Make your own free website on Tripod.com
       
 
   
 
 
 
SKLADIŠTENJE I ANALIZA INFORMACIJA U TELEKOMUNIKACIJSKOJ KOMPANIJI

1. BAZE PODATAKA

Unaprijeđenje odnosa sa korisnicima ne može se zamisliti bez postojanja sveobuhvatnih baza podataka o korisnicima. Danas takve baze podataka o korisnicima predstavljaju marketinške investicije praktično u svim djelatnostima, što iz osnova mijenja do sada dominantne marketinške koncepte. Baza podataka korisnika postaje ključni i nezaobilazni faktor bez koga se ne može zamisliti moderni marketinški prilaz korisnicima. Pritom, ta baza predstavlja mnogo više od samog spiska imena korisnika i njihovih adresa.

Moderna baza podataka je pravi rudnik dragocjenih i nezamjenjivih informacija o korisnicima. Cilj je da se uspostavi i održava stalna, obimna i veoma lična komunikacija sa korisnicima, a da se sve prethodno prikupljene informacije upotrijebe u svim kasnijim kontaktima, na obostranu korist.

Ovakve baze podataka ne služe samo tome da se u njih sliva ogroman broj podataka i informacija, već da se na osnovu njih vodi individualizirana komunikacija sa korisnicima koja će, u krajnjem slučaju, dovesti do povećanja prodaje. Postojanje baze podataka korisnika danas ne predstavlja konkurentsku prednost, ali je sigurno da njeno nepostojanje kompaniju nesumnjivo stavlja u inferioran položaj. Da bi se stekla takva vrsta znanja o korisnicima potrebno je da se razumiju potrebe individualnih korisnika, da se sa njima održava stalni dijalog, da se zapamti svaka njihova želja, ideja ili primjedba.

Raznovrsnost informacija koje ulaze u bazu je ogromna. Baze podataka korisnika vode ka stvaranju i povećavanju onoga što se može nazvati dugoročnom vrijednošcu korisnika (LTV - lifetime value), koja treba da bude strateško marketinško opredjeljenje modernih kompanija, jer je cilj da se uspostavljanjem dobrih odnosa sa korisnicima oni čvrsto vežu za kompaniju.


2. DATA WAREHOUSE

Kao glavna osnova za sistem podrške odlučivanju (DSS) koristi se analitička baza podataka, punjena iz mnogih operacionalnih sistema, poznata pod nazivom Data Warehouse, čija je jedna od primarnih funkcija da odražava procese i pravila poslovanja cjelovite kompanije.

Jedan vid analitičke baze podataka jeste mart podataka. Za razliku od Data Warehouse čija je jedna od osnovnih funkcija da odražava procese i pravila poslovanja cjelovite kompanije –, mart podataka odražava pravila poslovanja unutar jedne funkcije, jednog poslovnog procesa ili jedne poslovne jedinice, pri čemu ta pravila treba da budu usaglašena sa pravilima poslovanja cjelokupne organizacije.

Slika 11. Data Warehouse okruženje

Martovi podataka mogu da budu upotrijebljeni za eksploraciju, data mining, upravljane upite ili online analitičku obradu podataka (OLAP) i predstavljaju direktni izvor podataka kojima krajnji korisnici pristupaju. Mart podataka koji se koristi za online analitičku obradu podataka zahtjeva lak i brz intuitivni pristup krajnjim korisnicima, a dimenzionalni model je najpodesniji za zadovoljavanje tog zahtjeva.

Izrazom “On-Line Analytical Processing” (OLAP) označena je kategorija softverske tehnologije koja omogućcava korisnicima (analitičarima, menadžerima) da steknu uvid u podatke kroz brz, konzistentan, interaktivan pristup različitim mogućim pogledima na informacije transformisane iz sirovih podataka da bi odrazile stvarnu dimenzionalnost poslovanja kako ga shvata korisnik.


Slika 12. Uloga OLAP-a

Unaprijeđenju Data Warehouse i OLAP vodila je potreba za postavljanjem ad hoc, fleksibilnih, poslovno usmjerenih upita na koje raspoloživi podaci sadrže odgovore. OLAP sistemi su zasnovani upravo na multidimenzionalnom pogledu na podatke, posjeduju sposobnost da “svrdlaju” kroz podatke i omogućavaju analitičarima da iz raznih perspektiva gledaju podatke u bazi. Pošto je multidimenzionalni pogled hijerarhijski, analitičar može da gleda na informacije iz hijerarhijske perspektive. Ova hijerarhijska struktura omogućava segmentaciju u bazi – određivanje podskupova (“dicing”) prema kriterijumu navedenom u upitu, rotaciju (“data slicing”), agregaciju ili disagregaciju multidimenzionalnih podataka radi predočavanja viših ili nižih nivoa u analitičkoj hijerarhiji (“drill-up”, “drill-down”) i dr.

Sistemi poslovne inteligencije omogućavaju multidimenzionalnu analizu, on line analitičku obradu podataka, kao i “rudarenje” podataka (data mining) kojima se menadžeri mogu koristiti da bi stekli odgovore na znacajna pitanja (pri cemu je od izuzetne važnosti postavljanje pravih pitanja) i doznali značajne trendove “skrivene” u velikim zbirkama podataka. Medu najvažnije ciljeve poslovne inteligencije (BI) spadaju identifikovanje i anticipacija stvarnih povoljnosti i nepovoljnosti u okruženju organizacije, što je naročito značajno za strategijsko upravljanje. Primjetno je da sistemi poslovne inteligencije (BI) evoluiraju ka Web aplikacijama, što korisnicima omogućava istraživanja posredstvom Web pretraživača, kao i rad sa udaljenih lokacija.

Da bi neka kompanija bila uspješna i dobro se razvijala, neophodno je valjano (u prvom redu strategijsko) upravljanje organizacijom i njenim procesima. Za valjano upravljanje organizacijom i procesima u njoj, neophodno je donošenje pravih odluka. Za donošenje pravih odluka neophodne su prave (relevantne, pouzdane, konzistentne) i pravovremene informacije. Za raspolaganje pravim i pravovremenim informacijama, neophodni su: kvalitetni, značajni, pouzdani, tačni, konzistentni, analizi lako dostupni podaci (što se u znatnoj mjeri postiže posredstvom Data Warehouse), kao i kvalitetne analize kojima se crpe informacije iz tih podataka (posredstvom on line analitičke obrade podataka - OLAP, data mining i dr.).


3. METODOLOŠKI OKVIRI PROJEKTOVANJA GRADNJE SISTEMA DATA WAREHOUSE I PODUHVATA DATA MINING U TELEKOMUNIKACIJSKOJ KOMPANIJI


Gradnjom Data Warehouse razvijaju se takvi informacioni resursi organizacije koji obezbjeđuju integrisane, konzistentne podatke neophodne za efektivno i efikasno zadovoljavanje dinamičnih potreba za informacijama u upravljanju kompanijom i njenim procesima. Gradnjom DW kompanija sakuplja svoje podatke i smješta ih u jedno skladište na način koji omogućava laku i brzu dostupnost podataka, kao i njihovu podložnost odgovarajućem analiziranju s ciljem sticanja potrebnih relevantnih novih informacija.

Slika 13. Priprema podataka

Slika 14. Data Warehouse - tokovi podataka

Pošto su veliki skupovi podataka, kao DW, nepodložni analizi tradicionalnim tehnikama, u tu se svrhu koriste novi metodi i sistemi za ekstrahovanje značajnih, vrijednih informacija iz velikih skupova podataka; za tu svrhu su podesni OLAP (On - Line Analytical processing) i data mining. Posredstvom OLAP analitičar ima mogucnost da postavlja upite i da na osnovu odgovora na njih izabira nove upite krećući se tako kroz veliku zbirku podataka DW i crpeći informacije iz njih. U data mining se koriste tehnike iz oblasti statistike, baza podataka, vještačke inteligencije, mašinskog učenja...

Data mining je automatizovani analitički proces oblikovan za efektivnu i efikasnu eksploraciju u velikim zbirkama podataka sa ciljem dokućivanja, validiranja i crpljenja vrijednih, informacija koje se tiču novih, dotad neznanih cinjenica.

Data warehouse, OLAP i data mining sačinjavaju trojstvo kojim se omogućavaju efektivnija i efikasnija rješenja problema - pored ostalih i strategijskog odlučivanja. Kompanije zavise i sve više će zavisiti od integriteta, pouzdanosti, bezbjednosti, primjenljivosti svojih informacionih sistema, procesa i podataka u kompaniji kao cjelini. Informacije dokučene iz raspoloživih podataka organizacije posredstvom data mining jesu i biće od neprocjenjive vrijednosti za usmjeravanje kako reaktivnog i aktivnog, tako i proaktivnog ponašanja kompanije.



4. ALATI ZA EKSTRAHIRANJE, TRANSFORMACIJU I PUNJENJE PODATAKA

To su alati koji omogućavaju (kako im i samo ime kaže) da se podaci učitaju u skladište. Funkcionalnost koju takvi alati najčešće podržavaju je transparentan dostup do svih relacijskih baza podataka bilo direktno ili putem ODBC-a, te mogućnost učitavanja i nerelacijski strukturiranih (legacy) podataka. Takođe na vizualan način prikazuju procese koji se odvijaju prilikom učitavanja podataka u skladište, te pohranjuju te podatke u obliku metapodataka.

Često imaju i sučelje prema nekom od alata za dizajniranje baza podataka (ERwin, Oracle Designer), a omogućavaju i da se pojedini procesi učitavanja podataka definiraju kao batch procedure i vrše u vrijeme kada sistem nije opterećen upitima korisnika. Najčešće su vrlo usko integrirani s repozitorijem (Repository) u koje se podaci odlažu, te s alatima koji čine nivo administracije metapodataka (Metadata Administration Layer), tako da omogućavaju da se proces od izvornih podataka do kreiranja tablica za izvještavanje odvija u jednom slijedu bez upotrebe raznih sucelja.



5. KOPANJE PODATAKA -DATA MINING

Kopanje podataka se može opisati kao netrivijalan proces identifikacije neospornih, novih, potencijalno korisnih i razumljivih uzoraka (eng. patterns) i odnosa (eng. relationships) među podacima u skladištu podataka. Ima više modela i algoritama koji se koriste, te se ovisno o primjeni odabire najpogodniji.

Današnja tehnologija omogućava automatizaciju procesa kopanja podataka, njihovu integraciju u skladišta podataka i predstavljanje podataka. U okviru upravljanja odnosom s korisnicima kopanje podataka igra značajnu ulogu pri segmentaciji korisnika.

Najpoznatije metode kopanja podataka su: klasifikacija i regresija (algoritmi neuralnih mreža i stabla odlučivanja), klasteriranje (identificiranje i grupisanje sličnih podataka), sažimanje i vizualizacija, modeliranje zavisnosti, asocijacije i sekvencijalna analiza (analiza potrošačke košarice) te analiza vremenskih serija. U literaturi se često koristi i sinonim Otkrivanje znanja u bazama podataka (Knowledge Discovery in Databases). Namjena kopanja podataka je kreiranje modela ponašanja korisnika na osnovu njihovih proteklih aktivnosti. Današnja tehnologija omogućava automatizaciju procesa kopanja podataka, njihovu integraciju u skladišta podataka i predstavljanje podataka. U okviru upravljanja odnosom s korisnicima kopanje podataka igra značajnu ulogu pri segmentaciji korisnika.

Skladište podataka, ne samo da predstavlja veliki skup podataka i informacija, već mora omogućiti upotrebu analitičkih sredstava koji omogućavaju:

  • otkrivanje uzoraka

  • predviđanje ponašanja korisnika

  • izradu analize tržišta

Slika 15. prikazuje kako se na osnovu prikupljenih podataka i pomoću kopanja podataka oblikuje model ponašanja korisnika

Podatke o korisnicima je potrebno stalno prečišćavati, ažurirati, i analizirati. Za to je neophodno slijedeće:

  • posebna programska oprema i osposobljeni radnici
  • prilagodljivo skladište podataka
  • neophodna oprema za izvođenje testiranja
  • mjerenje učinkovitosti

Data mining analize se u biti baziraju na metodama raspoznavanja uzoraka i koriste se za rješavanje slijedećih zadataka:

  • Razvrstavanje (engl. classification), npr. razvrstavanje korisnika u neki od unaprijed definisanih segmenata;
  • Predviđanje (engl. prediction). Metoda vrlo slična razvrstavanju, ali za razliku od razvrstavanja, određujemo segment kojem će korisnik pripadati u budućnosti;
  • Procjena vrijednosti (engl. estimation). Omogućuje procjenu vrijednosti neke kontinuirane varijable u nekom trenutku u budućnosti;
  • Grupisanje (engl. clustering). Metoda kojom se analizira baza korisnika. Broj segmenata se određuje ručno ili automatski. U segmente se zatim automatski razvrstavaju korisnici;
  • Metoda analize korpe se koristi za otkrivanje usluga koje se prodaju zajedno, Druga vrsta analize je analiza redoslijeda prodaje,
  • Opisivanje i vizualizacija podataka. Ove metode omogućavaju učenje iz podataka, a ljudi lakše uče pomocu vizualizacije.



6. DATA MART

Data Mart je podskup podataka iz korporativnog skladišta ili samostalan skup podataka koji zadovoljava izvještajne i analitičke potrebe pojedine poslovne funkcije u organizaciji (finansija, marketinga, prodaje, razvoja...). Najčešći oblik Data Marta je multi-dimenzionalan (neka od varijanti OLAP-a), što omogućava brzu i kvalitetnu analizu podataka. Problem koji se može pojaviti u organizaciji koja je implementirala nekoliko Data Martova prije implementacije centralnog skladišta podataka je integracija postojećih martova u cjelovit sistem. Vjerovatno najveći zagovornik implementacije Data Martova i decentraliziranih sistema je Ralph Kimball, čija metodologija ima puno pristalica.



7. META PODACI

Meta podaci su podaci o podacima (u DW metodologiji podaci o podacima u skladištu podataka). Podaci u skladištu mogu biti razlicito organizirani, ovisno o metodologiji koja se koristi, ali u svakom slučaju svaka tablica s podacima se odnekud učitava, u nekom vremenu, doživljava određene transformacije, kombinira se s nekim drugim tablicama da bi na kraju dala tablicu optimiranu za izradu multi-dimenzionalne kocke i za izvještavanje.

Svi podaci o tom procesu, transformacijama i podacima koji nastaju nazivaju se metapodacima i oni definišu strukturu i sadržaj skladišta. Standard za metapodatke nije još definisan (iako na tome radi Metagroup), tako da svaki proizvođač ima svoj oblik čuvanja metapodataka. To se najbolje vidi u promotivnim materijalima pojedinih proizvoda u kojima se navodi da osim njegovih vlastitih "kocki" može koristiti i npr. Microsoft OLAP Cube, Cognos PowerCube i slicno, dakle meta podatke drugih proizvođača.

Takođe u meta podatke spadaju i definicije ulaznih tablica iz raznih ERP sistema poput SAP R/3, Baan-a, PeopleSoft-a koje proizvodaci BI alata najčešće podržavaju. Takve definicije često mogu biti vrlo korisne jer omogućavaju brzo snalaženje u šumi od 20.000 i više tablica i brže postizanje kvalitetnih rezultata.

 

8. OLAP - ON-LINE ANALITIČKO PROCESIRANJE

OLAP je pojam koji izvorno potiče od E.F. Codda, a opisuje informacijski sistem za brz, konzistentan i interaktivan pristup i manipulaciju multidimenzionalnim podacima koji dolaze iz različitih izvora, a spremljeni su u skladištu podataka. OLAP je skraćenica za Analitycal On Line Processing. Funkcionalnost OLAP-a ostvarena je kroz mogućnost multi-dimenzionalnih analiza konsolidiranih korporativnih podataka koje uključuju: modeliranje korištenjem dimenzija i hijerarhija podataka, analize trendova kroz određena vremenska razdoblja, projekciju podataka kroz what-if scenarije, podskupove podataka, bušenje (drill down) do nižih nivoa detaljnosti podataka.

OLAP je obično implementiran u klijent-server okruženju, a u novije vrijeme i u thin client sistemima. 1993. Codd je formulirao 12 pravila koje bi OLAP trebao podržavati. OLAP postoji u dva temeljna oblika s obzirom na formu u kojoj su podaci spremljeni: relacijski (ROLAP-Relational On Line Analitycal Processing) i multidimenzionalni (MOLAP- Multidimensional On Line Analitycal Processing), te u hibridnom obliku (HOLAP-Hybrid On Line Analitycal Processing) koji za više nivoe sumarizacije koristi multidimenzionalni oblik, ali omogućuje dril-down do nižih nivoa sumarizacije koji su smješteni u relacijskoj tablici. U posljednje vrijeme koristi se i izraz FASMI - Fast Analysis of Shared Multidimenzional Data.

Slika 16. Rolap, Molap

 

9. MIDDLEWARE

Telekomunikacijske kompanije, tek se suočavaju sa problemom velikog broja transakcija: dok je količina posla mala, može se koristiti praktično bilo koja softverska platforma, ali kada stignemo do nekoliko stotina hiljada ili čak miliona transakcija dnevno, stvari počinju da se komplikuju.

Mnogi tradicionalni sistemi za obradu podataka tada pokazuju probleme ili gube na pouzdanosti, a prelazak na neki novi sistem zahtijeva džinovske troškove i opet ne garantuje uspjeh. Dodatni problem je postojanje raznih platformi i operativnih sistema koji treba paralelno da obrađuju transakcije. Posljednjih godina u svijetu se afirmiše novi sloj softvera, poznat pod imenom middleware.

U pitanju je programski sistem koji se, logički gledano, smješta "izmedu" klijenta i servera, brinući o transakcijama i svim vrstama (ne)kompatibilnosti raznih platformi, dajući korisniku priliku da izabere bilo koju iz široke liste DBMS alata odnosno hardverskih platformi. Tržište softvera ove vrste bilježi posljednjih godina snažan rast.

Slika 17 Middleware


10. BUSINESS INTELLIGENCE

Tipična kompanija analizira samo deset posto prikupljenih podataka. Business intelligence je način kako iskoristiti preostalih devedeset posto. BI je krovni naziv za skup metoda, alata i aplikacija koje omogućavaju prikupljanje, analizu, distribuciju i djelovanje na osnovu poslovnih informacija, sa ciljem donošenja boljih poslovnih odluka.

BI daje pogled na cijelu kompaniju, pri čemu svako može dobiti upravo onu informaciju koja mu je potrebna. Ako pogled nije cjelovit, tada se analiza kompanije svodi na indijsku priču u kojoj desetak slijepih ljudi, odvojeno opipava neki dio slona – rep, trup, kljove, noge, uši, bokove. Svako misli da dodiruje različitu životinju i kad pričaju šta su osjetili, svaki od njih opisuje različitu životinju. Stvarni se slon u njihovoj analizi nikad ne pojavljuje.

BI omogucava proaktivan način vođenja kompanije, što znači da se može predviđati budućnost, izraditi nekoliko scenarija i biti pripremljen za svaku situaciju. Problem je kako pretvoriti informaciju u znanje. Danas se kompanije vode na osnovu znanja: o konkurenciji, korisnicima, dobavljačima, procesima. BI je proizvodnja znanja koje je osnovna za donošenje poslovnih odluka.

Tehnički gledano, BI je informatički sklop. Ne onaj sistem kakav smo navikli tj. transakcijski (glavna knjiga, prodaja, nabavka ), već jedan potpuno drugačiji. U njega podaci dolaze iz kompanije, ali i iz okoline. Izvori podataka su heterogeni, a prikaz podataka agregatan. Ne zanimaju nas fakture i otpremnice, vec profiti po tržišnim segmentima, korisnicima, tržišni udjeli, trendovi. BI nam služi za aktivno upravljanje poslovnim rezultatom. Poznata je stvar da se poslovni rezultat ne očekuje, vec se poslovnim rezultatom upravlja. Umjesto da 90% vremena trošimo na prikupljanje i izradu izveštaja, mi 90% vremena trošimo na analizu.

BI sistem je izvorno bio namijenjen decision makerima, odnosno ljudima koji donose poslovne odluke. U savremenim kompanijama odluke donose svi. Ne moraju svi odlučivati, ali mogu svi predlagati. To nije povratak u samoupravljanje, vec pružanje prilike svima koji mogu dati doprinos očuvanju vitalnosti kompanije. Informacije i znanje potrebni su svima. Danas su organizacijske strukture puno “plice”, radi se puno projektnim načinom. Više je koordinacije a manje subordinacije. Danas je BI u donošenju poslovnih odluka nezamjenjiv koncept.

Najveći doprinos uspjehu uvođenja BI-a u preduzeće daje želja menadžmenta da ima sistem upravljanja informacijama. Mora postojati potreba, odnosno mora postojati potražnja za informacijama. Tehnička superiornost ovakvih sistema: brzina pristupa, laka prilagodljivost korisniku (“ad-hoc izveštaja”), laka čitljivost izvještaja, uvjeravanje “da je to prava stvar” ne mogu biti protiv teža otporu menadžmenta. Zašto? Menadžment je “potrošač robe” koju ti sistemi proizvode, odnosno, menadžment je konzument informacija za donošenje strateških i taktičkih odluka. Poznata je stvar da ako nema potražnje za robom, nema potrebe proizvoditi je!

Laka dostupnost informacija i (sa)znanja o korisnicima, dobavljačima, procesima i njihovim međusobnim odnosima glavna je karakteristika BI-a. BI se pojavljuje kao moderan sistem komunikacije. Moderni sistemi komunikacija čine današnju korporaciju ostatkom prošlosti. Kako se najbolje može organizovati moderna korporacija? Vjerovatno se to još ne zna. Poslovanje u razdoblju kidanja slojeva upravljanja (neki od njih će se vjerovatno vratiti) i eksperimentiranja sa različitim sistemima izvještavanja i informisanja.

Ako je znanje moć, a ono to jeste, vlasnici znanja biće uskoro radikalno različiti i sa tom razlikom će se uvesti promjene i odnos moći. To se već vidi u maloprodaji, u kojoj je bar code i znanje koje sa njim ide, pomaklo moć od nacionalnih industrijskih kompanija sa poznatim imenima, na maloprodaju koji kontrolišu prostor na policama i znaju šta se prodaje a šta ne, mnogo bolje i brže nego oni koji proizvod proizvode.

Postavlja se pitanje cijene ovakvih sistema i troškova informacija. U 21. vijeku, vijeku informacija i znanja, cijena informacije jednaka je cijeni opstanka na tržištu. Uvodenje sistema za upravljanje poslovnim informacijama je isplativa investicija. Knjigovodstvo ne bilježi oportunitetne troškove loših poslovnih odluka na osnovu nedostupnih informacija.

BI sistem ne postoji kao gotov proizvod, postoje proizvođači koji nude tehnološke platforme i znanja za implementaciju. Nema rješenja sa police. Razlog tome jeste činjenica da modeli odlučivanja jesu slični, ali strategija, segmentacija tržišta i proizvoda odnosno usluga, procesi i veze među njima su različite. Heterogeni su takode izvori podataka koji “hrane” ove sisteme.

Uvođenje BI sistema je projekat koji nema kraja. Kako konkurencija postaje agresivnija, okolina nestabilnija i budućnost neizvjesnija, zahtjevi pred sistemima analize i prognoze postaju složeniji. BI je u funkciji planiranja (budgeting), tj. kratkoročnih poslovnih odluka, ali i u funkciji strategije.

BI sistem je takav sistem koji čuva informacije i znanje o konkurenciji, korisnicima, dobavljačima, procesima i vezama među procesima i omogućava poslovno pregovaranje, argumentovani nastup prema korisnicima. Omogućava kvalitetno operativno planiranje, praćenje ponašanja konkurencije, korisnika, dobavljača, posmatranje pojedinih tržišnih segmenata i predviđanje budućih pojava. BI sistem omogućava bolje razumjevanje vlastitih korisnika i onoga što ih tjera na takvo ponašanje.

 

   
 
   
copyright by elvir juljevic 03.07.2003. godine