Koncepcja kierunków rozwoju systemów informatycznych

(1)

Studia i Materiaïy, 1/2019 (30): 67– 79 ISSN 1733-9758, © Wydziaï ZarzÈdzania UW https://doi.org/10.7172/1733-9758.2019.30.6

* Patryk Krajewski – mgr, doktorant Uniwersytetu Warszawskiego na Wydziale ZarzÈdzania. 0000-0002- 2535-7888.

** Witold Chmielarz – prof. dr hab., Uniwersytet Warszawski, Wydziaï ZarzÈdzania. https://orcig.org/0000- 0002-9189-1675.

Adres do korespondencji: Wydziaï ZarzÈdzania, Uniwersytet Warszawski, ul. Szturmowa 1/3, 02-678bWarszawa, Polska; e-mail: witek@wz.uw.edu.pl.

Koncepcja kierunków rozwoju systemów informatycznych

Patryk Krajewski

^*

, Witold Chmielarz

^**

Gïównym celem niniejszego artykuïu jest przedstawienie nowej, uwzglÚdniajÈcej obecne ten- dencje koncepcji typologii i kierunków rozwoju systemów informatycznych zarzÈdzania. Ana- liza ěródeï literaturowych i doĂwiadczenia Autorów wskazujÈ, ĝe mimo obszernej literatury na ten temat, wystÚpujÈce w niej podziaïy i relacje kolejnych generacji systemów nie odpowiadajÈ coraz bardziej zïoĝonej rzeczywistoĂci i potrzebom uĝytkowników. Prezentowana koncepcja powstaïa jako wynik burzy mózgów przeprowadzonej na WZ UW i zweryfikowanej konfe- rencji z okazji 50-lecia informatyki w SGH w 2018 roku. W pierwszym podejĂciu wnioskiem zbdyskusji byï podziaï na trzy gïówne Ăcieĝki rozwojowe, w drugim przypisanie nowoczesnych, innowacyjnych technologii zidentyfikowanym uprzednio kierunkom rozwojowych. Wyniki typologii wskazujÈ na istnienie momentów przeïomowych – kamieni milowych rozwoju, wyzwania stojÈce przed zastosowaniami systemów informatycznych w gospodarce oraz wady i zalety najnowszych technologii.

Sïowa kluczowe: systemy informatyczne zarzÈdzania, rozwój systemów informatycznych, typologia systemów informatycznych.

Nadesïany: 05.01.19 | Zaakceptowany do druku: 25.03.19

The concept of directions of development of information systems

The main purpose of this article is to present a new concept of typology and directions of development of management information systems, taking into account current trends. The analysis of literature sources and the authors ‚experience indicate that despite the extensive literature on the subject, the divisions and relations of subsequent generations of systems appearing in it do not correspond to the increasingly complex reality and users’ needs. The presented concept was created as a result of a brainstorming session at the Faculty of Manage- ment University of Warsaw and verified at conference on the 50th anniversary of computer science at the Warsaw School of Economics in 2018. In the first approach – the conclusion from the discussion was the division into three main development paths, in the second the assignment of modern, innovative technologies to previously identified directions development.

The results of the typology indicate the existence of breakthrough moments – milestones of development, challenges facing the use of information systems in the economy, as well as the advantages and disadvantages of the latest technologies.

(2)

1. Wprowadzenie

TypologiÈ rozwoju systemów informatycznych na potrzeby zarzÈdzania organi- zacjÈ zajmowano siÚ od momentu powstania pierwszego komputera. Tematyka ta – wb sensie klasyfikacji, uproszczeñ i standaryzacji niezbÚdnych dla uporzÈdkowa- nia tej sfery stanowiïa wielokrotnie pod- miot ibprzedmiot rozwaĝañ wielu autorów wbPolsce i za granicÈ. W Polsce tematyka ta zostaïa zapoczÈtkowana w Ărodowisku wro- cïawskim ksiÈĝkÈ z 1971 roku pod redakcjÈ Z. Hellwiga, pt. Automatyczne Przetwarza- nie Informacji. W tym czasie autor charak- teryzowaï jedynie systemy przetwarzania transakcyjnego i tzw. zautomatyzowane systemy zarzÈdzania, tak bowiem nazywaïy siÚ wówczas pierwsze systemy oparte na hierarchicznych bazach danych. Póěniejsze publikacje ksiÈĝkowe, aktualne w stosunku do bardzo szybko zmieniajÈcej siÚ rzeczywi- stoĂci czy rozszerzajÈce tÚ tematykÚ obsys- temy informacyjne zarzÈdzania, systemy wspomagania decyzji i systemy eksperckie oraz ich zastosowania, to prace autorskie lub pisane pod redakcjÈ (Wierzbicki, 1976;

Radzikowski, 1979; Chmielarz, 1996; Nie- dzielska, 1998; Kisielnicki i Sroka, 1999).

Chociaĝ Ărodowisko informatyków ekonomicznych stale siÚ powiÚkszaïo, to publikacje na ten temat tworzone byïy gïównie pod aktualne potrzeby istniejÈcych progra- mów nauczania lub projektów naukowych, wb oparciu o aktualnie posiadane umiejÚt- noĂci i materiaïy osób, które je kreowaïy.

W tej skomplikowanej sytuacji Ărodowisko akademickie i tak radziïo sobie bardzo dobrze – dowodem na to sÈ kolejne wyda- nia publikacji (Flakiewicz, 2002; Nowicki, 2006; Januszewski, 2008; Wrycza, 2010;

Zawiïa-Nieděwiecki, 2010; Kisielnicki, 2014). Prace te przewaĝnie byïy inspiro- wane najnowszymi dokonaniami autorów istniejÈcych od wielu lat na rynkach anglo- jÚzycznych caïych juĝ serii wydawniczych, takich jak E. Turban zbzespoïem (np. Tur- ban, 2018), K. Laudon ibJ. Laudon (2015)

czy specjalistyczna monografia P. Bocij (2008).

Niemal w kaĝdej z przytoczonych pozycji literaturowych moĝemy siÚ spotkaÊ z innÈ genealogiÈ, klasyfikacjÈ bÈdě typologiÈ rozwoju systemów informatycznych wspoma- gajÈcych zarzÈdzanie. NajczÚĂciej wymie- niane sÈ w nich systemy informatyczne wbdowolnej postaci i porzÈdku, a nastÚpnie szczegóïowo charakteryzowane. Obecnie nastÈpiï kompletny chaos terminologiczny, pogïÚbiony zwyczajem do powrotu w infor- matyce do terminów z przeszïoĂci i nadawa- nia im nowych, nowoczesnych zgoïa, abcaï- kiem róĝnych znaczeñ. Jeszcze inni autorzy w kolejnych wydaniach swoich ksiÈĝek przyjmujÈ coraz bardziej skomplikowany punkt widzenia na kwestie klasyfikacyjne, czasem niemal caïkowicie róĝny niĝ w swoich w pozycjach poprzednich.

StÈd w niniejszym artykule podjÚto próbÚ, opartÈ na tendencjach integracyj- nych z jednej strony, z drugiej zaĂ – na tendencjach konwergencyjnych, umoĝliwio- nych ciÈgïym postÚpem technologicznym, uporzÈdkowania tej sfery. Zasadniczym wiÚc celem niniejszego artykuïu jest przedstawienie nowej, uwzglÚdniajÈcej obecne tendencje koncepcji typologii i kierunków rozwoju systemów informatycznych zarzÈ- dzania.

Wyróĝniono trzy rodzaje rozwoju syste- mów informatycznych opartych na róĝnych przesïankach koncepcyjnych, ïÈczonych obecnie na podstawach platform korporacyjnych. Integracja – w sensie ideowym – polega na poïÈczeniu elementów funkcjo- nalnych za pomocÈ relacji, tak by stanowiïy skïadowe okreĂlonej strukturalnie caïoĂci.

Integracja jest tu rozumiana jako proces scalania i zespalania siÚ poszczególnych, róĝnej klasy, postaci i formy powiÈzanych wzajemnie elementów w celu tworzenia funkcjonalnej caïoĂci, o uĝytecznoĂci i/ lub efektywnoĂci wiÚkszej niĝ posiadaïaby kaĝda z tych czÚĂci dziaïajÈca oddzielnie (efekt synergii). Konwergencja – to ksztaï- towanie siÚ w ewolucyjnym procesie roz- Keywords: management information systems, information system development, informat- ics systems typology.

Submitted: 05.01.19 | Accepted: 25.03.19

JEL: L15, M15, O39.

(3)

wojowym podobnych cech budowy, funkcji i wyglÈdu zewnÚtrznego róĝnych grup sys- temów funkcjonujÈcych w takich samych warunkach Ărodowiskowych, niezaleĝnie od przyjÚtych szczegóïowych rozwiÈzañ innowacyjnych oraz przenikanie i kojarzenie zjawisk znajdujÈcych siÚ na ich pograniczu.

2. Procedura badawcza

Zastosowana procedura badawcza byïa podzielona na trzy, przedstawione poniĝej, etapy:

1) krytycznÈ analizÚ ěródeï literaturowych poprzez przeglÈd ksiÈĝek, artykuïów, ěródeï internetowych i baz danych –bwynikiem tego badania byïo rozezna- nie istniejÈcych typologii i ich rozwoju opartego na kolejnych generacjach sys- temów informatycznych, powstaïych wbtrakcie ich historycznego rozwoju;

2) na podstawie poprzedniego etapu –b identyfikacja podstawowych kompo- nentów podziaïu systemów informatycznych, oparta na typowych i unikalnych cechach tego, co jest przedmiotem klasyfikacji. NastÚpnie wyróĝniono istniejÈce dotychczas systemy informatyczne i przy- pisano je do stworzonych Ăcieĝek klasyfikacji. Podstawowym zadaniem staïo siÚ tu wyselekcjonowanie „czystych” postaci systemów, tzn. nieposiadajÈcych nale- ciaïoĂci z poprzednich etapów rozwoju.

Wynikiem tego etapu byïo przypisanie poszczególnych systemów informatycznych do zidentyfikowanych Ăcieĝek rozwojowych. DziÚki temu powstaï spójny ibcaïoĂciowy model deskrypcyjny rozwoju systemów informatycznych zarzÈdzania;

3) na podstawie literatury i opinii eksper- tów – specyfikacja najistotniejszych, wspóïczesnych systemów informatycznych i na podstawie ich najwaĝniejszych cech przypisanie ich do istniejÈcych Ăcie- ĝek rozwojowych.

Pierwszy etap tego badania nastÈpiï wb 2014 r., kiedy na seminarium polsko- amerykañskim na Wydziale ZarzÈdzania UW, dotyczÈcym miejsca i roli systemów informatycznych w gospodarce przeprowa- dzono dziÚki pomocy ponad 40 uczestni- ków tego spotkania specyfikacjÚ najwaĝ- niejszych czynników podziaïu systemów informatycznych zarzÈdzania w drodze ich historycznego rozwoju (Chmielarz, 2015).

W kilka lat póěniej, w 2018 r. szybki i róĝ- norodny rozwój technologii informacyj-

nych spowodowaï koniecznoĂÊ weryfikacji stworzonej uprzednio koncepcji, dodajÈc – zgodnie z opiniÈ zgromadzonych eksper- tów najnowsze technologie informacyjne do istniejÈcych Ăcieĝek rozwoju.

3. Wyniki analiz pierwszego etapu bada ñ

Wyniki podjÚtych badañ pozwoliïy na stworzenie pierwotnej koncepcji rozwoju systemów informatycznych opartych na trzech podstawowych czynnikach:

– stopniowej komplikacji architektury logicznej systemów informatycznych, gdzie jako strukturÚ logicznÈ systemu informatycznego rozumiemy gïówne komponenty systemu, relacje pomiÚdzy nimi i relacje z uĝytkownikiem podejmu- jÈcym za pomocÈ systemu informatycznego decyzje zarzÈdcze;

– integracji funkcjonalnej systemów informatycznych, dostosowanej do aktual- nych potrzeb organizacji i dziaïajÈcego w niej uĝytkownika;

– rozszerzeniu infrastrukturalnym sys- temów sieciowych – co oznacza w tym przypadku moĝliwoĂci prowadzenia dziaïalnoĂci gospodarczej za pomoc – sieci oraz zastosowaniu rozwiÈzañ sie-

ciowych do wspóïpracy z tradycyjnymi systemami informatycznymi.

Pierwsza Ăcieĝka rozwojowa jest najle- piej rozpoznana w literaturze przedmiotu.

Zajmowano siÚ niÈ juĝ od poczÈtków lat osiemdziesiÈtych ubiegïego stulecia, abroz- wój jej byï traktowany jako bezpoĂrednia implikacja postÚpu technologicznego.

Wb ramach tej Ăcieĝki wyróĝniono rodzaje systemów rozwijajÈce siÚ od okreĂlonego momentu czasowego, takie jak:

– transakcyjne systemy informatyczne (Transactional Processing Data Systems –b TSP); od roku 1951 do poïowy lat szeĂÊdziesiÈtych;

– systemy informacyjne zarzÈdzania (Management Information Systems –b MIS); od poïowy lat szeĂÊdziesiÈtych XX wieku;

– systemy wspomagania decyzji (Decision Support Systems – DSS); od koñca lat siedemdziesiÈtych XX wieku;

– systemy informacyjne kierownictwa (Executive Information Systems – EIS) i systemy wspomagania kierownictwa (Executive Suport Systems – ESS); lata osiemdziesiÈte XX wieku;

(4)

– systemy eksperckie (Expert Systems –bES), lata dziewiÚÊdziesiÈte;

– systemy analityki biznesowej (Business Intelligence Systems – BIS); poczÈtek XXI wieku.

Transakcyjne systemy przetwarzania –bkategoria ta odnosi siÚ do róĝnorodnych architektonicznie pierwszych prób stwo- rzenia narzÚdzia, które poĂrednio mogïoby sïuĝyÊ wspomaganiu prowadzenia biznesu.

PodstawowÈ zaletÈ takiego narzÚdzia byïa szybkoĂÊ w wykonywaniu prostych, standardowych operacji masowych. Gïównym problemem, który wówczas wystÚpowaï, byï niski rozwój technologiczny, który sprawiaï, ĝe przetworzenie danych, zanim mogïo dojĂÊ do skutku, byïo obudowane szere- giem skomplikowanych rÚcznych czynnoĂci i procedur administracyjno-organizacyjnych zwiÈzanych z niedoskonaïoĂciÈ istnie- jÈcego sprzÚtu i oprogramowania (Chmie- larz, 2013).

Do powstania pierwszej klasy systemów informatycznych – systemów informacyj- nych zarzÈdzania – przyczyniïy siÚ gïównie gïÚbokie przemiany poczÈtkowo tworzonych systemów informacyjnych zarzÈdza- nia, powodowane zamianÈ systemu wsado- wego na system bezpoĂredniego dostÚpu do komputera, jak równieĝ zmiany dotyczÈce metodyki i technologii gromadzenia, prze- chowywania i dostÚpu do danych. Przede wszystkim dotyczy to powszechnego zastosowania w nich baz danych, poczÈtkowo dla tworzenia pierwszych systemów dziedzi- nowych (jednodziedzinowych), a nastÚpnie dla systemów wielodziedzinowych, które juĝ w oparciu o wspólnÈ bazÚ danych naj- czÚĂciej sÈ kojarzone z systemami informa- cyjnymi zarzÈdzania. Struktura logiczna takiego systemu skïadaïa siÚ z: uĝytkow- nika koñcowego z interfejsem, odpowie- dzialnym za komunikacjÚ z komputerem, bazy danych wraz z systemem zarzÈdzania bazÈ danych oraz aplikacji – podsystemów oprogramowanie uĝytkowego pozwalajÈ- cego uĝytkownikowi prowadzenie okreĂlo- nej dziaïalnoĂci.

Najistotniejsza róĝnica systemów wspo- magania decyzji w stosunku do systemów informacyjnych zarzÈdzania zawiera siÚ wbfakcie, ĝe systemy klasy DSS dajÈ mene- dĝerowi oprócz intuicji, wiedzy, umiejÚt- noĂci i informacji narzÚdzia do wypraco- wywania decyzji. NarzÚdzia przybierajÈ na ogóï postaÊ programów skïadajÈcych siÚ zb modeli matematycznych, statystycznych,

ekonometrycznych lub ich kombinacji, specjalizowanych na zagadnienia zwiÈ- zane zb zarzÈdzaniem przedsiÚbiorstwem.

Powstaje struktura architektoniczna zawie- rajÈca oprócz bazy danych z systemem zarzÈdzania niÈ, tzw. bazÚ modeli, system zarzÈdzania bazÈ modeli, bazÚ procedur (solver) oraz bazÚ danych i parametrów modeli.

OdpowiedziÈ na problemy komunikacyjne, które wraz z komplikacjÈ struktury architektonicznej systemów wspomagania decyzji pojawiïy siÚ w uĝytkowaniu tych systemów – staïy siÚ systemy informowa- nia kierownictwa oraz systemy wspoma- gania kierownictwa. Idea ich powstania byïa niezwykle prosta – poczÈtkowo miaïy jedynie zapewniÊ bezpoĂredni dostÚp do moĝliwoĂci systemu najwyĝszej kadrze kie- rowniczej, poprzez zwiÚkszenie moĝliwo- Ăci prezentacyjnych danych z bazy danych (bazy modeli) oraz zrozumiaïej prezentacji (wizualizacji graficznej) wyników przetwarzania modeli. Po raz pierwszy teĝ zaczÚto korzystaÊ z danych z otoczenia ekonomicz- nego organizacji.

Pierwsze systemy eksperckie (Freyen- feld, 1984), konstruowane w latach siedem- dziesiÈtych, architektonicznie nie zawie- raïy nic nowego w stosunku do systemów wspomagajÈcych zarzÈdzanie, opieraïy siÚ na istniejÈcej w wielu jÚzykach programo- wania konstrukcji skoku warunkowego ib bezwarunkowego. Dopiero druga generacja systemów eksperckich twórczo rozwi- nÚïa logicznÈ konstrukcjÚ architektonicznÈ poprzednich klas systemów. Oprócz modeli ekonomicznych w bazie danych, wziÚto wb nich pod uwagÚ modele najlepszych praktyk zarzÈdzania organizacjÈ. Pojawiïy siÚ wówczas w systemach informatycznych nowe elementy strukturalne, z których naj- waĝniejsze wydajÈ siÚ: baza wiedzy i system zarzÈdzania bazÈ wiedzy.

System analityki biznesowej – to sys- tem informacyjno-analityczny zbudo- wany w oparciu o hurtowniÚ danych wraz zb mechanizmami zbierania danych oraz wykorzystujÈcy róĝne narzÚdzia analityczne, w szczególnoĂci narzÚdzia sïuĝÈce do analizy wielowymiarowej oraz eksplora- cji danych. W sferze informacyjnej oprócz bazy danych pojawia siÚ hurtownia danych wraz z mechanizmami ekstrakcji danych z heterogenicznych ěródeï danych oraz procesami ich przetwarzania do postaci wspólnej i odpowiedniej dla analityków

(5)

ib uĝytkowników podejmujÈcych decyzje biznesowe, wspomagana przez dziedzinowe lub branĝowe bazy danych (marts) i obudo- wana mechanizmami wspóïpracy z narzÚ- dziami analitycznymi. W sferze modelowej powstaïy tzw. Business Analytics wszelkiego rodzaju narzÚdzia i aplikacje analityczne sïuĝÈce do szeroko rozumianego zarzÈdza- niu wydajnoĂciÈ przedsiÚbiorstwa (Goïu- chowski, 2007; Olszak, 2007; Januszewski, 2008). Uĝytkownik koñcowy dla swych celów otrzymuje wielowymiarowe, niesïy- chanie skomplikowane narzÚdzie, którego nadmiarowoĂÊ funkcji moĝe mu wrÚcz prze- szkadzaÊ w podejmowania decyzji, nawet jeĂli siÚgnie po nowe media komunikacyjne (np. kokpitu menedĝerskiego – dashbord).

O ile pierwsza z wyróĝnionych Ăcieĝek rozwojowych opieraïa siÚ na komplikacji (multiplikacji) komponentów systemu i ich funkcjonalnoĂci, o tyle druga z nich opieraïa siÚ na swoistych bilansach ïÈczo- nych ze sobÈ w miarÚ rozwoju systemów zintegrowanych na podstawie integracji funkcjonalnej (Chmielarz, 2015). Integra- cja funkcjonalna oznacza, ĝe róĝne funkcje systemu informatycznego sÈ realizowane jakby byïy wykonywane w jednym, poje- dynczym systemie. DziÚki temu z jednego stanowiska roboczego mamy teoretycznie dostÚp do wszystkich moĝliwych form dzia- ïalnoĂci istniejÈcych w systemie poprzez jeden spójny interfejs i moĝliwoĂÊ przeïÈ- czania siÚ pomiÚdzy róĝnymi zadaniami.

W systemach zintegrowanych oznacza to dostÚp do dowolnego systemu funkcyjnego oraz wszelkie moĝliwoĂci wspóïdziaïania z poziomu tego systemu z innymi narzÚ- dziami zawartymi w systemie.

W rozwoju tego typu systemów wyróĝnia siÚ

– systemy planowania zasobów materia- ïowych (Material Requirements Planning – MRP); od poïowy lat szeĂÊdziesiÈtych;

– systemy planowania zasobów produkcyj- nych (Manufacture Resources Planning – MRP II); od 1989 roku;

– systemy planowania zasobów przedsiÚ- biorstwa (Enterprise Resources Planning – ERP); od 1995 roku;

– systemy planowania zasobów przed- siÚwziÚcia (Enterpreneurship Resources Planning – ERP II); od 1998 roku.

Wyszczególniono równieĝ wĂród nich klasÚ systemów, w których dominujÈcÈ sferÈ byïa przestrzeñ internetowa i do niej zostaïy przeniesione podstawowe funkcje

systemu, czyli dziaïajÈce w tej sferze ERP (electronic Enterprise Resource Planning –be-ERP). Ich wspóïdziaïanie z gospodarkÈ elektronicznÈ obejmuje obsïugÚ róĝnych form transakcji elektronicznych (np. B2B, B2C, B2P), budowÚ interfejsów do istniejÈ- cych systemów e-biznesowych (typu e-commerce, c-commerce), jak równieĝ wiÈzanie z systemami mobilnymi (m-commerce) oraz dzielenie siÚ zasobami i funkcjonalno- Ăciami ERP poprzez portale korporacyjne w ramach sieci intranetu gospodarczego, czy ekstranetu.

Pierwszy system speïniajÈcy (choÊ wb maïym stopniu) przyjÚte zaïoĝenia –b zarzÈdzanie zapasami magazynowymi (Inventory Control – IC) powstaï w 1964br., dotyczyï jednak tylko obsïugi jednej z naj- ïatwiejszych dziedzin dziaïalnoĂci przedsiÚ- biorstwa, jakÈ jest gospodarka magazynowa (Adamczyk i Chmielarz, 2005). NastÚpnie zaczÚto tworzyÊ systemy sterowania pro- dukcjÈ MRP. PoczÈtkowo systemy te tworzone byïy gïównie na potrzeby seryjnej produkcji przemysïowej, w szczególnoĂci elektromaszynowej. Liczba branĝ, dla któ- rych opracowywano wspomaganie komputerowe systematycznie rosïa. Do ich rozwoju przyczyniïo siÚ powstanie i rozwój norm produkcji przemysïowej oraz tworzenia systemów informatycznych zarzÈdzania produkcjÈ. Celami MRP byïy: redukcja zapasów magazynowych ibmiÚdzyoperacyj- nych; dokïadne okreĂlanie czasów dostaw surowców i póïproduktów; dokïadne wyznaczanie kosztów produkcji; lepsze wykorzystanie posiadanej infrastruktury wytwórczej; szybsze reagowanie na zmiany zachodzÈce w otoczeniu oraz kontrola poszczególnych etapów produkcji. Rozsze- rzeniem specyfikacji MRP byïo uwzglÚd- nienie dziaïania zamkniÚtej pÚtli sprzÚĝenia zwrotnego (Closed Loop MRP), czyli pla- nowania potrzeb materiaïowych ibzdolnoĂci produkcyjnych w zamkniÚtej pÚtli procesu produkcyjnego. DziÚki sprzÚĝeniu zwrot- nemu moĝna byïo na bieĝÈco reagowaÊ na zmieniajÈce siÚ parametry produkcji. Stan- dard ten w stosunku do poprzedniego zostaï rozbudowany o elementy zwiÈzane zbproce- sem sprzedaĝy i wspierajÈce podejmowanie decyzji na szczeblach strategicznego zarzÈ- dzania produkcjÈ. W miarÚ rozwoju MRP obejmowaïo kolejne obszary dziaïalnoĂci przedsiÚbiorstwa, stajÈc siÚ stopniowo systemem obejmujÈcym wszystkie podstawowe procesy zachodzÈce w przedsiÚbiorstwie.

(6)

W modelu MRP II bierze siÚ pod uwagÚ wszystkie sfery zarzÈdzania przedsiÚbior- stwem zwiÈzane z przygotowaniem produkcji, jej planowaniem i kontrolÈ oraz sprze- daĝÈ i dystrybucjÈ wyprodukowanych dóbr.

Poza materiaïami zwiÈzanymi bezpoĂred- nio produkcyjnymi, MRP II uwzglÚdnia takĝe materiaïy pomocnicze, zasoby ludz- kie, pieniÈdze, czas, Ărodki trwaïe itp. Aby moĝliwe byïo wspóïdziaïanie moduïów produkcyjnych z pozostaïymi zaczÚto opieraÊ integracjÚ wszystkich podsystemów wb systemie zintegrowanym na bilansie finanso- wym, zamiast na bilansie produkcyjnym.

To z kolei umoĝliwiïo przeniesienie idei integracji systemów w obszarze organizacji poza sektor produkcyjny do sektora han- dlu, usïug i finansów. PogïÚbiïo to eksten- sywny rozwój tych systemów i opanowanie przez nie nowych rynków.

ERP szybko staï siÚ systemem obejmujÈ- cym caïoĂÊ procesów produkcji i dystrybu- cji, który integruje róĝne obszary dziaïania przedsiÚbiorstwa, usprawnia przepïyw kry- tycznych dla jego funkcjonowania informacji i pozwala szybko odpowiadaÊ na zmiany popytu zgïoszonego z zewnÈtrz. Informacje te sÈ uaktualniane w czasie rzeczywistym ib dostÚpne w momencie podejmowania decyzji. Jednymi z najistotniejszych wyróĝ- ników tego typu systemów jest zastosowa- nie dwukierunkowych mechanizmów opty- malizujÈcych planowanie oraz wbudowana wbsystem moĝliwoĂÊ integracji z zewnÚtrz- nymi podmiotami w ramach ïañcucha dostaw i sprzedaĝy (Lech, 2003).

Systemy zintegrowane byïy to de facto systemy o zmultiplikowanej do granic moĝ- liwoĂci iloĂci funkcji – oparte na komplek- sie – jeĂli tak to moĝna uproĂciÊ – zazÚbia- jÈcych siÚ wzajemnie bilansów. Ib tak dla systemów IC byï to bilans magazynowy, dla MRP – materiaïowy, dla MRPII – finan- sowy, w przypadku ERP – bilans okoïo- produkcyjny, nastÚpnie dla ERP II – logi- styczny i peïny bilans komunikacyjny dla eERP, w sumie stanowiÈce bilans caïo- Ăciowy organizacji. Prostota dziaïania tych systemów na szczeblu stanowiska pracy to nadal zachÚcajÈca i atrakcyjna cecha dla uĝytkowników tych systemów na poszcze- gólnych stanowiskach pracy.

Równolegle rozpoczÈï siÚ rozwój sys- temów sieciowych. Dotyczyï on gïównie dziaïalnoĂci organizacyjnych, w których informacje zbierane sÈ w sposób rozpro- szony, abprzetwarzane nastÚpnie w sposób

scentralizowany, po czym ponownie dystry- buowane przestrzennie (Chmielarz, 2007).

Budowa takich systemów w wyspecjalizowa- nych branĝach (bilety lotnicze, bankowoĂÊ, turystyka, sïuĝba zdrowia itd.) rozpoczÚïa siÚ juĝ w latach szeĂÊdziesiÈtych. Nie- mniej jednak dwie cechy charakterystyczne odstrÚczaïy potencjalnych uĝytkowników:

wysoka awaryjnoĂÊ i wysoka cena prywatnych, jednostkowych sieci tworzonych dla duĝych, bogatych odbiorców. Jednak cel takich przedsiÚwziÚÊ byï oczywisty – z jednej strony byïo to zdobycie silnej przewagi konkurencyjnej za pomocÈ zupeïnie nowej technologii, z drugiej zaĂ – wygoda uĝyt- kownika i to zarówno wewnÚtrznego, jak ibzewnÚtrznego klienta firmy.

W rozwoju tego typu systemów wyróĝnia siÚ nastÚpujÈce klasy systemów:

– oparte na sieciach prywatnych; od 1970 roku,

– oparte na sieciach komercyjnych; od 1985 roku,

– oparte na sieci Internet; od 1991 roku.

Pierwsza generacja – caïkowicie jedno- rodnych sieci prywatnych, wïasnych i jednostkowych, stworzona zostaïa na potrzeby okreĂlonej sieci standardów (dokumenta- cyjnych, komunikacyjnych, transmisyjnych).

ÈcznoĂÊ wb nich odbywaïa siÚ poprzez napisane specjalnie do tego celu, wïasne oprogramowanie zarówno sieciowe, jak ib aplikacyjne, a sam proces transmisyjny odbywaï siÚ przez bardzo kosztowne sieci prywatne. W zwiÈzku z tym mogïa ona dotyczyÊ tylko wielkich, bardzo bogatych i innowacyjnych uĝytkowników, na ogóï wb sektorach ob wysokiej koncentracji produkcji i kapitaïu. JednoczeĂnie rozwiÈzania takie byïy bardzo bezpieczne, ze wzglÚdu na ograniczony dostÚp do sieci.

Generacja druga – sieci komercyjnych byïa oparta na rozwoju technologii informacyjnych, postÚpujÈcej standaryzacji (powstanie nowych standardów branĝo- wych i regionalnych), komunikujÈcych siÚ na platformie komercyjnych sieci VAN (Value-Added Network) – medium umoĝ- liwiajÈcego oprócz transmisji, konwersjÚ miÚdzy róĝnymi systemami. Charaktery- zuje siÚ lepszÈ (mniej awaryjnÈ, bezbïÚdnÈ) i tañszÈ transmisjÈ danych. Zmniejszanie kosztów powoduje rozszerzenie zasiÚgu zastosowañ systemów elektronicznego przesyïania dokumentów na przedsiÚbior- stwa Ărednie. Sieci sÈ nadal relatywnie bezpieczne wb porównaniu z póěniejszymi

(7)

rozwiÈzaniami internetowymi. Takie sieci stanowiÈ alternatywne rozwiÈzanie dla firm chÚtnych do korzystania z gotowej infrastruktury telekomunikacyjnej stworzonej przez zewnÚtrzne firmy, w zamian za opïatÚ subskrypcyjnÈ oraz opïatÚ za przesïanie sie- ciÈ danych.

Mimo ĝe historia powstania i ksztaï- towania siÚ systemów opartych na sieci Internet siÚga daleko gïÚbiej w przeszïoĂÊ, w jego gospodarczych zastosowaniach wyróĝnia siÚ na ogóï trzy zasadnicze fazy:

pierwotnÈ (przedkryzysowÈ – do 2001 r.), przejĂciowÈ (kryzys – lata 2001–2003) oraz wtórnÈ (postkryzysowÈ, spoïecznoĂciowÈ od 2004br.).

W pierwszej (pierwotnej) fazie, po uksztaïtowaniu technicznej infrastruktury Internetu oraz zapewnieniu w nim moĝ- liwoĂci prowadzenia biznesu, nastÈpiïo przeksztaïcenie i przystosowanie syste- mów sieciowych tworzonych dotÈd na zasadach prywatnych i komercyjnych do uwarunkowañ Internetu i samego Inter- netu do obsïugi zarówno relacji pomiÚdzy organizacjami (B2B), jak i relacji pomiÚdzy organizacjami (B2C). Mechanizmy tych przystosowañ ksztaïtowaïy siÚ do poïowy lat dziewiÚÊdziesiÈtych. Opieraïy siÚ one na kilku podstawowych narzÚdziach:

poczcie elektronicznej; oprogramowaniu zapewniajÈcym dostÚp do zasobów sieci WWW oraz komunikatorach sieciowych.

W fazie przejĂciowej – bÚdÈcej reakcjÈ na nadto aĝ optymistyczny wyděwiÚk lat poprzednich – w wyniku pÚkniÚcia dot.

com-owej „bañki internetowej”, nastÈ- piïo znormalnienie relacji do sfery elektronicznej. Sfera biznesu elektronicznego zaczyna podlegaÊ zaĂ normalnym i spraw- dzonym zasadom ekonomii. Liczne upadki firm internetowych zarówno w Stanach Zjednoczonych, jak ib w krajach europej- skich spowodowane byïy zïymi relacjami inwestycji i kosztów realizacji zamówieñ w stosunku do zysków, nielogicznÈ kon- kurencjÈ cenowÈ w ramach danej branĝy, zïÈ logistykÈ dostaw, niskim poziomem organizacyjnym pracy, zïym rozeznaniem rynków, niechÚciÈ do dziaïañ zwiÈzanych z rozpoznaniem rynku, wciÈĝ sïabÈ infra- strukturÈ technicznÈ (szeroki front inwestycji z lat 1997–2000 dopiero zaczynaï przynosiÊ powoli efekty) oraz czynnikami spoïeczno-kulturowymi (brakiem tradycji sprzedaĝy zdalnej, oporem przed zmianami i tradycjami). Juĝ od drugiej poïowy 2001br.

do poïowy 2003b r. nastÈpiïo szybkie wyj- Ăcie z kryzysu – upadïy firmy najsïabsze, pozostaïe zmieniaïy asortyment na inny lub róĝnorodny. Wtórna, bo opierajÈca siÚ na wczeĂniejszych doĂwiadczeniach, faza ewolucji sieci Internet zaczyna siÚ wbzasa- dzie od roku 2004. Charakteryzuje jÈ szereg zjawisk ibwbobrÚbie samego Internetu i wb jego otoczeniu, które byïy caïkiem nowe w stosunku do wczeĂniej rozwija- nych. Przede wszystkim trzeba zauwaĝyÊ rosnÈcÈ, ab potem pod wzglÚdem kontak- tów dominujÈcÈ rolÚ multimedialnej czÚĂci Internetu. To wïaĂnie wówczas zaczÚïa siÚ rozwijaÊ technologia Web 2.0, bazujÈca nie tylko na nowych narzÚdziach, lecz takĝe na narastajÈcym zaangaĝowaniu uĝytkow- ników. W rezultacie nastÚpowaÊ zaczÚïa bardzo wyraěna zmiana jakoĂciowa, jeĂli chodzi ob caïoĂciowe funkcjonowanie tej globalnej sieci oraz sposobu jej wykorzystania przez wszystkich jej uĝytkowników (Fox i Madden, 2006). Najwaĝniejszymi narzÚ- dziami technologii Web 2.0 sÈ: szybsze ib wydajniejsze wyszukiwarki nowej generacji; oprogramowanie opierajÈce siÚ na aktywnoĂci uĝytkownika – z mechanizmami typu Wiki; szeroka gama blogów; podcasty i wideocasty; Ăwiaty wirtualne oraz portale spoïecznoĂciowe (Wielki, 2012).

4. Wyniki analiz drugiego etapu bada ñ

Od 2010 roku sytuacja dotyczÈca kie- runków rozwoju systemów informatycznych zarzÈdzania diametralnie siÚ zmieniïa.

Powstaïo szereg nowych technologii, które powinny byÊ wkomponowane w schemat opracowany na pierwszym etapie. WĂród najwaĝniejszych wymieniÊ naleĝy:

– systemy Big Data (BDS);

– wirtualnÈ i rozszerzonÈ rzeczywistoĂÊ (VR, AR);

– trzeciÈ generacjÚ systemów ERP (The Third Generation ERP III);

– przetwarzanie w chmurze (Cloud Computing – C C) i przetwarzanie we mgle (Fog Computing – FC);

– internet rzeczy i internet wszechrzeczy (Internet of Things – IoT; Internet of Everything – IoE);

– Smart Information Systems: inteligentne miasta (smart cities), inteligentne przed- siÚbiorstwa (smart factories, smart com- panies), intelgentne systemy (smart sys- tems).

(8)

W tym miejscu trzeba zidentyfikowaÊ powyĝsze pojÚcia, by w prawidïowy sposób umiejscowiÊ je w tworzonej koncepcji rozwoju.

Termin Big Data funkcjonuje w Ăwia- domoĂci organizacji od wielu lat, lecz prawdziwy rozkwit obserwujemy od roku 2014, choÊ juĝ w 2011 r. McKinsey Global Institute w swoim raporcie wskazuje ten obszar jako wyznaczenie kolejnej granicy w drodze do innowacji. Big Data w owym opracowaniu zostaïo okreĂlone jako duĝe iloĂci danych, które mogÈ byÊ pochwycone, przesïane, zagregowane, przechowywane i analizowane. ChoÊ bardziej wïaĂciwe wydaje siÚ poïÈczenie Big Data z Big Data Analytics, czyli zestawy danych i techniki ich analizy w aplikacjach, które sÈ tak duĝe i zïoĝone, ĝe wymagajÈ zaawansowanych i unikalnych rozwiÈzañ w celu ich prze- chowywania, zarzÈdzania, analizowania i wizualizowania. Systemy Big Data bÚdÈ w dalszym ciÈgu siÚ rozwijaÊ w kaĝdym moĝliwym sektorze biznesu, moĝliwoĂci, jakie daje gromadzenie i analiza danych, w niedalekiej przyszïoĂci pozwolÈ na jeszcze mocniejsze wsparcie BI oraz systemów decyzyjnych w organizacjach. Systemy Big Data znajdujÈ siÚ w fazie ciÈgïego rozwoju, wiele organizacji juĝ od wielu lat zbiera bardzo liczne dane i je przechowuje, pro- blem w dalszym ciÈgu stanowi ich analiza i skuteczne wykorzystanie, choÊ wszystko wskazuje na to, ĝe to jedynie kwestia czasu.

Wirtualna rzeczywistoĂÊ jest obiektem badañ od wielu lat. Przez pojÚcie „wirtualnej rzeczywistoĂci” rozumiemy technologie pozwalajÈce na sztuczne wykreowanie otaczajÈcego nas Ăwiata, z uwzglÚdnie- niem wszystkich dostÚpnych zmysïów. VR z powodzeniem wykorzystuje siÚ w wielu branĝach, nieocenione wydaje siÚ zasto- sowanie rzeczywistoĂci wirtualnej przy tworzeniu róĝnego rodzaju symulatorów, poczÈwszy od samolotów cywilnych i woj- skowych, poprzez bolidy Formuïy 1, na medycynie, branĝy turystycznej, budowlanej czy grach komputerowych koñczÈc.

Wraz z rozwojem wirtualnej rzeczywisto- Ăci pojawiïa siÚ jej odmiana, a mianowicie rzeczywistoĂÊ rozszerzona, czyli uzupeïnie- nie otaczajÈcego nas Ăwiata, który odbie- ramy wszystkimi zmysïami, o dodatkowe obiekty. Obiekty te moĝna dowolnie umie- ĂciÊ w rzeczywistoĂci, co w znaczÈcy sposób wspomaga naszÈ wyobraěniÚ. OczywiĂcie niezaleĝnie od tego czy mówimy o VR, czy

o AR, aby móc korzystaÊ z tej technologii, niezbÚdne sÈ narzÚdzia. W dalszym ciÈgu duĝym problemem w rozwoju technologii jest wydajnoĂÊ sprzÚtowa potrzebna do opracowania adekwatnych aplikacji. Obec- nie wiÚkszoĂci ludzi VR oraz AR wydaje siÚ byÊ zarezerwowane dla branĝy gier komputerowych (do czego przyczyniï siÚ sukces gry Pokemon Go), lecz nie naleĝy zapo- minaÊ o potencjale tej technologii. Orga- nizacje z róĝnych branĝy bardzo szybko zorientowaïy siÚ w moĝliwoĂciach, jakie daje sztuczne wykreowanie Ăwiata oraz róĝ- nych obiektów. Operacje medyczne, wyĂcigi Formuïy 1 czy pilotowanie Airbusa A380 jest moĝliwe dziÚki wykorzystaniu tej technologii, co pozwala z jednej strony skutecznie edukowaÊ, z drugiej zaĂ – skutecznie ograniczaÊ koszty.

Rok 2020 bÚdzie rokiem doĂÊ szczegól- nym, poniewaĝ osoby urodzone w latach rozwoju social media bÚdÈ na rynku pracy stanowiïy blisko poïowÚ wszystkich pra- cowników. W sytuacji, kiedy do organizacji doïÈczajÈ osoby wychowane na Facebook’u, Instagramie, SnapChacie czy Messengerze, czyli jednym sïowem osoby doĂÊ zaawanso- wane technologicznie, trudno oczekiwaÊ, aby chciaïy siÚ trochÚ uwsteczniÊ i zaczÚïy pracowaÊ na systemach zb poprzedniej epoki. Systemy ERP II dawaïy poprzednim pokoleniom wszystko, czego potrzebowaïy, kompletny system zarzÈdzania przedsiÚ- biorstwem uzupeïniony o CRM, komuni- kacjÚ uzupeïniaïy maile i rozmowy telefo- niczne. Obecnie technologia w organizacji musi sprostaÊ wymogom nowych uĝytkow- ników, którzy bycie online uwaĝajÈ za jednÈ z kluczowych wartoĂci. Systemy ERP trze- ciej generacji majÈ stanowiÊ odpowiedě na wyzwania stawiane organizacjom przez tzw. pokolenie millenialsów, w kwestii komunikacji z poziomu tego samego systemu, w którym wykonuje siÚ swojÈ pracÚ.

Komunikacja to jeden aspekt, zupeïnie innym jest fakt, ĝe nowe systemy majÈ nie tylko uïatwiÊ i przenieĂÊ komunikacjÚ na poziom jednego systemu czy staÊ siÚ atrak- cyjne wizualnie, lecz takĝe majÈ sprostaÊ ibbyÊ w stanie obsïuĝyÊ nowe obszary, takie jak Big Data. Nie mówimy tutaj o czymĂ zupeïnie nowym, to raczej platforma, której rolÈ jest integracja istniejÈcych systemów firmowych, takich jak np. systemy SAP zb wymogami przyszïoĂci, jak wspomniana przed chwilÈ analiza Big Data (Fotache, Hurbean, 2014, Wood 2015).

(9)

Mimo ĝe pojÚcie „chmury obliczenio- wej” (Cloud Computing) pierwszy raz poja- wiïo siÚ juĝ w 1996 roku (Gillet i Kapor, 1997), definicje, które aktualnie wydajÈ siÚ najcelniejsze powstaïy dopiero w latach 2008–2010 (Buyya, Yeo, Venugopal, Bro- berg i Brandic, 2009). Chmura obliczeniowa jest modelem umoĝliwiajÈcym dostÚp na ĝÈdanie uĝytkownika do dowolnych zaso- bów dostarczanych w formie usïugi, naj- czÚĂciej przy wykorzystaniu sieci Internet (Zhang, Cheng i Boutaba, 2010). NajczÚ- Ăciej pïatnoĂci odbywajÈ siÚ w modelu pay- per-use. Aktualnie moĝemy rozróĝniÊ nastÚ- pujÈce rodzaje chmur (Dziembek, 2016):

publiczne, prywatne ibhybrydowe.

PomiÚdzy urzÈdzeniem a chmurÈ zna- lazïo siÚ miejsce dla rozwiÈzania majÈcego stanowiÊ uzupeïnienie, a mianowicie mgïy obliczeniowej (Fog Computing). Mgïa obli- czeniowa przenosi przetwarzanie czÚĂci danych bliĝej miejsca ich generowania, na brzegi sieci (Bonomi, Milito, Zhu i Adde- palli, 2012). DziÚki temu chmura sama w sobie zostaje w znaczny sposób odciÈ- ĝona, poniewaĝ czÚĂÊ danych jest skïado- wana, przetwarzana i analizowana pomiÚ- dzy chmurÈ. Mgïa pozytywnie wpïywa na wydajnoĂÊ, ale równieĝ bezpieczeñstwo niektórych danych. Moĝe równieĝ stano- wiÊ istotne wsparcie dla wszelkich urzÈdzeñ typu mobilnego (Cisco, 2015).

Pierwszy raz termin „internet rzeczy”

(IoT) pojawiï siÚ w 1999 roku za sprawÈ Kevina Ashtona (1999), w odniesieniu do ïañcucha dostaw. Internet rzeczy to sieÊ róĝnego rodzaj u urzÈdzeñ, które dziÚki zastosowanym technologiom sÈ na staïe podïÈczone do globalnej sieci. UrzÈdzenia te sÈ wbstanie zbieraÊ i przesyïaÊ uzyskiwane dane za pomocÈ sieci do systemów, które sÈ w stanie je odpowiednio przetworzyÊ, zapi- saÊ i przeanalizowaÊ, nastÚpnie zaĂ wra- cajÈ z okreĂlonymi wnioskami. Liczba urzÈ- dzeñ inteligentnych wchodzÈcych wb skïad internetu rzeczy wedïug szacunków firmy Cisco w roku 2020 ma siÚgnÈÊ nawet ok.

50 mld (Al.-Fuqaha, Guizani, Moham- madi, Aledhari i Ayyash, 2015). Czym tak naprawdÚ jest IoT, to wszystko z czym mamy do czynienia na co dzieñ, nawet jesli o tym nie pomyĂlimy: nasz smart watch, który nie tylko odgrywa rolÚ zegarka, ale przede wszystkim jest naszym asystentem

„zdrowotnym” i indywidualnym trenerem, abjego rolÈ jest pilnowanie systematycznoĂci treningów oraz ich intensywnoĂci i postÚ-

pów; nasz dom, w którym moĝemy zdalnie sterowaÊ ogrzewaniem, oĂwietleniem oraz wieloma innymi zmiennymi czy floty samo- chodowe oparte na telematyce (dziÚki IoT organizacje potrafiÈ zoptymalizowaÊ zarzÈ- dzanie flotÈ, wykorzystujÈc uzyskiwane informacje odnoĂnie do realizowanych tras, miejsc postoju, tankowania, spalania, sposobu jazdy kierowców i wielu innych) (Miorandi, Sicari, De Pellegrini i Chlamtac, 2012). OczywiĂcie IoT nie funkcjonuje bez odpowiedniej architektury, poza samym urzÈdzeniem, którego rolÈ jest zbieranie wszystkich moĝliwych danych, mamy tu równieĝ odpowiedniÈ sieÊ, którÈ owe dane muszÈ zostaÊ przekazane, a takĝe chmurÚ obliczeniowÈ, gdzie dane zostanÈ prze- chowane i przeanalizowane. IoT to przy- szïoĂÊ kaĝdej branĝy, poczÈwszy od branĝy gospodarstwa domowego i AGD, gdzie nasza lodówka sama bÚdzie wiedziaïa, jakie skïadniki siÚ koñczÈ i automatycznie zamówi je w sklepie online, poprzez branĝÚ automotive, która bÚdzie dÈĝyïa do opty- malizacji kosztowej oraz bezpieczeñstwa kierowców, koñczÈc na branĝy medycznej, gdzie odpowiednie urzÈdzenia bÚdÈ w stanie na bieĝÈco analizowaÊ stan naszego zdrowia. IoT ma nie tylko swoje szanse, lecz takĝe wiele ograniczeñ, takich jak:

iloĂÊ przekazywanych danych i koniecznych do skïadowania i analizy, szybkoĂÊ trans- feru czy zasiÚg, ab takĝe tak przyziemne, jak pojemnoĂÊ ib szybkoĂÊ zuĝycia baterii, która jest w danym urzÈdzeniu zainstalo- wana. IoT to poczÈtek drogi, którÈ kroczy technologia, prawdziwÈ przemianÈ bÚdzie internet wszechrzeczy (Internet of Every- thing – IoE). IoE to okreĂlenie caïoĂci roz- wiÈzania z uwzglÚdnieniem ludzi, urzÈdzeñ, infrastruktury, czyli sieci oraz funkcjonu- jÈcych procesów. IoE to juĝ w zasadzie rozwiÈzania typu Smart, gdzie wszystkie procesy posiïkujÈ siÚ ciÈgle gromadzonymi i przetwarzanymi informacjami. Cechami charakterystycznymi dla IoT oraz IoE jest duĝa iloĂÊ i róĝnorodnoĂÊ urzÈdzeñ, które sÈ wb stanie zbieraÊ skrajnie róĝne dane, wb zaleĝnoĂci od przeznaczenia. Skalowal- noĂÊ, poniewaĝ liczba urzÈdzeñ „przyïÈ- czonych” roĂnie w tempie wykïadniczym, lokalizacja i Ăledzenie, dziÚki wbudowanej technologii, ale równieĝ potencjalne moĝ- liwoĂci samoorganizacyjne (Brachman, 2013).

PatrzÈc przez pryzmat aktualnie rozwi- janych trendów technologicznych, naleĝy

(10)

sobie zadaÊ pytanie, co dalej? W którÈ stronÚ bÚdzie zmierzaïa technologia?

Odpowiedě prawdopodobnie juĝ pojawiïa siÚ na rynku poniewaĝ wszystkie z wymie- nionych kierunków rozwojowych majÈ ze sobÈ jednÈ wspólnÈ cechÚ, idealnie siÚ uzupeïniajÈ. Przetwarzanie w chmurze jest uzupeïnione przez przetwarzanie we mgle, które z kolei wspiera IoT oraz IoE, a te z kolei stanowiÈ podwaliny pod rozwiÈza- nia typu Smart (Zanella, Bui, Castellani, Vangelista i Zorzi, 2014). WydawaÊ by siÚ mogïo, ĝe „Smart” bÚdzie kolejnym etapem ewolucji systemów teleinformatycznych

przedsiÚbiorstw. Poniewaĝ Smart ma na celu integracjÚ i uzupeïnianie siÚ konkret- nych rozwiÈzañ (Xu, He i Li, 2014).

Smart Information Systems¹, choÊ jeszcze nie nazwane, bÚdÈ stanowiïy klamrÚ spinajÈcÈ poszczególne Ăcieĝki rozwoju technologii. Zaczynamy dostrzegaÊ, ĝe te granice sÈ mocno zacierane i powoli zaczy- najÈ byÊ po prostu zbyteczne, poniewaĝ celem kaĝdego rozwiÈzania jest wykorzystanie i analiza jednego najcenniejszego zasobu kaĝdej organizacji na Ăwiecie, czyli informacji. IlustracjÈ trzech Ăcieĝek rozwojowych jest rysunek 1.

Rysunek 1. Miejsce zastosowania nowych technologii na Ăcieĝkach rozwoju systemów informatycz- nych zarzÈdzania

K o n w e r g e n c j a

1950

TSP/DPS/APD

MIS

IC

Prywatne sieci korporacyjne Sieci komercyjne

Internet

Mobilność MRP

MRP II

ERP

ERP II

e-ERP II CRM, SCM

ERP III

in CC?

DSS

EIS/ESS ES

BIS BDS

VR + AR?

CC + FC

IoT i IoE?

1

2

3

1960 1970 1980 1990 2000 2010 2020

Integracja Lata

½ródïo: opracowanie wïasne.

5. Podsumowanie

Zaprezentowane w niniejszym artykule wyniki poszukiwañ badawczych wnoszÈ wkïad w badania nad kierunkami rozwoju systemów informatycznych zarzÈdzania, ab szczególnie przedstawieniu nowej koncepcji chronologii zmian typologii wb tym zakresie. Nowe propozycje dotyczÈ umiej- scowienia nowych technologii na schemacie rozwoju wynikajÈcym z pierwszego etapu badañ. WynikajÈ teĝ z nich wnioski odno- Ănie do kamieni milowych rozwoju syste- mów informacyjnych zarzÈdzania:

1. Powstanie standardów jÚzyków oprogramowania, systemów operacyjnych, sprzÚtu oraz standardów produkcyjnych (norm) – przeïom lat piÚÊdziesiÈ- tych i szeĂÊdziesiÈtych XX wieku. Bez powstania tych standardów trudno by byïo mówiÊ o jakiejkolwiek typologii systemów, ze wzglÚdu na brak wspól- nych kryteriów dla wyodrÚbnienia ich typów (klas), oraz niemoĝliwe by byïo tworzenie standardowych, speïniajÈ- cych normy produkcyjne systemów dla branĝ.

(11)

2. Integracja informacyjna systemów transakcyjnych wokóï bazy danych – lata szeĂÊdziesiÈte XX wieku.

OczywiĂcie od tego czasu nadal powstajÈ systemy czÈstkowe, choÊ synergia cechujÈca systemy zintegrowane decyduje o ich popularnoĂci, dlatego teĝ, pomimo ĝe systemy zintegrowane nadal naleĝÈ do klasy sys- temów informacyjnych zarzÈdzania, zastÈpiïy niemal caïkowicie systemy czÈstkowe.

3. NarastajÈce przyïÈczanie funkcjo- nalnoĂci systemów zintegrowanych TSP – od poïowy lat szeĂÊdziesiÈtych XXbwieku. Kaĝda nastÚpna generacja posiadaïa zestaw nowych, gotowych do wykorzystania funkcji systemu.

4. Komunikacja z bazÈ danych (jÚzyki querry) – lata siedemdziesiÈte XXbwieku. Byï to pierwszy krok wbkie- runku uïatwienia komunikacji z bazÈ danych. Od tego momentu caïy czas trwajÈ prace nad zarzÈdzaniem komu- nikacjÈ z systemem informatycznym wb kierunku jÚzyka naturalnego, by decydent nie musiaï znaÊ struktury bazy danych, a mógï uzyskaÊ z niej dowolne informacje.

5. Stadia rozwoju systemów wspomagania decyzji (DSS) – od koñca lat sie- demdziesiÈtych XX wieku: pojedyncze modele, biblioteka modeli, generacja modeli automatyzacja generacji, wyboru i zastosowania modeli).

6. Tworzenie od podstaw pierwszych sieci korporacyjnych i standardów branĝowych (istniejÈcych teĝ do dziĂ np. SWIFT) – od lat siedemdziesiÈtych XX wieku.

7. WïÈczanie rozwiÈzañ sieciowych do systemów informacyjnych zarzÈdzania (sieci korporacyjne, sieci komercyjne, Internet – intranet i extranet, przetwarzanie w chmurze i we mgle) – od lat siedemdziesiÈtych XX wieku.

8. Oprogramowanie analityczne hurtowni danych (data mining, tekst mining etc.) – lata dziewiÚÊdziesiÈte XX wieku.

Stworzono nowe moĝliwoĂci zdobywa- nia dodatkowej wiedzy o zjawiskach gospodarczych na podstawie posiada- nych juĝ informacji.

9. ModularnoĂÊ i mutacje rozwiÈzañ (ERP) – od lat dziewiÚÊdziesiÈtych XXb wieku. Umoĝliwienie uĝytkowni- kowi dokonania wstÚpnego wyboru

zakresu potrzebnego mu systemu wbwyspecyfikowanej branĝy/sektorze.

10. WïÈczanie rozwiÈzañ wspomagajÈcych podejmowanie decyzji do systemów informacyjnych zarzÈdzania – od lat osiemdziesiÈtych XX wieku. Odbywaïo siÚ to systematycznie od systemów wspomagajÈcych decyzje, poprzez systemy informowania i wspomagania kierownictwa, po systemy analityki biznesowej.

11. Sieci wszechobecne – komercjalizacja (standardy dziaïania) i uspoïecznienie Internetu – od lat dziewiÚÊdziesiÈtych XX wieku.

12. Sieci mobilne i ich infrastruktura – od poczÈtku XXI wieku.

13. Automatyczne przyïÈczanie do istnie- jÈcych systemów narzÚdzi analityki biznesowej (Business Analytics) – od poczÈtku XXI wieku.

14. Automatyczne przyïÈczanie do ist- niejÈcych systemów – narzÚdzi masowego przetwarzania danych Big Data Systems.

Z przytoczonych powyĝej rozwaĝañ wynikajÈ trzy punkty zwrotne w rozwoju systemów informatycznych zarzÈdzania:

– stworzenie wspólnej bazy (nastÚpnie hurtowni danych) dla systemów transakcyjnych w systemach informacyjnych zarzÈdzania;

– rozdzielenie idei i realizacji systemów wspomagania decyzji i systemów eksperckich;

– rozdzielenie systemów analityki biznesowej (BIS) i systemów sztucznej inte- ligencji (AIS) oraz ich obecne scalanie wb ramach koncepcji internetu rzeczy ibsystemów wirtualnej rzeczywistoĂci.

Ze skomplikowanej sytuacji, jakÈ przed- stawiamy, wynikajÈ podstawowe wyzwania rozwojowe systemów informacyjnych zarzÈ- dzania:

– integracja (techniczna, informacyjna, funkcjonalna, sieciowa);

– bezpieczeñstwo, w szczególnoĂci syste- mów mobilnych i infrastruktury przetwarzania w chmurze i przetwarzania we mgle;

– automatyzacja wïÈczania analityki biz- nesowej (Business Analytics) w istniejÈce systemy informatyczne wspomagajÈce zarzÈdzanie;

– wïÈczanie nowych technologii: systemów masowego przetwarzania danych (Big Data Systems), wirtualnej rzeczywisto-

(12)

Ăci (VR) i rozszerzonej rzeczywistoĂci (AR), internetu rzeczy (IoT) i internetu wszechrzeczy (IoE) do gospodarki narodowej i sfery spoïecznej.

WynikajÈ z nich przypuszczalne kierunki rozwoju systemów informacyjnych zarzÈ- dzania, które powinny koncentrowaÊ siÚ na:

– w sferze architektury logicznej – stop- niowe przeksztaïcanie i zastÚpowanie systemów analitki biznesowej (Business Intelligence) w systemy przetwarzania danych masowych (Big Data);

– w sferze integracyjnej – scalanie sfery informacyjnej i materialnej – poprzez ïÈczenie systemów informacyjnych zarzÈ- dzania z internetem rzeczy (wszechrzeczy) i wirtualnej (rozszerzonej) rzeczy- wistoĂci;

– w sferze sieciowej – wïÈczenie mecha- nizmów przetwarzania w chmurze i we mgle – w infrastrukturÚ systemów sieciowych.

Wydaje siÚ, ĝe zwieñczeniem wykorzystania systemów informatycznych zarzÈ- dzania bÚdzie integracja ich z systemami daleko posuniÚtej inteligentnej automatyki przemysïowej oraz systemami uïatwiajÈ- cymi i usprawniajÈcymi ĝycie codzienne.

BiorÈc pod uwagÚ analizowanÈ koncep- cjÚ systemy inteligentne (smart) powinny zwieñczaÊ opisany niÈ rozwój.

Przypisy

1 Systemy inteligentne (Smart Information Sys- tems): inteligentne miasta (smart cities), inte- ligentne fabryki (smart factories, smart compa- nies), inteligentne systemy (smart systems).

Bibliografia

Adamczyk, A. i Chmielarz, W. (2005). Zintegrowane systemy informatycznego wspomagania zarzÈdzania.

Warszawa: Wydawnictwo WSEI.

Al-Fuqaha, A., Guizani, M., Mohammadi, M., Aledhari, M. i Ayyash, M. (2015). Internet of things: A survey on enabling technologies, proto- cols, and applications. IEEE Communications Sur- veys and Tutorials, 17(4), 2347–2376.

Ashton, K. (2009). That ‘Internet of Things’ Thing.

RFID Journal, https://www.rfidjournal.c om/articles/

view?4986 (22.03.2019).

Bocij, P., Chaffey, D., Greasley, A. i Hickie, S.

(2008). Business Information Systems: Technology, Development and Management for E-Business. New Jersey: Prentice Hall.

Bonomi, F., Milito, R., Zhu, J. i Addepalli, S.

(2012). Fog computing and its role in the internet of things. Paper presented at the MCC’12 – Pro- ceedings of the 1st ACM Mobile Cloud Computing Workshop, s. 13–15.

Brachman, A. (2013). Raport Obserwatorium ICT, Internet Przedmiotów. SO RIS. Pozyskano 22 marca 2019 r. z: http://obserwatoriumict.pl/site/assets/

files/1059/internet_rzeczy-wybrane_zastosowania.

pdf.

Buyya, R., Yeo, C.S., Venugopal, S., Broberg, J.

ibBrandic, I. (2009). Cloud computing and emerging IT platforms: Vision, hype, and reality for deliver- ing computing as the 5th utility. Future Generation Computer Systems, 25(6), 599–616.

Chen, H., Chiang, R.H.L. i Storey, V.C. (2012).

Business intelligence and analytics: From big data to big impact. MIS Quarterly: Management Informa- tion Systems, 36(4), 1165–1188.

Chen, M., Mao, S. i Liu, Y. (2014). Big data:

Absurvey. Mobile Networks and Applications, 19(2), 71–209.

Chen, P.C.L. i Zhang, C. (2014). Data-intensive applications, challenges, techniques and technolo- gies: A survey on big data. Information Sciences, 275, 314–347.

Chmielarz, W. (1996). Systemy informatyczne wspo- magajÈce zarzÈdzanie. Aspekt modelowy w budowie systemów. Warszawa: Dom Wydawniczy Elipsa.

Chmielarz, W. (2007). Systemy elektronicznego biz- nesu. Warszawa: Difin.

Chmielarz, W. (2013). ZarzÈdzanie projektami abroz- wój systemów informatycznych zarzÈdzania. War- szawa: Wydawnictwo Naukowe WZ UW.

Chmielarz, W. (2015). Information Technology Project Management. Warszawa: Wydawnictwo Naukowe WZ UW.

Cisco. (2015). Fog Computing and the Internet of Things: Extend the Cloud to Where the Things Are (white paper).

Dziembek, D. (2016). Cloud Computing – Charak- terystyka i Obszary Zastosowañ w PrzedsiÚbior- stwach. W: R. Knosala (red.), Innowacje wbzarzÈ- dzaniu i inĝynierii produkcji (t. 2, s. 725–739).

Opole: Oficyna Wydawnicza Polskiego Towarzystwa ZarzÈdzania ProdukcjÈ (PTZP).

Flakiewicz, W. (2002). Systemy informacyjne wbzarzÈdzaniu. Warszawa: C.H. Beck.

Fotache, D. i Hurbean, L. (2014). ERP III: the promise of a new generation. The Proceedings of the IE2014 International Conference, Bucharest, s. 265–271.

Fox, S. i Madden, M. (2006). Riding the Waves of

“Web 2.0”. Pew Internet & American Life Project.

Pozyskano 21 lutego 2019 r. z: http://www.pewinter- net.org/pdfs/PIP_Web_2.0.pdf.

(13)

Freyenfeld, W.A. (1984). Decision Support Systems.

Manchester: NCC Publications.

Gallagher, A.G., Ritter, E.M., Champion, H., Hig- gins, G., Fried, M.P., Moses, G. i Satava, R.M.

(2005). Virtual reality simulation for the operat- ing room: Proficiency-based training as a paradigm shift in surgical skills training. Annals of Surgery, 241(2), s. 364–372.

Gilet, S. i Kapor, M. (1997). The Self-governing Internet: Coordination by Design. W: B. Kahin, J.b Keller (red.), Coordination of Internet. Cam- bridge: MIT Press. Pobrano z: http://ccs.mit.edu/

papers/CCSWP197/CCSWP197.html.

Goïuchowski, J. (2007). Technologie informatyczne w zarzÈdzaniu wiedzÈ w organizacji (wyd. II). Kato- wice: Wydawnictwo Akademii Ekonomicznej wbKatowicach.

Hellwig, Z. (red.). (1971). Automatyczne przetwarza- nie informacji. Warszawa: PWE.

Januszewski, A. (2008). FunkcjonalnoĂÊ informa- tycznych systemów zarzÈdzania (t. I, II). Warszawa:

Wydawnictwa Naukowe PWN.

Kisielnicki, J. i Sroka, H. (2005). Systemy informa- cyjne biznesu. Warszawa: Wydawnictwo Placet.

Kisielnicki, J. (2014). ZarzÈdzanie i informatyka.

Warszawa: Wydawnictwo Placet.

Laudon, K.C. i Laudon, J.P. (2015). Management Information Systems: Managing the Digital Firm.

New York: Pearson Education Inc., Prentice Hall.

Lech, P. (2003). Zintegrowane systemy zarzÈdzania ERP/ERP II – Wykorzystanie w biznesie, wdraĝanie.

Warszaw: Difin.

Milgram, P., Takemura, H., Utsumi, A. i Kishino, F.

(1995). Augmented reality: A class of displays on the reality-virtuality continuum. Paper presented at the Proceedings of SPIE – the International Society for Optical Engineering, 2351, s. 282–292.

Miorandi, D., Sicari, S., De Pellegrini, F. i Chlam- tac, I. (2012). Internet of things: Vision, applica- tions and research challenges. Ad Hoc Networks, 10(7), 1497–1516.

Niedzielska, E. (red.). (1998). Informatyka ekono- miczna. Warszawa: PWE.

Nowicki, A. (red.). (2006). Komputerowe wspo- maganie biznesu. Warszawa: Wydawnictwo Placet.

Olszak, C. (2007). Tworzenie i wykorzystanie syste- mów Business Intelligence na potrzeby wspóïczesnej organizacji. Katowice: Wydawnictwo Naukowe Aka- demii Ekonomicznej w Katowicach.

Radzikowski, W. (1979). Informatyka w gospodarce narodowej. Warszawa: KsiÈĝka i Wiedza.

Turban, E., Outland, J., King, D., Lee, J.K., Liang, T.-P. i Turban, D.C. (2018). Electronic Commerce 2018. A Managerial and Social Networks Perspective.

Springer.

Wielki, J. (2012). Modele wpïywu przestrzeni elek- tronicznej na organizacje gospodarcze. Wrocïaw:

Wydawnictwo UE Wrocïaw.

Wierzbicki, T. (red.). (1976). WstÚp do informatyki wbzarzÈdzaniu. Warszawa: PWN.

Wood, B. (2015). ERP vs. ERP2 vs. ERP3 Future Enterprise Applications. R3now Consulting.

Pozyskano 16 marca 2019 r. z: http://www.r3now.

com/erp-vs-erp-ii-vs-erp-iii-future-enterprise-applications/.

Wrycza, S. (red.). (2010). Informatyka ekonomiczna.

Warszawa: PWE.

Wu, X., Zhu, X., Wu, G. i Ding, W. (2014). Data mining with big data. IEEE Transactions on Knowl- edge and Data Engineering, 26(1), 97–107.

Xu, L.D., He, W. i Li, S. (2014). Internet of things in industries: A survey. IEEE Transactions on Indus- trial Informatics, 10(4), 2233–2243.

Zanella, A., Bui, N., Castellani, A., Vangelista, L.

ibZorzi, M. (2014). Internet of things for smart cit- ies. IEEE Internet of Things Journal, 1(1), 22–32.

Zawiïa-Nieděwiecki, J., Rostek, K. i GÈsiorkiewicz, A. (red.). (2010). Informatyka gospodarcza. War- szawa: C.H. Beck.

Zhang, Q., Cheng, L. i Boutaba, R. (2010). Cloud computing: State-of-the-art and research chal- lenges. Journal of Internet Services and Applications, 1(1), 7–18.

Zyda, M. (2005). From visual simulation to virtual reality to games. Computer, 38(9), 25–32.