MBIS

Gordana Radić

UPRAVLJANJE POSLOVNIM INFORMACIONIM SISTEMIMA

BANJA LUKA, 2009.

UPRAVLJANJE POSLOVNIM INFORMACIONIM SISTEMIMA Autor: Doc. dr Gordana Radić Recenzenti: Prof. dr Dušan Starčević Prof. dr Zoran Ž. Avramović Izdavač: Panevropski univerzitet "APEIRON" Banja Luka 1. izdanje, godina 2009. Odgovorno lice izdavača, DARKO Uremović Urednik: ALEKSANDRA Vidović Lektor: LIDIJA Dizdar Prelom: DUŠAN Stranatić Štampa: "ART-PRINT", Banja Luka, d.o.o., grafika - dizajn - marketing Banja Luka Odgovorno lice štamparije: VLADIMIRA Stijak- Ilisić Tiraž 500 primjeraka EDICIJA:

Informacione tehnologije -Information technologies Knj. 9

ISBN 978-99938-29-99-7

"Obrazovanje je saputnik kojeg ni jedno razmišljanje o buducnosti ne može deprimirati ni jedan zločin ne može uništiti, ni jedan neprijatelj ga od tebe ne može udaljiti, ni jedan nepotizam ga ne može zarobiti." Autor nepoznat

Upravljanje poslovnim lnformacionim sistemima

1. 1.1. 1.2. 1.3. 1.3.1. 1.4. 1.5. 2. 2.1. 2.2. 2.3. 2.3.1. 2.4. 2.4.1. 2.4.2. 2.4.3. 2.4.4. 2.4.5. 2.4.6. 2.5. 2.6. 2.6.1. 3. 3.1. 3.2. 4. 4.1. 4.1.1. 4.2.

UVOD ................................................................... 3 Globalizacija .............................................. 6 Informaciono društvo .................................. 8 Informacione tehnologije ........................... 13 Računarske mreže ..................................... 20 Podatak i informacija ................................ 32 Znanje ...................................................... 43 ORGANIZACIJA I MENADŽMENT .................... 46 Šta je menadžment .................................... 56 Ko su menadžeri ....................................... 59 Upravljanje............................................... 66 Proces donošenja odluke ........................... 68 Organizacija koja uči................................. 70 Socio-ekonomske promene ........................ 72 Novi model organizacije ............................ 77 Novi izazovi za korporativne lidere ............ 79 Novi izazovi za korporativne menadžere resursa ...................................................... 81 Novi izazovi za zaposlene u preduzeću ....... 84 Kompetencije menadžmenta i centralno motivisanje ............................................... 88 Virtuelna organizacija ............................... 89 Upravljanje kvalitetom – QMS .................. 99 Total Quality Management – TQM .......... 102 POSLOVNI INFORMACIONI SISTEMI ............ 107 Sistemi za podršku odlučivanju ................ 116 Izvršni sistemi za podršku odlučivanju ..... 118 UPRAVLJAČKI INFORMACIONI SISTEMI ..... 120 Menadžment poslovnih informacionih sistema – MpIS ................................................... 124 Upravljanje informacijama ...................... 126 ERP – Sistem za planiranje i upravljanje .. 128 1


4.3. 4.3.1.

BI – Poslovna inteligencija ...................... 140 CRM – Customer Relationship Management ..

.............................................................. 146 4.3.2. BPM – Upravljanje poslovnim procesima 151 4.3.3. KM – Upravljanje znanjem ...................... 161 4.3.4. HRM – Upravljanje ljudskim resursima .... 174 4.3.5. DW – Skladište podataka......................... 177 4.3.6. DM – Data mining .................................. 217 4.3.7. OLAP – proces analitičke obrade podataka230 4.3.7.1. OLAP funkcije u programu Excel ............ 243 4.4. AI - Veštačka inteligencija ...................... 249 4.4.1. DSS - Sistemi za podršku odlučivanju ...... 261 4.4.2. ES - Ekspertni sistemi ............................. 266 4.5. IDEF metode modeliranja........................ 273 4.5.1. IDEF0 metoda ........................................ 277 5. SKRAĆENICE ................................................... 287 6. POJMOVI .......................................................... 291 LITERATURA ............................................................... 297

2


1. UVOD Osnove upravljačkih informacionih sistema, MIS1-a, jesu različite discipline kao što su teorija informacija, teorija sistema, teorija komunikacija, kibernetika2, matematika, programiranje i programski jezici, teorija računarskih sistema i mreža i druge srodne discipline. Danas su važni sistemi i modeli podataka u realnom vremenu, a zasnivaju se na multimedijalnoj dimenziji informacije i na digitalnim sistemima komunikacije. Poslovni informacioni sistemi postaju sve kompleksniji. Informacione tehnologije se razvijaju velikom brzinom i u mogućnosti su da prate većinu promena koje se dešavaju u društvu, da podrže mnoge zahteve koji se postavljaju pred organizacije i poslovne sisteme, bilo da su to veliki, srednji ili mali sistemi. Menadžeri, sagledavajući poslovne procese u svojoj organizaciji i probleme koji ih prate, definišu svoje zahteve za ključnim informacijama potrebnim za donošenje efikasnih i efektivnih poslovnih odluka. Projektanti poslovnih informacionih sistema, podržanih informacionim tehnologijama, moraju da uvaže zahteve i potrebe menadžera. U cilju stvaranja kvalitetnih upravljačkih poslovnih informacionih sistema analitičari i projektanti informacionih sistema treba da koriste najnovije informatičke alate, metode i procedure. Informacioni sistem preduzeća, bilo da je podržan informacionim tehnologijama ili ne, zahteva reinženjering poslovnih procesa. Analitičarima i projektantima su na raspolaganju savremene metode i standardi za modeliranje

1 2

Management Information Systems Kibernetika je teorija komunikacija i postupaka upravljanja kod uređaja i živih bića.

3


poslovnih procesa, a menadžmentu je na raspolaganju softver za upravljanje tim procesima. Menadžerima velikih, srednjih ili malih preduzeća na raspolaganju su, u zavisnosti od nivoa podrške informacionih tehnologija, savremeni softverski proizvodi. Ovi softverski paketi omogućavaju prikupljanje i obradu informacija u cilju donošenja poslovnih odluka. U svakoj poslovnoj organizaciji moraju se razjasniti neke nedoumice u smislu definisanja i modeliranja poslovnih procesa koristeći savremene IDEF standarde kao i izbeći zablude da je rešenje „ključ u ruke“ najbolje. Nijedno softversko rešenje poslovnog sistema nije toliko univerzalno da se može primeniti u svim organizacijama. Svaka organizacija ima svoje specifičnosti koje treba ugraditi u softversko rešenje. Zbog toga je veoma važno da stručnjaci iz preduzeća i tim projektanata naprave zajedničku analizu poslovnih procesa i postave model rešenja poslovanja preduzeća pomoću poslovnog informacionog sistema podržanog informacionim tehnologijama. Postojeći poslovni informacioni sistem neće se unaprediti ako se samo zameni hardversko i softversko okruženje. Ono se može unaprediti reinženjeringom uz korišćenje savremenih CASE3 alata. Interaktivan i konzistentan uvid u informacije omogućavaju OLAP tehnologije, skladišta podataka i „rudarenja“4. Da bi se uopšte govorilo o upravljačkim informacionim sistemima potrebno je poći od informacije i njenih karakteristika koje definišu razmenu između različitih objekata – objekta koji šalje i objekta koji prima informaciju.

3 4

Computer Aided Software Engineering Data Mining – DM

4


Veliki uticaj na upravljačke sisteme imaju globalne promene koje nameću nova „pravila“ ponašanja u svetu informacionih tehnologija. Stoga ću početi sa fenomenom globalizacije i informacionog društva kao nove paradigme života i rada.

5


1.1.

Globalizacija

Globalizacija, globalni svetski poredak, još juče nam je delovala tako daleko i strano kao da se događa u nekom drugom svetu, kao da se dešava nekim drugim ljudima, a ne nama. Danas globalizacija postaje nova sudbina, sila koja pokreće konce svakodnevnog života5. Svet nacionalnih ekonomija, koji je vladao pet vekova i izgledao večit, pripada prošlosti. Nezadržive ekonomske sile, transnacionalni finansijski kapital, korporacije i svetski ekonomski gigant Međunarodni monetarni fond (MMF) pretvaraju nacionalne ekonomije u svoje lokalne jedinice. Drugim rečima, ovu savremenu globalizaciju pokreću ekonomski motivi, koncept otvorenog društva zasnovanog na načelima civilnog društva, građanske demokratije, ljudskih prava, i kulturnih raznovrsnosti baziranih na vrednostima nacionalnih tradicija. Globalizacijom nestaju nacionalne države, njihova autonomija i suverenitet. Informatičko-medijska revolucija i njeni kulturni proizvodi kao što su TV serije, vesti i filmovi najavljuju, nažalost, kraj nacionalne kulture i identiteta. Demokratija i tržište postali su univerzalna socijalna formula koja preovladava na svim prostorima sveta, umesto višepolarnog stvoren je uniformni, unipolarni svet. Najzad, globalizacija označava i širenje istovetnih formi, industrijalizma, a zatim i postindustrijalizma, na gotovo celokupni socijalni prostor. Definisanje globalizacije kao objektivnog planetarnog procesa, iako bitno, nije i jedino. Njena druga i presudna dimenzija oslikana je u socijalnoj dimenziji koju globalizacija

5

T. Friedman (1999): The Lexus and the Olive Tree, Understanding Globalization, Farrar Straus Giroux, New York.

6


poprima. Postavlja se vrlo važno pitanje načina na koji će doći do uključenja u ovaj globalni proces.

7


1.2.

Informaciono društvo

Savremeni svet započinje proces transformacije iz industrijskog u informaciono društvo, a informaciono društvo6 je društvo u kojem su ekonomski i kulturni život vezani za IKT – informaciono-komunikacione tehnologije (Information and Communication Technology). Razvijene informacionokomunikacione tehnologije su osnova i pokretač novog društvenog poretka. Osnovna karakteristika postindustrijskog, informacionog društva ogleda se u činjenici da u njemu znanje i informacije postaju ključni motivatori predstojećeg društvenog razvoja. Za ljude, svesna bića, razmena informacija je oduvek bila od izuzetnog značaja. Završni dokument prve faze Svetskog samita o informacionom društvu7 održanog pod pokroviteljstvom Ujedinjenih nacija u Ženevi, nudi sledeću definiciju koncepta informacionog društva: Informaciono društvo je društvo u kome svako može da stvara, pristupa, koristi i deli informacije i znanje, omogućavajući tako pojedincima, društvima i narodima da razviju svoje potencijale potpuno u promociji sopstvenog održivog razvoja i unapređenju kvaliteta života.8 Ovakvim pristupom se naglašava korišćenje ljudskih potencijala jer današnje vreme je vreme informacionokomunikacionih tehnologija do kojih se došlo primenom najboljih ideja i dostignuća dosadašnjih napredovanja raznih naroda i oblasti. Naše društvo danas zovemo i informaciono društvo, kako bismo istakli rastući uticaj informaciono6

Information Society. WSIS Declaration of Principles and Plan of Action. 8 Declaration of Principles. Building the Information Society: a global challenge in the new Milenium. Document WSIS03/GENEVA/DOC/4-E, 12. decembar 2003. 7

8


komunikacionih tehnologija (IKT), društvo u kojem su jeftina informacija i IKT u širokoj upotrebi, ili društvo znanja9, da bi se istakla činjenica da najveću dobit donosi investicija u nematerijalno, ljudski i socijalni kapital, i da su znanje i kreativnost ključni faktori razvoja društva. Ovo novo društvo nudi velike mogućnosti: nove mogućnosti za zaposlenje, novo oruđe za obrazovanje i trening, lakši pristup javnim servisima, veće uključivanje ljudi sa posebnim potrebama i veće povezivanje regiona. Termin informaciono društvo pojavljuje se sedamdesetih godina dvadesetog veka, a posebno je prisutan u poslednje dve decenije. Razvoj društvenih i tehnoloških formacija, mreža, koje karakterišu informaciono društvo, počinje već sa revolucijom matematičke logike dvadesetih i tridesetih godina XX veka ili tek kasnije, razvojem kibernetike kao opšte teorije sistema. Još 80-ih godina prošlog veka, često korišćen termin informaciono društvo postaje ključni opis socijalnog, kulturnog, ekonomskog i tehničkog koncepta današnjeg sveta. U Evropi se na pojavu informacionog društva gledalo kao na prirodni razvoj evropske liberalne tradicije ili kao na američku tehnološku modernizaciju. U razvijenom informacionom društvu, kreacija, distribucija i manipulacija informacijama postaju značajne ekonomske i kulturne aktivnosti. Posedovanje odgovarajućih informacija u pravom trenutku danas, više nego ikada, znači uslov za prednost u bespoštednoj ekonomskoj trci. Brzina i sama efikasnost razmene informacija omogućile su znatno povećanje osetljivosti aktera ekonomije i na najmanje tržišne promene – trenutnu reakciju na uočeni nepovoljan razvoj događaja.

9

Knowledge Society.

9


Slika 1. Razvoj ekonomije i društva Informacije10 i znanja11 su oduvek bili vezani za ljudsko društvo i bili pokretači njegovog napretka. Danas, zahvaljujući prednostima informaciono-komunikacionih tehnologija, znanje neometano kruži, bez obzira na geografske i vremenske udaljenosti, i prenosi velike količine informacija sa jednog kraja sveta na drugi; drugim rečima, informacionokomunikacione tehnologije su uobličile novo društvo – informaciono društvo. Međunarodna zajednica, između ostalog, informaciono-komunikacione tehnologije vidi kao most između razvijenih i nerazvijenih država, kao alat za ekonomski i socijalni razvoj, kao pokretača opšteg napretka, kao centralni 10 11

Informacija je primljena i shvaćena poruka. Znanje je sve ono što je poznato. Sticanje znanja uključuje kompleksne kognitivne procese: percepciju, učenje, komunikaciju, asocijaciju i rezonovanje.

10


stub ekonomije bazirane na znanju i kao sredstvo za prevazilaženje geografskih prepreka. Principi jednostavnog i lakog pristupa informacionokomunikacionim tehnologijama omogućavaju razvoj i unapređenje informacionog društva. Informacionokomunikacione tehnologije zahtevaju reorganizaciju tradicionalnih škola, i ekonomskih i političkih struktura, u smislu fleksibilnosti, decentralizovanosti i uzajamne saradnje. Može se reći da su najvažnije osobine informacionog društva moderne informacione i komunikacione tehnologije koje omogućavaju brzo procesuiranje informacija, umnožavanja mesta proizvodnje informacija i znanja, umrežavanje tehnologija i informacija, drugim rečima – umrežavanje globalnog znanja. Od procesa umrežavanja znanja očekuje se mnogo. To nije lak proces jer je znanje mnogo složenije od informacije, jer zavisi od konteksta, teže se strukturira od informacije i nalazi se u više raznovrsnih dokumenata. Sam termin informaciono društvo implicira centralnu ulogu informacije, značenja koje dodeljujemo podatku, kao i njen interaktivan, povratni odnos sa tehnologijom. Možemo reći da je informacija oduvek predstavljala ključni faktor u svim društvima sveta, a sada, kada nam na raspolaganju stoje informaciono-komunikacione tehnologije koje omogućavaju trenutnu obradu, dupliciranje i distribuciju informacija i znanja, ona je suštinski pokretač informacionog društva12. Tehničko poreklo informacionog društva i njegova srodnost sa izrazom informatika redukuje njegov sadržaj na tehnološki aspekt. Međutim, informaciono društvo 12

Flach, M The Information Society: The Role of Networks and Information.

11


podrazumeva mnogo više od same tehničke, odnosno tehnološke modernizacije, to je svet znanja i informacija, svet u stalnoj promeni. Težnja da se stvori informaciono društvo u kome se ljudi nalaze u interakciji sa raspoloživom tehnologijom u cilju razmene informacija na globalnom nivou realizuje se sve više. Zasad, prepreke ostvarenju tog cilja predstavljajusu jezičke, kulturne i ekonomske barijere. Osnovna pismenost, poznavanje stranih jezika, obrazovanje i informatička pismenost neki su od uslova potrebnih za stvaranje informacionog društva. Informatizacija društva počinje artikulisanim govorom, nastavlja se pismenošću, pojavom prvih crteža pre 200.000 godina i sumerskog pisma 5.500 g p.n.e., štamparijom J.Gutenberga i masovnim uvođenjem računara i Interneta u svakodnevni život. Brzi razvoj informaciono-komunikacionih tehnologija i inovacije u digitalnim sistemima predstavljaju revoluciju koja fundamentalno menja način razmišljanja, ponašanja, komunikacije, rada i zarađivanja za život. Informatizacija se odnosi na razvijanje informacionih sistema. Informatizacijom se može smatrati zavisnost svih aspekata privrede od uređaja za procesiranje podataka i informacija za prelazak u informaciono društvo.

12


1.3.

Informacione tehnologije

Osnovno zanimanje naših predaka bio je lov. Da bi nakon lova tačno podelili plen koristili su prste na rukama. Znači, mogli su brojati samo do deset. Ako je ulov bio veći dolazilo je do nerešivog problema. Dakle, čovek je morao pronaći nešto sa čime bi računao i veće brojeve. Pronašao je prvu računaljku, abak ili abakus13. U nekim zemljama sveta i danas se koriste abaci.

Slika 2. Kineski abak ili abakus Naučnici Šikard14 i Paskal15, matematičar i fizičar sa početka XVII veka, skoro istovremeno, nezavisno jedan od drugog, razvili su mašinu za sabiranje na bazi zupčanika numerisanih od 0 do 9. Njihov brojčanik se i danas u nekim automobilima koristi kao brojčanik kilometara. Paskal je svoju 13

Abak (abakus) je primitivna računaljka pločastog oblika za lakše izvođenje računskih operacija, stara oko 2.500 godina. Koristila se u raznim civilizacijama, a potiče iz Azije. 14 Wilhelm Schicard (1592–1635), 1623. godine izumio prvi mehanički kalkulator. 15 Blaise Pascal (1623–1662), pronašao prvi digitalni kalkulator.

13


mašinu koristio pri obračunavanju poreza koji je njegov otac prikupljao kao poreski činovnik. Gottfried Wilhelm von Leibniz (1646–1716), nemački matematičar i filozof iz XVII veka, napravio je 1671. godine mašinu na kojoj su se mogle izvoditi sve četiri osnovne računske operacije: sabiranje, oduzimanje, množenje i deljenje. Tek u XIX veku pojavljuju se koncepti mašina koje odgovaraju današnjim. Engleski matematičar Charles Babbage (179–1871) predložio je 1823. godine takozvanu diferenciranu mašinu, te analitičku mašinu koja je bazirana na konceptualno istim principima kao i današnji računari. Energiju je dobijala iz parne mašine, a trebalo je da poseduje memoriju kao i izlazne jedinice za prikazivanje rezultata računanja. Zamisao je bila da se programi zapisuju na papirne bušene kartice. Dimenzije ove mašine bile su prevelike, pa ova mašina nikad nije realizovana. Charles Babbage je celi svoj život posvetio pravljenju analitičkog računara koji bi komplikovanije proračune automatski izvršavao. Nažalost, svoju mašinu nije završio do kraja, ali princip koji je on razvio primenjuje se i u današnjim računarima. Amerikanac Herman Hollerith (1860–1929) napravio je, za potrebe popisa stanovništva u SAD-u 1890. godine, mašinu koja uz pomoć elektriciteta čita bušene kartice, sortira ih, sabira i registruje. Ovim je postigao da obrada podataka popisa stanovništva traje samo četiri sedmice, a inače je trajala deset godina. Nemac Konrad Zuse (1910–1995) smatra se prvim konstruktorom koji je (1938. godine) napravio mašinu sa dualnim brojevima i naredbama, koja, u stvari, koristi dualni sistem, prekidač sa dva stanja uključeno-1 i isključeno-0. Ovim je smanjio broj kontaktnih elemenata u mašini.

14


Howard Aiken, matematičar sa Harvarda, koristeći Babidžov princip napravio je novu računsku mašinu MARK I koja je sdržavala više od 70.000 elemenata.

Slika 3. MARK I Prvi elektronski računar je konstruisan za vojne potrebe. Dvojica amerikanaca, John Mauchly i Presper Eckert, koristili su elektronske cevi kao prekidače za stanja 0 i 1 i izgradili prvi elektronski računar ENIAC (Electronic Numerical Integrator And Computer). To je bila ogromna mašina teška 30 tona, dugačka 30 metara, široka 1 metar i visoka 3 metra. Sastojala se od 18.000 elektronskih cevi a računala je 1.000 puta brže od automata za računanje MARK 1. U jednoj sekundi mogla je izvršiti 5.000 operacija sabiranja ili 357 operacija množenja ili 38 operacija deljenja. Međutim, trošila je puno energije, 150 KW po satu. Programirao se ručno, uz pomoć prekidača i kablova, što je njgov osnovni nedostatak.

15


Slika 4. ENIAC Kasnije su naučnici razvili nove metode i tehnologije koje su dozvoljavale da se redosled obavljanja poslova i redosled računanja zapamte u računaru. Za vreme rada na ENIAC projektu pojavile su se dve nove koncepcije računara. Prva koncepcija je proizišla iz konstatacije da su elektronski sklopovi dovoljno brzi da obavljaju aritmetičke i logičke operacije, pa nije potrebno graditi mnogo paralelnih jedinica za računanje već se operacije izvode sa jednom tzv. aritmetičkom jedinicom. Druga koncepcija, smeštanje programa u memoriju, što omogućava izvođenje niza naredbi u proizvoljnom redosledu, mnogo je značajnija i bitno je uticala na dalji razvoj računara. Kao rezultat ovih koncepcija 1952. godine nastao je EDVAC – Electronic Discrete Variable Arithmetic Computer. U nacrtu predloga za EDVAC John von Neumann, član radne grupe, je ujedinio sve ideje i postavio osnovnu

16


logičku strukturu računara sa memorisanim programom. Osnovni elementi ovakvog računara su: -

ulazni deo u koji se može unositi proizvoljan broj operanada i naredbi,

-

memorija, u koju se mogu unositi i iz koje se mogu dobiti operandi i naredbe i to u proizvoljnom redosledu,

-

aritmetičko-logička jedinica koja može obavljati aritmetičke i logičke operacije sa operandima koji se uzimaju iz memorije i rezultate operacija smešta u memoriju,

-

izlazni deo preko kojeg se rezultati, izlazni podaci, predaju korisniku i

-

upravljačka jedinica koja može interpretirati naredbe dobijene iz memorije i upravljati ostalim delovima računara.

Osnovna struktura koja proizilazi iz ovih uslova poznata je kao von Neumannova16 struktura i svi računari proizvedeni od tog vremena zasnovani su na toj strukturi prikazanoj na sledećoj slici.

Današnji računari su neuporedivo većih mogućnosti a daleko manjih dimenzija. 16

John von Neumann (1903–1957), matematičar, profesor na Univerzitetu Pensilvanija

17


Razvojni put elekronskih računara možemo predstaviti sledećom tabelom: Generacija

Godina

Osnova

I

1940–1956.

elektronske cevi

II

1957–1963.

tranzistor

III

1964–1970.

integrisana kola LSI17

IV

1970–

integrisana kola VLSI18

V

1980–

tehnologija GSI19

Interesantno je spomenuti da je srpski naučnik, matematičar Mihailo Petrović (1868–1943), poznat pod popularnim nadimkom Mika Alas, u oblasti računarstva krajem XIX veka objavio je u SAD-u konstrukciju analognog računara, hidrointegratora, za rešavanje diferencijalnih jednačina. Ova mašina je radila na principu hidraulike, odnosno kretanja tečnosti, za šta su mu odali priznanje svetski naučnici Kamke, Prajs i Moren. Ruska, američka i poljska nauka odale su Petroviću priznanje kao predskazatelju jedne nove savremene nauke, kibernetike, čiji je utemeljivač kasnije bio Norbert Wiener. Na Svetskoj izložbi u Parizu 1900., u paviljonu Kraljevine Srbije, bio je izložen i hidrointegrator, koji je nagrađen medaljom.

17

LSI–Large Scale Integration tehnologija Very Large Scale Integration – čip na bazi silicijuma 19 Giant Scale Integration – čitav računar u jednom čipu. Nije zaživela zbog ergonomskih razloga. 18

18


Slika 5. Hidrointegrator Mike Alasa Informacione tehnologije (IT20) su zajednički pojam za izučavanje sredstava, postupaka i metoda za upravljanje, čuvanje, obradu, prenos i prezentaciju podataka i informacija. Kakav je doprinos informacionih tehnologija upravljačkom sistemu preduzeća? IT mora biti integralni deo sistema upravljanja koji može pomoći dobrom menadžmentu da bude bolje, a lošem menadžmentu da bude čak i gore. Veliki deo informacionih tehnologija nije novo znanje. To je nova percepcija. Ona stavlja zajedno stvari o kojima niko drugi nije mislio da ih može staviti zajedno, a te stvari su postojale svo vreme oko nas. Mogu li Informacione Tehnologije loše preduzeće pretvoriti u uspešno? U teoriji da, ali u praksi ne! 20

IT – Information Technology

19


1.3.1. Računarske mreže Računarska mreža je telekomunikacioni sistem za prenos podataka koji omogućava određenom broju nezavisnih uređaja da međusobno komuniciraju. To je sistem koji povezuje različite ili slične uređaje u jednu celinu. Potreba za umrežavanjem sistema proizilazi iz stalnog rasta razmene podataka. Cilj umrežavanja je formiranje virtuelnog radnog okruženja unutar kojeg bi raznovrsni uređaji međusobno delili svoje resurse kao što su procesna snaga i periferne jedinice. Ovo okruženje treba da bude transparentno, tako da korisnici uopšte ne primete njegovo postojanje uz puno korišćenje svih njegovih prednosti. U ovakvom okruženju moguće je ostvariti virtuelne terminalske sesije, transfer fajlova i razmenu elektronske pošte. Ovi servisi imali su poseban značaj u razvoju računarskih mreža. Sam razvoj računarskih mreža počeo je sedamdesetih godina prošlog veka. Važni datumi u istoriji Interneta su: 1969. pojavila se vojna mreža ARPANET 1970. u razvoj mreža uključuju se univerziteti 1974. definisan TCP/IP protokol 1982. prvi put se pojavio termin Internet 1989. gasi se ARPANET 1990. pojava web protokola 1991. početak komercijalizacije računarske mreže 1994. pojava pretraživača, na primer yahoo. Za normalan rad na računaru potreban je određen broj perifernih jedinica, štampača, diskova, skenera, plotera i druge.

20


Neekonomično je da svaki računar podržava po skup perifernih jedinica pogotovo ako se zna da korišćenje pojedinih perifernih jedinica nije intenzivno. Mrežno okruženje omogućava deljenje ovih resursa, što značajno smanjuje investiranje u opremu ali ne umanjuje komfor rada. Kada govorimo o mrežama, moramo ih posmatrati kao mreže za prenos podataka i kao računarske mreže. Mrežu za prenos podataka predstavlja grupa međusobno povezanih komunikacionih uređaja, koji su sposobni da razmenjuju informacije kao što su podaci, glas, slika. Računarsku mrežu čini grupa nezavisnih, međusobno povezanih računara. Mreže za prenos podataka mogu biti podeljene na javne mreže, Public Data Networks – PDNs, i na privatne mreže, Private Networks. Javne mreže Packet Switched Public Data Networks – PSPDNs na primer Internet, ili Circuit Switched Public Data Networks – CSPDNs, na primer PSTN, ISDN PDN, javne mreže, jesu mreže koje osniva i kojima upravlja nacionalni autoritet za upravljanje mrežama, specijalizovan za prenos podataka. Privatne mreže se formiraju na prostoru preduzeća i drugih organizacija. Njih instaliraju, održavaju i poseduju preduzeća ili organizacije. Jednostavno, može se reći da su mreže skup međusobno hardverski povezanih računara i perifernih uređaja, da je umrežavanje koncept povezanih računara koji dele resurse, a resursi koje dele umreženi računari su podaci i periferni uređaji.

21


Vrste računarskih mreža. LAN mreža – Local Area Network je mreža u kojoj su povezani računari i drugi uređaji relativno blizu, obično unutar jedne zgrade. MAN mreža – Metropoliten Area Network je mreža povezanih računara i drugih uređaja u istom gradu. WAN mreža – Wide Area Network je mreža u kojoj su povezani računari i drugi uređaji međusobno udaljeni, u različitim gradovima, čak i na različitim kontinentima. Mreže pružaju prednosti kao što su smanjenje troškova zahvaljujući deljenju resursa, standardizovano korišćenje aplikacija, blagovremeno dobijanje podataka i efikasnija komunikacija korisnika. Postoje mreže istog prioriteta (peer to peer), serverske mreže i kombinovane mreže. Koju ćemo od ovih mreža koristiti zavisi od broja računara koji se umrežavaju, od potrebnog nivoa bezbednosti, od vrste posla, kao i od budžeta i znanja. Mreže istog prioriteta. Povezuje se manji broj (do deset) računara, a svaki računar istog je prioriteta – istovremeno radi i kao klijent i kao server. Server je računar na kojem se nalaze resursi koje dele umreženi korisnici, klijenti. Klijent je računar koji, preko servera, pristupa zajedničkim resursima. Serverske mreže. U serverskim mrežama povezan je veći broj računara, a glavnu ulogu u mreži ima server, tj. namenski server koji je optimizovan da brzo opsluži zahteve mrežnih klijenata i pruži bezbednost datoteka i foldera.

22


U velikim mrežama serveri se specijalizuju za različite namene: serveri za datoteke i štampanje, serveri za aplikacije, serveri za poštu, fax server i komunikacioni server. Prednosti serverskih mreža. Veoma je važno održati bezbednost podataka o čemu brine administrator mreže koji upravlja bezbednošću klijenata i servera. Mreže omogućavaju centralizaciju i deobu resursa. Značajna prednost je i lako pravljenje rezervnih kopija. Računarske mreže opslužuju izuzetno veliki broj korisnika a klijentima nije potrebna dodatna oprema. Kombinovane mreže Treća vrsta mreža je kombinovana mreža a predstavlja kombinaciju mreža istog prioriteta i serverskih mreža.

Slika 6. Generalna struktura mreže Tip Klijent–Server procesiranje gotovo je potpuno smešteno na serveru. Klijent praktično realizuje samo ulaz i izlaz, odnosno interfejs. Ovo je moguće postići jefitinim mašinama, bez diskova, sa malo memorije. Za povezivanje računara u mrežu postoje proizvodi različitih proizvođača hardvera i softvera. Da bi mreže funkcionisale sa ovakvim proizvodima, neophodno je da se svi

23


proizvođači drže određenih pravila, postavljenih standarda. Više nezavisnih organizacija izradilo je specifikacije standarda za proizvode koji se odnose na umrežavanje računara. Da bi se povezala računarska oprema različitih proizvođača bilo je neophodno standardizovati procedure, protokole po kojima će se komunikacija odvijati. Međunarodna organizacija za standarde, ISO21, započela je 1977. godine rad na standardima. Rezultat tih aktivnosti je stotinjak međunarodno prihvaćenih protokola, a 1987. godine izdat je skup specifikacija koji opisuje arhitekturu mreže, a koji se naziva OSI22 referentni model. OSI model, referentni model za povezivanje otvorenih sistema, opisuje način na koji mrežni hardver i softver omogućavaju komunikaciju. OSI model više predstavlja pomoć u razvoju budućih standarda nego što bi on bio standard pogodan za implementaciju. U Americi je ministarstvo odbrane (DOD23) razvilo skup standarda poznatih kao TCP/IP24 model. Kasnije je, u malo izmenjenom obliku, ovaj model prihvaćen kao IEEE25 standard. U oba ova modela proces komunikacije je posmatran kao slojevita struktura poslova koji se sekvencijalno odvijaju redosledom koji zavisi od smera protoka informacija. Standardizacija se svodi na propisivanje skupa protokola za svaki sloj modela koji moraju biti ispoštovani od strane svih proizvođača mrežne opreme. 21

International Standard Organisation. OSI – Open Systems Interconnection. 23 Department of Defence. 24 Transport Control Protocol/Internet Protocol. 25 Institute of Electrical and Electronics Engineers, jedna od vodećih svetskih asocijacija za kreiranje IT standarda. 22

24


TCP/IP je model koji se koristi u najvećoj svetskoj mreži računara, Internetu. Obezbeđivanje sigurnosti podataka na računaru podrazumeva sprečavanje njihovog neovlašćenog čitanja i menjanja. Ovo je izuzetno značajan zadatak koji u mrežnom okruženju postaje još značajniji. Na sigurnost podataka utiču svi subjekti počev od korisnika do administratora sistema i mreže, tako da je integracija njihovih napora da se sigurnost drži na visokom nivou jako poželjna. Hijerarhijski, sigurnost podataka kao i intervencije za njeno poboljšanje se mogu posmatrati na tri nivoa: -

sigurnost korisničkog računa,

-

sigurnost sistema i

-

sigurnost mreže.

Sigurnost mreže Održavanje sigurnosti podataka u mrežnom okruženju jeste kompleksan problem. Za rešavanje ovog problema zadužen je administrator mreže. S obzirom na to da mrežu čini veći broj računara i da svaki od njih predstavlja potencijalnu rupu u sigurnosti, povećana je verovatnoća neovlašćenog pristupa podacima u mreži. Pristup računarima u mreži je, kako smo videli, moguć i sa vrlo velikih rastojanja, što znači da kontrola fizičkog pristupa računarima u ovom slučaju nije dovoljna. Sve ovo pokazuje da se zaštiti od neovlašćenih pristupa mrežnom okruženju mora pristupiti sa posebnom pažnjom. Da bi jedno mrežno okruženje bilo dobro zaštićeno, svi računari u mreži moraju biti obezbeđeni. Posebno treba naglasiti da je stepen zaštićenosti jedne mreže jednak sigurnosti najlošije zaštićenog računara u njoj, s obzirom na to da neovlašćeni pristup jednom računara dozvoljava istovremeno i pristup podacima koji se razmenjuju kroz mrežu. 25


Dakle, svi računari u mreži moraju biti jednako dobro štićeni, ne postoje bitni i manje bitni računari. Jedan od efikasnijih načina zaštite računarskih mreža na nivou protokola je Fire Wall. Treba odmah naglasiti da Fire Wall nije ni hardver ni softver čiji je zadatak štićenje mreže već i jedno i drugo a najviše filozofija u pristupu rešavanja ovog problema. Jedna od mogućih konfiguracija zaštite mreža Fire Wallom prikazana je na sledećoj slici.

Slika 7. Fire Wall Lokalna računarska mreža ovde se tretira kao unutrašnji svet i od spoljašnjeg sveta je izolovana Fire Wallom. Najkraće rečeno, Fire Wall predstavlja inteligentni filter protoka informacija između unutrašnjeg i spoljašnjeg sveta. Zadatak Fire Walla je da otkrije pakete koji su deo pokušaja nedozvoljenih aktivnosti i da spreči njihov prolaz do lokalne mreže. U konkretnom slučaju prikazanom na prethodnoj slici, Fire Wall je realizovan od strane tri uređaja, dva računara i jednog rutera (router), koji su usko specijalizovani za ovu namenu. Mrežni softver svakog od njih namerno je napravljen nestandardno. Host26 B je direktno 26

Host je računar spojen na Internet.

26


izložen spoljnjem svetu, prihvata standardne pakete i konvertuje ih u nestandardne. Host A prihvata nestandardne pakete sa hosta B, vraća ih u okvire standarda i emituje u lokalno mrežno okruženje. Slično se odvija i prenos paketa iz lokalne mreže ka spoljnjem svetu. Softver rutera27 je takođe nestandardan i projektovan tako da propušta samo nestandardne pakete. Gledano spolja, umesto lokalne mreže, vidi se samo host B. Korišćenje nestandardnog mrežnog softvera u Fire Wallu ima svojih prednosti. U ovakvim okolnostima, sigurnost lokalne mreže ne zavisi od sigurnosti hosta B koji je direktno izložen spoljnjem svetu i predstavlja eventualnu metu napada. Problem konfiguracije Fire Walla nije nimalo jednostavan. Kako on predstavlja filter saobraćaja, to se konfiguracija svodi na definisanje pravila na osnovu kojih se donosi odluka koji paketi mogu da prođu Fire Wall a koji ne. Na raspolaganju obično stoje mogućnosti definisanja pravila za protokole na svim nivoima. Na primer, na mrežnom, IP, nivou, moguće je dozvoliti da lokalna mreža može razmenjivati podatke samo sa jednom mrežom ili, što je još rigoroznije, sa jednim hostom iz spoljnjeg sveta. Distribuirane baze podataka Mrežno okruženje omogućilo je i radikalnu promenu u organizovanju baza podataka različitih tipova. Čest je slučaj da su podaci od interesa uglavnom značajni za određeni prostor. Povremeno se pojavljuje potreba za pretraživanjem baza vezanih za druge prostorne oblasti. Ovakvi problemi se rešavaju tako što se baza distribuira na više računara od kojih svaki čuva podatke lokalnog karaktera i postaje server za to područje. Svi serveri se vezuju u računarsku mrežu i obično su fizički locirani u oblast koju predstavljaju. Pretraživanje i upiti 27

Router – uređaj za međusobno povezivanje računarskih mreža.

27


koji se odnose na podatke vezane za lokalno područje, stižu i završavaju na lokalnom serveru, dok se oni drugi, koji su ređi, obavljaju razmenom podataka između servera različitih oblasti. Na ovaj način je, pre svega, postignuta decentralizacija ažuriranja baza, što značajno doprinosi valjanosti podataka koji se nalaze u njoj. Ovo je naročto značajno ako se radi o velikim bazama podataka kao što su, na primer, baze na nivou cele zemlje. Distribuirana obrada podataka Postoji čitav niz praktičnih problema koji zahtevaju intenzivna izračunavanja pa je, samim tim njihovo rešavanje vrlo sporo. Jedan od načina ubrzanja rešavanja ovakvih problema jeste paralelizacija, to jest njihovo rešavanje uz pomoć višeprocesorskih sistema. Višeprocesorski sistemi jesu raspoloživi na tržištu ali je njihova cena još uvek visoka. Kompromisno rešenje se može postići angažovanjem više računara koji su povezani u mrežu. Pojedini računari tretiraju se kao procesor jedne jedinstvene virutelne paralelne mašine. Problem koji je interesantan izdeli se na manje poslove koji se mogu odvijati paralelno i svaki od njih se dodeli jednom računaru dok se mreža koristi kao medijum za razmenu podataka između računara, odnosno, virtualnih procesora. Mreže lokalnog tipa, LAN mreže, imaju vrlo jednostavnu strukturu i koriste mali broj različite hardverske opreme. Pre svega, ove mreže se odlikuju time što povezuju računare sa užeg područja, na primer mreže u okviru jedne zgrade. Od izuzetnog značaja za funkcionisanje mreže je da njena konfiguracija ne dozvoljava neovlašćenim korisnicima pristup mrežnoj infrastrukturi, čime se obezbeđuje sigurnost mreže.

28


Za razliku od lokalnih mreža, WAN mreže povezuju računare sa šireg područja. Obično se sastoje od više podmreža LAN tipa koje su integrisane u jedinstvenu celinu. Takve su, na primer, mreže na nivou gradova ili nacionalne računarske mreže. S obzirom na to da rastojanje između pojedinih podmreža može biti značajno veliko, mreže WAN tipa za vezu sa udaljenim računarima obično koriste javne komunikacione linije. Na sledećoj slici prikazan je primer jedne ovakve mreže. Lokalne mreže su i ovde povezane ruterima.

Slika 8. WAN NFS – Network File System je mrežni servis koji omogućava kreiranje i korišćenje mrežnih diskova. Njegovo korišćenje je vrlo jednostavno jer je servis potpuno transparentan za korisnika a mrežni disk se ponaša apsolutno isto kao i delovi lokalnog fajl sistema. NFS se uglavnom primenjuje zbog povećanja kapaciteta fajl sistema i deljenja fajlova. Mrežni deo diska istovremeno vide dva ili više hostova i na taj način mogu razmenjivati podatke bez transfera fajlova.

29


Transfer fajlova Ovaj servis obezbeđuje prenos podataka sa jednog računara u mreži na drugi. Pri tome se kao fizički medijum koristi mreža, a ne neki od prenosnih medijuma, što je uobičajeno u okruženju bez mreže. Ovim se značajno smanjuje problem prenosa podataka naročito između računara različitih proizvođača. Slojevi mrežne komunikacije Različite funkcije pri prenosu podataka razvrstane su u sedam slojeva. OSI model definiše kako svaki sloj komunicira sa slojem iznad i ispod njega. Svaki sloj ima svoju ulogu, a što je sloj viši, to je i složeniji. Zahtevi jednog sloja prema drugom sloju prosleđuju se interfejsom a svaki sloj oslanja se na standarde sloja ispod. Sloj ispod vrši svoju funkciju i obezbeđuje usluge sloju iznad, a pri tome ga ne opterećuje detaljima o načinu svog funkcionisanja. 1

Sloj aplikacije

2

Sloj prezentacije

3

Sloj sesije

4

Transportni sloj

5

Sloj mreže

6

Sloj veze

7

Fizički sloj

Šta dobijamo mrežama? U sledećoj tabeli prikazane su mogućnosti i vrednosti računarskih mreža.

30


Mogućnosti

Vrednosti

Primer

Prevazilaženje geografskih barijera

Bolja i brža usluga

Podizanje gotovine iz banke

Prevazilaženje vremenskih barijera

Zahtevi se brže obrađuju i rešavaju

Autorizacija npr. kredita na mestu prodaje, kartice

Prevazilaženje troškovnih barijera

Smanjenje broja skupih poslovnih putovanja, bolja saradnja

Videokonferencija sa partnerima putem Interneta, Intraneta i Extraneta

Prevazilaženje strukturalnih barijera

Drugačije povezivanje daje bolju kompetitivnu poziciju

Elektronska razmena podataka sa kupcima i dobavljačima putem Extraneta i drugih mreža

31


1.4.

Podatak i informacija

U svakodnevnom govoru koristimo pojmove podatak i informacija. Ovi pojmovi su i ključni pojmovi u oblasti obrade podataka i informacija. Važno je napraviti razliku između podatka i informacije, razliku između pojmova koji se najčešće poistovećuju. Pojam podatak (eng. data) predstavlja činjenicu koja može pomoći da se nešto sazna, da se donese neki sud, zaključak ili rešenje, dok je pojam informacija širi i čine ga prikupljeni i na odgovarajući način obrađeni i sistematizovani podaci. Podatak može biti broj, slovo, specijalni znak, slika ili zvuk. Uzmimo za primer broj 10. Broj 10 predstavlja podatak, ali on kao takav nema neko značenje. Međutim, ako neko kaže „ostaću na putu 10 dana“, dao nam je informaciju u kojoj je podatku dodeljeno značenje. Iz prethodnog sledi da se informacija sastoji od podatka i značenja koje mu je dodeljeno. Podatak je određeni zapis o nekom događaju, pojavi ili karakteristici iz okoline koja predstavlja objektivnu stvarnost. On je na formalizovan način u simboličkom obliku registrovana činjenica o realnom svetu (predmeti, ljudi, pojave, procesi, situacije, objekti...). Podatak je neutralno saopštenje o određenom dejstvu koje još nije vrednovano ni priređeno za donošenje bilo kakve poslovne odluke. Sa aspekta korisnika podaci mogu biti: - semantički (pogodni za čoveka) i - fizički (pogodni za mašinu). Sa aspekta strukture podaci mogu biti:

32


- formatizovani (definisana struktura) i - neformatizovani. Sa aspekta obrade podaci mogu biti: - identifikacioni, - klasifikacioni, - upravljački, - kvalitativni i - kvantitativni. Poslovni podaci se definišu i opisuju pomoću metapodataka. Metapodaci su podaci o podacima u skladištu podataka. U digitalnom smislu metapodaci su strukturisani podaci koji opisuju, objašnjavaju, lociraju ili na neki drugi način omogućavaju lakše upravljanje resursima. U savremenim društvima red i organizovanost obezbeđuju se, pre svega, informacijama. Ljudi su od pamtiveka znali za uticaj i značaj informacije. Razvoj kibernetike28 ukazao je na ulogu informacije u procesima odlučivanja i upravljanja. To je nauka koja se bavi proučavanjem opštih zakona upravljanja dinamičkim sistemom u prirodi, tehnici i društvu. Pojam informacija potiče od latinske reči formare koja predstavlja stvaranje slike iz određenih elemenata. Informacija kao pojam poznat je još iz najstarijih vremena – grčki filozof Aristotel govorio je o informaciji i njenom prenošenju. Definicije informacije obično povezujemo sa podacima i osobinama koje podaci moraju imati da bi za korisnika postali 28

Norbert Wiener sa univerziteta Masačustes, napisao je poznato delo Kibernetika 1948. godine. To se smatra početkom kibernetike kao, naučne discipline.

33


informacija. Jednu od najčešćih definicija informacije dao je ruski filozof Ursul: informacija predstavlja preslikavanje stanja jednog subjekta u stanje drugog subjekta. Za ljude, svesna bića, razmena informacija je oduvek bila od izuzetnog značaja. Može se reći da je informacija svrsishodna organizacija podataka a svrsishodnost je vezana za sam oblik problema ili sistema o kojem se raspravlja. Proizvodnja informacija predstavlja često najvažniju funkciju koju imaju upravljački elementi u savremenoj ekonomiji. Proizvodnja informacija je najpropulzivnija proizvodna grana današnjice. Informacije su oni podaci koji za korisnika imaju upotrebnu vrednost i povećavaju njegov nivo saznanja. Informacija je apstraktan pojam, a da bi se praktično upotrebila mora se prikazati realnim elementima kao što su brojevi, slova, vrednost fizičkih veličina i slično. Informacija predstavlja zbirku činjenica (podataka) organizovanih tako da su smisleni za prijemnika, odnosno njenog korisnika. Za razliku od podatka, koji samo opisuje neko golo dejstvo, informacija mora sadržavati i neki smisao tog dejstva za korisnika. Dakle, informacija ima neka svojstva koje podatak nema. Informacija se u svetu danas smatra ključnim resursom preduzeća i organizacija, bez obzira na njihovu vrstu i veličinu. Pojmovi podatak, informacija i znanje su povezani i daju određenu sliku okoline, što je šematski prikazano na sledećoj slici.

34


Slika 9. Odnos okoline, podatka, informacije i znanja Digitalna informacija je skup podataka digitalnog formata. Podatak je u binarnom brojnom sistemu iskazan nizovima nula i jedinica (0 i 1), u bitima (0 ili 1) ili bajtovima (1B = 8 bitova). Binarni brojni sistem se koristi za predstavljanje podataka u računarima. Naziv bit je skraćenica od engleske reči binary digit. Jedan bit informacije je odgovor na pitanje koje ima samo dva odgovora: DA ili NE, odnosno 1 ili 0. Ako postoji n jednako verovatnih odgovora, onda oni sadrže I bitova informacije gde je:

I = log2n I = log28 = 3 Jedno slovo, broj ili simbol je jednako 1B. Kraća novela se može predstaviti sa približno 1MB ili 1024 KB, gde je 1KB = 210B = 1024 B. Količina informacije se meri bitovima. Jedan bit informacije je ona količina informacije koju primimo sa

35


znanjem da se od dva podjednako moguća (verovatna) događaja desio jedan. Bulova algebra29 je deo apstraktne algebre i primenjuje se u računarskim naukama. U Bulovoj algebri čovek poznaje dve moguće vrednosti za jednu odluku ili presudu. Postoji samo jedna presuda, ili „istina – true“ ili „neistina – falsh“. Istinu postavljamo kao „1“, a „neistinu“ kao „0“, „1“ nazivamo logicki 1, a „0“ logicka 0. U sledećoj tabeli prikazane su jedinice u Bulovoj algebri i njima odgovarajući broj bajtova.

Naziv jedinice

n (od 2n)

Broj bajtova

Kilobajt

10

1.024

Megabajt

20

1.048.576

Gigabajt

30

1.073.741.824

Terabajt

40

1.099.511.627.776

Petabajt

50

1.125.899.906.842.624

Eksabajt

60

1.152.921.504.606.846.976

29

George Boole (1815–1864), engleski matematičar i filozof koji je pretvorio logiku u matematiku, po njemu nazvanu Bulova algebra. Zbog njene primene u informatici i matematičkoj logici, Bul se smatra za jednog od tvoraca tih oblasti nauke.

36


Teorija informacija naziv je dobila na osnovu radova Kloda Šenona30. Ona se ne bavi razmatranjem svih aspekata informacije, već izučava samo količinu informacija. Pod teorijom informacija podrazumevamo „matematičku teoriju komuniciranja“ koja se bavi problemima komuniciranja i to počev od: - prikupljanja, - prenosa, - obrade, - skladištenja podataka i - korišćenja informacija. Razvoj teorije informacija doveo je i do kvantifikacije, do određivanja količine informacija koju sadrži poruka. Mera količine informacija se izražava pomoću entropije. Entropija izražava zakon po kome se realni sistem ne može vratiti u stanje u kome je jednom bio bez izvesnog gubitka energije. Ona izražava prirodnu težnju svakog realnog sistema da dođe u stanje najveće verovatnoće, koje odgovara potpunom haosu koji bi nastao zbog njegove totalne neorganizovanosti. Znači, entropija je težnja sistema da spontano pređe u stanje veće neuređenosti: entropija je, dakle, mera neuređenosti sistema. Informacija je, suprotno od entropije, mera za red odnosno organizovanost sistema. Po Šenonu, informacija se može posmatrati kao negativna vrednost entropije – negentropija. Zaštita od porasta entropije sastoji se u 30

Claude Elwood Shannon je američki naučnik i inženjer i tvorac teorije informacija kao i digitalnih računara i kola. Teza je da primenom Bulove algrebe možemo rešiti bilo koji logički ili numerički problem.

37


prikupljanju podataka koji opisuju sistem i njihovom transformisanju u informacije koje se koriste za kontrolu i ograničavanje rasta entropije. Postupci upotrebe informacija za kontrolu entropije, odnosno porast organizovanosti sistema u kibernetici, predstavljaju upravljanje u širem smislu. Korisnost informacije se izražava i formulom: K = E/T Informacija je Korisnija ukoliko je njen Efekat veći u odnosu na Troškove dobijanja te informacije. Informacija ima svoju vrednost kao što je ima novac, rad, roba, sirovine. Dakle, informacija ima neka svojstva koje podatak nema. Na vrednost informacije utiču: -

metod i cena dobijanja informacije,

-

svrha – korisnost informacije,

-

način dobijanja informacije,

-

princip obrade informacije i

-

čistoća informacije.

Primer: Kad prodam automobil, više ga nemam, ali kada prodam neku informaciju, imam još više informacija samom činjenicom da ja još uvek imam informaciju i da znam da je i kupac ima. Kvalitet informacije se meri: -

sintaksom,

-

semantikom i

-

pragmatikom.

38


Sintaksa zahteva strogo poštovanje postavljenih pravila pri prenosu informacije koja se odnose na njenu strukturu, semantika određuje sažetost informacije, njenu jasnoću i njenu tačnost, dok, se pragmatika odnosi na pravovremenost prenesene informacije. Ove tri komponente važne su i za informacije od kojih zavisi i kvalitetno odlučivanje u poslovnom procesu. Informacija je predstavljena skupom znakova i konceptom sloga u bazi podataka. Znakovi predstavljaju nosioce informacija, i to samo oni znakovi koji mogu da budu dekodirani od strane korisnika informacija. Saopštenje je skup znakova koji je primaocu unapred poznat. Može se reći da je informacija saopštenje koje primaocu otklanja neizvesnost ili nedoumicu ili ga motiviše da preduzme neke akcije. Svaka informacija je saopštenje, a svako saopštenje nije informacija. Na primer, saopštenje da je u protekloj godini proizvedeno i prodano milion komada proizvoda nije informacija, ali ako be se reklo i o kojim proizvodima je reč, ovo saopštenje postaje informacija. Kako se podaci smeštaju u memoriju računara ili u bazu podataka? Primer: Student prve godine Fakulteta poslovne informatike na univerzitetu APEIRON, Mara Marić, stanuje u Banjoj Luci, Nova ulica broj 333. Ovakav opis sadrži posredno informacije koje mi razumemo na osnovu iskustva, ali one se mogu iskazati u bazi podataka na sledeći način: Ime i prezime:

Mara Marić

Adresa:

Nova ulica broj 333

Mesto:

Banja Luka 39


Fakultet:

Poslovna informatika

Godina studija:

treća

Informacija predstavljena u bazi podataka sastavljena je iz najmanje dva dela, podataka i konteksta, ali je veoma važno da znamo i u kakvom fizičkom obliku su podaci predstavljeni. Znači, informaciju o nekom biću, predmetu ili pojmu čine: -

kontekst,

-

podaci i

-

način fizičkog predstavljanja podataka.

Kontekst informacije određuje se tako što se napravi lista veličina koje ga definišu i čije su vrednosti zapisane podacima. U našem primeru kontekst informacije su: -

ime i prezime,

-

adresa stanovanja,

-

mesto stanovanja,

-

naziv fakulteta i

-

godina studija.

Ovakva lista veličina naziva se opis logičkog zapisa ili opis logičkog sloga. Informacija je činjenica sa određenim značenjem, ona donosi novost, obaveštava o nečemu i podloga je za donošenje odluka, a vrednost te informacije ocenjuje primalac informacije. Sadržaj informacije koji je novost za primaoca podstiče ga na određenu akciju. Informacija treba biti : -

relevantna,

40


-

kompletna,

-

precizna,

-

aktuelna i

-

ekonomična.

Informacija je relevantna ako se odnosi na postojeći problem. Na primer, broj godina provedenih u obrazovanju nije relevantna informacija o osobi koja traži posao u auto industriji, ali ako je provela 5 godina studirajući mašinstvo to je relevantna informacija. Informacija treba biti kompletna jer je nekompletna informacija lošiji slučaj nego da informacije ni nema. Na primer, marketinški podaci o prihodu od iznajmljivanja poslovnog prostora nisu kompletna informacija ako nisu praćeni informacijom o vrsti delatnosti poslovnog subjekta. Od delatnosti zavisi koliko će se prostor oštetiti. Neprecizna informacija može dovesti do teških posledica. Na primer, ukoliko u anamnezi pacijenta nije navedeno da je pacijent alergičan na penicilin može doći do teških posledica. Informacija je aktuelna ukoliko je to zadnja informacija, na osnovu koje se mogu doneti odluke. Na primer, jučerašnji izveštaj o vrednosti akcija na berzi nije aktuelan za donošenje odluke o kupovini akcija jer je u međuvremenu bila moguća promena. U poslovnom svetu cena dobijanja informacije, pri donošenju odluke, nešto je o čemu se mora voditi računa. Na primer, pre uvođenja novog proizvoda mora se istražiti tržište radi ocenjivanja rizika ulaska u proizvodnju novog proizvoda. Ukoliko je ovo istraživanje skupo, cena dobijene informacije može smanjiti dobit od prodaje takvog proizvoda.

41


Čovek u binarnom sistemu ne misli na količine već na stanja. Informacija je činjenica sa određenim značenjem, donosi novost, obaveštava o nečemu i podloga je za donošenje odluka a vrednost te informacije ocenjuje primalac. Informacija je specifična vrsta robe.

42


1.5.

Znanje

Znanje se može definisati kao nematerijalni resurs, kao slika stvarnosti predstavljena zamislima ljudi dok posmatraju svet koji ih okružuje. Sastoji se od intuicije, ideja, veština, iskustava i učenja, i ima potencijal stvaranja novih vrednosti. Drugim rečima, znanje se sastoji od podataka i/ili informacija koje su obrađene i organizovane tako da pomažu sticanju iskustava i raznih ekspertiza koje se mogu primeniti kod rešavanja određenog problema. Znanje je sve ono što je poznato. Sticanje znanja uključuje kompleksne kognitivne procese: percepciju, učenje, komunikaciju, asocijaciju i rezonovanje. Engleski filozof Karl Poper31 je rekao da je fenomen ljudskog znanja nesumnjivo najveće čudo u našem univerzumu. Postoje dve vrste znanja, eksplicitno i iskustveno znanje. Eksplicitno znanje artikulisano je formalnim jezikom i lako se prenosi u obliku informacija sa pojedinca na pojedinca. Ovo znanje je zapisano u knjigama i jednostavno se može „uzeti“ procesom obrazovanja, upotrebljavati i ugraditi u proizvode kao što su tehničke specifikacije, nacrti ili standardizovani dizajn. Tiho, tacitno ili iskustveno znanje je ugrađeno ili stvoreno ličnim iskustvom pojedinca. Ovo znanje je personalizovano i do njega nije lako doći pa često ostaje neotkriveno i neiskorišćeno: ono nema vrednost ako se ne upotrebljava. 31

Sir Karl Raimund Popper (1902–1994), jedan od najvećih filozofa XX stoleća.

43


Znanje je osnovna proizvodna snaga društva i glavni uslov za uspeh kako pojedinca tako i samog društva. Može se reći da znanje nije samo neka gomila informacija već je sposobnost pojedinca da deluje na osnovu tih informacija. Razlike u znanju i njegovoj primeni su temelj podela između razvijenih i nerazvijenih, bogatih i siromašnih. U društvu znanja postoji izuzetna odgovornost obrazovnih institucija za sopstveni razvoj i razvoj društva u celini, ali, jednako tako, i odgovornost društva za razvoj obrazovnih institucija. Stoga postavljamo osnovno pitanje: zašto je, zapravo, važno prepoznati značaj društva znanja? Novo društvo znanja mora da bude društvo u kojem učestvuju svi. Kako se Evropska unija proširuje, tako se povećava i broj stanovnika, te je socijalna integracija bitan preduslov uspešnog proširenja. Važno stanovište socijalne integracije je digitalna integracija. Evropska komisija sledi jedan koncept koji će učiniti informaciono društvo Evrope značajno različitim od ostalih u svetu – svoje aktivnosti uvezuje na regionalnom, nacionalnom i evropskom nivou. Integracija ima za cilj da visokim nivoom društvene podrške ojača i očuva kulturnu i jezičku nezavisnost Evrope, da sve kulture i svi jezici pronađu svoje mesto u Evropi 2010. godine. U svim organizacionim promenama najsloženiji proces je proces promene ljudi, promene njihovog shvatanja. U XXI veku glavno oružje u nadmetanju sa konkurencijom je znanje zaposlenih i vladanje informacijama. Proizvodnja znanja je odlučujući faktor u konkurentnoj poziciji. Ovakva koncepcija zahteva institucionalizovano stalno obrazovanje. Obrazovano društvo je imperativ budućnosti i uslov opstanka svakog društva. Zemlje sa većim brojem visokoobrazovanog stanovništva čine sve da taj broj povećaju, jer je praksa pokazala da je znanje najskuplja roba, da su 44


prihodi veći sa novim tehnologijama, da se u ovako povezanom svetu ne može raditi bez poznavanja drugih kultura i znanja jezika. Znanje je postalo ključni resurs. Ono ima vrednost, kao što vrednost ima i samo saznanje o značaju znanja. Vrednost saznanja o značaju društva znanja neprocenjivo je. Stoga postavljamo osnovno pitanje: zašto je, zapravo, važno prepoznati značaj društva znanja? Danas i velika i mala preduzeća prepoznaju veliku ulogu ljudskih resursa u poslovnom sistemu. Postoji više definicija znanja; nabrojaću neke od njih: „Znanje je informacija koja je organizovana i analizirana da bi bila razumljiva i primenljiva u rešavanju problema ili u odlučivanju.32“ „Znanje se sastoji od istine i verovanja, perspektiva i pojmova, rasuđivanja i očekivanja, metodologija i know-how33“ „Znanje je sveobuhvatni skup uviđaja, iskustava i procedura koja se smatraju ispravnim i istinitim, pa stoga upravljaju mišljenjem, ponašanjem i komunikacijama ljudi.34“ Prema Oxford English Dictionary, znanje se definiše kao: činjenice, informacije i veštine postignute kroz iskustvo i obrazovanje, teorijsko i praktično razumevanje nekog subjekta. Informisanost i svest ili bliskost činjenicama i situaciji postignuta iskustvom. Što više delite svoje znanje postajete sve bogatiji.

32

Turban, E. Expert System and applied Artifical Intelligence, Maxmillan, 1992. 33 Wig, K. Knowledge Management Foundation, Schema press, 1993. 34 Van der Spek, R. Knowledge Management CRC Press 1997.

45


2. ORGANIZACIJA I MENADŽMENT Organizacija i menadžment su pojmovi koji se nerazdvojno prožimaju kroz istoriju, iako se menadžment kao nauka razvio početkom dvadesetog veka a pojam organizacije se usavršava već hiljadama godina. Prvi oblici organizacije javili su se i pre pojave prvih civilizacija. Na primer, veliki lov u rodovskoj zajednici praljudi su izvodili koordinacijom, planiranjem, organizacijom i podelom uloga. Egipatske piramide su plod velike organizacije u kojoj je koordinsan rad projektanata, inženjera i robova. Tako veliki radovi nisu mogli biti obavljeni bez planiranja, usmeravanja i kontrole. Oni su preteča organizacije i menadžmenta kao sistematizovanog skupa funkcija ili uloga. Menadžment omogućava koordinaciju pojedinca i ograničenih resursa za postizanje ciljeva na efikasan način. Zadužen je da obezbedi resurse (ljudi, tehnologije, materijal, finansije) neophodne za postizanje strateških ciljeva preduzeća. Menadžment preduzeća dizajnira zadatke i organizuje obavljanje poslova. Jednostavno, može se reći da se pod pojmom menadžment podrazumeva odgovornost za izvođenje, odgovornost za postizanje ciljeva organizacije. Postoje mnogobrojne definicije menadžmenta, ali bi se moglo reći da je najzanimljivija definicija Meri Parker35 koja menadžment poistovećuje sa „umetnošću obavljanja poslova putem, uz ili posredstvom drugih ljudi“.

35

Mary Parker Follet (1868–1933), američki sociolog, autorka knjiga o demokratiji i menadžmentu.

46


Menadžment se razvijao uporedo sa razvojem ljudskog društva. Osnovni principi menadžmenta utemeljeni su pojavom velikih civilizacija. Na sledećoj slici prikazan je razvoj menadžmenta kroz vekove.

Slika 10. Menadžment kroz vekove Egipat: izgradnja piramida, nasleđe principa centralnog upravljanja. Poznatu Keopsovu piramidu gradilo je oko 100.000 ljudi 200 godina. Vavilon: Hamurabijev zakon, sistem inventara, odnos min/max zarade, vođenje je i nadgledanje izgradnje sistema za navodnjavanje. U Hamurabijevom zakonu zapisane su određene konture države. Kina: Konfucije je postavio moralne standarde ponašanja vođe36. 36

Konfucije je polulegendarni kineski mislilac koji je živeo u VI veku pre naše ere (551–479) i po kome je religiozno-filozofska nauka nazvana konfucionizam.

47


Grčka: principi upravljanja, i danas poznati principi organizacije. Rim: organizacija državne uprave, prikupljanje poreza na tri kontinenta. Venecija: upravljanje trgovinom na morima. Crkvena centralizovana organizacija je jedna od najdugovečnijih organizacija, stara je preko 2.000 godina. Razvoj menadžerskih znanja prelazio je dug put, a menadžment je uvek podrazumevao odgovornost za organizacijsko poslovanje. Ključni faktori za uspeh i održivost preduzeća su informacije, znanje, inovativnost i kreativnost, za čiju su upotrebu potrebne informacione tehnologije u obliku informacionih sistema. Poslovni informacioni sistem je „žila kucavica“ preduzeća. Uspešno poslovanje preduzeća moguće je samo sinergijom informacionih tehologija i menadžmenta. Organizaciju, u skladu sa teorijom sisitema, posmatramo kao otvoren socijalni sistem koji se sastoji od oblikovane aktivnosti grupe ljudi, pri čemu su te aktivnosti svrsishodne i usmerene ka cilju. Organizaciju predstavlja grupa ljudi sa formalno određenim ulogama koja zajedno radi kako bi ostvarila zadane ciljeve te grupe. Svesno udruživanje ljudi kojima je cilj odgovarajućim sredstvima ispuniti određene zadatke, sa najmanjim mogućim naporom na bilo kojem području rada, definiše organizaciju. Karakteristike organizacije su zajednička svrha, ciljevi i organizacijska struktura. Preduzeće se posmatra kao kompleksan, dinamičan i otvoren sistem, koji je sa jedne strane sastavljen od određenog

48


broja podsistema, a sa druge strane predstavlja podsistem nekog drugog sistema višeg nivoa. Čovek je sa kvalitetnom organizacijom bolje i brže postizao veće rezultate na poljima svog delovanja. Pojedinac se koristi i pripada organizaciji čitav svoj život, od rođenja do smrti sva svoja radna i životna pitanja rešava zajedno sa ljudima, dakle, organizovano. Značenje organizacije nije ograničeno samo na čovekovu privrednu aktivnost, već i na njegovu celokupnu radnu i životnu aktivnost. Svaka organizacija ima svoj strateški cilj koji predstavlja svrhu postojanja organizacije, i misiju koja opisuje šta ta organizacija nastoji da postigne. Realniji opis organizacije je da je to skup prava, privilegija, obligacija i odgovornosti koji su delikatno balansirani tokom nekog perioda, kroz konflikte i njihova rešenja. Svaka organizacija ima svoju kulturu i klimu. Svako ko je u toku svog radnog veka promenio nekoliko radnih organizacija mogao je da primeti da se, čak i ako se bave istom vrstom delatnosti, organizacije međusobno razlikuju. Ono što daje osoben pečat svakoj organizaciji jesu njena kultura i klima. Smatra se da su kulturne prepreke osnovna smetnja deljenju i transferu znanja u organizaciji. Stoga se smatra da upravljanje znanjima mora preuzeti težak zadatak menjanja organizacione kulture sa ciljem postizanja deljenja i transfera znanja neophodnih za korišćenje svih vrednosti resursa znanja organizacije. Klima organizacije je skup svojstava po kojima se jedna organizacija razlikuje od neke druge organizacije: priroda rada, sistem vrednosti i preovlađujući stil rukovođenja. 49


Kultura37 organizacije je skup normi ponašanja i očekivanja koja određuju način na koji zaposleni prilaze poslu i međusobnom odnosu. Kultura određuje naš pogled na svet. Željena kultura je koncept menadžmenta o vrednostima kojima se daje prednost, o idealima, viziji i misiji koji će pomoći organizaciji da na najbolji način ostvari svoje ciljeve. Definišu se norme ponašanja koje menadžment želi da postavi. Organizaciona kultura predstavlja skup pretpostavki, vrednosti i načina na koji se neke stvari rade, koje su prihvaćeni od većine članova. Rezultati istraživanja ukazuju na to da većina organizacija podstiče kulture u kojima se ljudi ponašaju na pasivno-odbrambene i agresivno-odbrambene načine. Smatra se da su kulturne prepreke primarna smetnja deljenju i transferu znanja u organizaciji. Organizaciona kultura se sastoji od tradicije, običaja, navika, vrednosnog sistema, verovanja, stavova, merila i normi ponašanja koje dele svi članovi organizacije. Ona utiče na ponašanje zaposlenih tako što: 1. članovima pruža osećaj identiteta, 2. jača osećaj predanosti misiji organizacije, stvara osećaj zaposlenima da su deo veće celine koja prevazilazi lični interes i izjednačava lične ciljeve sa ciljevima organizacije, 3. precizira i jača norme ponašanja što je veoma važno za nove članove, ali i za one koji su duže vremena u organizaciji jer kanališe postupke i usmerava ih ka postizanju zajedničkih ciljeva.

37

Kultura je mentalno programiranje ljudi. Geert Hofstede, 1980.

50


Veruje se da upravljanju znanjima prethodi menjanje kulture organizacije u cilju postizanja transfera znanja neophodnih za realizaciju potpune vrednosti resursa znanja organizacije. Na kulturu organizacije deluju:

-

međuljudski odnosi,

-

način vođenja i upravljanja,

-

spoljni uticaji,

-

obeležja organizacije i

-

sami poslovni procesi.

Postojanje organizacijske kulture vodi organizaciju u pozitivnom smeru.

Slika 11. Mikroekonomska definicija organizacije Organizacija se sastoji od velikog broja podsistema koji su u dinamičkoj interakciji promene u jednom podsistemu utiču na promene u drugom podsistemu. Organizacija treba da bude delotvorna i efikasna. Delotvornost (eng. effectiveness) predstavlja stepen u kojem su

51


realizovane planirane aktivnosti i postignuti planirani rezultati. Efikasnost (eng. efficiency), predstavlja odnos između postignutih rezultata i iskorišćenih resursa. Važno je naglasiti da nema uspešne organizacije, uspešnog preduzeća, bez dobre komunikacije. Svi mi komuniciramo na neki način! Postavljaju se pitanja da li imamo uspešnu komunikaciju, znamo li preneti poruku onako kakav je njen smisao, kako drugi prihvataju naš način komunikacije i mnoga druga pitanja, jer: poruka je uspešna i smislena jedino onda kada je pošiljalac i primalac shvataju i prihvataju na isti način. U svakodnevnom poslovanju komunikacija je krvotok svake organizacije, jer je cirkulacija informacija osnovni uslov za odvijanje poslovnih procesa. Komunikacija predstavlja način razmene informacija pomoću unapred dogovorenih i razumljivih sistema sporazumevanja, komunikacija je najmanje šta kažemo a najviše kako to kažemo. Kod uspostavljanja komunikacije 90% parametara komunikacije su neverbalni parametri, važni delovi komunikacije, kao što su: izgled, govor tela, mimika, informacija i ritam glasa. Komunikacija je veština! Pored navedenih karakteristika, kulture i klime organizacije, treba napomenuti da u svakoj organizaciji postoje i konflikti kao proizvod različitih interesa i stavova okruženja organizacije koje predstavljaju konkurencija, klijenti, vlada, banke, tehnologija, znanje, kultura.

52


Slika 12. Organizacija i IT Kao menadžeri, uvek želimo da shvatimo kakav uticaj informacioni sistemi mogu da imaju na društvene i radne odnose u našim organizacijama. Kao informatičari, ne možemo uspešno da projektujemo nove sisteme bez razumevanja organizacije koja treba da koristi taj informacioni sistem.

53


Slika 13. Odeljenje informacionih tehnologija u organizaciji Planiranje novog sistema u organizaciji zavisi od organizacionih faktora. Organizacioni faktori koji se razmatraju kod planiranja novog sistema su: -

okruženje u kome organizacije funkcionišu,

-

struktura organizacije (hijerarhija, specijalizacija, standardne operacione procedure),

-

organizaciona kultura i politika,

-

tip organizacije,

-

priroda i stil menadžmenta,

-

podrška i razumevanje top menadžmenta,

-

osnovni interesi grupa koje utiču na sam sistem,

-

vrste zadataka, odluka i poslovnih procesa kojima informacioni sistem treba da pomogne,

-

mišljenja i odnos radnika u organizaciji koji će koristiti informacioni sistem i 54


-

istorija organizacije, pregled prošlih investiranja u informacione tehnologije, postojeća iskustva, važni programi i ljudski resursi.

Svaki cilj mora biti merljiv, jer ako ne znaš gde si, ne znaš ni gde ti je cilj.

55


2.1.

Šta je menadžment

Pojam mendžment je latinskog porekla (manus = ruka; rukovođenje). Menadžment se povezuje sa pojmom rukovođenje. Ovaj pojam se koristi za poimanje: -

Procesa – upravljanja;

-

Funkcija – planiranja, kordinisanja, kontrole, organizovanja, vođenja;

-

Veština – komunikacije i motivisanja;

-

Naučne discipline – strukturisani sadržaj i metode i

-

Profesije – neki radnici postaju profesionalni menadžeri.

Menadžment kao nauka predstavlja strukturisano znanje o nekom predmetu koje koristi definisane okvire i ima razrađene metode istraživanja. Menadžment kao veština predstavlja talenat ili sposobnost čoveka da izabira i upotrebljava: sredstva, aktivnosti i skup pravila za ostvarivanje postavljenih ciljeva. Menadžment kao profesija predstavlja utvrđeno znanje koje zahteva neophodno vreme za obuku, razrađene etičke norme, i odnosi se na osobe koje poseduju unapred određene kvalifikacije i iskustvo. Definicija menadžmenta danas: „Menadžment je sistematičan način usmeravanja pojedinca, grupe, poslova i operacija u cilju ostvarivanja postavljenih ciljeva organizacije uz korišćenje raspoloživih sredstava.“ Funkcije menadžmenta su planiranje, organizovanje, vođenje i motivisanje, kontrolisanje i upravljanje ljudskim resursima.

56


Planiranje je određivanje aktivnosti koje treba uraditi, definisanje ciljeva i uspostavljanje plana rada. Organizovanje predstavlja određivanje načina i sredstva za obavljanje svake planirane aktivnosti. Drugim rečima, planiranje predstavlja utvrđivanje šta treba učiniti, kojim redom, i ko treba to da učini. Vođenje i motivisanje je funkcija organizacije koja vrši stimulisanje zaposlenih za ostvarivanje rezultata. Kontrolisanje je funkcija nadgledanja realizacije i njeno vrednovanje u odnosu na očekivani kvalitet i količinu. Menadžment je posebna naučna disciplina koja ima multidisciplinarni karakter i bavi se istraživanjem problema upravljanja resursima bilo koje vrste. Komponenta menadžmenta, upravljanje ljudskim resursima, uključuje sve procese i aktivnosti koje imaju za cilj upravljanje svim ljudskim resursima neke organizacije. Sveobuhvatni, sistemski pristup odnosima sa zaposlenima omogućuje najviši stepen performansi organizacije. Menadžment preduzeća mora obezbediti da svaka funkcija u preduzeću bude dimenzionisana primereno potrebama i da sve funkcije deluju skladno, u cilju delotvornog i uspešnog ostvarivanja zajedničkih ciljeva, a to nije jednostavan zadatak. Najčešće korišćena definicija menadžmenta je već pomenuta definicija Amerikanke Meri Parker. Ona kaže da je menadžment umešnost obavljanja poslova posredstvom drugih ljudi.

57


Rozmari menadžmenta:

Stjuart38

je

dala

sledeću

definiciju

„Menadžment uključuje ljude koji gledaju i iznad sebe samih i imaju formalnu vlast nad aktivnostima drugih ljudi.“ Uloga menadžmenta u postavljanju ciljeva i njihovom ostvarivanju ogleda se u definisanju ciljeva primerenih tržištu i mogućnostima preduzeća, razgrađivanju ciljeva na sve nivoe upravljanja. Ciljeve treba učiniti razumljivim i merljivim. Menadžment treba osigurati primerene resurse neophodne za realizaciju ciljeva, finansijskih, kadrovskih i drugih, te organizovati, stimulisati i motivisati kadrove za realizaciju ciljeva. Veoma je važno da menadžment kontroliše realizaciju ciljeva i sprovodi neophodne korektivne aktivnosti uključivši i korekcije ciljeva. Ne postoje dobra i loša preduzeća, postoji samo dobar ili loš menadžment!

38

Rosemary Stewart, Engleskinja, autorka dvanaest knjiga o menadžmentu. Godine 1976. dobila je i nagradu za najbolju knjigu o menadžmentu.

58


2.2.

Ko su menadžeri

Menadžer je osoba koja je odgovorna za izvršavanje postavljenih ciljeva organzacije uz podršku menadžmentskih funkcija. Prema hijerarhijskoj podeli preduzeća, menadžeri mogu biti operativni, taktički i strateški. Operativni nivo je izvršni nivo menadžmenta u preduzeću. Radi sa operativnim, detaljnim, svakodnevnim podacima, a donose se strukturirane odluke. Na tom nivou koriste se transakcioni informacioni sistemi. Taktički nivo realizuje taktičke planove, izveštava o statusu radnih zadataka i poredi ih sa planovima, a analizu šalje na viši nivo, u strategiju. Na taktičkom menadžment nivou su sumarni, sintetički podaci, dovoljno detaljni da omoguće efikasnu kontrolu. Donose se delimično strukturirane odluke uz podršku upravljačkih informacionih sistema i sistema za podršku odlučivanju. Strateški nivo menadžmenta odgovoran je za uspeh celokupne organizacije. Strateški menadžment nema nadređene menadžere. Visoko sintetizovani podaci, orijentisani na podršku strateškom upravljanju, omogućavaju donošenje nestrukturiranih odluka. Pored ostalog, menadžer mora da poznaje strukturu firme i tokove informacija u njoj. Mora da poznaje i koristi računare i softverske alate koji omogućuju kvalitetnu obradu informacija, odlučivanje i upravljanje. Novi uslovi poslovanja zahtevaju efikasniju i fleksibilniju organizaciju. Polako nestaju srednji menadžerski nivoi, provodnici informacija, njihovu funkciju preuzimaju radnici uz pomoć informacionih tehnologija.

59


Slika 14. Hijerarhija odlučivanja Zadaci savremenih menadžera su utvrđivanje strategije, postavljanje ciljeva i merenje ostvarenih rezultata. Oni ne upravljaju putem naredbi, kojima određuju zaposlenima šta i kako da rade, već obezbeđenjem uslova za efikasno obavljanje poslovnih procesa. Menadžer je osoba čija je primarna odgovornost izneti proces upravljanja, neko ko planira i donosi odluke, organizuje, vodi i kontroliše ljudske, finansijske i informacione resurse. Potrebno je voditi ljude, i učiniti produktivnu specifičnu snagu svakog pojedinca. Menadžment preduzeća mora obezbediti da svaka funkcija u preduzeću bude dimenzionisana primereno potrebama i da sve funkcije deluju skladno, u cilju delotvornog i uspešnog ostvarivanja zajedničkih ciljeva, a to nije jednostavan zadatak. Na sledećoj slici prikazan je dijagram odnosa broja odluka strateške vrednosti u zavisnosti od nivoa menadžmenta koji donosi te odluke.

60


Slika 15. Dijagram odnosa broja i vrednosti donesenih strateških odluka Menadžeri koriste MIS – upravljačke informacione sisteme za donošenje strukturiranih odluka na operacionom i taktičkom nivou organizacije. Oni u svom radu koriste tehničke, komunikacijske i koncepcijske menadžerske veštine. Može se reći da postoji pet grupa menadžerskih veština:

-

veština upravljanja samim sobom (personal

skills), -

veština rada sa drugima (interpersonal skills),

-

komunikacijske veštine (communication skills),

-

veštine upravljanja sukobom (conflict

management skills) i -

veštine upravljanja promenama (change menagement skills).

Postojeći alati i specifične tehnike rada su resursi koje menadžeri obavezno moraju koristiti. Svojom veštinom komuniciranja uspostavljaju radno okruženje u kojem se

61


zaposleni osećaju sigurno i ugodno tako da mogu iskazivati i svoje stavove bez ograničenja. Jedna od kompleksnih veština je da menadžer ima sposobnost integrisanja i usmeravanja svih interesa organizacije u cilju postizanja strateških ciljeva. Takav menadžer treba biti sposoban da stvori celokupnu sliku preduzeća i da uspostavi međuzavisnost važnih organizacijskih elemenata sa ciljem postizanja željenih rezulatata. Savremeni menadžeri upravljaju poslovima i organizacijama, upravljaju ljudima, upravljaju procesima proizvodnje ili usluga. Sve ovo treba uraditi uspešno, a menadžer je uspešan ukoliko je efikasan tako što radi na pravi način (doing thing right), i ukoliko je efektivan (doing the right things), birajući prave ciljeve preduzeća. Veoma je važno da menadžment ravnomerno koristi sve kategorije i sve uloge menadžera na svim menadžment nivoima: operativnom, taktičkom i strateškom nivou. Na osnovu prikupljenih informacija menadžeri donose odluke vrednovanjem i usmeravanjem informacija. Menadžer je uspešan ako je: -

kompetentan,

-

kreativan,

-

internacionalno orijentisan,

-

informatički pismen,

-

društveno odgovoran i

-

ako postiže rezultate.

Henry Mintzberg, profesor na MacGill univerzitetu u Montrealu, definisao je uloge menadžera predstavljene u sledećoj tabeli:

62


Kategorija Informaciona

Uloga Nadzor Prenos informacija Portparol

Interpersonalna

Vođa Osoba za vezu

Odlučivanje

Preduzetnik Korektor Alokator resursa Pregovarač

Aktivnost Prikuplja i prima informacije Izveštava zaposlene Formira informacije koje idu prema okolini Predstavlja preduzeće Usmerava Obučava Održava komunikaciju Indukuje ideje Rešava konfliktne situacije Odobrava finansijske planove Predstavlja interese preduzeća

Kako ove uloge menadžera podržavaju IS? Interpersonalna uloga podržana je sistemom elektronske komunikacije a informaciona uloga preko IT infrastrukture. Odlučivanje na različitim nivoima se ostvaruje putem strukturiranih, utvrđenih procedura i nestrukturiranih odluka. Današnji menadžeri prihvataju i otklanjaju sve nejasnoće, stvaraju organizacije koje su brze, fleksibilne prilagodljive i orijentisane ka međuodnosima, fokusiraju se na rukovođenje, interakciju sa zaposlenima, kreiranje tima i, što je najvažnije, razvijaju organizaciju koja uči. Menadžment mora postaviti jasne ciljeve, SMART ciljeve:

63


Specific – tačno određene ciljeve, Measurable – merljive ciljeve, Achievable – ostvarive ciljeve, Realistic – realne ciljeve, Time-based – vremenski određene ciljeve. Pre uvođenja novih poslovnih strategija poslovnih metoda, svaka organizacija mora da sagleda sve prednosti i nedostatke sistema koji želi da uspostavi. U savremenom poslovnom svetu takva analiza poznata je kao SWOT39 analiza. Primer matrice SWOT analize prikazan je u sledećoj tabeli.

+

-

Spoljašnje Prilike (Opportunities)

Unutrašnje Snaga (Strength)

Šta je dobro u budućnosti? Selektovati, optimizirati

Šta je sada dobro? Održavati, graditi, podsticati

Pretnje (Threats)

Slabosti (Weaknesses)

Šta je loše za budućnost? Izbegavati, minimizirati

Šta je sada loše? Popraviti, stopirati

Analiza je predstavljena konfrontacionom tabelom koja sadrži samo nekoliko glavnih sagledanih prednosti, slabosti, prilika i pretnji. Potrebno je voditi računa o spoljašnjem i unutrašnjem okruženju.

39

SWOT (S – strengths, W – weaknesses, O – opportunities, T – threats)

64


Spoljašnje okruženje predstavlja prilike i pretnje i može biti zakonodavno, društveno, ekonomsko, ekološko, etičko, tehnološko i političko okruženje. Unutrašnje okruženje predstavlja snagu i slabosti preduzeća. Snage i slabosti u preduzeću ogledaju se u ciljevima, strategiji, tehnologiji, zadacima, ljudskim resursima, životnom ciklusu preduzeća, njegovoj lokaciji, proizvodima i uslugama. Menadžeri teže da shvate kakav uticaj informacioni sistemi mogu da imaju na društvene i radne odnose u organizacijama, a informatičari ne mogu uspešno da projektuju nove informacione sisteme bez razumevanja organizacije koja treba da koristi taj informacioni sistem. Uloga menadžmenta u postavljanju ciljeva i njihovom ostvarivanju ogleda se u definisanju ciljeva primerenih tržištu i mogućnostima preduzeća, razgrađivanju ciljeva na sve nivoe upravljanja. Ciljeve treba učiniti razumljivim i merljivim. Menadžment treba osigurati primerene resurse neophodne za realizaciju ciljeva (finansijske, kadrovske i druge), te organizovati, stimulisati i motivisati kadrove za realizaciju ciljeva. Ponovo treba naglasiti da je veoma važno da menadžment kontroliše realizaciju ciljeva i sprovodi neophodne korektivne aktivnosti uključivši i korekcije ciljeva. „Posao menadžera može biti definisan kao odlučivanje šta treba učiniti i navođenje drugih da to učine.“ Biti uspešan znači biti informisan.

65


2.3.

Upravljanje

Upravljanje predstavlja proces kojim se postižu određeni ciljevi korišćenjem resursa, kao što su: ljudi, novac, energija, materijali, vreme i slično. U poglavlju u kojem je bilo reči o entropiji i informaciji rečeno je da postupci upotrebe informacija za kontrolu entropije, odnosno porast organizovanosti sistema u kibernetici, predstavljaju upravljanje u širem smislu. Razvoj kibernetike ukazao je na ulogu informacije u procesu odlučivanja. U savremenim društvima red i organizovanost obezbeđuje se informacijama. Resursi predstavljaju ulazne veličine (input), a ostvarenje ciljeva se može posmatrati kao izlazna vrednost (output – proizvodi, usluge...). Produktivnost organizacije zavisi od uspešnosti izvršenja svih upravljačkih funkcija: planiranja, organizacije, usmeravanja i kontrole, i može se predstaviti formulom: Produktivnost = Output / Input (resursi) Organizacija treba biti otvorena ka okruženju, treba postojati međuzavisnost i međusobni odnosi delova organizacije, kao i svih delova organizacije sa celom organizacijom. Potrebno je primeniti teoriju odlučivanja, informacione podsisteme, učešće u odlučivanju, a posebno uspostaviti timski rad. Upravljanje poslovnim informacijama je sistem koji pomoću prikladnih programskih rešenja omogućava svojim korisnicima pouzdano i uspešno korišćenje postojećih informacija.

66


Pristupanjem informacijama preko korisnicima prilagođenih programa, korisniku je omogućeno dobijanje odgovora na važna pitanja i donošenje ispravne poslovne odluke. Tradicionalni informatički programi za analizu poslovnih informacija i upravljanje njima nisu napravljeni da bi ih koristile prosečne osobe. Takav pristup ograničava pravovremeni pristup informacijama i iziskuje veliki finansijski trošak. Informacije su upravljane tako da rade za preduzeće. Informacijama pristupaju sve osobe koje imaju definisana ovlašćenja, daju im dodatni smisao kroz izveštaje, prezentuju ih, analiziraju i dele sa drugima. Organizacija razume potrebe svojih kupaca, isporučuje na vreme, brzo odgovara na zahteve tržišta i lako se prilagođava promenama poslovne klime. Ona je produktivna, fleksibilna i agilna, jer svi njeni zaposleni imaju pristup pravim informacijama na pravom mestu i u vreme kada su im potrebne.

67


2.3.1. Proces donošenja odluke Sam proces odlučivanja iniciran je uočavanjem problema ili situacije u kojoj se neko stanje treba promeniti u cilju zadovoljavanja poslovnih procesa. Prema američkom naučniku Herbertu Simonu40, proces donošenja odluka uključuje 3+1 fazu i to: -

inteligenciju,

-

dizajn,

-

selekciju (izbor jednog pravca akcije) i

-

kasnije dodanu fazu implementacije.

Faza inteligencije. Ova faza se odnosi na postavljanje i što preciznije definisanje problema; definisanje situacije koja zahteva donošenje odluke, identifikaciju i definisanje problema. Kada je problem otkriven, radi se na njegovoj lokaciji i definisanju nivoa prioriteta, daje se odgovor na ključno pitanje: Kome problem pripada? Faza inteligencije završava preciznim definisanjem problema. Faza dizajna obuhvata istraživanje, razvoj i analizu mogućih pravaca aktivnosti. Postavljanje modela podrazumeva konceptualizaciju problema i njegovu apstrakciju na matematičko-numerički i/ili simbolički model. Definišu se ulazne veličine, izlazne veličine i relacije među njima. Faza selekcije ili izbora uključuje pretragu mogućih pravaca aktivnosti, kao i ocenu nalaženja odgovarajuće 40

Herbert Alexander Simon (1916–2001), naučnik u oblastima obrada informacija, donošenje odluka, veštačka intilegencija.

68


alternativne akcije. Pretraga mogućih aktivnosti može se zasnivati na: -

analitičkim tehnikama,

-

pretraživanju „naslepo“ (blind search) i

-

heuristici (nauci o pronalaženja novog).

modelima

i

principima

Implementacija predloženih rešenja predstavlja zaključnu fazu procesa donošenja odluka. Ova faza, obično, zahteva dosta vremena i ima najmanje izgleda na uspeh.

69


2.4.

Organizacija koja uči

Promene u načinu razmišljanja, života, učenja i rada u poslednjih dvadesetak godina čine učenje konstantnim i predstavljaju uslov za opstanak mnogih organizacija, bilo malih ili velikih, škola ili društava. Znanje postaje referentna vrednost u novom poslovnom modelu i time utiče na život i rad ljudi kako u preduzeću tako i u društvu. Sve organizacije, privatne ili društvene, male ili velike, profitabilne ili ne bez obzira na svoju aktivnost ili lokaciju, moraju ispuniti pet osnovnih uslova. Organizacija mora imati sposobnost vođenja, prepoznati vrednost korporativnih resursa i upravljanja, razviti partnerstvo ljudi i tehnologija, okrenuti se okolini i konstruisati mrežu vrednosti te razmotriti dizajn stvarne i virtuelne strukture. Ovi uslovi zahtevaju značajnu promenu svega onoga što čini organizaciju, počevši od modela poslovanja pa sve do načina svakodnevnog rada zaposlenih. To nije nešto što se planira ili priprema za neku maglovitu budućnost, već je to nešto što se mora uraditi danas. U prirodi čoveka je da uči, da se prilagođava i da napreduje. Stoga je bitno da se organizacija menja i što brže postane bolja. Do sada se učenje i znanje smatralo darom i nije se posmatralo kao resurs koji je integrisan i iskorišćen za razvoj vrednosti koje pomažu uspehu i opstanku. Karakteristike organizacije sa znanjem su: -

visoka performansa, usmerenost na kupca odnosno korisnika, usmerenost na unapređenja i poboljšavanja, usmerenost na visok kvalitet, visoko fleksibilnost i adaptivnost,

70


-

visok nivo ekspertize i znanja i velike količine učenja i inovacija.

Postoje mnoge definicije organizacionog učenja, kao na primer: Organizacija koja uči je vešta u kreiranju, sticanju i prenošenju znanja i svog modifikovanog ponašanja u skladu sa novim zanimanjima i znanjima. Neki entitet (osoba, grupa, organizacija, društvo) uči ako kroz svoju obradu informacija menja obim svojih potencijalnih ponašanja. George P. Huber, 1991.

71


2.4.1. Socio-ekonomske promene Da bismo razumeli uticaj promena na organizaciju, potrebno je ne samo identifikovati i proučavati glavne faktore, već i prihvatiti definiciju organizacije. Organizaciju definišemo kao bilo koju jedinicu (entitet) koja ima: strategiju – ciljeve i način na koji ih postići, aktivnosti – proces sa ulazom i izlazom vođen strategijom i resurse – finansijske, tehničke, prirodne, ljudske i resurse znanja, koji će upravljati aktivnostima.

ciljevi

STRATEGIJA

Finansijski resursi

Tehnički resursi

Ljudski resursi

Resursi znanja

LANAC SNABDEVANJA

Prirodni resursi

sredstva, resursi

aktivnosti

Slika 16. Blok dijagram organizacije Interesantno je posmatrati organizaciju kao pojedinca ili strukturiranu zajednicu, kompaniju, univerzitet, državnu agenciju, ili kao državu. Ovakvo posmatranje omogućuje nam

72


da shvatimo kako je veštački tradicionalno podignut zid između socijalnog i poslovnog sveta, između privatnog i javnog, između profitne i neprofitne organizacije. U stvarnosti, sve organizacije suočene su sa istim izazovom, sve moraju ispuniti iste uslove da bi opstale. Krajem XX i početkom XXI veka jasnije su definisani faktori koji su imali veliki uticaj na socio-ekonomski i poslovni život, kao i na sve aspekte svakodnevnog života. U sledećoj tabeli prikazan je uticaj faktora promena na ljude i tehnologiju u organizaciji. Faktori promena Globalizacija Ima tendenciju da bilo koja jedinica, aktivnost ili tehnologija prevaziđe dimenziju bilo kojih granica; svako može imati uticaj širom sveta. Molekularizacija Predstavlja pretvaranje organizacije u male, fleksibilne, prilagodljive strukture koje nezavisno funkcionišu. Posredovanje Ima tendenciju da bilo koja jedinica, aktivnost ili tehnologija bude u funkciji direktnog odnosa sa partnerima.

Uticaj na čoveka

Uticaj na tehnologije

Globalno razmišljanje.

Pristupačna infrastruktura bilo gde i bilo kome.

Potrebno je osposobiti zaposlene, klijente i partnere.

Infrastrukturne komponente su autonomne, kompatibilne, prilagodljive i višestruko upotrebljive.

Omogućava poslovne relacije na svim nivoima.

Web infrastruktura omogućava direktne relacije između korisnika i partnera.

73


Faktori promena Rad putem Interneta Ima tendenciju da bilo koja jedinica, aktivnost ili tehnologija bude u stalnom kontaktu sa raznim partnerima unutar mreže koja postaje sve šira, višesmerna i interaktivna. Neposrednost Ima tendenciju da bilo koja jedinica, aktivnost ili tehnologija bude u funkciji poslovanja u realnom vremenu, sa zahtevima za trenutni odgovor na upit kao i za kapacitetima koji su sposobni da brzo reaguju na bilo koji događaj. Digitalizacija Ima tendenciju da bilo koja jedinica, aktivnost ili tehnologija transformiše sve informacije u univerzalni digitalni alfabet tako da ubrza protok informacija i mogućnost zajedničkog korišćenja informacija i transakcija sa minimalnom čovekovom intervencijom.

Uticaj na čoveka


Deo su poslovne mreže i ezajednice.

Integrisana infrastruktura u internim i eksternim mrežama.

Poslovanje u realnom vremenu i spremnost na promene u svakom trenutku.

Osigurava da infrastruktura omogući rad u realnom vremenu i obezbedi efikasnu podršku sve vreme pa i u slučaju tehnološke migracije.

Konverzija podataka, informacija i transakcija u digitalnu formu.

Osigurava da infrastruktura predstavlja kolektivnu digitalnu memoriju organizacije.

74


Faktori promena Virtualizacija Ima tendenciju da bilo koja jedinica, aktivnost ili tehnologija predstavlja virtuelnu stvarnost na takav način da performanse ne zahtevaju fizičku prisutnost. Znanje Ima tendenciju da bilo koja jedinica, aktivnost ili tehnologija postanu sve više informisani kroz vlastiti razvoj i kroz veći pristup znanjima drugih. Informacija, znanje i ideje postaju ključni resursi ekonomije.

Uticaj na čoveka


Upravljanje poslom bez fizičke prisutnosti.

Osigurati da infrastruktura predstavlja virtualnu verziju cele organizacije i da podržava virtualni rad.

Stimuliše i integriše zajedničko korišćenje informacija i razvoj znanja na svim nivoima.

Infrastruktura koja osvaja i podržava razvoj ljudskog kapitala.

Analizom nabrojanih faktora u tabeli može se zaključiti da korišćenjem univerzalnog digitalnog alfabeta i digitalnih umreženih tehnologija omogućavamo direktnu komunikaciju i transakciju bez prostorne i vremenske barijere, tradicionalnih geografskih, kulturnih, religijskih, starosnih, statusnih i sličnih ograničenja. Svi entiteti se nalaze u globalnom svetu u kojem svako može imati uticaj i može izabrati mreže i komunikacije koje i kakve želi. U takvom svetu tradicionalne prednosti su prevaziđene onim što ih čini različitim: znanje, ideje, umrežavanja i brzina.

75


Obim ovih promena je toliki da nije preterano reći da napuštamo industrijsku eru i ulazimo u novi period koji će se bitno razlikovati od dosadašnjeg.

76


2.4.2. Novi model organizacije U ovom novom svetu menja se sam koncept organizacije. Danas, u uzburkanom globalnom okruženju, finansijske performanse ne znače više održivu sposobnost za rad organizacije, a opipljiva aktiva, kao što su deonice, potvrđuje nepouzdanost ove reference o proceni vrednosti organizacije. Neopipljiva aktiva, kao što su znanja i ideje, pojavljuje se kao pouzdan indikator kapaciteta organizacije i ostaje konkurentna duže vreme. Stoga organizacija treba da evoulira iz velike mašinerije u kreativni mozak. U ovom kontekstu veličina i starost organizacije nisu više prednost već potencijalne prepreke u trci ka prilagođavanju promenama, a prednost predstavljaju bolje ideje i više znanja. Objektivno, agilnost organizacije, njena mogućnost da objedini znanje radnika u cilju izgradnje i razvoja ljudskog kapitala predstavlja novu aktivu organizacije. Nova aktiva, kapaciteti ljudskog kapitala, koristi se u generisanju ekonomske i socijalne vrednosti, kao i vrednosti samog okruženja koje su potrebne da bi organizacija bila i ostala konkurentna. Talas ovih velikih promena, koje su univerzalne i istovremene, utiče na sve nas, prvi put u našoj istoriji, na isti način bez obzira gde smo i ko smo. U sledećoj tabeli prikazan je odnos karakteristika organizacije u industrijskoj eri i u novoj eri.

77


Industrijska era

Nova era

Reference ekonomske aktive

Opipljiva aktiva

Neopipljiva aktiva

Organizacija

Velika mašina

Kreativno razmišljanje

Konkurentna prednost

Veličina

Ljudski kapital

Indikatori uspešnosti

Kratkoročna profitabilnost

Održivi razvoj

Zaposleni

Kvazimehaničke komponente vrednovane kao radna snaga

Individualni neuroni vrednovani kao fluidni tim radnika sa znanjem

78


2.4.3. Novi izazovi za korporativne lidere U novom modelu organizacije korporativni lideri namaju lak posao. Korporativni lider mora nametnuti, uglavnom mononacionalnoj disciplinovanoj radnoj snazi, korporativnu kulturu proizašlu iz snova i vrednosti malih homogenih grupa ljudi koji tradicionalno organizaciju drže na okupu. Zadatak je izazovan kada treba identifikovati i obezbediti privrženost zajedničkoj viziji i vrednostima decentralizovanog, multinacionalnog, rasutog tima različitih stručnih ljudi. Poslovna strategija je najteži posao korporativnog lidera, posao koji utiče na njegovu egzistenciju i visoku platu. Ciljevi korporacije nisu više ograničeni samo na čisti finansijski rast ili poziciju na tržištu već i na integraciju nacionalnih vrednosti stvorenih okruženjem. Kako je stabilni poslovni svet podeljen na manje poslovne procese korporacija se mora prilagoditi brzim globalnim promenama a korporativni lideri kreirati svoja pravila upravljanja koja se redovno moraju analizirati. Monitoring postaje važan izazov korporativnim liderima zajedno sa ključnim indikatorima uspešnosti svih segmenata organizacije. Pristup resursima korporacije postaje prefinjen. Dosad su kadar i tehnologije posmatrani kao čist trošak koji se treba kontrolisati, a sada dobijaju novu dimenziju jer predstavljaju respektabilan resurs korporacije. Taj resurs je znanje. Na kraju, poslovanje je i dalje ključni faktor opstanka svake organizacije te poslovni lider mora tragati za održivim razvojem koji predstavlja kompleksan i neuhvatljiv cilj i koji

79


forsira lidere da osposobe organizaciju da izvlači profit iz okoline a isto tako da omogući okolini profit od organizacije.

ekonomska vrednost

socijalna vrednost benefit drugima

Slika 17. Održivi razvoj organizacije

80

vrednost okoline


2.4.4. Novi izazovi za korporativne menadžere resursa Menadžment, rukovođenje ili upravljanje, proces je formiranja i održavanja okruženja u kojem pojedinci, radeći zajedno u grupama, postižu postavljene ciljeve; odnosno to je proces kojim se dolazi do željenih rezultata efikasnim korišćenjem ljudskih i materijalnih resursa. Drugim rečima, menadžment je sistemsko usmeravanje pojedinaca kroz grupe poslova i aktivnosti u cilju ostvarivanja planiranih ciljeva organizacije koristeći efikasno sva njena raspoloživa sredstva. Korporativni resurs menadžementu daje potpuno novu dimenziju. U organizaciji kao mašina svi resursi se posmatraju kao kvazimehaničke komponente koje će, ako se stave na pravo mesto i aktiviraju na pravi način, raditi u skladu sa očekivanim standardima. Lideri zahtevaju uniformnost i disciplinu u cilju smanjenja troškova i povećanja dobiti. U organizaciji „kao mozak“ svaki resurs (personalni, tehnološki, finansijski) ima jedinstvenu vrednost. Lideri moraju identifikovati ove vrednosti, povećavati ih, razvijati i kreirati njihovu sinergiju da bi poveli organizaciju u nove veće performanse. Pored performansi, blisko partnerstvo između resursa omogućava stvaranje novog resursa, a to je znanje. Kada organizacija obezbedi ovaj resurs, on postaje aktiva, ljudski kapital, koja je ključ održive konkurencije. Uloge menadžera resursa moraju pretrpeti veliku transformaciju da bi menadžeri obezbedili ono što se od njih očekuje: ostvarenje individualnih, organizacionih i strateških potreba.

81


Primer ljudskih resursa: Personalna administracija

Menadžment ljudskih resursa

Menadžment ljudi

TEHNIČKI

STRATEŠKI

DNEVNI

Administracija plata

Dizajn organizacije

Podaci o radnicima

Menadžment kompetencija

Rešavanje dnevnih problema

Održavanje

Menadžment performansi

Osiguranja

Upravljanje kompenzacijama Razvoj organizacije Interni ili vanjski tehnički resurs

Funkcije ljudskih resursa i konsultanata

Individualna motivacija Upravljanje različitostima Rešavanje konflikata Monitoring Menadžment kadrova

Tradicionalno posmatran kao centar troškova, drugim rečima kao teret organizacije, funkcija menadžmenta resursa, naročito ljudskih resursa, IKT – informaciono-komunikacionih tehnologija i znanja, mora postati ravnopravan partner izvršnom odboru preduzeća. Potrebno je prepoznati njihov respektivni zajednički uticaj na budućnost organizacije. I, što je najvažnije, tradicionalna organizacije na odeljenja treba da nestane.

podeljenost

Zajedničko delovanje svih resursa može doprineti i boljim performansama preduzeća i održivost u konkurentom okruženju. Menadžmenti finansija, ljudskih resursa, IKT i znanja moraju naučiti da sarađuju, da koriste poslovni jezik 82


kao način komunikacije između sebe, i da zajednički rade na tekućim pitanjima.

83


2.4.5. Novi izazovi za zaposlene u preduzeću Krajem prošlog veka uveden je termin „radnik sa znanjem“ i opisuje se kao „osoba specijalizovana za istraživanje, analizu, menadžment i komunikaciju informacijama relevantnim za osobe koje donose odluke ili za menadžment znanja, i koje koriste sistem informacionih tehnologija razvijen u tu svrhu“. Radnici sa znanjem pripadaju kategoriji intelektualnih radnika. Oni poseduju organizaciono znanje tako da imaju kapaciteta i za inovacije. Kako su oni visokokvalifikovani ili iskusni, može im se dodeliti i uloga strateškog posmatrača, donosioca odluka, profesionalnih trenera i slično. Internet, softver za analizu podataka, softver za Data mining kao i drugi alati učestvuju u definisanju ovih novih profila radnika i restrukturiranju rada unutar organizacije. Prema tekućim analizama, očekuje se da radnici sa znanjem u trećem milenijumu dominiraju na tržištu rada. Stoga se i očekuje da će se radnici vrlo brzo tranformisati iz radnika mašine u radnike znanja. Jasno je da obrazovni sistem treba biti spreman da školuje ljude za tržište rada, da „proizvodi“ radnike sa znanjem. Da bi organizacija preživela promene, prilagodila se globalnim trendovima i sa promenama profitirala, mora ispuniti najmanje pet uslova. Organizacija mora imati sposobnost vođenja ka održivom razvoju. Organizacija treba prepoznati vrednosti svakog korporativnog resursa i upravljati njime na strateškom nivou na integrisan način tako da ljudski kapital postaje dragocena aktiva bilo koje organizacije.

84


Organizacija mora razviti partnerstvo ljudi i tehnologija u cilju obezbeđenja i generisanja vrednosti koje će obezbediti održivost organizacije. Organizacija se mora okrenuti okolini, vanjskom svetu, jer niko ne može sam da funkcioniše u globalnom svetu. Svojim poslovnim partnerima organizacija daje do znanja da će konstituisati mrežu vrednosti i integrisati je u sve nivoe i sve aktivnosti. Organizacija mora razmotriti dizajn stvarne i virtualne strukture i na toj osnovi definisati obuku i performanse svojih resursa. Iako je spomenuto da je globalizacija jedan od devet faktora promena, naš svet će postati globalan, kako to predstavljaju istoričari i ekonomisti, tek kroz mnogo godina. Svesni smo da globalizacija i njena višestruka dimenzija omogućavaju pristup svim raspoloživim informacijama, zbog naprednih tehnologija, jednostavnim pritiskom na dugme. Još uvek dovoljno ne cenimo promptne informacione kanale širom sveta, naročito Internet, koji imaju demokratizovano znanje sa uticajem na društvene modele i strukture moći. Ekonomski uticaj je ipak vidljiv. Nedavne analize pokazuju da se vrednosti sve više poveziju sa znanjem. Pametni proizvodi, koji su dizajnirani korištenjem zahteva klijenata i ostalih zainteresovanih i koji se neprestano menjanju i razvijaju uporedo sa potrebama klijenata i okruženja, oni su koji su najuspešniji. Znanje je čudna aktiva čija se vrednost povećava sa njegovim rasprostiranjenjem i korišćenjem. Što više delite svoje znanje, postajete sve bogatiji.

85


Ovo pravilo je u suprotnosti sa onim koje smo koristili kod likvidne aktive, koje je postalo predmet beskrajne prepirke, posebno u zapadnom svetu u kojem je zaštita intelektualne svojine stub poslovanja. Razvoj tehnologija potvrđuje ove zahteve i ograničenja kod promena vrednosti organizacije. Organizacija se mora otvoriti ka novim idejama i korišćenjem znanja treba da postane fleksibilna. Stoga se može reći da se danas vrednost stvara preko sveobuhvatne mreže, ne preko same organizacije a pogotovo ne preko pojedinca. Sa ove perspektive organizacija treba da razvija proces prikupljanja ili stvaranja korisnog znanja. Promena načina poslovanja i njegovih vrednosti prikazana je u sledećoj tabeli: IZ...

U...

vrednost kroz intelektualnu svojinu

vrednost kroz intelektualnu razmenu

- trajnost

- podela znanja

- centralno organizovano

- orijentisan oprema okruženju

vrednost kroz lokalno pozicioniranje

vrednost kroz globalno pozicioniranje

- razgovor sa poznatima

- razgovor sa svima

vrednost kroz eksperte

vrednost kroz ekspertize

- nekoliko eksperata/procesa

- interni i eksterni razgovori

86


vrednost kroz specijalizaciju

vrednost kroz fleksibilnost

- uzak opseg znanja

- širok opseg znanja

vrednost kroz moć

vrednost kroz inovaciju

- konzervatizam

- konstantne promene

vrednost kroz disciplinu

vrednost kroz kreativnost

- kontrola kreativnosti

- podržavanje ideja

Svaki čovek, pojedinačno ili kroz zajednicu, mora postati strateška organizacija za učenje u realnom vremenu. Drugim rečima, organizacija: mora očekivati, identifikovati i razumeti promene u realnom vremenu kao što je prilagođavanje, fleksibilnost i novi putevi ka dugoročnim ciljevima da bi obezbedila održivu sposobnost za život i rad; mora prikupiti korisna znanja u realnom vremenu i sjediniti ih u jedinstvenu kombinaciju od koje društvo može imati koristi a organizacija optimalne tržišne vrednosti; mora ažurirati svoje znanje i okruženje sa ciljem da ostane konkurentna u realnom vremenu u kojem ekspertize brzo zastarevaju; mora pratiti evoluciju razmišljanja, pogleda i načina života i koristiti ih kao inspiraciju za nove ideje sa ciljem postizanja uspeha i mora deliti znanje realnog vremena u cilju generisanja društvenih vrednosti a istovremeno povećavati obim sopstvenog znanja.

87


2.4.6. Kompetencije menadžmenta i centralno motivisanje U industrijskoj eri organizacije kao mašine fokusirane su na kratkoročne rezultate, radnici su jedva posmatrani kao individualna bića sa ličnim aspiracijama. Posmatrani su kao komponenta radne snage, nejasna masa mišića i iskustva, od koje se očekuje da rade specifične zadatke i prema tome se i nadgledaju. U takvom okruženju odgovornost menadžmenta ljudskih resursa je da motiviše zaposlene da budu disciplinovani i poslušni, da poštuju hijerarhijski komandni lanac i da rade po propisanim standardima. Motivacija zaposlenih bila je zasnovana na strahu da ne izgube prilike, status, prihod ili zaposlenje. Ovo ne znači da zaposleni nisu ulagali u sebe učeći. Da bi uspeli u svom okruženju, zaposleni su morali razviti društvene sposobnosti, tehničke sposobnosti koje su potrebne aktivnostima organizacije i vremenom poboljšati svoja ekspertska znanja. Sposobnost zaposlenih da učestvuju u kolektivnom znanju kao i da rade shodno tome predstavlja menadžment znanja.

88


2.5.

Virtuelna organizacija

Promenljivi uslovi poslovanja, sve teže ostvarivanje konkurentske prednosti u dinamičkom okruženju, kraći životni ciklusi proizvoda i njihova brza tehnološka zastarelost učinili su dosadašnje organizacione strukture nemoćnim u zadovoljavanju sve sofisticiranijih potreba kupaca. Razvoj informaciono-komunikacionih tehnologija, pre svega Interneta, omogućio je nastanak novih organizacionih struktura, fundamentalno drugačijih od onih baziranih na statičkom konceptu. Pojava virtuelnih41 organizacija predstavlja relativno nov i malo istražen pokušaj formiranja privremenih mrežnih struktura radi ostvarivanja konkurentske prednosti na današnjem tržištu. Ovaj koncept organizovanja podrazumeva drugačije ustanovljavanje odnosa između zaposlenih, menadžera i potrošača. Nove organizacione forme vezane su za razvoj informacionih tehnologija i za prilagođavanje organizacija savremenim uslovima i načinima poslovanja. Potrošači su u centru ovakvog načina organizovanja. Proizvodi su napravljeni prema potrebama potrošača a vreme njihovog lansiranja na tržište maksimalno je skraćeno. Sa visokim kvalitetom proizvoda ovo su glavni kvaliteti virtuelne organizacije u borbi sa današnjim korporacijama koje dominiraju globalnim tržištem. Virtuelne organizacije najčešće čine dve ili više organizacija, često sa različitih geografskih lokacija, koje se javljaju na tržištu kao nova organizaciona jedinica.

41

Virtuelno, nešto što postoji samo u davanju efekata oponašanja stvarnog objekta, ali ne i fizički.

89


Kao i kod svih organizacija, i kod virtuelnih organizacija postoje menadžment i timovi, radna mesta i zadaci, kao i finalni proizvod. Kancelarija virtuelnih organizacija smeštena je na mrežnoj platformi gde ljudi međusobno kontaktiraju. Razvoj IT utiče na organizaciju preduzeća i menja njegove organizacione osobine i to: -

preoblikuje strukturu iz mehaničke u organsku, to jest iz hijerarhijske u adaptibilnu,

-

čini preduzeće fleksibilnim sistemom,

-

redizajnira sva radna mesta,

-

smanjuje administrativnu komponentu, potiskuje čoveka iz organizacije,

-

racionalizuje i olakšava ljudski rad u svim delovima, a naročito u operativnom jezgru,

-

smanjuje prosečnu veličinu preduzeća i njegovih organizacionih delova,

-

utiče da ekonomija obima ustupi mesto ekonomiji širine,

-

smanjuje formalizovanost ponašanja preduzeća ,

-

omogućava neposrednu komunikaciju i inspiraciju za kreativan rad i

-

formira centare znanja u organizaciji.

Nove organizacione strukture, nastale kao posledica razvoja informacionih tehnologija, jesu: -

informatizovana organizacija,

-

pulsirajuća organizacija i

-

organizacija kao mreža.

90


Ove nove organizacione forme, proizašle iz razvoja informacionih tehnologija i savremenog načina poslovanja, stvaraju virtuelno okruženje i virtuelne organizacije. Dve ključne karakteristike virtuelnih organizacija su: -

formiranje zajedničkog lanca snabdevanja između odvojenih entiteta i

-

distribucija IT za podršku poslovnom procesu.

Razvoj virtuelnih organizacija počinje krajem pedesetih i početkom šezdesetih godina prošlog veka kada se organizacija počela posmatrati kao otvoreni sistem koji uzima resurse, ljude i sirovine iz okruženja a istom tom okruženju vraća robe i usluge. Sedamdesetih godina XX veka pažnja srednjeg upravljačkog nivoa usmerava se ka uzajamnoj zavisnosti organizacija i njenog poslovnog okruženja. Osamdesete godine fokusirane su na spoljni izgled organizacije. Tražio se odgovor na dva osnovna pitanja: Kako da organizacija ostvari najbolju interakciju sa okruženjem i kako spoljnji faktori utiču na ponašanje organizacije? Pojavljuju se nove menadžment teorije koje posmatraju različite izvore organizacione zavisnosti iz okruženja kao što su ljudi, materijalni resursi, tržišta i informacije, i pokušavaju naći odgovor na pitanje kako te izvore kontrolisati i kako na njih uticati. Postoji više modela virtuelnih organizacija ali su najznačajniji mrežni modeli. Mrežni model predstavlja fleksibilnu strukturu koja treba da odgovori zahtevima brzine reagovanja, visoke kompetitivnosti i visokog rizika. Glavni cilj virtuelne organizacije je da dozvoli organizacijama učesnicama da ubrzano razviju svoje radno okruženje, a zadovoljenje zajedničkih ciljeva ostvaruje se kroz niz resursa koje obezbeđuju organizacije učesnice. 91


Strateški ciljevi organizacija učesnica u virtuelnoj organizaciji su: -

maksimiziranje fleksibilnosti i adaptibilnosti na promene u okruženju,

-

dostizanje kritične veličine u skladu sa tržišnim ograničenjima i

-

optimizacija globalnog lanca snabdevanja.

Virtuelne organizacije karakterišu i sledeće osobine: -

prevazilaženje granica,

-

geografska disperzija,

-

komplementarnost suštinskih nadležnosti,

-

udruživanje resursa,

-

promena učesnika,

-

jednakost partnera,

-

elektronska komunikacija.

Različite strukture virtuelnih organizacija mogu nastati u zavisnosti od različitih zahteva okruženja. Razlikuju se tri grupe karakteristika koje najviše utiču na vrstu virtuelne organizacije: -

karakteristike tržišta,

-

proizvodni proces,

-

strateški ciljevi organizacije.

Zahtevi za proizvodom ili uslugom mogu biti izraženi preko različitih izvora, može postojati direktan zahtev kupaca ili se može javiti zahtev kao rezultat marketinškog istraživanja na nekom novom tržištu.

92


Proizvodni proces projektuje se u skladu sa tržišnim karakteristikama, sa fokusom na koordinaciju i informacioni menadžment. Koncept tačno na vreme je ključan u virtuelnoj organizaciji. Proces mora biti uporedan koliko je god to moguće. Povezane aktivnosti mogu biti razdvojene u dve grupe: asinhroni i sinhroni rad. Ovakva vrsta aktivnosti zahteva postojanje mreže visokog kapaciteta i visok nivo interoperativnosti, na primer između softverskih aplikacija. Glavni strateški interes virtuelne organizacije može biti smanjenje troškova, sposobnost reagovanja na promene ili sposobnost da se zadovolje svi zahtevi potrošača. U jednoj virtuelnoj organizaciji informacioni sistem ima jednu od centralnih uloga. Zahtevi koji se postavljaju pred informacioni sistem u virtuelnoj organizaciji odnose se na njegovu sposobnost da radi istovremeno sa više organizacija. Ovaj sistem se zove interorganizacioni informacioni sistem, IOIS. Struktura virtuelne organizacije mora da se suoči sa različitim tehničkim ograničenjima, posebno ograničenjima vezanim za konkurentno inženjerstvo, kao i sa ograničenjima vezanim za interoperativnost između različitih organizacija: -

prošireno preduzeće,

-

konzorcijum virtuelnih organizacija,

-

kratkoročna virtuelna organizacija,

-

oportunističko okruženje,

-

dinamično tržište,

-

zrelo tržište,

-

stabilizacija partnerstva,

-

stabilizacija tržišnog segmenta i

-

minimizacija trokova. 93


Struktura virtuelnih organizacija je vrlo dinamična. Njen životni ciklus može biti jako kratak. Sposobnost reagovanja na promene i sposobnost zadovoljenja zahteva potrošača, koje su glavne prednosti virtuelnih organizacija, jesu i izvor problema koje treba rešiti. Postoji kontradiktornost između ovog strukturnog dinamizma i vremena potrebnog da se upotpune neki aspekti aktivnosti organizacija. Životni ciklus virtuelne organizacije sastoji se od: identifikacije potreba na tržištu, formiranja, nalaženja potencijalnih partnera, dizajna, uspostavljanja pravila za ispunjenje misije: materijalni i informacioni tokovi, sistem kontrole, zakonski okviri, baze podataka, pravila poslovanja, finansijski aranžmani ... izvođenja aktivnosti, ispunjenja misije i rasformiranja, arhiviranja informacija o postignutim rezultatima, raspodela vrednosti. Preduslovi za uspostavljanje virtuelne organizacije su jasni. Unapred je potrebno jasno i potpuno definisati pravila angažovanja u odnosu na potrebne ulaze i očekivane rezultate. Jedan od važnih preduslova je poverenje koje predstavlja ključni faktor uspeha. Definisanje procedure koordinacije i jasnog interfejsa sa nevirtuelnim partnerima, kupcima, u interesu je virtuelne organizacije. Projekat virtuelne organizacije dekomponovan na elementarne aktivnosti menadžment sistem razvija.

može biti za koje se

Upravljanje ovim aktivnostima, procedurama i interfejsima mora biti precizno definisano, za šta su potrebne velike investicije u vremenskom i radnom domenu. Sa porastom veličine i složenosti, sistem postaje nefleksibilan.

94


Ovo je u suprotnosti sa glavnim ciljem virtuelne organizacije, a to je sposobnost brzog reagovanja na promene. Kompromis treba da se pronađe usklađivanjem menadžment strukture i veličine virtuelne organizacije. Veličina virtuelne organizacije po pravilu treba da se prilagodi dužini njenog životnog ciklusa. Virtuelne organizacije se mogu definisati kao organizacije orijentisane ka potrošaču, koje zadovoljavaju njegove potrebe, ostvarujući pritom troškovnu i vremensku efikasnost. Međutim, ova definicija nije dovoljno radikalna iako sadrži neke ključne tačke virtuelne organizacije. Forma virtuelne organizacije je organizacija koja nije preduzeće u današnjem poimanju. Ona je sastavljena od različitih učesnika koji se okupljaju da bi zadovoljili potrebe potrošača na najbolji način, a kada se to ostvari, učesnici se ponovo razdvajaju, grupišu sa drugim učesnicima da zadovolje potrebe nekih drugih klijenata. Virtuelne organizacije ne moraju da imaju ljude, ili ponekad ijednog čoveka, da bi izvršile svoje usluge. Organizacija postoji, ali se ne može videti. To je mreža, a ne kancelarija, privremena mreža nezavisnih kompanija povezanih informacionom tehnologijom da dele znanje, troškove i pristup tržištima. Virtuelne organizacije su oslonjene na medije sajber prostora, omogućene su razvojem novih kompjuterskih i telekomunikacionih tehnologija, i inicijalno će postojati samo kroz konvencionalne organizacione strukture. Prednosti virtuelne organizacije su niski troškovi, povećana fleksibilnost i sposobnost partnera, i fokusiranost partnera na svoje osnovno poslovanje. Nedostaci virtuelne organizacije ogledaju se u organizovanju komunikacije partnera, različitih poslovnih ciljeva i sukoba kultura. Drugi nedostatak je što pojedini partneri nemaju svoj razvoj veština.

95


Da bi virtuelna organizacija opstala, održala partnerstvo i savez svojih članica, mora biti usko vezana za IT infrastrukturu. Virtuelna organizacija je privremena mreža nezavisnih institucija, firmi ili specijalizovanih individualaca, koji rade zajedno, spontano koristeći informacionu i komunikacionu tehnologiju sa namerom da dobiju trenutnu konkurentsku prednost. Svaka virtuelna organizacija je mreža, a svaka mreža nije virtuelna organizacija. Virtuelna organizacija se ostvaruje umrežavanjem organizacija članica prema dole ili njihovim bočnim umrežavanjem. Na sledećoj slici prikazan je primer virtuelne organizacije umrežene prema dole.

Slika 18. Virtuelna organizacija Virtuelne organizacije danas imaju definisanu svoju tipologiju, životni vek, dinamiku, interorganizacione informacione sisteme, i sve ono što čini jednu savremenu organizaciju spremnu da odgovori promenljivim zahtevima tržišta. Istovremeno, uz maksimalne uštede u raznovrsnim troškovima doprinose da ovaj oblik organizacione strukture ne samo opstaje na tržištu već i da se ubrzano razvija.

96


U širem smislu reči, virtuelnu organizaciju možemo definisati kao privremenu mrežu organizacija i individualaca koji rade zajedno koristeći šanse sve dok postoje, a one se brzo menjaju. To nudi organizacijama fleksibilnost da ostvare prednost najčešće na kratak rok, ali podrazumeva intenzivnu kooperaciju sa strateškim partnerima. Fleksibilnost virtuelne organizacije je njena određujuća karakteristika. Postoji nekoliko Nabrojaću neke.

vrsta

Virtuelna organizacija pojedinaca, udruživanjem partnera.

virtuelnih nastala

organizacija. udruživanjem

Virtuelna organizacija nastala udruživanjem kompanija ili pojedinaca specijalizovanih za obavljanje pojedinih funkcija, kao što su nabava, proizvodnja, informacioni sistemi ili distribucija. Virtuelne organizacije nastale od jedne velike kompanije koja je neke od svojih važnih poslovnih aktivnosti prepustila spoljnim organizacijama, a one te aktivnosti obavljaju za nju (proizvodnja i distribucija). Svaki partner u virtuelnoj organizaciji mora imati dodatnu specifičnu vrednost koju će dodati organizaciji. Članovi organizacije moraju razviti visok stepen uzajamnog poverenja i razumevanja. Organizacija mora biti koncentrisana na projekte koji su uglavnom namenjeni klijentima organizacije i projektima koji su od interesa za samu virtuelnu organizaciju, kao što su marketinški projekti. Virtuelna organizacija je privremeno formirana mreža nezavisnih organizacija, povezanih informacionim

97


tehnologijama, pri čemu organizacije međusobno dele znanje, sposobnosti, troškove i tržišta, (Business Week).

98


2.6.

Upravljanje kvalitetom – QMS

Proces globalizacije nameće promenu u savremenom poslovanju koje podleže novim pravilima i metodama ali uz podršku novih ljudi. Ove promene kreiraju novu poslovnu kulturu i kriterijume poslovnog uspeha. Cilj ovih promena je unapređenje konkurentosti sa postizanjem bolje tržišne pozicije. Uspešno upravljanje promenama je od izuzetnog značaja za opstanak i napredovanje preduzeća. Tržište nameće nove zahteve pred preduzeća. Proaktivno uvođenje novih strateških inovacija i pravila i prilagođavanje promenama u okruženju dovodi do uspešnijeg poslovanja. Ove promene mogu biti radikalne, da zahtevaju veća novčana sredstva, ili postupne, u preduzećima koja su uspešno poslovala. Inovativna organizacija predstavlja novu, kvalitativno promenjenu organizaciju koja radi u uslovima stalnih promena. Inovacije u oblasti tehnologije proizvoda i informacionih tehnologija uslovile su prilagođavanja same organizacije dinamici promena. Savremena organizacija treba, uz optimalnu strategiju, biti otvorena ka inovacijama u poslovnom procesu. Takva organizacija se ostvaruje primenom TQM42 metode, kontinuiranim poboljšavanjem poslovnih procesa. Upravljanje kvalitetom, QMS43, fokusirano je na:

42 43

-

klijente,

-

zajedničke procese i

-

zajedničke ciljeve unutar organizacije.

Total Quality Management Quality Management System

99


Upravljanje kvalitetom koristi se u procesu proizvodnje, dok upravljanje znanjem ima širi pogled i širi pristup. Interne diskusije ili peer review predstavljaju rasprave ili savetovanja zaposlenih koje imaju za cilj preispitivanje dosadašnjih rezultata ili rešavanje nastalog problema. Grupe za peer review sastoje se od priznatih, potvrđenih eksperata, a u internim diskusijama može učestvovati bilo ko od zaposlenih uz uslov je da je kompetentan u pogledu poznavanja i razumevanja problema koji se razmatra. Na ovakvim sastancima učesnici iznose svoje ideje i stavove, a konsenzusom ili većinskim stavom odlučuje se o daljem delovanju. Ovakva aktivnost može se smatrati vidom ili pretečom procesa. „Preispitivanje sistema za menadžment kvalitet“ opisano je i zahtevano tačkom „Preispitivanje od strane rukovodstva“ standarda ISO 9001:2000. Međutim, zbog nepostojanja uređenog Quality Management Systema, ni ovaj proces nije optimalno projektovan i postavljen u granice tolerancije, u smislu da su: -

identifikovani svi neophodni ulazi (informacije i predaktivnosti),

-

definisani svi neophodni izlazi,

-

definisani kriterijumi evaluacije i donošenja izbora između više alternativa (ideja) i

-

usvojene metode planiranja aktivnosti i postizanja ciljeva.

Postavlja se pitanje da li su ideje za unapređenje, koje su posledica jednog takvog procesa, zaista optimalne za sistem i da li se svaki put bira najbolji način njihovog ostvarenja, to jest da li se ostvaruju maksimalni rezultati uz minimalno ulaganje.

100


Istraživanje predstavlja početne uslove za izbor područja unapređenja, ali ni ono ne ukazuje na optimalne načine ostvarivanja ovih metoda niti na neophodne potrebne promene elemenata QMS-a. Strateško planiranje predstavlja proces projekcije dugoročnih ciljeva i načina njihovog ostvarenja. Ovome treba da prethodi metod identifikacije ključnih područja razvoja u organizaciji, preduzeću, i unapređenja poslovnih procesa, prikupljanje neophodnih podataka, obrada i analiza istih. Strateško planiranje može koristiti rezultate dobijene Quality Function Deployment (QFD), metodom. Osnov svakog menadžment procesa je postavljanje ciljeva i sistema izveštavanja, tako da se oni ne mogu smatrati nekim posebnim metodama za unapređivanje kvaliteta samog poslovnog sistema, njegovih elemenata i izlaza.

101


2.6.1. Total Quality Management – TQM TQM predstavlja način uređenja celokupnog poslovnog sistema, predstavlja filozofiju i poslednju fazu u razvoju ideje o kvalitetu. Ovako uređen sistem je u stanju da uz sopstvenu optimalnu organizaciju svih svojih elemenata u svakom trenutku isporuči totalni kvalitet svojim korisnicima a da procenat neusaglašenosti pri njegovom funkcionisanju teži nuli. Kvalitet predstavlja nivo do kojeg skup karakteristika ispunjava zahteve44. Upravljanje kvalitetom predstavlja skup aktivnosti kojima se utiče na kvalitet poslovnih procesa i krajnjih proizvoda i usluga. Proces upravljanja kvalitetom je jedan segment u okviru upravljanja poslovnim sistemom. Upravljanje totalnim kvalitetom, TQM, predstavlja sistemski pristup upravljanju i ima za cilj povećanje vrednosti uz neprekidno unapređenje kvaliteta poslovnih procesa i sistema45. Totalni kvalitet i strategija organizacije su komponente humanog pristupa organizacije okrenute ka kupcu. Total Quality Management je pre sistem nego metoda, i u sopstvenom unapređivanju i menjanju podrazumeva korišćenje naučnih metoda za unapređivanje i obezbeđenje kvaliteta, od kojih jedna može biti i Quality Function Deployment metoda. TQM predstavlja filozofiju prema kojoj se teži formiranju organizacije koja se zasniva na kontinuiranom unapređivanju; predstavlja metod definisanja problema, određivanja uzroka problema, preduzimanje 44 45

Definicija kvaliteta po ISO 9000:2000. Rampersad, H.K. „A visionary management model“, The TQM Magazine, 2001.

102


odgovarajućih akcija, proveru efikasnosti standardizaciju rešenja i dalji razvoj procesa.

akcija,

Razvoj kvaliteta počinje dvadesetih godina dvadesetog veka. Prva faza u razvoju kvaliteta bio je proces kontrole, a obuhvatao je samo pronalaženje i ispravljanje grešaka. Sledeća etapa u razvoju bila je kontrola kvaliteta. Kontrola kvaliteta se sastojala od standarda, statističkih metoda, karakteristika procesa i rešavanja problema kvaliteta. Treća etapa u evoluciji TQM-a je postizanje kvaliteta. Ova etapa se sastoji iz sistema kvaliteta ISO 90009, planiranja kvaliteta, polisa kvaliteta, troškova kvaliteta i rešavanja problema. Daljnjim razvojem došlo se do TQM-a. U TQM-u jedne organizacije učestvuju svi zaposleni, njeni kupci i dobavljači. Potrebno je obučiti zaposlene i osposobiti ih za timski rad. Strategija kvaliteta mora proizaći iz misije i vizije organizacije, preduzeća. TQM je orijentisan na poslovne procese. TQM pristup kontroli kvaliteta našao je svoju primenu kako u proizvodnji tako i u pružanju usluga. Pristup obuhvata unapređenje funkcionisanja preduzeća, procesa i svakog pojedinca u njemu. Ovaj pristup obuhvata kontinuirana i postepena unapređenja svih zaposlenih u organizaciji, kompaniji, preduzeću. Važna načela ovog pristupa su: -

raditi po pravilima,

-

smatrati svaki problem kao mogućnost za unapređenje,

-

dobiti informaciju kada je ona najpotrebnija,

103


-

prikupiti i razmatrati činjenice,

-

pridržavati se plana,

-

eliminisati rasipanje,

-

poštovati postavljena pravila i

-

vršiti raspodelu zadataka.

Osnovu za uspešnost kvaliteta predstavlja Demingov46 krug, krug kontinuiranog poboljšanja, prikazan na sledećoj slici, često interpretiran kao krug procene usklađenosti sa standardima. Demingov krug se sastoji od sledećih faza: Plan, Do, Check i Act. Plan – Potrebno je definisati problem, pronaći uzroke problema i razraditi plan za rešavanje tih problema. Do – Proveravati predložena unapređenja i prikupljati dobijene rezultate. Check – Provođenje pilot projekta i prikupljanje pokazatelja uspešnosti. Act – Implementacija proverenih poboljšanja. PDCA predstavlja neprekidni ciklus koji se ponavlja, čime poboljšanja postaju deo svakodnevnog života. Obim neophodnih upravljačkih promena u cilju ostvarivanja konkurentnosti u savremenom poslovanju se sagledava kroz preporuke Viljema Deminga. Organizacija je uspešna ukoliko svaki njen deo, svaka aktivnost i svaki zaposleni uzajamno uspešno funkcionišu. TQM obuhvata sve delove organizacije.

46

William Edwards Deming (1900–1993), američki statističar, tvorac moderne teorije o kontroli kvaliteta.

104


Slika 19. Demingov krug U sledećoj tabeli prikazani su važni kriterijumi za obezbeđenje kvaliteta u organizaciji kroz prizmu tradicionalnog pristupa i kroz prizmu TQM-a. Iz tabele se vidi da je u TQM sistemu za kvalitet poslovanja, koji je strateško pitanje, odgovoran svako ko je zaposlen u organizaciji a da se kvalitet meri minimalnom greškom.

105


Osnovni principi TQM-a su: -

koncentrisanje na potrebe kupca,

-

definisanje ciljeva,

-

uključivanje svih zaposlenih u proces,

-

preduzimanje akcija na osnovu postojećih činjenica,

-

orijentisanje na procese,

-

pridavanje najvećeg značaj kontinuiranim poboljšanjima.

Osnovni elementi TQM-a su etika, integritet i poverenje. Gradivni elementi su obuka, timski rad i liderstvo. Vezivni element je komunikacija, a vrhovni element je prepoznatljivost.

106


3. POSLOVNI INFORMACIONI SISTEMI Sistem se najčešće definiše kao skup entiteta, najmanje dva, organizovanih tako da izvršavaju određenu funkciju a svojom interakcijom stvaraju celinu. To je skup međusobno povezanih zavisnih delova koji zajedno čine celinu tako da taj skup ima određenu svrhu, cilj, a promena u bilo kojem delu dovodi do promene u nekom drugom delu ili delovima. Sistem predstavlja skup objekata i relacija među tim objektima, njihovim atributima i njihovim okruženjem, koji čini jednu celinu. U zavisnosti od uzajamnih odnosa ulaznih (U) i izlaznih (I) veličina informacioni sistemi mogu biti: ‫٭‬

U>I – upravljani informacioni sistemi

‫٭‬

U=I – neutralni informacioni sistemi

‫٭‬

U
U praksi su najznačajniji upravljački informacioni sistemi jer obezbeđuju bazu za upravljanje i donošenje odluka u organizaciji. Obrada ili proces se sastoji od niza koraka ili aktivnosti koji ulaz pretvara u izlaz, daje vrednost ulazu menjajući ga, ili ga koristi da proizvede nešto novo, izlaz. Kontrolni proces u sistemu mora da omogući da se planirane aktivnosti sprovedu, a osnovna načela kontrole su upravljanje kvalitetom, planiranje, uspostavljanje, provera i delovanje. Sistem kontrole radi na bazi povratne sprege, a predmet kontrole je pre svega kvalitet rada koji je obavljen. Za informacioni sistem (IS) se takođe može reći da predstavlja skup komponenti za sakupljanje, obradu, čuvanje i

107


prenošenje informacija. Informacioni sistem predstavlja sređeni skup metoda, procesa i operacija za prikupljanje, čuvanje, obradu, prenošenje i distribuciju podataka u okviru jedne organizacije, uključujući i opremu koja se u te svrhe koristi kao i ljude koji te aktivnosti obavljaju. Ovakav sistem podržava analizu, odlučivanje, koordinaciju i kontrolu u organizaciji uz interakciju sa njenim okruženjem. Informacioni sistem je sastavni deo organizacije, odraz realnog sistema.

kontrola OBRADA PROCES

ULAZ (U)

IZLAZ (I) informacije

podaci

Slika 20. Blok dijagram sistema Transakcioni informacioni sistem pripada operativnom nivou i podržava odvijanje tekućih poslovnih procesa. On vodi evidenciju o svakoj transakciji, izdavanju potrebnih dokumenata i kontroliše poslovni proces. Poslovni informacioni sistem aktivnosti kojima se ostvaruje neki cilj.

predstavlja

niz

Informacioni sistem, unutar nekog poslovnog sistema, omogućava komunikaciju unutar sebe i komunikaciju sa okolinom, podiže efikasnost odvijanja poslovnog procesa. IS preuzima i obrađuje informacije koje ulaze u poslovni sistem i snabdeva ga informacijama potrebnim za izvođenje poslovnog procesa i upravljanje sistemom. Poslovni informacioni sistem predstavlja sveukupnost svih informacionih procesa u preduzeću. On je skup metoda, resursa i tehnologija koje doprinose postizanju poslovnih 108


ciljeva. Skup ljudi koji po određenoj organizaciji i metodama obavljaju prikupljanje, prenos, obradu, memorisanje i distribuciju relevantnih podataka i informacija takođe predstavlja poslovni informacioni sistem. Može se reći da je osnovna funkcija poslovnog informacionog sistema da, kroz poslovne procese obezbedi pouzdane informacije, koje omogućavaju efikasno upravljanje poslovnim sistemom. Poslovni informacioni sistem – PIS je softverski paket modularno strukturisan. Modularnost ga čini veoma fleksibilnim sistemom i omogućava kvalitetno održavanje i usavršavanje poslovnog sistema. Poslovni sistem je otvoreni sistem koji komunicira sa svojom okolinom, razmenjuje materiju, energiju i informacije. Efikasnost i efektivnost poslovnog informacionog sistema ogleda se u: -

relevantnosti informacija,

-

adekvatnoj distribuciji informacija,

-

pravovremenom dobijanju informacija,

-

podesnoj formi informacija,

-

primerenoj količini informacija i

-

ad hoc dostupnosti potrebnih informacija.

Poslovne i druge vrste organizacija, kao i pojedinci, u savremenom društvu zavise od informacionih sistema za upravljanje svojim procesima i aktivnostima, za održavanje kompetitivnosti na tržištu, za ponudu različitih usluga i za unapređivanje personalnih sposobnosti i kapaciteta. Izumom i dostupnošću novih informacionih tehnologija – IT, javljaju se nove mogućnosti kako za organizacije tako i za pojedince.

109


IT – informacione tehnologije, ugrađuju se u sve veći broj proizvoda i usluga i upotrebljavaju se za kreiranje novih proizvoda i usluga. One iz osnove menjaju poslovne odnose u preduzeću, na primer e-poslovanje, telekonferencije i drugo. Važna osobina informacionih tehnologija je to da učestvuju u delotvornom kreiranju poslovnih strategija i u redefinisanju delatnosti preduzeća. IT povećava poslovnu efikasnost i efektivnost kroz brzinu rada, smanjenje troškova poslovanja, kroz povećavanje učinka u organizaciji. Informacione tehnologije postale su veoma važan resurs za upravljanje i odlučivanje, informacija postaje dominantan resurs poslovanja. Uspešno upravljanje preduzećem i uspešno poslovanje nije moguće bez pouzdanih podataka odnosno informacija. Stoga podatke treba organizovano prikupljati, obrađivati i skladištiti. U tom smislu, pretpostavka uspešnog poslovanja je i dobro razvijen informacioni sistem koji, u suštini, predstavlja proces prikupljanja, obrade i distribucije, odnosno korišćenja informacija, usmeren ka kvalitetnom upravljanju nekim poslom. U poslovanju, informacija predstavlja skup obrađenih podataka datih u formi koja podstiče donošenje poslovnih odluka. Informacioni sistemi nude raznim organizacijama i preduzećima operacionu podršku, implementaciju znanja i podršku menadžmentu. Moderno korporativno upravljanje zavisi od informacionih sistema zasnovanih na sistemu računara u cilju provođenja svojih poslovnih transakcija, upravljanja ljudskim resursima, a posebno u cilju donošenja kvalitetnih poslovnih odluka. Osnovne komponente poslovnih informacionih sistema su oprema i programi, kako sistemski tako i aplikativni, sveobuhvatne baze podataka, telekomunikacioni sistemi i tehnologije, ljudski resursi i metode obrade i prenosa

110


informacija (hardware, software, orgware, lifeware, dataware, middleware i netware). Hardware (HW) informacionog sistema čini materijalno-tehnička komponenta sistema, odnosno fizički delovi računarskog sistema namenjeni obradi i prenosu podataka. Software (SW) sistema predstavlja nematerijalnu komponentu sistema u vidu računarskih programa koji su ugrađeni u hardver i koji diktiraju način obrade podataka. Orgware (OW) je organizaciona komponenta sistema i obuhvata organizacione postupke, metode i načine kojima se usklađuje rad svih komponenti informacionog sistema, kako bi one činile skladnu i funkcionalnu celinu. Lifeware (LW) je kadrovska komponenta, koju čine svi zaposleni koji u bilo kojoj funkciji učestvuju u radu sa informacionim tehnologijama, bilo da su profesionalni informatičari, bilo da su samo korisnici rezultata obrade podataka. Dataware (DW) komponentu sačinjavaju podaci, informacije i znanja, odnosno informacioni resursi koji postaju izuzetno vredna imovina svake organizacije. Middleware (MW) je komunikacioni sloj koji omogućava interakciju kroz hardversko i mrežno okruženje sistema. Netware (NW) je mrežna komponenta, a odnosi se na računarske mreže za povezivanje računara u cilju razmene podataka i komunikaciju između fizički udaljenih računara, pa se može reći da ovu komponentu informacionog sistema čine telekomunikaciona sredstva i infrastruktura za prenos podataka na daljinu. Groupware (GW) je softver koji podržava interpersonalne procese i objekte, kategorija softvera koji 111


podržava rad grupa i timova. Primeri groupware aplikacija su: elektronske diskusione grupe, softver za konferencije, grupni kalendari, automatizacija poslovnih procesa, desktop video konferencije i još mnogo drugih aplikacija. Poslovni informacioni sistem obezbeđuje korisniku efikasno, sveobuhvatno i profesionalno organizovanje, praćenje i kontrolu svih poslovnih procesa u preduzeću. Izradom kvalitetnog informacionog sistema preduzeće dobija mogućnost: -

čuvanja, obrade i analize velike količine podataka,

-

planiranja i praćenja realizacije poslovnog procesa,

-

arhiviranja svih vrsta dokumenata,

-

modernizovanja i automatizacije velikog broja poslovnih aktivnosti,

-

obavljanja poslovnih aktivnosti koje zbog drugačije tehnologije rada ranije nisu bile moguće i

-

potpunog uvida u svaki podsistem preduzeća.

Povećavanjem broja raspoloživih podataka i kvalitetnom organizacijom njihove obrade, analize i arhiviranja, omogućena je kvalitetnija, pouzdanija i sadržajnija platforma za donošenje odluka na strateškom nivou. Informacioni sistem, delujući u okviru neke organizacije, omogućava organizaciji komunikaciju unutar sebe i sa njenim okruženjem. Prema tome, uslov opstanka bilo koje ogranizacije je da raspolaže adekvatnim informacionim sistemom, u kojem su razrađeni postupci svih informacionih aktivnosti. U nekim ogranizacijama te postupke obavljaju ljudi, a u drugima se koristi moderna informaciona tehnologija, što pokazuje da informacioni sistem može biti manuelan ili kompjuterizovan, odnosno podržan informacionim tehnologijama.

112


Informacione tehnologije povećavaju potrebu za efikasnom internom kontrolom i dodaju više sistema nadzora, a isto tako obezbeđuju moćne poslovne alate svim zaposlenima. Analizom trenutne strukture poslovnog sistema i poslovnih procesa u preduzeću dobijamo potpunu sliku gde se preduzeće nalazi. Ovakva analiza nameće niz rešenja u cilju unapređenja poslovnog procesa, a u zavisnosti od konkretnog odnosa potreba i mogućnosti preduzeća. Nakon usaglašavanja potreba, mogućnosti i predloga, vrši se kompletno projektovanje informacionog sistema, inicijalizacija baze podataka, implementacija programskog rešenja, uz tehničku i korisničku dokumentaciju, i, na kraju, uvođenje sistema u eksploataciju.

IS uz interakciju sa okruženjem organizacije... Kupci

Dobavljači

Deoničari

Konkurencija

Država

...je sastavni deo organizacije ULAZ

Podaci

OBRADA Informacije

IZLAZ

Povratna informacija

Slika 21. Informacioni sistem organizacije Informacioni sistem treba da bude postavljen tako da bude: -

razumljiv svim korisnicima,

-

jednostavan u predstavljanju informacija,

113


-

pouzdan i

-

da daje obrađene informacije u vrlo kratkim vremenskim intervalima.

U sledećoj tabeli prikazan je stari i novi pristup odlučivanju kao i koje informacione tehnologije podržavaju te pristupe; interakcija menadžmenta i informacionih sistema. R. STARI PRISTUP Br. (PRAVILO) 1. Menadžeri donose sve odluke 2. 3.

4.

NOVI PRISTUP (PRAVILO) Donošenje odluka je deo aktivnosti svakog zaposlenog Radnik opšte kvalifikacije može raditi kao ekspert

IT DSS

Samo eksperti mogu ES realizovati složene aktivnosti Informacija se može Informacije mogu distribuirani dobiti samo na jednom nastati istovremeno IS mestu u jednom na više mesta gde je i trenutku potrebno DB Rad sa informacijama Rad sa informacijama se bežične zahteva posebne može ostvariti na svakom komuniprostorije mestu kacije

Informacioni sistemi koji se sve više implementiraju su kolaboracioni sistemi koji koriste groupware alate, Internet, Intranet i Ekstranet, kao i druge kompjuterske mreže za povećanje međusobne komunikacije. U kolaborativnim sistemima, grupa korisnika kooperira i koordinira korišćenje zajedničkih objekata za ostvarenje zajedničkih ciljeva. Kolaborativni softver je osnova za računarski podržane kooperativne poslove. Groupware se deli na tri kategorije zavisno od nivoa kolaboracije. Deli se na komunikacione alate, konferencijske alate i kolaborativne upravljačke alate. 114


Dobar informacioni sistem i, pre svega, informacioni sistem koji integriše rad svih zaposlenih u preduzeću, može doprineti identifikaciji profitabilnih tržišta i kreiranju prave strategije njihovog osvajanja.

115


3.1.

Sistemi za podršku odlučivanju

Sistemi koji podržavaju donošenje odluka imaju korene u teoriji informacija i nadogradnja su raznih naučnih disciplina, prvenstveno informatike i menadžmenta. Pojava sistema za podršku odlučivanju, DSS (Decision Support Systems), donosi novi pristup već poznatim konceptima informacionih sistema. Sam proces odlučivanja iniciran je uočavanjem problema ili situacije u poslovnom procesu u kojoj neko stanje treba promeniti u cilju zadovoljavanja poslovnih ciljeva. Informacija predstavlja osnovu za donošenje poslovne odluke koja je u funkciji ostvarivanja ciljeva poslovnog procesa. Proces odlučivanja se sastoji od sledećih faza: -

prepoznavanje problema,

-

pronalaženje i ocenjivanje mogućnosti,

-

izbor optimalne opcije,

-

provođenje odluke i

-

ocena kako je uočeni problem rešen.

Razvoj sistema za podršku odlučivanju vezuje se za šezdesete godine prošlog veka kada se počelo sa definisanjem strukturnih izveštaja. Već krajem sedamdesetih godina dvadesetog veka pojavljuje se MDS (Management Decision Systems), a u osamdesetim godinama razvijaju se sistem grupnog odlučivanja (GDSS – Group Decision Support Systems), izvršni informacioni sistemi (EIS – Executive Information Systems) i ekspertni sistemi (ES – Expert Systems). Devedesetih godina prošlog veka pojavljuju se sistemi skladišta podataka (DW – Data Warehouse) sa sistemom „iskopavanja“ podataka (DM – Data mining), potom

116


Intranet i interaktivno analitičko procesiranje (OLAP – OnLine Analitical Processing). Sistemi za podršku odlučivanju su aktivni sistemi koji su u mogućnosti da odgovore na raznovrsne informacione zahteve pa su često fokusirani na pojedinačne, specifične odluke ili na grupu međusobno povezanih odluka. Konceptualno, sistemi za podršku odlučivanju imaju svoje podsisteme. Podsistem za upravljanje podacima sastoji se od relevantne baze podataka i pripadajućeg softvera za upravljanje tim podacima. Podsistem za upravljanje modelima je softverski paket koji sadrži odgovarajuće modele poslovnih procesa preko kojih se postižu visoko kvalitetne analitičke sposobnosti samog sistema. Podsistem korisničkog interfejsa omogućava korisniku komunikaciju i upravljanje sistemu za podršku odlučivanju. Ovaj podsistem kreira izlaze usklađene sa zahtevima korisnika. Arhitektura i mreža sistema za podršku odlučivanju podržava pristup kako Intranetu organizacije tako i Internetu. Sistemi za podršku odlučivanju namenjeni su prvenstveno za analizu istorijskih podatka, za planiranje i predviđanje na strateškom i taktičkom nivou menadžmenta.

117


3.2.

Izvršni sistemi za podršku odlučivanju

Veoma je važno pravilno formulisati zahtev kakve informacije menadžment treba. Jednostavno, može se reći da se javila potreba za sistemom koji predhodi DSS sistemu, za sistemom koji ubrzava izvršno odlučivanje, sistemom koji ubrzava donošenje efikasnih odluka. Ovakv sistem je izvršni informacioni sistem (EIS – Executive Information Systems). EIS je sveobuhvatan sistem, softverski paket, koji obezbeđuje tekuće i odgovarajuće informacije menadžerima koji donose izvršne odluke. Ovaj sistem predstavlja dobar alat pomoću kojeg se kreiraju zbirni izveštaji za krajnje izvršioce. Sistem je lak za korišćenje, ima grafičku i komunikacionu podršku. EIS je podrška izvršiocima u otkrivanju problema ili nekog kritičnog događaja nakon čega pokreće izvoz relevantnih podataka u Data Warehouse. Osnovne karakteristike EIS sistema su drill down i drill up tehnike, CSF (Critical Success Factors) – kritični faktori uspeha, statusni pristup podacima, analiza, upravljanje podacima, komunikacija i mogućnost izveštavanja o mogućem odstupanju od postavljenih standarda. Drill Down i Drill Up tehnika analize jedna je od važnijih osobina EIS sistema zbog toga što obezbeđuje detaljne preglede za bilo koji sumarni izveštaj. Kritični faktori uspeha su faktori koji su relevantni kod postizanja postavljenih ciljeva. Podaci i indikator izveštaji moraju biti strateški ili operativni, poroizvode se iz kritičnih organizacionih podataka i podataka iz okruženja. Na primer, faktori uspeha mogu biti ili korporacijski ili na nekom nižem operativnom nivou, na nivou poslovne, funkcionalne jedinice.

118


Statusni pristup podacima podrazumeva dnevno ili češće memorisanje transakcija i izveštavanje (real time). Analitička mogućnost EIS sistema ogleda se u korišćenju ugrađenih funkcija za višedimenzionalnu analizu podataka, na primer kreiranje OLAP kocke kao polazišta postojećim alatima za buduće analize. Upravljanje informacijama je važna karakteristika EIS sistema jer omogućava brzo i jednostavno pretraživanje velike količine podataka. Komunikacija je takođe važna karakteristika EIS sistema jer podržava e-mail komunikaciju, prenos izveštaja, upotrebu Interneta kao i druge aktivnosti. Izveštavanje o odstupanju od postavljenih standarda bilo u pozitivnom ili negativnom smislu veoma je važno, predstavlja upozorenje korisniku koje ubrzava proces korekcije takve pojave. Može se reći da je osnovni cilj EIS-a poboljšanje kvaliteta i količine informacija koje su potrebne izvršiocima, izvršnom nivou poslovne organizacije, kroz pravovremeno informisanje, efikasan pristup operativnim podacima, davanje relevantnih informacija i brži pristup bazama podataka.

119


4. UPRAVLJAČKI INFORMACIONI SISTEMI Upravljački informacioni sistemi – MIS (Management Information Systems), sistemi su za prikupljanje, obradu, čuvanje i širenje relevantnih informacija koje menadžerima omogućavaju brzu analizu i brzo donošenje kvalitetnih odluka. Upravljački informacioni sistemi obezbeđuju bazu za upravljanje i donošenje odluka u organizaciji, obuhvataju međusobno povezane podsisteme koji čine jedinstvenu celinu. Podsistemi predstavljaju prvi nivo dekompozicije informacionih sistema, vezani su za vitalne funkcije realnog sistema i predstavljaju logički i tehnološki zaokružene celine, koje se mogu i odvojeno tretirati. Delovi informacionog sistema međusobno su povezani zajedničkom bazom podataka, zajedničkom tehničkom bazom, informacionim tokovima, jedinstvenim sistemom obeležavanja i jedinstvenom koncepcijom izrade. U logičkom smislu, model poslovnog upravljačkog informacionog sistema mora odražavati funkcionalnu organizaciju stvarnog sistema. Upravljački informacioni sistem snabdeva menadžment delimično agregiranim i kategorisanim informacijama iz transakcionog informacionog sistema i sadrži unapred definisane izveštaje. Cilj je prikazati sveobuhvatan pregled aktivnosti poslovnog procesa. U prethodnom periodu razvoj MIS sistema, upravljačkih informacionih sistema, donosio je i nove alate za upravljanje bazama podataka i istakao nove potrebe menadžmenta, kako za internim tako i za eksternim informacijama, radi donošenja pravih odluka.

120


U preduzeću su definisane interne informacije koje omogućavaju cirkulaciju podataka i informacija kroz poslovni proces. Okolina nameće eksterne informacije, podatke regulisane raznim propisima, koji se ugrađuju u informacioni sistem preduzeća i relevantne su za donošenje važnih odluka. MIS ima zadatak da obezbedi tako organizovane podatke koji su značajni menadžerima u procesu donošenja odluka. Kakvi će ti podaci biti, zavisi sa jedne strane od same organizacije poslovnih procesa u preduzeću, a sa druge strane i od primene savremenih softverskih alata. Menadžerima su potrebne sveže informacije dobijene bilo kada i bilo gde, informacije koje se integrišu u informacioni sistem. Potreban im je jedinstven izvor podataka koji omogućava samostalno kreiranje izveštaja i koji će omogućiti konkurentnost na tržištu. Potrebno je voditi računa i o tipu menadžmenta kojem su informacije potrebne. Upravljački informacioni sistemi podržavaju donošenje rutinskih odluka, uglavnom na nivou operativnog upravljanja i težište stavljaju na informacije i njihovu upotrebu za donošenje odluka, što je prikazano na sledećoj slici.

Slika 22. Hijerarhija odlučivanja U poglavlju 2.2. u kojem se govori o menadžerima prikazana je hijerarhija odlučivanja iz koje se vidi da poslovni informacioni sistem može biti prilagođen nivoima menadžment

121


odlučivanja, od operativnog do strateškog nivoa. Vidljivo je da MIS sistemi podržavaju odlučivanje na taktičkom, srednjem nivou menadžment odlučivanja. Strateški, taktički i operativni nivo menadžmenta trebaju različite informacije i podatke u svom procesu odlučivanja. Važno je napomenuti da upravljački informacioni sistemi menadžmentu služe za snabdevanje agregiranim i rangiranim podacima dobijenim iz transakcionog dela informacionog sistema i nešto manje iz pretraživanja okruženja organizacije. Najznačajnije osobine MIS-a su: -

MIS podržava struktuirane i polustruktuirane poslovne odluke koje se primarno donose na srednje i niže menadžerske nivoe;

-

MIS osigurava fiksni oblik primanja informacija u poznatom, unapred definisanom formatu;

-

MIS obično pruža jedinstvene, opsežne i detaljne izveštaje koji zahtevaju da svaki pojedini korisnik sam pretražuje onaj deo informacija koje su mu potrebne;

-

upotreba MIS-a zahteva formalnu proceduru postavljanja upita i pretraživanja;

-

obično se pohranjuju i procesuiraju interni poslovni podaci organizacije, a nešto manje podaci iz okruženja i

-

prvenstveno je akcenat na podacima iz prošlosti, a manje na onima iz budućnosti.

Doprinos IT u upravljačkom sistemu. IT mora biti integralni deo sistema upravljanja, može pomoći dobrom

122


menadžmentu da bude bolje, a lošem menadžmentu da bude čak i gore. Upravljačke informacione sisteme, pored sistema za podršku odlučivanju (DSS), ekspertnih sistema (ES) i poslovne inteligencije (BI), svrstavamo u sisteme za podršku menadžmentu u odlučivanju.

123


4.1.

Menadžment poslovnih informacionih sistema – MpIS Možemo razlikovati sledeće informacione sisteme: -

IS koji služe za rešavanje strukturiranih problema,

-

IS koji treba da pruže podršku rešavanju nestrukturiranih poslova i zadataka, predstavljaju viši kvalitet u razvoju IS i

-

IS koji omogućavaju korišćenje velikih količina podataka registrovanih u bazama podataka i bazama znanja.

Najviši nivo razvijenosti imaju kompjuterizovani informacioni sistemi koji su orijentisani na pružanje podrške menadžmentu u odlučivanju i upravljanju, upravljački informacioni sistemi. Menadžment poslovnih informacionih sistema (MpIS), upravljački poslovni informacioni sistem, može se definisati kao kompjuterizovani informacioni sistem koji podržava upravljanje i rukovođenje u poslovnim sistemima. MpIS obezbeđuje menadžerima i ostalim zainteresovanim stranama korisne informacije koje su im neophodne u svakodnevnom donošenju menadžerskih odluka. Uspešno upravljanje preduzećem i uspešno vođenje poslova nemoguće je organizovati bez pouzdanih podataka odnosno informacija. U tom smislu, pretpostavka uspešnog poslovanja je i dobro razvijen informacioni sistem. Upravljački informacioni sistemi su sistemi koji osiguravaju standardizovane izveštaje za potrebe menadžmenta, druge poslovne funkcije organizacije i institucija izvan organizacije.

124


Informacioni proces u sistemu može značajno olakšati i ubrzati aktivnosti kao što su vođenje zaliha, praćenje podataka o kupcima, izveštavanje o postignutom. On osigurava različite načine na koje menadžment može kontrolisati i nadzirati operativne procese u organizaciji. Operativni i računovodstveni procesi su u značajnoj meri integrisani. Menadžment kreira operativne i informacione procese i uspostavlja njihovo funkcionisanje tako što osigurava ljude, opremu i ostale resurse potrebne za njihovo izvršavanje. Evolucija MIS sistema: 1950–1960 1960–970 1970–1980 1980–1990 1990–2000

Transaction Processing Systems Management Information Systems Decision Support Systems Executive Information Systems, End User Computing Knowledge Based Systems Internet worked E-Business i Ecommerce

125


4.1.1. Upravljanje informacijama Upravljanje informacijama se razvilo tokom sedamdesetih i osamdesetih godina, a fokusirano je na manipulaciju informacijama, vrednovanje informacija, bez obzira na to koje se informacione tehnologije koriste. U ovom kontekstu informacija podrazumeva dokumente, podatke i poruke. Informacione tehnologije se fokusiraju na prenos informacija, a upravljanje informacijama i upravljanje znanjem se fokusiraju na sadržaj i kvalitet informacija, kao i na uticaj te informacije na primaoca i na organizaciju. Različiti tipovi informacija imaju različite vrednosti a njima se upravlja na različite načine, što predstavlja suštinu upravljanja znanjem. Upravljanje poslovnim informacijama je sistem koji pomoću prikladnih programskih rešenja svojim korisnicima omogućava pouzdano i uspešno korišćenje postojećih informacija. Pristupanjem informacijama preko korisnicima prilagođenih programa poslovne inteligencije korisniku je omogućeno dobijanje odgovora na važna pitanja i donošenje ispravne poslovne odluke. Tradicionalni informatički programi za analizu poslovnih informacija nisu napravljeni da bi ih koristile prosečne osobe. Takav pristup ograničava pravovremeni pristup informacijama i iziskuje veliki finansijski trošak. Danas sve više ljudi sa različitim informatičkim znanjem treba pristup do informacija koje su im potrebne za rad.

126


Nadmoćne tehnologije poslovne inteligencije nude upravljanje poslovnim informacijama kao rešenje složenog poslovnog problema, zbližavanje ljudi i informacija u pokušaju dobijanja prednosti pred konkurencijom. Takva moderna programska rešenja svojom jednostavnošću omogućuju pristup važnim informacijama različitim korisnicima. Neki će korisnici primati tek distribuirane izveštaje, tako da će manje vremena trošiti za skupljanje informacija, a više za njihovo analiziranje. Korisnici koji trebaju dodatne ad hoc vrednosti imaju na raspolaganju prvoklasnu OLAP & reporting tehnologiju. Informacije su upravljane tako da rade za preduzeće. Pristupaju im sve osobe s definisanim ovlašćenjima, daju im dodatni smisao kroz izveštaje, prezentuju ih, analiziraju i dele s drugima. Organizacija razume potrebe svojih kupaca, isporučuje na vreme, brzo odgovara na zahteve tržišta i lako se prilagođava promenama poslovne klime. Ona je produktivna, fleksibilna i agilna, jer svi njeni zaposleni imaju pristup pravim informacijama na pravom mestu i u vreme kada su im potrebne.

127


4.2.

ERP – Sistem za planiranje i upravljanje

Danas, u naprednim organizacijama i preduzećima, informacioni sistemi koji podržavaju više funkcionalnih jedinica (marketing, finansije, proizvodnju, ljudske resurse...), integrisani su u takozvane sisteme za planiranje i upravljanje resursima preduzeća (eng. Enterprise Resource Planning – ERP). Sistemi za planiranje i upravljanje resursima preduzeća podržavaju kompletni sled aktivnosti preko kojih preduzeće može dodati vrednost na svoja dobra i usluge. Mnogi sistemi za procesovanje transakcija podržavaju elektronsko poslovanje preko Interneta. Između ostalih, to su -

online sistemi za kupovinu,

-

online banka i

-

sistemi koji oobezbeđuju sigurne transakcije.

Drugi sistemi nude informacije, usluge obrazovanja i razonodu po zahtevu. ERP – Enterprice Resource Planning, Wikipedia definiše kao pokušaj da se podaci i procesi u preduzeću integrišu u jedinstven informacioni sistem. I zaista, ako pogledamo prosečno preduzeće kod nas, videćemo da ono u najvećem broju slučajeva u svom poslovanju koristi nekoliko informacionih sistema: -

informacioni sistem za fakturisanje,

-

informacioni sistem za finansije i računovodstvo,

-

informacioni sistem za proizvodnju...

128


Praktično, najčešće se koristi jedan knjigovodstveni program, kao obaveza preduzeća da radi u skladu sa zakonom, kao i veliki broj dokumenata ili manjih programa u Wordu, Excelu ili Accessu koji pokrivaju određene oblasti poslovanja. Ovakav način poslovanja ne može obezbediti kvalitetne analize menadžmentu, jer su analize jako teške ili nemoguće, tako da je menadžment često prinuđen da donosi važne odluke za budućnost preduzeća na osnovu iskustva ili pretpostavki. Zavisno od veličine preduzeća i složenosti poslovnih procesa, raste i rizik da će donete odluke biti loše, ako ne i kobne po budućnost preduzeća. Prednost ERP softverskih rešenja je to što su integrisani svi poslovni procesi u preduzeću. Uspešnom integracijom poslovnih procesa dolazi se do dobre podele rada i efekta sinergije prilikom upravljanja preduzećem. Podela rada u menadžmentu omogućava podelu odgovornosti, bolje praćenje i kontrolu. Poslovni procesi grupisani su po modulima, a svaki modul predstavlja jednu funkciju preduzeća, s tim što su neke funkcije sadržane u većem broju modula radi efikasnijeg praćenja i kontrole. Modularnost ERP rešenja čini poslovne procese fleksibilnim i omogućava dogradnju sistema postepeno, u skladu sa rastom preduzeća i povećavanjem složenosti poslovnih procesa. Svaki modul predstavlja jedan program ili grupu manjih programa. Svi potrebni poslovni podaci čuvaju se u jedinstvenoj bazi podataka kojoj korisnici pristupaju u skladu sa definisanim pravima pristupa, dozvoljenom autorizacijom. Najčešći moduli u ERP paketu su: upravljanje finansijama, Supply Chain Management (SCM), Customer Relationship Management (CRM), e-poslovanje, upravljanje proizvodnjom, upravljanje uslugama (Service Management), distribucija, prodaja i marketing.

129


Sledeća, može se reći i najbitnija, prednost ERP programskih rešenja je standardizacija: svi poslovni procesi odvijaju se u skladu sa standardima koji su implementirani u velikom broju preduzeća. Razvijeni sistemi su više ili manje fleksibilni, ali njihova osnovna prednost sastoji se u tome što se poslovni procesi odvijaju u skladu sa optimalnim kriterijumima do kojih se došlo kroz proces razvoja i implementacije aplikativnog softvera. Stoga, uspešnom implementacijom i pravilnim korišćenjem ovakvog softvera postižu se najbolji rezultati u poslovanju. ERP sistem se implementira postepeno (step-by-step), odjednom (big bang), ili se implementira modul po modul (roll out). Na izbor strategije implementacije utiče organizaciona struktura, raspoloživi resursi, stav menadžmenta prema promenama, specifičnosti okruženja itd. Koji su nedostaci ERP rešenja? Može se reći da je cena ERP softverskih rešenja uglavnom mnogo viša od cene prosečnog poslovnog softvera, dok je period njegove implementacije znatno duži. Ovakva rešenja nude mnogo veći broj funkcionalnosti, a proces njihove implementacije predstavlja ozbiljan projekat. U okviru projektnih faza potrebno je: -

snimanje procesa,

stanja

i

-

dizajn sistema i implementacija,

-

prenos podataka iz prethodnog sistema,

-

obuka korisnika i

-

prilagođavanje softvera zahtevima preduzeća u kome se softver uvodi.

130

sistem

analiza

poslovnih


Potreban je odlučan stav menadžmenta da ulaže u budućnost preduzeća, kao i ozbiljno angažovanje svih zaposlenih. Može se reći da ERP rešenja nailaze na najbolju primenu u srednjim i velikim preduzećima i poslovnim sistemima. Neko je rekao: ERP rešenja je najbolje uporediti sa prekookeanskim brodom. Ovakav brod zahteva velika ulaganja, veliki broj članova posade, ali i donosi najveće efekte ukoliko treba da prevezemo veliku količinu robe sa jednog na drugi kraj planete. Ipak, svaki iskusan kapetan zna da je za uspešnu plovidbu najvažnija kvalitetna, iskusna i pre svega motivisana profesionalna posada. Informacioni sistemi postoje u nekoj formi u svakom preduzeću, a postojali su i pre računara. Svakom preduzeću u različitim fazama životnog ciklusa potrebni su manje ili više složeni informacioni sistemi. Porast obima poslovanja svakog malog preduzeća utiče na to da menadžment donosi odluku o zapošljavanju makar jednog knjigovođe i sve više zaposlenih u onim poslovnim procesima koje donose dobit. Tako se nameće i potreba za računarskom mrežom i programom u kome se mogu evidentirati materijalne i knjigovodstvene promene. Kako preduzeće raste, tako se nameće potreba za grupisanjem poslovnih procesa u okviru poslovnih funkcija, kao što su: -

nabavka,

-

marketing,

-

prodaja,

-

finansije,

-

računovodstvo,

-

ljudski resursi, 131


-

proizvodnja,

-

istraživanje i razvoj i

-

kvalitet.

Tada većina aplikativnih programa, zbog povećanog obima poslovanja i velikog broja zaposlenih, više ne zadovoljava potrebe preduzeća. Preduzeće vrši neophodnu reorganizaciju i uvodi ozbiljan informacioni sistem koji može da reši tekuće probleme i koji može da se nadograđuje, da raste zajedno sa preduzećem. U ovakvim situacijama najbolje su se pokazala ERP poslovna rešenja, koja:

-

uvode odgovarajuće standarde poslovanja,

-

obezbeđuju uspešno praćenje i kontrolu poslovnih procesa,

-

vrše podelu obaveza i odgovornosti,

-

obezbeđuju bolju komunikaciju između zaposlenih,

-

obezbeđuju lakše donošenje menadžerskih odluka primenom alata za podršku odlučivanju i

-

čine odličnu polaznu osnovu za uvođenje i sprovođenje standarda sistema kvaliteta u preduzeću.

132


poslovne funkcije proizvodnja

prodaja

marketing

finansijee

kadrovi

poslovni procesi kupci

dobavljači

INFORMACIONI SISTEM

Slika 23. Informacioni sistemi u preduzeću Poslednjih nekoliko godina svedoci smo ponude velikog broja ERP softverskih rešenja. Većina ovih rešenja su rezultat razvoja stranih softverskih kuća, mada ima i nekoliko domaćih rešenja, odnosno rešenja softverskih kuća sa prostora bivše Jugoslavije. Poslovanje preduzeća u trećem milenijumu dobrim delom zasniva se na informacijama. Tako informaciona podrška postaje neophodna kako za velika, tako i za srednja, mala i mikro preduzeća. ERP sistem obično koristi relacionu bazu podataka ili je integrisan sa takvom bazom. Poslovni informacioni sistem spada u kategoriju ERP sistema ako: -

pruža efikasno upravljanje procesima u organizaciji,

-

postoji zajednička baza podataka i

-

omogućava promptne odgovore na zahteve.

133

postavljene


poslovne funkcije proizvodnja

kupci

prodaja

marketing

finansije

Baze podataka poslovnih procesa

kadrovi

dobavljači

ERP INFORMACIONI SISTEM

Slika 24. ERP sistem preduzeća Informacioni sistem DataLab Pantheon™ kreiran je upravo za takve izazove. To je visokointegrisan poslovni informacioni sistem koji povezuje praktično sve oblasti poslovnih procesa. Program Pantheon™ primeren je za svaku poslovnu delatnost. Sa zadovoljstvom ga koriste proizvodna, uslužna i trgovačka preduzeća. Odgovara bilo kojoj veličini preduzeća – mikro, srednjim i velikim preduzećima.

134


Slika 25. Rasprostranjenost Pantheon programa Uprkos širokom spektru, neke vrste preduzeća su među korisnicima ovog ERP sistema izraženije zastupljene. To su prvenstveno brzorastuća preduzeća, gde su potrebe za snažnom i pristupačnom poslovnom informatikom najveće. Pantheon™ koristi preko 4.600 preduzeća i 14 zemalja. U pitanju je veoma fleksibilno ERP poslovno rešenje koje pokriva sve poslovne procese u preduzeću i lako se može povezivati sa drugim sistemima, bazama podataka i Internetom. Pantheon™ se može u potpunosti prilagoditi poslovnim procesima preduzeća, usklađen je sa postojećim i stalno se usklađuje sa novim zakonskim propisima, radi na više jezika i omogućava višejezične izveštaje koje je moguće izvesti iz sistema u više formata (DOC, XLS, PDF, TXT, CSV, DBF). DataLab je na CeBitu sajmu u Hanoveru 2008. osvojio pestižno priznanje European seal of Excellence, koje dodeljuje E-Accelerator.

135


European seal of Excellence se dodeljuje evropskim IT kompanijama, koje se, zahvaljujući inovacijama i implementacijom kvalitetnih rešenja, na polju marketinga znatno izdvajaju i prevazilaze ostale. Među pobednicima iz prethodnih godina nalaze se kompanije kao što su Nokia, Strato, Alcatel i slične. Ova manifestacija je organizovana pod pokroviteljstvom Europian Multimedia Foruma (EMF). EMF je najveća evropska neprofitna organizacija za promociju većih konkurenata u digitalnom marketingu. Preko 5.000 kompanija iz oblasti informacione tehnologije i multimedija je učestvovalo u organizaciji. Nagrada se dodeljuje od 2003. godine. Pobednika bira žiri, koji čini 11 članova.

Slika 26. DataLab prikaz ERP sistema u preduzeću (DataLab sajt) Kraj XX i početak XXI veka obeležili su brojni novi trendovi u poslovanju. Jedan od tih trendova je i polarizacija tržišta, odnosno trend nestajanja srednjeg sloja, bilo da se radi o srednjim preduzećima, proizvodima i uslugama prosečnog kvaliteta i prosečne cene, nestajanju srednjeg sloja društva.

136


Koji su uzroci ovih pojava? Prvi bitan uzrok je smanjivanje učešća cene rada u ceni gotovog proizvoda. Mnogoljudne zemlje, kao što su Kina i Indija, čine to kroz nisku cenu radne snage, dok razvijene industrijske zemlje ovaj efekat postižu automatizacijom proizvodnje. Drugi uzrok, čini se mnogo bitniji, jeste brz razvoj informacionih i komunikacionih tehnologija koje su standardizovale i ubrzale poslovne procese, olakšale proces donošenja kvalitetnih menadžerskih odluka i olakšale uspostavljanje poslovnih kontakata, ma gde se u svetu nalazili poslovni partneri. Kako se tržišta polarizuju? Polarizacija tržišta odvija se u dva smera: -

ponuda robe i usluga namenjenih širokoj potrošnji – masovna proizvodnja i

-

ponuda robe i usluga namenjenih specifičnim segmentima, tržišnim regijama ili pojedincima – male serije ili pojedinačna proizvodnja.

U prvom slučaju profit se ostvaruje snižavanjem troškova proizvodnje, dok je u drugom slučaju on posledica razlike u ceni koju su kupci spremni da plate za proizvode koji zadovoljavaju njihove specifične želje i potrebe. Da bi preduzeće bilo uspešno, ono mora da sazna ko su njegovi kupci, odnosno: -

kojem tržištu će nuditi robu i usluge,

-

koju cenu je tržište spremno da plati,

-

koji nivo kvaliteta tržište očekuje i

137


-

šta još treba preduzeće da uradi da bi zadržalo postojeće kupce i proširilo tržište.

Važan segment poslovanja je analiza konkurencije; preduzeće treba da upozna proizvode konkurentskih preduzeća, kao i proizvode koji mogu da modifikuju želje i potrebe kupaca i zauzmu deo tržišta kao suplement proizvoda ili usluga preduzeća. Nove tehnologije skraćuju put proizvoda od proizvođača do kupca, tako da budućnost skoro svakog preduzeća ne leži toliko u masovnoj proizvodnji koliko u zadovoljavanju specifičnih potreba kupaca i razvijanja trajnog poslovnog odnosa preduzeća i kupaca. Dobar informacioni sistem i, pre svega, informacioni sistem koji integriše rad svih zaposlenih u preduzeću može doprineti identifikaciji profitabilnih tržišta i kreiranju prave strategije njihovog osvajanja. Informacioni sistem treba da pomogne da se utvrde i eliminišu nepotrebni troškovi, kao i da bude integrisan sa Internetom i drugim aktuelnim vidovima komunikacije. Drugim rečima, informacioni sistem treba da olakša put roba i usluga ka kupcima, odnosno da usmerava preduzeće ka pravilnoj distribuciji, ciljanoj promociji i ponudi roba ili usluga čime preduzeće postaje bolje od konkurencije.

Slika 27. Motivacija za uvođenje ERP sistema

138


U sledećoj tabeli prikazana je impletacija različitih verzija PantheonTM programa u junu 2008. godine.

Država

Broj preduzeća

Broj korisnika

654

2.011

2.748

7.526

Srbija

583

2.585

Hrvatska

486

1.446

Crna Gora

91

282

Makedonija

70

177

Kosovo

18

81

Mađarska

2

8

Italija

2

7

Nemačka

2

6

Bugarska

1

15

Kipar

1

8

Rumunija

1

17

Slovačka

1

4

4.660

14.173

Bosna Slovenija

139


4.3.

BI – Poslovna inteligencija

Savremeno poslovanje zahteva pristup svim relevantnim strukturama podataka uz prezentaciju konkretnih sintetizovanih informacija. Donošenje poslovnih odluka treba biti bazirano na saznanju o uzrocima i sagledavanju posledica koje te odluke stvaraju. Važno je naglasiti da savremeno poslovanje zahteva trenutno raspoložive analize, ad hoc analize.

Slika 28. Savremeno poslovanje Pojam poslovna inteligencija ima dva osnovna značenja vezana za korišćenje termina inteligencija. Prvo je ljudska inteligencija primenjena u poslovnim aktivnostima u sistemima za donošenje odluka, DSS – Decision Support System. Drugo značenje je inteligencija kao informacija vrednovana na osnovu svoje relevantnosti, primenljivosti i ažurnosti, koristi se u ekspertnim sistemima u rešavanju upravljačkih problema. Stoga se može reći da je poslovna inteligencija široka paleta aplikacija i tehnologija za prikupljanje, obradu i analizu podataka.

140


Poslovna inteligencija – BI47 predstavlja nadogradnju informacionih sistema u cilju podrške poslovanju preduzeća. Upravljanje poslovnim performansama preduzeća zahteva sveobuhvatan i blagovremen uvid u indikatore uspešnosti kako bi donesene odluke bile precizne i pouzdane. Savremene menadžment teorije kažu da ovakav uvid u pokazatelje uspešnosti treba omogućiti što većem broju zaposlenih, a zauzvrat se očekuje njihova veća efikasnost i odgovornost u ostvarivanju poslovnih rezultata. Poslovna inteligencija se sve više širila kako se proces kontrole širio, pojavila se nova paradigma rad sa znanjem. Radnici koji imaju znanje postavljaju nove zahteve pred informacione sisteme, odnosno pred sistem poslovne inteligencije. Postoje mikro i makro aspekti posmatranja poslovne inteligencije. Sa makro aspekta poslovna inteligencija je složena, agregirana kategorija koja se stvara sistemskim ili neciljanim prikupljanjem podataka iz okoline, njihovim pohranjivanjem i obradom sa ciljem pronalaženja makroekonomskih trendova i predviđanja procesa u makroekonomskim sistemima. Svaka organizacija koja tako shvati poslovnu inteligenciju okrenuće se ka svom okruženju i u njemu tražiti izvore podataka na osnovu kojih će graditi nova saznanja i donositi odeređene zaključke. Sa mikro aspekta, organizacija treba permanentno otkrivati prikrivena znanja iz poslovnih podataka koja se rutinski prikupljaju u svakodnevnim poslovnim transakcijama. Izvori ovih podataka unutar su same organizacije i treba ih svrsishodno čuvati, održavati i sistematski obrađivati.

47

BI – Business Intelligence

141


Uslov za uspešno izvođenje novih ili prikrivenih znanja iz rutinski prikupljenih poslovnih podataka, jeste primena informacionih tehnologija, posebno internetske tehnologije, uz podršku odgovarajućih logičkih ili računskih metoda i softverskih paketa. Ovakvi proizvodi su proizvodi poslovne inteligencije. U centru pažnje su aplikacije za praćenje uspešnosti, ključni pokazatelji poslovanja (KPI48) postavljaju se kao ulazni parametri za izradu Balanced scorecard projekata49. Informacioni sistemi u preduzećima, bankama i drugim organizacijama sadrže mnoštvo informacija koje su često nepovezane, neblagovremene i nepotpune, pa menadžeri u proseku utroše devedeset posto vremena da dođu do potrebnih informacija, a samo deset posto da ih analiziraju i, na osnovu toga, donesu odluke. Uočeno je da informacije stižu sa zakašnjenjem u sedamdeset posto slučajeva, i da ti podaci pretežno ukazuju na posledice, a ređe na uzroke stanja. Zato se u svetu već odavno i ubrzano radi na razvoju i primeni sistema za poslovnu inteligenciju koji predstavlja skup metoda, softvera i aplikacija za efikasno, sveobuhvatno pribavljanje neophodnih informacija. Ovakve aplikacije, tehnologije i metode mogu osposobiti organizacije da donose utemeljenije poslovne odluke i tako im dati konkurentnu prednost. Na primer, preduzeće bi moglo da koristi ovakve aplikacije i tehnologije u proceni podataka koji su prikupljeni iz okruženja, a van su područja poznatih vrednosti, i pomoću njih predvideti predstojeće trendove u svom poslovnom procesu. U kontekstu poslovnih informacionih rešenja, pojam poslovna inteligencija označava spektar tehnoloških rešenja za prikupljanje podataka, analizu podataka i distribuciju 48 49

KPI – Key Performance Indicators Balanced scorecard – Sistem uravnoteženih pokazatelja. Tvorci ovog sistema za podršku odlučivanju su Robert Kaplan i David Norton.

142


informacija u obliku izveštaja, kako bi korisnici mogli donositi poslovne odluke na osnovu pravovremenih i odgovarajućih informacija, te održati i učvrstiti vlastitu konkurentnost na tržištu. Izuzetno je važno brzo reagovati na promene, brzo donositi odluke da bi organizacija opstala na tržištu. Poslovna inteligencija se intenzivnije počela razvijati automatizacijom poslovnih procesa u preduzeću, odnosno kada su preduzeća počela sa implementacijom transakcionih informacionih sistema koji su generisali velike količine podataka. Tehnički gledano, poslovna inteligencija je proces koji sirove podatke pretvara u informacije koje se nakon sveobuhvatne analize koriste u procesu odlučivanja. Sistem poslovne inteligencije nudi prikupljanje i analizu podataka. Povezivanje korisnih činjenica a zanemarujući nevažne činjenice, prepoznavanje odgovarajućih odluka i pravaca delovanja odmeravajući moguće rizike, pružaju podršku odlučivanju. Jednostavno, poslovna inteligencija koristi aplikacije i alate za donošenje odluka. Rešenja u domenu poslovne inteligencije obezbeđuju jednostavan pristup izveštajima i analizama. Jedinstveni softverski alati pokrivaju ceo poslovni proces organizacije i omogućavaju detaljne analize poslovnih aktivnosti i rezultata organizacije u celini. Poslovna inteligencija beleži sve veću primenu. Do većih promena dolazi u sredinama gde se poslovna inteligencija već primenjuje. Pojavljuje se nova paradigma – rad sa znanjem. Radnici sa znanjem50 generišu nove potrebe koje poslovna inteligencija treba da obezbedi. Ovi radnici analiziraju makro trendove kao što su globalizacija, 50

knowledge workers

143


zaoštravanje tržišne utakmice i povećanje učešća uslužnih delatnosti u stvaranju bruto nacionalnog dohotka, i mikro trendove, kao što je sve veća uloga uslužnih procesa, promena načina donošenja odluka, skraćivanje vremena donošenja odluka i sve veći zahtevi za mogućnost predviđanja. Na osnovu ovih trendova radnici sa znanjem obavljaju istraživanja, koriste rezultate tih istraživanja, komuniciraju sa svojom okolinom, stvaraju predloge, razmenjuju mišljenja te na kraju odlučuju ili predlažu odluke. Da bi ovo bilo moguće, potrebni su odgovarajući proizvodi, proizvodi poslovne inteligencije. Stoga su u centru pažnje aplikacije za praćenje uspešnosti. Poslovna inteligencija poboljšava pravovremenu dostupnost kao i bolji kvalitet samih informacija, a menadžerima omogućava bolji uvid u položaj njihove firme u poređenju sa konkurencijom. Tek uz poslovnu inteligenciju, organizacija je u stanju da stvarno razume ono što već zna. Organizacija koja želi da ojača svoju konkurentnost, optimizuje svoje poslovne procese, pojednostavljuje pretraživanje, pristup i analizu informacija, i pre svega implementira ideju transformacije neobrađenih podataka u informacije sa razumljivim značenjem. Sve ovo se mnogo brže postiže uz sistem poslovne inteligencije. Interesantno je citirati nekoliko definicija poslovne inteligencije. „Poslovna inteligencija je način dostavljanja pravih informacija u pravom formatu u prave ruke u pravom trenutku. Dobar sistem poslovne inteligencije prikuplja informacije iz svih delova preduzeća, analizira ih, priprema potzrebne izveštaje i šalje ih ljudima koji ih trebaju“ (Steve Murfitt)51. „Pojednostavljeno definisano, poslovna inteligencija je proces prikupljanja raspoloživih internih i relevantnih eksternih 51

Steve Murfitt, Business Intelligence Consultant, USA

144


podataka, te njihove konverzije u korisne informacije koje mogu pomoći poslovnim korisnicima pri donošenju odluka“ (Vinod Badami)52. Poslovna inteligencija prati redosled poslovnih događaja.

52

Vinod Badami, direktor odseka za BI, RCG Information

Technology, Inc. Edison, New Jersey, USA.

145


4.3.1. CRM – Customer Relationship Management Jedino i najvažnije područje interesovanja kompanije trebalo bi da budu oni kojima prodaju proizvode i usluge – klijenti (pojedinci, društva, druga preduzeća, državne ustanove...). Moderan i zadnjih nekoliko godina često upotrebljavan termin jeste osiguravanje egzistencije održavanjem kvalitetnih odnosa sa kupcima (CRM – Customer Relationship Management). Moderna tehnologija je i ovom segmentu dala svoj pečat, tako da veliki broj stručnjaka CRM poistovećuje sa: call centrima, -

interaktivnim Web portalima,

-

bazama podataka,

-

data warehausing i data mining rešenjima,

-

programskim paketima za automatizaciju prodajne sile...

Sve to stvara nejasnoće kod većine i skriva staru poslovnu istinu da je mnogo lakše pronaći proizvode i usluge za ljude koje poznajete, nego da pronađete ljude za proizvode i usluge koje imate. Kupac je kralj i svi u racionalnoj organizaciji moraju biti koncentrisani na stvaranje vrednosti kupcu. Važno je prepoznati pravog kupca, stoga svi trebaju biti koncentrisani na stvaranje vrednosti za njega. To se prečesto uzima zdravo za gotovo. Malo je kompanija u svetu koje mogu da se pohvale da su uspešno implementirale CRM, pošto ih njihovi klijenti i 146


dalje ne doživljavaju kao ka kupcu orijentisane organizacije. Da bi se organizacije oslobodile opsesije sopstvenim proizvodima ili uslugama, potrebno je da se istovremeno primeni: -

Menadžment vrednosti kupca – CVM,

-

Menadžment vrednosti zaposlenih – EVM i

-

Menadžment odnosa sa kupcem – CRM.

Menadžment vrednosti kupca (CVM – Customer Value Management) odgovara na dva ključna pitanja: 1. Kako da prepoznam potrebe kupca? 2. U koje kupce ima smisla investirati? Odgovor na prvo pitanje dobićemo ako pažljivo saslušamo, kupci će nam reći šta i kada to žele. U procenjivanju da li ono što smo čuli zaista ima vrednost, od velike pomoći je hijerahija potreba koja će pokazati kako da kupcu uputimo izuzetno preciznu poruku koju je nemoguće odbiti. I ako kupac oduševljeno prihvati ponudu, treba biti oprezan, jer ono što je kupac želeo juče možda nije ono što želi danas. Potrebno je znati njihove želje čim se promene, ili, još bolje, predvideti ih. Na drugo pitanje je odgovorio Vilfrido Pareto (pravilo 80:20 ili 90:10). Studije koje je sprovela Manhattan Consulting Group pokazuju da 20% kupaca stvara 150% profita, a 40% kupaca eliminiše čak 50% profita. Identifikacija realne vrednosti kupca ne sme da se zasniva samo na lako dostupnim podacima koliko je novaca on ostavio kod nas. Važno je i koliko je do sada investirano u njega i kakav je njegov potencijal za stvaranje socijalnih veza (umrežavanje) da bi se glas o preduzeću proširio što više (tajna uspeha kompanije Google).

147


Dobro obavljen domaći zadatak na temu CVM, menadžment vrednosti kupca, i precizno izračunavanje sadašnjeg i budućeg potencijala kupaca stvara preduslove za: -

ciljane marketinške kampanje,

-

smanjenje troškova i

-

osećaj najvernijih kupaca da su tretirani kao kraljevi.

Međutim, to nije dovoljno. Kada se krene u realizaciju strategije ka kupcu orijentisane organizacije u prvi plan dolazi Menadžment vrednosti zaposlenih, EVM (Employe Value Management). Ako je kupac kralj, zaposleni je u najmanju ruku princ. Ako se pitate šta je to što dovodi u vezu zapošljavanje i zadržavanje najboljih ljudi sa privlačenjem i zadržavanjem najboljih kupaca, odgovor je sve. Lekcija koja mora da se nauči pre implementacije CRM-a jeste ta da kupca ne možete zadovoljiti rukama već samo srcem! Većina ljudi nije u stanju da odredi vrednost proizvoda, ali svi smo u stanju da ocenimo -

ljubaznost,

-

brzinu i

-

profesionalnost zaposlenih.

Iskustvo kupca je lanac kontakata koje je imao u pokušaju da dođe do proizvoda ili usluge. Ukupno iskustvo zavisi od dužine lanca i najslabije karike. Nije teško objasniti zaposlenima u marketingu i prodaji kako je klijent važan, ali, to nije dovoljno. Ali šta ako pitate nekoga u proizvodnji? Znaju li ljudi iz održavanja ko su vaši kupci? Napravite eksperiment. Idite u proizvodnju i pitajte nekoga za koga su ti proizvodi.

148


Preduslovi za stvaranje racionalne kompanije su sedam veličanstvenih veština racionalnih ljudi: -

svesnost o kupcima,

-

preduzetno razmišljanje,

-

prilagođavanje,

-

preduzimanje inicijative,

-

inovacije,

-

saradnja i

-

ostvareni uticaj.

Svi koji rade u racionalnoj kompaniji moraju biti majstori svih tih veština. Izostanak bilo koje veštine je moguća slaba karika. U principu, CRM ne bi trebalo primenjivati u onim poslovima: -

gde kupci kupuju proizvod samo jednom u životu,

-

gde je jedinična vrednost proizvoda izuzetno niska i

-

tamo gde ne postoji nikakva potreba da se insistira na direktnom kontaktu između prodavca i krajnjeg kupca.

Sa druge strane, CRM je idealan za one poslove: -

gde je moguće prodati mnogo različitih proizvoda istom kupcu,

-

gde vredni proizvodi ubrzano zastarevaju ili

-

gde se proizvodi pod pritiskom konkurencije stalno unapređuju.

149


CRM je condicio sine qua non53 za one poslovne organizacije koje imaju VIP kupce i moraju da znaju mnogo o njima, kao i za one organizacije koje rutinski prikupljaju veliki broj podataka o kupcima za svoje aktivnosti. Svaka organizacija treba svog klijenta da vodi kroz sve faze poslovne veze, treba na pravi način da upravlja odnosima sa svojim klijentima. Za uspešan CRM potrebno je u organizaciji razvijati kulturu usluge kod zaposlenih, obratiti pažnju na važne detalje, na pozitivan pristup klijentima. Jednostavno, treba izabrati osoblje koje voli da radi sa ljudima. Bez obzira na tehnologiju i propise, u poslu opstaje samo onaj ko stvara oduševljene kupce!

53

Condicio sine qua non, latinska izreka: uslov bez kojeg se ne može nešto učiniti.

150


4.3.2. BPM – Upravljanje poslovnim procesima Logička evolucija informacionih tehnologija, zahtevi za brzim prilagođavanjem firmi, automatizacija radnih tokova sprovedena u CRM-u, ERP sistemima i sistemima upravljanja dokumentacijom, ne zadovoljava zahteve svih organizacionih procesa. Danas u poslovnim procesima važi pravilo 80/20 koje kaže da je 80% vremena u poslovnom procesu nekorisno a samo 20% se realno radi. Većina softverskih rešenja radi na smanjenju vremena u kome se realno radi. Softver za kontrolu radnih tokova smanjuje i takozvano mrtvo vreme, ali nije efikasan kada su u pitanju procesi na nivou celog preduzeća. Tržište za upravljanje poslovnim procesima (BPM – Business Process Management) nastalo je kao rezultat konvergencije četiri tržišna segmenta, od kojih je svaki rešavao samo deo problema: 1. Automatizacija poslovnih procesa WA (Workflow Automation) – koja se fokusirala na ljudske procese, 2. EAI (Enterprise Application Integration) – koja se fokusirala na razmenu informacija između različitih sistema, 3. Modeliranje i analiza poslovnih procesa – koja se fokusirala na detaljno razumevanje poslovnih procesa i uticaja promena na te procese i 4. Nadzor nad poslovnim aktivnostima BAM (Business Activity Monitoring) – koji se fokusirao na analizu efikasnosti poslovnih procesa.

151


Softver za kompletno BPM rešenje mora pokriti sve gore navedene oblasti. Upravljanje poslovnim informacijama je sistem koji pomoću prikladnih programskih rešenja svojim korisnicima omogućava pouzdano i uspešno korišćenje postojećih informacija. Pristupajući informacijama preko programa prilagođenih korisnicima, moguće je dobiti odgovore na važna pitanja i donošenje ispravne poslovne odluke. Tradicionalni informatički programi za analizu poslovnih informacija nisu napravljeni da bi ih koristile prosečne osobe, oni ograničavaju pravovremeni pristup informacijama i iziskuju velika finansijska ulaganja. Danas sve više ljudi sa različitim informatičkim znanjem treba pristup do informacija koje su im potrebne za rad, za donošenje poslovnih odluka. Nadmoćne tehnologije poslovne inteligencije nude upravljanje poslovnim informacijama kao rešenje složenog poslovnog problema, zbližavanje ljudi i informacija u pokušaju dobijanja prednosti pred konkurencijom. Takva moderna programska rešenja svojom jednostavnošću omogućavaju pristup važnim informacijama širokom krugu korisnika. Neki korisnici će primati distribuirane izveštaje, tako da će manje vremena trošiti za prikupljanje informacija, a više za njihovo analiziranje. Korisnici koji trebaju dodatne ad hoc vrednosti imaju na raspolaganju prvoklasnu OLAP&reporting tehnologiju. Informacijama se upravlja tako da preduzeće ima koristi. Njima pristupaju sve osobe s definisanim ovlašćenjima. Na osnovu njih organizacija se prilagođava promenama poslovne klime. Automatska koordinacija i kontrola poslovnih procesa vrši se pomoću računara i odgovarajućeg programa WFM (Work Flow Management). Ovaj program preuzima i 152


automatizuje deo menadžerskih poslova tako što se podaci o odvijanju poslovnih procesa koriste za njihovu kontrolu, i uzimaju se kao osnova za donošenje operativnih i strateških odluka. Funkcije WFM-a, programa za upravljanje tokovima procesa, su: -

pravovremeno pokretanje aktivnosti,

-

obaveštavanje o prekoračenju termina, upravljanje i odlučivanje,

-

pravovremeno informisanje i

-

fleksibilnost poslovnog procesa.

Ove funkcije se dele u dve grupe, na grupu funkcija koje pripadaju koordinaciji i na grupu funkcija koje pripadaju kontroli. Koordinacija se ogleda u pokretanju aktivnosti, dodeli radnih zadataka, upravljanju tokom procesa i kreiranju podsetnika zaposlenima o zadatim rokovima. Komponente kontrole su praćenje toka procesa, poštovanje zadatog vremena, kontrola ovlašćivanja, merenje efikasnosti zaposlenih i povratne informacije od zaposlenih u preduzeću.

Slika 29. Upravljanje poslovnim procesima

153


Projektovanje i definicija procesa započinju analizom poslovnog procesa, modeliranjem i definisanjem alata poslovnih procesa (mreža poslovnih aktivnost, učesnici procesa, programi, podaci, uslovi i drugo). Izvršenje i kontrola procesa kroz WFM omogućavaju interakciju sa korisnicima, alatima aplikacijama. Kao rezultat dobijamo podatke bitne za sistem i kontrolne podatke za eventualnu korekciju poslovnih procesa.

sistem i IT WFM samih

Analizom poslovnih procesa dobijamo odgovore na piatanja ko, koji, koje i šta: Ko su učesnici u poslovnom procesu, koje aktivnosti čine proces, koji događaji pokreću i ko su pokretači aktivnosti, koji je cilj određene aktivnosti, šta je rezultat te aktivnosti i ko je odgovoran za izvođenje aktivnosti?

Slika 30. Projektovanje i definisanje poslovnih procesa Važno je definisati protokol ponašanja koji predstavlja skup aktivnosti svakog učesnika u poslovnom procesu:

154


-

dozvoljeno vreme trajanja aktivnosti,

-

dozvoljeno vreme kašnjenja i

-

način i interval izveštavanja o preostalom vremenu.

Upravljanje poslovnim procesima predstavljeno je na sledećem dijagramu kao višestruka interakcija između IT aplikacija i poslovnih resursa.

Slika 31. Dijagram poslovnih procesa Uvođenjem sistema za upravljanje poslovnim procesima, BPM sistema, ukidaju se nesigurne kompleksne veze između aktivnosti u poslovnom procesu. Sa stanovišta arhitekture, ovakvo viđenje BPM-a se uklapa u novi koncept poslovanja SOA – (Service Oriented Architecture), gde web servisi funkcionišu po pozivu, unutar aplikacije, sa ciljem da se organizacijama omogući kombinovanje tih usluga stvarajući dinamička rešenja, poslovanje po nižim cenama. Uspešan BPM je preduslov za SOA.

155


Slika 32. Upravljanje poslovnim procesima Poznata Gartner grupa54 definisala je 2003. godine osnovne elemente BPM sistema, a to su: 1. grafički alati, alati za analizu, modeliranje i definisanje tokova procesa, 2. izvršni segmenti koji omogućavaju izvršenje definisanih tokova procesa, uz uključenje potrebnih automatskih servisa ili ljudskih aktivnosti, 3. elementi za prilagođenje koji omogućuju podešavanje u letu radnih tokova, radnih lista i prioriteta, 4. alati za nadzor i upravljanje nad tokovima procesa i 5. alati za analizu. Osnovne karakteristike BPM-a Gartner grupa je prepoznala 2002. godine: 1. konverzija poslovnih procesa u elektronsku formu, 2. potpuna automatizacija svih koraka kroz integraciju sa organizacionim aplikacijama, 54

Gideon Gartner je 1979. godine formirao Gartner grupu koja se specijalizovala u istraživanju i analizi menadžmenta i proizvela više od 2.000 relevantnih izveštaja za skoro svaku oblast IT sveta.

156


3. formulari dobijaju inteligentnu formu čime se izbegavaju greške pri popunjavanju formulara, ili automatsko umesto ručnog popunjavanja. 4. ugrađivanje kontrolnih karakteristika koje osiguravaju integritet procesa i kompenzaciju mogućih ljudskih ili sistemskih grešaka, 5. pravovremene povratne informacije o statusu procesa i 6. merenje i optimizacija vremena i troškova procesa. Koje su koristi od BPM sistema, sistema za upravljanje poslovnim procesima? Skraćenje vremena završetka procesa, odnosno skraćenje aktivnog i neaktivnog vremena, smanjenje broja koraka unutar procesa, automatizacija koraka u procesu i paralelno izvršavanje koraka procesa. Optimizacija procesa i eliminacija nepotrebnih koraka je bitna korist koju daje BPM sistem. Smanjenje broja administrativnih poslova.

grešaka

zbog

automatizacije

Šta se želi postići uvođenjem BPM sistema? Ovim sistemom postiže se veće zadovoljstvo korisnika, uključivanje klijenata i poslovnih partnera u poslovne procese pružanjem novih mogućnosti saradnje, kao i veća prilagodljivost same organizacije. Može se zaključiti da nije pitanje da li, nego kada i kako će biti implementiran BPM sistem. Ovaj sistem se implementira za:

-

upravljanje procesima: kreiranje, modeliranje, automatizacija i opis procesa,

157


-

upravljanje radnim tokovima: kreiranje, simulacija i modeliranje radnih tokova,

-

upravljanje poslovnim aktivnostima, kroz nadzor poslovnih aktivnosti i

-

upravljanje programima i podacima kroz integraciju i razmenu informacija širom preduzeća.

BPM sistem nalazi se u centru procesa, od razvoja sistema i njegove implementacije, preko upravljanja procesima, do optimizacije svih aktivnosti kojima opet dolazi do razvoja novih aktivnosti sistema kao mehanizma kontrole procesa.

Slika 33. Analiza poslovnog procesa. Koji su principi preduslov za uspešan BPM? Nije potrebno upravljati svim procesima. Ukoliko u poslovnom sistemu postoje loši procesi, automatizacija ih neće popraviti. Veoma je važna podrška najvišeg rukovodstva u procesu uspostavljanja BPM sistema koji se treba primeniti na različitim organizacionim nivoima. BPM se primenjuje kod timskih procesa, odeljensko-funkcionalnih procesa, kod procesa poslovnih jedinica i procesa orijentisanih ka kupcimaklijentima. 158


Sistem upravljanja poslovnim procesima predstavlja menadžment kulturu, koja obuhvata: -

poslovne procese,

-

tehnologiju,

-

metodologiju podrške postavljanju ciljeva,

-

monitoring performanse,

-

analizu podataka i

-

diseminaciju – širenje informacija.

Zajednička karakteristika uspešnih BPM inicijativa je na netehničkim elementima, kao što su podrška izvršnog menadžmenta, reinženjering poslovnih procesa, interna komunikacija i upravljanje projektima. Iz prethodno rečenog, može se zaključiti da osnovu BPM-a čini dobra IT arhitektura i odgovarajući korisnički softver. Korisnički softver kreira i automatizuje učešće svih zainteresovanih strana u jednoj organizaciji u upravljanju poslovnim performansama u: -

planiranju i predviđanju,

-

analizi i izveštavanju,

-

finansijama ...

i istovremeno podržava donošenje ad hoc odluka. Mnoge organizacije su utrošile značajna sredstva na ERP sisteme, CRM i druge pakete, čime su postigle odgovarajuću operativnu efikasnost, a sada moraju ponovo da investiraju zbog BPM i poslovne inteligencije – BI. Zbog toga se od BPM softvera očekuje mnogo, osnovna struktura BPM rešenja predstavljena blok dijagramom:

159


Slika 34. BPM rešenje Koji su kriterijumi za izbor dobrog BPM softvera? Važan kriterijum je funkcionalnost koja predstavlja podršku organizacionim ciljevima i potrebama raznih grupa korisnika. Drugi kriterijumi su integrisana softverska platforma, integracija podataka iz različitih izvora (ERP, CRM, HRM...), samostalno opsluživanje sistema, održavanje i nadogradnje sistema i uticaj na ostale sisteme i kvalitet poslovnog modela ponuđača softverskog rešenja BPM sistema. BPM sistemi primenjuju se i u malim i srednjim preduzećima, jer i manje firme mogu imati slične probleme kao velike, možda u manjem obimu, ali i sa manje raspoloživih resursa za njihovo rešavanje. Rastom firme, od male privatne, kojoj su dovoljne MS Excel tabele, preko geografski, internacionalno dislocirane ili multinacionalne javne firme, rastu i potrebe za sve složenijim softverom.

160


4.3.3. KM – Upravljanje znanjem U godinama koje su iza nas tehnologija je bila faktor konkurentnosti i u skladu sa tim cilj preduzeća bio je obezbeđivanje tehnologije koja će omogućiti konkurentsku prednost. Ulaskom u vek znanja promenilo se mnogo stvari. Organizacije su shvatile da tehnologije koje se koriste, a potiču iz izvora van organizacije, samo nakratko obezbeđuju monopolsku poziciju, a samim tim i konkurentsku prednost, jer ubrzo putem difuzije te tehnologije dolazi do njenog omasovljavanja i degradacije u smislu konkurentnosti. Organizacije, a pre svega preduzeća proizvodnog tipa, uvidele su da jedino tehnologija kreirana u sopstvenom istraživanju i razvoju omogućava dugoročnu konkurentnost. Interni razvoj tehnologije zahtevao je angažovanje svih intelektualnih kapaciteta unutar organizacija i to je bio inicijalni korak u razvoju discipline upravljanja znanjem. Upravljanje znanjem – KM55 dobija zadatak da integriše napore preduzeća na polju stvaranja novog i raspolaganja postojećim znanjem u okviru svoje organizacije. U skladu sa tim, jasna težnja organizacije je da se što bolje pripremi za program upravljanja znanjem na osmišljen način savremenog društva i okruženja u kome jedino znanje doprinosi opstanku pojedinca i organizacije. Sve veći kvantum znanja iz različitih oblasti, kao i neophodnost da se to znanje iskoristi u poslovnom procesu preduzeća, uslovio je razvoj discipline upravljanja znanjem kao ključne oblasti menadžmenta u realnom vremenu i budućem periodu. Akcenat se sa informacije, kao strateškog resursa, preneo na znanje kao osnovu konkurentnosti savremenih preduzeća.

55

KM – Knowledge Management

161


Upravljanje znanjem se jednostavno može definisati kao disciplina koja promoviše kreiranje, deljenje i korišćenje organizacionog znanja. Proces se odnosi na strategiju i strukturu za maksimiziranje doprinosa intelektualnim i informacionim resursima. S obzirom na to da intelektualni kapital postoji u nevidljivoj formi (edukacija ljudi, iskustvo i ekspertiza), i vidljivoj formi, (dokumenti i podaci), upravljanje znanjem zavisi od kulturnih i tehnoloških procesa koji se odnose na kreiranje, prikupljanje, deljenje, kombinovanje i upotrebu znanja. Šta je cilj upravljanja znanjem? Cilj KM-a je kreiranje nove vrednosti putem poboljšanja efektivnosti i efikasnosti individualnog znanja i znanja kreiranog kroz saradnju, istovremeno poboljšavajući inovativnost i brzinu donošenja odluka. Upravljanje znanjem, kao i svaki sistem, ima svoju vrednost kako u prošlosti tako i u sadašnjosti, ta njegova kombinacija s novim idejama koje su svi ionako znali ljudima koji ga koriste daje mogućnost novog pogleda na stvari. Sistem upravljanja znanjem ima svoju vrednost a u kombinaciji sa novim idejama i ljudima koji sistem koriste, daje novi pogled na organizaciju i njenu okolinu. Već je u predstavljanju organizacije koja uči naglašeno da sposobnost zaposlenih da učestvuju u kolektivnom znanju kao i da rade predstavlja menadžment znanja. Upravljanje znanjem gradi se na idejama upravljanja ljudskim resursima i daje svojim korisnicima jasan pregled ljudskog kapitala organizacije. U budućnosti upravljanje znanjem može ići u dva pravca. Jedan pravac upravljanja znanjem je, kao i kod upravljanja kvalitetom, da se, kroz transparentnost, njegove

162


bitne ideje i ciljevi stope u organizaciju i da postane potpuno prirodan segment u poslovanju organizacije. Drugi, kompleksniji, pravac je da se krene u reinženjering poslovanja. U nekim slučajevima reinženjering poslovanja organizacije predstavlja sinonim za smanjenje organizacije, što je često donelo više štete nego koristi. Upravljanje znajem predstavlja odgovor na ekonomske i socijalne trendove: -

globalizaciju,

-

informatizaciju i

-

centralizovan pogled na sveobuhvatno znanje organizacije.

Znamo da globalizacija postaje nova sudbina, nova sila koja pokreće konce svakodnevnog života. Savremenu globalizaciju pokreću ekonomski motivi, koncept otvorenog društva. Ovaj faktor promena u svetu, globalizacija, utiče i na ljude i na tehnologije, ima tendenciju da bilo koja jedinica, aktivnost ili tehnologija prevaziđe dimenziju bilo kojih granica. Ona može uticati na svakoga širom sveta, na čoveka utiče da globalno razmišlja a na tehnologiju tako da infrastruktura bude pristupačna bilo gde i bilo kome. Globalizacija je najočigledniji i najjasniji krivac promena. Kompleksnost i obim globalne trgovine, količina globalnih učesnika, proizvoda i distribucionih kanala, veća je nego ikada. Ubrzanje svih elemenata globalne trgovine, uglavnom zbog informacione tehnologije, i opadanje centralizovanih ekonomija stvorili su pravu pomamu unutar organizacija koje pokušavaju što brže na što širem tržištu ponuditi nove proizvode i usluge. Ova situacija globalnih razmera dovodi organizaciju pred pitanja: šta zna, ko zna, šta ne zna a trebala bi da zna?

163


Prema Akofu56, sadržaj ljudskog uma može se podeliti na pet kategorija: -

Podaci: simboli,

-

Informacija: podaci koji su obrađeni da bi bili upotrebljivi i korisni, odgovaraju na pitanje šta, ko, gde i kada,

-

Znanje: primena podataka i informacija, odgovara na pitanje kako,

-

Razumevanje: odgovara na pitanje zašto,

-

Mudrost: vrednuje razumevanje.

Slika 35. Prelaz od podatka ka mudrosti

56

Russell L. Ackoff (1909) profesor emeritus na University of Pennsylvania, jedan od dvadeset najvećih teoretičara iz oblasti menadžmenta

164


Kako se pristup informacijama povećava, tako ljudi lakše dolaze do informacija koje trebaju, u svako vreme i na bilo kojem mestu. Manje evidentan, ali ne manje važan trend je centralistički pogled na znanje u organizacijama. Informacija je proces i predstavlja aktivnost komunikacije. Informisati znači preneti znanje nekome. Tražeći informaciju, mi zadovoljavamo svoju ličnu potrebu da tom informacijom upotpunimo svoje znanje. Ukoliko neki podatak, ili mnoštvo podataka koje smo primili, ne poveća nivo našeg postojećeg znanja, onda ti podaci ne predstavljaju informaciju. Kakav je način komunikacije prisutan u našim životima? Svaki put kada dobijete, na primer, neko rešenje od bilo koje državne institucije, soc-realistični način komunikacije dolazi do izražaja. Pa i u poslovnoj komunikaciji naših firmi prepoznajemo taj duboko ukorenjeni princip komunikacije radi komunikacije. U poslednjih nekoliko godina velika količina podataka i informacija, pa samim time i eksplicitnog znanja, kao i velika količina tihog znanja, čija je cena vrlo visoka, spremana je u baze podataka. U organizacijama sve češće preovladava centralistički pogled na znanje. Upravljanju znanjem najviše su doprineli: -

upravljanje informacijama,

-

upravljanje kvalitetom i

-

upravljanje ljudskim kapitalom i resursima.

Osim što nudi znanje na korištenje, upravljanje znanjem koristi različite tehnike i načine rasprostiranja i korišćenja znanja. 165


Upravljanje informacijama se razvilo tokom sedamdesetih i osamdesetih godina, a fokusira se na manipulisanje informacijama, vrednovanje informacija, operacione tehnike, nezavisno o informacionoj tehnologiji koja se koristi. Informacija u ovom kontekstu podrazumeva dokumente, podatke i strukturisane poruke. Informaciona tehnologija, s druge strane, fokusira se na sam prenos informacija, dok se upravljanje informacijama i upravljanje znanjem fokusira više na sadržaj i kvalitet informacija i na uticaj te informacije na primaoca i/ili organizaciju. Upravljanje informacijama otkriva da nisu svi tipovi informacija jednako vredni i da se njima upravlja na različite načine. Ovaj pogled je postao srž upravljanja znanjem danas. Upravljanje kvalitetom fokusirano je na klijente, zajedničke procese i zajedničke ciljeve unutar organizacije i primenjuje se u procesu proizvodnje, dok upravljanje znanjem ima širi pogled i pristup. Upravljanje ljudskim kapitalom i resursima je dobro poznato sa teoretske strane, ali se u praksi teško prihvata investicija u vrednost ljudskog kapitala. Istraživači u oblasti ljudskih resursa naglašavaju da je moguće ostvariti povećani finansijski rezultat investiranjem u pojedinačne obuke i školovanja. U mnogim organizacijama ulaganje u obrazovanje zaposlenih tretira se kao trošak a ne kao investicija. Ipak, praksa je pokazala da se ovakva investicija brzo vraća. Upravljanje ljudskim resursima fokusira se na pojedinca, a upravljanje znanjem na veće grupe, zajednice i mreže. Postoji široki opseg neusaglašenih razmišljanja o KM, disciplini upravljanje znanjem, a pristupi variraju od autora do autora. Kako je sazrevala KM disciplina, tako su sazrevale i akademske debate o njoj, kako teoretski tako i praktično sa težnjom prihvatanja sledećih pristupa:

-

tehnocentrični,

166


-

organizacijski i

-

ekološki.

Tehnocentrični pristup, sa fokusom na tehnologiji, pogodan je kada se želi proširiti podela znanja i rast znanja i omogućen je tehnološkim rešenjima kao što su ekspertni sistemi, neuronske mreže, semantički web. Organizacijski pristup je fokusiran na uspostavljanje organizacije koja će omogućiti proces prikupljanja, stvaranja i deljenja znanja. Ekološki pristup je fokusiran na interakciju ljudi, njihovu individualnost, znanja i okruženja, kao adaptivni sistem prirodnom eko sistemu. Upravljanje znanjem je praksa mobilisanja i eksploatisanja intelektualnog kapitala da bi se ostvarila konkurentska prednost i privrženost potrošača kroz efikasnost i brže i efektivnije donošenje odluka. Na primer, stručnjaci Svetske banke upravljanje znanjem tretiraju kao proces sistematskog povezivanja ljudi i ljudi sa znanjem i informacijama da bi se efektivno delovalo i da bi se kreiralo novo znanje. Pokretanje inicijative upravljanja znanjem doprinosi poboljšanju performansi organizacije i pojedinaca kroz identifikaciju, osvajanje, vrednovanje i prenos znanja. Upravljanje znanjem je, znači, novi, interdisciplinarni poslovni model koji upravlja svim aspektima znanja u kontekstu preduzeća, uključujući kreiranje, kodiranje i deljenje znanja, čime se utiče na promovisanje učenja i inovacija. U praksi, upravljanje znanjem povezuje tehnološke alate i organizacione pretpostavke u jedinstvenu celinu.

167


Rudy Ruggles57, jedan od vodećih mislilaca i praktičara iz ove oblasti, identifikovao je sledeće elemente kao integralne komponente koncepta upravljanja znanjem: -

generisanje novog znanja, raspolaganje korisnim znanjem iz spoljnih izvora, korišćenje raspoloživog znanja za donošenje odluka, ugrađivanje znanja u procese, proizvode i/ili usluge, prikazivanje znanja u dokumentima, bazama podataka i softveru, olakšavanje širenja znanja kroz organizacionu kulturu i inicijativu, transfer postojećeg znanja u druge delove organizacije i merenje vrednosti znanja i uticaja upravljanja znanjem.

Ove definicije kažu da je upravljanje znanjem, sistematski i organizaciono, proces za prikupljanje znanja, organizovanje i komunikaciju zaposlenih, tako da drugi zaposleni mogu koristiti to znanje u cilju poboljšanja efektivnosti i produktivnosti svog rada. Kako odabrati model strukture organizacije za mogućnost primene koncepta upravljanja znanjem? U pojedinačnom testiranju modela organizacione strukture treba poći od uslova za koje je ta struktura primerena. Nakon toga, svaku strukturu treba precizno preispitati, predložiti eventualne promene u okviru strukture i dati 57

Rudy Ruggles, direktor Ernst & Young's Centra za poslovanje i inovacije u Bostonu, vodećeg centra za istraživanje u oblasti upravljanja znanjem u organizacijama

168


određene sugestije u vezi sa mogućnostima i načinima implementacije koncepta upravljanja znanjem za svaku pojedinačnu strukturu. Može se zaključiti da izbor modela organizacione strukture mora da zadovolji više kriterijuma i uslova. Kriterijumi efektivnosti, efikasnosti, fleksibilnosti i profitabilnosti su granica prihvatljivosti projekta upravljanja znajem u okviru date strukture. Interni uslovi kao što su zaposleni, rukovodstvo, organizaciona klima, liderstvo, sistem nagrađivanja, kažnjavanja i slično, kao i eksterni faktori, treba da budu uvaženi i razmatrani prilikom finog podešavanja parametara strukture za potrebe upravljanja znanjem. Sugerisana rešenja nikako ne treba shvatiti kao obavezujuća, već kao sistem razmišljanja prilikom izbora adekvatnog rešenja. Svaka konkretna organizacija treba da preispita svoju strukturu, treba da utvrdi svoje potrebe za upravljanjem znanjem, da prouči teorijske modele i, na kraju, da donese rešenje koje je primereno konkretnom slučaju. Osnovni elementi opšteg modela upravljanja znanjem u organizaciji su:

-

određeni ciljevi, prioriteti i zadaci znanja,

-

plan transformacije od kako jeste do kako će biti,

-

jasno predstavljena mapa znanja,

-

mere i procene znanja i sistema upravljanja znanjem,

-

rukovodioci i ostala lica odgovorni su za razvoj i održavanje mreža i mapa znanja kao i za meru i procenu znanja i sistema upravljanja znanjem,

-

IKT i veštačka inteligencija,

169


-

eksplicitno znanje,

-

implicitno znanje čiji su nosioci ljudi,

-

naučna istraživanja, inovacioni programi i projekti i

-

rezultati upravljanja znanjem.

Napredne informacione tehnologije i veštačka inteligencija treba da omoguće artikulaciju i vizualizaciju mapa znanja, meru i procenu stanja, zadataka i ciljeva znanja i sistema u celini, da omoguće karakterizaciju i mapiranje znanja i sposobnosti, da omoguće dostupnost i promenljivost izvora eksplicitnog znanja. IKT i veštačka inteligencija obezbeđuju dvosmerne interakcije i razmene između elemenata i izvršilaca upravljanja znanjem. Protok znanja u organizaciji počinje definisanjem ciljeva koje treba ostvariti, identifikacijom relevantnih znanja, kako unutrašnjih tako i spoljašnjih, prikupljanjem postojećeg znanja i kreiranjem novog znanja, dokumentovanjem i skladištenjem znanja i, na kraju, integracijom u sistem znanja organizacije. Ovaj krug se zatvara upotrebom znanja, procenom korisnosti znanja i povratnom vezom koja će omogućiti bolje definisanje ciljeva i zadataka znanja. Carla O`Dell58 i Karl Wiig59 su identifikovali šest glavnih strategija kojima se koriste vodeće organizacije radi sticanja vrednosti od implementacije upravljanja znanjem: 1. 2. 3. 4.

Upravljanje znanjem kao poslovna strategija Transfer znanja i najbolje prakse Znanje usredsređeno na kupca/korisnika Lična odgovornost za znanje

58

Carla O’Dell, predsednica American Productivity & Quality Center (APQC) 59 Karl Wiig, predsednik Knowledge Research Institute, Inc., USA

170


5. Upravljanje intelektualnom imovinom 6. Inovacije i kreacija znanja Sistemi upravljanja znanjem (SUZ) mogu se podeliti u dve kategorije, u sistem upravljanja znanjem u užem i u širem smislu. U širem smislu predloženi su mnogi sistemi koji podržavaju upravljanje znanjem. U tom smislu, izraz SUZ se odnosi na informacione i komunikacione tehnologije upotrebljene za upravljanje znanjem. SUZ u užem smislu pomažu u kreiranju, lociranju, sticanju, rekonstruisanju, deljenju i primenjivanju znanja, tako da u tom smislu SUZ označava sisteme podrške osoblju koje se bavi znanjima u upravljanju znanjem. Sveobuhvatni sistem upravljanja znanjem kombinuje i integriše funkcionalnosti nekoliko sistema kao što su: - upravljanje dokumentima i sadržajima, - upravljanje poslovnim procesima, - Intranet, - Groupware, - skladište podataka, - poslovna inteligencija. Upravljanje znanjem je šira koncepcija koja obuhvata sistem za pronalaženje, razumevanje i korišćenje znanja kako bi se postigli definisani ciljevi. Ovakav sistem upravljanja znanjem treba da utiče na poslovne aktivnosti strateški, taktički i operaciono i da proizvede efekat na upravljanje ljudskim resursima, proizvodnju, kontrolu, organizovanje i druge poslovne aktivnosti. Šta su pokretači upravljanja znanjem? Mnogo je razloga koji su inicirali upravljanje znanjem, a neki od njih su:

171


-

-

-

znanja stečena razvojem mnogobrojnih proizvoda i usluga postaju sve više dostupna, potreba za sve kraćim životnim ciklusom proizvoda i upravljanje organizacijskim inovacijama, uticaj ekspertize i eksperata u organizacijama, iskorišćavanje mrežnog efekta kao produktivnih veza među zaposlenima što je omogućilo deljenje znanja među ljudima u organizaciji, upravljanje sve većim brojem podataka i informacija u kompleksnom poslovnom okruženju čime se zaposlenima omogućava organizacijsko učenje baziranog na brzom znanju i resursima najbolje prakse, upravljanje intelektualnim kapitalom i intelektualnom imovinom zaposlenih uz pomoć vrhunskih stručnjaka koji imaju ta znanja i sposobni su da ga prenesu na druge, povećanje sposobnosti organizacije da odgovori na organizacijske promene u okruženju.

KM, upravljanje znanjem, podržava strateške ciljeve poslovnog sistema sa ciljem:

-

deljenja zajedničke inteligencije, poboljšanja performansi poslovnog sistema, podizanja strateških prednosti i podizanja inovativnih sposobnosti organizacije.

Teorija i praksa upravljanja znanjem je za neke autore osnovna paradigma u upravljanju i korišćenju intelektualnog kapitala. Jedan od prvih uspeha upravljanja znanjem je ponovno korištenje i transformacija znanja, eng. reacknowledge. Svaka konkretna organizacija treba da preispita svoju strukturu, treba da utvrdi svoje potrebe za upravljanjem 172


znanjem, da prouči teorijske modele i, na kraju, da donese rešenje koje je primereno konkretnom slučaju. Sistem upravljanja znanjem je IKT sistem u smislu aplikacionog sistema, ili IKT platforma koja kombinuje i integriše funkcije za kontekstualizovano manipulisanje eksplicitnim i neizrecivim znanjem kroz organizaciju ili onaj deo organizacije na koji je usmerena inicijativa upravljanja znanjem.

173


4.3.4. HRM – Upravljanje ljudskim resursima Za svaku organizaciju je važno da vodi brigu o svojim klijentima, ali isto tako veoma je važno da vodi brigu i o svojim zaposlenima. Disciplina koja se bavi sveobuhvatnim sagledavanjem upravljanja ljudskim resursima u preduzeću, od planiranja potreba za njima, njihovog pribavljanja i optimalnog raspoređivanja, vođenja i motivisanja, do njihove zaštite i unapređivanja, danas se najčešće naziva upravljanje ljudskim resursima. Upravljanje ljudskim resursima je dobro poznato sa teoretske strane ali u praksi se teško prihvata investicija u vrednost ljudskog kapitala. Istraživači u oblasti ljudskih resursa naglašavaju da je moguće ostvariti povećani finansijski rezultat investiranjem u pojedinačne obuke i školovanja. HRM je naučna disciplina koja uključije sve procese i aktivnosti koji imaju za cilj upravljanje ljudskim resursima neke organizacije. Ljudi, njihove potrebe, motivacije i zadovoljstvo postaju centar pažnje upravljanja ljudskim kapitalom, jer ljudski kapital organizacije predstavlja glavnu karakteristiku konkurentske sposobnosti i prednosti na globalnom tržištu. Preduzeća koja su ulagala u usavršavanje i obuku zaposlenih, u stvaranje ugodnog radnog okruženja, i koja su primenila realan motivacijski platni sistem, postala su uspešniija. U mnogim organizacijama ulaganje u obrazovanje zaposlenih tretira se kao trošak a ne kao investicija, međutim praksa je pokazala da se ovakva investicija brzo vraća. Upravljanje ljudskim resursima fokusira se na pojedinca, a upravljanje znanjem na veće grupe, zajednice i mreže.

174


Svaka uspešna organizacija mora graditi lojalnost svojih zaposlenih pozitivnom motivacijom. Kompanije su zaključile da nije dovoljno voditi računa o mušterijama, već treba gledati i na zaposlene, odnosno, otvoriti sve komunikacijske kanale unutar kompanije. Građenje odanosti zaposlenog je važan cilj svake kompanije. HRM bi trebalo da zaposlenom da priliku da se upozna sa novostima kompanije, šta je planirano da se podigne kvalitet rada i nivo znanja svakog zaposlenog. U sledećoj tabeli prikazan je strateški HRM. Personalna administracija

Menadžment ljudskih resursa

Menadžment ljudi

TEHNIČKI

STRATEŠKI

DNEVNI

Administracija plata

Dizajn organizacije

Podaci o radnicima

Menadžment kompetencija

Rešavanje dnevnih problema

Održavanje

Menadžment performansi

Osiguranja

Upravljanje kompenzacijama Razvoj organizacije Interni ili vanjski tehnički resurs

Funkcije ljudskih resursa i konsultanata

Individualna motivacija Upravljanje različitostima Rešavanje konflikata Monitoring Menadžment kadrova

Menadžment ljudskih resursa tradicionalno je bio posmatran kao centar troškova, drugim rečima, kao teret

175


organizacije. Informaciono-komunikacione tehnologije i znanja zaposlenih moraju postati ravnopravan partner menadžmentu preduzeća. Potrebno je prepoznati njihov rerspektivni zajednički uticaj na budućnost organizacije. U poslovnom kraljevstu, ljudi su blago! (Autor nepoznat.)

176


4.3.5. DW – Skladište podataka Na globalnom tržištu konkurencija je sve veća, a kupci su sve zahtevniji. Organizacije permanentno proveravaju svoju konkurentnost i tragaju za uspešnom poslovnom strategijom. Svoju stratešku prednost nastoje ostvariti adekvatnim planiranjem tržišta, inovacijom proizvoda, korektnim odnosom sa kupcima i brzim donošenjem odluka, a za to su potrebne pravovremene i relevantne informacije. Svako ko razmatra koncept skladišta podataka ima svoje mišljenje vezano za optimalan način konstruisanja DW-a. Dva istaknuta zagovornika arhitekture skladišta podataka su Bill Inmon60 kojeg smatraju ocem DWa i Ralph Kimball61 kreator Data martova. Bil Inmon smatra da je DW deo sveobuhvatnog sistema poslovne inteligencije. Kompanija ima jedno skladište podataka i Data martove sa izvorima podataka u tom skladištu podataka. U skladištu podataka podaci su smešteni u trećoj normalnoj formi. Kimbal je poznat kao inovator u oblasti skladišta podataka. Uveren je da DW treba biti dizajniran tako da bude brz i razumljiv. Njegova definicija DW-a je: DW je kopija promena podataka posebno strukturisanih za upite i analize. Definiše skladište podataka kao konglomerat Data martova kompanije. Po njemu su podaci uvek smešteni u

60

William Harvey Inmon, Bil Inmon – „otac“ skladišta podataka, imenovan je od strane Computer worlda 2007. godine kao jedan od deset ljudi koji su imali najviše uticaja u računarskoj industriji u zadnjih 40 godina. 61 Ralph Kimball je osnivač Kimball grupe koja se bavi ekspertizom DW-a i obukom iz oblasti skladišta podataka.

177


dimenzionalnom modelu62. Data mart, ili mart podataka, odnosi se na bazu podataka za podršku odlučivanju izgrađenu za jednu organizacionu jedinicu ili poslovni proces, to je logički podskup skladišta podataka. Data mart pokriva samo jedan segment poslovanja, jednu temu. U sledećoj tabeli prikazane su osobine skladišta podataka i Data martova:

Ovo su dve različite filozofije skladišta podataka. U stvarnosti, skladišta podataka su bliža filozofiji Kimbala zbog toga što većina DW-a počinje kao baza podataka pojedinih odeljenja u korporaciji, tako da su ona proizvedena kao Data martovi koji se kasnije uključuju u skladište podataka. Skladište podataka koristi najmanje tri različite aplikacije:

62

-

osnovne radne aplikacije,

-

aplikacije za upite i izveštaje i

-

aplikacije za anlizu i planiranje.

Dimenziono modeliranje je tehnika logičkog modeliranja koje se koristi u skladištu podataka sa ciljem podrške upitima krajnjeg korisnika prema DW-u.

178


Osnovne radne aplikacije su tabele i statistički paketi, grafički alati koji su korisni za upravljanje i prezentovanje podataka na individualnim računarima. Razvijeni u samostalnom okruženju, ovi alati koriste aplikacije koje mogu da obrađuju samo manju količinu podataka iz skladišta podataka. Aplikacije dizajnirane za upite i izveštaje obrađuju podatke koristeći jednostavne radne upite i generišu osnovne izveštaje. Iako ovi izveštaji sadrže istorijske podatke, ne zadovoljavaju potrebe preduzeća za dubljim analizama. Aplikacije koje se koriste za analizu i planiranje zadovoljavaju suštinske potrebe poslovnih procesa kao što su predviđanje, analiza proizvodnje, proizvodne aplikacije koje koriste postojeće podatke, željene ili tačno izdvojene podatke neophodne za određenu analizu, finansijska konsolidacija, profitabilnost. Skladište podataka, za razliku od drugih vrsta informacionih sistema, poseduje osobine objedinjavanja različitih podataka dobijenih iz različitih informacionih sistema realizovanih na različitim platformama, poseduje i sposobnost adaptacije promenljivim poslovnim potrebama. Relativno brzo se može otkriti promena u izvornom sistemu. Skladište podataka ima iterativni karakter izgradnje modela podataka, može se otkriti greška u informacionom sistemu, i dugotrajnije čuva podatke u odnosu na klasične infomacione sisteme. Direktan ručni unos podataka u skladište podataka nije dozvoljen, jer se podaci u skladište podataka unose preko informacionog sistema. Unos podataka u skladište podataka obavlja se automatski i periodično. U izgradnji skladišta podataka javljaju se slični problemi kao i u procesu izgradnje proizvodnih informacionih sistema.

179


Problemi su vezani uglavnom za ekstrakciju podataka. Neki od problema su: objedinjavanje raznovrsnih podataka iz više nivoa realizovanih na različitim platformama, brzo otkrivanje nastalih promena u izvornom sistemu, iterativni karakter izgradnje modela skladišta podataka pa, prema tome, i iterativni karakter izgradnje programskog sistema za ekstrakciju. Operacione baze podataka nisu mogle zadovoljiti potrebe menadžera preduzeća da na brz i jednostavan način dođu do informacija bitnih za donošenje strateških odluka. Iz podataka koji nastaju tokom redovnog poslovanja preduzeća izvodi se poslovna inteligencija. Zbog svog obima podaci se arhiviraju svake godine, brišu se, a u bazi podataka ostaju samo podaci tekuće godine. Podaci u bazi podataka moraju biti ažurni pa se stari podaci zamenjuju novim, na primer promena cene proizvoda, čime se starim podacima gubi trag u bazi podataka. Kada posmatramo operativan rad preduzeća, stari podaci nisu važni, ali za poslovnu inteligenciju su važni jer ona prati redosled poslovnih događaja. Za relevantne i pravovremene informacije potrebno je imati veliki, jedinstven, integrisan, prilagođen, elastičan i bezbedan registar podataka koji služi kao infrastrukturna osnova za informacione softverske aplikacije. Ovakav registar je skladište podataka, Data Warehouse – DW.

180


Slika 36. Primer izgradnje skladišta podataka Bil Inmon je 1990. godine definisao skladište podataka i ta definicija glasi: skladište podataka je subjektno orijentisana, integrisana, vremenski promenljiva i postojana grupa podataka koja omogućava donošenje poslovnih odluka. DW, skladište podataka, centralna je baza podataka u koju dolaze svi podaci preduzeća bez obzira na način prikupljanja i na izvor podataka. Skladište podataka je onaj oblik baze podataka u kojem su karakteristična sledeća obeležja: -

usmerenost funkcionalnih područja,

-

nepromenljivost sadržaja,

-

integrisanost,

-

vremenska određenost i

-

web bazirana aplikacija.

U skladištu podataka nema nagomilanih podataka iz prethodnih godina osim onih za koje se smatra da su relevantni za analize. Podaci se u DW-u višedimenzionalno organizuju u obliku kocke, trajni su i vezani za vreme nastajanja.

181


Cilj skladišta podataka je stvoriti što veći izvor informacija za različite dugoročne i kratkoročne analize i predviđanja. Kada se govori o usmerenosti funkcionalnih područja, onda se misli na organizaciju podataka u skladištu oko predmeta kao što su prodavnice, prodaja i drugo. Kod operativnih baza podataka podaci su organizovani oko operativnih aplikacija, na primer narudžbe, kalkulacije i druge aplikacije. Podaci koji su jednom pohranjeni u skladište podataka ne menjaju se, na primer podaci o prodaji određenog artikla u jednom periodu. U operativnoj bazi podataka podaci se menjaju jer se uvek održava tekuće stanje, na primer cena proizvoda i njegovo stanje na skladištu. U skladištu podataka podaci su konzistentni, odnosno prikazuju se na dosledan način kako bi se mogli koristiti u raznim analizama, dok se u operativnim bazama ne vodi računa o konzistentnosti. Zbog toga se, pre pohranjivanja podataka u skladište, podaci trebaju preprocesuirati da bi postali konzistentni, da bi integrisanost bila provedena. Skoro svaki podatak pohranjen u skladištu ima svoju vremensku određenost, odnosno podaci u skladištu imaju svoju istoriju. Ovo omogućava vremenske analize i predviđanja. Operativna baza sadrži najsvežije podatke u operativnom smislu, ali nepogodne za provođenje analiza. Danas je skladište podataka dizajnirano tako da obezbedi jedno efikasno okruženje za web bazirane aplikacije. Zašto je skladište podataka bolje od operativne baze podataka? Zato što u operativnoj bazi podataka:

182


-

ne postoji vremenska odrednica pohranjenih podataka,

-

ne postoji primena različitih algoritama obrade podataka za iste probleme,

-

postoji neusaglašenost naziva i značenja atributa u bazi,

-

može doći do gubitka informacija,

-

ne postoje procedure za usaglašavanje podataka,

-

ne postoji drill-down metoda,

-

otežana je softverska podrška za analizu podataka i

-

podaci nisu dimenzionalno organizovani.

Kada govorimo o poslovnim informacionim sistemima, onda možemo reći da je skladište podataka mesto gde se čuvaju poslovni podaci, izvor informacija za donošenje poslovnih odluka i stvaranje poslovne inteligencije. Arhitektura skladišta podataka Kimballovo63 shvatanje arhitekture skladišta podataka zasnovano je na dva osnovna dela, na: -

za korisnika sakrivenom području (engl. back room) i

-

za korisnika vidljivom području (engl. front room).

Iako je za korisnika sakriveno područje najvećim delom sakriveno od pogleda krajnjih korisnika skladišta podataka, važno je da korisnici imaju osnovno razumevanje tih procesa. Skoro 80% uloženih napora u razvoj skladišta podataka otpada upravo na sakrivena područja, tako da važnost 63

Kimball,R. et al.: The data warehouse Lifecycle Toolkit , John Wiley & Sons, New York, 1998.

183


metapodataka može značajno uticati na ukupno shvatanje i efikasno korišćenje skladišta podataka. Za korisnika sakriveno područje arhitekture DW-a je mesto na kojemu se odvija proces prikupljanja, pripremanja i punjenja, jednom rečju prečišćavanja, podataka za skladište podataka. Osnovni cilj ovog dela jeste osiguranje rešavanja specifičnih problema vezanih za prenos odabranih – pravih podataka sa mesta A na mesto B, vodeći pritom računa da se urade sve potrebne transformacije u odgovarajućem vremenskom roku. Osnovni delovi sakrivenog tehničkog dela arhitekture su: -

izvorni sistemi podataka – source systems, područje za pročišćavanje podataka – data staging area, prezentacioni serveri – presentation servers, aktivnosti vezane za upravljanje podacima – data management services i upravljanje vlasništvom nad podacima – asset management, a to uključuje zaštitu i arhiviranje podataka.

Izvorni sistemi podataka se mogu podeliti u dve osnovne grupe: interni i eksterni izvori podataka. Interni podaci pripadaju organizaciji i najvećim delom su pohranjeni u transakcijskim sistemima. Međutim, u interne izvore podataka spadaju i arhivski podaci organizacije, podaci dorađeni i pripremljeni od strane različitih organizacionih delova preduzeća kao što su plan, prodaja, finansije i slično, i mogu, na primer, sadržavati podatke o predviđanjima, upoređivanje prodaje i slično. Bitno je naglasiti da se interni izvori podataka trebaju tretirati na isti način kao i eksterni

184


izvori, što znači da pre učitavanja u skladište podataka podaci trebaju proći kroz proces prečišćavanja, proces transformacije.

Slika 37. Sakriveni deo tehničke arhitekture DW-a Eksterne izvore podataka čine svi oni podaci koji ne pripadaju konkretnoj organizaciji. Tu spadaju različite demografske informacije o kupcima iz statističkih publikacija, standardne industrijske klasifikacije, informacije i podaci o konkurentima neophodni za poređenje uspešnosti vlastitog poslovanja s poslovanjem drugih sličnih organizacija, novine i različite druge publikacije, podaci prikupljeni iz različitih nezavisnih izvora, besplatni podaci s web stranica i slično. Razumevanje prirode izvornih sistema je osnova za uspešno kreiranje skrivenog dela tehničke arhitekture skladišta podataka. Pritom treba voditi računa i o razlikama koje se pojavljuju između internih i eksternih podataka a odnose se na: -

učestalost pojavljivanja. Za eksterne podatke nema jedinstvenih pravila kakva postoje kod internih, što znači da je potrebno pratiti kako bi se uočilo kada su ti podaci na raspolaganju.

-

format podataka. Podaci se najčešće nalaze u različitim formatima, granuliranost podataka nije

185


uvek ista, pa ovo zahteva značajne napore u procesu transformacije podataka u oblik pogodan za skladište podataka. -

predvidljivost. Eksterni podaci nisu predvidljivi, oni se mogu pojaviti u bilo kom obliku, u bilo koje vreme i na bilo kojem mediju.

Prethodno navedene razlike u velikoj meri utiču i na izbor odgovarajućih alata i aktivnosti u procesu prečišćavanja podataka. Ne može se unapred predvideti rešavanje različitih problema koji se pojavljuju kada se pokušaju integrisati podaci iz različitih izvornih sistema. Kompleksnost integracionih procesa raste kako se povećava broj predmetnih područja i izvornih sistema. Razlike se pojavljuju u nazivima, formatima i samom kodiranju podataka koji se izdvajaju iz više izvora podataka. Pored uobičajenih razlika koje treba razrešiti, sigurno je da će se pojaviti i dodatni problemi pri izdvajanju podataka. Naime, skladište podataka pažljivo je dizajnirano i uređeno okruženje u sklopu kojeg su dokumentovana i uključena specifična pravila vezana za podatke, za razliku od postojećih transakcionih sistema koji su izgrađeni bez rigoroznog pridržavanja poslovnih pravila. Međutim, često se ustanovi da aplikacija podržava neka pravila koja nisu dokumentovana, tako da se ona moraju otkrivati u hodu kako bi izdvojeni podaci imali smisla. Često se pronađu i nečisti podaci kao što su dupli slogovi, nedostajući roditelji iz onoga što bi trebalo biti relacija roditelj-dete, denormalizovani podaci koji se ne mogu ponovno normalizovati. Zbog navedenih razloga, insistiranje na kvalitetu podataka u skladištu podataka ne može biti prenaglašeno. Anomalije podataka sadržane u postojećim izvorima podataka su neminovnost, ali se one ne smeju preneti i u skladište

186


podataka, jer to vodi pogrešnim informacijama, pogrešnim procenama i, na kraju, lošim poslovnim odlukama, pri čemu postojanje skladišta podataka gubi svoju osnovnu namenu. Kvalitetni podaci su osnova uspešnog skladišta podataka te stoga nije čudno da se 80% vremena izgradnje skladišta podataka potroši upravo na obezbeđenje kvaliteta podataka. Na slici 38. prikazan je blok dijagram razvoja i izgradnje skladišta podataka koji ću detaljnije opisati. Tri osnovna koraka u razvoju skladišta podataka su: 1. analiza podataka 2. priprema podataka i 3. izgradnja baze podataka. Izvori su operativni podaci i spoljne informacije nastale kao rezultat poslovanja, kao i neki drugi, na primer demografski, podaci preuzeti iz velikih javnih baza. Analiza izvora podataka Prvi korak u razvoju skladišta podataka je analiza izvora podataka, ključni proces koji predstavlja skoro osamdeset procenata vremena u procesu izgradnje skladišta podataka. U ovom procesu potrebno je definisati pravila za preuzimanje potrebnih podataka iz izvora podataka, izvornih sistema, jer su potrebna znanja najčešće u glavama korisnika skladišta podataka.

187


Slika 38. Izgradnja skladišta podataka

188


Tipični problemi izvora podataka: -

-

-

-

-

64

nekonzistentnost primarnih ključeva – često se primarni ključevi izvornih zapisa podataka ne poklapaju. Na primer, može postojati pet datoteka o klijentima, gde svaki od njih ima različit atribut kao primarni ključ klijenta. Ovi različiti ključevi klijenata moraju se konsolidovati ili transformisati u jedan standardizovani ključ klijenta. nekonzistentnost vrednosti podataka – mnoge organizacije dupliciraju svoje podatke, stvaraju kopije originalnog podatka. Tokom vremena, usled anomalija ažuriranja, ovi duplicirani podaci imaju totalno različite vrednosti. različiti formati podataka – elementi podataka kao što su na primer datumi mogu biti uskladišteni u totalno različitim formatima. netačne vrednosti podataka – da bi se korigovale netačne vrednosti podataka, mora se definisati logičko čišćenje. Algoritmi čišćenja podataka treba da se aktiviraju svaki put kada se podatak puni. sinonimi i homonimi – redundantne podatke nije uvek lako prepoznati usled toga što isti elementi podataka imaju različite nazive. S obzirom na to da sinonimi i homonimi64 ne smeju postojati u okruženju, neophodno je preimenovati date elemente podataka. ugrađena logika procesa – neki operacioni sistemi su ekstremno stari. Oni često sadrže nedokumentovane i arhaične relacije između pojedinih elemenata podataka. Specifikacije

Homonimi (homonym) su reči koje se isto pišu i izgovaraju, ali imaju različita značenja.

189


procesa transformacije moraju da reflektuju ovu logiku. Prva faza u procesu analize je prikupljanje izvornih zahteva i prikupljanje korisničkih zahteva, razmatraju se poslovne potrebe i zahtevi budućih korisnika sistema. Izvorni zahtevi, source-driven, formulišu se pomoću ER modela, modela relacija entiteta izvornih podataka. Prednost ove metode je da podržava sve podatke i uzima minimalno vreme kroz izgradnju skladišta podataka. Međutim, smanjenje učešća korisnika u ovom procesu povećava rizik neuspeha kod ispunjavanja korisnikovih zahteva. U fazi prikupljanja korisničkih, user-driven, zahteva održavaju se brojni sastanci i intervjui sa korisnicima. Ovakav pristup razvija kvalitetno skladište podataka u kratkom vremenskom roku jer je pažnja usmerena na ono što je potrebno, a ne na ono što je na raspolaganju. Koraci u procesu analize i prikupljanja podataka su: -

intervjuisanje analitičara, menadžera i izvršilaca u organizaciji,

-

utvrđivanje protoka informacija: ulaz i izlaz iz odeljenja, koja dokumentacija pristiže u odeljenje i koji izveštaji izlaze iz odeljenja,

-

grupisanje dobijenih podataka: podaci o svim vrstama analiza koje se trenutno koriste i zahtevi vezani za podatke kao što su njihovi izvori i neki novi detalji i

-

prosleđivanje organizovanih podataka svim učesnicima sastanaka i intervjua na eventualnu korekciju i usaglašavanje.

190


Nakon prikupljenih zahteva pristupa se drugoj fazi, planiranju skladišta podataka koje se sastoji od sledećih aktivnosti: -

definisanje obima projekta razvoja skladišta podataka,

-

definisanje projektnog plana,

-

definisanje tehničkih uslova i

-

definisanje resursa, zadataka i terminskih planova.

Potrebno je na samom početku razmatrati arhitekturu i infrastrukturu skladišta podataka. Razne tehnologije, platforme i baze podataka podržavaju arhitekturu skladišta podataka. Potrebno je instalirati i alate za rad sa bazama podataka i podesiti mrežno okruženje. Treća faza u analizi podataka je izbor tehnike analize podataka. Potrebno je obezbediti lak pristup izvorima podataka visokog kvaliteta. Tehnike analize podataka mogu uticati na tip odabranog modela podataka i na njegov sadržaj. Najčešće tehnike analize podataka su:

-

upiti i izveštaji,

-

višedimenzionalne analize i

-

rudarenje podataka.

Ukoliko želite obezbediti jednostavne upite i izveštaje, model podataka koji definiše podatke na normalizovan način obezbeđuje najbrži i najbolji pristup podacima. Biraju se povezani elementi podataka, njihova eventualna sumiranja i grupisanja u neku od kategorija i potom se prezentuju rezultati. Višedimenzionalna analiza proširuje mogućnost upita i izveštaja. Podaci se struktuiraju tako da bi se dobio brz i lak odgovor na tipična postavljena pitanja.

191


Kao primer može poslužiti analiza prodaje nekog proizvoda određenog dana, u određenoj prodavnici i u određenom rasponu cena. Drugi primer može biti analiza koliko je prodavnica prodala određeni proizvod, određenog dana u određenom rasponu cena. U oba primera se traže slične informacije ali posmatrane iz različitih uglova, prvi iz ugla proizvoda a drugi iz ugla prodavnice. Ovo znači da višedimenzionalna analiza zahteva model podataka koji će omogućiti pogled na podatke iz bilo koje perspektive ili bilo koje dimenzije. Kako se koristi više dimenzija, model podataka mora da obezbedi brz pristup podacima. Ukoliko je struktura podataka visoko normalizovana, biće potrebno mnogo grupisanja između tabela koje sadrže različite dimenzije podataka, što će značajno uticati na performanse skladišta podataka. Upiti, izveštaji i višedimenzionalna analiza od korisnika zahtevaju kreiranje i izvršavanje upita zasnovanih na hipotezama. Relativno nova tehnika analize podataka je rudarenje podataka - Data mining. U ovom slučaju se ne postavljaju pitanja već se koriste određeni algoritmi koji analiziraju podatke i izveštavaju šta su otkrili. Data mining odgovara na pitanja koja prethodno ne moraju biti postavljena. Rudarenje može biti u formi pronalaženja važnosti u vezama između određenih elemenata podataka, u formi grupisanja određenih elemenata podataka, ili u nekoj drugoj formi za korišćenje određenih grupa elemenata podataka. Nakon pronalaženja ovih formi, algoritmi iz njih izvlače pravila koja se mogu koristiti kod generisanja modela koji ima željeno ponašanje, koji identifikuje veze između

192


podataka i koji otkriva obrasce i grupiše zapise sa sličnim atributima. Priprema podataka Posle uspešne analize izvora podataka počinje drugi korak, a to je priprema podataka, najbitniji proces u razvoju i izgradnji skladišta podataka, jer ukoliko je priprema podataka uspešna, biće uspešna i izgradnja skladišta podataka. Priprema podataka vrši se na osnovu već određenog izvora podataka, definisanih pravila za preuzimanje tih podataka, definisanih procedura za pripremu podataka i postavljenih zahteva korisnika. Priprema se vrši uz pomoć određenih alata za ekstrakciju, čišćenje i transformaciju podataka. Ekstrakcija i čišćenje podataka sastoji se od razvoja procedura za ekstrakciju i procedura za čišćenje podataka. ETL65 – ekstrakcija, transformacija i punjenje. Ovo je najkomplikovaniji proces u čitavom projektu, koristi izvore podataka iz različitih platformi koje su upravljane različitim operacionim sistemima i aplikacijama. Svrha ETL procesa je da spoji podatke iz heterogenih platformi u standardni format.

Slika 39. Priprema podataka za proces izgradnje skladišta podataka 65

ETL – Extraction, Transformation and Load

193


ETL proces počinje sa preformatiranjem podataka koji treba da unifikuje formate podataka iz različitih izvora. U drugom koraku se rešava problem konzistentnosti koji se javlja usled redundantnosti podataka. Na kraju se pristupa čišćenju onih podataka koji narušavaju poslovna pravila. Rezultati ovih aktivnosti su podaci koji će omogućiti generisanje metapodataka na osnovu kojih se dizajnira skladište podataka. ETL algoritmi čišćenja podataka treba da se aktiviraju svaki put kada se podatak puni. Stoga, programi transformacije ne smeju biti pisani na brzinu, već se moraju razviti na jedan struktuiran način. EII66 alat je proces integracije informacija korišćenjem apstrakcije podataka sa ciljem obezbeđenja jedinstvenog interfejsa, poznatog kao uniformni pristup podacima, za pristup podacima unutar organizacije. Cilj je dobiti veliki set heterogenih izvora podataka kojeg korisnik vidi kao jednu heterogenu bazu izvora podataka. EAI67 je softver koji integriše računarske aplikacije. To je metoda, plan i alat za modernizaciju, konsolidaciju i koordinaciju aplikacija u preduzeću. EAI može pomoći u razvijanju potpuno novog pogleda na poslovanje preduzeća. Ekstrakcija i čišćenje podataka je prva faza u procesu pripreme podataka i sastoji se iz:

-

razvoja procedura za ekstrakciju podataka i

-

razvoja procedura za čišćenje podataka.

Cilj procesa ekstrakcije podataka je da se svi potrebni podaci u odgovarajućem i konzistentnom formatu pripreme za učitavanje u skladište podataka. 66 67

EII – Enterprise Information Integration EAI – Enterprise Application Integration

194


Proces ekstrakcije podataka je izvlačenje podataka iz različitih izvornih sistema koji najčešće imaju različitu organizaciju podataka, različite formate. Najčešće su to relacione i nerelacione baze podataka. Ekstrakcija podataka vrši se iz IMS68-a ili VSAM69-a ili ISAM70-a ili sa web sajta. Programi ekstrakcije podataka treba da vrše sortiranje, filtriranje, čišćenje i da agregiraju sve zahtevane podatke, moraju da prepoznaju koji od redundantnih izvornih datoteka ili baza podataka su zapisi sistema. Na primer, isti izvorni element podatka kao što je naziv klijenta može da postoji u nekoliko izvornih datoteka i baza podataka. Ova redundantnost treba da se sortira i konsoliduje, što uključuje korake sortiranja i spajanja, preko određenih ključeva i vrednosti podataka. Procedure za ekstrakciju podataka. Podaci koji će biti u skladištu podataka moraju se ekstrahovati, izvući iz transakcionih sistema u kojima se željeni podaci nalaze. Nakon inicijalne ekstrakcije, na osnovu određenih procedura vrši se dodavanje novih podataka u skladište podataka. Ekstrakcija podataka je vrlo jednostavna operacija ukoliko se potrebni podaci nalaze u jednoj relacionoj bazi, ali ukoliko se podaci nalaze u višestrukim heterogenim transakcionim sistemima, izvlačenje podataka postaje veoma kompleksna operacija. Jedan od alata koji omogućava efikasnu ekstrakciju podataka je DTS71 koji je deo Microsoft SQL Server 2005 sistema za upravljanje bazama podataka, a o njemu će kasnije biti reči. Primer ekstrakcije podataka.

68

IMS – Information Management Systems VSAM – Virtual Storage Access Method 70 ISAM – Index Sequential Access Method 71 DTS – Data Transformation Services 69

195


Preduzeće FIRMA ima prodajna mesta u gradovima A, B, C, D i E. Svaka poslovnica preduzeća ima svoju radnu bazu podataka. Informacije o prodaji su dobijene iz svake pojedinačne baze podataka i smeštene su na jednom mestu, u skladište podataka.

-

Slika 40. Ekstrakcija podataka iz različitih izvornih sistema

Područje prečišćavanja podataka uključuje skup procesa koji čiste, transformišu, dedupliciraju, pridružuju, arhiviraju i pripremaju podatke iz različitih izvora za skladište podataka. Često se za ove aktivnosti koriste već pomenute procedure ETL, EAI, EII, ili ETT72 procedura koja obuhvata sledeće procese:

72

-

otkrivanje promena u izvornim potrebnim za skladište podataka,

-

izdvajanje podataka iz izvornih sistema,

-

čišćenje i transformisanje podataka,

-

restrukturisanje ključeva podataka,

podacima

ETT – Extraction, Transformation, Transportation (Izdvajanje, transformisanje i prenos)

196


-

indeksiranje podataka,

-

sabiranje podataka,

-

održavanje metapodataka i

-

učitavanje podataka u skladište podataka.

Navedeni procesi osiguravaju da su podaci pohranjeni u skladištu podataka: -

potrebni i korisni za poslovne korisnike,

-

kvalitetni da omoguće dobre informacije,

-

tačni kako bi osigurali tačne informacije i

-

jednostavni za pristup kako bi se skladište podataka moglo u potpunosti efikasno koristiti od strane krajnjih korisnika.

Kvalitet podataka zavisi od niza događaja od kojih je većina van kontrole tima za razvoj i implementaciju skladišta podataka. Da bi se u skladištu podataka dobili kvalitetni podaci, proces prikupljanja podataka treba biti dobro dizajniran. Nerealno je očekivati da bilo koji sistem ima savršene podatke. Svaka implementacija treba definisati svoje vlastite standarde za prihvatljiv nivo kvaliteta podataka. Karakteristike kvalitetnog podatka su: -

tačnost – podaci u skladištu podataka se podudaraju sa sistemom slogova, kompletnost – podaci u skladištu podataka predstavljaju zaokružen skup bitnih podataka, konzistentnost – podaci u skladištu podataka nemaju kontradikcija, jedinstvenost – dva ista elementa trebaju pozivati istu stvar i imati istu ključnu vrednost i

197


-

vreme – podaci moraju biti ažurirani prema odgovarajućem rasporedu koji treba biti javan, sva odstupanja se trebaju beležiti.

U procesu prečišćavanja podataka po Inmonu treba voditi računa o:

73

-

izdvajanju podataka iz transakcionog okruženja u skladište podataka, a to zahteva promene u samoj tehnologiji izdvajanja i najčešće podrazumeva izdvajanje podataka iz transakcionih baza. Podaci se prečiste i nakon toga učitaju u bazu skladišta podataka, s tim da je najčešće reč o potpuno različitim tipovima baza podataka73.

-

izboru podataka iz operativnog okruženja koje može biti izuzetno kompleksno. Da bi se slog izdvojio, potrebno je uraditi nekoliko paralelnih pretraživanja drugih slogova u različitim datotekama, pronalaženje ključeva, logike povezivanja i slično.

-

operativnim ulaznim ključevima koji trebaju biti restrukturisani pre nego se upišu u bazu skladišta podataka. U najjednostavnijem slučaju, vremenski element se dodaje izlaznoj strukturi ključeva, dok se u kompleksnim slučajevima čitav ulazni ključ mora ponovno restrukturisati.

-

podacima koji se preformatiraju pre prebacivanja u skladište podataka što uglavnom predstavlja kompleksan proces.

Baza skladišta podataka je ili nova transakciona DBMS ili baza nekog drugog proizvođača koja u sebi ima tehnološku podršku za DW.

198


-

podacima koji treba da se čiste. U nekim slučajevima na ulazne podatke primenjuje se jednostavan algoritam kako bi se podaci učinili korektnim, dok se u kompleksnim slučajevima koriste alati veštačke inteligencije kako bi se ulazni podaci očistili i pripremili u formi koja je prihvatljiva za skladište podataka.

-

postojanju više različitih ulaza izvornih podataka. Mora se uspostaviti logika kako bi odgovarajući izvor podataka odgovarao postavljenim uslovima. Kada postoji više ulaznih datoteka, razrešavanje ključeva mora se napraviti pre nego se pređe na spajanje datoteka, što znači da ako je različita struktura ključeva korišćena u različitim ulaznim datotekama, onda program za spajanje mora imati ugrađenu logiku koja omogućava razrešavanje ključeva. Redosled datoteka ne sme biti isti niti kompatibilan. U tom slučaju će biti potrebno ulazne datoteke osloboditi redosleda, što nije problem osim ako ne postoji mnogo slogova kojima treba promeniti redosled, što je najčešće i slučaj.

-

postojanju više izlaza. Podaci se mogu formirati na različitim nivoima agregacije od strane istog programa za kreiranje skladišta podataka. Moraju se definisati inicijalne vrednosti. Pod određenim uslovima, izlazna vrednost u skladištu podataka nema izvorni podatak i u tom slučaju se mora upotrebiti inicijalna vrijednost.

-

efikasnosti izbora ulaznih podataka koje treba izdvojiti što često postaje pravi problem. Najčešće je potrebno napraviti i agregaciju podataka: više operativnih ulaznih slogova se kombinuje u jedan slog skladišta podataka. Da bi se agregacija

199


uspešno izvela, ulazni slogovi trebaju biti u odgovarajućem redosledu. Ekstraktovani podaci se prilagođen procesu transformacije.

konvertuju

u

format

Procedure za čišćenje podataka su neophodne zbog problema koji se u procesu ekstrakcije javljaju. Podaci se moraju čistiti, odnosno mora se proveriti da li postoje logičke greške, poboljšati podatke i eliminisati ostale greške ako postoje. Provera logičkih grešaka sastoji se od provera vrednosti atributa zbog različitog označavanja pojmova, provere atributa u kontekstu ostalih podataka u nizu, provere atributa u kontekstu redova u drugoj povezanoj tabeli, provere veza između redova iste tabele ili povezanih tabela, odnosno prenesenih ključeva. Poboljšanje podataka predstavlja proces čišćenja sa ciljem da podaci dobiju puno značenje. Primer za ovo su podaci o imenima i prezimena. Eliminacija ostalih prisutnih grešaka je proces u kome se odlučuje o nepotpunim podacima ili o podacima koji nemaju veliko značenje. Potrebno je odlučiti šta uraditi sa tim podacima, da li te podatke odbaciti, privremeno ih smestiti i popraviti, ili takve nesavršene podatke smestiti u skladište podataka. Projektovanje programa transformacije podataka je veoma komplikovano, naročito kada su podaci ekstraktovani iz heterogenih operativnih okruženja. Pored transformisanja izvornih podataka zbog nekompatibilnosti tipa podataka, dužine ili netačnosti, najveći deo transformacione logike uključuje i preračunavanje podataka za višedimenzionalno skladištenje.

200


Transformacija podataka zahteva prethodno definisanje izvora podataka i tipova transformacija koje treba izvršiti nad podacima i nakon toga izvršiti mapiranje podataka iz izvora u odredište. Pre samog početka procesa transformacije podataka tim koji radi na projektu dizajniranja skladišta podataka treba da definiše fizički model podataka i da generiše šeme modela. U procesu mapiranja podataka treba izvršiti sledeće zadatke: -

kreirati plan transformacije podataka,

-

razviti procedure za transformaciju podataka,

-

razviti procedure za učitavanje podataka,

-

testirati razvijene procedure i

-

generisati metapodatke.

Planom transformacije podataka treba odrediti najbolji način migracije izvornih podataka u skladište podataka. Zbog toga je potrebno analizirati raspoložive resurse, količinu izvornih podataka, različite izvorne šeme, različite načine pristupanja podacima, strukturu skladišta podataka i broj agregacija podataka. Ovim planom se dokumentuju sve izvorne platforme, metode pristupa i programski jezik koji je neophodan za ekstrakciju podataka. Obično se izvorni podaci smeštaju u prelazne šeme koje predstavljaju zajednički interfejs za sve izvorne sisteme i koje se ne podudaraju potpuno ni sa izvornim ni sa odredišnim šemama. Prelazne šeme se koriste da bi se poboljšao proces čišćenja i transformacije podataka. Razvoj procedura za transformaciju podataka. Transformacija podataka je proces kojim se usklađuju različiti načini prikazivanja različitih sistema u jedinstveni oblik. Na primer, u nekim sistemima se pol označava sa 0 i 1, a u nekim 201


sa M i Ž. Zbog toga je potreban proces koji transformiše 0 u M i 1 u Ž. Transformacija podataka je kritičan korak u razvoju skladišta podataka. U ovom procesu se vrši poslednja priprema podataka pre njihovog učitavanja u skladište podataka. Tipična transformacija podataka uključuje: -

prevođenje polja podataka sa više imena u jedno polje,

-

razbijanje datumskog polja na tri posebna polja: dan, mesec i godina,

-

prevođenje polja sa jednom reprezentacijom u drugu, na primer 0 u NE i 1 u DA,

-

kreiranje i dodavanje ključeva za tabele dimenzija.

Procedure za učitavanje podataka treba da izvrše aktivnosti koje slede. Kreiranje formata podataka za podatke iz starijih sistema tako da podaci budu pogodni za smeštanje u skladište podataka. Prenošenje podataka iz starijih sistema zahteva raspakovanje podataka, njihovo prevođenje, kombinovanje i transformaciju u pogodan oblik za DW. Kreiranje sumarnih, agregiranih, podataka je postupak sortiranja podataka po određenim atributima na osnovu kojih se vrši sumiranje. Ovako agregirani podaci se smeštaju u skladište podataka. Kreiranje ključeva za agregacione zapise. Svi zapisi u tabelama, pa i agregacije, moraju imati ključeve. Ovaj korak se razlikuje od prethodnog jer su ovi ključevi veštački i ne smeju biti identični primarnim ključevima tabele činjenica. Stručni

202


tim treba da dizajnira aplikaciju za generisanje ključeva za agregacione zapise. Obrada neučitanih podataka zbog referencijalnog integriteta vrši se u posebnoj aplikaciji koja će obezbeđivati referencijalni integritet podataka. Po završenom procesu smeštanja podataka u skladište podataka mora se izvršiti ažuriranje svih indeksa. Testiranje procedura je neophodno da bi se utvrdila ispravnost rada procedura za ekstrakciju i učitavanje podataka. Testiranje se najčešće ostvaruje proverom kvaliteta podataka tako što se zadaju upiti nad skladištem podataka koji prebrojavaju podatke ili ih prikazuju u vidu grafikona na osnovu kojih se može utvrditi da li su podaci u očekivanom rasponu. Sada su ostvareni uslovi za generisanje metapodataka. Izrada metabaze podataka, rečnika podataka koji predstavlja bazu podataka o bazi podataka. Meta baza podataka čuva sve podatke o podacima mapirajući izvorni sistem u ciljni sistem i uspostavlja vezu između izvornih i ciljnih podataka. Ova baza čuva informacije o transakcionim podacima, definiciju podataka u ciljnoj bazi i transformaciono-integracionu logiku. Skladišta metapodataka mogu biti: -

centralizovana: postoji jedna baza podataka, relaciona ili objektno-orijentisana, i jedna aplikacija za održavanje, decentralizovana: skladište metapodataka u bazama podataka koje se nalaze na različitim lokacijama i distribuirana: preko XML rešenja, metapodaci ostaju na svojim originalnim pozicijama, odnosno na različitim alatima. 203


Kako arhitekturu skladišta podataka delimo na sakriveno područje i vidljivo područje, tako imamo i metapodatke za sakriveno područje i metapodatke za vidljivo područje skladišta podataka. Metapodaci za sakriveno područje su vezani za procese prikupljanja, izdvajanja, čišćenja i učitavanja podataka i namenjeni su administratorima baze podataka, što ne znači da nisu bitni i za krajnje korisnike, ukoliko žele znati odakle potiču podaci. Metapodaci za vidljivo područje uglavnom su opisni i omogućavaju lakše funkcionisanje alata za upite i izveštaje, a namenjeni su krajnjim korisnicima. Ovi metapodaci predstavljaju i jednu vrstu rečnika poslovnog sadržaja zasnovanog na podacima pohranjenim u skladištu podataka. Obe grupe metapodataka se često međusobno i preklapaju, ali se zbog lakšeg razumevanja posmatraju odvojeno. Kimball je definisao i bazne liste svih mogućih metapodataka koje pomažu boljem razumevanju pojma metapodaci. Liste metapodataka se mogu grupisati prema specifikaciji izvora podataka, prema opisnim informacijama vezanih za izvor podataka, prema informacijama o prikupljanju podataka, prema transformacijama i agregacijama, prema DBMS sistemskim tablicama i prema podacima za vidljivi deo skladišta podataka. Baza metapodataka je nazvana katalog metapodataka, i predstavlja osnovni deskriptor ukupnog skupa metapodataka u skladištu podataka. Katalog metapodataka sadrži fizički i logički model, izvorne definicije, izvorne i ciljne mape, statistike upita i poslovno grupisanje: on je logično mesto za kreiranje uniformnosti i konzistentnosti u definisanju podataka.

204


Na metapodatke utiču dve različite, suprotstavljene težnje: težnja da podaci budu integralni i uniformni i težnja da korisnici imaju autonomiju kod kreiranja i korišćenja podataka. Iako za metapodatke možemo reći da su programska dokumentacija oni su ipak namenjeni upravljanju procesima. Metapodaci su veoma važni u procesu donošenja odluka, oni osiguravaju kontekst podataka koji se koriste tokom vremena, kontekst doprinosi njihovom razjašnjavanju i osiguranju efikasnosti analitičkog procesuiranja. Nakon postavke metabaze ide se dalje u izdvajanje podataka iz transakcione baze nad kojima se izvrši sumiranje, sortiranje i organizovanje pre punjenja u skladište podataka. Punjenje, ili učitavanje, skladišta podataka podacima iz različitih izvora nosi sa sobom i neke nerazdvojne izazove koji se odnose na same podatke, prirodu tih podataka, broj izmena i potrebnih transformacija koje se trebaju intenzivno proučavati. Poseban izazov vezan je za metapodatke ili podatke o podacima74. Da bi skladište podataka uspešno ispunilo svoju funkciju, metapodaci moraju tačno opisivati u njemu pohranjene podatke. Na sledećoj slici prikazana je transformacija podataka iz različitih izvornih sistema u skladište podataka.

74

Ken Orr, priznati ekspert za skladišta podataka, rekao je da metapodaci mogu biti opisani tako da predstavljaju ono što biste vi želeli da se nalazi u podacima.

205


Slika 41. Transformacija različitih podataka iz operativnih baza u DW Izgradnja skladišta podataka Prvi korak u izgradnji skladišta podataka je identifikacija dimenzija i atributa koje podsećaju na klasično projektovanje upotrebom ER modela, koji predstavlja relacionu šemu metode modeliranja baze podataka i zove se dimenziono modeliranje. Dimenziono modeliranje je tehnika logičkog dizajna čiji je cilj prezentacija podataka u obliku koji obezbeđuje visoke performanse sistema za vršenje analize podataka. Dimenziono modeliranje ima strukture podataka koje su organizovane da opisuju mere i dimenzije. Mere predstavljaju numeričke podatke smeštene u centralnoj tabeli, tabeli činjenica – fact table. Dimenzije su standardni poslovni parametri koji definišu svaku transakciju i smešteni su u dimenzionim tabelama. Kako je već rečeno, osnova za izradu skladišta podataka, za izradu dimenzionog modela, su metapodaci na osnovu kojih se vrši: -

definisanje hijerarhija, 206


-

definisanje elemenata i atributa,

-

normalizacija i denormalizacija i

-

definisanje agregacija.

Svaka dimenziona tebela ima svoj primarni ključ, a svi oni učestvuju u stvaranju primarnog ključa u tabeli činjenica. Ovakav model se naziva šema zvezde:

Tabela činjenica sadrži podatke koji su, najčešće, numerički i mogu sadržavati veliki broj zapisa. Dimenzioni modeli su standardnog oblika. Mogu se predvideti interfejsi koji će biti korisni korisnicima skladišta podataka. Ovi modeli se jednostavno proširuju dodavanjem novih dimenzija i njihovih atributa, pri čemu nije potrebno menjati nijedan alat za izveštavanje ili upite. Broj pomoćnih programa i alata koji rade i upravljaju sa agregacijama se povećava, čime se poboljšavaju performanse sistema. U dvodimenzionalnom modelu podaci o prodaji za svaku oblast nalaze se u različitim tabelama, dok su podaci u trodimenzionalnom modelu smešteni u trodimenzionalnom nizu. Izgradnja DW-a je iterativni postupak. Nakon smeštanja podataka u skladište podataka, korisnici mogu odmah da ih koriste i vide prednost skladišta podataka. Korisnici mogu odmah zadati nove zahteve zbog kojih se moraju uneti nove izmene u modelu. Prvi korak u izgradnji dimenzionog modela je denormalizacija podataka u kojem su dimenzije organizovane u šemu zvezde, dok su normalizovani modeli u obliku pahulje.

207


Denormalizovana šema zvezde može zahtevati previše memorije, a velike dimenzionalne tabele mogu uticati na pad performansi sistema. Ovi problemi se rešavaju normalizacijom dimenzija čime se šema zvezde prevodi u šemu pahulje. Nedostatak šeme pahulje je njena složenost, koja otežava održavanje skladišta podataka. Zbog toga se normalizacija vrši samo na onim dimenzijama koje imaju mnogo redova podataka i koje imaju mnogo atributa. Najbolji rezultati postižu se normalizacijom samo nekoliko dimenzija dok su ostale dimenzije nepromenjene, čime se dolazi do delimične šeme pahulje. Ako se može kreirati skladište podataka koje bi imalo samo jednu tabelu činjenica, onda je potrebno povezati dve šeme zvezde da bi se zadovoljile potrebe korisnika. Povezane šeme zvezde predstavljaju šemu galaksije:

Šema zvezde Pomoću šeme zvezde definisane sa dve vrste tabela, dimenzione tabele i tabele činjenica, opisuje se fizička arhitektura dimenzionog modela.

208


U tabeli činjenica smešteni su kvantitativni podaci o poslovima koji opisuju specifične poslovne procese koje korisnici analiziraju. U ovim tabelama se mogu nalaziti agregirani podaci, na primer rezultati mesečne prodaje. U tabeli činjenica su najčešće numerički podaci i mogu se sastojati od nekoliko miliona redova i kolona. Za razliku od tabele činjenica, dimenzione tabele su značajno manje a sadrže podatke koji opisuju dati poslovni proces, odnosno one podatke po kojima se i vrši analiza. Ovi podaci se nazivaju atributi. Uzmimo primer maloprodaje, gde dimenzione tabele opisuju način izračunavanja podataka o prodaji. Osnovne prednosti šeme zvezde su to što: -

u vidu jednostavnog modela, omogućava definisanje složenih višedimenzionalnih podataka,

-

smanjuje broj fizičkih veza koje se moraju procesuirati pri zadavanju upita čime se povećavaju performanse sistema i

-

omogućava proširenje skladišta podataka uz relativno jednostavno održavanje.

Veliki nedostatak šeme zvezde je to što se povećava redundantnost podataka. Jednostavna šema zvezde je ona u kojoj svaka tabela mora sadržavati primarni ključ čiji sadržaj jedinstveno identifikuje zapise. Primarni ključ tabele činjenica sastavljen je od tri spoljna ključa ukoliko model ima tri dimenzione tabele. Spoljni ključ je kolona jedne tabele čija je vrednost definisana kao primarni ključ druge tabele. Tabela činjenica pored primarnog ključa sadrži i mere koje predstavljaju analizirane vrednosti, na primer jedinica

209


prodaje ili broj zaposlenih. Mere su numeričke pa se lakše i izračunavaju. Tabela dimenzija može biti poslovni entitet kao što je na primer Proizvod ili Klijent. Ona sadrži atribute koji obezbeđuju kontekst numeričkih podataka smeštenih u tabeli činjenica i prikazuje podatke organizovane hijerarhijski što korisnicima omogućava pregledavanje detaljnih i zbirnih podataka. Svaka dimenziona tabela sadrži jednu ili više hijerarhija. Drugi korak u izgradnji skladišta podataka je definisanje hijerarhija. U dimenzionoj tabeli memorišu se elementi traženja hijerarhijskih relacija u svakoj dimenziji i definicije opisnih atributa svake dimenzije. Dimenzije su često hijerarhijski organizovane. Na primer, dimenzija Proizvod može imati tri dimenziona elementa, proizvod kao najniži hijerarhijski nivo, grupa proizvoda, i vrsta proizvoda kao najviši hijerarhijski nivo. Kada podatke posmatramo iz različitih ali blisko povezanih pogleda, onda korisnik analizira podatke na različitim nivoima detalja. Pogled u dubinu (drill down) predstavlja prelazak sa nivoa sa manjim brojem detalja na nivo sa većim brojem detalja. Pogled prema gore (drill up), odnosno postupak prelaska sa nivoa sa većim brojem detalja na nivo sa manjim brojem detalja, prikazuje korisniku sumarne podatke, na primer prodaja u odnosu na region. Povezivanje dve ili više činjeničnih tabela na istom nivou hijerarhije predstavlja pogled kroz dimenzije (drill across). Šema pahulje

210


Šema pahulje predstavlja varijaciju šeme zvezde u kojoj su hijerarhije dimenzija skladištene u višedimenzionalnim tabelama. Dimenzija Proizvod je skladištena u tri tabele, u kategoriju proizvoda, potkategoriju proizvoda i u proizvod. Struktura je normalizovana i podržana unutar analitičkih usluga, samo se jedna dimenziona tabela pridružuje tabeli činjenica, a ostale dimenzione tabele su povezane spoljnim ključem. Treći korak u dimenzionom modeliranju je kreiranje agregacija. Agregacijama se smanjuje vreme odziva na postavljene upite i smanjuje se broj resursa potrebnih za izvršenje tih upita. Sumarni, agregirani, detaljni podaci smeštaju se u posebne tabele. Jedan od načina na koji se mogu kreirati agregacije jeste korišćenje SQL naredbi. To je najjednostavniji, mada ne i najbolji način, kada su u pitanju performanse. U slučaju kreiranja agregacija koje nisu zasnovane na SQL upitima potrebno je razviti specijalizovane programe čime se komplikuje, odnosno usložnjava, proces razvoja i održavanja skladišta podataka. Na primer, ako se izvrši sortiranje podataka po dimenziji Vreme, u tabeli će se prvo nalaziti redovi podataka koji se odnose na Dan, iza njih su redovi podataka koji se odnose na Sedmicu i tako redom. Na svakom mestu prelaza sa jednog nivoa dimenzije na drugi kreiraju se podzbirovi za taj nivo dimenzije, pri čemu je moguće iskoristiti prednost paralelnog procesuiranja. Na primer, jedan proces računa podzbirove za nivo Dan, a drugi za nivo Sedmica. Dobijene podzbirove treba učitati i izvršiti agregaciju, čime se proces kreiranja agregacija podataka završava. Četvrti korak je kreiranje fizičkog modela. U procesu kreiranja fizičkog modela skladišta podataka izvodi se postupak prevođenja logičkog modela u fizički model

211


predstavljen dijagramom entiteti – veze koji se fokusira na podatke. Pre samog kreiranja modela potrebno je izabrati sistem za upravljanje bazama podataka na kome će biti implementirana baza podataka. Generisanje fizičkog modela treba da reši probleme multiplikativnosti, referencijalnog integriteta i kreiranja indeksa. Multiplikativnost definiše broj instanci jednog entiteta, u relaciji sa jednom instancom drugog entiteta. Referencijalni integritet zahteva da unesena vrednost atributa odgovara vrednosti atributa koji je primarni ključ druge tabele. On se definiše za operacije ubacivanja, brisanja i ažuriranja podataka. Kreiranje indeksa se vrši automatski za sve primarne ključeve u entitetima, kao i za prenesene ključeve u posmatranom entitetu. Ovo je potrebno zbog toga što će se buduća pretraživanja u skladištu podataka vršiti na osnovu ovih polja. Peti korak je generisanje baze podataka. Ova aktivnost se vrši korišćenjem SQL jezika. Alat u kome je izvršeno kreiranje fizičkog modela omogućava automatsko generisanje koda preko DDL75 datoteka. Zatim se izvršava DDL datoteka pomoću Qery Analyzera, alata koji je u sastavu SQL 2003 servera, koji omogućava direktno zadavanje i izvršenje SQL naredbi za generisanje baze podataka. Nakon uspešno obavljenih nabrojanih aktivnosti, skladište podataka je generisano. Zadnji korak kod izgradnje skladišta podataka je učitavanje podataka. U ovom procesu mogu se izvršiti eventualno još neke transformacije, iako se proces 75

DDL – Data Definition Language

212


transformacije podataka treba završiti pre učitavanja zbog konzistentnosti baze podataka. Za samo učitavanje podataka može se koristiti alat MS SQL Servera DTS76 i njegova procedura učitavanja podataka pomoću DTS paketa. Alati skladišta podataka Postoji više alata za rad sa skladištima podataka i generisanje ad hoc izveštaja, na primer ORACLE Discoverer i alati za izradu složenih korisničkih aplikacija ORACLE Express. Ovi alati namenjeni su za podršku top menadžmentu u donošenju poslovnih, strateških odluka. Klasične relacione baze podataka projektovane su za on-line transakcionu obradu – OLTP, ali ne zadovoljavaju potrebe on-line analitičke obrade podataka. Kao rezultat javlja se skladište podataka projektovano drugačije od klasičnih relacionih baza podataka. DTS je skup korisnih programa i objekata koji omogućavaju automatizaciju ekstrakcije, transformacije i učitavanje podataka iz bilo kojeg izvora podataka u bilo koji izvor podataka, u skladište podataka. DTS omogućava import – ekstrakciju, eksport – transfer i konverziju – učitavanje podataka iz bilo kojeg izvora podataka u bilo koji izvor podataka. Objekti su DTS paketi i njihove komponente, kao i DTS alati koji dolaze sa SQL Server Enterprise Managerom a koriste se za izgradnju skladišta podataka. DTS paket je jezgrena komponenta DTS-a. Koristeći DTS, kreiramo i izvodimo paket. Paketima dodelimo ime i sačuvamo ih kako bismo ih koristili u budućnosti. 76

DTS – Data Transformation Services

213


DTS ima četiri glavne komponente: -

Konekcija: dozvoljava konekciju bilo kojem OLE DB77 izvora podataka. Zadaci, taskovi koji predstavljaju komplete komandi smeštenih u paket. Taskovi mogu biti ugrađeni u paket ili pak da se prilagođavaju. Koraci daju logiku paketu, postavljaju redosled izvođenja paketa. Globalne varijable proširuju dinamičke mogućnosti DTS-a.

Alati DTS Paketa Import/Export čarobnjak postavlja niz pitanja, automatski kreira pakete i može izvesti samo task trsnsformaciju podataka. Koraci su: Import/Export podataka iz baza podataka, Import/Export objekata iz baza kao što su učitane procedure i okidači, triggers, kreiranje paketa koji se mogu kasnije editovati korišćenjem DTS dizajnera i čuvanje i raspoređivaje paketa za kasnije izvođenje. DTS dizajner koristi grafički korisnički interfejs, dozvoljava dizajn i izvođenje paketa i edituje paket kreiran pomoću čarobnjaka sa ciljem dodavanja drugih funkcionalnosti. DTS interfejs programiranja predstavlja serije API78 kroz COM79 interfejs i kroz bilo koji COM prilagodljiv programski jezik, a koristi se za kreiranje prilagođenih paketa.

77

OLE DB – Object Linking and Embeded Data Base API – Application Programming Interface 79 COM – Computer Object Module 78

214


Slika 42. DTS alat Skladištenje podataka je koncept koji se primenjuje u sve većoj meri za lakše i brže izveštavanje, efikasnije iskorištavanje raspoloživih resursa, i kao podrška u procesu poslovnog odlučivanja, odnosno zbog potrebe da proizvođači budu konkurentniji i bliži kupcu. Cilj skladišta podataka je ostvarivanje principa Biti uvek na usluzi korisniku informacija. Korisnici u svakom trenutku imaju na raspolaganju ključne poslovne informacije i mogućnosti analize na vrlo jednostavan, brz i kvalitetan način. Jasno definisane prednosti primene skladišta podataka u svim granama industrije ukazuju na potrebu njegove implementacije u oblastima poboljšavanja performansi poslovnih sistema. Budućnost DW-a je u pružanju korisnih informacija ne samo zaposlenima u preduzeću nego i klijentima, dobavljačima, i svim ostalim poslovnim partnerima, korištenjem nove informacione tehnologije odnosno Interneta.

215


Data Warehouse se zasniva na odvajanju OLTP80 i OLAP81 procesa. DW je infrastruktura koja se gradi, a ne proizvod koji se kupuje.

80 81

OLTP - On Line Transaction Processing OLAP - On Line Analytical Processing

216


4.3.6. DM – Data mining Uvođenjem automatizovanog informacionog sistema korisnici su dobili samo gomilu podataka iz kojih je čak i najboljem analitičaru teško identifikovati ključne informacije relevantne za upravljanje poslovnim procesima. Automatski ili poluautomatski proces koji kreira pravila ili forme iz ogromne količine podataka naziva se Data mining. Data mining programi analiziraju delove podataka kako bi identifikovali veze između naizgled nepovezanih podataka. Data mining82 – DM se može definisati kao proces podrške odlučivanju u kojem se traže uzorci infomacija u podacima; to je tehnika pretraživanja podataka u cilju identifikacije traženih uzoraka i njihovih međusobnih relacija. Jednostavno rečeno, Data mining je izdvajanje interesantnih, ne-trivijalnih, implicitnih, novih i potencijalno korisnih informacija ili uzoraka83 sadržanih u velikim bazama podataka. Možemo reći da nam DM pomaže da nađemo skrivene informacije u ogromnim bazama podataka a kompanijama pomaže da donesu odluke bazirane na znanju i informacijama. Osnovni cilj Data mininga jeste otkrivanje skrivenih veza, predvidivih nizova i egzaktnih klasifikacija. Osnovna poruka Data mininga jeste da je potrebno da se iz ogromne količine operativnih podataka i veza koje se ne mogu odmah sagledati definišu odgovarajuće relacije, obrasci ili forme ponašanja, što u krajnjem slučaju daje potrebne informacije iz raspoloživih podataka. 82

Data mining – rudarenje, otkrivanje znanja u bazama podataka, ekstrakcija znanja, arheologija podataka, iskopavanje podataka... 83 Pattern – uzorak signalizira povezanost između varijabli ali ne govori o njihovoj uzročno-posledičnoj vezi.

217


Ovo pretraživanje kroz podatke može vršiti korisnik, na primer izvođenjem upita, ili ga može vršiti neki inteligentni program koji automatski pretražuje bazu umesto korisnika i nalazi značajne uzorke. Kada se tražena informacija nađe, treba je prikazati na odgovarajući način, sa grafikonima i izveštajima. Izgradnja DM modela, DM alata, provodi se kroz nekoliko koraka: -

izbor tehnike Data mininga,

-

identifikacija slučaja,

-

izbor entiteta koji treba da se predvidi,

-

identifikacija podataka za analizu,

-

opciono kreiranje dimenzije i virtuelne kocke iz rezultujućeg modela i

-

obrada modela i prikupljanje rezultata.

Ako pogledamo u DM alate, vidimo da postoje zajednička logička jezgra nezavisna od podataka i aplikacija, primenljivih programa, ali većina postojećih implementacija pokušava da ignoriše činjenicu i koncentraciju problema, čime DM alat postaje ograničen samo na poseban set podataka specifične aplikacije. Najveći izazov bilo kojoj DM mašini, DM alatu, jeste kako primeniti različite algoritme ili različite tehnike na različitim grupama podataka, sa ciljem pronalaženja interesantnih uzoraka korisnih za poslovne procese organizacije. Enormna količina i kompleksnost podataka ne dozvoljavaju korišćenje istih algoritama za različite grupe podataka. Danas različiti dobavljači pokušavaju da reše ovaj problem, ali oni uglavnom podržavaju podskup različitih algoritama, niko od njih se nije pojavio sa stabilnom DM mašinom koja može da radi sa bilo kojim skupom podataka i u

218


bilo kojoj oblasti. Još uvek je samo san da se napravi program koji će voditi računa o svim problemima. DM radi sa korisnim uzorcima, a korisnost uzorka zavisi od konteksta njegove primene. Danas primena DM alata isključivo zavisi od eksperata koji odlučuju koje alate koristiti za određene probleme. U sledećoj tabeli prikazan je razvoj DM-a: Koraci razvoja

Poslovni problem

Raspoloživa tehnologija

Prikupljanje podataka

Npr. prihod u zadnjih 5 godina

računari, trake, diskovi

IBM, CDC

retrospektiva, isporuka statičnih podataka

Npr. jedinična prodaja prošlog meseca u Banjoj Luci

RDBMS, SQL, ODBC

Oracle, IBM, Microsoft, ...

retrospektiva, dinamički podaci isporučeni na nivou sloga

Npr. jedinična prodaja prošlog meseca u Banjoj Luci. Proširiti na RS

OLAP, multidimenzionalne baze podataka, DW

Cognos, Pilot,

retrospektiva, dinamički podaci isporučeni na više nivoa

Npr. kakva će biti prodaja sledećeg meseca u RS i zbog čega

Napredni algoritmi, multiprocesorski računari, masivne baze podataka

IBM, Pilot, SGI, Lockhead, ...

(60-e) Pristup podacima (80-e) DW & DS (90-e)

DM (do danas)

Karakteristike

Dobavljači

....

predvidiva, proaktivna isporuka informacija

Metodologija kreiranja Data mining modela Da biste kreirali DM model, morate prikupiti skup podataka, gde su atributi koji treba da se predvide unapred

219


poznati. Podaci se ubacuju u DM model koji ih analizira i traži pravila i obrasce koji bi se kasnije mogli iskoristiti za predviđanje. Podaci koji se analiziraju su obično istorijski podaci i statistički predstavnici slučajeva za koje gradite DM model, što je prikazano na sledećoj slici.

Slika 43. Metodologija kreiranja DM-a Slučaj, case, element je koji se koristi za klasifikaciju i grupisanje podataka. DM engine84 procenjuje slučajeve i kreira model koji se zasniva na izabranom algoritmu. Integracija Data mininga sa skladištem podataka Danas se radi na integraciji Data mining alata sa skladištem podataka. Postoji više razloga za ovu integraciju. Prvo, Data mining alati zahtevaju postojanje prečišćenih i integrisanih podataka. Tradicionalni DM alati bi iz tih razloga prvo izvršili transfer podataka, možda i stotine 84

Data Mining Engine izvodi Data mining modele.

220


gigabajta putem mreže. Nakon završenog rada često se javlja potreba za novim podacima, što znači da bi se ceo proces transfera morao ponoviti. Pri ovome se neprestano mora voditi računa o zaštiti podataka i greškama pri prenosu. Drugi razlog za integraciju DM alata sa skladištem podataka jeste poboljšani korisnički interfejs. Stariji DM alati su zahtevali angažovanje niza stručnjaka da bi se postigli zadovoljavajući rezultati. Danas, svaki poznavalac SQL jezika može koristiti mogućnosti Data mininga. Treći razlog za integraciju su performanse sistema i mogućnost proširivanja koju obezbeđuje skladište podataka, a koja je potrebna za Data mining alate. Tradicionalni i integrisani prilaz Jedan od načina da se ostvari integracija jeste da se kreiraju modeli koji se u bazama podataka predstavljaju tabelama. Na ovaj način se ovim modelima može pristupati upotrebom SQL naredbi. Nakon kreiranja ovih tabela, u njih treba smestiti podatke koje će Data mining alati da pretražuju. Obradom podataka, DM alati će kreirati nove tabele u kojima će smeštati rezultate i koji se mogu pregledati kao i sve ostale tabele, korišćenjem SQL naredbi. Data mining modeli Nekoliko tehnika Data mininga omogućava identifikovanje obrazaca u ogromnom broju podataka. Clustering – tehnika klasteringa, grupisanja, omogućava grupisanje zapisa podataka koji su slični. Na primer, sa klasteringom možete segmentirati klijente sa sličnim karakteristikama u grupe. Neuronske mreže, Neural Networks. Kao što čovek uči na osnovu iskustva, tako može i računar. Neuronske mreže predstavljaju neuronske veze u ljudskom mozgu i na taj način simuliraju učenje. Ukoliko sastavljate podatke gde su ulazne i 221


izlazne činjenice poznate, računar može da nauči iz tih obrazaca i postavi pravila i matematičke faktore kako bi, na primer, pomogao izračunavanje ili predvideo izlaznu vrednost. Pretpostavimo da želite da prodate automobil. Na prodajnu cenu utiče nekoliko faktora, kao što su godine, stanje, proizvođač, model itd. Analizirajući cene automobila, neuronske mreže mogu da kreiraju seriju ulaznih i izlaznih faktora kako bi predvidele cenu prodaje.

Slika 44. Neuronska mreža Neuronske mreže predstavljaju sistem programa i struktura koji aproksimira funkcionisanje čovekovog mozga. Pogodne su za prepoznavanje finih, skrivenih i novootkrivenih šema odnosa u kompleksnim podacima, kao i za interpretaciju, razumevanje nekompletnih ulaznih podataka. Fuzzy logika. Ova tehnika se koristi u procesu otkrivanja znanja za potrebe klasifikacije, segmentacije i prognoziranja. Orijentisana je ka znanju eksperata iz određenog područja u samom procesu kreiranja modela i provođenja analize. Memorijsko zasnovano prosuđivanje, MBR – Memory Based Reasoning, tehnika je Data mininga koja se koristi za predviđanje i klasifikaciju. Na primer, ukoliko pacijent ima nekoliko simptoma, doktor će na osnovu iskustva

222


sa sličnim pacijentima dati dijagnozu. Doktor izvršava dijagnozu koristeći oblik MBR-a. Stablo odlučivanja – Decision Tree, popularan metod za klasifikaciju i predviđanje. Korišćenjem serije pitanja i pravila za kategorizaciju podataka, može se predvideti da će izvesni tipovi imati specifične ishode. Stablo odlučivanja predstavlja tehniku odlučivanja koja se temelji na odnosima između strategije i stanja, a koristi se za rešavanje složenih problema finansija, marketinga, uvođenja novih proizvoda i slično. To je tehnika modeliranja podataka kojom se stvaraju modeli u obliku grafikona hijerarhijski organizovanim pravilima koji omogućavaju klasifikaciju novih uzoraka. Na sledećoj slici prikazan je primer stabla odlučivanja kod analize rizika poslovanja.

Slika 45. Stablo odlučivanja Stablo odlučivanja se zasniva na četiri osnovne varijable: 1. kostur stabla odlučivanja, koji pomoću grafikona prikazuje strategije, moguće posledice svake strategije i identifikovano stanje, 2. verovatnoća različitih posledica izabrane strategije, 3. uslovna vrednost (troškovi) pripadajuće posledice i

223


4. očekivana troškove.

vrednost

za

pripadajuće

plaćanje

ili

Analiza pijačne torbe – Market Basket Analysis, MBA, često se naziva i grupisanje po sličnosti, affinity grouping. Koristi se za pronalaženje grupe artikala koji se najčešće zajedno događaju u jednoj transakciji. Koraci kod izgradnje DM modela su: 1. izbor tehnike Data mininga, 2. identifikovanje slučaja, 3. izbor entiteta koji treba da se predvidi, 4. identifikovanje podataka za analizu, 5. opciono kreiranje dimenzije i virtuelne kocke iz rezultujućeg modela i 6. obrada modela i prikupljanje rezultata. Tipovi DM-a Po opštoj funkcionalnosti, Data mining može biti deskriptivan Data mining i prediktivan Data mining. Deskriptivni model pomaže u razumevanju procesa ili ponašanja koje je opisano podacima. Na primer, asocijativna pravila opisuju ponašanje kupaca. Prediktivni model je jednačina, ili skup pravila koji omogućava predikciju zavisne varijable ili atributa, na osnovu skupa nezavisnih varijabli. Zavisno od prirode problema, odnosno podataka, biramo najprikladniji oblik modela. Različiti pogledi i klasifikacije DM-a zavise od vrste baza podataka koje treba istraživati, vrste znanja koje treba otkriti i vrste tehnika koje se za to koriste.

224


Slika 46. Data mining Tehnike i metode DM-a Statističke metode i algoritmi grupisanja omogućavaju pronalaženje modela koji opisuju razlike u klasama ili konceptima za predstojeća predviđanja. Konceptualna deskripcija modela vrši se upoređivanjem, deskripcijom i sumarizacijom podataka. Kod analize zavisnosti vrši se asocijacija traženja uzoraka sa povezanim događanjima, i sekvencijalna analiza uzoraka koji vode jedan drugom. Veoma je važno otkrivati devijacije i anomalije kod podataka i uzoraka. Sumirajući predhodno rečeno, tehnike DM-a su: Asocijacija – traženje uzoraka sa povezanim događajima u analizi zavisnosti. Asocijacija pokušava da utvrdi koje se osobine javljaju zajedno kod više uzoraka u istoj transakciji, u istom događaju. Ona pokušava da identifikuje zajedništvo i da ga iskoristi; na primer, koji se proizvodi najčešće zajedno kupuju pri jednoj kupovini. Sekvencijalna analiza – traženje uzoraka u kojima jedan događaj kasnije dovodi do drugog. Sekvencijalna analiza otkriva ponašanje objekta posmatranjem tokom vremena. 225


Analiziraju se različite transakcije u nekom periodu vezane za isti objekat. Na primer, isto lice kupuje određene predmete u određeno vreme. Zašto i šta bi mu se još moglo ponuditi? Klasifikacija – potraga za novim uzorcima, a može da prouzrokuje promenu načina organizovanja podataka; pronalaženje modela koji opisuju razlike u klasama ili konceptima za buduće predviđanje. Klasifikacija analizira skup podataka i utvrđuje elemente za grupisanje. Formiraju se grupe koje imaju zajedničke elemente. Analiziraju se grupe i poreklo njihovog nastajanja. Grupisanje - clustering, pronalaženje i vizuelno dokumentovanje prethodno nepoznatih grupa činjenica; maksimiziranje sličnosti unutar klasa i minimiziranje sličnosti između samih klasa. Predviđanje – otkrivanje uzoraka podataka koji vode do razumnog predviđanja budućnosti, predviđanje nepoznatih ili nedostajućih numeričkih vrednosti. Primer DM-a Zadatak: analiza tržišta – odrediti klastere kupaca koji imaju zajedničke karakteristike: prihod, potrošačke navike, standard. Odrediti uzorke potrošnje kupaca kroz vreme. Konačan cilj: predviđanje asocijacija između prodaja proizvoda i predviđanje korelacije između prodaja proizvoda. Izvori podataka: kreditne transakcije, žalbe kupaca, kupovine sa i bez popusta, studije tržišta. Rezultati analize su: Tipiziranje kupaca: koji tipovi kupaca kupuju određene proizvode, grupisanje i klasifikacija. Identifikovanje zahteva kupaca: identifikovanje najboljih proizvoda za različite kupce i upotreba predviđanja u cilju pronalaska faktora koji će privući nove kupce. 226


Data mining – tipične primene Maloprodaja. Projekcija prodaje, sprečavanje krađa i prevara, određivanje optimalnog nivoa skladišta i plana snabdevanja. Bankarstvo. Predviđanje nivoa loših plasmana sredstava, rizika kreditnih kartica, predviđanje potrošnje novih korisnika kreditnih kartica. Proizvodnja. Projekcija prodaje, sprečavanje krađa i prevara, određivanje optimalnog nivoa skladišta i plana snabdevanja. Osiguranje. Predviđanje odštetnih zahteva, pokrivanje troškova lečenja, procenjivanje koji korisnici će obnoviti polisu osiguranja. Zdravstveno osiguranje. Povezivanje demografskih podataka sa kritičnim oboljenjima, uvid u identifikaciju simptoma opasnosti, uzroci opasnosti i tako dalje. Policija. Praćenje šema i lokacija zločina, praćenje kriminalnog ponašanja, otkrivanje osobina koje bi pomogle u rešavanju slučajeva. Marketing. Klasifikacija demografskih karakteristika korisnika u cilju predviđanja ponašanja kupca kod prijema naše pošte ili kod kupovine određenih proizvoda. Reklamiranje na Internetu. Data mining se može koristiti za klasifikaciju grupa klijenata sa sličnim informacijama, kako bi se ciljano vršilo reklamiranje. Kada se korisnik, na primer, registruje na e-commerce web sajt koji prodaje sportsku opremu, tada DBMS prikuplja informacije o klijentu, kao što su pol, godine, omiljeni sport i drugo. Korišćenjem tehnika Data mininga, web sajt će prikazivati baner sa motivima golfa za muškarce i druge promocije.

227


Kada kupujete putem Interneta, ponekad vam se ponude i dodatni proizvodi za koje je web sajt predvideo da ćete možda biti zainteresovani. Takva preporuka se zasniva na tehnikama DM-a koji pretražuje obrasce klijenata koji su, na primer, kupili istu knjigu koju vi sada kupujete. Sistem preporučuje: „Ukoliko vam se dopada knjiga x, proverite i sledeće ponuđene knjige“. DM modeli analizom tržišta i analizom rizika omogućavaju dijagnostiku nepravilnosti, kreiranje dokumenata i inteligentnih upita. U CRM-u se koristi jedna vrsta DM tehnike, web mining, u cilju korišćenja velike količine informacija prikupljenih putem web sajta radi pronalaženja uzoraka navika kupaca. DM i OLAP ne bi trebalo razmatrati kao odvojene procese, već ih treba u potpunosti spojiti. Komponente OLAP Data mininga su: relaciona baza podataka koja sadrži granulirane85 podatke, OLAP koji obezbeđuje brz pristup sumarnim podacima imeđu više dimenzija, i višedimenzionalni proces otkrivanja koji će vršiti otkrivanje između dimenzija i spajati rezultate. Šta možemo napraviti data miningom? Možemo segmentirati tržište, otkriti profil tipičnog klijenta za određenu vrstu proizvoda, otkriti sklonosti klijenta kupovini i motivatore za cross selling86, napraviti model potrošačke korpe, otkriti potencijalne prevare na prodajnim mestima, predvideti trendove pojava, na primer kretanja profita, i otkriti sličnosti među tržišnim kategorijama, i drugo. Današnji Data mining alati susreću se sa mnogim problemima. 85 86

Grumenje znanja Aktivnosti prodaje između poznatih klijenata, tržišta, trgovaca itd.

228


Teško korišćenje. Postojeći DM alati pokušavaju da pokriju sve različite DM aplikacije, ali ih je teško konfigurisati i koristiti. Eksperti koriste alate. Čovek je glavni resurs DM-a, potrebni su eksperti za korišćenje tih alata, a potom i za analizu dobijenih rezultata. Teško se dodaju nove funkcije. Zbog kompleksnosti DM alata teško je dodati nove funkcije u njih. Dodavanje. Ne postoji način razvoja novih algoritama od strane drugih kompanija koji bi se lako integrisali u alat. Brzo zastareva. Nema stabilne komponente u DM alatu i on vremenom zastareva jer novi alati stižu na tržište, promena postojećih alata zbog inkorporiranja novih karakteristika je teška i traži mnogo vremena. Ograničen broj algoritama. Postojeći alati sadrže ograničen broj algoritama, a ponekad je ograničeno višestruko korišćenje algoritama. Potrebno je mnogo resursa. Postojeći alati nisu optimizirani za bilo koju specifičnu aplikaciju pa trebaju mnogo resursa kao što su memorije, diskovi i tako dalje. Nije lako izgraditi DM alat koji će izbeći navedene probleme. Tome doprinosi njegova cena, potrebno vreme i nedostatak sistematičnog pristupa. Osnovni resurs Data mininga je čovek.

229


4.3.7. OLAP – proces analitičke obrade podataka Kreirane velike baze podataka prepune su važnih podataka za proces odlučivanja. Ukoliko podaci ostanu nedostupni korisnicima, onda je njihovo prikupljanje besmisleno. Ove podatke treba pretvoriti u informacije koje će biti upotrebljene u širokom spektru namena. Obezbeđivanjem kvalitetnih informacija korisnicima koji će taj kvalitet znati da iskoriste, povećavaju se sveukupne performanse kompanije. Neophodno je razviti modele za analizu podataka. Uporedo sa razvojem modela za analizu podataka, razvijaju se odgovarajuće tehnike i sva prateća infrastruktura za upotrebu podataka u najrazličitijim analizama. Menadžeri, analitičari i korisnici pripremljeni su i obučeni da primene i upotrebe tehnologije, da izvedu zaključak iz podataka koji su im prezentovani, što im omogućava uspešnije poslovanje. Korporativna baza podataka prihvata nove podatke i prikazuje prethodno uskladištene podatake. Veliki izazov je prihvatati tekuće unose podataka i simultano obraditi vrlo kompleksne upite namenjene analizi. Kompanija, svojim rastom i širenjem tržišta na udaljene prostore, zahteva prikladnu informatičku podršku. Ta podrška je OLAP87. OLAP je postao nasušna potreba. Iako je koncept bio poznat, nedostajala su rešenja. Dr E. F. Codd88 je 1993. predložio termin OLAP za pretvaranje podataka korporacije u multidimenzionalnu perspektivu.

87 88

OLAP – OnLine Analitical Processing Edgar Frank Codd (1923–2003), otac relacionih baza podataka

230


Ted Codd je istakao značaj OLAP servera postavljenog u prostor između krajnjih korisnika i baze podataka. Za OLAP server moguće je nezavisno razvijati interfejse, API funkcije, alate za formiranje upita i za izveštavanje. U svom radu A Relational Model of Data for Large Shared Data Banks objavljenom 1993. godine, dr Codd definiše 12 pravila za evaluaciju alata koji očekuju da budu tretirani kao OLAP proizvod: 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12.

Višedimenzionalni konceptualni pogled analitičara Transparentnost za korisnika Pristupačnost, mapirani svi izvori podataka Konzistentne performanse izveštavanja Klijent – server arhitektura Generičko dimenzioniranje Dinamičko upravljanje matricama Višekorisnički rad Neograničene operacije sa unakrsnim dimenzijama Intuitivno upravljanje podacima Fleksibilno izveštavanje Neograničen broj dimenzija i nivoa agregacije

Nigel Pendse89 je smatrao da pored 12 OLAP pravila dr Codda treba uvesti novu FASMI90 definiciju koja proširuje OLAP. Ova definicija je uvedena 1995. godine i do sada nije revidirana. Fast – brzina; znači da sistem treba da bude projektovan tako da korisnicima isporuči više odgovora unutar 5 sekundi, pri čemu jednostavnije analize trebaju 1 sekundu za odgovor, a najsloženije i više od 20 sekundi.

89

Nigel Pendse je vodeći autor iz ove oblasti (OLAP report i BI Survey), a svoje radove objavljuje na www.olapreport.com. 90 FASMI – Fast Analysis Shared Multidimensional Information

231


Analysis – analize; sistem treba da ima sposobnost da se izbori sa bilo kojom vrstom poslovne logike koja je relevantna za korisnika. Shared – deljivost. Sistem mora da zadovolji sve zahteve vezane za sigurnost i poverljivost do nivoa ćelije. Multidimensional – višedimenzionalnost je ključna u FASMI definiciji jer jednom rečju definiše OLAP. Information – informacije, sve što je vezano za podatke i sve što je izvedeno iz podataka, odnosno sve što može biti relevantno za aplikaciju. OLAP tehnologija, interaktivno analitičko procesuiranje, omogućava korisniku pristup i analizu ad hoc podataka, pregled informacija dobijenih kroz poređenja, analize podataka iz prošlosti i podataka izvedenih iz različitih šta ako scenarija. OLAP baza podataka ili analitička baza podataka podvrgnuta je promenama, koje dolaze od strane više izvora podataka, obezbeđujući snažnu analitičku pozadinu mnogim korisničkim aplikacijama. Internet servis The OLAP Report definisao je OLAP kao aplikacije i tehnologije koje omogućavaju prikupljanje, obradu, procesuiranje i predstavljanje višedimenzionalnih podataka za potrebe analize i donošenja odluka. Druga moguća definicija bila bi da OLAP predstavlja programsko rešenje koje omogućava menadžerima brz, konzistentan i interaktivan pristup podacima korišćenjem različitih pogleda proizašlih iz operativnih, nestrukturisanih podataka. Ovde se naglašava dimenzionalnost podataka. Koncept višedimenzionalne baze podataka najlakše je opisati na primeru kocke. Pogledajmo strukturu prema sledećoj slici:

232


Slika 47. Koncept višedimenzionalne baze Šta je OLAP? OLAP je tehnologija koja se koristi za organizaciju velikih poslovnih baza podataka i za podršku poslovnoj inteligenciji BI. OLAP baze podataka su podeljene na jednu ili više kocki, a administrator kocke organizuje i projektuje svaku kocku tako da odgovara načinu preuzimanja i analiziranja podataka, čime se olakšava kreiranje i korišćenje izveštaja izvedenih tabela i grafikona. OLAP baze podataka omogućavaju upite poslovne inteligencije. Jednostavno, može se reći da je OLAP tehnologija baze podataka koja je optimalna za upite i pravljenje izveštaja, a ne za obradu transakcija. Izvorni podaci za OLAP su OLTP (OnLine Transactional Processing) baze podataka koje se obično nalaze u skladištima podataka.

Slika 48. Kreiranje OLAP servera OLAP podaci se dobijaju iz ovih arhivskih podataka i sakupljaju se u strukturama koje omogućavaju složenu analizu, hijerarhijski se organizuju i skladište u kocke umesto u tabele. Reč je o naprednoj tehnologiji koja, zahvaljujući korišćenju

233


višedimenzionalnih struktura, obezbeđuje brz pristup podacima za analizu. Ovakva organizacija olakšava prikazivanje rezimiranih podataka visokog nivoa u izveštajima izvedene tabele ili izvedenog grafikona, kao što je ukupna vrednost prodaje širom cele zemlje ili regiona, a prikazuje i detalje za one lokacije na kojima je prodaja posebno dobra ili loša. OLAP baze podataka dizajnirane su tako da ubrzaju preuzimanje podataka. Kako OLAP server izračunava rezimirane vrednosti, kada se kreira ili menja izveštaj potrebno je poslati manje podataka u Excel. Ovakav pristup omogućava rad sa mnogo većom količinom izvornih podataka nego u slučaju kada su podaci u tradicionalnoj bazi podataka, odakle bi Excel preuzimao sve pojedinačne izveštaje, a zatim računao rezimirane vrednosti. Osnovni elementi OLAP sistema su: -

-

baza podataka koja služi kao osnova za analizu, OLAP server za upravljanje i manipulaciju podacima, koristi višedimenzionalne strukture za čuvanje podataka i veza između njih, interfejs sistema prema korisnicima i drugim aplikacijama omogućava komforan rad, samostalno izvođenje analitičkih operacija bez znanja programiranja i same strukture podataka i alati za administraciju sistema.

OLAP baze podataka sadrže dva tipa podataka: mere, koje predstavljaju numeričke vrednosti, količine i proseke a koriste se za donošenje poslovnih odluka zasnovanih na informacijama, i dimenzije, koje predstavljaju kategorije koje se koriste za organizovanje mera. OLAP baze podataka pomažu pri organizovanju podataka baziranih na velikom broju nivoa koristeći poznate kategorije za analizu podataka.

234


Zahtevi koje OLAP sistem mora da ispuni su: -

mogućnost rada sa velikim skupom podataka i velikim brojem korisnika, kratko vreme odziva na upit, mogućnost rada sa podacima sa različitim nivoima detalja, sposobnost proračuna složenih matematičkih funkcija, podrška za šta-ako analizu, modelovanje i planiranje, jednostavnost uvođenja i održavanja sistema, zaštita podataka i mogućnost rada sa velikim brojema alata pomoću kojih će se pristupati podacima, vršiti analiza i prikazivati podaci.

Postoje sledeće arhitekture OLAP sistema: -

Višedimenzionalni OLAP (MOLAP), Relacioni OLAP (ROLAP), Hibridni OLAP (HOLAP), Desktop OLAP (DOLAP) i Elastični OLAP (EOLAP)

Na primer, MOLAP i ROLAP se razlikuju po načinu fizičkog čuvanja podataka: kod MOLAP sistema podaci se čuvaju u višedimenzionalnoj strukturi, a u slučaju ROLAP sistema podaci se čuvaju u relacionim bazama podataka. HOLAP sistem predstavlja kombinaciju dobrih strana MOLAP i ROLAP tehnologija. EOLAP je sistem koji omogućava fleksibilan pristup XML91 podacima iz OLAP sistema. Desktop OLAP obezbeđuje, na klijent mašini, lokalnu multidimenzionalnu analizu nad podacima koji su prikupljeni i sa relacionih i sa multidimenzionalnih servera baze podataka. 91

XML – Extensible Markup Language

235


U sledećoj tabeli prikazane su prednosti i nedostaci pojedinih arhitektura OLAP sistema.

Koraci koje je potrebno izvesti kod rešavanja problema i donošenju poslovnih odluka su: 1. Izgradnja Data Warehousea – DW: - ekstrakcija podataka, - transformacija podataka i - učitavanje podataka 2. Generisanje OLAP kocke 3. Prezentacija rešenja 4. Donošenje odluke

Slika 49. Koraci kod rešavanja problema

236


O izgradnji skladišta podataka govorilo se u poglavlju DW – skladište podataka. Drugi korak je generisanje OLAP kocke. Kocka predstavlja strukturu podataka koja mere grupiše po nivoima i hijerarhiji svake dimenzije koja se analizira. Svaka strana kocke se naziva dimenzijom. Kocke kombinuju više dimenzija, kao što su vreme, geografski položaj i proizvod, sa rezimiranim podacima o prodaji ili stanju zaliha. Svaka ćelija kocke sadrži agregirane podatke koji su u vezi sa dimenzijama. Kocke u strogom matematičkom značenju i nisu kocke, jer im stranice ne moraju obavezno biti jednake. Radi se, međutim, o odgovarajućoj metafori za jedan složeni višedimenzionalni koncept. Mera je skup vrednosti u kocki baziranih na koloni tabele i najčešće su to numeričke vrednosti. Mere predstavljaju centralne vrednosti u kocki koje su unapred obrađene, sakupljene i analizirane. Uobičajeni primer je prodaja, profit, prihodi i troškovi. Znači, mera je numerička vrednost koja je od centralnog interesa za analizu. Na primer, cena proizvoda, količina prodanih proizvoda, trajanje telefonskih poziva, trošak transporta, ukupni prihod i slično. Na osnovu nekih osnovnih mera, mogu se posmatrati i mere koje su iz njih izvedene, a fizički se ne nalaze među izvornim podacima. Na primer, moguće je definisati meru ukupni prihod kao proizvod cene i količine, OLAP sistem takvu izvedenu meru tretira kao i sve ostale mere. Član je stavka u hijerarhiji koja predstavlja jedno pojavljivanje podataka ili pak više njih. Član može da bude jedinstven ili nejedinstven. Na primer, godine 2007. i 2008. predstavljaju jedinstvene članove na godišnjem nivou vremenske dimenzije, dok januar predstavlja nejedinstvene članove na mesečnom nivou, zato što u vremenskoj dimenziji

237


može biti više januara ukoliko ona sadrži podatke za više godina. Izračunati član je član čija je vrednost izračunata pomoću izraza za vreme izvršavanja. Vrednosti izračunatog člana se ponekad mogu dobiti iz vrednosti drugih članova. Na primer, vrednost izračunatog člana Profit može da se odredi oduzimanjem vrednosti člana Troškovi od vrednosti člana Prodaja. Dimenzija je skup jednog ili više organizovanih nivoa hijerarhije u kocki koji korisnik razume i koristi kao osnovu za analizu podataka. To je opisna kategorija i ima svoju hijerarhiju. Za svaku meru u OLAP sistemu moguće je definisati jednu ili više dimenzija koje joj daju kontekst posmatranja, odnosno koje bliže određuju vrednosti mere. Slobodno se može reći da dimenzije deluju kao indeks kojim se dolazi do traženih vrednosti. Na primer, dimenzije mogu biti vreme, proizvod, lokacija, usluga, vrsta trgovine, način plaćanja i slično. Geografska dimenzija može da uključi nivoe za zemlju ili region, pokrajinu ili grad. Vremenska dimenzija može da uključi i hijerarhiju sa nivoima za godinu, kvartal, mesec, sedmicu i dan. U izveštaju izvedene tabele ili izveštaju izvedenog grafikona svaka hijerarhija postaje skup polja koja možete da proširite i smanjite da biste otkrili niže ili više nivoe. Hijerarhija predstavlja logičku strukturu stabla u kojoj su organizovani članovi neke dimenzije, i to tako da svaki član ima jedan nadređeni član i niti jedan podređeni član ili nekoliko njih. Podređeni član nalazi se na susednom nižem nivou u hijerarhiji koji je direktno povezan sa trenutnim članom. Na primer, u hijerarhiji Vreme koja sadrži nivoe kvartal, mesec, sedmica i dan, januar je podređeni član kvartala1. Nadređena vrednost je najčešće konsolidacija vrednosti svih podređenih članova. Na primer, u hijerarhiji Vreme koja sadrži nivoe kvartal, mesec, sedmica i dan, kvartal1 je nadređen članu januar.

238


Nivo. Unutar neke hijerarhije podaci mogu da budu organizovani u više i niže nivoe detalja, poput nivoa godina, kvartal, mesec, sedmica i dan u hijerarhiji Vreme. Prednosti koje daje OLAP kocka su: -

izuzetne performanse u izvršavanju kompleksnih upita, ne ugrožava konkurentnost obrade, ne zavisi od DBMS, može da objedinjuje podatke iz više različitih DBMS i poseduje jezik specijalno dizajniran za analizu podataka.

Korisnik lakše, selektivnije i iz različitih aspekata izvlači i posmatra podatke koristeći višedimenzionalne baze podataka. Na primer, proizvod, prodaja po regionima i periodu prodaje tog proizvoda su posebne dimenzije. Na sledećoj slici prikazan je informacioni sistem koji se sastoji od proizvodnje, finansija, marketinga i prodaje.

Slika 50. Multidimenzionalni pogled na podatke Primer OLAP kocke koja ima dimenzije proizvod, mere i vreme, prikazan je na sledećoj slici.

239


Slika 51. Primer OLAP kocke Glavna svrha OLAP baza podataka je da obezbede fleksibilne modele za pronalaženje podataka, a dimenzije i hijerarhije omogućavaju tu fleksibilnost. Dimenzije omogućavaju slice i dice metod pronalaženja podataka. Slice predstavlja izbor jednog člana iz dimenzije. Na primer, ukoliko želite da se fokusirate na samo jedan proizvod, slice omogućava da ignorišete sve osim željenog proizvoda, dok dice metoda postavlja više članova iz jedne dimenzije na jednu osu i više članova druge dimenzije na drugu osu. Ovakav način traženja podataka omogućava sagledavanje međuodnosa članova različitih dimenzija.

Slika 52. Primer slice i dice metode Hijerarhija omogućava drill down i drill up metode pronalaženja podataka.

240


Drill down. Sve dimenzije sadrže hijerarhiju i za većinu dimenzija hijerarhija se sastoji od više nivoa. Više nivoa hijerarhije omogućava pogled prema dole po jednom članu hijerarhije. Drill down omogućava da se fokusirate samo na određene podatke ili oblast problema. Postupak prelaska sa nivoa sa manjim brojem detalja na nivo sa većim brojem detalja naziva se spuštanje u dubinu, drill down, i predstavlja zahtev korisnika da mu se prikaže više detalja. Na primer, kada se pronađe podatak o prodaji nekog proizvoda u nekom regionu, spušta se naniže da bi se saznalo kako se prodaja odvija po opštinama. Drill up metoda pronalaženja podataka ili pogled prema gore, vidi samo zbirne informacije članova. Omogućava da se sagleda opšta slika. Postupak prelaska sa nivoa sa većim brojem detalja na nivo sa manjim brojem detalja, na sumarne podatke, naziva se dizanje naviše, drill up. Na primer, upit bi mogao prezentovati prodaju u odnosu na neke regione. Napomenula sam da se rešavanje problema sastoji od četiri koraka, izgradnje skladišta podataka, generisanja OLAP kocke, prezentovanja rešenja i donošenja odluke. Za prezentaciju rešenja problema koristi se OLAP kocka i aplikacije klijenta i prezentuju se dobijeni izveštaji.

Slika 53. Prezentovanje rešenja Na osnovu prezentovanih izveštaja menadžment vrši njihovu analizu i donosi kako strateške tako i operativne odluke.

241


Na primer, na osnovu izveštaja o prodaji određenih proizvoda menadžment vrši analizu i zaključuje da je prodaja vremenom porasla i da su ti proizvodi postali popularniji. Analizom prodaje po regionima zaključeno je da prodaja varira od regiona do regiona, a da je prodaja nekih proizvoda pala. Zbog toga menadžment donosi odluku da se proširi tržište i poboljša kvalitet proizvoda čija prodaja opada. Prednosti OLAP sistema su:

-

sistematizacija, usklađivanje heterogenih podataka u preduzeću,

-

brzo izvođenje kompleksnih analiza sumarnih podataka u realnom vremenu koje nije moguće efikasno izvesti na neki drugi način,

-

ušteda vremana i ljudskih potencijala na pripremi kompleksnih izveštaja,

-

mogućnost prilagođavanja sadržaja analitičkih baza podataka realnim potrebama,

-

niski troškovi korišćenja i održavanja sistema,

-

uočavanje međusobnih zavisnosti nekih poslovnih procesa i funkcija i

-

tačan uvid u poslovne trendove u svim segmentima poslovnih procesa.

242


4.3.7.1.

OLAP funkcije u programu Excel

Preuzimanje OLAP podataka. Sa OLAP izvorima podataka možete da se povežete na isti način na koji se povezujete sa drugim spoljnim izvorima podataka. Možete da radite sa bazama podataka koje su kreirane pomoću Microsoft serverskih OLAP proizvoda, kao što su Microsoft SQL Server OLAP Services, Microsoft SQL Server Analysis Services i Microsoft SQL Server Analysis Services. Excel takođe može da radi sa OLAP proizvodima nezavisnih proizvođača koji su kompatibilni sa OLE-DB za OLAP. OLAP podaci mogu se prikazati samo kao izveštaj izvedene tabele ili izvedenog grafikona, ili u funkciji radnog lista konvertovanog iz izveštaja izvedene tabele, ali ne kao opseg spoljnih podataka. Primer: OLAP izveštaji izvedenih tabela i izvedenih grafikona mogu se sačuvati u predlošcima izveštaja, a mogu se kreirati i Office datoteke sa podacima za povezivanje, odnosno ODC92 datoteke sa ekstenzijom odc, da biste se povezali sa OLAP bazom podataka i da biste izvršili OLAP upite. Kada otvorite ODC datoteku, Excel prikazuje prazan izveštaj izvedene tabele koji je spreman za raspoređivanje. Kreiranje datoteka kocki za korišćenje van mreže, datoteke sa cub ekstenzijom, sa podskupom podataka iz baze podataka na OLAP serveru. Vanmrežne datoteke kocke koristite da biste radili sa OLAP podacima kada niste povezani sa mrežom. Kocka omogućava da u izveštaju izvedene tabele ili izvedenog grafikona radite sa većom količinom podataka nego što biste to inače mogli, uz brzo preuzimanje podataka. Datoteke kocke možete da kreirate samo ako koristite OLAP dobavljač usluga poput sistema Microsoft SQL Analysis 92

ODC datoteke – Office Data Connection

243


Services Server, verzija 2005, koji podržava ovu funkciju. OLAP dobavljač usluga predstavlja skup programa koji omogućavaju pristup određenom tipu OLAP baza podataka. Ovi programi mogu da sadrže upravljački program za pristup izvoru podataka i druge klijentske programe neophodne za povezivanje sa bazom podataka, Vanmrežna kocka skladišti podatke u obliku OLAP kocke. Ti podaci mogu predstavljati deo OLAP baze podataka sa OLAP servera ili mogu biti kreirani nezavisno od OLAP baze podataka. Vanmrežne datoteke kocke upotrebljavate kada radite sa izveštajima izvedene tabele koji predstavlja interaktivni tablični Excel izveštaj u kome se rezimiraju i analiziraju podaci. Na primer, zapisi baze podataka iz različitih izvora uključujući i one van Excel programa. Radnja servera predstavlja opcionalnu, ali korisnu funkciju. Administrator OLAP kocke može da definiše na serveru mogućnost da koristi člana kocke ili meru kao parametar za upit da bi dobio detalje u kocki ili da bi pokrenuo drugu aplikaciju poput pretraživača. Excel podržava sledeće radnje servera: URL, Report, Rowset, Drill Through i Expand to Detail, ali ne podržava radnje Proprietary, Statement i Dataset. Oblikovanje servera. Administratori OLAP kocke mogu da kreiraju mere i izračunate članove kocke pomoću oblikovanja boja, fonta i uslovnim oblikovanjem pravila, koja mogu da budu dodeljena kao pravilo za korporativno standardno poslovanje. Na primer, format servera za profit može da bude format iznosa valute: zelena boja ćelije ako je vrednost veća od ili jednaka vrednsti 10.000 KM, i crvena ako je vrednost manja od 10.000 KM; boldiran stil fonta ako je vrednost manja od 10.000 KM, odnosno standardni ako je vrednost veća od ili jednaka 10.000 KM.

244


Jezik za izveštaje u sistemu Office. Administrator kocke može da definiše kako prevode za podatke, tako i prevod grešaka na serveru za korisnike koji žele da na nekom drugom jeziku vide informacije izvedene tabele. Ova funkcija je definisana kao svojstvo za povezivanje datoteka, a postavke računara korisnika za zemlju ili oblast moraju da odgovaraju jeziku za prikaz izveštaja. Softverske komponente potrebne za pristup OLAP izvorima podataka OLAP dobavljač. Da biste postavili OLAP izvore podataka za Excel, potreban vam je jedan od sledećih OLAP dobavljača, Microsoft OLAP dobavljač ili neki drugi OLAP dobavljač. Excel sadrži upravljački program za izvor podataka, programsku datoteku koja se koristi za povezivanje sa određenom bazom podataka, i klijentski softver potreban za pristup bazama podataka kreiranim pomoću različitih sistema Microsoft SQL Server OLAP Services. Za druge OLAP proizvode potrebno je da instalirate dodatne upravljačke programe i klijentski softver. Samostalni proizvod mora da bude u skladu sa OLE-DB za OLAP standarde i da bude kompatibilan sa sistemom Microsoft Office da biste koristili Excel opcije za rad sa OLAP podacima. Baze podataka na serveru i datoteke kocke. Excel OLAP klijentski softver podržava povezivanje sa dva tipa OLAP baza podataka. Iz baze podataka na OLAP serveru koja je dostupna na mreži, možete direktno preuzeti izvorne podatke. Iz vanmrežne datoteke kocke, koja sadrži OLAP podatke, ili datoteke sa ekstenzijom oqy93 koja sadrži definiciju kocke, možete preuzeti izvorne podatke.

93

OQY – Microsoft Excel OLAP query

245


Izvori podataka omogućavaju pristup svim podacima u OLAP bazi podataka ili u vanmrežnoj datoteci kocke. Na osnovu kreiranog OLAP izvora podataka možete da napravite svoje izveštaje, kao i da vratite OLAP podatke u Excel u obliku izveštaja izvedene tabele ili izveštaja izvedenog grafikona, ili kao funkciju radnog lista konvertovanu iz izveštaja izvedene tabele. Microsoft Query. Upite, Query, koristite da biste preuzeli podatke iz eksterne baze podataka kao što je Microsoft SQL ili Microsoft Access, ali nije potrebno da koristite Query da biste preuzeli podatke iz OLAP izvedene tabele povezane sa datotekom kocke. Razlike u funkcijama između OLAP i ne-OLAP izvornih podataka Ukoliko radite sa izveštajima izvedene tabele i izvedenog grafikona iz OLAP izvornih podataka, kao i iz drugih vrsta izvornih podataka, primetićete neke razlike u funkcijama. Preuzimanje podataka. Svaki put kada promenite raspored izveštaja, OLAP server nove podatke vraća u Excel. Kod drugih vrsta eksternih izvornih podataka, upit pravite za sve izvorne podatke istovremeno, a možete i da postavite opcije tako da upit bude napravljen samo kada prikažete različite stavke polja filtera za izveštaj. Postoji i nekoliko drugih opcija za osvežavanje, ažuriranje izveštaja, tako da se njihovim korišćenjem dobijaju najnovije vrednosti izvornih podataka. Ako se izveštaj bazira na eksternim podacima, osvežavanjem se pokreće odgovarajući upit kojim se preuzimaju novi i izmenjeni podaci. Tipovi polja. Polja za dimenzije mogu se koristiti samo kao polja reda, polja kojima je u izveštaju izvedene tabele dodeljena uloga reda. Polje kolone je polje kome je u izveštaju izvedene tabele dodeljena uloga kolone. Polja za

246


mere mogu da se koriste samo kao polja sa vrednostima. Sva polja u bilo kom delu izveštaja mogu da se koriste za druge tipove izvornih podataka. Pristup detaljnim podacima. Za OLAP izvorne podatke server određuje koji su nivoi detalja dostupni i računa vrednosti za rezimiranje, tako da zapisi o detaljima koji sačinjavaju rezimirane vrednosti možda nisu dostupni. Međutim, server obezbeđuje polja svojstava, nezavisnih atributa pridruženih stavkama, odnosno članovima, u OLAP kocki. Na primer, ako za stavke tipa grad imate i svojstva broj stanovnika uskladištena na serveru kocke, izveštaj izvedene tabele će za svaki grad da prikaže i njegov broj stanovnika. Početni redosled sortiranja. Za OLAP izvorne podatke stavke se prvo pojavljuju u redosledu u kojem ih OLAP server vraća. Te stavke možete da sortirate ili da ručno preuredite. Što se tiče drugih tipova izvornih podataka, stavke se u novom izveštaju prvo pojavljuju sortirane po rastućem redosledu po imenu stavke. Izračunavanje. OLAP serveri obezbeđuju izračunavanje vrednosti direktno za željeni izveštaj, tako da ne možete da promenite funkcije za rezimiranje, tip računanja koji kombinuje izvorne podatke za izveštaj izvedene tabele ili tabelu konsolidacije. Izračunavanje se koristi i prilikom umetanja automatskih podzbirova na listu ili u bazu podataka. Za druge tipove izvornih podataka možete da promenite funkciju rezimiranja za polje vrednost i da koristite više funkcija za rezimiranje u istim poljima za vrednost. Ne možete da kreirate izračunata polja ili izračunate stavke u izveštajima sa drugim OLAP izvornim podacima. Međuvrednosti. Za izveštaje sa OLAP izvornim podacima ne možete promeniti funkciju rezimiranja za međuvrednosti. Kod drugih tipova izvornih podataka možete da promenite funkcije za rezimiranje međuvrednosti i da

247


prikažete ili sakrijete međuvrednosti u svim poljima redova i kolona. Za OLAP izvorne podatke sakrivene stavke možete da uključite ili izuzmete prilikom računanja međuvrednosti i sveukupnih vrednosti. Za druge tipove izvornih podataka možete da uključite skrivene stavke polja filtera za izveštaj u međuvrednostima, ali se podrazumevano izuzimaju skrivene stavke u drugim poljima.

248


4.4.

VI – Veštačka inteligencija

Kada posmatramo čovekovu delatnost, zaključujemo da se ona ispoljava u obliku fizičkog i umnog rada, odnosno u transformaciji energije i informacije. Umni rad se manifestuje u obliku primanja, obrade i kreiranja informacija, a odvija se u čovekovom mozgu prema malo poznatim pravilima. Ulazne i izlazne informacije u umnom radu su poznate, ali sam proces transformacije ulaznih informacija u ljudskom mozgu je nepoznat. Nauka o obradi informacija se sve više bavi istraživanjem algoritama i metoda obrade informacija u ljudskom mozgu. Otkrivenim zakonitostima bavi se veštačka inteligencija – VI. Ova nauka teži da primenom računara rešava probleme koji se inače rešavaju umnim radom, odnosno ljudskom inteligencijom. Veštačka inteligencija je grana računarske nauke koja se bavi razvijanjem inteligentnih računarskih hardverskih i softverskih sistema sposobnih da komplikovane zadatke rešavaju umesto čoveka. Veštačku inteligenciju kao pojam uveo je 1956. godine Jon McCharty sa Tehnološkog instituta iz Masačusetsa, nazvavši svoja istraživanja veštačka inteligencija. Ovde se pod inteligencijom podrazumevaju oni principi inteligentnog ponašanja čoveka kao što su sposobnost komunikacije, prilagođavanje razvoja, sposobnost rešavanja problema. Numerički programi, programi za rad sa bazom podataka i programi za obradu teksta nemaju ovu mogućnost. Oni samo na različite načine predstavljaju za njih beznačajne simbole koje samo ljudska bića mogu razumeti i interpretirati. Računarska tehnika prevazilazi efikasnost čovekovog mozga u brzini i tačnosti, a ima i neke druge prednosti. Računar je u ovim oblastima veoma uspešan.

249


Postoji više načina da se definiše oblast veštačke inteligencije. Najprimenjeniju definiciju veštačke inteligencije dao je Marvin Minski94 i ona glasi: Veštačka inteligencija je ona nauka koja osposobi računar da obavlja takve radnje koje su obeležene kao inteligentne kada ih izvršava čovek. Veštačka inteligencija je studija ideja koje omogućavaju računarima da budu inteligentni. VI je polje računarske tehnike koja se koristi za rešavanje simboličkih problema. Veštačka inteligencija je naučna oblast u kojoj se izučavaju izračunavanja kojima bi se omogućila percepcija, rezonovanje i činjenje, u kojoj se istražuje kako da se naprave računari koji bi uspešno radili stvari koje u ovom momentu ljudi bolje rade. Veštačka inteligencija je grana računarskih nauka koja se bavi razvijanjem inteligentnih računarskih hardverskih i softverskih sistema sposobnih da komplikovane zadatke rešavaju umesto čoveka. Veštačka inteligencija je sposobnost računara da radi na takav način da imitira misaone procese čoveka kao što su učenje i zaključivanje. Veštačka inteligencija je istraživanje mogućnosti da računar radi one aktivnosti za koje čovek treba da ima inteligenciju da bi te aktivnosti radio. Glavni modeli veštačke inteligencije su simbolički model, biološki model i model koji podržava novije tehnike.

94

Marvin Minsky, američki matematičar, jedan od najznačajnijih naučnika u oblasti veštačke inteligencije.

250


Simbolički model se bavi logičkim programiranjem, ekspertnim sistemima, tehnikama pretraživanja, simboličkim mašinama za učenje i obradom jezika. Biološki model zasnovan je na biološkoj paradigmi i bavi se neuronskim mrežama i genetičkim algoritmima. Novije tehnike koje podržava veštačka inteligencija su fazi skupovi, teorije haotičnih sistema i hibridni sistemi. Primenu veštačke inteligencije posmatramo kroz tri područja: područje kognitivne95 nauke, područje robotike i područje naturalne interakcije.

Slika 54. Oblasti primene veštačke inteligencije Aplikacije kognitivne nauke. Većina razvoja veštačke inteligencije bazirana je na procesuiranju čovekovih informacija fokusiranih na razumevanju rada čovekovog mozga i čovekovog razmišljanja i učenja. U ove aplikacije spadaju ekspertni sistemi, sistemi za učenje, fazi logika, genetski algoritmi, neuronske mreže i inteligentni agenti. Aplikacije robotike. Veštačka inteligencija se u robotici primenjuje kod vizuelne percepcije, lokomotorike, navigacije, dodira.

95

Kognitivna nauka, istraživanje uma ili inteligencije

251


A kada se govori o naturalnim interakcijama onda se misli na jezike, prepoznavanje govora ili govornika, virtuelnu realnost. Prirodne interfejse između čoveka i računara treba napraviti što je moguće prirodnije. U ove aplikacije spadaju naturalni jezici, prepoznavanje govora, virtuelna realnost. Virtuelna realnost, Virtual Reality – VR Virtual reality simulira realno ili imaginarno okruženje koje se vizuelno može doživeti u tri dimenzije: visini, širini i dubini. Doživljaj može biti dodatno obogaćen vizuelnim pokretima u realnom vremenu praćenim zvukom, dodirom i još nekim povratnim formama. Najjednostavnija forma virtuelne realnosti je 3D slika koja se može interaktivno istraživati na personalnom računaru korištenjem tastature ili miša tako da se slika može okretati, povećavati ili smanjivati. VR delimo na dve vrste:

-

simulacija realnog okruženja tako da unutrašnjost zgrade bude opremljena u svrhu treninga ili obuke, razvoj imaginarnog okruženja – tipično za igrice, ili obrazovne avanture.

Turingova mašina, Turingov test Inteligencija od davnina ljude privlači – kako sam pojam inteligencije tako i mogućnost konstruisanja inteligentnih mašina koje bi mogle samostalno da rade. Vizionar, filozof i matematičar, Alan Turing96, osnivač računarskih nauka, dao je veliki doprinos razvoju veštačke inteligencije.

96

Alan Turing (1912–1954) osnivač računarskih nauka, vizionar, filozof, matematičar i razbijač šifarskih kodova; razvio Bombu,

252


Alan Turing je 1950. godine predložio test za procenu računara, da li računar može da misli ili ne. Prema Turingovom testu očekuje se da računar pokaže inteligenciju. Test se provodi tako što se uspostavi komunikacija između računara koji se nalazi u jednoj sobi, čoveka koji se nalazi u drugoj sobi i ispitivača u trećoj sobi. Oba sagovornika pokušavaju da se predstave kao ljudi. Ako računar može pružiti zadovoljavajuće odgovore na pitanja na koja može odgovoriti čovek a ispitivač ne može da odluči ko je ko, onda je to dokaz da je računar inteligentna mašina, onda je računar prošao test. Kako bi test bio jednostavan i univerzalan, da bi se eksplicitno testirala lingvistička sposobnost mašine, konverzacija se obično odvija nekim kanalom za prenos teksta, kao što je teleprinter koji je Turing predložio. Turingova mašina je jedno teorijsko sredstvo ili prvi teorijski napravljeni softver koji je imao za cilj da pokaže mogućnost konstrukcije jednog testa sastavljenog od pitanja i odgovora kojim se dokazuje mogućnost inteligentnog ponašanja uređaja. Turingova mašina sastoji se od: -

jedne neograničeno duge trake sa neograničeno mnogo polja, a u svakom polju može se snimiti jedan znak,

-

jednog programski upravljanog čitača odnosno pisača, glave koja se po traci pokreće samo po jedno polje i menja znakove.

Kritičari ne veruju da računari mogu položiti Turingov test, oni jednostavno tvrde da nije moguće razviti računar sa stvarnim ljudskim mogućnostima.

računarsku mašinu koja je dešifrovala Enigmu, tvorac Turingove mašine i Turingovog testa za mašinsku inteligenciju (wiki).

253


Vreme će pokazati da li će se ambiciozni ciljevi veštačke inteligencije ostvariti.

Slika 55. Turingova mašina (wiki) Numerički programi, programi za rad sa bazom podataka i programi za obradu teksta nemaju ovu mogućnost. Oni na različite načine predstavljaju, za njih, beznačajne simbole koje samo ljudska bića mogu da razumeju i interpretiraju. Fazi skupovi Razvoj nekih oblasti matematike, kao što je teorija fazi skupova, omogućio je da se menadžerski problemi realnije opišu i da se otklone njihove neizvesnosti i nepreciznosti. Teorija fazi skupova je disciplina zasnovana na znanju, odnosno, može se smatrati da je to disciplina mekog računanja – soft computing97. Fazi skup pored klasičnih elemenata skupa neophodno sadrži i informaciju o stepenu pripadnosti tih elemenata skupu. 97

Soft computing (fuzzy) – kolekcija računarskih tehnika koje studiraju kompleksne fenomene, one kojima konvencionalne metode ne daju kompletno rešenje.

254


Teorija fazi skupova može se primeniti u sledećim situacijama: 1. kada su vrednosti podataka i relacija koje postoje između njih neizvesne i neprecizne, u kojima je procena zasnovana na subjektivnom verovanju eksperta, 2. kada je teško da se odredi mera podataka, kada nema dovoljno evidentiranih podataka potrebnih za kvantitativnu analizu, 3. kada su neke veličine unutar problema nejasno i neprecizno definisane, 4. kada je znanje sa kojim eksperti raspolažu o tretiranom problemu složeno i nepotpuno, 5. kada se uslovi stalno menjaju, tako da je nemoguće stohastički98 opisati posmatranu veličinu. Razvoj teorije fazi skupova omogućio je da se, usled nedostatka dobre evidencije, neizvesnost i nepreciznost eliminišu. Fazi pristup se koristi u onim slučajevima gde postoji neizvesnost i nepreciznost bilo koje vrste; ovi slučajevi se opisuju fazi skupovima i fazi brojevima. Izraziti skupovi su disjunktni. Za skupove X i Y čiji je presek prazan skup kaže se da su disjunktni, a kod neizrazitih skupova neki elementi istovremeno spadaju u oba skupa. Stepen pripadnosti neizrazitom skupu B na sledećoj slici, izražen je intenzitetom sive boje. Skupove najčešće grafički predstavljamo pomoću Venovih dijagrama. Kod Venovih dijagrama skupovi su predstavljeni skupovima tačaka izvesnih geometrijskih figura u ravni, kao što su krugovi ili elipse.

98

Stohastika – veština pogađanja onog što je tačno, učenje o onome što je verovatno.

255


Slika 56. Venov dijagram prikaza dva izrazita (A) i dva neizrazita (B) skupa X i Y. U fazi logici nije precizno definisana pripadnost jednog elementa određenom skupu, već se pripadnost meri, na primer, u procentima. Ove skalirane mere pripadnosti mogu da imaju vrednosti od 0 do 1. Uzmimo kao primer dane u nedelji i napravimo dva skupa, skup radnih dana (ponedeljak, utorak, sreda, četvrtak i petak) i skup dana vikenda (subota i nedelja). Pripadnost elementa nekom skupu bi se izrazila brojem 1, a nepripadanje brojem 0.

Radni dani Dani vikenda

Pon.

Uto.

Sre.

Čet.

Pet.

Sub.

Ned.

1

1

1

1

1

0

0

0

0

0

0

0

1

1

Međutim u fazi zaključivanju bi situacija bila nešto drugačija. Petak, kao dan koji je delom radni dan a delom početak vikenda, bio bi negde na granici ova dva skupa. Njegova pripadnost skupu radnih dana bi se izražavala, recimo, brojem 0,75 odnosno 75%, dok bi pripadnost skupu dana vikenda bila 25%, odnosno bila bi predstavljena brojem 0,25.

256


Radni dani Dani vikenda

Pon.

Uto.

Sre.

Čet.

Pet.

Sub.

Ned.

1

1

1

1

0,75

0

0

0

0

0

0

0,25

1

1

Slično bismo mogli posmatrati i nedelju kao dan koji pripada skupu dani vikenda ali ne celim svojim trajanjem, jer ipak se nedelja uveče doživljava kao priprema za novu radnu nedelju, odnosno mnogi ljudi će je okarakterisati kao ne sasvim dan vikenda, jer posle njega dolazi ponedeljak. Vidimo da je ova logika jako bliska ljudskoj percepciji o mnogim stvarima u životu. Mnoge slične situacije koje nisu jasno razdvojene, koje su mešavina više stvari, svakodnevno su prisutne oko nas. Ovde subjektivno mišljenje o nekoj stvari postaje relevantno, mišljenje na koje imaju uticaj i kulturološko nasleđe ili generacijske razlike. Ali to i jeste poenta. U fazi logici istinitost svakog tvrđenja se meri u procentima. Razvoj mikroračunarske tehnike stvorio je velike mogućnosti u oblasti digitalnog upravljanja sistemima. Informacije dobijene merenjima brzo se obrađuju pa je moguće ostvariti upravljanje složenim sistemima koje je vrlo teško matematički opisati, teško ih je modelovati. Softver za upravljanje sistemima postaje raznovrstan, a ljudska kreativnost dolazi do izražaja. Fazi logički kontroler, FLC, kontroler je koji vrši preslikavanje ulaza u izlaze korišćenjem fazi logike. On predstavlja način upravljanja koji je pogodan za sisteme koji se vrlo teško mogu modelovati. Kod projektovanja fazi regulatora potrebno je izvršiti sledeće operacije:

257


-

analiza procesa,

-

dobijanje pravila od strane eksperta,

-

simulacija fazi regulatora; ako se ne dobiju željeni rezultati, ponoviti ceo postupak.

Slika 57. Fazi regulator Jedan relativno nov pristup upravljanju je primena fazi regulatora. Suština je u formiranju programskog koda koji implementira znanje čoveka eksperta o nekim procesima. Najčešći pojmovi koji se koriste u fazi logici su: -

FLC, kontroler u kojem je implementiran algoritam upravljanja baziran na fazi logici;

-

funkcije pripadnosti koje definišu stepen pripadnosti elemenata nekom fazi skupu;

-

fazi skup pored klasičnih elemenata skupa obavezno sadrži i informaciju o stepenu pripadnosti tih elemenata skupu;

-

fazifikacija predstavlja skaliranje realnih vrednosti u fazi vrednosti;

-

defazifikacija je skaliranje fazi vrednosti u realne vrednosti;

258


-

metoda težišta je algoritam za izračunavanje fazi upravljanja;

-

look_up tabela je tabela čiji su ulazi fazi greška i fazi promena greške, a izlaz fazi upravljanje;

-

fazi pravila, način na koji se opisuje znanje eksperta u obliku IF THEN ELSE pravila.

Najvažniji delovi veštačke inteligencije su algoritmi učenja, govor računara, zaključivanje prepoznavanje uzoraka, ekspertni sistemi i drugi. programima se primenjuju različiti algoritmi, koji podeliti u dve osnovne grupe:

robotika, računara, U ovim se mogu

a) metode učenja eksperimentom i b) metode modeliranja sistema. Prva grupa metoda se zasniva na samoorganizirajućim sistemima koji imaju mogućnost pamćenja i svrsishodnog prilagođavanja promenama svoje okoline. To su metode kojima se oponašaju živa bića, a osnova im je matematički opis samoorganizirajućih procesa neurona u ljudskom mozgu, to jest metode koje predstavljaju veštačke neuronske mreže.

Slika 58. Neuronska mreža Neuronske mreže (Neural Networks) predstavljaju sistem programa i struktura koji aproksimira funkcionisanje

259


čovekovog mozga. Neuronske mreže su pogodne za prepoznavanje finih, skrivenih i novootkrivenih šema odnosa u kompleksnim podacima, kao i za interpretaciju, razumevanje nekompletnih ulaznih podataka. Druga grupa su algoritmi koji se zasnivaju na prenosu ljudskog znanja u računarski program. U ovom slučaju sistem se opisuje simbolima, a znanje o ponašanju se formalizuje različitim matematičkim pravilima. Ove metode imaju zadatak da se postojeće ljudsko znanje pretvori u inteligentni računarski program kojim se imitira čovekovo vladanje i zaključivanje, ali bez sposobnosti samostalnog učenja novog znanja.

Slika 59. Antički hard disk

260


4.4.1. DSS – Sistemi za podršku odlučivanju Sistemi za podršku odlučivanju, Decision Support Systems, nosiocima odlučivanja obezbeđuju kontrolu nad podacima, pristup analitičkim alatima i mogućnost komuniciranja sa ostalim nosiocima odlučivanja. Osnovne komponente sistema za podršku odlučivanju su podsistemi za upravljanje podacima, modelima, znanjima, i podsistemi korisničkog interfejsa. DSS sistemi su nadogradnja više različitih disciplina i zasnovani su na teoriji odlučivanja. Sistemi za podršku odlučivanju obično se definišu kao informacioni sistemi koji se izgrađuju da bi donosiocima odluka pomogli u rešavanju slabo struktuiranih problema odlučivanja. Njihov osnovni cilj je da obezbede kvalitetne informacije za proces odlučivanja radi povećanja efikasnosti odlučivanja. Između MIS sistema i DSS sistema ima sličnosti i razlika. Menadžment informacione sisteme kreirali su stručnjaci sa tehničkim iskustvom, informatičari. DSS sistemi su bazirani na procesu odlučivanja, kao i na informatičkim stručnjacima i menadžerima. Elementi informacione tehnologije koji čine DSS su specifični sistemi za podršku odlučivanju, generatori sistema za podršku odlučivanju i alati sistema za podršku odlučivanju. Specifični sistemi za podršku odlučivanju podrazumevaju hardver i softver koji omogućavaju donosiocima odluka rešavanje specifičnih skupova međusobno povezanih problema odlučivanja. Generatori sistema za podršku odlučivanju su paketi povezanog hardvera i softvera koji stvaraju tehnološke

261


pretpostavke za izgradnju specifičnog sistema za podršku odlučivanju. U alate sistema za podršku odlučivanju spadaju hardverski i sofverski elementi koji omogućavaju izgradnju specifičnih sistema za podršku odlučivanju i generatora sistema za podršku odlučivanju, a obuhvataju programske jezike specijalne namene, i druge aplikacije. DSS sistemi utiču na sposobnost upravljačkog odlučivanja, unapređuju efektivnost i efikasnost procesa odlučivanja, pomažu kod definisanja i rešavanja problema, olakšavaju interpersonalne komunukacije. Oni ne zamenjuju menedžere u donošenju odluka, već im pružaju podršku kod odlučivanja. Osnovni podsistemi sistema za podršku odlučivanju su: -

podsistem upravljanja podacima,

-

podsistem upravljanja modelima i

-

podsistem upravljanja dijalogom.

Slika 60. Podsistemi DSS-a

262


Upravljanje podacima i dijalogom postoji i kod drugih vrsta upravljačkih informacionih sistema, pa se može reći da sistemi za podršku odlučivanju nastaju dogradnjom upravljačkih informacionih sistema podsistemom upravljanja modelima. Podsistem upravljanja modelima, u sinergiji sa primenom mikroračunara, računarskih mreža i softvera za podršku dijaloga čovek – računar, omogućio je donosiocima odluka modeliranje raznih problema odlučivanja. Korisnik DSS sistema može da uprosti model odlučivanja onde gde je to moguće. Dakle, sistemi za podršku odlučivanju predstavljaju u rukama menadžera alat koji će im omogućiti da realizuju primarne ciljeve definisane strateškim planom. U osnovi tehnologije donošenja odluka su podaci, velike količine podataka posebno pripremljenih za primenu namenskih analitičkih metoda. Karakteristike DSS-a su:

-

usmerenost na zadatke koji zahtevaju prosuđivanje menadžera,

-

akcenat je na manipulaciji sa podacima,

-

menadžeri direktno pristupaju podacima i poznaju ambijent odlučivanja a oslanjaju se na sopstveni sud i

-

akcenat je na efektivnosti i efikasnosti.

Veoma je važno da DSS menadžeru pravovremeno obezbedi informaciju koja treba da bude tačna, relevantna i kompletna. Informacija, koja može biti rezultat unutrašnjih ili spoljašnjih izvora, treba da bude u odgovarajućoj formi, laka za razumevanje i upravljanje.

263


Šezdesetih godina prošlog veka počeo je da se razvija sistem za podršku odlučivanju, a osamdesetih i sistem za grupnu podršku odlučivanju, GDSS. Praktična realizacija GDSS sistema zove se elektronsko vođenje sastanka, gde EMS, Electronic Meeting System, predstavlja softverski sistem za podršku grupnom odlučivanju upotrebljavajući ne samo informacionu tehnologiju, već i visoko sofisticirane metode u donošenju odluka, komuniciranju i rešavanju problema. DSS podržava sve faze u procesu odlučivanja, od faze definisanja problema, preko faze projektovanja i faze izbora pa do faze implementacije. Dizajn i struktura podsistema upravljanja zavisi od: -

prostorne dislociranosti donosioca odluka: svi su na istom mestu ili ne, vremenske udaljenosti donosioca odluka: svi učestvuju istovremeno ili ne, stepena centralizacije odlučivanja: viši ili niži stepen decentralizacije i stepena saradnje donosioca odluka.

DSS alati mogu biti prosti kada koriste iste baze podataka, i složeni gde se koriste neke tehnike veštačke inteligencije. Sistemi za podršku odlučivanju mogu biti strategijsko upravljanje, upravljačka kontrola i operativno planiranje i kontrola. Strategijsko upravljanje za najviši menadžment nivo podržava postavljanje ciljeva, izbor strategije, definisanje vizije i misije, razvoj planova i politika.

264


Za srednji nivo menadžmenta upravljačka kontrola podržava efektivno i efikasno korišćenje resursa organizacije i pruža podršku pojedinim funkcionalnim područjima. Najniži nivo menadžera koristi DSS koji podržava uspešnu realizaciju operativnih planova i programa. Integracija raznovrsnih platformi je glavni cilj današnjeg elektronskog poslovanja. Na sledećoj slici prikazano je da se DSS paketi mogu izvoditi na različitim računarskim platformama i da se mogu integrisati sa izvorima podataka korporacije, uključujući relacione baze podataka, Data martove i skladišta podataka. Ovi paketi nisu ograničeni na numeričke ulaze i izlaze, već mogu izvršiti i vizuelizaciju podataka sa ciljem predstavljanja kompleksnih podataka, koristeći interaktivne trodimenzionalne grafičke forme. Sve više kompanija razvija svoje informacione portale da bi obezbedile pristup informacijama preko weba. Ukoliko su portali uspešni, oni obezbeđuju korporaciono znanje i alate za donošenje odluka, kao i prednosti nekih drugih alata.

Slika 61. Informacioni portali korporacije i DSS

265


4.4.2. ES – Ekspertni sistemi Ekspertni sistemi su računarski sistemi sposobni da funkcionišu slično kao ekspert. Pravovremenom i kvalitetnom informacijom, preduzeće stiče prednost na tržištu posebno kad ES omogućavaju ekstrapolaciju događaja i predviđanje. Primena ekspertnih sistema je u rešavanju specifičnih problema i u pomoći u oblastima odlučivanja. Ekspertni sistemi su namenjeni rešavanju stručnih problema za određenu specijalizovanu oblast. To su inteligentni sistemi koji koriste znanja i postupke zaključivanja u procesu rešavanja problema za čije je rešavanje potreban visok stepen stručnosti i iskustva iz oblasti za koju se ekspertni sistem koristi. Njegova osnova je softver koji modelira one elemente čovekovog rešavanja problema za koje se smatra da čine čovekovu inteligenciju kao što su zaključivanje, prosuđivanje i odlučivanje na bazi nepouzdanih i nepotpunih informacija i tumačenja svog ponašanja. U sledećoj tabeli prikazan je razvoj ekspertnih sistema:

266


Današnji računari rešavaju postavljene zadatke logikom konvencionalnih programa koji se, u osnovi, sastoje iz dva dela, algoritama i podataka. Algoritmi određuju način rešavanja određenih problema koristeći definisana pravila, dok podaci karakterišu parametre u konkretnom problemu. U ovakav model se ne uklapa znanje ljudi. Sistemi na bazi znanja, ekspertni sistemi, razlikuju se od konvencionalnih programa po načinu na koji su organizovani, po načinu izvršavanja, po tome što je u njih ugrađeno znanje i po efektu koji stvaraju interakcijom kroz dijalog. Glavna razlika između konvencionalnih programa i ekspertnih sistema je u tome što konvencionalni program manipuliše podacima, a ekspertni sistem znanjem. Poređenje konvencionalnih programa sa ekspertnim sistemi prikazano je u sledećoj tabeli:

Ekspertni sistemi su zasnovani na stručnoj veštini smeštenoj u bazi znanja pa su u stanju da ponude inteligentan savet, a na zahtev mogu da razjasne svoje rasuđivanje. 267


Cilj ekspertnog sistema je da na formalan način predstavlja znanja metodama logičkog zaključivanja. ES daje ekspertne savete, iznosi mišljenja za koje je korisnik zainteresovan, obezbeđuje odgovore na pitanja, rezonuje, rasuđuje, prepoznaje i poredi forme. Ponašanje čoveka eksperta podrazumeva postavljanje dijagnoze problema, mehanizama i logike zaključivanja. Kod čoveka je važan transfer znanja, manipulisanje znanjem i vrednovanje alternativa. Ekspert koristi svoje znanje, sposobnosti i veštine kroz stečeno iskustvo da ubrza proces pronalaženja rešenja problema. Ekspertni sistem treba da objedini znanje, sposobnosti i veštine jednog ili više eksperata. U izgradnji ekspertnih sistema javljaju se dodatne poteškoće zbog činjenice da preuzimanje znanja od eksperata uvek sa sobom nosi i neka pretežno lična pravila, rezonovanja i zaključivanja, učenje na bazi ranijih iskustava, mogućnosti adekvatne primene analogije. Na slici 62 prikazan je dijagram procesa izgradnje ekspertnog sistema u koji su uključeni ekspert, inženjer znanja i korisnik.

Slika 62. Izgradnja ekspertnog sistema 268


Inženjer znanja koristi svoje znanje iz oblasti računarskih nauka i veštačke inteligencije za izgradnju ekspertnih sistema. Alati za izgradnju ES-a su programski jezici koje koriste inženjer znanja i programer. Tu spadaju i svi uslužni programi koji stoje na raspolaganju kao što su editori, sredstva za izdvajanje znanja, grafički servisi i drugi. Ovi alati se razlikuju od konvencionalnih programskih jezika po posebnim metodama za predstavljanje složenih koncepata i elemenata znanja. Ekspertni sistemi imaju tri glavna zadatka inženjerstva znanja koja treba realizovati, a to su: -

prezentacija i memorisanje velike količine znanja,

-

korišćenje ovog znanja iz preblemske oblasti za rešavanje problema i

-

davanje odgovora na pitanje korisnika.

Slika 63. Komponente ekspertnog sistema

269


Kada se govori o komponentama ES-a, onda se može reći da su njegove osnovne komponente baza znanja, mehanizam zaključivanja, komunikacioni interfejs i globalna baza podataka. Baza znanja je baza činjenica i heuristika iz oblasti za koju je namenjen ekspertni sistem. Činjenice čine glavni deo podataka o sistemu, aktivnostima i ciljevima sistema, koji su dokumentovani i verifikovani u ekspertnom sistemu. Heuristiku čine pravila rasuđivanja i veština u izboru i donošenju odluka koja utiču na promenu stanja sistema. Performanse ekspertnog sistema su na višem nivou ukoliko je baza znanja kvalitetnija. Mehanizam zaključivanja je softver sposoban da sredi informacije iz baze znanja. Kombinacijom činjenica iz baze znanja i informacija dobijenih od korisnika, mehanizam zaključivanja donosi zaključke pri čemu, na osnovu konsultacije sa korisnikom, kontrolne strategije odlučuju kada se neko pravilo primenjuje. Ovim načinom rada simulira se čovekovo razmišljanje. Komunikacioni interfejs je komponenta ekspertnog sistema koja omogućava dijalog između korisnika, donosioca odluke, i sistema. Globalna baza podataka je radna memorija za evidentiranje trenutnih statusa sistema, ulaznih podataka vezanih za određeni problem i čuvanje činjenica i zaključaka tekuće ekspertize. Ova baza se razlikuje od baze znanja po tome što sadrži informacije vezane isključivo za tekući problem odlučivanja. Važna karakteristika ekspertnog sistema je ekspertiza na visokom nivou koja doprinosi kvalitetnom rešavanju problema. Mogućnost predviđanja je karakteristika koju ekspertni sistem ima, a proizlazi iz modela ekspertnog sistema za rešavanje zadatog problema.

270


Slika 64. Svojstva ekspertnog sistema Znanje koje je ugrađeno u ES je trajni zapis usklađenih najboljih metoda i postupaka koji se koriste u rešavanju problema. Ovo znanje je institucionalna memorija koja je na raspolaganju i kada ključni ljudi sa znanjem odu iz organizacije. Ekspertni sistem može biti oblikovan tako da omogući obuku novih kadrova. Sistem može biti podešen za obuku stručnih ljudi, kao i za obuku početnika u određenim procesima odlučivanja. Moduli u ekspertnim sistemima se ne pozivaju po unapred definisanom postupku niti se pozivaju direktno između sebe. Oni komuniciraju sa okruženjem podataka a struktura dozvoljava istovremeno izvršenje nekoliko modula. Funkcionalne kategorije i tipični zadaci ES-a prikazani su u sledećoj tabeli:

271


Osnovne razlike između DSS-a i ES-a prikazane su u sledećoj tabeli:

272


4.5.

IDEF metode modeliranja

Metodološki napori u organizacijskom inženjeringu, reinženjeringu i integraciji ne prate brzi razvoj hardvera i specifičnih softverskih tehnologija. Softverske tehnologije i gotove aplikacije nameću se kao rešenja za „integralni informacioni sistem“. Cilj modeliranja poslovnih procesa je da se razviju tehnologije koje će omogućiti logičku i fizičku integraciju hardverskih i softverskih mreža veoma različitih konfiguracija. Tehnika IDEF modeliranja prihvaćena je kao osnova za sprovođenje inženjeringa i reinženjeringa poslovnih procesa. IDEF metoda, jezik modeliranja, baziran je na kombinaciji grafike i teksta koji su predstavljeni na organizovan i sistematičan način da bi se povećala razumljivost. Sastoji se od hijerarhijskog niza dijagrama koji postepeno prikazuju sve više detalja o poslovnim funkcijama i njihovoj povezanosti sa ostalim delovima sistema. Tokom 60-ih i 70-ih godina prošlog veka razvijena je SADT99 tehnika modeliranja. Avijacija SAD-a je prihvatila SADT tehniku, nastavila dalje da je razvija kao deo ICAM100 programa, i dala joj naziv IDEF, Integation DEFinition, tehnike modeliranja. Prvi naziv metode bio je ICAM DEFinition, da bi se kasnije naziv promenio u Integration DEFinition - IDEF. Cilj ICAM programa bio je poboljšanje proizvodne produktivnosti primenom kompjuterskih tehnologija. Korištenje IDEF tehnike predstavlja efikasan način za dokumentovanje procesa.

99

Structured Analysis & Design Technique Integrated Computer Aided Manufacturing

100

273


Grafički prikaz poslovnih procesa u nekoj organizaciji efikasan je alat za uvid u funkcionisanje poslovnih procesa, prirodu elemenata procesa i veza između njih, efikasniji od verbalnog opisa procesa. Upravo zbog ove činjenice, razvijen je niz grupa metoda za modeliranje i prikaz procesa, od kojih je jedna od najpoznatijih IDEF, Integration DEfinition for Function modeling, grupa standarda. IDEF metoda je Integrated DEFinition jezik razvijen kao standardna metoda za modeliranje, dokumentovanje i analiziranje poslovnih procesa. Većina postojećih alata za razvoj informacionih sistema podrazumeva IDEF modeliranje. Ova metoda modeliranja poslovnih procesa ima definisanu formalnu tehnologiju davanja naziva procesima, dijagramima i povratnim vezama na dijagramima koji su laki za čitanje. Osnovni zadatak modeliranja poslovnih procesa je da se premoste razlike između inženjerskog, projektantskog, pristupa i korisničkog pristupa opisu nekog poslovnog procesa. Sa aspekta korisnika teško je precizno opisati proces pomoću formalnih jezika. Prirodni jezici, zbog svojih evidentnih jezičkih dvosmislenosti, nisu pogodni za razumljiv opis poslovnih procesa. U praksi se pokazalo da je tehnika modeliranja poslovnih procesa jedna od najefektnijih tehnika za jednoznačnu komunikaciju između korisnika funkcija i projektanta informacionih sistema. Krajem prošlog veka stvoreni su standardi IDEF0 za modeliranje procesa i standard IDEF1X (eXtend) kao tehnika za informaciono modeliranje, semantičko modeliranje podataka. IEEE101 institut je pokrovitelj ovih standarda koji su prihvaćeni od strane međunarodne organizacije za standarde102. 101 102

Institute of Electrical and Electronics Engineers International Organization of Standards (ISO)

274


Trenutno IDEF standarde razvija, održava i unapređuje američka firma Knowledge Based Systems Inc. kao strateški partner američke vlade i vojske. IDEF metodologija se koristi za sledeće aktivnosti: analizu sistema, projektovanje, unapređenje i integraciju sistema, odnosno za dokumentovanje, razumevanje, projektovanje, analizu, planiranje i integraciju funkcija. Metoda predstavlja komplet tehnika svrstanih u tri generacije. Prva generacija obuhvata sledeće metode: -

IDEF0 Function Modeling: modeliranje funkcija / procesa / aktivnosti,

-

IDEF1 Information Modeling: modeliranje informacija,

-

IDEF2 Simulation Model Design: simulacijsko modeliranje.

Druga generacija obuhvata sledeću metodu: -

IDEF1X Data Modeling: modeliranje podataka.

Treća generacija obuhvata sledeće metode: -

IDEF3 Process Description Capture: opis procesa, dijagram toka posla,

-

IDEF4 Object-Oriented Design: objektno orjentisani dizajn,

-

IDEF4/C++ C++ object-oriented design: C++ objektno orijentisani dizajn,

-

IDEF5 Ontology Description Capture: opis organizacijske ontologije, modeliranje entiteta i njihovih međusobnih odnosa.

Delimično razvijene IDEF metode: 275


-

IDEF6 Design Rationale Capture: opis logike dizajna,

-

IDEF8 User Interface Modeling: dizajn interakcije čovek – sistem,

-

IDEF9 Business Constraint Discovery: otkrivanje poslovnih ograničenja,

-

IDEF14 Network Design: dizajn mreže.

Sledeće IDEF metode su samo delimično razvijene pa ih je neophodno i dalje razvijati: -

IDEF7 Information System Auditing: inspekcija informacionog sistema,

-

IDEF10 Information Artifact Modeling: modeliranje informacijskih medija,

-

IDEF11 Implementation Architecture Modeling: modeliranje implementacije,

-

IDEF12 Organization Modeling: modeliranje organizacije,

-

IDEF13 Three Schema Mapping Design: modeliranje podataka sa tri šeme, internom, konceptualnom i eksternom.

Za postavljanje modela poslovnim procesima u upravljačkim informacionim sistemima koriste se IDEF0, IDEF1, IDEF1X, IDEF3, IDEF4 i IDEF5 standardi.

276


4.5.1. IDEF0 metoda Navešću osnovna tri razloga za nastanak IDEF0 standarda. 1. Potreba za dokumentovanjem kompleksnih poslovnih procesa. Poznato je da što je dokumentacija obimnija to se ona manje čita. Pregledniji dokument, od jedne ili dve strane sa grafičkim prikazom i kratkim opisom verovatno će biti pregledan, dok se dokument od više strana možda i ne pročita. 2. Metoda omogućava brze organizacione promene. Model procesa dokumentuje sve važne aktivnosti i omogućava uvid u kritične aktivnosti koje treba izvesti sa odgovarajućim resursima. Ovo je važan element u održavanju definisanih poslovnih procesa. 3. Potreba za prototipskim pristupom funkcionalnom modeliranju, gde se na na brz i jednostavan način proveravaju alternativne ideje. Jednostavnije i jeftinije je nacrtati model procesa pa ga papirno proveriti, nego izvršiti reorganizaciju cele organizacione jedinice. Ovo je veoma važna karakteristika ove metode, jer brzi razvoj informacionih tehnologija neminovno dovodi do reinženjeringa poslovnih procesa. U originalnoj formi IDEF0 uključuje definiciju grafičkog jezika za modeliranje, kao i metodologiju za razvoj modela. Metod za modeliranje funkcija IDEF0 modelira ponašanje sistema, aktivnosti sistema i odlučivanje u sistemu. Može se upotrebljavati za modeliranje širokog spektra automatizovanih i neautomatizovanih sistema. Nula (0) u oznaci IDEF0 standarda označava najviši nivo analize. Za nove modele sisteme, sisteme u izgradnji, IDEF0 će se upotrebiti za definisanje zahteva i specifikaciju funkcija, a zatim se dizajnira

277


način implementacije koja će zadovoljiti definisane zahteve i funkcionalnosti. Za sisteme koji već postoje, IDEF0 se upotrebljava za analiziranje postojećih funkcionalnosti i za dokumentovanje procesa. Kao jezik za funkcionalno modeliranje, IDEF0 ima sledeće karakteristike: -

sadržajan i izražajan jezik, koji omogućava grafičko predstavljanje širokog spektra poslovnih, proizvodnih i ostalih procesa u preduzeću na bilo kojem nivou prikazivanja detalja,

-

jasan i jednostavan jezik, koji obezbeđuje precizne izraze i promoviše konzistentnost upotrebe i interpretacije,

-

poboljšava komunikaciju između sistem analitičara, projektanta, programera i krajnjeg korisnika i

-

modeli se mogu izrađivati u velikom broju komercijalnih i nekomercijalnih CASE alata.

IDEF0 tehnika se sastoji od hijerarhijskog niza dijagrama koji postepeno prikazuju sve više detalja o procesima i njihovoj vezi sa ostalim delovima sistema. IDEF0 modeliranje omogućava analizu osobina određenog poslovnog procesa radi njegovog maksimalnog unapređenja. Ovaj IDEF0 metod za modeliranje funkcija, procesa ili aktivnosti omogućava: -

izvršenje funkcionalne dekompozicije na svim nivoima,

-

stvaranje dokumentacije, paralelno sa reinženjeringom poslovnih procesa,

278


-

bolju komunikaciju između projektnog tima, korisnika i menadžera,

-

upravljanje velikim i složenim projektima i

-

obezbeđenje potrebnih elemenata za modeliranje informacija (IDEF1X metodologija).

Metod za modeliranje funkcija IDEF0 modelira ponašanje sistema, aktivnosti sistema i odlučivanje u sistemu. U procesu razvoja sistema, IDEF0 opisuje šta funkcije trenutno obavljaju i šta funkcije treba da obavljaju u budućnosti. IDEF0 metoda, metoda funkcionalnog modeliranja, omogućava funkcionalnu dekompoziciju poslovnih procesa i planiranje potrebnih resursa za njegovu realizaciju. Grafički jezik IDEF0 opisuje metodu funkcionalne dekompozicije preko niza dijagrama, od kojih svaki predstavlja ograničenu količinu detalja opisanih odgovarajućom sintaksom i semantikom. Ovi dijagrami su međusobno povezani tako da opisuju hijerarhiju sistema odozgo prema dole (top-down). Dijagrami se sastoje od pravougaonika koji predstavljaju neki deo određene celine. Povezani su međusobno strelicama koje predstavljaju veze između delova.

Slika 65. Elemenat aktivnosti u prikazu bilo koje IDEF metode

279


Postoje tri vrste IDEF0 prikaza: grafički, tekstualni i rečnik. Grafički prikaz definiše funkcije i veze procesa preko pravougaonika i strelica i odgovarajuće sintakse i semantike. Tekst i riječnik pružaju dodatne informacije i podržavaju grafičke dijagrame. Sintaksu IDEF0 jezika čine pravougaonici, strelice, pravila i dijagrami (boxes, arrows, rules i diagrams). Pravougaonici predstavljaju opis aktivnosti u datoj funkciji, definisanih kao aktivnosti, procesi ili transformacije. Strelice predstavljaju podatke ili objekte koji su vezani za funkcije. Pravila definišu kako se komponente upotrebljavaju, a dijagrami predstavljaju format prikaza modela, verbalno i grafički. Semantika jezika IDEF0 olakšava korektnost interpretacije kojom se opisuje oznaka za aktivnosti i strelice.

Slika 66. Osnovni elementi IDEF-a

280


Sintaksa IDEF0 Dijagram konteksta predstavlja model funkcija na najvišem nivou, apstrakcije ulaza, kontrolu, mehanizme i izlaze, a služi za određivanje granica poslovnog sistema.

Slika 67. Primer IDEF0 dijagrama konteksta Dijagram konteksta predstavlja nultu aktivnost, odnosno postavlja početak hijerarhije aktivnosti i definiše granice modela. Ovaj najviši nivo apstrakcije dekompozicionim dijagramima prevodi se u niži nivo apstrakcije. Granice modela se definišu da bi se “znalo kada prestati sa modeliranjem“. Ovo se može posmatrati i sa aspekta širine modela (definisanje elemenata koji se posmatraju), i dubine modela (definisanje nivoa detalja). U okviru dijagrama konteksta mora se obratiti pažnja da se na ovom nivou obuhvate ulazi, mehanizmi i kontrole koji proizvode izlaze, odnosno, na ovom nivou treba uopštiti posmatranu problematiku sa što manje detalja. Širina modela vezana je za dijagram konteksta i prvog nivoa dekompozicije. Na sledećim nivoima dekompozicije procesi se detaljnije predstavljaju. Dubina modela se definiše nivoima dekomponovanja kod kojih se definišu nivoi detaljnosti. 281


Dekompozicija modela ide do mogućnosti definisanja pojedinih programskih modula koji se mogu opisivati drugim dijagramima. Prema IDEF0 standardu dijagram konteksta označavamo sa A0, prvi nivo dekompozicije sa A1 itd. Na sledećoj slici prikazan je proces dekomponovanja modela.

Slika 68. Dekompozicija modela IDEF0 predstavlja standard iz IDEF familije koji opisuje IDEF0 jezik za modeliranje (sintaksu i semantiku) i pridružena pravila i tehnike za razvoj struktuirane grafičke prezentacije sistema ili organizacije.

282


Primer IDEF0 – dekompezacioni dijagram povezan sa odgovarajućim dijagramom na višem nivou:

Slika 69. Dekompozicioni dijagram Semantika IDEF0 – strelice kao ograničenja:

Slika 70. Strelice kao ograničenja

283


Semantika IDEF0 – konkurentne operacije:

Slika 71. Konkurentne operacije IDEF0 – granice i interne strelice:

Slika 72. Granice i interne strelice IDEF0 – veza strelica nadređenog dijagrama sa graničnom strelicom podređenog dijagrama (ICOM 103 Coding) 103

Input Control Output Mechanism

284


Slika 73. Veza strelica nadređenog dijagrama sa graničnom strlicom podređenog dijagrama Kvalitet IDEF metoda IDEF modeli obezbeđuju apstrakciju isključujući detalje koje se odnose na: -

trajanje,

-

raspoređivanje,

-

upravljačku logiku i

-

obezbeđenje jasnog opisa sistema korišćenjem ICOM-a.

Hijerarhijska priroda IDEF0 dozvoljava da sistem bude detaljno predstavljen po svim nivoima. Pored neospornih kvaliteta, IDEF metode imaju i slabosti. IDEF modeli mogu biti toliko koncizni da ih samo eksperti odgovarajućeg domena mogu razumeti. IDEF

285


modeli se nekada pogrešno interpretiraju kao grafička predstava niza aktivnosti.

286


5. SKRAĆENICE ADO – ActiveX Data Objects, AI – Artifical Intelligence API – Application Programming Interface ARPANET – Advanced Research Projects Agency Network BAM – Business Activity Monitoring BI – Business Intelligence BPM – Business Process Management COM – Component Object Module CRM – Customer Relationship Management CVM – Customer Value Management DAO – Data Access Objects DBMS – Data Base Management System DM – Data Mining DSS – Decision Support System DTS – Data Transformation Services DW – Data Warehouse EAI – Enterprise Application Integration EDVAC – Electronic Discrete Variable Arithmetic Computer EIS – Executive Information Systems EMF – Europian Multimedia Forum ENIAC – Electronic Numerical Integrator And Computer ERM – Employe Relational Management ERP – Enterprise Resource Planning ES – Expert Systems ETL – Exctraction, Transformation, Load ETT – Extraction, Transformation, Transportation (izdvajanje, transformisanje i prenos) EVM – Employe Value Management

287


FASMI – Fast Analysis Shared Multidimensional Information FLC – Fuzzy Logic Controller GDSS – Group Decision Support Systems GSI – Giant Scale Integration - čitav računar u jednom čipu. Nije zaživelo zbog ergonomskih razloga HRM – Human Resource Management ICAM – Integrated Computer Aided Manufacturing ICOM – Input Control Output Mechanism IDEF – Integation DEFinition IDEF1X – Integation DEFinition eXtend IEEE – Institute of Electrical and Electronics Engineers, jedna od vodećih svetskih asocijacija za kreiranje IT standarda IKT – informaciono-komunikacione tehnologije (ICT Information and Communication Technology) IS – Informacioni sistem IT – Information Technology ISO – International Standard Organisation KM – Knowledge Management KPI – Key Performance Indicators LAN – Local Area Network, mreža u kojoj su povezani računari i drugi uređaji relativno blizu LSI – Large Scale Integration tehnologija MAN – Metropoliten Area Network, mreža povezanih računara i drugih uređaja u istom gradu. MBA – Market Basket Analysis, analiza pijačne torbe MBR – Memory-Based Reasoning, memorijski zasnovano rasuđivanje MDS – Management Decison Systems

288


MIS – Managment Information System MMF – Međunarodni monetarni fond MpIS – Menadžment poslovnih informacionih sistema MSP – Managed Service Providers NN – Neural Networks, neuronske mreže NFS – Network File System

ODC – Office Data Connection datoteke OLAP – On-Line Analitical Processing OLE DB – Object Linking and Embedding Data Base OLTP – On Line Transaction Processing OSI – Open Systems Interconnection PDCA – Plan, Do, Check i Act PDNs – Public Data Networks PIS – poslovni informacioni sistem PSPDNs – Packet Switched Public Data Networks RDO – Remote Data Objects ROI – Rate of Investment QFD – Quality Function Deployment, QMS – Qality Management System SADT – Structured Analysis & Design Technique SaaS – Software as a Service SCM – Supply Chain Management, SOA – Service Oriented Architecture SWOT – S-strengths, W-weaknesses, O-opportunities, T-threats TCP/IP – Transport Control Protocol/Internet Protocol TPS – Transaction Process System transakcija TQM – Total Qality Management

289


VLSI – Very Large Scale Integration - čip na bazi silicijuma UDA – Universal Data Access WA – Workflow Automation WAN – Wide Area Network, mreža u kojoj su povezani računari i drugi uređaji međusobno udaljeni, u različitim gradovima, čak i na različitim kontinentima WFM – Work Flow Management WSIS – World Summit on Information Society

290


6. POJMOVI ARPANET. Ministarstvo odbrane SAD 1969. godine uspostavilo je online mrežu svog projekta ARPA sada poznatu kao ARPAnet, Advanced Research Project Agency Network Brainstorming. Dobijanje razmatranje u nevezanoj raspravi.

iznenadnih

ideja,

Bulova algebra je deo apstraktne algebre i primenjuje se u računarskim naukama. Data mart. Mart podataka se odnosi na bazu podataka za podršku odlučivanju, izgrađenu za jednu organizacionu jedinicu ili poslovni proces ili grupu osoba. To je logički podskup DW-a. Data mart pokriva samo jedan segment poslovanja, jednu temu. Data mart može biti izolovan od drugih DW sistema i naziva se nezavisni data mart, ili naslonjen na druge DW sisteme nazvan zavisni data mart. Dataware. DW komponentu obuhvataju podaci, informacije i znanja, odnosno informacioni resursi koji postaju izuzetno vredna imovina svake organizacije. Defazifikacija. Skaliranje fazi vrednosti u realne vrednosti. Definicija kocke. Informacije koje čarobnjak za OLAP kocke skladišti u datoteci sa ekstenzijom oqy, a koje definišu kako se na osnovu podataka preuzetih iz relacione baze podataka u memoriji gradi OLAP kocka. Dimenziono modeliranje je tehnika logičkog modeliranja koje se koristi u skladištu podataka sa ciljem podrške upitima krajnjeg korisnika prema DW-u. Drill-across. Koristi se za povezivanje dve ili više činjeničnih tabela na istom nivou hijerarhije.

291


Drill-down. Postupak prelaska sa nivoa sa manjim brojem detalja na nivo sa većim brojem detalja naziva se spuštanje u dubinu, drill down, i predstavlja zahtev korisnika da mu se prikaže više detalja. Na primer, kada se pronađe podatak o prodaji nekog proizvoda u nekom regionu, spušta se naniže da bi se saznalo kako se prodaja odvija po opštinama. Geografski podaci vezani za prodaju mogli bi se hijerarhijski organizovati na sledeći način: svet – kontinent – država – oblast – grad. Drill-up - Postupak prelaska sa nivoa sa većim brojem detalja na nivo sa manjim brojem detalja, na sumarne podatke, naziva se dizanje naviše, drill up. Na primer, upit bi mogao prezentovati prodaju u odnosu na neke regione. Entropija. Mera količine informacija se izražava pomoću entropije. FLC. Algoritam upravljanja baziran na fazi logici koji je implementiran u mikrokontroleru. Funkcije pripadnosti. Funkcije koje definišu stepen pripadnosti elemenata nekom fazi skupu. Fazi skup. Pored klasičnih elemenata skupa obavezno sadrži i informaciju o stepenu pripadnosti tih elemenata skupu. Fazifikacija. Skaliranje realnih vrednosti u fazi vrednosti. Fazi pravila. Način na koji se opisuje znanje eksperta u obliku IF THEN pravila. Fire Wall predstavlja inteligentni filter protoka informacija između unutrašnjeg i spoljašnjeg sveta. Groupware. GW je softver koji podržava interpersonalne procese i objekte, kategorija softvera namenjenog podržavanju rada grupa i timova, softver koji predstavlja računarsku podršku kooperativnom radu. Cilj mu je

292


koordinacija grupe ljudi koja radi na specifičnim zadacima, kao što su: priprema i planiranje sastanaka, koordinacija rasporeda aktivnosti u grupama, povećane mogućnosti razmene informacija, pristup i obezbeđenje ekspertskog informacionog ulaza. Primeri groupware aplikacija su: elektronske diskusione grupe, sistemi podrške grupi, softver za konferencije, grupni kalendari, automatizacija poslovnih procesa, desktop videokonferencije i slično. Hardware. HW informacionog sistema čini materijalno-tehnička komponenta sistema, odnosno fizički delovi računarskog sistema namenjeni obradi i prenosu podataka. Heuristika je nauka o metodima i principima pronalaženja novog. Host je računar spojen na Internet. Internet je globalna mreža kompjutera koja komunikaciju uspostavlja preko TCP/IP protokola. Koreni Interneta počinju još davne 1969. godine, kada je Ministarstvo odbrane SAD uspostavilo online mrežu svog projekta ARPA sada poznatu kao ARPAnet. Izračunato polje je polje u izveštaju izvedene tabele ili izveštaju izvedenog grafikona u kome se koristi formula koju ste kreirali za OLAP analizu. Izračunata polja u računanju mogu da koriste sadržaje drugih polja iz izveštaja izvedene tabele ili izveštaja izvedenog grafikona. Izvor podataka je uskladišteni skup „izvornih“ informacija koje se koriste za povezivanje sa bazom podataka. Izvor podataka može da sadrži ime i lokaciju servera baze podataka, ime upravljačkog programa baze podataka i informacije koje se koriste prilikom prijavljivanja.

293


Kolaboracioni sistemi su sistemi koji koriste groupware alate, Internet, Intranet i Extranet, kao i druge kompjuterske mreže za povećanje međusobne komunikacije. Lifeware. LW je kadrovska komponenta, koju čine svi zaposleni koji u bilo kojoj funkciji učestvuju u radu sa informacionim tehnologijama, bilo da su profesionalni informatičari, bilo da su samo korisinici rezultata obrade podataka. Look_up tabela. Tabela čiji su ulazi fazi greška i fazi promena greške, a izlaz fazi upravljanje. Mapiranje podataka je proces preslikavanja, dodeljivanja izvornog podatka ciljnom podatku. Mapiranje znanja je proces preslikavanja znanja. Metapodaci su podaci o podacima u skladištu podataka. Metoda težišta. Jedan od algoritama za izračunavanje fazi upravljanja. Middleware. MW je komunikacioni sloj koji omogućava interakciju kroz hardversko i mrežno okruženje sistema. Netware. NW je mrežna komponenta, a odnosi se na računarske mreže za povezivanje računara u cilju razmene podataka i komunikaciju između fizički udaljenih računara, pa se može reći da ovu komponentu informacionog sistema čine telekomunikaciona sredstva i infrastruktura za prenos podataka na daljinu. Opseg spoljnih podataka. Opseg podataka koji su dospeli na radni list iz izvora izvan programa Excel, na primer iz baze podataka ili tekstualne datoteke. U programu Excel te podatke možete da oblikujete i koristite u računanjima kao i bilo koje druge podatke.

294


Orgware. OW je organizaciona komponenta sistema i obuhvata organizacione postupke, metode i načine kojima se usklađuje rad svih komponenti informacionog sistema, kako bi one činile skladnu i funkcionalnu celinu. Predložak izveštaja je Excel datoteka koja sadrži jedan ili više upita ili izveštaja izvedene tabele koji se zasnivaju na spoljnim podacima. Kada sačuvate predlog izveštaja, Excel u njemu čuva i definiciju upita, ali ne i podatke dobijene upitom. Router je računarskih mreža.

uređaj

za

međusobno

povezivanje

SMART ciljevi. Specific – tačno određeni ciljevi, Measurable – merljivi ciljevi, Achievable – ostvarivi ciljevi, Realistic – realni ciljevi, Time-based – vremenski određeni ciljevi. Soft computing (fuzzy) je kolekcija računarskih tehnika koje studiraju kompleksne fenomene, one kojima konvencionalne metode ne daju kompletno rešenje. Software. SW sistema predstavlja nematerijalnu komponentu sistema u vidu računarskih programa koji su ugrađeni u hardver i koji diktiraju način obrade podataka. Vanmrežna kocka sa ekstenzijom cub skladišti podatke u obliku OLAP kocke. Ti podaci mogu predstavljati deo OLAP baze podataka sa OLAP servera ili mogu biti kreirani nezavisno od OLAP baze podataka. Ove datoteke upotrebljavate da biste nastavili da radite sa izveštajima izvedene tabele. Izveštaj izvedene tabele je interaktivni tablični Excel izveštaj u kome se rezimiraju i analiziraju podaci, na primer zapisi baze podataka iz različitih izvora, uključujući i one izvan programa Excel. Datoteke vanmrežnih kocki omogućavaju da radite i kad niste povezani sa OLAP serverom.

295


Vizuelizacija je konverzija podataka u vizuelni ili tabelarni format na osnovu koga mogu da se vrše analize i formiraju izveštaji o karakteristikama podataka i odnosima u njima.

296


LITERATURA Radić G., „Prepoznavanje uzoraka i modeliranje odredjenog stroja za identifikaciju govornika“ magistarski rad, Zagreb 1983. T. Friedman, The Lexus and the Olive Tree, Understanding globalization, Farrar Straus Giroux, New York, 1999 Flach, M. „The Information Society: The Role of Networks and Information“ Milovanović, G., „Individua u globalnom informacionom društvu: koncept, teorija, i istraživanje informacionog društva“, Beograd, 2004. Hofstede G., „Culture’s Consequences: International Differences in Work Related Values“, 1980. Beverly Hills, CA: Sage Publications. Turban, E., „Expert System and applied Artifical Intelligence“, Maxmillan, 1992. Wiig, K., „Knowledge Management Foundation“, Schema press, 1993 Van der Spek, R., „Knowledge Management“, CRC Press, 1997. Rampersad, H.K., „A visionary management model“, The TQM Magazine, 2001. Piter Draker, „Moj pogled na menadžment“, Asee books, Novi Sad, 2003. Čerić V-Varga M., „Informatička tehnologija u poslovanju“, Element, Zagreb, 2004.

297


Norbert Wiener, „Kibernetika komunikacija živih bića i mašina“, 1948.

ili

kontrola

i

Garnham, N., „Information Society Theory as Ideology“, in: Webster F. (ed.), The Information Society Reader, Routledge, London, 2004. Sassen, S., „Towards a Sociology of Information Technology“, Current Sociology, Vol. 50, No. 3, 2002. David Anderson, „Managing Information Systems“, Prentice Hall, 2000. Vicki Sauter, „Decision Support Systems“, John Wiley &Sons, 1997. Bulat V. i dr., „Menadžment informacioni sistemi“, ICIM, Kruševac, 1998. Parker C., Thomas C., „Management Information Systems“, second edition, Mitchel Mc Graw-Hill, 1993. Veljović A., „Menadžment informacioni sistemi“, Kompjuter biblioteka, Čačak, 2002. Veljović A., „Razvoj menadžment informacionih sistema zasnovanih na interaktivnom analitičkom procesiranju“, INFOFEST Budva, 2002. Veljović A., „Projektovanje informacionih sistema u praksi“, Kompjuter biblioteka, Čačak, 2003. Veljović A., „Menadžment informacioni sistemi u praksi“, Kompjuter biblioteka, Čačak, 2002. Bing Lui, „Web Data Mining“, Springer-Verlag Berlin Heidelberg, 2007. Željko Zagreb, 2000.

Panian,

„Bogatstvo

298

Interneta“,

Strijelac,


Željko Panian, Klepac G., „Poslovna Inteligencija“, Masmedia, Zagreb, 2003. Standard, NIST, USA „Integration Definition For Function Modeling (IDEF0)“ Sander Steffann, „Developing distributed systems to support business processes“, University of Twente, The Netherlands, 2003. Inić B., „Poslovna inteligencija, osnova uspešnog menadžmenta u globalnim uslovima“, FTB, Beograd, 2005. Radić G. Rodić B. Bojkovski V., „Od abaka do računara“, ABAK, Banja Luka, 1996. Kumar, K., “From Post-industrial to Post-modern Society”, in Webster F. (ed.), The Information Society Reader, Routledge, London, 2004. Castells, M., „Informationalism, Networks, and the Network Society: A Theoretical Blueprint“, in Castells M. (ed.), The Network Society: A Cross-cultural Perspective, Northampton, MA: Edward Elgar, 2004. Castells, M., „Uspon umreženog društva“, Golden marketing, Zagreb, 2000. Katunarić, V., „Castellsova panorama nove društvene epohe“, predgovor u: Castells M., „Uspon umreženog društva“, Golden marketing, Zagreb, 2000. Garnham, N., „Information Society Theory as Ideology“, in: Webster F. (ed.), The Information Society Reader, Routledge, London, 2004 Robins, K. and Webster, F., „The Long History of the Information Revolution“, in Webster F. ed, The Information Society Reader, Routledge, London, 2004.

299


Sassen, S., „Towards a Sociology of Information Technology“, Current Sociology, Vol. 50, No. 3, 2002. Ahuja, M.K., Carley K.M., „Network Structure in Virtual Organizations“, JCMC 3 (4) June 1998. Martinez, M.T., Fouletier, K.H., Park, K.H., Favrel, J., „Virtual enterprise – organization, evolution and control“, Int. J. Production Economics 74, 2001. Jeff Spicer, „Edgar (Ted) Codd, 1923 – 2003, Remembering the father of the relational database“, Oracle Magazine, Volume XII, Number 4 Dave Wickert, „Creating Large-Scale, Highly Available OLAP Sites: A Step-by-Step Guide“, Microsoft Corporation, 2001. Bojan Ćirić, „Poslovna inteligencija“, DataStatus, Beograd, 2006. Paulraj Ponniah, „Data Warehousing Fundamentals“, John Wiley&Sons, New York, 2001. Inmon,W.H., „Building the Data Warehouse“, second edition, John Wiley & Sons, New York, 1996. Kimball,R. et al., „The data warehouse Lifecycle Toolkit“, John Wiley & Sons, New York, 1998. Bacera-Fernandez, I., Gonzales, A., „Knowledge Management – Challenges, Solutions, and Technologies“, Prentice Hall, New Jersey, 2004. Crager, J., Lemons, D., „Measuring the Impact of Knowledge Management“, American Productivity and Quality Center, 2003.

300


Internet: Web Trends Enterprise Suite, www.webtrends.com/products/enterprise/default.htm. www.skladistenje.com www.singidunum.ac.yu www.efos.hr www.datalab.ba www.pexim.net www.sk.co.yu/2005/05/skpr01.html www.olapreport.com www.oracle.com/technology/products/bi/olap www.cognos.com/olap.html www.dwinfocenter.org www.datawarehousingonline.com www.billinmon.com www.kimball.com

301

302

MBIS

Recommend Documents