Információrendszer-architektúrák 7.

1. Információrendszer-architektúrák 7. Üzleti intelligencia; OLAP és a vezetés;speciális back-office architektúrák (Michelberger jegyzet 6. fejezet)

2. A vezetés információ-ellátása A/ Vezetői problémák és kezelésük: üzleti intelligencia BI B/ Vezetői döntéstámogatás C/ Szakértői rendszerek D/ Adattárházak, OLAP technikák

3. Vezetés és az IR Kontrolling Számvitel Termelés-elszámolás Rendelés_ felvétel Pénzügy Karban-tartás Tárgyi eszközök Beruházások Bér-elszámolás Termelés_ tervezés Termelés-irányítás Projekt-mgmt Emberierőforrások készletek,raktár Minőség - irányítás Beszerzés Értékesítés K + F Iroda-mgmt

4. TPS, MIS és VIR TÍPUS CSOPORTOK VIR MIS TPS stratégiai szint felsővezetők középvezetők tudásmunkások, adatmunkások munkavezetők a menedzsment szintje tudásmunka szintje műveleti (operatív) szint LogisztikaÉrtékesítés, Gyártás, Pénzügy, Irodai HRM Stratégiai marketing szolgáltatás számvitel rendszer tervezés MINDEN SZINTEN más és más hw/sw architektúrára van szükség!A VIR: információk formális, kodifikált kezelése, a vezetés igényei szerint, a vezetés irányítása alatt

5. Üzleti intelligencia - rendszerek „Az üzletről való gondolkodás, az üzlet irányítása, az üzleti döntések meghozatala információfeldolgozáson alapul” – a BI célja • a szükséges információk és tudás megszerzése(információ-menedzsment és tudás-menedzsment) • a speciális adatállományok és adatstruktúrák felépítése (OLAP adatszolgáltatás, adattárházak, adatkockák) • a döntéshozatal megalapozása számítógéppel támogatott elemzésekkel (DSS/OLAP elemzések, adatbányászati technikák, AI módszerek, szakértői rendszerek) • Mindezek érthető tartalmú és kényelmes formátumú előállítása (OLAP vizualizáció)

6. BI definíció • „Az üzleti intelligencia egy szemléletmód meghonosítása: információkezelő alkalmazások gyűjteménye, átfogó alkalmazása a vállalat • irányíthatóságát (governance) • Jövedelmezőségét • belső egyensúlyát javító intézkedések támogatása céljából.” • A BI architektúra-hátterét több technológia együttes alkalmazása biztosítja: • nagyméretű (relációs) adatbázisok, online üzemmóddal • speciális szoftverek: adatok részhalmazait kell kiválogatni (Extract),átformálni-tisztítani (Transfer), és feltölteni más, speciális szervezésű, hasonlóan online kezelhető adattárházba (Load) • erőteljes, gyors, real-time feldolgozást kell biztosítani igen nagy tömegű adathalmazon • kiterjedt vizualizációt kell biztosítani.

7. Felsővezetői IR: az EIS JF Rockart - ME Treacy: The CEO Goes On-Line, HBR, 1982 Miért kell új rendszer? - ‘50-es évek: Paper Dragon, számvitel-bér-raktár „jelentések” - ‘60-as évek: MIS papírtömege, batch jelentések mindenkinek - ‘70-es évek: DSS, ES ígéretei, aggregált információk - ‘80-as évek, mikrogép, hálózat: legjobb, ha „Any Time, AnyWhere, AnyThing, AnyForm” - ‘90-es évek: globális e-solutions, mobil hozzáférés, adatbányászat UBIQUITOUS COMPUTING, HOLISTIC VIEW AZAZ: - speciális tervezés (interfész) - speciális szolgáltatások OLAP (E.F. CODD) - korszerű technika (mobil, hálózati, „adatkocka”) - felsővezetői oktatás, gyakorlottság, szemlélet…. Az eredmény: tranzakció-orientált, integrált vállalatirányítási IR

8. B/ Vezetői probléma-típusok és döntések Amire szükségünk van: • Az üzleti folyamatok kimeneteinek folyamatos megjeleníthetősége • Az üzleti tervek folyamatos kontrollja, átalakítása • A változások várható hatásainak elemezhetősége (szimulációk, mi-lenne-ha alternatíva-vizsgálatok) • Akciók (pl. marketing, értékesítés) folyamatos, gyors szervezhetősége • Termelés-optimalizálás változó körülmények között (rendelésre történő gyártás, beszállítói lánc, kapacitás-menedzsment, raktárkészletek) • Beruházások tervezhetősége, hatásvizsgálata • A szervezet és az HRM menedzselése, fejlesztése

9. Kétféle vizsgálati lehetőség: A vezetés informatikája:VIREIS + DSS/SZR OLAP Az informatikavezetése Strat. mgmt Inno mgmt Infoforrások Döntés_támogatás Projekt_mgmt Vezetőiinf szolgáltatás (más tárgyakban)

10. A meghatározás A vezetői információrendszer (EIS) a felső szinten dolgozó menedzserek döntéshozatali munkáját támogató alrendszer. Viszonylag kevés elsődleges input adattal dolgozik, s ezek nagy része külső forrásból származik. A döntési szint aggregált információk bonyolult kezelését feltételezi, ezek minősége nagyon fontos tényező, s a döntések hosszú távra szólnak, átfogó kérdésekre adnak választ. IA megoldásaiban ezért különbözik az operatív (TPS) rendszerek technológiájától, s eltér a közvetlen adatbevitelt feltételező VIR (MIS) menedzseri szinteknél megszokott rendszerektől is.

11. A hagyományos felfogás: az Anthony-piramis kiszolgálása A vezető ebben a modellben egy ellátandó funkció,egy alrendszer (modul) használója.Az MIS-szintről érkezőés a külső forrásúadatokat OLAP elemzőés DSS döntés-támogató rendszerfogadhatja. Stratégiai döntések:általános üzleti elemzések Menedzsment:döntés-ellenőrzés, az üzleti környezet és az ügyfelek Operatív szintűdöntések: alkalmazások, felhasználói szintek, aggregálás Működési folyamatok, tömeges tranzakciók Terv Döntés Döntési adatok Működési adatok Anthony, Robert "Planning and Control Systems: A Framework for Analysis." Harvard Business Review, 1965

12. A vezetői információk jellemzői

13. A támogató elemek • A DSS (Decision Support Systems) a vezetői alapfeladatot támogatja: jó döntéseket kell hozni. A rosszul strukturált problémák nehezen támogathatóak. A stratégiai kérdésekhez magas fokon feldolgozott trendszámítási adatok, előrejelzési táblázatok és grafikonok kellenek. Az információkezelési eljárások: operációkutatás, döntési táblázatok, szakértői rendszerek, csoportos döntés-támogató módszerek, adatbányászat mesterséges intelligencia-eljárásokkal, stb. • Az MIS (Management Information Systems) segítségével a szervezet funkcionális információ-rendszereinek aggregált eredménye kerül a vezető asztalára, rendszeresen, standard formákban, visszacsatolással. Mögötte ma 50-60%-ban egy integrált ERP rendszer áll. • Az AOS (Automated Office Systems), az irodai információrendszer a vezetői munkahelyek közötti kapcsolatok kommunikációs hálózata, a dokumentum-menedzsment hatékony, gépi támogatása. • Az operatív információrendszerek (pl. Computer Aided Manufacturing, vagy egy kereskedelmi POS rendszer) a gazdasági - termelési folyamatokat kísérő adatokat gyűjti-fogadja, az eseményekkel egyidőben: megvalósítja a visszacsatolási funkciót (eredmény levétele, s a más szinten kidolgozott, előírt informatív beavatkozás végrehajtása). Ezek a „jól-strukturált problémák” algoritmizálható kezelési rendszerei.

14. Példák:döntések ésinformációkszintje – szükségesICT IA ICT Vékony kliens;mobilitás Vastag kliens;mobilitás Vékony kliens;spec. kiépítés SW/alk. OLAP, DSS, vizualizáció, kommunikáció MIS szolgáltatások Funkcionálisszolgáltatások, sok/spéci input

15. DSS szoftverek DSS: számítógépes rendszer: szervezetek döntési folyamatok támogatására, strukturált/ kevéssé strukturált feladatok megoldása beépített döntési szabályokkal, modellekkel (módosíthatók) A DSS támogatja a: • különböző vezetői szinteket • egyéni/(csoportos) döntéseket • különböző döntési stílusokat • a döntési folyamat fázisait • felhasználói fejlesztéseket, ….

16. DSS szoftverek típusai Modell-alapú: modell-bázisból intelligensen kiválasztott modell alkalmazása az adott problémára (pl. hitel, pénzügyek, tőzsde, stb.) Adat-alapú: vállalati adatok manipulálása; lekérdező-visszakereső rendszerek; GIS; adattárházak, adatbányászat, OLAP Dokumentum-alapú: információ-visszakeresés strukturálatlan (szöveges, képi, videó?) dokumentumhalmazból Kommunikáció- alapú: üzenetkezelés, info-megosztás, koordinálás, csoportos döntés támogatás (GDSS), csoportmunka (GW) Táblázat – alapú: egyszerű döntési variációk gyors kezelése Web- alapú: web-felületen hozzáférhető szabály-, tudás-, modell-bázis Tudás-alapú DSS: tudás-bázis és következtető-gép segítségével megoldási ajánlat felkínálása (MI szoftverek)

17. C/ Döntések, szakértői rendszerek A szokásos (stratégiai – taktikai szintű ) döntési folyamat: 1/ A feladat meghatározása, körülhatárolása;releváns adatgyűjtés 2/ Tervezés: ismert és új modellek alapján alternatívák feltárása, kimunkálása 3/ A modellek összemérése, a kimenetek értékelése; választás 4/ Megvalósítás: a legjobbnak ítélt verzió(k) tényleges rendszerré formálása

18. A mesterséges intelligencia szerepe • Az MI az emberi gondolkodási, tanulási, szimbólum-kezelési képességek számítógépes modellezésével foglalkozik • Egy ága: a szakértői rendszerek (SZR, ES) rosszul strukturált problémák megoldásához egy jól definiált, szűk tudás-terület „szakértői” tudás-bázisát és modellezett eljárásait használja fel. Az SZR „tanácsot ad” a felismert és működtetett szabályrendszerek alkalmazásával • Módszerek, területek: • Fuzzy rendszerek • Neurális hálók • Evolúciós algoritmusok • Adatbányászat

19. Szakértői rendszerek architektúrája Felhasználói felület: beszéd, grafika, természetes nyelv „Tudás-alapú SZR” „Következtetőgép”:a Memóriából kiválasztott eset értékelésea Tudásbázis alapján; visszacsatolás (tanulás) Ismeretszerzés „Munka-memória”: az adott probléma adatai, a következtetések eredményei Tudásbázis:ismeretek és szabályok (If..Then) EXSYS:extrém szakértés

20. Példa: PC diagnosztika

21. ’90-es évek: Az üzleti intelligencia eszközei Az integrált ERP átveszi az SOP+MIS feladatokat + adatbázis BI: Alkalmazások és technológiák; adattárolási, valós idejű lekérdezési, analitikai, előrejelzési és adatbányászati eljárások. EIS OLAP/ BI/ DSS OLTP/ERP Adattárház: vezetők számára optimalizált formájú, aggregáltságú és szervezettségű adatok; sokoldalú lekérdezés, magas szintű analitikus műveletek.Adatpiacok: A központi adattárházhoz kapcsolódnak, egy-egy szervezeti egység speciális információs igényeinek megfelelően optimalizáltak.Az OLAP-rendszerű alkalmazások tervezési, teljesítmény-követési, eltérés-elemzési, szimulációs, adatbányászati és előrejelzési feladatokat látnak el (egység- és általános szintű controlling)

22. Adatok, információk és döntés • A begyűjthető adatmennyiségek hatalmasra nőttek, s az Internet mindezt felgyorsította, elérhetővé tette • A mechanikusan növelhető állományok (pl. Web-szövegek!) hagyományos módszerekkel már nem szűrhetőek, nem elemezhetőek: az információ-kinyerés egyre nehezebb • A tudás-vállalatok és a magasabb tudású alkalmazottak megkövetelik a releváns, jó minőségű információt • A vezetői cselekvéshez ilyen, megbízható tudáson alapuló döntések szükségesek - az „üzleti intelligencia” támogatása, szintjének növelése a végső cél. Nyers, belső-külső Igényelt, releváns Tudás Döntés,adathalmazok információk tovább-építése cselekvés

23. Adatkezelés: trendek Hagyományos adatfájlok, adatgyűjtés, nyomtatás. Szolgáltatói adatfeldolgozás ~1960 ~1970 ~1980 ~1990 ~2000 ~2010 Saját nagygépesadatkezelés, funkcionális alkalmazások Saját kis/mikrogépesadatkezelés, funkcionális adathalmazok Igény: adatbázis. Elmélet, majd szoftverek Elemző táblázatkezelők Relációs adatbázisok, adatmodellezés, SQL Vizualizációs technikák,multimédia, „tudás-kezelés” Igény: OLTP tranzakció-kezelés, majd Web Igpény: OLAP onlineelemzési lehetőség Adattárház-technológiák, adatbányászati eljárások Üzleti Intelligencia, Web, új generáció: ERP II.

24. Az adatkezelési IA megváltozása EIS MIS KWS/OASTPS/SOP BIOLAP OLTP • A ’80-as évektől uralkodó, relációs adatbázis-kezelőkre épített vállalati rendszerek megújulnak: az operatív adatkezelési szint automatikussá válik, ugyanakkor ezzel az elemezhető adattömeg jelentősen megnő • Egységes szemléletű, „multi-dimenzionális” adatkezelés jelenik meg a leválogatott-megtisztított adathalmazokon:az ERP II rendszerek kiegészülnek OLAP / BI elemzőmodulokkal, s minden távolról, online módon kezelhetővé válik adattisztítás átalakításbetöltés OLTPadatbázis OLAPadattárház F adat-piacok F adat-piacok F adat-piacok

25. Az OLAP az IR-ben • Az OLAP vezetői szintű adatelemzést szolgáló, valós idejű rendszer, amely lehetővé teszi jelentések készítését, valamint ad-hoc jellegű kérdések megválaszolását. • AZ OLAP a már meglévő adatokból (tranzakciós adatbázis) olyan információkat hoz létre, amelyek segítséget nyújtanak az azonnali döntésekhez. A többdimenziós adatmodellben az elemző tetszőleges szempontok szerint, különböző nézetből vizsgálhatja adatait. • Az OLAP adat-háttere a tranzakciós adatbázis, az ebből elkészített adattárház (data warehouse), s ennek speciális lekérdezésekkel készített metszetei (data-mart). Példa: Az értékesítést online tranzakciók kísérik; az adatbázis frissül Az adatbázisból naponta kivonat készül a vezetés számára, ezt speciális BI szoftverek kezelik (data warehouse)A marketing-elemző OLAP rendszerével marketing adatszeletet (data mart) készít, ezen elemzéseket végez • Az OLAP rendszereket BI (Business Intelligence) szoftverek támogatják: gyors konvertálás többféle rendszerből, lekérdezés, adatok áttöltése • Az OLAP lényegében kényelmes ügyfél-oldali manipulációkat nyújt, de a háttérben kiszolgáló-műveletek folynak.

26. OLTP és OLAP: az architektúra illesztése Tulajdonságok OLTP OLAP Orientáció tranzakciók adatanalízis Felhasználó vállalat adminisztrációt döntéshozók és őket végző alkalmazottai információval támogató alkalmazottak Feladat napi folyamatok követése döntéstámogatás, hosszú távú információ- gyűjtés és szolgáltatás Adatbázis Egyed-Kapcsolat modell, tervezése alkalmazás orientált tárgy-orientált, csillagséma Adatok aktuális, up-to-date történeti adatok, időben archiválva Aggregált adatok nem jellemző; részletes felbontás összegzett, egyesített adatok Adatok nézete részletezett, relációs összegzett, multi-dimenzionális Felhasználók hozzáférése olvasás/írás legtöbbször olvasás, adattárház adatait nem módosítják Hangsúly adatbevitelen információkinyerésen Feldolgozandó Rekordszám tízes nagyságrendű rekord alkalmanként akár milliós rekordszám Felhasználók száma viszonylag sok kevés, közép és felsővezetők ált. Prioritás állandó rendelkezésre állás és megbízhatóság rugalmasság, felhasználói önállóság

27. OLAP: amit a vezető el tud képzelni

28. Az OLAP értelmezése • Összeköti a DSS és a VIR/EIS lehetőségeit: az elérhető állományokat (C/S) interaktív módon manipulálhatóvá teszi. • Új képességek: integrált, többdimenziós adatbázis, emelt szintű elemzések; valós idejű lekérdezések; egyszerű kezelőfelület (vizualizáció); meta-adatok. • Adattárház-koncepció (Bill Immon, 1992): téma –orientált, integrált adatkezelő rendszer, egy meta-adatbázis, amely különböző adatbázisok együttesét teszi hozzáférhetővé elemzési célra (pl. „értékesítési célú adattárház”) • Adatbányászás: az adattárház szerkezetéhez és a megfogalmazott igényekhez igazodó keresési, „lefúrási” (drill-down) eljárások megvalósítása Dundas: drilldown RadarSoft

29. Az adatbázis és az adattárház IA háttere (Sidló Csaba) Bill Inmon : „Az adattárház egy tárgykör orientált, integrált, időfüggő, maradandó adatgyűjtemény a menedzsment céljaira.”

30. Multi-dimenzionális OLAP „adatkocka” Excel cube Dundas OLAP • Műveletek: • Aggregáció (roll-up): egy dimenzió mentén összegzést végzünk • Lefúrás (drill-down): az előző ellentéte, pl. havi adat lebontása • Forgatás (pivoting): dimenzió felcserélése: más nézet • Szelekció (filtering): egy dimenzióban értékre szűrünk • Szeletelés (slicing): egy dim-t lekötünk; (dicing): részkocka kivágása

31. A tipikus OLAP „dashboard”-felület Dashboard Demo: Finance

32. Codd: az OLAP IR 12 jellemzője 1/ Sokdimenziós világnézet, több, mint a kettős relációk, “táblázatok” 2/ Átláthatóság: tudja, hogyan működik; értse, mit csinál 3/ Hozzáférhetőség, „any time, anywhere”: adatbányászás 4/ Egyenletes lekérdezési teljesítmény: nem kell máshova fordulni 5/ Kliens/szerver architektúra: saját szerverrel 6/ Többdimenziós felépítés, kiválasztható dimenziók 7/ Dinamikus ritkamátrix-kezelés (gyorsaság kontra adattömeg) 8/ Többfelhasználós üzemmód, globalitás miatt 9/ Korlátlan műveletvégzés, bármilyen (típusú, dimenziójú) adattal 10/ Intuitív adatkezelés: minimális billentyűzés, egér, beszédvezérlés 11/ Rugalmas megjelenítés: „AnyForm” reprezentáció 12/ Korlátlan dimenziószámok (15-19 adat-dimenzió, korlátlan összegzések, drill-down, stb.) Példák: SAP, ORACLE Express, Exact EIS, Comshare Commander,... dynaSight MS OLAP Axapta OLAP Oracle

33. Régi és új fogalmak Adatfájl, adatállomány: egy folyamat, egy résztvevő (egyed) leíró állománya - egyedi struktúra és alkalmazás Adatbázis: matematikai szigorúságú modellezés alapján felépített komplex adatszerkezet, amelyet önálló manipulációs-lekérdező szoftver (DBMS) segítségével kezelünk OLTP: hálózati (távoli) hozzáféréssel üzleti tranzakció végrehajtása (regisztrálás-ellenőrzés, adatbevitel, visszaigazolás, akár végrehajtás is) Adattárház (Data Warehouse):operatív adatbázisokból legyűjtött cél-orientált adathalmazok, amelyek időfüggőek, változatlanok, tematikusak és integráltak(Bill Inmon, 1992); az ezekhez kapcsolódó új adatkezelési technikák (adatbányászat) Adatpiac (data mart): az adattárház (vállalati) funkcionális igényt kielégítő része OLAP:közvetlen hozzáféréssel végezhető üzleti elemző szolgáltatások (ld. Adattárház) Adatbányászat: speciálisan felépített „adatkockákon” végzett kutató-mintakereső műveletek (lefúrás, aggregálás, szeletelés, forgatás, mintakeresések, osztályozási eljárások, stb.) Adatbányászati eszközök: speciális legyűjtő, adat-tisztítási, áttöltési (ETL-), osztályozó, mintakereső, lekérdező „mesterséges intelligencia” algoritmusok Adatbányászati alkalmazások: az eszközökre épített üzleti intelligencia – rendszerek; iparág, vagy probléma-specifikusan, rugalmas, kész eszközválasztékot kínálva, legtöbbször speciális adatbázis-kezelő felett Operational Data Store: az adattisztításhoz, átrendezéshez, feltöltéshez használt munka-adatállomány Extraprise Data Warehouse: globális elérésű adatgyűjtő, ahol összefutnak B2B, B2C és ERP/a-ERP/b adatok. Virtuális adattárház: ha az operációs (forrás) adatbázisokon túl nem épül külön adatbázis az adattárház adatai számára: a VA ekkor az operációs adatok megfelelő nézetére biztosít (ideiglenes) felületet. Tudásmenedzsment, KM: a tudás megszerzését, feltárását, közzétételét, értékelését és fejlesztését szolgáló emberi és gépi eljárások összessége – a tudás, mint vállalati erőforrás hatékony kihasználása, menedzselése Tudásfeltárás adatbázisokból: KDD meglévő adatbázisok intelligens algoritmusokkal történő elemzése, új összefüggések keresése céljából Üzleti intelligencia, BI: a vállalati (egyéni és csoportos) döntéseket elősegítő újszerű információ- és tudás-menedzselési eljárások, speciális adatszervezési megoldások komplex összességeBI = adattárház !

34. Az „Üzleti intelligencia” Howard Dresner (Gartner Group, 1989): „A BI olyan módszerek, fogalmak halmazát jelenti, melyek a döntéshozás folyamatát javítják adatok és ún. tényalapú rendszerek használatával.” A "tényalapú rendszer" a következő alrendszereket foglalja magába: • Vezetői információs rendszerek (Executive Information Systems EIS) • Döntéstámogató rendszerek (Decision Support Systems, DSS) • Vállalati információs rendszerek (Enterprise Information Systems ERP) • Adattárház-technikákra épülő vezetői célú adatelemző eljárások Online Analytical Processing (OLAP) • Adat- és szöveg-bányászati eljárások, heurisztikus, neurális és evolúciós „mesterséges-intelligencia” módszerek (Data Mining, AI) • Adat-vizualizáció, változatos megjelenítési technikák • Tér-információs rendszerek (Geographic Information Systems, GIS) Az ún. adattárház megoldásokat az üzleti intelligencia megoldások egy szeletének lehet tekinteni.

35. A vezetői info-input fontossága Ada T V Á S Á R L Á S i S T R A T É G I A „Terasz-ugrás”inputok A D A T T É R K É P Vezető Adat-vásárlók OLAP Spontáninformálódás, adat-transzfer DW Belsőadat-”közmű”input szolgáltatásai Cél: ötévenként át kell építeniaz adatgyűjtési rendszert, forrásokat, csatornákat! Z. Karvalics

36. MIS, DSS, SZR/ES, EIS/OLAP

37. Üzleti intelligencia – az új alkalmazási boom • Történelme legnagyobb felvásárlását jelentette be az IBM, mikor 2007 november 13-án bekebelezte a Cognost: a BI szoftvereket fejlesztő vállalatért 5 milliárd dollárt fizettek • A BI szoftverek globális piaca 2006-ban 12,5 milliárd dollárt tett ki (AMR Research), ezek a megoldások az inforendszerek kritikus elemévé válnak. A vállalati alkalmazások világpiacát mintegy 40 milliárd dollárra teszik. • Az SAP 4,8 milliárd eurót fizetett 2007 őszén a francia Business Objects vállalatért: ez mintegy ötezer ügyfél… • Ez válasz volt az Oracle márciusi akciójára, amikor a cég 3,1 milliárd dollárért kebelezte be a BI piac negyedik szereplőjét, a Hyperiont. • Az ilyen jellegű szoftverek piaca az IDC alapján 2006-ban több, mint 11 százalékkal nőtt • Az ok: az egyre duzzadó adathalmazokból a vezetőknek, döntéshozóknak értelmes, értékes információkat kell kinyerniük, és a szervezet teljesít-ményét nyomon kell követniük. A háttérben dolgozó adatbázis-kezelők piacának birtoklásáért is ádáz küzdelem folyik. • A piac, 2006-ban: Business Objects 14,9 százalék SAS BI 10,9 százalék (az AMR Research szerint 21%) Cognos 10,0 százalék Microsoft 7 százalék ORACLE + Hyperionnal 8,5 százalék.

38. Néhány BI termékről • Microsoft: „Hagyja el az Excelt, lépjen feljebb!”Office Performance Point Server 2007 (az Office 2007 csomag utolsó tagjaként, a MS SQL Server 2005-re építve). A szokásos alkalmazásokon (Excel, Outlook, Sharepoint) keresztül kimutatások, jelentések, scorecardok, benchmarkok készíthetők, az adatok „összeszedése” Office és MS Dynamics környezetben folyik. Az OPPS 2007 szerverenként 20 ezer dollár, felhasználónként 195 dollár: árverseny! • ORACLE: Business Intelligence Standard Edition One integrált üzleti adatelemzési és adattárház rendszer KKV-k számára (5 - 50 felhasználói licenc): interaktív műszerfal-nézet (dashboard), formázott kimutatások, eseti lekérdezések és adatelemzések, adatkinyerést, átalakítását, betöltését végző ETL-technológia, Orcel adatbáziskezelő. A cél a maximális kezelési egyszerűség.Licenc: 1,000 dollár/munkahely. A nagyobb licenc: Oracle Business Intelligence Suite EE • SAS Intelligence Architecture; Enterprise Business Intelligence Server: integráló platform, riportolás, lekérdezések, bonyolult elemzések, OLAP kockák, képi megjelenítés, MS Office környezet. Az importálást az intelligens platform (SAS Enterprise Intelligence Platform) biztosítja (adat-integráció, adattárolás, elemző intelligencia, üzleti intelligencia) . Enterprise Miner: Hatalmas portfolió, funkcionális alkalmazásokkal. • SAP /Business Objects: a két termékcsalád integrációja következik • OpenOffice / Sun: Az OpenOffice.org nyílt szoftvercsomagba integrálták a Pentaho nevű jelentéskészítő eszközt. Base, OLAP, XML forrásokból importálhatók adatok. • SPSS – Clementina: előrejelző adatbányászati megoldások a statisztikai adatbázisra alapozva • Más cégek: Actuate, Applix, Business Objects, Cognos, Comshare, Eclipse BIRT, Dat Allegro, Greenplum, Hyperion, Informatica, Jaspersoft, Netezza, Panorama,Par Accel, Pentaho, SPSS Clementina, Teradata, DBMiner, Mineset Silicon Graphics, IBM Intelligent Miner, …

39. Néhány adatbányászati alkalmazási terület

40. Adatbányászat, tudásfeltárás Tipikus alkalmazások: tervezési, teljesítmény-követési, eltérés-elemzési, szimulációs, adatbányászati, előrejelzési, kontrolling feladatok – az „üzleti intelligencia” ismeretszerzése, bármely céllal Példák: • Nagy gyártók/szolgáltatók tömeges garanciális panaszainak elemzése • Gazdasági bűncselekmények megelőzése, felderítése (pl. hitelkártya-műveletek) • Lojalitás-vizsgálatok, hűségkártyák hatásvizsgálata, stb. • Hatalmas orvosi adatállományok (pl. génkutatás, DNS adatok) elemzése • Automatikus laborminta-vizsgálatok • Felsőoktatási hallgatók jelentkezésének elemzése • Időjárás-modellezés, pl. hurrikánok • Távközlési viselkedések anomáliáinak kimutatása, megelőzés, felderítés • Bűnüldözési alkalmazások • Web-oldalak szöveg-bányászata, visszakeresés • Hitelkérelem összetett paraméter-vizsgálata; furcsa pénzügyi tranzakciók felderítése – USA Sarbanes-Oxley törvény következményei, pénzmosás, maffia, terrorizmus! • Marketing adatpiac elemzésével fókuszált direkt-mail akciók (rollover-értékesítés): csökkentett költségek, nagyobb hatékonyság • Web-oldalon történő mozgás és előzetes értékesítés alapján személyre szabottajánlatkészítés • Vásárlások alapján „bevásárlókosár-minták” készítése, vevőprofilok alapján együttes értékesítési akciók, akár személyre szabottan (elektronika, utazások, biztosítások) • Erdőgazdálkodás, erdőtűz-elemzés tér-adatbázisok alapján, stb stb

41. Menedzsment és IR: kihívások • A vezetésnek másfajta tartalmú, másfajta kivitelű IR (kimenetekre) van szüksége • A problémák nagy mértékben aggregált belső és külső (!) információkra támaszkodnak • A problémák nagy része hosszú távra szól • A problémák nagy része kevéssé strukturált • A problémák tetszőleges időpontokban merülnek fel • Az OLAP-szintű üzleti-intelligencia módszerek szakértelmet kívánnak, bonyolult háttér-architektúra-igényük van

42. Kulcsfogalmak Anthony-piramis –Taktikai szintű MIS, Stratégiai szintű EIS - Adatbázis, adattárház, adatpiac, adatkocka – Üzleti intelligencia – Döntéstámogatási módszerek, DSS, GDSS - Database, data warehouse, data mart – Codd OLAP-jellemzői – Dashboard technikák - Szakértői rendszerek, mesterséges intelligencia – SZR modellek, megoldások – A rendszerek fejlődése

43. SAP EIS