Prezentace se nahrává, počkejte prosím

Prezentace se nahrává, počkejte prosím

Prof. Molnár1 Podnikové informační systémy Manažerské IS a řízení znalostí Prof. Ing. Zdeněk Molnár, CSc Ústav řízení a ekonomiky podniku

Podobné prezentace


Prezentace na téma: "Prof. Molnár1 Podnikové informační systémy Manažerské IS a řízení znalostí Prof. Ing. Zdeněk Molnár, CSc Ústav řízení a ekonomiky podniku"— Transkript prezentace:

1 Prof. Molnár1 Podnikové informační systémy Manažerské IS a řízení znalostí Prof. Ing. Zdeněk Molnár, CSc Ústav řízení a ekonomiky podniku

2 Prof. Molnár2 Motto Objem všech dat na světě se zdvojnásobí zhruba každé 2 roky, přičemž výraznou měrou se na tomto exponenciálním růstu podílejí podniky. Problém dnes není data shromážďovat a uchovávat, ale organizovat takovým způsobem, aby byla rychle a snadno k dispozici.

3 Prof. Molnár3 Transakční systémy - operační data MIS/EIS Požadují se : - trendy - souvislosti - struktury - what-if - flexibilita Požaduje se: - rychlost odezvy - kapacita - integrita dat - konsistence dat Model chování systému Model stavu systému Úloha MIS

4 Prof. Molnár4 Datový sklad (Data Warehouse – DW) Datový sklad definujeme jako databázi, která je organizována tak, aby sloužila jako univerzální úložiště všech potenciálně užitečných dat. Data jsou organizována předmětně (náklady, prodeje a pod) a s každým záznamem je držena informace o čase, kdy byl do datového skladu přidán tj. je sledována jeho historie (Dohnal, Pour) Veškeré změny v databázi (aktualizace) probíhají dávkově (Batch Processing - nejčastěji v noci), zatímco uživatel spouští nad datovým skladem různé analytické (často velmi složit) dotazy v reálném čase (OLAP – On Line Analytical Processing)

5 Prof. Molnár5 DW se často používají jako systémy spojení dat pocházejících z různých transakčních (operačních) systémů (tzv. základní systémy) DataWarehouse Datová pumpa (Staging Area) výrobaekonomika odbyt Externí data Externí data zásobování

6 Prof. Molnár6 DataMarkt Finance Účelem DW je vytvoření konsistentních informací potřebných pro taktické a strategické rozhodování v různých oblastech podniku. Za tím účelem se budují DataMarkt(s) „datová tržiště“, která obsahují vybrané dimenze a fakta, která bývají „předzpracována“ tak, aby podporovala určitou tématickou oblast DataMarkt Marketing DataMarkt Personalistika DataWarehouse

7 Prof. Molnár7 Relační databáze (operační data) Multidimensionální databáze Datová pumpa Relační databáze (operační data)

8 Prof. Molnár8 Požadavky na funkčnost DW (1) Dostupnost, tj.DW musí být k dispozici uživatelům „neustále“. (Tento požadavek do jisté míry omezuje dobu, po kterou může být DW aktualizován) Aktuálnost, tj. DW by měl obsahovat co možná „nejčerstvější“ data z produkčních systémů. (Obyčejně je aktualizace DW aktualizován v noci, protože jde o proces, kdy HW je zatížen na maximum.) Odezva, tj. interaktivní zodpovídání rozmanitých analytických dotazů (OLAP) v „rozumné“ době (maximálně 3 minuty) i při značně rozsáhlých DW (až desítky GB)

9 Prof. Molnár9 Požadavky na funkčnost DW (2) Čistota (kvalita) dat, tj. jeden z fundamentálních požadavků (GIGO). Jde zejména o konsistenci „stejných“ dat vyskytujících se v různých produkčních systémů, jejich referenční a doménovou integritu. Právě zde vystupuje do popředí požadavek –jasně definovaného datového modelu –vybudování metainformačního systému (metadata – slovník a adresář) To je úkol zejména pro základní komponentu DW tj. program označovaný jako ETL (extraction, transformation, loading). Tato aplikace „sbírá“ data ze všech dostupných systémů, provádí jejich konsolidaci (čištění) a jejich následné nahrání do databáze DW.

10 Prof. Molnár10 pracuje na principu n-rozměrné Rubikovy kostky Transakční databáze nabíjení vytváření uživatelských řezů (výběrů) Multidimensionální databáze MIS

11 Prof. Molnár11 Analýza segmentů trhu SKUPINA ZÁKAZNÍKŮ OBOR REGION Obchodní domy Velkoobchod Maloobchod Sklo Keramika Plasty sever jih východ

12 Prof. Molnár12 Analýza nákladů NAKLADOVY DRUH VÝROBEK STŘEDISKO Materiál Mzdy Energie SU15 VOC25 NCU10 S01 S02 S03 ČAS

13 Prof. Molnár13 - Uživatelské vlastnosti MIS grafická a tabulková prezentace intuitivní ovládání panelů možnost detailních pohledů (drill-down) agregace a integrace dat multidimensionální řezy(slice and dice) víceuživatelský přístup diagnostika extrémních hodnot (alert) spouštění externích aplikací simulace (what-if) tiskové výstupy

14 Prof. Molnár14

15 Prof. Molnár15

16 Prof. Molnár16 Postup budování MIS/DW (1) 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.

17 Prof. Molnár17 Business/Competitive Intelligence je termín pro celou množinu konceptů a metodologií zlepšujících rozhodovací procesy v podnikání, které jsou založeny na - analýze faktů - odhalování souvislostí mezi nimi Na informace získané z různých zdrojů aplikujeme zkušenosti (znalosti) k získání předpovědi vývoje podnikání a ke zlepšení rozhodovacích procesů

18 Prof. Molnár18 Produkty podporující BI : -Executive/Enterprise Information Systems (EIS) -Management Support Systems (MSS) -Decision Support Systems (DSS) -Expert Systems (ES) -On-Line Analytical Processing (OLAP) -Data Mining -Data Visualisation - Knowledge management (KM)

19 Prof. Molnár19 Peter Drucker: Znalosti „Znalosti jsou dnes jediným smysluplným zdrojem. Tradiční „výrobní faktory“ - země (tj. přírodní zdroje), práce a kapitál nezmizí, ale stanou se druhotnými. Mohou být získávány a to navíc snadno, jen pokud máme potřebné znalosti“.

20 Prof. Molnár20 Data, informace a znalosti vzdělánízkušenostidata informace znalosti rozhodnutí (akce) data

21 Prof. Molnár21 Vztah informací a znalostí Informace, to je jenom symbolický (v podobě slov, čísel, obrázků a pod.) popis nějaké akce, zatím co znalost je schopnost (dovednost, znalost) tuto akci provést Bez potřebných znalostí nejsme schopni určit hodnotu a význam informací.

22 Prof. Molnár22 Informaci tvoříme z dat několika způsoby -účelovostí, tj. víme předem pro jaký účel data sbíráme, -kategorizací, tj. rozlišováním jednotlivých sledovaných jevů podle určitých (účelových) kriterií -výpočty tj. užíváním různých matematických a statistických metod -zhušťováním (agregací) tj. data jsou agregována do stručnějších forem -opravami, tj. odstraňováním (vylučováním) chybných dat

23 Prof. Molnár23 Z informací tvoříme znalosti srovnáváním (V čem se liší informace o dané situaci od informací o situacích, které již znám? odvozováním (Jaké důsledky má tato informace na moje rozhodnutí a akci?) spojováním (Jak souvisí tato informace s jinými?) komunikováním (Co si ostatní lidé myslí o této informaci?)

24 Prof. Molnár24 Knowledge Management Proces tvorby, zachycování a užívání znalostí za účelem zvýšení výkonnosti organizace (Bassi 1997) Jakýkoliv proces nebo postup tvorby, pořizování, zachycování, sdílení a užívání znalostí, kdekoliv se vyskytne za účelem zlepšení učení a výkonnosti organizace (Scarbrough 1999)

25 Prof. Molnár25 Knowledge Management znamená hledání odpovědí na otázky Jak identifikovat naše znalosti (naší kompetenci) jinými slovy co opravdu umíme dělat (Jinými slovy abychom věděli co všechno víme)? Jak tyto znalosti zachycovat (uchovávat), samozřejmě v digitalizované podobě? Jak tyto znalosti zlepšovat či rozšiřovat? Jak se zbavovat starých (neúčelných) znalostí? Jak šířit tyto znalosti sdílet s našimi zaměstnanci? Jak tyto znalosti užívat pro zvýšení naší konkurenceschopnosti, např. vyšší schopnost koordinace či flexibility našich procesů, které jsou nutné pro úspěšné zvládnutí turbulentní změny(viz dále)? Jak hodnotit (měřit) naše znalosti?

26 Prof. Molnár26 Typy znalostí Formální (technická) zkušenost Pravidla, zákony, předpisy Intuice Moudrost a sociální praxe explicitní skryté individuální kolektivní Vzájemné prolínáníVývoj podporovaný KM

27 Prof. Molnár27 Konkurenceschopnost každé firmy je přímo úměrná její schopnosti reagovat na nečekané události ať už positivní, či negativní Bill Gates:Byznys rychlostí myšlenky proto si vybudujte takový IS, který –umožní rozpoznat špatné zprávy kdekoli v organizaci a rychle je předat tam, kam je třeba –rychle shromáždí potřebné informace vztahující se k vzniklému problému –umožní rychle identifikovat pracovníky či celé organizace mající potřebné kompetence (znalosti) k řešení vzniklého problému


Stáhnout ppt "Prof. Molnár1 Podnikové informační systémy Manažerské IS a řízení znalostí Prof. Ing. Zdeněk Molnár, CSc Ústav řízení a ekonomiky podniku"

Podobné prezentace


Reklamy Google