هوش تجاری چیست؟

هوش تجاری طیف وسیعی از راهکار های کامپیوتری است که به یک شرکت یا سازمان کمک می کند تا بینش خوبی در خصوص عملیات حیاتی خود در برنامه های گزارش دهی و ابزار های تحلیلی بدست آورد.

ابزارهای هوش تجاری

برنامه های هوش تجاری ممکن است شامل ابزار های گوناگونی از جمله گزارشات جدولی، صفحه گسترده ها، نمودار ها و داشبورد ها باشند.
اگرچه سیستم های سنتی هوش تجاری از طریق سیستم های گزارش دهی کاغذی یا اتصال به ترمینال های داده ای معنی پیدا می کرد اما پیاده سازیی مدرن و امروزی این سیستم ها تحت وب یا اینترنتی می باشد.

همچنین توسعه برنامه های تعاملی بهینه سازی شده برای موبایل ها و تبلت ها و ابزار های هوشمند و ایمیل شامل این سیستم های مدرن می باشند.
برنامه های کاربردی هوش تجاری با ایجاد امکان درک بهتر امکانات اطلاعاتی و چگونگی تعامل آن ها با یکدیگر به هر فردی در سازمان قابلیت تصمیم گیری بهترر می دهند.

این امکانات و قابلیت های اطلاعاتی می توانند شامل بانک اطلاعاتی مشتریان، اطلاعات زنجیره تامین، اطلاعات پرسنلی، تولید، فروش و بازاریابی و هر منبع داده ای که برای سازمان شما حیاتی هستند می باشد.

یک برنامه کامل و جامع هوش تجاری که شامل امکانات تجمیع و یکپارچه سازی داده ها و ابزار های پاکسازی می باشد می تواند برای سازمان امکانات گزارش گیری و تحلیلی های دقیق را با اتصال داده های منابع محتلف و گردآوری آن ها در یک محل برای تحلیل های لحظه ای توسط هر فردی فراهم می کند.

ابزار های هوش تجاری سازمان را در تصمیم گیری یاری می دهند. این ابزار ها به کاربران این امکان را می دهند تا نه تنها به اطلاعات سازمان دسترسی خوبی داشته باشند بلکه گزارش دهی و تحلیل داده های حیاتی سازمان برای آن ها مقدور خواهد شد.
این فقط یک ساخت گزارش از انبار داده ها نیست، این گردآوری تعداد زیادی از افراد، مشتریان، شرکا و هرکسی است که به آن ها نیاز دارد.

تعریف دیگر

بطور کلی هوش تجاری مجموعه ای از استراتژی ها، فرآیند ها، برنامه های کاربردی، داده ها، معماری های فنی و تکنولوژی هایی است که توسط سازمان ها برای گرد آوری، تحلیل و ارائه داده های جمع ثبت شده، یا تحلیل های پیش نگر استفاده می شود.

برنامه های هوش تجاری همچنین می توانند ترکیبی از انواع تجزیه و تحلیل پیشرفته را ارائه دهند ، مانند داده کاوی، تحلیل های پیشگویانه، متن کاوی، تحلیل های آماری و تحلیل کلان داده ها.

در بسیاری از موارد، پروژه های تجزیه و تحلیل پیشرفته بوسیله تیم های جداگانه ای از کارشناسان داده، متخصصین آمار، مدل سازان و سایر متخصصین تحلیل ، رهبری و مدیریت می شوند، در حالی که تیم هوش تجاری بیشتر بر پرس جو ها (Query) و تحلیل های داده های کسب و کار نظارت می کند.
بنابراین هدف از هوش تجاری تفسیر آسان حجم زیادی از داده ها  با استفاده از مجموعه ای از ابزارها می باشد.
شناسایی فرصت های جدید و اجرای موثر یک استراتژی با بینشی عمیق، می تواند مزیت های رقابتی جدید و توسعه پایدار را برای سازمان ها به ارمغان آورد.

فعالیت های عمده تکنولوژی های هوش تجاری عبارتند از

1. گزارش دهی

   ریز جزئیاتی که در یک سازمان یا کسب و کار اتفاق می افتد باید در یک سیستم اطلاعاتی TPS ثبت شود.
   به نوعی با اینکار داده های تاریخی (Historical) ثبت می شوند و با چاپ یا خروجی های فیلتر شده یا کامل این داده ها یک سیستم گزارش دهی شکل می گیرید.

2. پردازش های تحلیلی آنلاین

   این تکنولوژی فعالیت های کسب و کار را به صورت چندبعدی تجزیه و تحلیل می‌کند و بدین ترتیب توانایی انجام محاسبات پیچیده، تجزیه و تحلیل رویه‌ها و مدل‌سازی داده‌های پیچیده را فراهم می‌کند. به این تکنولوژی OLAP گفته می شود.
   OLAP مشخصه کلیدی بیشتر سیستم‌های انبار داده می‌باشد.
   داده کاوی‌ها (Data Mining) و OLAP ابزارهای قدرتمندی برای تصمیم‌گیری می‌باشند.
   OLAP به آرشیو یا سوابق داده‌ها می‌پردازد. سوابق داده‌ها (Historical Data) به داده‌هایی گفته می‌شود که در طی یک دوره زمانی طولانی آرشیو می‌شوند.

3. تحلیل های تجاری

   این تکنولوژی شامل تحلیل های کسب و کار و تحلیل های آماری می شود.
   تحلیل های آماری بدین صورت است که با کمک الگوریتم های آماری و اعمال آن ها به داده های آرشیوی گذشته ، تحلیل های پیش نگر انجام می شود.
   این کار علاوه بر الگوریتم های آماری با سایر تحلیل های پیشرفته و تحلیل های خوشه ای و گروه بندی ها نیز انجام می شود.

4. داده کاوی

   داده کاوی استخراج اطلاعات نهان و یا الگوها و روابط مشخص در حجم زیادی از داده‌ها در یک یا چند بانک اطلاعاتی بزرگ است.
   به نوعی داده کاوی شناخت چیزهای جدید و با ارزش، بالقوه مفید، رابطه های منطقی و الگوهای موجود در داده ها است.
   در جوامع مختلف یافتن الگو های مفید در داده ها با عناوین متعددی (مانند داده کاوی) بیان می شود. برای مثال از عنوان هایی نظیر استخراج دانش، کشف اطلاعات، برداشت اطلاعات، پردازش الگوهای داده ها می توان نام برد.

5. فرآیند کاوی

   فرآیند کاوی بین هوش محاسباتی و داده‌کاوی از یک سو و مدل‌سازی فرایندهای سازمان و آنالیز از دیگر سو قرار می‌گیرد. هدف کاوش فرایند کشف، مانیتورینگ و ارتقای فرایندهای واقعی از طریق استخراج دانش از داده‌های ذخیره شده قابل خوانش از سیستم‌های اطلاعاتی امروزه می‌باشد.

6. پردازش رویداد های پیچیده

   فناوری پردازش رویدادهای پیچیده برای استخراج اطلاعات از سیستمهای مبتنی بر پیام است که در پایینترین سطح پردازش دادههای شبکه و یا در بالاترین سطح مدیریت نسبت به دیدگاه کاربران کار می‌کند.
   سامانه‌های بزرگ و پیچیده اطلاعاتی بهوسیله رویدادهای ساده که در خارج از دامنه سامانه اتفاق میافتند با یکدیگر ارتباط و تعامل میکنند.
   ترکیب رویدادهای ساده اولیه در سامانه و ایجاد یک رویداد ترکیبی و در نهایت ارسال یک اطلاعیه از رویدادهای ترکیبی، رفتار سامانه را نشان میدهد.
   نمونه هایی از سامانه‌ها مانند شبکه های حسگر برای مانیتور کردن محیط، کاربردهای مالی، ابزارهای کشف تقلب وجود دارند که از این فناوریی استفاده میکنند.

7. مدیریت عملکرد سازمانی

8. متن کاوی

   به داده‌کاوی‌ای که بر روی متن انجام شود اشاره دارد.
   همچنین به عنوان آنالیز متن نیز شناخته می‌شود که منظور از آن فرایند استخراج اطلاعات با کیفیت از متن است.
   تقاضا برای اطلاعات اکتشاف شده از منابع متنی به طور فزاینده ای در حال افزایش است.
   ذات غیرساخت یافته متون، اعمال همان روشهایی را که ما در مورد دیتابیسها بکار می بریم، غیرممکن می سازد.

9. تحلیل های پیش نگر و تحلیل های تجویزی

اجزای هوش تجاری

• تخصیص و تجمیع چند بعدی
• دی نرمال کردن، برچسب گذاری و استاندارد سازی
• گزارش دهی برخط با منابع غیر ساختیافته
• تجمیع و گروه بندی و بودجه بندی و پیش بینی
• شبیه سازی احتمالات و ارجاع آماری
• بهینه سازی شاخص های کلیدی عملکرد

معماری سیستم هوش تجاری

بعد از این که سازمانی ضرورت سیستم هوش تجاری را پذیرفت، یکی از مهمترین کارهایی که باید انجام دهد ، پیروی از یک طرح معماری هوش تجاری مناسب در فرآیند پیاده سازی سیستم است تا سرمایه گذاری سازمان در هوش تجاری با موفقیت همراه شود.

معماری هوش تجاری چهارچوبی است که اجزاء مختلف هوش تجاری (داده ها، افراد، فرآیند ها، فناوری و مدیریت) و نحوه گرد هم آمدن این اجزاء را برای اطمینان از عملکرد روان سیستم هوش تجاری بیان می کند.

اگر معماری سیستم به درستی طراحی نشود ناسازگاری هایی که بین اجزا به وجود می آید ممکن است منجر به ارائه اطلاعات اشتباه به افراد اشتباه و در زمان نامناسب شود.

لایه های معماری سیستم هوش تجاری

1_لایه منابع داده

در مرحله اول، یکپارچه سازی داده های ذخیره شده در منابع اولیه و ثانویه که در نوع و ریشه ناهمگون هستند ضروری است.
بخش بزرگی از داده به سیستم های اطلاعاتی مرتبط است اما ممکن است اسناد ساختار نیافته همانند پست الکترونیک و داده مرتبط با منابع خارجی نیز وجودد داشته باشد.
کار اصلی در این بخش یکنواخت کردن و یکپارچه کردن منابع داده مختلف است

2_لایه استخراج، انتقال و بارگذاری (ETL)

مانع اصلی ایجاد یک واسط کاربری هوش کسب و کار برای تصمیم گیران که به همه منابع اطلاعات سازمان دسترسی مستقیم دارد، وجود نرم افزار ها و بانک اطلاعاتی مختلف است که تبادل داده ها بین آن ها به سهولت امکان پذیر نیست.

• استخراج: این مرحله شامل دسترسی به داده های حاصل از منابع اغلب نا همخوان و متفاوت است. این منابع اعلب در پلتفرم های متفاوت هستند و همچنین می توانند بخشی از سیستم اطلاعاتی مشتریان نیز باشند.
• تبدیل: این مرحله داده های استخراج شده را تبدیل می کند و به عنوان پیچیده ترین مرحله از فرآیند استخراج، انتقال و بارگذاری شناخته می شود. مرحله تبدیل به وسیله ابزار های برنامه نویسی سنتی، زبان های اسکریپت نویسی یا زبان پرس و جوی ساختار یافته انجام می شود.
• بارگذاری: در مرحله بارگذاری، داده تبدیل شده، تجمیعی و فیلتر شده در انبار داده بارگذاری می شود.
• لایه انبار داده : در این لایه سه جز انبار داده عملیاتی و انبارک قرار دارند. جریان داده از انبار داده عملیاتی به انبار داده و سپس به انبارک ها است.

3_انبار داده عملیاتی

انبار داده عملیاتی برای یکپارچه سازی عملیات حاصل از فرآیند استخراج، انتقال، تبدیل و بارگذاری آن ها در انبار داده استفاده می شود.
انباره داده عملیاتی بانک اطلاعاتی است که داده های موضوع گرا، تفصیلی و مربوط به زمان حال را از چند منبع و برای پشتیبانی تصمیم ذخیره می کند.

1. انبار داده
   یک انبار داده مجموعه ای از داده های مرتبط با کسب و کار است که سازمان دهی و اعتبار سنجی شده اند. انبار داده به عنوان هسته اصلی یک سیستم هوش تجاری شناخته می شود.
2. داده گاه (انبارک)
   با توجه به این که داده های موجود در انبار داده اساساً برای پشتیبانی از نیاز ها در کل سازمان استفاده می شوند برای پشتیبانی از نیاز ها و درخواستت های یک واحد سازمانی خاص تجهیز شده اند.
3. لایه فراداده
   فرا داده راجع به داده هاست. یه این معنی که به داده هایی که برای توصیف داده ها به کار می روند فرا داده گفته می شود.
   فرا داده توصیف می کند که داده ها کجا استفاده و ذخیره می شوند، منبع داده کجاست، چه تغییراتی در داده صورت گرفته است و یک جزء داده چگونه باا بقیه اطلاعات مرتبط است. انبار فرا داده محلی است برای ذخیره سازی داده های مربوط به فرا داده.
4. لایه کاربر نهایی
   لایه کاربر نهایی شامل ابزار هایی برای نمایش اطلاعات به شکل های مختلف به کاربران متفاوت است. این ابزار ها را می توانیم به شکل سلسله مراتبب هرمی نمایش دهیم.