Επιχειρησιακή νοημοσύνη

Από τη Βικιπαίδεια, την ελεύθερη εγκυκλοπαίδεια

Η Επιχειρησιακή Νοημοσύνη (ΕΝ) αναφέρεται σε τεχνικές που στηρίζονται σε υπολογιστές και που χρησιμοποιούνται στο να βρεθούν, να αναδυθούν στην επιφάνεια και να αναλυθούν δεδομένα της επιχείρησης, όπως εισοδήματα από τις πωλήσεις προϊόντων ή τμημάτων ή διάφορα κόστη και εισοδήματα.[1]

Η τεχνολογίες ΕΝ παρέχουν ιστορικές, τρέχουσες και προγνωστικές απόψεις της Διοίκησης λειτουργιών. Συνηθισμένες λειτουργίες της ΕΝ είναι οι εξής: reporting, online analytical processing, analytics, data mining, business performance management, benchmarking, text mining, και predictive analysis.

Η ΕΝ συχνά στοχεύει στην καλύτερη υποστήριξη λήψης επιχειρηματικών αποφάσεων.[2] Συνεπώς, ένα ΕΝ σύστημα μπορεί να θεωρηθεί ως ένα σύστημα υποστήριξης αποφάσεων-ΣΥΑ (decision support system).[3] Αν και ο όρος ΕΝ χρησιμοποιείται πολλές φορές ως συνώνυμο της ανταγωνιστικής νοημοσύνης-ΑΝ (competitive intelligence) επειδή και τα δύο συστήματα υποστηρίζουν τη λήψη αποφάσεων, εντούτοις διαφέρουν. Η ΕΝ χρησιμοποιεί τεχνολογίες, διαδικασίες και εφαρμογές για να αναλύσει κυρίως εσωτερικά, δομημένα δεδομένα και επιχειρηματικές διαδικασίες ενώ η ΑΝ εφαρμόζεται με τη συγκέντρωση, ανάλυση και διάδοση πληροφοριών, με ή χωρίς υποστήριξη της τεχνολογίας και των εφαρμογών και επικεντρώνεται στις all-source πληροφορίες και δεδομένα (αδόμητα ή δομημένα) κυρίως στο εξωτερικό αλλά και εσωτερικό της εταιρείας για την υποστήριξη της λήψης αποφάσεων.

Ιστορικά[Επεξεργασία | επεξεργασία κώδικα]

Σε άρθρο του 1958, ο ερευνητής Hans Peter Luhn χρησιμοποιεί τον όρο ΕΝ. Ορίζει νοημοσύνη ως [2] «την ικανότητα αντίληψης των διεπιχειρησιακών σχέσεων των παρόντων γεγονότων με τέτοιο τρόπο ώστε να δρομολογηθεί δράση προς τον επιθυμητό στόχο».

Το 1989, ο Howard Dresner προτείνει την ΕΝ ως ένα γενικό όρο για να περιγράψει «έννοιες και μεθόδους για να βελτιωθεί η λήψη επιχειρηματικών αποφάσεων χρησιμοποιώντας βασισμένα στα γεγονότα συστήματα υποστήριξης». "[3] Δεν ήταν μέχρι το τέλη του 1990, που αυτή η χρήση της έγινε ευρέως διαδεδομένη.

ΕΝ και Αποθήκευση δεδομένων (Data warehousing)[Επεξεργασία | επεξεργασία κώδικα]

Συχνά οι εφαρμογές ΕΝ χρησιμοποιούν δεδομένα που έχουν συλλεχθεί από μια αποθήκη δεδομένων (data warehouse) ή ένα data mart. Ωστόσο, δε χρησιμοποιούνται όλες οι αποθήκες δεδομένων για την ΕΝ, ούτε όλες οι εφαρμογές ΕΝ απαιτούν μια αποθήκη δεδομένων.

ΕΝ και Business analytics[Επεξεργασία | επεξεργασία κώδικα]

Ο Thomas Davenport υποστήριξε ότι η ΕΝ πρέπει να διαιρεθεί σε querying, reporting, OLAP (an ‘alerts’ tool) και business analytics. Μια άλλη προσέγγιση που χρησιμοποιεί ΕΝ και άλλες μεθόδους, μοντέλα και analytics είναι η αρχιτεκτονική αποφάσεων-ΑΑ (decision architecture). Η ΑΑ είναι μια διαδικασία δημιουργίας αξίας που χρησιμοποιείται από μεγάλες εταιρείες από το 1985 για να αυξήσει τους πελάτες, το χαρτοφυλάκιο, την τεχνολογία, το όνομα και την μετοχική αξία.

Δίνοντας προτεραιότητα στα προγράμματα ΕΝ[Επεξεργασία | επεξεργασία κώδικα]

Είναι συχνά δύσκολο να παρέχεις μια θετική business case για πρωτοβουλίες της ΕΝ και συνήθως στα προγράμματα πρέπει να δίνεται προτεραιότητα μέσω στρατηγικών πρωτοβουλιών. Στη συνέχεια παρατίθενται μερικές συμβουλές για να αυξηθούν τα οφέλη από ένα πρόγραμμα ΕΝ:

• Όπως περιγράφεται από τον Kimball,[4] πρέπει να καθορίσετε τα απτά οφέλη όπως το μικρό κόστος από την παραγωγή legacy εκθέσεων
• Δώστε πρόσβαση στα δεδομένα σε ολόκληρη την επιχείρηση. Με αυτό τον τρόπο, ακόμα και το να σωθούν μερικά λεπτά από μια διαδικασία, θα κάνουν αισθητή τη διαφορά όταν αυτή πολλαπλασιαστεί με τον αριθμό των υπαλλήλων σε ολόκληρη την επιχείρηση
• Όπως περιγράφεται από τους Ross, Weil και Roberson,[5] σκεφτείτε να αφήσετε το πρόγραμμα ΕΝ να τρέξει μέσω άλλων επιχειρηματικών πρωτοβουλιών με άριστες επιχειρηματικές περιπτώσεις. Για να υποστηρίξει αυτή την προσέγγιση, η επιχείρηση πρέπει να έχει το πρόγραμμα Enterprise Architects, με το οποίο θα μπορεί να διακρίνει τα κατάλληλα επιχειρηματικά προγράμματα

Κρίσιμοι παράγοντες επιτυχίας της εφαρμογής της ΕΝ[Επεξεργασία | επεξεργασία κώδικα]

Αν και θα μπορούσαν να υπάρχουν πολλοί παράγοντες που να επηρεάσουν τη διαδικασία εφαρμογής ενός συστήματος ΕΝ, έρευνα του Naveen K. Vodapalli [6] δείχνει πως οι ακόλουθοι είναι οι πιο κρίσιμοι παράγοντες επιτυχίας για την εφαρμογή της ΕΝ:

α. Μεθοδολογία και διοίκηση έργων
β. Σαφές όραμα και σχεδιασμός
γ. Υποστήριξη της διοίκησης και χορηγίες
δ. Διαχείριση δεδομένων και της ποιότητας
ε. Χαρτογράφηση λύσεων για τις ανάγκες των χρηστών
στ. Εκτιμήσεις επιδόσεων του συστήματος ΕΝ
ζ. Ανθεκτικό και επεκτάσιμο σχέδιο

Το μέλλον της ΕΝ[Επεξεργασία | επεξεργασία κώδικα]

Η έρευνα του Gartner (2009), προβλέπει την εξής ανάπτυξη στην αγορά της ΕΝ: [7]

  • Λόγω της έλλειψης πληροφοριών, διαδικασιών και εργαλείων, έως το 2012, πάνω από το 35% των κορυφαίων 5000 παγκόσμιων εταιρειών θα αποτυγχάνουν τακτικά να παίρνουν διορατικές αποφάσεις για σημαντικές αλλαγές στην επιχείρησή τους και τις αγορές
  • Μέχρι το 2012, οι επιχειρηματικές μονάδες θα ελέγχουν τουλάχιστον το 40% του συνολικού προϋπολογισμού για την ΕΝ
  • Μέχρι το 2010, το 20% των επιχειρήσεων θα έχουν μια industry-specific analytic συσκευή που θα παραδίδεται μέσω software as a service ως ένα βασικό συστατικό του χαρτοφυλακίου της ΕΝ
  • Το 2009, το collaborative decision making θα αναδυθεί ως μια νέα κατηγορία προϊόντος που θα συνδυάζει το social software με τις δυνατότητες της ΕΝ platform
  • Μέχρι το 2012, το 1/3 των analytic συσκευών που χρησιμοποιούνται στις επιχειρηματικές διαδικασίες θα παραδίδεται μέσω coarse-grained application mashups

Δείτε επίσης[Επεξεργασία | επεξεργασία κώδικα]

Παραπομπές[Επεξεργασία | επεξεργασία κώδικα]

  1. «BusinessDictionary.com». Αρχειοθετήθηκε από το πρωτότυπο στις 28 Οκτωβρίου 2019. Ανακτήθηκε στις 17 Μαρτίου 2010. 
  2. 2,0 2,1 H. P. Luhn (1958). «A Business Intelligence System» (PDF). IBM Journal. Ανακτήθηκε στις 10 Ιουλίου 2008.  Unknown parameter |month= ignored (βοήθεια)
  3. 3,0 3,1 D. J. Power (10 Μαρτίου 2007). «A Brief History of Decision Support Systems, version 4.0». DSSResources.COM. Ανακτήθηκε στις 10 Ιουλίου 2008. 
  4. The Data warehouse Lifecycle Toolkit by Ralph Kimball et al. 2nd ed., page 29
  5. Jeanne W. Ross, Peter Weil, David C. Robertson 2006: Enterprise Architecture As Strategy, page 117
  6. Naveen K Vodapalli (2 Νοεμβρίου 2009). «Critical Success Factors of BI Implementation» (PDF). IT University of Copenhagen. Ανακτήθηκε στις 12 Νοεμβρίου 2009. 
  7. "Gartner Reveals Five Business Intelligence Predictions for 2009 and Beyond", http://www.gartner.com/it/page.jsp?id=856714 Αρχειοθετήθηκε 2013-01-28 στο Wayback Machine.