Poslovna inteligenca

"Konkurenčna prednost se skriva v podatkih, ki so vam na dosegu..."
 

Poslovno obveščanje

Poslovno obveščanje se sestoji iz štirih pomembnejših gradnikov, in sicer iz:
• podatkovnega skladišča, kjer se zbirajo podatki iz različnih transakcijskih sistemov (npr. ERP),
• statičnih poročil, to je poročil, oblikovanih po željah naročnika,
• OLAP kock, ki omogočajo hitre analize po različnih kriterijih, in
• podatkovnega rudarjenja (angl. Data Mining), ki omogoča iskanje neznanih vzorcev med podatki.

 

Podatkovno skladišče

Eden od ciljev skladišča podatkov je doseči čim večjo prilagodljivost različnim profilom uporabnika. Skladišče podatkov naj bi bilo dostopno čim večjemu številu končnih uporabnikov, vendar pa seveda ne moremo pričakovati, da bo s skladiščem podatkov ustrezno ravnal vsak končni uporabnik. Manj tehnično usposobljeni uporabniki bodo morda zadovoljni že z uporabo razpredelnice in preprostih poizvedb, tehnično bolj usposobljeni uporabniki pa se bodo zadovoljili le z najmočnejšimi orodji za analizo. Pri načrtovanju skladišča podatkov je posebej pomembna izgradnja podatkovnega modela skladišča podatkov.

Pri izgradnji skladišča podatkov in izhajajočih analiz je potrebno posebno pozornost nameniti pripravi in čiščenju podatkom. Ukvarjanje s kakovostjo podatkov običajno predstavlja 60 % do 80 % vseh stroškov uvedbe skladišča podatkov.

Statična poročila

Statična poročila predstavljajo običajno manjši delež v poslovnem obveščanju, saj želimo večino potreb po analizah pokriti z izdelavo OLAP kock. S poročili običajno zadostimo potrebam ljudi, ki niso vešči uporabe OLAP kock oz. potrebam po manj zahtevnim analizam.

S sodobnimi orodji lahko učinkovito upravljamo s poročili, saj omogočajo pošiljanje poročil v nabiralnik, objavo na spletnih portalih, naročanje na poročila, …

OLAP

OLAP rešitve nam omogočajo hitre analize velikih količin podatkov, ki so večrazsežnostno organizirani in obsegajo običajno daljše časovno obdobje. Podatke navadno črpamo iz skladišč podatkov, kamor pritekajo iz različnih virov, tako notranjih kot zunanjih. Čeprav je OLAP tehnologija največkrat omenjena kot orodje za management srednje ravni (taktični management), pa ga uporabljamo tudi na ostalih dveh ravneh (operativni management, strateški management) kot pripomoček pri odločanju, zato je kakovost podatkov v njem izredno pomembna.

Predpogoj za kakovostne odločitve s pomočjo OLAP-a so kakovostni vhodni podatki, torej podatki v skladišču podatkov, kamor jih prenesemo iz transakcijskih sistemov. Pri prenosu moramo biti dosledni, hkrati pa je to navadno trenutek resnice o stanju kakovosti podatkov v transakcijskih sistemih in pogosto smo zelo začudeni, kako nekakovostne podatke imamo, predvsem v smislu natančnosti ter popolnosti. Vse navedene pomanjkljivosti imajo velik vpliv na analize, ki temeljijo na njih. Manjkajoč podatek o območju stranke nam onemogoča analizo npr. prodaje po območjih, vendar nas sodobni OLAP sistemi že opozarjajo na takšne napake, zato je treba večjo pozornost posvetiti napačnim vrednostim.

Rudarjenje po podatkih

Podatke, ki jih potrebujemo za reševanje problemov s pomočjo rudarjenja po podatkih, pridobimo iz skladišča podatkov. Vendar ti »surovi« podatki navadno niso primerni za takojšnjo obdelavo, temveč jih moramo pregledati in odpraviti morebitne napake. Največkrat je potrebno poiskati izjemne vrednosti, manjkajoče, neskladne in nepopolne vrednosti podatkov. Izjemne, manjkajoče, neskladne ter nepopolne vrednosti podatkov so pogost pojav v skladiščih podatkov in količina takšnih podatkov lahko zasede kar veliko prostora v skladišču podatkov.

Nepopolni podatki se lahko pojavijo zaradi več razlogov, in sicer lahko manjkajo lastnosti podatkov, ki nas zanimajo, določeni podatki niso bili vključeni v skladišče podatkov zaradi slabe analize problema,... Izjemne vrednosti so največkrat posledica slabih virov podatkov, ki take vrednosti posredujejo podatkovnemu skladišču, včasih pa so izjemne vrednosti iskana rešitev, npr. iskanje poneverb. Naštete anomalije odpravimo v procesih čiščenja, povezovanja, spreminjanja ter izbrisa podatkov.

Rudarjenje po podatkih je odkrivanje zakonitosti v podatkih, ki obsega obsežen skupek tehnologij za podporo odločanja; od preprostih poizvedb do umetne inteligence z namenom odkriti vzorce, povezave, spremembe, anomalije, medsebojne odvisnosti v podatkih, shranjenih v primerni obliki, da bi pridobili znanje, ki pomagajo ljudem pri odločanju.

 

STORITVE POSLOVNE INTELIGENCE:
  • Celovit konceptualni načrt podatkovnega skladišča
  • Izdelava večdimenzionalnega modela in/ali tabularnega modela podatkov z MS SQL 2012
  • Ocenjevanje kakovosti podatkov
  • Vpeljavo sistema vodenja kakovosti podatkov
  • Izdelava ETL procedur za črpanje ter agregiranje podatkov s pomočjo MS SQL
  • Izdelava naprednejših poročil z uporabo MDX in/ali DAX jezika
  • Analize s pomočjo rudarjenja po podatkih v Analysis Services in/ali Excelu
  • Deduplikacijo podatkov
Kakovost podatkov

Leta 2005 je bilo ugotovljeno, da ameriška podjetja letno izgubijo kar 600 milijard dolarjev zaradi nekakovostnih podatkov.

Kakovost podatkov je pomembna za vsako podjetje, neodvisno od njegove velikosti, zato bi morala biti skrb za kakovost  podatkov ena od osrednjih nalog vsakega podjetja, vendar je skrb za kakovost navadno nizko na prednostni lestvici.

Podatki so še posebno pomembni v podjetjih, pri katerih podatke enačimo s poslovnimi učinki. Tako banke, zavarovalne ustanove in druge finančne institucije proizvajajo ogromne količine podatkov, ki so njihov osrednji poslovni učinek.

 

Preberite tudi:

Opredelitev kakovosti podatkov in njeno zagotavljanje v relacijskem podatkovnem modelu poslovno informacijskega sistema [Elektronski vir] / Uroš Godnov. - Koper : Društvo za akademske in aplikativne raziskave, 2012