ابزارهایی که برای راه‌حل‌های هوش سازمانی به روش سنتی در جهان وجود دارد، بر اساس تکنولوژی به نام OLAP یا همان On-Line Analytical Processing ساخته شده است.
درباره یOLAP
اما OLAP رویکردی ضعیف به تحلیل‌های چند بعدی است.
به گزارش عصر بانک دات آی آر ، بطور کل OLAP از مکعب‌هایی در مجموعه‌ای با ابعاد کوچک که در داخل آن داده‌هایی انتخاب شده‌اند استفاده می‌کند، ارتباطات بین ابعاد از قبل تعریف شده و همه ابعاد ممکن (یا جواب‌ها) از قبل محاسبه و پیش‌بینی شده است. هنگامی که یک مکعب ایجاد می‌شود، یک واسط کاربر نهایی (User Interface) برای یک فرد واقعی پیاده‌سازی شده که تعامل با جواب‌های داخل مکعب داشته باشد.
در حال حاضر انواع مختلف OLAP در بازار وجود دارد، مثل: Multi dimensional OLAP یا همان (MOLAP) و Relational OLAP یا همان (ROLAP) و غیره. اما همه آنها همان نقاط ضعف را در پیچیدگی و عدم انعطاف‌پذیری دارند.
پیچیدگی، زمان توسعه و استقرار را افزایش می‌دهد و محدودیت‌هایی برای تطبیق با نیازهای کاربر ایجاد می‌کند و افزایش هزینه تغییرات در نیازمندی‌ها را در پی‌دارد.
عدم انعطاف‌پذیری قابلیت پاسخگویی به نیاز کاربر را در زمانی که کاربر به جواب نیاز دارد را کاهش می‌دهد. بنابراین از دیگر معایب محصولات مبتنی بر OLAP، زمان و هزینه بر بودن آن را در بر دارد و استقرار آن در هیچ سازمان کوچک و بزرگی توصیه نمی‌شود، آنها برای استفاده بسیار پیچیده‌اند و نهایتا این رویکرد از نظر دانش‌اندوختگان مردود است.
کاربرد های آن
فرض کنید در یک مکعب برای تحلیل فروش در یک سازمان مقدار فروش را بر اساس مناطق فروش، فروشنده (بازاریاب)، مشتری و ماه باشد. زمانی که این مکعب فرضی ساخته می‌شود، نرم‌افزار مبتنی بر OLAP کلیه ترکیبات عناصر داده‌ها را محاسبه و ذخیره می‌کند، کاربر نهایی به این داده‌ها از طریق یک سری فرم‌ها مثلا Pivot Table ها تا انواع دیگر فرم‌ها دسترسی خواهد داشت. در این مثال فرضی کاربر نهایی محدود به تحلیل در محدوده ابعاد از قبل تعریف شده مثل مناطق، نمایندگی‌ها، مشتری‌ها و ماه میباشد.
اگر کاربر بخواهد درباره فروش هفتگی، روزهای هفته یا محصولات فروخته شده (و یا صدها ترکیب دیگر از داده‌ها) اطلاعاتی کسب کند دیگر شانسی برای بدست آوردن آن ندارد، باید صبر کندکه مکعب دیگری از اطلاعات مورد نیاز او ایجاد شود که این یعنی محدودسازی و کاهش بهره‌وری و اثربخشی برای تصمیم‌گیران آن سازمان. OLAP برخی از قابلیت‌های تحلیل را فراهم می‌کند، اما یک رویکرد قدیمی است.
استقرار هوش تجاری در سازمان‌ها
استیو ویلیامز و نانسی ویلیامز در کتاب تاثیر سود (زیان) هوش کسب و کار به بحث ارزیابی آمادگی سازمان ها برای استقرار هوش تجاری پرداخته اند. در این کتاب ابتدا به اهمیت پرداختن به مساله سنجش و ارزیابی آمادگی سازمان پیش از اجرای پروژه هوش تجاری پرداخته شده و این گام را به عنوان پیشانی حرکت پروژه های هوش تجاری در سازمان ها قلمداد کرده است.
در سنجش ارزیابی سازمان برای استقرار هوش تجاری شرکت هوش تجاری کیسان با توجه به دو مدل:
مدل استیو ویلیامز و نانسی ویلیامز مدل وین اکرسون
۱- مدل استیو ویلیامز و نانسی ویلیامز
نویسندگان معتقدند بیشترین فایده استفاده از نتایج ارزیابی آمادگی سازمان قبل از اجرای پروژه هوش تجاری در این نکته است:
مشخص شدن شکاف موجود میان وضعیت موجود و مطلوب در هر یک از فاکتورها. نقاطی که سازمان آمادگی ادامه مسیر برای هوشمندی کسب و کارش را ندارد و میتواند با صرف زمان و تخصیص منابع لازم شرایط را مهیا کند.
ارزیابی آمادگی سازمان برای استقرار هوش تجاری به سازمان ها میگوید که چه کارهایی برای از بین بردن شکاف ها و پیاده سازی موفقیت آمیز هوش تجاری مورد نیاز است.
بر مبنای تجربیات اجرایی و مشاوره ای که نویسندگان این کتاب در بیش از ۱۰۰۰ شرکت خصوصی و دولتی داشته اند، ۷ فاکتور در ۷ حوزه را برای سنجش و ارزیابی میزان امادگی سازمان ها بدست آورده اند.
این هفت فاکتور عبارتند از:
-
همسویی استراتژیک میان حوزه کسب و کار و حوزه فناوری اطلاعات سازمان
-
فرهنگ فرآیند بهبود مستمر در سازمان
-
فرهنگ سازمانی حاکم در محدوده استفاده از اطلاعات و نرم افزارهای تحلیلی
-
مدیریت پرتفولیوی(سبد پروژه) هوش تجاری در سازمان
-
فرهنگ مهندسی فرآیند تصمیم گیری در سازمان
-
آمادگی تکنیکی برای استقرار هوش تجاری و انبار داده ی سازمانی
-
همکاری موثر بین بخش اصلی کسب و کار و بخش فناوری اطلاعات در سازمان
۲- مدل وین اکرسون
وین اکرسون مدیر بخش پژوهش و تحقیقات موسسه بین المللی انباره داده و هوش تجاری آمریکا در سال ۲۰۱۱ در کتاب “داشبورد عملکرد، اندازه گیری، نظارت و مدیریت کسب و کار شما” (اکرسون, ۲۰۱۱) با اشاره به اهمیت ارزیابی آمادگی سازمان ها برای استقرار هوش تجاری ۱۰ حوزه اصلی را برای سنجش میزان آمادگی سازمان ها بیان کرده است که عبارتند از:
-
وجود استراتژی روشن و شفاف
-
حمایت قوی و متعهدانه
-
نیاز فوری و روشن به هوش تجاری
-
پشتیبانی مدیران میانی
-
مقیاس و محدود مناسب
-
تیم اجرایی قوی و منابع در دسترس
-
فرهنگ سنجش و اندازه گیری
-
همسویی میان کسب و کار و فناوری اطلاعات
-
داده های قابل اعتماد و در دسترس
-
زیرساخت های فنی محکم
یک قدم تا داده محوری
کافیست اطلاعات تماس خود را وارد کنید. ما با شما تماس خواهیم گرفت.
