به گزارش
خبرنگار بازار باشگاه خبرنگاران،هدف اصلی سیستم های هوش تجاری تامین کارمندان دانشی با ابزارها و روش هایی است که آن ها را در تصمیم گیری موثر و به موقع یاری کند.
تصمیم موثر :
به کارگیری روش های تحلیلی قوی باعث می شود تصمیم گیرندگان به اطلاعات و دانش قابل اطمینان تری دسترسی پیدا کنند. در نتیجه آن ها می توانند بهتر تصمیم بگیرند و برنامه های اجرایی موثرتر و سودمندتری را تبیین کند. استفاده از روش های فرمال تحلیل، تصمیم گیرندگان را مجبور می کند که شرایط ارزیابی راه حل های متفاوت و مکانیزم مدیریت مشکل را به صورت صریح شرح دهند. این بررسی عمیق و تفکر منجر به آگاهی عمیق تر و دریافت منطقی تر در فرآیند تصمیم گیری می شود.
تصمیمات به موقع :
سازمان ها در یک محیط اقتصادی شدیدا رقابتی و بسیار متغیر فعالیت می کنند. بنابراین توانایی عکس العمل سریع نسبت به عمل رقیبان و شرایط جدید بازار، عامل مهمی در موفقیت و حتی بقای سازمان است.
اگر تصمیم گیرندگان به اینکه استفاده از سیستم های هوش تجاری فعالیت های آن ها را تسهیل می کند اعتماد داشته باشند ، می توانیم این انتظار را داشته باشیم که کیفیت عمومی فرآیند تصمیم گیری به صورت قابل توجهی بهبود یابد. به کمک مدل های ریاضی و الگوریتم ها ، تحلیل تعداد زیادی عملیات ممکن می شود و ما می توانیم به تصمیم موثر و به موقع دست پیدا کنیم و به نتیجه مطلوبمان برسیم.
بنابراین مهمترین منفعت استفاده از سیستم های هوش تجاری ، افزایش اثربخشی در فرآیند تصمیم گیری است.
داده های زیادی در سیستم های اطلاعاتی موجود در سازمان ها وجود دارد. قسمتی از این داده ها از تراکنش های داخلی سازمان و قسمتی از آن از منابع خارجی است. به هر حال حتی اگر آن ها به روش های سیستماتیک و ساخت یافته جمع آوری و ذخیره شده باشد، نمی توان به طور مستقیم از آن ها برای تصمیم گیری استفاده کرد. این داده ها باید توسط ابزار مناسب استخراج و با استفاده از روش های تحلیل، پردازش و به اطلاع و دانش مبدل شوند تا بتوان از آن ها در فرآیند تصمیم گیری استفاده کرد.
تفاوت بین داده، اطلاع و دانش با توجه به شرح زیر قابل فهم تر است.
داده :
بطور عموم داده به یک قانون ساخت یافته از یک موجودیت اولیه اطلاق می شود . به عنوان مثال یک تراکنش از یک یا چند موجودیت اولیه ایجاد می شود. مثلا برای یک خرده فروش داده عبارت است از مشتری ها ، خرید های انجام شده و محصولات .
اطلاع :
اطلاع خروجی عملیات پردازش بر روی داده هاست و در حوزه ی کاری فردی که آن را دریافت می کند معنی دار است. به عنوان مثال برای مدیر فروش یک شرکت خرده فروشی ، میزان فروش در یک هفته 100 پوند است و یا تعدادی از مشتریانی که کارت وفاداری خود را نگه داشته اند از کسانی بوده اند که در سه ماه اخیر از 50 % تخفیف آخر ماه استفاده کرده اند. این ها نشان دهنده یک گزاره معنی دار هستند که از پردازش داده ها به دست آمده اند.
دانش :
هنگامی که اطلاع برای تصمیم گیری مورد استفاده قرار می گیرد به دانش تبدیل می شود و عملیات متناظر تدوین می شود. بنابراین می توان دانش را مجموعه ای از اطلاعات مورد استفاده در یک حوزه در نظر گرفت که با استفاده از تجربه و صلاحیت تصمیم گیرندگان بهبود می یابد و در حل مسائل پیچیده به ما کمک می کند.
برای شرکت خرده فروشی ، تحلیل فروش می تواند نشان دهد مقدار خرید گروهی از مشتریان ، در محدوده ای که یکی از رقبای ما آنجا شعبه جدید باز کرده است ، کاهش یافته است. داشتن این دانش می تواند ما را به سمت عملکرد منطبق بر رفع مشکل مشاهده شده، کمک کند.
بسیاری از سازمان ها در حال حاضر از روش سیستماتیک برای جمع آوری ، ذخیره سازی و اشتراک دانش خود استفاده می کنند ، چیزی که به آن دارایی های نامشهود گفته می شود.
در حال حاضر پشتیبانی از کارمندان دانشی در فرآیند یکپارچه تصمیم گیری و استفاده از فناوری اطلاعات در سازمان به مدیریت دانش اطلاق می شود.
به نظر میرسد که مدیریت دانش و هوش تجاری در اهداف خود دارای درجه ای از مشابهت باشند . هدف هر دوی آن ها ایجاد محیطی است که در آن کارمندان دانشی بتوانند در فرآیند تصمیم گیری، مسائل پیچیده به وجود آمده را بررسی و برای حل آن راهکار ارائه کنند.
اگر بخواهیم بین این دو تفاوتی قائل شویم، می توانیم بگوییم تمرکز روش های مدیریت دانش بر روی تفسیر اطلاعاتی است که اغلب به صورت غیر ساخت یافته و پراکنده شامل اسناد ، مکاتبات و تجربیات گذشته، می باشد .
اما سیستم های هوش تجاری بر اساس اطلاعات ساخت یافته در یک محیط قابل اندازه گیری و اغلب موجود در پایگاه داده انجام می شود. اما این تفاوت بسیار ظریف است. به طور مثال توانایی بررسی ایمیل ها و وب سایت ها می تواند توسط روش های تدریجی موجود در سیستم های هوش تجاری انجام شود با اینکه منبع اطلاعات غیر ساخت یافته است.
انتهای پیام/