Sedamdesete i rane osamdesete bile su obilježene formiranjem prvih IT odjela i automatizacijom pojedinih funkcija unutar kompanija, dok je u drugoj polovici osamdesetih, a posebno u devedesetim prisutna pojava porasta upotrebe onoga što je danas poznato pod Office alatima - razni tablični kalkulatori, word procesori u gotovo svim segmentima poslovanja tvrtki.
Isto tako, kako su razne poslovne funkcije postale sofisticiranije dolazi do razvoja visoko specijaliziranih poslovnih aplikacija, posebno za računovodstvo, upravljanje lancem nabave, poslovno planiranje, naplatu potraživanja, upravljanje klijentima i slično. Sve te aplikacije generiraju i bilježe velike količine poslovnih događaja koji ostaju zapisani u njihovim bazama podataka.
Eksplozija podataka
Samo spremanje podataka nije problematično, već je suština problema u činjenici da su isti podaci često multiplicirani, nekonzistentni, informatičkim žargonom rečeno, podaci su 'prljavi'. Povrh toga, problem je i što podaci često nemaju isti kontekst u svim aplikacijama. Primjerice dvije aplikacije bilježe adresu korisnika ali u jednoj to predstavlja prebivalište, a u drugoj adresu s osobnog dokumenta. Upravo su se iz tih razloga kompanije našle u situaciji u kojoj su bogate podacima, a siromašne informacijama koje bi mogle upotrijebiti u poslovne svrhe.
Kao rješenje gore navedenih problema javljaju se sustavi poslovne inteligencije (BI sustavi, engl. Business Intelligence Systems), nova porodica poslovnih aplikacija kojima je u fokusu da na efikasan način kreiraju informacije iz podataka.
Dakle, cilj tih poslovnih aplikacija je nadilaženje tradicionalnih silosa informacija te modeliranje ponekad vrlo složenih odnosa između podataka. Osim toga te poslovne aplikacije omogućuju prikaz izvedenih informacija na lako shvatljiv način (grafovi, tabele i sl.) te ostavljaju mogućnost interaktivnosti nad podacima za takozvani drill down, tj. detaljiziranje u trenucima kada se za to pokaže potreba, a sve sa svrhom kvalitetnije analize podataka.
Često te aplikacije omogućuju planiranje i praćenje realizacije planiranog s jednostavnom mogućnošću pronalaženja razloga odstupanja od plana. Kao izvore podataka koriste aplikacije koje se koriste u operativnim poslovnim procesima, pa je moguće vrlo brzo reagirati na neplanirane anomalije u tekućem poslovanju (npr. pad prodaje novog proizvoda u tekućem mjesecu), a samim time i na rezultat poslovanja.
Ciljana korisnička ponuda
U današnje vrijeme kompanije sve više postaju svjesne da među svojim podacima vrlo često posjeduju veliku količinu informacija o korisnicima i njihovim navikama. To pruža mogućnost da korisniku ponude točno ono što mu je potrebno. Npr. na temelju kupovine mobilne aplikacije za praćenje sportskih aktivnosti, kompanija može odlučiti da klijenta uključi u marketinšku kampanju za sportsku opremu. Prednosti su obostrane jer klijent dobiva informaciju koja ga zanima, a kompanija smanjuje troškove marketinške kampanje, odnosno šalje ponudu onima koji se bave sportskim aktivnostima.
Gdje su informacije?
Uz današnju sofisticiranost produkata tvrtke mogu biti suočene s vrlo složenim procesima nabave koji često uključuju veliki broj dobavljača. Jedna od mjera kojom se mjeri efikasnost ovog procesa je takozvani 'cash on cash' ciklus. Kako taj parametar direktno utječe na prihode, želja svake kompanije je da je on što kraći. Tehnologije poput sustava za upravljanje lancem nabave omogućavaju da se tim ciklusima vrlo efikasno upravlja. Primjerice umjesto predviđanja sektora prodaje o tome kako bi se neki produkt mogao prodavati, radije se koriste razni feedbackovi krajnjeg korisnika u procesu nabave.
Uz to, porastom upotrebe socijalnih mreža, ponašanje svojih korisnika tvrtke sve češće žele pratiti i kroz takve kanale, jer su shvatile da mnoštvo korisničkih informacija leži upravo tamo. Podaci naravno postoje ali su u strukturama koje predstavljaju veliki izazov za tradicionalne alate za obradu podataka. Tipičan primjer je obrada tweetova ili tekstova na forumu u kojem se spominje kompanija ili njen produkt. Ovo je vrlo mlado područje ali zbog njegovog velikog potencijala danas postoje alati koji za cilj imaju upravo prikupljanje i analiziranje takvih podataka. Kompanije žele biti informirane o svojim korisnicima i/ili kupcima do te mjere da mogu predvidjeti što će oni željeti u budućnosti.
Poslovna inteligencija postaje sastavnim dijelom poslovnog sustava modernih kompanija koje integracijom više aplikacija dobivaju precizne podatke o svom poslovanju i podlogu za njihovo unaprjeđenje kao i unaprjeđenje korisničkog iskustva.
Na Combis konferenciji koja će se 25. i 26. rujna održati u Šibeniku, a kojoj je ICTbusiness.info medijski pokrovitelj, cijeli niz predavanja vezan je upravo uz poslovna IT rješenja.
* O autorici: Ivona Žagar, Business Development Manager, Combis
Intel je izgradio najveći svjetski neuromorfni sustav kodnog naziva Hala Point. Ovaj veliki neuromorfni sustav, prvobitno postavljen u Sandia National Laboratories, koristi Intelov procesor Loihi 2, ima za cilj podržati istraživanja za buduću umjetnu inteligenciju inspiriranu mozgom
Kolokacija servera poznata je praksa smještanja servera u vanjski data centar, umjesto u vlastiti prostor. Nudi niz prednosti za tvrtke svih veličina jer znatno smanjuje složenost i trošak povezan s održavanjem servera
Bank of Nova Scotia odabrala je Google Cloud za podršku svojim rastućim digitalnim operacijama, utirući put upotrebi generativne umjetne inteligencije i drugih novih tehnologija.
