Business intelligence: Różnice pomiędzy wersjami

Z Encyklopedia Zarządzania
m (Rozbudowa artykułu)
(The LinkTitles extension automatically added links to existing pages (<a target="_blank" rel="noreferrer noopener" class="external free" href="https://github.com/bovender/LinkTitles">https://github.com/bovender/LinkTitles</a>).)
Linia 51: Linia 51:
<B>II. Warstwa przetwarzania analitycznego</B><BR />
<B>II. Warstwa przetwarzania analitycznego</B><BR />
a) Podstawowe narzędzia raportujące<BR />
a) Podstawowe narzędzia raportujące<BR />
b) Graficzna wizualizacja danych<BR />
b) Graficzna [[wizualizacja danych]]<BR />
c) Zaawansowane narzędzia analityczne typu [[data mining]]<BR />
c) Zaawansowane narzędzia analityczne typu [[data mining]]<BR />
d) Aplikacje analityczne<BR />
d) Aplikacje analityczne<BR />
Linia 80: Linia 80:


==Business intelligence - przykłady==
==Business intelligence - przykłady==
* '''Raportowanie i analiza danych''': Raportowanie i analiza danych to procesy, które pozwalają firmom wizualizować, rekonstruować i interpretować dane, aby wyciągnąć wnioski i uzyskać lepszy wgląd w działania operacyjne. Przykładem jest tworzenie raportów, które pozwalają firmom monitorować i analizować wskaźniki finansowe, takie jak obroty, rentowność i zyski, aby zoptymalizować wyniki firmy.
* '''Raportowanie i analiza danych''': Raportowanie i analiza danych to procesy, które pozwalają firmom wizualizować, rekonstruować i interpretować dane, aby wyciągnąć wnioski i uzyskać lepszy wgląd w działania operacyjne. Przykładem jest tworzenie raportów, które pozwalają firmom monitorować i analizować [[wskaźniki finansowe]], takie jak obroty, [[rentowność]] i zyski, aby zoptymalizować wyniki firmy.
* '''Data Mining''': Data mining to proces wykorzystujący algorytmy uczenia maszynowego do wykrywania wzorców i tendencji w danych. Jest to bardzo przydatne narzędzie do skutecznego zarządzania danymi, ponieważ umożliwia firmom wykrywanie wzorców zachowań konsumentów, które mogą być wykorzystane do tworzenia strategii marketingowych i sprzedażowych. Przykładem jest wykorzystanie data mining do wykrywania trendów kupujących i dostarczania odpowiednio dopasowanych ofert.
* '''Data Mining''': Data mining to proces wykorzystujący algorytmy uczenia maszynowego do wykrywania wzorców i tendencji w danych. Jest to bardzo przydatne narzędzie do skutecznego zarządzania danymi, ponieważ umożliwia firmom wykrywanie wzorców zachowań konsumentów, które mogą być wykorzystane do tworzenia strategii marketingowych i sprzedażowych. Przykładem jest wykorzystanie data mining do wykrywania trendów kupujących i dostarczania odpowiednio dopasowanych ofert.
* '''Analiza predykcyjna''': Analiza predykcyjna to proces wykorzystujący algorytmy uczenia maszynowego do przewidywania wyników na podstawie dostępnych danych. Analiza predykcyjna jest szczególnie przydatna w sektorze handlowym, ponieważ pozwala przedsiębiorstwom zarządzać zapasami, prognozować sprzedaż i optymalizować działania marketingowe. Przykładem jest wykorzystanie analizy predykcyjnej do przewidywania zapotrzebowania na produkty w dłuższym okresie czasu.
* '''Analiza predykcyjna''': Analiza predykcyjna to proces wykorzystujący algorytmy uczenia maszynowego do przewidywania wyników na podstawie dostępnych danych. Analiza predykcyjna jest szczególnie przydatna w sektorze handlowym, ponieważ pozwala przedsiębiorstwom zarządzać zapasami, prognozować [[sprzedaż]] i optymalizować działania marketingowe. Przykładem jest wykorzystanie analizy predykcyjnej do przewidywania zapotrzebowania na produkty w dłuższym okresie czasu.


==Business intelligence - mocne strony==
==Business intelligence - mocne strony==
Business Intelligence (BI) ma wiele zalet, które umożliwiają firmom korzystanie z danych w celu podejmowania skutecznych decyzji biznesowych
Business Intelligence (BI) ma wiele zalet, które umożliwiają firmom korzystanie z danych w celu podejmowania skutecznych decyzji biznesowych
* BI zapewnia wgląd w wyższy poziom danych, aby lepiej zrozumieć, jak działa biznes
* BI zapewnia wgląd w wyższy poziom danych, aby lepiej zrozumieć, jak działa [[biznes]]
* BI umożliwia firmom usprawnienie wydajności, poprzez śledzenie i analizowanie danych
* BI umożliwia firmom usprawnienie wydajności, poprzez śledzenie i analizowanie danych
* BI oferuje elastyczność, ponieważ dane mogą być łatwo dostosowywane do potrzeb firmy
* BI oferuje [[elastyczność]], ponieważ dane mogą być łatwo dostosowywane do potrzeb firmy
* BI poprawia wydajność, dzięki umiejętności szybkiego dostosowywania się do zmieniających się trendów i potrzeb na rynku
* BI poprawia [[wydajność]], dzięki [[umiejętności]] szybkiego dostosowywania się do zmieniających się trendów i potrzeb na rynku
* BI zwiększa produktywność i obniża koszty, dzięki automatyzacji rutynowych procesów i lepszemu wykorzystaniu danych
* BI zwiększa [[produktywność]] i obniża [[koszty]], dzięki automatyzacji rutynowych procesów i lepszemu wykorzystaniu danych
* BI pomaga firmom w uzyskaniu przewagi konkurencyjnej, dzięki lepszemu wykorzystaniu danych do wspierania strategii biznesowych.
* BI pomaga firmom w uzyskaniu przewagi konkurencyjnej, dzięki lepszemu wykorzystaniu danych do wspierania strategii biznesowych.


==Business intelligence - ograniczenia==
==Business intelligence - ograniczenia==
Poniżej przedstawiam ograniczenia i słabe strony Business Intelligence:
Poniżej przedstawiam ograniczenia i [[słabe strony]] Business Intelligence:
* '''Koszty''': Business Intelligence może być drogi, ponieważ wymaga zakupu oprogramowania, zatrudnienia specjalistów do jej zarządzania, a także kosztów utrzymania i aktualizacji.
* '''Koszty''': Business Intelligence może być drogi, ponieważ wymaga zakupu oprogramowania, zatrudnienia specjalistów do jej zarządzania, a także kosztów utrzymania i aktualizacji.
* '''Różnorodność danych''': Może być trudno dostosować różnego rodzaju dane do platformy BI, ponieważ mogą być one dostarczane w różnych formatach, a także mogą pochodzić z różnych źródeł.
* '''[[Różnorodność]] danych''': Może być trudno dostosować różnego rodzaju dane do platformy BI, ponieważ mogą być one dostarczane w różnych formatach, a także mogą pochodzić z różnych źródeł.
* '''Dostępność danych''': Dostęp do danych może być ograniczony ze względu na ochronę danych lub wydajność systemu.
* '''[[Dostępność]] danych''': Dostęp do danych może być ograniczony ze względu na ochronę danych lub wydajność systemu.
* '''Wybór narzędzi''': Wybór odpowiednich narzędzi do przetwarzania danych może być trudny. Trzeba wziąć pod uwagę wydajność, cenę, a także zgodność z dostępnymi danymi.
* '''Wybór narzędzi''': Wybór odpowiednich narzędzi do przetwarzania danych może być trudny. Trzeba wziąć pod uwagę wydajność, cenę, a także zgodność z dostępnymi danymi.
* '''Niedoskonałości''': Niektóre narzędzia BI mogą mieć niedoskonałości, takie jak niska wydajność lub brak wsparcia dla niektórych typów danych, co może powodować problemy z przetwarzaniem danych.
* '''Niedoskonałości''': Niektóre narzędzia BI mogą mieć niedoskonałości, takie jak niska wydajność lub brak wsparcia dla niektórych typów danych, co może powodować problemy z przetwarzaniem danych.
* '''Zasoby''': Niekiedy trudno jest zdobyć odpowiednie zasoby, aby zarządzać systemem BI. Może to być kosztowne i czasochłonne, aby znaleźć i zatrudnić odpowiednich ekspertów.
* '''[[Zasoby]]''': Niekiedy trudno jest zdobyć odpowiednie zasoby, aby zarządzać systemem BI. Może to być kosztowne i czasochłonne, aby znaleźć i zatrudnić odpowiednich ekspertów.


==Business intelligence - inne związane podejścia==
==Business intelligence - inne związane podejścia==
Linia 106: Linia 106:
* '''Analizę danych''': za pomocą narzędzi analitycznych i statystycznych przetwarzania dużych zbiorów danych w celu wyciągnięcia wniosków i trendów.
* '''Analizę danych''': za pomocą narzędzi analitycznych i statystycznych przetwarzania dużych zbiorów danych w celu wyciągnięcia wniosków i trendów.
* '''Raportowanie''': tworzenie raportów, wykresów i wizualizacji danych dla wyświetlenia przetworzonych informacji.
* '''Raportowanie''': tworzenie raportów, wykresów i wizualizacji danych dla wyświetlenia przetworzonych informacji.
* '''Modelowanie danych''': tworzenie modeli danych, takich jak modele hierarchiczne, modele czasowe i modele koszyczkowe, w celu wyciągnięcia wniosków i przewidywania przyszłych wyników.
* '''[[Modelowanie]] danych''': tworzenie modeli danych, takich jak [[modele]] hierarchiczne, modele czasowe i modele koszyczkowe, w celu wyciągnięcia wniosków i przewidywania przyszłych wyników.
* '''Sztuczna inteligencja''': wykorzystanie technologii sztucznej inteligencji do wyciągania wniosków i podejmowania decyzji na podstawie danych.
* '''Sztuczna inteligencja''': wykorzystanie technologii sztucznej inteligencji do wyciągania wniosków i podejmowania decyzji na podstawie danych.
* '''Przetwarzanie w chmurze''': wykorzystanie technologii chmury do przetwarzania dużych zbiorów danych.
* '''[[Przetwarzanie w chmurze]]''': wykorzystanie technologii chmury do przetwarzania dużych zbiorów danych.
* '''Bazy danych''': utrzymanie i zarządzanie bazami danych za pomocą systemu zarządzania bazami danych.  
* '''Bazy danych''': utrzymanie i [[zarządzanie]] bazami danych za pomocą systemu zarządzania bazami danych.  


Podsumowując, Business Intelligence jest szerokim pojęciem obejmującym wiele różnych podejść, narzędzi i technologii do przetwarzania i wizualizacji danych.
Podsumowując, Business Intelligence jest szerokim pojęciem obejmującym wiele różnych podejść, narzędzi i technologii do przetwarzania i wizualizacji danych.

Wersja z 12:54, 30 sty 2023

Business intelligence
Polecane artykuły


Business Intelligence (BI) jest zbiorem praktyk, działań oraz technologii, które przekształcają dane w użyteczne informacje biznesowe.[1]

Istotą BI jest bazowanie na ogromnych ilościach informacji, które same w sobie nie mają żadnej wartości. Natomiast zestawione razem, z zastosowaniem odpowiednich mechanizmów oraz technik prezentacji stanowią doskonały materiał do analiz oraz przewidywań w kontekście tworzenia przewagi konkurencyjnej przedsiębiorstwa. Systemy klasy BI wyewoluowały z Systemów Informatycznych Zarządzania, takich jak: systemy informowania kierownictwa czy systemy wspomagania decyzji.

BI skupia dziedziny oraz technologie takie jak: statystyka, ekonometria, badania operacyjne, sztuczna inteligencja, bazy danych, raportowanie biznesowe, analityka, data mining, czy też benchmarking.

Polskimi odpowiednikami nazwy są: wywiad gospodarczy, inteligencja biznesowa, analityka biznesowa. Lecz nazwy te są często mylące oraz nie odzwierciedlają całościowego opisu terminu.

Historia

Po raz pierwszy w historii termin Business Intelligence został użyty w 1958 roku w jednym z artykułów "IBM Journal”. Jednakże sprecyzowanie tego terminu pojawiło się dopiero w 1989, określono wtedy, że BI jest to: "szeroka dziedzina okrywająca wiele metod (…) ukierunkowanych na realne wspieranie decyzji biznesowych w przedsiębiorstwie”.

Najnowsza definicja ustalona przez firmę Gartner w 2003 roku mówi, że BI jest to: "Zorientowany na użytkownika proces zbierania, eksploracji, interpretacji i analizy danych, który prowadzi do usprawnienia i zracjonalizowania procesu podejmowania decyzji. Systemy te wspierają kadrę menadżerską w podejmowaniu decyzji biznesowych w celu kreowania wzrostu wartości przedsiębiorstwa.”[2]

Przez ostatnie lata wzrósł popyt na informację nieustrukturalizowaną. Controlling jednak napotkał trudności dotyczące systemów transakcyjnych. Należą do nich:

  • Ogrom danych zawartych w jednym miejscu ;
  • Słabo przejrzysta struktura baz danych, a także skomplikowane nazewnictwo skutkujące zrozumieniem przeważnie tylko dla twórców systemów;
  • Forma przetwarzania danych kłopotliwa podczas przeprowadzania analiz ;
  • Brak integracji w przedsiębiorstwach mających nawet ZISZ, lecz nie będących całkowicie usatysfakcjonowanych z każdego z jego modułów. Następstwem tej sytuacji jest zaopatrzenie się w dodatkowy program, powodujący gromadzenie danych w niejednolitych systemach. W rezultacie, dostarczenie rzetelnych danych stanowi problem.

Trudności związane z zarządzaniem danymi spowodowały powstanie koncepcji baz danych, a kolejnie hurtowni danych, umożliwiających prostsze wykorzystanie informacji podczas procesów podejmowania decyzji.

Źródła danych BI

Z pojęciem BI bezsprzecznie związane są wspomniane już powyżej bazy danych, a w szczególności hurtownie danych. O ile w relacyjnych bazach mamy dane zorientowane obiektowo, o tyle w hurtowniach mamy "czyste” dane czyli ustrukturyzowane oraz zorientowane tematycznie. Często stosowane jest rozwiązanie, które polega na zablokowaniu modyfikacji hurtowni danych – możliwa jest tylko selekcja. O strukturę i merytoryczność danych w hurtowniach dbają procesy ETL (extraction- kopiowanie danych z dużej ilości źródeł do hurtowni; transformation- konwertowanie, agregowanie i ujednolicanie danych; loading- umieszczanie danych w hurtowni).

Dzięki takiemu przygotowaniu z hurtowni mogą korzystać narzędzia analityczne takie jak OLAP. Wykorzystując zaawansowaną statystykę oraz elementy sztucznej inteligencji analizują dane i wyciągają z bazy przeliczone wartości, których obliczenie w normalnych warunkach zajęłoby sporo czasu.[3]

Warstwy funkcjonalno-technologiczne w systemie BI

"I. Warstwa integracji i składowania
a) Narzędzia ETL
b) Hurtownie danych
c) Agregacje OLAP

II. Warstwa przetwarzania analitycznego
a) Podstawowe narzędzia raportujące
b) Graficzna wizualizacja danych
c) Zaawansowane narzędzia analityczne typu data mining
d) Aplikacje analityczne

III. Warstwa udostępniania wyników
a) Serwery plików
b) Portale informacyjne
c) Narzędzia automatycznej dystrybucji informacj
IV. Warstwa administracji- warstwa odpowiedzialna za administrowanie wyżej wymienionych warstw elementarnych" [4]

Odmiany systemu Business Intelligence

Systemy informacyjno-analityczne wykorzystywane są do przetwarzania danych wywodzących się z przedsiębiorstwa, jak również z jego otoczenia. Wykorzystują one złożone metody przetwarzania. Ma to odniesienie zwłaszcza do systemów opierających się na koncepcji hurtowni danych, określanych mianem systemów BI.
Główne odmiany systemu BI to:

  • EIS- Executive Information Systems(systemy powiadamiania kierownictwa)

Systemy skierowane dla kierownictwa szczebla wyższego, które upraszczają i wspierają gromadzenie informacji przydatnej podczas podejmowania decyzji.

Systemy skierowane dla kierownictwa szczebla średniego i wysokiego, a także analityków. Te systemy zajmują się przygotowaniem raportów i zestawień.

  • MIS- Management Information Systems(systemy wspomagania zarządzania)

Jest to system komputerowy gromadzący i analizujący dane z każdego z wydziałów, a następnie przesyłający je w postaci raportów jednostkom zarządzającym.

  • GIS- Geographic Information Systems(systemy informacji geograficznej)

Systemy służące do wprowadzania, zbierania, przetwarzania, a także wizualizacji danych. [5]

Aplikacje BI

Przeanalizowane dane trafiają do aplikacji dedykowanych dla pracowników. Takimi aplikacjami są np. raporty czy kokpity menadżerskie.

Dla użytkownika końcowego widoczne są jedynie niezbędne informacje, których potrzebuje, aby dokonać właściwej decyzji np. w formie kokpitu menadżerskiego. Taki ekran zawiera wykresy oraz kluczowe wskaźniki efektywności. Dzięki takiemu zestawieniu pracownik już po zobaczeniu jednego ekranu jest w stanie powiedzieć co należy zmienić, podczas gdy szukanie tych informacji w tradycyjny sposób zajęło by wiele czasu.

Business intelligence - przykłady

  • Raportowanie i analiza danych: Raportowanie i analiza danych to procesy, które pozwalają firmom wizualizować, rekonstruować i interpretować dane, aby wyciągnąć wnioski i uzyskać lepszy wgląd w działania operacyjne. Przykładem jest tworzenie raportów, które pozwalają firmom monitorować i analizować wskaźniki finansowe, takie jak obroty, rentowność i zyski, aby zoptymalizować wyniki firmy.
  • Data Mining: Data mining to proces wykorzystujący algorytmy uczenia maszynowego do wykrywania wzorców i tendencji w danych. Jest to bardzo przydatne narzędzie do skutecznego zarządzania danymi, ponieważ umożliwia firmom wykrywanie wzorców zachowań konsumentów, które mogą być wykorzystane do tworzenia strategii marketingowych i sprzedażowych. Przykładem jest wykorzystanie data mining do wykrywania trendów kupujących i dostarczania odpowiednio dopasowanych ofert.
  • Analiza predykcyjna: Analiza predykcyjna to proces wykorzystujący algorytmy uczenia maszynowego do przewidywania wyników na podstawie dostępnych danych. Analiza predykcyjna jest szczególnie przydatna w sektorze handlowym, ponieważ pozwala przedsiębiorstwom zarządzać zapasami, prognozować sprzedaż i optymalizować działania marketingowe. Przykładem jest wykorzystanie analizy predykcyjnej do przewidywania zapotrzebowania na produkty w dłuższym okresie czasu.

Business intelligence - mocne strony

Business Intelligence (BI) ma wiele zalet, które umożliwiają firmom korzystanie z danych w celu podejmowania skutecznych decyzji biznesowych

  • BI zapewnia wgląd w wyższy poziom danych, aby lepiej zrozumieć, jak działa biznes
  • BI umożliwia firmom usprawnienie wydajności, poprzez śledzenie i analizowanie danych
  • BI oferuje elastyczność, ponieważ dane mogą być łatwo dostosowywane do potrzeb firmy
  • BI poprawia wydajność, dzięki umiejętności szybkiego dostosowywania się do zmieniających się trendów i potrzeb na rynku
  • BI zwiększa produktywność i obniża koszty, dzięki automatyzacji rutynowych procesów i lepszemu wykorzystaniu danych
  • BI pomaga firmom w uzyskaniu przewagi konkurencyjnej, dzięki lepszemu wykorzystaniu danych do wspierania strategii biznesowych.

Business intelligence - ograniczenia

Poniżej przedstawiam ograniczenia i słabe strony Business Intelligence:

  • Koszty: Business Intelligence może być drogi, ponieważ wymaga zakupu oprogramowania, zatrudnienia specjalistów do jej zarządzania, a także kosztów utrzymania i aktualizacji.
  • Różnorodność danych: Może być trudno dostosować różnego rodzaju dane do platformy BI, ponieważ mogą być one dostarczane w różnych formatach, a także mogą pochodzić z różnych źródeł.
  • Dostępność danych: Dostęp do danych może być ograniczony ze względu na ochronę danych lub wydajność systemu.
  • Wybór narzędzi: Wybór odpowiednich narzędzi do przetwarzania danych może być trudny. Trzeba wziąć pod uwagę wydajność, cenę, a także zgodność z dostępnymi danymi.
  • Niedoskonałości: Niektóre narzędzia BI mogą mieć niedoskonałości, takie jak niska wydajność lub brak wsparcia dla niektórych typów danych, co może powodować problemy z przetwarzaniem danych.
  • Zasoby: Niekiedy trudno jest zdobyć odpowiednie zasoby, aby zarządzać systemem BI. Może to być kosztowne i czasochłonne, aby znaleźć i zatrudnić odpowiednich ekspertów.

Business intelligence - inne związane podejścia

Business intelligence (BI) to zbiór praktyk, narzędzi i technologii przekształcających dane w użyteczne informacje biznesowe. Inne podejścia do BI obejmują:

  • Analizę danych: za pomocą narzędzi analitycznych i statystycznych przetwarzania dużych zbiorów danych w celu wyciągnięcia wniosków i trendów.
  • Raportowanie: tworzenie raportów, wykresów i wizualizacji danych dla wyświetlenia przetworzonych informacji.
  • Modelowanie danych: tworzenie modeli danych, takich jak modele hierarchiczne, modele czasowe i modele koszyczkowe, w celu wyciągnięcia wniosków i przewidywania przyszłych wyników.
  • Sztuczna inteligencja: wykorzystanie technologii sztucznej inteligencji do wyciągania wniosków i podejmowania decyzji na podstawie danych.
  • Przetwarzanie w chmurze: wykorzystanie technologii chmury do przetwarzania dużych zbiorów danych.
  • Bazy danych: utrzymanie i zarządzanie bazami danych za pomocą systemu zarządzania bazami danych.

Podsumowując, Business Intelligence jest szerokim pojęciem obejmującym wiele różnych podejść, narzędzi i technologii do przetwarzania i wizualizacji danych.

Bibliografia

  • Nesterak J.(2015). Controlling zarządczy.Projektowanie i wdrażanie, Wydawnictwo Oficyna, Warszawa
  • Nesterak J.(2010).Business Intelligence jako narzędzie wspierające decyzje zarządcze w firmie, Zeszyty Naukowe, Prace z zakresu ekonomiki i organizacji przedsiębiorstw, nr 836
  • Rud O.(2009). Business Intelligence Success Factors: Tools for Aligning Your Business in the Global Economy, Wiley & Sons, Hoboken
  • Smok B.(2010). Business Intelligence w zarządzaniu, Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu, Wrocław
  • Surma J.(2009). Business Intelligence Systemy Wspomagania Decyzji Biznesowych, Wydawnictwo Naukowe PWN, Warszawa
  • Negash, Solomon (2004). Business Intelligence, Communications of the Association for Information Systems: Vol. 13, Article 15.
  • Łada M., Burnet-Wyrwa W. (2015). Rozwój samoobsługowych systemów Business Intelligence a zmiany w rachunkowośći zarządczej , Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach, Nr 245
  • Zakrzewski L., Kamińska B. (2010). Business Intelligence a zarządzanie wiedzą, Seria SWSPiZ w Łodzi: PRZEDSIĘBIORCZOŚĆ i ZARZĄDZANIE, Tom XII – Zeszyt 1

Przypisy

  1. Rud O.(2009). Business Intelligence Success Factors: Tools for Aligning Your Business in the Global Economy, Wiley & Sons, Hoboken
  2. Surma J.(2009). Business Intelligence Systemy Wspomagania Decyzji Biznesowych, Wydawnictwo Naukowe PWN, Warszawa
  3. Smok B.(2010). Business Intelligence w zarządzaniu, Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu, Wrocław
  4. Nesterak J.(2015). Controlling zarządczy.Projektowanie i wdrażanie, Wydawnictwo Oficyna, Warszawa, s. 212
  5. Nesterak J.(2015). Controlling zarządczy.Projektowanie i wdrażanie, Wydawnictwo Oficyna, Warszawa,

Autor: Michał Milewski, Karolina Miodek