هوش تجاری-business intelligence

Images
Images
Images
Images

هوش تجاری-business intelligence

  • مقالات
  • 1,986 بازدید

هوش تجاری

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.

چگونگی حضور سامانه های رایانه ای

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 اخذ 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:

سیستم های تصمیم یار

اولین بار در سال ۱۹۷۱ 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 ۱۹۸۹، 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 ۲۰۰۸ 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 ۲۰۱۰ 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:

رویکرد مدیریتی -فرآیند:

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

رویکرد تکنولوژیکی:

این رویکرد بر روی ابزارها و تکنولوژیهایی که ثبت، ترمیم، دستکاری و تحلیل اطلاعات را ممکن میسازند متمرکز است.

رویکرد محصول:

هوش تجاری به عنوان یک محصول نوظهور که نتیجه تحلیل عمیق داده های دقیق کسب و کار، و همچنین شیوه های تحلیل با استفاده از ابزار هوش تجاری در این رویکرد توصیف میشوند.

 

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».

 

کارکردهای هوش تجاری

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 هایعملکردی کلیدی (Key Performance Indicators, KPI) را تعریف می کند.
گزارش دهی: گزارش های لحظه ای و دست ای ایجاد می کند.

 

رویکردهای تکنیکی

از سوی دیگر لازم است تکنیک های لازم برای تحلیل داده های مختلف به کار رود. رویکردهای تکنیکی شامل ایجاد دید، مدیریت عملکرد در کسب و کار، و گزارش دهی است که برای رسیدن به سه هدف اصلی زیر بکار میروند:

  • تحیلی های پیش بینی کننده- Predictive Analysis- که جهت ساختن پیش بینی برای آینده کسب وکار بکار می رود. 
  • کاوش و جستجو در داده ها -Data Mining- برای کشف الگوهای بدست آوردن اطلاعات لازم با اهداف مشخص.
  • برتریابی -Benchmarking - با استفاده از مقایسه آمار و اعداد در صنعت مشابه 

برای رسیدن به این اهداف لازم است فرآیندها و عملکردهای کسب و کار از دیدگاه مشتریان، شرکای تجاری، فروشندگان، تامین کنندگان، مسئولین آی تی، و خدمات مالی مورد تحلیل و بررسی قرار بگیرد. فرآیندهای کسب و کار شامل سیستم های بازبینی، سیستم های تحلیل و بررسی، سیستم های کنترل، و سیتستم های استراتژی و برنامه ریزی کسب و کار است. 

 

تحلیل داده ها

امروزه تحلیل داده ها با استفاده از ابزارها و تکنیک هایی که در این زینه وجود دارند، بسیار ساده شده است. تحلیل داده ها انواع مختلفی دارد که در ذیل به آنها اشاره می شود:

  • تحلیل آماری (Statistical Analytics): بسته‎های تحلیل آماری مانند (S++)که می‎توانند با پایگاه داده‎ها در ارتباط باشند.
  • داده کاوی (Data Mining): داده کاوی جستجو می‎کند تا دانش را به شکل الگو‏ها و قواعد آماری از پایگاه داده‎های بزرگ به طور خودکار کشف نماید.
  • پایگاه داده تحلیلی (Analytical DB): یک پایگاه داده تحلیلی، اطلاعات جمع آوری شده از منابع متعدد را بایگانی نموده و آن‎ها را بر اساس یک طرح یکپارچه در یک سایت ذخیره می‎کند. برای کسب و کار‏های بزرگ مهم است که از بخش‎های متعدد و در صورت امکان در سایت‎های متعدد، داده تولید نمایند.

 

پایگاه داده تحلیلی

 «منبع داده جمع آوری شده از داده‏های منابع اطلاعاتی مختلف و حتی ناهمگن، تحت یك ساختار و در یك محدوده وسیع زمانی با هدف پاسخ‏گویی به پرسش‏های تحلیلی كاربران است.»


پایگاه داده تحلیلی تفاوت هایی را با پایگاه های عملیاتی دارند، از جمله می توان به مشخصات ذیل در پایگاه داده تحلیلی اشاره نمود:

  • پوشش دامنه زمانی وسیع‏تر
  • یك پایگاه داده یكپارچه حاصل از پردازش چندین پایگاه داده عملیاتی
  • قابلیت پاسخ‏گویی به پرسش‏های پیچیده كاربران و برنامه‏های كاربردی

 

انواع داده ها در پایگاه داده تحلیلی

داده های متنوعی در پایگاه داده تحلیلی ذخیره می شوند که عبارتند از:

  • داده جاری: داده‏های فعلی منابع عملیاتی
  • داده قدیمی: داده‏های قدیمی منابع اطلاعاتی
  • داده خلاصه شده: داده‏های نتیجه شده از داده‏های موجود و پردازش‏های مرتبط
  • فراداده: شامل اطلاعات مربوط به داده‏ها، دیكشنری از اطلاعات پایگاه، راهنمایی جهت نگاشت داده از محیط عملیاتی به محیط پایگاه داده تحلیلی و قواعد استفاده شده برای خلاصه سازی است.

 

معماری یك پایگاه داده تحلیلی

معماری یك پایگاه داده تحلیلی شامل سه لایه می باشد:

  • لایه زیرین: منابع اولیه داده را تشكیل می‏دهد. این لایه شامل پایگاه‏های داده رابطه‏ ای، فایل‏های مسطح و منابع دیگر است.
  • لایه میانی: خود پایگاه داده تحلیلی و سرویس دهنده ‏های پردازش تحلیلی برخط تشكیل می‏دهند. سرویس دهنده‏ های پردازش تحلیلی برخط، داده چند بعدی را برای ارائه به كاربران نهایی در اختیار قرار می‏دهند.
  • لایه انتهایی: سرویس گیرنده‏ ها هستند كه با عملیات داده كاوی، پرس‏و‏جو و تحلیل، داده را از سرویس دهنده‏ های پردازش تحلیلی بر خط  می‏گیرند.

 

 برای ایجاد یک پایگاه داده تحلیلی فرآیند ذیل باید انجام شود:

OLAP

فرض کنید کارخانه ایران خودرو محصولات مختلفی از قبیل پژو، سمند، وانت و غیره را تولید می‎کند. همچنین، این کارخانه در شهر‎های مختلف دارای نمایندگی است و مدیران کارخانه می‎خواهند عملکرد فروش محصولات خود در شهر‏های مختلف را تحلیل کنند.OLAP سرویسی است که وظیفه آن پاسخ سریع به سوالات مربوط به کسب و کار است.

روشهای ذخیره سازی در OLAP:

(ROLAP (Relational OLAP: اگر هم داده‏های مجتمع و هم غیرمجتمع در پایگاه داده رابطه‎ای ذخیره شوند.
(MOLAP (Multi-dimensional OLAP: اگر هم داده‏های مجتمع و هم غیرمجتمع در پایگاه داده ابعادی ذخیره شوند.
(HOLAP (Hybrid OLAP: اگر داده‏های غیر مجتمع در پایگاه داده رابطه‏ای و داده‏های مجتمع در پایگاه داده ابعادی ذخیره شوند.
(DOLAP (Desktop OLAP.

 

منبع: داده کاوان اندیشه برتر

 

 

پست های تصادفی

طوفان فکری با تیم مشاوران آکو

درخواست مشاوره
مشاوره با آکو