یک سیستم هوش تجاری(BI) دارای سه جز اصلی می باشد. این منابع عبارتند از : منابع داده، مخزن داده/غرفه های داده و متدولوژی ها BI.
بطور ساده می توان گفت برای پیاده سازی BI لازم است داده ها را جمع آوری و ذخیره کرد و با استفاده از روش های هوش تجاری آنها را تبدیل به دانش نمود. با این حال هر یک از اجزا ویژگی های خاص خود را دارند که در این پست به بررسی آنها خواهیم پرداخت.
برای ادامه، یک شرکت توزیعی را در نظر بگیرید که در حال از دست دادن مشتریان خود است، پدیده ای که اکثر صنایع خدماتی با آن روبرو هستند. شرکت برای کم کردن این عارضه لازم است اقداماتی انجام دهد. بناربراین لازم است تصمیاتی اتخاذ کند. از طرفی شرکت با محدودیت منابع روبروست، بنابراین باید مشتریانی را که در حال ترک سرویس هستند را شناسایی کرده، پر ارزشترین های آنها را یافته و مانع از خروج آنها از طریق بهبود خدمت و با روش های تشویقی نماید.
در مثال فوق وجوه یک سیستم BI را تشریح می کنیم:
منابع داده: شرکت ها و سازمان ها با توجه به کارکردشان دارای منابع داده مختلفی هستند. این منابع می توانند در درون سازمان یا خارج از آن قرار داشته باشند، کمی بوده و یا کیفی باشند و حتی از لحاظ ماهیت متفاوت باشند. بنابراین در اولین قدم لازم است منابع داده شناسایی شوند و ویژگی های آنها درک شود و نسبت به یکسان سازی داده ها و همگن کردن آنها اقدام شود. در مثال مطرح شده شرکت لازم است منابع داده مربوط به سرویس دهی خود از قبیل ساعات مراجعه، نحوه برخورد با مشتری، صورت حساب ها، مدت زمان ثبت سفارش تا دریافت کالا و… را یافته آماده سازی کند. از طرفی شرکت باید دادههای مربوط به مشتریان خارج شده از سرویس و ویژگی های آنها را که عمدتا خارج از سازمان هستند را نیز شناسایی کند. منابع داده، کالایی ارزشمند برای شرکت مالک آن است. این اطلاعات ممکن است از منابعی همچون صورت های مالی، اطلاعات بازاریابی و فروش، حمل و نقل، پشتیبانی، ایمیل، مکالمات تلفنی و حتی شرکت های رقیب و …. بدست آید.
انبار و غرفه های داده: داده های بدست آمده از منابع داده لازم است تا به منظور استفاده های آتی ذخیره گردند. انبارش داده از لحاظ علمی به کلیه فعالیت های مربوط به طراحی، پیاده سازی و استفاده از انبار داده گفته می شود.
سه نوع داده در انبار داده ذخیره میشود:
در مثال مربوط به شرکت توزیعی می توان تک تک موارد اشاره شده را به وضوح دید.
نحوه و الگوهای طراحی دیتابیس های هوش تجاری بسیار متنوع و پیچیده می باشند و نیازمند متخصصین با تجربه هستند. دیتابیس ها و چیدمان داده ها در آنها نیازمند رعایت اصول خاصی هستند.
در درون مبحث انبارش داده، منفهومی تحت عنوان غرفه داده وجود دارد. غرفه های داده دیتابیس هایی هستند که داده های آنها توسط انبار داده به منظور استفاده های خاص تامین می شود. این دیتابیس ها تنها بخشی از داده های انبار داده را شامل می شوند.
با توجه به آنکه انبارش داده چه از لحاظ تیوری و چه از لحاظ فنی جای بحث بسیار دارند در مطلبی دیگر به آنها خواهیم پرداخت.
متدولوژی های هوش تجاری: داده های بدست آمده از منابع داده پس از ذخیره سازی به وسیله تحلیل ها و مدل سازی ریاضی به منظور حمایت فرایند تصمیم گیری مورد استفاده قرار می گیرند. در یک مدل BI مدل های مختلف تحیلی مورد استفاده قرار می گیرد. پر کاربردترین مدل های مورد استفاده عبارتند از:
هر یک از موارد فوق نیازمند بحث عمیق ریاضیاتی و تکنیکی هستند که به مرور طی پست های مختلف معرفی می شوند.
برای مثال مورد بررسی در نظر بگیرید که شرکت از منابع مورد نظر خود داده ها را جمع آوری کرده است. شرکت به کمک تحلیل مکعب های چندوجهی داده شرایط خروج و عوامل خروج مشتریان پیشین از سرویس را شناسایی می کند و عوامل داخلی تاثیر گذار را تشخیص می دهد. با استفاده از سری های زمانی متوجه می شود که مثلا در هنگامی که هوا ابری می شود نرخ خروج مشتریان از سرویس به دلیل نوع بسته بندی های شرکت که در برابر رطوبت مقاوم نیستند افزایش می یابد. از طرفی با استفاده از مدل های استنتاجی مشتریانی که بیشترین ارزش را دارند و پتانسیل خروج از سرویس را دارند، شناسایی کرده و بوسلیه مدل های بهینه سازی سعی در بدست آوردن بهترین ترکیب از مشتریانی که باید برای نگهداری آنها تلاش کنند می نماید. بنابراین شرکت می تواند این تصمیمات را بگیرد: برای نگهداشتن مشتریان پر ارزش در شرف خروج برنامه ریزی کند، در زمان های بارانی از بسته بندی های مخصوص استفاده کند، مدت زمان دریافت سرویس را کمتر کند و ….
همانطور که قابل مشاهده است اجرای یک مدل هوش تجاری می تواند در شناخت دقیقتر برای مدیران و تصمیم گیران نقش بسزایی داشته باشد. با این حال پیچیدگی های خاص خود را دارا میباشد.