İş Zekası Arka Planı
İş Zekası veya iş zekası terimi o kadar yeni değil, gerçek şu ki, 59 yıldır doğrudan veya dolaylı olarak konuşulan bir kavram.
Bu terimden ilk bahseden kişi, 1958'de yayınlanan "A Business Intelligence System" adlı makalesinde terimden bahseden ve aşağıdaki tanımı sağlayan IBM araştırmacısı Hans Peter Luhn idi:
Hans, bu sorunu ilk ele alan kişiydi, ancak daha sonra iş zekasını geliştirmeye yardımcı olacak eklentiler ortaya çıkmasına rağmen, o zamanlar pek alaka düzeyine sahip değildi.
- Veritabanı konseptinin yaratıcısı Edgar F. Codd.Onun oluşturulması için on iki kural.Sistemlerdeki ilk veritabanlarının ve ilk uygulamaların (verilerin) geliştirilmesi, mevcut bilgileri artırıyor, ancak iş değil, veri girişine izin veriyor (gelen girdiler, bu tür bilgilere hızlı ve kolay erişim sunmayı başardı. Datawarehouse konseptinin oluşturulması ve raporlanması (Ralph Kimball, Bill
1980 İnmon)
- Görece güçlü veritabanı sistemleri vardı, ancak bunların kullanımını kolaylaştıracak hiçbir uygulama yoktu. İş Zekası terimine giriş, Howard Dresner. 1989 • Konseptin 10 yıllık yaygınlaşmasıyla, veri tabanına ve şirketler tarafından oluşturulan yapılandırılmış bilgilere erişim sağlayan çeşitli uygulamalar yaratıldı.
Görüldüğü gibi, terim, İş Zekası'nın elde etmeyi amaçladığı kapsamı güçlendirmek için başka unsurlara ihtiyaç duyuyordu, bu nedenle, günümüzde olabilecek tüm faydalar kavramına sahip olmasına izin veren teknolojilerin ve bilgi sistemleri araçlarının evrimiyle uyumluydu. uygulayarak alın.
İş zekası nedir?
İş Zekası, bir kuruluşun kullanıcılarının daha iyi kararlar almasına olanak tanıyan bilgilerin yaratılmasına ve yönetilmesine odaklanan metodolojiler, uygulamalar, uygulamalar ve yetenekler seti olarak anlaşılır. (Curto Díaz ve Conesa Caralt, 2012)
İş zekasının izin verdiği şey, yapılandırılmış veriler aracılığıyla pratik olarak daha iyi bir genel bakışa sahip olmaktır, böylece sorunların veya fırsatların özelliklerinin bilinmesi, böylece bunların kullanılması veya düzeltilmesi için bilgi üretilir.
Koordineli bir şekilde çalışan bir dizi bilgi sistemidir.
İş Zekasının parçası olan teknolojilerden bazıları:
- Veri ambarı sistemleri Raporlama Veri madenciliği sistemleri Çevrimiçi Analitik İşleme araçları
OLAP), görsel ve tahmine dayalı analitik
- Bilgi yönetimi sistemleri (KBS) Veri madenciliği Panoları Veri sorgulama ve raporlama araçları Bilgi panoları (Panolar)
BI'yi uygulamak için şirketin karşılaşabileceği bilgi sorunlarının büyüklüğünü göz önünde bulundurmanın gerekli olduğunu bilmek önemlidir, çünkü bu, uygulamanın başarısızlığına yol açabilir.
İş Zekası nasıl uygulanır?
Şu anda, BI için bir altyapıyı uygulamak için gerekli mimarileri, yöntemleri ve araçları öneren Çevik BI Yönetişimi adlı yeni bir kavram önerilmektedir.
Bu özelliklere sahip bir sistemin nasıl kontrol edileceğini, hangi politikaların uygulanması gerektiğini, hangi kontrol yöntemlerinin uygulanması gerektiğini ve BI sistemlerinin nasıl yönetilmesi gerektiğini bilmeyi sağlar. (Fernández 2008)
Çevik BI Yönetişimi 4 temel değer belirler, ancak her kuruluşa bağlı olarak kendi stratejisiyle ilgili olanları içerebilir.
- Devamlı uyarlanabilirlik. Belirsizlik ve sürekli değişim, karar verme sistemlerinin doğal halidir, ancak birçok kuruluşun henüz bunların farkında olmadığı görülmektedir. Bu tür bir projede analitik bakış açısı her zaman değişmektedir. Ortak Çalışma. Yazılımın operasyonel kullanıcısı, BI sistemlerini geliştiren bilgi teknolojisi gruplarının aktif bir parçası olmalıdır. Esnek hiyerarşiler. Çevik BI Yönetişimi içindeki çalışma grupları, bilgi alışverişini teşvik eden esnek hiyerarşiler ile yapılandırılmalıdır. Süreçlerden önce insanlar. İnsanların kontrol etmesi gereken süreçleri tanımlamada çok değil, süreçleri kontrol eden kişilere bilgi verilmesine öncelik verin. (Fernández 2008)
İş zekası ne zaman gereklidir?
Şirkette, karar vermede genel iyileştirmeye izin veren araçların uygulanması ihtiyacına dair kanıt sağlayan çeşitli durumlar vardır, örneğin (Rosado Gomez & Rico Bautista, 2010) 'a göre Avrupa'da Information Builders tarafından yapılan bir çalışma vardır. İbéric, kuruluşlarda karar verme sistemlerinin eksikliğinin maliyetini gösterir.
Bu verilere göre, ortalama bir Avrupalı çalışan şirket bilgilerini aramak için günde ortalama 67 dakika harcıyor, bu da çalışma günlerinin% 15,9'una denk geliyor. Günde yaklaşık 50.000 avro kazanan 1000 çalışandan oluşan bir kuruluş için bu, yılda 7,95 milyon avro kaybedilen maaş anlamına geliyor, tüm bunlar bir karar vermek için bilgi arayışı içindi. (Zumel, 2008) Özellikle Meksika'dan gelen istatistikleri temsil etmese de, bu örnek ortaya çıkabilecek sorunları azaltmak ve hatta etkinliği artırmak için güvenilir, kanıtlanmış, güncel ve hızlı bilgi edinmenin gerçek anlamını gerçekten göstermeye hizmet etmektedir. operasyonların yerine getirilmesi.
Bir BI uygulamasının gerekli olduğu durumları tamamlamak ve daha fazla açıklığa kavuşturmak için (Curto Díaz & Conesa Caralt, 2012) 'den alınan aşağıdaki liste toplanmıştır:
- Karar verme, organizasyonda sezgisel olarak gerçekleştirilir Bilgi kalitesi problemlerinin tanımlanması Excel'in Excel kaosu olarak bilinen kurumsal veya kullanıcı bilgi havuzları olarak kullanılmasıBilgileri bölümler arasında çevik bir şekilde çaprazlama ihtiyacı Bilgi silolarından kaçının.Pazarlama kampanyaları kullanılan temel bilgilerden dolayı etkili değil Bir organizasyon hakkında sanal olarak analiz edilecek çok fazla bilgi var. Kritik bir veri kütlesine ulaşıldı Bilgi çıkarma ve dağıtım süreçlerinin otomatikleştirilmesi gerekiyor.
Stratejinin olmadığı nasıl anlaşılır?
Organizasyonda aşağıda belirtilen noktalardan birkaçı varsa bu, BI uygulamak gerektiği anlamına gelir.
- Kullanıcılar, BT departmanını iş zekası sorunlarının kaynağı olarak tanımlıyor Yönetim, iş zekasını başka bir maliyet merkezi olarak görüyor Bilgi teknolojisi departmanı, son kullanıcılara raporlama ihtiyaçları hakkında sorular sormaya devam ediyor Projelerin yatırım getirisini ölçmek mümkün değil İş zekası ekibini geliştirmek, işe almak, tutmak ve büyütmek için bir plan yok Şirketin iş zekası için bir stratejisi olup olmadığı bilinmiyor Farklı departmanlara dağılmış organizasyonda birden fazla çözüm var Tekrarlayan işlevsellik Araçları kullanmak için gerçek ve tutarlı bir eğitim planı yoktur.Birisi, bilginin son kullanıcıların bu eğilimini iki hafta sonra veya öngörülen teslimat tarihinden sonra birleştirmesinin bir başarı olduğuna inanıyor. (Curto Díaz ve Conesa Caralt, 2012).
Bir iş stratejisinin geliştirilmesi, aralarında vurgulanmaya değer olan, birden çok faaliyeti içeren uzun vadeli bir süreçtir:
- Bir BI Yetkinlik Merkezi oluşturun. Amacı, teknolojiler, metodolojiler ve stratejilerdeki bilgiyi yönetici düzeyinde bir sponsorun varlığı ve ilgili işletmelerin analizi ile birleştirmek ve başarı ve başarısızlıklarda ortak sorumluluk sahibi olmaktır. Her iki teknolojiyi de rasyonelleştirmek için organizasyonda BI standartları oluşturmak Gelecekteki satın almalar olarak var olma İşlevsellik silolarının olmamasını sağlamak için sürekli olarak çalışan farklı analitik uygulamalara ihtiyaç duyan iş süreçlerinin belirlenmesi Analitik uygulamaların (veri madenciliği veya diğerleri) sonuçlarını hedefle iş süreçlerine dahil edin her türlü karara değer katmak. (Curto Díaz ve Conesa Caralt, 2012).
İş Zekası stratejisi
Veri deposu
Farklı uygulamalardan (dahili ve harici) veri ayıklama işlemidir, böylece bunlar saflaştırıldıktan ve özel olarak yapılandırıldıktan sonra, iş analizi için konsolide bir veri ambarında depolanırlar. Bilgi işlemeyi desteklemek için birlikte altyapı sağlayan metodolojiler, teknikler, donanım ve yazılım bileşenlerinin bir kombinasyonunu gerektirir (Stackowiak ve diğerleri 2007).
Tanımlanan yapı, işletmenin, departmanlarının, çalışma ekiplerinin ve yöneticilerinin ihtiyaçlarını ve özelliklerini yansıtmalıdır, bu karar almaya çalışırken ortaya çıkan soruların cevaplanmasına olanak tanır (Witten 2000) ve zamanla kurumsal hafıza haline gelir. (Wang 2009); şirketin geçmişini ve bugününü anlatıyor. Veri Ambarı parçalara ayırır, özetler, sıralar ve karşılaştırır, ancak keşfetmez veya tahmin etmez. (Çiçekler 2004)
Bir Veri Ambarı yapımı için üç aşama oluşturulmuştur; ilki, operasyonel veritabanının Varlık İlişkisi şemasını incelemeye, aday çok boyutlu şemaları oluşturmaya adanmıştır.
İkinci aşama, analiz ihtiyaçları hakkında bilgi edinmek için görüşmeler yoluyla kullanıcı gereksinimlerinin toplanmasından oluşur ve üçüncü aşama, ikinci aşamada elde edilen bilgileri, ikinci aşamada oluşturulan aday çok boyutlu şemalar ile karşılaştırır. böylece ilk aşama kullanıcı gereksinimlerini yansıtan bir çözüm üretir (Zenaido 2008).
OLAP
Çevrimiçi analitik işleme, iş veri kaynaklarından organize edilmiş ve birleştirilmiş verilere erişmenizi sağlar, özel bir anlamı temsil edecek veya belirli bir soruyu yanıtlayacak şekilde çok boyutlu bir yapı ile veri alt kümelerini düzenler. (Roussel 2006)
OLAP sistemlerinin türleri
Geleneksel olarak, bu sistem aşağıdaki kategorilere göre sınıflandırılır:
- Verileri ilişkisel bir motorda depolayan bir uygulama. Tipik olarak veriler ayrıntılıdır, toplamalardan kaçınılır ve tablolar normalleştirilir Bu uygulama, verileri çok boyutlu bir veritabanında depolar. Yanıt sürelerini optimize etmek için özet bilgiler genellikle önceden hesaplanır: HOLAP (Hibrit OLAP). Bazı verileri ilişkisel bir motorda ve bazılarını çok boyutlu bir veritabanında depolar.
Kurumsal Karne
Dengeli Karnesi, farklı alanların veya birimlerin hedeflerinin şirketin stratejisiyle uyumlu hale getirilmesine ve gelişiminin izlenmesine izin veren bir araçtır.
Bir Dengeli Sonuç Kartına verilebilecek kullanım o kadar çeşitlidir ki, personelin öz değerlendirmelerini (Martínez 2008), aşağıdaki gibi tamamen organizasyonel kavramların tanımına kadar düşünmek mümkündür (Martínez 2008); misyon, kalite politikası; iletişim planı, kurumsal imaj, eğitim faaliyetleri, hizmet kataloğu; bir müşteri portföyü hazırlamak ve onların görüş ve tercihlerini daha iyi anlamak için önlemler almak ve ayrıca en önemli müşteriler için hizmet teklifinin sunumunu kişiselleştirmek. Kısacası, bir puan kartının uygulanması o kadar geniş ve cömerttir ki, kamu kuruluşlarında bir hizmetin sunulma şeklini değiştirebilir.
Veri madenciliği
Bilgiyi keşfetmek için büyük miktarda veriyi seçme, keşfetme, değiştirme, modelleme ve değerlendirme sürecidir (Pérez 2006).
Süreç otomatik veya yarı otomatik olmalıdır. Bulunan modeller, belirli bir davranış kalıbı veya kuralını gösteren önemli olmalıdır. En çok kullanılan uygulamalar, bir tür tahmin gerektiren uygulamalardır.
Veri madenciliği, etkin gerçek zamanlı yönetime izin veren, her tür şirket için geçerli bir araçtır. Çok çeşitli şirketler bununla başarılı uygulamalara sahip olabilir (Ángeles ve diğerleri, 2010).
Veri madenciliği ile ilgili faydalar (López 2004):
- Artan pazar payının bir sonucu olarak artan sonuçlar Müşteri sadakatinin gereksinimlerine daha iyi yanıt vermesi İyileştirilmiş performans Azaltılmış risk faktörü Stratejilerin ve kararların optimizasyonu Yönetimin optimizasyonu, maksimize etme İadeler
İş Zekası Olgunluk Modeli
Bir iş zekası projesini uygulamak için, şirketin teknolojileri ve süreçlerinin etkin bir şekilde koordinasyonuna sahip olmak gerekir.
Bir organizasyonun olgunluk derecesinin sınıflandırılmasına imkan veren bir model vardır.İş Zekası Olgunluk Modeli, İş Zekası uygulaması için hangi firmanın bulunduğunu belirlemeye imkan veren yedi aşamadan oluşmaktadır.
Aşama 1. BI yoktur. Veriler, diğer ortamlara dağılmış veya hatta yalnızca kuruluşun teknik bilgisinde bulunan çevrimiçi işlem işleme sistemlerinde (OLTP, Çevrimiçi İşlem İşleme) bulunur. Kararlar, deneyimlerdeki sezgiye dayanır, ancak tutarlı verilere dayanmaz. Kurumsal verilerin karar vermede kullanımı tespit edilmemiştir ve gerçekler için yeterli araç kullanılmamıştır.
Aşama 2. BI yoktur, ancak verilere erişilebilir. Bazı kullanıcıların kaliteli bilgilere erişimi olmasına ve söz konusu bilgilerle kararları gerekçelendirebilmesine rağmen, karar verme için resmi bir veri işleme yoktur. Bu işlem genellikle Excel veya bir tür raporlama kullanılarak yapılır. Bu süreci iyileştirmek için çözümler olması gerektiği düşünülmektedir, ancak BI'nin varlığı bilinmemektedir.
Aşama 3. Biçimsel veriye dayalı karar verme süreçlerinin ortaya çıkışı. Verileri kontrol eden ve bunlara karşı temel kararların alınmasına imkan veren raporların alınmasına imkan veren bir ekiptir. Veriler doğrudan işlem sistemlerinden çıkarılır.
4. Aşama Veri Ambarı. OLTP sistemlerine yönelik olumsuz etki, kuruluş için bir veri havuzunun gerekli olduğu sonucuna varılmasına neden olur. Veri Ambarı, rapor için istenen bir çözüm olarak algılanmaktadır.
Aşama 5 Veri Ambarı krizi ve raporlaması resmileştirildi. Veri Ambarı çalışıyor ve kurumsal raporlamanın resmileştirilmesi için herkesin bundan yararlanmasını istiyoruz. OLAP hakkında konuşuluyor, ancak sadece birkaçı faydalarını gerçekten tanımlıyor.
6. Aşama OLAP dağıtımı. Belirli bir süre sonra, ne raporlama ne de Veri Ambarı'na erişim yolu karmaşık soruları yanıtlamak için tatmin edici değildir. OLAP bu profiller için kararlar için görüntülenir. Kararlar, tüm organizasyonun iş süreçlerini önemli ölçüde etkiler.
7. Aşama İş Zekası resmileştirildi. Veri Madenciliği, Balanced ScoreCard gibi diğer iş zekası süreçlerini uygulamaya ihtiyaç vardır. Veri kalitesi süreçleri süreçleri etkiler, OLTP ve DSS sistemleri arasındaki farkı net bir şekilde anlayan bir kurumsal kültür oluşturulur. (Curto Díaz &
Conesa Caralt, 2012)
Bir iş zekası sisteminin faydaları
Bir BI uygulamak, farklı avantajlara ve avantajlara izin verir.
- Bilgiye erişimi kolaylaştırır ve raporların hazırlanmasında zamandan tasarruf sağlar Bilginin oluşturulması için manuel süreçlerin ortadan kaldırılmasına imkan veren süreçleri standartlaştırır Tüm fonksiyonel alanlar için birleşik ve homojen bilgi sağlar Organizasyonun kapsamlı görünümü Oluşturmaya, Şirket için temel hedeflerin temel göstergelerindeki ölçümleri ve temel performans göstergelerini yönetin ve sürdürün Hem toplu düzeyde hem de ayrıntılı olarak güncel bilgiler sağlayın İlgili ve gereksiz olanı ayırt edebilmenin bir sonucu olarak kuruluşun rekabet gücünü artırın Erişim daha hızlı bilgi ve daha fazla çeviklik Organizasyonun detaylı izlenmesi Analiz esnekliği Rekabet avantajlarına dönüştürülebilecek trendlerin, fırsatların ve risklerin tespit edilmesini sağlar.Karar verme, güvenilir ve doğru bilgilere dayanır Çalışanlarla kapsamlı iletişim sağlar Suç veya dolandırıcılık örüntülerinin tespit edilmesini sağlar Temel performans göstergeleri sağlar
Sonuç
Modernizasyon ve özellikle teknolojilerdeki sürekli yenilik sayesinde, iş dünyasında zekayı pekiştirmek ve uygulamak mümkün oldu, çünkü ilk ortaya çıktığında, sonuçlara ulaşılamayacağı düşünüldüğü için hak ettiği önemi verilmedi. yapılandırmak için ihtiyaç duyduğum tüm kapsam nedeniyle istenen.
Bununla birlikte, veri ambarı, veri madenciliği ve çevrimiçi analitik işleme gibi araçlar sayesinde, bir şirketin bilgi işlemesini iyileştirmeye izin verdiler.
Bir organizasyonun tüm bilgilerini gerçekten yönetmek ve sistematik hale getirmek kolay bir iş değildir, ancak İş Zekası sayesinde onu uygulamanın en iyi yolunun ne olduğunu bilmeyi ve her şeyden önce şirketi oluşturan tüm unsurlarla en iyi şekilde hazırlanmasını sağlar. mümkün.
Bu aracın, onu uygulamak için ihtiyaç duyulan unsurlar için maliyet oluşturduğunu dikkate almak önemlidir, ancak uygulamanın istenen şirkette uygulanabilir olup olmadığını anlamak için bir maliyet-fayda analizi düşünülmelidir.
Tez konusu: ADO grubu için iş zekası uygulaması.
Amaç: ADO grubunun Veracruz bölgesindeki güzergahların yönetimini iyileştirmek.
Teşekkürler
Bana her zaman güvendikleri ve her türlü zorluğa rağmen beni destekledikleri için, bu yeni Ustalık mücadelesine ulaşmak için babama ve anneme.
Oğluma ve kocama, bana her gün ilerlemek için en büyük motivasyonum olan tüm şefkat, sevgi ve sabrı verdikleri için.
kaynakça
Curto Díaz, J. ve Conesa Caralt, J. (2012). İş Zekasına Giriş. UOC Yayıncılık.
Intelligence, B. (21 Haziran 2009). Kolay İş Zekası. Https://www.businessintelligence.info/definiciones/historia-businessintelligence.html adresinden erişildi.
Manager, T. (31 Temmuz 2017). Zaman Yöneticisi. Şuradan alınmıştır
www.timemanagerweb.com/2017/01/31/breve-historia-del-businessintelligence/
Pereira, E. (2017). Pazarlama. Şuradan alınmıştır
www.mercadeo.com/blog/2013/01/%C2%BFque-es-el-know-how/
Rosado Gomez, AA ve Rico Bautista, DW (2010). Business Intelligence: State of the Art. Pereira Teknoloji Üniversitesi.
_______________________________________
Not: Ekli görsel, https://electrosawhq.com/ tarafından CC'den lisanslanmıştır.
Flickr Sayfası:
Orijinal dosyayı indirin
