Nedavno sam prisustvovala predavanju na kojem se povela zanimljiva diskusija o jednom američkom maloprodajnom lancu kojem softver omogućava da blagajnica u trenutku dok ste na blagajni dobije informaciju o tome koji proizvod tom prilikom niste kupili, a uobičajeno se nalazio u vašoj košarici tijekom prijašnjih kupnji.
Blagajnica vam tada nudi taj proizvod i nudi vam mogućnost da vam ga donesu na blagajnu i da ga kupite. Jednoj grupi studenata se ta ideja činila odličnom, drugi su smatrali da nije dobra, jer stvara zastoje na blagajni i frustraciju drugih kupaca koji moraju čekati da proizvod stigne do blagajne. Treća grupa je zastupala stajalište da taj maloprodajni lanac direktno umanjuje sve svoje buduće kupnje, jer ako ste nešto zaboravili, velika je vjerojatnost da ćete se vratiti po to što se zaboravili i pri tome kupiti još nešto dodatno.
Diskusija o tome da li je bolji „golub na grani“ ili „vrabac u ruci“ nije završila konačnom odlukom studenata o tome da li je pristup dobar ili nije. Takve odluke svakako su dio kreiranja maloprodajne strategije i aktivnosti koje rezultiraju ostvarenjem strategije za koje je zadužen management tog poduzeća. Finalni sud o tome koliko je odluka da se uvede ovakav koncept u poslovanje bila ispravna pokazat će poslovni rezultati tog poduzeća.
Ako se odmaknemo od evaluacije o tome da li je ova poslovna odluka dobra ili nije, ovaj primjer sasvim sigurno govori o tome do kojeg nivoa su danas informacijski sustavi u mogućnosti podržati različite strategije, ideje i inicijative koje management može imati. Ovo je ujedno odličan primjer kako se poduzeće može ispitivati različite oblike „poslovno inteligentnog“ ponašanja u uvjetima žestoke konkurencije i borbe za svakog kupca.
Po teoriji, Poslovna inteligencija (eng. Business Intelligence, BI) predstavlja skup metodologija i koncepata za prikupljanje, analizu i distribuciju informacija uz pomoć različitih softverskih alata. Jedna je od tehnika poslovnog izvještavanja, koja omogućuje pronalaženje informacija potrebnih za lakše i točnije donošenje poslovnih odluka. Cijeli koncept je evoluirao iz Sustava za podršku odlučivanju (eng. Decision Support Systems, DSS) koji se koristio u američkim tvrtkama šezdesetih godina 20. stoljeća.
Danas gotovo svaka tvrtke prakticira neki oblik poslovne inteligencije. Sve dok je tvrtka relativno mala i dok koristi samo jedan transakcijski sustav (eng. Enterprise resource planning, ERP) i dalje se može ponašati poslovno inteligentno, ali nije nužno da koristi specijalizirana softverska rješenja za poslovnu inteligenciju.
Čim se tvrtka suoči s potrebnom povezivanja podataka iz više transakcijskih sustava, s količinom podataka koju više nije moguće obraditi svepristupnim Excelom, s nestrukturiranošću podataka, s potrebom da različitim djelatnicima s različitih organizacijskih nivoa osigura dostup do strukturiranih i selektiranih podataka, vrijeme je za uvođenje nekog softverskog rješenja za business intelligence.
Takva softverska rješenja primarno služe tome da integriraju i konsolidiraju sve relevantne podatke i da potpomognu analizu i vizualizaciju podataka u obliku i formatu koji je pogodan managementu u procesu donošenja odluka. Integracija i konsolidacija velikih količina raznovrsnih podataka u jedinstvenu unificiranu bazu podataka poznata je kao proces skladištenja podataka (eng. data warehousing). Skladište podataka je sukladno tome osnova nad kojom se dalje gradi business intelligence sustav.
Ono što se nikako ne smije previdjeti je činjenica da implementacija nekog rješenja za poslovnu inteligenciju mora proizlaziti iz konkretne poslovne potrebe. Poslovna potreba diktira sadržaj, opseg i funkcionalnosti business intelligence sustava. U ovisnosti složenosti poslovnih potreba, razvili su se i različiti oblici rješenja za poslovnu inteligenciju.
Ako je poduzeću potrebno pravovremeno izvještavanje o ostvarenim poslovnim rezultatima kroz skup preddefiniranih izvještaja stabilne i poznate strukture, vrlo vjerojatno će sustav kojeg će implementirati imati samo izvještajnu komponentu kroz koju će se na redovnoj osnovi kreirati spomenuti izvještaji (neki Reporting tool). Ako postoji potreba da se standardiziranim izvještajima doda i mogućnost postavljanja ad-hoc upita, tada će vjerojatno postojati i komponenta koja omogućava postavljanje jednokratnih upita nad setovima podataka (Ad-hoc Query tool).
Vrlo često ove dvije komponente nisu dovoljne, već analitičari u poduzećima traže alate kroz koje će moći naprednim analitičkim metodama aktivno analizirati podatke. Za podršku ovoj potrebi, najčešće se business intelligence sustav temelji na tzv. OLAP (eng. On-line analytical processing) strukturama podataka, popularno zvanim multidimenzionalnim strukturama ili kockama.
Takve strukture opisuju poslovanje kroz skup dimenzija (odgovaraju na pitanje po čemu analiziramo poslovanje, kao što su npr. poslovnice, proizvodi, vrijeme i sl.) i mjera (numeričke veličine poput količine, bruto vrijednosti, neto vrijednosti, iznosi knjiženja i sl.). Svi alati za OLAP analizu omogućavaju standardne funkcionalnosti kao što su prodiranje (eng. drill-down) sa sumarnijih nivoa podataka na detaljnije nivoe (npr. s nivoa godine na nivo mjeseca), agregiranje (eng. drill-up), tj. sumiranje podataka prema višim hijerarhijskim nivoima, zatim filtriranje podataka, vizualizaciju podataka u grafičkom obliku, usporedbe podataka između različitih perioda (npr. tekući mjesec i isti mjesec prethodne godine) i slično.
Ideja OLAP-a je da sve ove spomenute operacije krajnji korisnik izvodi samostalno i da prati njegov način razmišljanja o nekoj poslovnoj situaciji dok ju analizira. OLAP je najkorisniji kod traženja uzorka neke poslovne pojave, npr. traženja odgovora na pitanja poput Koji artikli su najprodavaniji?, Zašto pada prodaje na nekom tržištu? ili Zašto vrijednost zaliha odstupa od optimalne?
U praksi se susreću i tzv. nadzorne ploče (eng. dashboards) koje predstavljaju personalizirane korisničke portale koji obuhvaćaju uglavnom sve gore spomenute komponente, a sadržajno obuhvaćaju veći set informacija o poslovanju. To može npr. biti nadzorna ploča za upravljanje odnosima s kupcima, na kojoj se može nalaziti dnevni izvještaj o prodaji s mogućnošću filtriranja kupca ili grupe kupaca, detaljni izvještaj za praćenje Top 100 najprodavanijih artikala kod određenih kupaca, OLAP kocka za analizu trenda i dinamike kojom kupac/kupci plaćaju, i na kraju lista ključnih KPI-jeva i njihova usporedba s planskim iznosima za tog kupca ili skupinu kupaca.
Sljedeći oblik BI sustava su različiti sustavi za dubinsku analizu podataka (eng. data mining). Suština dubinske analize podataka je traženje skrivenih odnosa među podacima, njihova interpretacija, te utvrđivanje da li ti skriveni odnosi vrijede i nad drugim skupovima podataka s krajnjim ciljem da se predvidi neki ishod.
Jedna od prvih metoda dubinske analize podataka je metoda potrošačke košarice koja podrazumijeva traženje asocijativnih pravila koja pokazuju koji se parovi proizvoda i s kojom vjerojatnošću kupuju zajedno. Dubinska analiza podataka je našla svoju vrlo široku primjenu u industrijama kao što su telekomunikacije za predviđanje vjerojatnosti da će klijent prestati biti pretplatnik određene usluge ili u osiguravajućim kućama za predviđanje vjerojatnosti da će klijent obnoviti svoju policu.
U zadnje vrijeme podaci se koriste i u proizvodnji za predviđanje kvalitete konačnog proizvoda u visokoautomatiziranim proizvodnjama, gdje se bilježe ključni faktori procesa kao što su temperatura i tlak ili za predviđanje vjerojatnosti da će se određeni stroj pokvariti, kao bi se optimizirali troškovi održavanja.
Bez obzira koji je od navedenih oblika analitičkih sustava potreban za određenu poslovnu potrebu, treba imati na umu da analitički sustav poslovne inteligencije ne postoji kao gotov proizvod kojeg možete kupiti i koristi na principu „plug&play“.
Ono što dobavljači nude su tehnološke platforme koje omogućavaju izgradnju sustava, ali ne i gotov sustav. Gotovih sustava nema (osim rješenja koji se nadograđuju na pojedini ERP sustav, poput SAP BW-a) jer je svako poduzeće specifično, njihove strategije, proizvodi i procesi su različiti, njihovi izvori podataka su različiti.
Osim same tehnološke platforme, za implementaciju sustava poslovne inteligencije je s jedne strane potrebna kritična masa polovnih korisnika koja je u stanju definirati i specificirati svoju poslovnu potrebu, a s druge strane je potreban tim ljudi sa znanjem o metodologijama i konceptima potrebnim za implementaciju sustava. Iako pothvat implementacije business intelligence sustava najčešće uopće nije niti jednostavan ni jeftin, analitički sustavi su kompanijama nužni kako bi ostvarili svoj glavni cilj, a to je maksimizacija profita.
O autorici: Lidija Karaga je jedna od troje osnivača i partnera u Poslovnoj inteligenciji. Odgovorna je za kontinuirano unapređivanje internog znanja konzultanta i razvoj kompetencija, osiguranje kvalitete isporuke na projektima prema ISO 9001 standardima, te rješavanje ključnih pitanja vezanih za upravljanje projektima.
