آنچه برای کار با هوش تجاری باید بدانید…
هوش تجاری در قالب هر تعریفی به دنبال افزایش سودآوری سازمان با استفاده از اتخاذ تصمیمات هوشمند و دقیق است. برای رسیدن به تصمیمات هوشمند در سازمان اهداف زیر مدنظر است:
1ـ جمع آوری دادههای سازمان بر اساس سیستمهای عملیاتی
کاربران در هر سازمانی سیستمهای نرمافزاری دارند که همیشه در حال وارد کردن دادهها به آن سیستمها هستند حال شما در هوش تجاری اطلاعات و دادههای این سیستمهای جزیرهای را جمع آوری خواهید کرد تا بتوانید در پروژه هوش تجاری از آن استفاده کنید.
2- یکپارچه سازی دادههای سازمان
بعد از اینکه اطلاعات را جمع آوری کردید حال بایستی این اطلاعات را یکپارچهسازی کنید.
3- ذخیرهسازی اطلاعات جمع آوری شده
اطلاعات یکپارچه شده را بایستی در یک انباره داده ذخیره کنید. ساخت و طراحی انباره داده (DW) را در ادامه بصورت کامل توضیح خواهیم داد.
4- تجزیه و تحلیل اطلاعات
در مرحله آخر شما میتوانید در ابعاد مختلف، اطلاعات خود را بر اساس تمام سیستمهای اطلاعاتی تجزیه و تحلیل کنید.
مزایای هوش تجاری چیست؟
طیف وسیعی از برنامههای BI به بسیاری از شرکتها کمک کردهاند تا ارقام قابل ملاحظهای از نرخ بازگشت سرمایه را محاسبه کنند. تا کنون از هوش کسب و کار برای پیدا کردن راهحلهایی جهت کاهش هزینهها، آشکار کردن فرصتهای شغلی جدید، تبدیل اطلاعات حاصل از فروش مستقیم به گزارشهای قابل دسترسی، پاسخ سریع به تقاضاهای خریدِ جزئی و بهینهسازی قیمتها استفاده شده است.
نرمافزارهای BI علاوه بر قابل دسترس ساختن دادهها، با کمّیسازی ارزش رابطه با تأمینکنندگان مواد اولیه و مشتریان، به شرکتها کمک میکنند تا در طول مذاکراتشان موفقتر باشند.
در زمینهی سرمایهگذاری راههای زیادی برای صرفهجویی در هزینهها با بهینهسازی روند کسب و کار و تصمیمات متمرکز وجود دارد. BI با آشکار کردن اشتباهات کوچک کسب و کار که معمولا نادیده گرفته میشوند، بر افزایش نرخ بازگشت سرمایه تأثیر بسیاری میگذارد. مثلا کارمندان شهر آلبوکِرک (شهری در ایالت نیو مکزیکو) با استفاده از نرمافزار BI سعی کردند راههایی برای کم کردن استفاده از تلفن همراه، هم از لحاظ مدت زمان و هم از لحاظ سایر هزینهها پیدا کنند. آنها توانستند در مدت سه سال، ۲ میلیون دلار در هزینههای شهر صرفهجویی کنند. مثال دیگر این است که شرکت تویوتا در سال ۲۰۰۰ با کمک سیستم BI متوجه شد که به شرکتهای باربری دو برابر بیشتر پرداخت میکرده است. برای موفق شدن در رقابت، شرکتهایی که از BI برای آشکار کردن اشتباهات روند کسب و کار استفاده میکنند شانس بیشتری نسبت به شرکتهایی دارند که فقط از BI برای نظارت بر کارها استفاده میکنند
جدا از در دسترس قرار دادن دادهها، نرمافزارهای هوش تجاری با سادهتر کردن سنجش کمیارزش ارتباط با فروشنده و مشتری، میتواند جایگاه شرکت در مذاکرات را نیز تقویت کند.
در حوزه تجاری فرصتهای بسیاری برای صرفهجویی مالی از طریق بهینهسازی روندهای تجاری و تمرکز بر تصمیمات وجود دارد. با روشن کردن نقاط ضعف، هوش تجاری به دستاوردهای چشمگیری در ROI میرسد. مثلاً کارمندان شهر آلبوکورک از نرمافزار هوش تجاری برای شناسایی فرصت کاهش استفاده از تلفن و دیگر هزینههای عملیاتی استفاده کرده و توانستند در مدت سه سال دو میلیون دلار صرفهجویی کنند. به همین شکل و به کمک ابزارهای هوش تجاری، شرکت تویوتا متوجه شد هزینه پرداختی به شرکتهای حمل و نقل تا مرز ۸۱۲ هزار دلار در سال ۲۰۰۰ اضافی بوده است. شرکتهایی که از هوش تجاری برای شناسایی نقاط ضعف تجاری خود استفاده میکنند در موقعیت بسیار بهتری در مقایسه با شرکتهایی قرار دارند که از هوش تجاری صرفاً برای نظارت بر اتفاقات استفاده میکنند.
معایب هوش کسب و کار
عواملی که برای شکست یک پروژه هوش تجاری میتوان در نظر گرفت عبارتند از:
1-فقدان همکاری و درگیری سازمانی
سیستم هوشمندسازمانی دائما در حال استنتاج و بروز رسانی هستند و نیاز به درگیری کارکردی دارند. سیستم هوش تجاری یک سیستم مستقل نیست بلکه استراتژی سازمان ها باید بگونه ای باشد که تعهد همکاری از همه واحد های کسب و کار در آن منعکس شود.
2-فقدان پشتیبانی از سوی سازمان
پروزه هوش تجاری نیاز به پشتیبانی از بالا دارد. در غیر اینصورت مانند سایر پروژه های فناوری اطلاعات در سازمان به آن نگاه میشود و این مساله منجر به دور شدن هوش تجاری از اهداف کلان و تمرکز بر کسب کار خواهد شد.
3-فقدان بخش های اجرایی مختص کسب و کار
پروژه های هوش تجاری نباید توسط ستاد فناوری اطلاعات اجرا شوند زیرا فاقد تیزهوشی و رهبری لازم برای کسب و کار هستند. دلیل این امر این است که بخش های کسب و کار دارای یک بینش برای دستیابی به موفقیت هستند. بنابراین باید مدیران بخش ها و واحد های مختلف سازمان را برای مشارکت در پروژه هوش تجاری تحریک کرد.
4-فقدان کارشناس و آموزش
از آنجاییکه پروژه های هوش تجاری کاملا کارکردی هستند، مهارت های تجزیه و تحلیل بالایی در کارمندان را میطلبند و به دانش شاخصهای ارزیابی عملکرد مانند کارت امتیازی متوازن برای سنجش و محک موفقیت احتیاج دارند. از این رو نیاز به استخدام و آموزش کارشناسانی در همه بخش های مورد نیاز خواهد بود.
5-فقدان برنامه ریزی دقیق
پروژه های هوش تجاری به دلیل ماهیت تکراری بودن، نیاز به برنامه ریزی دارند. به منظور غلبه بر مشکلات آینده ، برآورده ساختن احتیاجات پروژه ای نظیر منابع داده، پایگاه داده ها، هزینه یابی، ارزیابی ریسک، برنامه ریزی تفصیلی پروژه، عوامل کلیدی موفقیت و محدودیت ها باید بصورت واضح طرح ریزی شوند.
6-فقدان توسعه تکراریداده های چند تکه و فاقد استاندارد
نیاز به طراحی انبار داده های سازمانی، عدم استفاده از ابزارهایی که منجر به پیامدهای تبادل اطلاعاتی و افزایش پیچیدگی ها میگردند.
7-عدم کیفیت داده های منبع و طراحی انبار داده ها
انبار داده باید خودش بتواند خودش را تعریف کند و توصیف کند و فعالیت ها را در جهت فعالیت های کسب و کار هدایت کند.همچنین کیفیت داده ها و محل نگهداری آنها و مرحله پاک سازی داده ها بسیار مهم است