برنامه ریزی منابع سازمانی

 عوامل و تغییرات سریع در محیط عملیات شرکت ها و سازمان ها، آنها را به سوی پشتیبانی رایانه ای از عملیاتشان سوق می دهد. بدین معنی که فشارهای خارج از شرکت ها منجر به ایجاد رویکرد پاسخ در سازمان ها می شود که با توجه به سرعت محیط، این پاسخ ها باید با سرعت همراه باشد؛ چرا که محیط بسیار رقابتی است و لذا برای دستیابی به پاسخ های سریع، لازم است سامانه های رایانه ای به کمک شرکت ها بیایند. سامانه های رایانه ای می توانند فرآیند پاسخ را تسهیل و تسریع نمایند. در ذیل مدلی از فضا و فشارهای خارجی کسب و کار ها و نیز پاسخ ها و چگونگی حضور سامانه های رایانه ای ارایه شده است. سامانه های رایانه ای به مدیران و کسب و کارها به روش های مختلفی کمک می کنند:

محاسبات را تسهیل می کنند و سرعت انجام آنها را افزایش می دهد. ارتباطات و همکاری ها را بهبود می دهند. بهره وری افراد را افزایش می دهند. مدیریت داده ها را ممکن می کند و آن را بهبود می دهد. قابلیت دسترسی ها را افزایش می دهد. ایجاد دید: گذشته و حال کسب و کار ها را برای پیش بینی آینده به کار می گیرد. مدیریت و تحلیل عملکرد کسب و کار: شاخص های عملکرد کلیدی (Key Performance Indicators, KPI) را تعریف می کند. گزارش دهی: گزارش های لحظه ای و دسته ای ایجاد می کند. پوشش دامنه زمانی وسیع‏تر یك پایگاه داده یكپارچه حاصل از پردازش چندین پایگاه داده عملیاتی قابلیت پاسخ‏گویی به پرسش‏های پیچیده كاربران و برنامه های كاربردی در مهرماه سال 90 میزان فروش پژو در تهران به چه میزان بوده است؟ در شهر اصفهان کدام نوع خودرو بیش‎ترین فروش را داشته است؟ میزان فروش سال 90 نسبت به سال 89 چقدر تفاوت دارد؟ کدام رنگ سمند بیش‏تر به فروش می‏رود؟ با توجه به هزینه‏ های تولید و میزان فروش، سود حاصل از کدام محصول بیش‏تر است؟ این روش ها منجر به ساخت تصمیم های اساسی برای کسب و کارها می شود که در مجموع سازنده سیستم های تصمیم یار برای سازمان ها، شرکت ها و در مجموع کسب و کار می شود. استفاده از سیستم های تصمیم یار سابقه دیرینه ای دارد که به طور خلاصه می توان به روند ذیل اشاره کرد:

اولین بار در سال 1971 واژه «سامانه های تصمیم یار» (Decision Support System) در دانشگاه MIT به کار برده شد که مرکز اصلی آن بر اتخاذ تصمیمات نیمه ساخت یافته و ناساخت یافته عنوان گردید. در سال 1989، گروه گارتنر هوش تجاری را به عنوان یک واژه چترگونه (Umbrella Term) معرفی نمود که شامل مفاهیم و روش هایی می شد که به بهبود تصمیم گیری در کسب و کار مبتنی بر واقعیت ها تاکید داشت. در سال 2008 موسسه فارستر (Forrester) هوش تجاری را مجومه از متدلوژی ها، فرآیندها، معماری ها و تکنولوژی هایی تعریف کرد که داده های خام را به اطلاعات مفید و معنادار تبدیل می کند. توماس داونپورت (Thomas Davenport) در سال 2010 هوش تجاری را شامل تحلیل های کسب و کار (Business Analytics)، پردازش تحلیلی بر خط (OLAP)، پرس و جوها (Queries)، گزارش ها (Reports) و ابزارهای هشدار (Alert Tools) تعریف کرد. رویکردهایی که در اکثر تعاریف از هوش کسب و کار به آنها اشاره شده است، ناظر بر سه حوزه در این مفهوم می باشد که شامل رویکردهای مدیریتی- فرآیندی، رویکردهای تکنولوژیکی و رویکرد محصول که در ذیل به آنها اشاره شده است.

محصول تکنولوژیکی مدیریتی / فرآیند رویکرد توصیف هوش تجاری به عنوان یک محصول نوظهور که نتیجه تحلیل عمیق داده ‏های دقیق کسب و کار، و همچنین شیوه‏ های تحلیل با استفاده از ابزار هوش تجاری. تمرکز بر روی ابزار‏ها و تکنولوژی‏هایی که ثبت، ترمیم، دستکاری و تحلیل اطلاعات را ممکن می‏سازند. تمرکز بر روی فرآیند جمع آوری داده از منابع داخلی و خارجی، و تحلیل آنها به منظور تولید اطلاعات مرتبط برای بهبود در تصمیم گیری

چشم انداز هوش تجاری شاید بتوان به طور خلاصه چشم انداز هوش تجاری را اینگونه مطرح کرد: "ارتقاء عملیات و فرایندهای کلیدی کسب و کار از طریق تامین اطلاعات و دانش حیاتی کسب و کار در زمان درست، قالب درست و برای همه سطوح سازمانی"

اهداف هوش تجاری لذا اهدافی را که هوش تجاری به دنبال آن است را می توان به صورت ذیل خلاصه کرد: "بهینه سازی، تحلیل،کنترل و دیده بانی عملیات و فرایندهای کسب و کار"

کارکردهای هوش تجاری به دنبال اهداف هوش تجاری، سه کارکرد اصلی در کسب و کارهای مختلف ایجاد می شود که عبارتند از:

رویکردهای تکنیکی از سوی دیگر لازم است تکنیک های لازم برای تحلیل داده های مختلف به کار رود. در شکل زیر رویکردهای مختلف تکنیکی برای استفاده از انواع داده ها نشان داده شده است. برای رسیدن به این اهداف لازم است کسب و کار از دیدگاه عملیات و فرایندهای بنگاه به درستی تحلیل گردد که در شکل زیر به آن اشاره شده است.

تحلیل داده ها امروزه تحلیل داده ها با استفاده از ابزارها و تکنیک هایی که در این زمینه وجود دارند، بسیار ساده شده است. تحلیل داده ها انواع مختلفی دارد که در ذیل به آنها اشاره می شود:

تحلیل آماری (Statistical Analytics): بسته‎های تحلیل آماری مانند (S++)که می‎توانند با پایگاه داده‎ها در ارتباط باشند. داده کاوی: (Data Mining) داده کاوی جستجو می‎کند تا دانش را به شکل الگو‏ها و قواعد آماری از پایگاه داده‎های بزرگ به طور خودکار کشف نماید. پایگاه داده تحلیلی: (Analytical DB) یک پایگاه داده تحلیلی، اطلاعات جمع آوری شده از منابع متعدد را بایگانی نموده و آن‎ها را بر اساس یک طرح یکپارچه در یک سایت ذخیره می‎کند. برای کسب و کار‏های بزرگ مهم است که از بخش‎های متعدد و در صورت امکان در سایت‎های متعدد، داده تولید نمایند.

پایگاه داده تحلیلی "منبع داده جمع آوری شده از داده‏های منابع اطلاعاتی مختلف و حتی ناهمگن، تحت یك ساختار و در یك محدوده وسیع زمانی با هدف پاسخ‏گویی به پرسش‏های تحلیلی كاربران است." پایگاه داده تحلیلی تفاوت هایی را با پایگاه های عملیاتی دارند، از جمله می توان به مشخصات ذیل در پایگاه داده تحلیلی اشاره نمود: انواع داده ها در پایگاه داده تحلیلی داده های متنوعی در پایگاه داده تحلیلی ذخیره می شوند که عبارتند از: داده جاری:داده ‏های فعلی منابع عملیاتی داده قدیمی:داده‏ های قدیمی منابع اطلاعاتی داده خلاصه شده:داده ‏های نتیجه شده از داده ‏های موجود و پردازش‏های مرتبط فراداده:شامل اطلاعات مربوط به داده‏ ها، دیكشنری از اطلاعات پایگاه، راهنمایی جهت نگاشت داده از محیط عملیاتی به محیط پایگاه داده تحلیلی و قواعد استفاده شده برای خلاصه سازی است. معماری یك پایگاه داده تحلیلی معماری یك پایگاه داده تحلیلی شامل سه لایه می باشد: لایه زیرین:منابع اولیه داده را تشكیل می‏دهد. این لایه شامل پایگاه‏های داده رابطه‏ای، فایل‏های مسطح و منابع دیگر است. لایه میانی:خود پایگاه داده تحلیلی و سرویس دهنده‏ های پردازش تحلیلی برخط تشكیل می‏دهند. سرویس دهنده ‏های پردازش تحلیلی برخط، داده چند بعدی را برای ارائه به كاربران نهایی در اختیار قرار می‏دهند. لایه انتهایی:سرویس گیرنده‏ ها هستند كه با عملیات داده كاوی، پرس ‏و‏جو و تحلیل، داده را از سرویس دهنده‏ های پردازش تحلیلی بر خط می‏گیرند. دو نوع مشهور از معماری پایگاه داده بیشتر مورد توجه قرار گرفته است که شامل معماری Inmon و معماری Kimball است. در شکل ذیل دو معماری فوق نشان داده شده است. برای ایجاد یک پایگاه داده تحلیلی فرآیند ذیل باید انجام شود: چهارچوب هوش تجاری مایکروسافت در شکل زیر به طور شماتیک به چهارچوب هوش تجاری شرکت مایکروسافت اشاره شده است.

اصطلاحات مهم در هوش کسب و کار پردازش تحلیلی برخط (Online Analytical Processing)

سرویس‏هایی که از پایگاه داده تحلیلی به منظور پاسخ‏گویی سریع به پرسش‏های تحلیلی کاربران استفاده می‏کنند، پردازش تحلیلی برخط (OLAP) نامیده می‏شوند.OLAP عبارت است از مجموعه‏ ای از نرم افزارها که برای اکتشاف و تحلیل سریع داده ‏های مبتنی بر یک شیوه چند بُعدی با چندین سطح از مجموع سازی (Aggregation) استفاده می‏شود، و تصمیم گیری را تسریع و تسهیل می‏کند. آسان شدن تصمیم گیری به دلیل قابلیت هدایت تحلیل‏ها بدون نیاز به یک زبان پرس ‏و‏جوی اصلی یا فهم ساختار زیرین بانک اطلاعاتی حاصل می‏شود.

پردازش پارامترها پردازش تراكنش برخط(OLTP) پردازش تحلیلی برخط(OLAP) كاربران كاربران فناوری اطلاعات كاركنان دانش كاركرد عملیات روزانه پشتیبانی تصمیم طراحی پایگاه داده كاربرد-گرا موضوع-گرا داده جاری، به روز، با جزئیات، رابطه‌ای، منفرد سابقه، خلاصه شده، چند بعدی، سرجمع، یكپارچه كاربرد عملیات تكرار شونده خاص منظوره دسترسی خواندن/نوشتن، اندیس گذاری/درهم سازی بر روی كلید اصلی پویش سراسری وگسترده واحد كاری تراكنش‌های ساده و كوتاه پرس‌وجوهای پیچیده تعداد ركوردهای مورد دسترسی ده‏ها ركورد میلیون‌ها ركورد تعداد كاربران هزاران كاربر صدها كاربر اندازه پایگاه داده مگابایت - گیگابایت گیگابایت - ترابایت معیار سنجش بازده تراكنش(Throughput , Speed) بازده پرس‌وجو، پاسخ(Throughput,Speed)جامعیت و همبستگی هدف انجام کار‏های کسب و کار روزانه پشتیبانی از تصمیم گیری و پاسخگویی به پرس‏و‏جو‏های کسب و کار و مدیریتی منبع داده پایگاه داده تراکنشی پایگاه داده تحلیلی وdata mart گزارش گیری روزمره، به صورت دوره‏ای، گزارش‏ها با تمرکز دقیق. Ad hoc، چند بعدی، پرس‏و‏جو‏ها و گزارش‏ها با تمرکز گسترده نیازمندی‏های منبع پایگاه داده‏های رابطه‏ای معمولی چند پردازنده، ظرفیت بزرگ، پایگاه داده‏های تخصصی سرعت اجرا سریع (ثبت تراکنش‏های کسب و کار و گزارش‏های روزمره) کند (پرس‏و‏جو‏های پیچیده، با مقیاس بزرگ و نیازمند منابع زیاد)

: (Relational OLAP) ROLAP اگر هم داده ‏های مجتمع و هم غیرمجتمع در پایگاه داده رابطه‎ای ذخیره شوند. : (Multi-dimensional OLAP) MOLAP اگر هم داده‏های مجتمع و هم غیرمجتمع در پایگاه داده ابعادی ذخیره شوند. : (Hybrid OLAP) HOLAPاگر داده ‏های غیر مجتمع در پایگاه داده رابطه‏ای و داده ‏های مجتمع در پایگاه داده ابعادی ذخیره شوند. (Desktop OLAP) DOLAP؛