14 - Inteligentni Poslovni Sistemi u Turizmu (OLAP, Data Mining, BI)
-
Upload
inwonderland777 -
Category
Documents
-
view
244 -
download
7
description
Transcript of 14 - Inteligentni Poslovni Sistemi u Turizmu (OLAP, Data Mining, BI)
IIIII I InformacioniInformacioni sistemisistemi u u turzmuturzmu ii hotelijerstvuhotelijerstvu
Prof. dr Angelina Njeguš
Inteligentni poslovni sistemi u turizmu- Nastavak -
Pametno poslovanje
Uvod u skladište podataka
OLAP sistemi
Otkrivanje znanja i data mining
Poslovna inteligencija
Beograd, 2011/2012.
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Plan knjige
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
OLAP sistemiOLAP sistemi
OLAP sistemi
OLAP arhitektura
OLAP komponente
OLAP interfejsi
Studija slučaja
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
OLAP sistemi
� OLAP (On-line Analytical Processing) rešenja omogućavaju korisnicima brz i fleksibilan pristup kombinovanim višedimenzionalnim podacima izvučenih iz skladišta podataka
� Poslovni podaci su uskladišteni u OLAP kocku
� Podaci se analiziraju sa različitih perspektiva
� Podaci su modelovani da odgovaraju poslovanju� Podaci su modelovani da odgovaraju poslovanju
� OLAP kocka odgovara na pitanja, npr:
� Da li se dešava isti šablon svake godine?
� Da li se može posmatrati na drugačiji način?
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Prikaz OLAP-a
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Detaljna analiza (drill down) i hijerarhije
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Star šema u kocki podataka
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Primer
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
OLAP arhitektura
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
OLAP komponente
Prikazivanje informacija
Servisi prezentacije
Relaciona, multidimenzionalna
Servisi skladišta podataka
Postavljanje upita,
izveštavanje, analiziranje
OLAP servisi
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Interfejsi OLAP kocke
� Upiti (Query) – mogućnost kreiranja
sopstvenih izveštaja
� Izveštavanje i dashboard (kontrolna tabla) – prikaz bilo kog predefinisanog
izveštaja i ključnih org. podataka u realnom
vremenu koji omogućavaju drill down i druge
OLAP opcijeOLAP opcije
� Analize – mogućnost višedimenzionalne
analize, poređenja ...
� Scorecarding – metrike ključnih poslovnih
indikatora, pomaže korisnicima da shvate šta
se dešava, ko je odgovoran i ko preduzima
akciju ...
� Upravljanje događajima (Event
management)
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Različite perspektive kocke kroz studiju slučaja
Beograd
Q4Q1 Q2 Q3Dimenzija Vreme
Skoplje
Niš
Novi Sad
Televizori
FrižideriVeš mašine
Klima
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Beograd Fakti o prodaji
Pravljenje upita nad kockom
Q4Q1 Q2 Q3
Dimenzija Vreme
Skoplje
Niš
Novi Sad
Televizori
FrižideriVeš mašine
Klime
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Beograd
Definisanje “kriške” (engl. slice) ili podskupa kocke
Televizori
Q4Q1 Q2 Q3
Dimenzija Vreme
Skoplje
Niš
Novi Sad
KlimeFrižideri
Veš mašine
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Izveštaj za studiju slučaja
Grad Proizvod VremeBroj prodatih
artikala
Prihod u
hiljadama din.
Svi Svi Sve 113 251.26
15
Novi Sad Svi Sve 64 146.07
Novi Sad Whirlpool veš mašina Sve 38 98.49
Novi Sad Whirlpool veš mašina Sve 13 32.24
Novi Sad Whirlpool veš mašina Kvartal 1 3 7.44
Novi Sad Whirlpool veš mašina Mart 3 7.44
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Različiti pogledi na iste podatke
Mesec
GradP r o i z v o dd
Svi proizvodi i meseci za jedan grad
Svi proizvodi i gradovi za jedan mesec
Svi gradovi i meseci za jedan proizvod
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Rad sa dimenzijama i hijerarhijama
� Dice
� Hijerarhije vam dozvoljavaju
� Dimenzije vam dozvoljavaju
� Slice
� Hijerarhije vam dozvoljavaju
� Drill Down
� Drill Up
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Korisnički pogled
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Otkrivanje znanja i data Otkrivanje znanja i data miningmining
Data mining i otkrivanje znanja
Tradicionalni vs evolutivni pristup
Data mining proces
Primene Data mininga
Data mining modeli
Studija slučaja
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Data mining i otkrivanje znanja
� Data mining je proces otkrivanja skrivenih veza između vrednosti atributa i pronalaženja obrazaca (šablona) ponašanja iz ogromnih količina podataka
� Proces otkrivanja znanja � Proces otkrivanja znanja (Knowledge Discovery in Databases- KDD) uzima sirove rezultate iz data mining-a i transformiše ih u korisne i razumljive informacije
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Data mining
� Tipična pitanja koja se postavljaju sistemu:� Kakav je profil mojih klijenata?
� Na koje klijente treba da ciljam u promociji?
� Koje proizvode/usluge treba da promovišem?
� Ko će se od mojih klijenata sigurno odazvati promociji?� Ko će se od mojih klijenata sigurno odazvati promociji?
� Kako da poboljšam lojalnost kupaca?
� Koji artikal će kupci najverovatnije kupiti?
� Kako mogu da otkrijem potencijalne prevare?
� ...
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Tradicionalni pristup
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Data mining – evolutivni pristup
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Data mining proces
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Primene Data mininga
� Reklamiranje na Internetu� Klasifikovanje grupa klijenata sa sličnim informacijama
� Praćenje kretanja klijenata na Internetu i otkrivanje njihovih želja
� Pretraživanja istih obrazaca klijenata na Internetu: “Ukoliko vam sedopada knjiga x, proverite i sledeće ponuđene knjige”.dopada knjiga x, proverite i sledeće ponuđene knjige”.
� Upravljanje kreditnim rizikom� Predviđanje da li je klijent dobar ili rizičan za davanje kredita
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Položaj data mininga
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Koraci data mining-a
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Data mining algoritmi
� Nekoliko tehnika data mininga omogućava identifikovanjeobrazaca u ogromnom broju podataka
� Neki modeli su:� Drvo odlučivanja
� Pravila asocijacije� Pravila asocijacije
� Naivni Bajes (Naive Bayes)
� Klastering
� Vremenske serije
� Neuronske mreže
� Text Mining
� Linearne regresije
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Pravila asocijacije � Pravila asocijacije (Association Rules) – pomaže u identifikovanju relacija
između različitih elemenata� grupiše po sličnosti, odnosno koristi se za pronalaženje grupe artikala koji se
najčešće zajedno događaju u jednoj transakciji
� Koji zapisi se podudaraju sa datim pravilom? (ciljani marketing)
� Koja pravila se poklapaju sa istim zapisom? (Amazon ponuda)
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Naive Bayes� Naive Bayes – ovaj algoritam se zasniva na Bayes-ovoj teoremi koji računa uslovnu
verovatnoću između ulaznih i predvidljivih promenljivih i pretpostavlja da supromenljive nezavisne. Pogodna je za otkrivanje relacija između ulaznihpromenljivih i predvidljivih promenljivih.
� Na primer, marketing odelenje je odlučilo da targetira potencijalne klijente slanjem flajera poštom. Žele da pošalju flajere samo onim klijentima koji će najverovatnije odreagovati. Upoređuju potencijalne klijente sa klijentima koji imaju slične karakteristike, a koji su kupili u prethodnom periodu.karakteristike, a koji su kupili u prethodnom periodu.
Naïve BayesNaïve Bayes
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Klastering� Sequence Clustering – grupiše zapise podataka koji su slični na osnovu sekvenci
prethodnih događaja
� Kom klasteru/segmentu pripada dati zapis?� Npr., segmentacija klijenata po sličnim karakteristikama kako se kreću kroz veb stranice
jednog sajta. Ovaj algoritam može da grupiše klijente prema njihovom redosledu otvaranja stranica na sajtu kako bi pomogli u analizi korisnika i u određivanju koje su putanje profitabilnije od drugih. Ovaj algoritam se takođe može koristiti u predviđanju koju će sledeću stranicu korisnik posetiti. koju će sledeću stranicu korisnik posetiti.
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Vremenske serije
� Vremenske serije (Time Series) – ovaj algoritam se koristi za analizu ipredviđanje vremenskih trendova� Npr., određuje procente saobraćajnih nesreća tokom praznika na osnovu
broja nesreća koje su se dogodile tokom istog perioda u protekloj godini.
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Neuronske mreže
� Neuronske mreže (Neural Nets) – kao što čovek uči na osnovu iskustva tako možei računar. Neuronske mreže modeluju neuronske veze u ljudskom mozgu i na tajnačin simuliraju učenje.
� Ukoliko sastavljate podatke gde su ulazne i izlazne činjenice poznate, računar može danauči iz tih obrazaca i postavi pravila i matematičke faktore kako bi npr., pomogaoizračunavanje ili predvideo izlaznu vrednost.
� Pretpostavimo da želite da prodate kola, nekoliko faktora utiče na prodajnu cenu kaošto su godine, stanje, proizvođač, model itd. Analizirajući cene kola, neuronske mrežePretpostavimo da želite da prodate kola, nekoliko faktora utiče na prodajnu cenu kaošto su godine, stanje, proizvođač, model itd. Analizirajući cene kola, neuronske mrežemogu da kreiraju seriju ulaznih i izlaznih faktora kako bi predvideli cenu prodaje.
Neural NetNeural Net
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Text Mining
� Text Mining – analizira nestruktuirane tekstualne podatke
� Veliki broj nestruktuiranih informacija (text) čini 80% informacija
kompanije
� Beleške call centara
� Izveštaji o problemima� Izveštaji o problemima
� Izveštaji o popravkama
� Potraživanja od osiguranja
� E-mailovi sa klijentima
� Komentari proizvoda ...
� Text mining pretvara nestruktuirane informacije u struktuirane koje se
mogu analizirati zajedno sa struktuiranim
� Npr., kompanije mogu da analiziraju nestruktuirani podatak kao što je deo za
komentare gde klijenti unose svoje utiske, zadovoljstvo o proizvodu i druge
komentare
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Linearna regresija
� Regresija koristi postojeće vrednosti varijabli da bi se na bazi njih predvidele vrednosti ostalih varijabli.
� Npr., prema istorijskim podacima klijenata, predviđaju se klijenti koji će biti najprofitabilniji u budućnosti
� U ERP sistemima predviđaju se prodaja i prihodi, potreba za zalihama ...� U realnim situacijama, često ne postoji linearna međuzavisnost sadašnjih i budućih
podataka. Recimo, vrednosti akcija na berzi je jako teško predvideti jer one zavise od složenih interakcija velikog broja varijabli. U tom slučaju, koriste se složene tehnike, kao složenih interakcija velikog broja varijabli. U tom slučaju, koriste se složene tehnike, kao što su logistička regresija, stabla odlučivanja ili neuronske mreže
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Koncept modela predviđanja
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Neki algoritmi Data Mining-a
Decision TreesDecision Trees ClusteringClustering Time SeriesTime Series Naïve BayesNaïve Bayes
Sequence Sequence ClusteringClustering
AssociationAssociation Neural NetNeural Net LogisticLogisticRegressionRegression
Linear RegressionLinear Regression Text Mining
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Kompletno rešenje za poslovnu analitiku
38
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Studija slučaja: Text mining
� Lanac restorana od svojih klijenata traži povratne informacije koristeći
sledeću formu:
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Studija slučaja
� Podaci će biti uskladišteni u tabelu nad kojom će se postavljati upiti koji će
odrediti:
� Koja lokacija je naprofitabilnija?
� Prosečan broj godina klijenata po lokaciji ...
Međutim, šta da se radi sa kolonom komentari?
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Studija slučaja
� Može se kreirati rečnik koji se zasniva na ključnim rečima
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Studija slučaja
� Kreira se nova kolona koja će pamtiti komentare klijenata
� Sada se može kreirati upit zajedno sa drugim dimenzijama
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Studija slučaja
� Mogu se ekstrakovati i poštanski brojevi klijenata kako bi se uporedile adrese
klijenata sa lokacijama restorana
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Uvodni primer
� Koji je ključni atribut za predviđanje da li će svršeni srednjoškolci upisati fakultet ili ne?
� Postavljana su im sledeća pitanja:
� Kog su pola?� Koliki je prihod njihovih roditelja?� Koliki je prihod njihovih roditelja?� Koliki im je IQ?� Da li ih roditelji ohrabruju da nastave
studiranje ili ne?� Da li planiraju da upišu fakultet?
� Da bi na osnovu prikupljenih podataka utvrdili koliko studenata će nastaviti školovanje, neophodno je da se postavi upit koji broji zapise studenata koji žele i onih koji ne žele da nastave školovanje.
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Uvodni primer (nastavak)
� Pretpostavimo da ste zainteresovani da odredite koji atribut ili kombinacijaatributa imaju najveći uticaj da predvidi verovatnoću studenata koji će upisatifakultet. Ovo je složeniji upit i zahteva korišćenje tehnika data mininga.
� Primenjujući algoritam drveta odlučivanja otkrivene su sledeće relacije:
� Najuticajniji atribut je ohrabrivanje njihovih roditelja da upišu fakultet. Oni� Najuticajniji atribut je ohrabrivanje njihovih roditelja da upišu fakultet. Onistudenti koje roditelji ohrabruju da upišu fakultet, 60 % planira da upišefakultet i to uglavnom oni sa visokim IQ.
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Drvo odlučivanja
Upisaće fakultet:33% Da
67% Ne
Svi studenti
Podsticajod strane roditelja ?
Ohrabrenje roditelja = Da Ohrabrenje roditelja = Ne?
IQ IQ
Upisaće fakultet:57% Da
43% Ne
Upisaće fakultet:6% Da
94% Ne
Upisaće fakultet:74% Da
26% Ne
Upisaće fakultet:29% Da
71% Ne
Visok IQ Nizak IQ
Upisaće fakultet:18% Da
82% Ne
Upisaće fakultet:9% Da
91% Ne
Upisaće fakultet:4% Da
96% Ne
Visok IQ
Srednji IQ
Nizak IQ
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Uvod u scenario Platne kartice
� Direktor marketinga želi da oceni trenutni program platnih kartica. Da bi zadržao
postojeće klijente i ispunio njihova očekivanja, želi da identifikuje mogućnosti kako
bi povećao nivo usluga kod svih kartica: zlatna, srebrna, bronzana i obična
� Raspoložive informacije od klijenata su pol, bračni status, godišnji prihodi, nivo
obrazovanja
� Da bi predvideli faktore koji utiču na izbor odgovarajuće kartice koristićemo Data
mining:
� Koristićemo tehniku drveta odlučivanja da bi pronašli obrazac za izbor platne kartice.
� Odabraćemo Klijente kao dimenziju slučaja (case dimension).
� Odabraćemo Platnu karticu kao informaciju koju će koristiti algoritam DM da biidentifikovao obrasce.
� Iskoristiće se raspoložive informacije o klijentima kako bi se pronašao obrazac.
� Ispitati drvo odlučivanja.
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Izbor tehnike Data Mininga
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Izbor slučaja (case)
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Selektovanje entiteta za predviđanje
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Selektovanje podataka za analizu (training data)
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Kreiranje dimenzije i virtuelne kocke
� Ukoliko želite na interaktivan ad-hoc način da isptujete drvo odlučivanja onda možete da uključite opcijukreiranja nove dimenzije i uključivanje iste u virtuelnu kocku..
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Ispitivanje Data Mining modela
Content Detail – fokus
DM modela
Content Navigator – kompletan
pogled DM modela; koristi se
i za navigaciju kroz drvo
odlučivanja i menjanja sadržaja
u Content Detail.
Atributi – Predstavlja numeričke
ili grafičke prezentacije
entiteta za predviđanje entiteta za predviđanje
za trenutno izabrani čvor.
Node Path
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Ispitivanje zavisnosti mreže
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Poslovna inteligencijaPoslovna inteligencija
Poslovna inteligencija
Kome je BI sistem namenjen
BI alati na tržištu
Demo BI rešenja
Zanimanje: BI konsultant
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Poslovna inteligencija
� Poslovna inteligencija ili inteligentni poslovni sistemi (Business Intelligence – BI) je arhitektura koja predstavlja zbirni naziv za:� kolekciju integrisanih alata,
� aplikacija i
� baza podataka
koje obezbeđuju organizaciji:koje obezbeđuju organizaciji:
� efikasan i lak pristup poslovnim podacima
� analizu i
� međusobno deljenje informacija
u cilju donošenja kvalitetnijih, brzih i relevantnijih odluka i poboljšanja sveukupne poslovne efektivnosti
� BI softver je opšti pojam koji opisuje sisteme za podršku odlučivanju (Decision Support Systems - DSS), ranije izvršne informacione sisteme (Executive Information Systems – EIS), data warehouse softvere, ekspertne sisteme i data mining tehnike za interpretiranje podataka
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
BI daje odgovor na
pet pitanja
• Šta se desilo?
• Šta se dešava?Prošlost
• Šta se dešava?
• Zašto se to desilo?
• Šta će se desiti?
• Šta ja želim da se dogodi?
ERPERP CRMCRM 3Pty3PtySCMSCM DocDoc
Sadašnjost
Budućnost
Data
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Frontend alati
58
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Kome je BI namenjen
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
BI alati na tržištu
� Oracle - Siebel Business Analytics Applications
� SAS - Business Intelligence
� SAP - BusinessObjects XI
� IBM - Cognos 8 BI
� Oracle - Hyperion System 9 BI+� Oracle - Hyperion System 9 BI+
� Microsoft - Analysis Services
� MicroStrategy - Dynamic Enterprise Dashboards
� Pentaho - Open BI Suite
� Information Builders - WebFOCUS Business Intelligence
� QlikTech – QlikView
� TIBCO Spotfire - Enterprise Analytics
� Sybase – InfoMaker
� KXEN – IOLAP
� SPSS - ShowCase 60
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Studija slučaja: BIST
� Sistem poslovne inteligencije u turizmu (Business Intelligence System for
Tourism, BIST) je razvijen od strane Instituta za turizam iz Zagreba koji je iskoristio poslovnu inteligenciju da bi obezbedio Web zasnovane turističke informacije o destinacijama u Hrvatskoj
� BIST je online menadžment informacioni sistem za turističke destinacije:� BIST je online menadžment informacioni sistem za turističke destinacije:
� Sistem nudi informacije o razvoju turizma, tržišnim trendovima, smeštajnim kapacitetima i dr.
� Omogućava brzu analizu konkurentnosti turističkih destinacija i druge vrste online analiza
� Korisnici mogu lako pratiti trendove vezane za prosečnu dužinu boravka, strukturu gostiju, stopu iskorišćenosti turističke destinacija na lokalnoj, regionalnoj ili nacionalnoj osnovi, praćenje trendova po sezonama, tržišnog udela, pratiti pokazatelje turističke razvijenosti itd.
� BIST korisniku osigurava postavljanje zahteva prema trenutnim potrebama, ali i kontinuirano izveštavanje prema unapred definisanim pokazateljima.
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Studija slučaja: BIST
BIST nudi informacije o različitim obeležjima turističke destinacije, koje korisnik može da pregleda, vrši analize i upoređuje podatke preko nekoliko dimenzija:
Geografska dimenzija:
� Administrativna podela (regioni, gradovi, opštine, naselja)� Turistička podela (turističke regije, kategorije turističkih mesta, rivijere)� Geografska podela (kontinent, obala, ostrva)� Geografska podela (kontinent, obala, ostrva)
Tržišna dimenzija:
� Pojedinačna tržišta (obuhvata 43 tržišta)� Tržišta prema važnosti (domaća, inostrana, primarna, sekundarna i sl.)� Tržišta pojedinih grupa zemalja (EU, Zapadna Evropa, Skandinavija, Zemlje Nove Evrope i
sl.)
Vremenska dimenzija:
� Godina, mesec, turističke sezone
Vrste smeštajnih kapaciteta – obuhvata 32 vrste smeštajnih kapaciteta
Način dolaska:
� Organizovano� Individualno
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Studija slučaja: BIST
Broj dolazaka i noćenja po godinama
III Informacioni sistemi u turizmu i hotelijerstvuIII Informacioni sistemi u turizmu i hotelijerstvuProf. dr Angelina Njeguš
Studija slučaja: BIST
Dolasci i noćenja po regionima