Manažerské aplikace – systémy Business Intelligence (BI)

1. Manažerské aplikace – systémy Business Intelligence (BI) Definice BI je sada procesů, aplikací a technologií, jejichž cílem je účinně a účelně podporovat rozhodovací procesy ve firmě. Podporují analytické a plánovací činnosti podniků a organizací a jsou postaveny na specifických tzv. OLAP technologiích a jejich modifikacích, tedy na principech multidimenzionálních pohledů na podniková data. Cílem systémů BI je poskytnout různým úrovním managementu podklady pro kvalifikované rozhodování.

2. Architektura IS a systémy BI • V podmínkách současného řízení firem nabývají stále větší důležitosti IS, které nepracují s primárními daty, ale s daty, která jsou nějak upravena a předzpracována. • Za manažerské systémy jsou považovány bloky architektury, zpracovávající a prezentující značné množství transformovaných primárních dat, pocházejících ze základních transakčních systémů. • MIS (jinak také RIS), EIS, DSS jsou vytvořeny pro podporu potřeb manažerského výkaznictví, firemních analýz a rozborů, potřeb modelování, které vyžadují odlišné mechanismy práce s daty. Pracuje se zde s vybranými nebo upravenými daty, které se tak stávají nositeli komplexních informací o podnikových procesech v podniku. • CRM a SCM jsou specializované manažerské aplikace.

3. 2 technologie zpracování dat v IS Základní platformou pro vývoj a implementaci vrstev bloku BI jsou následující dvě technologie: • OLTP- On Line Technological Processing, technologie relačních databází provozujících údržbu nebo pořizování primárních dat (pro transakční systémy), Z hlediska analytických a plánovacích potřeb manažerů mají OLTP jistá omezení: Neumožňují rychle měnit požadovaná analytická kritéria Mnoho dat – obtížně se provádějí agregace na různých úrovních Analytické úlohy nadměrně zatěžují klasické zpracování ERP Jsou zde redundantní a zbytečná data pro procesy rozhodování. • OLAP - On Line Analytical Processing, zajišťují propojení dat s řídícími mechanismy firmy a analytickými potřebami řídících složek, hovoříme o vícekriteriální analýze dat (pro manažerské aplikace).

4. Skupiny systémů BI • RIS (Reporting Information System) • Jsou vhodné pro operativní řízení základních funkcí firmy, poskytují sumární sestavy např. pro účetnictví (výsledovka, rozvaha, hlavní kniha, saldokonto atd.). • DSS (Decision Support System) • Systémy podporující analýzu dat, plánování, modelování, návrh, přípravu podkladů pro strategické řízení, provádí se specializované analýzy nad většími objemy dat, jsou problémově orientované, jsou vhodné pro taktické řízení. • EIS (Executive Information System) • Jsou určeny nejvyššímu managementu firmy, vyznačují se jednoduchým ovládáním a velkými grafickými možnostmi (grafy, tabulky, mapy, obrázky). • Systémy jsou flexibilní k primárním datům a své výstupy prezentují podle okamžité potřeby manažera.

5. EIS • EIS (Executive IS) • Určenpro strategickéřízenípodniku. • Získává data z ostatníchúrovní IS a z externíchzdrojů, data agreguje a vytváříčasovéřady a vzájemnévazby, trendy, prognózy. • Je zaměřennadelšíčasovýúsek do minulosti i budoucnosti. • Vyznačuje se specifickýminárokynaprezentaciinformací, navyužitímultimédií, nasložitéalgoritmy pro nejrůznějšíanalýzy. • Dva typy EIS: Systémyřízenéobrazovkounebo systémy řízené daty.

6. EIS • Pro tvorbu EIS se využívají specializované SW nástroje, pracující s OLAP technologií (On Line Analytical Processing). • Základem je uložení dat v n-dimenzionální databázi: • 1. dimenze ekonomické (ukazatel zisk, obrat ) • 2. dimenze časové (měsíc, čtvrtletí, rok) • 3. dimenze zvoleného pohledu (typy zákazníků, teritoria, závody..). • Jádrem je multidimenzionální databáze naplněná podnikovými daty - umožňuje velmi rychle a pružně měnit jednotlivé dimenze, tedy pohledy uživatele na ekonomickou realitu. OLAP a multidimenzionální databáze jsou technologickou podporou systémů BI.

7. EIS další vlastnosti • Zajišťuje výběr nejdůležitějších dat znižších vrstev řídících úloh a externích zdrojů. • Poskytuje prostředky pro modelování rozhodovacích procesů s využitím statistických a ekonometrických úloh. • Umožňuje permanentní aktualizaci svých modelů z dostupných interních i externích zdrojů v určených časových intervalech. • Respektují náročnost navysokou vypovídací hodnotu výstupů. • Modely EIS mohou být naplňovány čtyřmi způsoby: • vlastním vstupem uživatele (zřídka) • konverzí z původních databází • konverzí z jiných modelů EIS a z externích databází.

8. Pohledy na manažerské aplikace • Funkční pohled • Veškeré funkce těchto aplikací musí podporovat rozhodovací proces a proces vyhodnocování informací. • Z funkčního pohledu plní následující požadavky: • Poskytují souhrnné přehledy nad primárními daty. • Umožňují různou hladinu detailu. • Informaci umí zobrazit graficky a znakově. • Umí provádět statistické vyhodnocování, ad hoc dotazy. • Umí modelovat jevy s výhledem do budoucnosti. • Umí provádět citlivostní analýzu vlivu jednotlivých faktorů na zkoumaný jev.

9. Pohledy na manažerské aplikace • Technologický pohled • Vyznačují se použitím multidimenzionálních databázových prostředků (OLAP technologie) a mají větší nároky na používané technické vybavení. • Technologickou architekturou je nejčastěji třívrstvá architektura klient/server. • Umí pracovat s daty různých formátů. • Mají vysokou úroveň grafického uživatelského rozhraní. • Provozní pohled • Co do velikosti méně rozsáhlé aplikace, pracující s daty definovanými v jiných částech IS. • Provádějí se však komplikované práce spíše analytického než rutinního charakteru. • Dodávají se hotové manažerské aplikace s nabídkou servisu včetně dokumentace.

10. Architektura BI • V rámci obecné koncepce vrstvené architektury BI lze identifikovat následující vrstvy: • Vrstva pro extrakci, transformaci, čištění a nahrávání dat • Vrstva pro ukládání dat • Vrstva pro analýzy dat • Prezentační vrstva • Vrstva oborové znalosti • Vrstva pro analýzy dat zahrnuje následující typy úloh: • Reporting (zaměřené na standardní nebo ad hoc dotazy nad databází) • Systémy na technologii OLAP (pokročilé a dynamické analytické úlohy) • Dolování dat (sofistikovaná analýza velkého množství dat)

11. Principy a modifikace OLAP • Vybrané principy OLAP technologie pro podporu manažerské práce W. Codde (1983): • Multidimenzionální koncept dat • Přístup k primárním datům • Vnitřní architektura klient/server • Zpracování nenormalizovaných dat • Uložení výsledků OLAP mimo zdrojová data • Intuitivní operace s daty atd. • OLAP technologie se vyskytuje v několika modifikacích • MOLAP (multidimenzionální OLAP), ROLAP (relační OLAP), HOLAP (hybridní OLAP), DOLAP (desktopový OLAP).

12. OLAP technologie • W. Codde (1983) a jeho 12 (+6) principů pro podporu manažerské práce jednodušším zpracováním dat: • Multidimenzionální koncept dat • Přístup k primárním datům • Vnitřní architektura klient/server • Zpracování nenormalizovaných dat • Uložení výsledků OLAP mimo zdrojová data • Intuitivní operace s daty atd. • OLAP technologie se vyskytuje v několika modifikacích • MOLAP, ROLAP, HOLAP, DOLAP.

13. OLAP technologie

14. Dolování dat • Data mining - dolování dat • Je nejkomplexnější a nejtěžší analýza souborů dat velkých objemů získaných pozorováními za účelem původně nepředpokládaných vztahů mezi nimi. Schopnost takto získaná data agregovat novým způsobem a srozumitelně je prezentovat. • Proces odhalování závislostí, vzorů a trendů proséváním velkých objemů dat s využitím statistických a matematických technik. • Např. generalizace a sumarizace dat,hledání závislostí, klasifikace a shlukování dat,statistická analýza,detekce změn a odchylek, vyhledávání podobnosti ...

15. Datový sklad - Datawarehouse • Datawarehousingje proces vytváření souborů dat sloužících k podpoře rozhodování. • Z praktického hlediska jde o rozsáhlou soustavu nástrojů, programů, algoritmů, umožňujících extrakce dat z provozních a jiných databází, převody a standardizace dat, jejich odvozování a vyhodnocování, rychlé výběry a prezentace pro různé typy rozhodování. • Dvě jména spojená s DW (rozdíl v chápání architektury DW) • Bill Inmon (dvouúrovňová architektura) • Ralph Kimpbal (jednoúrovňová architektura)

16. Datový sklad - Datawarehouse • Datawarehouse (DW) je předmětověorientovaná, integrovaná, v časeorganizovaná a trvaleuloženákolekcedatsloužící pro podporurozhodování: • předmětověorientovaná - data dávají info o specifickémpředmětu (nákup, obchod) ne o operacích, kteréprobíhají, • integrovaná- data se berou z různýchzdrojů a ukládají do koherentníhocelku, • v časeorganizovaná - spojuje data se stejnoučasovouperiodou, • trvaleuložená - data jsouukládána v DW nastálo, jsoupouzepřidávána, nikoliodstraňována. • Datovétržiště (Data Mart - DM) • menšírozsahnež DW, data jsouzaměřenanajednooddělení, divizi, pobočku, snadněji se ovládají. Často se týkajíspeciálníaplikačnídomény a mohoumítrůznoukonceptuálnístrukturu. Používají se pro systémy DSS.

17. Datový sklad - Datawarehouse • Zdroje dat • provozní databáze - data jsou agregována, odvozována z nich jiná data, a ta ukládána do DW, • minulá provozní data - jsou to data, která aktualizací provozních databází mizí, • ručně vkládaná data - data o budoucnosti (odhady, vývoje, trendy), • data z externích zdrojů - předpisy, trh s akciemi, data o konkurenci, data z Internetu a externích IS. • Kde je vhodné zavést DW? • tam, kde je velké množství dat, • tam, kde je složitá struktura dat, • tam, kde se dá předpokládat, že poroste množství dat. • Vybudování DW je záležitost finančně nákladná, proces trvá řadu měsíců, často je spojen také s BPR.

18. Datový sklad - Datawarehouse

19. Datový sklad - Datawarehouse • Třikomponenty DW Int Sest. DW Využití a prezentace dat Import a příprava dat Int. Výstup Int. Form. Ext. Tab.

20. Komponenty DW • 1. Import a příprava dat • probíhá v pravidelných časových intervalech a realizují se tyto činnosti: • standardizace dat, • filtrace dat, čištění, kondenzace, extrakce, • opatření dat časovým údajem, • příp. aktualizace a její datum. • 2. Vlastní datový sklad • obsahuje vnitřně standardizovaná data, se kterými lze snadno manipulovat, vybírat, odvozovat, měnit pohledy,

21. Komponenty DW • obsahujemáloprimárníchdat, • částdatčasověoznačena, • fyzickástrukturapřizpůsobenarychlémuvýběrudat, • data se z DW jenčtou (ne aktualizace a mazání). • 3. Využití a prezentacedat • nástroje pro datovéanalýzy a rozbory, • nástroje pro předdefinovanésestavy, • nástroje pro rychlé ad hoc dotazy, • nástrojetypu data mining.

22. Další manažerské aplikace • CRM (Customer Relationship Management) • V zásadě jde o nový přístup k zákazníkovi jako manažerskou metodu, podpořenou produktem IS/IT. • Řízení vztahů se zákazníky. • Hlavním úkolem je poskytovat informace pro řízení nebo změnu vlastní podnikatelské činnosti firmy. • Zpracovávají se znalosti o zákaznících, co, kdy, proč nakupují ve kterém teritoriu, co zákazníkovi nejlépe vyhovuje, jak stimulovat zákazníka, jak předpovídat jeho budoucí chování atd.

23. Další manažerské aplikace • Nasazení CRM v podniku je proces tvořený několika etapami: • Tradiční CRM (firma vybuduje centrální databázi zákazníků pro všechna oddělení firmy). • Pokročilé CRM (nainstaluje se speciální IS/IT produkt analytického charakteru podporující současně marketing a obchodování). • Aktualizované CRM (zavedou se kontaktní centra a jejich integrace s aplikacemi CRM a ostatními komponentami IS/IT firmy a někdy i s IS jiných obchodních partnerů). • Funkční CRM (fungující integrace všech produktů ERP včetně CRM pro úspěšný marketing, řízení obchodu včetně realistických prognóz, odvozování zkušeností z jednotlivých obchodních případů).

24. Další manažerské aplikace • Následující dva typy manažerských aplikací slouží pro podporu a řízení logistiky ve firmě: • APS (Advance Resource Planning) • Systémy pro pokročilé plánování. • Určeny pro tvorbu dílenských výrobních plánů, pro řešení vysokých zásob, nespolehlivých dodávek, slouží především pro optimalizaci plánování v rámci jedné firmy. • SCM (Supply Chain Management) • Řízení dodavatelských řetězců. • Soustřeďují se na koordinaci několika výrobních jednotek v rámci dodavatelského řetězce, jejich výsledkem je optimalizace dodávek z pohledu času a nákladů na vyřízení této dodávky.

25. Na co hledá BI odpovědi? • Kdo jsou naši nejlepší dodavatelé nebo nejlukrativnější zákazníci? • Jací zákazníci pravděpodobně budou lukrativní, kdy a do jaké míry? • Jaké jsou základní příčiny problémů s kvalitou produktu a jak je můžeme ekonomicky minimalizovat? • Jaké faktory mají přímý vliv na naše hospodářské výsledky?

26. Realizace BI • Aplikace BI může být v podniku zavedena dvěma ppstupy • V rámci ERP, kdy se využívají předem připravené analytické moduly • Jako specializovaný software v rámci projektu s následujícími etapami • Specifikace zadání • Analýza BI řešení a posouzení datových zdrojů • Modelování a návrh datového skladu a technologické platformy(specifikace komplexních nároků na SW a HW) • Návrh transformací – ETL (definice transformací a pravidel mezi produkčními daty a analytickými daty) • Implementace řešení BI (programování, testování, customizace, zaškolení, dokumentace, ..)