هوش تجاری چگونه کار می کند؟

ابزارهای هوش تجاری در مقایسه با ابزارهای توسعه برنامه های کاربردی جوانتر هستند در نتیجه براساس نیاز کاربران و تغییرات سازمانها، آنها نیز دستخوش تغییر و تحول میشوند، علاوه بر آن تعداد شرکتهایی که تجربه استفاده از یک ابزار خاص را دارند زیاد نیست، این دلائل باعث میگردد متقاضیان استقرار هوش تجاری با چالشهای متعددی در این زمینه مواجه گردند.

عصر بانک؛ سازمانهای مختلف با ابعاد و زمینه های کاری متفاوت ممکن است با مشکلات متفاوتی در امر استفاده بهینه از داده های موجود در سیستم هایی از قبیل فروش، انبار، مالی، توسعه محصولات جدید و … مواجه شوند. بطور مشخص می توان به مسائل زیر را بعنوان چالش سازمانها در استفاده از داده ها اشاره نمود:

 

1.    در بسیاری از شرایط داده ها در منابع مختلفی قرار دارند و یکپارچه نمودن آنها برای بدست آوردن گزارشات تحلیل، عملیاتی هزینه بر و زمانگیر برای سازمانها می باشد.

2.    نرم افزارهای عملیاتی در سازمان مثل برنامه های فروش، مالی، منابع انسانی، انبار، حقوق دستمزد و … می تواند گزارشاتی را تا سطح مدیران میانی فراهم آورد. کمتر دیده شده که مدیران ارشد از ابزارهای ذکر شده بعنوان منبع تصمیم سازی استفاده نمایند و بیشتر گزارشات مورد نظر آنها توسط مدیران میانی و با صرف زمان زیاد تهیه می شود و گاه این عملیات بصورت روزانه باید تکرار شود.

3.    بدلیل نوع طراحی نرم افزارهای عملیاتی ساختن گزارشات حجیم از اطلاعات موجود بسیار کند خواهد بود.

4.    بیشتر گزارشات تولید شده توسط نرم افزارهای عملیاتی گزارشاتی ساده و نمایانگر عملیات انجام شده در سیستم می باشد و نمی توان بوسیله آنها گزارشات تحلیلی و چند بعدی در زمان کوتاه ساخت.

5.    در بسیاری از مواقع گزارشات ساخته شده دیدگاهی عمیق به مدیران ارشد برای اتخاذ تصمیمات استراتژیک مناسب ارائه نمی دهد.

6.    پرسنل یک مجموعه برای درک بهتر از شرایط کار نیاز به گزارشات تحلیل دارند. عدم سهولت در ایجاد چنین گزارشاتی باعث می شود تا افراد بدنه سازمان از مسیر اصلی کار خارج گردند و یا زمان زیادی صرف تحلیل شرایط مختلف نمایند.

در عصری که زمان، کلید اصلی در تجارت است، شرکتها و سازمان ها به استفاده از ابزارهای اطلاعاتی روی آورده اند تا بتوانند اطلاعات مورد نظر را بسرعت ازمنابع استخراج کنند هوش تجاری در امر تصمیم گیری در سطوح مختلف سازمان بویژه سطوح مدیران ارشد با تحلیل اطلاعات و روشهای پرس و جو تسهیلات زیادی را فراهم می کند که متداولترین این روشها 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. به همین علت است که برای هوش تجاری از کلمات استقرار و پیاده سازی استفاده می کنند نه از کلمه نصب؛ چراکه عواملی دیگر نیز غیر از بسته های نرم افزاری در درست کار کردن هوش تجاری موثرند و به همین منظور در تعاریف آن را رویکرد معماری نوین نامیده اند، زیرا از ابتدای فرایند تدوین داده ها تا مراحل ذخیره سازی و فراخوانی مجدد و استخراج دانش مورد نیاز، هوشمندی، رفتار ملموس است.
مواردی مانند زیرساختهای سازمان و یا فرهنگ سازمان در پیاده‌سازی هوش تجاری بسیار نقش قابل ملاحظه و حساسی را ایفا می کنند برای موفقیت در استقرار و کارایی یک سیستم BI در یک سازمان باید برخی موارد از ریشه های فرهنگی سازمان تغییر کند، چون این موارد در میزان بهره‌وری سیستم هوش تجاری نقش بسزایی خواهند داشت. برخی موارد مانند تلقی سازمان از اطلاعات که به عنوان یکی از مهمترین منابع سازمانی محسوب می‌شود و نوآوری که در سازمان باید بخشی از کار تجاری سازمان تلقی شود و نوع تفکر سازمان در مورد اطلاعات و نوآوری مسلما در بسته‌های نرم‌افزاری وجود ندارند، بلکه باید در لابه لای لایه‌های زیرساخت سازمان فرهنگ سازی و لحاظ گردند.

هوش تجاری مجموعه تواناییها، تکنولوژی ها، ابزارها و راهکارهایی است که به درک بهتر مدیران از شرایط کسب و کار کمک می نماید. ابزارهای هوش تجاری، دیدگاه هایی از شرایط گذشته، حال و آینده را در اختیار افراد قرار می دهند. با پیاده سازی راهکارهای هوش تجاری فاصله موجود بین مدیران میانی و مدیران ارشد از دیدگاه ارتباط اطلاعاتی از میان خواهد رفت و اطلاعات مورد نیاز مدیران در هر سطح، در لحظه و با کیفیت بالا در اختیار آنها قرار خواهد گرفت. همچنین کارشناسان و تحلیل گران می تواند با استفاده از امکانات ساده، فعالیتهای خود را بهبود بخشند و به نتایج بهتری دست پیدا نمایند.

 

هوش تجاری چگونه کار می کند؟

ابزارهای هوش تجاری در مقایسه با ابزارهای توسعه برنامه های کاربردی جوانتر هستند در نتیجه براساس نیاز کاربران و تغییرات سازمانها، آنها نیز دستخوش تغییر و تحول میشوند، علاوه بر آن تعداد شرکتهایی که تجربه استفاده از یک ابزار خاص را دارند زیاد نیست، این دلائل باعث میگردد متقاضیان استقرار هوش تجاری با چالشهای متعددی در این زمینه مواجه گردند.

استقرار هوش تجاری به دلیل ماهیت متفاوت آن با نرم افزارهای کاربردی، وابستگی ویژه ای به ابزارهای توسعه دارد. چراکه :

– در سیستمهای عملیاتی فرآیندهای جاری سازمان به صورت مکانیزه انجام میگیرد و طول زمانی پروژه معمولا در حد سال میباشد ، ولی پروژه های هوش تجاری به دلیل اینکه به روند تصمیم گیری در سازمان کمک میکنند، سرعت توسعه آنها اهمیت ویژه ای دارد و توسعه آنها افزایشی (Incremental) و در بازه های زمانی 3 یا 4 ماهه صورت میگیرد.

– واسط کاربر (User Interface) در سیستمهای عملیاتی فرمهایی است که طراحی آنها پیچیده نیست ولی در پروژه های هوش تجاری خروجی اصلی، گزارشات و داشبوردهایی است که داده ها را ساماندهی و تحلیل میکند، به همین دلیل طراحی اینگونه داشبوردها به سادگی امکان پذیر نیست و استفاده از ابزار در طراحی واسط کاربر روند توسعه سیستم را سرعت و کیفیت زیادی میبخشد.

ابزارهای موجود در هوش تجاری به دو گروه تقسیم بندی میشوند :

 

– ابزارهایی که در پشت صحنه (Back End) به کمک تیم پروژه می آیند و در طراحی انبار داده و انجام فرآیند ETL)Extract, Transform, Lod) نقش خود را ایفا میکنند .

– ابزارهای که در روی صحنه (Front End) هستند و جهت طراحی گزارشات و داشبوردها امکانات خود را ارائه میدهند . این بخش را واسط کاربر (User Interface) نیز میگویند.

ارتباط ایندو ابزار بدین صورت است که واسط کاربر مدل داده ای و جداول داده های تولید شده توسط ابزار Back End را دریافت میکند و کاربر میتواند توسط امکانات طراحی موجود در آن گزارشات و داشبوردهای مورد نظر خود را ایجاد کند.

هوش تجاری از دو دیدگاه قابل بحث و بررسی میباشد : دیدگاه مدیریتی و دیدگاه تکنولوژی و زیرساختهای مورد نیاز جهت پیاده سازی هوش تجاری در سازمان را میتوان از این دو منظر بررسی کرد :

1- زیرساختهای مدیریتی

از بعد مدیریتی مواردی مانند میزان حمایت مدیریت ارشد سازمان از پروژه اهمیت بسزائی دارد . پیاده سازی هوش تجاری در مقیاس سازمانی یکپارچگی در کلیه واحدهای سازمان را منجر میشود که این مسئله نیازمند حمایت همه جانبه بخشهای مختلف و تمایل آنها جهت به اشتراک گذاشتن داده های مربوط به خود میباشد. میزان آشنائی مدیران سازمان با ابزارهای تحلیل اطلاعات معیار دیگری است که بر اساس آن میتوان توانائی سازمان را در اینگونه پروژه ها سنجید.

2- زیرساختهای فنی

از بعد تکنولوژی و فنی،وجود نرم افزارهای عملیاتی و میزان بلوغ تکنولوژی اطلاعاتی در سازمان یکی از فاکتورهای اساسی در استقرار هوش تجاری میباشد. هنگامیکه روند جمع آوری اطلاعات در سازمان بصورت مکانیزه و از طریق نرم افزارهای کاربردی صورت گیرد ،استقرار هوش تجاری در سازمان سریعتر و با سهولت بیشتری انجام می پذیرد.

 

مزایای وجود هوش تجاری چیست؟

ممکن است سیستم‌های هوش تجاری‌، از دیدگاه های مختلف مورد تحلیل قرار گیرند . سازمانها و تصمیم گیرندگان آنها‌، می بایستی اجرای سیستم هوش تجاری در سازمان را براساس فلسفه و متدولوژی ویژه سازمان انجام دهند . این فلسفه و متدولوژی متکی بر اطلاعات و دانش، ارتباطات گسترده ، اشتراک دانش همراه با رویکرد کل نگر و تحلیلی برای فرایندهای تجاری سازمان است. فرض شده که سیستمهای هوش تجاری ، راه حلهایی هستند که مسئول فراهم ساختن اطلاعات و دانش از داده‌ها بوده، موظف به خلق محیطی برای تصمیم گیری اثربخش‌، تفکر و اقدام استراتژیک در سازمانها هستند (‌شکل 2). ارزش سیستم‌های هوش تجاری در تجارت به طور عمده براین واقعیت دلالت دارد که چنین سیستم‌هایی، اطلاعاتی را ارائه می دهند که ممکن است به عنوان پایه ای برای ایجاد و تغییرات اساسی در یک شرکت خاص به کار روند‌. از جمله می‌توان به برقراری زمینه‌های جدید برای همکاری‌، کسب مشتریان جدید ، شناسایی بازارهای جدید و ارائه محصولات جدید برای مشتریان اشاره کرد.

سیستم‌های هوش تجاری به دلایل مختلف ، متفاوت از سیستم‌های اطلاعات مدیریت مانند: (DSS ،EIS وES) هستند‌، نخست به خاطر اینکه دامنه موضوعی وسیعی را دربرمی گیرند و سپس به خاطر تحلیلهای چند متغیری و داده های تا حدی ساختاربندی شده از منابع مختلف و ارائه چند بعدی داده‌ها.

در ضمن فرض براین است که سیستم‌های هوش تجاری ، صرف نظر از سطح سازندگان آن ، تصمیم گیری را در تمامی سطوح مدیریت ، مورد حمایت قرار می دهند .

در سطحی راهبردی، سیستم‌های هوش تجاری ، امکان تنظیم دقیق هدف‌ها و پیگیری تحقق آنها را فراهم می سازند . هوش تجاری ، ارائه گزارشهای مقایسه ای مختلف مانند نتایج حاصل از بررسی‌های تاریخی، سودمندی پیشنهادهای خاص، اثربخشی مجاری توزیع اطلاعات همراه با شبیه سازی نتایج مربوط به توسعه و پیش بینی آینده بر پایه برخی پیش فرضها را ممکن می سازد.

در سطحی تاکتیکی، سیستم‌های هوش تجاری، ممکن است پایه ای را برای تصمیم گیری منطبق با مدیریت بازار ، مدیریت فروش ، مدیریت مالی ، مدیریت سرمایه و … به وجود آورند. این سیستم‌ها اجازه می‌دهند که شرکت نسبت به اقدامات آتی‌اش خوشبین بوده و عملکرد تکنولوژیکی‌، مالی و یا سازمانیش را در جهت تحقق هدف‌های راهبردی شرکت و اثربخشی بیشتر آن، اصلاح کند.

در سطح عملیاتی ، سیستم‌های هوش تجاری برای انجام تحلیلهای موردی و پاسخ به پرسشهای مرتبط با عملیات مداوم بخشها، برآوردهای مالی به روز شده ، فروش و همکاری با فروشندگان ، مشتریان و … مورد استفاده قرار می گیرند.

 

چه عواملی باعث موفقیت و شکست پروژه های هوش تجاری می شوند؟

هوش کسب وکار یک رویکرد و استراتژی بر مبنای معماری مبتنی بر فناوری اطلاعات است. اما پیاده سازی و استقرار هوش تجاری در سازمان نیازمند دیدگاهی همه جانبه است. دلیل 40 تا 60 درصد شکست پروژه های هوش تجاری رویکرد مبتنی بر فناوری اطلاعات محض بوده است.

معیار هایی که برای سنجش پیاده سازی موفق هوش تجاری در سازمان ها میتوان در نظر گرفت عبارتند از :

– تصمیمات بهتر با سرعت و اثربخشی بیشتر

– عملیات ساده و موثر

– سیکل های کوتاهتر توسعه و عرضه محصول جدید به بازار

– درآمد بیشتر از کسب و کار موجود

– قابلیت بهره برداری از فرصت های جدید

– رضایت بیشتر مشتری و سطوح سرویس دهی بالاتر

– بهبود بازاریابی و افزایش میزان فروش

و عواملی که برای شکست یک پروژه هوش تجاری میتوان در نظر گرفت عبارتند از:

1. فقدان همکاری و درگیری سازمانی

سیستم هوشمندسازمانی دائما در حال استنتاج و بروز رسانی هستند و نیاز به درگیری کارکردی دارند. سیستم هوش تجاری یک سیستم مستقل نیست بلکه استراتژی سازمان ها باید بگونه ای باشد که تعهد همکاری از همه واحد های کسب و کار در‌ آن منعکس شود.

2 فقدان پشتیبانی از سوی سازمان

پروزه هوش تجاری نیاز به پشتیبانی از بالا دارد. در غیر اینصورت مانند سایر پروژه های فناوری اطلاعات در سازمان به آن نگاه میشود و این مساله منجر به دور شدن هوش تجاری از اهداف کلان و تمرکز بر کسب کار خواهد شد.

.3 فقدان بخش های اجرایی مختص کسب و کار

پروژه های هوش تجاری نباید توسط ستاد فناوری اطلاعات اجرا شوند زیرا فاقد تیزهوشی و رهبری لازم برای کسب و کار هستند. دلیل این امر این است که بخش های کسب و کار دارای یک بینش برای دستیابی به موفقیت هستند. بنابراین باید مدیران بخش ها و واحد های مختلف سازمان را برای مشارکت در پروژه هوش تجاری تحریک کرد.

.4 فقدان کارشناس و آموزش

از آنجاییکه پروژه های هوش تجاری کاملا کارکردی هستند، مهارت های تجزیه و تحلیل بالایی در کارمندان را میطلبند و به دانش شاخصهای ارزیابی عملکرد مانند کارت امتیازی متوازن برای ستجش و محک موفقیت احتیاج دارند. از این رو نیاز به استخدام و آموزش کارشناسانی در همه بخش های مورد نیاز خواهد بود.

.5 فقدان برنامه ریزی دقیق

پروژه های هوش تجاری به دلیل ماهیت تکراری بودن، نیاز به برناه ریزی دارند. به منظور غلبه بر مشکلات آینده ، برآورده ساختن احتیاجات پروژه ای نظیر منابع داده،پایگاه داده ها، هزینه یابی، ارزیابی ریسک، برنامه ریزی تفصیلی پروژه، عوامل کلیدی موفقیت و محدودیت ها باید بصورت واضح طرح ریزی شوند.

.6 فقدان توسعه تکراری

.7 داده های چند تکه و فاقد استاندارد

نیاز به طراحی انبار داده های سازمانی، عدم استفاده از ابزارهایی که منجر به پیامدهای تبادل اطلاعاتی و افزایش پیچیدگی ها میگردند.

.8 عدم کیفیت داده های منبع و طراحی انبار داده ها

تعریف خوب از انبار داده ها زیرا انبار داده باید خودش بتواند خودش را تعریف کند و توصیف کند و فعالیت ها را در جهت فعالیت های کسب و کار هدایت کند. همچنین کیفیت داده ها و محل نگهداری آنها بسیار مهم است. مرحله پاک سازی داده ها بسیار مهم است.

اما آیا همه سازمانها به سیستمهای گزارشگیری هوشمند نیاز دارند ؟ آیا همه آنها توانائی پیاده سازی هوش تجاری را دارند؟ آیا جهت پیاده سازی هوش تجاری باید در سازمان تغییراتی صورت گیرد ؟ آنچه که تحقیقات نشان میدهد اینست که استفاده از هوش تجاری به سرعت در حال رشد است و سازمانهایی که مقیاس متوسط و بزرگ دارند تمایل بیشتری جهت استفاده از اینگونه سیستمها دارند .

 

چه اصناف و مشاغلی به هوش تجاری نیازمندند؟

1.    شرکتهای تولیدی و فروش (مانند انواع کارخانجات تولیدی و صنعتی، نمایندگی ها و شبکه ی فروش)

•    بدست آوردن دیدگاه نسبت به افزایش یا کاهش سود حاصل از فروش. میزان فروش بر حسب نوع کالا، مناطق فروش، کانالهای فروش. پیش بینی میزان فروش و سود آوری بر مبنای داده های قبلی

•    کنترل و برنامه ریزی مناسب برای منابع فروش

•    شناسایی مشتریان با ارزش

•    هماهنگی برنامه فروش با اهداف سازمانی

2.    شرکتهای سرمایه گذاری (مانند بانکها، بیمه ها، کارگزاری ها و انواع شرکت های بورس)

•    بدست آوردن دیدگاه نسبت به سرمایه گذاری های انجام شده و پیش بینی سود حاصله از منابع مالی اختصاص داده شده

•    بدست آوردن دیدگاه نسبت به شرایط هر یک از سرمایه گذاری های انجام شده بصورت جداگانه

•    کنترل اهداف و یا تعیین اهداف جدید بر مبنای گزارشات بدست آمده

•    تصمیم سازی برای انجام سرمایه گذاری های جدید بر مبنای تحلیل داده های پیشین

•    هماهنگی شرایط سرمایه گذاری با اهداف سازمانی

3.    شرکتها خدماتی (انواع بیمارستان ها و مراکز درمانی، مراکز ارائه دهنده خدمات ورزشی، آرایشی و بهداشتی)

•    تحلیل نوع خدمات بر مبنای موقعیت های مختلف، زمان خدمت رسانی، هزینه های انجام شده و سود بدست آمده

•    بدست آوردن دیدگاه نسبت به نحوه خدمت رسانی به مشتریان

•    تصمیم سازی در جهت نحوه ارائه خدمات

•    هماهنگی خدمات با اهداف سازمانی

4.    شرکتهای پروژه ای (شرکت های پیمانکاری در حوزه های تاسیسات، ساخت و تامین کالا)

•    بدست آوردن دیدگاه نسبت به شرایط پروژه های انجام شده در هر لحظه

•    بدست آوردن دیدگاه از بودجه و منابع تخصیص داده شده به پروژه

•    تحلیل ارزش کسب شده در طول مدت حیات پروژه

•    پیش بینی شرایط منابع موجود با پیشرفت پروژه

•    هماهنگ نمودن شرایط پروژه ها با اهداف سازمانی

آیا بانک ها، موسسات مالی و بیمه ها نیز به هوش تجاری نیازمندند؟

با توجه به گسترش هر روزه سیستم های بانکداری متمرکز و آن لاین شدن ارائه خدمات مختلف، بانک ها با حجم گسترده ای از اطلاعات روبرو هستند. از طرفی تنوع گزارشات و آمار های درخواستی از جانب مراکز نظارتی نیز بانک را با مشکلات اطلاعاتی متعددی مواجه نموده است.

امروزه شناخت مشتری، رفتار و نیازمندی های او یکی از مهمترین ارکان بازاریابی خدمات بانکی می باشد. بنابراین اقدام بانکها به پیاده سازی سامانه جامع اطلاعات بانکی با رویکردی مبتنی بر هوش تجاری بر کسی پوشیده نیست بلکه حرکت شتاب دار هر یک از بانکها به آن سمت، توانایی ارائه بهتر خدمات بانکی به مشتریان را به دنبال خواهد داشت.

سامانه جامع اطلاعات بانکی

برخی از موضوعاتی که امروزه بانکها از جانب مراکز نظارتی موظف به پیاده سازی در سیستم بانکی خود هستند عبارتند از موارد ضد پولشویی، رتبه بندی ریسک اعتباری، کشف تقلب، پروفایل مشتری و گزارشات مدون کارکرد خدمات بین بانکی. همچنین برخی از نیازهای نظارتی داخلی خود بانکها از قبیل درجه بندی شعب، نظارت ریسک اعتباری و مصارف شعب، منابع، نفوذ خدمات نوین در شعب بانک و مشتریان نیز سیستم های اطلاعاتی هستند که بصورت پیوسته مورد استفاده قرار میگیرند. شناخت رفتار و نیازهای مشتریان و ترغیب انها به استفاده از خدمات بانک نیز از دیگر دلایل نیاز بانکها به سیستم جامع اطلاعات بانکی با رویکرد هوش تجاری می باشند.

 

     BI در سطوح مختلف سازمان چه کارکردی دارد؟

 

کارکرد BI را در سه حوزه می توان تقسیم بندی کرد:

1- سطح استراتژیک(strategic level): مربوط به تصمیم گیری های کلان سازمان که توسط مدیران رده بالا انجام می شود. این نوع استفاده ها در دفعات کم و در دوره های طولانی انجام می شود اما ممکن است با حجم بالایی از اطلاعات و پردازش ها همراه باشد. تصمیمات گرفته شده در این سطح غالبا در حوزه مسایل غیر ساخت یافته (Unstructured) و توسط مدیران ارشد هستند. نتایج حاصل از این تصمیمات تاثیرات بلند مدت (Long-term effect) و کلانی در سازمان دارند.

2- سطح تاکتیکی(tactical level): مربوط به عملیاتی است که در حوزه مدیران میانی انجام می شود. این عملیات می تواند شامل پیگیری عملیات در سطح پایین، نحوه انجام آن، گزارش¬گیری و نهایتا جمع بندی داده های مفید برای اتخاذ تصمیمات میان مدت سازمان باشد. تصمیمات گرفته شده در این سطح غالبا در حوزه مسایل نیمه ساخت یافته (semi-structured) و توسط مدیران میانی هستند.

3- سطح عملیاتی (operational level): پایین ترین سطح انجام فعالیت های تجاری یک سازمان است که در دفعات بالا و معمولا به صورت تکراری در رده های پایین عملیاتی سازمان انجام می شود. این عملیات در دفعات بالا بوده و با حجم کمی از داده ها سر و کار دارند. تصمیمات گرفته شده در این سطح غالبا در حوزه مسایل ساخت یافته (structured) و توسط مدیران رده پایین هستند. نتایج حاصل از این تصمیمات تاثیرات کوتاه مدت (Short-term effect) و خرد در سازمان دارند.

BAM(Business Activity Monitoring): یک Application در حوزه BI است که در سطح عملیاتی سازمان به کار می رود. هدف آن آماده کردن اطلاعات کامل و جامعی از روند انجام پروسه های تجاری (Business Process) به صورت real time است. این سیستم امکان اتخاذ تصمیمات کوتاه مدت در انجام فعالیت های تجاری را مهیا می کند و در ضمن سیستمی برای جمع آوری اطلاعات مورد نیاز برای Application های رده بالای BI نیز محسوب می شود. BAM بیشترین تمرکز را در انجام فرایندهای تجاری داخلی دارد. (Internal BP).

Familiar: مهم ترین Application مورد استفاده در سطح تاکتیکی است. این برنامه در ردگیری انجام فعالیت های تجاری با استفاده از BAM مورد استفاده قرار می گیرد و در سطح تصمیمات میان مدت، با ارائه گزارش های دوره ای از روند انجام فرایندها به کمک مدیران رده میانی می¬آید. این سیستم تصویری کلی از فعالیت های سازمان برای مدیران فراهم می آورد.

کاربرد BI در سطح استراتژیک را می توان به نوعی برای کمک به افزایش کارایی کلی سازمان و بهینه سازی فرایندها در کنار یکدیگر در نظر گرفت. این سیستم ها روی برخی ویژگی های مهم مالی و سایر پارامترهای مهم در افزایش کارایی سازمان متمرکز می شوند. بدیهی است که این سیستم در این سطح می بایست فرایندهای خارجی سازمان را نیز در بر بگیرد.

همانطور که می دانیم، یک سیستم BI از چندین Application در سطوح مختلف تشکیل شده است که در سبد BI قرار می گیرند. یکی از مهمترین ارتباطات این سیستم ها، مربوط به انتقال داد ها بین آن هاست.

خصوصیات مختلف برنامه های کاربردی در سطوح مختلف سازمان، باعث ایجاد تفاوت هایی در ابزارها، تکنیک ها و زیرساخت های مورد نیاز برای هر یک از آنها می شود. استفاده از ابزارهای تحلیلی و هوشمند بیشتر در سطح بالا انجام می شود که نیازمند پردازش های بالا با میزان دسترسی انبوهی از اطلاعات در سطوح استراتژیک و تاکتکی بیشتر از عملیاتی است. بخش عملیاتی هوش تجاری بیشتر وظیفه جمع آوری اطلاعات و ذخیره سازی آنها را در Data mart ها و یا پایگه داده های مخصوص بر عهده دارد.

 

برخی از کاربردهای هوش تجاری به تفکیک صنایع :

گروه‌های مختلفی از کاربران از سیستم‌های هوش‌تجاری بهره می‌برند، از متخصصان کنترل گرفته تا متخصصان مالی،‌کارشناسان فروش و اعضای هیأت مدیره. بخش‌هایی که بیشتر از همه از سیستم‌های هوش‌تجاری استفاده می‌کنند شرکت‌های بازرگانی، بانک‌ها و بخش‌های مالی، مخابرات و شرکت‌های تولیدی/صنعتی می‌باشند.

بیمه :

– تحلیل ادعاهای خسارت و حق بیمه (Claims and Premium analysis) : سیستم‌های هوش تجاری امکان تحلیل جزئیات ادعاهای خسارت و حق بیمه در طول زمان را بر اساس محصول، سیاست بیمه،‌ نوع ادعا و سایر مشخصات فراهم می‌کنند.

– تحلیل مشتریان (Customer Analysis) : سیستم های هوش تجاری نیازمندی های مشتریان و الگوهای استفاده از محصولات را تحلیل می نمایند، برنامه ریزی بازاریابی را با توجه به مشخصات مشتریان توسعه می دهند و ریسک پذیری را در مورد مشتریان در کسب و کار مورد نظر مورد بررسی قرار می دهند و در نهایت سرویس های ارائه شده به مشتریان را بهبود می دهند.

– تحلیل ریسک (Risk Analysis) : سیستم های هوش تجاری بخش های پرخطر و پر ریسک بازار را شناسایی می‌کنند و فرصت های موجود در بخش‌های خاص از بازار را تعیین می نمایند، همچنین بخش های مختلف بازار را که می توانند به یکدیگر مربوط باشند را به یکدیگر ارتباط می دهند و سعی می نمایند تا ادعاهای خسارت پی در پی را کاهش دهند.

بانکداری:

– مدیریت اعتبار (Credit Management) : سیستم های هوش تجاری بر اساس رده و نوع مشتری، الگوهای پیشروی به سمت مشکلات اعتباری را پیدا می‌کنند و از این طریق به مشتریان جهت اجتناب از مشکلات اعتباری و مدیریت باقی مانده اعتبار هشدار می دهند. علاوه بر این ابزارهای هوش تجاری اسناد اعتباری بانک ها را بررسی می نمایند و اتلاف اعتبار را کاهش می دهد.

– فروش شعب (Branch Sales) : سیستم های هوش تجاری‌ فرآیند خدمات به مشتریان را بهبود می بخشد. بعلاوه هوش تجاری عملیات پیشنهاد Cross Selling به مشتریان را امکان پذیر می نماید و از این گذشته فرآیند پشتیبانی به مشتری را بهبود می بخشد که در نهایت به افزایش وفاداری مشتری می انجامد.

مخابرات:

– شناسایی و تقسیم‌بندی مشتریان (Customer Profiling and Segmentation ) : سیستم های هوش تجاری می توانند مشخصات محصولات پر منفعت و دسته های مشتریان سودآور را تعیین نمایند. این ابزارها مشخصات مشتریان را با جزئیات و به طور یکپارچه ارائه می دهند و در نهایت نیازمندیهای آتی مشتریان را مشخص می نمایند.

– پیش‌بینی نیازمندیهای مشتریان (Customer Demand Forecasting ) : هوش تجاری به کمک ابزارهای قدرتمند و متدولوژی های کارآمد نیازمندیهای فردای محصولات و سرویس‌ها را پیش بینی می نماید،‌ روش‌هایی برای تحلیل رویگردانی مشتریان فراهم می‌کند و به ابقای مشتریان کمک می‌نماید.

صنایع تولیدی:

– فروش (Sales) : سیستم های هوش تجاری داده های حاصل از عملیات تراکنش های هر مشتری را تحلیل می نمایند

– خرید (Purchasing) : سیستم‌های هوش تجاری می‌توانند به مراکز توزیع کمک کنند که حجم‌های بیشتر توزیع را مدیریت نمایند.

– پیش‌بینی (Forecasting) : سیستم های هوش تجاری برای این دسته از صنایع می تواند نیاز مندیهایشان را پیش بینی و احتیاجات انبارهایشان را تعیین نمایند.

– سفارشات و تامین قطعات (Ordering and Replenishment) : در سیستم های هوش تجاری با استفاده از اطلاعات، تصمیمات در مورد اقلام سفارش داده شده و مقدار آنها سریعتر اخذ می شوند.

– توزیع و تدارکات کالا (Distribution and Logistics) : سیستم های هوش تجاری فرآیند توزیع و حمل و نقل محصولات را با افزایش کمی آنها با کیفیت مدیریت می نمایند.

– مدیریت حمل و نقل (Transportation Management ) : سیستم های هوش تجاری زمانبندی توزیع محصولات سفارش داده شده را با توجه به توانایی شرکت می تواند تنظیم نمایند.

– برنامه ریزی انبار (Inventory Planning) : سیستم های هوش تجاری به شناسایی نیازمندی های انبار و متعاقباً، اطمینان از سطح معینی از سرویس دهی کمک

 

علی سعیدی
همکار بانک شهر
کارشناسی کامپیوتر گرایش نرم‌افزار

ارسال یک پاسخ

آدرس ایمیل شما منتشر نخواهد شد.