Informatyczne narzędzia analityczne wspomagające zarządzanie przedsiębiorstwem

Pełen tekst

(1)Krzysztof Woźniak. Ol1uatycme n anaIitycme wspom. ·a. ające zarządzanie przedsię IOł\Stwem l. Wprowadzenie. Celem artykulu jest zapoznanie czytelników z informatycznymi narzędzia mi wspomagającymi analizę danych dotyczących funkcjonowania przedsię biorstwa. Analizy te są podstawą podejmowania decyzji. stąd ich jakość ma istotny wplyw na sprawne zarządzanie każdym przedsiębiorstwem . Wykorzystanie właściwych narzędzi analizy danych jest także warunkiem prawidlowego dzialania systemów controllingu menedżerskiego w przedsiębiorstwach róż nych branż. Duża liczba informacji mających wplyw na procesy decyzyjne w przedsię biorstwach wymaga coraz doskonalszych i wydajniejszych narzędzi analitycznych wspomagających pracę kierowników średniego i wyższego szczebla. Do nich też skierowany jest niniejszy artykul. gdyż powinien uświadomić istnienie rozwiązań mogących pomóc im przy podejmowaniu kluczowych dla przedsiębiorstw decyzji. W artykule zostanie dokonany przegląd narzędzi raportowania slużących prezentacji informacji na potrzeby zarządzania przedsiębiorstwem. a następnie omówione zostaną zaawansowane narzędzia analityczne wykorzystywane m.in. w controllingu menedżerskim. takie jak hurtownie danych. narzędzia OLAP. Prezentacja narzędzi zostanie zilustrowana przykładem wykorzystania ich w typowej firmie handlowej..

(2) Kr:.y.\' z((~f' Woźniak. 2. TradyCYlne nan,dzla raportowania Narzędzia. informatyczne slużące gromadzeniu i analizie danych gospodarczych doskonalily się wraz z rozwojem technologii komputerowej , oferuj:jc coraz większe moż liwości przetwarzania danych . Liczba informacji generowanych i przetwarzanych przez systemy zarządzania współczesnych przedsil'biorstw jest ogromna. Nie chodzi tu o informacje czysto ewidencyjne i księgowe, ale przede wszystkim operacyjne, marketingowe. handlowe, związane z funkcjonowaniem różnych podsystemów firmy . Ten natlok informacji powoduje powstanie zjawiska tzw . szumu informacyjnego i w zas,ldni<:zy sposób utrudnia podejmowanie efektywnych decyzji. Eliminację niekorzystnych zjawisk związanych z liczbą informacji można uzyskać poprzez zastosowanie odpowiednich narzędzi przetwarzania: selekcji i agregacji informacji zgromadzonych w bazach danych przedsiębiorstw. Sięgając. do historii prohlematyki analizy danych w przedsiębiorstwach , należy wspomnieć o czasach, gdy analiul danych zajmowaly się wyspecjalizowane grupy pracowników przedsiębiorstw. Ich zadaniem bylo przetwarzanie zasobów danych przedsiębiorstw i generowanie raportów na potrzeby kierownictwa. Rola kierownika polegala jedynie na biernym czytaniu otrzymanych raportów. Technologiczny rozwój narzędzi informatycznych spowodował. że kierownicy mogli korzystać z komputerów w swoich biurach . Komputery staly się mniejsze i tańsze, coraz więcej przedsiębiorstw moglo sobie na nie pozwolić. Cech'l charakterystyczną tego etapu rozwoju narzędzi analitycznych bylo opracowywanie oprogramowania na zamówienie kierowników różnych dzialów i szczebli przedsiębiorstw . Kierownik mógł. wprowadzaj'lc odpowiednie parametry, otrzymać raport dotyczący interesuj'lcego go zagadnienia . Jest to era tzw. generatorów raportów . Istotnym problemem tych rozwiązati by la konieczność interwencji programistów w przypadku wszelkich zmian ukladu graficznego raportu, struktur danych, algorytmów przetwarzania. Następny krok w rozwoju narzędzi analizy danych to grupa programów slużą cych "zapytaniom i raportowaniu" . Programy te pozwalaly użytkownikom (kierownikom) we wlasnym zakresie tworzyć zapytania analityczne: agregujące , selekcjonujące dane z posiadanych zbiorów danych. Nic wymagaly one już interwencji programistów, gdyż użytkownik sam określal,jakich informacji potrzebuje,jaki ma być uklad graficzny raportu itp . Narzędzia tworzenia zapytati wymagają od użytkowników tylko pewnej podstawowej wiedzy z zakresu struktur danych gromadzonych w bazach danych prledsiębiorstwa i obslugi programów . Wysoki poziom skomplikowania problemów decyzyjnych i konieczność usprawnienia zarządzania wymagają zastosowania systemów wspomagania podejmowania decyzji i informowania kierownictwa (DSS - Decissiol/ Support Systems i EIS - Ellterprise Illformatiol/ Systems). Systemy te mu szą być elementem systemu informacyjnego przedsiębiorstwa . Są to systemy zapytań (ich funkcją jest generowanie odpowiedzi na pewne zdefiniowane wcze śniej pyta-.

(3) Jnformaryc:lIe. 1lurzędz.ia. analityczne .... nia. użytkowników). stosowane w celu uzyskania informacji niezbędnej do podjęcia decyzji . Glówną cechą systemów DSS i EIS jest to. że "I tworzone dla użytkowników nie znaj'leyeh języków programowania. którzy ch", z systemu uzyskać odpowiedzi na pytania zarówno kompleksowe. jak i bard zo nietypowe (zadawane ad hoc). w formacie latwym do interpretacj i (tabele. wykresy). Systemy wspomagania podejmowania decyzji wspieraj'l wykonywanie analiz zróżnicowanych pod względem zakresu danych . U możliwiają prowadzenie zarówno wieloaspektowych. przekrojowych analiz. opartych na mocno zagregowanych danych. jak i przygotowanie szczególowych raportów na podstawie danych źródlowych. Wspólczesnie wiele narzędzi informatycznych. wywodZ<lcych s ię z wczesnych etapów rozwoju systemów informatycznych przedsiębiors tw. zostalo udoskonal onych i upowszechnionych w postaci pakietów aplikacji dostępnych dla każdeg o. kto chce je wykorzystać. Klasycznym przykladem narzędzia ana lizy danych jest arkusz kalkulacyjny. pozwalający użytkownikowi dowolnie przetwarzać gromadzone dane. pre ze ntować je graficznie na wiele wyrafinowanych sposobów.. 3.. Współczesne narzędzia. analizy danych. Rozwój techniki informatycznej zwiększy I możl iwo ści anali zy danych gospodarczych. Charakterystycznymi przykladami wspólczesnych systemów wspomagających analizę danych są: hurt ownie danych (data warc llOlIse). systemy analityczne OLAP (On-line Ana/y/im/ Proces.l·ing). systemy eksploracji danych (dl//a mining) . Generalnym zadaniem hurtowni danych jest uję c ie w postaci ujednoliconej istotnych (krytycznych) informacji biznesowych w skali firmy oraz udostępnie nie ich do potrzeb wydajnej analizy wiel owymiarowej, zapytań i raportowania. Zasadniczą koncepcją hurtowni danych jest polączenie danych z rÓŻnych i s tniejących i pozostających nadal w u życ iu baz danych w jednej bazie . Dane w hurtowni nie są uaktualniane w czasie rzeczywistym (na bieżąco) jak w bazach transakcyjnych (operacyjnych). lecz okresowo [Gorawski 2000. s. 18] . Systemy DSS oraz EIS mogą czytać dane wprost z hurtowni lub dane mogą być kopiowane do innych mniejszych. tematycznych hurtowni danych. określanych jako da/a marl . Srodowisko hurtowni danych jest z za lożenia nadmiarowe (przechowywa ne dane występują w wielu różnych stopniach agregacji. zarówno w postaci bardzo szczególowych danych transakcyjnych. jak i przetworzonych danych zbiorczych) . Wiele systemów baz danych dla obslugi przedsiębiorstwa i systemów archiwalnych umieszcza dane we wspólnej bazie. która z kolei może być powielona w jednej lub kilku hurtowniach tematycznych. Sposób ekstrakcji (transferu polączonego ze wstępnym przetworzeniem i anali"l) danych z systemów produkcyjnych do hurtowni danych powinien być opisany odpowiedni-.

(4) Krz.ys-:./(~r. Woiniuk. mi procedurami zgodnie z wymaganiami stawianymi hurtowni danych w danym przedsiębiorstwie. Poziom decyzji podejmowanych w oparciu o systemy DSS oraz EIS nie wymaga zazwyczaj uaktualniania danych z dokładnością do minut. Dane w [Jara MarT i [Jata Warehollse nie "I w pelni zsynchronizowane z danymi w systemach produkcji. sprzedaży . marketingowych i innycłl. lecz "I uaktualniane w pewnych stalych odstępach czasu. Fakt ten pozwala na utrzymywanie sto sunkowo dużej denormalizacji danych w hurtowni. Dane w bazie danych. gromadzone dla celów podejmowania decyzji, mogą być mierzone w trzech wymiarach : głębokość odnosi s ię do liczby danych su marycznych - zagregowanych. szerokość danych odnosi się do dostępności danych w odniesieniu do liczby wymiarów i atrybutów. które mog<) by ć analizowane przez użytkownika. szczegółowość danych ( .. atomowość") określa liczbę wystąpień - ziarnistość danych. Zgodnie z definicj<). hurtownia danych jest to scentralizowana nietransakcyjna baza danych przeznaczona do przechowywania informacji w długim horyzoncie czasowym. globalnie w skali instytucji. w wielowymiarowych ukła dach analitycznych i ukierunkowana na wyszukiwanie informacji bezpośrednio przez końcowych użytkowników. Jedną z funkcji systemów hurtowni danych jest tzw . penetracja danych (data dril/ing) . Jest to technika obsługi wymiarów obejmująca przechodzenie przez poziomy hierarchiczne agregacji danych. a więc operacje uszczegóławia jące (zwane też analizą wgłębną. drążeniem w dół - drill down). operacje agregujące (drążenie w górę - dril/ lip). analizę wieloprzekrojową (slicin}; and dicing) itp . Ekspłoracja danych (data millillg) jest to proces automatycznego i efektywnego odkrywania uogólnionych reguł i wiedzy zawartej w bazach danych . Wiedza ta nie wynika bezpośrednio z samych danych. ale z faktu. iż to właśnie takie, a nie inne dane znalazły się razem w jednej bazie danych [Strykowski 1996. s. 17- 181 . Niektórzy autorzy określają data minin}; jako nietrywialną ekstrakcję poprzednio nieznanej wiedzy z danych przechowywanych w hurtowni. Jest to proces wykrywania korelacji. trendów w danych oraz dostarczania wiedzy za pomocą technik statystycznych. matematycznych i rozpoznawania wzorców [Ryznar 1998. s. 10- 111 . Eksploracja danych przynosi wymierne korzyści w różnych obszarach zarządzania . Przykłady zastosowań ekspłoracji danych to: - identyfikacja wzorców zachowań klientów przy dokonywaniu zakupów. - wykrywanie powiązań pomiędzy charakterystykami demograficznymi klientów. - identyfikacja .,Iojalnych" klientów. - odnajdywanie korełacji pomiędzy różnymi wskaźnikami finansowymi. - okre ś lanie praw rządzących zmianami cen akcji na podstawie ich dotychczasowych notowań,.

(5) , (lIIalilyc::.nc .... - określanie planu dystrybucji towarów pomiędzy rynkami zbytu. - analiza wzorców zaladunków . Firma StatSoft. producent programu STA TISTICA. definiuje dala miniIIIi jako proces analityczny. przeznaczony do eksploracji dużych zasobów danych (zazwyczaj powiązanych z zagadnieniami gospodarczymi lub rynkowymi) w poszukiwaniu regularnych wzorców oraz systematycznych wspólzależności pomiędzy zmiennymi , a na stę pnie do oceny wyników poprzez zastosowanie wykrytych wzorców do nowych podzbiorów danych. Proces ten składa się z trzech zasadniczych etapów: ekspl oracj i. budowania modelu (z określania wzorców) oraz oceny lub weryfikacji poprawności. Je ś li tylko pozwala na to natura dostępnych danych. proces ten jest zazwyczaj powtarzany krok po kroku. dopóki nie zostanie znaleziony .,odporny., model. Jednakże w zastosowaniach biznesowych możliwości oceny modelu na etapie analizy są zazwyczaj ograniczone i dlatego wstępne wyniki często mają charakter heurystyc zny. mogący mieć wplyw na proces decyzyjny (np ... Dane wydają się wskazywać na to. że prawdopodobieństwo sięgania po tabletki nasenne wzrasta z wiekiem szybciej u kobiet niż u mężczyzn"). Data minil1 g jest zadaniem z pogranicza statystyki . sztucznej inteligencj i i analizy baz danych. Tabela I. Przyklady wyników analizy danych OLA? i data mil1illK Dala. OLA P. . . IlI/lIlllK. Jaki jest protli osób, które z llużym prawllopodobicnstwcm (xlpowiedzą na akcję fllililingow.)'? .............. ------., " ......... ".", ----_ .. _. "....... ........ --. ................. ,_............ ......... KtórlY z obecnych klient ów z dużym prawdoiXldobieństwem kupiliby nasz nowy produkt'! _. -_.- • _.--Którly klicl)(;i wydają si ę pOOatni na prt.cjscic do konkurencji w ciągu najbliższych 6 miesięcy? ....._--_ ... ....... ................. ..... ... .... ....-_.. .. .. .... .. ... ,.,._...... ........ ,----. ........ Którly l olxcnyc h klientów potencjalnie przyniosą mi w przyszłości najwięk!i7.c zyski? ... _ -_. ... ... -00 -- ' Którzy klienci nie splac ili zaciągniętego kredy - Jakie dany klient stwarza ryzy ko kredytowe'! _tu? ..........-.. _... __ .. _._._--_.,_ .... .. -........... _. ........ ................ ,_.. ...... .... .... ...... ,.... • Jak wygl~da sprzedaż w poszC7.ególnych mlaJakiej spr7.edaży w poszC7.cgólnych miastach stach w ostatnim kwartale? można się spodz iewać w przyszłym roku '! -----_...... __ ._-,-- - ._. _-.._----_ .. -- ._.... _.--- ...... _... ------ Jaki odsetek wyprodukowanych wczoraj częsci Co mogę z robić. by zwiększyć wydaj ność prookazał się wadliwy? dukcji poprl.ez redukcję braków? Jaki b:x:1 odsetek odpowiedzi w rezultacie akcji mailingowej? ........ _........ ._. __ ..... .......--_... ..... .... _.... ,.,,- -..-..-.... ... .. Jak wiele nowych produktów sprzedaliśmy naszym dotychczasowym klientom? -Którzy klienci nie dokonywali zakupu w ubie glym miesiącu? _. ._... _.,--- --_._-"."._..• _.---_._-------- '.' ..,,, ..........-------------_.. ............ Kim byli najlepsi klienci w ostalOim roku?. __. ~. ,. ~. ~. __. ,. ~. ,. .. ,. _.. --'". __. ,. ,. __. ------~. " .,. ,. ,'. ',. ' - , ___ , • • , . . . . , _ -. ". _. __ _. ,--. ,.,. ,. ". , "",. ,. .. ,. _. ,"'. , ,. _ .......... _ _ _ _ , _ _ _ _ n.- ... . .- _ _ _ •. ,. __ . - . . . . . _. ''''. ",,,,,. ... _. . . . . . . . . . . . - . . . ________ _. _. -. .. ~. -. -. _ _ _ _ . . __ _. -. __. _. _. ... , ,. ". _. -~_. . . . . . . . . . . __ . . . . . . _ . " •• , ' . _ _ . . . . . . . . .. _ , . _ " , • • . , . " . , . , . •• , • • • • • • O ' n. . . . ' . . . . . . . · · · . - •• . - . · •• · •• , . , . . . ". , . " " , . , . . , _ · , , ______ _ . . . ". -_ . ~.~._. .--. Źródlo: IGamdzyk 2001. s. 231 .. Systemy informowania kierownictwa oparte na technikach OLAP są narzę dziem pozwalającym na wielowymiarową analizę danych biznesowych zgromadzonych w hunowni danych oraz na możliwość spersonalizowanego dostę pu do wyników analiz za pomocą wybranych mediów komunikacji..

(6) , WO'::lliak. System wspomagania decyzjo oparty o nar zę d z ia OLAP. powinien pozwalać na analizę danych od naj niższego poziomu szczegó lowośc i (poziom danych tran sa kcyj nych) do maksymalnego uogólnienia (agregacji) dW1Yl.:h. Je ś li dane w bazie są wstępnie prze tworzone, przelic zone i przygolowum:: Jo prezentacji.. to wydajność wyszukiwania i szybkość reakcj i na zapytanie ui.y tkownika S<j maksymalne. OLA P (Oli-lilie Allil/y/iw/ ProC/'.u i,,!') oznacza przede wszystk im wielowymiarową anali zę danych zai nicjowanych przez kOlicowego u ży t kow nika z jego stacji roboczej w trakcie oghldania danych na ekranie. obejmuj<jCilmanipulację wymiarami oraz z lożone mechanizmy raporlowania i wizualizacji danych. W tabeli I zilustrowano różnice pomiędzy problemami rozwiązywanymi za pomoq narzędzi OLA P oraz techniki da/ii miniII!, z hurtowni danydl. Termin On-lilie Allil/y/i" Processil/!, (OLAP) lub szybka anali za informacji wielowymiarowej odnosi s ię do technol ogii. która umożliwia użytkownikom wielowymiarowych baz danych interakcyjne generowanie opisowych lub porównawczych zestawien ("przekrojów") oraz innych ,"'pytali analitycznyc h IStatSoft 2001 . s. II . Nale ży za uważyć. że analizy OLA P. pomimo swej nazwy (0 11 lilie). nic mu szą być przeprowadzane na bież.'Icn (ani w czasie rzeczyw istym). Tennin ten od nosi się do analizy wielowymiarowych baz danych (które oczyw iście mogą zawierać informacje uaktualniane dynamicznie) poprzez wydajne zapytania wielowymiarowe dotycz'Ice danych różneg o typu. Narzędzia OLAP mogą być integrowane z systemami baz danych (korporacyjnymi) i umo ż liw iaj'l analitykom i menedżero m ś led zenie wydajności przed s iębiorstwa (np . róż nyc h aspektów procesu produkcyjnego lub liczby i rodzajów transakcji prze prowadzonych w różnych oddzialach) lub rynku. Rezultaty os iągan e technikami OLA P mogą mieć bardzo Prost'l pos tać (np. tablice liczebności. statystyki opi sowe. proste tabele krzyżowe) lub nieco bardziej zloi.oml (np. mogą uwzględniać korekty sezonowe, usuwanie odstaj ącyc h obserwacji oraz inne formy "czyszczenia danych"). Techniki eksploracji danych mogą operować na dowolnym typie nieprzetworzonej informacji. nawet informacji nie ujętej w określone struktury. m ogą być stosowane do przeglądani a i zestawiania danych generowanyc h za pomocą OLAP w celu dostarczenia bardziej doglębnej . a często również bardziej wieloaspektowej wiedzy. W tym sensie można uważ'lc, i ż techniki eksploracji danych prezentują odmienne podejście analityczne (slużące innym celom ni ż OLA P) lub analityczne rozszerzenie technik OLAP.. 4. Analiza danych na. przykładzie. firmy handlowel. Niniejszy artykul jest wynikiem doś wiadc zen nabytyc h w trakcie prac wdrożeniowych w firmie Tobaeeo Trading Inteniational Poland Sp . z 0 .0 . (TTI) . Firma TTI zajm uje s ię dystryhu cją akcesoriów zwi'Izanych z przemyslem tytoniowym na terenie calej Pol ski. Spólka reprezentuje .- na zasadach wyłączności - takie firmy. jak:.

(7) Informatycz ne. narzędzia llIwlilycZlle .... - niemiecka fabryka tytoni fajkowych - Alois Poschl Tabakfabriken, - belgijska fabryka tytoni papierosowych - Tabakbedrijf Stubhc n .v., - belgijska fabryka cygar i cygaretek - Vandermarliere, - niemiecka fabryka zapalniczek - Tokai Seiki GmbH oraz firmy Denicotea GmbH i Micres. od których importuje fajki, akcesoria do fajek i bibułki papierosowe W finnie zatrudnionych jest 21 osób w dwóch glównych działach: dzial sprzedaży, zatrudniający dyrektora i podleglych mu lokalnych przedstawicieli firmy w różnych miastach Polski (13 osób) oraz magazynierów magazynu centralnego w Krakowie (2 osoby): dzial hi,gowości, w którym zatrudnione "r glówna księgowa, księgowa, specjalistka ds . marketingu i kontroli należności oraz sekretarka. Towar sprzedawany jest przez przedstawicieli handlowych (zatrudnionych w różnych miastach Polski), z których każdy ma określony rejon do obsluże nia . Klienci firmy 10 przede wszystkim przedsiębiorstwa sprzedaj'lcc hurtowo i detalicznie artykuly przemysiu tytoniowego. Przed wprowadzeniem komputerowego systemu wspomagania dzialalności występowaly narastające problemy operacyjne. wplywaj'lce na sprawność dzialania przedsiębiorstwa i utrudniające zarządzanie nim . W dziale sprzedaży niedogodności te można bylo scharakteryzować następuj'ICO : - opóźnienie w dostępie do informacji (faktury sprzedaży przesylane "\ raz w tygodniu w piątek za c ały tydzień, w centrali są one w poniedzialek lub we wtorek i dopiero wówczas są wprowadzane do komputera), - wprowadzanie faktur do komputera po ich wystawieniu, a następnie sprawdzanie poprawności wprowadzenia, co jest bardzo pracochlonne, - brak możliwości tworzenia raportów o sprzedai.y w różnych przekrojach - wedlug towarów, terenu, odbiorców, sprzedawców, - ograniczone możliwości obliczania wskaźników magazynowych. finansowych itd., - brak możliwości prognozowania (przewidywania) potrzeb towarowych na podstawie danych historycznych i interpolacji trendu, - brak wystarczającego komfortu pracy związanego z posiadanym sprzętem i oprogramowaniem, co powodowalo występowanie dużych opóźnień. Problemy te spowodowały podjęcie decyzji o wdrożeniu zintegrowanego systemu komputerowego, wspomagającego zarządzanie przedsiębiorslwcm. Po przeanalizowaniu dostępnych na rynku produktów i ofert fitm komputerowych, wybrano system Digitland Enterprise firmy Digitland z Krakowa . Wdrożony system informatyczny wspomaga system planowania i kontroli realizacji planów, a zakres wspomagania informatycznego zaprezentowano na rys. I. Wykorzystując dane gromadzone w zintegrowanym systemie informatycznym. stosuje się narzędzia informatyczne lmalizy danych transakcyjnych do wspomagania zarządzania przedsiębiorstwem. Podajemy przyklady wykresów.

(8) Kr:.yx:.u4 Woiniak. generowanych przez system analityczny firmy Tri opany o arkusz kalkulacyjny Excel. Na rys . 2 przedstawiono udzialy w s przedaży poszczegó lnych produktów jednej grupy towarowej w kolejnych miesiącach 200 I r .. a na rys. 3 udziały poszczególnych grup towarowych w obrocie ogółem dla 200 I r.. Cele organizacji - -- - - ~ Uzgodnienie planów dzi.alalliaJ ----- -- --- -- -_.. _- ------------- _.. .. _-- -_. -_ ._--- ----_.- . •. •-. •. Plunowanc efekty podl!jmowanych decyzji. •. •. • • •. v. -e c. B ieżące. efekty. podjętych. decyzji. I. _<. ~. ~. Kontrola wykonania. .-cv v. 'N. ~ Q. ~. •• Zakres infonnatycznego •• wspomagania systemu • •. -- ------- --- ---- -. Odchylenie wykonania od planów. -- ------------ --. -. ,•. •. - - - - - - - - - - - - - - - - - - - ___ o. -. Rys . l . System planowania i kontroli w firmie Tri 2rOOlo: opracowanie własne .. W przyszłości planuje się wdrożenie bardziej zaawansowanych narzędzi analitycznych. pozwalających na analizę danych o większym stopniu szczegółowości w rozbiciu na wymiary czasowy. terytorialny i inne . Tylko system oparty na narzędziach OLAP łub hurtownia danych mogą zaspokoi ć wymagania stawiane informatycznym narzędziom analizy danych w firmie TrI.. 5. :lakoliczenlo Hunownie danych i systemy DSS są nieodzownymi elementami zarządza nia przedsiębiorstwem. które musi sprostać wyzwaniom konkurencji i wymaganiom wołnego rynku . Obecnie daje się zauważyć tendencję do integrowania wiełu różnych systemów analizy i przetwarzania danych gospodarczych w jeden wspólny system Business lntelligence. p ozwalający przetwarzać. analizować i porównywać dane dotyczące wszystkich podsystemów funkcjonowania przedsiębiorstwa. a także jego otoczenia. konkurencji. dostawców i odbiorców..

(9) :0S,. '" ~. ~ '~ ,.,. "". "" ~. 250. ";:-;. ~. Tytonie rajkowe 200 1. 200. 150. •. chevalier 50 g. D. J.B.R_advenlure. O. T. Radford's sunday's faniasy. •. T. Radford's classie port. 1.4.1 T. Radford'~ rum myal •. 100. -. ""-"--. ""-". '<. T. Radford 's wild honey. I) T _Radfortl ' s o!d scolch •. 50. mild \":mi ll a. o I. Rys. 2 . Wielko,ć Źródlo ;. :.romalic apricot. ,-. sprzedaży. 3. 4. 5. 6. 7. jednej grupy towarowej w kolejnyc h. R. 9. miesiącach. D. wild mango. •. cherry a cherr)'. 10. 2001 r.. opracowanie własne ,. Ił.

(10) N;o. ~ '< o · ~ 0. . o• • o '" ." c: o. Ol N n. -. _.,.. .," ''''., -., O. ~. O. Tokaj. _ . C ~ ." ~ ~. ~. ,~. O. O. , . ,' ,--,<,., ... --. ....~'::. ~. .-. '"O. ~. v.. O. g O..... 00. O. 8. -:5. >- -. ,;. O. " "". "n O •. -. Fucgo. '<. ::r. Ncos. """ -_.. ~. J. Cortcs. O. ~.. ". ~. ." ~. N f>. Tytonie fajkowe. .,. o.. :j'.. ,' ..' ,. " 'i,. .. N·. '< O. {)O. -"3. Tytonie papierosowe. O·. N. ". Snllff. •. -... , <, \.' ; , ". f 'i,". N. 8. ~. •. Prezerwatywy. A11 . papierosowe. An, fajkuwc. F'lj ki polskie. Fajki import. Tokaj rck lumu. :YV!lIf"0M /O/2 .\',(':'J)/. ~.

(11) /Ilformaty('zne. Ilarzęlhia. (lIw!ity('zne .... W spółczesne narzędzia informatyczne muszą zaspokajać obec ne potrzeby kierowników przedsiębiorstw wynikające ze zwiększającej się presji ko nkurencji, konieczno śc i minimalizowania koszt ów czy zapewnienia lepszej obsługi klienta .. LIteratura Dala Warehow:e: Systemy DSS: Projekt i opis modelu ImrlO\\'lli d(/IIych [2000 I. M . Goraw. ski. J. Frączek. "Informat yka" nr 5. Gamdzyk P. [2000]. Hurtownia dla fJoc z.ą rkują c.vc h. "Computerworld Raport". Gorawski M. 120001. Hurtowl/ia dan ych . "Informat yka" . nr 3. Ryznar Z.1 1998J . /stota i zadallia hurtowni danych. ,.Informatyka", nr II . StatSoJt Polska , Zg łębianie danych (mIR . Data Milling ) Ul pOl1locą proRrlllll1l STATISTlCA, materiały informacyjne producenta . Strykowski S. 11 9961. Eksploratjl/ dl/IIY"" . ..Informatyka". nr 10 . W iśniewska M . [ 1997]. Hurtownie dal! yel!: modo czy k()1!il~c ZlJ().\~(~ . "Inform::tt yka", wydanie specjalne .. Analytical Informatlon Technology Tools as an Ald to Management In the Firm This .trliclc concerns information let,' hnology lools used lo support data anal ys is in the firm. Thei r quality has a sig nifi cant influence on how efficiently li firm tS managed ,IS they are llsed as a basis for decision·making . The proper functioning ol' management controi syslems in a va ricly af seclors depcnds Oll the approprialc. use ol' dala analysis lools. Thc article reviews the reporting lools used to prcsent informati on in respol1se to the management needs of the firm . II then discusses advanced analytical tonls such as Jata warehouses and OLAP. which i.lre . among olher appliccllions . used in man::tgement conlml. The article gives examples of the tools it discllsses b::tsed on their usc in a typical commercial firm ..

(12)