Wydawca: MT Biznes Kategoria: Biznes, rozwój, prawo Język: polski Rok wydania: 2016

Business Intelligence. Moda, wybawienie czy problem dla firm? ebook

Przemysław Radziszewski  

(0)

Uzyskaj dostęp do tej
i ponad 60000 książek
od 6,99 zł miesięcznie.

Wypróbuj przez
14 dni za darmo

Ebooka przeczytasz w aplikacjach Legimi na:

e-czytniku (w tym Kindle) kup za 1 zł
tablecie  
smartfonie  
komputerze  
Czytaj w chmurze®
w aplikacjach Legimi.
Dlaczego warto?
Czytaj i słuchaj w chmurze®
w aplikacjach Legimi.
Dlaczego warto?
Liczba stron: 237

Odsłuch ebooka (TTS) dostępny w abonamencie „ebooki+audiobooki bez limitu” w aplikacji Legimi na:

Androida
iOS
Czytaj i słuchaj w chmurze®
w aplikacjach Legimi.
Dlaczego warto?

Ebooka przeczytasz na:

Kindlu MOBI
e-czytniku EPUB kup za 1 zł
tablecie EPUB
smartfonie EPUB
komputerze PDF
Czytaj w chmurze®
w aplikacjach Legimi.
Dlaczego warto?
Czytaj i słuchaj w chmurze®
w aplikacjach Legimi.
Dlaczego warto?

Pobierz fragment dostosowany na:

Zabezpieczenie: watermark

Opis ebooka Business Intelligence. Moda, wybawienie czy problem dla firm? - Przemysław Radziszewski

Ogromne możliwości technologii komputerowych zrewolucjonizowały zarządzanie. Stworzyły też wielkie nadzieje, które nie zawsze się spełniły.

Jedną z tych niespełnionych nadziei jest Business Intelligence. Śledząc historyczny rozwój BI oraz odwołując się do swoich doświadczeń praktycznych, autor dowodzi, że głównym powodem niespełnionych oczekiwań związanych z BI nie są komputery, ale człowiek, a konkretnie menedżer czy analityk biznesowy.

Żaden komputer (przynajmniej na razie) nie zastąpi menedżera ani analityka w przemyślanym projektowaniu procesów biznesowych oraz systemów raportowania o ich efektywności. Autor nie tylko pokazuje słabości obecnie stosowanych rozwiązań, ale także proponuje konkretne techniki i metody bardziej efektywnego wykorzystania BI w praktyce. Książka zainteresuje szerokie grono menedżerów oraz analityków niezależnie od branży w której pracują.

Przemysław Radziszewski – konsultant z ogromnym doświadczeniem biz-nesowym, lider kilkudziesięciu wdrożeń z zakresu Business Intelligence w dużych firmach z polskim i zagranicznym kapitałem, prowadzi szkolenia z praktycznego wykorzystania Business Intelligence.

Opinie o ebooku Business Intelligence. Moda, wybawienie czy problem dla firm? - Przemysław Radziszewski

Fragment ebooka Business Intelligence. Moda, wybawienie czy problem dla firm? - Przemysław Radziszewski

Okładka

Strona tytułowa

Przemysław Radziszewski

Business Intelligence

Moda, wybawienie czy problem dla firm?

Strona redakcyjna

Recenzja Prof. dr hab. Zbigniew Dworzecki

Projekt okładki Studio KARANDASZ

Wykonanie rysunków Anita Bednarczyk

Redakcja Jadwiga Witecka

Skład i grafika komputerowa Protext

© Copyright by Przemysław Radziszewski

Wszelkie prawa zastrzeżone. Nieautoryzowane rozpowszechnianie całości lub fragmentów niniejszej publikacji w jakiejkolwiek postaci zabronione. Wykonywanie kopii metodą elektroniczną, fotograficzną, a także kopiowanie książki na nośniku filmowym, magnetycznym, optycznym lub innym powoduje naruszenie praw autorskich niniejszej publikacji. Niniejsza publikacja została elektronicznie zabezpieczona przed nieautoryzowanym kopiowaniem, dystrybucją i użytkowaniem. Usuwanie, omijanie lub zmiana zabezpieczeń stanowi naruszenie prawa.

Warszawa 2016

Poltext sp. z o.o.

02-230 Warszawa, ul. Jutrzenki 118

tel.: 22 632-64-20

e-mail: wydawnictwo@poltext.pl

internet: www.poltext.pl

ISBN 978-83-7561-674-3 (format e-pub)

ISBN 978-83-7561-678-1 (format mobi)

ISBN 978-83-7561-682-8 (format pdf)

Wersja elektroniczna:

Karol Ossowski

Wstęp

Od wielu lat analiza danych jest dla mnie zajęciem dostarczającym ogromnej przyjemności. Nie sam proces, ale jego wynik, wiedza, która ukryta jest w opasłych tabelach z danymi, jest źródłem pozytywnych emocji. Analiza danych przypomina poszukiwanie skarbu ukrytego przez piratów.

Staram się przekazywać moją pasję innym. W trakcie spotkań z klientami i w czasie szkoleń pokazuję, w jaki sposób upraszczać sposób przetwarzania danych, żeby maksymalnie szybko uzyskać tę wiedzę, której wdrożenie w praktycznych rozwiązaniach przyniesie zauważalne korzyści. Sam jestem ciekaw świata, dlatego stale śledzę wiele forów i serwisów informacyjnych, aby weryfikować własne rozwiązania z tym, co promują specjaliści działający w mojej branży w innych krajach.

Właśnie lektura wszystkich publikacji stała się inspiracją do napisania tej książki. Zamieszanie, jakie panuje wokół pojęcia Business Intelligence, zainspirowało mnie do zajęcia się tym tematem. Postanowiłem włączyć się do dyskusji oraz pomóc osobom zarządzającym procesami biznesowymi i zespołami w rozwijaniu praktycznej wiedzy i umiejętności zarządzania danymi.

Chciałbym, aby po lekturze tej książki czytelnik poczuł się pewniej na swoim stanowisku i potrafił wprowadzić takie zmiany w otaczającej go organizacji, które poprawią efektywność wykorzystania posiadanych danych. Książka nie jest instrukcją obsługi jakiegokolwiek programu do analizy i wizualizacji danych. Omijam w niej szerokim łukiem wszelkie technologiczno-filozoficzne dywagacje dotyczące oferowanych na rynku rozwiązań, których liczba rośnie w absolutnie niewiarygodnym tempie.

Chęć zachowania neutralności względem producentów oprogramowania nie wynika z faktu, że nie chcę dokonywać ocen i rankingów i wskazać produkty, które najlepiej rozwiążą problemy poszczególnych przedsiębiorstw, ale podyktowana jest analizą moich doświadczeń. Największym problemem w procesach analizy danych jest sposób myślenia i zadawania pytań. Narzędzie nie wykona za nas całej pracy. Nawet modne ostatnio i często stosowane w gospodarstwach domowych maszyny do pieczenia chleba wymagają obsługi. To my decydujemy, jaki chleb chcemy upiec i jesteśmy zmuszeni do podążania za naszym wyborem, przygotowując poszczególne składniki w odpowiednich proporcjach. Po wykonaniu opisanych zadań włączamy maszynę i mamy pełną świadomość, że jakość uzyskanego pieczywa będzie głównie wynikiem naszej pracy.

Podobnie jest z raportami. Od zarządzającego procesem biznesowym zależy, w jaki sposób chce oceniać efektywność własnej pracy i pracy podwładnych. Jakie aspekty procesu i zadania wymagają stałego monitoringu, a jakie mogą być analizowane w miesięcznych cyklach, to decyzje, które musi podjąć każdy menedżer osobiście. To one będą w największym stopniu wpływały na kształt raportów i analiz.

Na początku przedstawiam historię Business Intelligence. Podaję interesujące informacje na temat samego pojęcia oraz ścieżki rozwoju narzędzi, które kryją się pod nim. W kolejnej części zajmuję się definicjami pojęcia Business Intelligence i prezentuję własną jego wersję. Nie ukrywam, że pozostała część książki jest podporządkowana praktycznym sposobom wdrażania tej definicji.

W mojej pracy nie ma opisów propozycji konkretnych raportów dla wybranych branż. Koncentruję się na przekazaniu wskazówek i pomysłów, których zastosowanie może pomóc przy konstruowaniu dowolnych raportów dotyczących procesów biznesowych realizowanych w każdej branży w kraju i na świecie.

Jednym z najważniejszych celów, jakie postawiłem sobie pisząc tę książkę, jest pomóc czytelnikowi w przygotowaniu się do zadań związanych z zarządzaniem i analizą danych. Pomoc polega na przekazaniu wskazówek dotyczących zidentyfikowania i opisania własnych potrzeb w zakresie zbierania i przetwarzania danych, które są kluczowe dla jakości realizowanych zadań. Jeśli po przeczytaniu tej książki, czytelnik poczuje się wzmocniony i lepiej przygotowany do rozmów z reprezentantami działu IT, to będzie to również mój sukces. Jeśli lektura tej pracy przyczyni się do zmiany kształtu, formy i treści raportów, co podniesie efektywność przekazywanych w ten sposób informacji, to też będzie mój sukces.

Jeśli czytelnicy uznają, że to, co napisałem, otworzyło ich umysły na nowe możliwości czerpania korzyści z danych i skłoniło do dalszego studiowania tego zagadnienia – to będzie mój największy sukces.

Rozdział 1

Historia pojęcia Business Intelligence

Pojęcie Business Intelligence pojawiło się stosunkowo niedawno. Co więcej, zrobiło karierę nie dlatego, że precyzyjnie opisuje konkretne zagadnienie biznesowe, ale ponieważ znakomicie brzmi. Łączy w sobie dwa profesjonalne światy: przedsiębiorczość i wywiad.

Rzeczywiście pierwsza publikacja, w której pojawił się termin Business Intelligence, opisywała człowieka sukcesu, który intensywnie korzystał z usług szpiegów. W roku 1865 została wydana książka Cyclopaedia of Commercial and Business Anecdotes autorstwa Richarda Millara, w której po raz pierwszy pojawiło się sformułowanie Business Intelligence. Określenie to opisuje sposób działania angielskiego finansisty Sir Henry’ego Furnese’a. Ten zamożny człowiek zbudował imperium finansowe, wykorzystując swoją przewagę rynkową, jaką była informacja.

W wieku XVII Furnese stworzył profesjonalną organizację szpiegowską, która operowała na terenie Belgii, Francji, Holandii i Niemiec. Dzięki informacjom, które przesyłali agenci z kontrolowanych terytoriów, Sir Henry wiedział jako pierwszy, co zdarzyło się lub co się za chwilę stanie w strukturach władzy na kontynencie, jakie są losy toczących się konfliktów zbrojnych, w których uczestniczył aktywnie jako „inwestor”. Dostosowywał do tych raportów swoje działania inwestycyjne.

Przytoczony powyżej przykład nie jest jedynie ciekawostką historyczną. Moim zdaniem oryginalne znaczenie Business Intelligence, a więc wywiad gospodarczy, bardzo trafnie opisuje również rolę, jaką obecnie odgrywa BI. Praca wywiadu to nie tylko analiza posiadanych danych, lecz także nieustanne poszukiwanie sposobów ich pozyskania. Na tym polega błąd we współczesnym definiowaniu BI przez dostawców oprogramowania służącego do analizy zawartości baz danych. Skupiają się oni wyłącznie na problematyce przetwarzania posiadanychinformacji.

Tymczasem działanie organizacji zajmujących się wywiadem to również nieustanne określanie miejsc i zdarzeń, które mogą być źródłem nowych, istotnych informacji wspierających procesy podejmowania decyzji przez zleceniodawców. Informacji nie zbiera się i nie gromadzi dla samego faktu ich posiadania. Celem jest wspieranie podejmowanych decyzji. Im trafniejszą decyzję chcemy podejmować, tym więcej wiedzy potrzebujemy.

Rozwój Business Intelligence do formy, którą osiągnął dziś, a więc wykorzystanie olbrzymiej liczby narzędzi pomagających w przetwarzaniu dużych zbiorów danych, następował w bardzo ewolucyjny sposób. Ważny krok w odrodzeniu się pojęcia Business Intelligence uczynił naukowiec pracujący dla IBM. W roku 1958 Hans Peter Luhn opublikował swoją pracę zatytułowaną A Business Intelligence System. Pisząc o BI, Luhn użył określenia: „sposób na zrozumienie dużych zbiorów informacji, który umożliwia podejmowanie najlepszych decyzji”. Moje tłumaczenie może nie jest najbardziej wierne, ale oddaje istotę zaproponowanej przez Luhna definicji.

Sposób, a więc nie system i nie oprogramowanie. Nie do końca jest jasne, dlaczego pojęcie Business Intelligence ponownie znika z powszechnego użytku świata biznesu w latach 60. XX w. Czy przyczyną jest człon Intelligence, który w latach zimnej wojny mógłby być odbierany jednoznacznie jako sprawa bardzo polityczna i związana z kwestią bezpieczeństwa narodowego? Nie wiem, nie znam odpowiedzi na to pytanie. Być może jest to temat osobnych badań.

1.1. Wielki powrót Business Intelligence?

Nie będę ukrywał, że nie dotarłem do opracowania, które jasno wskazywałoby, kto i kiedy ponownie w sposób świadomy użył określenia Business Intelligence i sprawił, że zaczęło ono funkcjonować w powszechnym użytku wśród ludzi biznesu i nauki. Ponowne pojawienie się tego pojęcia nie przyniosło ze sobą jednej, spójnej i akceptowalnej przez wszystkich definicji zagadnienia. Od czasów Luhna występowały kolejne fazy w rozwoju Business Intelligence, a więc wersje: BI 2.0 i BI 3.0, a mimo to wciąż funkcjonuje kilkanaście różnych definicji, których najczęściej pojawiającym się elementem wspólnym jest przetwarzanie danych. Gdy piszę tę książkę (2016 r.), obserwuję pojawienie się nowej gwiazdy, która swoim blaskiem świeżości ma zaciemnić jeszcze bardziej obraz tego, o co chodzi w Business Intelligence, a gwiazda ta nazywa się BI 4.0. Uwzględniając fakt, że wzmianki o BI 3.0 pojawiły się może dwa lata temu, to takie tempo tworzenia nowych wersji BI przez działy marketingu firm IT może doprowadzić do pojawienia się wersji 5.0 w ciągu najbliższych miesięcy.

Kilka razy uczestniczyłem w forach dyskusyjnych stworzonych dla specjalistów ds. Business Intelligence z całego świata i ze zdumieniem stwierdzam, że również w tym gronie nie ma wspólnej świadomości dotyczącej zagadnienia, którym się zajmujemy. Co jakiś czas, ktoś z uczestników grup dyskusyjnych rzuca fundamentalne pytanie: Co to jest Business Intelligence? W odpowiedzi na taką prowokację rozkręca się emocjonalna wymiana zdań. Śledząc listę prezentowanych propozycji, można odnieść wrażenie, że sukcesywnie oddalamy się od konsensusu w tym zakresie.

Analizując treści prezentowanych propozycji, nauczyłem się błyskawicznie rozróżniać uczestników forum i przypisywać ich do różnych grup interesu, które reprezentują. Wśród dyskutujących pojawiają się najczęściej: producenci oprogramowania, które określa się mianem BI, wdrożeniowcy rozwiązań BI, wdrożeniowcy projektów BI, pracownicy działów IT firm, które zdecydowały się wdrożyć u siebie narzędzia BI i potencjalni beneficjenci projektów BI, a więc kierownicy i specjaliści firm, którzy w swojej pracy powinni korzystać z dobrodziejstwa Business Intelligence.

1.2. Współczesna historia Business Intelligence

W poprzednim punkcie omówiłem krótką historię pojęcia Business Intelligence. W ciągu 100 lat pojawiły się dwie różne wersje interpretacji tego pojęcia. Pierwsza interpretacja zjawiska koncentrowała się wokół procesu pozyskiwania informacji. W przypadku drugiej definicji jej przekaz kładzie nacisk na proces przetwarzania informacji.

Tak jak już wspomniałem, po 1958 r. pojęcie Business Intelligence na długie lata zniknęło z powszechnego użytku. Co ciekawe, jeszcze w 1997 r. Business Intelligence pojawia się w publikacji będącej instruktażem dla kadry kierowniczej firm w odniesieniu do zupełnie odmiennej problematyki niż ta, o której dyskutujemy obecnie. Business Intelligence był wtedy kojarzony bardziej ze szpiegostwem gospodarczym niż z wyrafinowanymi narzędziami do analizy dużych zbiorów danych[1]. W artykule zamieszczonym przez F.W. Rustmanna w „Thunderbird International Business Review” prowadzenie biznesu jest porównywane z prowadzeniem wojny, a ta wymaga działań szpiegowskich. Ten sam autor kilka lat później w 2002 r. publikuje książkę CIA, Inc.: Espionage and the Craft of Business Intelligence / Edition 1[2]. Tylko lektura spisu treści tej książki wskazuje, że pojęcie Business Intelligence było jednoznacznie kojarzone z działalnością szpiegowską. Przytoczę tutaj tylko dwa moje ulubione tytuły rozdziałów: „The recrutment of Spies” (Rekrutacja szpiegów) oraz „Audio Operations” (Operacje audio lub bardziej dosłownie – Podsłuch).

1.3. Specjaliści ds. Business Intelligence

Skoro jeszcze w 2000 r. nie mieliśmy narzędzi informatycznych klasy Business Intelligence, to skąd dziś biorą się specjaliści BI z dwudziestoletnim stażem? Współczesne rozumienie BI dotyczy analizy danych, zatem wszystkie narzędzia, które pozwalają na analizę dużych zbiorów danych, zostały określone jako narzędzia BI, a osoby pracujące z tymi narzędziami jako specjaliści ds. Business Intelligence.

Obecnie najbardziej rozpowszechnionymi narzędziami Business Intelligence są arkusze kalkulacyjne, w tym nieaktywny już Lotus 123, powszechnie panujący MS Excel i jego konkurenci ze świata open source. W związku z tym każdy, kto pracował z arkuszem kalkulacyjnym i przetwarzał w nim dane, tworzył plany i raporty może się określić jako specjalista ds. Business Intelligence.

Również mnie spotkał podobny zaszczyt. W latach 90. poprzedniego wieku tworzyłem analizy i przygotowywałem plany sprzedażowe w programie Lotus 123 i w związku tym stałem się specjalistą ds. Business Intelligence z wieloletnim stażem. Zdobywałem swoje doświadczenia w zarządzaniu danymi przez lata, pracując z różnymi narzędziami i obserwując rozwój rynku specjalistycznych rozwiązań, choć ani ja, ani producenci oprogramowania nie wiedzieliśmy wtedy, że jesteśmy związani branżą Business Intelligence.

W związku z tym, że najpierw powstał świat rozwiązań Business Intelligence, a dopiero później zaistniało w powszechnym użyciu pojęcie Business Intelligence, które posłużyło do jego nazwania, to historię prezentowanego zjawiska możemy podzielić na dwa okresy:

rozwiązania przed

Business Intelligence

,

rozwiązania

Business Intelligence

.

Myślę, że warto poświęcić chwilę czasu na poznanie, w bardzo hasłowej formie, kilku rozwiązań technologicznych, które pojawiły się w przeszłości, a których celem było wspieranie ludzi biznesu w podejmowaniu mniej lub bardziej poważnych decyzji. Jest to obraz pokazujący sposób myślenia twórców różnych narzędzi, którzy starali się wprowadzać na rynek rozwiązania odpowiadające na zapotrzebowanie klientów. Patrząc na kształt tych produktów z dzisiejszej perspektywy i oceniając je krytycznie, proszę pamiętać, w dużej mierze w sposób bezpośredni wynikał on z faktu, że świadomość ówczesnych menedżerów dotycząca własnych potrzeb była zupełnie inna niż obecnie.

1.4. Rozwiązania sprzed ery Business Intelligence

GIS

Po roku 1958 Business Intelligence jako pojęcie nie funkcjonuje w codziennym użytku, ale coraz częściej pojawiają się potrzeby, które dziś są zaspokajane przez rozwiązania informatyczne określane mianem BI. W odpowiedzi na nie producenci oprogramowania wprowadzali kolejne propozycje produktów ukrytych pod nowymi akronimami. Jednym z tych nowych skrótów jest GIS (Geographical Information System), czyli system informacji geograficznej. Pamiętam czasy, gdy rozwiązania tej klasy były gwiazdami wśród produktów informatycznych. Na oprogramowanie tego typu mogły sobie pozwolić tylko duże organizacje i zamożne firmy. Możliwość przedstawienia danych sprzedażowych na mapie administracyjnej kraju była wspaniałym rozwiązaniem dla analityków sprzedaży, którzy dzięki takim wizualizacjom zyskiwali podziw wśród kierowników średniego i wyższego szczebla. Prezentacje przygotowane z wykorzystaniem tego narzędzia pokazywane w trakcie konferencji sprzedaży były dla zgromadzonego audytorium niczym hologram 3D demonstrowany obecnie.

Jednak o sile i przydatności GIS w codziennej pracy decydowała przede wszystkim ilość i jakość danych. Raport, który prezentował na mapie kraju procentowy udział poszczególnych regionów w całości sprzedaży, to tylko jedna z najmniejszych możliwości tego typu narzędzi. O wiele większą zaletą systemów GIS była możliwość błyskawicznego tworzenia zestawień danych pochodzących z różnych źródeł. Wspaniała w tamtych czasach opcja przełączania się między warstwami dawała możliwość wspólnego pogłębiania wiedzy osób uczestniczących w tak przygotowanej prezentacji.

Do dziś pamiętam prezentację, w której przedstawiałem dwie przygotowane wcześniej warstwy. Pierwsza warstwa to mapa Polski, na której pokazałem udział procentowy wartości sprzedaży wszystkich trzech regionów w wartości sprzedaży całego przedsiębiorstwa. Duma kierownika sprzedaży jednostki, która uzyskała największy udział, wypełniała całą salę konferencyjną, w której zgromadziły się najważniejsze osoby działu sprzedaży i działu marketingu. Jednak kolejna zaprezentowana przeze mnie warstwa z systemu GIS znacząco odmieniła nastroje panujące na widowni. Warstwa ta przedstawiała te same obszary organizacyjne działu sprzedaży, ale wartość obrotów osiąganych przez poszczególne zespoły porównano z potencjałem zakupowym ich lokalnych rynków. Na tym obrazku system wskazał na zupełnie innego zwycięzcę zakończonego właśnie kwartału. Mimo iż wyróżniony region uzyskał niższą wartość sprzedaży, to w odniesieniu do siły zakupowej populacji wynik ten był znacznie powyżej średniej krajowej.

W latach 90. XX w. źródła danych demograficznych nie były powszechnie dostępne. Analityk, który otrzymał w prezencie system GIS, musiał się więc wykazać inicjatywą, aby pozyskać dane wzbogacające jego analizy. Dane z GUS były osiągalne, ale wymagały dodatkowego wsparcia. Na ogół raport miał rok lub dwa lata opóźnienia w stosunku do aktualnie analizowanego okresu. W związku z tym dane te wymagały takiego przetworzenia, które pozwalało na ich uaktualnienie.

Jednak prawdziwym koszmarem tamtych lat była forma, w której owe dane trafiały w nasze ręce. Wszystkie raporty z urzędów statystycznych czy agencji badawczych otrzymywaliśmy w formie papierowej i musieliśmy je ręcznie wklepywać do naszych PC. Z jednej strony żałuję odrobinę, że w tamtych latach nie miałem do dyspozycji tylu różnych danych z różnych źródeł, które mogły wzbogacać przygotowywane analizy, do których to informacji sięgają obecnie planiści. Ta myśl zostaje jednak błyskawicznie zastąpiona wizją olbrzymich stosów papierowych wydruków, które trzeba przeklepać ręcznie do programu. Podejrzewam, że koncentrując się na manualnej formie digitalizacji tych danych, nie znalazłbym wolnej chwili czasu, żeby wykonywać analizy.

Źródło: opracowanie własne.

OLAP – fenomen, który trudno zrozumieć

Nie pamiętam, ile razy w ciągu ostatnich lat spotkałem się z fenomenem, jakim jest OLAP. Najczęściej kontakt ten następował w trakcie rozmów z reprezentantami działów sprzedaży i marketingu, którzy mówiąc o analizie danych używali zwrotów: „kostka” lub „kostka olapowa”. To modne w środowisku słowo „kostka” określało całość potrzeb na analizę danych w firmach. Skąd wzięła się ta „kostka olapowa”?

W drugiej połowie lat 90. XX w. miałem przyjemność uczestniczyć w projekcie wdrożenia pierwszego, w tamtych latach, profesjonalnego narzędzia do analizy danych i tworzenia raportów w firmie należącej do koncernu Unilever. Narzędzie to zostało przejęte wraz z jego twórcami przez firmę Oracle i oferowane było pod nazwą Oracle Sales Analyzer. Zaraz po zakończeniu procesu wdrożenia wspomnianego rozwiązania jego użytkownicy błyskawicznie wprowadzili w życie własną nazwę dla tego systemu. Akronim OSA wydawał się w sympatyczny sposób ożywiać bezduszną naturę maszyny liczącej. OSA była właśnie oprogramowaniem klasy OLAP, czyli On Line Analytical Processing.

W tamtych czasach On Line znaczyło coś zupełnie innego niż dziś. On Line oznaczało, że baza danych systemu była zasilana aktualnymi danymi raz dziennie lub raz na tydzień. Dziś, kiedy słyszę, że ktoś chce mieć kostkę olapową, w świecie, w którym technologia pozwala na analizę aktualnych danych w czasie rzeczywistym, zastanawiam się nad fenomenem OLAP, nad tym, jak bardzo to pojęcie zdominowało świadomość wielu fachowców od sprzedaży i marketingu.

Źródło: opracowanie własne.

Od samego początku kariery OLAP prezentowano jako sześcian, który przedstawiał sposób organizacji danych sprzedażowych. Trzy osie tego trójwymiarowego świata, w którym wykonywano analizy, odpowiadały wymiarom trzech elementów takich jak: produkt, klient, czas. Między tymi osiami są transakcje sprzedażowe.

Na czym polegała największa rewolucja tamtych czasów, którą wprowadzały rozwiązania typu OLAP? Otóż został zrobiono poważny krok w kierunku fizycznego przybliżenia zbiorów danych do użytkowników biznesowych. Dane zyskały pewną niezależność i zamanifestowały swoją suwerenność, stając się zasobem firmy. Do czasów OLAP dane były gromadzone w systemach transakcyjnych i tylko tam znajdowały się w całości. Dzięki pojawieniu się rozwiązań OLAP firmy decydowały się na kopiowanie danych z systemów służących do fakturowania i przeniesienie ich do zewnętrznej bazy danych. Ta zewnętrzna, dodatkowa baza danych bywa nazywana różnie. W tamtych czasach funkcjonowały dwa pojęcia: Data Mart, czyli zbiorcza baza danych, Data Warehouse, czyli hurtownia danych. Różnica między nimi była taka, że w Data Mart przechowywano dane pobierane z jednego systemu, a w Data Warehouse gromadzono dane z kilku różnych systemów, z różnych źródeł powstawania danych.

Dla użytkownika (odbiorcy) danych w przedsiębiorstwie rewolucja związana z uruchomieniem narzędzi typu OLAP była odczuwana w dwóch sferach aktywności. Po pierwsze, kiedy analityk chciał przeprowadzić analizę danych za dowolnie wybrany przez siebie okres, wreszcie mógł samodzielnie pobierać dane z bazy i przetwarzać w dowolnej chwili. Wcześniej, aby przeprowadzić pilną analizę, analityk musiał zwrócić się ze specjalnym zleceniem do działu IT. Tak zwani „informatycy” w ramach swoich obowiązków pobierali dane z odpowiednich systemów i przekazywali je zleceniodawcy. Każde zlecenie było realizowane zgodnie z kolejką zgłoszenia.

Druga bardzo istotna zdobycz systemów OLAP to archiwizacja. Przed ich wprowadzeniem każdy cotygodniowy raport musiałem zapisywać w osobnym w arkuszu kalkulacyjnym dla potrzeb analiz porównawczych. Dzięki narzędziom takim jak Oracle Sales Analyzer mogłem w dowolnym momencie sięgnąć do danych nawet trzy lata wstecz i zestawić je z dzisiejszymi wynikami.

Patrząc na historię rozwiązań IT w dziedzinie przetwarzania danych, pozwolę sobie na postawienie tezy, że rozwiązania klasy OLAP odcisnęły na współczesnym Business Intelligence zdecydowanie największe piętno. Z jednej strony doprowadziły do najpoważniejszej zmiany, o której napisałem powyżej, a więc do uzyskania przez dane niepodległości, samodzielnego bytu w ramach firmy, czyniąc z nich jeden z najważniejszych zasobów przedsiębiorstw. Z drugiej strony na wiele kolejnych lat wcisnęły użytkowników biznesowych w mentalny mrok, jakim stały się tabele przestawne. Mimo iż w teorii dane olapowe powinny mieć charakter wielowymiarowy, to sposób ich prezentacji w arkuszach kalkulacyjnych jest absolutnie dwuwymiarowy.

Wielu specjalistów związanych z Business Intelligence zgodzi się ze mną (mam nadzieję), że przez wiele lat jednym z czynników ograniczających rozwój i sprzedaż nowoczesnych narzędzi do przetwarzania i wizualizacji danych było właśnie przyzwyczajenie się użytkowników biznesowych do Excela.

Sezon na wspomaganie

Rozwiązania OLAP-owe dynamicznie wkroczyły do świata biznesu w latach 90. XX w. Jednak konsultanci, którzy uczestniczyli w projektach wdrożeniowych, dostrzegli gigantyczną barierę, która wpływała na percepcję tych rozwiązań. Ograniczeniem stał się poziom wiedzy menedżerów, którzy powinni czerpać korzyści z nowych możliwości, jakie oferowały tamte narzędzia. Szybkość dostępu do kluczowych informacji ukrytych w danych była bezdyskusyjną zaletą, którą przedstawiano w trakcie prezentacji marketingowych. Jednak użytkownicy biznesowi nie byli przygotowani do stawienia czoła tak dużej ilości informacji, którą oferowały OLAP-y.

Do dziś pamiętam pierwsze wdrożenie OLAP, w którym uczestniczyłem. Kiedy narzędzie było już gotowe do podzielenia się z otoczeniem biznesowym olbrzymią wiedzą, która kryła się w gromadzonych przez lata danych, spotkałem się z kadrą kierowniczą sprzedaży i marketingu. Poprosiłem moich rozmówców o zdefiniowanie swoich oczekiwań, wymagań dotyczących kształtu i treści raportów, które miałem przygotować dla nich za pomocą nowego narzędzia. W odpowiedzi dostałem tylko kilka standardowych zestawień, które przygotowywałem ręcznie w poprzednim okresie, oraz poproszono mnie o zaproponowanie listy nowych, możliwych do opracowania raportów.

Podjąłem się tego zadania, bo jako absolutny entuzjasta nowego rozwiązania i jego możliwości już wcześniej miałem przygotowanych kilkadziesiąt konkretnych pytań, które moim zdaniem warto było zadać dostępnym danym. Wtedy też dotarło do mnie, że taki model współpracy analityka i biznesu jest skazany na klęskę dla obu stron.

Na szczęście producenci oprogramowania szybko odkryli w tej niebezpiecznej sytuacji szansę na wygenerowanie nowych możliwości zwiększenia swojej sprzedaży. Wykreowali kolejne pojęcia, które znakomicie nadawały się do przyklejenia ich na pudełkach z ich produktami. Pojęcia te to oczywiście kolejne akronimy, takie jak:

DSS –

Decision Support System

(System Wsparcia Decyzji),

DIS –

Departmental Information System

(Wydziałowy System Zarządzania Informacją),

EIS –

Executive Information System

(System Zarządzania Informacją dla Zarządu),

MIS –

Management Information System

(System Zarządzania Informacją dla Kadry Kierowniczej).

Celem tych rozwiązań było pokazanie kadrze kierowniczej przedsiębiorstw, że rozwiązania informatyczne mogą skutecznie wspierać ich niebywale ważne i skomplikowane procesy decyzyjne. Przyjęto założenie, że podjęcie trafnej decyzji przez kierownika powinno być wsparte dużą liczbą informacji, które odnoszą się do rozpatrywanego zagadnienia. Informacje te powinny być dostarczone automatycznie przez system, który wykonał wcześniej zestaw niezbędnych analiz danych zgromadzonych w zasobach przedsiębiorstwa.

Wymienione powyżej skróty dotyczą klas rozwiązań informatycznych, które miały posiadać wspólne cechy. Po pierwsze powinny działać automatycznie zgodnie z określonymi harmonogramami. Po drugie dostarczane do odbiorców zestawienia raportowe powinny zawierać informacje uzyskane dzięki agregacji danych.

Oprócz takich produktów, jak Crystal Report czy Business Objects, również arkusze kalkulacyjne spełniały funkcję systemów MIS, DIS czy EIS. Oczywiście rozwiązań tej klasy na świecie powstało pewnie kilkadziesiąt i były odpowiedzią na potrzeby pojawiające się na lokalnych rynkach w związku ze wzrostem ilości danych.

Czy dziś rozwiązania tego typu stały się zbędne, skoro pojawiły się narzędzia Business Intelligence? Na to pytanie potrafią najlepiej odpowiedzieć pracownicy działów marketingu producentów oprogramowania. Dla mnie jest oczywiste, że o sensie istnienia takich narzędzi decyduje klient i jego potrzeby. Jeśli kadra kierownicza danej firmy dojdzie do wniosku, że potrzebuje systemu, który będzie wspierał procesy decyzyjne występujące w tej organizacji, to pewnie w ten czy inny sposób dotrze do opisu rozwiązań klasy DSS i zdecyduje o rozpoczęciu procesu poszukiwania odpowiednich narzędzi.

1.5. Era Business Intelligence

W wieku XXI wszystkie rozwiązania, które dotyczą przetwarzania danych, nagle znajdują wspólny sztandar, pod którym się jednoczą i wyruszają na podbój klientów. Oczywiście jest to sztandar wyłącznie marketingowy i jak to bywa w życiu w podobnych nieformalnych ruchach do grupy piewców nowego typu rozwiązań dołączają nie tylko ci, którzy oferują nową jakość, lecz także producenci, którzy przemalowali opakowania swoich starych rozwiązań.

Jeszcze w 2000 r. znajdziemy teksty, które Business Intelligence kojarzą bardziej ze „szpiegowaniem” rynku i konkurencji niż z przetwarzaniem danych firmowych[3]. Ale już rok później BI zaczyna być utożsamiany z rozwiązaniami dotyczącymi analizy danych. Liczba oferowanych rozwiązań, które są określane mianem oprogramowania Business Intelligence, jest imponująca. Do konkursu na produkt roku w dziedzinie Business Intelligence zgłoszono 7 rozwiązań. Co ciekawe, trzy spośród firm, które walczyły wtedy o miano produktu 2001 r., dziś już nie istnieją. Ich rozwiązania zostały przejęte przez firmy Oracle, IBM i SAP.

W roku 2001 najlepszym produktem Business Intelligence został Microsoft Data Analyzer, pokonując m.in. Business Objects Application Foundation i Cognos Finance 5.1.

Business Intelligence 1.0

W tamtym okresie nie używano jeszcze licznika, który zakładał, że specyfikacja Business Intelligence będzie się tak dynamicznie zmieniać. Wszyscy dostępni na rynku dostawcy oferowali rozwiązania BI 0.0. Potrzeba uruchomienia licznika z nowymi wersjami BI była prawdopodobnie spowodowana chęcią wyróżnienia się z tłumu. Część firm dostarczających rozwiązania innowacyjne chciała odróżnić swoje produkty od rozwiązań konkurencyjnych.

Przyjmuje się dziś, że BI 1.0 to narzędzia, których działanie pozwalało jedynie na cykliczne rozsyłanie zdefiniowanych wcześniej zestawów raportowych. W roku 2005 pojawiła się nowa grupa funkcjonalności i nowa wersja określenia BI, a wszystkie produkty, które były oferowane przed 2005 r. to rozwiązania, które możemy, dla porządku chronologicznego, zaliczyć do specyfikacji BI 1.0.

Business Intelligence 2.0

Co to jest BI 2.0? Na czym polega zmiana? Najprościej mówiąc – na odebraniu pracy specjalistom, która polegała na konfigurowaniu raportów przeznaczonych dla użytkowników biznesowych. Rozwiązania BI 2.0 pozwalają zwykłym użytkownikom biznesowym na własnoręczne tworzenie analiz i raportów.

BI 2.0 znacznie osłabił władzę pracowników działów IT nad resztą kierowników i specjalistów w firmie. Nagle analityk sprzedaży mógł własnoręcznie pobierać dane z hurtowni danych, przetwarzać je, na koniec stworzyć na ich podstawie właściwy, najbardziej optymalny raport. Mógł również ten raport przesłać zainteresowanym osobom lub samodzielnie ustawić mechanizm cyklicznej dystrybucji.

Narzędzia, które zaliczamy do definicji BI 2.0, są na tyle rozwinięte, że z ich funkcjonalności może skorzystać każdy pracownik firmy, który ma do nich dostęp. Nie musi to być tylko analityk sprzedaży. Wszystkie programy tego typu wymagają jednak od użytkownika odpowiedniego przygotowania, zdobycia niewielkiej, dodatkowej branżowej wiedzy i umiejętności.

Rozwiązania te wprowadzają kilka specyficznych terminów i pojęć, które na szczęście we wszystkich konkurencyjnych produktach brzmią podobnie. Są to:

wymiary,

miary,

dziedziny/obszary analityczne,

wskaźniki,

mierniki,

pivot.

Business Intelligence 3.0

Od kilku lat obserwujemy pojawiającą się w branży IT oraz w wydawnictwach naukowych nową specyfikację Business Intelligence. Tym razem jest to wersja 3.0, która wnosi rzeczywiście jedną szalenie ważną zmianę w stosunku do wersji BI 2.0. Zmiana ta polega na umożliwieniu pracownikom firmy oraz ich partnerom prowadzenia wspólnych działań, korzystając z dostępu do wspólnego zbioru zestawień raportowych. Dlaczego ta nowa funkcjonalność jest istotna?

Pamiętam jeszcze czasy, w których na spotkaniach kadry kierowniczej poszczególni członkowie tego gremium przynosili własne, przygotowane w tajemnicy analizy i raporty. Kiedy omawiano istotne dla organizacji problemy, które wydarzyły się w niedalekiej przeszłości, rozkręcała się bitwa między uczestnikami spotkania. Okopawszy się na swoich pozycjach zacni menedżerowie ostrzeliwali się, używając jako amunicji tajemnych raportów. Celem takich potyczek było zrzucenie za wszelką cenę winy na kogoś innego.

Dziś sytuacja uległa poważnej zmianie dzięki możliwościom współczesnych rozwiązań raportowych i analitycznych. Dostęp do danych i raportów jest znacznie bardziej demokratyczny niż kilka lat temu. Teraz uczestnicy opisanego powyżej zespołu kierowników mają dostęp do tych samych raportów jeszcze przed rozpoczęciem spotkania. Pojawiając się w sali konferencyjnej, są znacznie lepiej przygotowani do dyskusji. Jeszcze większą zdobyczą rozwiązań, które zalicza się do specyfikacji BI 3.0, jest możliwość połączenia narzędzi raportowych i analitycznych z funkcjonalnością serwisów społecznościowych. Swobodna wymiana opinii na temat prezentowanych w raporcie wyników bezdyskusyjnie zwiększa wartość takiego zestawienia, bo wzbogaca wynik danej analizy o elementy interpretacji, które nie zawsze są widoczne w tabelach czy pięknych wykresach 3D. Kierownik może dzięki tym nowym funkcjonalnościom zapytać podwładnych o przyczyny stanu rzeczy, który prezentuje raport.

Każdy zainteresowany historią rozwoju definicji pojęcia Business Intelligence znajdzie w literaturze fachowej jeszcze inne cechy, które opisują specyfikację BI 3.0. Są to m.in. mobilność i nacisk na wizualizację. Nie poświęcam im w tym momencie zbyt dużo miejsca, bo uważam, że uwzględnienie w planach produkcyjnych przez firmy software’owe obsługi urządzeń mobilnych nie powinno być traktowane jako wielki wyczyn, ale jako konieczność dostosowania się do wymagań współczesnego świata. Podobnie sprawa wygląda z kwestią troski o nowoczesną wizualizację. Tak dziś wygląda świat, takie są oczekiwania użytkowników wszelkich programów, od gier komputerowych po aplikacje biznesowe.

Business Intelligence 4.0

W tej części książki jestem zobowiązany do przedstawienia informacji o nowości marketingowej, którą staje się BI 4.0. Nie jestem przekonany, czy ten BI 4.0 rzeczywiście zaistnieje w pełni w świadomości ludzi biznesu i nauki, zwłaszcza że część jego opcji zalicza się już dziś do BI 3.0.

Czym ma się wyróżnić ten BI 4.0? Przede wszystkim naciskiem na predykcję, na rozbudowanie funkcjonalności, która będzie pracownikom firm podpowiadała, co powinni zrobić, jakie decyzje podejmować. Te nowe narzędzia mają sugerować, co się wydarzy, więc osoby podejmujące decyzję powinny dostosowywać swoje działania do tej nowej, wyliczonej rzeczywistości.

1.6. Przyszłość Business Intelligence – Business Intelligence Ultimate

Na zakończenie tego rozdziału poświęconego historii pojęcia Business Intelligence przedstawię w zarysie możliwą przyszłość BI. Pojęcie Business IntelligenceUltimate, którym się posługuję, odnosi się do ścieżki rozwoju, jaką przeszedł klasyczny wywiad. Na przykładzie CIA możemy zauważyć, że oprócz zdobywania i przetwarzania informacji agencja ta postanowiła w pewnym momencie aktywnie wpływać na kształt przyszłości. Już nie tylko zbierała informacje o sytuacji społecznej, politycznej i gospodarczej w poszczególnych krajach, lecz także przez swoją sieć agentów zmieniała bieg historii.

Czy zatem Business IntelligenceUltimate będzie oznaczał konieczność dostarczania firmom narzędzi, dzięki którym będą mogły zmieniać rzeczywistość? Jak daleko taka ingerencja będzie sięgała? Czy Business IntelligenceUltimate oznacza manipulację decyzjami konsumentów? A może wykorzystanie mechanizmów predykcyjnych doprowadzi do tego, że producenci dóbr będą sami pobierali z naszych kont bankowych pieniądze, bo z ich analiz wynika, że już dziś powinienem dokonać właśnie takiego zakupu?

Spoglądając na przykład serwisu internetowego Facebook.com, który kilka lat temu chwalił się swoimi rozwiązaniami Business Intelligence, można się obawiać, że granica między wiedzą a manipulacją jest bardzo cienka. Co innego wiedzieć, jakie są problemy internetu, a co innego sugerować rozwiązanie tych problemów w sposób tendencyjny. Przykład, o którym wspomniałem, dotyczy komunikatora, który dostarczył Facebook.com. Automatyczny system Business Intelligence stale „podsłuchiwał” (pewnie zgodnie z zapisami w regulaminie usługi) konwersacje internautów korzystających z tego komunikatora. W czasie rzeczywistym analizował treść rozmów w poszukiwaniu słów i zwrotów, które mogłoby być wykorzystane w celu dopasowania przekazu reklamowego. Jeśli któryś z rozmówców napisał, że ma dziurę w spodniach, to automatycznie w oknie prezentującym reklamę pojawiał się komunikat: „w sklepie na twojej ulicy jest wyprzedaż spodni twojej ulubionej marki”. Sprytne? Tak.

Rozdział 2

Definicja – klucz do prawidłowego wdrożenia Business Intelligence

W literaturze branżowej i wydawnictwach naukowych jest kilkanaście definicji pojęcia Business Intelligence. W tabeli przytaczam tylko kilka z nich w celach czysto informacyjnych. Żadna z tych definicji moim zdaniem nie oddaje sensu BI jako działania, które powinna prowadzić współczesna firma.

Autor

Opis

Adelman & Moss (2000)

Termin obejmujący szeroki zakres oprogramowania do zbierania, konsolidacji, analizy i udostępniania informacji, które umożliwia organizacjom lepsze podejmowanie decyzji.

Alter (2003)

Business Objects (2007). Dostarczanie różnych danych, informacji, analiz pracownikom, klientom, dostawcom w celu poprawy podejmowania decyzji.

Cognos (2007)

BI łączy ludzi i dane, oferując różnorodne sposoby patrzenia na informacje, które wspomagają proces podejmowania decyzji.

Chang (2005)

Dokładne, aktualne, istotne dane, informacje i wiedza, które wspomagają strategiczne i operacyjne decyzje, ocenę ryzyka w niepewnym i dynamicznym otoczeniu organizacji.

Dresner (1989)

Termin obejmujący zbiór koncepcji i metod stosowanych do poprawy podejmowania decyzji przy zastosowaniu systemów wspomagania decyzji.

Eckerson (2003)

System, który przekształca dane w różnorodne produkty informacyjne.

Gangadharan & Swami (2004)

Wynik zastosowania głębokich analiz danych biznesowych w bazach danych.

Gartner Research

(Hostmann, 2007)

Termin obejmujący aplikacje analityczne, infrastrukturę, platformy i najlepsze praktyki.

Hannula, Pirttimaki

(2003)

Zorganizowany i systemowy proces, który jest stosowany do zbierania, analizy i udostępniania informacji w celu wspomagania operacyjnych i strategicznych decyzji.

IBM (Whitehorn & Whitehorn 1999)

Termin obejmujący szeroko rozumiany proces mający na celu ekstrakcję wartościowych informacji z różnych zasobów danych organizacji.

Informatica, Teradata, MicroStrategy (Markarian et al. 2007)

Interaktywny proces eksploracji i analizy strukturalizowanych, dziedzinowych informacji przechowywanych w hurtowniach danych, mający na celu odkrywanie trendów, wzorów.

Jourdan et al. (2008)

Procesy i produkty, które są wykorzystywane do tworzenia użytecznych informacji niezbędnych do funkcjonowania w globalnej gospodarce oraz predykcji zachowań otoczenia biznesu.

Kulkarni & King (1997)

Produkt analizy danych biznesowych z wykorzystaniem inteligentnych narzędzi.

Lonnqvist, Pirttimaki (2006)

Filozofia zarządzania oraz narzędzie, które pomaga zarządzać i podejmować efektywniejsze decyzje.

Moss & Atre (2003)

Architektura i kolekcja zintegrowanych operacji, a także aplikacje do wspomagania decyzji oraz hurtownie danych, które dostarczają organizacjom łatwy dostępu do danych biznesowych.

Moss & Hoberman (2004)

Procesy, technologie, narzędzia, które są niezbędne do przekształcenia danych w informacje, informacje w wiedzę, a wiedzę w działania przynoszące korzyści dla organizacji. BI obejmuje hurtownie danych, narzędzia analityczne oraz zarządzanie wiedzą i treścią.

Negash (2004)

System, który integruje i przechowuje dane, zarządza wiedzą za pomocą narzędzi analitycznych, aby decydenci mogli konwertować informacje w przewagę konkurencyjną.

Olszak, Ziemba (2003)

Zespół koncepcji, metod oraz procesów, których celem jest nie tylko poprawa decyzji biznesowych, ale także wspieranie strategii organizacji.

Oracle (2007)

Portfolio technologii i aplikacji, które dostarczają zintegrowany system zarządzania organizacją, włącznie z finansami, zarządzaniem, aplikacjami BI, hurtowniami danych.

SAS Institute (Ing, 2007)

Dostarczanie właściwych informacji właściwym osobom we właściwym czasie w celu wspomagania lepszego podejmowania decyzji i uzyskiwania przewagi konkurencyjnej.

Watson et al. (2004)

System, który wspomaga użytkowników w zarządzaniu dużymi ilościami danych i w podejmowaniu decyzji.

White (2004)

Termin obejmujący hurtownie danych, raportowanie, procesy analityczne, zarządzanie wydajnością oraz predyktywne analizy.

Williams, Williams (2007)

Kombinacja produktów, technologii oraz metod do odkrywania kluczowych informacji, aby poprawiać zyski i wydajność w organizacji.

Źródło: C.M. Olszak, Analiza i ocena dorobku naukowego z zakresu problematyki Business Intelligence – wybrane zagadnienia, w: Systemy inteligencji biznesowej jako przedmiot badań ekonomicznych, C.M. Olszak, E. Ziemba (red.), Studia Ekonomiczne 113, Uniwersytet Ekonomiczny w Katowicach, Katowice 2012.

W czasie projektów, które miałem przyjemność realizować w ciągu wielu lat, zaobserwowałem pewną naturalną prawidłowość dotyczącą zachowań kierowników i specjalistów w firmach, które podjęły wysiłek zarządzania danymi. Otóż każda nowa analiza danych, którą dostarczały różne narzędzia, zawsze prowadziła do zwiększenia głodu wiedzy u odbiorców poszczególnych raportów. Nie chodzi tu wyłącznie o mechanizm drill down, a więc zagłębiania się w kolejne warstwy danych. Użytkownicy, o których wspominam, nagle dochodzili do wniosku, że chcą wiedzieć więcej i chcą modyfikować procesy pozyskiwania danych w celu zaspokojenia głodu wiedzy. Dostrzegali, jak niedoskonałe są stosowane przez nich mechanizmy rejestracji zdarzeń dotyczących ich własnego biznesu. Nagle dzięki pierwszym analizom doznawali olśnienia. Spoglądali na swoje procesy biznesowe z innej perspektywy. Uświadamiali sobie, że jeśli chcą wprowadzać usprawnienia w swojej organizacji, to muszą wiedzieć o niej znacznie więcej.

Źródło: opracowanie własne.

Najlepiej przedstawię te spostrzeżenia, podając konkretny przykład. W trakcie wdrożenia i szkolenia w dużej firmie dystrybucyjnej omawialiśmy raport dotyczący wielkości tzw. sprzedaży utraconej. Jest to wartość, którą dla danego okresu wyliczmy, odejmując od wartości zamówień złożonych przez odbiorców, wartość rzeczywistej sprzedaży zarejestrowanej na podstawie dokumentów sprzedaży. Mówiąc prostym językiem, jest to różnica między tym, co klienci chcieli u nas kupić, a tym, co rzeczywiście sprzedaliśmy. Zestawienie, które przygotowałem, opierając się na danych firmy, z którą współpracowałem, pokazało, że sprzedaż utracona stanowiła ponad 30% wartości zamówień złożonych przez klientów. Nie ukrywam, że byłem tylko odrobinę mniej zaskoczony tym wynikiem niż przedstawiciele mojego klienta. Zaalarmowni skalą tego zjawiska rozpoczęliśmy wspólne dochodzenie, żeby wyjaśnić przyczynę tak fatalnych wyników pracy firmy. Okazało się szybko, że wina nie leżała wcale po stronie procesów logistycznych przedsiębiorstwa. Źródło problemu było znacznie głębsze. Zawinił proces wdrażania systemu ERP(Enterprise Resource Planning – system planowania zasobów firmy) i modułu HM (handel i magazyn). Przygotowując wdrożenie procesu obsługi zamówień, przewidziano wyłącznie 4 statusy, które można nadawać zamówieniom od odbiorców: zrealizowane, niezrealizowane, zrealizowane częściowo, anulowane. Osoby z działu obsługi klienta, pracujące z tak skonfigurowanym systemem informatycznym, kiedy napotykały zamówienia wymagające modyfikacji, musiały najpierw anulować zamówienie pierwotne (nadając mu status ANULOWANE), a następnie wprowadzić nowe, zmodyfikowane zamówienie.

Źródło: opracowanie własne.

Po chwili rozmowy z reprezentantami kadry kierowniczej klienta został wypracowany prosty sposób rozwiązania tego problemu. Wystarczyło wprowadzenie drobnej modyfikacji do konfiguracji systemu, a więc utworzenie nowego, dodatkowego statusu: „Zamówienie anulowane z powodu korekty”. Od tej chwili, oceniając wielkość sprzedaży utraconej wystarczyło „wyrzucić” z zestawień zamówienia, które były oznaczone nowym statusem. W trakcie tej samej dyskusji i pobieżnej analizy procesu obsługi zamówień w omawianej firmie okazało się, że powodów przyczyn anulowania zamówień jest kilka. Na szczęście zespół, który zajmował się tym problemem, sam postanowił nadać odpowiednie statusy poszczególnym przypadkom.

Ponieważ podobnych przykładów spotykałem dużo więcej, doszedłem do wniosku, że Business Inteligence nie jest na pewno projektem, bo jego wdrożenie nigdy się nie skończy. Przygotowanie kilku analiz i tak doprowadzi do konieczności modyfikacji źródeł danych służących do tych analiz, a modyfikacja źródeł spowoduje konieczność modyfikacji analiz i tak w kółko.

2.1. Propozycja definicji Business Intelligence

Korzystając z moich doświadczeń, wzbogaconych również lekturą naukowych opracowań dotyczących Business Intelligence, i po analizie wielu relacji praktyków z całego świata, przygotowałem własną definicję tego pojęcia.

Business Intelligenceto polityka przedsiębiorstwa dotycząca zarządzania informacjami i danymi, która obejmuje takie obszary jego aktywności, jak:

pozyskiwanie i rejestrowanie,

przechowywanie,

przetwarzanie,

publikowanie.

Na szczęście dla mnie podobne definicje zaczynają być coraz częściej formułowane przez naukowców zajmujących się Business Intelligence na całym świecie, co pozwala mi uniknąć niezręcznych i niepotrzebnych dyskusji, które profesjonaliści prowadzą z „odszczepieńcami”. W mojej definicji istotną rolę odgrywa słowo polityka, które określa, jakie znaczenie powinny firmy przywiązywać do zagadnień związanych z danymi i informacją.

Źródło: opracowanie własne.

A POZYSKIWANIE I REJESTROWANIE

AUTOMATYZACJA rejestracji informacji biznesowych, określenie mechanizmu rejestracji, sposobu monitoringu i weryfikacji danychOKREŚLENIE ETAPÓW PROCESU – organizacja sposobu gromadzenia informacjiSPRAWDZENIE WIARYGODNOŚCI informacjiROZRÓŻNIENIE na dane deklaratywne i transakcyjneSKANOWANIE dokumentów – systemCZYNNIKI ZEWNĘTRZNE – weryfikacja ich wpływu na gromadzone daneOKREŚLENIE FORMATU gromadzonych raportówOKREŚLENIE CZĘSTOTLIWOŚCI raportów – wykorzystanie IOTWERYFIKACJA gromadzonych danych: ilość, jakość, źródła, poziom błędów, zdarzenia, procesy pokrewne, osoby zaangażowane w wybrane procesy

B PRZECHOWYWANIE

2 WAŻNE PYTANIA:

PRIORYTET: które informacje chcemy archiwizować?FORMA: w jakiej formie chcemy archiwizować informacje? Ważna jest odpowiednia archiwizacja i forma przechowywanych danych: papierowa/elektronicznaPROCES DECYZYJNY – Archiwizacja danych, które mają wpływ na decyzje biznesowe firmySEGREGACJA – archiwizowanych informacjiDOSTĘPNOŚĆ – dostęp do wiedzy ukrytej w danych i do danych źródłowychAUTOMATYZACJA procesów controllingowychKOPIE ZAPASOWE nadpisywanie danych i brak wglądu do danych historycznychGROMADZENIE DANYCH POKREWNYCH mających wpływ na proces

C PRZETWARZANIE

PYTANIA i sposób ich zadawania względem przetwarzanych danych – Zbierz listę pytań i odpowiedziWŁAŚCIWE PYTANIA – Ważne jest zadawania pytań, które dostarczą odpowiedzi istotnych dla biznesuSPOSÓB PRZETWARZANIA DANYCH – Pytania będą decydowały o sposobie przetwarzania danych, w tym o wyborze odpowiednich rozwiązań i narzędziDOBÓR NARZĘDZIGRUPA DOCELOWA – ważne jest określenie odbiorcy, dla którego będą tworzone raportyCEL ANALIZY – ważne jest poznanie i zrozumienie procesów, zjawisk otaczających badane zagadnienieUNIWERSALNOŚĆ – przetworzona wiedza powinna być zrozumiała dla każdej grupy odbiorców: od pracowników po partnerów biznesowych firm

D PUBLIKOWANIE

SPOSÓB I FORMA UDOSTĘPNIENIA RAPORTÓW:

EFEKTYWNOŚĆ przekazu –

ilość wiedzy pozyskanej w maksymalnie krótkim przedziale czasu

CZYTELNOŚĆ przekazu

INTEGROWALNOŚĆ danych

ZWIĘZŁOŚĆ komunikatów

RAPORTY POWINNY BYĆ DOSTOSOWANE DO:

OdbiorcówZadań, które wykonują odbiorcyProcesów decyzyjnychPotrzeb odbiorców informacji

PUBLIKOWANIE WYNIKÓW, analiz czy raportów: tu powinniśmy przede wszystkim pomyśleć o tym, jak pomóc pracownikom w ich zadaniach

Kilka tygodni temu zaprezentowałem swoją propozycję definicji BI na forum pewnej grupy dyskusyjnej i zostałem zaatakowany właśnie za użycie słowa POLITYKA. Osobą, która określiła słowo polityka jako wielkie, zbyt nadęte słowo, okazał się pracownik południowoafrykańskiej firmy outsourcingowej działającej w obszarze Business Intelligence. Odpowiedziałem mu, że słowo polityka, jest jednym z najbardziej popularnych słów, a w języku biznesu bywa używane bardzo często. Firmy deklarują, że mają swoją politykę dotyczącą: bezpieczeństwa, zatrudnienia czy odpowiedzialności społecznej.

Zanim przejdę do bardziej szczegółowego omówienia mojej definicji Business Intelligence, uczciwie uprzedzam, że to, co głoszę, może zabrzmieć dla wielu specjalistów od zarządzania i fachowców od IT jako bluźnierstwo, ale według mnie pod nazwą Business Intelligence znajduje się większość systemów biznesowych, takich jak: ERP (Enterprise Resource Planning – system planowania zasobów firmy), CRM (Customer Relationship Management – system zarządzania relacjami z klientami), SCM (Supply Chain Management – system zarzadzania łańcuchem dostaw), RCP (system rejestracji czasu pracy), systemy bankowe czy systemy billingowe. Dziś uważa się, że narzędzia BI powinny być integrowane z ERP i stanowić ich naturalną część jako jeden z modulów. Według mnie systemy takie jak ERP są obszarem działania polityki zarządzania informacją. Przeczytałem kilkanaście tekstów promujących różne systemy ERP oraz wiele blogów specjalistów zajmujacych się tymi rozwiązaniami. Kiedy omawiany jest problem, dlaczego wdrażać ERP, zawsze pojawiają się argumenty dotyczące zarządzania informacją. Gromadzenie, przetwarzanie i prezentowanie informacji o procesach biznesowych firmy to najczęściej wskazywane korzyści wynikające z używania zintegrowanych systemów zarządzania przedsiębiorstwem.

2.2. Pozyskiwanie i rejestrowanie danych

Wróćmy do mojej definicji Business Intelligence. Zacznijmy od obszaru aktywności przedsiębiorstwa firmy, który określam jako: zbieranie i rejestrowanie danych i informacji. Skorzystajmy ponownie z analogii, jaka występuje między zarządzaniem firmą a zarządzaniem organizacją wywiadowczą. Przyjmijmy, że agencja wywiadowcza dostała zadanie polegające na przygotowaniu raportu o ruchach oddziałów terrorystycznych na terenie Afryki Północnej. O jakości informacji, które zostaną zaprezentowane w raporcie, zadecyduje sposób, w jaki agencja będzie pozyskiwała dane. Jeśli sposób ten będzie polegał na wysłaniu jednego supersprytnego agenta do Maroka i wykupieniu dla niego wycieczki autokarowej wzdłuż wybrzeża Morza Śródziemnego, to łatwo przewidzieć, jaka będzie treść raportu przygotowanego dla zleceniodawców. Oprócz barwnych opisów miejscowości, które odwiedził agent, i ludzi, których obserwował lub z którymi rozmawiał, w ostatnim rozdziale znajdzie się jedno, krótkie podsumowanie: ruchów oddziałów terrorystycznych nie zaobserwowano.

Najbardziej atrakcyjnym przykładem działań mających na celu pozyskiwanie informacji jest jedna z historii opowiadających o filmowym szpiegu z licencją na zabijanie – agencie 007. W jednym z filmów przełożona Jamesa Bonda, M, wysyła go do Hamburga, żeby spotkał się ze swoją byłą sympatią. Wywiad MI6 liczy na to, że dzięki tej podróży i spotkaniu ze swoją byłą przyjaciółką, a obecnie żoną podejrzanego o niecne zamiary magnata medialnego, Bond zdobędzie więcej informacji o planach człowieka, który stanowi poważne zagrożenie dla bezpieczeństwa Zjednoczonego Królestwa. Wybrano konkretne miejsce, konkretne źródło informacji i co ciekawe również konkretny sposób zdobywania informacji, który ma zagwarantować jednoczesną weryfikację prawdziwości otrzymywanych danych. Bond nie tylko zebrał informacje o nielegalnych działania Elliota Carvera, ale przywiózł do centrali konkretny dowód obciążający owego przedsiębiorcę.

Jak wygląda zbieranie informacji w biznesie, której celem jest zapewnienie stabilizacji firmie oraz zagwarantowanie warunków jej stałego rozwoju? Powiedzmy, że chcemy wiedzieć, czy nasi pracownicy oddają nam codziennie tyle swojego czasu, za ile płacimy zgodnie z warunkami umów o pracę. Do zdobycia tej informacji można wymyślić kilka możliwych rozwiązań. Na przykład możemy poprosić, żeby każdy pracownik na koniec miesiąca deklarował nam na papierze i potwierdzał własnoręcznym podpisem, ile godzin przepracował każdego dnia. Potem specjalista w dziale HR wprowadzi własnoręcznie te dane do systemu płacowego. Czy mechanizm taki zadziała? Zadziała! Będzie miał jednak kilka istotnych wad, takich jak np. wiarygodność tych danych. Dane zbierane w sposób opisany powyżej to dane deklaratywne. Każdy pracownik może popełnić nieumyślny błąd w przekazywaniu informacji i zawyżyć liczbę przepracowanych godzin.

Innym problemem jest to, że dane o liczbie przepracowanych godzin mamy tylko raz w miesiącu i nie możemy dokonywać na bieżąco, cotygodniowych analiz. Jeszcze innym problemem jest zbyt duża pracochłonność związana z wpisywaniem do komputera danych z arkuszy papieru.

Możemy wprowadzić do tego mechanizmu kilka szybkich i prostych modyfikacji. Pierwsza to taka, że wyznaczony przez zarząd pracownik codziennie przeprowadza wywiad z każdym zatrudnionym i zapisuje informacje o tym, ile godzin przepracował zatrudniony poprzedniego dnia. Druga modyfikacja dotyczy sposobu wprowadzania informacji do systemu. Wystarczy zainstalować system do OCR, czyli skanowania dokumentów i rozpoznawania tekstu oraz wprowadzania odczytanych danych bezpośrednio do systemu informatycznego.

Zarówno opisany powyżej mechanizm pierwotny, jak i jego modyfikacja są obecnie bezcelowe. Już na początku XX w., w epoce rozwoju produkcji taśmowej, wprowadzono systemy rejestracji czasu pracy. Odbicie karty na bramie zakładu stanowiło formę rejestracji czasu, który pracownik spędzał w firmie każdego dnia. Dziś papierowe karty zostały zastąpione kartami elektronicznymi, które stanowią element rozbudowanych systemów rejestracji czasu pracy. Obecnie systemy te prezentują w czasie rzeczywistym informacje na temat tego: kto i jak długo przebywał w firmie, o której przyszedł i jak długa była przerwa obiadowa.

Jednak mechanizm rejestruje tylko jedną informację. Pracodawca otrzymuje błyskawicznie dane o liczbie godzin spędzonych w firmie przez pracownika i może dzięki temu zweryfikować, czy pracownik wywiązuje się z zawartej umowy. Inną kwestią jest to, czy pracodawca ma świadomość, co w tym czasie pracownik robił.

Zbieranie danych to jeden z najważniejszych elementów polityki Business Intelligence, który ma bezpośredni wpływ na kształt procesów biznesowych oraz na dobór i konfigurację narzędzi wykorzystywanych w tych procesach. Jeśli firma planuje optymalizację procesów biznesowych, to powinna wcześniej zatroszczyć się o zgromadzenie maksymalnie dużej liczby danych, które opisują te procesy.

Spójrzmy na ciekawy przykład rozwoju różnych sposobów monitorowania pracy przedstawicieli handlowych, którzy realizują swoje zadania w terenie. Wystarczy skupić się na zmianach, jakie zachodziły na polskim rynku, aby przedstawić rozwój Business Intelligence w tym obszarze. Oczywiście wszelkie nowości wprowadzane do działań firm wynikały z rosnących możliwości i dostępności rozwiązań technologicznych oraz z podążającym za tymi zmianami apetytem kadry kierowniczej. Głód wiedzy o tym, co porabiają ich podwładni, napędza rozwój polityki Business Intelligence.

Przed erą telefonów komórkowych przedstawiciele handlowi składali swoim przełożonym cotygodniowe zestawienia, papierowe raporty, które zawierały relację z minionego okresu. Wśród danych, które można było z nich odczytać, były: liczba przejechanych kilometrów służbowym samochodem, ilość zakupionego paliwa, liczba odwiedzonych klientów i nowych klientów oraz podsumowanie liczby i wartości pozyskanych zamówień. Z listy tej wynika, że informacja o liczbie odwiedzonych klientów była wartością czysto deklaratywną i trudną do sprawdzenia. Pozostałe informacje można było zweryfikować. Kierownik mógł samodzielnie przeliczyć faktury zakupowe dotyczące paliwa, aby zweryfikować dane pracownika. Mógł również każdorazowo weryfikować odczyty liczników przejechanych kilometrów w samochodach służbowych. Jednak największą bolączką tamtych rozwiązań, z perspektywy dnia dzisiejszego, była duża pracochłonność związana z przeprowadzeniem działań analitycznych na danych pozyskiwanych w taki właśnie sposób.

Kiedy pojawiły się telefony komórkowe sytuacja uległa nieznacznej poprawie. Przede wszystkim wzrosła możliwość kontroli pracy handlowców realizowana na żądanie. Kierownik mógł w dowolnym momencie zadzwonić do swojego pracownika i sprawdzić miejsce, w którym się znajduje i zadanie, które realizuje. Oczywiście udzielana przez handlowca odpowiedź też była wyłącznie deklaracją. Słyszałem wiele anegdot od przedstawicieli handlowych o tym, jak przekazywali swoim przełożonym informacje o swojej pracy, które były dalekie od rzeczywistości. Podobno w ciepłe, letnie dni na plażach w podkrakowskim Kryspinowie (lokalne bajorko) w godzinach południowych można było spotkać wielu przedstawicieli handlowych zażywających kąpieli. Atakowani telefonicznie przez kontrolujących ich przełożonych prześcigali się w wymyślaniu najbardziej wiarygodnych kłamstw.

Opisany powyżej proceder został ukrócony dopiero po wprowadzeniu do polityki Business Intelligence w przedsiębiorstwach kolejnego rozwiązania technologicznego. Nadajniki GPS zainstalowane w samochodach stały się źródłem wiedzy o pracy handlowców, które bardzo trudno było oszukać. To niewielkie urządzenie, niczym nieprzekupny szpieg, przekazywało do centrali dane o dokładnym położeniu samochodu służbowego, którym podróżował przedstawiciel handlowy. Już wtedy pojawiły się pomysły na dodatkowe wykorzystanie tej bezwzględnej technologii, którą obecnie zaliczymy do modnego dziś pojęcia IoT, czyli Internet of Things