Prezentace se nahrává, počkejte prosím

Prezentace se nahrává, počkejte prosím

Aplikace BI a jejich pořízení

Podobné prezentace


Prezentace na téma: "Aplikace BI a jejich pořízení"— Transkript prezentace:

1 Aplikace BI a jejich pořízení
Manažerské informační systémy Aplikace BI a jejich pořízení

2 Transakční systémy (ERP)
Postavení Competitive a Business Intelligence v architektuře IS organizace Probíhá selekce a agregace interních informací Roste - neurčitost - význam externích informací. - závažnost rozhodnutí CI (budoucí vývoj podniku) MIS (BI) (chování podniku) Transakční systémy (ERP) (stav podniku)

3 „Nedostatky zdrojových (transakčních) systémů
Neustálá změna – neustálý (on-line) režim aktualizace – vysoká zátěž systému Nedostupnost historie – zachycují jen aktuální stav – případně mají „krátkou“ paměť Čistota dat (konsistence a integrita) – nedostatečná identifikace entit (duplicity), roztroušenost a nekonsistence hodnot atributů, odlišná fyzická struktura a formáty Prof. Molnár

4 BI aplikace Tyto aplikace poskytují především obchodní informace z historických i současných podnikatelských operací a jsou schopné i předpovědí. Pomocí těchto aplikací se zpracovávají data z prodeje, výroby, financí apod. a slouží především v řízení výkonnosti podniku. BI aplikace dokonce dovedou shromažďovat informace z různých částí společnosti a mohou je porovnávat ve srovnatelných ukazatelích. All-in-one Tyto aplikace pokrývají všechny klíčové procesy v organizaci Mají vysoký stupeň integrace Náročnější upravování pro jednotlivé obory (branšová řešení) Best-of-Breed Tyto aplikace se orientují na jednotlivé obory nebo procesy Přinášejí detailnější a vyšíí funkcionalitu a oborové řešení Ale zato hůře koordinují procesy

5 OLAP a Data Mining OLAP, neboli Online Analytical Processing, je technologie ukládání dat v databázích umožňující uspořádání dat, aby tyto data byla snadno přístupná uživatelům, kteří tyto data analyzují a sledují trendy obchodních procesů a výsledků. Data bývají uložena takovým způsobem, aby byla umožněna rychlá realizace složitějších dotazů, a často se jedná o vícenásobné uložení stejných dat. Tato technologie používá k ukládání dat vícero indexů, které pak umožňují rychlejší vyhledávání dle vícero kritérií. K ukládání dat používá technologie OLAP předpočítané, agregované a odvozené hodnoty. Data Mining vytváří obecná pravidla o naších zákaznicích, dodavatelích a spolupracujících. Jedná se například o data ve smyslu toho, v kterých dnech či hodinách firmu klienti kontaktují, zda preferují podávání informací osobně, telefonicky nebo em, jak rychle reagují naši dodavatelé či spolupracovníci na naše žádosti a podněty, apod. Jedná se spíše o statistické vyhodnocení našich dat z obchodních a podnikatelských aktivit apod.

6 Architektura BI OLAP aplikace Relační databáze OLAP databáze
Interní provozní Informační systém Externí databáze Relační databáze OLAP databáze Prof. Molnár

7 DW se často používají jako systémy spojení dat pocházejících z různých transakčních (operačních) systémů (tzv. základní systémy) DataWarehouse Externí data Externí data Datová pumpa (Staging Area) odbyt zásobování výroba ekonomika Prof. Molnár

8 ETL proces V datech přenášených do datového skladu se téměř vždy objevují duplicity a datové chyby, které není jednoduché odhalit. Tyto nepřesnosti způsobuje proměnlivé názvosloví („str. 56“/„stránka 56“), používání, či nepoužívání diakritiky („František Novák“/„Frantisek Novak“), pravopisné a jiné chyby, které způsobují nekonzistenci a je nutné je rozpoznat. Většinou neexistuje korekce chyb ve zdrojovém systému, proto je třeba nekonzistence dohledat, opravit a záznamy logicky spojit do jednoho při plnění datového skladu Tento proces čištění dat při plnění datového skladu může pak zpětně sloužit jako opravná zpětná vazba pro zdrojový provozní informační systém. Udává se, že až 15 % všech zdrojových dat je nekonzistentních nebo nesprávných. Prof. Molnár

9 Pro ETL proces lze nastavit strategii pro čištění dat, jako například
remove (data, která nesplňují pravidla se nepřenesou dále, jsou odstraněna), match (očištění dat na základě nejbližší shody hodnoty atributů – odstranění překlepů, velká/malá písmena apod.) nebo custom (libovolná vlastní logika čištění dat). Prof. Molnár

10 Analýza segmentů trhu SKUPINA ZÁKAZNÍKŮ REGION sever jih východ
Obchodní domy Velkoobchod Maloobchod Sklo Keramika Plasty Ve druhém způsobu analýzy hospodářského výsledku se používá metoda nákladů na obrat, v níž se výsledky jednotlivých produktů srovnávají s vlastními náklady těchto výrobků. Změna hospodářského výsledku se tak projeví již při fakturaci ohodnocenou standardní kalkulací produktu. Výkaz ziskovosti je možno vytvořit jen tehdy, když dojde k obratům. V systému se nejprve definují tzv. atributy a množiny přípustných hodnot, jichž mohou nabývat. Mohou se použít buď atributy systémové nebo uživatelské. Příkladem atributu a jeho hodnot může například být: - “region” s hodnotami: sever, východ, západ, jih, Praha, Morava, - “skupina zákazníků“ s hodnotami: maloobchod, velkoobchod, obchodní domy, - “obor” s hodnotami: sklo, keramika, plasty, kovy, apod. Hodnoty atributů lze navzájem od sebe odvozovat. Při pořizování nákladů a výnosů je pak možné tyto hodnoty nechat systémem automaticky odvodit (tam, kde je to možné), případně ručně zadat. Objekt hospodářského výsledku pak vzniká kombinací hodnot definovaných atributů. Pro každý takový objekt si lze vyvolat výkaz ziskovosti. Dostáváme tak do rukou efektivní nástroj analýzy hospodářského výsledku například jednotlivých segmentů trhu a skupin produktů. V našem případě mohu třeba analyzovat ziskovost plastových výrobků prodaných do malobchodu v jižním regionu. OBOR Prof. Molnár 19

11 Analýza nákladů STŘEDISKO NAKLADOVY DRUH ČAS S01 S02 S03 Materiál Mzdy
Energie SU15 VOC25 NCU10 Ve druhém způsobu analýzy hospodářského výsledku se používá metoda nákladů na obrat, v níž se výsledky jednotlivých produktů srovnávají s vlastními náklady těchto výrobků. Změna hospodářského výsledku se tak projeví již při fakturaci ohodnocenou standardní kalkulací produktu. Výkaz ziskovosti je možno vytvořit jen tehdy, když dojde k obratům. V systému se nejprve definují tzv. atributy a množiny přípustných hodnot, jichž mohou nabývat. Mohou se použít buď atributy systémové nebo uživatelské. Příkladem atributu a jeho hodnot může například být: - “region” s hodnotami: sever, východ, západ, jih, Praha, Morava, - “skupina zákazníků“ s hodnotami: maloobchod, velkoobchod, obchodní domy, - “obor” s hodnotami: sklo, keramika, plasty, kovy, apod. Hodnoty atributů lze navzájem od sebe odvozovat. Při pořizování nákladů a výnosů je pak možné tyto hodnoty nechat systémem automaticky odvodit (tam, kde je to možné), případně ručně zadat. Objekt hospodářského výsledku pak vzniká kombinací hodnot definovaných atributů. Pro každý takový objekt si lze vyvolat výkaz ziskovosti. Dostáváme tak do rukou efektivní nástroj analýzy hospodářského výsledku například jednotlivých segmentů trhu a skupin produktů. V našem případě mohu třeba analyzovat ziskovost plastových výrobků prodaných do malobchodu v jižním regionu. VÝROBEK Prof. Molnár 19

12 Fakta a jejich aditivnost
Aditivní fakta – mohou být agregována pomocí jednoduchých funkcí jako je průměr, součet apod. přes všechny dimenze (např. výše tržeb může být sečtena jak za libovolné časové období a za všechny prodejny) Semiaditivní fakta – mohou být agregována podle jednotlivých dimenzí jen částečně (např. hotovost v bance může být sečtena jen za všechny účty, nikoliv za nějaké časové období) Neaditivní fakta – nemohou být agregována jednoduchými funkcemi (např. průměrná produktivita v jednotlivých měsících nemůže být sečtena za za rok, ani za všechny organizační jednotky) Prof. Molnár

13 Vlastnosti dimenzí Hierarchie Granularita Sdílení Proměnlivost
Prof. Molnár

14 Vlastnosti dimenzí (1) Hierarchie dimenze – umožňuje procházet daty od úrovně s nejvyšší mírou agregace k nižší úrovni (drill-down) a naopak (roll-up). Např. ústav, fakulta, univerzita, vysoké školy, nebo stavba, závod, divize, celá společnost. Granularita dimenze– základní úroveň detailu dat uložených v DW odpovídá nejnižší úrovni detailu u všech dimenzí. Tak vzniká problém balancování mezi objemem dat a mírou detailu zachycených dat. Daná metrika se může lišit podle dalších dimenzí Např. chceme-li sledovat denní výjezdy pohotovostních vozidel plynárenské služby v Praze, tak se může stát, že u řady dalších měst toto nemá smysl, protože stačí sledovat jen za týden. Prof. Molnár

15 Vlastnosti dimenzí (2) Sdílené dimenze (common shared dimension) – jsou společné pro všechna fakta a tím poskytují uživateli jednotný pohled na fakta a usnadňují implementaci. Typickými sdílenými dimenzemi jsou čas, organizační jednotka, produkt, zákazník apod. Proměnlivost dimenze (slowly changing dimension) – znamená, že atributy dimenze se mohou v čase měnit, což může komplikovat historické přehledy (sledování trendů). To je většinou řešeno ukládáním dvojích hodnot staré a nové. Pokud se dimenze mění často, vede to k nežádoucímu nárůstu atributů (dat). Např. zákazník se přejmenuje, sloučí s jiným či přestěhuje do jiného regionu. Prof. Molnár

16 Hierarchie dimensí Prof. Molnár

17 Tabulka vazeb faktů a dimensí
Prof. Molnár

18 Základní operace v OLAP systémech
Drill-down – umožňuje uživateli ve zvolené(-ých) instanci(-ích) jisté agregační úrovně nastavit nižší(jemnější) agregační úroveň Roll-up – jde o opak předešlé operace. Ve zvolených instancích jisté agregační úrovně nastavuje vyšší (hrubší) agregační úroveň. Pivoting – umožňuje „otáčet“ datovou krychlí, tj. měnit úhel pohledu na data na úrovni presentace obsahu datového skladu. Slicing – dovoluje provádět řezy datovou kostkou, tj. nalézt pohled, v němž je jedna dimenze fixována v jisté(-ých) instanci(-ích) jisté agregační úrovně. Jinými slovy tato dimenze aplikuje filtr na instance příslušné agregační úrovně dané dimenze. Dicing – je obdobou „slicingu“, jenž umožňuje nastavit takový filtr pro více dimenzí Prof. Molnár

19 Příklady dimenzí u aplikace prodeje
Čas (rok, měsíc, případně den v roce či den v měsíci) Stav (prognóza, plán skutečnost) Útvar (dle konkrétního organizačního uspořádání) Zákazník (obchodní zástupce, významný zákazník, přímý odběratel apod.) Segment trhu (státní sektor, soukromý sektor, bytová výstavba apod.) Produkt/zakázka (typ, provedení apod.) Teritorium (Evropa, ČR, kraj apod.) Nákladový druh (materiál, mzdy, cestovné,provize a pod.) a další dle konkrétních požadavků obchodníků Prof. Molnár

20 Příklady fakt u aplikace prodeje
Objem tržeb Náklady Zisk Počet zákazníků a další dle konkrétních požadavků obchodníků Z hodnot fakt a jejich dimenzí pak systém tvoří ukazatele Např. % nákladů na provize z celkových tržeb či z celkového zisku a jejich vývoj v čase a to dle jednotlivých útvarů Prof. Molnár

21

22

23 Prof. Molnár

24 Prof. Molnár

25 Pořízení BI Vlastním vývojem (většinou na bázi EXCELu s připojením na vybrané databáze v ERP) Nákupem standardní aplikace BI, která je součástí komplexního podnikového IS jako nadstavba ERP (SAP, ORACLE, Microsft Dynamics (NAVISION), MFG/Pro a pod.) tzv. systém all-in-one nákupem specializované aplikace BI, která je přes standardizovaný interface napojena na libovolný základní ERP systém (COGNOS, SAS Institute, ADASTRA, Inekon MIS Alea, Ortex, GIST, apod.) tzv. systém best-of breed Prof. Molnár

26 Postup při výběru BI definování potřeb a požadavků
stanovení hodnotících kriterií a jejich důležitosti identifikace vhodných produktů (short list) zpracování nabídek a prezentace produktů expertní vyhodnocení nabídek výběr produktu projednání kontraktu s dodavatelem

27 Hodnotící kriteria pro výběr BI (vybíráme produkt a jeho dodavatele)
funkčnost resp. odvětvová (branšová) nebo procesní specializace dodavatel, jeho reference a kapacita konsultantů integrace se stávajícím ERP (all-in-one, best of breed) cena

28 Cena BI cena HW (ceník), závislá na potřebném výkonu
cena SW (ceník), závislá na počtu licencí cena služeb (školení, úpravy, zavádění), závislá na rozsahu prací (počet člověkodní) cena údržby (maintenance), závislá na smluvním vztahu (obyčejně 10 až 20 % ceny SW) Prof. Molnár

29 Srovnání nákladu Prof. Molnár

30 Magický trojúhelník KVALITNĚ? (funkčnost) RYCHLE? LACINO?

31 Postup při zavádění BI Identifikace problému (nejsložitější etapa) – projekt musí být podložen nějakým problémem, v důsledku jehož vyřešení se očekává přínos pro podnik. Vytvoření prototypu – identifikace určitého podproblému (například jenom problém sledování a vyhodnocování nákladů), jehož vyřešení nevyžaduje příliš mnoho úsilí, ale výsledek bude jasně naznačovat, jak bude vypadat cílový systém. Prototyp má dva efekty Koncovému uživateli jasně ukazuje jak bude vypadat výsledek a co lze od budovaného řešení očekávat Dává možnost řešiteli vyzkoušet si i ověřit své předpoklady a získat konkrétná zkušenosti z analýzy, návrhu a technické realizace prototypu včetně seznámení se s prostředím uživatele a navázání komunikace s budoucími uživateli Rozvinutí (roll-out) systému - postupné (step-by-step) rozšiřování řešení do dalších oblastí podnikového řízení. Prof. Molnár

32 Manažerské informační systémy
Seminární práce BI

33 Zadání typu B – aplikace pro BI (best-of-bread)
Váš tříčlenný tým byl pověřen úkolem vybrat pro středně velký stavební podnik z nabídky BI aplikací typu best-of-bread nejlepší produkt a jeho nejvhodnějšího dodavatele. Pro získání potřebných informací o produktů a dodavatelích využijte především server dále webové stránky dodavatelů, všeobecné vyhledávače, případně proveďte vlastní šetření u vybraného stavebního podniku. Vyberte alespoň tři vhodné produkty z množiny produktů dle tabulky „Zadání produktů“, případně jejich dodavatele. Tyto produkty stručně charakterizujte a vzájemně srovnejte co do funkčnosti, referenčních aplikací ve stavebních firmách a ceny (pokud je jí možno zjistit u dodavatele) případně další charakteristik jako jsou případné podmínky dodání a poskytované služby. Zpracujte písemně příslušnou zprávu (cca 5 stran) a připravte presentaci v délce max. 10 minut) pro vedení společnosti (své spolužáky) s doporučením a zdůvodněním jakou aplikaci BI si má stavební podnik pořídit.

34 Zadání typu A – aplikace pro BI (all-in-one)
Váš tříčlenný tým byl pověřen úkolem vybrat pro středně velký stavební podnik z nabídky ERP systémů pro stavebnictví takový, který obsahuje také modul BI. Pro získání potřebných informací o produktů a dodavatelích využijte především server dále webové stránky dodavatelů, všeobecné vyhledávače, případně proveďte vlastní šetření u vybraného stavebního podniku. Vyberte alespoň tři vhodné produkty ERP, případně jejich dodavatele z množiny produktů dle tabulky „Zadání produktů“. Tyto produkty stručně charakterizujte a vzájemně srovnejte co do funkčnosti, referenčních aplikací ve stavebních firmách a ceny (pokud je jí možno zjistit u dodavatele) případně další charakteristik jako jsou případné podmínky dodání a poskytované služby. Zpracujte písemně příslušnou zprávu (cca 5 stran) a připravte presentaci v délce max. 10 minut) pro vedení společnosti (své spolužáky) s doporučením a zdůvodněním jakou aplikaci BI si má stavební podnik pořídit.


Stáhnout ppt "Aplikace BI a jejich pořízení"

Podobné prezentace


Reklamy Google