شرایط اقتصادی معاصر نشان می‌دهد که سازمان‌ها بیشتر از هر زمان دیگری به استفاده از منابع اطلاعاتی می‌پردازند . استفاده درست از این منابع اطلاعاتی نیاز به نوعی هوش تجاری دارد . در تصمیم گیری های امروزی، دستیابی به اطلاعات امری ضروری است و سازمان‌ها باید به سوی توسعه شاخصهای عملکردی در حوزه کسب و کار خود حرکت نمایند، زیرا از این طریق می‌توانند از رویکردی واقع‌گرایانه برای عملیات‌های کسب و کار، مشتریان، تأمین‌کنندگان و … بهره ببرند.
سازمان‌ها معمولاً با حجم بسیار زیادی از داده‌ها و اطلاعات در خصوص واحد‌ها یا مجموعه‌‌های تابعه خود سروکار دارند که در پایگاه‌های داده مختلف و به اشکال متنوع نگهداری می‌شوند. این داده‌ها معمولاً به‌صورت سیستمی جزیره‌ای و یا دستی و در دوره‌های نسبتاً طولانی جمع‌آوری می‌شوند و امکان ترکیب و تجمیع آنها به‌سادگی فراهم نمی‌شود.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.
هوش تجاری چیست ؟ ( ?what is business intelligence)
هوش تجاری (BI) یا هوشمندی کسب وکار یک فرایند مبتنی بر فناوری است که به منظور تحلیل داده ها برای کمک به مدیران ارشد، مدیران میانی و سایر کاربران جهت اتخاذ تصمیمات بهینه به کار برده می شود . هوش تجاری (BI) شامل مجموعه ای از ابزارها، برنامه های کاربردی و متدولوژی ها است که با جمع آوری داده ها از منابع درون سازمانی و برون سازمانی، داده ها را برای تجزیه و تحلیل آماده می کند، امکان اجرای پرس و جو (Query) را مهیا می سازد، گزارشات و داشبوردها را ایجاد می کند به نحوی که این گزارشات در اختیار تصمیم گیران و همین طور کارکنانBPMS قرار گیرد.
مزایای استفاده از هوش تجاری
- تسریع و بهبود فرایند تصمیم گیری
- بهبود فرایندهای داخلی
- شناسایی فرصت های جدید
- دستیابی به مزیت های رقابتی جدید
هوش تجاری (BI) شامل مجموعه وسیعی از برنامه های کاربردی نظیر: تحلیل های موردی و پرس و جو (Query) ، گزارش ساز، پردازشگر تحلیلی آنلاین(OLAP)، هوش تجاری موبایل، هوش تجاری بلادرنگ، هوش تجاری عملکردی، هوش تجاری و سرویس های ابری، هوش تجاری متن باز، هوش تجاری اشتراکی و هوش منطقه ای می باشد.
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 ».
تاریخچه هوش تجاری
هوش تجاری از دوران گذشته وجود داشته است . همیشه در طول تاریخ بشر ، ذهن جستجوگر انسان به دنبال تحلیل داده ها و اطلاعاتی بوده است که از منابع مختلف به دست می آورده است . برای اولین بار در سال ۱۸۶۵ میلادی اصطلاح هوش تجاری در دائره المعارف تجارت و بازرگانی به کار گرفته شد . از این اصطلاح برای پیش بینی های دقیق از وضعیت بازار ، بی ثباتی ها بازار ، رکود ، تورم و وضعیت رقبا استفاده می شد .
در اوایل قرن بیستم با مطرح شدن سیستم های رایانه ای قوی و پیشرفته اصطلاح سیستم هوش تجاری مطرح گردید . در حقیقت سیستم های هوش تجاری اولیه ، یک سیستم اتوماتیک برای انتشار اطلاعات در بخش های مختلف یک سازمان بودند .
با گذشت زمان و مطرح شدن امکانات ذخیره سازی ، کلان داده ها (داده های حجیم) در سیستم های کامپیوتری ، هوش تجاری رشد سریعتری را به خود گرفت . با توسعه سیستم های مدیریت پایگاه داده و هم چنین مباحثی مانند هوش مصنوعی (َArticial intelligence) ، یادگیری ماشین ، داده کاوی ، علم مدیریت داده ، مدل سازی های پیشرفته و ذخیره سازی ابری در کتار افزایش قدرت پردازشی ابررایانه ها ، در سالیان اخیر هوش تجاری از اهمیت بسزایی برخوردار گردیده است . امروزه اکثر سازمان های بزرگ از هوش تجاری برای پیشبرد اهداف کلان خود بهره می برند .
هوش تجاری در ایران
سازمان ها و نهادهای بزرگ ایرانی هنوز نتوانسته اند به هوش تجاری اعتماد کنند . هر چند که در این بخش سازمان های خصوصی پیشگام هستند ، امّا هم چنان این سازمان ها از افشاء اطلاعات حساس خود ترس دارند . از طرفی دیگر ، هزینه های بالای یک سیستم هوش تجاری نیز باعث شده است تا نهادهای تجاری ایرانی به سمت این سیستم ها حرکت ننمایند .
متخصصان ایرانی بایستی در این زمینه اقدامات پایه ای اساسی انجام دهند و به بازتعریف شاخص های مطرح در فرآیندهای کسب و کار و سیستم های هوش تجاری بپردازند . سازمان های فناور می توانند با ورود به این بخش علاوه به کسب درآمد برای خودشان ، به کمک دیگر سازمان های دیگر بیایند و کمک شایان توجهی رابه بنگاه های اقتصادی در دوران رکود و بحران بنمایند .
مراحل پیاده سازی هوش تجاری
برای پیاده سازی و اجرای یک سیستم هوش تجاری نیاز است که مراحل زیر به دقت انجام شود . هرکدام از مراحل زیر از اهمیت خاصی برخوردار می باشد ، بنابراین هر مرحله باید در جای خود انجام پذیرد .
- جمع آوری داده : خوراک و انرژی یک سیستم تجاری از داده تامین می شود . جمع آوری داده های قابل اطمینان و معتبر اولین اصل موفقیت در یک سیستم هوش تجاری می باشد . اگر در سازمانی دسترسی به داده ها امکان پذیر نباشد امکان پیاده سازی یک سیستم هوش تجاری بسیار مشکل و حتی ناممکن می شود .
- پاکسازی داده ها : داده های جمع آوری شده باید پاکسازی شوند . بدین معنا که داده های تکراری ، اشتباه ، خارج از محدوده و داده های غیر ضروری از بین داده ها حذف می شوند . این کار باعث می شود تا در آینده نرخ های پیش بینی بهبود قابل ملاحظه ای را بیابند .
- طبقه بندی داده ها : داده های پاکسازی شده مرحله قبل را دسته بندی می کنیم (کلاس بندی) . این دسته ها باعث دسترسی سریعتر به داده های مرتبط با موضوعات مختلف می شوند .
- کدگذاری داده در انبار داده ها : داده های طبقه بندی شده را در انبار داده ها ذخیره می کنیم و به هر طبقه از داده ها کد خاصی را اختصاص می دهیم . این شاخص گذاری ها می تواند به متخصصین هوش تجاری کمک شایان توجهی را بنماید .
- آنالیز اولیه داده : در این مرحله داده های جمع آوری شده در انبار داده ها را مورد تحلیل و بررسی قرار می دهیم . ممکن است هنوز هم ناخالصی هایی در داده های جمع آوری شده وجود داشته باشد که سعی می کنیم آن ها را برطرف نماییم .
- پردازش نهایی بر روی داده ها : داده ها را براساس نیازسنجی های سازمانی مورد بررسی قرار می دهیم .
- مدل سازی داده ها : از داده های آنالیز شده مرحله قبلی یک مدل برای فعالیت های سازمانی استخراج می کنیم .
- استفاده از مدل ها : مدل مرحله قبلی را مورد استفاده قرار می دهیم و نتایج آن را به انبار داده ها منتقل می کنیم و مجدد به آنالیز اطلاعات می پردازیم .
شاخص های کلیدی در هوش تجاری
در این بخش ما به شما در راستای انتخاب KPI مناسب برای هوش تجاری تان کمک خواهیم کرد.
۱- انتخاب شاخص کلیدی عملکرد kpi هایی که با اهداف استراتژیک کسب و کار شما منطبق باشند.
عملکرد یک کسب و کار در نهایت به ماموریت و اهداف آن کسب و کار بر می گردد. پس شاخصهای کلیدی عملکرد KPI نیز باید بر همین اساس باشند. این کار می تواند بسیار پیچیده باشد. زیرا بسیاری از کسب و کارها دارای کوتاه مدت و بلند مدت متفاوت هستند و همچنین این اهداف در سطوح مختلف سازمانی متفاوت می باشند.
– برای سطوح مختلف سازمانتان شاخص کلیدی عملکرد متفاوت تعریف کنید. KPI هایی با اهداف بلند مدت تا میان مدت برای سطوح اجرایی خود و دارای اهداف کوتاه مدت تا میان مدت برای سطوح مدیریتی سازمان خود انتخاب کنید. به جای تلاش برای یافتن معیارهای چندگانه که در تمامی سطوح سازمان تعریف شوند، KPI ها را برای هر کاربر و براساس اهداف خود و تصمیماتی که مسئولیتشان با شماست انتخاب کنید.
دقت داشته باشید که سازمانتان و اهداف سازمان منحصر بفرد است، پس از بکار بستن شاخص های کلیدی آماده و یا سفارشی سازی شده برای استفاده در سازمانهای دیگر، پرهیز کنید.
۲- اطمینان حاصل کنید که شاخص های کلیدی عملکرد شما قابل دستیابی هستند.
– چه نقاط داده ای در این شاخص های کلیدی عملکرد باید اندازه گیری شود؟
– جهت دسترسی بصورت منظم به این داده ها چه تکنولوژی و کارهایی نیاز است؟
– هزینه تمام شده برای این کار چقدر است و چه بازده بالقو ای برای سازمان خواهد داشت؟
۳- در انتخاب شاخصهای کلیدی عملکرد دقیق باشید.
باید سعی شود که تمامی KPI ها در یک صفحه جا شوند و تنوع آنها به اندازه کافی باشد که اطلاعات موردنظر خود را از جنبه های گوناگون بررسی شده باشد. در صورتیکه یک KPI در سطوح بسیار بالا یا بسیار پایین تعریف شده باشد، می توان تفسیرهای زیاد و متنوعی از آنها داشت.
علاوه بر اینکه شاخصهای کلیدی عملکرد شما باید مختص خودتان باشد، تعداد KPI هایی را هم که می خواهید روی آنها تمرکز کنید را محدود نمایید. این محدود کردن KPI ها باعث تمرکز بیشتر و طولانی تر بر روی این شاخص ها می شود و باعث شناخت بهتر KPI هایی می شود که لازمه موفقیت شما هستند.
بهینه سازی مداوم شاخص ها باید بصورت مستمر صورت بپذیرد و این هزینه بر است. پس عملکرد های های بیشتر برای اصلاحشان نیاز به صرف هزینه و زمان بیشتری دارند.
۴- شاخصهای کلیدی عملکرد KPI تان را درست تعریف کنید.
مطمئن شوید که شاخصهای کلیدی عملکرد KPI تان را بدرستی انتخاب کرده اید. آیا این شاخص KPI در پیش بینی عملکرد سازمان قابل اعتماد است ؟
– آیا شاخص KPI شامل تمامی اطلاعات مربوطه می شود؟
– آیا منابع داده به اندازه کافی تعریف شده اند و اطلاعات مازاد و شاخص های KPI را تحت تاثیر خود قرار نداده است؟
۵- KPI هایی را انتخاب کنید که قابل اجرا باشند.
در صورتیکه این شاخص را بتوان به روشهای مختلف تفسیر کرد، احتمالا شاخص مناسبی را انتخاب نکرده اید.
۶- KPI هایتان را بروز نگه دارید.
اینکه با یک سری KPI برای مدت زمان طولانی کار کنید برای شما ساده خواهد بود ولی در نظر داشته باشید که سازمانتان استاتیک نیست، پس KPI های شما هم نباید استاتیک باشد. همواره از خودتان چرایی انتخاب این شاخص ها را سوال کنید و ببینید آیا این شاخص ها هنوز هم موثر هستند؟
۷- KPI های مهم و حیاتی را به نمایش درآورید.
تنها نمایش شاخص های زیبا در داشبورد هوش تجاری تان کافی نیست و شما باید برای انتخاب نمایش این شاخص ها هدف داشته باشید. نتایج بررسی شاخص ها می باستی شما را به سمت تصمیمات عملیاتی راهنمایی کند و می بایستی این شاخص ها به شکل کاملا معناداری تعریف شده باشند.