mastane.mansouri
mastane.mansouri
خواندن ۴ دقیقه·۲ سال پیش

هوش تجاری - مفاهیم و راهکارها

هوش تجاری
هوش تجاری

هوش تجاری، Business Intelligence یا به اختصار BI فرآیندی است بر پایه ی تکنولوژی که وظیفه اش تحلیل داده هاست. این فرآیند به تمام افراد کلیدی یک کسب و کار و مدیران اطلاعاتی، این امکان را می دهد تا بتوانند در قالب نمودارهای مختلف، نقشه، داشبوردهای مدیریتی، گزارشات و ... کسب و کار خود را تحلیل کنند و در نهایت عوامل موفقیت و شکست خود را بررسی نمایند.
بطور خیلی خلاصه، BI قرار است به سازمان بگوید که اوضاع کسب و کارش به چه شکل بوده و اکنون در چه وضعیتی است؟

مزایای هوش تجاری

1- تهیه گزارشات سریع و کاربردی

با ابزارهای مختلف BI می توان داده های پراکنده را در کمترین زمان دسته بندی و تحلیل کرده و گزارش خوانا و کاملی از هر بخش از کسب و کار ارائه کرد.

2- کمک به تصمیم گیری

تصمیمات استراتژیک یک کسب و کار می تواند رابطه ی مستقیم و محکمی با درآمد و سود شرکت داشته باشد.
بنابراین روندی که بتواند به تصمیمات استراتژیک و سریع کمک کند، بسیار کاربردی و کارساز خواهد بود. و اینجاست که کارشناس هوش تجاری می تواند در یک سازمان جایگاه ویژه و مهمی داشته باشد که بتواند بر اساس اعداد و ارقام و تحلیل ها روند تصمیم گیری درستی را در سازمان اعمال نماید.

3- بازگشت سریعتر سرمایه

با بررسی تمام ابعاد کسب و کار و کمپین های مختلف، می توان برآورد دقیق و درستی از وضعیت مالی و گلوگاه ها تهیه کرده و با برنامه ریزی درست و اصولی سریعتر به نقاط سوددهی و بازگشت سرمایه دست پیدا کرد.

4- افزایش بهره‌وری

با بهره گیری از هوش تجاری می توان راهکارهای درست و نادرست را تشخیص داده و وضعیت کسب و کار را به روشنی مشخص کرد.
پس از این مرحله و با روشن شدن وضعیت کسب و کار و اولویت ها و هدفها، وظایف افراد به خوبی مشخص شده و نقاط ضعف و قوت آشکار می شود و از آن پس کارها بهینه تر و با افزایش بهره وری همراه خواهد بود.

5- کاهش هزینه‌های نیروی انسانی

برای صرفه جویی در وقت، زمان و هزینه های سازمان، در کنار تجزیه و تحلیل دقیق و درست فرایندها، چاره ای جز بهره گیری از یک متخصص هوش تجاری نیست که در کمترین زمان و با استفاده از تکنولوژی، کار چندین نیروی انسانی را به بهترین شکل انجام دهد.

ابعاد هوش تجاری

1- بعد تکنیکال

بعد تکنیکال به بخشهای مختلف انبار داده، دیتابیس، داشبوردهای مدیریتی و انتقال داده ها مربوط است.
در این بخش ابتدا بخشهای مختلف کسب و کار شناسایی شده و بر اساس اطلاعات بدست آمده، یک انبار داده ساخته می شود. و در نهایت اطلاعات خام به اطلاعات قابل فهم و مورد استفاده تبدیل شده و گزارش ارائه می شود.

2- بعد فرهنگی

در این بخش به آنالیز درست نیازمندی ها و فرهنگ سازمان پرداخته می شود. رفتار مشتری تحلیل شده و بر مبنای واقعیت های موجود تصمیماتی اتخاذ می شود.

وظایف و دلایل داشتن سیستم های مبتنی بر هوش تجاری

  • صرفه اقتصادی
  • دنبال نمودن اهداف کارايی سيستم کاربردی
  • افزايش رقابت
  • تجارت الکترونيک
  • حمايت از تصميم گيری های سيستم کاربردی
  • بالا رفتن تعداد مشتریان
  • نياز به آناليز عمليات سيستم
  • صحت و دقت اطلاعات حاصل از سيستم
  • دسترسی به داده های بهنگام شده
  • رضايت کاربران نهايی در مقايسه با کالاهای مشابه
  • کاهش هزينه

ویژگی های معماری هوش تجاری

نمای تجاری

مشترک بودن فرایندهای تجاری و تحلیل‌ها در سراسر سیستم BI

سرعت

اعمال سریع تغییرات لازم در سراسر سیستم، در صورت تغییر استراتژی

قابلیت همکاری

دسترسی به تمام امکانات BI برای کاربران تجاری از طریق یک رابط

سهولت بکارگیری

به دست آوردن حداکثر فوایدBI

امنیت

ظرفیت پذیرش تعداد زیادی از تامین‌کننده‌های امنیت در معماری BI

نمایی از معماری هوش تجاری

معماری هوش تجاری
معماری هوش تجاری


انبار داده (Data Warehous)

مجموعه ای از داده هایی است که از سیستم های عملیاتی گوناگون استخراج شده است.

این داده ها برای سازگار شدن با داده های دیگر تبدیل شده و به منظور تحلیل بارگذاری می شوند.

پردازش تراکنشی بر خط ( OnLine Transactional Processing)

کلاسی از سيستم اطلاعاتی است که برای تسهیل کاربردهای تراکنش گرا مدیریت می شود.
OLTP به پردازش هایی که در آن سیستم OLAPبه درخواست های کاربران می دهد نیز گفته می شود.

پردازش تحلیلی بر خط (Online Analytical Process)

پردازش تحلیلی آنلاین شامل سرويس هايی است که از پايگاه داده تحليلی به منظور پاسخگويی سريع به پرسش های تحليلی کاربران استفاده می کنند.
تسریع در تصمیم گیری (داده های Pre-Aggregate )
تجزیه و تحلیل داده‌های کسب‌وکار به صورت چندبعدی
توانایی انجام محاسبات پیچیده، تجزیه و تحلیل رویه‌ها و مدل‌سازی داده‌های پیچیده از وظایف آنهاست.

نقشه راه توليد يک پروژه هوش تجاری

مرحله هدف و منظور

گام 1: ارزيابی وضعيت تجاری

مرحله طرح ريزی

گام 2: ارزيابی زير ساخت Enterprise
گام 3: طرح ريزی پروژه

مرحله تحليل تجاری

گام 4: تعريف نيازمندی های پروژه
گام 5: تحليل داده
گام 6: نمونه سازی برنامه کاربردی
گام 7: تحليل مخزن فراداده

مرحله طراحی

گام 8: طراحی پايگاه داده
گام 9: طراحی ETL (استخراج/تبديل/بارگذاری)
گام 10: طراحی مخزن فراداده

مرحله ساخت

گام 11: توليد ETL
گام 12: توليد برنامة کاربردی
گام 13: داده کاوی
گام 14: توليد مخزن فراداده
مرحله نصب و استقرار
گام 15: پياده سازی
گام 16: ارزيابی نسخه

دلایل شکست پروژه‌های هوش تجاری

1. مدیریت

  • استفاده از مدیر بدون دانش BI
  • قدرت و اختیارات نا كافی
  • بی میل بودن به تغییرات

2. رویكرد

  • عدم استفاده از مهندسی مجدد
  • عدم استفاده از IT

3. استاندارد ها

  • كمبود استاندارد ها
  • عدم استفاده از استاندارد مناسب

4. كاربر

  • آموزش ناكافی
  • مشاركت نامناسب

5. قوانین و برنامه ها

  • عدم تایین دقیق محدوده پروژه
  • فقدان برنامه ریزی
  • عدم تطابق استراتژی سازمان با هوش تجاری

6. ابزار

  • استفاده از یك ابزار خاص برای تمام مشتریان
  • انتخاب یك ابزار BI بدون نیاز تجاری
هوش تجاریکسب و کار هوشمندکسب و کارهوشمندهوشمندسازی کسب و کارهوشمندی کسب و کار
علاقه مند به تولید محتوا،سئو و هوشمندسازی کسب و کار-سایت فرست آفن
شاید از این پست‌ها خوشتان بیاید