Streszczenie
Artykuł przedstawia podstawy metodyczne analizy efektywnoĞci ekonomicznej projektów i systemów klasy business intelligence (BI) dla sektora małych i Ğrednich przedsiĊbiorstw (MĝP). W czĊĞci początkowej wyróĪniono typy MĝP i wskazano te z nich, którym w pierwszej kolejnoĞci są dedykowane systemy BI, a takĪe sformuło-wano tezĊ, Īe aplikacje BI w MĝP musi cechowaü policzalna efektywnoĞü ekonomiczna. Aby osiągnąü ten cel konieczne jest systemowe, oparte na zweryfikowa-nych w praktyce metodach, badanie efektywnoĞci przedsiĊwziĊü BI. W pracy opisano takie metody, dokonując ich typologii, charakterystyki oraz analizując problemy zwią-zane z ich stosowaniem. Sformułowano teĪ regułĊ decyzyjną wyboru rozwiązania BI na bazie jego efektywnoĞci ekonomicznej oraz opisano narzĊdzia wspomagające ten proces.
Słowa kluczowe: business intelligence, system BI, efektywno ekonomiczna zastosowa BI, metody analizy i oceny efektywnoci ekonomicznej
Wprowadzenie
Rozwój metod zarzdzania opartych na technologiach informacyjnych spowodował, e trudno sobie wyobrazi funkcjonowanie gospodarki bez sprawnych i skutecznych systemów informatycz-nych. Informatyka stała si jednym z głównych czynników rozwoju, dziki któremu jest moliwe tworzenie nowych form i sposobów obsługi działalnoci wewntrz firm i w ich otoczeniu, których egzemplifikacj s takie koncepcje biznesowe, jak: przedsibiorstwo czasu rzeczywistego, organi-zacja inteligentna czy firma 2.0. Wielodziedzinowe systemy transakcyjne działajce w trybie on-line s uzupełniane o zintegrowane z nimi aplikacje klasy business intelligence (SIK/EIS, Q&R, SWD/DSS itp.) [9, rozdz. 13]. Przy czym wszystkie te zaawansowane rozwizania, które kiedy były domen przede wszystkim firm duych, coraz czciej spotka mona równie w małych i red-nich przedsibiorstwach (MP). I o ile w przypadku systemów transakcyjnych ich uyteczno w sektorze MP jest bezdyskusyjna, to w przypadku aplikacji BI – mimo coraz wikszej liczby udanych implementacji – cigle trwaj dyskusje zwizane z efektywnoci, w tym ekonomiczn, takich zastosowa. Zwłaszcza, e przedstawiane analizy opłacalnoci nie zawsze s poparte „twar-dymi” danymi o uzyskiwanych efektach zestawionych z ponoszonymi kosztami, a jedynie opieraj si na ocenach opisowych typu: procesy informacyjno-decyzyjne s obsługiwane „sprawniej”, me-nederowie s „lepiej poinformowani”, a wdroone rozwizanie jest „unikatowe” i „innowacyjne”.
Celem niniejszego artykułu jest pokazanie, e efektywno zastosowa BI w sektorze MP mona mierzy, a w konsekwencji ni zarzdza. Wymaga to jednak uycia metod z jednej strony sprawdzonych w praktyce, z drugiej za dostosowanych do typu aplikacji (BI), jak i obszaru ich zastosowa (MP), których wyniki bd nie tylko zrozumiałe dla włacicieli przedsibiorstw czy kadr zarzdzajcej, ale dadz si odnie do innych ponoszonych nakładów inwestycyjnych czy kosztów działalnoci oraz uzyskiwanych korzyci, bdc podstaw racjonalnych decyzji bizneso-wych. Takie włanie metody s przedmiotem opisu i analizy w kolejnych czciach opracowania.
Nim jednak przejdziemy do ich przegldu i szerszej charakterystyki, w nastpnym punkcie synte-tycznie omówimy najwaniejsze problemy zastosowania systemów klasy BI w sektorze MP.
1. Sektor MP a zastosowania systemów klasy Business Intelligence
Analizujc sektor MP w kontekcie stosowania w nim systemów klasy BI naley zwróci uwag na trzy istotne zagadnienia:
1) rol jak pełni on we współczesnych gospodarkach, w tym polskiej,
2) rodowisko informacyjno-decyzyjne, w którym działaj menederowie i/lub właciele małych i rednich firm,
3) wymagania, jakie powinny spełnia systemy BI dedykowane MP, uwzgldniajc m.in. pro-blem ich opłacalnoci.
Jeeli chodzi o zagadnienie pierwsze, to dostpne dane statystyczne i raporty analityczne poka-zuj, e MP pełni wan ekonomicznie (por. np. ~50% udział w PKB) i społecznie (por. np. ~67% udział w zatrudnieniu) rol w gospodarce, zarówno polskiej, jak i unijnej (zob. np. opart na staty-stykach GUS/Eurostat publikacj PARP [15]). Z tego m.in. wzgldu s podane działania mogce poprawi warunki ich funkcjonowania, w tym take róne formy innowacji (zob. tzw. „Small Busi-ness Act” [21]). Trzeba jednak zauway, e cho sektor MP jest duym ilociowo i wartociowo oraz chłonnym rynkiem dla produktów i usług IT (jego wolumen to ponad 6 mld zł ze stał tendencj wzrostow), to jest to rynek specyficzny i niejednorodny. Z punktu widzenia omawianego w niniej-szej pracy obszaru BI odmienne na przykład s potrzeby firm mikro (zatrudniajcych < 9 pracowników, którym wystarczaj na ogół rozwizania typu „Excel BI”), małych (10÷49 zatrudnio-nych, preferujcych przede wszystkim aplikacje analityczno-raportujce Q&R lub systemy BI dostpne w modelu SaaS/cloud) i rednich (50÷249 zatrudnionych, gdzie obserwuje si odejcie od „tradycyjnych” systemów BI w kierunku dwuwarstwowych aplikacji BI/ERP, a take korzysta z BI w modelu SaaS/cloud i oczekuje wdroe tzw. rozwiza „budetowych” BI).
Drugie z wyrónionych zagadnie, wie si z faktem, e skuteczno i efektywno podejmo-wanych przez menederów decyzji zaley w duej mierze od monoci identyfikacji oraz analizy istotnych czynników wpływajcych na funkcjonowanie przedsibiorstwa. Najwiksze trudnoci w tym zakresie wystpuj włanie w MP. Menederowie tych przedsibiorstw nie maj na ogół dostpu do szerokiego spektrum informacji zarzdczych, ani nie dysponuj zespołami analityków w celu zbierania danych i ich interpretowania. Wikszoci firm sektora MP nie sta – ze wzgldów finansowych oraz kadrowych – na wsparcie przez wewntrznych czy zewntrznych konsultantów. Do tego funkcjonuj one w zdecydowanie bardziej niepewnym i ryzykownym otoczeniu bizneso-wym, a marginesy błdów decyzyjnych s czsto znacznie wsze. Kadra kierownicza MP w takich warunkach czsto działa intuicyjnie i w rezultacie jako podejmowanych decyzji jest zde-cydowanie mniejsza (zob. m.in. [11] i [13]). Dodatkowo wielu menederom i włacicielom MP brakuje eksperckiej (a w czci przypadków nawet elementarnej) wiedzy dziedzinowej z obszaru ekonomii i finansów. Problemy te s szczególnie mocno odczuwalne w przedsibiorstwach zalicza-nych do dwóch segmentów (szerzej na temat uytej segmentacji w [23]): tzw. firm szybkiego wzrostu (stanowi one 3÷7% ogółu MP) i czciowo tzw. firm tradycyjnych (33÷42% MP).
Dlatego te – std trzecie z wyrónionych zagadnie – projektowanie dobrych rozwiza BI dla sektora MP wie si z przyjciem nastpujcych wymaga, które musz by bezwzgldnie speł-nione:
− maj to by systemy analityczno-informacyjne kierownictwa wspomagane wiedz dziedzi-now, czyli tzw. SIK/EIS wspomagane wiedz (szerzej m.in. w [9, rozdz. 13]),
− powinny one umoliwia globalne monitorowania sytuacji ekonomiczno-finansowej przedsi-biorstwa, z uwzgldnieniem jego otoczenia gospodarczego,
− przyjta architektura oraz zastosowane technologie powinny gwarantowa dalsze rozszerzenia funkcjonalnoci, zapewnia interoperacyjno oraz łatwo integracji w rodowisku MP, − uytkownicy powinni korzysta z interaktywnego, przyjaznego i wielomodalnego interfejsu,
zgodnego z najlepszymi wzorcami wizualnej nawigacji i eksploracji danych (zob. [7] i [11]), − implementacja rozwiza powinna by take zgodna z obserwowanymi tendencjami i
progno-zami rozwoju systemów BI (chodzi m.in. o tendencje umownie okrelane przez analityków i badaczy mianem BI 2.0 i BI 3.0, szerzej opisane m.in. w [8] i [11]).
Przykładem rozwizania, które uwzgldnia te wymaga jest system TETA BI z inteligentnym kokpitem menederskim InKoM, zrealizowany dziki dofinansowaniu przyznanemu przez Naro-dowe Centrum Bada i Rozwoju w pierwszym konkursie programu INNOTECH (cieka In-tech) w ramach umowy INNOTECH/IN1-K1/34/153437/NCBR/12 (szerokie opisy projektu i jego pro-duktów s zawarte m.in. w [4], [5] i [11] oraz w powoływanych tam opracowaniach).
Ostatnim, ale nie mniej wanym ni wczeniej wyrónione, wymaganiem jest wymóg opłacal-noci dostarczanych rozwiza BI. Aplikacje BI stosowane w MP musi cechowa policzalna efektywno ekonomiczna, gdy jest ona jednym z podstawowych kryteriów decyzyjnych o alokacji rodków inwestycyjnych, w tym take w obszarze IT. Wynika z tego bezporednio konieczno systemowego, opartego na zweryfikowanych w praktyce metodach, badania efektywnoci ekono-micznej przedsiwzi BI w MP, czemu jest powiecony kolejny punkt opracowania.
2. Przegld i ogólna charakterystyka metod badania i oceny efektywnoci ekonomicznej zastosowa systemów klasy Business Intelligence
2.1. Podstawy metodyczne
Jak wskazano w poprzedniej czci opracowania jednym z istotniejszych wymaga, które mu-sz spełnia rozwizania BI dla sektora MP jest wymóg opłacalnoci i wynikajca z niego konieczno – prowadzonej zwłaszcza w ujciu ex ante – oceny efektywnoci ekonomicznej syste-mów i/lub projektów BI (zob. m.in. [4], [5] i [22]). Ocena rozpatrywana z tej perspektywy obejmuje procesy identyfikacji, kwantyfikacji i analizy nakładów/kosztów, korzyci oraz ryzyka, zwizanych z tworzonymi, wdraanymi i uytkowanymi aplikacjami BI, które s wykonywane zarówno przez pracowników działów biznesowych, jak i słuby informatyczne. Wstpnej oceny efektywnoci po-winno si dokona przed rozpoczciem projektu (a priori), kolejnych za – w celu weryfikacji wstpnych oszacowa i cigłej poprawy efektywnoci – po zakoczeniu wdroenia, a nastpnie przynajmniej po kadym roku uytkowania rozwiza BI.
W literaturze przedmiotu mona znale opisy rónych podej metodycznych stosowanych w pomiarze i ocenie efektywnoci ekonomicznej przedsiwzi i/lub produktów informatycznych oraz liczne przykłady ich uycia (zob. m.in. polskojzyczne monografie [2], [3] i [12], które zawie-raj kompleksowe opisy najwaniejszych znanych metod i technik analitycznych). Podobnie wiele firm konsultingowych, instytucji szkoleniowych czy te dostawców produktów i usług informatycz-nych udostpnia na swoich stronach WWW albo na specjalizowainformatycz-nych portalach wiedzy firmowe
metodyki badania efektywnoci, tematyczne encyklopedie wiedzy, materiały informacyjne i szko-lenio-we, studia przypadków analiz efektywnoci konkretnych projektów i/lub prezentuje tzw. najlepsze praktyki w tym zakresie. Mnogo i rónorodno dostpnych ródeł jest zwizana z tym, e zarzdzanie efektywnoci IT, w tym jej ujciem ekonomicznym, jest zagadnieniem wielo-płasz-czyznowym i moe by rozwaane z rónych, czsto zupełnie odmiennych perspektyw. W niniejszym opracowaniu zwrócimy uwag na dwie z nich, gdy stanowi one zdaniem autora dobry punkt wyjcia dla dalszych rozwaa szczegółowych.
Rysunek 1. MoĪliwe do realizacji strategie zarządzania efektywnoĞcią IT ródło: opracowanie własne na postawie [1] i [14].
Po pierwsze, mówic o zarzdzaniu efektywnoci powinnimy spojrze na sposoby budowania wartoci przedsibiorstw z wykorzystaniem IT. Na rys. 1 przedstawiono moliwe do realizacji stra-tegie, pozwalajce poprawi efektywnoci IT, ujmowan jako relacja midzy pozytywnym wpływem technologii informatycznych na wyniki firmy, a nakładami i kosztami ponoszonymi na te technologie. Strategie te mona zgrupowa – z punktu widzenia celu opracowania – w dwie katego-rie, które obejmuj działania:
1) zorientowane na ROI/CFROI/VOI, a wic na zwikszanie wartoci zwrotu z inwestycji IT drog osigania przyrostu efektów poprzez dodatni wpływ IT na wyniki biznesowe firmy, 2) zorientowane na TCO, a wic na obnienie pełnych nakładów inwestycyjnych i kosztów IT,
przy zachowaniu lub nawet zwikszeniu poziomu efektów biznesowych.
wyĪsze nakłady/koszty i wiĊkszy wpływ
niĪsze nakłady/koszty i ten sam wpływ
takie same nakłady/koszty i wiĊkszy wpływ N a k ła d y i k o s z ty w y Ī s z e n iĪ s z e
Wpływ na poprawĊ wyników obiektu wiĊkszy mniejszy
Obszar poprawy
efektywnoĞci IT
dzisiejsze nakłady/koszty i wpływwzrost wpływu wynikający z nowych projektów IT
re d u k c ja k o s z tó w I T w y n ik a ją c a z u s p ra w n ie Ĕ t e c h n o lo g ic z n y c h osiągalne nakłady/koszty i wpływ niĪsze nakłady/koszty i wiĊkszy wpływ orientacja na TCO orientacja na ROI/CFROI/VOI
Drugim zagadnieniem, na które naley zwróci uwag, jest cisła współzaleno obu wyod-rbnionych grup strategii zarzdzania efektywnoci oraz wiedza o tym, w jaki sposób okrelone kategorie rozwiza informatycznych, na które ponosimy bardzo niekiedy zrónicowane wydatki, dostarczaj wartoci składajcych si na potencjalne korzyci (szeroko ten problem jest omówiony np. w pracy [14]), a wic pozytywnie wpływajcych w efektywno. Jest oczywistym, e najlepiej – z punktu widzenia efektywnoci ekonomicznej inwestycji informatycznych – byłoby jednoczenie minimalizowa TCO i maksymalizowa efekty (mierzone przyrostem wartoci takich wskaników jak ROI/CFROI/VOI). Wynika z tego, e powinno si stosowa takie podejcia do zarzdzania efek-tywnoci, które pozwalaj na łczne rozpatrywanie obu grup strategii. Jednym z takich podej jest Value IT, które jest szerzej omówione w punkcie 3.1 opracowania i którego modyfikacja nazwana roboczo Value BI powinna przyczyni si do skutecznejszego badania i oceny efektywnoci ekono-micznej zastosowa rozwiza BI, take w sektorze MP.
2.2. Typologia i syntetyczny przegld najwa niejszych metod
Jak wskazano w poprzednim punkcie, istnieje wiele szczegółowych metodyk oceny efektyw-noci ekonomicznej przedsiwzi informatycznych (w tym z obszaru BI), dlatego – w ramach ich syntetycznego przegldu – konieczna jest ich typologia, któr przedstawiono w tabela 1. Naley zaznaczy, e nie obejmuje ona wszystkich opisanych w literaturze i/lub uywanych w praktyce metod analitycznych i zarzdczych, a tylko porzdkuje te z nich, które s albo przedmiotem dyskusji w niniejszym artykule, albo maj w stosunku do nich charakter uzupełniajcy lub rozszerzajcy.
Tabela 1. Typologia wybranych metod oceny efektywnoĞci ekonomicznej przedsiĊwziĊü IT
Grupa/podgrupa metod oceny efektywnoci Reprezentatywny przykład
Metody zorientowane na racjonalizacj kosz-tów
Kwantyfikujce koszty bezporednie
TCO Kwantyfikujce koszty porednie
Kwantyfikujce koszty odłoone w czasie Metody zorientowane
na racjonalizacj efek-tów (korzyci)
Kwantyfikujce efekty automatyzacji
ROI/CFROI/VOI Kwantyfikujce efekty informacyjne
Kwantyfikujce efekty transformacyjne Metody
kosztowo-efektowe (pełnego ra-chunku
ekonomicznego)
Kwantyfikujce zdyskontowane prze-pływy pienine netto i ich rozkład w czasie (CF+, CF-, NCF)
Analiza kosztów i korzyci (AKK/CBA) z pomiarem wartoci NPV, IRR, MIRR, PP i B/C Kwantyfikujce całkowity wpływ
ekono-miczny IT na przedsibiorstwo/instytucj
Metoda pełnego wpływu ekono-micznego (TEI), Value IT
Metody skoringowe (punktowe) Ekonomika informacji (IE)
Metody uzupełniajce i/lub rozszerzajce ba-danie i ocen
Metody strategicznego i operacyjnego za-rzdzania efektywnoci (strategicznego i operacyjnego controllingu IT)
Informatyczna zrównowaona karta wyników (ITSC)
Metoda wartoci wypracowanej (EVA/EVM)
Metody poredniej analizy ryzyka Analiza wraliwoci Analiza scenariuszowa
ródło: opracowanie własne na podstawie [2], [3], [12] i [19].
Zaprezentowane w tab. 1 grupowanie (typologia) oraz wyrónione przykłady metod szczegó-łowych wymagaj krótkiego komentarza.
Po pierwsze, naley podkreli, e w odniesieniu do przedsiwzi BI realizowanych w sekto-rze MP – ze wzgldu na rekomendacje i wymagania studiów wykonalnoci projektów dofinansowywanych ze rodków publicznych (fundusze wsparcie, programy unijne, krajowe i re-gionalne itp.) – podstaw systemowej oceny efektywnoci powinna by zdaniem autora metoda analizy kosztów i korzyci (AKK/CBA), która bazuje na zdyskontowanych przepływach pieni-nych. AKK/CBA stosuje znane i powszechnie zalecane szczegółowe mierniki i wskaniki, takie jak IRR (wewntrzna stopa zwrotu), MIRR (zmodyfikowana wewntrzna stopa zwrotu), NPV (bieca warto netto), ROI/CFROI (stopa i/lub wielko zwrotu z inwestycji, prosta albo oparta na pełnych przepływach pieninych) i VOI (warto z inwestycji). W praktyce metoda AKK/CBA jest uzu-pełniana analizami i symulacjami kosztowymi (TCO), w których stosuje si kalkulatory TCO/ROI. Szerokie opisy samej metody, stosowanych przez ni mierników i wskaników oraz przykłady jej uycia w przedsiwziciach informatycznych s dostpne m.in. w pracach [6], [17] i [19].
Po drugie, od strony proceduralnej oraz z perspektywy strategicznej metoda AKK/CBA po-winna działa zgodnie z podejciem Value IT, którego schematy oraz formuły obliczeniowe s odpowiednie zarówno do wyliczania ROI/CFROI/VOI, jak i składowych TCO, a dodatkowo po-zwalaj obj analiz efekty trudne do wyceny pieninej. Z tego wzgldu w kolejnym punkcie szerzej zostanie omówione to podejcie, a nastpnie zarysowana bdzie jego modyfikacja – roboczo nazwana Value BI – która dostosowuje je do oceny efektywnoci zastosowa BI.
3. Value BI jako modyfikacja podejcia Value IT zorientowana na badanie i ocen efektyw-noci ekonomicznej zastosowa BI w sektorze MP
3.1. Zało enia Value BI
Badanie i ocena efektywnoci ekonomicznej zastosowa BI w sektorze MP moe – zdaniem autora – bazowa na podejciu znanym w literaturze jako Value IT [20], gdy – jak zaznaczono w poprzedniej czci opracowania – proponowane w nim formuły umoliwiaj zarówno obliczenie ROI/CFROI/VOI oraz wskaników stosowanych w metodzie CBA, jak i składowych TCO. W po-dejciu tym przyjto, e aby okreli efektywno przedsiwzi IT i bdcych ich wynikiem produktów, trzeba najpierw wyznaczy tzw. efekt netto IT (E0) uzyskiwany w danym momencie przez obiekt gospodarczy, posługujc si nastpujc reguł:
E0 = korzyĞci – koszty procesów biznesowych – koszty IT
Nastpnie, aby okreli efekt netto IT osignity dziki konkretnemu przedsiwziciu i/lub sys-temowi informatycznemu (E1), naley dokona identycznego pomiaru po dostarczeniu i wdroeniu jego produktów i/lub usług. Efektywno obliczamy jako rónic E1 – E0, przy czym moemy mie do czynienia m.in. z nastpujcymi typowymi sytuacjami:
− scenariuszem minimalizacji kosztów IT, z którym mamy do czynienia, gdy celem danego przedsiwzicia informatycznego jest obnienie nakładów/kosztów ponoszonych na IT (np. po-przez ich optymalizacj opart na metodzie TCO), przy zachowaniu tego samego poziomu kosztów obsługi procesów biznesowych i uzyskiwanych korzyci, a wic:
E1 = korzyĞci – koszty procesów biznesowych – ↓ koszty IT
− scenariuszem minimalizacji kosztów procesów biznesowych, w którym dane przedsiwzicie informatyczne powoduje wprawdzie wzrost kosztów IT (przez poniesione nakłady inwesty-cyjne i/lub zwikszone koszty uytkowania systemów), ale jednoczenie jego wynikiem jest znacznie wiksza redukcja kosztów obsługi procesów biznesowych (w wyniku wystpienia
tzw. efektów automatyzacji), przy zachowaniu tego samego poziomu korzyci, a wic: E1 = korzyĞci – ↓↓ koszty procesów biznesowych – ↑ koszty IT
− scenariuszem maksymalizacji korzyci, o którym mówimy, gdy dane przedsiwzicie informa-tyczne powoduje – podobnie jak w poprzedniej sytuacji – zwikszenie kosztów IT, ale jednoczenie jego wynikiem jest znacznie wikszy wzrost korzyci (w wyniku wystpienia przede wszystkim tzw. efektów informacyjnych i transformacyjnych), przy zachowaniu tego samego poziomu kosztów obsługi procesów biznesowych, a wic:
E1 = ↑↑ korzyĞci – koszty procesów biznesowych – ↑ koszty IT
Dostosowujc podejcie Value IT do badania i oceny efektywnoci ekonomicznej zastosowa systemów klasy BI, a wic tworzc jego wersj dedykowan obszarowi business intelligence, na-zwan roboczo przez autora Value BI – nie zmieniajc przy tym istoty obliczania efektywnoci E1 – E0 – naley podane wczeniej scenariusze zmodyfikowa w nastpujcy sposób:
(a) formuła wyznaczania efektu netto BI:
E0 = korzyĞci z BI – koszty procesów informacyjno-decyzyjnych – koszty BI (b) formuła wyznaczania efektu netto scenariusza minimalizacji TCO dla BI:
E1 = korzyĞci z BI – koszty procesów informacyjno-decyzyjnych – ↓ koszty BI (c) formuła wyznaczania efektu netto scenariusza minimalizacji kosztów procesów
informa-cyjno-decyzyjnych:
E1 = korzyĞci z BI – ↓↓ koszty procesów informacyjno-decyzyjnych – ↑ koszty BI (d) formuła wyznaczania efektu netto scenariusza maksymalizacji korzyci z BI:
E1 = ↑↑korzyci z BI – koszty procesów informacyjno-decyzyjnych – ↑ koszty BI O ile strona nakładowo-kosztowa w takim rachunku jest przejrzysta i wzgldnie łatwa w iden-tyfikacji i kwaniden-tyfikacji, to znacznie bardziej złoone jest identyfikowanie i kwantyfikowanie korzyci bdcych wynikiem zastosowa systemów klasy BI, zwłaszcza w sektorze MP. Wynika to przede wszystkim z ograniczonej liczby wdroe systemów klasy BI w MP oraz z braku odpo-wiedniej liczby reprezentatywnych studiów przypadków dla wdroe, które zakoczyły si sukcesem (a wic mogcych słuy jako wzorce tzw. najlepszych praktyk a opisujce je dane efek-tywnociowe mog by wtedy traktowane jako dane referencyjne) albo porak (a wic bdcych ródłem wiedzy o tzw. kluczowych czynnikach poraki). Wikszo dostpnych analiz i studiów przypadków z obszaru BI dotyczy bowiem obiektów rednich, duych i wielkich. Szczególnie istotne jest to w przypadku, gdy analiza jest prowadzona w ujciu ex ante, a wic dla scenariuszy typu „to-be”. Aby estymacja wartoci planowanych efektów i/lub utraconych korzyci (opportunity costs) była wiarygodna, ich kalkulacja powinna opiera si na repozytoriach zawierajcych dane efektywnociowe z wielu zastosowa systemów klasy BI w sektorze MP oraz na danych porów-nawczych kluczowych wskaników efektywnoci (KPI – Key Performance Indicators) charakteryzujcych wspomagane procesy informacyjno-decyzyjne. Szerzej na ten temat w kolejnym punkcie.
3.2. Procedura analityczna, reguła decyzyjna i narzdzia wspomagajce
Po przedstawieniu w poprzedniej czci opracowania wybranych podstaw metodycznych za-rzdzania efektywnoci ekonomiczn zastosowa BI w MP moemy przej do opisu instrumentalizacji procesu analitycznego. Zdaniem autora, dopiero wówczas, gdy proces ten bdzie odpowiednio wspomagany, a narzdzia wspierajce zrozumiałe i dostpne, pomiar i ocena efektyw-noci stan si „codzienefektyw-noci” takich przedsiwzi. W zwizku z tym, e w niniejszej pracy koncentrujemy si na analizach AKK/CBA z uwzgldnieniem TCO i ROI/CFROI/VOI przedmio-tem dalszego opisu bdzie ten proces, co schematycznie prezentuje rys. 2.
2. Identyfikacja oraz kwantyfikacja pełnych efektów ekonomicznych rozwiązania BI 1. Identyfikacja oraz kwantyfikacja pełnych nakładów i kosztów rozwiązania BI
3. Kalkulacja oraz ocena efektywnoĞci ekonomicznej (NPV, IRR/MIRR, PP i B/C)
4. Wybór wskaĨników efektywnoĞci (KPI) do oceny korzyĞci trudnych do wyceny pieniĊĪnej
6. Ocena rozszerzona o czynniki zmiennoĞci i ryzyka (analizy wraĪliwoĞci oraz scenariuszowa) 5. Okresowa ocena zmiany korzyĞci trudnych do wyceny pieniĊĪnej (na bazie wybranych KPI)
7. Kompleksowa ocena pełnego wpływu rozwiązania BI na MĝP i jego efektywnoĞci ekonomicznej
Rysunek 2. Schemat procesu analizy efektywnoĞci ekonomicznej zastosowaĔ BI w MĝP ródło: opracowanie własne.
Przedstawiony na rysunku schemat wymaga krótkiego komentarza.
Po pierwsze, opiera si on na zaproponowanym wczeniej podejciu Value BI. Naley przypo-mnie, e opisujc to podejcie podkrelono, e strona nakładowo-kosztowa w tym rachunku jest przejrzysta i wzgldnie łatwa w identyfikacji i kwantyfikacji. Jest to prawd w przypadku analiz ex ante wyłcznie wtedy, gdy uywamy adekwatnych do charakterystyk przedsiwzi struktur TCO oraz dysponujemy niezbdnymi danymi (historycznymi albo porównawczymi z podobnych projek-tów). Dlatego warto takie dane gromadzi i/lub wymaga od potencjalnych dostawców rozwiza BI budetowania swoich ofert zgodnie z wymagan w konkretnej analizie struktur nakładów/kosz-tów bezporednich, porednich oraz odłoonych w czasie.
Po drugie, jak parokrotnie ju podkrelano, znacznie bardziej złoone i obarczone wikszym rozrzutem oszacowa jest identyfikowanie i kwantyfikowanie korzyci bdcych wynikiem zasto-sowa systemów BI. Dotyczy to zwłaszcza sytuacji, gdy analiza jest prowadzona w ujciu ex ante, a wic dla scenariusza typu „to-be”. Dlatego te oprócz gromadzenia – podobnie jak w przypadku nakładów/kosztów – odpowiednich danych historycznych i porównawczych o uzyskanych wymier-nych efektach i/lub utracowymier-nych korzyciach, naley rozszerzy proces badania o analiz kluczowych wskaników efektywnoci (KPI), charakteryzujcych wspomagane procesy analityczne i informa-cyjno-decyzyjne. Modelowanie oczekiwanych wartoci KPI na bazie danych porównawczych
pozwala w sposób poredni wiarygodnie estymowa moliwe do osignicia przyrosty produktyw-noci (redukcje kosztów, zmiany wskaników wydajproduktyw-noci czy poprawy jakoci informacji decyzyjnych), co jest niezwykle istotne dla systemów klasy BI. Jeeli dodatkowo podczas wdroe-nia, a nastpnie nadzoru powdroeniowego mamy dostp do rzeczywistych danych produkcyjnych implementowanych rozwiza, to mona przyj załoenie, e zmiana monitorowanych KPI od-zwierciedla jako i efektywno wdroonych systemów. Współczynniki zmiany KPI wzgldnie łatwo jest nastpnie przełoy na konkretne wielkoci finansowe, gdy kady z nich jest skojarzony z okrelonymi obiektami kosztowymi i/lub przychodami. W celu poprawy jakoci wyników mode-lowania KPI mona uzupełni ten proces o analizy wraliwoci (what-if) i scenariuszow typu OBP (scenariusze optymistyczny, bazowy i pesymistyczny), które pozwalaj uwzgldni czynniki zmien-noci i ryzyka, bdce nieodłcznymi atrybutami zastosowa rozwiza BI.
Po trzecie, wanym elementem kadego procesu oceny jest uywana w nim reguła decyzyjna. Podobnie jest w przypadku kompleksowej oceny efektywnoci ekonomicznej zastosowa BI w MP. Wydaje si, e tworzc j mona skorzysta z propozycji zawartych w pracy [16], które obrazuje schematycznie rys. 3.
Rysunek 3. Reguła decyzyjna oceny efektywnoĞci ekonomicznej zastosowaĔ BI w MĝP ródło: opracowanie własne na podstawie [16].
Po czwarte, majc niezbdne dane mona proces analityczny przynajmniej czciowo zautoma-tyzowa, tworzc odpowiednie rodowisko wspomagajce, znane w literaturze przedmiotu i praktyce zastosowa jako kalkulatory TCO/ROI/VOI. Reprezentatywnym przykładem takiego na-rzdzia ukierunkowanego na omawian klas aplikacji jest TDWI Business Intelligence ROI Calculator (www.tdwi.org).
4. Podsumowanie
Ograniczone ramy artykułu nie pozwoliły na pełn analiz złoonego problemu oceny efektyw-noci ekonomicznej zastosowa systemów klasy BI w sektorze MP. Autor zdaje sobie doskonale spraw, i pominł albo potraktował „po macoszemu” takie m.in. zagadnienia jak:
1) szersz analiz dostpnych ródeł danych referencyjnych dla kwantyfikacji nakładów i kosztów przedsiwzi BI oraz efektów (korzyci) uzyskiwanych dziki zastosowaniu systemów BI, w tym w sektorze MP, wic odsyła do takich m.in. prac jak [6], [16], [18] i [22],
2) analiz kluczowych wskaników efektywnoci (KPI), które mog by uyte w proponowanym podejciu Value BI do kwantyfikacji korzyci trudnych do wyceny pieninej (czci korzyci porednio wymiernych oraz korzyci nieprzewidywalnych i niematerialnych) oraz algorytmiki ich przekształcania w wartoci pienine stosowane w rachunkach AKK/CBA, wic odsyła do pracy [10], a take do [4] i [5] oraz powoływanych tam opracowa,
3) identyfikacj i szersze omówienie krytycznych czynników sukcesu/poraki przedsiwzi BI, w tym realizowanych w sektorze MP, wic odsyła do pracy [13].
Powysze problemy bd przedmiotem dalszych szczegółowych bada oraz tematem przy-szłych opracowa autora.
Bibliografia
[1] Benson R., Bugnitz T., Walton W., From Business Strategy to IT Action. Right Decision for the Better Bottom Line, John Wiley & Sons, New Jersey 2004.
[2] Cypryjaski J., Metodyczne podstawy ekonomicznej oceny inwestycji informatycznych przedsiĊbiorstw, Wydawnictwo Naukowe Uniwersytetu Szczeciskiego, seria „Rozprawy i studia”, tom 669, Szczecin 2007.
[3] Dudycz H., Dyczkowski M., EfektywnoĞü przedsiĊwziĊü informatycznych. Podstawy metodyczne pomiaru i przykłady zastosowaĔ, Wydawnictwo Akademii Ekonomicznej, Wrocław 2006.
[4] Dyczkowski M., Korczak J., Dudycz H., Multi-criteria Evaluation of the Intelligent Dashboard for SME Managers based on Scorecard Framework, [w:] Proceedings of the 2014 Federated Conference on Computer Science and Information Systems. Annals of Computer Science and Information Systems, vol. 2, M. Ganzha, L. Maciaszek, M. Paprzycki, (eds), Polskie Towarzystwo Informatyczne, Warsaw, Institute of Electrical and Electronics Engineers, New York City 2014, s. 1147–1155.
[5] Dyczkowski M., Korczak J., Dudycz H., Wielokryterialna ewaluacja systemu klasy BI dla MĝP oparta na podejĞciu BI Scorecard Framework, [w:] Problemy wykorzystania systemów informatycznych zarzdzania w gospodarce, Problemy Zarzadzania, vol. 13, nr 2 (52), t. 1., Wydawnictwo Naukowe Wydziału Zarzdzania Uniwersytetu Warszawskiego, Warszawa 2015, s. 136–149.
[6] Ho evar B., Jakli J., Assessing benefits of business intelligence systems – A case study, Management, vol. 15/2010, no 1, s. 87–119.
[7] Howson C., Successful Business Intelligence: Secrets to Making BI a Killer Application, McGraw-Hill, New York 2008.
[8] Howson C., Successful Business Intelligence, Second Edition: Unlock the Value of BI & Big Data, McGraw-Hill Education, New York 2013.
[9] Informatyka ekonomiczna. CzĊĞü II. Informatyzacja obiektu gospodarczego, red. J. Korczak, M. Dyczkowski, B. Łukasik-Makowska, Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu, Wrocław 2013.
[10] King E., Key Metrics for Determing ROI for Business Intelligence Implementations, Noetix and Unisphere Research, August 2007, http://noetix.comdownloadresearchNoetix_200707_ ROIforBI.pdf, Dostp: [2016.04.29].
[11] Korczak J., Dudycz H., Dyczkowski M., Intelligent Dashboard for SME Managers. Architecture and functions. [in:] Proceedings of the Federated Conference on Computer
Science and Information Systems FedCSIS 2012. M. Ganzha, L. Maciaszek, M. Paprzycki, (eds.), Polskie Towarzystwo Informatyczne, IEEE Computer Society Press, Warsaw, Los Alamitos, CA 2012, pp. 1003–1007.
[12] Lech P., Metodyka ekonomicznej oceny przedsiĊwziĊü informatycznych wspomagających zarządzanie organizacją, Wydawnictwo Uniwersytetu Gdaskiego, Gdask 2007.
[13] Olszak C., Ziemba E., Critical Success Factors for Implementing Business Intelligence Systems in Small and Medium Enterprises on the Example of Upper Silesia, Poland, Interdisciplinary Journal of Information, Knowledge & Management, vol. 7/2012, s. 129– 150.
[14] Orzechowski R., Budowanie wartoĞci przedsiĊbiorstwa z wykorzystanie IT, Oficyna Wydawnicza Szkoły Głównej Handlowej w Warszawie, Warszawa 2008.
[15] Raport o stanie sektora małych i Ğrednich przedsiĊbiorstw w Polsce w latach 2013–2014, Polska Agencja Rozwoju Przedsibiorczoci, Warszawa 2015.
[16] Ritacco M., Carver A., WartoĞü biznesowa Business Intelligence. Platforma pomiaru korzyĞci wynikających z zastosowania rozwiązania Business Intelligence, SAP AG, Business Objects S.A. 2009, http://www.sap.pl/sapbusinessobjects, Dostp: [2013.05.04].
[17] Rogowski W., Rachunek efektywnoĞci inwestycji, Oficyna a Wolters Kluwer business, Kraków 2008.
[18] Rogowski W., Tomaszewski M., Identyfikacja i wycena korzyĞci w projektach w obszarze IT, Zeszyty Naukowe Uniwersytetu Szczeciskiego nr 639/2011, Finanse, Rynki Finansowe, Ubezpieczenia nr 37, Szczecin, s. 299–311.
[19] Stus A., Wybrane metody oceny efektów inwestycji w IT, Studia i Materiały, nr 10/2010, Polskie Stowarzyszenie Zarzdzania Wiedz, http://www.pszw.edu.pl/images/publikacje/ t029_pszw_2010_stus_–_wybrane_metody_oceny_efektow_inwestycji_w_it.pdf, Dostp: [2016.04.29].
[20] Syska E., ROI w czasach kryzysu, CIO: Magazyn Dyrektorów IT, wydanie 06/2009, http://cio.cxo.pl/artykuly/druk/347261/ROI.w.czasach.kryzysu.html, (dostp: 2011.02.27). [21] “Think Small First”. A “Small Business Act” for Europe, 2008, Communication from the
Commission of the European Communities COM(2008) 394 final, 25 June 2008, Brussels, http://www.socialeconomy.eu.org/spip.php?article531/COM-2008-0394-FIN-EN-TXT, Dostp: [2014.03.28].
[22] Whittemore B., The Business Intelligence ROI Challenge: Putting It All Together, Business Intelligence Best Practices, http://www.bi-bestpractices.com/view/4782, Dostp: [2015.10.14].
[23] Zadura-Lichota P., Małe i Ğrednie przedsiĊbiorstwa w Polsce na podstawie analiz PARP, Departament Rozwoju Przedsibiorczoci i Innowacyjnoci PARP, Warszawa, 14.03.2013, http://www.leasing.org.pl/files/uploaded/kongres/2013-03-15%20Stan%20sektora%20MSP %20w%20Polsce.pdf, Dostp: [2016.04.29].
THE ANALYSIS OF ECONOMIC EFFECTIVENESS FOR BUSINESS INTELLIGENCE SYSTEMS APPLICATION IN SME/SMB SECTOR. METHODOLOGICAL
BACKGROUND Summary
The paper presents methodological background to the analysis of the economic effectiveness of business intelligence (BI) projects and systems for small and medium-sized enterprises/businesses (SME/SMB) sector. The opening part identifies different types of SME/SMB and points out those to which BI systems are dedicated in the first place. It also advances the thesis that BI applications for SME/SMB must be charac-terized by a calculable economic effectiveness. In order to attain that goal it is necessary to examine the effectiveness of BI projects in a systemic way, using methods which have proved to be successful in practice. The paper discusses such methods, providing their typology, characteristics and analyzing problems connected with their application. It also proposes a decision rule for economic effectiveness-based BI so-lution choice and describes tools which may be used to support the process.
Keywords: business intelligence, BI systems, economic effectiveness for BI applications, methods of economic effectiveness analysis and evaluation
Mirosław Dyczkowski
Instytut Informatyki Ekonomicznej Katedra Technologii Informacyjnych
Wydział Zarzdzania, Informatyki i Finansów Uniwersytet Ekonomiczny we Wrocławiu e-mail: miroslaw.dyczkowski@ue.wroc.pl
!["Analiza Transakcyjna w edukacji", J. Jagieła, Częstochowa 2011 : [recenzja]](data:image/gif;base64,R0lGODlhAQABAIAAAP///wAAACH5BAEAAAAALAAAAAABAAEAAAICRAEAOw==)