Vezetői információs rendszerek -...

A felnőttoktatás és az élethosszig tartó tanulás lehetőségeinek javítása

Herdon Miklós

Vezetői információs rendszerek

Készült a Phare HU0008-02-01-0007 számú

„Vállalkozások felhasználó-orientált informatikai humánerőforrás-fejlesztése”

pályázat keretében

Debreceni Egyetem Agrártudományi Centrum Agrárgazdasági és Vidékfejlesztési Kar

Gazdasági- és Agrárinformatikai Tanszék

Készült a Phare HU0008-02 program támogatásával

„Vállalkozások felhasználó-orientált informatikai humánerőforrás-fejlesztése”

című program

Herdon Miklós

Vezetői információs rendszerek

© DE ATC AVK, Gazdasági- és Agrárinformatikai Tanszék, 2004

PHARE HU0008-02-01-0007 Vezetői információs rendszerek

Szerző:

Herdon Miklós

Lektor:

Salga Péter

© DE ATC AVK, Gazdasági- és Agrárinformatikai Tanszék, 2004

ISBN 963 9274 69 0

Első kiadás

A kiadvány szerzői jogvédelem alatt áll. A kiadványt, illetve annak részeit másolni, reprodukálni,

adatrögzítő rendszerben tárolni bármilyen formában és bármilyen eszközzel – elektronikus úton

vagy más módon – a kiadó és a szerzők előzetes írásbeli engedélye nélkül tilos.

Kiadó:

Debreceni Egyetem Agrártudományi Centrum Agrárgazdasági és Vidékfejlesztési Kar Gazdasági- és Agrárinformatikai Tanszék

Debrecen, 2004. március


5

Tartalomjegyzék

1. Vezetői információs rendszer fogalma, célja, gyakorlati alkalmazása .....................................6

1.2. Információs rendszerek típusai .................................................................................................6 1.3. A vezetői információs rendszer fogalma, funkciói ...................................................................7 1.4. A szervezetek írányítása, a tervezés és horizontjai ...................................................................8

2. Információtechnológiák a vezetői döntéstámogatásban .............................................................9 2.1. On-line elemző feldolgozás ......................................................................................................9 2.2. Több dimenziós adatbázis.......................................................................................................11 2.3. Programcsomagok...................................................................................................................14

2.3.1. Az IBM üzleti intelligencia-megoldásai ..........................................................................14 2.3.2. A Microsoft OLAP kiszolgálója ......................................................................................15 2.3.3. SAS ..................................................................................................................................16

3. Üzleti intelligencia, mint vezetői támogatás...............................................................................18 3.1. Adatbázis, adattárház ..............................................................................................................19 3.2. Példák adatbányászati alkalmazásokra ...................................................................................23

3.2.1. OLAP-rendszerű alkalmazások........................................................................................24 3.2.2. OLAP-rendszerű alkalmazások a vállalati értéklánc támogatására .................................26

3.4. Az adatbányászat, a CRM és a piackutatás kapcsolata...........................................................27 3.4.1. A CRM (Custumer Relationship Management)...............................................................27 3.4.2. CRM és piackutatás .........................................................................................................32 3.4.3 SAS® Ügyfélkapcsolat-menedzsment megoldások...........................................................32 3.4.4. SAP megoldások ..............................................................................................................33

4. Döntéstámogatás, döntéstámogató eszközök és rendszerek.....................................................35 4.1. A döntéstámogató rendszerek használatának előnyei.............................................................37 4.2. Mintapélda ..............................................................................................................................37 4.3. DÖNTÉSHOZATAL..............................................................................................................38

4.3.1 A döntéshozatal modelljei.................................................................................................38 4.3.2 A döntési folyamat szakaszai............................................................................................40 4.3.3. Választás fázisa ................................................................................................................43 4.3.4. A döntési folyamat támogatása ........................................................................................44 4.3.5. EGYÉNI DÖNTÉSHOZATAL .......................................................................................46 4.3.6. SZERVEZETI DÖNTÉSHOZATAL ..............................................................................48 4.3.7 A DSS-ek definiálása ........................................................................................................49 4.3.8. DSS tulajdonságok...........................................................................................................50 4.3.9. A DSS részei ....................................................................................................................51 4.3.10. Modellbázis....................................................................................................................54 4.3.11. Csoportos döntéstámogató rendszerek...........................................................................58 4.3.12. DSS ALKALMAZÁSOK..............................................................................................59


6

1. Vezetői információs rendszer fogalma, célja, gyakorlati alkalmazása

1.2. Információs rendszerek típusai

Az informatika fejlődésével a vezetői munka támogatásának az igényére adott válasz különböző információrendszerek megjelenése volt. Ezek hozzávetőlegesen a következő időrendben jelentek meg:

60-as évek TPS (Transaction Processing Systems) – Tranzakciófeldolgozó rendszerek

70-es évek MIS (Management Information Systems) – Vezetői információrendszer, VIR

70-es évek OAS (Office Automatization Systems) – Irodaautomatizálási rendszerek

80-as évek DSS (Decision Support Systems) – Döntéstámogató rendszerek, DTR

80-as évek ES (Expert Systems) – Szakértő rendszerek, SzR

90-es évek

EIS (Executive Information Systems) – Felsővezetői információs rendszer, FVIR

1. Ábra:


7

Ezeket összefoglalóan vezetéstámogató rendszereknek is nevezzük. (Management Support Systems, MSS)

Megfigyelhető, hogy az egyes rendszerek megjelenésükkel, elméleti és módszertani újdonságaikkal hatottak a régebbiekre, egyszóval vegytiszta formában csak a tankönyvekben léteznek. Az egymásra hatás napjainkban minőségileg új rendszerek létrejöttét eredményezi, ezeket hibrid rendszereknek nevezzük.

A nyolcvanas évek végén és a kilencvenes évek elején a vállalatok működésük pénzügyi követését, a mérleg elkészítését, a teljes főkönyvi könyvelést egyetlen, mai szemmel nézve igen kis teljesítményű személyi számítógépen futó, a korlátozott célokat általában jól kiszolgáló szoftverekkel képesek voltak megoldani. Ekkor az elsődleges cél a beszámolók helyes elkészítése, az ÁFA pontos kiszámítása, a kimenő és bejövő számlák precíz, teljes körű iktatásának biztosítása volt

Azóta, mint annyi más területen, ezen a piacon is megváltozott a helyzet, hiszen az alapigényeket tökéletesen és pontosan teljesítő számítógépes funkciók mellett gyökeresen más feladatok is felmerültek. A vállalkozások olyan szolgáltatásokat szeretnének, amelyek a cégvezetést és Controlling-ot támogatják, hathatós Cash-flow Management-et biztosítanak, napi és stratégiai döntést segítő információkat nyújtanak.

1.3. A vezetői információs rendszer fogalma, funkciói

A Vezetői Információs Rendszerek (VIR) a szervezeti, menedzsment és stratégiai tevékenységeket támogatják információ ellátással és információ feldolgozással. Ezek a rendszerek egyidejűleg


8

használnak információ technológiát és modelleket analízisre, tervezésre és döntéshozatalra, valamint nagymértékben támaszkodnak adatbázisokra. A VIR alkalmazások portfoliója igen széles, ebbe beletartoznak a vezetői tevékenységet indirekt módon támogató, és a vezetőket közvetlenül kiszolgáló alkalmazások is. Mivel a vezetői alkalmazások gyakran igényelnek adatokat, s ezeket legjobban az adatbáziskezelők tudják biztosítani, így az adatbáziskezelő rendszerek gyakran részei a VIR-nek.

A VIR (MIS-Management Information System) kifejezés használata a vezetői tevékenységeket támogató információs rendszerekkel kapcsolatban a 60-as években kezdődött. Egy másik elnevezést, a Döntés Támogató Rendszert (DSS – Decision Support System) szokták azokra a VIR alkalmazásokra használni, amelyek bizonyos jól meghatározott döntéshozatali tevékenységet támogatnak. A korábban Executive Support System-nek (ESS- Executive Information Systems) nevezett speciális VIR-eket ma már Felsővezetői Információs Rendszereknek szokták nevezni.

Egy VIR struktúrája mindig a szervezet struktúráján és tevékenységein alapul. A szervezetek funkcionális területekre vannak osztva (gyártás, marketing, könyvelés, pénzügy, stb.). Minden egyes funkción belül a vezetői tevékenységek három szinten jelentkeznek: működés ellenőrzés, menedzsment ellenőrzés és stratégiai tervezés. Mindegyik funkcionális területhez tartoznak alkalmazások. A VIR alrendszerei ezeknek az alkalmazásoknak a halmazai. Egy szervezet VIR-je ezek után a funkcionális területeknek megfelelő alrendszerek federációjának tekinthető. Ezek mindegyike négy fő részre osztható: tranzakció feldolgozás, működés ellenőrzés, menedzsment ellenőrzés és stratégiai tervezés. Minden egyes funkcionális alrendszer saját adatfile-okkal rendelkezik, amelyeket csak ő használ. Ezen felül léteznek azonban olyan file-ok is, amelyeket általános visszakeresésre is elérhetővé kell tenni, ezek egy adatbáziskezelő által felügyelt általános adatbázisba vannak szervezve. Természetesen lehetnek olyan alkalmazások is, amelyeket több alrendszer is használ, továbbá létezhetnek döntési modellek és értékelő szoftverek, ezek az ún. modell bázist alkotják.

A tranzakció feldolgozó alkalmazások az alsó szintű vezetőket és az irodai munkát támogatják. A tranzakció feldolgozással kapcsolatos programokban található minden döntés programozott döntés, mely jól meghatározott algoritmussal írható le. A magasabb szintű tevékenységeket támogató alkalmazások már kevésbé strukturáltak, a beépített döntési pontok már kevésbé programozottak, a döntés mindig egy ember – gép párbeszéd eredménye.

1.4. A szervezetek írányítása, a tervezés és horizontjai

Mint arról már korábban szó volt, a vezetői tevékenységeket az alábbi három kategóriába lehet sorolni:

Működés ellenőrzés: a működési tevékenységek hatékony és hatásos lefolyását biztosító folyamat. A működés ellenőrzés stabil, előre jól meghatározott eljárásokon és döntési szabályokon alapul. A döntések és a tevékenységek rövid időtávot fednek le. A működés ellenőrzést támogató információs rendszer tranzakció feldolgozásból, működési jelentések feldolgozásából és kérdésfeldolgozásból áll. Egy ilyen rendszerre példa: ha a raktárból kivételezésre kerül valami, a rendszer nemcsak rögzíti a tranzakciót és legyártja a megfelelő dokumentumokat, hanem előre behuzalozott algoritmusok felhasználásával megnézi, hogy fel kell-e adni rendelést a raktár feltöltésére.

Menedzsment ellenőrzés: ezen a szinten az osztályok, profit centrumok, stb. vezetőinek van szüksége az információra, a teljesítmények mérésére, a beavatkozások meghatározására, új döntési szabályok megfogalmazására, erőforrások allokálására. A menedzsment ellenőrzés szintű információra példa: egy teljesítmény jelentés a tervezett és tényleges teljesítményről, az eltérés okaira vonatkozó elemzéssel.


9

Stratégiai tervezés: azt a stratégiát határozza meg, amellyel egy szervezet a céljait el kívánja érni. Az igényelt adatok általában összegzések, nem pedig a tranzakciókra vonatkozó egyedi adatok. Az adatigény kiterjed mind a belső, mind pedig a külső adatokra és a várható igények előrevetítésére. Példa lehet egy olyan jelentés, amely az elmúlt időszak igényeit írja le a piaci részesedéssel, ezenkívül a várható igények előrejelzését is megadja.

A döntéshozatal VIR támogatása egy szervezeten belül a döntéshozatal folyamatának három fázisával írható le: a feltárás, a döntés megtervezése és a választás. A feltárás fázisában történik a problémák felderítése. A VIR támogatás ebben a fázisban adatbázist és keresési, feltárási módszereket jelent. Strukturált keresés esetén előre meghatározott keresési algoritmusok állnak rendelkezésre, míg a nem strukturált keresés flexibilis adatbázis hozzáférési lehetőségeket igényel. A döntéstervezési fázis az alternatívák generálását jelenti. Ez lehetséges cselekvési scenáriók kitalálását, kifejlesztését és elemzését jelenti. A VIR támogatás a döntés tervezésnél statisztikai, valamint elemző és modell építő szoftverek rendelkezésre bocsátását jelenti. A döntéshozatal utolsó lépése a választás. A választási fázist a VIR döntési modellekkel, érzékenység vizsgálati módszerekkel és választási eljárásokkal támogatja. A szakértői rendszerek a döntéshozatal mindhárom fázisát támogathatják.

2. Információtechnológiák a vezetői döntéstámogatásban A 80-as évekre jellemző vállalati informatikai rendszerek a 90-es években fokozatosan átalakultak. Az alábbi ábra három hangsúlyos változást mutat. • A végrehajtás, és a közvetlen efölött elhelyezkedő vezetői szint támogatását integrált vállalatirányítási rendszerek biztosítják. A korábbi EDP/TPS, illetve MIS-rendszerek feladatait az ERP-rendszerek moduljai látják el, melyek bár őrzik a funkcionális tagolást, lehetőséget nyújtanak a horizontális -- folyamatelvű -- szemlélet érvényesítésére is. • Az alsó szint egyetlen, egységes vállalati adatbázist képes teremteni, azonban a felsővezetői információigény kielégítésére, az összvállalati controlling feladataihoz speciális adatkezelési, lekérdezési technika szükséges. Ezt biztosítják az Üzleti intelligencia megoldások, melyek egy közvetítőréteg segítségével épülnek az alsó szintű vállalati információrendszerekre. A felső szint lényegében tehát a korábbi DSS- és EIS-rendszerek modernizált és egységes "utóda". • A szervezet belső és külső határai elmosódnak: a vállalat kapcsolatrendszere és adatforrásainak köre kibővül, a piaci változások a legtöbb ágazatban felgyorsulnak. Ennek a kihívásnak kell megfelelniük mind az ERP-, mind pedig a felsővezetési döntéstámogatást ellátó információs rendszereknek.

2. ábra Üzleti intelligencia és az integrált vállalatírányítási rendszer

2.1. On-line elemző feldolgozás Napjainkban a vezetői információs rendszereket, a vezetői döntéstámogatást egy több szintű adatkezelési és analitikai megoldás formájában valósítják meg:


10

• Az alapot tehát a belső, illetve külső adatforrások jelentik -- az adattárházak ugyanis nem csak az ERP-rendszerekből vesznek át adatokat, hanem más forrásokból is. Ezáltal szélesebb alapokat adnak a vezetői döntések meghozatalához, másrészt feladatként jelenik meg a különböző helyekről különböző struktúrákban és formátumokban érkező adatok bevonása és kezelése.

• Az adatforrás rétegre épül egy közvetítő réteg, mely biztosítja a kiválasztott adatok beolvasását, konvertálását, szükség esetén tisztítását (újracsoportosítását -- az adattárház tagolásának megfelelően, standardizálását -- konzisztenssé tételét, tartalmi ellenőrzését és illesztését), azért, hogy az adattárház teljes és minőségi adatállománnyal rendelkezzen.

• A következő réteg már maga az adattárház, mely magában foglalja a bevont adatmennyiséget, valamint az adatszótárat: az adatok tulajdonságait, illetve az adatok közötti kapcsolatokat leíró metaadatok rendszerét.

• Mivel a szervezet különböző területein sokfajta, eltérő információigény jelentkezik, ezen igények hatékony kielégítésére a központi adattárház bázisán az egyes területekre optimalizált adatpiacokat építenek ki. Adatpiacok alakíthatóak ki a controlling szabályozókörének támogatására, valamint a vállalati értékteremtés folyamatának állomásainál és a funkcionális egységek szintjén.

• A legfelső szintet az OLAP-rendszerű alkalmazások jelentik: magas szintű analitikai képességeiket az informatikai szállítók fejlesztései révén ma már számos vállalati területen igénybe vehetik a felhasználók. Ezek az Elemzési rendszerek alapvetően egyrészt a controlling szabályozókörének támogatására, másrészt a vállalati értéklánc, illetve a funkcionális egységek elemzési feladatainál alkalmazzák. Logikus, hogy az adatpiacok és az OLAP vállalati megjelenése azonos elvet követ -- az egyes szervezeti területek információigényének kielégítését és a speciális területi feladatok hatékony ellátását ez a két szint együttesen biztosítja. Az OLAP-szoftverek valamilyen adatkezelő nyelven (legtöbbször SQL) kommunikálnak az adatkezelés alsóbb rétegeivel, legtöbbször osztott rendszerként működnek és lehetővé teszik több felhasználó, felhasználói csoport egyidejű munkavégzését.

• Az adatkezelés alkalmazásoldali menedzselése, illetve az egyes rétegek, szoftverek, hálózati egységek közötti kommunikáció biztosítása szintén fontosak, az előzőektől különválasztandó funkciók.

A következőkben részletesebben foglalkozunk az adattárházakkal, bemutatjuk az adatpiacok megjelenését kiváltó gyakorlati okokat, illetve a független adatpiacoktól az adattárház + integrált adatpiacok architektúráig vezető utat; valamint az OLAP-rendszerű alkalmazások két fő területét. A vezetői információs rendszerekkel kapcsolatban korábban felvázolt kérdések és problémák (lekérdezések sebessége, rugalmassága, stb.) kezelését az adattárházak négy vezérelv mentén valósítják meg. Ezek a vezérelvek úgy hoznak megoldást a korábbi MIS-, DSS-, EIS-rendszerek problémáira, hogy alapvetően egy másfajta szemlélettel fordulnak az adattárolás és adatkezelés felé.

Vezérelvek Adattárolás ERP-rendszereknél Adattárházak

Adatok integrációja

Az ERP-rendszerek moduljai integráltak, egységes vállalati adatbázisra támaszkodnak, de problémás más informatikai alkalmazások, külső források adatainak bevonása, kezelése.

Adattárház szintű integráció, mely egyrészt a különböző forrású és formátumú adatok bevonását, másrészt a tárolt adatok konzisztenciájának megteremtését jelenti (illeszkedés, mértékegységek, hierarchiák, stb.).

Az idő dimenzió Az ERP-rendszerek adott Jellemzően történeti jelleggel


11

megjelenése időpontra vonatkozó adatokat tartalmaznak, a szükséges időhorizont rövidebb (pár hónap).

tartalmaznak adatokat -- napi / heti frissítéssel (bár ma már meg-jelentek a real-time adattárházak is), hosszú időhorizontottal (3-10 év). Az idő dimenzió mind a tárolás, mind az információ-kinyerés, elemzések szempontjából kulcsfontosságú.

Adatok változtathatósága

Az adatokat -- a tranzakció-kezelési feladatnak megfelelően frissítik, felülírják.

A történeti jellegnek és elemzési céloknak megfelelően az adatok nem felülírhatóak. (Kivételt jelent az adattárház szintű tervezés, amikor nem más rendszerekből olvas be adatokat, hanem a felhasználó oldaláról érkeznek.)

Orientáció Az ERP-rendszerek moduljai funkcionálisan tagoltak, illetve folyamatorientáltak, s ennek megfelelően építik fel a rendszer mögött álló relációs adatbázis tábláit is.

Az adattárházakban az adatok témaorientáltan szervezettek, a cég üzleti tevékenységének legfontosabb dimenzióit mutatják, a vezetői információs igényeknek, összvállalati szintű, több szempontú lekérdezések elvégzésének megfelelően tagolt az adatbázis.

3. Ábra: Az adattárházak és a hagyományos adattárolás összevetése

2.2. Több dimenziós adatbázis

A fenti vezérelvek gyakorlati megvalósulását a hagyományos relációs adatmodell kevésbé tudja támogatni, az adattárházak alkalmazásával előtérbe került a multidimenzionális adatmodell, illetve az ennek megfelelő adatkezelés. A multidimenzionális adatmodell elmélete már 1972-ben megszületett a Massachusetts-i Technológiai Intézetben, de igazából csak a 90-es években, az adattárházak és az OLAP-rendszerű alkalmazások sikerével vált széles körben ismertté. Míg a relációs adatmodellt egymással kapcsolatban lévő táblákkal illusztrálhatjuk, addig a multidimenzionális adatmodell egy háromdimenziós kockával szemléltethető.

A kocka egyes élei különböző dimenziókat jelentenek, például: termékeket (T1, T2, T3, stb.), régiókat (Vas megye, Zala megye, Baranya megye, stb.), illetve időszakokat (január, február, március, stb.). Attól függően, hogy milyen témában, milyen üzleti tevékenységhez "építjük" a kockát, más és más dimenziókat fogunk használni. (A fenti példa dimenziói tartozhatnak egy, a vállalat értékesítését elemző kockához.) A "nagy" kocka a dimenziók tagolásával kisebb kockákra, cellákra bontható. Példánknál maradva az egyes cellák adott termék, adott régióban, adott időpontban elért eladási adatát mutatják. A sötétebb színnel jelzett cella eszerint azt jelzi, hogy T1 termékből, Vas megyében mennyit értékesítettek januárban.


12

4. Ábra: Adatkocka egyszerűsített modellje

Természetesen a valós életben példánknál jóval több dimenzió kapcsolódik egy-egy témához, ezért az adattárházakban többdimenziós "kocká"-kat építenek és használnak. A lekérdezések során azonban néhány meghatározott dimenzióérték mellett hív le a vezető vagy a controller kétdimenziós táblákat, vagyis "szeleteljük" a kockát: ez az úgynevezett "slice and dice" funkció. Például a Zala megyei termékmenedzsert leginkább az érdekli, hogy havonta mennyit értékesítettek az egyes termékekből, ezért az Ő számára a termékek-idő szelet releváns.

5. Ábra: Adott nézet / szelet lekérdezése a kockából

Az adattárházak adatkockáin további alapműveletek végezhetőek. A legtöbb dimenzió esetében igaz, hogy több különböző részletezettség mellett is értelmezhető. A legegyszerűbb példa erre az idő, melynél számolhatunk napi / heti / havi / évi bontással. A felsővezetésnek készített jelentések havi bontásban mutatják például az eladások alakulását, azonban lehetőségük van arra, hogy megtekintsék a heti bontásokat is. A vállalat adatraktárában tárolt adatokat ugyanakkor alsóbb szintű vezetők is használhatják, akik inkább heti vagy napi adatokat akarnak látni. Ez a dimenziók mentén történő felösszegzés, illetve alábontás, lefúrás: a drill up / drill down funkció lehetővé teszi, hogy ugyanaz a téma (ugyanazon dimenziókkal rendelkező kocka) több aggregáltsági szinten is megjelenjen.

Az összvállalati tervezés, elemzések, szimulációk elvégzésére alkalmas OLAP-rendszerű alkalmazások felhasználják és igénylik az adattárházak nyújtotta adatkezelést.

A multidimenzionális szemlélet megfelel a felsővezetői információigényeknek; az adattárházak konszolidált, integrált és valamilyen szinten aggregált adatokat tartalmaznak, olyan módon, hogy a közöttük lévő bonyolult kapcsolatok mellett is sokféle -- és gyorsan elvégezhető -- lekérdezést tegyenek lehetővé. Ezt elősegítendő a fizikai adattárolás szintjén is új, modern megoldásokat


13

alkalmaznak. A konkrét adatok mellett azonban tárolni kell az adattulajdonságokat, illetve a kapcsolatokat leíró metaadatokat is, valamint a számítások meggyorsítására sokszor több aggregáltsági szint adatait már "előre elkészítve" tartalmazza az adattárház.

Az újabb és újabb fejlesztések fokozatosan tágítják az adattárházak méretkorlátait. A korai időszakban ugyanis a multidimenzionális szemléletet még nem tudták összvállalati szinten alkalmazni. Ezért gyakran azt a megoldást választották, hogy az ERP-rendszerek relációs adatbázisa fölé egy második, a felsővezetői információigényeknek megfelelő aggregáltsági szintű és szervezettségű adatokat tartalmazó, de szintén relációs modellen alapuló adatbázist alakítottak ki. (Egy köztes alkalmazás, az úgynevezett OLAP-motor szükséges ilyenkor, hogy az OLAP-szoftverek által igényelt adatkezelési minőséget -- táblák helyett témaorientáció és multidimenzionális szemlélet, adatok közötti kapcsolatok hatékony kezelése, műveletek, stb. -- erre a relációs adatbázisra alapozva is biztosítani lehessen.)

A különválasztott "vezetői adatbázis" esetében az elgondolás már jó volt tehát, a módszerek azonban -- mint minden kezdetnél -- még kiforratlanok. A vállalatoknál gyakran évekig dolgoztak azon, hogy kialakítsák ezeknek a korai adattárházaknak a struktúráját, megoldják az adatok bevonását, majd elfogadhatóvá tegyék a lekérdezések futási idejét.

Új megközelítés jelent meg ekkortájt: az egész vállalat adattömegére nehézkesen felépíthető összvállalati adattárházak helyett az egyes vállalati területeken adatpiacok kialakításába kezdtek. Az informatikai cégek azt már meg tudták valósítani, hogy egy-egy funkcionális terület adatmennyiségére alakítsanak ki döntéstámogató multidimenzionális alkalmazásokat; ráadásul ezek a projektek a vállalat részéről is kevesebb ráfordítást igényeltek, s biztosabb eredményeket hoztak.

Az adatpiacok sikere azonban hamarosan új problémát vetett fel. Amikor ugyanis a vállalat egységei sorra építettek saját adatpiacokat, kiderült, hogy a különálló fejlesztések csak az adott funkcionális terület vagy elszámolási egység szintjén működőképesek. Ezek a független adatpiacok nem egymással harmonizáltan gyűjtötték az adatokat a belső vagy külső forrásrendszerekből, más struktúrákban, más logikai elvek mentén tárolták azokat, és eltérő elvárásokat fogalmaztak meg. Emiatt az adatpiacok közötti kommunikáció megteremtése csak igen nagy költségek és hosszadalmas informatikai újraszervezések révén volt megvalósítható.

Szemléletesen: ha egy vállalat regionális központjai az évek alatt külön-külön alakítottak ki adatpiacokat és más-más terméklistákat használtak ezekben, akkor adataik nem összevethetőek. Hasonlóan: ha az értékesítés adatpiacában más a terméklista, mint amit a számvitel, a controlling használ, akkor összvállalati szinten már nem tudjuk ezeket összekapcsolni (és nem tudjuk például a különböző fedezetű termékek vevőinek megoszlásáról informálni a felsővezetést) -- illetve csak azután, hogy harmonizáltuk a listákat. (Az együttműködés támogatásában fontos szerepet játszik a honosított IT-rendszer, illetve többnyelvű környezetben az, hogy a felhasználók által használt különböző nyelveken ugyanaz a tartalom és ugyanaz a struktúra jelenjen meg.)

Az adattárházak és független adatpiacok korai megvalósítási tapasztalatai alapján, illetve az informatikai megoldások fejlődésével mára már hatékony bevezetési módszereket és IT-megoldásokat fejlesztettek ki.

• Azért, hogy összvállalati szinten is biztosítva legyen az adatok és műveletek konzisztenciája, először kijelölik és rögzítik a legfontosabb dimenziókat, azok tagolását, valamint meghatározzák a kiépítendő, szervezeti egység szintű adatpiacok kapcsolódási pontjait -- viszonyrendszerüket.

• Erre az alap-keretrendszerre támaszkodva egymás után (vagy elegendő erőforrás esetén egymással párhuzamosan haladva) kialakítják az egységek adatpiacait. Az így létrehozott adatpiacok egymással bizonyosan tudnak kommunikálni, de ezen túlmenően az adott funkcionális terület, folyamatrész speciális igényeinek is megfelelnek. Ekkor tehát konform adatokkal és dimenziókkal rendelkező adatpiacok integrált rendszeréről beszélünk.


14

2.3. Programcsomagok

2.3.1. Az IBM üzleti intelligencia-megoldásai

Az R&R Software által kínált IBM üzleti intelligencia-megoldások szilárd alapokra építkeznek:

• az IBM DB2 Universal Database® rendszerre, amely az e-business korának üzleti intelligencia alkalmazásait megalapozó, méretezhető, multimédiás, több IBM-platformon és más rendszereken is üzemeltethető adatbázisa;

• az adattárház megépítését és felügyeletét támogató teljes körű megoldásra;

• erőteljes és könnyen használható információbányászó és on-line feldolgozó és elemző eszközökre;

• a meglévő döntéstámogató eszközökkel való zavartalan integrációra;

• az üzleti és a technikai metaadatok szabványokon alapuló szinkronizálására.

6. ábra Üzleti Intelligencia Rendszerarchitektúra

Az IBM és az R&R Software ezen alapokra építve a következőkkel segít versenyelőnyre váltani az üzleti intelligencia technológiáját:

• az üzleti intelligencia alkalmazások kialakítását, kifejlesztését, megvalósítását és támogatását segítő konzultációs szolgáltatásokkal;

• a piacra jutási idő lerövidítését segítő, a banki, pénzügyi és értékpapír-forgalmazó szektor, a kiskereskedelem, a távközlés, valamint más gazdasági ágazatok számára szánt, testre szabható üzleti intelligencia-alkalmazásokkal;

• az üzleti intelligencia megoldások kiterjesztését célzó, a független szoftvergyártókkal létesített partneri kapcsolatokkal.


15

Az információs aranybánya felépítésének első lépése az adattárházzal szemben támasztott üzleti igények meghatározása. Az R&R Software szakértői csapatán túl az IBM Global Services is ebben nyújt segítséget. Az IBM Global Services-nek több mint 160 országban 130 000 tanácsadással és szolgáltatással foglalkozó alkalmazottja van, köztük 17 000 különböző gazdasági ágazatokra specializált szakember. Az IBM Global Services mellett, mint IBM partner az R&R Software szakemberei is készen állnak arra, hogy végigvezessék az ügyfeleket a teljes üzleti intelligencia-projekteken – a tervezési és a kialakítási szakaszától kezdve a megvalósítási, oktatási fázison keresztül a folyamatos rendszertámogatásig. Ha már világos kép állt össze az üzleti igényekről, a következő lépésben hozzá lehet látni a rendszerben tárolt tranzakciós adathegyek üzleti döntéshozatalt megalapozó információvá való átalakításához.

Az IBM DB2 OLAP Server a többdimenziós tervező-, elemző-és jelentéskészítő-alkalmazások számára van kialakítva. Mivel nagyon hatékony adatmodellezési és számítási módszereket alkalmaz, a DB2 OLAP Server kiemelkedő teljesítményt nyújt a gyors iteratív elemzés terén, ami nagymértékben segíti, hogy az üzleti stratégák új nézőpontokból tekinthessenek a vállalati adatokra.

Döntéstámogatáshoz rendelkezésre álló kiegészítő eszközök az alábbiak:

• Brio Enterprise termékcsalád

• Business Objects

• Cognos Impromptu és PowerPlay

• IBM Query Management Facility (QMF, lekérdezéskezelő) és QMF for Windows

• ASTRAC Application System (AS, alkalmazásrendszer)

• Lotus Approach

Ezek az erőteljes, mégis könnyen használható lekérdező-, jelentésíró és elemzőeszközök már számos ágazatban bizonyítottak.

2.3.2. A Microsoft OLAP kiszolgálója

Egyszerűen kezelhető, gyors, a felhasználók széles köre számára hozzáférhető OLAP technológiát biztosít.

Új, nagy teljesítményű, közbülső réteg (middle-tier) kiszolgáló online analitikus feldolgozást (OLAP-ot) végző alkalmazások támogatására szolgál. A Microsoft Data Warehousing Framework része a relációs adatforrásokhoz és az ügyfél programokhoz OLE DB, illetve OLE DB for OLAP felületen keresztül kapcsolódik. (Az OLE-DB felületről és a kapcsolódó technológiákról a http://www.microsoft.com/data címen olvashatunk.)

Az OLAP feladata

„… olyan szoftver technológia, amely analitikusok, üzletemberek, vezetők számára lehetővé teszi, hogy vállalkozásuk adatainak dimenziók szerint rendezett mértékeit gyors, konzisztens és interaktív módon vizsgálhassák.” Egyszerűbben fogalmazva, az OLAP feladata, hogy a számítástechnikai ismeretekkel nem rendelkező felhasználók számára lehetővé tegye az információ gyors elérését, elemzését – az Excel Pivot tábláihoz hasonlóan.


16

2.3.3. SAS

A SAS olyan teljeskörű megoldásokat, szoftvereket kínál, amelyek megfelelnek az intézményekkel szemben támasztott üzleti kihívásoknak, illetve megoldást adnak az iparág specifikus problémákra.

A SAS-termékek funkcionalitása a sikeres üzleti intelligencia alkalmazások szempontjából alapvető, négy adatfunkcióra épül - adathozzáférésre, adatkezelésre, adatelemzésre és adatbemutatásra. Ahogy szükségletei nőnek, változnak ezeken a területeken, úgy licenszelhet további komponenseket és tökéletesen integrálhatja ezeket a már meglévő SAS-alkalmazások körébe. Kérjük böngéssze át az alábbi listát, amennyiben többet szeretne megtudni az egyes termékeinkről.

Az IT infrastruktúrák komplex, heterogén környezetek. Számtalan, több szállítótól származó alkalmazás működhet szétszórva a vállalaton belül, különféle hardverek akár egymástól földrajzilag is távol szolgáltatnak adatforrásokat a felhasználók felé. Ilyen környezetben az adat- és alkalmazás-integráció állandó kihívást jelent.

A SAS egy integrált, nyitott, és bõvíthetõ architektúrát nyújt, amely a hatékony döntéstámogatás alapját teremti meg. Minden SAS termék és megoldás erre a szoftver platformra épül, így az alkalmazások egymás közötti magas szintű kommunikációja, integrációja megvalósítható.

A SAS architektúra jellemzõi:

Platformfüggetlen - A SAS rendszer hordozható kódja hardver platformok és operációs rendszerek között átvihetõ. A legkülönbözõbb mainframe, szerver, és desktop platformok kihasználása a felhasználó számára a meglévõ ill. jövõbeli műszaki környezet szabad felhasználását biztosítja.

Skálázható - A SAS szoftver képes hatalmas adatmennyiségekkel megbirkózni. A párhuzamos adatelérés és párhuzamos és osztott feldolgozás komplex lekérdezések nagyon gyors végrehajtását teszik lehetõvé. Többfonalas I/O és a többprocesszoros hardverek kihasználásával a SAS architektúra hatékony erõforrás-gazdálkodást valósít meg.

Nyílt - A nyitott, együttműködésre képes platform könnyedén integrálható meglévõ alkalmazásokkal és rendszerekkel. A szabványokra (pl. OLE DB for OLAP, .Net, Java, HTTP/HTTPS, J2EE) épülõ SAS architektúra szolgáltatásait Microsoft, Java és Web fejlesztõk egyaránt az általuk jól ismert környezetben is igénybe vehetik.

A rugalmas, kiaknázásra optimalizált SAS szoftver architektúra segítségével vállalati szintű információs stratégia valósítható meg, melynek elemei egymásra épülõ, egyre magasabb értéket nyújtó értékláncként (SAS Intelligencia Értéklánc) a magas szintű döntéstámogatást szolgálják

A SAS/Enterprise Guide ötvözi a SAS szoftver világszinten elismert statisztikai és adatmanipulációs képességeit egy modern, Windows-os grafikus felhasználói felülettel. Segítségével a felhasználók könnyen és gyorsan végezhetnek statisztikai elemzéseket, adat-összesítéseket, leválogatásokat, az eredményt pedig látványos, jól áttekinthetõ formában publikálhatják. Használata nem igényel programozói tapasztalatot. A szoftver lehetõvé teszi, hogy bármilyen - a SAS rendszer által támogatott - adatot elérjünk, lefutassunk SAS procedúrákat, alkalmazásokat a SAS szerveren, az eredményeket pedig változatos jelentés, kimutatás, grafikon formátumban jelenítsük meg. Az eredmény automatikusan HTML-ben generálódik, weben publikálható, átemelhetõ MS Office alkalmazásokba, e-mailen terjeszthetõ, nyomtatható.Az Enterprise Guide segítségével az elemzéseket megelõzõ adattisztítás és adatmanipuláció hatékonyan


17

végezhetõ el. Az alkalmazás - amit a felhasználó többnyire egér kattintásokkal állít össze - elmenthetõ és egy késõbbi idõpontban ugyanaz a feladatsor végrehajtható. Az adatmanipulációs lehetõségek mellett egy nagyon komplex statisztikai eszköztár áll rendelkezésre. Az alapstatisztikák mellett klaszter elemzés, regresszió és számos egyéb elemzõ eszköz is elérhetõ az Enterprise Guide-ban.

Funkcionalitás

• Adatelérés (SAS data set, PC fájl formátumok, MDDB-k) • Adatkezelési feladatok (rangsorolás, standardizáció, formátum készítése, MDDB készítése

és regisztrálása, véletlen mintavétel) • Grafikus lekérdezés építõ (szűrés, rendezés, számított oszlopok képzése, táblák

összekapcsolása) • Leíró statisztikák (listázás, összesítõ statisztikák, eloszlás elemzés, korreláció, egytényezõs

gyakoriság, összesítõ táblák) • Kereszttábla készítõ • ANOVA (t-teszt, egytényezõs ANOVA, nem paraméteres egytényezõs ANOVA, lineáris

modellek) • Regresszió (lineáris, nem-lineáris, logisztikus) • Többváltozós elemzések (kanonikus korreláció, fõkomponens-analízis, faktoranalízis,

klaszteranalízis, diszkriminancia elemzés) • Maradványérték analízis (élettáblák, arányos kockázatok) • Alkalmasság vizsgálat (hisztogram, valószínűségi ábra, Q-Q diagram, P-P diagram, CDF

diagram) • Kontroll diagramok (átlag- és terjedelem-diagram, átlag és std diagram, egyedi mérések

ábrázolása, dobozábra, p diagram, np diagram, u diagram, c diagram) • Pareto diagramok • Idõsorelemzés (idõsoros adatok elõkészítése, alap-elõrejelzés, ARIMA modellezése és

elõrejelzése, regresszió autoregressziós hibával, paneladatok regresszióanalízise) • Grafikus ábrázolás (oszlop-, kördiagram, terület-, vonal-, pont-, perec-, buborék-,

felületdiagram, térkép, pénzügyi, vetület, radar)

Lekérdező, jelentés- és kimutatás-készítő és OLAP eszközök

A lekérdezések, kimutatás készítések tipikusan grafikus végfelhasználói felület használatával valósulnak meg, de biztosított a programsorból való lekérdezés, elemzés lehetősége is. A SAS rendszer támogatja az SQL-t. A lekérkedések, jelentéskészítések többféleképpen valósíthatóak meg. Egyik lehetőség, hogy az adattárházban előkészített, rendszerezett adatokon egy elemző eszközt használva (SAS/Enterprise Reporter, SAS/Enterprise Guide) a felhasználók saját maguk állítják össze jelentéseiket, kimutatásaikat. A másik lehetőség, hogy a SAS fejlesztőeszközeit használva egyedi, testre szabott jelentéskészítési környezet kerül kialakításra.Az OLAP eszközök segítségével az elemzők grafikus felület segítségével, dinamikusan (a dimenziók és a részletezettségi fok előre definiálása nélkül) állíthatják össze lekérdezésüket és végezhetnek elemzéseket akár vegyes, relációs és multidimenzionális formában tárolt adatokon is. Az adatok megjelenítése történhet táblázatos, grafikus, térképes formában. A dimenziókat (pl. idő, tér, értékesítési csatorna) és a dimenzión belüli hierarchiát (pl. év / negyedév / hónap / hét hierarchia az idő dimenzión belül) elemzés közben on-line változtathatja az elemző, így lehetővé válik a döntéshozatal támogatása a kellő időben rendelkezésre álló, könnyen értelmezhető információk szolgáltatása által.

A SAS/EIS szoftver modul objektum orientált, menüvezérelt, programozást nem igénylő rendszer OLAP alkalmazások fejlesztéséhez, futtatásához és karbantartásához. A kész objektumokból való építkezésnek köszönhetően egyszerűen és gyorsan alakíthatók ki komplex rendszerek. A


18

jelentéskészítő objektumokon kívül a SAS/EIS több mint 30 előre elkészített objektumot tartalmaz. A SAS/EIS szoftver a SAS rendszer többi részének komplett "front-end" eszköze. Fejlesztéskor a SAS/EIS-t gyakran a későbbiekben ismertetésre kerülő SAS/AF fejlesztőeszközzel kombinálva célszerű használni.

A SAS/Enterprise Guide ötvözi a SAS szoftver világszinten elismert statisztikai és adatmanipulációs képességeit egy modern, Windows-os grafikus felhasználói felülettel. Segítségével a felhasználók könnyen és gyorsan végezhetnek statisztikai elemzéseket, adat-összesítéseket, leválogatásokat, az eredményt pedig látványos, jól áttekinthető formában publikálhatják. Használata nem igényel programozói tapasztalatot. A szoftver lehetővé teszi, hogy bármilyen - a SAS rendszer által támogatott - adatot elérjünk, lefutassunk SAS procedúrákat, alkalmazásokat a SAS szerveren, az eredményeket pedig változatos jelentés, kimutatás, grafikon formátumban jelenítsük meg. Az eredmény automatikusan HTML-ben generálódik, weben publikálható, átemelhető MS Office alkalmazásokba, e-mailen terjeszthető, nyomtatható.Az Enterprise Guide segítségével az elemzéseket megelőző adattisztítás és adatmanipuláció hatékonyan végezhető el. Az alkalmazás - amit a felhasználó többnyire egér kattintásokkal állít össze - elmenthető és egy későbbi időpontban ugyanaz a feladatsor végrehajtható. Az adatmanipulációs lehetőségek mellett egy nagyon komplex statisztikai eszköztár áll rendelkezésre. Az alapstatisztikák mellett klaszter elemzés, regresszió és számos egyéb elemző eszköz is elérhető az Enterprise Guide-ban.

A SAS/Enterprise Reporter egy felhasználóbarát eszköz, ami intelligens szerver hozzáférést kombinál egy PC alapú jelentéskészítő eszközzel. Microsoft Office jellegű megjelenésének köszönhetően használata gyorsan elsajátítható. Tartalmaz egy "Report Gallery" komponenst, ebben előre megírt jelentés minták (template-ek) találhatóak illetve ide menthetünk el általunk készített vagy módosított mintákat. Az Enterprise Reporter integrálódik a SAS rendszer többi részével, ennek köszönhetően a felhasználók bármilyen jelentést megvalósíthatnak a scoring adatbázis adatain anélkül, hogy ismernék az adatok fizikai helyét, eredetét. Az üzleti felhasználók számára az adatok fizikai helye, eredete transzparens.

3. Üzleti intelligencia, mint vezetői támogatás A gazdálkodó szervezetek számára rendelkezésre álló, egyre növekvő mennyiségű információ feldolgozása, hatékony felhasználása elengedhetetlen a versenyképesség megőrzéséhez. A korábban alkalmazott informatikai módszerek, technikák nem képesek megbirkózni a rendelkezésre álló nagymennyiségű adattömeggel.

A feladat megoldását az üzleti intelligencia (Business Intelligence) eszközei nyújtják, ami tulajdonképpen nem jelent mást mint az adatok elérését, elemzését és megosztását az adott szervezetnél. Az alkalmazás során a rendelkezésre álló adatok rendszerint egy központi adattárba kerülnek, amely egyrészt biztosítja az adatok integritását, másrészt alapjául szolgálhat a további elemzéseknek. Ez utóbbi az adatbányászat eszköztárával, multidimenzionális adatbázison, vagy az adattárházra épített, a belső felépítést elrejtő riportfelületen keresztül valósul meg.

Az adatok jobb döntések lehetővé tételét célzó konszolidálásával és újraszervezésével jelentős előnyökre lehet szert tenni: ezen előnyök felfedezését és hasznosítását hívjuk „Üzleti intelligenciának”. Az Üzleti Intelligencia azonban több, mint adatok és technológiák kombinációja: az információ tudássá transzformálásáról szól, a megfelelő adat eléréséről, a benne rejlő lehetőségek felfedezésétről és értékeinek megosztásáról.

Az Üzleti intelligencia megoldások (BI: Business Intelligence) körébe olyan alkalmazások és technológiák tartoznak, melyek célja, hogy a szükséges adatokhoz való hozzáférés biztosításával, ezen adatok megfelelő tárolásával, valamint sokoldalú elemzési lehetőségekkel támogassák a


19

vállalati döntéshozatalt. Az Üzleti intelligencia megoldások magukban foglalják tehát az adattárolási, a valós idejű lekérdezési, analitikai, előrejelzési és adatbányászati eljárások modern formáit.

A cégek számára felmérhetetlen értékű információhalmazról van szó, hiszen ezek az adatok a szervezet múltját, tapasztalatát tartalmazzák.

A vállalatoknál rendelkezésre álló, egyre növekvő mennyiségű adat feldolgozása, hatékony felhasználása elengedhetetlen versenyképességük megőrzéséhez. Ennek gátja lehet, ha a rendelkezésre álló részletes adatok több különböző adatforráson helyezkednek el, emiatt nem, vagy csak nehezen állíthatóak elő a vezetői lekérdezések. Ha nincs megfelelő informatikai eszköz, amellyel a rendszeresen használt elemzések megfelelő minőségben, hatékonyan előállíthatók, valamint az alkalmanként felmerülő kérdések azonnal megválaszolhatók. Ezekben az esetekben szükség van az Üzleti intelligencia megoldásaira.

Olyan informatikai támogatást biztosítunk partnereink számára, amellyel lehetővé válik az adatok hatékony feldolgozása, elemzése, fejlett döntéstámogatási eszközt nyújtva ezzel a vállalati vezetők számára. Üzleti intelligencia megoldásaink teljes körűek:

• Adattárházak tervezése, építése, bevezetése, üzemeltetése

• Döntéstámogató rendszerek tervezése, bevezetése, karbantartása

• Vállalati adatok elemzéseinek elkészítése

• Vállalati adatok riportozása hagyományos vagy web kliensen keresztül

• Adatbányászat, elemzési minták felállítása a mélyebb összefüggések kimutatására.

3.1. Adatbázis, adattárház Az adattárház a vezetők számára optimalizált formában, a vezetői információigényeknek megfelelő aggregáltságú és szervezettségű adatokat tartalmaz, illetve lehetővé teszi ezek sokoldalú lekérdezését, magas szintű analitikus műveletek végzését.

Az összvállalati szintű adatkezelést a központi adattárház a hozzá kapcsolódó adatpiacok integrált rendszerével együtt látja el. Az adatpiacok az adattárházakhoz hasonló adatkezelési képességekkel rendelkeznek, de egy-egy szervezeti egység speciális információs igényeinek megfelelően optimalizáltak.

Az adatkezelés szintjére épülve az OLAP-rendszerű alkalmazások (OLAP: On-Line Analytical Processing) -- az úgynevezett Elemzési rendszerek -- sokoldalú tervezési, teljesítmény-követési, eltérés-elemzési, szimulációs, adatbányászati és előrejelzési feladatokat látnak el a controlling szabályozóköréhez, a vállalati értékteremtés folyamatának egyes elemeihez vagy adott funkcionális egységekhez kapcsolódóan.

Az adattárház technológia eszközkészlete biztosítja az adatelemzés, a statisztika, a modellezés és az előrejelzés valamint a jelentéskészítés minden korszerű eszközét.

Az adattárház technológia lehetővé teszi, hogy a vállalati adatok szervezett, konszolidált, tisztított idősorokban jelenjenek meg, anélkül, hogy a döntéstámogatás céljából indított lekérdezések túl terheljék a vállalat informatikai infrastruktúrát.

A vállalatok, intézmények többsége jelentős mennyiségű adatot tárol ügyfeleiről, partnereiről, beszállítóiról, munkatársairól, termékeiről és munkafolyamatairól. Ha ezeket az adatokat megfelelő módon használja fel, akkor a vállalat olyan értékesítési és marketing stratégiát dolgozhat ki, amellyel megcélozhatja és megtarthatja a legtöbb hasznot hozó ügyfeleket:

• Idejében felismeri az ügyfelek személyes igényeiket


20

• Meghatározza a termékek optimális árát

• Speciálisan kezelheti a stratégiailag jelentős beszállítóit, partnereit és legeredményesebb munkatársait.

Az adatbányászat során adattárházba rendezett vagy egyéb más tranzakciós adatbázisainkból olyan információkat nyerünk, amelyekkel jelentős információtartalommal bíró, összetett, általában rejtett összefüggések, minták tárhatók fel. Ezek az összefüggések üzleti szempontból fontos döntések meghozatalához nyújtanak segítséget.

A főként nagyobb cégek IT-stratégiájáról beszélgetve akarva-akaratlanul beleütközünk a néhány éve még ismeretlen “adattárház”, “vezetői információs -" és “döntéstámogató rendszerek” fogalmakba. Ez egyértelműen mutatja az igények növekedését ezen a viszonylag új területen. Egyes becslések szerint a vállalkozások a közeli jövőben bevételük 7 %-át fogják adattárház jellegű projektekre fordítani. Ez óriási összeg. Lehet, hogy ez is olyan csoda, amelytől megváltást remélnek az informatikai szakemberek, és az mégsem következik be? Vagy az információ-központú világban az információ még jobb rendezésének és felhasználásának kulcsa? Esetleg mindkettő? A vállalkozások egyre erősebb nyomás alá kerülnek. Erősödik a piaci verseny, szabadabbak és átjárhatóbbak a piacok, áttekinthetővé és összehasonlíthatóvá válnak az árak, szigorodnak a fogyasztók, a felügyeleti szervek, vagy a tulajdonosok, befektetők által diktált feltételek.

Ezért gyorsabban rendelkezésre álló és alaposabb információk szükségesek a gazdasági döntések meghozatalában. A felsővezetők részint információkon, másrészt pszichés hatásokon alapuló döntései alapjaiban határozzák meg a cég sorsát.

A megbízható döntések meghozatalához szükséges adatok előállításának kétféle akadálya lehet: az egyik a vezetési kultúra hiánya, a másik az elmaradott információs technológia, illetve a meglévő technológiai lehetőségek nem megfelelő kiaknázása. Az első akadály elhárításán tipikusan vezetési tanácsadó cégek dolgoznak. A második problémakör megoldásában az informatikai megoldásszállítók tudnak segíteni.

A cégek működésük során hagyományosan rengeteg adatot halmoznak fel tranzakciós rendszereikben. A tranzakciós rendszerek természetesen tranzakció-orientáltan tartalmazzák az információkat, amely távol áll a vezetői szemlélettől. Ezek a nyers adatok mindig a cég működésének egy meghatározott részterületére vonatkoznak.

A vezetők ezzel szemben összegzett, időben folytonos, a vállalat minden “fontos” részéről származó, jól strukturált és könnyen elemezhető információkra tartanak igényt. Komplex, több szempontra figyelő látásmódjuk (pl. a közvetlen csatornán keresztül eladott kamerák mennyiségének változása a nyugati régióban, az előző negyedévhez képest) megköveteli a többdimenziós elemzési lehetőségeket. Ezen kívül szeretnék, ha az elemzések elkészítésekor függetleníthetnék magukat a számítástechnikai szakemberektől.

Ezért szükség van a menedzsment információs igényeinek összegyűjtésére. Innen az út az adatforrásokhoz vezet. Ezután következik a vállalat működésének, üzleti folyamatainak modellezése. Meg kell még oldani az adatok összegyűjtését és a rendszeres adatáttöltés automatizálását.

Egy üzleti intelligencia rendszernek a következő főbb elvárásoknak kell megfelelnie: könnyű használat, hatékony lekérdezés, elemzés, üzleti modellek felállítása; korlátlan számú logikai nézet; gyors adatelérés és integráció; nyíltság és skálázhatóság.

A vezetői információs rendszer megvalósításához a hagyományos szoftver eszközök nem kínálnak optimális megoldást. Megfelelő megoldás lehet viszont a többdimenziós adatmodell, melynek fontosabb funkcionális jellemzői a követezők: tetszés szerinti adatnézet; adatkiválasztás;adatlefúrás stb.


21

A többdimenziós adatmodell használatával megvalósulhat a döntéshozók és a döntéselőkészítők vezetői információs rendszerrel kapcsolatos álma — előre meghatározott vagy tetszőleges eseti szempontok szerint, tetszőleges adatokat tudnak elérni, és az adatokat elemezve olyan információhoz jutnak, amelyet üzleti előnyökké tudnak formálni.

Az adattárház maga egy komplex informatikai rendszer, amelynek magja egy nagyteljesítményű adattár, ennek részét képezi az ellenőrzött és ütemezett táplálását (töltését) végző rendszer, valamint az adatok elérhetőségét és elemezhetőségét lehetővé tevő lekérdező-elemző rendszerek. Alapvető célja a tárolt információk elemzése. Adatait a tranzakciós forrásrendszerektől elkülönítve tárolja, egy olyan adatbázis-struktúrában, mely a lekérdezések szempontjaira optimalizált. Vállalati szintű átfogó, a különböző adatkörök összekapcsolása révén integrált adatokat tartalmaz, idősoros formában. Az adattárház tartalma nem változik, csak bővül (nem állapotot, hanem történéseket regisztrál), és a felhasználók különböző elemzői, döntéstámogató, lekérdező eszközökkel férhetnek az adatokhoz.

Az adattárházban elhelyezett metaadatok a tárolt adatok értelmezésére, leírására szolgálnak. Az informatikai technológiákban eddig is használatosak voltak az adatszótár jellegű leíró adatok, de az adattárház adatai nem, vagy nem csak strukturális információt, hanem a leírt adatok értelmezéséhez nélkülözhetetlen tartalmi információt is hordozzák.

E rendszerek kialakítását az üzleti intelligencia (Business Intelligence) eszközei nyújtják, ami tulajdonképpen nem jelent mást mint a vállalati adatok elérését, elemzését és megosztását az adott szervezetnél. Az alkalmazás során a rendelkezésre álló adatok egy központi adattárba kerülnek, ami majd a többdimenziós elemzések, illetve a mélyebb összefüggések feltárására irányuló adatbányászat alapjául szolgálnak.

A többdimenziós adatbázis különböző szempontok alapján történő hozzáférést biztosít az adatokhoz, ahol szempontként a felhasználó üzleti fogalmai jelennek meg. Az elemzéseket végző szoftvereszközök alkalmasak ad-hoc lekérdezések elvégzésére, éppúgy, mint előre elkészített intelligens riportok kialakítására, futtatására. Jelentéskészítő eszközök alkalmazásával biztosítható a standard riportok előre ütemezett, rendszeres publikálása, akár weben keresztül is. A vállalati vezetők számára egyszerűvé válik ad-hoc lekérdezések összeállítása, kizárólag üzleti fogalmak használatával.

3.2 Az adatbányászat

Az adatbányászat segítségével rejtett összefüggéseket fedezhetünk fel nagy mennyiségű adathalmazban. Az adatbányászat azt a nyilvánvaló ellentmondást oldja fel, hogy minél több adattal rendelkezünk, annál bonyolultabb és időigényesebb ezt hatékonyan elemezni, és értékes következtetéseket levonni belőlük. Ami akár aranybánya is lehetne, az sok esetben feltáratlan marad megfelelő szakember, tapasztalat vagy idő hiányában. Az adatbányászat fejlett elemzési technikákat használ arra, hogy hatalmas mennyiségű adatokból kinyerje a hasznos információkat.

Bár az adatbányászat egy viszonylag új terület, maga a technológia nem az. A statisztikusok már a múltban is „bányászták” az adatbázisokat statisztikailag szignifikáns összefüggések felfedezése érdekében. Az információtechnológiában végbement drámai változások hatására azonban a számítógépek teljesítményének növekedésével az elemzések pontossága, gyorsasága és mennyisége is rendkívüli módon megnőtt.

Amennyiben a szükséges információ megtalálható az adatbázisban úgy az adatbányászat segítségével tulajdonképpen bármiféle vásárlói tevékenység modellezhető. Kulcsfontosságú, hogy releváns összefüggéseket fedezzünk fel egy jól meghatározott üzleti probléma esetében. Az adatbányászat segítségével a marketingvezetők jobban megérthetik a vásárlói viselkedést és magatartást, ami célzottabb és hatékonyabb marketingkampányok megvalósítását teszi lehetővé. Ily módon ezek a kampányok sokkal jobban megfelelnek a vásárlók attitűdjeinek és igényeinek.

Tipikus kérdések, amire az adatbányászat adhat megoldást:


22

- Kik azok az előfizetők, akik lemondanak mobiltelefon előfizetésükről?

- Mekkora a valószínűsége annak, hogy a vásárló egy bizonyos értékhatár fölött

fog rendelni egy postai úton kiküldött katalógusból?

- Ha egy vásárló vásárol egy bizonyos terméket, akkor mi a valószínűsége

annak, hogy egy másik terméket is meg fog vásárolni?

- Kik azok, akik nagyobb valószínűséggel vásárolnak az egyes eladásösztönző

akciók hatására?

A feltett kérdésekre adott válaszok segítségével nőhet a cég ügyfélmegtartó képessége, az eladások aránya, a keresztértékesítés lehetősége és végső soron a nyereségesség. Megbízható előrejelzések segítségével könnyebb jó döntéseket hozni. Az adatbányászat segít az előrejelzés pontosságának növelésében, gyümölcsöző irányba terelve az üzlet menetét. Segít meghatározni a potenciális vásárlók közül azokat, akik nagy valószínűséggel válaszolni fognak egy bizonyos akcióra és nyereséget termelő vásárlók lesznek a jövőben. Ily módon ez a célcsoport célzottan megközelíthető, ami csökkenti a költségeket és növeli a nyereségességet. A döntéseket a kibányászott piacismeret, nem pedig intuíciók alapján hozzák meg, s ez a jó teljesítmény alapján hosszú távú versenyelőnyt biztosít a versenytársakkal szemben.

Hogyan működik az adatbányászat? Az adatbányászat 4 fontos lépcsőből áll:

1. az első lépcsőben a vállalatnál már felépített adattárházakban tárolt nagy mennyiségű adathalmazból mintavétel segítségével kiválasztjuk a szükséges adatokat

2. a második fázisban előkészítjük az adatokat és adattranszformációkat hajtunk végre (megtisztítjuk az adatokat, új változók képzünk, pótoljuk a hiányzó értékeket, illetve megvizsgáljuk az extrém értékeket és eldöntjük, hogy milyen módon kezeljük őket)

3. a harmadik fázis a tulajdonképpeni adatbányászat; számítógépes szoftverek segítségével modellezve itt térképezzük fel az adatokban rejlő fontos összefüggéseket

4. az utolsó fázisban az eredmények értelmezése és kiértékelése történik


23

7. ábra Az adatbányászat 4 fő fázisa

Az adatbányászatot támogató szoftverek segítségével tehát nagy mennyiségű több dimenziós adathalmazt készítünk elő, alakítunk át, csökkentünk nagyságában és dimenzióiban, illetve modellezünk a célból, hogy hasznos információkra bukkanjunk. Az adatbányászattal kapcsolatos feladatok általában két kategóriába oszthatók: · A bejósló típusú adatbányászat (célirányos tevékenység) céljai: klasszifikáljon, azaz „igaz” vagy „hamis” kategóriákba osszon be, illetve hogy valamiféle regressziós elemzést hajtson végre az adatokon és bizonyos bemenő változókra már ismert válaszok alapján gyártson előrejelzéseket.

· A feltáró adatbányászat (nyitottabb jellegű tevékenység) feladata az

adathalmazon belüli minták vagy csoportok, klaszterek azonosítása.

Az adatbányászati szoftverek jellemző algoritmusai a neurális hálózatok, a genetikus algoritmusok, a döntési fák, a különböző regressziós módszerek, klaszterezés (elsősorban a nem-hierarchikus) módszerek, a szabálygenerálás, a vizuális elemző eszközök és még sok más egyéb módszer.

3.2. Példák adatbányászati alkalmazásokra Az adatbányászatot az élet nagyon sok területén használják, pár példa az alkalmazásokra:

Kereskedelemben

- Vásárlói csoportok, viselkedési minták azonosítása


24

- A fogyasztók demográfiai jellemzői közötti asszociációk feltárása

- Postai úton bonyolított kampány hatásának becslése

- Keresztértékesítés egyes termékek esetében

- Fogyasztói igények pontos felmérése

- Jövedelmező fogyasztói szegmensek beazonosítása

- Vásárlómegtartás, vásárlói hűség növelése

Bank szférában

- Kártyacsalások felderítése

- Hitelkártyáról történő költés nagyságának becslése különböző fogyasztói

csoportokban

- Hitelkockázat becslése

Biztosítási szektorban

- Annak beazonosítása, hogy kik vásárolnak bizonyos típusú kötvényeket

- Biztosítási csalások felderítése

3.2.1. OLAP-rendszerű alkalmazások

A controlling szabályozókörének támogatása

A vezetői információs rendszerek kezdettől fogva szorosan kapcsolódtak a controlling szabályozókörének egyes elemeihez. A controlling alapjainak bemutatásánál láthattuk, hogy a szervezet mindennapi életében és fejlődésében a controlling szabályozókör alapvető mozgatórugóként jelenik meg. Ha a vezető elő akarja mozdítani a szervezeti célok elérését, akkor erre a szabályozókörre támaszkodva cselekszik: elemez és tervez, nyomon követi az elért teljesítményeket, értékeli az eltéréseket, szükség esetén beavatkozik, majd a ciklus újraindításakor ismét elemez, és ennek fényében célértékeket tűz ki.

A controlling lehetőség szerint igénybe veszi mindezekhez az informatika támogatását. Alapvetően két fajta IT-támogatást várunk el itt: egyrészt a szükséges adatok gyűjtését és kezelését -- ezt a funkciót látják el az adattárházak és az adatpiacok --, másrészt a szabályozókör egyes elemeihez kapcsolódó feladatok informatikai támogatását, leképezését.

Az OLAP-rendszerű alkalmazások képesek a vállalati elemzés és tervezés, a teljesítménykövetés és értékelés, valamint a döntéshozatal komplex, a szervezet különböző szintjeit felölelő támogatására.

Stratégiaalkotás - Üzleti tervezés - Kerettervezés

A stratégiai terv a küldetésből és a jövőképből levezetett, a vállalat működési környezetének és adottságainak megfelelően kialakított hosszú távú célkitűzések rendszere. A stratégia megalkotása a felsővezetés intellektuális tevékenysége: ezt a feladatot IT-rendszerek soha nem fogják tudni átvenni, a hozzá vezető utat azonban támogathatják. Az adattárházak sok fajta belső és külső forrásból gyűjtenek adatokat, majd jól szervezetten és megfelelő aggregáltsági szinten prezentálják ezeket. Ez jelenti a kiindulási pontot.


25

Az adattárházak nyújtotta lekérdezési lehetőségeket és a hagyományos statisztikai elemzési eszközöket a különböző OLAP-szoftverek ma már bonyolult elemzési, üzleti szimulációs képességekkel egészítik ki. Az adatbányászati alkalmazások (data mining) adott adatmennyiségre támaszkodva rejtett kapcsolatok, ok-okozati viszonyok felderítésére, a sokaság valamely jellemző(k) mentén történő csoportokba rendezésére, valamint a rendelkezésre álló adatok alapján jövőbeli tendenciák előrejelzésére vállalkoznak. A szakértői rendszerek (ES: Expert System) olyan számítógépes programok, melyek egy-egy szakterület komplex modelljeit, működési elveit és tudáselemeit felhasználva döntési javaslatokat adnak az üzleti problémák betáplált paraméterei alapján. Ezek a magas szintű analitikai műveletek akkor hatékonyak, ha a háttérben az OLAP-rendszerekhez illeszkedő, multidimenzionális adatkezelési rendszerek (adattárházak) vannak.

A vállalati tervezési rendszerek feladata, hogy a hosszú távú stratégiai terv rögzítésétől kezdve lehetőséget teremtsenek a középtávú üzleti tervek elkészítéshez, valamint éves szinten a kerettervezés és a beruházásokkal kapcsolatos kontroll feladatok elvégzéséhez. Ezek a tervezési rendszerek jelentős adattömegeket, több tervverziót kezelnek, több éves időszakokat, többféle időhorizontot fognak át, a tervezés top-down / bottom-up folyamatát, a tervérték-átadások és --elfogadások (tervfelelősök) rendjét, vagyis a teljes tervezési tevékenységet követni tudják.

Az adatok és az összefüggések megfelelő prezentálása a vezetés különböző szintjei számára lényeges elvárás az informatikai támogatórendszerekkel szemben. (Nagyvállalatok, konszernek esetében már a tervezésnél is felmerül a belső teljesítményátadások kezelése.)

Az ilyen rendszerek hatékony kialakítása az informatika és a controlling szoros együttműködését feltételezi. Természetesen csak egy átgondolt és jól szervezett tervezési folyamatot érdemes informatikailag leképezni, hiszen a rendszer csak ekkor fog jól működni.

Meg kell említeni még, hogy a vezetők sokfajta személyes információt, ismeretet, tudást is bevonnak a stratégiaalkotás során. (A menedzseri munkát, illetve az érintettek közötti kommunikációt a későbbiekben tárgyalandó vállalati portálok, valamint az úgynevezett személyi teljesítménynövelő szoftverek: táblázatkezelők, szövegszerkesztők, stb. is nagyban elősegítik, az adattárházaknak és az OLAP-rendszereknek ezekkel integráltan kell együttműködniük.)

Céllebontás - Mutatószámok

Ma már általánosan ismert és elismert a stratégiai és az üzleti tervezés összekapcsolásának fontossága. A Balanced Scorecard koncepció erre a kihívásra ad módszertani választ, melyet világszerte sikerrel alkalmaznak. Az OLAP-szoftverek szállítói a tervezési rendszerek részeként a stratégai céllebontás informatikai támogatását is megvalósították. A vállalati teljesítmény menedzselése érdekében pénzügyi és nem-pénzügyi mutatószámok rendszerének kialakítását teszik lehetővé -- a hagyományos tervezési és beszámolási- / kontroll-rendszerekhez kapcsolódóan.

Ezek a szoftverek (általános és iparág-specifikus) mutatószám-ajánlásokat tartalmaznak, lehetővé teszik a kiválasztott indikátorok rendszerbe foglalását, lebontását, kommunikálását, rögzítését, valamint követését. Ezek az OLAP-alkalmazások egyrészt előmozdítják a tervezési rendszerek hatékony működését, másrészt a kiegyensúlyozott mutatószám-rendszerek alkalmazásával támogatják a szervezeti tevékenység érték-alapú menedzsmentjét is.

Kontroll-rendszerek / beszámoló-rendszerek

A menedzsment a kontroll különböző formáinak alkalmazásával igyekszik csökkenteni a kitűzött célok és az elért eredmények közötti különbséget. Ahhoz, hogy ezt megtehesse a rögzített tervértékek mellé gyűjteni kell az aktuális tényértékeket is -- azonos struktúrában, azonos aggregációs szinteken, hogy az összehasonlítások elvégezhetőek legyenek.


26

Az adatok forrását elsősorban a tranzakciós rendszerek jelentik. Az integrált ERP-rendszerek lehetővé tesznek egyszerűbb lekérdezéseket, melyek az alacsonyabb szervezeti szintek vezetői számára biztosítják az operatív működés folyamatos követését, megalapozzák a visszacsatolásokat, negatív elmozdulások esetén a szükséges beavatkozásokat. Amennyiben azonban magasabb vezetői szintek információs igényéről, összvállalati döntéstámogatásról van szó, akkor előtérbe kerülnek az Üzleti intelligencia megoldások.

Az ERP-kből a központi adattárházba töltődnek át a megfelelő szervezettségű és aggregáltságú adatok. Az adattárházak által nyújtott műveletek is lehetővé teszik lekérdezések végrehajtását: már itt is származtathatóak riportok a vezetők számára. A mélyebb elemzések elvégzéséhez -- hasonlóan a tervezésnél elmondottakhoz -- analitikus, adatbányászati és szimulációs OLAP-eszközök állnak rendelkezésre. A vezetői információs rendszerektől elvárják az eltérések, kivételek figyelését / jelzését is. A belső adatok kiegészülnek külső forrásúakkal (például: piaci, gazdasági mutatók, értékelések, a rendkívüli események figyelembe vétele, stb.), melyek a tények és az eltérések árnyaltabb értékelését szolgálják, s megalapozottabb döntéseket eredményeznek.

Amennyiben a szervezet alkalmazza a céllebontás fent bemutatott eszközeit, akkor természetes igény, hogy abban a rendszerben is megjelenjen a tényleges működés, vagyis a tények leképezése adja meg a visszacsatolás lehetőségét.

A beszámoló-rendszereknél érdemes még megemlíteni az összvállalati konszolidáció informatikai megragadását, a beruházások, fejlesztési projektek követését, illetve a cég külső érintettjei, leginkább a tulajdonosi kör felé történő kommunikáció OLAP-rendszerekkel támogatott megvalósításait.

Hasonlóan a tervezéshez, a menedzserek az értékelésnél is használnak nem az OLAP-alkalmazások körébe tartozó IT eszközöket (vállalati portál, személyi teljesítménynövelő eszközök, stb.); másrészt minden esetben igaz, hogy a személyes visszacsatolás nem veszít jelentőségéből, bár a kommunikáció növekvő aránya történik informatikai csatornákon.

Kockázatkezelés

A vállalati folyamatok újraszervezése, minőségük fejlesztése és biztosítása mellett manapság növekvő figyelmet szentelnek a vállalat tevékenységében megjelenő kockázatok kezelésének is. A cégen belüli kockázatkezelés területén is alkalmazhatnak OLAP-eszközöket, másrészt az OLAP-eszközök bevezetése maga is kockázatkezelést tesz szükségessé.

A kockázatok azonosítása széles, belső és külső forrásokra támaszkodó információs hátteret; elemzésük és a kezelés kidolgozása fejlett analitikus, szimulációs rendszereket igényel; valamint fontosak a korai észlelést biztosító előrejelző rendszerek is.

3.2.2. OLAP-rendszerű alkalmazások a vállalati értéklánc támogatására

A vállalat központi adattárházához kapcsolódó adatpiacok, illetve az azokra épülő OLAP-alkalmazások két jelentős területét az Ellátási lánc menedzsmentjét (SCM: Supply Chain Management), illetve az Ügyfél kapcsolatok kezelését (CRM: Customer Relationship Management) támogató megoldások adják. A vállalat értékteremtő láncának kezdő és végpontja alapvető fontosságú az üzleti sikeresség szempontjából, hiszen a beléptetett alapanyagot, termékeket, minőséget alakítja tovább a vállalat -- saját belső folyamatainak optimalizálása és fejlesztése szintén elengedhetetlen -- majd a kilépésnél termékéről a vásárlói mondanak ítéletet, s a tartós és nyereséges piaci jelenlét csak a vevői kör gondozásával lehetséges.

A controlling két irányból is bekapcsolódik: egyrészt az adott szakterületi controlling feladata a vállalati stratégiából levezetve logisztikai / értékesítési stratégia megfogalmazása, a célkitűzésekből konkrét tervek kidolgozása, majd a teljesítmények megfelelő mérése, az eltérések kezelésének, a vezetői kontrollnak a támogatása. Másrészt az összvállalati controlling számára fontos


27

információforrást jelentenek ezek a szervezeti területek a felsővezetői döntéstámogatás feladatainak ellátásánál.

Ennek megfelelően a következő támogató informatikai rendszerek működnek.

• Az ERP-rendszerek logisztikai / értékesítési modulja, illetve más szakterületi informatikai rendszerek az operatív SCM, illetve CRM céljait szolgálják: a mindennapi működés automatizálását, az adatok rögzítését, az elszámolást. Valamint egyszerűbb elemzéseket is lehetővé tesznek, ezáltal elősegítik az adott szervezeti egységek szintjén a kontrollt a költségek, az idő és a minőség dimenzióit szem előtt tartva. Fontos elvárás az integráció a vállalat egyéb (tranzakciós, elemzési, stb.) rendszereivel.

• Az analitikus SCM, illetve CRM alkalmazások feladata a magas szintű vezetői információszolgáltatás, ennek keretében:

• a célnak megfelelően gyűjtött adatokra támaszkodnak -- adattárház, illetve jellemzően területi adatpiacok szolgáltatják a belső és külső forrású konszolidált, strukturált, aggregált adatokat;

• a rendelkezésre álló adatokból OLAP-eszközökkel: összetett statisztikai, adatbányászati műveletekkel vezetői információ szolgáltatására, valós-idejű, ad hoc lekérdezések lehetővé tételére, rejtett kapcsolatok kimutatására törekszenek (például: értéklánc szintű teljes költségek kiszámítása, szállítói / vevői csoportok képzése, eltéréselemzés, jövedelmezőségi vizsgálatok, vevőkosár-elemzések, keresztértékesítési lehetőségek feltárása, marketing-eredményesség -- vevőmegtartás kimutatása, versenypiac elemzése, stb.);

• szintén OLAP-eszközökkel szimulációkat, hatásvizsgálatokat végeznek, melyekkel megalapozzák a következő időszak terveit, célkitűzéseit (például: készletszint / átfutási idő csökkentési lehetőségek modellezése, centralizált vs. decentralizált beszerzés vizsgálata, ellátási lánc szintű akciótervezés, marketing-akciók értékelése, kockázatelemzés, stb.)

• Az interaktív SCM, illetve CRM alkalmazások lényege az, hogy a vállalat határát átlépő folyamat szereplői közötti kommunikációt támogassák, illetve, hogy a tranzakcióikhoz új, rugalmasabb, gyorsabb IT-megoldásokat biztosítsanak. Mindez controlling szempontból a kapcsolat hatékony kialakítását és működtetését (költségek és hasznok), valamint a keletkező változatos formátumú adatoknak a vezetői információs rendszerek felé csatornázását jelentik.

3.4. Az adatbányászat, a CRM és a piackutatás kapcsolata

Aki mostanában konferenciákon, előadásokon jár, vagy különböző marketinggel kapcsolatos szaklapokat olvas, nehezen kerülheti el a találkozást a CRM vagy az adatbányászat fogalmával. „Íme egy újabb ’trendi’ varázsszó, akárcsak az új gazdaság vagy az e-business” – legyinthet bárki könnyedén. Ám, ha végiggondoljuk, hogy ezek a szavak és tartalmuk miként épülnek be mindennapi életünkbe, akár saját akaratunk ellenére is, óvatosabban kell közelítenünk. Hasznos megismernünk e szavak jelentését, és hogy milyen lehetőségeket is rejtenek magukban. A piackutató feladatainak eddig is része volt az adatbázisok elemzése, eddig is számos oldalról vizsgálta, miként alakul a vásárló, az ügyfél elégedettsége, az új lehetőségeken túlmenően egy esetleges új versenytárssal kell szembe néznie. Felmerül a kérdés ugyanis: ha egy cégnek minden információ rendelkezésére áll házon belül, saját konkrét ügyfeleire lebontva, miért lenne szükség piackutatásra, illetve piackutatóra?

3.4.1. A CRM (Custumer Relationship Management)


28

Mit jelent a CRM (Customer Relationship Management) vagyis az ügyfél hatékony kiszolgálása? Milyen vállalatfilozófiai irányzatokra épül a CRM és mennyiben ad új szemléletet? Miben nyilvánul meg egy vállalat ügyfélközpontú működése? Hogyan célszerű a CRM bevezetése? Ezekre a kérdésekre adunk választ cikkünkben és a CRM körüli homályt próbáljuk meg eloszlatni. Ha valahogy meg szeretnénk határozni, akkor a CRM mint üzleti stratégia a vállalat jelenlegi és jövőbeni ügyfelei szükségleteinek megismerésére, megértésére és a lehető legmagasabb szinten történő kezelésére irányul. Mint üzleti folyamat, magában foglalja az ügyfél adatainak összegyujtését, konszolidálását, elemzését, szétosztását és felhasználását az ügyfélkapcsolat helyén. Célja az ügyfél-elégedettség, a bevétel és a profit optimalizálása.

HOGYAN ILLESZKEDIK A CRM A KONTROLLINGHOZ?

A kérdést úgy is megfogalmazhatjuk, miért nem elegendőek a hagyományos menedzsmenttechnikák, így például az éves operatív terv köré szerveződő pénzügyi tervezés és kontrolling? A válaszhoz gondoljuk végig a következőket: ha találunk egy olyan esetet, amikor egy adott menedzsmenttechnika szerint optimalizáltunk, de az szuboptimumhoz vezet, vagy nem vezet el a tényleges optimumhoz, akkor fel kell tenni a kérdést, hogy mivel jutunk el a tényleges optimumhoz. Amennyiben ezt egy kiegészítő menedzsmenttechnikával tudjuk elérni, akkor ez egyben válasz lehet arra, hogy miért van egy új menedzsmenttechnikára szükség. Az új technika gondolatához induljunk el a vevők elemzésével. Marketingtanácsadók szívesen alkalmazzák a vevőosztályozási mátrixot (1. ábra). Az osztályozási elmélet szerint az a jó vevő, aki nem csak akkor vásárol átmeneti lelkesedéssel, ha személyre szóló árengedményt kap (haszonleső), hanem az, aki sokat vásárol és másokat is a tőlünk való vásárlásra biztat (apostol). A túsz egy veszélyes vevő. Valamilyen ok miatt kénytelen tőlünk vásárolni, például a monopolhelyzetünk miatt, vagy azért, mert egyszer vásárolt és a termék által "fogságba" ejtettük. Abban biztosak lehetünk, hogyha egyszer kiszabadul, sohasem lesz belőle apostol és nagy valószínűséggel terrorista lesz, aki csak akkor vásárol, ha jelentős, számunkra nem mindig előnyös feltételeket tud kiharcolni, esetleg ránk kényszeríteni. A pénzügyi modellek például az apostolokat és a túszokat összemossák. Mindkettő sokat vásárol, nagy a tőlük származó árbevétel, holott az egyikük esetében valójában egy időzített bomba ketyeg az értékesítési terv alatt. A pénzügyi modellek gondolkodása mentén sohasem jutunk el addig a jelszóig, hogy "tegyük a vevőinket apostolokká". Márpedig az optimális árbevétel eléréséhez erre van szükség. Mit jelent ez a kontrollingrendszerek szempontjából? Azt, hogy egy szárnyaló értékesítési index csak akkor lehet megnyugtató, ha egy ugyancsak szárnyaló vevő megelégedettségi indexszel párosul. Ezt a kettős követelményt pedig csak a CRM filozófiájával tudjuk biztosítani, vagyis nem csak a profit és a költségek, hanem a vevői elégedettség szempontjából is optimalizálunk.

A CRM KIALAKULÁSÁNAK FOLYAMATA ÉS ÉRTELMEZÉSI MÓDJAI

Napjaink vállalatirányítási módszertana napról napra újabb és újabb irányzatokkal bővül. Ezért minden egyes új irányzat esetében célszerű megvizsgálni, hogy az adott irányzat milyen korábbi metodológiára épül, melyek benne az új elemek. Tegyük ezt most a CRM-mel is! Jelen cikkben a CRM kialakulását két nézőpontból közelítjük meg. Első nézőpontként tekintsük a sarki fuszeres példáját, aki a viszonylag szuk, ugyanakkor rendszeresen betérő vevőkörét személyes tapasztalatai alapján megismeri, barátságos mosollyal üdvözli és igényeit pontosan ismerve szolgálja ki. A második nézőpont a nagyvállalatok szemszögéből közelíti meg a CRM kialakulását - hivatkozva Philip Kotler híres [Marketing management: Elemzés, tervezés, végrehajtás, ellenőrzés, Muszaki Könyvkiadó, Budapest, 1993.] könyvéből a vállalati piacorientáció fejlődését - a tömegtermelési koncepciótól az ügyfélközpontú működés felé. Kotler a piacorientáció következő fejlődési szintjeit különbözteti meg:

. a termelési koncepció,

. a termékkoncepció,


29

. az értékesítési koncepció,

. a marketingkoncepció,

. a társadalom-központú marketingkoncepció.

Hogyan tudjuk a kis- és nagyvállalatok működését úgy ötvözni, hogy a két irányzat pozitív tulajdonságait és ezáltal előnyeit egyesítsük? Más szóval, hogy tudja egy nagyvállalat több ezer ügyfelét olyan gondosan és figyelmesen kiszolgálni, mint a sarki fuszeres? Ennek megoldásához az informatika fejlődésére volt szükség - mint a vállalatirányítást támogató eszköz -, amely lehetővé teszi nagy tömegu ügyféladat elemzését (a fuszeres esetében a személyes kapcsolat kialakítását) és a szükséges ügyfél-információk eljuttatását minden kapcsolódási pontba (a fuszeres esetében a vevőkör betérése). Ez alapján kijelenthetjük, hogy az ügyfélkapcsolat menedzsment megjelenése a szervezeteknél nem hoz új szemléletet, hanem egy több évtizedes hagyománnyal rendelkező üzleti filozófiát valósít meg az informatika modern eszköztárának felhasználásával. Ennek megfelelően a CRM definíciója az informatika szemszögéből a következőképpen adható meg: "A döntések meghozatalához szükséges információk gyujtése, illetve biztosítása minden ügyféllel kapcsolatba lépő munkatárs számára, és az ügyfélkapcsolati alkalmazások közötti online adatkapcsolatok megvalósítása." [Forrás: Gartner Group.] Az előbbiekben levezetett értelmezésünk alapján, minden olvasót óva intünk attól, hogy a CRM-et pusztán informatikai megoldásnak tekintse. A CRM egy internetes fogalomtárban fellelhető definícióját meglehetősen egyoldalúnak és helytelennek tartjuk, miszerint: "Ügyfélkapcsolat- menedzsment vagy -kezelés. Vállalati szintű szoftveralkalmazások együttese, amely az ügyfélkapcsolatok minden vonatkozásának kezelését teszi lehetővé. Ennek eszköze egy központi adatbázis, amelyben összegyujtik az értékesítés, a marketing, az ügyfélszolgálat és más vállalati egységek által az ügyfelekről felhalmozott információkat."

A CRM ALKALMAZÁSÁSNAK CÉLJA

A cikk elején a CRM definiálásakor azt állítottuk, hogy a CRM célja az ügyfél-elégedettség, a bevétel és a profit optimalizálása. Amíg csak a profit és a bevétel növeléséről beszélünk, addig tulajdonképpen bármelyik menedzsmentirányzatról beszélhetnék (viszonylag kevés az olyan módszertan, amely a profit és bevétel csökkentését tuzi zászlajára). Éppen ezért szükségesnek tartjuk a CRM céljának részletes kifejtését (már csak azért is, mert ez alapján tudjuk definiálni, hogy, mely vállalatoknál alkalmazható hatékonyan a CRM). Stanley A. Brown Customer Relationship Management című könyvében [John Wiley & Sons, Canada Ltd., 2000.] a CRM-et az elérni kívánt cél alapján osztályozza. Ennek megfelelően a CRM alkalmazása négy fő cél köré csoportosítható:

. ügyfelek visszaszerzése, megtartása, ügyfél-elvándorlás csökkentése,

. új ügyfelek elérése, megnyerése,

. ügyféllojalitás növelése,

. értékesítés növelése, keresztértékesítés (cross selling).

ÜGYFELEK VISSZASZERZÉSE, MEGTARTÁSA, ÜGYFÉL-ELVÁNDORLÁS CSÖKKENTÉSE

A cél elérése "időérzékeny" tevékenység, amely során gyorsan kell reagálni az esetleges vevői magatartás-változásra. Az ügyfelek megtartásának alapfeltétele, hogy tudjuk, melyik vevőnk hajlamos az elvándorlásra, kik azok, akiknek a megtartására érdemes áldozni, és mely ügyfelekre nem szabad többet költeni.

ÚJ ÜGYFELEK ELÉRÉSE ÉS MEGNYERÉSE

Ehhez három kulcstevékenység szükséges, szegmentálás, kiválasztás és a források biztosítása. A szükségletek szerinti szegmentálás során csoportokba soroljuk azokat a fogyasztókat, akik esetében vállalatunk ugyanazt az igényt elégíti ki. A profitalapú szegmentálásnál azt vizsgáljuk, hogy a potenciális ügyfél milyen értékes lehet a cég számára, és milyen összeget szabad költeni a megszerzésére.


30

ÜGYFÉLLOJALITÁS NÖVELÉSE

Az ügyfél lojalitását igen nehéz mérni. Három alapeleme létezik: az értékalapú csoportosítás, a szükségletalapú csoportosítás és az elvándorlást előrejelző modell. Az ügyfelek értékalapú csoportosításával határozható meg, hogy a vállalat mennyit invesztálhat a vásárlói hűség erősítésébe. Ez működhet akár úgy is, hogy nem a profitábilis ügyfelek lojalitását növelő akciókat kezdeményez a vállalat, hanem a nem kifizetődő vevőket bátorítja indirekt módon a távozásra. Az értékalapú csoportosítás szurőjén átesett ügyfeleket a szükséglet alapú csoportképzés módszerei várják. Itt személyre szabott szolgáltatásokkal lehet erősíteni az ügyfélkapcsolatokat, amelyek természetesen az egyes ügyfélcsoportok jövedelmi viszonyaival függenek össze. A vállalat a CRM alkalmazás harmadik összetevőjének segítségével jut ahhoz az információhoz, hogy az elvándorolt ügyfelek döntése (adatok összegyujtése, feldolgozása, elemzése segítségével) mire vezethető vissza.

ÉRTÉKESÍTÉS NÖVELÉSE, KERESZTÉRTÉKESÍTÉS (CROSS SELLING)

A CRM egyik alapvető célja, hogy összehozza a fogyasztói igényeket és a vállalat által kínált termékeket úgy, hogy a kontaktus egyszerre legyen gazdaságos és hatékony. A vásárló jól akar járni, miközben a keresési költségeit minimalizálja. A fogyasztó azonban nincs mindig tisztában a saját igényeivel, sok esetben a megoldás hamarabb születik meg, mint az igény. Az értékesítés növelése esetünkben azt jelenti, hogy egy olyan vevőnek, akinek a vásárlási szokásait már ismerjük, lényegesen kedvezőbb egy új termék vagy szolgáltatás értékesítésének az esélye. Cross-sell az elnevezése annak az akciónak, amikor a meglévő értékesítési csatornát felhasználva próbálunk eladni olyan terméket, amiről jó okunk van feltételezni, hogy érdekli a vevőt. Up-sell-nek hívjuk azt a kampányt, amikor a korábban értékesített termék becserélésével annak egy fejlesztett változatának megvásárlására késztetjük a fogyasztót. A Cap Gemini Ernst & Young és az International Data Corporation (IDC) piackutató, elemző cégek által elvégzett felmérés - amely CRM rendszert bevezető 200 európai és 100 észak-amerikai vállalatot kérdezett meg a CRM bevezetésének céljáról - érdekes képet mutat. A válaszok gyakoriságának sorrendjében a következő érveket nevezték meg a felmérésben résztvevő vállalatok

ügyfelek hűségének növelése,

. egyénre szabott szolgáltatás nyújtása minden ügyfélnek,

. nagyobb ügyfélismeret megszerzése,

. megkülönböztetés a konkurenciától,

. legjövedelmezőbb ügyfelek azonosítása,

. egy ügyfélre jutó nyereség növelése,

. ügyfél igények, panaszok gyorsabb kezelése,

. új ügyfelek megszerzése,

. ügyfél életciklus érték figyelembevétele,

. ügyfél-kommunikáció költségének csökkentése,

. ügyfélmegszerzés költségének csökkentése.

A szervezetek által adott válaszok jól megfeleltethetők a CRM fent említett 4 fő céljának. Talán csak a költségek csökkentésének szándéka az, amelyik magyarázatot igényel. A magyarázat azonban roppant egyszerű: az ügyfélkiszolgálás célja nem csak az lehet, hogy az ügyfeleket az eddiginél magasabb színvonalon szolgáljuk ki, hanem az is, hogy az eddigi kiszolgálási szintet olcsóbban, költséghatékonyabban biztosítsuk.


31

AZ ÜGYFÉL-ÉRTÉKCIKLUS MODELLJE KÉT MEGKÖZELÍTÉSBEN

CRM-ről beszélve mindenképpen szólni kell a CRM filozófiai megközelítésének alapjául szolgáló ügyfél-értékciklus fogalmáról. Az ügyfél-értékciklus fogalom arra utal, hogy az ügyfelek megítélése, értékelése nem a pillanatnyi vásárlás vagy nemvásárlás alapján történik, hanem az összes ügyféllel kapcsolatos költség és bevétel (vagy beruházás és nyeresége) összesítése - az első megközelítés - alapján (2. ábra). A görbe értelmezése a következő: egy új ügyfél megszerzése általában több pénzbe kerül, mint az ügyféltől rövid távon várható haszon (gondoljunk csak a kedvezményes telefonvásárlásra, ha két éves hűségnyilatkozatot írunk alá). Ezért kezdetben egy új ügyfél veszteséget jelent. A vállalat célja:

. a kezdeti veszteség minimalizálása (ügyfélmegszerzés hatékonyságának növelése),. ügyfelek hosszú távon megtartása,

. megtérülési görbe meredekségének növelése (újraértékesítés, keresztértékesítés).

A célok elérését a függvény mentén található háromszögek szemléltetik, amelyek olyan eseményekre, akciókra utalnak, amelyek hatására az ügyfél jövedelmezősége emelkedik. Ezek az események éppúgy érkezhetnek a vállalat (például új mobiltelefon akció, "plusznulla" szolgáltatás), mint az ügyfél (például

8. ábra A Gartner Group ügyfél-értékciklus modellje

társkártya vásárlása) felől. A Gartner Group ügyfél-értékciklus modellje (8. ábra) a második megközelítés. Világosan látszik a kapcsolat az ügyfél-értékciklus modell és a CRM bevezetés célja között. Tekintsük sorra az egyes fázisok tevékenységeit:

. Ügyfélkiválasztás és az ügyfelek szegmentálása. Kritériumok meghatározása, amelyek alapján az ügyfelek szegmentálhatók. Szegmensek profitabilitásának, kockázatainak meghatározása. Új termék, szolgáltatás elemzése az egyes szegmensek szempontjából.

. Ügyfelek elérése. Azon csatornák meghatározása, amelyeken elérhetők ezek az ügyfelek. A csatornák hatásos, költséghatékony alkalmazása.

. Ügyfélmegtartás. Ügyfélszegmentálás alapján dönteni az egyes szegmensek fontosságáról (mely szegmenseket akarják megtartani, melyeket nem). Ügyfelek hűségének, lojalitásának növelését célzó akciók.

. Ügyfél-profitabilitás. Keresztértékesítés, profitabilitás növelése (pl. adott ügyfélkör igényeire szabott új termékek vagy szolgáltatások bevezetésével).

A körforgás ismétlődésére, a körforgás "végtelenségére" pedig az ügyfélkör folyamatos változása miatt van szükség. Gondoljunk csak a mobiltelefont használók táborának növekedésére és a felhasználók változására. Jelenleg a mobilszolgáltatók által megcélzott újabb ügyfélkör már az iskolás korosztály. Amint azt a bűvös három betű - CRM - bemutatása mutatja, a korábbi vállalatirányítási módszerek szorosan kapcsolódnak az új szemlélethez. Hasonlóan véljük ezt a kontrolling alkalmazott módszertanára is: a CRM egyfajta megújulást igényel majd a kontrollingban is.


32

3.4.2. CRM és piackutatás

egyik feltétele, hogy a vállalat letisztult képpel rendelkezzen mind a márkával kapcsolatos koncepcióról, mind pedig a rá kidolgozott stratégiáról.) A piackutatás ebben is fontos szerepet kaphat: segítségével mérhetővé válik a CRM márkákra gyakorolt hatása.

Mivel az ügyfélkapcsolat-menedzsment alapja az egyén, illetve az egyén igényei, a piackutatás feladata annak meghatározása, hogy a fogyasztó valójában mit tekint értéknek. A sikeres CRM rendszerek előfeltétele a piacok átfogó ismerete és az egyes fogyasztói szegmensek igényeinek pontos meghatározása. Ezen paraméterek mérésére a piackutatás a legalkalmasabb.

Az ügyfélkapcsolat menedzsment rendszer kialakítása során a piackutató az alábbi kutatási módszereket alkalmazhatja:

1. adatbányászat

2. az egyéni fogyasztói igények mérését, becslését

3. a fogyasztónak a márkához fűződő viszonyának feltérképezését

4. a CRM folyamatnak a márkákra gyakorolt hatását, a márkaérték időben

történő nyomon követését és a CRM márkaértékre gyakorolt hatása relatív

súlyának mérését

5. a különböző szegmensek számára eltérő kommunikációs stratégia kialakítását

és tesztelését.

E módszerek hosszú távon mind a piackutatás eszközeinek frissítését, mind pedig szerepének átértékelődését is előrevetíti. Könnyen belátható, hogy a hagyományos értelemben vett piackutatás továbbra is megőrzi szerepét és jelentőségét. Az adatbányászatban, CRM-ben használt adattárházak ugyanis rendkívül merev eszközök, hiszen az előzetesen begyűjtött adatok jellemzőin nem áll módunkban változtatni, sőt van, amikor technológiai, vagy adatvédelmi okok miatt erre később sem nyílik lehetőség. Ezért kell a hipotézisvizsgálatra lehetőséget adó módszerhez nyúlnunk, mert ha fel is ismerünk, illetve azonosítani tudunk egy jelenséget, a fogyasztói viselkedés mögött levő indokokat nem tudjuk mással megvizsgálni, mint a miértekre, hogyanokra választ adó piackutatással.

3.4.3 SAS® Ügyfélkapcsolat-menedzsment megoldások

Kik a legjobb ügyfelei? Mit tehet annak érdekében, hogy megtartsa őket? Hogyan tud hozzájuk hasonlókat megnyerni? Miként lehet az ügyféljövedelmezőséget javítani? A csökkenő pénzügyi erőforrások, és a bevételi tervek növekedésével kulcskérdéssé válik a válasz ismerete. Ahhoz, hogy a válasz megbízható legyen a naponta felgyülemlő, szétszórt ügyféladatokból kinyert ügyfélintelligenciára van szükség.

A SAS ügyfélkapcsolat-menedzsment megoldása segít Önnek hatékony ügyfélstratégiák kidolgozásában és bevezetésében, valamint az ügyféljövedelmezőség fokozásában. A díjnyertes Intelligencia Architektúrára épülő élenjáró analitikus CRM technológiák, a módszertanok és szolgáltatások együttesen teszik lehetővé az ügyfelek jobb megismerését, megértését.

A SAS CRM megoldása értéket ad vállalata számára, hiszen segíti az:

• Átfogó ügyfélkép kialakítását.

• Marketingkampányok megtérülésének maximalizálását.

• Ügyfél akvizíció és megtartási ráták javítását.


33

• Meglévő technológiai beruházások kiaknázását.

• Hosszútávú versenyelőny kialakítását.

Ügyfélkapcsolat-kezelés az SAP megoldásaival A piaci verseny megköveteli, hogy vállalatát Ön is minél inkább ügyfelei igényei felé navigálja. Versenyelőnyének megőrzését elősegíti, ha szegmentáltabban ismeri ügyfelei igényeit és azoknak pontosabban meg tud felelni.

Önnel együtt mi is azt tapasztaljuk, hogy ma a vállalati folyamatok középpontjában már nemcsak a pénzügy, a kontrolling, a logisztika vagy a termelés áll, hanem az értékesítés, az ügyfélszolgálat és a marketing is meghatározóvá vált. Ezen folyamatok informatikai támogatására az integrált vállalatirányítási rendszerek (ERP) fejlesztői, köztük az SAP AG is, kidolgozták az ügyfélkapcsolati (CRM) szoftver megoldásaikat.

Mely helyzetekben alkalmazhatóak az SAP CRM megoldásai? Az értékesítési, az ügyfélszolgálati és a marketing folyamatokat kiemelt figyelemmel kísérő vállalatvezetők egyre gyakrabban találják szembe magukat a hatékonyságot csökkentő alábbi ellentmondásokkal:

• A marketing osztály nem tud hatékony marketing kampányokat szervezni, mert a pénzügyi osztálytól, a szerviz részlegtől és az értékesítéstől kapott ügyféladatok hiányossága vagy ellentmondásossága miatt nem képes megfelelően összeállítani az egyes kampányok célcsoportjait.

• Az ügyfél már sokadszor telefonál be a központi telefonszámra, hogy hivatalos levelei még mindig a régi címére érkeznek, pedig ő már háromszor bejelentette adatai módosulást, és már azzal fenyegetőzik, hogy felbontja a szerződést.

• A területi értékesítők nem ismerik jól az újdonságokat; nem tudnak a helyszínen rugalmasan, a kiemelt ügyfelekre szabott ajánlatokat készíteni. Rengeteg idejük megy el adminisztrációval és jelentéskészítéssel; egyszerre három rendszerbe kell felvinniük ügyfél-információkat.

• Az értékesítési vezető nem látja tisztán a következő időszak várható üzleteit, árbevételeit; a szolgáltatási igazgató nem tudja megfelelően tervezni az erőforrásokat.

• A stratégiai vezetés az eddiginél pontosabban szeretné tervezni és mérni azon osztályok teljesítményét, amelyek az ügyfelekkel kapcsolatban állnak.

A felsorolt helyzetekben megoldást jelent egy olyan komplex SAP rendszer kialakítása, amely a következő alkotóelemekből épül föl:

• Egységes ügyfélkapcsolati stratégia kialakítása, amely összehangolt értékesítési, marketing, szolgáltatási, ügyfélszolgálati és partnerkapcsolati koncepciókból áll.

• Az ügyfélkapcsolati stratégiát megvalósító, a vállalat saját, egyedi folyamataira szabott integrált informatikai szoftver megoldás, a mySAP CRM bevezetése, illetve fejlesztése.

• A fentiek működését biztosító informatikai infrastruktúra tervezése és kialakítása.

3.4.4. SAP megoldások

Az SAP AG - a világ vezető ERP szoftvergyártója - üzleti partnereivel és ügyfeleivel közreműködve kifejlesztette a marketing, az értékesítés, az ügyfélszolgálat és a szerviz tevékenységek támogatására szolgáló mySAP CRM ügyfélkapcsolat-menedzsment megoldását, amely a vezető CRM megoldások közé tartozik.


34

A mySAP CRM az ügyfelekkel való kapcsolattartás minden fázisát és formáját támogatja: integrált informatikai megoldásokkal segíti a marketing osztályok feladatát az ügyfelek megszerzésében, támogatja az értékesítési tevékenység minden mozzanatát, megkönnyíti a szerviz és ügyfélszolgálati osztály munkáját az ügyfél kiszolgálásában, folyjanak ezek az interakciók akár telefonon, e-mailben, személyes kapcsolat során, vagy akár az Interneten keresztül.

Üzletfejlesztés

• Ügyfélfejlesztés

• Ügyfelek megtartása

• Piaci információk elemzése

• Több szintű kiszolgálás

A mySAP CRM más területeken A mySAP CRM megoldás alapelve, hogy az új, ügyfélközpontú folyamatokhoz új, ügyfélközpontú architektúrájú informatikai rendszerre van szükség. Így a mySAP CRM az SAP R/3-tól különálló rendszer, amely a központi ügyféladatbázis köré épül, és előre kialakított interfészek segítségével kapcsolódik az SAP R/3-as back-office rendszerhez, valamint a többi mySAP.com megoldáshoz, illetve egyéb, nem SAP rendszerekhez.

Marketing megoldások

• Kampány / Termékmenedzsment

• Marketingelemzés

• Telemarketing

• Internetes marketing

Értékesítés • Értékesítési menedzsment és támogatás

• Telesales

• Helyszíni értékesítés

• Internetes értékesítés

Szolgáltatások • Helyszíni szerviz

• Interaktív szervizközpont

• Internetes ügyfél önkiszolgálás

• Szerviz koordinációs központ

Elemzés és döntéstámogatás Az SAP analitikus CRM megoldás segít Önnek és vállalatának jobban megérteni meglévő ügyfelei igényeit; ezáltal képessé teszi Önt hatékonyabb kiszolgálásukra, valamint a potenciális ügyfelei megnyerésére is. Egy sor olyan elemző eszközt biztosít Önnek, amivel vevői állományát növelheti, az elvándorlók számát csökkentheti, és új vevőket csábíthat el a konkurenciától.

Az SAP analitikus CRM megoldások egyik fő jellemzője az integrálhatóság. A már meglévő külső rendszerekkel, továbbá a SAP GIS (Geographical Information System) földrajzi információs rendszerével és a mySAP egyéb termékeivel - adattárház (BW), stratégiai vállalati tervezés (SEM) - összekapcsolva, az ott tárolt adatok felhasználásával lehetőséget teremt a hatékonyabb elemzésekre.


35

A mindennapi munka összehangolása Az SAP operatív CRM megoldás a rendszert használó vállalat alkalmazottainak mindennapi, operatív munkáját segíti. Az előre definiált felhasználói szerepek között - melyekhez a jogosultságok kapcsolódnak - található üzletkötői, globális ügyfélmenedzseri, értékesítési képviselői, értékesítési asszisztensi, szervizmenedzseri, forródrót munkatársi, külső szervizmérnöki, marketingmenedzseri és még sok egyéb, melyekhez más-más funkciók rendelhetők a CRM megoldásban. A munkatársak, ügyfelek és üzleti partnerek a könnyen megtanulható és kezelhető portálokat a mySAP Workplace alapján saját személyes igényeikre szabhatják.

Az ügyfélkommunikáció kézbentartása Az SAP együttműködő CRM megoldásának leglényegesebb ismérve a kommunikációs csatornák egységes kezelése, valamint az ügyfelekkel való interaktív együttműködés a hosszútávú gyümölcsöző kapcsolatok fenntartása érdekében. A mySAP CRM képes kezelni a hagyományos érintkezési csatornák, a telefon és a levél mellett a modern, költséghatékony eszközöket is, mint az elektronikus levél, a fax, a webes felület, a webes interaktív chat, a WAP-os elérés és az SMS.

Külön érdemes megemlíteni a különböző mobil eszközöket, amik a személyes kontaktuson alapuló kommunikációt támogatják. A területi képviselők, kiemelt-ügyfél kereskedők, területi szervizes munkatársak feladatait támogatják a notebookokra, palmtopokra fejlesztett megoldások. Sajátosságuk, hogy önálló, csökkentett körű adatbázissal rendelkeznek, és azt alkalomszerű szinkronizálással frissítik a központi szerverről.

4. Döntéstámogatás, döntéstámogató eszközök és rendszerek

A döntéstámogató rendszer fogalmat olyan rendszerek leírására használjuk, amelyek támogatják, de nem helyettesítik a vezetőket döntéshozatali tevékenységükben. Ezeket a rendszereket általában részben strukturált döntéseknél használják, ahol emberi ítélet is szükséges. A jó döntéstámogató rendszert a nem professzionális felhasználó is kezelni tudja, az adatok elég széles skálájához biztosít hozzáférést, többféle modellezési és analizáló eszközzel rendelkezik. A döntéstámogató rendszerek fejlődése vezetett a (felső)vezetői információs, a csoportos döntéstámogató és a szakértői rendszerekhez.

A döntéstámogató rendszerek legnagyobb része a szervezeti szintű tevékenységet támogatja. Fejlődése a népszerű pénzügyi tervezési rendszerekkel kezdődött, később kiterjedt a piackutatásra, előrejelzésre, vállalati analízisre, stb. A személyi számítógépek elterjedése, és különösen a könnyen kezelhető statisztikai programcsomagok és táblázatkezelők megjelenése ösztönözte a személyi szintű támogatást biztosító döntéstámogató rendszerek elterjedését is. Az intézményi döntéstámogató rendszereket általában döntéstámogató csoportok fejlesztik ki, valamilyen döntéstámogató nyelvben. Régebben ezek nagygépes alkalmazások voltak, ma már azonban egyre inkább mikro gépekre készülnek. Az intézményi döntéstámogató rendszerek mellett gyakran készülnek ún. „ad hoc” rendszerek is, ezek korlátozott alkalmazhatósággal rendelkeznek, és rövid idő alatt elkészíthetők. Az ilyen „ad hoc” rendszerek azért hasznosak, mert egyrészt a vezetők rajtuk keresztül megismerkedhetnek ezzel a technikával, másrészt végül is bizonyos típusú döntéshozatalt támogatnak, továbbá használatuk során kiderül, hogy érdemes-e egy igazi döntéstámogató rendszert készíteni, ezenkívül támogatást nyújtanak a vezetői döntésekhez, ha nincs idő egy teljeskörű döntéstámogató rendszer elkészítésére. Az „ad hoc” döntéstámogató rendszerek jelentés generátorok, rövid elemző programok lehetnek, vagy készülhetnek DSS generátorok segítségével.

A jelentés generátorok a vezetőket speciálisan érdeklő adatok kiválasztására, összegzésére és kilistázására szolgálnak. A kiválasztott adatokon az összegzésen kívül általában csak néhány


36

egyszerű aritmetikai műveletet kell elvégezni. Amennyiben grafikát is használnak, akkor trendek és varianciák is megjeleníthetők. Egyrészt azt lehet mondani, hogy a jelentés generátorok még hosszú ideig a leginkább használt döntéstámogató rendszerek maradnak, másrészt viszont belőlük nőttek ki a vezetői információs rendszerek.

A rövid elemző programok általában kis, 80-100 soros programok, melyeket akár maguk a vezetők is meg tudnak írni, itt az adatokat kézzel is be lehet vinni. Egyszerűségük ellenére igen hatékonyak tudnak lenni.

A DSS generátorok olyan eszközök vagy programozási nyelvek, amelyek segítségével gyorsan lehet döntéstámogató eszközöket készíteni. Ezek a termékek tartalmaznak programozási nyelveket, interfészeket és további olyan szolgáltatásokat, amelyek egy-egy konkrét „ad hoc” döntéstámogató rendszer elkészítésénél segíthetnek.

Míg korábban az egyszemélyi döntéseket támogató rendszerekre koncentráltak, ma egyre inkább a csoportos döntést támogató rendszerek megvalósításával foglalkoznak (GDSS – Group Decision Support Systems). A csoportos döntéshozatal előnye a nagyobb össztudás, a rendelkezésre álló nagyobb információ, több lehetséges alternatíva figyelembe vétele, a kidolgozott megoldások elfogadásának nagyobb valószínűsége, a folyamatban résztvevők részéről a probléma és a megoldás jobb megértése. Minden résztvevőnek lehetősége kell legyen a többiektől független munkavégzésre úgy, hogy bármikor közzétehesse, a többiek számára hozzáférhetővé tehesse az eddig elvégzett munkáját. A csoportos döntéstámogató rendszerek részei az adatbázis, a modellbázis, a speciális alkalmazói programok, a jó felhasználói interfészek és végül maga az emberi komponens. További szolgáltatások szükségesek a csoporton belüli kommunikáció támogatására, ilyenek az elektronikus levelező rendszerek, az egyidejűleg többek által írható (konzultációs) munkaállomások, a videó konferencia rendszerek, a gondolatok és a szavazások grafikus összegző rendszerei.

A döntéstámogató rendszerek legújabb generációja a mesterséges intelligencia eszközök körébe tartozó szakértői rendszer. Szakértői rendszereknek azokat a tudásalapú rendszereket (KBS – Knowledge Based Systems) szoktuk nevezni, amelyek szakértői ismeretek felhasználásával magas szintű teljesítményt nyújtanak egy problémakör kezelésében. A tudásalapú rendszereknél a problématerületet leíró ismeretek explicit formában, a rendszer többi részétől elkülönítve, az ún. tudásbázisban vannak tárolva. Ennek megfelelően egy szakértői rendszernek alapvetően három komponense van: a felhasználói interfész, a következtető gép és a tudásbázis. A felhasználói interfész definíciója a szokásos, általában valamilyen grafikus felület. A következtető gép a rendszer azon komponense, amely a tudásbázist felhasználva többlépéses logikai következtetéseket képes végrehajtani. Végül a tudásbázis tartalmazza a felhasználási területre vonatkozó tényeket, adatokat és ismert összefüggéseket, következtetéseket – ez utóbbiakat általában „ha, akkor” jellegű szabályok formájában. Egy szakértői rendszer hasonló javaslatokat tud adni, mint az (emberi) szakértő, kérdéseit megmagyarázza (WHY funkció), javaslatait megindokolja (HOW funkció), bizonytalan helyzetben képes meghatározott bizonyosság mellett elfogadható válaszokat adni. A tudásalapú rendszerek tudásbázisában a tárgyköri ismeretek szimbolikusan vannak tárolva, a feladatmegoldás pedig szimbólum-manipulációk révén történik.

A számítógépes információrendszerek egyik nagyon fontos válfaját alkotják a döntéstámogató rendszerek (DTR), angol elnevezést használva Decision Support Systems (DSS). Döntenünk kell az élet minden területén, döntéseink rövidebb vagy hosszabb távon meghatározzák további életünket, tevékenységünket – s ha vezető funkcióban vagyunk – mások életének kereteit is. Döntéseink információkon alapulnak, amelyeket felhasználva választunk a kínálkozó lehetőségek közül.


37

Nyilvánvaló, hogy a menedzserek döntéshozatala azokon az információkon alapul, amelyeket sikerül nekik összegyűjteniük. Itt egyaránt gondolnunk kell ezeknek az információknak mennyiségére és minőségére. A teljeskörűség és a relevancia egyaránt követelmény volt a hagyományos, nem számítástechnikán alapuló információrendszerekben és napjaink informatikai forradalmában is. A globalizációs és integrációs tendenciák fényében, a világ felgyorsulásának korában persze már elképzelhetetlen a döntéshozatal, a jó döntések meghozatala adekvát információs rendszerek használata nélkül.

Az üzleti szervezetek felépítésének legkülönbözőbb formái is megőrizték a hagyományos hierarchikus modellből a vezetés kitüntetett szerepét, függetlenül a szintek és kapcsolódások számától és kialakításától. Az üzleti szervezetek minden szintjén felmerül az igény a megfelelő információkra, ezek gyűjtésére, tárolására és feldolgozására. (Pontosabban az adatok gyűjtésére, s ezek feldolgozásával az információk kinyerésére.)

4.1. A döntéstámogató rendszerek használatának előnyei

Milyen előnyöket várhatunk a döntéstámogató rendszerektől? A legfontosabb tényezők a következők:

hatékonyabb döntéshozatal (minőség) költségcsökkentés a döntéshozók közötti jobb kommunikáció a vezetők (döntéshozók) gyorsabb betanulása

Nem szabad persze kritikátlanul elfogadni egy rendszer eredményeit. Magának a döntéstámogató rendszernek a minőségétől is függ az eredmény értéke, felhasználhatósága. S gondoljunk a minden számítástechnikai, informatika rendszer alapösszefüggésére, a GIGO (Garbage In, Garbage Out=szemét be, szemét ki) elvre, mely szerint az eredmény a bevitt adatok minőségétől függ.

Winograd és Flores 1986-ban megjelent könyve alapos kritikai elemzést ad a döntéstámogató rendszerek használatáról. A szerzők szerint a DTR felhasználói által vétett leggyakoribb hibák a következők:

túlhangsúlyozzák a DTR-ek szerepét az adatok pontosságának és fontosságának feltételezése az objektivitásba vetett hamis illúzió

4.2. Mintapélda

Tekintsünk példaként egy kisüzemet, amelyik ajándéktárgyakat gyárt, mondjuk karácsonyra. Ha túl keveset gyártanak, akkor a készletük hamar elfogy, esetleg már 3-4 héttel az ünnep előtt, s tetemes nyereségtől esnek el, ami a le nem gyártott ajándéktárgyak eladásából származna. ha viszont túl sokat gyártanak, akkor rosszabbik esetben dobhatják el az egészet, jobbik esetben csak a tárolást kell megfizetni a következő karácsonyig, amikor is újra lehet próbálkozni az eladással. A tárolás azonban lehet nagyon költséges, s nincs igazán garancia arra, hogy a vásárlói szokások nem változnak meg a kárukra egy év alatt.

Milyen információra lenne szüksége a kisüzemnek? Nyilván arra, hogy mennyi ajándéktárgyat lehet eladni az év karácsonyán? Természetesen nem rendelkeznek ezzel az információval. Megbecsülhetik a várhatóan eladható mennyiséget, de ez a becslés igen bizonytalan. Éppen ezért a döntés kockázatos lesz. Hogy mennyire az a körülményektől függ. Bizonyos kockázat még


38

viszonylag stabil piacon is előfordul. Ha a gyártó biztosra akar menni, akkor kevesebbet termel, tehát kevesebb lesz a haszna, de ezzel együtt a kockázata is. Ha nagyratörő tervei vannak, akkor sokat nyerhet, de sokat veszthet is. Egy számítógépes döntéstámogató rendszernek csak akkor fogja hasznát venni, ha az képes ilyen típusú, azaz bizonytalan kimenetelű döntések támogatására.

Nagyléptékű ipari alkalmazásokban, ahol egyáltalán érdemes költséges döntéstámogató rendszereket használni, szinte mindig jelen van a bizonytalanság, a kockázat. Szerencsére az operációkutatás és az informatika rendelkezik olyan módszerekkel, amelyek képesek megbirkózni ilyen problémákkal. Hasonlóan nehéz olyan döntések hozatala, ahol nem rendelkezünk a döntéshozatalhoz szükséges valamennyi információval. Mondani sem kell, hogy az ilyen helyzetek vannak túlnyomó többségben. Azonban az ilyen problémák is kezelhetők a modellezés kifinomult módszereivel.

4.3. DÖNTÉSHOZATAL

4.3.1 A döntéshozatal modelljei

A döntéshozatal olyan folyamat, melynek során különböző cselekvési alternatívák közül választunk bizonyos cél vagy célok elérése érdekében. Herbert Simon szerint a vezetői tevékenység szinonimája a döntéshozatalnak, hiszen mind a tervezés, szervezés, ellenőrzés, általában a vezetői feladatok végső soron döntések meghozatalában nyilvánulnak meg.

Felmerül a kérdés, általánosságban a feladatmegoldás hogyan viszonyul a döntéshozatal folyamatához. Ennek vizsgálatához bontsuk fel részeire a döntési folyamatot.

A döntési folyamat részei:

1. feladat-meghatározás és adatgyűjtés,

2. tervezés,

3. választás,

4. megvalósítás.

Az irodalomban két koncepciót találhatunk arra nézve, hogy mely mozzanatok alkotják a problémamegoldást ezek közül. Az egyik szerint a problémamegoldás a fentiek közül a 4., amelyhez az 1-3. lépésből álló döntési folyamat vezet, a másik szerint a két elnevezés ugyanazt a fogalmat takarja, s e szerint problémamegoldásnak tekinthetjük a fenti lépések sorozatát együttesen. Mi ez utóbbi nézetet támogatjuk, mivel egy komplex probléma megoldása nem korlátozható csupán a végrehajtás utolsó, valóban nagyon fontos tevékenységére. Ezt a szemléletet erősíti az is, hogy a megoldandó problémák nem egyediek, sorozatban lépnek föl, ill. az egyik megoldása indukálja a következőt, így azt egységes folyamatként kezelve komplexebb és kifinomultabb módszertant tudunk hozzárendelni.

A problémamegoldás elméleti megközelítésének régóta ismert (egészen pontosan Francis Bacon angol tudósig visszamenő) modellje szerint a tudományos kutatás alapvető lépései a következők:

1. Megfigyelés

2. A probléma meghatározása, definiálása

3. Egy hipotézis megfogalmazása

4. Kísérletezés


39

5. Ellenőrzés, “jóslás”

Newell és Simon 1972-ben írott, a "Human Problem Solving" című már klasszikusnak számító könyvükben megkülönböztetnek jól és rosszul strukturált problémákat. Az előbbiekben a megoldás rutinszerű, az utóbbiakban nincs ismert és egyértelmű megoldási módszer.

Ennek alapján a jól strukturált problémák megoldására a következő lépéssorozatot szokták javasolni:

a) Az információ összegyűjtése,

b) A lehetséges kimenetek egy teljes halmazának megkeresése,

c) E halmaz minden egyes eleméhez hozzárendelni a egy "kívánatossági fokot",

d) A legkívánatosabb kimenetel kiválasztása,

e) A választás igazolása, ellenőrzése.

A probléma csak az, hogy a gyakorlatban felmerülő kérdések természete sokszor nem jól strukturált, s így nem alkalmazhatók a régi, jól bevált eljárások. Az új, ismeretlen szerkezetű, nagyfokú bizonytalanságot tartalmazó feladatok esetén másfajta módszerekre lenne szükségünk. S éppen ez a helyzet a vezetői feladatok nagy részével, annál inkább, minél magasabb szinten előforduló döntésekről van szó.

H. Mintzberg 1976-ban írt Nem-strukturált döntési folyamatok strukturálása c. cikkében éppen e miatt a következő három lépést javasolta a döntési folyamatban:

1. Identifikálás fázisa

2. Fejlesztés fázisa

3. Választás fázisa

Itt az identifikálás a probléma, az igazi probléma meghatározásával kezdődik, majd az erre vonatkozó információk minél teljesebb összegyűjtése után kerül sor annak az elméleti modellnek a kidolgozására, amellyel többé-kevésbé hűen reprezentálhatjuk feladatunkat.

Ebben a szemléletben annak a felismerése tükröződik, hogy gyakran nem lehet minden releváns információt összegyűjteni, az összes kimenetel meghatározása és azok értékelése nagyon bonyolult lehet, ha egyáltalán megoldható. Ez megfeleltethető az általunk a fejezet elején adott négy lépés közül az első háromnak, s a jól strukturált feladatok öt lépcsős modelljének is (1=a, 2=b,c, 3=d,e), így egységes elméleti keretet alkothat.

A döntéselmélet hagyományosan a problémamegoldás explicit, teljesen leírható feladatok racionális megoldása alapján állt. Ennek kiváló megalapozását és összefoglalását adja M. Tribus (1969) Rational Descriptions, Decisions and Design című könyve.

Ennek alapján a racionális döntéshozatalnak a következő kritériumai vannak.

1. Konzisztencia

Ha döntéshozatalkor kettő vagy több (megengedett) technikát használnak, a lehetséges eredmények, következmények ugyanazoknak kell lenni.


40

2. Folytonosság

Ha valaki a módszertan alkalmazásával két, nagyon hasonló döntést hoz, akkor a döntések eredményei úgyszintén nagyon hasonlóknak kell lenni.

3. Univerzalitás

A módszertannak általánosan alkalmazhatónak kell lenni üzleti és nem üzleti döntések egy széles körére és nem csak specifikusan a döntések egy osztályára.

4. Egyértelműség

Csak egyértelmű és explicit információk alapján kapunk eredményt.

5. Nincs visszatartott információ

Ha bizonyos információk vissza vannak tartva és csak később használhatók fel, akkor döntési javaslat menetközben lényegesen módosulhat.

Jól látható ezeknek a kritériumoknak a szigorúsága, a gyakorlati élet vezetési és nem csak vezetési döntési szituációinak egy jó része (és a fontosabb része) nem fér bele. Az erre a kihívásra adott válaszként dolgozta ki Herbert Simon 1977-ben megjelent könyvében a korlátozott racionalizmuson alapuló elméletét.

4.3.2 A döntési folyamat szakaszai

4.3.2.1. Feladat-meghatározás és adatgyűjtés fázisa

Habár a problémák jelentkezése általában igen feltűnő szokott lenni, mégis az első lépés logikailag a fennálló helyzet folyamatos figyelése, monitorozása, hogy legyen összehasonlítási alapunk a problémás és problémamentes időszakokról. Ehhez definiálni kell a normális, ill. kívánatos állapotot, az egyéni ill. szervezeti célokat.

A probléma észlelése annak tudatosodása, hogy a meglevő és a kívánt állapot között eltérés van, s az ezzel való elégedetlenség ennek megszűntetésére sarkall.

A legfontosabb feladat a probléma azonosítása, az eltérések valódi okának, okainak kiderítése. Sajnos nagyon gyakran nehéz megkülönböztetni a problémát annak szimptómáitól.

Pl. egy vállalatnál a nyereségesség csökkenése jelzi, hogy valami baj van, de hogy az eladások visszaesése, vagy a ráfordítások növekedése, illetve azok milyen tényezőkre visszavezethető okai, annak kiderítése egyáltalán nem egyszerű.

A probléma azonosítása után látszólag a legegyszerűbb a vele kapcsolatos adatok begyűjtése. Azonban ez egyáltalán nem így van. Nehézséget okozhat a problémával kapcsolatos adatok meghatározása, teljeskörűségének biztosítása, különösen az előrejelzése, egyáltalán a relevancia érvényesülése.

A következő lépés a problémák osztályozása a strukturáltság szerint. Herbert Simon vezette be a jól ill. rosszul strukturált problémák fogalmát annak alapján, hogy azok programozhatóak vagy sem. A programozhatóak azok, amelyek rendszeresen ismétlődőek, s ezért már kidolgozott metodika van a megoldásukra, szemben a ritkán és váratlanul jelentkező ismeretlen, vagy túl komplex megoldású


41

feladatokkal. Programozhatóak pl. a munkatevékenységek ütemezése, a számlázás, stb. Nem programozható pl. egy kutatás elvégzése, egy vállalat átszervezése vagy a tőzsdén való játék.

Éppen a nem, vagy rosszul strukturált problémák megoldásának támogatása a legfontosabb feladata a döntéstámogató rendszereknek.

Amennyiben lehetséges, a problémát részproblémákra bontjuk, mivel gyakran a részprobléma önállóan elemezve könnyebben megoldható. A probléma dekompozíciónak ez a módszere azonban csak körültekintéssel használható, szerencsétlen esetekben a rosszul felbontott részproblémák megoldása nem alkalmazható az eredeti feladatra.

Az igazi probléma azonosításakor az sem mellékes, hogy megtudjuk, ki a probléma tulajdonosa, kinek a számára probléma a probléma. Ez leggyakrabban a szervezeti felépítéssel kapcsolatos, a rossz szintre adresszált problémával nem lehet mit kezdeni.

4.3.2.2. Tervezési fázis

Ennek a fázisnak a feladata megtalálni, kifejleszteni és elemezni a lehetséges cselekvési alternatívákat. Ez a probléma mély megértését, a megoldásváltozatok kialakítását és tesztelését jelenti.

Ehhez el kell vonatkoztatni a probléma felszíni jegyeitől és meg kell találni a mélyebben rejlő összefüggéseket, vagyis absztrakció segítségével szimbolikus formába kell önteni. Ezt hívjuk modellezésnek.

A modellek megválasztása rengeteg, gyakran nem tudatosuló előfeltevést hordoz magában, s ezek gyakran jobban meghatározzák a kapott eredményeket mint a számszerűsítéshez felhasznált adatok. A modellezés hátterében álló koncepciók, iskolák, szaktudományos sőt filozófiai eredmények kikerülhetetlenek az eredmények értékelése, az azokon alapuló döntések meghozatala kapcsán.

A modellezés legfontosabb aspektusai:

elmélet alapok, struktúra komponensek kritériumrendszer alternatívagenerálás előrejelzés mérés szcenáriókészítés

A modellek lehetnek:

normatívak, leírók kielégítők

Normatív modellek: az optimális (bizonyíthatóan a legjobb) megoldás megkeresése a cél.

Három fő változata van:


42

a leghatékonyabb változat keresése fix ráfordítások mellett a legalacsonyabb költségű változat keresése a megadott hatékonyság mellett a legmagasabb produktivitás keresése, azaz a célok elérése és a ráfordítások aránya optimális

A normatív modellek feltételrendszere:

Az emberek gazdasági alanyok, kiknek célja az elérhető célokból származó hasznosság maximalizálása. A döntéshozó mindig racionális.

Egy adott döntési szituációban mind a lehetséges alternatívák, mind a hozzájuk rendelhető akciók és következmények ismertek, de legalább az előfordulási valószínűségeik adottak.

A döntéshozónak világos preferencia-sorrendje van, ami lehetővé teszi számára a kívánatos kimenetelek rangsorolását.

E feltételek teljesülése korántsem nyilvánvaló - vagy igazolni kell az adott szituációban, vagy az elhanyagolásukkal keletkező bizonytalanságot kell figyelembe venni.

Gyakori megoldási stratégia a feladat részekre bontása, de ennek a korlátaival is tisztában kell lenni.

A szuboptimalizáció egy probléma egy részének optimalizálása. Ez nem mindig vezet az egész probléma optimális megoldására. A szervezet egy adott részlege számára optimális döntés figyelmen kívül hagyva a szervezet többi részét összességében csökkentheti a teljes szervezet hatékonyságát.

A leíró modellek esetében nem az összes alternatíva következményeit, hanem azoknak csak egy részhalmazát tekintjük át. Ezen adott alternatívák közül a legjobb nem feltétlenül azonos az optimálissal, de lehetséges, hogy nem is annak a megkeresése a cél. Gyakran elégséges lehet egy elfogadható megtalálása is.

Simon kritikája szerint az emberek nem optimális, hanem kielégítő döntéseket hoznak ill. csak ilyeneket tudnak hozni.

A kielégítő döntés az időhiány, erőforráshiány, költségek, az optimalizáció nehézségei miatt gyakran szükségszerű. Simon szerint az emberi döntések csak korlátozottan racionálisok - az emberek nem képesek a valós élet minden szituációjában racionálisan dönteni

Alternatívák generálása

Az alternatívák generálása viszonylag hosszú folyamat, amely keresést és kreativitást igényel (brainstorming). Az egyik alapvető kérdés: mikor kell abbahagyni a keresést?

A DSS-ekben ez általában manuálisan történik, az ES-ekbe automatikusan bevan építve egy megfelelő leállási kritérium.

Az alternatívák kimeneteleinek értékelése függ a modelltől és az adatoktól.

Biztos kimenetel a teljes információn alapuló, ezt determinisztikusnak nevezzük. Valószínűségi vagy sztochasztikus a részleges információn alapuló, ekkor általában csak rövid időtávra mondhatunk valamit, azt is csak fenntartásokkal - ekkor kalkulálni kell a kockázatot is. Bizonytalanságról beszélünk, ha csak minimális információ áll rendelkezésre - a döntéshozó a kimenetelek valószínűségeit sem ismeri.


43

Scenariókkal próbáljuk egy adott időpontban egy adott rendszer működési környezetéről kialakított feltételrendszer mellett megvizsgálni a rendszer működését, kvalitatív eltéréseket modellezni.

Ennek tipikus változatai:

a legrosszabb eset, a legjobb eset, a legvalószínűbb eset

leírása és elemzése.

9. Ábra:

4.3.3. Választás fázisa

A választás fázisa a keresésből, kiértékelésből és megoldás kiválasztásából áll.

A keresési szakaszra számos technika létezik, felsorolva őket:

analitikus technikák: matematikai eszköztár, optimális megoldás, strukturált problémák algoritmusok: lépésről lépésre történő keresési módszer a kívánt eredményállapot elérése a cél a lehetséges lépések a kiinduló állapotból a célállapotba (keresési út)

keresési technikák:

vak keresés (nagy problémákra alkalmatlan) heurisztikák (gyorsabb és olcsóbb, mint az előző)

A keresés iránya lehet:


44

cél-orientált - az alapadatokból kiindulva a lehetséges végállapotokat kutatja adat-orientált - a végállapotból indul ki és a hozzá szükséges előfeltételek keresi kombinált - keveréke az előző kettőnek.

Értékelés

Az eredmények, alternatívák kiértékelése nagyon sok nehézséget rejt magában. Tudni kell, mit mértünk, miben mértük, miért optimalizáltuk és hogyan. Ráadásul a legtöbbször nem lehet egyetlen célváltozó meghatározásra visszavezetni a problémákat. A többszörös célok esetén nem egy optimalizálandó cél van, hanem több, amelyek egymásnak is ellentmondhatnak, s ellent is mondanak.

Ezek kiküszöbölésére számos megoldási módszert dolgoztak ki - hasznosságelmélet, célprogramozás, lineáris programozás (célok mint feltételek), pontozási rendszerek stb., de ezek csak korlátozott esetekben használhatok, bizonyos helyzetekben nincs egyértelmű megoldás.

Ha van is megoldás, a következő problémákat kell megoldani:

nehéz explicit célhierarchiát felállítani az adott vállalatnál különböző résztvevőknek mások a célprioritásai a döntéshozó is változtathatja céljait az idővel és a körülmények változásával a szervezet különböző szintjei és részlegei más és más célokkal rendelkeznek a célok maguk is változnak a környezet kihívásaival nehéz pontos kapcsolatot találni az alternatívák és célok tekintetében

Az eredmények elvileg a modellből és a megoldási eljárásból fakadóan helyesek, mégis ellenőrzésre és legfőképpen érzékenységvizsgálatra van szükség velük kapcsolatban.

Az érzékenységvizsgálat lehet:

automatikus - a modell szolgáltatja, próba-hiba módszerű, "mi van akkor, ha" analízis - adott inputhoz milyen output tartozik, célkeresés - ennek esetén adott alternatív célokhoz a megfelelő inputok meghatározása és

vizsgálata, kritikus sikertényező elemzés: a vállalat céljainak elérésében legfontosabb tényezők elemzése a

modellen keresztül.

Ezeknek a vizsgálatoknak az egyik kulcstényezője a töréspontok felderítése.

4. Megvalósítás fázisa

Mindig a legnehezebb dolog, mert a kiválasztott megoldást át kell ültetni a gyakorlatba, s még ha nem is itt ugranak ki a modell gyengeségei, akkor is minden változás ellenállást szül, ill. a modellben optimális megoldás megvalósítás után nem biztos, hogy "optimális" marad.

4.3.4. A döntési folyamat támogatása

A döntési folyamat fenti lépéseit a különböző vezetést támogató rendszerek segíthetik - különböző módokon.


45

10. Ábra:

Adatgyűjtés fázisa - adatbázis kezelés, riport generálás, adatfeldolgozás - MIS, EDP, EIS, ES, DSS

Tervezés fázisa - alternatíva generálás, előrejelzés készítés - DSS, ES

Választás fázisa - lehetséges megoldások felismerése, érzékenységvizsgálat - DSS (nem dönt, csak ajánl változatokat) ES (dönt és indokol is)

Megvalósítás fázisa - alátámasztja a döntést, segít a kommunikációban, magyarázatban, igazolásban - DSS, ES

11. Ábra:


46

4.3.5. EGYÉNI DÖNTÉSHOZATAL

A döntéshozó intuíciója, preferenciái, szubjektív értékelése és tapasztalatai lényegesek a döntéshozatal tényleges lefolytatása során.

Emberi megismerési és döntési stratégiák

A kognitív folyamat az a folyamat, melynek során az egyének feloldják a világról alkotott belső képük és a valóságról érkező információk különbségeit . Ez sohasem befejezett, egyetlen aktus, hanem az egyén mindennapi tevékenységébe beágyazott, attól elkülöníthetetlen folyamat.

A kognitív folyamat stílusa lehet:

perceptív – általánosító, a kapcsolatok, összefüggések feltárását előtérbe helyező, ill. receptív – a részleteket vizsgáló, a specifikumokat hangsúlyozó megközelítés.

Másik oldalról nézve lehet szisztematikus vagy intuitív a munkastílusa valakinek, ahogy az adatokat, információkat feldolgozza.

12. Ábra:


47

A különböző stílusok nagymértékben befolyásolhatják az adott személy és döntéseinek kapcsolatát, milyen modelleket választ, azok eredményeit hogyan értékeli, hogyan hajtja végre a döntéseit, stb.

Ennek ismerete fontos a döntéstámogató rendszer szempontjából is, egyrészt, hogy milyen humán interface-t, másrészt, hogy milyen belső szerkezetet igényel a MSS-től az adott döntéshozó.

Sikeres menedzser az, aki jókor, azaz jó időben jó lépéseket tesz, jól cselekszik.

Az emberi probléma megoldás mind heurisztikus, mind transzformációs elemekből áll. A szimbolikus logika e második típus kiragadása és önálló fejlesztése, amelynek számítógépes megvalósításai az ún. produkciós rendszerek. Ezek tanulmányozásával kezdetben nagy sikereket lehet elérni az emberi problémamegoldás vizsgálatában, modellezésében, de egy szint felett már elégtelenek.

A heurisztikus problémamegoldás belső szerkezete nem ismert – ezért is hívjuk ezzel az eufemisztikus kifejezéssel, mindenesetre jellemzők rá a logikai ugrások, az analógiák, a váratlan, ihletett megoldások (és tévedések).

A produkciós rendszerek szimbólummanipulációs technikák, gyakran a formális logika kibővítései, de általánosságban egy zárt világ elemeinek transzformációs szabályrendszereként határozhatók meg.

Egy egyszerű logikai transzformáció az a következtetés pl., hogy ha az A személy B anyja és B a C személy anyja, akkor A csak C nagyanyja lehet.

A produkciós rendszerek erejét (mert “vakon”, valódi megértés nélkül, szimbólummanipulációval dolgozva éri el az eredményeket) a vizeskancsó problémával illusztráljuk.


48

4.3.6. SZERVEZETI DÖNTÉSHOZATAL

4.3.6.1 Csoportos döntések

Sok esetben a döntéshozatal nem egyetlen ember feladata és kiváltsága, hanem több ember kell, hogy meghozza a döntéseket. Tárgyalás, alkudozás, megegyezés szükséges.

4.3.6.2 Döntéstámogatás és működési környezet

A döntéstámogató rendszereknek nemcsak egy vállalat, egy cég igényeivel, szükségleteivel kell foglalkozniuk, hanem az egyes (cégen belüli) osztályok, sőt az egyes alkalmazottakéval is.

Vizsgálhatjuk a vállalatok tágabb környezetét is, egész a kormányzati társadalmi szintekig, bár manapság még egyáltalán nem jellemző ezeken a szinteken a döntéstámogató rendszerek használata.

A következő szintek, funkcionális részrendszerek esetében lehetne elképzelni DSS támogatást:

ipar

fogyasztók szállítók versenytársak

munkaügy

szakszervezetek munkanélküliség termelékenység

pénzügy

pénzügyi intézmények részvényesek

kormányzat

kamatlábak közkiadások infláció

társadalom

környezetvédelmi kérdések nemek egyenjogúsága gyermekgondozás egészségügy

Egy üzleti szervezet célja tevékenységeinek tervezése, működtetése és ellenőrzése a cég meggazdagodása céljából. A tervezés biztosítja, hogy cég mindig a nyereségesség irányába haladjon, illetve, hogy jól felkészülve legyen a nehéz időkre. Az ellenőrzés, a felügyelet azt


49

biztosítja, hogy a mindennapi tevékenységek a cég életében jól menjenek. Ez a két funkció szervesen összekapcsolódik.

4.3.6.3 Döntések típusa Vezetői szint

stratégiai felső taktikai közép működtető alsó

H. Mintzberg egy 1975-ben a Harvard Business Review-ban megjelent cikkében azzal érvel, hogy egy menedzser idejének egy tekintélyes részét olyan egyéb tevékenységekkel tölti, amelyek nem tartoznak a szervezés, tervezés, ellenőrzés és felügyelet.

A csoportos döntéstámogató rendszerek (GDSS) kifejlesztésekor számos kísérlet történt arra, hogy az individuális döntésekkel foglalkozó elméletet csoportokra próbálják alkalmazni. Csoportokra, melyek egyedeinek egymástól többé-kevésbé eltérő érdekei és preferenciái lehetnek.

A döntéselmélet módszertana azt igényli, hogy a döntéshozó egyrészt felállítson egy preferencia sorrendet, azaz sorba tudja rendezni a felmerülő alternatívákat a saját szempontjai szerint, másrészt ezen alternatívákhoz valamilyen módon valószínűségeket tudjon hozzárendelni.

Csoportokkal foglalkozva nyilvánvaló, hogy sokkal nehezebb közös érdekről és csoportpreferenciáról beszélni. Kézenfekvőnek tűnhet többségi szavazással eldönteni a kérdéseket. Mint az alábbi példa mutatja, ez nem mindig lehetséges.

4.3.6.4. DSS ÉS GDSS

A szervezetek döntési folyamatának számítógépes támogatására korán megszületett az igény, párhuzamosan a szervezetek információfeldolgozásának automatizálásával. A fejlődés egy evoluciós pályát futott be párhuzamosan a technológiai lehetőségek kiszélesedésével.

A kezdeti MIS-ek a „Mi a helyzet?” kérdésre kívántak válaszolni a rendelkezésre álló adathalmaznak a standard TPS szolgáltatásokat meghaladó feldolgozásával. A következő fokozatot a prediktív MIS -ek jelentették a „Mi történik, ha ?” kérdések kezelésével, végül igazán DSS-nek a „Milyen alternatíva a legjobb?” kérdésére válaszoló rendszert tekintjük. (Ez a változás egyszerű funkcióbővülésként indult, de minőségileg új rendszer alakult ki.)

4.3.7 A DSS-ek definiálása

A DSS-ek definiálására többféle megközelítés van, a követelmények, a funkciók ill. a technológia szintek felől kiindulva.

Little szerint egy DSS olyan, modelleken alapuló eljárások halmaza, amely az adatok feldolgozásához és kiértékeléséhez, a vezetés döntéshozatalához nyújt segítséget.

Jellemzői ezen felül a következők:

egyszerű a szerkezete, nagy volumenű adatot tud kezelni, könnyen ellenőrizhető, módosítható,


50

fontos kérdésekben teljes körű, egyszerűen használható.

Alter a DSS-eket a TPS-ekkel szembeállítva definiálja, különböző nézőpontok szerint.

Paraméter DSS TPS

használat aktív passzív

felhasználó vezetők beosztottak

Cél hatásosság hatékonyság

Időtáv jelen és jövő múlt

fő szempont rugalmasság konzisztencia

Moore és Chang a döntési probléma rosszul strukturált voltát hangsúlyozza, kiegészítve a döntéshozók egyéni helyzetével.

Jellemzői ezen felül a következők:

bővíthető, képes ad-hoc értékelésekre és modellezésre, jövőorientált, alkalmazható váratlan szituációkban is.

Bonczek három egymáshoz kapcsolódó részrendszerként definiálja a DSS-eket:

kommunikációs rendszer – a felhasználó és a DSS között tudás rendszer – adatok és eljárások gyűjteménye problémamegoldó rendszer – az eljárások alkalmazása az adatokon.

Látható, hogy minden szerző másra helyezi a hangsúlyt. Mi a következő definícióban megpróbáljuk az előzőek releváns részeiből megalkotni saját meghatározásunkat:

DSS-ek azok a döntéshozatal folyamán használható számítógépes rendszerek, amelyek a strukturált és kevéssé strukturált feladatok megoldásához is segítséget nyújtanak a beépített döntési szabályok és modellek felhasználásával, s ezeket a felhasználó is módosíthatja, vagy bővítheti. A DSS tehát komplex döntési szituációk megoldásában segít, növelve a döntések hatásosságát.

4.3.8. DSS tulajdonságok

Ahhoz, hogy egy DSS a célját elérje, szükséges olyan tulajdonságokkal rendelkeznie, amelyek elsősorban a funkcionálisan helyes működést garantálják, másodsorban a kényelmes kezelhetőséget a sokrétű problémaszituációkban, valamint a rugalmasságot és továbbfejleszthetőséget. Ezek pontokba szedve a következők:

Dinamikus együttműködés a számítógép és az ember között,


51

A különböző vezetői szintek támogatása, Egyéni és csoportos döntési folyamatok támogatása, Elkülönülő és láncolt döntések kezelése, A döntési folyamat végigkísérése, Különböző döntési stílusok és technikák támogatása, Rugalmasság és adaptivitás, Barátságos felhasználói felület, Hatásosság, Teljeskörű felhasználói kontroll, Fejleszthetőség – belső és külső Végfelhasználói fejleszthetőség

4.3.9. A DSS részei

Egy DSS-nek a rendelkezésre álló adatokból az adott szituációt modellezve kell az emberi döntéshozóval együttműködve megoldási alternatívákat előállítani és értékelni. Ennek értelmében egy DSS a következő alrendszerekből áll:

Adatkezelő alrendszer – tartalmazza a döntéshez szükséges adatokat, ill. kapcsolódik a szervezeti TPS-hez vagy külső adatbázisokhoz

Modellkezelő alrendszer – a rendszer elemző képességét biztosítja különböző területek matematikai modelljeinek felhasználásával.

Kommunikációs alrendszer – a felhasználó és a rendszer kapcsolatát biztosítja.

Ezek az alrendszerek mindegyike számos további részekre, funkciókra bontható.

13. Ábra:


52

Adatkezelő alrendszer

Az adatkezelő alrendszer biztosítja a külső adatbázisokhoz való hozzáférésen kívül a saját adatainak tárolását, feldolgozását, ezeknek egységes és konzisztens adatszótárba rendezését és a lekérdezések elvégzését. Részei így a következők:

DSS adatbázis Adatbáziskezelő rendszer Adatszótár Lekérdezés

DSS adatbázis

Az adatbázisokban a rendszeresen ismétlődő, jól meghatározott szerkezetű és logikai kapcsolatokkal rendelkező adatokat, adatszerkezeteket tároljuk.

Az idők folyamán több különböző adatbázismodell alakult ki, ezek a következők:

rekord-alapú – egyszerű adatállományok, hasonló szerkezetű adatrekordokból, hierarchikus – az adatok logikai hierarchiába vannak szervezve, hálós – ugyanazon az adathalmazon több hierarchia is érvényesül egyidejűleg, relációs – az adatok egyedek tulajdonságainak mátrixába vannak rendezve, objektum-orientált – objektumok tulajdonság rendszerének segítségével tárolja az adatokat.

A különböző adatbázismodellek a valóságos objektumokból különböző szemlélet alapján absztrahálva hozzák létre és tárolják, kezelik az adatrendszereket. Az ábrázolás és kezelés akkor kényelmes, ha az absztrakció szemlélete jól megfelel a valóságos objektumoknak. Pl. hierarchikus viszonyok ábrázolására a hierarchikus adatbázisok hatékonyak. De pl. a többféle hierarchiát is tartalmazó objektumok esetében elégtelen lehet, s ekkor már hálós adatbázisra van szükség.


53

Jelenleg a legelterjedtebb adatbázis modell a relációs, amellyel a legtöbb szituáció jól kezelhető, de úgy tűnik, az objektumorientált modellre szép karrier vár.

A DSS-adatbázisban a szervezet belső tranzakcióinak aggregált adatai, más belső és külső adatforrásokból származó adatok, valamint a felhasználók személyes és egyéni adatai vannak. Ezeknek a kialakítása különböző módon történhet, a fő kérdés a centralizáltság ill elosztottság foka, az információkhoz való hozzáférés köre, szintjei és jogosultsági rendszere, valamint a külső adatbázisokból való adatkinyerés (extrakció) megszervezése.

14. Ábra:

Adatbáziskezelő rendszer

Az adatbáziskezelő programrendszerek a különböző adatmodellekre optimalizálva készülnek, skálájuk az olcsó íróasztali gépeken futó verzióktól kezdve az országos statisztikai adatgyűjtéseket kezelő nagygépes (mainframe) rendszerekig terjed.

Funkciói a következők:

A DSS-adatbázis elérése, adatok kinyerése, Gyors adatfelújítások, Különböző forrásokból származó adatok együttes kezelése Lekérdezések, riportok generálása, Az adatok biztonságának garantálása,


54

Személyes és szervezeti adatok alternatíváinak kezelése Az adathasználat nyilvántartása

A végfelhasználók számára az adatbáziskezelő műveletek nagy része rejtett, s annak is kell lennie. Nincs arra szükség, esetleg csak a rendszergazdák számára, hogy beleavatkozzanak az adatok tárolásának, felújításának technika részleteibe. Az adatbáziskezelő által kikeresett adatok a végfelhasználó által használt jelentéskészítők, ad-hoc lekérdezések vagy modellek inputját alkotják.

Adatszótár

A belső és külső adatok egységes kezeléséhez szükséges kialakítani egy olyan adatszótárt, amely maga is mint (speciális) adatbázis tárolódik, amellyel a tárolt és felhasznált adatok forrása, állapota, kapcsolatai leírhatók és felhasználhatók.

Lekérdezés

Alapvető funkció, amelyen keresztül lehet az adatokat elérni, a lekérdező nyelvek szorosan kapcsolódnak az adatbázis kezelőkhöz és adatbázis modellekhez, valamint a DSS kommunikációs alrendszeréhez.

Modellkezelő alrendszer

Formailag hasonló részekre bontható, mint az adatbáziskezelő alrendszer:

Modellbázis Modellbáziskezelő rendszer Modell szótár Modell végrehajtás

4.3.10. Modellbázis

A modellbázis tartalmazza azokat különböző (statisztikai, pénzügyi, stb.) modelleket, amelyekkel az analitikus feladatait elláthatja egy DSS. Ezeket kell tudni alkalmazni, módosítani, kombinálni a feladatok függvényében.

A modelleket a felhasználási szint és funkció szerint csoportosíthatjuk:

Stratégiai, Taktikai, Működtetési,

valamint

Modell blokk, ill. Szubrutin

típusúakra.


55

A stratégiai modellek a felső vezetők stratégiai tervezését szolgálják, inkább leíró, mint optimalizációs szerkezetűek. Hasonló részfeladatokat látnak el, mint az EIS (Felsővezetői információs rendszerek) modelljei.

A taktikai modellek a középvezetők igényeit elégítik ki, az erőforrások allokálásának és a kontrollnak a támogatásával. Általában a szervezetek funkcionális részeihez kapcsolódnak.

A működtetési modellek a mindennapi tevékenységek megszervezését segítik a szervezetben , a napi munkafolyamatok ütemezését, a források biztosítását, stb.

Mind a három modell szinthez, a modellek átalakítására, módosítására adnak lehetőséget a modell blokkok és szubrutinok. Ilyenek pl. a regressziós analízis, klaszteranalízis, stb. blokkok, vagy a véletlenszám generátor, jelenérték számító szubrutin stb. Önállóan is felhasználhatok bizonyos adatelemzési célokra, de alkalmasak nagyobb modellek felépítésére is.

A modellek osztályozhatók felhasználási terület (pénzügy, munkaügy, stb.), valamint elméleti alapok szerint is (statisztikai, optimalizálási, stb.) Ezek részletezése több száz típusra vezetne, ezzel most nem foglalkozunk.

15. Ábra

Modellbáziskezelő rendszer

A modellbáziskezelő rendszernek kell létrehoznia a modelleket a meglevő blokkokból és szubrutinokból, bővíteni a blokkok készletét, a modelleket és a hozzájuk szükséges adatokat kezelni, a részmodelleket összekapcsolni.

Modell szótár


56

Funkciója hasonló az adatszótáréhoz, katalogizálja a modelleket, tartalmazza a modelldefiníciókat, tájékoztatja a felhasználókat a modellek lehetőségeiről és hozzáférhetőségéről. Arra persze csak gyakorlat vezetheti rá a felhasználót, hogy milyen esetekben mely modellek a jók. A szakértő rendszereknek itt tág tér nyílhat ennek a választásnak a segítésére.

Modell végrehajtás

A modellek aktuális futását vezérli, valamint a különböző modellek összekapcsolását, az inputok és outputok átirányítását.

Kommunikációs alrendszer

Ez a komponens biztosítja a felhasználó és a rendszer kapcsolatát, vezérli az interakciókat, felelős a használat kényelmességéért és hatékonyságáért. Ennek minősége meghatározója lehet egy DSS elterjedésének vagy háttérbe szorulásának, függetlenül a többi komponens minőségétől.

A kommunikációs folyamat három részre bontható, az utasításnyelvre, a válasznyelvre és az ezek használatát leíró szabályrendszerre.

Az utasításnyelv elemei azok ez eszközök, amivel utasítani lehet a rendszert, azaz a billentyűzet gombjai, az egér, érintő képernyő, botkormány, optikai leolvasó sőt hangérzékelő és értelmező.

A válasznyelvet a rendszer használja a felhasználó informálására az eredményekről, részeredményekről, amellyel utasítást, választást kér. Ebbe beletartoznak a különböző output perifériák, mint a képernyő, nyomtató, hangszóró, ill. ezek felhasználásának módja. Mikor milyen grafikai vagy hangeffektusokat használjon a rendszer, s hogyan függ össze ezekkel a döntéshozó pszichológiai beállítottsága?

E nyelveknek a szabályrendszere ismert kell legyen a felhasználó számára, papíron vagy online help formájában mindig elérhetően.

A felhasználó

Egy DSS-t a felhasználó különböző módokon alkalmazhat a döntési folyamat támogatására, illetve különböző státuszú felhasználók léphetnek a rendszerrel kapcsolatba.

Alter szerint a tipikus felhasználási módok a következők:

Előfizetői mód – a döntéshozó rendszeresen elkészített jelentéseket vár el a rendszertől, s nem is interaktívan.

Hivatalnoki mód – a döntéshozó változó tartalmú jelentéseket készíttet a rendszerrel, de azt offline módon készíti elő.

Terminál mód – a döntéshozó interaktívan használja a rendszert kérdés-felelet szekvenciákon keresztül.

Közvetítéses mód – a döntéshozó másokon keresztül, stábja erre kijelölt munkatársai közvetítésével használja a rendszert, nem ismerve a megoldás és a rendszer részleteit. Ennek a módszernek az elterjedtsége a vezetők számítástechnikai képzettségének növekedésével, ill. a DSS rendszerek használatának egyszerűsödésével a jövőben csökkeni fog.

A közvetítőket három csoportba lehet sorolni, lehetnek:


57

DSS asszisztensek – a vezető stábjának a döntéstámogató rendszerekkel való kapcsolattartásra specializálódott tagja,

Specialisták – egy-egy üzleti szakterület szakértője, aki a DSS rendszerek segítségével készíti elő szakvéleményét,

Szakértők – egy-egy modellezési módszer szakértője, az ő segítségével lehet a speciálisabb modelleket kidolgozni, ill. megoldani.

DSS hardver és szoftver

A DSS-ek a legtöbb hardver elemen futhatnak, a különbségek a feladat nagyságából, bonyolultságából, időigényéből fakadhatnak.

A sok felhasználót kiszolgáló, nagy erőforrásokat mozgósító rendszereket inkább nagygépekre ajánlatos telepíteni, míg az egyfelhasználós, kis adatbázist használó társaikat lehet asztali számítógépekre. A lokális hálózatok alkalmasak egy határig a nagygépek kiváltására, de mindig a konkrét helyzet analizálása alapján kell a megfelelő kompromisszumot kialakítani.

Steven Alter nyomán megkülönböztetjük a döntéstámogató rendszerek 7 szintjét.

Javasló rendszerek (suggestion systems) Optimalizáló rendszerek Reprezentációs modellek Könyvelési modellek Elemző információs rendszerek (analysis information systems) Adatelemző rendszerek Adatkezelő rendszerek (file drawer systems)

Adatkezelő rendszerek Egyszerű lekérdezések, szabálytalan időközökben

Adatelemző rendszerek Periodikusan, vagy szabálytalan időközökben végzett adatmanipulációs tevékenység.

Elemző információs rendszerek Szabálytalan időközökben, vagy felkérésre végzett adatelemzés kisebb modellekkel.

Könyvelési modellek Rendszeres időközökben végzett, standard modelleken alapuló elemzési, előrejelzési számítások.

Reprezentációs modellek Periodikus, vagy ad-hoc elemzések bizonyos részleges hatású lépések várható eredményeiről.

Optimalizáló rendszerek Periodikus, vagy ad-hoc elemzések bizonyos lépések várható eredményeiről optimalizáló modellekkel.

Javaslattevő rendszerek A napi munkafolyamatok irányítását segítő egyszerű döntési modellek alapján ad javaslatokat.


58

Egy komplexebb DSS-ben természetesen ezek a mozzanatok keverten fordulnak elő.

4.3.11. Csoportos döntéstámogató rendszerek

Az eddigiekben eltekintettünk attól az egyáltalán nem elhanyagolható körülménytől, hogy a döntések legtöbbször nem egymástól függetlenül, hanem döntéshozók és csoportjaik interakciója sorozataként fordulnak elő. Erre utal Hackathorn és Keen osztályozása, amely szerint a döntési folyamat három fő típusa:

független döntéshozás, független részdöntések sorozata, csoportmunkát követelő döntéshozás.

Gyakorlatilag minden döntés valamilyen rendszerben értelmezhető, ezek közül a legfontosabb típus a szervezet.

Szervezetnek nevezzük egyének olyan csoportját, amely relatíve folyamatosan és stabilan áll fenn egy változó környezetben, normatív vezetési renddel, információs rendszert felhasználva tevékenykedik bizonyos közös célok érdekében, amelyet ösztönzők közvetítenek a tagjai felé.

A szervezeti döntéshozatal – habár a szervezetek döntő többsége hierarchikus – egy elosztott tevékenység, amelynek lényeges eleme a konszenzus.

Definíció

A Csoportos döntéstámogató rendszer (GDSS=Group Decision Support System) egy olyan számítógép alapú információs rendszer, amely képes nemstrukturált problémák megoldásához segítséget nyújtani döntéshozók együtt dolgozó csoportjának. Egy GDSS-t hardver, szoftver és az alkalmazott módszerek és emberi résztvevők jellemeznek.

A hardver elemek nyilvánvaló részén túl – monitor vagy hálózatba kapcsolt asztali számítógép – a leglényegesebb elem annak biztosítása, hogy egymás eredményeivel megismerkedhessenek a döntéshozó csoport tagjai. Ezt egy közös kivetítő is biztosíthatja, de gyakoribb a hálózatok segítségével egymás gépének a képernyőjét használni erre a célra.

A szoftver komponens a szokásos DSS felépítés mellett (Adatbáziskezelő alrendszer, Modellbáziskezelő alrendszer, Kommunikációs alrendszer) funkcionálisan ki kell bővüljön, hogy a közösen használt és kezelt adat- és modellbázis elemeknek egyéni kezelését is lehetővé tegye, valamint a csoporttagok egymással és egymás modelljeivel kapcsolatos kommunikációs igényeit is kielégíthesse.

A tipikus csoportot érintő feladatok a következők:

A csoporttagok szavazatainak, véleményének, modelleredményeinek numerikus és grafikus összegezése. (Nem feltétlenül összeadása – fontos lehet a megoszlás is)

A döntési alternatívák közös értékelése, az ötletek anonim gyűjtése, és szelektálása, csoportvezető választás és más konszenzust igénylő akciók lebonyolítása.

Az információk összes formájának továbbítása a csoporttagok között ill. információcsere a GDSS rendszer adatbázisával.


59

Az alkalmazott módszerek egy GDSS-ben magukban foglalják a hardver és szoftver elemekre vonatkozó eljárásokon kívül a csoport tagjainak interakciójára, eljárásrendjére vonatkozó szabályokat is.

Végül egy GDSS nem függetleníthető az abban résztvevő emberektől, döntéshozóktól. Különösen fontos a szerepe a moderátornak, aki a rendszer zökkenőmentes, hatékony felhasználásáért felelős.

GDSS tipológia

A csoportok támogatásának kezdeti nagyon magas költsége főként a kormányzati, nagyvállalati körben tette csak lehetővé érdemi rendszerek kialakítását. A folyamatos kutatómunka és technológiai fejlődés eredményeképpen egyre szélesebb körben kezdik használni a különböző típusú csoportos döntéstámogató rendszereket:

Döntési termek – ezek a hagyományos tárgyalótermek elektronikus megfelelői, ahol minden résztvevőnek rendelkezésére áll egy terminál vagy asztali számítógép, amellyel elképzeléseit modellezheti és a csoport nyilvánossága elé bocsájthatja.

Döntési hálózat – itt helyi hálózat segítségével valósul meg a kommunikáció a csoport tagjai és a GDSS szoftver(ek) között. Fontos megjegyezni, hogy ebben az esetben nem kell a közös helyiség és időpont foglyaivá válniuk a résztvevőknek. Ez persze személyesség eredménynövelő faktorát is kiiktatja.

Távkonferencia – itt két vagy több döntési terem kapcsolódik össze telekommunikációs és informatikai csatornákon. Erre nagy földrajzi távolságok esetében és audió- ill. videó kommunikáció szükségessége esetében lehet szükség.

Távoli döntéshozatal – ebben a jelenleg inkább elméleti variációban a döntéshozók csoportjának munkahelye, irodája van felszerelve a döntési termek technológiájával, s így az egymástól esetleg nagy távolságra levő vezetők a hely egyeztetéstől szabadon, csak az időkorlátokra ügyelve tudnak egymással ad-hoc vagy rendszeres kommunikációt folytatni.

A GDSS viszonya a DSS-hez

Minden GDSS tartalmazza a szokásos DSS tulajdonságokat, s a csoporttámogatás követelményéből fakadóan a következőket is:

a csoporttagok közötti kommunikáció lehetőségét, a szavazási, pontozási, értékelési technikákat, a konszenzus kialakításának eszközeit, több technológiai kiegészítőt.

S ennek következményeképpen tovább tart az elkészítése, felállítása, valamint az esetenkénti használatba vétel ideje is.

4.3.12. DSS ALKALMAZÁSOK

*OPTRANS OBJECT

Az OPTRANS OBJECT egy francia DSS fejlesztő környezet, amely a döntési folyamat valamennyi fázisában segíti a fejlesztőt. Az alábbiakban a legfontosabb jellegzetességeit emeljük ki ennek a szoftvernek.


60

i) A generátor szerkezete

A generátor legfontosabb részrendszerei (erőforrásai):

az adatbáziskezelő rendszer a riportgenerátor a modellező nyelv a fájlkezelő rendszer a statisztikai algoritmusok eszköztára és a felhasználói interfész.

Minden részrendszerhez egy ablak tartozik. Egy DTR alkalmazáshoz egy alkalmazási fájl, a változónevek egy halmaza, fejléccímkék és paraméter nevek társulnak. A rendszernek van egy lekérdező processzora és egy megoldó (solver) könyvtára. A felhasználó egy parancsablakon, menükön, ablakokhoz tartozó lokális menügombokon, párbeszéd ablakokon, editoron keresztül kommunikál a rendszerrel.

Visual IFPS/Plus

Az IFPS az Interactive Financial Planning System rövidítése, vagyis a név egy interaktív pénzügyi tervező rendszert takar. Olyan problémaorientált negyedik generációs nyelvről van szó, amely bármely tervezési, illetve elemzési feladatra használható, feltéve hogy „spreadsheet” típusúak a felhasznált információk. Számos beépített üzleti függvényt tartalmaz, így pl. nettó jelenérték számítás, értékcsökkenés meghatározása, loan amortization, belső megtérülési ráta, stb. A plus szó a beépített adatbáziskezelési lehetőségekre utal. Az IFPS egy „spreadsheet” formájú matematikai modell létrehozására alkalmas eszköz.

Megadjuk a probléma (az üzleti rendszer) matematikai leírását (a feltételek és a változók közötti relációk matematikai leírását). Az IFPS modellben a felhasználó matematikai egyenletei az üzleti tevékenységek közötti kapcsolatok logikáját írják le, ez adja a modell logikáját. Az IFPS modell nagyon hasonló egy programhoz, amelyet BASIC-ben, FORTRAN-ban, C-ben, vagy egyéb nyelven írtak. Ennek ellenére az IFPS felhasználóinak nem kell programozóknak lenniük, sokkal inkább érteniük kell az üzleti tervezéshez, illetve elemzéshez. Következésképpen az IFPS-ben a felhasználó logikája adja a modellt, nem egy számítógépes program.

Az IFPS hasznos olyan döntési eljárásokban is, amikor nem precízen definiált problémáról van szó, amely több változót tartalmaz, komplex relációkkal és bizonytalanságokkal. A modell olyan további információkat is ad az elemzőnek, mint a különböző döntések lehetséges hatásainak vizsgálata, a különböző alternatívák közötti választások elősegítése stb. Az IFPS modell könnyen létrehozható és egyszerűen értelmezhető. A kezdeti modell a későbbiekben tetszés szerint bővíthető, a környezet változásainak megfelelően a modellt könnyű módosítani.

Automatikus spreadsheet funkciók

Az IFPS megengedi a táblázat formájában adott pénzügyi beszámolók, megoldások létrehozását. A sorok illetve az oszlopok elnevezése tetszőleges lehet, általában az oszlopok jelölik az egyes időszakokat, illetve tervezési szinteket, a sorok pedig a változókat, vagy tervezési szinteket (nincs előre definiált sor, illetve oszlop rendszer). A táblázat használható a kezdeti IFPS modell létrehozására.

Döntéstámogató rendszerek és az IFPS


61

Az IFPS döntéstámogató rendszerek létrehozására alkalmas számítógépes eszköz. Az eddigiekkel összhangban azt mondhatjuk, hogy a döntéstámogató rendszerek interaktív, rugalmas, adaptív számítógépes információs rendszerek, amelyek döntési szabályokat, modelleket, adatbázisokat és a döntéshozó saját elméleteit használják fel. Így a számítógépes rendszer segíti a managereket a döntéshozásban. Természetesen a döntéseket nem az IFPS modell hozza, hanem a managerek.

Ahogyan az alábbi ábra is mutatja a számítógépes DSS három legfontosabb funkciója: az adatbáziskezelés, statisztikai analízis és modellezés. Ezek a komponensek külön-külön nem nevezhetők DSS-nek. Olyan számítógépes eszközök, amelyek segítenek az adott problémára vonatkozó DSS-t létrehozni. Az IFPS nem azonos egy DSS-sel, olyan DSS generátor, illetve eszköz, amely az adott speciális szituációban segíti a DSS kifejlesztését.

16. Ábra:

Az IFPS felépítése

Az IFPS több komponensből áll, amelyek mindegyike különböző feladatok elvégzésére alkalmas. Az alábbi ábra mutatja az IFPS rendszer struktúráját.

17. Ábra


62

A legfelső szint a végrehajtói szint, a három legfontosabb alrendszer pedig a modell, jelentés, és adatfile alrendszerek.

A modell alrendszer

Ez az IFPS-nek az a része, amelyben létrehozzuk a modellt. Itt hajtjuk végre a modellre vonatkozó számításokat, itt adjuk meg a modellben felvetett problémára a megoldást. Ebben a részben vannak a kiértékelésre vonatkozó funkciók is.

A jelentés alrendszer

Ez a rész az IFPS jelentések írását támogató része. Itt definiálhatók a jelentések stilisztikai jellemzői és egyéb olyan jellemzők, amelyek a külső megjelenítést határozzák meg.

Az adatfile alrendszer

Ez az alrendszer lehetővé teszi az adatmanipulációt, a modelltől függetlenül.

Áttekintés

A Visual IFPS egy kliens szerver szoftver. A kliens Dos vagy Windows környezetben használható, a szerver Windows NT, UNIX, vagy mainframe környezetben. Windows NT használata esetén, lehetséges az, hogy a kliens és a szerver egy gépen legyen.

ÖSSZEFOGLALÁS

A különböző vezetői munkát támogató információs rendszerek egyre inkább felhasználják egymás eredményeit, beillesztik a számukra is szükséges technológiákat, eszközöket. Egyre inkább érződik, hogy a kombinált, ún. hibrid eszközök előretörése jellemző, amely a szervezet vezetésének, a döntések meghozatalának minden aspektusát tudják támogatni.

Mivel ez a tendencia a különböző vezetői szintek feladatainak támogatásában is megnyilvánul – tehát a megfelelő információs rendszerek segítségével kevesebb vezetőre és kevesebb szintre van szükség. Ez leginkább a középvezetőket fenyegeti, az ő munkájukat tudják átvenni a döntéstámogató és szakértő rendszerek segítségével az alsó ill. felsőbb vezetők.

A döntéstámogató rendszerek változást hoznak a vállalatok, szervezetek működésében, a vezetők munkakörnyezetében is. Ezek a következőkben foglalhatók össze:


63

Munkakör bővítés – több feladatot tud ellátni a vezető, Munkakör gazdagítás – élvezetesebb lesz a munka.

Mindezek óhatatlanul visszahatnak a szervezeti kultúrára is, a szervezetek felépítése ennek függvényében egyre inkább fognak támaszkodni a különböző információs rendszerekre, köztük a döntéstámogató rendszerekre is.

Ennek társadalmi, kulturális kihatása ma még beláthatatlan, de reméljük, hogy megfelelő egyensúly kialakításával az eredménye nem a falanszterek világa lesz.

Vezetői információs rendszerek -...

Documents

Transcript of Vezetői információs rendszerek -...