Википедија

Бизнис Интелигенција

Нема проверени преработки на оваа страница, што значи дека можеби не е проверено дали се придржува до стандардите.

Деловната интелигенција ( БИ ) се состои од стратегии и технологии што ги користат претпријатијата за анализа на податоци на деловни информации .[1] БИ технологиите даваат историски, тековни и предвидливи погледи на деловното работење. Заедничките функции на технологиите за деловно разузнавање вклучуваат известување, аналитичка обработка преку Интернет, аналитика, развој на табла, минирање податоци, рударство на процеси, комплексна обработка на настани, управување со деловни перформанси, одредување споредби, текстуално рушење, аналитика за предвидување и аналитика на рецепт. БИ технологиите можат да управуваат со големи количини на структурирани, а понекогаш и неструктурирани податоци за да помогнат во идентификување, развој и на друг начин создавање нови стратешки деловни можности. Тие имаат за цел да овозможат лесно толкување на овие големи податоци. Идентификување на нови можности и спроведување на делотворна стратегија заснована врз увид може да им обезбеди на деловните субјекти конкурентска предност и долгорочна стабилност.[2]

Деловните интелигенции можат да ги користат претпријатијата за поддршка на широк спектар на деловни одлуки кои се движат од оперативни до стратешки. Основните оперативни одлуки вклучуваат позиционирање или цени на производите. Стратешките деловни одлуки вклучуваат приоритети, цели и насоки на најшироко ниво. Во сите случаи, БИ е најефикасен кога комбинира податоци добиени од пазарот на кој работи компанија (надворешни податоци) со податоци од извори на компании внатрешни за деловните активности, како што се финансиски и оперативни податоци (внатрешни податоци). Кога се комбинираат, надворешните и внатрешните податоци можат да обезбедат целосна слика што всушност создава „интелигенција“ што не може да се добие од кој било единствен сет на податоци.[3] Меѓу огромните употреби, алатките за деловно разузнавање ги поттикнуваат организациите да стекнат увид во новите пазари, да ја проценат побарувачката и соодветноста на производите и услугите за различни сегменти на пазарот и да го измерат влијанието на маркетинг напорите.[4]

Апликациите за БИ користат податоци собрани од складиште на податоци (DW) или од податоци март, а концептите на BI и DW се комбинираат како „BI / DW“[5] или како „BIDW“. Складиштето за податоци содржи копија од аналитички податоци што ја олеснуваат поддршката за донесување одлуки.

Историја

уреди

Најраната употреба на поимот деловна интелигенција е во Циклопедија на комерцијални и деловни анегдоти на Ричард Милар Девенс (1865). Девенс го употребил терминот за да опише како банкарот Сер Хенри Фурниз добил профит со добивање и постапување по информации за неговата околина, пред неговите конкуренти.

Способноста да се соберат и соодветно да се реагира врз основа на добиените информации, вели Девенс, е од клучно значење за деловната интелигенција.[6]

Кога Ханс Питер Лун, истражувач во IBM, го употребил изразот деловна интелигенција во една статија објавена во 1958 година, тој ја употребил дефиницијата на Речникот на Вебстер за интелигенција: „можноста за сфаќање на меѓусебните односи на презентираните факти на таков начин што ќе ги води дејствијата кон посакувана цел “.[7]

Деловната интелигенција, како што е разбрана денес, се вели дека еволуирала од системите за поддршка на одлуки (ДСС) кои започнале во 1960-тите и се развивале во средината на 80-тите години на минатиот век. ДСС потекнува од компјутерски помогнатите модели создадени за да помогнат при донесување одлуки и планирање.  [ потребно е цитирање ] Во 1989 година, Хауард Дреснер (подоцна аналитичар на Гартнер) предложил деловно разузнавање да биде како umbrella термин за да опише „концепти и методи за подобрување на донесувањето деловни одлуки со употреба на системи за поддршка засновани на факти“.[8] Дури во доцните 1990-ти оваа употреба била широко распространета.[9]

Критичари  гледале на БИ само како еволуција на деловното известување заедно со појавата на сè посилни и лесни за употреба алатки за анализа на податоци.

Дефиниција

уреди

Според Соломон Негаш и Пол Греј, деловната интелигенција (БИ) може да се дефинира како системи што комбинираат:

  • Собирање податоци
  • Складирање на податоци
  • Управување со знаење

со анализа за проценка на комплексни корпоративни и конкурентни информации за презентација пред планерите и донесувачите на одлуки, со цел да се подобри навременоста и квалитетот на влезот во процесот на одлучување. " [10]

Според „Forrester Research“, деловната интелигенција е „збир на методологии, процеси, архитектури и технологии кои ги трансформираат суровите податоци во значајни и корисни информации што се користат за да се овозможи поефикасен стратешки, тактички и оперативен увид и донесување одлуки“.[11] Според оваа дефиниција, деловната интелигенција опфаќа управување со информации (интеграција на податоци, квалитет на податоци, складирање на податоци, управување со мастер-податоци, анализа на текст и содржина и др.) Затоа, Форестер посочува на подготовка на податоци и употреба на податоци како два одделни, но тесно поврзани сегменти на деловно-разузнавачката архитектонска кутија.

Некои елементи на деловна интелигенција се:  [ потребно е цитирање ]

  • Повеќедимензионална агрегација и алокација
  • Денормализација, обележување и стандардизација
  • Известување во реално време со аналитичко предупредување
  • Метод за интерфејс со неструктурирани извори на податоци
  • Предвидувања за консолидација, буџетирање и тркалање на групата
  • Статистички заклучок и веројатна симулација
  • Оптимизација на клучните индикатори за перформанси
  • Контрола на верзии и управување со процеси
  • Управување со отворени ставки

Форестер го разликува ова од пазарот за деловно разузнавање, што е „само горните слоеви на архитектонскиот оџак БИ, како што се известување, аналитика и контролни табли “.[12]

Податоци

уреди

Деловните операции можат да генерираат многу голема количина на податоци во форма на е-пошта, белешки, белешки од повикувачки центри, новости, кориснички групи, разговори, извештаи, мрежни места, презентации, податотеки со слики, видео-податотеки и маркетинг материјал. Според Мерил Линч, повеќе од 85% од сите деловни информации постојат во овие форми; компанија може да користи таков документ само еднаш.[13] Поради начинот на производство и складирање, оваа информација е или неструктурирана или полуструктурирана .

Управувањето со полуструктурирани податоци е нерешен проблем во индустријата за информатичка технологија.[14] Според проекциите од Гартнер (2003), работниците со бела јака трошеле 30-40% од своето време во пребарување, наоѓање и проценка на неструктурирани податоци. БИ користи и структурирани и неструктурирани податоци. Првиот е лесен за пребарување, а вториот содржи голема количина на информации потребни за анализа и донесување одлуки.[15] Поради тешкотијата за правилно пребарување, наоѓање и проценка на неструктурирани или полуструктурирани податоци, организациите не можат да се осврнат на овие огромни резервоари на информации, што може да влијае на одредена одлука, задача или проект. Ова на крајот може да доведе до лошо информирано донесување одлуки.[13]

Затоа, при дизајнирање деловна интелигенција/решение за ДВ, мора да се прилагодат специфичните проблеми поврзани со полуструктурирани и неструктурирани податоци, како и оние за структурираните податоци.[15]

Неструктурирани податоци наспроти полуструктурирани податоци

уреди

Неструктурираните и полуструктурираните податоци имаат различно значење во зависност од нивниот контекст. Во контекст на системите за релациона база на податоци, неструктурираните податоци не можат да се чуваат во предвидливо подредени колони и редови . Еден вид на неструктурирани податоци обично се складираат во BLOB (бинарен голем објект), тип на податоци за улоги достапен во повеќето системи за управување со релациони бази на податоци . Неструктурираните податоци исто така може да се однесуваат на нередовно или случајно повторени обрасци на колони кои варираат од ред до ред[16] или податотеки со природен јазик кои немаат детални метаподатоци.[17]

Сепак, многу од овие типови на податоци, како е-пошта, текстуални податотеки за обработка на текст, ПДФ, PPT, податотеки со слика и видео-податотеки се во согласност со стандардот што нуди можност за метаподатоци. Метаподатоците можат да вклучуваат информации како што се авторот и времето на создавање, и тие можат да бидат зачувани во релациона база на податоци. Затоа, можеби е поточно да се зборува за ова како полуструктурирани документи или податоци,[14] но се чини дека не е постигнат специфичен консензус.

Неструктурираните податоци исто така можат едноставно да бидат знаење што го имаат деловните корисници за идните деловни трендови. Предвидувањата на деловните активности природно се усогласуваат со системот БИ затоа што деловните корисници мислат на нивниот бизнис збирно. Фаќањето на деловното знаење што може да постои само во умовите на деловните корисници обезбедува некои од најважните точки на податоци за целосно решение за БИ.

Ограничувања на полуструктурирани и неструктурирани податоци

уреди

Постојат неколку предизвици за развој на БИ со полуструктурирани податоци. Според Инмон и Несавич,[18] некои од нив се:

  • Физички пристап до неструктурирани текстуални податоци - неструктурираните податоци се зачувуваат во огромна разновидност на формати.
  • Терминологија - Меѓу истражувачите и аналитичарите, постои потреба да се развие стандардизирана терминологија.
  • Обем на податоци - Како што беше кажано претходно, до 85% од сите податоци постојат како полуструктурирани податоци. Спарете го тоа со потреба од збор до збор и семантичка анализа.
  • Пребарување на неструктурирани текстуални податоци - Едноставно пребарување на некои податоци, на пр. Јаболко, резултира со врски каде што се повикува на тој прецизен термин за пребарување. (Inmon & Nesavich, 2008)[18] дава пример: „се прави пребарување по поимот кривично дело. При едноставно пребарување, се користи терминот кривично дело и секаде има упатување на кривично дело, се прави хит на неструктуриран документ. Но, едноставното пребарување е грубо. Не наоѓа упатувања на криминал, подметнување пожар, убиства, проневери, убиства со возила и слично, иако овие злосторства се видови кривични дела“.

Метаподатоци

уреди

За да се решат проблемите со пребарување и проценка на податоците, потребно е да се знае нешто за содржината. Ова може да се направи со додавање на контекст преку употреба на метаподатоци .[13] Многу системи веќе фаќаат некои метаподатоци (на пр. Име на податотека, автор, големина, итн.), но покорисни би биле метаподатоците за вистинската содржина - на пр. резимеа, теми, луѓе или споменати компании. Две технологии дизајнирани за генерирање метаподатоци за содржината се автоматска категоризација и извлекување информации .

Поврзано

уреди

Наводи

уреди
  1. ↑ Dedić N. & Stanier C. (2016). „Measuring the Success of Changes to Existing Business Intelligence Solutions to Improve Business Intelligence Reporting“ (PDF). Measuring the Success of Changes to Existing Business Intelligence Solutions to Improve Business Intelligence Reporting. Lecture Notes in Business Information Processing. Lecture Notes in Business Information Processing. 268. Springer International Publishing. стр. 225–236. doi:10.1007/978-3-319-49944-4_17. ISBN 978-3-319-49943-7.
  2. ↑ (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.)
  3. ↑ Coker, Frank (2014). Pulse: Understanding the Vital Signs of Your Business. Ambient Light Publishing. стр. 41–42. ISBN 978-0-9893086-0-1.
  4. ↑ Chugh, R & Grandhi, S 2013, ‘Why Business Intelligence? Significance of Business Intelligence tools and integrating BI governance with corporate governance’, International Journal of E-Entrepreneurship and Innovation, vol. 4, no.2, pp. 1-14. https://www.researchgate.net/publication/273861123_Why_Business_Intelligence_Significance_of_Business_Intelligence_Tools_and_Integrating_BI_Governance_with_Corporate_Governance
  5. ↑ Golden, Bernard (2013). Amazon Web Services For Dummies. For dummies. John Wiley & Sons. стр. 234. ISBN 9781118652268. Посетено на 2014-07-06. [...] traditional business intelligence or data warehousing tools (the terms are used so interchangeably that they're often referred to as BI/DW) are extremely expensive [...]
  6. ↑ Miller Devens, Richard (1865). Cyclopaedia of Commercial and Business Anecdotes; Comprising Interesting Reminiscences and Facts, Remarkable Traits and Humors of Merchants, Traders, Bankers Etc. in All Ages and Countries. D. Appleton and company. стр. 210. Посетено на 15 February 2014. business intelligence.
  7. ↑ H P Luhn (1958). „A Business Intelligence System“ (PDF). IBM Journal of Research and Development. 2 (4): 314–319. doi:10.1147/rd.24.0314. Архивирано од изворникот (PDF) на 2008-09-13.
  8. ↑ D. J. Power (10 March 2007). „A Brief History of Decision Support Systems, version 4.0“. DSSResources.COM. Посетено на 10 July 2008.
  9. ↑ Power, D. J. „A Brief History of Decision Support Systems“. Посетено на 1 November 2010.
  10. ↑ Springer-Verlag Berlin Heidelberg, Springer-Verlag Berlin Heidelberg (21 November 2008). Topic Overview: Business Intelligence. doi:10.1007/978-3-540-48716-6. ISBN 978-3-540-48715-9.
  11. ↑ Evelson, Boris (21 November 2008). „Topic Overview: Business Intelligence“.
  12. ↑ Evelson, Boris (29 April 2010). „Want to know what Forrester's lead data analysts are thinking about BI and the data domain?“. Архивирано од изворникот на 6 August 2016. Посетено на 4 November 2010.
  13. ↑ 13,0 13,1 13,2 Rao, R. (2003). „From unstructured data to actionable intelligence“ (PDF). IT Professional. 5 (6): 29–35. doi:10.1109/MITP.2003.1254966.
  14. ↑ 14,0 14,1 Blumberg, R.; S. Atre (2003). „The Problem with Unstructured Data“ (PDF). DM Review: 42–46. Архивирано од изворникот (PDF) на 25 January 2011.
  15. ↑ 15,0 15,1 Negash, S (2004). „Business Intelligence“ (PDF). Communications of the Association for Information Systems. 13: 177–195. doi:10.17705/1CAIS.01315. Архивирано од изворникот (PDF) на 15 December 2011. Посетено на 17 January 2012.
  16. ↑ Inmon, W.H. (25 July 2014). „Untangling the Definition of Unstructured Data“. Big Data & Analytics Hub. IBM. Архивирано од изворникот на 2020-08-10. Посетено на 8 May 2018.
  17. ↑ Xing, F. Z.; Cambria, E.; Welsch, R. E. (2018). „Natural language based financial forecasting: a survey“ (PDF). Artificial Intelligence Review. 50 (1): 49–73. doi:10.1007/s10462-017-9588-9.
  18. ↑ 18,0 18,1 Inmon, B. & A. Nesavich, "Unstructured Textual Data in the Organization" from "Managing Unstructured data in the organization", Prentice Hall 2008, pp. 1–13

Надворешни врски

уреди
Преземено од „https://mk.wikipedia.org/wiki/Бизнис_Интелигенција“