معماری و ابزار هوش تجاری

معرفی

هوش تجاری برای اطمینان از موارد زیر مهم است:

• تصمیم گیرندگان و تحلیلگران مختلف دسترسی مستقیم و بدون وقفه به داده ها دارند. داده های مورد استفاده در سراسر سازمان باید غیر قابل بحث باشد.
• تصمیم گیرندگان وقت خود را صرف تجزیه و تحلیل داده ها می کنند تا جمع آوری و قالب بندی آنها.
• تصمیم گیرندگان می توانند انرژی خود را در بهبود فرآیند کسب و کار به جای جستجوی داده ها در سیستم ها متمرکز کنند.
• تصمیم گیرندگان می توانند به صورت آنی و بدون مداخله دستی زیاد تجزیه و تحلیل را انجام دهند.
• مدیریت داده ها از منظر سازمانی و نه در سطح دپارتمان انجام می شود.
• داده ها به عنوان یک منبع استراتژیک به جای یک ورودی برای فرآیند هوش تجاری در نظر گرفته می شوند.
• پیش بینی کسب و کار از طرف عرضه و تقاضای کاربران تجاری استفاده می شود.
• بیشتر فرآیند تصمیم گیری از طریق یک فرآیند خودکار انجام می شود.
• داده ها بدون زحمت در شرکت به اشتراک گذاشته می شوند.
• گزارش‌های تولید شده از داده‌های اولیه و ثانویه بدون هیچ تلاش اضافی استفاده می‌کنند.

برای اطمینان از هوش تجاری برای اطمینان از موارد فوق، لازم است که دارای یک معماری قوی باشد. معماری هوش تجاری به شش عنصر حیاتی مدیریت داده، ابزارها و فرآیندهای تبدیل، مخازن داده، ابزارهای کاربردی برای تجزیه و تحلیل، ابزارهای ارائه و فرآیندهای عملیاتی تقسیم می‌شود.

1. مدیریت داده

   برای دستیابی به یکپارچگی داده ها باید به نکات زیر توجه شود. اولین سازمان نقطه اصلی نیاز به داده است. سازمان باید به توافق برسد که یک تجزیه و تحلیل خاص مزیت رقابتی ایجاد می کند و عملکرد تجاری را افزایش می دهد.

   سوال بعدی که باید به آن پرداخته شود منبع اطلاعات است. این منبع داده می تواند از خود شرکت باشد، یا ممکن است از منابع خارجی باشد. اگر منبع در داخل سازمان باشد، یک پلت فرم مشترک برای همه جریان اطلاعات وجود دارد.

   سوال بعدی کمیت داده هاست. از آنجایی که حجم زیادی از داده ها در دسترس است، شرکت بر اساس نیاز باید داده ها را جمع آوری کند تا رفتار تجاری عادی داشته باشد.

   سوال بعدی این است که داده ها را ارزشمند کنیم، وقتی مشخص شد که مدیریت داده از تصویر حاصل می شود، یعنی کسب داده تا بازنشستگی داده ها.

2. ابزارهای تبدیل

   داده های مورد نیاز باید تحت فرآیند ETL قرار گیرند. فرآیند ETL شامل استخراج داده ها، تبدیل داده ها و بارگذاری داده ها است. فرآیند استخراج داده ها از مخزن یک فرآیند مستقیم است. با این حال، اعتبارسنجی و پاکسازی داده ها کار دشواری است. این اعتبارسنجی و پاکسازی داده ها از طریق قوانین مختلف تجاری به خوبی تثبیت شده انجام می شود. تبدیل داده ها شامل تبدیل داده ها به فرم استاندارد شده است.

3. مخازن داده ها

   سازمان می تواند داده ها را از طریق انبارهای داده ذخیره کند. انبار داده گاهی اوقات دارای data mart است، که پارتیشنی برای رسیدگی به عملکرد واحد تجاری است. یک مخزن ابرداده برای ذخیره تعریف داده و اطلاعات فنی استفاده می شود.

4. ابزارهای تحلیلی و ارائه

   ابزارهای تجاری متعددی در بازار موجود است، اما ضروری است که مشخص شود قصد دارد با داده ها چه کاری انجام دهد و سپس ابزار را انتخاب کنید.

5. ابزارها و برنامه های کاربردی ارائه

   هوش تجاری تنها زمانی می تواند کار کند که کاربران نهایی بتوانند از آن داده ها استفاده کنند. ابزارهای ارائه باید به کاربران اجازه دهند تا داده های پیچیده را در گزارش های موردی برای توزیع در سطح شرکت دستکاری کنند.

6. فرآیند عملیاتی

   فرآیند عملیاتی تعیین می کند که چگونه مدیریت داده و هوش تجاری در سازمان پیاده سازی شود. به این سوال می پردازد که سازمان چگونه داده ها و برنامه های مختلف را مدیریت می کند.