبانی تصمیم است یا برعکس ایجاد کننده ابهاماتی است، تردید وجود دارد. در نهایت این ابهامات به جامعه مدیریت تجاری گسترش می یابد که تمام دوران نیاز به پشتیبانی تصمیم گیری قابل اطمینان را بیان کرده است و توجیه کننده سرمایه گذاری های اساسی در تکنولوژی های پشتیبانی است.

https://media.licdn.com/mpr/mpr/AAEAAQAAAAAAAAdPAAAAJDAzNzVjODUzLTU5MTUtNDllNS1hMGQyLTIzODI4NzY4ZWIzYw.jpg

 

 

هوش تجاری و نیازهای اطلاعاتی

اگرچه هوش تجاری که ابداع آن را به Howard Dressner  از گروه Granter در سال 1989 نسبت داده ایم، اصطلاح نسبتا تازه ای در علم محسوب می شود، اما می توانیم با نگاهی به گذشته و به ماموریت سیستم های اطلاعات مدیریت (MIS) که نقش آنها در حفظ آگاهی مدیریت از حالت تجاری، هیچ گاه کم اهمیت جلوه داده نشده بود و تعاریف ماموریتی برای  MIS، امروزه بیشتر مانند تعاریف ماموریتی برای هوش تجاری است.

https://media.licdn.com/mpr/mpr/AAEAAQAAAAAAAAduAAAAJDNmNmEwZmZlLTdjMzYtNDY0Zi1iYTA0LWI4YzJlYzNmM2E1OA.jpg

 

کاهش توجه به سیستم های پشتیبانی از تصمیم مدیریت و تکنولوژی ها، به هیچ عنوان از اهمیت تصمیم گیری تجاری با پشتیبانی مناسب نکاسته است. تکنولوژی های پشتیبانی از تصمیم که منسوب به گروهی از سیستم ها و تکنولوژی های هوشمند هستند به طور گسترده توسط تکنولوژی های هوش تجاری تکمیل شده اند.

هر دو نوع تکنولوژی توسط تکنولوژی اطلاعات مرتبط، پشتیبانی می شوند که اغلب ارتباط بسیار نزدیکی با هم دارند. بین پشتیبانی از تصمیم و تکنولوژی های هوش تجاری پلی مبتنی بر اهداف مشترک تصمیم گیری عاقلانه و استفاده از ابزار تحلیلی پیشرفته برقرار است. در عصر حاضر مدلی از دو چرخه به هم پیوسته برای متصل کردن فعالیت های پشتیبانی از تصمیم و هوش تجاری ایجاد شده اند.

 

به ظاهر یک حوزه برجسته سیستم های پشتیبانی از تصمیم مدیریت(DSS) برای تثبیت سطوح فعالیت های پژوهشی و سیستم های خبره برقرار شده است. با این حال، توجه به سیستم های پشتیبانی از تصمیم که تا حدودی محو شده است، اشاره بر هیچ گونه کاهشی در اهمیت تصمیم گیری با پشتیبانی قوی و همچنین آگاهی کلی از حالت محیط تجاری داخلی و خارجی ندارند. برعکس، همین موقعیت اقتصادی فعلی در بیشتر موقعیت ها نیازمند یک محیط مدیریت در سطح ارتش قابل اطمینان و کارآمد برای پشتیبانی از بینش ها، بهبود یا صرفا بقا است.

تصمیم گیری مدیریتی یک فعالیت حساس به اطلاعات است که تاکید بی اندازه بر ساختارها، مشکلی است که در این میان باید مرتفع شود. این مهم مستقیما به پیچیدگی اطلاعات برای تولید تصمیماتی با پشتیبانی قوی ، منتقل می شود.

چنین پیچیدگی، تقاضاهای سخت و دشواری را برای محیط پشتیبانی در چارچوب انواع منابع اطلاعاتی و عدم تطابق اطلاعات به دست آمده از این منابع ایجاد می کند؛ استفاده از تحلیل ماهرانه و اختصاصی و ابزار مدل سازی؛ استفاده از محیط های پشتیبانی ارتباطی و گروهی برای تطبیق دقیق علائق و نیازهای ذی نفعان از جمله این موارد هستند.

سیستم های پشتیبانی از تصمیم چیزی فراتر از گزارش های ساده مدیریتی هستند و عمدتا باید دارای مدل های ریاضی باشند و بتوانند به سوالات «چه می شود اگر» پاسخ بدهند. پشتیبانی از تصمیم مدیریت کامپیوتری سعی در تقویت فعالیت های مدیریت هوشمند (هوش تجاری BI) دارد که نتیجه نهایی مورد انتظار بسیار بالا است.

یک استفاده جایگزین از پشتیبانی تصمیم، اگر همراه با نظارت فعالانه محیط باشد، درک بهتری از موقعیت مشکل را تضمین می کند و باعث کیفیت تصمیم گیری بالاتری می شود. اصطلاح هوش تجاری با به کارگیری عنوان اصطلاح چتری برای ابزار و تکنولوژی هایی که اجازه می دهند کاربران اطلاعات تجاری، آگاه از تغییرات در محیط های داخلی و خارجی شوند وارد بازار مصرف شد.

دو نوع اطلاعات برای پیاده سازی استراتژی مورد استفاده قرار می گیرند. نوع اول اطلاعات خارجی است که برای ایجاد استراتژی استفاده می شود. نوع دوم اطلاعاتی داخلی  است که برای نظارت بر اجرای استراتژی استفاده می شود.

سیستم های هوش تجاری به معنای سیستم های بسیار هوشمند، دقیق و کاربردی برای سازمان ها و شرکت ها هستند که در آن سیستم اطلاعاتی مدیریت وکامپیوترها با فرستادن اطلاعات و داده های خود به درون سیستم های هوش تجاری و تجزیه و تحلیل و غنی سازی آن اطلاعات و داده ها به واسطه سیستم های هوش تجاری، و در اختیار قراردادن خروجی های دقیق و مطمئن به مدیران کمک می کنند تا تصمیمات بهتر، منطقی تر و کارآمد تر بگیرند و کارآمدی عملکرد سازمان متبوعشان را افزایش دهند.

برای اینکه اطلاعات برای تصمیم گیری مدیران مفید و سودمند باشد، باید اطلاعات درست (نه خیلی زیاد و نه خیلی کم) در زمان مقرر در دسترس باشند و در قالبی صحیح برای تسهیل در تصمیمات موجود ارائه شوند.

سیستم های هوش تجاری و سیستم اطلاعات مدیریت، سیستم های تجاری هستند که اطلاعات انتشار یافته، قدیمی و فعلی، درباره شرکت و محیط آن را فراهم می سازند. همچنین MIS می تواند از منابع دیگر اطلاعاتی به ویژه داده های مربوط به محیط خارج از خود شرکت استفاده کند.

 چشم انداز هوش تجاری

شاید بتوان به طور خلاصه چشم انداز هوش تجاری را اینگونه مطرح کرد: ارتقاء عملیات و فرایندهای کلیدی کسب و کار از طریق تامین اطلاعات و دانش حیاتی کسب و کار در زمان درست، قالب درست و برای همه سطوح سازمانی.

اهداف هوش تجاری

لذا اهدافی را که هوش تجاری به دنبال آن است را می توان به صورت ذیل خلاصه کرد: بهینه سازی، تحلیل،کنترل و دیده بانی عملیات و فرایندهای کسب و کار.

ابزارهای BI

ابزارها و تکنیک ها در سطوح مختلفی قرار می گیرند به گونه ای که سطوح پایین تر خود، ابزارها و تکنیک های سطوح بالاتر محسوب می شود. می توان گفت برخی از تکنیک ها به صورت افقی (horizontal) و برخی به صورت عمودی (vertical) در هوش تجاری مورد استفاده قرار می گیرند. تکنیک های افقی تکنیک هایی هستند که در اکثر بخش ها و اجزای هوش تجاری مورد استفاده قرار می گیرند. مانند OLAP : (قابليتي است که دسترسي به اطلاعات براي ساخت گزارشات و تحليل داده را براي کاربران غير فني امکان پذير مي نمايد.)، پردازش های هوشمند، داده کاوی، سیستم های خبره و... تکنیک های عمودی تکنیک هایی هستند که با استفاده از برخی تکنیک های افقی و برخی تکنیک های خاص در حوزه خاصی از فرایند تجاری سازمان کارایی دارند.
(
On-Line Analytical Processing) OLAP از مکعب‌هایی در مجموعه‌ای با ابعاد کوچک که در داخل آن داده‌هایی انتخاب شده‌اند استفاده می‌کند، ارتباطات بین ابعاد از قبل تعریف شده و همه ابعاد ممکن (یا جواب‌ها) از قبل محاسبه و پیش‌بینی شده است. هنگامی که یک مکعب ایجاد می‌شود، یک واسط کاربري پیاده‌سازی مي‌شود که كاربر بتواند با جواب‌های داخل مکعب تعامل داشته باشد.  

امروزه با اطمینان کامل می‌توان ادعا کرد که استفاده از راه‌حل BI می‌تواند قدرت رقابت‌پذیری یک سازمان را افزایش دهد و از دیگر سازمان‌ها متمایز نماید. این راه‌حل این امکان را به سازمان‌ها می‌دهد تا با بکارگیری اطلاعات موجود از مزایای رقابتی و پیشرو بودن بهره‌برداری نمایند و درک بهتر تقاضاها و نیازمندی‌های مشتریان و مدیریت ارتباط با آنان را میسر می‌سازد. این راه‌حل این امکان را به سازمان می‌دهد تا بتواند تغییرات مثبت یا منفی را مانیتور کنند. امروزه ، رویکرد سازمان‌ها به سمت BI است. آنها به دنبال بهینه‌سازی فرآیندها از طریق ارزیابی و بهبود عملکرد خود و زیرمجموعه‌های وابسته به خود می‌باشند. امروزه افزایش کارایی عملکرد آنچه که سرمایه‌گذاری شده، اهمیت بیشتری پیدا کرده است.

از این رو تکنیک های افقی نیازمند دقت بیشتری در پیاده سازی و گسترش هستند به طوری که بتوانند با اجزای مختلف در platform های مختلف در رابطه باشند. پیاده سازی این اجزا بر اساس استانداردهای خوب یکی از چالشهای مهم در رابطه با هوش تجاری است و می توان در معماری هوش تجاری برای سازمان، این دو بخش را از همدیگر جدا کرد و هوش تجاری را سبدی از جنس ابزارهای افقی دانست که هر ابزار عمودی را می توان در آن قرار داد. ایجاد یک معماری افقی ثابت برای یک سازمان، رشد هوش تجاری در آینده را ضمانت می کند.

 کارکردهای هوش تجاری

کارکرد BI را در سه حوزه مي توان تقسيم بندي کرد:

- سطح استراتژيک(strategic level): مربوط به تصميم گيري هاي کلان سازمان که توسط مديران رده بالا انجام مي شود

- سطح تاکتيکي(tactical level): مربوط به عملياتي است که در حوزه مديران مياني انجام مي شود. اين عمليات مي تواند شامل پيگيري عمليات در سطح پايين، نحوه انجام آن، گزارش¬گيري و نهايتا جمع بندي داده هاي مفيد براي اتخاذ تصميمات ميان مدت سازمان باشد.

 - سطح عملياتي (operational level): پايين ترين سطح انجام فعاليت هاي تجاري يک سازمان است که در دفعات بالا و معمولا به صورت تکراري در رده هاي پايين عملياتي سازمان انجام مي شود

 

به دنبال اهداف هوش تجاری، سه کارکرد اصلی در کسب و کارهای مختلف ایجاد می شود که عبارتند از:

  • ایجاد دید: گذشته و حال کسب و کار ها را برای پیش بینی آینده به کار می گیرد.
  • مدیریت و تحلیل عملکرد کسب و کار: شاخص های کلیدی عملکرد (Key Performance Indicators, KPI) را تعریف می کند.
  • گزارش دهی: گزارش های لحظه ای ایجاد می کند.

 

 رویکردهای تکنیکی به هوش تجاری

از سوی دیگر لازم است تکنیک های لازم برای تحلیل داده های مختلف به کار رود. در شکل زیر رویکردهای مختلف تکنیکی برای استفاده از انواع داده ها نشان داده شده است.

رویکردهای تکنیکی

 

برای رسیدن به این اهداف لازم است کسب و کار از دیدگاه عملیات و فرایندهای بنگاه به درستی تحلیل گردد(شکل زیر)تحلیل کسب و کار بنگاه

 تکنیک های مورد استفاده در هوش تجاری

در عصری که زمان، کلید اصلی در تجارت است، شرکت ها به استفاده از ابزارهای اطلاعاتی روی آورده اند تا بتوانند اطلاعات مورد نظر را به سرعت از منابع استخراج کنند. هوش تجاری در امر تصمیم گیری در سطوح مختلف سازمان به ویژه سطوح مدیران ارشد با تحلیل اطلاعات و روش های پرس و جو تسهیلات زیادی را فراهم می کند که متداول ترین این روش ها به قرار زیر است:

On-Line Analytical Processing (OLAP)

On-Line Transaction Processing (OLTP)

Data Warehousing (DW)

Data Mining (DM)

Intelligent Decision Support System (IDSS)

Intelligent Agent (IA)

Knowledge Management System (KMS)

Supply Chain Management (SCM)

Customer Relationship Management (CRM)

Enterprise Resource Planning (ERP)

Enterprise Information Management (EIM)

لازم به ذکر است، صرف وجود تمام این تکنیک ها در سطح سازمان بدون در نظر داشتن فرهنگ سازمان و رویکرد سیستمی موجود بین کارکنان نمی‌تواند اثبات کننده هوشمندی کسب و کار آن سازمان باشد. هوش تجاري يا هوش کسب و کار، عبارت است از بُعد وسيعي از نرم‌افزارهای کاربردی و تکنولوژي‌ها براي جمع آوري داده و دانش، که به جهت تولید گزارشاتدر راستاي تحلیلفعالیت‌های بنگاه براي اتخاذ تصميمات دقيق و هوشمند بکار می‌رود. يک هوش تجاري براساس يک معماري بنگاه تشکيل شده است و در قالب پردازش تحليلي برخط (OLAP) به تحليل داده هاي تجاري و اتخاذ تصميمات دقيق و هوشمند مي‌پردازد. هوش تجاري، نه به عنوان يک محصول و نه به عنوان يک سيستم، بلکه به عنوان يک معماري و رويکردي جديد موردنظر است که البته شامل مجموعه اي از برنامه هاي کاربردي و تحليلي است که به استناد پايگاههاي داده عملياتي و تحليلي به اخذ و کمک به تصميم گيري براي فعاليتهاي هوشمند تجاري و کسب و کار مي پردازند. اما هوش تجاري از مناظر ديگر: از منظر معماري و فرايند به هوش تجاري به عنوان يک چارچوب که عامل افزايش کارايي سازمان و يکپارچگي فرايندها و نهايتا بر فرايندهاي تصميم گيري در سطوح مختلف سازماني متمرکز است، نگريسته مي شود. به بيان ساده تر هوش تجاري چيزي نيست مگر فرايند بالابردن سود دهي سازمان در بازار رقابتي با استفاده هوشمندانه از داده‌هاي موجود در فرايند تصميم گيري. مهمترين نياز يک مدير،داشتن اطلاعات دقيق براي اتخاذ تصميم درست است. فرايند تصميم گيري مي تواند به سه بخش کلي زير تقسيم شود. با توجه به انواع مختلف تصميم گيري (بر اساس ميزان ساخت يافته بودن آن) هر يک از بخشهاي اهميت متفاوتي خواهند داشت.

  1. دسترسي، جمع آوري و پالايش داده ها و اطلاعات مورد نياز؛
  2.  پردازش، تحليل و نتيجه گيري بر اساس دانش؛
  3.  اعمال نتيجه و نظارت بر پيامدهاي اجراي آن.

 در هر يک از موارد فوق، سازمانهاي قديمي که از هوش تجاري استفاده نمي کنند، داراي مشکلاتي هستند که اغلب از عواملي چون حجيم بودن داده ها، پيچيدگي در تحليلها و ناتواني در ردگيري نتايج فرايندها و پيامدهاي تصميمات گرفته شده، نشئت مي گيرند. هوش تجاري با کمک به حل مشکلات فوق، به دليل ساختاري که در سازمان به وجود مي آورد، فرصتهاي جديدي نيز براي رشد سازمان ايجاد مي کند و نه تنها عامل حذف مشکلات است، بلکه با صرفه جويي در زمان و هزينه، شرايط کاري را دگرگون مي سازد.

 

 

 

 

 

 

 

 

 

 

 

انتخاب بهترین نرم افزار هوش تجاری

ابتدا ببینیم که چه نرم افزارهایی به صورت مطرح و در بخش Leaders در سطح جهان وجود دارد که میتوان از آنها استفاده کرد.

  • ٫ QlikView
  • ٫ Tableau
  • ٫ Oracle BI
  • ٫ Microsoft BI
  • ٫ SAS
  • ٫ SAP
  • ٫ IBM
  • ٫ Information Builders
  • ٫ MicroStrategy

این نرم افزارها را میتوان در سطوح مختلف و با هزینه های گوناگون در استقرار و اجرا مشاهده کرد. هریک در سطح و اندازه خود خوب هستند و میتوان گفت که پایه و اساس مفاهیم در همه آنها یکسان است. تنها در زمان طراحی و اجرا و نگهداری و همچنین گرافیک آنهاست که تفاوت وجود دارد. پس معیارهای انتخاب یک نرم افزار چه میتواند باشد؟

  1. برای انتخاب یک نرم افزار داشبورد هوش تجاری  چه امکاناتی را باید مد نظر قرار داد و از چه مسائلی باید دوری کرد
  2.  نرم افزار داشبورد انتخابی ما باید بتواند به منابع داده مختلف به راحتی متصل شود. ( Wizard یا استفاده از امکانات مایکروسافت ODBC )
  3. امکان استفاده روی پلتفرمهای مختلف را داشته باشد. ( Web , Windows, Android )
  4. استفاده از کدنویسی در آن به ندرت صورت گرفته و طراحی های داخلی در نرم افزار با کمترین اطلاعات برنامه نویسی انجام شود.
  5.  با زبان فارسی مشکلی نداشته باشد.
  6.  بتوان از اِلِمان های گرافیکی در آن استفاده کرد
  7. منابع آموزشی فراوان داشته باشد و یوزرهای استفاده کننده از آن در صنایع مختلف و متفاوت باشند.
  8. استفاده از نقشه های گوگل جهت نمایش تصویری اطلاعات در آن به راحتی صورت گیرد.
  9. نصب و پیکر بندی نرم افزار نیاز به دانش فنی بسیار بالا نداشته باشد
  10. آموزش استفاده از آن به پرسنل در سطوح مختلف ، به راحتی صورت گیرد
  11. در صورت نیاز به ایجاد تغییر در بخشی از نرم افزار، بتواند به صورت ماژولار کار کند.
  12.  در صورت از کار افتادن بخشی از اتصال به یک منبع داده، بتواند از بقیه منابع داده اطلاعات را دریافت کند.

 

 ۵ سوال مهم قبل از انتخاب و خريد یک راه حل هوش کسب و کار

۱ چه داده هايي قرار است تجزیه و تحلیل شود؟

۲ کاربران اطلاعات و ابزار کسب و کار هوشمند کسانی هستند؟ فنی / غیر فنی؟

۳ اگر فقط داشبورد ملاک باشد آيا نياز به يک ابزار آماده در اولويت است يا ساخت ابزار توليد داشبورد از ابتدا؟

۴ آیا باید دنبال راهکار مبتنی بر ابر (Cloud) بود؟ یا راه حل مبتنی بر مجوز؟

۵ آیا به یک راهکار کامل هوش تجاری نياز هست یا یک داشبورد برای سازمان کفايت خواهد کرد؟