Toto je objekt systému MBI.

MBI (Management Byznys Informatiky) je portál obsahující zobecněná řešení v řízení provozu a rozvoje IT, resp. podnikové informatiky.

Pokud máte zájem získat více informací o tomto objektu (vazby na další objekty, přílohy, apod.), ale i získat mnoho dalších užitečných materiálů, můžete tak učinit ZDE / (registrace je bezplatná).

Faktor : BI: Business intelligence
BI: Business intelligence
Kód faktoru

Standardní kód faktoru v MBI.

:
F400
Autor

Jméno a příjmení autora

:
MBI tým
Podstatné charakteristik faktoru

Obsahové vymezení faktoru

1. Účel, smysl faktoru Business intelligence
  • Business intelligence (BI) představuje specifický typ aplikací a technologií , které téměř výlučně podporují analytické a plánovací úlohy v podnikovém řízení .
  • Na analytické a plánovací úlohy, a tedy i na úlohy business intelligence se uplatňují tyto nároky:
    • zajistit hodnocení sledovaných podnikových ukazatelů , např. objemu tržeb, počtu reklamací, počtu pracovníků atd. na definovaném (často maximálně možném) rozsahu podnikových dat,
    • poskytovat možnost analyzovat tyto ukazatele podle různých hledisek, resp. dimenzí a jejich nejrůznějších kombinací, např. objem tržeb podle zákazníků, zboží, teritorií, typů zakázek, prodejců, prodejních kanálů a dalších, na různých úrovních detailu sledovaných hodnot a v přijatelné době odezvy,
    • v návaznosti na předchozí bod, podporovat vysokou flexibilitu obchodních a dalších aktivit pracovníků podniku,
    • analyzovat vývoj podnikových ukazatelů a jejich výkyvů v čase , realizovat např. meziroční srovnání, různé typy indexů, identifikovat sezónní vlivy atd.
  • Zatímco transakční aplikace ve svých databázích vytvářejí a následně zpřístupňují nová data, analytické aplikace de facto žádná nová data nevytvářejí, ale využívají již existujících databází transakčních aplikací , transformují je pro potřeby analytických a plánovacích úloh.
  • Vymezení Business intelligence (BI) - sada procesů, know-how, aplikací a technologií, jejichž cílem je účinně a účelně podporovat řídící aktivity ve firmě. Podporují analytické, plánovací a rozhodovací činnosti organizací na všech úrovních a ve všech oblastech podnikového řízení.
  • Problémy a otázky spojené s řešením BI jsou formulovány ve scénáři "Implementují se aplikace business intelligence" (S451 ).
2. Obsahové vymezení faktoru - business intelligence v kontextu podnikového řízení
  • Analytické a plánovací úlohy podnikového řízení, definované v MBI jsou v dalším přehledu:
    • Finanční analýzy (UQ054A ), dílčí analýzy finančních dat (UQ054B ) a finanční plánování a rozpočty (UQ055A ),
    • Analýzy majetkové a kapitálové struktury podniku (UQ054C ),
    • Analýzy výnosů podniku (UQ054D ), Analýzy nákladů podniku (UQ054E ),
    • Analýzy - závazků (UQ064A ) a pohledávek (UQ074A ),
    • Controlling – analýzy (UQ094A ) a plánování (UQ095A ),
    • Analýzy prodeje zboží a služeb (UQ104A ) a plánování (UQ105A ),
    • Analýzy nákupů materiálů, zboží a služeb (UQ154A ) a plánování nákupu (UQ155A ),
    • Analýzy skladů (UQ204A ),
    • Personální analýzy (UQ254A ) a plánování (UQ255A ),
    • Analýzy majetku (UQ304A ) a plánování rozvoje majetku a investic (UQ305A ),
    • Marketingové analýzy (UQ354A ) a marketingový plán (UQ355A ),
    • Dopravní analýzy (UQ404A ) a plánování dopravy (UQ405A ),
    • Řízení energií – analýzy (UQ454A ) a plánování (UQ455A ),
    • Analýzy výrobních zakázek (UQ504AXMN ), analýzy výroby OŘV (UQ524AXMN ) a DŘV (UQ534AXMN ),
    • V retailu Analýzy nákupu a zásob (UQ554AXRE ), plánování a příprava nákupů (UQ555AXRE ), analýzy dopravy (UQ574AXRE ), prodejní analýzy (UQ584AXRE ) a další.
3. Hlavní principy aplikací business intelligence
  • Podstatné principy BI lze shrnout do následujících bodů (i s vědomím toho, že v konkrétních řešeních dochází k různým variantám a modifikacím).
  • Business intelligence:
    • je určená pro analytické a plánovací aplikace a tomu odpovídá i organizace dat v jejích databázích,
    • uchovává data na potřebných úrovních detailu (granularity), tedy detailní i agregovaná,
    • pracuje primárně s daty podnikových ukazatelů a ty vyhodnocuje podle nejrůznějších dimenzí a jejich kombinací, je tedy založena na multidimenzionalitě uložení a zpracování dat,
    • využívá časové dimenze, která umožňuje ukládání dat do databází postupně v časových intervalech a časových snímcích,
    • je charakteristická vyššími nároky na kvalitu dat.
4. Zdroje a transformace dat
  • Aplikace business intelligence využívají data vytvořená transakčními aplikacemi , zejména:
    • celopodnikovými aplikacemi, ERP (F300 ),
    • aplikacemi pro řízení vztahů k zákazníkům, CRM (F371 ),
    • aplikacemi internetových obchodů (F350 ),
    • aplikacemi pro řízení dodavatelských řetězců (F355 ) a dalšími.
  • Databáze těchto transakčních aplikací se proto z pohledu BI označují jako zdrojové . Podstatnou vlastností těchto databází je organizace jejich dat podporující přístupy k detailním datům, ukládání a aktualizace dat a jsou pro tyto operace optimalizované .
  • Oproti tomu analytické BI aplikace jsou optimalizované na efektivní poskytování analytických informací , tj. data zde musí být organizována ve shodě s potřebami analytických úloh, tj. musí obsahovat hodnoty ukazatelů ve vazbě na analytická hlediska - dimenze.
  • Mezi zdrojovými databázemi a analytickými databázemi musí proběhnout transformace dat, a to pomocí tzv. ETL / ELT nástrojů (F407 ).
5. Dimenze a granularita dat
  • Dimenzí se z pohledu jejího užití rozumí analytické hledisko pro hodnocení sledovaných ukazatelů , z informatického pohledu se jeví jako struktura dat, případně jako databázová tabulka obsahující záznamy o jednotlivých prvcích dimenze, tj. např. o položkách zboží apod.
  • Prvky dimenzí (např. jednotlivé položky zboží) jsou většinou uspořádány v hierarchické struktuře , tzn., že se rozdělují např. na kategorie zboží (Audio, Kino atd.), skupiny zboží (Auto hifi, Hifi atd.) a na jednotlivé zbožové položky (např. Autoradio Logik).
  • Počet hierarchických úrovní ve struktuře (skupin, podskupin atd.) je určen potřebami řízení.
  • Hodnoty ukazatelů se ukládají do analytických databází na nejvyšší úrovni detailu (v nejvyšší granularitě) , tj. odpovídající prvkům dimenzí na nejnižší úrovni hierarchie, v našem případě jednotlivým položkám zboží (např. tržby za Autorádio Logik). Současně se do těchto databází, zejména OLAP databází (F408 ) ukládají i agregované a další vypočtené hodnoty ukazatelů , tj. na nižší úrovni detailu (v našem případě za skupiny a kategorie zboží). Tato metoda je využívána pro urychlení odezvy systému na analytické požadavky.
  • Hierarchie uložení agregovaných dat pak uživateli umožňuje se rychle a pružně po požadovaných úrovních agregace pohybova t (na úrovni kategorie zboží, skupin, či jednotlivých zbožových položek), aniž by bylo nutné vždy znovu požadované agregace počítat. Tento princip se označuje jako drill-down (pohyb - zpřístupnění dat na vyšší úroveň detailu, vyšší granularitu) nebo drill-up (v opačném směru).
6. Multidimenzionalita uložení a práce s daty
  • Požadavek pohledů uživatele na sledované ukazatele z více hledisek (dimenzí) a jejich kombinací je základem pro řešení principu multidimenzionality uložení a práce s daty. To s sebou současně přináší i požadavek na specifickou organizaci dat v databázi.
  • Způsob realizace multidimenzionality v datech poskytuje dvě základní možnosti:
    • multidimenzionalitu vyjádřenou v relačních databázích, většinou v datových skladech (F405 ), datových tržištích (F406 ),
    • multidimenzionalitu dat realizovanou pomocí tzv. OLAP technologie (On Line Analytical Processing) v OLAP databázích (F408 ).
6.1. Relační dimenzionální model
  • Relační dimenzionální model má dvě základní podoby, tzv. schéma hvězdy (STAR scheme) a schéma sněhové vločky (SNOWFLAKE scheme).
  • V centru těchto schémat je tabulka faktů, tedy tabulka sledovaných ekonomických a dalších ukazatelů identifikovaných klíčem složeným z klíčů tzv. dimenzionálních tabulek, v nichž jsou uloženy prvky jednotlivých dimenzí.
  • Dimenzionální tabulky tak de facto slouží pro uložení popisných informací o hodnotách uložených v tabulce faktů. Typicky si ji lze představit jako číselník .
  • Pro řešení STAR schématu je charakteristické, že v jedné tabulce je obsažená celá hierarchická struktura dimenze. To znamená, že identifikátory a popisné údaje (např. název) vyšších úrovní v hierarchii se v jednotlivých záznamech opakují, jak ukazuje příklad dimenze Zboží.
  • Pokud se data v dimenzionálních tabulkách častěji aktualizují, se dimenzionální tabulky normalizují . Dimenzionální tabulka rozdělí podle hierarchických úrovní dimenze do více tabulek, aby se stejná data v záznamech neopakovala – vzniká SNOWFLAKE (schéma sněhové vločky) .
6.2. OLAP technologie
  • Výhodou nasazení OLAP (On Line Analytical Processing) technologií je rychlost zpracování a efektivní analýzy multidimenzionálních dat (drilling, slice and dice apod.).
  • Základním principem technologie OLAP je několikadimenzionální tabulka umožňující velmi rychle a pružně měnit jednotlivé dimenze a nabízet tak uživateli různé pohledy na ekonomickou realitu.
  • Detailněji faktor BI OLAP dataáze (F408 ).
7. Komponenty řešení business intelligence
  • Konkrétní uspořádání jednotlivých komponent v řešení BI se může výrazně měnit podle situace a potřeb daného podniku. To znamená v rozsahu od těch nejjednodušších řešení až po řešení nejkomplexnější a také technologicky, finančně i pracovně nejnáročnější.
  • Charakteristiky, výhody i nevýhody jednotlivých komponent jsou obsahem dalších faktorů MBI:
    • BI: Datový sklad (F405 ),
    • BI: Datové tržiště (F406 ),
    • BI: Extract Transform Load (ETL/ELT) (F407 ),
    • BI: OLAP databáze (F408 ),
    • BI: Analytická aplikace (F409 ),
    • BI: Reporting (F410 ),
    • BI: Dočasné úložiště dat (F411 ),
    • BI: Dolování dat (F413 ),
    • BI: Dashboard (F414 ),
    • BI: Operativní dashboard (F415 ),
    • BI: Taktický dashboard (F416 ),
    • BI: Strategický dashboard (F417 ).
8. Příklady
  • Příklady vybraných nástrojů pro business intelligence jsou v podskupině "Analytické a plánovací nástroje typu BI" (ASGQ01 ).
9. Efekty a přínosy faktoru pro kvalitu řízení podniku a IT
  1. Umožňuje lépe pochopit a analyzovat podstatu vlastní obchodní a manažerské činnosti , proniknout do jejich hlubších a složitějších souvislostí, umožňují posun k multidimenzionálnímu řízení v reálném čase,
  2. Uplatnění časové dimenze nabízí sledování vývojových trendů z nejrůznějších pohledů,
  3. Analytická pravidla podle stanovených limitních hodnot jednotlivých ukazatelů a jejich dimenzí umožňují upozorňovat na kritické nebo mimořádné stavy ,
  4. Možnosti rychle se pohybovat na různé úrovni detailu informací (agregačních úrovních) odpovídajících právě řešenému problému v řízení,
  5. Podpora řešení skrytých problémů na základě identifikace složitých závislostí mezi daty, odhalováním podobností mezi např. zákazníky, obchodními případy apod.,
  6. Kvalifikační efekty BI přirozenou cestou posiluje schopnosti manažerů a specialistů při řešení svých úloh „multidimenzionálně uvažovat“,
  7. Aplikace BI pro práci s ukazateli ve vazbě na podnikové procesy přinášejí i do manažerské sféry své specifické efekty a racionalizují jak řízení jednotlivých dílčích úloh a procesů, tak celého podniku .,
  8. Integrační efekty podporou integrace dezintegrovaných informačních zdrojů (např. z věcného či geografického hlediska).
10. Otázky, problémy a omezení spojené s faktorem
  1. Úspěšnost BI řešení silně závisí na zájmu uživatelů a zejména vedení podniku BI implementovat,
  2. BI aplikace jsou velmi silně závislé na kvalitě dat transakčních systémů , ze kterých data čerpají,
  3. BI řešení jsou velmi náročné na konsolidaci vstupních dat z různých datových zdrojů,
  4. Efekty BI jsou obtížně měřitelné a mají spíše měkký charakter,
  5. Pro úspěšnost BI je podstatné zvolit správně přístup k řešení a navrhnout správně architekturu.