5 شرکت‌های تاثیرگذار بر هوش تجاری

وبلاگ‌ها و بینش‌های صنعتی

 

 

5 شرکت تاثیر گذار که از هوش تجاری استفاده میکنند.

برخی از موفق‌ترین شرکت‌ها در دنیا از هوش تجاری ( BI ) استفاده می‌کنند . این روش به آن‌ها کمک می‌کند تا کارآمدتر عمل کنند ، درآمد متوسط بالاتری را گزارش دهند، و تصمیم‌های استراتژیک آگاهانه را براساس تحلیل داده‌های دقیق اتخاذ کنند .

به طور خاص پنج شرکت وجود دارند که از BI در روش‌های ابتکاری استفاده کرده‌اند :

  1. Amazon
  2. Starbucks
  3. Netflix
  4. YES BANK
  5. American Express

با توجه به اینکه چه چیزی این شرکت‌ها را اینقدر موفق و تحلیل استراتژی‌های خاص BI می‌کنند ، می‌توانید موفقیت آن‌ها را تکرار کنید . در اینجا نحوه استفاده از اطلاعات کسب‌وکار برای بدست آوردن دست بالاتر در صنایع مربوطه خود وجود دارد .

 

شرکت هایی که از هوش کسب و کار استفاده میکنند:

  • آمازون از BI برای بهینه‌سازی زنجیره تامین استفاده می‌کند.

آمازون برای استفاده از برخی از پیشرفته‌ترین و فن‌آوری‌های نوین در دنیا شناخته شده‌است . این امر در مورد استفاده از فن‌آوری اطلاعات تجاری نیز صادق است . اطلاعات تجاری و تجزیه و تحلیل کسب‌وکار خود آمازون ( سرویس وب سایت آمازون ) تمامی داده‌های جمع‌آوری‌شده در زنجیره تامین را تجزیه و تحلیل می‌کند .

چیزی که آمازون را قابل‌توجه می‌سازد این است که باید بر مجموعه‌ای از چالش‌ها غلبه کند که تعداد بسیار کمی از شرکت‌ها با آن مواجه هستند. آمازون یک زنجیره تامین بسیار بزرگ دارد که شامل بیش از ۱ میلیارد محصول فروخته‌شده در بازارهای مختلف است . این شرکت همچنین خدمات اشتراک آنلاین , ارسال , ساخت و ذخیره‌سازی را در میان بسیاری از سیستم‌های دیگر انجام می‌دهد . قسمت‌های متحرک زیادی دارد .

برای حل این چالش پیچیده , آمازون متکی به جمع‌آوری و تجزیه و تحلیل داده‌ها و تصویرسازی برای ایجاد بینش‌هایی در هر جنبه از زنجیره تامین است .

این شرکت داده‌های جمعیتی را در مورد مشتریان علاقمند به محصولات خاص جمع‌آوری می‌کند . از آنجا ، آمازون از تجزیه و تحلیل داده‌ها برای تعیین محل نگهداری این محصولات استفاده می‌کند تا آن‌ها بتوانند به سرعت به مشتریان حمل شوند . این شرکت همچنین مسیرهای کشتیرانی سفارشی را براساس این تجزیه و تحلیل پیشگویانه و نقشه‌برداری از زمین ایجاد می‌کند .

چه چیزی میتوانید از امازون بیاموزید.

حتی اگر زنجیره تامین شما همانند سایت Amazon نیست ، شما می‌توانید از BI به همان روش برای تامین نیازهای مشتریان خود با آنچه به موقع نیاز دارند ، استفاده کنید . همچنین حمل و نقل و نگهداری نیز در هزینه‌های حمل و نقل نیز صرفه‌جویی می‌شود و از خرید و ذخیره موجودی بیشتر از آنچه که در واقع می‌توانید بفروشید ، جلوگیری می‌کند . با استخدام یک شرکت تجزیه و تحلیل داده و تجزیه و تحلیل داده برای انجام این محاسبات برای شما ، شما کل زنجیره تامین خود را از ابتدا تا پایان ساده و ساده خواهید کرد .

  • تحلیل و پیش‌بینی رفتار مشتری در starbucks

در حالی که آمازون از یک سیستم تجزیه و تحلیل داده‌های پیچیده برای رسیدگی به طیف وسیعی از نقاط درد استفاده می‌کند , شرکت‌های دیگری که از هوش تجاری استفاده می‌کنند بر خدمات خاص بیشتر تمرکز دارند . یک نمونه از این , استارباکس است .

زمانی که زنجیره قهوه مشهور برنامه پاداش خود را راه‌اندازی کرد – کارت وفاداری که مشتریان را برای هر خرید ارائه می‌کند – آن‌ها از سیستم‌های مدیریت ارتباط متقابل bi و مشتری برای انجام این برنامه به هر مشتری استفاده می‌کنند .
زمانی که مشتریان از کارت برای خریدها استفاده می‌کردند, استارباکس یک لگاریتم از این تراکنش ‌ها داشت . با استفاده از تجزیه و تحلیل داده‌های پیشگویانه , شرکت قادر به ارائه پاداش‌های اضافی و توصیه به مشتریان براساس سوابق خرید آن‌ها بود .

یک مشتری که معمولا  هر روز صبح یک قهوه سیاه بلند می‌خرد , به احتمال زیاد از یک فروشگاه آزاد در فروشگاه , به جای فصلی آزاد , قدردانی می‌کند . نه تنها این پاداش , احتمال بازدید مجدد مشتری را در آینده نزدیک افزایش می‌دهد , اما این شرکت همچنین می‌تواند از این اطلاعات برای معرفی مشتریان به آیتم‌های منوی جدید براساس سلیقه خود استفاده کند .

چه چیزی میتوانید از استارباکس بیاموزید.

تاریخچه خرید قدرتمند هستند ، اما تنها در صورتی که دارای ابزارهای مناسب BI و CRM برای تجزیه و تحلیل این داده‌ها باشید . این به خصوص اگر یک شرکت کوچک یا متوسط هستید ، مشکل است ، چون ممکن است منابع و یا کارکنان لازم برای انجام این آنالیز را نداشته باشید . پرسنلی که در تصویرسازی و تجزیه و تحلیل داده‌ها تخصص دارند می‌توانند به شما کمک کنند که یک پورتال مشابه همان چیزی که استارباکس برای پی‌گیری رفتار مشتری استفاده می‌کند ، ایجاد کنید .

 

 

  •  Netflix از هوش تجاری برای بهبود پیشنهادها استفاده می‌کند.

شرکت‌هایی که از هوش تجاری استفاده می‌کنند اغلب روش‌های جدیدی برای بهبود خدمات خود در واکنش به داده‌هایی که جمع‌آوری می‌کنند را شناسایی می‌کنند . یک مثال خوب از یک شرکت که از این روش برای بهبود چشمگیر خدمات خود استفاده کرده‌است ،نت فلیکس است .
شرکت پخش ویدیویی حجم عظیمی از داده‌ها را بر روی رفتار مشتریان خود جمع‌آوری می‌کند ، از جمله این که آن‌ها به دنبال چیزی برای تماشا هستند ، که عناوین آن‌ها را در نوار جستجو تایپ می‌کنند و اینکه آیا آن‌ها از خدمات تجربی که شرکت برای اولین بار معرفی می‌کند استفاده می‌کنند یا خیر .

برای مثال ، در سال ۲۰۱۸ ، نت فلیکس شروع به قرار دادن تبلیغات برای عناوین دیگر در انتهای عناوین ، که فقط تماشا می‌کردند ، آغاز کرد . شرکت به دقت توضیح داد که چگونه بسیاری از کاربران به طور فعال در این تبلیغات کلیک کرده یا این previews را تماشا کردند تا مشخص کنند که آیا این یک ویژگی است که آن‌ها نگهداری خواهند کرد . پایه نت فلیکس حدود ۸۰ درصد از محتوای خود را در مورد رفتار مشتری و داده‌های جمع‌آوری‌شده از الگوریتم پیشنهادی خود ارائه می‌کند .

چه چیزی میتوانید از Netflix بیاموزید.

موفق‌ترین شرکت‌هایی که از هوش تجاری استفاده می‌کنند ، آن‌هایی هستند که می‌توانند معیارهایی را شناسایی کنند که بیش‌ترین اهمیت را دارند و آن‌ها را به دقت اندازه‌گیری می‌کنند . برای نت فلیکس ، الگوهای رفتاری مثل کلیک ، سوابق ساعت ، پرس و جوهای جستجو و زمان سپری‌شده در هر عنوان ، برخی از مهم‌ترین داده‌ها هستند . کسب‌وکار شما ممکن است نیاز باشد انواع مختلفی از داده‌ها را جمع‌آوری کند تا موفق باشد . یک تجزیه و تحلیل کسب‌وکار با تجربه و شرکت اطلاعاتی کسب‌وکار به شما کمک خواهند کرد تا تشخیص دهید مهم‌ترین نقاط داده چیست و به شما کمک می‌کند راهی برای ردیابی آن‌ها پیدا کنید .

 

 

  • YES BANK ارتباطات داخلی را بهبود می‌بخشد.

اغلب شرکت‌هایی که از هوش تجاری استفاده می‌کنند به منظور درک بهتر نیازهای مشتریان خود این کار را انجام می‌دهند . با این حال ، شما می‌توانید از BI برای بهبود عملیات داخلی شرکت خود استفاده کنید . شرکتی که استفاده زیادی از این روش ساخته‌است ، بانک بله ، چهارمین بانک بزرگ بخش خصوصی هند است .
قبل از استفاده از BI ، کارمندان بانک قادر نبودند به طور موثر با یکدیگر ارتباط برقرار کنند ، که به کار آن‌ها آسیب می‌رساند . هر روز ، متخصصان سیستم‌های اطلاعاتی مدیریت باید داده‌ها را از ده‌ها صفحه گسترده به دست ، گزارش دهند ، گزارش‌ها را ایجاد کنند ، و این گزارش‌ها را به تصمیم گیرندگان این شرکت ارسال کنند . این منجر به تاخیر در پردازش شد و خطر نشت داده‌ها در هر نقطه از فرآیند انتقال داده را افزایش داد .

با اجرای یک سیستم BI جدید ، بانک قادر بود تمامی داده‌های خود را در یک انبار ذخیره کند و به طور خودکار گزارش‌ها را از داشبورد کاربر تولید کند . تنها کاربران مجاز به چند قطعه از داده‌ها دسترسی داشتند . ابزار BI هم این کار را آسان‌تر کرد تا ببیند کدام اقدامات باید برای حل مشکلات به کار گرفته شوند .

چه چیزی میتوانید ازYES BANK بیاموزید.

با استفاده از سیستم bi جدید , بانک اطلاعات آن‌ها را بیشتر عملی کرد , آسیب‌پذیری کمتری برای نشت و کارآمدتر کردن آن‌ها داشت . حتی اگر احساس می‌کنید که مشتری خود را خوب درک می‌کنید , می‌توانید از bi برای بهبود ارتباطات داخلی خود استفاده کنید و اطمینان حاصل کنید که زمان کارمندان تان ارزشمند است.

 

 

  • American Express کلاهبرداری را با نرم‌افزار BI ردیابی میکند.

ابزارهای BI زمانی بسیار موثر هستند که برای شناسایی از دست دادن و تشخیص تقلب استفاده می‌شوند . به طور خاص امریکن اکسپرس تاثیری که BI می‌تواند در این دو حوزه داشته باشد را نشان داده‌است . پس از پیاده‌سازی یک سیستم BI جدید ، آن‌ها نه تنها قادر به محافظت بهتر از منابع مالی خودشان ، بلکه برای مشتریان خود بودند .
با استفاده از الگوریتم ‌های پیشرفته و تحلیل داده‌های پیشگویانه ، اکسپرس آمریکایی قادر به شناسایی استفاده‌های تقلبی از کارت‌های مشتریان خود در زمان واقعی بوده و به طور خودکار از هزینه‌های آینده بر روی کارت جلوگیری می‌کند تا اینکه مشتری مطلع شود . این کار به محافظت از مشتریان خود کمک می‌کند و همچنین ریسک مالی شرکت را کاهش می‌دهد .

از American Express چه چیزی میتوانید بیاموزید.

ابزارهای BI را می‌توان برای ردیابی بیشتر از صرفا ً رفتار مشتری یا گردش کار داخلی به کار برد . با مهار قدرت تجزیه و تحلیل پیشگویانه ، شما می‌توانید به سرعت به تقلب پاسخ دهید و در برخی موارد حتی ممکن است قبل از این که اتفاق بیفتد ، از آن پیش‌گیری کنید . این به خصوص برای صنایع بانکی و بیمه مهم است .

 

 

چه چیزی می‌توانیم از شرکت‌های موفق یاد بگیریم که از هوش کسب‌وکار استفاده می‌کنند ؟

شرکت‌هایی که از هوش تجاری استفاده می‌کنند دلایل مختلفی دارند . برخی از داده‌ها برای ردیابی رفتار مشتری و کشف راه‌های جدید برای شاد کردن آن‌ها استفاده می‌کنند . برخی دیگر از bi برای بهبود ارتباطات داخلی و تسهیل زنجیره تامین استفاده می‌کنند . بانکداری مدرن و شرکت‌های بیمه حتی از bi برای جلوگیری از تقلب و تقویت امنیت استفاده می‌کنند .
آنچه که همه این شرکت‌های موفق به اشتراک می‌گذارند , استفاده آن‌ها از ابزارها و منابع پیشرفته bi است . در بسیاری از موارد , این شرکت‌ها به شرکت‌های فن‌آوری اطلاعات روی‌آورده اند که نحوه استفاده از bi را درک می‌کنند . زمانی که از کارشناسان مطمئن برای هدایت درخواست می‌کنید , باید موقعیت بهتری برای رسیدن به اهداف خود داشته باشید .

هوش تجاری یا BI چیست؟

یک توضیح مقدماتی از آنچه که درباره ی هوش تجاری باید بدانید!!

در اینجا میخواهیم به توضیح مختصری از هوش تجاری بپردازیم که به زبان ساده و با ذکر مثالهایی این مقوله را توضیح میدهد:

 

 

ممکن است عبارت business intelligence (هوش تجاری) یا BI به گوشتان خورده باشد.

اما معنی دقیق آن چیست؟

برای BI  تعریف های مختلفی وجود دارد اما به زبان ساده: BI ارائه ی اطلاعات مرتبط و معتبر به افراد مناسب، در زمان مناسب، برای گرفتن تصمیمات بهتر، با سرعت بیشتر است.

از این جهت BI به روش ها و برنامه های نیاز دارد که داده ها را جمع آوری و سازماندهی کنند، آنها را تبدیل به اطلاعات برای بهبود تصمیمات تجاری ارائه کند.
  .عظیمی از داده های تجارت ها را بررسی می کند و آنها را به شکلی ارائه می دهد که معنا دار و قابل اجرا باشد BI
با این که این تعاریف و مفاهیم ساده ای هستنداما BI در واقع یک رشته گسترده و پیچیده است که شامل مدیریت عملکرد، تجزیه و تحلیل و مدلسازی برای پیش بینی داده و متن کاوی و  موضوعات دیگر بسیاری می‌شود.

یک مثال جالب برای بهتر فهمیدن هوش تجاری:

عملکرد هوش تجاری را مانند یک مغازه خواربار فروشی که تصورکنید، زمانی که شما وارد یک مغازه خواربار فروشی می شوید و به دنبال چند کالای خاص هستید به طور مثال: تخم مرغ، شیر و موز.
شما از کارمند مغازه برای پیدا کردن آنها کمک نمی خواهید،چرا که این مغازه ها کالاها را در راهروها و با علامت های مختلف مرتب می کنند تا کالاها ساده تر پیدا شود.
حالا تصور کنید که کالاهای مغازه داده‌های کسب و کار شما هستند و شما میخواهید اطلاعاتی راجع به تولید، ساعت کاری و اهداف را جمع آوری کنید.
به احتمال زیاد شمانزذ سه متخصص متفاوت می روید و از آنها برای پیدا کردن اطلاعات کمک می خواهید ،سپس پیش فرد دیگری برای گردآوری این اطلاعات می روید، اطلاعات نامرتب شما را گرفته و تبدیل به یک مغازه خواربار فروشی مرتب می کند که به شما این امکان را می دهد که داده های خود را به راحتی و بدون کمک شخص دیگری، بررسی کنید.
شرکت ها دیگر نیازی به گشتن در جداول پر از اطلاعات وابسته به هم ندارند ، دیگر نیازی به تجزیه و تحلیل دستی داده ها و جمع کردن گزارشات نیست، کارمندان می‌توانند ازBI برای دریافت اطلاعات استفاده کنند.
عموماً برای گرفتن تصمیمات استراتژیک استفاده می شود. دسترسی به اطلاعات طبقه بندی شده در هر زمان، این امکان را به شما می دهد
  • فرآیندهای ناکارآمد کاری و الگوهای پنهان را پیدا کنید
  • بخش های قوی و ضعیف را تشخیص دهید
  • فرصت ها و موقعیت های جدید کشف کنید

که منجر به شناخت بهتر روی عملکرد و چالش‌های سازمان می‌شود.

حالا مثالی دیگر در نظر بگیرید:

فرض کنید شما مدیر یک فروشگاه زنجیره ای هستید که هر مغازه به هم فروشگاه آنلاین دارد. شما به مشتریان خود کارت وفاداری می دهید که می تواند در مغازه استفاده کند و اطلاعات کارت را در حساب کاربری خود ثبت کنند.
با این کار تمامی خرید های فیزیکی و آنلاین مشتری توسط کد یکتا کار جمع‌آوری می‌شود و وارد پایگاه داده های سازمان شما می شود.
با استفاده از روش ها و نرم افزارهای هوش تجاری شما قدرت آن را دارید که  بر روی حجم زیادی از اطلاعات مشتری هایتان  تجزیه و تحلیل انجام دهید که به شما این امکان را می‌دهد که بفهمید هر مشتری نسبت به برند شما چقدر وفادار بوده است.
چه محصولاتی و چه مواردی از آنها خریداری می‌کنند و اینکه ترجیح می‌دهند از مغازه خرید کند یا فروشگاه آنلاین.

اطلاعات چه کمکی به شما می کند؟

این امکان را به شما می دهند تا
  • نیازها و اولویت ها و عادت های یک مشتری یا بخش را شناسایی و پیش بینی کنید و فرصت های فروش جدید پیدا کنید.
  • خدمات بهتری ارائه دهید و حتی کمپین‌های مارکتینگ هدفداری فراهم کنید، مانند تحویل دادن کوپن.
  •  فهمیدن کالاهای مورد علاقه مشتری ها با توجه به تراکنش های گذشته آنها بعد از هر خرید
به طور خلاصه شما به شناخت زیادی نسبت به مشتریان خود را بر پایه تراکنش ها و رفتار گذشته شان دست می یابید و میتوانید از این  اطلاعات استفاده کرده و فروش خود را بالاتر ببرید و یا در برند خود با فراهم کردن خدمات بهتر یا منحصر به فرد تغییر ایجاد کنید .
در نتیجه اصطلاح هوش تجاری به گروهی از تکنیک ها و ابزارهای اختصاص داده می‌شود که اطلاعات شما را جمع آوری و سازماندهی می کند و آن را به شکل قابل استفاده و معنادار ارائه می دهد
اگر میخواهید به اطلاعات دقیق و واضح و قابل اجرا دسترسی داشته باشید تصویر تجاری برای سازمان شما مناسب خواهد بود.

هوش تجاری به چه معناست؟

 

 

معرفي ابزارهای هوش تجاری برتر سال 2019

معرفي ابزارهای هوش تجاری برتر برای تجزیه و تحلیل داده ها در سال 2019

امروزه با افزايش حجم داده ها در کسب و کار ها اهميت تحليل و استفاده عملي از آن ها نيز افزايش يافته است. ابزارهای هوش تجاری به سازمان ها در بهبود تصميم گيري هايشان  کمک ميکند. اين ابزار ها وسيله اي مناسب براي تجزيه و تحليل داده هاست.

در اين مقاله به معرفي و بررسي 5 ابزار محبوب هوش تجاري در سال 2019 مي پردازيم.

 

  1. Microsoft power BI

Microsoft power BI مجموعه ابزار تحليل تجاري تحت وب است که در مصور سازي داده ها عملکرد خوبي دارد. با استفاده از اين نرم افزار کاربران مي توانند داده هاي خود را فراخواني کرده . و همچنین در قالب نمودار هاي متنوعي مشاهده کنند.

به دليل تحت وب بودن اين نرم افزار، امکان اتصال به تقريبا همه منابع اطلاعاتي چون SQL Data warehouse و Salesforce فراهم است. از ديگر ويژگي هاي اين برنامه امکان انتشار گزارش و به اشتراک گذاري آن است.

 

Microsoft power BI،هوش تجاری،ابزار

 

 

  1. Yellowfin BI

Yellowfin BI يکي ديگر از ابزارهای هوش تجاری است که ترکيبي از يادگيري ماشين و مصورسازي داده هاست. اين سيستم با توجه به نوع کسب و کار شما در زمينه هايی مثل:

حسابداري، تبليغات، بانکداري، بيمه و …

قابل تنظيم است.

از ويژگي هاي کليدي اين نرم افزار مي توان به

  1. داشبورد
  2. آناليزهاي پيشبيني
  3. تجزيه و تحليل آنلاين
  4. گزارش نويسي

اشاره کرد. ديگر مزيت اين برنامه در دسترس بودن آن از طريق وب،‌ دستکتاپ و موبايل و … است.

تفاوت اصلي اين برنامه نسبت به ساير برنامه هاي مشابه به گفته توليد کنندگان آن اين است. که ” هر برنامه هوش تجاري به شما مي گويد که چه اتفاقي در کسب و کار شما رخ داده است اما Yellowfin به شما مي گويد که چرا اين اتفاق رخ داده است.”

 

Yellowfin BI. ابزار های هوش تجاری

 

 

  1. Sisense

اگر خيلي طرفدار تکنولوژي نيستيد. و کار کردن با ابزار هاي قبلي برايتان مشکل است، پس احتمالا sisense برنامه مناسب شماست. اين برنامه کاربر پسند به هر کس اين امکان را مي دهد که بتواند با ديتاهاي پيچيده به راحتي کار کند.

از مزيت هاي اين برنامه مي توان به سرعت بالا ي آن براي کار با داده هاي بزرگ اشاره کرد. که اين نرم افزار را براي شرکت هاي بزرگ مناسب مي سازد.

 

 

 

  1. SAS Visual Analytics

درحاليکه بيشتر ما SAS را به عنوان يک برنامه آناليز و پيشبيني مي شناسيم. اين شرکت نسل آخر نرم افزار هوش تجاري خود را نيز ارائه داده است.

SAS Visual Analytics به طور خاص بر روي ارتباط ميان داده ها تمرکز کرده است. در اين برنامه مي توانيد به بررسي تاثيرات هر يک از المان ها بر روي متغير خاص بپردازيد.

از ويژگي هاي جذاب اين نرم افزار، بررسي sentiment analysis (تحليل احساسات)‌ در داده هاي شبکه اجتماعي است. از ديگر قابليت هاي مهم اين نرم افزار نيز مي توان به آناليز و تحليل خودکار داده ها اشاره کرد که در نمونه هاي مشابه وجود ندارد.

 

SAS Visual Analytics، ابزار های هوش تجاری

 

 

  1. Looker

Looker يکي ديگر از ابزارهای هوش تجاری است که براي همه نوع کسب و کار اعم از:

  • استارتاپ ها
  • مشاغل متوسط
  • مشاغل درجه يک مناسب

است. از قابليت هاي جذاب اين نرم افزار مي توان به امکان اتصال به تمامي پايگاه داده هاي SQL اشاره کرد.

برخي از ويژگي هاي اين برنامه عبارت اند از:

  • سهولت استفاده
  • مصور سازي داده ها
  • اشتراک گذاري داده ها
  • گزارش ها از طريق ايميل و پشتيباني.

همچنين اين شرکت با شرکت هاي تحليل داده و کارشناسان اين حوزه به صورت موازي براي کمک به کاربران همکاري ميکند و با توجه به داده هاي شما نظر تخصصي درباره کسب و کار شما مي دهد.

 

Looker، ابزار های هوش تجاری

اجزای اصلی هوش تجاری

برای اینکه یک پروژه هوش تجاری موفقی داشته باشیم بایستی از اجزای اصلی هوش تجاری (BI) استفاده کنیم.

اجزای اصلی هوش تجاری ای هوش کسب و کار:

Data Sources  -1:

منابع اطلاعاتی مهمترین جزء از اجزاء یک سیستم BI می‌باشدکه بر پایه موضوع خاصی شکل میگیرد چناچه سازمان شما فاقد سیستم عملیاتی باشد نباید انتظار معجزه از یک سیستم BI داشته باشد.

ETL -2
با توجه به اینکه داده‌های موجود در سیستم‌های عملیاتی در بانک‌های اطلاعاتی مختلف قرار گرفته‌اند برای این داده‌ها را استخراج و تحلیل نمود باید با ابزارهای ETL به این منابع اطلاعاتی مراجعه کرده و داده‌های خام از سیستم‌های اطلاعاتی استخراج نمود.
به طور خیلی ساده هدف ETL استخراج داده‌ها از منابع اطلاعاتی و انجام تبدیلات لازم به منظور درج در Data Warehouse یا انباره داده می‌باشد.

– Data Warehouse -3یا انباره داده
انباره داده یک بانک اطلاعاتی است که جز مهمی از هوش تجاری ست، که هدف آن جمع‌آوری داده‌های موجود در سیستم‌های عملیاتی است. .انبار داده، انتشار فیزیکی داده را با کنترل  ثبت،  ایجاد ، پاک کردن و وظایف جستجو امکان پذیر مینماید. همچنین داده کاربری را که میتواند به عنوان مجموعه ایاز اطلاعات پیچیده با قابلیت به روز شدن که برای تصمیم گیری گسترده سرمایه گذاری در یک موضوع خاص استفاده میشوند را در بر میگیرد و در برگیرنده یاطلاعات جاری، نه فقط خلاصه ای از آنهاست.

ساختار این بانک اطلاعاتی بر اساس معماری ابعادی بوده و داده‌ها در آن به صورت دوره‌ای و در فواصل زمانی خاصی طی پروسه ETL به آن اضافه می‌شود.

OLAP Analysis -4
برای اینکه بتوانیم تحلیل‌های مفید و سودمندی بر روی داده‌ها داشته باشیم باید بانک اطلاعاتی خاص مربوط به آن را ایجاد کنید. ساختار این نوع بانک‌های اطلاعاتی بر پایه Cube یا مکعب اطلاعاتی می‌باشد. با استفاده از این نوع ساختار می‌توان پیچیده‌ترین گزارش‌های تحلیلی را استخراج نمود.
  Data Mining -5یا داده کاوی
داده‌کاوی یکی از اهداف راه‌اندازی پروژه‌های BI می‌باشد. با استفاده از استفاده از این علم می‌توان اطلاعات پنهان و همچنین الگوها و روابطی مشخص را مابین حجم زیادی از داده بدست آورد.

Reporting -6
برای اینکه بتوانیم گزارش‌ها تحلیلی را Visualize کنیم باید از ابزارهای مربوط به این حوزه استفاده کنیم. از نمونه ابزارهای مربوط به این حوزه می‌توان به SSRS، Power BI، Mobile Report Publisher، Excel و… اشاره کرد.

 

و همچنین میتواند شامل موارد دیگر هم باشد…

ساخت انبار داده (Data Warehouse)

انـبـار داده بـه مجـموعـه‌ای از داده‌هــا گفـتـه می‌شود که از منابع مختلف اطلاعاتی سازمان جمع‌آوری، دسته‌بندی و ذخیره می‌شود.
انبار داده یا Data Warehouse پایگاه داده‌ای است که برای گزارش‌گیری و تحلیل داده به کار می‌رود و بعنوان هسته اصلی یک سیستم BI به شمار می‌آید. به عبارت دیگر انبار داده یک مخزن داده مرکزی از داده‌های تجمیع شده است که از سیستم‌ها و منابع مختلف سازمان جمع‌آوری شده است. انبار داده یک بانک اطلاعاتی رابطه‌ای غیرنرمال است که داده‌های حال و گذشته را در یک مکان واحد تجمیع کرده است و هدف اصلی آن پوشش گزارش‌گیری و نیازهای تحلیلی یک سازمان به کار گرفته می‌شود.

ETL مخفف کلمات Extract Transform Loading می‌باشد. در طی این پروسه ما می‌توانیم با استفاده از این مفهوم داده‌ها را از Data Sourceهای مختلف استخراج و پس از انجام تبدیلات لازم در مقصد آنها را بارگزاری نماییم. توجه داشته باشید که برای پر شدن یک Data Warehouse دقیقاً این کارهایی که به آنها اشار شد باید انجام شود.

آشنایی با سرویس SSIS:

در SQL Server برای انجام عملیات ETL ما از سرویس SSIS استفاده خواهیم کرد.

آشنایی با برنامه SQL Server Data Tools:
برای اینکه بتوانیم روال‌های ETL را در پیاده‌سازی کنیم ابزاری به نام Data Tools وجود دارد. در این جلسه ما دانشجویان را با نحوه کار با این ابزار و قسمت‌های مختلف آن آشنا کردیم.
ایجاد یک Package ساده:
با توجه این که در این درس دانشجویان با ابزار و قسمت‌های مختلف Data Tools آشنا شدند یک SSIS Package برای Export داده‌های جدولی خاص طراحی کردیم تا دانشجویان با مفهوم ETL دقیق‌تر آشنا شوند. لازم می‌دانم اشاره کنم هدف این بود که دانشجویان آشنایی اولیه با برخی از کامپوننت‌ها و… موجود در Data Tools آشنا شوند.

 

شاخص‌ های عملکرد سازمان (KPI)

 

برای سازمان‌ها، ادراک و یکپارچه‌سازی داده‌ها در تمامی سطوح، یکی از بزرگ‌ترین چالش مدیریتی به شمار می‌آید و تدوین مقیاس‌های اندازه‌گیری، به‌روز نگه‌داشتن، مقایسه و تمرکز بر آن‌ها در سازمان، مشکلی همیشگی است که با ورود سیستم هوشمندی کسب‌وکار (و استقرار انبار داده‌های موضوعی)، اکثر این مشکلات ساماندهی خواهند شد.

داشبوردهای مدیریتی، در مشاهده شاخص‌های حیاتی به ‌تمامی سطوح سازمان یاری می‌رسانند و به کاربر امکان دنبال کردن جایگاه‌های سازمان توسط شاخص‌ها را می‌دهند. با دنبال کردن شاخص‌های متعدد و موردنظر و تحلیل روندها، می‌توان درک بهتر از اینکه سازمان و حوزه‌های مرتبط چگونه عمل می‌کند، کسب کرد.

طراحی و ساخت داشبورد مدیریتی در هوش تجاری

 

یکی از قویترین ابزارهای نمایش گزارشات و نمایش شاخص‌های کلیدی (KPI) پروژه‌های هوش تجاری Microsoft Power B

I است. این ابزار قابلیت‌ نمایش گزارشات بر روی موبایل و صفحات وب را نیز دارد. بدون شک می‌توان ادعا کرد که نرم افزار Power BI قدرتمندترین و در عین حال ساده ترین نرم افزار ساخت و طراحی داشبوردهای مدیریتی است. اگر شما اکسل را در حد خوب بلد باشید یادگیری و آموزش Power BI برای شما مثل آب خوردن است.

تا اینجا ما در پروژه های هوش تجاری در مورد گذشته و حال صحبت کردیم ولی اگر بخواهید وارد مباحث پیشرفته آینده نگری یا پیش بینی یا داده کاوی یا دیتا ماینینگ بشوید در حقیقت دارید به حالت ایده‌آل یک پروژه هوش تجاری می‌رسید. در واقع زمانی می توانید وارد فاز داده کاوی بشوید که شما یک پروژه هوش تجاری کلید زده باشید و سازمان به بلوغ لازم جهت اجرای یک پروژه با عنوان داده کاوی رسیده باشد.

در مورد مباحث فنی داده کاوی از بین معدود مدل های پذیرفته شده در شاخه داده کاوی، مدل CRISP-DM و مدل ASUM جزو شناخته شده ترین و مقبولترین مدل هایی هستند که فرآیند داده کاوی و حل مسئله را یک روال مستمر و رو به تکامل میبیند و همچنین در عرصه عمل نیز توان پیاده سازی بالاتری داشته اند. از آنجا که مدل CRISP-DM دارای تعدد پیاده سازی بالاتر و قدمت بیشتری بوده و همچنین پایه و اساس مدل ASUM نیز میباشد، به عنوان مدل پیشنهادی توسط تیم نیک توصیه میگردد.
در مدل CRISP-DM طی هر بار اجرای فرآیند، مسئله در قالب شش فاز اصلی مورد شناخت، تحلیل و مدل سازی، به شرح ذیل قرار میگیرد.

طی فاز اول (Business Understanding):
تیم پروژه به دنبال درک مسئله، اهداف و نیازمندیهای مشتری از نقطه نظر کسب و کار میباشد.

طی فاز دوم (Data Understanding):
اطلاعات قابل دسترس (درون یا برون سازمانی) مورد شناسایی قرار گرفته و با توجه به کاربرد آن در مسئله تحت ارزیابی کمی و کیفی قرار میگیرند و درصورت نیاز مسئله طرح شده توسط کارفرما، با توجه به اطلاعات قابل دسترس، تعدیل میگردد (جهت تعدیل/اصلاح صورت مسئله و خواسته های مشتری که در فاز قبل مشخص گردیده با داشته های اطلاعاتی مشتری). همچنین طی این فاز تیم داده کاوی با ماهیت اطلاعات قابل دسترس آشنایی بیشتری پیدا نموده و سعی مینماید از اطلاعات در دسترس دیدگاه های مناسبی کسب نماید.

در فاز سوم (Data Preparation):
تیم داده کاوی اقدام به آماده سازی داده ها جهت استفاده در مدل سازی مینماید، طی این فاز معمولا اقداماتی همچون انتخاب مشخصه ای اطلاعاتی، یکپارچه کردن اطلاعات از منابع مختلف و پاکسازی اطلاعات انجام میپذیرد. لازم به ذکر است وجود انبار داده از پیش آماده شده میتواند به افزایش سرعت اجرای کار در این فاز کمک قابل توجهی نماید.

در فاز چهارم (Modeling):
تیم داده کاوی اقدام به تعیین تکنیک های مدل سازی قابل استفاده جهت حل مسئله مینماید، و سپس پارامترهای مورد نیاز جهت Tune کردن مدل ها را تعیین مینماید، همچنین در این فاز با توجه به تکنیک مصرفی، ممکن است نیاز باشد تا داده های آماده شده در فاز قبل مورد تغییر و تحول قرار گیرند، پس بعضا از این فاز عملیات عقبگرد به فاز قبل، برای ساختار دهی مجدد اطلاعات صورت میپذیرد.

در فاز پنجم (Evaluation):
مدل های ساخته شده (که قاعدتا انتظار میرود از کیفیت بالایی برخوردار باشند) مورد تست و ارزیابی قرار میگیرند تا نقاط کور احتمالی آنها استخراج گردد تا بهترین مدل برای حل مسئله انتخاب شود، همچنین در این مرحله طی تعامل با کارفرما موثر بودن مدل انتخابی نیز بررسی میگردد و درصورتیکه مدل انتخاب شده برای حل مسئله مناسب نباشد، کل فرآیند مجددا از فاز اول آغاز میگردد.

طی فاز ششم (Deployment):
تیم داده کاوی با توجه به الزامات کارفرما، اقدام به ارائه نتایج اجرای مدل به کارفرما مینمایند، این فاز میتواند بنا به درخواست کارفرما، منحصرا گزارشی غنی و قابل درک توسط کارفرما از نتیجه اجرای مدل باشد و یا میتواند سیستمی نرم افزاری باشد که کارفرما بتواند توسط آن مدل ساخته شده را بصورت مکرر مورد اجرا و بهره برداری قرار دهد.

یادگیری ماشین (Machine Learning) در هوش تجاری

به نقل از ویکی پدیا: شما احتمالاً چندین بار در روز از یادگیری ماشین استفاده می‌کنید، حتی بدون آنکه بدانید. هر بار که شما یک جستجوی اینترنتی در گوگل یا بینگ انجام می‌دهید، یادگیری ماشینی انجام می‌شود چراکه نرم‌افزار یادگیری ماشینی آن‌ها چگونگی رتبه‌بندی صفحات وب را درک کرده‌است. هنگامی که فیس‌بوک یا برنامه عکس اپل دوستان و تصاویر شما را می‌شناسد، این نیز یادگیری ماشین است.

هر بار که ایمیل خود را چک می‌کنید و فیلتر هرزنامه شما را از داشتن مجدد هزار

ان هرزنامه خلاص می‌کند نیز به همین دلیل است که کامپیوتر شما آموخته‌است که هرزنامه‌ها را از ایمیل غیراِسپم تشخیص دهد. این همان یادگیری ماشین است. این علمی است که باعث می‌شود کامپیوترها بدون نیاز به یک برنامه صریح در مورد یک موضوع خاص یاد بگیرند.


هوش تجاری چیست؟

هوش تجاری یا Business Intelligence

 

هوش تجاری یا BI) Business Intelligence)  شامل مجموعه‌ای از مهارت‌ها، تکنولوژی‌ها و برنامه‌های کاربردی می‌باشد که به‌ منظور جمع‌آوری، یکپارچه‌سازی، تجزیه ‌و‌ تحلیل و ایجاد دسترسی به داده‌های سازمان، مورد استفاده قرار می‌گیرند. (BI) یک اصطلاح کلی است که به تعداد زیادی برنامه و نرم‌افزار مورد استفاده برای پردازش و تحلیل اطلاعات خام یک شرکت اطلاق می‌شود.

چنانچه بخواهیم به طور خیلی ساده هوش تجاری را تعریف کنیم میگوییم: هوش تجاری شامل کلیه فرآیندهای کامپیوتری و مرتبط به همی چون داده کاوی،پردازش تحلیلی آنلاین،تحقیق وگزارش تشکیل شده ،که داده را به اطلاعات و سپس به دانش تبدیل می‌کند. در نهایت هوش تجاری،کسب و کار شما را بهبود خواهد بخشید.

 

اما هوش تجاری چه کمکی به ما میکند؟

شرکت‌ها از هوش کسب و کار برای بهبود تصمیم‌گیری‌ها، صرفه‌جویی در هزینه‌ها و کشف فرصت‌های تجاری جدید استفاده می‌کنند. BIچیزی فراتر از جمع‌آوری گزارشات و چیزی بیشتر از مجموعه‌ای از ابزارها برای به‌کارگیری هوشمندانه‌ی سیستم‌های تجاری است. مدیران فناوری شرکت‌ها از هوش کسب و کار برای شناسایی عملیات تجاریِ ناقصی که می‌توانند بستر خوبی برای باز‌مهندسی باشند استفاده می‌کنند
با وجود ابزارهای امروزیِ هوش کسب‌‌ و‌ کار، بهتر است افرادی که در کار تجارت هستند خودشان دست به کار شده و داده‌ها را تحلیل کنند و منتظر گزارش‌های پیچیده‌ی سیستم‌های فناوری اطلاعات نمانند. آزادسازی اطلاعات این امکان را به کاربران می‌دهد که تصمیمات تجاری‌ِشان را با پشتوانه‌ی اعداد قطعی و مشخص بگیرند؛ که در غیر این صورت مجبور می‌شدند تصمیمات‌شان را تنها بر اساس احساس درونی و شایعات اتخاذ کنند.
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 ان اعتماد کنند.هوش سازمانی شما را برای تصمیم‌گیری در همه عوامل موثر بر سازمان و شرکت‌ها توانمند می‌سازد و به همه شرکت‌ها کمک می‌کند تا از طریق گزارش‌گیری و تحلیل داده‌ها، عملکرد اثربخش و مطمئن بدون دردسر اضافی و هزینه‌های اجرائی زیاد و سعی و خطا بدست آورند.

 

کاربردهایی  از“هوش تجاری”

از یک مثال ساده شروع می‌کنم. هر کس در یک شرکت تنها می‌تواند کارش را به بهترین نحو انجام دهد. اگر تصمیم‌گیری‌ها در سازمان‌ها بر مبنای اطلاعات واقعی باشد تا بر مبنای بهترین حدسیات و یا اینکه چگونه در گذشته آن کار را انجام می‌داده‌اند، کارها به درستی پیش نخواهد رفت. در این باره نیاز به مستندات است، مستندات از همه عوامل یک سازمان، مجموع این مستندات و آمارها است که مانع از سعی و خطا می‌گردد.

چه اتفاقی رخ می‌داد اگر هر چه که فروشندگان ERP و CRM و اکنون BI به شما وعده می‌دهند را، می‌داشتید؟ یعنی وعده دسترسی فوری به همه دادهای موجود در شرکت و سازمان شما با داشبوردهای دیجیتالی و شاخص‌های عملکرد موردنیاز تا سازمان خود را اداره کنید.
چه اتفاقی رخ می‌داد اگر می‌توانستید بی‌نهایت کاوش در اجزا در داده‌های موجود و از منظرهای متفاوت

(Slice & Dice به عمل تجزیه اطلاعات به بخش‌های کوچک‌تر و نمایش آن از منظرهای متفاوت برای درک بهتر در تصمیم‌گیری‌ها گفته می‌شود.) می‌نمودید بدون اینکه لازم باشد بدانید از چه سیستمی تا سطح Transaction (تراکنش‌ها)، این داده‌ها می‌آیند، کارتان را بهتر انجام می‌دادید؟

هوش سازمانی به همه شرکت‌ها کمک می‌کند تا از طریق گزارش‌گیری و تحلیل داده‌ها، عملکرد اثربخش و مطمئن بدون دردسر اضافی و هزینه‌های اجرائی زیاد و سعی و خطا بدست آورند ERP. و CRM و سایر سیستم‌ها و نرم‌افزارها، عوامل حیاتی برای اداره سازمان‌ها و شرکت‌ها هستند. متاسفانه هنگامی که این سیستم‌ها، تراکنش‌ها و تعاملات داده‌ها را خوب اجرا می‌کنند، در برابر گزارش‌گیری تحلیل و دسترسی به داده‌ها کم می‌آورند، بهبود و قابلیت‌های تحلیل و گزارش‌گیری شرکت‌ها جزء اولویت‌های مدیران ارشد است.

 BI وعده بزرگ و عجیبی را به رهبران شرکت‌ها می‌دهد
دسترسی فوری به همه اطلاعات، که در فرمت قابل استفاده به آن نیاز دارید. نه تنها افراد و کارمندان سازمان IT بلکه همه مدیران و تصمیم‌گیران، می‌توانند از آن استفاده کنند. اغلب بسیاری از افراد فکر می‌کنند که این وعده عملی نخواهد شد آیا واقعا اینطور است؟

 

چه شرکت هایی از “هوش تجاری و کاربردهای آن” استفاده میکنند؟

رستوران‌های زنجیره‌ای از مهم‌ترین کاربران نرم‌افزار BI هستند. آنها از BI برای گرفتن تصمیمات راهبردی استفاده می‌کنند؛ تصمیماتی نظیر این که چه محصولات جدیدی را در منو قرار دهند، چه غذاهایی را حذف کنند و کدام شعبه‌های کم درآمد را تعطیل کنند. همچنین از BI برای مسائل تاکتیکی نیز استفاده می‌کنند، مثلا بررسی دوباره‌ی قراردادهایی که با شرکت‌های تأمین‌کننده‌ی مواد اولیه‌ی غذایی دارند یا برای بهبود شیوه‌های ناکارآمدی که تا الان به کار برده می‌شد. با توجه به شیوه‌ی کار عملیاتی رستوران‌های زنجیره‌ای و خاصیت مرکزی بودن سیستم BI برای کمک به آنها در اداره‌ی این کسب و کار، رستوران‌های زنجیره‌ای در صدر لیست همه‌ی صنایعی هستند که از ارزش واقعی این سیستم بهره‌مند می‌شوند.

رستوران‌های زنجیره‌ای مانند هاردی، وندی، رابی تیوزدی و تی‌جی‌آی از عمده کاربران نرم‌افزار هوش تجاری هستند. آنها از این برنامه برای تصمیمات راهبردی مانند افزودن محصولات جدید به منوی خود، حذف برخی غذاها و بستن شعب کم‌کار خود استفاده می‌کنند. آنها همچنین از هوش تجاری در موضوعات تاکتیکی مانند تجدید نظر در قراردادهای خرید مواد غذایی و شناسایی فرصت‌های بهبود روندهای نامناسب بهره می‌برند. به دلیل وابستگی زیاد رستوران‌های زنجیره‌ای به عملیات‌های متعدد و از آنجا که هوش مصنوعی نقشی مرکزی در کمک به اراده فعالیت‌هایشان دارد، این مجموعه جزو اصلی‌ترین گروه شرکت‌های تمامی‌ صنایع هستند که از ارزش واقعی این سیستم‌ها استفاده می‌کنند.
یکی از بخش‌های مهم هوش تجاری یعنی تحلیل تجاری، این عامل برای موفقیت بسیاری از شرکت‌ها در صنایع مختلف از جمله موفقیت تیم‌های ورزشیِ حرفه‌ای مهم است.
برای موفقیت شرکت‌هایی در انواع صنایع و از آن مهم‌تر برای موفقیت تیم‌های ورزشی حرفه‌ای مانند باستون رد ساکس، اوکلند ایز و نیوانگلند پتریوتس ضروری است.
تیم پتریوت با اتخاذ رویکردی تحلیلی توانست در چهار سال، سه بار قهرمان لیگ فوتبال آمریکایی شود. این تیم به صورت گسترده از مدل‌های تحلیل و داده در داخل و خارج زمین استفاده می‌کند. تحلیل‌های عمیق توانسته است در انتخاب بازیکن و نیز رعایت سقف حقوق تعیینی سازمان لیگ به این تیم کمک کند. مربیان و بازیکنان پتریوت به مطالعه گسترده فیلم و آمار بازی‌ها معروف بوده و بیل بلیچیک، سرمربی این تیم، مقالات اقتصادانان دانشگاه را درباره فرصت‌های آماری نتایج بازی فوتبال مطالعه می‌کند. در خارج از زمین، این تیم از تحلیل‌های دقیق برای ارزیابی و بهبود «تجربه کلی هواداران» استفاده می‌کند. مثلاً در هر بازی خانگی بین ۲۰ تا ۲۵ نفر به صورت خاص وظیفه اندازه‌گیری کمّی ‌میزان غذا، پارکینگ، پرسنل، تمیزی دستشویی‌ها و دیگر عوامل را بر عهده دارند.
در حوزه خرده‌فروشی نیز والمارت به صورت گسترده از تحلیل داده و گروه‌بندی برای برتری در این صنعت استفاده می‌کند. هارا نیز مبنای رقابت در صنعت بازی را از تاسیس ابرکازینوها به تحلیل حول وفاداری مشتری و خدمات تغییر داده است. آمازون و یاهو صرفاً سایت‌های تجارت الکترونیکی نیستند بلکه به صورت گسترده تحلیلی بوده و از رویکرد «آزمون و یادگیری» در زمینه تغییرات تجاری استفاده می‌کنند. کپیتال وان نیز هرساله بیش از ۳۰ هزار آزمون برای شناسایی مشتریان مناسب و قیمت‌گذاری کارت‌های اعتباری برگزار می‌کند.