GradientTop
PC
Vodeći IT časopis u Srbiji
PC #227 > PC.Biz
ARHIVA BROJEVA | O ČASOPISU | POSTANI SARADNIK | PRETRAGA
preview
Poslovna inteligencija i Big Data
Miodrag Ranisavljević
Kako iskoristiti informacioni sistem kompanije da bi se postigli bolji rezultati u prodaji? Business Inteligence pokušava da odgovori na to pitanje, ali joj je potrebna velika količina podataka da bi odgovor bio relevantan. A mnogo podataka donosi posebnu klasu problema...
- PC #227 (Decembar 2015)
- U prodaji po ceni od 200 din

broj

Poslovna inteligencija i Big Data

image

Kada govori o poslovnoj inteligenciji, Forrester koristi sledeću definiciju: „Poslovna inteligencija (BI) je skup metodologija, procesa, arhitektura i tehnologija koje transformišu sirove podatke u smislene i korisne informacije koje omogućavaju efikasnije strateške, taktičke i operativne uvide i bolje odlučivanje.“ Slično kaže i Gartnerov IT rečnik koji definiše poslovnu inteligenciju (BI) kao „krovni termin koji uključuje primene, infrastrukturu, alate i praktična iskustva koja omogućavaju pristup do podataka i analizu informacija radi unapređenja i optimizacije odlučivanja i performansi“. Isti rečnik definiše poslovnu analitiku kao „rešenje koje se koristi za izgradnju modela i simulacija radi kreiranja scenarija, razumevanje okruženja i predviđanja budućih događaja. Poslovna analitika uključuje pronalaženje podataka (data-mining), prediktivnu analitiku i statistiku i isporučuje se kao softverska aplikacija pogodna za poslovnog korisnika“.

Šta to u praksi znači? Vrlo jednostavno, ako imate podatke o kupcima, poslovna analitika mogla bi da vam pokaže kompletnu istoriju vašeg odnosa s kupcima (šta i kada kupuju, gde se nalaze, kako plaćaju, koliko su likvidni i sl.), a poslovna inteligencija mogla bi vam pomoći da pogodite ponašanje kupaca u budućnosti (šta i kada će kupovati, kako će plaćati i sl.) Na taj način, u primeru kupaca, moći ćete u pravom trenutku da napravite specijalnu ponudu kojoj neće moći da odole.

Ništa novo?

image

Ranije su izveštaji bili statični i periodični. Danas više nije tako. Umesto čekanja na izveštaj, sada su podaci na dohvat ruke i svako bi mogao imati pristup onda kada su mu potrebni. Takav pristup nije nov i većina kompanija već ga koristi kroz neku vrstu naprednih izveštaja koji predstavljaju osnov za poslovno odlučivanje. Ipak, stvari su danas drugačije. Ako smo ranije primarno diskutovali o analizi podataka u bazama i skladištima podataka, danas diskutujemo o Big Data konceptu. Poplavljeni smo alatima i tehnologijama koje su kreirale potpuno novu disciplinu analitike podataka, na čelu s naučnicima za podatke (Data Scientists), koja predstavlja okosnicu poslovne strategije, znanja i veština zasnovanih na relevantnim podacima. Povod za ovo je novi nivo interesovanja za nalaženje važnih konkurentnih informacija, kombinujući kompanijske interne izvore podataka s podacima koji se nalaze van kompanije na raznoraznim cloud servisima. Pored internih kompanijskih podataka od kojih se samo neki nalaze u poslovnim programima ERP, CRM i sličnima, postoji mnogo drugih interno dostupnih podataka od istog značaja. Plus, imamo sve te podatke na internetu, na društvenim mrežama, u javnim i privatnim poslovnim bazama podataka. Svedoci smo eksplozije podataka u poslednjoj deceniji, a organizacije često nemaju resursa da sve ove podatke efikasno prikupe, a kamoli analiziraju. Počnimo od početka, jer tek kada vidimo koji su sve podaci dostupni, imaćemo mogućnost da razumemo koje podatke možemo upotrebiti za ostvarivanje poslovnih ciljeva.

Plan za BI

Kompanije se danas sreću, u praksi, sa ogromnom količinom podataka iz internih i eksternih izvora. Vrlo je važno razumeti zašto se prikupljaju određeni podaci i kako ti prikupljeni podaci pomažu ciljevima kompanije. To je, najprostije rečeno, PLAN ZA POSLOVNU INTELIGENCIJU. Dakle, prvi korak plana (prikupljanje podataka) jeste postavljanje ciljeva kako bi se moglo odlučiti koji podaci pomažu tim ciljevima. Kada se to uradi, može se pristupiti razumevanju internih i eksternih izvora podataka i načina na koji oni utiču na tako postavljene ciljeve.

Tipovi podataka

Svi podaci bilo koje kompanije, od prodajnih transakcija, preko ugovora do e-mail poruka, mogu biti podeljeni u dva osnovna tipa: nestrukturirani i strukturirani. Nestrukturirani podaci nemaju predefinisan model podataka i ne uklapaju se u tradicionalne relacione tabele. To su uobičajeno tekstualni, grafički, video i ostali podaci koji nemaju unapred definisanu strukturu. Takvi podaci mogu sadržati brojeve, datume i druge činjenice, ali ne u unapred definisanom formatu. Sama njihova priroda čini ih problematičnim za analizu. Zapravo, veliki deo dostupnih kompanijskih podataka spada u nestrukturirane. E-mail je dobar primer nestrukturiranih podataka.

Strukturirani podaci su oni čiji je format unapred definisan i koji imaju formalno definisan model. Takvi podaci mogu se naći u standardnim poslovnim programima (ERP, CRM i sl.). Strukturirani podaci mogu biti naziv i opis proizvoda, podaci o kupcima i dobavljačima, podaci o porudžbinama i sl. Ako nešto unesete u svoj poslovni softver kroz unapred definisan formular, velika je verovatnoća da je u pitanju strukturirani podatak.

Izvori podataka

Formula uspeha
Zamislite da vaša baza podataka o ljudskim resursima ima spisak ljudi zaposlenih ili angažovanih u vašoj organizaciji. Pored osnovnih podataka kao što su ime, prezime, adresa i sl. želite da dobijete više društvenih podataka o zaposlenima povezujući vaš sistem putem standardnog programerskog interfejsa (API) na sisteme kao što su Facebook, LinkedIn i sl. Kombinovanje podataka dostupnih na društvenim mrežama, kao i mnogih drugih, jeste deo Big Data fenomena. I tu svakako nije kraj. Načini na koje možete koristiti sve ove podatke ograničavaju se jedino kreativnošću samih organizacija.
U filmu Formula uspeha (Moneyball) sa Bredom Pitom možemo videti svetao primer primene poslovne analitike, poslovne inteligencije i Big Data koncepta u sportu. Naime, menadžer kluba s vrlo ograničenim budžetom, koristeći empirijsku i statističku analizu podataka o aktivnosti igrača tokom igre, sastavlja tim od najneočekivanijih igrača i osvaja prvenstvo. Film je snimljen po istinitom događaju i dobro ilustruje značaj podataka.

Podaci postoje u različitim oblicima. Neke kompanije i dalje imaju velike papirne arhive u kojima čuvaju poslovne podatke. Druge su usvojile neke forme elektronskih arhiva (Excel, Word ili slične poslovne aplikacije). Ti podaci veoma su komplikovani za manipulaciju u okviru poslovne analitike. Prvi jer nisu digitalni, drugi jer nisu strukturirani. Dodatno, uobičajeno je da kompanije imaju podatke uskladištene u poslovnim programima koje koriste, bilo da je reč o računovodstvu, evidenciji zaliha, kadrovima i sl. Srećom, ti podaci najčešće su strukturirani i skladište se u nekoj bazi podataka koja već „poznaje“ relacije između podataka. Vrlo je verovatno da će moći da se koriste u poslovnoj analitici bez većih problema.

Bilo bi sjajno kada bi svi podaci bili strukturirani i opisani modelom podataka. Činjenica je da je veći deo podataka nestrukturiran. Samo pomislimo na broj e-mail poruka, dopisa, tabelarnih proračuna i podataka na društvenim mrežama kao što su LinkedIn ili Twitter koji se generiše svakodnevno. Sve su to vredni podaci, ali nisu strukturirani ni na koji način. Ovi nestrukturirani podaci teško se skladište i još teže analiziraju. Postoji nekoliko pristupa kako se ovi podaci mogu skladištiti i analizirati. Jednostavno treba imati na umu ovo kada razmišljate o implementaciji BI sistema.

Dodatno, postoje i brojni spoljni izvori podataka koji sadrže vredne informacije. Mogućnost kombinovanja internih i eksternih izvora podataka daje pravu moć sistemima za poslovnu inteligenciju. Zbog ogromne količine podataka važno je uskladiti poslovne ciljeve sa izvorima podataka kako bi se izabrali adekvatni podaci. U suprotnom postoji mogućnost da se „izgubite“ u moru podataka.

Preduslovi za BI

Adekvatna primena BI sistema podrazumeva kako tehničku (IT infrastruktura), tako i organizacionu spremnost. Ako organizacija nije na određenom stepenu razvoja, nema mnogo smisla uvoditi BI. Ako organizacija jeste u određenom stepenu razvoja, onda treba razmišljati o BI sistemu. Pre toga to može da ima potpuno suprotan efekat. Pitanje koje kompanija mora postaviti pre nego što počnete da razmišljate o BI sistemu: Da li i bez informatike imam uspostavljene kriterijume i definisane zahteve za izveštajima i podacima koji su mi potrebni? Znam li gde se nalaze podaci koji su mi potrebni? Imam li ustanovljen proces planiranja? Da li imam uspostavljen proces izveštavanja? Ko sve treba da dobija izveštaje i koje? Ako bilo koji od ovih parametara nije uspostavljen, onda ni ceo BI sistem neće imati nikakvog smisla, odnosno, njegova implementacija biće pravo mučenje. Naprosto zato što BI nije zamena za izveštavanje. BI sadrži i deo izveštavanja, ali je daleko od samog izveštavanja.

Kako biti poslovno inteligentan?

BI je velika tema s mnogo stavki koje bi i poslovna i IT strategija morale podržati. Da bi projekat BI bio uspešan, mora postojati jasan plan. Dodatno, taj plan mora biti vođen strateškim ciljevima kompanije. Kada kompanija razmišlja o BI, treba da ima na umu interne izvore podataka, ali ne samo iz računovodstvenog ili ERP sistema, već i sve ostale nestrukturirane podatke koji su na raspolaganju. Dalje, svakako treba da uzme u obzir javno dostupne, eksterne izvore podataka da bi dopunila ili proširila sliku kako svoje pozicije na tržištu, tako i pozicije ostalih relevantnih kompanija (bilo da su saradnici ili konkurenti). BI je kruna poslovne analitike i zahteva sveobuhvatni pristup. Nije ni prvi ni poslednji put da se ovo čuje. Ipak, problem je što većina BI projekata zbog kompleksnosti ne doživi svoju punu primenu, već se svode na osnovno izveštavanje, a tako se ne iskorišćava pun potencijal ovakvih alata. Prava snaga leži u transformaciji sirovih podataka na svim nivoima organizacija u smislene razumljive informacije. Za kraj, nekome će to biti jednostavno izveštavanje, ali bi takođe, trebalo da bude i deo strateškog planiranja i odlučivanja.

SLEDEĆI TEKST U PC #227
preview
Fotografsko pamćenje
Nebojša Prijić


.

PC
Twitter Facebook Feed Newsletter