Az előadás letöltése folymat van. Kérjük, várjon

Az előadás letöltése folymat van. Kérjük, várjon

1 Vállalati információs rendszerek 12. előadás: Vezetői Információs Rendszerek Elekes Edit, 2016.

Hasonló előadás


Az előadások a következő témára: "1 Vállalati információs rendszerek 12. előadás: Vezetői Információs Rendszerek Elekes Edit, 2016."— Előadás másolata:

1 1 Vállalati információs rendszerek 12. előadás: Vezetői Információs Rendszerek Elekes Edit,

2 2 Problémák típusai, döntéshozatal Jól strukturált: célok és cselekvési változatok ismertek, van eljárás a cselekvési változat kiválasztására. Rosszul strukturált: a meghatározása is nehéz. Megközelítése: Információk szintjén: a szükséges információk előállítása. Tevékenységek szintjén: az információk felhasználása tevékenységek elindítására. Értékek szintjén: az információk felhasználása (mire és hogyan). Döntéshozatal: függ a döntéshozó személyiségétől, tapasztalatától, tulajdonságaitól, kockázatkezelésétől. Mikroökonómiai modellek: korlátozott racionalitás.

3 3 A döntések jellege a vállalatban

4 4 Vezetőket támogató rendszerek Éles piaci verseny Gazdasági döntéshozók felelőssége => Gyors és megalapozott döntések (naprakész információk szerepe!) Menedzsment információs rendszer (MIS /Management Information System/). Előre specifikált jelentéseket küld a menedzsmentnek. Döntéstámogató rendszer (DSS /Decision Support System/). Interaktív döntéstámogatást végez. Vezetői információs rendszer (EIS /Executive Information System/– VIR). Felső vezetőknek szállít információt.

5 5 Vezetői Információs Rendszerek (VIR) A támogatás módjai nem különülnek el, a megvalósított rendszer több tevékenységet támogat. Meghatározás: Olyan szoftver, amely ◦ egy vállalat információs rendszerére épül, ◦ ebből egy előre kidolgozott modell alapján szűri ki a vezetők számára azt az információt, amire az üzleti folyamatok irányításához leginkább szükségük van. A VIR soha nem dolgozik bele a vállalati adatbázisba, onnan csak kiválasztja az adatokat. A VIR a vállalati információs rendszer teteje. Egy előre kidolgozott modell alapján szűri ki a vezetők számára szükséges információkat – könnyen áttekinthető, jól kezelhető módon.

6 6 VIR és ERP kapcsolata

7 7 A VIR és a vállalati információs rendszer kapcsolata VIR: hosszú tapasztalat, széleskörű számítástechnikai szaktudás, fejlesztési befektetés eredménye. VIR = menedzselési + irányítási + elemzési + döntési know-how eredménye. Pl. COMMANDER™ VIR kifejlesztése: Comshare Co. (USA), 10 millió dollár (3 milliárd Ft) Comshare Co.: 30 éves tapasztalat, kizárólag VIR fejlesztés, világpiaci részesedés a VIR terén 50%.

8 8 A VIR szerepe Felhasználási célok 85 %:Pénzügyi adatok figyelése. 67 %:Stratégiai adatok figyelése. 45 %:Marketing és eladási adatok figyelése. 40 %:Személyzeti adatok (emberi erőforrás) figyelése. 27 %:Piaci verseny adatainak figyelése. 20 %:Gyártási adatok figyelése től ugyanez a trend.

9 9 VIR bevezetése A céloknak és felhasználási igényeknek megfelelően a vállalat döntési folyamataihoz kell igazítani. Ez két lépésben történik: ◦ A működési modell megtervezése, kialakítása. ◦ A modell integrálása a VIR és a vállalati információs rendszer közé.

10 10 A VIR létrehozásának információs kapcsolatai

11 11 A VIR életciklusa Általában 5–8 évre tehető, és a következő fázisokból áll: ◦ a prototípus és a kezdeti kiépítés előállítása: 6 – 8 hónap, ◦ alkalmazás és továbbfejlesztés: 18 – 24 hónap, ◦ felhasználók számának növelése és az alkalmazás megszilárdítása: 18 – 24 hónap, ◦ komolyabb átalakítás az újabban felmerülő igények alapján: 18 hónap, ◦ újraüzemeltetés: 12 hónap.

12 12 Feldolgozási módok Függőleges leásás az adatbázisban ◦ zoom-olás, ◦ drilling, ◦ adatbányászás (data mining), „Mi lenne ha” típusú elemzés (What If Analysis), Célkeresés (Goal Seeking). Lefelé való navigálás a hierarchikusan szervezett és egymás alatti rétegekkel rendelkező adatbázisban. Az ilyen keresésnek az a célja, hogy egy felső szinten jelentkező problémának, irányzatnak, vagy jelenségnek meg lehessen találni a mélyebben rejlő okát, eredetét. Pl. ilyen lehet egy országos méretű áruházi lánc regionális szinten jelentkező piacvesztése okainak meghatározása. Időbeli eladási folyamatok vizsgálata is lehetséges ilyenkor.

13 13Elemzések What if analysis: Különböző célú modellezési kísérletek. Feltételezett adatok előírásával kiszámíttatjuk a rendszerrel, milyen eredmények várhatók. Goal seeking: A What if analysis inverze. Az elvárt értéket írjuk elő, a rendszerrel azt számíttatjuk ki, hogy az adott célok eléréséhez milyen bemeneti paraméterek szükségesek.

14 14 Megfigyelési paraméterek Azok az adatok, amelyek a vállalat sikerét vagy kudarcát jelzik. Ezeket a mennyiségeket célszerű folyamatosan figyelni. Fajtái a következők: ◦ Kritikus sikertényező (KST) (Critical Success Factor - CSF) ◦ Kulcsfontosságú teljesítménymutató (KTM) (Key Performance Indicator – KPI) ◦ Kiugró eltérések (kivételek) kezelése (Exception Handling)

15 15 Kritikus sikertényező (KST) Ide tartoznak azok a mutatók, amelyek előírt értékeinek elérése a vállalat fő célja. Abszolút mutatók. Pl. ◦ árbevétel, ◦ tiszta nyerség, ◦ költségszint, ◦ likviditási szint, ◦ piaci részesedés aránya, stb.

16 16 Kulcsfontosságú teljesítménymutató (KTM) Relatív mutató, ami azt jelzi, hogy milyen mértékben, arányban tudták elérni a kitűzött célokat, trendeket. Pl. ◦ a vásárlók elégedettségi szintje, a panaszok, reklamációk, ill. dicsérő észrevételek arányában, ◦ piaci részesedés változási aránya egy negyedévre nézve.

17 17 Kiugró eltérések (kivételek) kezelése (EH) Kijelölt paraméterek automatikus figyelése, ◦ előzetesen megadott határértékek (minimum, maximum), ill. ◦ tűrési sávok (-tól, -ig) alapján. Ha egy paraméter az előírt értéktől ◦ egy határon túl a megadott irányban eltér: piros értékkijelzés, ◦ figyelmeztetés (Early Warning) egy tűrési határon belül: sárga értékkijelzés, ◦ rendben levő érték (OK): zöld.

18 18 A vállalatirányítás információi A vállalat működését számszerűen jellemző legfontosabb adatok ◦ forrása és elemzője a kontrolling, ◦ indítékot adnak a beavatkozásra, ◦ a beavatkozás csatornája is a kontrolling. A szervezetet és annak piaci helyzetét jellemző egyéb információk ◦ forrása a teljes információs rendszer, ◦ elemezhetők különleges rendszerekkel.

19 19 OLAP OLAP (Online Analytical Processing) Többdimenziós adatnyomozás  a vállalati információs rendszer folyamatos üzemelése alatt,  ahol a feldolgozási idő gyakorlatilag nem függ a dimenziók számától.

20 20 A Codd-féle kritériumok 1. OLAP rendszer az alábbi szabályoknak kell, hogy megfeleljen: 1.Multidimenzionális kezelési képesség. 2.Átláthatóság. 3.Elérhetőség. 4.Konzisztens jelentéskészítési képesség. 5.Kliens/szerver architektúra. 6.Egységes dimenziómodellezés. 7.A nem teljesen kitöltött (hiányos) mátrixok dinamikus kezelése.

21 21 A Codd-féle kritériumok 2. 8.Többfelhasználós üzemelés támogatása. 9.A dimenziók közötti műveletek korlátozás nélküli végrehajthatósága. 10.Intuitív (közvetlen, segédeszköz nélküli) adatmanipuláció lehetősége. 11.Rugalmas jelentéskészítés. 12.A dimenziók és az aggregációs szintek száma korlátozás nélküli.

22 22 A Codd-féle kritériumok 1. OLAP rendszer az alábbi szabályoknak kell, hogy megfeleljen: 1.Multidimenzionális kezelési képesség (Unlimited Dimensions and Aggregation Levels). Kutatások alapján az OLAP minimum 15, maximum 20 dimenziót kell, hogy tudjon kezelni. Minden szinten a felhasználó által definiált összegzések száma korlátlan. 2.Átláthatóság (Transparency). A OLAP rendszer működésének, felépítésének, átláthatóságának ismerete, mely hozzásegíti a felhasználót a hatékony kezeléshez. 3.Elérhetőség, hozzáférhetőség (Accessibility). Az OLAP logikai és fizikai adatmodell együttes, aminek biztosítania kell, hogy a felhasználó bármilyen adatot bármilyen adatforrásból elérhessen. 4.Konzisztens jelentéskészítési képesség. 5.Kliens/szerver architektúra (Client-Server Architecture). A rendszer rendelkezzen egy intelligens OLAP szerverrel, amely logikai és fizikai adatmodelleket kezel, valamint a hozzákapcsolódó felhasználókat kiszolgálja. 6.Egységes dimenziómodellezés (Generic Dimensionality). Az adatbázisban minden dimenzió strukturális és működési szempontból egyenértékű, egyik sem lehet túlhangsúlyos a többihez képest. 7.A nem teljesen kitöltött (hiányos) mátrixok dinamikus kezelése (Dynamic Sparse Matrix Handling). A felhasználói igények változásával az adatmodellt át kell alakítani (rugalmasság követelménye). Az adatbázis hiányos mátrix szerkezetű, nem tömör, ami biztosítja az adatokhoz való gyors eljutást.

23 23 A Codd-féle kritériumok 2. 8.Többfelhasználós üzemelés támogatása (Multi- User Support). Felhasználók igényeinek párhuzamos kielégítése a rendszer integritása és biztonsága mellett. 9.A dimenziók közötti műveletek korlátozás nélküli végrehajthatósága. Egyenletes lekérdezés lehetősége (Consistent Reporting Performance). A dimenziók számának növekedésével, az adatbázis növekedésével a rendszer túlterheltté válhat, de a kiszolgálás sebessége nem csökkenhet. 10.Intuitív (közvetlen, segédeszköz nélküli) adatmanipuláció lehetősége (Intuitiv Data Manipulation). Az adatok elérését, szelektálását a felhasználó számára meg kell könnyíteni. 11.Rugalmas jelentéskészítés (Flexible Reporting). Az OLAP rendszerben az eredmények prezentálása sokféle lehet (szöveges, táblázatos, grafikonos formában tálalják az adatokat, dinamikus módon.) 12.A dimenziók és az aggregációs szintek száma korlátozás nélküli (Unrestricted Cross- Dimensional Operations). Az adatcellában levő elemeket és a köztük fennálló kapcsolatokat nem a felhasználóknak kell definiálni, ezt a logikai modell teszi meg, de e mellett őkis definiálhatnak számítási modelleket, választhatnak aggregált elemeket.

24 24 A Codd-féle kritériumokhoz Megjegyzések: ◦ a piacon elérhető OLAP rendszerek összehasonlítására is alkalmazhatók, ◦ a felhasználóknak maximálisan 19 konkurens adatdimenzióra lehet szükségük, ◦ egy komoly teljesítményű OLAP eszköznek legalább 15 dimenziót kell tudnia kezelni, amely szám lehetőleg 20-ig mehessen fel.

25 25 Többdimenziós adatstruktúrák A relációs modellnek egy olyan változata, amely több dimenzióban tárol adatokat és köztük levő relációkat: ◦ kockák, amelyek adatokból állnak, ◦ egy ilyen kockán belül újabb kockák helyezkednek el (egyik dimenzió függhet a másiktól) ◦ a kocka egy oldallapja képvisel egy adatdimenziót. ◦ egy cella a kockában adatot tárol, amely az összes dimenzióra van előállítva (konszolidált adat, aggregált adat)

26 26 OLAP végrehajtása Pl. egy cella tartalma lehet: eladott mennyiség (termék, régió, eladási csatorna, év, hónap) Ez itt 5 dimenzió.

27 27 Többdimenziós keresés a keresés haladhat a többdimenziós fastruktúrában ◦ fentről lefelé, ◦ oldalirányban, ◦ egy másik kiválasztott ágon felfelé. Ez a folyamat a jellemző ◦ a kritikus sikertényező figyelésére, ◦ a kiugró eltérések okainak nyomozására. Ugyanígy elindítható egy nyomozás a kulcsfontosságú teljesítménymutatók esetében is.

28 28 Keresőfa bejárása

29 29 Szakértői rendszerek SZR – Expert System Olyan szoftver rendszerek, amelyek olyan emberi szaktudást tartalmaznak egy specifikus szakterületen, amit egy felhasználó számára át tudnak adni. ◦ A szaktudás a rendszer ún. tudásbázisába (Knowledge Base) van beépítve: ◦ logikai összefüggésekbe rendezve, ◦ egymást követő szabályok formájában. ◦ A szabályok formája többnyire: IF THEN A szaktudás felhasználása (a tudásbázisból a tudáskinyerés eszköze): ◦ a rendszer saját ún. következtetési mechanizmusa (inference engine) segítségével használja fel a tudásbázisban levő információt az aktuálisan fellépő feladatokra, helyzetekre való reagáláshoz.

30 30 Szakértői rendszer létrehozása

31 31 Adatbányászás Cél: nagymennyiségű adatból értékes összefüggések, trendek, törvényszerűségek legyenek kimutathatók. Szükséges hozzá: ◦ a felhasználó hozzáértése, ◦ statisztikai és más, pl. heurisztikus,  szoftver módszerek,  algoritmusok,  eljárások,  eszközök.

32 32 Az adatbányászás szemlélete Adatbányászás: tevékenység + tudomány az üzleti szemlélet ◦ az üzleti célt, az üzleti folyamatokat tartja fókuszban, míg a technikai szemlélet ◦ a műveletek szakszerű elvégzésére koncentrál. A kettőt kombinálni kell. A pontosan, szakszerűen végzett technikai fázist mindig megelőzi és követi a tevékenység eredeti (üzleti) célját szem előtt tartó értékelő és út-kijelölő fázis.

33 33 Adatbányászás közelítésmódjai Célzott közelítés Nem célzott közelítés

34 34 Célzott közelítés felülről történő (top-down) közelítés, az ismeretlen rendszer fekete doboz, egy (vagy néhány) változójának a jövőbeli viselkedésére akarunk jóslatot kapni, csak a kimenet érdekel, a lehető legpontosabban, ismert példákból (pl. vevőként ismert személyekről szóló adatokat) következtetünk a még ismeretlen esetekre (leendő vevők), Eredmény (a jósló modellel): ◦ jövendőbeli érték, ◦ konfidencia intervallum, sikeres lehet, ha elegendő adat van ismert kimenetellel. 100%-os pontosságot sose várjunk!

35 35 Nem célzott megközelítés az ismeretlen rendszer nem fekete doboz, szeretnénk belelátni a rendszer működésébe, a bányász szerepe kulcsfontosságú, csak az ember tudja ◦ megmondani, hogy egy felismert alakzat fontos-e, ◦ felismerni az adatbányászás által feltárt jelenségben valami további összefüggést, mindig interaktív, többfázisú folyamat, a nyert információ birtokában lehetséges a jól irányzott, célzott kutatás.

36 36 Az adatbányászás tevékenységei Célzott (az adatokból célzottan, egy kitűntetett változó viselkedésére akarunk következtetéseket levonni): ◦ Osztályozás ◦ Becslés ◦ Jóslás, előrejelzés Nem célzott (nincs kitűntetett változó, nem célzott a kutatás, a cél a változók közötti viszonyok feltárása): ◦ Társítás, csoportosítás ◦ Klaszter-elemzés (Cluster Analysis) ◦ Leírás és megjelenítés

37 37 Az adatbányászás alkalmazásai Mindenütt használható, ahol sok az adat, és van belőle mit nyerni (pl. katonai műholdak felvételeinek értékelése), üzleti életben, ha a szükséges befektetés kevesebb, mint az általa elérhető haszon (költség-haszon elemzés), A legfontosabb felhasználási területek: ◦ Kutatás, ◦ Folyamatok javítása, ◦ Marketing-eszköz, ◦ Vevőkapcsolati eszköz.

38 38 Az adatbányászási ciklus Visszacsatolási körfolyamat, a negatív visszacsatolás a „problémaazonosítás”-ban van. A ciklus elemei: ◦ Problémaazonosítás, ◦ Adatfeldolgozás, ◦ Cselekvés, beavatkozás, ◦ Mérés.

39 39 Az adatbányászási ciklus folyamata

40 40 Adatáruházak (data warehouse) Belső folyamatok kialakítása –> Információs rendszerek létrehozása -> Vezetői információs rendszerek kialakítása. Céljuk: ◦ a vezetők elemzési igényeit egységes, teljes információval kiszolgálni, ◦ rövid válaszidővel. Keretrendszer: ◦ adatokat tároló szerkezetek, ◦ ezek feltöltésének módja, ◦ alkalmas letöltő, kereső programok.

41 41 Adatáruházak felhasználása Fejlettebb változatban az adatáruház ◦ integrálva a vállalati információs rendszerrel, ◦ képes annak valamennyi moduljából közvetlenül adatok kinyerésére, ◦ előre definiált  adatkockákkal (L. OLAP!),  beszámolókkal és  jelentésekkel ellátva, ◦ lehetőség az egyes dimenziók mentén  „mélyfúrásra”,  kivételek kezelésére,  idősorok elemzésére, stb.

42 42 Példa: SAP BW* Tervezéskor létesítendő objektumok: ◦ Forrásrendszer: tranzakciós rendszerek, az adatai származási helye. ◦ Adatforrás: átviteli struktúrák (SAP R/3 és BW rendszerben). ◦ Infóforrás: az átviteli szabályok szerint átalakított adatforrás. ◦ Infókocka: a sokdimenziós adatmodell, a tárolási hely. ◦ Átviteli szabályok: adatok tisztítása és átalakítása (konverziója). ◦ Adatfeltöltés szabályai. ◦ Tranzakciós adatokat tároló rendszer. * Business Information Warehouse Egységes felület: jelentéskészítés, elemzés. Nem alkalmas operatív, sűrűn módosuló adatokat okozó egyedi események, például egy adott rendelés lebonyolítási fázisainak követésére, sem kontrollingra. Az efféle feladatokat továbbra is az alapmodulokkal kell ellátni.

43 43 Adatáruházak működése Szoftver eszköz, az alábbiakra irányul: több különböző helyről, adatbázisból összegyűjtött adatot lehet ◦ elérni, ◦ lekérdezni, ◦ felhasználni a vállalati döntésekhez, minden számításba vehető adatról van másolat (vagy leszármaztatás), ezt a másolatot használjuk fel, az eredeti adatok különböző szoftver platformokon lehetnek, különböző intézményekhez, szervezetekhez tartozhatnak. Az adatáruházak konszolidált adatokat tartalmaznak, nagy mennyiségű adatot tartalmaznak. Felhasználás: ad hoc, komplex lekérdezések, ahol fontos a válaszidő (keretrendszer, architektúra, algoritmus, ehhez eszköz szükséges, melyekkel a különböző adatbázisokból ki lehet gyűjteni az adatokat egy központi tárhelyre, ezeket el kell választani a vállalat saját OLTP folyamataitól).

44 44 Adatáruházak felépítése Middleware (közvetítő szoftver) elkülönülő, heterogén működésű szoftver elemek közötti kommunikációt, adatforgalmat tart fenn, bonyolít le. a DBMS (Data-Base Management Systems) szférában konzisztens interfészként működik a lokális és távoli adatforrások között. funkcionális elemei: ◦ Alkalmazás-programozási interfész (Application Programming Interface – API): funkcióhívások C nyelven, valamint adatelérési utasítások sorozatát dinamikus SQL-ben, ◦ Middleware engine (middleware gép): kérések irányítása meghajtó egységek (driverek) felé, ◦ Meghajtó egységek (driverek): az API-n érkező kérések átalakítása az adatforrás számára értelmezhető formátumúra.

45 45 Adatraktárak (data mart) Adatáruházak működésének célszerű megszervezéséhez szükségesek. Mindegyik data mart annak az adatmennyiségnek tartalmazza egy részét, ami az adatáruházban tárolódik. tartalmuk egy-egy vállalati részleg saját információs igényeihez van igazítva, az áruházi adatkészletnek azt a részhalmazát tartalmazzák, amelyet a vállalat egy elkülönült részlege tud hatékonyan felhasználni.

46 46 Egy adatáruház logikai struktúrája

47 47 Vállalati folyamatok modellezése szoftver rendszerek, amelyek alkalmasak egy szervezet működési folyamatainak végigkövetésére, elvégzésére modellezett folyamatok pl.: ◦ Pénzáramlási folyamatok (cash flow) követése. ◦ Üzleti tervek változatainak előállítása. ◦ Termelési-gyártási folyamatok követése. ◦ Személyzeti-bérezési-adózási folyamatok követése. ◦ A vállalat piaci szereplésével kapcsolatos folyamatok követése. ◦ stb. Intelligens, döntéstámogató számítógépes rendszerek

48 48 Köszönöm a figyelmet!


Letölteni ppt "1 Vállalati információs rendszerek 12. előadás: Vezetői Információs Rendszerek Elekes Edit, 2016."

Hasonló előadás


Google Hirdetések