هوشمندی کسب‌وکار

از ویکی‌پدیا، دانشنامهٔ آزاد
(تغییرمسیر از هوش کسب‌وکار)
پرش به ناوبری پرش به جستجو

مقدمه[ویرایش]

هوشمندی کسب و کار (به انگلیسی: Business Intelligence) یا هوش تجاری، مجموعه‌ای از نظریات، روش‌ها، فرایندها، معماری‌ها و فناوری‌هایی است که برای تبدیل داده خام به اطلاعات مفید و معنادار استفاده می‌شود.[۱]

اطلاعات کسب‌وکار مقادیر بزرگی از اطلاعات را برای شناسایی و توسعه فرصت‌های جدید بکار می‌گیرد. بهره بردن از فرصت‌های جدید و اعمال یک استراتژی اثربخش می‌تواند مزیت بازار رقابتی و پایداری بلندمدت به ارمغان بیاورد.

کارکردهای رایج فن آوری های هوش تجاری شامل گزارش دهی(Reporting) ، پردازش تحلیلی آنلاین(online analytical processing) ، تجزیه و تحلیل (analytics)، داده کاوی (data mining) ، فرآیند کاوی (process mining) ، پردازش رویدادهای پیچیده (complex event processing) ، مدیریت عملکرد تجاری (business performance management) ، محک زدن (benchmarking) ، پردازش متن (text mining) ، تجزیه و تحلیل پیش بینی کننده (predictive analytics) و تجزیه و تحلیل چندجانبه (prescriptive analytics) می باشد. فن آوری های BI می توانند مقادیر زیادی از داده های ساختار یافته و بعضاً بدون ساختار را برای کمک به شناسایی ، توسعه و یا ایجاد فرصت های استراتژیک جدید تجاری، مدیریت کنند. در واقع هدف فن آوری های هوشمند سازی تجاری این است که پردازش و تفسیر آسان از داده های بزرگ را امکان پذیر کنند. شناسایی فرصت های جدید و اجرای یک استراتژی مؤثر بر مبنای یک بینش تجاری قوی، می تواند یک مزیت رقابتی در بازار را به صورت بلندمدت در اختیار کسب و کارها قرار دهد. در ادامه به شرح بیشتر برخی از موارد می پردازیم. [۲]

اطلاعات کسب‌وکار می‌تواند در مقاصد کسب‌وکاری ذیل بکار برود تا در کسب‌وکار منجر به تحقق ارزش بشود:

  1. اندازه‌گیری برنامه‌ای که سلسله مراتبی از شاخص‌های عملکرد و محک زنی (مدل مرجع شاخص‌ها) ایجاد می‌کند که راهبران کسب‌وکار در جریان اطلاعات پیشرفت به سوی اهداف کسب‌وکار قرار می‌دهد (مدیریت فرایند کسب‌وکار).
  2. تحلیل برنامه‌ای که فرایندهای کمی برای کسب‌وکار ایجاد می‌کند که بتواند به شناخت تصمیمات بهینه دست بیابد و به اکتشاف دانش کسب‌وکار بپردازد. برنامه‌های این گروه شامل موارد زیر می‌شوند: داده‌کاوی، فرایندکاوی، تحلیل آماری، تحلیل پیشنگرانه، مدل‌سازی پیشنگرانه، مدل‌سازی فرایندهای کسب‌وکار، پردازش وقایع پیچیده تعاملی و تحلیل تجویزی
  3. گزارش‌دهی/گزارش‌دهی سازمانی- برنامه‌هایی که زیرساخت‌های لازم برای گزارش‌دهی استراتژیک را در خدمت به مدیریت استراتژیک کسب‌وکار انجام می‌دهند که با گزارش‌دهی عملیاتی متفاوت است. این نوع گزارش‌ها شامل مصورسازی داده، سامانه اطلاعات مدیریتی و پردازش تحلیلی برخط (Online analytical processing) می‌شوند.
  4. تعامل/ سکوی تعامل- برنامه‌هایی که از طریق به اشتراک‌گذاری داده و تبادل اطلاعات الکترونیکی، مناطق مختلف (داخل یا بیرون از کسب‌وکار) را برای انجام کار کنار یکدیگر می‌آورد.
  5. مدیریت دانش- برنامه‌هایی که از طریق استراتژی‌ها و اقداماتشان برای شناخت، خلق، بازنمایی، توزیع و قادر ساختن سازمان به درک بینشها و تجربه‌هایی که دانش واقعی کسب‌وکار هستند سازمان‌ها را تبدیل به شرکت‌هایی داده پیشران می‌سازند. مدیریت دانش به مدیریت یادگیرند و انطباق تنظیمی منجر می‌شود.

تاریخچه[۳][ویرایش]

اولین استفاده از اصطلاح هوش تجاری در کتابی از "Richard Millar Devens" به نام "Cyclopaedia of Commercial and Business Anecdotes" در سال 1865 مشاهده شده است. وی در این کتاب از اصطلاح هوش تجاری برای توصیف چگونگی کسب سود آقای هنری فرنسی (Henry Furnese) که یک کارمند بانک بود، استفاده کرد. هنری فرنسی با دریافت و بررسی اطلاعات در مورد محیط پیرامون خود تجارت موفقی داشت: وی در سراسر هلند، فلاند،فرانسه و آلمان یک مجموعه کامل را به عنوان هوش تجاری ثبت کرده بود. بدین ترتیب، خبر جنگ های زیادی که درآن دوران اتفاق می افتاد را او زودتر از همه وارسی میکرد و با جمع آوری اطلاعاتی کامل از شرایط کشورها توانست سود زیادی کسب کند.

مفهومی مهم و استراتژیک که نخستین بار توسط او ثبت شده است : « توانایی جمع آوری اطلاعات و واکنش مناسب بر اساس اطلاعات بدست آمده ، در هوش تجاری حائز اهمیت است.»

در ادامه به معرفی دو تعریف اصیل از هوش تجاری میپردازیم:[۴]

1-طبق تحقیقات Solomon Negash و Paul Gray، هوش تجاری (BI) می تواند به عنوان سیستمی تعریف شود که سه مورد زیر را باهم تلفیق میکند:

  • جمع آوری اطلاعات
  • ذخیره اطلاعات
  • مدیریت دانش

با تجزیه و تحلیل موارد فوق برای ارزیابی اطلاعات پیچیده شرکتی و رقابتی و سپس ارائه به برنامه ریزان و تصمیم گیرندگان شرکت، با هدف بهبود زمان و کیفیت فرآیند تصمیم گیری.[۵]

2- طبق تحقیقات Forrester ، هوش تجاری "مجموعه ای از متدولوژی ها ، فرایندها ، معماری ها و فناوری هایی است که داده های خام را به اطلاعات معنی دار و مفیدی تبدیل می کند که مورد استفاده قرار می گیرند تا بینشها و تصمیم گیری های استراتژیک ، تاکتیکی و عملیاتی کارآمدتر را اعمال کنند." بر اساس این تعریف ، هوش تجاری مدیریت اطلاعات را دربر می گیرد (ادغام داده ها ، کیفیت داده ها ، انبار کردن داده ها ، مدیریت داده ها و.... ). بنابراین ، Forrester به آماده سازی داده ها و استفاده از داده ها به عنوان دو بخش جداگانه اما تنگاتنگ در هوش تجاری اشاره دارد. [۶]


آشنایی بیشتر با کاربردها با یک مثال[ویرایش]

هوش تجاری می تواند توسط شرکت ها برای پشتیبانی از طیف گسترده ای از تصمیم های تجاری از عملیاتی تا استراتژیک استفاده شود. تصمیم های عملیاتی اساسی شامل بازاریابی محصول یا قیمت گذاری می باشد. تصمیم های استراتژیک تجارت شامل اولویت ها ، اهداف و دستورالعمل ها در بالاترین سطح تصمیم گیری است. در همه موارد ، BI هنگامی بیشترین تاثیر خود را نشان میدهد كه داده های حاصل از بازار را كه یك شركت در آن فعالیت می كند (داده های خارجی) با داده های منابع داخلی شركت مانند داده های مالی و عملیاتی (داده های داخلی) تركیب كنند. هنگامی که داده ها با هم ترکیب شوند ، داده های خارجی و داخلی می توانند تصویر کاملی از وضعیت تجارت مذکور ارائه دهند که در واقع ، یک هوش مصنوعی ایجاد می کند که از مجموعه داده های داخل شرکت و خارج شرکت به صورت جداگانه حاصل نمی شود و نیاز به ترکیب این دو می باشد.[۷]در واقع ابزارهای هوش تجاری به سازمان ها توان می دهند تا بینش خود را نسبت به بازارهای جدید، ارزیابی تقاضا و مناسب بودن محصولات و خدمات برای بخش های مختلف بازار و سنجش تأثیر تلاش های بازاریابی تقویت کنند.[۸]

برنامه های BI از داده های جمع آوری شده از انبار داده (Data Warehouse) یا یک ساختار داده(Data Mart) استفاده می کنند. مفاهیم (BI:Business Intelligence) و (DW:Data Warehouse) به اختصار با نماد "BIDW" نشان داده می شوند. یک انبار داده شامل نسخه ای از داده های تحلیلی است که تصمیم گیری توسط هوش تجاری را تسهیل می کند. [۹]

در ادامه با واررسی یک مسئله به صورت عملی سعی بر ملموس کردن موارد فوق داریم:

  • فرض کنید شما یک فروشگاه بزرگ اینترنتی دارید و محصولات زیادی برای فروش. قطعا ذهن هیچ مدیری یارای نگهداری تمام اعداد و ارقام مربوط به خرید و فروش را ندارد و البته که واقعا نیاز به حفظ تمام این اعداد و ارقام نیست. در فرآیند پیاده سازی هوش تجاری طبق یک عملیات بر اساس علم داده ها (Data Science) همۀ داده‌های سازمان در یک دیتابیس (ِData Base) جمع می‌شود (اینکه اطلاعات روزانه جمع‌آوری شود یا ماهانه یا هفتگی دست خودتان است). در حقیقت این دیتابیس حاوی تمام اطلاعات شرکت و تک تک فروش‌ها و خریدهای انجام شده توسط سازمان است.

این دیتابیس،در واقع همان انبارۀ داده (Data Warhouse) هست که در بالا معرفی کردیم. این نقطۀ شروع و صفر مرزی پروژه‌های هوش تجاری است. اطلاعاتی که در انبار داده جمع‌آوری می‌شوند، چند بعد مهم دارند که عبارتند از:

  1. مکان:فرض کنید هر کالا توسط یک نفر خریداری می‌شود که این شخص در یک استان، شهر و منطقۀ به‌خصوصی زندگی می‌کند. پس یکی از ابعاد مهم داده‌های شما متغیر مکان است.
  2. زمان: علاوه بر تمام اینها هر فروش یک پارامتر زمان دارد، شما حساب کنید روزی حداقل 10 هزار تا از این فروش و فروش‌های دیگر به انباره داده اضافه می‌شوند.

حالا تصور کنید قرار است یک جلسه استراتژی‌های کلان (یا حتی غیر کلان و در مقیاس کوچک‌تر) برگزار شود و مدیران و تصمیم‌گیرندگان نهایی بخواهند یک تصمیم اساسی بگیرند؛ مثلا اینکه آیا استراتژی درستی است که برای صرفه جویی در هزینه‌ها اجناسی که از تامین کننده‌ها خریداری می‌شوند در انبارهای در دست احداث نگه داری شوند یا نه.

دقیقا از همین قسمت هوش تجاری وارد عمل می‌شود؛ مثلا در این مثالی که زدیم، مدیر یا گروه مدیریت به راحتی از روی اطلاعات خلاصه سازی شده (Summarized Data) می‌تواند بفهمد که چه کالاها یا گروه کالاهایی توسط کدام افرادی در چه شهرها و مناطقی بیشتر فروش می‌رود و یا در چه زمانی (فصل ، سال، روز) کدام کالا یا گروه کالایی بیشتر فروخته می‌شود.

حالا بر این اساس آیا آن استراتژی که مثال زدیم واقعا به صرفه‌جویی در هزینه‌ها کمک می‌کند یا بدتر باعث ایجاد هزینۀ اضافه می‌شود؟ مثلا اگر متوجه بشویم که کالای X در منطقۀ Y تهران فروش بالایی دارد، آیا تصمیم اینکه انبار کالای X را در منطقۀ Y  احداث کند، باعث کاهش هزینه‌های نگهداری و رساندن محصول می‌شود یا نه؟

اگر مدیر ما به Data warehouse دسترسی نداشت و خلاصه مجموع تعداد فروش، جمع عدد ریالی فروش به ازای هر کالا در زمان و مکان به‌خصوص را نداشت، باید تمام داده‌های چند سال را باید بررسی می‌کرد و تمام این محاسبات را به صورت دستی انجام می‌داد، سپس تمام این داده‌ها را  مقایسه می‌کرد. به فرض که عمر نوح داشت و فرصت می‌کرد اینکار را انجام دهد، قطعا تمام محاسبات او ضریب خطای بالایی داشتند. در واقع عملا این کار غیرممکن است و بدون انجام این فرآیند نیز اتخاذ تصمیم آگاهانه نخواهد بود.

با استناد به همین مثال میتوان فواید زیر حاصل از هوش تجاری را استنباط کرد:

  • به راحتی می‌توانید گزارشات سریع تهیه کنید
  • به تصمیمات سریع و هوشمندانه شما کمک می‌کند
  • بهره‌ وری شرکت شما را زیاد می‌کند
  • سرعت بخشیدن به بازگشت سرمایه
  • کاهش هزینه‌های نیروی انسانی


داده (Data)[۱۰][ویرایش]

عملیات های تجاری میتواند حجم بسیار زیادی از اطلاعات را در قالب نامه های الکترونیکی، یادداشت ها، تماس های تلفنی، اخبار، گروه ها کاربران(در فضای مجازی)، گفتگوها در جلسات، گزارش ها، صفحات وب ، ارائه ها، فایل های تصویری و ویدیویی و داده های بازاریابی ایجاد کند. به گفته مریل لینچ (Merrill Lynch)، بیش از 85٪ از کل اطلاعات کسب و کار (Business Informations) در این فرم ها و دسته بندی وجود دارند.و البته تمام این اسناد پرکاربرد نیستند و ممکن است یک شرکت فقط یک بار از سندی استفاده کند.[۱۱] به دلیل طریقه تولید و ذخیره، این اطلاعات یا بدون ساختار (unstructured) و یا نیمه ساختار یافته (semi- structured) هستند.

مدیریت داده های نیمه ساختار یافته و بدون ساختار یک مشکل حل نشده در صنعت فناوری اطلاعات است.[۱۲] طبق پیش بینی های گارتنر (Gartner) در سال 2003، تعداد قابل توجهی از کارمندان اداری شرکت های تجاری 30 تا 40 درصد از وقت خود را صرف جستجو، یافتن و ارزیابی داده های بدون ساختار می کنند. هوش تجاری (BI) هم از داده های ساختار یافته و هم از داده های بدون ساختار یا نیمه ساختار یافته استفاده می کند. در شرکت هایی که از تکنولوژی و فن آوری هوش تجاری استفاده نمیکنند جستجوی داده های ساختار یافته آسان است ولی داده های نیمه ساختار یافته یا بدون ساختار حاوی مقدار زیادی از اطلاعات برای تجزیه و تحلیل و تصمیم گیری است.بنابراین به دلیل دشواری در جستجوی مناسب، یافتن اطلاعات و ارزیابی داده های بدون ساختار یا نیمه ساختار یافته،ممکن است سازمان هایی که از هوش تجاری بهره نمیبرند این حجم گسترده اطلاعات که ممکن است فقط بر یک تصمیم، کار یا پروژه خاص تأثیر بگذارد، مورد توجه قرار ندهند. این در نهایت می تواند منجر به تصمیم گیری ضعیف وغیر آگاهانه در مسائل گردد.[۱۳]

بنابراین هنگام طراحی سیستم BI و DW باید راه حل های مناسب برای تحلیل اطلاعات بدون ساختار یا نیمه ساختار یافته لحاظ شود تا تحلیل و نتیجه گیری از تمامی داده ها صورت گیرد و مشکل فوق حل شود.


تفاوت هوش تجاری و تجزیه و تحلیل تجارت:[۱۴][ویرایش]

واژه های هوش تجاری و تجزیه و تحلیل تجارت (business analytics) گاهی اوقات به جای هم مورد استفاده قرار می گیرد ، اما تعاریف متفاوت و دقیق تری نیز برای آنها وجود دارد. توماس داونپورت (Thomas Davenport) ، استاد فناوری اطلاعات و مدیریت دانشکده بابسون استدلال می کند که هوش تجاری به مراحل پرس و جو، تجزیه و تحلیل کسب و کار، پردازش های آنلاین، گزارش و اعلام هشدار تقسیم بندی شود. در این تعریف ، تجزیه و تحلیل کسب و کار زیر مجموعه ای از هوش تجاری است که بر آمار ، پیش بینی و بهینه سازی تمرکز دارد.

تفاوت هوش تجاری و هوش رقابتی:[۱۵][ویرایش]

گرچه اصطلاح هوش تجاری (competitive intelligence) گاهی در کاربرد هم معنای هوش رقابتی است (زیرا هر دو به اتخاذ تصمیم گیری صحیح در کسب و کار کمک می کنند) ، اما هوش تجاری (BI) از فناوری های کاربردی و فرآیندها برای تجزیه و تحلیل متمرکز بر روی داده های داخلی، ساختاری و فرآیندهای تجاری استفاده می کند در حالی که هوش رقابتی جمع آوری ، تجزیه و تحلیل و پخش اطلاعات را با تمرکز بر روی وضعیت رقبای شرکت (و نه تمرکز بر روی داده های داخلی شرکت) است. در حالت کلی میتوان هوش تجاری را زیر مجموعه هوش رقابتی در نظر گرفت.[۱۶]


ابزارهای مورد استفاده در هوش تجاری[۱۷][ویرایش]

یکی از موارد قابل توجه این است که در سال های نه چندان دور داده کاوی و تحلیل داده ها در انحصار متخصصان حوزه فناوری اطلاعات بود و استفاده از این فن آوری کار ساده ای نبود اما اکنون کاری است که همه شرکت ها با استفاده از نرم افزارهای موجود در دنیا می توانند انجام دهند و این ابزارها به شما این امکان را می دهند که ارزیابی رشد تجارت خود، حل مسائل ضروری و فوری ، جمع آوری تمام داده های خود در یک مکان ، پیش بینی نتایج آینده و موارد دیگر را با بینشی مناسب انجام دهید.

در ادامه 15 مورد از برترین ابزارها و نرم افزارهای هوش تجاری معرفی میگردد :


جستارهای وابسته[ویرایش]

پانویس[ویرایش]

  1. (Rud, Olivia (2009). Business Intelligence Success Factors: Tools for Aligning Your Business in the Global Economy. Hoboken, N.J: Wiley & Sons. ISBN 978-0-470-39240-9.)
  2. "Business intelligence". Wikipedia. 2020-06-26.
  3. "Business intelligence". Wikipedia. 2020-06-26.
  4. "Business intelligence". Wikipedia. 2020-06-26.
  5. Burstein, Frada; W. Holsapple, Clyde (2008). "Handbook on Decision Support Systems 2". doi:10.1007/978-3-540-48716-6.
  6. «Topic Overview: Business Intelligence». www.forrester.com. دریافت‌شده در ۲۰۲۰-۰۶-۲۶.
  7. "Book sources". Wikipedia.
  8. "(PDF) Why Business Intelligence? Significance of Business Intelligence Tools and Integrating BI Governance with Corporate Governance". ResearchGate. Retrieved 2020-06-26.
  9. "Business intelligence". Wikipedia. 2020-06-26.
  10. "Business intelligence". Wikipedia. 2020-06-26.
  11. Rao, R. (2003-11). "From unstructured data to actionable intelligence". IT Professional. 5 (6): 29–35. doi:10.1109/MITP.2003.1254966. ISSN 1941-045X. Check date values in: |date= (help)
  12. «Wayback Machine» (PDF). web.archive.org. ۲۰۱۱-۰۱-۲۵. دریافت‌شده در ۲۰۲۰-۰۶-۲۶.
  13. Rao, R. (2003-11). "From unstructured data to actionable intelligence". IT Professional. 5 (6): 29–35. doi:10.1109/MITP.2003.1254966. ISSN 1941-045X. Check date values in: |date= (help)
  14. "Business intelligence". Wikipedia. 2020-06-26.
  15. "Business intelligence". Wikipedia. 2020-06-26.
  16. «What's Not BI? Oh, Don't Get Me Started....Oops Too Late...Here Goes.... | Forrester Blogs». web.archive.org. ۲۰۱۰-۰۵-۰۷. دریافت‌شده در ۲۰۲۰-۰۶-۲۶.
  17. m0p1n10n (2019-11-06). "Top 15 Business Intelligence Tools: An Overview". Mopinion. Retrieved 2020-06-26.

منابع[ویرایش]

  • (Rud, Olivia (2009). Business Intelligence Success Factors: Tools for Aligning Your Business in the Global Economy. Hoboken, N.J: Wiley & Sons. ISBN 978-0-470-39240-9.)