Pozyskiwanie wiedzy menedżerskiej z logistycznych baz danych za pomocą tabel przestawnych

(1)

MAREK MELANIUK

BAZ DANYCH ZA POMOC TABEL PRZESTAWNYCH

Streszczenie

Artykuł wprowadza w zagadnienie pozyskiwania wiedzy menedĪerskiej z baz da-nych logistyczda-nych. W tym celu pokazano wybrane moĪliwoĞci zastosowania tabel przestawnych bĊdących czĊĞcią arkuszy kalkulacyjnych. Dane zawarte w bazie logi-stycznej umoĪliwiły wykonanie analiz iloĞciowo-wartoĞciowych, strukturalnych, dy-namiki zachowania siĊ systemu w czasie oraz analiz przestrzennych. Zwrócono teĪ uwagĊ na wizualizacjĊ wyników analitycznych. Tabele przestawne powinny byü sze-rzej wykorzystywane zwłaszcza w sektorze MSP jako menedĪerskie narzĊdzie wspo-magające podejmowanie decyzji biznesowych.

Słowa kluczowe: pozyskiwanie wiedzy, logistyczne bazy danych, tabele przestawne 1. Wprowadzenie

Od co najmniej kilkunastu lat szybko rozwija si nowa koncepcja w naukach o zarzdzaniu, któr jest zarzdzanie wiedz. Trwaj w dalszym cigu spory odnonie koncepcji, zakresu, poj i definicji tej dziedziny. [6,9] Znany jest powszechnie trójkt niematerialnych zasobów organizacji obejmujcy dane, informacj, wiedz i mdro .

Jeeli przyjmiemy, e danymi s fakty, opisy, opinie o analizowanym obiekcie, to informacj jest kontekst wykorzystania tych danych i wartociowanie faktów. Natomiast wiedza, któr posia-da meneder o posia-danym obiekcie gospoposia-darczym jest umiejtnoci wykorzystania informacji do po-dejmowania racjonalnych, efektywnych i skutecznych decyzji wynikajcych z ustalonego celu działania. Przy takim ujciu wiedzy spełnione s trzy zasadnicze postulaty, z którymi w praktyce spotyka si kady meneder:

– umiejtno wykorzystania informacji (z podkreleniem na słowo umiejtno ),

– podejmowanie decyzji (nie tylko racjonalnych i efektywnych, ale zwłaszcza skutecznych), – działanie zgodnie z ustalonym celem (stopie jego spełnienia moe by zmienny w czasie). Konkurencja na rynku midzy jednostkami gospodarczymi wymaga szybkiej reakcji na zmie-niajce si preferencje klientów z uwzgldnieniem midzy innymi sezonowoci sprzeday. Std wynika konieczno prowadzenia szczegółowych, wielokryterialnych analiz. W tym celu stosuje si zintegrowane systemy informatyczne klasy ERP (Enterprise Resource Planning) oraz narzdzia analityki biznesowej BI (Business Intelligence).

W przypadku mniejszych firm produkcyjnych wykorzystanie powyszych rozwiza, jakkol-wiek zalecane, napotyka czsto na barier finansow biorc pod uwag koszt tych aplikacji. Std te celem niniejszego opracowania jest przedstawienie moliwoci wykorzystania tabel przestaw-nych (pivot tables) jako narzdzia umoliwiajcego pozyskanie wiedzy menederskiej z logistycz-nych baz dalogistycz-nych do wspomagania podejmowania decyzji.

(2)

Pokazany został sposób posługiwania si tabelami przestawnymi w celu wykonania czterech rodzajów analiz:

– analiz ilociowo-wartociowych, – analiz strukturalnych,

– dynamiki zjawisk gospodarczych, – analiz przestrzennych.

Pominito zastosowanie metod statystycznych wykorzystywanych w eksploarcji danych (data mining).

Szczególna uwaga została zwrócona na potrzeb oraz moliwoci wizualnej prezentacji wyni-ków analitycznych.

Do celów prezentacyjnych została wykorzystana transakcyjna baza danych Kosmetyki doty-czca sprzeday produkowanych wyrobów jednego z wytwórców kosmetyków. Cz nazw zmie-niono ze wzgldu na obowizujc tajemnic handlow. Baza została wyeksportowana do formatu arkusza kalkulacyjnego Excel. Baza Kosmetyki zawiera 1523 transakcje sprzeday kosmetyków z lat 2007–2009. Analizy wykonano na podstawie wybranych 6 pól informacyjnych wchodzcych w skład poszczególnych rekordów. Kilka pierwszych rekordów pokazuje Rysunek 1. Pola infor-macyjne bdce czciami składowymi rekordów zawieraj nastpujce dane:

– nazw dystrybutora (pole Dystrybutor), – dat sprzeday (Data),

– nazw produktu (Produkt),

– liczb sprzedanych wyrobów (Ilo ), – warto sprzeday (Kwota)

– nazwy dziewiciu jednostek terytorialnych (miasta i gminy) w powiecie zgierskim (Miej-sce).

Tak wic w bazie danych znalazły si pola informacyjne czterech typów: – ilociowo-wartociowe (Ilo , Kwota),

– tekstowe (Dystrybutor, Produkt), – pole typu daty (Data),

– jednostki lokalizacyjne (Miejsce).

Rysunek 1. Przykład kilku rekordów bazy danych Kosmetyki ródło: Opracowanie własne.

Studies & Proceedings of Polish Association for Knowledge Management Nr 53, 2011

(3)

Marek Melaniuk

Pozyskiwanie wiedzy menedĪerskiej z logistycznych baz danych za pomocą tabel przestawnych

2. Tabele przestawne

Koncepcj tabel przestawnych (pivot tables) przedstawił po raz pierwszy Pito Salas pracujc w Lotus Advanced Technology Group. Konkretna aplikacja pojawiła si w aplikacji Lotus Improv. Nastpnie Microsoft rozpoczł rozwija ide tabel przestawnych poczwszy od arkusza Excel 5. W ostatniej wersji 2010 arkusza Excel produkt ten jest ju bardzo zaawansowanym narzdziem analitycznym o wielu nowych funkcjonalnociach w porównaniu z wczeniejszymi wersjami. No-we moliwoci wynikaj midzy innymi ze zwikszenia pojemnoci arkusza do ponad 17 milidów komórek, co umoliwiło przetwarzanie bazy danych (ponad milion rekormilidów) w jednym ar-kuszu bez koniecznoci dokonywania konsolidacji.

Narzdzie tabeli przestawnej zostało umiejscowione chyba niezbyt szczliwie na karcie Wstawianie znajdujcej si na wstce (Ribbon). [8] W wersjach 2003 i wczeniejszych pakietu Excel tabele przestawne znajdowały si w menu rozwijanym Dane razem z innymi narzdziami przetwarzania baz danych: sortowaniem, filtrowaniem, sumami czciowymi i innymi, dziki czemu interfejs uytkownika był całkiem przyjazny i mona było łatwo odszuka wymagane funk-cjonalnoci.

Odpowiednikiem tabeli przestawnej Excela w – zdobywajcym coraz wiksz popularno – arkuszu Calc pakietu OpenOffice jest opcja Pilot danych. Dla wielu praktycznych zastosowa zwłaszcza firm w sektorze MSP jest to całkiem wystarczajce narzdzie analityczne. Naley za-znaczy , e pakiet OpenOffice jest przykładem otwartego oprogramowania biurowego i w kadej chwili moe zosta pobrana i zainstalowana jego bezpłatna aktualizacja.

Tabele przestawne przedstawiaj dane w postaci tabelarycznej, w której wiersze tabeli ozna-czaj rekordy (zapisy) danych, natomiast pola informacyjne poszczególnych rekordów zapisywane s w kolumnach tabeli. W celu łatwego przetwarzania pól, powinny one zosta nazwane zgodnie z zawartoci tak, aby skrót nazwy jednoznacznie kojarzył si z danymi, które zawiera to pole in-formacyjne.

3. Analizy ilociowo-wartociowe

Wykorzystanie tabel przestawnych, jako narzdzia analitycznego umoliwia bardzo szybkie wykonanie wymaganych analiz statystycznych oraz wizualne przedstawienie wyników umoliwia-jce monitorowanie kluczowych czynników sukcesu. Na Rysunku 2. Raport numeryczny i gra-ficzny pokazuje wartoci sprzedanych produktów. Najczciej, jako wizualny sposób prezentacji wielkoci danych stosuje si wykres kolumnowy. Wykonanie obu raportów trwa – przy pewnej wprawie – zaledwie kilkanacie sekund. Nieco wicej czasu moe zajmowa odpowiednie dosto-sowanie wykresu graficznego: ustalenie innych – anieli standardowe – kolorów tła i obiektów, dołczenie odpowiednich opisów itp., czyli dostosowanie raportu graficznego do istniejcych wy-maga w firmie.

(4)

Rysunek 2. WartoĞci sprzedanych kosmetyków. Raport numeryczny oraz jego wizualizacja na wykresie kolumnowym

ródło: Opracowanie własne.

Innym rodzajem wizualnej prezentacji danych s – od wersji 2007 arkusza Excel – paski da-nych (karta Formatowanie warunkowe – Paski dada-nych). Słu one do szybkiej prezentacji dada-nych i zmieniaj formaty komórek w zalenoci od ich zawartoci. W wersji 2010 Excel’a paski danych nie s cieniowane oraz s inaczej skalowane ni w wersji 2007 (Rysunek 3.)

Rysunek 3. Liczby sprzedanych wyrobów według dystrybutorów. Prezentacje graficzne w postaci pasków danych w arkuszach Excel 2007 i 2010

Naley zaznaczy , e w Excel’u 2007 paski danych nieprawidłowo zachowuj si w przypad-ku zer lub liczb ujemnych, poniewa nie znikaj zupełnie, ale jedynie malej do ok. 10% długoci komórki. Znikaj jedynie w komórkach pustych lub zawierajcych tekst.

W praktyce menederskiej istotna jest równie analiza odchyle od planów produkcji lub sprzeday wyrobów.

Na Rysunku 4. pokazane s odchylenia od ilociowego planu sprzeday kosmetyków wyno-szcego 8927 sztuk dla kadego dystrybutora. W Excelu – od wersji 2007 – wielkoci odchyle

(5)

Marek Melaniuk

Pozyskiwanie wiedzy menedĪerskiej z logistycznych baz danych za pomocą tabel przestawnych

mona przedstawi w sposób graficzny wykorzystujc do tego celu midzy innymi zestawy kilku-nastu ikon (karta Formatowanie warunkowe – Zestawy ikon). S to graficzne zestawy strzałek, wiartek, flag, sygnalizacji ulicznej, ocen i inne.

Rysunek 4. Ikony graficzne w postaci strzałek oraz üwiartek pokazujące wielkoĞci odchyleĔ od planu sprzedaĪy przez poszczególnych dystrybutorów

ródło: Opracowanie własne. 4. Analizy strukturalne

Analizy strukturalne s istotnym narzdziem wspomagajcym podjcie decyzji przez kadego menedera. Pokazuj one udziały procentowe poszczególnych elementów w ramach danego zjawi-ska. Na rysunku 5. przedstawiona jest struktura ilociowa sprzeday wyrobów w zalenoci od dystrybutorów.

(6)

Rysunek powyszy zawiera dwa rodzaje wykresów zawierajcych t sam informacj: wykres kołowy oraz słupkowy. Który z tych wykresów jest bardziej podany? Kilka wskazówek w tej sprawie znajduje si na stronie internetowej http://skuteczneraporty.pl.

Mianowicie, wykres kołowy jest najczciej naduywanym typem wykresu. Wykres ten niee-fektywnie przedstawia dane, poniewa ludzkie oko nie jest w stanie porówna któw wycinków poprawnie. Kty ostre s widziane jako mniejsze ni w rzeczywistoci, podczas gdy kty rozwarte jako wiksze. Nie da si te utworzy efektywnego wizualnie porównania midzy kilkoma wykre-sami kołowymi. Zmusza si te odbiorc, eby krył wzrokiem midzy legend, aktualnymi war-tociami a samym wykresem tak, aby połczy postrzegane informacje w cało . Naley te zau-way , e w przypadku niewielkich rónic midzy wycinkami koła reprezentujcymi udział pro-centowy, wzrokowo bardzo trudno jest dostrzec jakkolwiek rónic midzy nimi.

Znacznie skuteczniejszymi w odbiorze anieli wykresy kołowe s wykresy słupkowe, co po-kazuje Rysunek 4. Dlatego te w portalu skuteczneraporty.pl [10] wykresy kołowe zostały zaliczo-ne do tych, które raczej naley unika . Nie naley te jednoznacznie potpia wykresów koło-wych, tylko stosowa je w taki sposób, eby meneder na podstawie ich analizy mógł podj traf-ne decyzje, tym bardziej, e jedn z zasadniczych zalet wykresów kołowych jest moliwo auto-matycznego wyliczenia udziałów procentowych (struktury zjawisk gospodarczych) bez konieczno-ci ich uprzedniego obliczania w arkuszu.

5. Analiza dynamiki zjawisk w czasie

W logistyce sprzeday produktów jednym z istotnych czynników jest atrybut czasu. W tym przypadku szczególnej wagi nabiera dynamika zachowania si systemu w czasie. Dla wikszej liczby danych liczbowych analiza takich danych jest do kłopotliwa. Łatwiejsze zobrazowanie przynosi odpowiedni wykres graficzny. Na Rysunku 6. przedstawiony jest numeryczny raport sprzeday ilociowej kosmetyków według kolejnych miesicy – wykonany za pomoc tabeli prze-stawnej – oraz odpowiednik graficzny tego raportu w postaci wykresu liniowego.

Rysunek 6. Dynamika iloĞciowa sprzedanych wyrobów według miesiĊcy. Dane numeryczne i odpowiadający im wykres liniowy

(7)

Czy dynamik zjawisk mona przedstawi za pomoc wykresów kolumnowych lub słupko-wych? W zasadzie mona i w wielu przypadkach wykresy takie s stosowane. Jednak głównym celem prezentacji danych na wykresach kolumnowych jest przede wszystkim pokazanie wielkoci zjawisk, poniewa im wiksza jest kolumna lub dłuszy słupek, tym jest wiksza warto danego obiektu. Natomiast zasadniczym celem wykresu liniowego jest pokazanie zmiennoci w czasie, dynamiki zachowania si, wzrostów lub spadków sprzeday produktów w poszczególnych mo-mentach czasowych (np. w miesicach) a mniejsz uwag przywizuje si do samych wartoci. W celu łatwiejszego uchwycenia zmian w czasie, na wykresach liniowych naley dokona odpo-wiedniego przeskalowania osi pionowej w ten sposób, aby nie zaczynała si ona od wartoci ze-rowej, tylko od najmniejszej, która na Rysunku 6. wynosi 4500 (sprzeda we wrzeniu wynosi dokładnie 4632 opakowania kosmetyków). Pusty obszar wykresu midzy zerem a wartoci 4500 nie przynosi w praktyce adnej informacji.

W celu uchwycenia ogólnych tendencji i trendów w zakresie kształtowania si czynników produkcyjnych i finansowych przedsibiorstwa, w wersji 2010 arkusza kalkulacyjnego Excel jest moliwo ich przedstawienia za pomoc miniwykresów zwanych Wykresami przebiegu w czasie znajdujcych si na karcie Wstawianie. Jest to praktyczna realizacja idei Edwarda Tufte, guru w zakresie infografiki. [2,3] Miniwykresy (sparklines, spark oznacza iskierk) mieszcz si tylko w jednej komórce arkusza i nie maj opisanych osi pionowych ani poziomych. Mog wystpowa one w postaci wykresów: liniowego, kolumnowego i zysk-strata (win-loss).

Rysunek 7. Miniwykresy (sparklines) dynamiki iloĞciowej sprzedawanych kosmetyków w postaci wykresu kolumnowego i liniowego

Na Rysunku7. pokazane s (w powikszeniu) wykresy: kolumnowy i liniowy dynamiki liczby sprzedanych kosmetyków w kolejnych miesicach. S to te same dane ródłowe, na podstawie których został wykonany wykres liniowy zamieszczony na Rysunku 6. Wyranie widoczne s trendy wznoszce i opadajce dynamiki sprzeday, analogiczne do zmian przedstawionych na Ry-sunku 6. Oczywicie miniwykresy mona w pełni formatowa zmieniajc kolory, style, typy, po-kazywa punkty najwysze i najnisze itp.

Natomiast przykład miniwykresu dla wartoci ujemnych i dodatnich (znajdujcych si na Ry-sunku 4) pokazuje Rysunek 8. Jest to miniwykres typu zysk-strata, na którym wartoci dodatnie pokazuj kolumny czarne, natomiast ujemne zaznaczone s kolorem szarym.

Marek Melaniuk

(8)

Rysunek 8. Miniwykres typu zysk-stata dla liczb dodatnich i ujemnych ródło: Opracowanie własne.

Ciekawym rozwizaniem, wartym do wykorzystania w wizualnej analizie danych jest zasto-sowanie skali kolorów do kalendarza sprzeday wyrobów. Przedstawia to Rysunek 9.

Rysunek 9. Zastosowanie skali kolorów do przedstawienia sprzedaĪy kosmetyków ródło: Opracowanie własne.

W powyszym przypadku, w skali dwubarwnej typu czarny-biały, wartoci skrajne, czyli najwiksze i najmniejsze przyjmuj odpowiednio kolory czarne i białe, natomiast wartoci pored-nie przyjmuj róne odciepored-nie szaroci. Rysunek byłby znaczpored-nie bardziej czytelny, gdyby zastoso-wa inn skal kolorów, na przykład ółty-czerwony. Druk czarno-biały powoduje, e wizualiza-cja rysunku wiele traci ze swojej pogldowoci.

6. Analizy przestrzenne

Oprócz atrybutu czasu, logistyczne bazy danych zawieraj pola informacyjne dotyczce kie-runków sprzeday lub miejsc zakupu, czyli s to atrybuty przestrzenne. Do analizy tego typu da-nych stosuje si przede wszystkim systemy geoinformacyjne.

Systemy Informacji Geograficznej (GIS, Geographic Information System) słu zbieraniu, przetwarzaniu i wizualizacji danych na mapach wektorowych. Dziki graficznej prezentacji cy-frowych danych s one dla uytkowników bardziej zrozumiałe i łatwiejsze w odbiorze.

W przypadku mniejszych firm, zwłaszcza z sektora MSP oraz jednostek o w miar stałych kierunkach sprzeday, mona – zamiast dokonywa zakupu systemów profesjonalnych – samo-dzielnie wykona kontur mapy danego terytorium oraz poszczególne obszary administracyjne od-powiednio pokolorowa . Otrzymany szablon mona wielokrotnie wykorzysta w rónych okre-sach czasu pokazujc dokonujce si zmiany.

W logistycznej bazie danych, której fragment pokazuje Rysunek 1., pole informacyjne Miej-sce zawiera nazwy gmin powiatu zgierskiego. Gminy te stanowi kierunki sprzeday produktów. Wykorzystujc narzdzie tabel przestawnych, niezwykle szybko (w czasie nie wikszym ni kil-kanacie sekund) otrzymany został raport (Rysunek 10) pokazujcy warto sprzeday kosmety-ków do kadej z dziewiciu gmin.

(9)

Rysunek 10. WartoĞü sprzedanych wyrobów w układzie przestrzennym ródło: Opracowanie własne.

Wykonanie takiej mapy dokonuje si w 5 krokach: 1. Przygotowanie raportu numerycznego (Rysunek 10).

2. Ze strony Urzdu Marszałkowskiego Województwa Łódzkiego została została skopiowana oryginalna mapa powiatu zgierskiego (na Rysunku 11 mapa ta jest pokazana w znacznym po-mniejszeniu) i wklejona do arkusza kalkulacyjnego. W celu łatwiejszego wykonania konturów mapy, obszar arkusza powinien zosta powikszony (np. do 200%.)

Rysunek 11. Mapa jednostek administracyjnych powiatu zgierskiego

ródło: Strona internetowa Urzdu Marszałkowskiego Województwa Łódzkiego, http://www.archiwum.lodzkie.pl/lodzkie/wojewodztwo/mapa/zgierskig.html.

3. Wykorzystujc narzdzie Wstawianie – Kształty – Linie – Dowolny kształt, wykonany zo-stał – za pomoc myszki – kontur kadej z gmin wchodzcej w skład powiatu.

4. Biorc pod uwag otrzymane wartoci za pomoc tabeli przestawnej (Rysunek 10), utwo-rzono szereg rozdzielczy składajcy si z piciu przedziałów, kady o jednakowej wartoci 10000

Marek Melaniuk

(10)

zł. i przyporzdkowano kolory dla poszczególnych przedziałów (Legenda na Rysunku 12). 5. Ustalonymi kolorami kadego z przedziałów zostały pokolorowane kontury gmin (Narz-dzia główne – Kolor wypełnienia) w zalenoci od wartoci sprzeday zawartej w zadanym prze-dziale. Na Rysunku 12. pokazana jest wykonana mapa.

Na niewypełniony szablon mapy mona oczywicie nanosi dowolne dane oraz kolorowa go two-rzc w ten sposób kolejne mapy wizualizacji danych przestrzennych.

Mapa na Rysunku 12. została pokolorowana – ze wzgldów edycyjnych – kolorami od czar-nego (wysoka warto ) do jasnoszarego (niska warto ). Znacznie wicej efektów poznawczych dostarczaj inne kolory, na przykład takie, jakie s powszechnie stosowane na mapach synoptycz-nych.

Rysunek 12. WartoĞü sprzedaĪy kosmetyków do poszczególnych gmin powiatu zgierskiego ródło: Opracowanie własne.

(11)

7. Podsumowanie

Wychodzc z okrelenia wiedzy – któr jest umiejtno wykorzystania informacji do podejmowania decyzji – pokazano sposób zastosowania narzdzia tabel przestawnych do pozyskania wiedzy z przykładowej logistycznej bazy danych. Oczywicie, tabele przestawne maj znacznie wicej moliwoci analitycznych anieli pokazano w niniejszym artykule (np. filtr Fragmentatora jest nowym narzdziem w wersji 2010 arkusza Excel).

Tabele przestawne w dalszym cigu nie s zbyt popularne jako narzdzie umoliwiajce szybkie wykonanie raportów na podstawie istniejcej firmowej bazy danych pomimo, e na polskim rynku wydawniczym ju mona spotka kilka znaczcych, wartociowych pozycji [4,5,7] z tej dziedziny. Naley te zauway , e około 90% potrzeb w zakresie analizy baz danych dla celów wspomagania podejmowania decyzji menederskich zwłaszcza w sektorze MSP mog włanie zapewni włanie tabele przestawne.

W chwili obecnej, informacje otrzymane z tabel przestawnych w połczeniu z odpowiednimi wykresami graficznymi s coraz czciej wykorzystywane do budowy kokpitów menederskich, zwanych te pulpitami nawigacyjnymi (dashboards). Jest to o tyle obiecujcy kierunek szybkiego rozwoju systemów informatycznych, e na jednym ekranie przedstawione s główne wskaniki funkcjonowania jednostki produkcyjnej, handlowej, usługowej lub jednostki administracyjnej. Za pomoc tych wielkoci, traktowanych jako kluczowe wskaniki wydajnoci (Key Performance Indicators) funkcjonujcego przedsibiorstwa, menederowie maj moliwo monitorowania działalnoci całej firmy w czasie rzeczywistym i podejmowania szybkich reakcji w przypadku zaistnienia zagroe.

Bibliografia

[1] Abdulezer L., Excel Praktyczne zastosowania w biznesie, Helion, 2005

[2] Alexander M., Excel 2007 Dashboards and Reports for Dummies, Wiley Publishing Inc., 2008.

[3] Few S., Dashboard Design for Real-Time Situation Awareness, www.perceptualedge.comarticlesWhitepapersDashboard_Design.pdf.

[4] Harts D., Office 2007 Business Intelligence. Raporty, analizy i pomiary na komputerze PC, APN PROMISE, Warszawa 2008.

[5] Jelen B., Alexander M., Tabele przestawne, Mikom, Warszawa 2006.

[6] Kisielnicki J., Zarządzanie wiedzą we współczesnych organizacjach, w: Zarzdzanie wiedz w systemach informacyjnych, (red.) Abramowicz W., Nowicki A., Owoc M., Wyd. Akademii Ekonomicznej, Wrocław 2004.

[7] McFedries P., Excel Tabele i wykresy przestawne, Helion 2007.

[8] Melaniuk M., Tabele przestawne narzĊdziem analizy procesów społecznych, w: Zeszyty Naukowe Nr 576 Studia Informatica Nr 24, Uniwersytet Szczeciski, Szczecin 2009

[9] Porbska-Mic T., NarzĊdzia wspomagające zarządzanie wiedzą o kliencie, w: Pozyskiwanie wiedzy i zarzdzanie wiedz, (red) Nycz M., Owoc M., Prace Naukowe AE we Wrocławiu Nr 1121, Akademia Ekonomiczna, Wrocław 2006.

[10] Wykresy, których naleĪy unikaü – materiał z portalu: http://skuteczneraporty.pl/index.php /2010/09/15/wykresy-ktorych-nalezy-unikac/.

Marek Melaniuk

(12)

MANAGERIAL KNOWLEDGE ACQUISITION FROM LOGISTIC DATABASES BY MEANS OF PIVOT TABLES

Summary

This article describes the problem of managerial knowledge acquisition from logistic databases. There is shown the pivot tables in order to make analyses: quanti-ty analyses, structural and dynamic analyses and spatial analyses. Also some chosen possibilities of the visual data analysis were introduced. Pivot tables should be wide-ly applied as a tool of making decisions by manager mainwide-ly in SME sector.

Keywords: knowledge aquisition, logistic databases, pivot tables

Marek Melaniuk

Katedra Informatyki Ekonomicznej Wydział Ekonomiczno-Socjologiczny Uniwersytet Łódzki w Łodzi

ul. Rewolucji 1905 r. nr 37, 91-066 Łód e-mail: mar-mel@o2.pl