هميشه برايم سوال بود كه اين مشاور ارشد BI در فروشگاه اتكا دقيقا چه مي‌كند. البته از خودش هم چندبار پرسيدم. اما جواب‌ها و پاسخ‌هاي يكي دو خطي‌اش مرا نتوانست قانع كند كه دقيقا چه مي‌كند. از آن زمان تقريبا چندين ماه گذشت و براي من هوش تجاري همچنان مفهومي عميق، مرموز و ناشناخته بود. از طرفي مي‌دانستم كه “هوش تجاري” يكي از به روزترين و در عين حال پركاربردترين مفاهيم كسب و كار در جهان معاصر ماست. اين شد كه دلم را به دريا زدم و قصد كردم كه در يك مقاله مفصل به اين مسئله بپردازم. البته مقاله‌هاي تخصصي در آينده را به همين دوست عزيز مي‌سپارم. در حقيقت هدفم اين است كه در وبلاگ نوين چندين مقاله به طور مفصل به “هوش تجاري” بپردازيم و آنرا از ابعاد متفاوت بررسي كنيم. و اما طبق روال هميشگي در ابتدا ببينيم كه هوش تجاري دقيقا چيست و چگونه مي‌توانيم راحت‌ترين و سرراست‌ترين تعريف را از آن داشته باشيم.
يك تعريف ساده و سرراست از هوش تجاري
هوش تجاري، Business Intelligence يا به اختصار BI يك فرآيند تكنولوژي محور براي تحليل داده هاست. اين فرآيند در نهايت به مديران، صاحبان كسب و كار و تمام تصميم گيرنده‌هاي اساسي يك كسب و كار، اطلاعاتي عملي مي‌دهد. ابزارهاي BI براي آناليز و تحليل داده‌ها به صورت‌هاي مختلفي ارائه مي‌شود؛ مثلا گزارش، داشبورد، چارت، نقشه، گراف و تمام ابزارهايي كه بتوانند اطلاعات و داده‌هاي خام را در قالب‌هاي بصري و قابل استفاده به نمايش درآورند. در حقيقت هوش تجاري به شما به عنوان يك مدير كمك مي‌كند، بفهميد كه چه عواملي در موفقيت يا شكست پروژه‌هايتان موثر است. همين باعث مي‌شود كه بتوانيد بفهميد چه عواملي سود بيشتر براي شما رقم مي‌زنند و چه عواملي سود كمتري براي شما به همراه دارند.
هوش تجاري در يك نگاه
BI طيف گسترده‌اي از ابزار، اپليكيشن و متدلوژي را شامل مي‌شود كه به يك سازمان كمك مي‌كند كه بتواند اطلاعات (Data) را از سيستم داخلي و منابع خارجي شركت جمع‌آوري كند و آنها را براي تحليل آماده كند. از مجموع اين اطلاعات در نهايت يك گزارش تهيه مي‌شود كه به مدير و تصميم گيرنده نهايي سازمان تحويل داده مي‌شود. اجازه بدهيد با يك مثال اين لقمۀ قلمنبه سلنبه را برايتان به راحت الحلقوم تبديل كنم.
يك مثال روشن و واضح از كاربرد هوش تجاري
فرض كنيد شما يك فروشگاه بزرگ اينترنتي داريد و محصولات زيادي براي فروش. قطعا ذهن هيچ مديري ياراي نگهداري تمام اعداد و ارقام مربوط به خريد و فروش را ندارد و البته كه واقعا نياز به حفظ تمام اين اعداد و ارقام نيست. در فرآيند پياده سازي هوش تجاري طبق يك عمليات پيچيده همۀ داده‌هاي سازمان در يك ديتابيس (ِData Base) جمع مي‌شود (اينكه اطلاعات روزانه جمع‌آوري شود يا ماهانه يا هفتگي دست خودتان است). در حقيقت اين دستابيس حاوي تمام اطلاعات شركت و تك تك فروش‌ها و خريدهاي انجام شده توسط سازمان است. در اصطلاح تخصصي به اين ديتابيس، انبارۀ داده يا data warehouse مي‌گويند. اين نقطۀ شروع و صفر مرزي پروژه‌هاي هوش تجاري است. اطلاعاتي كه در انبار داده جمع‌آوري مي‌شوند، چند بعد مهم (Dimension) دارند كه عبارتند از:
مكان: يا لوكيشن كاربران. فرض كنيد هر كالا توسط يك نفر خريداري مي‌شود كه اين شخص در يك استان، شهر و منطقۀ به‌خصوصي زندگي مي‌كند. پس يكي از ابعاد مهم داده‌هاي شما متغير مكان است. زمان: علاوه بر تمام اينها هر فروش يك پارامتر زمان دارد، شما حساب كنيد روزي حداقل 10 هزار تا از اين فروش و فروش‌هاي ديگر به انباره داده اضافه مي‌شوند. حالا تصور كنيد قرار است در يك جلسه استراتژي‌هاي كلان (يا حتي غير كلان و در مقياس كوچك‌تر) برگزار شود و مديران و تصميم‌گيرندگان نهايي بخواهند يك تصميم اساسي بگيرند؛ مثلا اينكه آيا استراتژي درستي است كه براي صرفه جويي در هزينه‌ها اجناسي كه از تامين كننده‌ها خريداري مي‌شوند در انبارهاي در دست احداث نگه داري شوند يا نه.
دقيقا از همين قسمت هوش تجاري وارد عمل مي‌شود؛ مثلا در اين مثالي كه زديم، مدير يا گروه مديريت به راحتي از روي اطلاعات خلاصه سازي شده يا اصطلاحا Summarized Data مي‌تواند بفهمد كه چه كالاها يا گروه كالاهايي توسط كدام افرادي در چه شهرها و مناطقي بيشتر فروش مي‌رود و يا در چه زماني (فصل ، سال، روز) كدام كالا يا گروه كالايي بيشتر فروخته مي‌شود. حالا بر اين اساس آيا آن استراتژي كه مثال زديم واقعا به صرفه‌جويي در هزينه‌ها كمك مي‌كند يا بدتر باعث ايجاد هزينۀ اضافه مي‌شود؟ مثلا اگر متوجه بشويم كه كالاي X در منطقۀ y تهران فروش بالايي دارد، آيا تصميم اينكه انبار كالاي X را در منطقۀ Y احداث كند، باعث كاهش هزينه‌هاي نگهداري و رساندن (delivery) محصول مي‌شود يا نه؟
براي دانستن تاريخ امروز چندمه نيز كافيست وارد سايت يار شويد.
براي خواندن ادامه اين مطلب كافيست اينجا كليك كنيد.