Poslovna inteligencija

1. Poslovna inteligencija Ana Leko, Nikolina Duvnjak, Juro Ivančić

2. Definicija • Poslovna inteligencija (eng. Business Intelligence, BI) je skup metodologija i koncepata za prikupljanje, analizu i distribuciju informacija uz pomoć različitih softverskih alata. • Osmišljena 70-ih godina dvadesetog stoljeća • pojam “Business inteligence” – 1989., Howard Dresdner

3. Poslovna inteligencija objedinjava: • skladištenje podataka (Data Warehousing) • procesiranje podataka – OLAP (On-line Analytical Processing) • rudarenje podataka (Data Mining)

4. Značajke • Proces prikupljanja podataka i informacija • Usmjeren na informacije • Instrument u procesu donošenja odluka

5. Komponente infrastruktura funkcionalnost Skladište podataka, ETL alati, Operativno spremište podataka BI platforme, Data Mining, BI aplikacije (operativne, strateške, analitičke), ad-hoc izvještavanje Mjerenje performansi, informacijska/korporativna kultura, BI metodologije, BI centar (objedinjavanje znanja i vještina) Ključni pokazatelji uspješnosti, trendovi, transparentnost organizacija poslovanje

6. Koncept poslovne inteligencije Omogućuje: analizu ponašanja kupca i dobavljača određivanje tko su ključni kupci, dobavljači i troškovi gdje i kod kojih kupaca nastaje poslovni rezultat učinkovitije pregovaranje s kupcima i dobavljačima analizu učinkovitosti upravljanja promatranje pojedinih tržišnih segmenata lakše predviđanje budućih trendova

7. Razlozi uvođenja BI l

8. Dobavljači

9. DATA WAREHOUSING • Skladište podataka (eng. Data warehous) podrazumijeva zbirku podataka izoliranih iz operativnih baza i spremljenih u posebne baze odnosno skladišta podataka

10. Skladište podataka predstavlja:

11. Preduvjeti za ispunjavanje svrhe skladišta podataka:

12. DATA MINING • Rudarenje podataka (eng. Data mining )definiramo kao pronalaženje zakonitosti u podacima. • Područja primjene: poslovanje poduzeća, ekonomija, mehanika, medicina, genetika, itd.

13. naglasak je na podacima • ciljevi DM projekta: • predviđanje • deskripcija

14. Metode

15. Faze Data Mining-a

16. Osnovni tipovi Data Mining-a verifikacija hipoteze – provjeriti da li je neka ideja ili dojam o važnosti odnosa međuo dređenim podacima utemeljen ili ne; Otkrivanje novih znanja – znanja o nekim pojavama, koje mogu postojati, a još su nepoznati

17. Osnovne tehnike za rudarenje podataka su: • statističke metode • genetički algoritmi • neuralne mreže • stabla odlučivanja • umjetna inteligencija • asocijacijska pravila, itd. Rudarenjem je moguće utvrditi: • klase • klastere (kategorije) • asocijacije • sekvence • prognoze

18. OLAP • OLAP (eng. On-Line Analytical Processing) podrazumijeva kategoriju aplikacija i tehnologija namijenjenu za skupljanje, upravljanje, obradu i prezentaciju multidimenzijskih podataka namijenjenih analizama za potrebe upravljanja

19. Omogućavaju: • strukturiranje podataka • iskorištavanje prednosti multidimenzijskog modela podataka • interaktivno prtraživanje podataka • intuitivno, brzo i fleksibilno manipuliranje podacima

20. Arhitektura OLAP ala

21. Kategorizacija OLAP alata

22. Literatura • http://autopoiesis.foi.hr/wiki.php?name=KM%20-%20Tim%2017&parent=52373&page=Ugradnja%20sustava%20PI • http://autopoiesis.foi.hr/wiki.php?name=KM+-+Tim+17&parent=NULL&page=OLAP%20alati • http://www.scribd.com/doc/24620789/SKLADI%C5%A0TE-PODATAKA-Data-Warehouse • http://www.cs-computing.com/sw/datalab/vizualizacija.html • http://oliver.efos.hr/nastavnici/mzekic/nast_materijali/dss_razvoj/pogl5/P5_OLAP_ispis.pdf • http://oliver.efos.hr/nastavnici/mzekic/nast_materijali/dss_razvoj/pogl5/P5_OLAP_ispis.pdf

23. HVALA NA PAŽNJI!