This presentation answers the following questions: - Why we need business intelligence? - What is meant by business intelligent systems? - From where to start?

1. BI strategije i njena uloga
u razvoju korporacije
Prof. dr Angelina Njeguš
Vanredni profesor Univerziteta Singidunum
Beograd, novembar 2017.

2. Agenda
 Zašto nam trebaju BI sistemi?
 Šta se sve podrazumeva pod BI sistemom?
 Odakle početi?

3. Zašto nam trebaju
BI sistemi?

4. Šta će nam BI kad imamo transakcione
sisteme?
Informacioni sistemi
I
Operacioni
informacioni sistemi
Sistemi za
obradu
transakcija
Sistemi za
upravljanje
procesima
Kancelarijski i
sistemi za
međusobnu
saradnju
II
Analitički
informacioni sistemi
Menadžment
informacioni
sistemi
Sistemi za
podršku
odlučivanju
Strateški
informacioni
sistemi
Podržavaju
poslovne
operacije
Podržavaju
proces
odlučivanja
Predefinisani izveštaji
(OLAP kocka,
operativni BI…)
Interaktivni sistemi za
analizu (data mining
algoritmi)
Kritične informacije za
senior menadžm. (BSC,
KPI, streteški BI …)
Ekspertni sistemi
Sistemi
upravljanja
znanjem
III
Specijalizovani
informacioni
sistemi
Virtuelna
realnost
Geografski
informacioni
sistemi
Inteligentni poslovni sistemi
(Business intelligence, BI)

5. Transakcioni sistemi: osnovne arhitekture
Baza podataka
Aplikativni sloj
Moduli informacionog sistema i njima odgovarajući
procesi:
 Finansije
 Marketing
 Ljudski resursi
 Proizvodnja ...
Baza podataka
Sloj web servisa
Logovanje
Obrada
porudžbine
ePlaćanje
Izdavanje
kredita E-mail
servis
Sloj poslovnih procesa (workflow)

6. BI sistemi: osnovna arhitektura

7. BI arhitektura sa pratećim tehnologijama
Power BI
Datazen
SQL Server Reporting Services

8. Microsoft
tehnologije

9. Kome je BI namenjen?
Strateški menadžment
(Executives, Top Managers)
Srednji nivo menadžmenta
(Problem solvers, Middle manager)
Niži menadžment
(Front-line manager)
KPI, BSC metrike
Analiza pomoću statističkih modela,
poslovnih modela, Data mining-a
OLAP upiti,
Menadžment izveštaji
Detaljni izveštaji
Radnici
(Transactors)
Fakture, prijemnice, otpremnice i druga dokumenta
Ukupna prodaja, analize, budžeti, …
Performanse, vremena proizvodnje,
promene klijenata …
Metrike
Složenost
Količina

10. Da li transakcioni sistemi mogu da
odgovore na strateška pitanja?

11. Kad od relacione baze pokušavate da
napravite skladište podataka
 Problemi:
▫ Obim podataka raste
▫ Dubina istorije podataka se
povećava
▫ Upiti su sve složeniji
▫ Raste broj korisnika
▫ Svaka šema podataka je sve
kompleksnija i teška za
održavanje ...

12. Šta se sve podrazumeva
pod BI sistemom?

13. Šta je BI?
 BI objedinjuje teorije, metodologije, procese, arhitekture i tehnologije kako bi
informacije preveo u znanje u cilju donošenja kvalitetnijih, brzih i relevantnijih
odluka i poboljšanja sveukupne poslovne efektivnosti.

14. Osnovni elementi BI sistema
 Izvori podataka
 ETL
 Skladište podataka
(Data Warehouse, DW)
 OLAP kocke
 Data mining
 Interfejs

15. Tipični problemi izvora podataka
 Nekonzistentnost primarnih ključeva
 Nekonzistentne vrednosti podataka – duplicirani podaci imaju različite
vrednosti
 Različiti formati podataka – elementi podataka kao što su datumi ili
novčani podaci (currencies) mogu biti uskladišteni u različitim formatima
 Netačne vrednosti podataka
 Sinonimi i homonimi – reči koje se isto pišu i izgovaraju, a imaju različita
značenja je neophodno preimenovati
 Ugrađena logika procesa – npr., vrednost „00“ - pošiljka je vraćena, „FF“
pošiljka je prosleđena na kraju meseca

16. Ekstrakcija, čišćenje i transformacija podataka
 ETL programi podataka treba da vrše sortiranje, filtriranje, čišćenje, agregaciju svih
zahtevanih podataka

17. DW: šema zvezde (star schema)

18. DW modeli podataka

19. OLAP kocke
Q4Q1 Q2 Q3
Dimenzija Vreme
Skoplje
Niš
Novi Sad
Televizori
Frižideri
Veš mašine
Beograd
Klima

20. Q4Q1 Q2 Q3
Dimenzija Vreme
Skoplje
Niš
Novi Sad
Televizori
Frižideri
Veš mašine
Beograd
Klime
Pravljenje upita nad kockom
Fakti o
prodaji

21. Data mining
 Data mining je proces otkrivanja
skrivenih veza između vrednosti
atributa i pronalaženja obrazaca
(šablona) ponašanja iz ogromnih
količina podataka

22. Koraci data mining-a

23. Neki Data Mining algoritmi
Decision Trees Clustering Time Series
Sequence Clustering Association
Naïve Bayes
Neural Net Logistic
Regression
Linear Regression Text Mining

24. BI interfejsi
 Upiti (Query)
mogućnost kreiranja sopstvenih izveštaja
 Izveštavanje i dashboard
prikaz bilo kog predefinisanog izveštaja i ključnih
org. podataka u realnom vremenu koji
omogućavaju drill down i druge OLAP opcije
 Analize
mogućnost višedimenzionalne analize,
poređenja ...
 Scorecarding
metrike ključnih poslovnih indikatora, pomaže
korisnicima da shvate šta se dešava, ko je
odgovoran i ko preduzima akciju ...

25. Odakle početi?

26. Šta je preduslov za dobar BI projekat?
 Da bi se sprečio GIGO efekat (garbage in, garbage out), neophodno je
unapred postaviti:
▫ Metrike za nadzor kvaliteta podataka
▫ Service Level Agreement (SLA) za kvalitet informacija
▫ Proces detekcije grešaka u ranoj fazi
▫ Kontinuirano upravljanje kvalitetom podataka
 Jednom rečju potrebno je uspostaviti Data Governance
 Novi organizacioni centar koji se bavi Data Governance-om je BICC
(Business intelligence Competency Center) ili BICoE (Business Intelligence
Center of Excellance)

27. Šta je Data Governance?
 Disciplina koja objedinjuje:
▫ kvalitet podataka (data quality)
▫ upravljanje podacima (data
management)
▫ politike podataka (data policies)
▫ bezbednost podataka (data security)
▫ upravljanje poslovnim procesima
(business process management) i
▫ upravljanje rizicima (risk
management)
u cilju jedinstvenog upravljanja poslovnim
podacima

28. Zašto nam je potreban DG?
Kvalitet podataka Problem Primer problema sa podacima
Standardizacija
Jesu li elementi podataka precizno
definisani i razumljivi?
Pol = M, Ž, N je jedan sistem and Pol = 0, 1, 2 je
drugi sistem
Kompletnost Da li su prisutni svi potrebni podaci?
20% kupaca za prezime ima blank,
50% poštanskih brojeva je 99999
Tačnost
Da li podaci tačno predstavljaju
realnost i da li su poverljiv izvor?
Isporučioc ima status Aktivan, ali nije u poslu
poslednjih 6 godina
Validnost
Da li je vrednost podataka unutar
prihvatljivog opsega?
Vrednost zarade treba da bude između
60,000-120,000
Jedinstvenost Podaci će se pojaviti više puta
U sistemu se pojavljuju Milena Zlatković i Milena
Pavlović, a to je jedna ista osoba
Uobičajeni problemi sa kvalitetom podataka:

29. » Customer/Product
Profitability
» More competitive
pricing
» Improved customer
loyalty
» Integration of sales,
delivery billing and
AR
Precizno definisati koristi od BI
» Real time views
across business
processes
» Real time alerts to
operational problems
» Trend analysis on
Inventory & AR
» Real time information
for direct customer
interaction
» Executive
dashboards
» Consistent use of
KPI’s
» Real time access to
data
» Fewer silos between
apps
» Reduced data entry
» Reduced report
development costs
» Reduced error
Processing
» More efficient
administrative and
processes
Business
Intelligence

30. Usvajanje BI
 Izvršni sponzor mora pomoći u pokretanju BI
 Razvoj BI strategije – usklađen sa strateškim ciljevima kompanije
 BI treba da bude dostupan svim nivoima organizacije
 Obuka
 Uspostavljanje BI Center of Excellence – koji definiše i izvršava BI
strategiju.

31. prof. dr Angelina Njeguš
anjegus@singidunum.ac.rs