خانه / اقتصاددیجیتال / مفاهیم پایه اقتصاد دیجیتال؛ هوش تجاری چیست؟
مفاهیم پایه اقتصاد دیجیتال؛ هوش تجاری چیست؟

مفاهیم پایه اقتصاد دیجیتال؛ هوش تجاری چیست؟

خشایار خدائی

هوش تجاری (Business intelligence) یا همان (BI)  یک اصطلاح کلی است که به تعداد زیادی برنامه و نرم‌افزار مورد استفاده برای پردازش و تحلیل اطلاعات خام یک شرکت اطلاق می‌شود. هوش کسب‌و‌کار در واقع از نظام به هم پیوسته‌ی فعالیت‌های مرتبط با هم چون داده کاوی، پردازش تحلیلی آنلاین، تحقیق و گزارش تشکیل شده است. بهره‌بردن از فرصت‌های جدید و اعمال یک استراتژی اثربخش می‌تواند مزیت بازار رقابتی و پایداری بلندمدت به ارمغان بیاورد.

شرکت‌ها از BI برای بهبود تصمیم‌گیری‌ها، صرفه‌جویی در هزینه‌ها و کشف فرصت‌های تجاری جدید استفاده می‌کنند. BI چیزی فراتر از جمع‌آوری گزارشات و چیزی بیشتر از مجموعه‌ای از ابزارها برای به‌کارگیری هوشمندانه‌ی سیستم‌های تجاری است. مدیران فناوری شرکت‌ها از هوش کسب‌و‌کار برای شناسایی عملیات تجاریِ ناقصی که می‌توانند بستر خوبی برای باز‌مهندسی باشند استفاده می‌کنند.

هوش کسب‌و‌کار می‌تواند در مقاصد کسب‌و‌کاری زیر به‌کار برود تا در کسب‌و‌کار منجر به تحقق ارزش شود:

۱- اندازه‌گیری: برنامه‌ای که سلسله مراتبی از شاخص‌های عملکرد و محک‌زنی (مدل مرجع شاخص‌ها) ایجاد می‌کند که راهبران کسب‌و‌کار در جریان اطلاعات پیشرفت به سوی اهداف کسب‌و‌کار قرار می‌دهد (مدیریت فرآیند کسب‌و‌کار).

۲- تحلیل: برنامه‌ای که فرآیندهای کمی برای کسب‌و‌کار ایجاد می‌کند که بتواند به شناخت تصمیمات بهینه دست بیابد و به اکتشاف دانش کسب‌و‌کار بپردازد. برنامه‌های این گروه شامل موارد زیر می‌شوند: داده‌کاوی، فرآیندکاوی، تحلیل آماری، تحلیل پیشنگرانه، مدل‌سازی پیشنگرانه، مدل‌سازی فرآیندهای کسب‌و‌کار، پردازش وقایع پیچیده تعاملی و تحلیل تجویزی

  ” اقتصادالکترونیکی آخرین و به روزترین محتوی در اقتصاددیجیتال

۳-گزارش‌دهی/گزارش‌دهی سازمانی: برنامه‌هایی که زیرساخت‌های لازم برای گزارش‌دهی استراتژیک را در خدمت به مدیریت استراتژیک کسب‌و‌کار انجام می‌دهند که با گزارش‌دهی عملیاتی متفاوت است. این نوع گزارش‌ها شامل مصورسازی داده، سامانه اطلاعات مدیریتی و پردازش تحلیلی برخط (Online analytical processing) می‌شوند.

۴-تعامل/ سکوی تعامل: برنامه‌هایی که از طریق به اشتراک‌گذاری داده و تبادل اطلاعات الکترونیکی، افراد یا صنایع مختلف (داخل یا بیرون از کسب‌و‌کار) را برای انجام کار کنار یکدیگر می‌آورد.

به اشتراک‌گذاری در پروژه‌های BI اهمیت بسیار زیادی دارد. چون هر کسی که در این عملیات نقشی داشته باشد باید برای گرفتن تصمیمات مهمی مثل تغییر رویه، به همه‌ی اطلاعات دسترسی کامل داشته باشد. پروژه‌های BI باید به وسیله‌ی مدیران اجرایی اصلی شروع شوند اما گروه بعدی که آن را به کار می‌برند فروشندگان هستند. از آنجا که شغل این افراد افزایش فروش است و به خاطر این توانایی‌شان حقوق می‌گیرند، از هر ابزاری که کمک‌شان کند این کار را بهتر انجام بدهند استقبال می‌کنند. البته مشروط بر این‌که استفاده از این ابزار راحت و اطلاعات آن قابل اعتماد باشد.

۵- مدیریت دانش: برنامه‌هایی که از طریق استراتژی‌ها و اقداماتشان برای شناخت، خلق، بازنمایی، توزیع و قادر ساختن سازمان به درک بینش‌ها و تجربه‌هایی که دانش واقعی کسب‌و‌کار هستند سازمان‌ها را تبدیل به شرکت‌هایی داده پیشران می‌سازند. مدیریت دانش به مدیریت یادگیرند و انطباق تنظیمی منجر می‌شود.

هر چند هوش تجاری امکانات زیادی فراهم می‌کند اما این محاسبات ممکن است بر اثر چالش‌های تکنیکی یا فرهنگی منحرف شوند. مدیران اجرایی باید از صحیح و کامل بودن داده‌هایی که به برنامه‌های BI وارد می‌شوند اطمینان داشته باشند تا کاربران بتوانند به آن اعتماد کنند.

جهت مشاهده ودانلود فایل pdf ماهنامه ” اقتصاد دیجیتال” اینجا کلیک نمایید.

چه نوع شرکت‌هایی از سیستم‌های هوش کسب‌و‌کار استفاده می‌کنند؟

آن‌ها از BI برای گرفتن تصمیمات راهبردی استفاده می‌کنند؛ تصمیماتی نظیر این‌که چه محصولات جدیدی را در لیست خود قرار دهند، چه مواردی را حذف کنند و اگر چند کارخانه، شعبه یا واحد دارند بتوانند تشخیص بدهند کدام کم درآمد است و آن را تعطیل کنند. همچنین از BI برای مسایل تاکتیکی نیز استفاده می‌کنند، مثلا بررسی دوباره‌ی قراردادهایی که با شرکت‌های تامین‌کننده‌ی مواد اولیه‌ی دارند یا برای بهبود شیوه‌های ناکارآمدی که تا‌کنون به کار برده می‌شد. با توجه به شیوه‌ی کار عملیاتی شرکت‌ها و هلدینگ‌ها که چندین زیر شاخه دارند و خاصیت مرکزی بودن سیستم BI برای کمک به آن‌ها در اداره‌ی این کسب‌و‌کار است.

یک مثال روشن و واضح از کاربرد هوش تجاری

فرض کنید شما یک شرکت بسیار بزرگ دارید و محصولات زیادی برای فروش. قطعا ذهن هیچ مدیری یارای نگهداری تمام اعداد و ارقام مربوط به خرید و فروش را ندارد و البته که واقعا نیاز به حفظ تمام این اعداد و ارقام نیست. در فرآیند پیاده‌سازی هوش تجاری طبق یک عملیات پیچیده همه‌ی داده‌های سازمان در یک دیتابیس (Data Base) جمع می‌شود (این‌که اطلاعات روزانه جمع‌آوری شود یا ماهانه یا هفتگی دست خودتان است). در حقیقت این دیتابیس حاوی تمام اطلاعات شرکت و تک‌تک فروش‌ها و خریدهای انجام شده توسط سازمان است.

در اصطلاح تخصصی به این دیتابیس، انباره‌ی داده یا data warehouse می‌گویند. این نقطه‌ی شروع و صفر مرزی پروژه‌های هوش تجاری است. اطلاعاتی که در انبار داده جمع‌آوری می‌شوند، چند بعد مهم (Dimension)  دارند که عبارتند از:

۱- مکان یا لوکیشن کاربران: فرض کنید هر کالا توسط یک نفر خریداری می‌شود که این شخص در یک استان، شهر و منطقه‌ی به‌خصوصی زندگی می‌کند. پس یکی از ابعاد مهم داده‌های شما متغیر مکان است.

۲- زمان: علاوه بر تمام این‌ها هر فروش یک پارامتر زمان دارد، شما حساب کنید روزی حداقل ۱۰ هزار تا از این فروش و فروش‌های دیگر به انباره داده اضافه می‌شوند.

حالا تصور کنید قرار است در یک جلسه استراتژی‌های کلان (یا حتی غیر کلان و در مقیاس کوچک‌تر) برگزار شود و مدیران و تصمیم‌گیرندگان نهایی بخواهند یک تصمیم اساسی بگیرند؛ مثلا این‌که آیا استراتژی درستی است که برای صرفه‌جویی در هزینه‌ها اجناسی که از تامین‌کننده‌ها خریداری می‌شوند در انبارهای در دست احداث نگه‌داری شوند یا نه.

دقیقا از همین قسمت هوش تجاری وارد عمل می‌شود؛ مدیر یا گروه مدیریت به راحتی از روی اطلاعات خلاصه‌سازی شده یا اصطلاحا Summarized Data می‌تواند بفهمد که چه کالاها یا گروه کالاهایی توسط کدام افرادی در چه شهرها و مناطقی بیشتر فروش می‌رود و یا در چه زمانی (فصل، سال، روز) کدام کالا یا گروه کالایی بیشتر فروخته می‌شود.

حالا بر این اساس آیا آن استراتژی که مثال زده شده واقعا به صرفه‌جویی در هزینه‌ها کمک می‌کند یا بدتر باعث ایجاد هزینه‌ی اضافه می‌شود؟ مثلا اگر متوجه بشویم که کالای X در منطقه‌ی y تهران فروش بالایی دارد، آیا تصمیم این‌که انبار کالای X را در منطقه‌ی Y احداث کند، باعث کاهش هزینه‌های نگهداری و رساندن (delivery) محصول می‌شود یا نه؟

منابع:


www.blog.iranserver.com/iot
www.cctvonline.ir
www.fa.wikipedia.org
www.chetor.com
www.novin.com
www.journals.elsevier.com

حتما ببینید

کریپتو همچنان جلوتر از فین‌تک و بایوتک بیشترین جذب سرمایه را در تکنولوژی‌های نوپا دارد

کریپتو همچنان جلوتر از فین‌تک و بایوتک بیشترین جذب سرمایه را در تکنولوژی‌های نوپا دارد

با وجود کاهش قرارداد‌های کریپتو و سال سختی که رمزارزها پشت سر می‌گذارند، وب۳ و …

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *