!| P o lsk ie
;|j T o w a r z y s t w o
¡Ü Inform atyczni
Zastosowanie Informatyki w
Rachunkowości i Finansach
Bernard F. Kubiak (red.) Antoni Korowicki (red.)
A lífóff f r ñ
G - yi¿
Gdańsk 2003
Zastosowanie Informatyki w
Rachunkowości i Finansach
Zastosowanie Informatyki w
Rachunkowości i Finansach
Bernard F. Kubiak (red.) Antoni Korowicki (red.)
Gdańsk 2003
Recenzenci:
prof. zw . dr hab. Bernard F. K ubiak prof, dr hab. Jerzy G ieru sz
prof, dr hab. Ig n a cy D z ie d z ic z a k prof, dr hab. Jan S tęp n iew sk i dr A n ton i K oro w ick i
m gr A licja M y sz o r
m gr inż. A ndrzej M ajew sk i m gr inż. W o jc ie c h K ierd ow sk i
Wydawca:
Polskie Towarzystwo Informatyczne
ISBN: 83-913373-3-2
SPIS TREŚCI
Przedmowa... 9
R O Z D Z IA Ł I. S Y S T E M Y K L A S Y B U S IN E S S IN T E L L IG E N C E W O S IĄ G A N IU P R Z E W A G I K O N K U R E N C Y J N E J O R G A N IZ A C J I
Bernard F. K ubiak, Antoni Korowicki
Zarządzanie informacją w św ietle doskonalenia procesów biznesowych... 13 W itold Chm ielarz
Elektroniczni agenci w procesie zarządzania wiedzą organizacji... 25 K azim ierz Krupa
Narzędzia wspomagające zarządzanie informacją biznesową i koncepcja mierzenia kapitału intelektualnego... 39
R O Z D Z IA Ł II. U S T A W A O R A C H U N K O W O Ś C I A
M I Ę D Z Y N A R O D O W E S T A N D A R D Y R A C H U N K O W O Ś C I
Jerzy Gierusz
M iejsce odroczonego podatku dochodowego w system ie rachunkowości finansow ej 55 Jan Turyna , Beata Pułaska-Turyna
Założenia koncepcyjne sprawozdawczości finansow ej według M iędzynarodowych Standardów Rachunkowości, standardów amerykańskich oraz polskiego praw a
bilansowego... 65 Jacek Kalinowski
Umowy długoterm inowe w świetle zapisów M iędzynarodowych Standardów Rachunkow ości oraz Ustawy o Rachunkowości
(na przykładzie usług budowlanych ) ... 83
R O Z D Z IA Ł III. Z A S T O S O W A N IA IN F O R M A T Y K I W S P O M A G A J Ą C E Z A R Z Ą D Z A N IE P R O C E S A M I B IZ N E S O W Y M I W K O N T E K Ś C IE IC H R E S T R U K T U R Y Z A C J I I R E E N G IN E E R IN G U
Ewa Szkic-Czech
Odpowiedzialność obsługi zewnętrznej ja k o kluczowy param etr outsourcingowych kooperacji gospodarczych...97 Jarosław Becker, K rzysztof M ichalak
Problem y algorytm izacjiprocesow ego rachunku kosztów działań w informatycznym system ie rachunkowości... 107 A rkadiusz Januszew ski, Joanna Bolisęga
Kom puterowy m odel rachunku kosztów działań pryw atnej uczelni w yższej... 119
5
Kazimierz Krupa
Zmiany organizacyjne i koncepcja pomiaru ich efektów
(wybrane poglądy, metody, wskaźniki)... 133 Teresa M artyniuk, M. Slósarczyk
Wymagania stawiane system om informatycznym rachunkowości... 157 Cyryl Kotyla, M arek Ossowski
System informacji księgowej „KONTA "ja ko przykład kolejnego etapu rozwoju
planów kont w Polsce... 161
R O Z D Z IA Ł IV . M O D E L O W A N IE I Z A R Z Ą D Z A N IE P R O C E S A M I F IN A N S O W Y M I
Jan Turyna, Jolanta Rutkowska, Daria Świderska-Rak
M odelowanie procesów finansow ych w organizacji gospodarczej...173 Jan Stępniewski
Finansowanie start-up czyli kapitał o wysokim ryzyku... 187 M irosław Krajewski
Relacje wielkości ekonomicznych z punktu widzenia rozwoju przedsiębiorstw ...193 Kazim ierz Krupa, W ojciech Krupa
Aktywne zarządzanie własnością intelektualną - nowe zadanie dla fin a n só w ...203 Jerzy Auksztol
Konsekwencje wprowadzenia podatku VAT na oprogramowanie... 217
R O Z D Z IA Ł V. O P R A C O W A N IA F IR M O W E (N A P R A W A C H R Ę K O P IS U )
Agnieszka Beresińska, Andrzej Am anowicz
Inteligencja organizacji - zastosowanie rozwiązań business intelligence w procesie budowania przew agi firm y ... 227 Edwin Dudziak
Budowanie Strategii IT bazującej na strategii firm y ... 233 Adam Behr
A spekty różniące system y rachunkowości w Polsce i na świecie kontekście rozwiązań informatycznych ... 247 Przem ysław Lech
Inform atyczne wspomaganie zarządzania strategicznego w oparciu
o rozwiązanie „ L S T Strategy M anager”... 259 Przemysław Lech, Maciej M atynia
Zmiany organizacyjne a rozwiązanie informatyczne na przykładzie
J.J. Darboven Poland... 267 Franciszek W ołowski
Podpis elektroniczny w bankowości i finansach ... 271
Rafał Czeczółka
Bezpieczeństwo podpisu elektronicznego... 285
IBS Rozwiązania analityczne typu Business Intelligence... 295
R O Z D Z IA Ł V I. P R E Z E N T A C J E F IR M I P R O D U K T Ó W T E L M A X S.A ... 299
A R C U S S P .Z O .0 ... 303
CO M PUTERLAND S.A...307
POLSKA TELEFONIA CYFROWA SP. Z O.O. OPERATOR SIE C I ERA... 311
IBM POLSKA SP. Z 0 . 0 ... 317
IBS POLSKA SP. Z 0 . 0 ...321
LST SP . Z 0 . 0 ...325
M SG CONSULTING... 329
PRETOR SP. Z 0 . 0 ...335
SCALA BU SINESS SO LU TIO NS POLSKA SP. Z 0 . 0 ... 339
POLSKA WYTWÓRNIA P A P IERÓ W W ARTOŚCIOW YCH S.A . , SIG ILLU M . 343 SP R IN T SP. Z 0 . 0 ...349
STER-PRO JEK T S.A... 353
Indeks autorów...357
Informacja PTI... 359
1
’ - . . . . . . . ... ■ _ . . ■ ■ ■ ■ . . . . .. .
R achunkowość i finanse w trzecim tysiącleciu nie m ogą efektywnie funkcjonować w konkurencyjnym środowisku i zaspokajać zróżnicowane oraz zmienne w czasie i przestrzeni preferencje oraz potrzeby użytkowników informacji bez zastosowania nowoczesnych, zintegrowanych, sieciowych systemów informacyjnych o zasiągu krajowym i globalnym (międzynarodowym).
W praktyce występuje duże rozproszenie i ograniczona dostępność danych księgo
wych charakteryzujących zasoby organizacji macierzystej i organizacji kooperujących z innych branż, współuczestniczących w realizacji procesów danej organizacji.. Poprawa tej sytuacji je st możliwa poprzez tworzenie grup wspólnych interesów i organizacji wirtualnych, współpracujących w sieci. Tym sposobem łańcuch wartości integrujący zazwyczaj je d n ą organizacją, jest zastępowany siecią wartości, integrującą wszystkich partnerów uczestniczących w obsłudze klienta (integracja zewnętrzna). Tw orzą się nowe relacje gospodarcze a sieć globalna, jako przejaw najnowocześniejszej infrastruktury informatycznej, zw ana też infostradą, zmienia sposób funkcjonowania zarówno podmiotów biznesowych, jak i klientów i nabywców.
Skutecznymi narzędziami poprawy wykorzystania zasobów w organizacjach, wypróbowanymi w krajach zachodnich s ą globalne i lokalne sieciowe systemy inform acyjne klasy ERP (Enterprise Resource Planning) współpracujące z systemami CRM (Client Relationship M anagement) oraz SCM (Supply Chain Management), Internet, Intranet, i tynki elektroniczne funkcjonujące dzięki elektronicznej wymianie danych. Rozwój tych systemów w powiązaniu z GIS sprzyja wzrostowi konkurencyjności polskich produktów, nabywanych coraz częściej przez nabywców zagranicznych. Dalszy rozwój gospodarki polskiej będzie również zależał od stwarzania warunków sprzyjających poszerzaniu i efektywniejszemu wykorzystywaniu zasobów krajowych i zagranicznych. Jednak pom yślna realizacja tych zam ierzeń wymaga reengineeringu dotychczasowych procesów gospodarczych i finansowych oraz w prowadzenia na znacznie szerszą skalę gospodarki cyfrowej (obsługa klientów i łańcucha logistycznego, bankowość i sprzedaż elektroniczna, co z kolei jest uzależnione od efektywnego wykorzystania technologii informacji (TI) w postaci zintegrowanej.
Konieczność osiągania przewagi konkurencyjnej przez polskie organizacje i zwiększania konkurencyjności polskich produktów na rynku krajowym i na rynkach zagranicznych wym usiło sformułowanie (przy udziale ekspertów zagranicznych) i realizację strategii rozwoju gospodarki polskiej. Konieczne s ą jednak dalsze przeobrażenia, polegające nie tyle na zmianie formy własności i struktur organiza
cyjnych, ile na wdrażaniu nowych sposobów funkcjonowania organizacji i ich obsługi finansowej. Reengineering w polskiej gospodarce, ściśle pow iązany z realizacją przyjętej strategii jej rozwoju, nie ma szans powodzenia bez powszechnych zastosow ań TI w sposób zintegrowany. Spełnienie tego warunku determinuje szybką i właściw ą obsługą klientów, sprawne reagowanie na zmieniające się ich potrzeby oraz zapewnienie przyjaznych rozwiązań dla obsługi tej infrastruktury.
Autorzy niniejszej monografii podjęli próbę stworzenia pom ostu pom iędzy ujęciami teoretycznymi i metodycznymi oraz najnow szą technologią informacji a praktyką tworzenia, wdrażania i eksploatacji zintegrowanych systemów informatycznych, a zw łaszcza ich kluczowych modułów, które służą obsłudze rachunkowości i procesów finansowych. W wielu wypowiedziach przedstawiono w łaściw e, wzorcowe podejście do spójnego traktow ania informatyzacji systemów zarządzania i systemów informacyjnych, poprzedzone reengineeringiem procesów finansowych i rozważeniem możliwości zlecania ich obsługi na zew nątrz organizacji (outsourcing). Zaprezentowano też nowe
spojrzenie na eksploracją danych księgowych, ich sprawdzalność i audyt księgowy a także właściwe ich zabezpieczenie przed niepowołanymi użytkow nikam i. Wreszcie, zamieszczono opis najnowszych zmian w Ustawie Rachunkowości, zwłaszcza w części dotyczącej rachunkowości informatycznej. Jeśli monografia ta zainspiruje badaczy do dalszych, pogłębionych badań a praktyków do wykorzystania jej w usprawnianiu procesów finansowych organizacji i formułowania prawidłowej strategii ich informatyzacji, wówczas cel jej opracowania i opublikowania zostanie chociażby częściowo osiągnięty.
Redaktorzy naukowi w yrażają głęboką wdzięczność i uznanie wszystkim Autorom niniejszej monografii za ich trud w zaprezentowaniu swoich uogólnień i nierzadko oryginalnych propozycji, będących następstwem wielu żmudnych i trudnych badań oraz doświadczeń interdyscyplinarnych.
A utorzy i redaktorzy będą wdzięczni na wszelkie uwagi dotyczące poglądów zawartych w niniejszej publikacji.
Bernard F. Kubiak
Gdańsk, kwiecień 2003
R O Z D Z IA Ł I
SYSTEMY KLASY BUSINESS INTELLIGENCE W OSIĄGANIU PRZEWAGI KONKURENCYJNEJ
ORGANIZACJI
Z A R Z Ą D Z A N IE IN F O R M A C JĄ W ŚW IE T L E D O S K O N A L E N IA PR O C E S Ó W B IZ N E S O W Y C H
Bernard F. Kubiak Antoni Korowicki Uniwersytet Gdański
Streszczenie: W artykule omówiono wpływ system ów klasy Business Intelligence na usprawnienie zarządzania biznesem, proces ich budowy oraz narzędzia inteligentne wspomagające te działania. Podkreślono znaczenie predefiniowania potrzeb informacyjnych wszystkich szczebli zarządzania oraz zawartości informacyjnej raportów i analiz mających zaspokajać ich oczekiwania i nie uświadomione jeszcze potrzeby decyzyjne.
1. W p row ad zenie
Skuteczne zarządzanie w spółczesną organizacją wym aga kompleksowej, skonsolidowanej, zintegrowanej a nie fragmentarycznej informacji o jej kluczowych procesach decyzyjnych i biznesowych oraz wpływie otoczenia na ich przebieg. W wielu organizacjach w szechstronna i rzetelna komputerowa analiza zasobu informacyjnego jest wciąż nieosiągalna ze w zględu na jego duże rozproszenie i nieuporządkowanie, pomimo zastosowania zintegrowanych systemów klasy ERP (Enterprise Resources Planning) CRM (CRM ), SCM (Supply Chain Management). Pomniejsza to znacznie wiarygodność i w ykorzystanie zasobu informacyjnego w procesach wspom agania decyzji oraz informowania kierownictwa organizacji. W ynika stąd, iż powodzenie współczesnego biznesu je st zdeterm inowane dostępnością i odpowiednim przystosowaniem zasobu informacyjnego do potrzeb decyzyjnych organizacji. Teoria i praktyka zgodnie potwierdza, iż biznes rozpoczyna się od informacji i kończy się na informacji [7]. Co więcej, nowe rozw iązania biznesowe i innowacje nie zależą ju ż od miejsca i czasu, ponieważ pojaw iają się spontanicznie i są rezultatem nakładających się informacji [8].
Informacja w arunkuje prawidłowe sformułowanie i realizację strategii biznesu. Tym samym inform acja je st postrzegana jako zasób strategiczny, dlatego musi być kojarzona ze strategią organizacji i strategią informatyzacji organizacji przy zastosowaniu podejścia strategicznego.
2. Potrzeba zarząd zan ia zin tegrow an ą inform acją w organizacji
Zasoby inform acyjne - podobnie jak pozostałe zasoby organizacji (zasoby rzeczowe, finansowe i intelektualne) - należy właściwie pozyskiwać, gromadzić, przetwarzać i udostępniać w e w łaściw ym czasie i formie upoważnionym jej użytkownikom. Spełnienie tych postulatów w ym aga sprawnego zarządzania tymi zasobami. Uznanymi i coraz powszechniej stosowanymi systemami zarządzania inform acją w organizacji są rozwiązania znane jako system y klasy Business Intelligence System s, w skrócie BIS, a
13
wśród nich system BusinessObjects (BO) [11]. Coraz szybszy rozwój tych systemów jest spowodowany rosnącą konkurencją i koniecznością skutecznego reagowania na zmienne potrzeby klientów, a w następstwie tych zmian - potrzebą poszerzonego i pogłębionego m onitorowania działalności organizacji. Zarządzaniu inform acją oraz tworzeniu i efektywnemu w ykorzystyw aniu systemów BIS sprzyja również coraz większa dostępność metod, technik i narzędzi analizy i eksploracji danych (Data M ining), które przeszły fazę eksperym entalną i stały się w wielu organizacjach funkcjonalnymi elementami ich infrastruktury informatycznej.
Jednakże utrudnieniem w zastosowaniu tych rozwiązań i technologii nadal pozostaje brak dostępu do odpowiednich danych, konieczność ich konsolidacji, agregacji i transformacji, w wyniku czego mogłyby powstawać pożądane informacje. W praktyce obserwuje się nadm ierne rozproszenie danych występujących w różnych systemach transakcyjnych, nie zawsze zintegrowanych wewnątrz organizacji i z jej otoczeniem poprzez zastosowanie Internetu (dla e-Biznesu), intranetu i extranetu. Kontekst ten rodzi pytanie, jak m enedżerowie powinni pozyskiwać w iedzę o procesach biznesowych zachodzących w danej organizacji w celu skutecznego oddziaływania na ich przebieg i efektywność ekonomiczną? Doświadczenie potwierdza tezę o potrzebie konsolidacji danych elem entarnych przede wszystkim z systemów transakcyjnych eksploatowanych w danej organizacji, odpowiednie ich przetwarzanie i poddanie dalszem u opracowaniu poprzez zastosowanie metod inteligentnej eksploracji i analizy.
3. O bszary i fu n kcjon aln ość System ów B usiness Intelligence
Systemy klasy Business Intelligence służą wyszukiwaniu i zintegrow aniu danych z różnych źródeł (najczęściej z archiwów, hurtowni danych i Internetu), połączeniu słabo skonsolidowanych danych i ich przetwarzaniu w celu uzyskiwania informacji decyzyjnej dla użytkowników wszystkich szczebli zarządzania1. C echą charakterystyczną odróżniającą BIS od tradycyjnych systemów informacyjnych zarządzania (SIZ) jest znacznie szerszy zakres przedmiotowy, wykraczający poza analizę danych, które cechują się ściśle określoną i powtarzalną strukturą. Oznacza to, żc BIS umożliwia analizę danych nieustrukturalizowanych, pochodzących ze źródeł i dokum entów pozbawionych ściśle określonej struktury, ja k np. artykuły prasowe, internetowe, notatki służbowe pracowników i in. BIS m ogą funkcjonować jako systemy niezależne i pozyskiwać dane pośrednio z system ów transakcyjnych (nierzadko jeszcze nie zintegrowanych w niektórych organizacjach), systemów zintegrowanych klasy ERP współpracujących z systemami SCM (Supply Chain M anagement) i CRM (Client Relationship M anagement) lub stanowić elem ent składowy ERP i pobierać dane bezpośrednio z tego systemu. W obu przypadkach konieczne jest poddanie analizie podstawowych elem entów składowych (obszarów) projektu BIS, do których zalicza się:
1. kwalifikację danych,
2. określanie wymagań analitycznych i sprawozdawczych, 3. ekstrakcję danych z systemów źródłowych,
1 Systemy Business Intelligence określa się rów nież jak o „ .. pozyskiw anie analitycznej informacji dla biznesu przy w ykorzystaniu środków informatyki oraz efektyw ne jej prezentow anie adresatom "
(por. Żm udzin T., Business Intelligence - mapa obszaru, “Strategie Biznesu” , kw artalnik SAP Polska 2002, nr 14(14).
4. homogenizację i korelację danych, 5. przechowywanie danych,
6. prezentację i analizę danych.
Kwalifikacja danych je st pierwszym etapem poprzedzającym opracowanie projektu BIS i sprow adza się do oznaczenia zakresu zainteresowań objętych tym przedsięwzięciem , czyli potrzeb i zainteresowań potencjalnych użytkowników systemu oraz danych objętych eksploracją i analizą. Barierą w ustaleniu tych zakresów są trudności zlokalizowania poszukiwanych danych a także określanie ich wartości użytkowej, która je st zależna od wykorzystania danych w procesach przetw arzania i podejm ow ania decyzji. Stąd dobór danych i projektów BIS w dużej m ierze opiera się intuicyjnej znajomości organizacji i jej otoczenia.
Określanie wymagań analitycznych, sprawozdawczych i raportowania zmierza do ustalenia, jakie dane będą objęte badaniami analitycznymi. Chodzi zatem o określenie rodzaju analiz i danych uzyskiwanych w toku ich opracowywania, zakresu sprawozdawczości i zawartości raportów a także wzorców odniesienia (cech) dla analizowanych faktów. Dane uzyskiwane w toku analiz powinny być wiarygodne, sprawdzalne i opatrzone inform acją o źródłach pochodzenia.
Ekstrakcja danych z system ów źródłowych koncentruje się głównie na sposobach ekstrakcji, a więc źródłach i sposobach pozyskiwania i pobierania danych. Spośród dostępnych opcji należy wymienić interfejsy standardowe, bezpośrednią selekcję i przeglądanie bazy danych, wyszukiwanie informacji w Internecie, czytanie protokołów aktualizacji bazy danych i in. Z uwagi na wielokrotny pobór danych przyjęte sposoby ekstrakcji winna cechować prostota i niezawodność. Jednakże w przypadku bardziej złożonych scenariuszy przekazyw ania danych między systemami konieczne może okazać się scentralizowane zarządzanie przepływem danych przy pom ocy specjalistycznych narzędzi ekstrakcji danych typu ETL (Extraction-Transform ation-Loading) lub middleware.
H om ogenizacja i korelacja danych polega na sprowadzaniu ich do wspólnej postaci poprzez zastosowanie zunifikowanego systemu kodowania danych wewnętrznych i określonych konwersji danych zewnętrznych (do postaci danych wewnętrznych).
Przechowywanie danych wymaga ustaleń dotyczących miejsc i sposobów składowania danych objętych eksploracją i analizą. Dane pochodzące ze źródeł wewnętrznych są najczęściej przechowywane w systemie informacyjnym organizacji.
W ym aga to jednak wyraźnych ustaleń w zakresie organizacji dostępu do tych danych oraz m ożliwych sposobów wspomagania tego dostępu poprzez stosowanie indeksów, pośrednich obszarów danych (Operational Data Stores - ODS) i innych rozwiązań.
Ponadto niektóre dane w ewnętrzne m ogą być przechowywane na zasadzie dowiązania (za pom ocą adresu internetowego) lub każdorazowego pobrania dokum entu w przypadku jego niezbędnego wystąpienia.
Prezentacja i analiza danych dotyczy sposobów zaspokajania potrzeb informacyjnych użytkow ników BIS, głównie zaś sposobów dostępu (Internet, przeglądarki, pośredni dostęp do systemu informacyjnego organizacji i in.) i prezentacji danych, uw zględniających specyficzne preferencje zainteresowanych. Z doświadczeń wielu organizacji wynika, iż większość użytkowników BIS je st zainteresowana przede wszystkim dostępem do odpowiednich raportów i formułowaniem złożonych zapytań, mniej zaś naw igow aniem i przekształcaniem danych ustrukturalizowanych (znajdują się głównie w hurtow niach danych) i danych nieustrukturalizowanych (pow stają najczęściej
15
w BIS). M ożna zatem przyjąć, że zadania analizy danych w obu tych przypadkach są zbieżne, jeśli nie tożsame
4. Pojęcie i fu n k cje System ów B usiness Intelligence
Systemy BI należą do grupy systemów wspomagania decyzji, ponieważ dostarczają decydentom zagregowanej i skonsolidowanej informacji z różnych źródeł, po uprzednim inteligentnym określeniu ich potrzeb informacyjnych za pom ocą innego systemu z rodziny BIS, znanego jako BusinessObjects (BO). Podstawowym zatem celem BIS jest zapewnienie informacji umożliwiającej zwiększenie zadowolenia i wartości dodanej klientów oraz wzrost konkurencyjności i efektywności funkcjonowania organizacji. BIS w odróżnieniu od systemów transakcyjnych ma charakter eksploracyjny, ponieważ nie tylko dostarcza informacji bieżących o przebiegu procesów biznesowych organizacji i jej otoczenia, ale również określa obszary dalszych poszukiwań i eksploracji informacji.
Eksploracyjny charakter BIS utrudnia formułowanie długookresowych celów i zadań, co wym usza podział projektu całego przedsięwzięcia na m niejsze moduły wdrażane w okresach krótszych. Celem tych projektów je st zaspokajanie coraz bardziej rozwiniętych i zaawansowanych potrzeb sprawozdawczych i analitycznych. Taki podział umożliwia przedyskutowanie i ostateczne sprecyzowanie kolejnych przedsięwziąć, opracowanie przejrzystej ich struktury oraz definicji i postaci przechowywanych danych a także efektywnego zastosowania aplikacji i narządzi analitycznych. W brew pozorom iteracyjny charakter i sposób tworzenia oraz wdrażania BIS nie podraża przedsięwzięcia i nie pozostaje w sprzeczności z zaspokajaniem zmiennych i rozwojowych potrzeb informacyjnych użytkow ników BIS. Największe bowiem koszty pow oduje opracowanie zestawu danych niezbędnych do celów sprawozdawczych i analitycznych, a więc zdefiniowanie podstawowych i elementarnych obiektów danych oraz utworzenie interfejsów zasilających hurtownią danych i hurtownią dokum entów danymi pozyskiwanymi z różnych źródeł (najwięcej z systemów źródłowych, transakcyjnych oraz Internetu). W ynika stąd, iż dane pierwotnie przygotowane m ogą być wielokrotnie wykorzystywane w kolejnych projektach i scenariuszach analitycznych, co skraca czas i obniża koszty ich tworzenia, wdrażania i realizacji. W uzupełnieniu tego obrazu warto przypomnieć, że efektywne opracowywanie projektów początkowych BIS i późniejsze ich wdrażanie je st dodatkowo utrudnione niezrozumieniem potrzeby zarządzania danymi, brakiem integracji na poziomie danych, czy niejasnym zdefiniowaniem obiektów.
Potwierdza to raz jeszcze występowanie specyfiki projektów wdrożeń BIS i potrzebę rozłożenia tego przedsięwzięcia na mniejsze projekty i krótsze odcinki czasu niż w odniesieniu do systemów transakcyjnych.
Przebieg w drożenia BIS zazwyczaj jest zdeterm inowany m etodyką firmową, stosowaną z pewnymi modyfikacjami również podczas wdrażania systemów transakcyjnych (w przypadku SAP jest to metodyka ASAP). Projekt wdrożenia BIS obejmuje takie etapy jak inicjacja, koncepcja biznesowa, realizacja, przygotow anie do startu produktywnego i nadzór po starcie2. W fazie koncepcji biznesowej uwaga twórców koncentruje się na zakresie, sposobach przechowywania, aktualizacji i przetwarzania danych objętych raportowaniem i analizą, nie zaś na sposobach obsługi procesów
2 Szerzej na ten tem at por. Żm udzin T., Specyfika projektów Business Intelligence, “Strategie B iznesu” , kw artalnik SA P Polska 2002, nr 14 (14).
biznesowych i ogólnych założeniach niezbędnych w konfigurowaniu poszczególnych transakcji system u, co je st dom eną systemów transakcyjnych. Więcej też czasu pochłania opracowanie interfejsów niezbędnych do identyfikacji źródeł danych, przygotowania system ów źródłowych do eksportu danych, czy też kodowania reguł przetwarzania danych. Z kolei w fazie realizacji i przygotowania systemu do startu wiele uwagi poświęca się dokładnemu przygotowaniu danych źródłowych (data cleansing), przejm owanych z różnych miejsc do hurtowni. Najczęściej niedoróbki jakościow e ujaw niają się podczas w ielokrotnych zapisów tych samych obiektów, zastosowania różnych kodów lub kodów zastępczych dla tych samych obiektów. Działania naprawcze kończą się zw ykle utworzeniem lub zm ianą procedur rejestracji i modyfikacji danych, co określa się m ianem niepożądanych skutków ubocznych wprowadzania BIS. Z doświadczeń wielu organizacji wynika, iż wdrożenie dodatkowego pakietu zadań dotyczących rejestracji i modyfikacji danych oraz szczegółowe zapoznanie personelu z jego zastosowaniem , je st w pełni opłacalne, mimo że określanie efektów mierzalnych wdrażania i eksploatacji BIS je st znacznie trudniejsze niż w przypadku wdrożeń systemów transakcyjnych..
5. S tru k tu ra S ystem ów B usin ess Intelligence
Zasadniczymi elementami składowymi systemów BIS są hurtownie danych (dom inują tu dane ustrukturalizowane) i hurtownie dokum entów (przechow ujące dane pozbawione ściśle określonej struktury)3.
Hurtownie danych (Data Warehouses ) służą do wielowymiarowej rejestracji i modelowania danych (M ultidimensional M odelling) oraz szybkiego i masowego odczytu, w ystępującego w aplikacjach i zastosowaniach analitycznych. Struktury tych danych i sposoby ich przetw arzania są opisane przez metadane. Tym sposobem powstają możliwości efektywnego dostępu do danych, zwiększa się też znajomość ich znaczenia i układu (struktury), co w konsekwencji poszerza ich eksplorację.
H urtownie dokum entów (Document/Text W arehouses) służą do przechowywania dokumentów nieustrukturalizowanych, a więc dokum entów tekstowych, prezentacji, filmów krótkom etrażowych i in. Zawartość tych dokum entów - podobnie jak w przypadku hurtowni danych - je st opisana w metadanych. W zorem wyszukiwarek internetowych pozyskiw anie pożądanych danych z tej hurtowni polega na wyszukiwaniu tekstu lub odpowiedniego opisu określonych dokumentów. Opis dokumentu może być autom atycznie wygenerow any przez wyspecjalizowane program y (które służą do analizy semantyki dokum entu) lub sporządzony przez użytkownika danych.
Efektywne korzystanie z systemów BIS wymaga odpowiedniego zarządzania danymi i informacjami. Oznacza to konieczność zastosowania spójnego systemu kodowania danych i informacji, czyli jednolitej identyfikacji obiektów zam iast wielokrotnego tłum aczenia różnych kodów tego samego obiektu, odzwierciedlanego w poszczególnych m odułach system u informacyjnego organizacji. System spójnego kodow ania wymaga jednak w drożenia jednolitych procedur rejestracji i modyfikacji danych, uwzględniających eksploatowane ju ż podsystemy. Ponadto sprawne zarządzanie danymi i wyszukiwanie informacji we własnych systemach i źródłach zewnętrznych stwarza
3 W niektórych pozycjach literatury fachowej i w praktyce hurtow nie danych utożsamia się z system am i BIS, co je s t nadm iernym uproszczeniem . H urtow nie danych obejm ują bow iem dane wysoce ustrukturalizow ane (por. też Żm udzin T., Business Intelligence ..., op. cit.).
17
wymóg w prowadzenia standardu kodowania przyjętego przez różne organizacje4.
Szczególnie w ażne są tu standardy wymiany danych stosowane w aplikacjach analitycznych. Przykładowo, wymiana danych ustrukturalizowanych z zastosowaniem formatu XM L elim inuje EDI i zasila danymi operacyjnymi hurtownie danych, pomimo że definiuje tylko częściowo składnię i ustrukturalizowany opis zawartości przekazywanych dokumentów. Ograniczenia te nic dotyczą standardu Dublin Core. Z punktu widzenia systemów transakcyjnych i aplikacji analitycznych składnię tę dopełniają standardy RosettaNet i CommerceOne. N atom iast w ym ianę danych nieustrukturalizowanych ułatwia i upraszcza standard RDF (Resource Description Framework
6. B u sin e ssO b je c ts w p o sz e r z a n iu fu n k c jo n a ln o śc i sy ste m ó w E R P i B IS
System BusinessObjects (BO) zawiera narzędzia reprezentacji danych, które zam ieniają niezrozum iałe dla użytkowników nazwy tablic i kolum n występujące w bazach danych na powszechnie stosowane i zrozumiałe dla nich pojęcia biznesowe5.
Systemy BO są również nieodzowne w modyfikowaniu zawartości zbiorów dostępnych danych biznesowych, które nie spełniają oczekiwań decydentów. Dlatego wdrożenie i udostępnianie za pom ocą systemu BO zestawów danych źródłowych do tworzenia raportów pow inno wyprzedzać projektowanie hurtowni danych, czyli podstawowego - obok Internetu -źródła danych i informacji dla potrzeb decyzyjnych. W ynika stąd, iż podstawowym zadaniem systemów BIS i BO jest określanie i agregacja danych rozproszonych w różnych źródłach, nic przystosowanych jeszcze do podejmowania decyzji, późniejsze ich przetwarzanie w celu uzyskania w ieloprzekrojowych informacji dostępnych w czasie rzeczywistym, a tym samym przydatnych w określaniu trendów, jak i podejmowaniu bieżących i przyszłych decyzji na różnych szczeblach hierarchii decyzyjnej organizacji. Systemy te, zawierające zaawansowane rozwiązania klasy e- Business Intelligence, w warunkach dostępu do Internetu (zwłaszcza e-biznesu) um ożliwiają też segmentowanie danych a przy- zastosowaniu elementów sztucznej inteligencji - uczenie się zadawania pytań i przeprowadzania wielowym iarowej analizy za pom ocą narzędzi klasy OLAP (ang. On-line Analitical Processing), a więc z coraz m niejszym udziałem człowieka. Stąd bierze się przekonanie, iż systemy BO należy kojarzyć ze strategią zadawania pytań, na które m ają odpowiadać, a tym samym określaniem przyszłych potrzeb informacyjnych ich potencjalnych użytkowników. BO zalicza się do grupy zintegrowanych Systemów W spom agania Decyzji (SWD).
U m ożliwia wykorzystywanie wszystkich źródeł danych w organizacji, a więc hurtownie danych, systemy zintegrowane, inne systemy wspom agające (CRM, SCM i in.), pliki osobiste (lokalne) i serwery wielowymiarowe OLAP. Tak bogata i wszechstronna reprezentacja danych umożliwia ich analizę i współdzielenie w dowolnym miejscu i czasie poprzez Internet, intranet i extranet. BO zawiera gotowe szablony raportów i reprezentacji biznesowej dla systemów zintegrowanych (w tym dla SAP R/3), 4 Chodzi tu o takie standardy ja k EAN/UPC (European Article N um ber/U niversal Product Code) stosow any dla kodow ania m ateriałów , który je st przekształcany w G TIN (Global Trade Identification N um ber) oraz numery DUNS (kody nadawane przez D un& B radstreet) nadawane partnerom biznesow ym (por. też Żm udzin T., Business Intelligence .... op. cit.).
5 System BUSINESSOBJECTS je st produktem firmy Business O bjects zaś je j w yłącznym przedstaw icielem w Polsce je s t Prem ium Technology Sp. z o. o.
18
utworzonych przy udziale specjalistów z firm tworzących systemy zintegrowane. W ersja internetowa BO, jako wielowarstwowy i skalowalny SWD, um ożliwia użytkownikom biznesowym (nawet nie znającym struktur danych, systemów zintegrowanych czy szerzej bez znajomości program owania) znaczne poszerzenie jego zastosowania w raportowaniu i wielowymiarowej analizie danych w organizacji i w kontaktach z dostawcami, partnerami i klientami. Tym sposobem następuje pożądane poszerzonie współdzielenia informacji. Istotnym walorem BO jest jego duża przydatność dla przeciętnego użytkownika do sporządzania harmonogramów, publikowania i rozsyłania raportów w sieci, czy tw orzeniu agentów inteligentnych dokonujących szybkiej wysyłki raportów pocztą elektroniczną, faksem, SMSem i in.
Systemy BIS w spom agają decydentów, dlatego należą do klasy systemów w spom agania decyzji (SW D) i służą analizie trendów oraz łączeniu w yników tych analiz, dostarczając odpowiedzi na trudne pytania w konwencji „co - jeśli” (ang. What - if).
N atom iast inform acja dostarczana przez systemy BIS ułatwia uzyskiwanie odpowiedzi na pytania typu „co się dzieje” i „co będzie się działo”, w przeciwieństwie do systemów zarządzania w iedzą (w których dom inują dane jakościow e, nie kwantytatywne), które dostarczają narzędzi poznawczych do określania ,ja k to się dzieje” [3], Tym sposobem systemy BIS um ożliw iają definiowanie pytań, na które m ają odpowiadać przyszłym ich użytkownikom, zw ykle jeszcze nie uświadamiających sobie, a tym samym nie będących w stanie sprecyzować swoich potrzeb informacyjnych. Jednakże zapotrzebowanie na systemy BIS zależy nie tyle od nie uświadomonych potrzeb informacyjnych ich użytkowników, ile od strategicznego podejścia do zastosowań technologii informacji, a zwłaszcza strategii w ykorzystania Internetu przez organizację, planow ania jej przyszłych działań w zakresie pozyskiwania nowych rynków i klientów oraz oferowanych produktów, a następnie monitorowania i audytu wyników tych działań przy zastosowaniu rachunku kosztów działań i controllingu. Stąd wzrastające znaczenie tej formy rachunku kosztów i m odułu controllingu, który staje się obowiązującym fragmentem zintegrowanego systemu informatycznego klasy ERP. W opinii twórców i dostawców systemów BIS najlepszym m iernikiem efektywności ich wdrożenia i eksploatacji jest wzrost wartości giełdowej danej organizacji, a w przypadku wdrożenia CSM i CRM - wartości organizacji dla akcjonariuszy i dla niej samej, co je st równoznaczne z uwzględnieniem efektu biznesowego, czyli realizacji strategii i pom iaru efektów tych dokonań. N ie należy jednak zapominać, iż opracowywanie i w drażanie systemów BIS jest zaledwie początkowym etapem tworzenia i użytkowania bazy wiedzy, uwzględniającym klasyfikację decyzji, ofert i wzorów negocjacji [2], [3], [9]. Dopiero wiedza ekspertowa zastosowana w zarządzaniu organizacją, kierowaniu działalnością jej zespołów ludzkich i procesach decyzyjnych tych zespołów um ożliwia wyciąganie wniosków z określonych sytuacji na podstawie różnych przesłanek (zbiór faktów, warunki początkow e w modelu dynamicznym opis sytuacji i in.). Tym niemniej warto najpierw prześledzić proces tworzenia i wdrażania systemów BI.
19
7. P roces tw orzenia system ów BIS
7.1. Projekty system ów BIS
Proces tworzenia systemu BIS obejmuje następujące etapy:
1. pozyskiwanie wiedzy z Internetu i z dokumentów źródłowych, zaewidencjo
nowanych w różnych systemach transakcyjnych eksploatowanych w danej organizacji, a następnie importowanej do hurtowni danych,
2. budowa modelu danych dostosowanego do specyfiki danej organizacji i jej projektu informatycznego,
3. opracowanie kryteriów wyboru metod i technik implementacji hurtowni danych, 4. wybór narzędzi wspomagających proces wielokryterialnej analizy danych, 5. tworzenie oprogram owania aplikacyjnego [6],
Pozyskiwanie wiedzy z dokumentów umożliwia analizę i ocenę przebiegu zdarzeń, czynności i procesów realizowanych w danej organizacji. Konieczna je st jednak agregacja danych zawartych w poszczególnych dokumentach, aby m ożna było ocenić przebieg danej transakcji, czynności i działania poszczególnych pracowników, zdefiniować i prześledzić trendy, opisać podział rynku i pozycję organizacji względem konkurentów. Klasyczne systemy przetwarzania transakcyjnego nie gw arantują sprawnej obsługi tych prac analitycznych, ponieważ nie zapewniają specyficznych struktur danych elem entarnych ani dostatecznej mocy obliczeniowej dla przetwarzania dużej ich ilości, nie spełniają też specyficznych wymagań systemowych i technologicznych.
W arunki te spełnia hurtownia danych, której utworzenie należy poprzedzić wdrożeniem i zastosowaniem rozwiązań z rodziny systemów BIS, ściśle mówiąc systemów i narządzi BusinessObjects. Systemy i narzędzia te um ożliwiają predefiniow anie oraz modyfikowanie zakresu i zawartości danych biznesowych do tworzenia raportów, niezbędnych dla zaspokojenia przyszłych potrzeb informacyjnych potencjalnych decydentów wszystkich szczebli zarządzania. Dotyczy to szczególnie menedżerów poziom u operacyjnego, których udział stale wzrasta na skutek wdrażania elastycznych struktur organizacyjnych i nowoczesnych stylów zarządzania (kompleksowe zarządzanie jakością, zarządzanie procesowe, Just in Time i in.).
Predefiniowanie, modyfikacja i wstępna analiza danych i informacji niezbędnych dla tworzenia raportów wym aganych przez menedżerów różnych szczebli zarządzania z jednej strony um ożliwia precyzyjne określanie oczekiwanego, często jeszcze nie do końca uświadom ionego zakresu i treści informacyjnych potrzeb zarządzania, z drugiej zaś w miarę pełny zakres potrzeb informacyjnych, jaki użytkownicy końcowi zam ierzają i m uszą analizować. W ykorzystanie systemów i narządzi predefiniowania potrzeb informacyjnych i zawartości raportów dla potrzeb decyzyjnych a pośrednio założeń wstępnych do utworzenia i późniejszego wykorzystywania hurtowni danych staje się tym ważniejsze, że dane elementarne, jak również dane powstające w toku koniecznej ich agregacji, zapisane w hurtowni lub składnicy danych, nie są dostatecznie zsynchronizowane z danymi systemów klasy On-line Transaction Processing (OLTP), ponieważ podlegają aktualizacji okresowej (stałe odstępy czasu) a nie bieżącej (w czasie rzeczywistym). System relacyjnych baz danych przechowuje dane aktualne, nie nadmiarowe (znormalizowane), natomiast hurtownia danych jest miejscem gromadzenia
danych nadmiarowych w postaci nieznormalizowanej, co jednak istotnie przyspiesza czynności analityczne i tworzenie raportów [6]. Hurtownia danych, podobnie jak BusinessObjects, umożliwia integracją danych elementarnych (źródłowych) dzięki utworzeniu jednolitej bazy semantycznej, obejmującej definicje nazw, miar, obiektów i atrybutów obiektów [4], [10].
7.2. Projekt przepływu inform acji do hurtowni danych i projekt jej struktury
U względniając założenia dotychczas przedstawione można opracować model przepływu danych z różnych źródeł do hurtowni i projekt jej struktury. M odel przepływu danych do hurtowni obejm uje cztery następujące warstwy: w arstw ą danych źródłowych (dane archiwalne, dane z systemów transakcyjnych i dane zewnętrzne, np. z Internetu), warstwą hurtowni danych (dane zamieszczane w centralnej hurtowni danych lub składnicach danych), w arstwę aplikacji analitycznych (narzędzia typu Data Mining, narzędzia m odelow ania m atematycznego, systemy sztucznej inteligencji, w tym sieci neuronowe i system y ekspertowe i in.), warstwę prezentacji (m. in. aplikacje zawierające interfejsy graficzne i in.).
Projekt struktury hurtowni danych, z uwzględnieniem zasad modelu gwiaździstego, zawiera tablice faktów (dane ilościowe charakteryzujące przedmiot i przebieg działalności organizacji) i tablice wymiarów (dane opisowe odzw ierciedlające przedmiot działalności organizacji, np. rynek, klient produkt, czas i in.). Każdy projekt hurtowni danych [4], [11] musi uwzględniać orientacją na przedmiot (dane operacyjne dotyczące obiektu badań, np. klient, produkt, rynek m uszą być składowane w wydzielonym obszarze pamięci dyskowej), integracją danych (dla ustalenia standardów nazw i wartości, rozw iązania problem ów niezgodności w reprezentacji danych, połączenia wspólnych wartości, w ykrycia danych tożsamych z różnych źródeł pochodzenia i in.) oraz niezm ienność danych w czasie (dane wprowadza się do hurtowni w określonych odstępach czasu, natom iast nowe dane lub zmiany danych ju ż istniejących są dopisywane). Generalnie projektowanie hurtowni danych, poza predefiniowaniem raportów, w ym aga określenia obiektu lub grupy obiektów będących przedmiotem przyszłej analizy, specyfikacji obszarów selekcji danych, metod integracji i agregacji danych elem entarnych przejmowanych z systemów transakcyjnych i innych źródeł.
8. N arzęd zia inteligentnej eksploracji danych i w ielow ym iarow a ich analiza
System y BIS nie tylko zapew niają integracją i agregacją danych pozyskiwanych z rozproszonych zasobów, ale również ich w ielow ym iarow ą analizą i inteligentną eksplorację. W ym aga to opracowania i stosowania metod inteligentnej eksploracji dużych zbiorów danych a także ustalania istotnych powiązań i zależności między badanymi obiektam i a operacjami i procesami biznesowymi. Funkcje te spełniają czynności analizy Data M ining [1], [5], pozyskiwania w iedzy za pom ocą metod statystycznych (np. system Statistica Enterprise zawierający zintegrowany pakiet narzędzi w spom agających statystyczną analizę danych i dalsze ich przetwarzanie z wykorzystaniem technologii sieci neuronowych) i ekonometrycznych, metod sztucznej inteligencji (sieci neuronowe, algorytmy genetyczne), system ów hybrydowych i systemów ekspertowych.
21
Z kolei wielow ym iarow ą analizą danych w czasie rzeczywistym zapewniają narzędzia klasy On-Line Analitical Processing (OLAP) zintegrowane coraz częściej z eksploatacją oprogram owania narzędziowego (aplikacje biurowe typu arkusz kalkulacyjny MS Excel i in.)- Ich interaktywne zastosowanie znacząco wspomaga również tworzenie raportów według kryteriów (wymiarów) zdefiniowanych przez użytkow nika końcowego oraz optymalizację przeszukiwania dużych zbiorów danych poprzez autom atyczne generowanie zapytań języka SQL. Efekt wielowymiarowych analiz danych w postaci wieloprzekrojowych raportów może być również publikowany w Internecie dzięki wykorzystaniu warstwy oprogramowania serwer W W W (np. Internet Information Server) oraz standardowej przeglądarki (np. MA Internet Explorer).
9. System y ek sp ertow e i system y h ybrydow e
Najszersze zastosowanie w rozwiązywaniu złożonych i trudnych problemów decyzyjnych znalazły systemy ekspertowe (SE). Ich praktyczne w ykorzystanie polega na porównaniu sytuacji bieżącej ze zgrom adzoną i usystem atyzow aną w iedzą ekspertów (zapisaną w bazie wiedzy) na temat problemu o zbliżonych symptomach, który wystąpił w przeszłości oraz wnioskowanie na tej podstawie o możliwościach jeg o rozwiązania.
Funkcjonowanie SE polega więc na „..realizacji procesu wnioskowania, który w świetle znanych faktów prowadzi do potwierdzenia postawionych hipotez, czy wyprowadzenia nowych konkluzji. Proces te je st uwiarygodniany w yjaśnieniami ilustrującym i...” [12].
W arto podkreślić, że poza porównywaniem sytuacji badanej do wzorcowej, zawartej w bazach wiedzy, SE um ożliw iają wnioskowanie w warunkach częściowej niepewności, niekompletności informacji za pom ocą metody w spółczynników pewności (CF), metod probabilistycznych i logik rozmytych. W ielką zaletą SE je st możliwość uzyskiwania ekspertyz o wysokim poziomie merytorycznym, poprzez zastosowanie jasnych i zrozumiałych zasad. Systematyczna obniżka cen SE stwarza realne możliwości ich stosowania również w systemach klasy ERP.
Systemy hybrydowe (SH) dzięki połączeniu różnych dziedzin sztucznej inteligencji (sieci neuronowe, algorytmy genetyczne, SE) stw arzają możliwości wzmocnienia potencjału systemu informatycznego zarządzania, nieosiągalnego za pom ocą wybranej metody postępow ania w rozwiązywaniu niejednorodnych, złożonych problemów.
Zastosowania SH w ym agają przetwarzania dużej ilości danych cyfrowych, trudnych do opisania precyzyjnym modelem analitycznym. Trudności pow stają również w dokładnym opisie związków przyczynowo-skutkowych, możliwych do zapisu w postaci reguł w bazie wiedzy SE. Pomimo tych ograniczeń w praktyce istnieje ju ż wiele jaw nie wyrażonych reguł ekonomicznych o charakterze ogólnym i szczegółowym , które ułatw iają zastosow anie SH [12],
10. S ystem y In teligen tn e w analizie procesów fin ansow ych
Przykładem pozytywnego zastosowania SH na rynku krajow ym jest system Intelligent System for Financial Analysis (ISAF). System ten zawiera takie moduły jak:
pobieranie i przechowywanie danych, interpretacja danych oraz prezentacja informacji. Z kolei baza wiedzy składa się z takich ich źródeł zorientowanych tem atycznie jak ocena płynności finansowej, ocena rentowności, ocena zarządzania kapitałami, łączna ocena
22
warunków finansowych, ocena pozycji przedsiębiorstwa w sektorze oraz ocena atrakcyjności sektora i ryzyka branżowego.
Przewiduje się, że wkrótce SH będą również stosowane w rozwiązywaniu problemów transportowych (diagnostyka awarii, monitoring ruchu, przem ieszczanie się przesyłek na trasie, w ybór optymalnej trasy podróży i in.), logistycznych (optymalna wielkość i rozkład w czasie zasobów), sterowania produkcją i in.
11. P od su m ow an ie
Usprawnienie procesu podejmowania decyzji operacyjnych i strategicznych oraz sterowanie przebiegiem , monitoring i audyt biznesu wym aga zastosowania systemów Business Intelligence, systemów BusinessObjects a także narzędzi wspomagających w ielow ym iarow ą (wieloprzekrojową) analizę danych oraz ich inteligentną eksplorację.
Tworzenie i zastosowanie system ów BIS umożliwia integrację i agregację danych pochodzących z różnych źródeł wewnętrznych i zewnętrznych. W ymaga jednak zaprojektowania i utworzenia hurtowni danych i hurtowni dokum entów poprzedzonego predefiniowaniem - za pom ocą systemu BusinessObjects - potrzeb informacyjnych zarządzania i raportów zawierających pożądane zestawy informacji decyzyjnej. W rozwiązywaniu trudnych i złożonych problemów decyzyjnych dotyczących procesów biznesowych należy stosować system y ekspertowe i systemy hybrydowe, łączące różne dziedziny sztucznej inteligencji i współpracujące z systemami klasy ERP, CRM i SCM.
Literatura
[1] Cabena P., Hadjinan P., Stadler R., Dicovering Data M ining - from Concept to Implementation, Prentice Hall PTR, New Jersey 1998.
[2] Efektywne zarządzanie a sztuczna inteligencja, red., A. Baborski, W ydawnictwa Akademii Ekonomicznej im. O. Langego we W rocławiu, W rocław 1994.
[3] Gołębiewska M., Strategia zadawania pytań, M iesięcznik Gospodarczy „Nowy Przem ysł” 2002, nr 3 (47).
[4] [4} Gorawski M., Konopacki A., Data W arehouse: Architektura, „Software 2.0”
1999, nr 6.
[5] Groth R., Data Mining: Biulding Competetive Advantage, Prentice Hall PTR, New Jersey 2000.
[6] Haase K., O ptym alizacja procesów biznesowych. Usprawnienie działalności w celu zw iększenia w artości, „Strategie Biznesu” 2002, nr 4 (14).
[7] Inteligentne system y w zarządzaniu. Teoria i praktyka, red., J. S. Zieliński, W ydaw nictwo Naukowe PWN, W arszawa 2000.
[8] Kamiński A., Sztuczna inteligencja w reengineeringu, (W:) Human-Computer Interaction, red., B. F. Kubiak, A. Korowicki, W ydawnictwo Stella M aris, Gdańsk
1999.
[9] Kisielnicki J„ Sroka H., Systemy informacyjne biznesu. Informatyka dla zarządzania, A gencja W ydawnicza „Placet”, W arszawa 1999.
[10] Kubiak B.F., A. Korowicki, Zdolność organizacji do zm ian i jej wpływ na zastosow ania technologii informacji, (W:) Human-Computer Interaction, red., B. F.
Kubiak, A. Korowicki, W ydawnictwo Akwila, Gdańsk 2001.
[11] Kubiak B. F„ Korowicki A., Systemy klasy Business Intelligence w usprawnianiu zarządzania i biznesu, (W:) Zastosowania Informatyki w Rachunkowości i 23
Finansach, , red., B. F. Kubiak, A. Korowicki, W ydawnictwo Polskie Towarzystwo Informatyczne, Gdańsk 2002.
[12]Liebow itz J., W ilcox L., Knowledge M anagement and its Integrative Elements, New York CRS Press 1997.
[13]M uIawka J., Systemy ekspertowe, WNT, W arszawa 1996.
[14] Próchniewicz M., Hurtownie danych. W ielkie wyzwanie, „PC K urier” 1999, nr 14.
[15] Rymarz J., BusinessObjects, to dobry biznes, M iesięcznik Gospodarczy „Nowy Przemysł” 2002, nr 3 (47).
[16]Sim iński R., Sztuczna inteligencja w systemach zarządzania, (W:) Systemy Informatyczne Zarządzania, W ydawnictwo Politechniki Częstochowskiej, C zęstochowa 1996.
[17]Żm udzin T., e - mapa obszaru, „Strategie Biznesu” 2002, nr 4 (1 4 ).
[18]Żm udzin T., , “Strategie Biznesu”, Specyfika projektów Business Intelligence, kwartalnik SAP Polska 2002, nr 14 (14).
E L E K T R O N IC Z N I A G E N C I W P R O C E S IE Z A R Z Ą D Z A N IA W IE D Z Ą O R G A N IZ A C JI
Dr hab. Witold Chmielarz, prof. UW
W ydział Zarządzania Uniwersytetu W arszawskiego 01-678 Warszawa; ul. Szturmowa 3
witek@ mail.wz.uw.edu.pl
Streszczenie: Zasadniczym celem niniejszego opracowania je st analiza możliwości zastosowania elektronicznych agentów w procesie zarządzania w iedzą organizacji. N a początku artykułu przedstawiono podstawowe pojęcia związane z zarządzaniem wiedzą, rolą i miejscem w niej narzędzia elektronicznych agentów. Szczególną uwagę zwrócono na proces w yszukiw ania danych (data-mining) w procesie zarządzania wiedzą.
Następnie przedstawiono miejsce elektronicznych pośredników wśród narzędzi wspom agających handel elektroniczny poprzez zdefiniowanie używanych pojęć oraz scharakteryzowanie własności i zadań tej klasy oprogram owania. W części końcowej znajduje się proponowana typologia i charakterystyka poszczególnych rodzajów oprogram owania Intelligent Agents, a także ogólna prezentacja dwóch wybranych program ów tej klasy.
Hasła kluczowe: zarządzanie wiedza, wyszukiwanie infonnacji, data-mining, wyszukiwanie w Internecie, elektroniczni agenci, inteligentni agenci
1. W p row ad zen ie
Dotychczasowe w ieloletnie stosowanie określenia zarządzania w iedzą dowodzi, iż nadal je st niewłaściwie definiowane oraz używane w odniesieniu do niewłaściwych sytuacji. N a ogół - skądinąd słusznie - kojarzone jest z koncepcjami zarządzania zm ianą sam ouczących się organizacji, reengineringu oraz systemów opartych o bazę wiedzy, co jednak nie do końca wyczerpuje istotę problemu.
Istota tego pojęcia odnosi się do przypadku, w którym po analizie sytuacji, w jakiej znalazła się organizacja, podejmowana je st optymalna decyzja ze zbioru wszystkich dostępnych decyzji, podjętych w przeszłości w podobnych w arunkach (czyli została wcześniej wykreow ana dla rozwiązania podobnej klasy problem ów baza wiedzy, która w momencie zaistnienia podobnego zdarzenia jest wykorzystywana).
W ynikające stąd podstawowe koncepcje zarządzania w iedzą sprow adzają się do określenia je j jako:
• kwantum infonnacji, intuicji i doświadczeń umożliwiających poprawę efektów działania organizacji, wartych do zastosowania i dystrybuowania poprzez inform atyczne systemy wspomagania organizacji1,
1 Turban E.: D ecision Support and Expert Systems. M anagem ent Support System s, John W iley&Sons. Inc., NY, 1993
25
• nowej trójpłaszczyznowej architektury systemów w spom agania organizacji:
informacyjnej - zawierającej nowe języki komunikacji, nowe kategorie i metafory dla identyfikacji i oceny umiejętności i kompetencji;
technicznej - zawierającej elementy społeczne, o strukturze bardziej przejrzystej, otwartej, elastycznej i zorientowanej na pojedynczego użytkownika;
aplikacyjnej - zorientowanej na rozwiązywanie problem ów i reprezentację danych, nie na generacje raportów i przetwarzanie transakcji“,
• odwzorowania „kapitału intelektualnego” (zebranie wiedzy, dokumentów, raportów badawczych itp.) w systemach informatycznych firm y3,
• um iejscowienia „instytucjonalnej pam ięci” w bazie wiedzy oraz jej dystrybucji przez intranet, specjalizowane archiwa lub systemy poczty elektronicznej do pracowników firmy4,
• odzwierciedlenia i gromadzenia informacji o umiejętnościach i procedurach działania poszczególnych członków personelu (w tym kadry kierowniczej) w bazach wiedzy firmy5,
• zrozum ienia i ukształtowania w postaci oprogram owania m odułów systemów inform atycznych relacji wzajemnych pomiędzy danymi, identyfikacja oraz udokum entowanie zasad zarządzania danymi, zapewnienie ich przystawalności do problemu i integralności bazy danych6,
• zbioru zasad praktycznych (mechanizmów bazy wiedzy) zarządzających identyfikacją i lokalizacją intelektualnych zasobów wew nątrz organizacji, generujących now ą wiedzę dla zapewnienia przewagi konkurencyjnej, zapewniających szeroki dostęp do zbiorowej informacji, udostępnienie najlepszych rozwiązań praktycznych oraz wspom agających najnowsze strategie i technologie zarządzania7,
• podejścia do masowej informacji zawierające zasady jej logicznej organizacji i udostępniającą j ą właściwym ludziom we właściwym czasie za pom ocą oprogram owania systemów wspomagających zarządzanie8.
Powyższe teoretyczno-filozoficznc koncepcje są realizowane w określonych konstrukcjach technologicznych.
Jednym z najtrudniejszych problemów przed jakim i staje obecnie organizacja w zarządzaniu w iedzą je st gromadzenie i selekcja danych.
Dzieje się tak z powodów następujących :
‘ M anville B. D irector o f K nowledge M anagem ent fin n y M cKinsey& Com pany, (za: )W W W Virtual Library on KM; http://w w w .brint.com /km /
Davenport T. H.: Process Innovation: Reengineering W ork T hrough Inform ation Technology, Harvard Business School Press, Boston, 1993
4 D avenport T., Prusak L.: W orking Knowledge: How O rganizations M anage W hat They Know, Harvard B usiness School Press, 1998
5 Kendall K.; Kendall J.: System s Analysis and Design, Prentice Hall, New Jersey, 1999
6 Koulopoulos T.: Spinello R., Tom s W.: Corporate Instinct: Building a Knowing Enterprise f o r the 21" C entiny, V an N ostrad Reinhold, 1997,
7 M alhotra Y .: K nowledge M anagem ent for the New W orld o f Business, B rint.com Institute, 1998 8 Davenport T., Prusak L.: W orking Knowledge: How Organizations M anage W hat They Know, Harvard Business School Press, 1998
• ilość danych rośnie obecnie wykładniczo, wiele z nich musi być przechow yw anych przez długi czas, ciągle i w sposób masowy są dodawane nowe dane,
• tylko mała część z nich je st używana dla podejmowania określonych decyzji,
• istotny w pływ na decyzje zewnętrzne ma coraz większa ilość informacji napływających z zewnątrz,
• niezbędne dla podejmowania decyzji dane m ogą być grom adzone w różnych system ach kom puterowych, bazach danych, formatach i językach zarówno program owania, jak i ludzkich,
• w ym agania prawne związane z gromadzeniem danych są różne w różnych krajach i bardzo często ulegają zmianie,
• występuje ogrom na ilość narzędzi wspomagających selekcję danych dla celów zarządzania,
• bezpieczeństw o, jakość i integralność danych w systemie stanow ią krytyczny czynnik sukcesu implementacji systemów w rzeczywistości gospodarczej.
Transform acja danych w wiedzę - w istocie potrzebną do podejm ow ania decyzji - może się odbywać bardzo różnymi drogami. Uogólniony sposób transformacji przedstawiono na ry s.l. Początkowo dane są gromadzone w bazie danych. N astępnie po wstępnym przetworzeniu umieszcza się je w hurtowniach danych. W celu umożliwienia w ykorzystania w iedzy w nich zawartej do celów zarządzania dane te przechodzą przez proces transformacji, przygotowujący je do analizy szczegółowej. Analiza ta dokonywana je st narzędziami automatycznego wyszukiwania danych (data-mining).
Ostatecznym krokiem przetworzenia jest porównanie wyszukanych danych ze wzorcami (zachowań, reakcji) przechowywanym i w inteligentnych systemach, pozwalających na interpretacje uzyskanych porównań. Rezultatem ostatecznym tych porównań jest uzyskanie oceny przydatności uogólnionej informacji dla celów zarządzania oraz jej zgromadzenie, razem z danymi w bazie wiedzy.
9 C hm ielarz W.: “ Rola tendencji integracyjnych w kształtow aniu system ów inform atycznych zarządzania”, rozdział III książki pod red. N aukową T. Kasprzaka “ Integracja i architektury system ów inform acyjnych przedsiębiorstw ” , Katedra Informatyki G ospodarczej i A naliz Ekonom icznych W ydziału N auk Ekonomicznych UW, W arszawa, 2000,
27
Przekształcanie danych w wiedzę
Rys. 1
H u r t o w n i a d a n y c h A n a H z a d a n v c h
G r o m a d z c n i c d a n y c h
S e l e k c j a . v - ; \
d a n y c h *V s l ą p n c
r / e t w o r z e n i c T r a n s f o r m a c j a
Dane
z g r o m a d z o n e
U ż y t k o w n i k
Dane
d o c e l o w e
D a n e D a n e
w s t e p n i e p r/. c t r a n s f o r m o w a n c
W l e d / . a
B a z a w i e d z y
Źródło: opracow anie własne
Proces w ydobywania użytecznej wiedzy z danych m asowych nazywa się zarządzaniem wiedzą. Zarządzanie wiedzą jest to efektywne w ykorzystanie przez użytkownika m echanizm ów manipulacji inform acją w celu uspraw nienia procesów kierowania organizacją. W swojej historii przechodził on cztery podstaw ow e stadia, przedstawione w tab. 1.
Najbardziej efektywnym narzędziem zarządzania w iedzą je st automatyczne wyszukiwanie informacji (data-mining). Data-M ining je st to proces automatycznej ekstrakcji użytecznej, wartościowej i uprzednio nieznanej w iedzy z dużych baz danych.
Ujawnione w ten sposób ukryte trendy, korelacje i w zorce w danych w spom agać m ogą procesy decyzyjne w przedsiębiorstwie.
Podstawa zarządzania w iedzą w bazach danych wym aga grom adzenia masowych danych, potężnych mocy przetworzeniowych i skutecznych algorytm ów w yszu
kiwawczych. Data-mining polega głównie na automatycznym przew idyw aniu trendów na podstawie danych uzyskanych z baz przemysłowych oraz autom atycznym odkrywaniu nieznanych uprzednio wzorców zależności i zachowań. Spowodowane je st to faktem, że w wielkich bazach danych niezbędne dla zarządzania dane są głęboko ukryte oraz faktem, że dane dotyczące organizacji mogą być konsolidowane lub trzym ane na serwerach intranetowych lub internetowych. Skutkiem działania „poszukiw acza danych”
- użytkow nika końcowego - je st wyabstrahowanie niezbędnej informacji z baz danych
Etapy rozwoju zarządzania wiedzą
Tablica 1
Stopień rozwoju Dostępne technologie Charakterystyka danych Grom adzenie danych
- lata sześćdziesiąte
Komputery, pamięci taśmowe i dyskowe
Retrospektywne, statyczne pozyskiwanie danych Uzyskanie dostępu do
danych - lata osiemdziesiąte
Relacyjne bazy danych (RDBM S), Strukturalne języki zapytań (SQL)
Retrospektywne, dynamiczne pozyskiwanie danych na poziomie rekordu Hurtownie danych i
systemy w spom agania decyzji - w czesne lata dziewięćdziesiąte
Techniki przetwarzania analitycznego w czasie rzeczywistym - on-line analytic proccesing, wielowymiarowe bazy danych, hurtownie danych
Retrospektywne, dynamiczne pozyskiwanie danych na wielu poziomach
Inteligentne, automatyczne wyszukiwanie danych (intelligent data- mining)
Zaawansowane algorytmy, komputery
wieloprocesorowe, masowe bazy danych, elektroniczni agenci
D ostarczanie aktywnych informacji prospektywnych
Źródło: opracowanie własne na podstawie Turban E., McLean E., W etherbe J.:
Information Technology fo r Management', John W iley & Sons. Inc., NY, 1998.
Data-mining powoduje powstanie pięciu typów informacji wynikających z relacji pomiędzy danymi uzyskanymi z bazy danych: asocjacji (skojarzenia), sekwencji (kolejności), klasyfikacji (segregowanie), klasteryzacji (gromadzenie, grupowanie), prognozowania (przewidywanie).
Opiera się na technikach wnioskowania na podstawie przypadku, badania sieci neuronowych, algorytmów genetycznych, elektronicznych agentów (Intelligent Agents), drzew decyzyjnych, metod najbliższego sąsiedztwa itp. Elementy heurystyki - oparte na analizie częstości korzystania z informacji - przyspieszają procesy wyszukiwawcze.
Jednym z najprzydatniejszych zakresów działań gospodarczych, gdzie wykorzystuje się narzędzia inteligentnego wyszukiwania danych je st handel elektroniczny.
2. N arzędzia handlu elektronicznego w kontaktach z klientem ind yw id ualn ym
H andel elektroniczny w sferze transakcji z klientem indywidualnym (Business-to- Consumer) polega na osobistej (tzn. bez pomocy sprzedawcy) realizacji wszystkich czynności związanych z dokonywaniem realnych zakupów dóbr i usług (electronic shopping) przy pom ocy narzędzi umiejscowionych w sieci rozleglej (np. Internecie) oraz programów zaim plem entowanych we własnym/wynajętym kom puterze w pracy lub miejscu zam ieszkania (home-shoping) 10.
W zależności od m edium korzystania mówi się o:
• on-line shoping - przy pomocy komputera,
10 Chm ielarz W.: H andel elektroniczny nie tylko w gospodarce wirtualnej. W ydaw nictw a N aukow e W Z UW , W arszaw a, 2001
29
• mobile-shopping - przy pomocy telefonii komórkowej,
• teleshopingu - przy pomocy telewizji i telewizji interaktywnej.
Z drugiej strony do czynności związanych z obsługą konsum enta zaliczane są również w szystkie działania marketingowe w Internecie m ogące klienta przyciągnąć i utrzymać przy danym przedsiębiorstwie.
Najczęściej w literaturze wyróżnia się następujące narzędzia elektronicznego handlu detalicznego":
• system elektronicznych zakupów (on-line sliopping, e-shopping, cyber- shopping),
• sklepy internetowe (Internet shops, cyber shops, virtuai shops),
• pasaże handlowe (e-malls, on-line malls, electronic shopping malls, cyber malls, virtuai malls),
• zakupy za pośrednictwem telewizora - teleshopping,
• zakupy z wykorzystaniem telefonu komórkowego - m obile shopping,
• ułatwienia sprzedaży poprzez elektronicznych pośredników - intelligent agents.
3. C h arak terystyk a p ojęcia, w łasności i zadania
G w ałtowny i w ielokierunkowy rozwój sieci i technologii komputerowych, powiązany z w ykładniczym wzrostem usług informacyjnych dostępnych w Internecie powoduje, że przeciętny użytkownik jest bombardowany miliardami informacji zawartymi w niewyobrażalnie licznych zbiorach danych. Naw igacja po tych zbiorach i selekcja informacji potrzebnej, spośród informacji dostępnej jest w związku z tym coraz trudniejsza i przytłaczająca. Niezbędnym narzędziem, które może pom óc mu w poruszaniu się po masach informacji i - często - podjęciu decyzji (np. w sprawie zakupu) stają się tzw. elektroniczni pośrednicy. Często są to narzędzia inteligentne, tzn. w tym przypadku działające częściowo niezależnie od bieżącej akcji podejm owanej przez użytkownika. Elektroniczni pośrednicy (intelligent agents, software agents, wizards, knowbots, softbots) je st to oprogramowanie typu sztucznej inteligencji, działające w imieniu użytkownika i rozwiązujące jego problemy z dotarciem do określonego typu usług czy towarów, narzędzie przeciwdziałające nadmiarowi informacji występującymi w Internecie, istotny element handlu elektronicznego.
Inteligencja elektronicznego pośrednika wyraża się w fakcie, żc na podstawie zachowań użytkownika może wyciągać wnioski o jego potrzebach i samodzielnie ustala, jakim i środkami spełni te potrzeby. Koncepcja ta obejmuje filtry informacyjne i
niezależne program y, wspom agające użytkownika.
Istnieją różne definicje elektronicznych pośredników. W edług nich je st to:
• „... oprogram owanie pozwalające na przeprowadzenie określonego zbioru operacji wspom agających działanie użytkownika albo innego programu elektronicznego pośrednika, o pewnej dozie autonomii i niezależności, stosujące ujaw nioną wiedzę użytkownika w celu osiągnięcia przez niego w ytyczonych celów lub dążeń ...” ,12
11 patrz: D ziuba D.: Ewolucja rynków w przestrzeni elektronicznej, K atedra C ybernetyki i Badań Operacyjnych, W N E UW , W arszawa, 2001
12 http://w w w .activist.gpl.ibm .com
