Nástroje Business inteligence a ich možné využitie pre manažérske rozhodovanie

Transcription

1 Masarykova univerzita Ekonomicko-správní fakulta Studijní obor: Ekonomické informační systémy Nástroje Business inteligence a ich možné využitie pre manažérske rozhodovanie Tools of Business Intelligence and its use for supporting managerial decision Bakalárska práca Zuzana Kovácsová Vedúci práce: Ing. Jaromír Skorkovský, Csc. Brno, jún 2007

2 Masarykova univerzita Ekonomicko-správní fakulta Akademický rok 2006/2007 ZADÁNÍ BAKALÁŘSKÉ PRÁCE Pro: Obor: Ekonomické informační systémy Název tématu (česky): Název tématu (anglicky): Nástroje Business inteligence a jejich možné využití pro manažerské rozhodování Tools of Business Intelligence and its use for supporting managerial decision Z á s a d y p r o v y p r a c o v á n í : Cíl práce: Cílem práce je definice nástrojů pro analýzu a dolování dat, které se obecně dají vyjádřit anglickým výrazem Business Intelligence (dále jen BI) a použití těchto nástrojů při podpoře manažerského rozhodování. V práci se bude definovat celá skupina BI nástrojů a následně se popíší klíčové metody těchto nástrojů jako je OLAP (On Line Analytical Processing ), reportovaní nástroj a datové 1

3 dolování (Data Mining). Popíše se rozdíly mezi analýzou údajů prováděnou v ERP systémech a analýzou údajů uložených ve specializovaných databázích mimo ERP systém. V praktické části se vyjmenují možnosti využití těchto nástrojů včetně nutných předpokladů pro jejich využívaní. Budou specifikovány případné tržní překážky a problémy, se kterými se může setkat firma, která BI v praxi používá. Budou uvedeny bolesti, které chtějí zákazníci vyřešit a přínosy, které se při využívání BI obecně očekávají. Postup práce a použité metody: Studium literatury týkající se problematiky BI. Další metodou získání informací nutných pro vypracování bakalářské práce budou konzultace s pracovníky IT firem, kteří BI aplikují nebo využívání těchto nástrojů plánují. Student vypracuje systém dotazníků, které budou následně v práci vyhodnoceny. Rozsah grafických prací: Rozsah práce bez příloh: Seznam odborné literatury: dle pokynů vedoucího práce stran Ivan Vrana a Karel Richta, Zásady a postupy zavádění podnikových informačních systémů, ISBN , GRADA Jan Pour a kolektiv, Podniková informatika, ISBN ,GRADA E.M Goldratt, Jak vzniká zisk, ISBN , GRADA Novotný Ota, Pour Jan, Slánský David, Business Intelligence, ISBN , GRADA, vydáno 2005 Další tituly,které se v průběhy vypracování bakalářské práce objeví budou doplněny přímo do seznamu literatury v práci samotné, Vedoucí bakalářské práce: Ing. Jaromír Skorkovský, CSc. Datum zadání bakalářské práce: Datum odevzdání bakalářské práce: vedoucí katedry děkan 2

4 Meno a priezvisko autora: Zuzana Kovácsová Názov bakalárskej práce: Využití nástrojů Business inteligence a jejich možné využití pro manažerské rozhodování Názov práce v angličtine: Use of the Business Intelligence and its use for supporting managerial decision Katedra: aplikované matematiky a informatiky Vedoucí diplomové práce: Ing. Jaromír Skorkovsky Rok obhajoby: 2007 Anotácia Predmetom bakalárskej práce je sada nástrojov Business Intelligence, ktorých cieľom je získavanie informácií pre rozhodovanie na vyšších úrovniach v organizácii. Ich východiskom je transformovaná datová základňa. Práca popisuje význam informácie v organizácii, jej vznik z dat, princíp práce s datami v prevádzkových (transakčných/produkčných) informačných systémoch a systémoch Business Intelligence. Zameriava sa predovšetkým na spracovanie dat za pomoci metódy OLAP a nahliadania na ne cez princíp multidimenzionality. Annotation The object of my thesis is the tool set Business Intelligence whose aim is to acquire information for the decision-making at higher level of the organization. The result is a transformed data base. The thesis describes not only the importance of information in the organization, but also the emergence of the information out of data, the principle of work with data in operational (transactional) informational systems and systems Business Intelligence. The thesis specifically focuses on OLAP technology and the multidimensional principle. Kľúčové slová OLAP, datová kocka, Business Intelligence, datové sklady, dolovanie dat Keywords OLAP, data cube, Business intelligence, data warehouse, data mining 3

5 Prehlásenie Prehlasujem, že som bakalársku prácu Nástroje Business Inteligence a ich možné využitie pre manažérske rozhodovanie vypracovala samostatne pod vedením Ing. Jaromíra Skorkovského, Csc. a uviedla v zozname literatúry všetky použité literárne a odborné zdroje. V Brne dňa 18. júna 2007 vlastnoručný podpis autora 4

6 Poďakovanie Z celého srdca chcem poďakovať Ing. Jaromírovi Skorkovskému zato, že sa ujal vedenia tejto práce, za zoznámenie s problematikou, za tvorivé nápady a pripomienky a za dovedenie ku zdarnému koncu. 5

7 Obsah 1 Základné pojmy Data vs. informácie Data Informácie Vlastnosti kvalitnej informácie Znalosti Informácie v organizácii Informačná spoločnosť Management a informačná potreba Informačný management Znalostný management Učiaca sa organizácia Podnikové informačné systémy História podnikových informačných systémov Systémy ERP SCM CRM Data v ERP Sústava informačných systémov v podniku Business Intelligence Vývoj Business Intelligence Komponenty, aplikácie a vrstvy v Business Intelligence Princíp multidimenzionality Charakteristika jednotlivých komponent Business Intelligence Komponenty datovej transformácie Úložiská dat Reporting OLAP databáza Data Mining Praktická časť Záver Zoznam zdrojov Zoznam literatúry: Zoznam internetových zdrojov: Zoznam vyobrazení a tabuliek

8 Úvod Ešte pred niekoľkými rokmi väčšinou ku kvalitnému manažérskemu rozhodovaniu stačili skúsenosti a intuícia. Ale v dnešnej turbulentnej globalizovanej dobe, keď manažéri musia čeliť premenlivým podmienkam trhu, náročným požiadavkám zákazníkov a čoraz výbojnejšej konkurencii, k správnemu rozhodnutiu už nestačí vlastný, rokmi praxe overený zdravý úsudok, ale rozhodnutia musia vychádzať zo správnych informačných podkladov. Organizácie preto musia usilovať o dostatok správnych informácií, ale súčasne sa brániť tomu, aby ich nezaplavili informácie nadbytočné. Dnes, keď už takmer každá spoločnosť disponuje aspoň nejakým informačným systémom, neexistuje nedostatok dat. Naopak, existuje ich nadbytok. Problémom je, ako z týchto dat získať relevantné informácie. Pretože iba organizácie, ktoré majú tie správne informácie, môžu preraziť v dnešnom tvrdom konkurenčnom prostredí. Problém analytických informácií potrebných k rozhodovaniu dnes rieši koncept Business Intelligence. Označuje súbor aplikácií a technológií, ktoré sú určené k tomu, aby získavali a analyzovali data o podnikových operáciách, so zameraním na podporu analytickej a plánovacej činnosti podniku. Čiže prvotne sú zamerané pre manažérov najvyššej úrovne a k podpore významných, často až strategických rozhodnutí. V tejto práci najprv predstavím základné pojmy a definície a pokúsim sa vysvetliť princíp spracovania dat u podnikových prevádzkových systémov. Potom pristúpim k cieľu tejto práce - popis jednotlivých komponent Business Intelligence, predovšetkým princíp datovej kocky a s tým súvisiaca technológia OLAP (On-line Analytical Processing). Tieto časti sú chrbticou Business Intelligence a ich cieľom je umožniť nazerať na podnikové data z rôznych uhlov pohľadu (dimenzií). Takisto dám priestor ostatným komponentám ako sú data minig alebo špeciálne úložiská dat. Na záver uvediem jednoduché príklady praktickej aplikácie datovej kocky. 7

9 1 Základné pojmy V tejto časti práce chcem uviesť základné pojmy a pokúsiť sa o ich definície. 1.1 Data vs. informácie Data a informácie patria dnes k jedným z najčastejšie používaným výrazov v ekonomickej sfére, pričom na ich skutočný význam sa zabúda a zostáva zahmlený, mystifikovaný alebo príliš široký. Navyše tieto dva pojmy sú často sú navzájom zamieňané - keďže spolu úzko súvisia, nezriedka sa predpokladá aj ich rovnaký význam. Nejasnosť tiež zvyšuje fakt, že pre každý z týchto pojmov existuje niekoľko definícií. Napríklad pre pojem informácia. Kybernetické pojatie ju charakterizuje ako veličinu znižujúcu neurčitosť rozhodovania. V intuitívnych prístupoch sa informácia chápe v zmysle zdelenia nejakej správy, zdeľovania poznatku (novinky)... 1, čiže ako prostriedok komunikácie. Filozofia dokonca prisudzuje informácii ontologickú rolu. Pre účely tejto práce si však vystačím s pragmatickým pojatím informácie, podľa ktorého je informáciou...každé zdelenie/správa/data uľahčujúca dané rozhodovanie v zmysle jeho správnosti, lepšieho výsledku rozhodnutia. 2 A aký je vzťah informácií k datám? Zjednodušene sa dá povedať, že informáciu získame spracovaním dat, ich vhodnou transformáciou. Data sú základom pre vznik informácie, sú jej surovinou. Ale čo sú data? 1.2 Data 1 ADAMEC, S., TRHOŇ, D. Člověk, data, informace str KEŘKOVSKÝ, M.,DRDLA, M. Strategické řízení firemních informací str. 29 8

10 Data sú výroky, ktoré popisujú realitu. Zobrazujú stav alebo vlastnosti predmetov pozorovania, môžeme ich považovať za reprezentačné nástroje faktov s jednorozmerným významom. Človek je neustále v interakcii so svojim prostredím, ktoré jeho potenciálnymi informačnými zdrojmi. Objekty prostredia popisuje a ich vlastnosti v závislosti na potrebe ukladá do nosičov dat, pamäťových médií, do ktorých sa data zaznamenávajú vo forme znakov (najbežnejšie číslice, písmena) väčšinou za účelom ďalšieho spracovania. K nosiči dat, sa môže pristupovať z dvoch hlavných hľadísk: 1. Funkčné hľadisko: data človek vytvára za účelom uchovávania informácií, aby rozšíril informačný potenciál svojho okolia. Toto hľadisko reprezentuje užívateľov dat. 2. Štruktúrne hľadisko: nosič dat musí byť usporiadaný podľa nejakých pravidiel. Toto hľadisko je spojené s profesným (správcovským ) prístupom k datám. Sekvencia dat má schopnosť niesť informáciu. Základnou jednotkou informačného obsahu dat považujeme datovú položku. V databáze veľkoobchodného skladu by to napríklad bol názov tovaru, počet kusov na sklade alebo dátum jeho príjmu. Množina datových položiek musí byť usporiadaná v závislosti na účele a užívateľoch informácií. Všetky data v organizácii tvoria spolu datovú základňu. S datami, ako vyplýva z vyššie uvedených dvoch hľadísk k nosiču dat, sú v organizácii 3 spojené dve skupiny ľudí. Tou prvou sú užívatelia dat, ktorí využívajú informácie v nich obsiahnuté, najčastejšie sú to manažéri rôznych úrovní. Tou druhou sú správcovia dat, ktorí sú zodpovední za údržbu a správu datovej základne. Ak majú byť data použité pre tvorbu informácií dôležitých pre významné manažérske rozhodnutia, musia byť kvalitné. Kvalita dat je subjektívny koncept, ktorý záleží na požiadavkách užívateľa, je to vlastne ich spôsobilosť uspokojiť potreby užívateľov. Pri charakteristike kvality dat rozlišujeme dva typy metrík. Objektívne metriky sú väčšinou číselné a dajú sa vypočítať z dat, ktorých sa týkajú, je to napríklad počet chýbajúcich, okrajových alebo nevalidných dat. Subjektívne metriky hodnotia kvalitu zdroja dat. Sem patrí dôveryhodnosť dat, stupeň ich utajenia, dostupnosť, atď. 3 Pojmy organizácia, podnik alebo firma bude užívať v tejto práci synonymne. 9

11 1.3 Informácie Ako som uviedla vyššie, informáciou sa rozumie každé zdelenie, ktoré uľahčuje dané rozhodnutie v zmysle jeho správnosti, lepšieho výsledku rozhodnutia. V tejto časti práce sa pokúsim naznačiť, ako informácia vzniká. Základom informácií sú data. Tým ich príjemca prisúdi určitý význam. To sa deje v procese interpretácie a transformácie dat. V prípade, že sa im podarí naplniť užívateľovu informačnú subjektívnu potrebu, znamená to, že nadobudli hodnotu. Informácie získané z dat môžu byť dvoch typov: 1. Primárne, ktoré sa vytvoria interpretáciou jednotlivých datových položiek (Napr. zo skladového systému získame počet kusov nejakého výrobku na sklade, dátum príjmu, jeho farba, či iné vlastnosti). 2. Sekundárne, ktoré získame transformáciou dat( Napr. na základe dat o objednávkach vygenerujeme 10 najžiadanejších výrobkov). V súčasnosti je väčšina sekundárnych informácií vytváraná počítačmi v transformačných procesoch. Z toho vyplývajú dva okruhy problémov a to: tvorba a údržba datovej základne vytváranie transformačných algoritmov Vlastnosti kvalitnej informácie V rámci pragmatického pojatia, ktoré vníma informáciu ako podklad pre kvalitné rozhodnutie, sa dajú odvodiť takzvané atribúty (vlastnosti) manažérskych informácií. Tieto atribúty by mala spĺňať každá informácia určená ako podklad pre manažérske rozhodnutie. Medzi tieto atribúty patrí: 1. Včasnosť. Informáciu treba poskytnúť v dobe jej potreby. Informácie poskytnuté neskoro sa už nedajú zužitkovať, na druhej strane, informácie poskytnuté predčasne sú často nákladovo neefektívne a majú tendenciu byť zabudnuté ich príjemcom. Teória informačného toku vysvetľuje tento atribút 10

12 ako dobu, ktorá uplynie od výskytu určitej udalosti k nahláseniu korešpondujúcej informácie managementu. 2. Obsah. Tento atribút v sebe zahŕňa niekoľko ďalších vlastností ako presnosť, relevancia (charakter informácie by mal zodpovedať jej užitiu), úplnosť, primeranosť (informácia by mala byť primerane podrobná), pravdivosť a objektivita. 3. Formát. Tento atribút sa zameriava na fyzické atribúty médií používaných pre uchovávanie a reprezentáciu informácií, ako sú napríklad typ nosiča alebo grafika prezentácie. 4. Nákladová primeranosť. Náklady a doba nutná k získaniu informácie musia byť primerané úžitkovej hodnote informácie. Niektoré zdroje často pridávajú piaty atribút a to legálnosť: spôsob získania informácií a tiež ich obsah by sa mal pohybovať v medziach stanovených zákonnými normami. 1.4 Znalosti S pojmami data a informácie úzko súvisí daľší pojem a to znalosti. Tento pojem je ešte viac neurčitý než pojem informácie. Všeobecne sa dá povedať, že označuje individuálne pochopenie odvodené z informácií. Ale kým informácie sú krátkodobé, špecifické, praktické a subjektívne, znalosti, naopak, sú trvalé, všeobecné, teoretické a objektívne. Vymětal, Diačiková, Váchová charakterizujú znalosti takto: Znalosti vznikajú odvodením z informácií pomocou ich porovnávaním, triedením, vyhodnocovaním, overovaním a zasadzovaním do kontextu ostatných informácií, schopností a skúseností Vznikajú zasadením určitého množstva informácií do kontextu, sú definované v kontexte iných informácií, vyvíjajú sa a nie sú konečné. Znalosti tak vymedzujú základný rámec pre kognitívne procesy interpretácie a poskytujú predpoklady k pochopeniu systému súvislostí a možností. 4 Čiže zahŕňajú aj ľudské skúsenosti, vzdelanie, schopnosť komparácie a interpretácie a iné intelektuálne 4 VYMĚTAL, J., DIAČIKOVÁ, A., VÁCHOVÁ, M. Informační a znalostní management v praxi str

13 nadanie u jednotlivca. Žiadni dvaja jedinci nemôžu byť, čo sa týka znalostí, totožní, každý disponuje inými znalosťami. Každý manažér preto interpretuje informácie inak a následne spôsobom iným aj koná. Pre ilustráciu postupnosti data informácie - znalosti uvádzam príklad od Vymětala, Diačikovej, Váchovej, 2005: Predstavme si zápis kurzu koruny voči nejakej inej mene za posledný polrok. Pre niekoho neznalého by tento údaj mohol znamenať iba púhe data zapísané vo forme číselných znakov a nedokázal by im prisúdiť význam. Iný jedinec, napríklad študent ekonomickej fakulty by z tejto postupnosti dat dokázal získať zmysluplnú informáciu dajme tomu zmenu kurzu za posledný mesiac. Ale až finančný expert by na základe svojich znalostí dokázal predpovedať zmeny kurzu, ktoré nastanú v ďalšom období. Na záver tejto časti práce chcem predstaviť informačnú pyramídu (Obr.1). Symbolizuje náväznosť jednotlivých pojmov definovaných v tejto časti. Z dat sa odvodzujú informácie a z informácií znalosti. V tejto pyramíde okrem vzájomnej nadväznosti a následnosti existujú aj iné, skryté väzby. Napríklad P. Drucker poznamenáva: Informácie sa dajú chápať ako data obohatené o relevantnosť a účelnosť; premena dat na informácie teda vyžaduje znalosti. Iní odborníci na vrchol pyramídy pridávajú ešte štvrté poschodie a to pojem múdrosť, ktorá má označovať súbor všetkých znalostí. Obr. 1: Informačná pyramída (Skorkovský, J. Snímky z prednášok. 2006) 12

14 2 Informácie v organizácii Potom, čo som definovala pojem informácia, nastal čas pokúsiť sa popísať jej rolu a význam v organizácii samotnej. Ešte predtým je však potrebné objasniť samotný pojem organizácia. Organizácia vo všeobecnom pojatí označuje akýkoľvek celok vytvorený ľuďmi s cieľom uspokojiť potreby. Napriek tomu, že v tejto práci mám väčšinou na mysli organizácie poskytujúce určité produkty za účelom dosiahnutia zisku, často označované ako hospodárske celky (v užšom pojatí ako podnikateľské subjekty), vždy treba mať na pamäti, že úloha informácie sa nedá zanedbať ani v neziskových spoločenstvách a moderné spôsoby transformácie dat nachádzajú aj tu svoj význam a opodstatnenie. Rola informácie v nielen v organizáciách, ale v spoločnosti všeobecne počas posledných dekád nesmierne vzrástla. Kým v predchádzajúcej etape vývoja ľudskej civilizácie najväčšiu rolu zohrávali agrikultúra a v ďalšej energia, dnes sa pozornosť spoločnosti sústredí na informácie ako hybnú silu ďalšieho rozvoja. Industriálna spoločnosť sa totiž zmenila na spoločnosť informačnú. A organizácie sa s tým musia naučiť vyrovnať. 2.1 Informačná spoločnosť Ako som sa už zmienila, vo vývoji civilizácie sa dajú vystopovať tri revolučné vlny: prvá bola agrárna, druhá industriálna a približne od 50. rokov 20. storočia sa dá hovoriť o vlne informačnej. Každá z týchto vĺn významne pozmenila spoločnosť a mala ďalekosiahle následky ako na život jednotlivcov, tak i spoločenstiev - organizácií. Pre informačnú spoločnosť je charakteristické, že kvalita života i perspektíva sociálnych zmien v rastúcej miere závisí na informáciách a ich využití. 5 Trh i život jednotlivcov je výrazne ovplyvňovaný pokrokmi v oblasti využívania informácií, ktoré sú kľúčovým nositeľom zmien. Kým agrárna spoločnosť sa rozvíjala za pomoci poľnohospodárskych zdrojov, industriálna spoločnosť rozširovala fyzické možnosti a silu človeka najmä vďaka 5 VODÁČEK, L., ROSICKÝ, A. Informační management: Pojetí, poslání, aplikace str

15 energii získavanej najprv z parného stroja a potom zo spaľovacieho motora, dnes sú práve informácie a znalosti pohonom, za ktorého človek napreduje za pomoci obmedzených prírodných zdrojov. Informácia sa tak pomaly stáva štvrtým výrobným faktorom, a ešte k tomu kľúčovým. Ďalším javom spojeným s informačnou spoločnosťou je informatizácia. Tento pojem označuje zavádzanie informačných a komunikačných technológií do všetkých oblastí života. Oproti minulosti sa tým rapídne uľahčuje tvorba a prenos informácií. Rastúca potreba týchto technológií zapríčiňuje, že trh s informačnými technológiami rastie najväčším tempom zo všetkých hospodárskych odvetví vôbec, a to nielen čo do rozsahu objemu obchodov a produkcie, ale aj pokrokmi vo vývoji a výskume. Informačnú vlnu od dvoch predchádzajúcich etáp tiež odlišuje rýchlosť, ktorou dochádza ku kvalitatívnym zmenám vôkol nás. Ešte nikdy predtým sa členovia spoločnosti nemuseli vyrovnávať s tak rapídne rýchlo prebiehajúcimi zmenami. Organizácie sú nútené zvykať si na nové, turbulentné prostredie a nepredpovedateľné, chaotické podmienky. Musia sa snažiť čo najpružnejšie reagovať na neustále sa vynárajúce ohrozenia a príležitosti. Ďalším fenoménom dneška je globalizácia. Tento pojem sa objavil v súvislosti s vývojom informačných, komunikačných a dopravných technológií, ktoré spôsobili, že prekážky ako napríklad vzdialenosť a štátne hranice už zďaleka nemajú taký význam ako kedysi. Prepojenosť jednotlivých ekonomík so sebou priniesla doposiaľ nevídanú rýchlosť šírenia zmien. Pre organizácie prináša nové možnosti a trhy, ale zároveň aj nové hrozby. Nová kvalita mení charakter spoločnosti a výrazne sa premieta do všetkých oblastí ľudského života, vrátane podnikania a managementu. Dôvody týchto zmien sú rozmanité, ale v podstate sú výsledkom omnoho vyššej komplexnosti súčasného sveta, ktorá vznikla vývojom v priemyselnom období. Práve táto komplexnosť je sprevádzaná rastúcim objemom informácií a dôležitosťou ich dostupnosti a využívania. Informačná technológia k tomu ponúka mimoriadne výkonné nástroje a svojím prudkým rozvojom tento vývoj exponenciálne zrýchľuje. Ale nie je schopná sama riešiť vznikajúce problémy. 6 Preto je nesprávne 6 VODÁČEK, L., ROSICKÝ, A. Informační management: Pojetí, poslání, aplikace str. 12] 14

16 predpokladať, že je to IT, čo je hlavnou náplňou zmien v informačnej spoločnosti. IT technológie tvoria iba zázemie pre prebiehajúce informačné procesy. V prípade organizácií informačná spoločnosť vyžaduje radikálne zmeny myslenia a jednania - čiže zmenu kultúry i jednotlivých pracovníkov. Aby dnes organizácia mohla prosperovať, ďalšou podmienkou je vybudovanie informačného systému, ktorý bude poskytovať správne informácie správnym ľuďom a za správnych podmienok. Správne data, informácie a znalosti sú kľúčovým zdrojom pre riešenie problémov súčasných organizácií, ktoré si nemôžu dovoliť riskovať straty v dôsledku nadbytočných alebo nedostatočných informácií. 2.2 Management a informačná potreba Pojem management pochádza z latinčiny zo slova manus, ktoré označuje ruku. Z tohoto slova vzniklo anglické manage (viesť, ovládať) a následne management (vedenie, správa). V širšom pojatí označuje management ľudskú aktivitu spojenú s formovaním budúcnosti objektu managementu a zabezpečením jeho ďalšieho chodu. V užšom pojatí je to aktivita zameraná výhradne na zabezpečenie bežného chodu objektu managementu efektívnym spôsobom. 7 Manažér je profesia, ktorej nositeľ má za úlohu napĺňať ciele organizácie za pomoci spolupracovníkov. Podľa Henryho Fayola, významného predstaviteľa managementu ako vedy, každý manažér plní päť funkcií: 1. Plánovanie (stanovovanie cieľov a spôsobov, ako ich dosiahnuť) 2. Organizovanie (zabezpečovanie podmienok pre dosiahnutie cieľov) 3. Prikazovanie 4. Koordinácia (zlaďovanie činností) 5. Kontrola Každý manažér musí dennodenne uskutočňovať rozhodnutia, ktoré sa líšia svojou závažnosťou, dôsledkami, naliehavosťou a časovým horizontom. Zatiaľ čo niektoré rozhodnutia sú rutinné, často sa opakujúce a nevyžadujú zvláštne informácie, iné sú závažné, 7 VÁGNER, I. Systém managementu str

17 týkajú sa celej organizácie a môžu mať ďalekosiahle následky pre ďalšiu existenciu. O závažnejších záležitostiach sa rozhoduje v rozhodovacom procese. Ten podľa Keřkovského a Drdlu zahŕňa: 1. Zhromaždenie informácií o probléme 2. Zhromaždenie informácií o rôznych alternatívach riešenia 3. Výber najlepšej varianty Z týchto troch fáz jasne plynie, že správne rozhodnutie môže zriedkakedy vzniknúť bez správnych informácií. Čím lepšie dokáže organizácia využiť informácie, tým je väčšia jej konkurenčná výhoda oproti jej protivníkom na trhu. Rozhodnutia sa v organizácii uskutočňujú na troch úrovniach: operačnej, taktickej a strategickej. Rozhodnutia každej úrovne sa líšia mierou svojej závažnosti pre organizáciu a tiež mierou informačnej potreby. Najväčší dopad na organizáciu majú rozhodnutia strategickej úrovne. Ich časový horizont sa môže pohybovať v mesiacoch až rokoch, a zásadne formujú budúci osud organizácie, pretože sa v nich rozhoduje o vízii a stratégii podniku. Keďže rozhodovacie problémy sú väčšinou neobvyklé, špatne štrukturované a rozhodovanie sa odohráva za podmienok neurčitosti, nedajú sa na ne aplikovať formalizované postupy riešenia a na manažérov tejto úrovne (špičkový management) sú kladené veľmi vysoké požiadavky. Príkladom potrebných informácii pre strategické rozhodnutia sú napríklad dlhodobé predpovede dopytu po produktoch organizácie, životného štýlu zákazníkov alebo ich demografického vývoja. Taktické rozhodnutia konkretizujú strategické ciele do sústavy dieľčich cieľov. Za túto skupinu rozhodnutí je zodpovedný tzv. stredný management. Potrebnými informáciami napríklad môžu byť sezónne výkyvy v dopyte alebo prehľady o čerpaní rozpočtu. Operatívne rozhodnutia nemajú spravidla dlhodobý dopad na vývoj organizácie. Riešia sa tu opakované problémy každodenného života, množina alternatív je vopred známa, problémy sú dobre štruktúrované a riziko je minimálne. Na druhej strane sú často naliehavé a od svojich vykonávateľov (nižší management) vyžadujú vysokú mieru flexibility. Príkladom požadovaných informácii je napríklad stav nejakého výrobku na sklade alebo disponibilita pracovníkov. 16

18 2.3 Informačný management Informačný management je pomerne nový a nejasný pojem, ktorého význam sa v priebehu jeho krátkej histórii často menil. Kým v 60. rokoch označoval hospodárne riešenie technických úloh, o dekádu neskôr sa zameriaval na oblasť modernej informačnej technológie a jej zladenie s potrebami užívateľov. Dnes sa už od tohto hľadiska ustúpilo a na IS/IT 8 sa prestalo nazerať ako na cieľ informačného managementu, ale ako na nutnú súčasť manažérskej práce, ktorá výrazne napomáha dosahovať ciele podniku. Pojem informačný management sa presunul na činnosti spojené s riadením a koordináciou informačných procesov prebiehajúcich v organizácii. Je to transdisciplinárny pojem, poznatky z managementu vymedzujú v informačnom managemente predovšetkým cieľové poslanie aplikácií, informatika potom účelné spôsoby informačného (znalostného) zaistenia riešenia problémov, systémové prístupy dávajú usporiadanosť a metodológiu skúmania i postupu riešenia. 9. V praktickom pojatí tiež rieši v organizácii problém, kto, kde, kedy, ako a v akej forme má dostávať informácie. Hlavným zdrojom interných informácií je dnes vnútropodniková informačná sústava. Avšak čoraz väčšiu rolu nadobúdajú informácie externé, ktoré musí podnik získavať zvonka. Riadením zdrojov informácií a ich využitím sa zaoberá management informačných zdrojov (Information Resources Management). 2.4 Znalostný management Podľa Bielej knihy Európskej únie Rast, konkurencieschopnosť a zamestnanosť: Výzvy a cesty v ústrety 21. storočia z roku 1993 ekonomika založená na vytváraní, šírení a využívaní znalostí bude jedným z dominantných rysov 21. storočia. Toto konštatovanie ukazuje, aký veľký význam sa prikladá budúcnosti znalostného managementu (knowledge management). Tento management naväzuje na informačný management, a zameriava sa na vytváranie, zdieľanie a využívanie znalostí zamestnancov organizácie. Cieľom je vytvoriť učiaci sa systém, ktorý je integrovaný do informačného a logistického systému podniku monitorujúceho toky dat a informácií a následne zlepšujúceho rozhodovanie a riadenie 8 IS/IT je skratka pre Informačné systémy/informačné technológie 9 VODÁČEK, L., ROSICKÝ, A. Informační management: Pojetí, poslání, aplikace str

19 v podniku. 10 Bez správnych znalostí nemôže dôjsť k správnemu využitiu informácií, znalostný kapitál predstavuje dôležitú konkurenčnú výhodu. Basl uvádza v súvislosti so znalosťami tri dôležité oblasti užitia: 1. Business operation: súvisia s operačným využitím znalostí, napríklad pre spracovanie zákaziek 2. Business Intelligence: zahrňuje napríklad práce s datovými skladmi 11 na úrovni managementu podniku 3. Business management: završuje oblasti riadenia podniku ako celku 2.5 Učiaca sa organizácia Učiaca sa organizácia sa niekedy považuje za súčasť znalostného managementu, iní ju zas označujú za zavŕšenie kvalitného informačného procesu v organizácii. Je to fáza, ktorá nasleduje po implementácii informačného a znalostného managementu, zameraná na vyhľadávanie nových, relevantných informácií a znalostí. Celá organizácia sa prostredníctvom svojich členov priebežne a trvale učí, aby bola schopná reagovať na meniace sa podmienky okolia. Zo svojho konania sa poučí a je schopná transformovať ho do konkurenčnej výhody. (Napr. lepší vzťah so zákazníkom, zníženie skladových nákladov, lepšie cielenie marketingu, vyššia efektívnosť výroby, atď.) 10 BASL, J.Podnikové informační systémy: Podnik v informační společnosti str Jedná sa o špeciálne úložisko dat, ktoré bude charakterizované neskôr. 18

20 3 Podnikové informačné systémy Skôr než pristúpim k charakteristike podnikový informačný systémov, chcem predstaviť pojem podniková informatika. Tento pojem..predstavuje princípy aplikácie informatiky v riadení, prevádzke a rozvoji ekonomického subjektu (obvykle podniku). Zahŕňa svoju internú časť, tj. informatiku pre interné činnosti podniku a externú časť, resp. informatiku realizovanú pre riešenie externých, predovšetkým obchodných vzťahov. 12 Na počiatku 90. rokov zmena prostredia začala nútiť organizácie k hľadaniu nových spôsobov, ako efektívne reagovať na požiadavky zákazníkov. Snaha čo najrýchlejšie spracovať jednotlivé transakcie (objednávky, dodávky, správa zásob a disponibilných zdrojov) nútila podniky k zavádzaniu integrovaných informačných systémov. Výsledkom tohto úsilia boli Enterprise Resource Planning (ERP/Plánovanie podnikových zdrojov), celopodnikové informačné systémy, ktoré zjednotili dieľčie podnikové funkcie, integrovali informačné potreby jednotlivých častí organizácie do jednej aplikácie so spoločnou datovou základňou. Spracovanie dat v týchto systémoch sa kvôli svojim špecifickým vlastnostiam označuje ako transakčné 13 a na ich ukladanie sa využívajú relačné databázy. Tieto pojmy budú charakterizované nižšie. 3.1 História podnikových informačných systémov Predchodcom ERP boli MRP a MRP II. Prvá z týchto skratiek označuje Material Requirements Planning a označuje skupinu systémov orientovanú na plánovanie materiálových potrieb výroby, ktoré sa využívali predovšetkým 60. a 70 rokoch 20. storočia. Na základe kusovníku sa stanovovalo množstvo a termíny nakupovaných a vyrábaných častí. Hlavný prínos MRP sa prejavil v oblasti logistiky - dokázali zaistiť správny materiál 12 GÁLA, L., POUR, J., TOMAN, P. Podniková informatika str Tieto systémy budem tiež v tejto práci označovať ako produkčné alebo prevádzkové. 19

21 v správnom čase na správnom mieste na základe skutočných potrieb zákazníka alebo podľa prognózy trhu. MRP II (Manufacturing Resource Planning) okrem aktivít podporovaných MRP rozšírilo svoju pôsobnosť aj na plánovanie kapacít výrobných zdrojov (CRP- Capacity Requirement Planning). Tieto systémy nastúpili v 80 rokoch a na začiatku poslednej dekády 20. storočia uvoľnili priestor pre ERP. V 80. rokoch bola ďalším trendom v podnikoch automatizácia inžinierskych prác (návrhy výrobkov a pod.) za pomoci softwaru ako napríklad CAD (Computer Aided Design). Koncept prepájajúci realizačné a plánovacie činnosti spolu s činnosťami podieľajúcimi sa na tvorbe výrobku dostal názov CIM (Computer Integrated Manufacturing). Postupne sa však od tohto konceptu upúšťalo a v centre záujmu produkčných systémov zostávalo plánovanie a prevádzka podniku. 3.2 Systémy ERP Oproti svojim vyššie uvedeným predchodcom sa ERP nezaoberajú iba výrobne orientovanými aktivitami, ale ERP komplexne integrujú podnik. Podľa Basla môže byť ERP systémy chápané v dvoch rovinách. -v užšej rovine zahŕňajú integráciu vnútropodnikových oblastí, hlavne výroby, logistiky, financií a ľudských zdrojov. V takejto podobe ERP pokrýva rozhodujúcu časť podnikového riadenia na spodných dvoch úrovniach riadenia: operatívnej a taktickej -v širšej rovine doňho môžme zahrnúť aj aplikácie MIS, ktorý pomáha riadeniu na strategickom stupni, alebo aplikácie, prostredníctvom ktorých je podnik naviazaný na svoje okolie ako CRM alebo SCM (všetky budú charakterizované v ďalšom texte). Basl tiež uvádza aj hlavné funkcie ERP: -plánovanie zdrojov -dodržanie termínov zákaziek -plánovanie a sledovanie nákladov -zapracovanie všetkých aktivít do finančného účtovníctva 20

22 Ďalšou výhodou oproti MRP II je omnoho širšie uplatnenie ERP - môžu sa implementovať aj mimo výrobných podnikov SCM SCM bol vyššie uvedený ako jedna zo súčastí zahrňovaná do ERP pri širšom pohľade. Táto skratka označuje Supply Chain Management- management dodávateľského reťazca- súbor nástrojov určený k optimalizácii dodávateľských a odberateľských väzieb. Dodávatelia, výrobcovia, distribútori, predajcovia a zákazníci vytvoria na báze komunikačných technológií (napr. prostredníctvom internetu) integrovanú sieť, ktorá značne urýchli tok informačný i hmotný a ušetrí čas i náklady CRM Ďalšou rozširujúcou komponentou ERP je CRM - Customer Relationship Managementmanagement vzťahu so zákazníkom, prostredníctvom ktorého podnik sleduje zákaznícke požiadavky, využíva zákaznícke informácie k tvorbe pridanej hodnoty a snaží sa vytvárať dlhodobý a lojálny vzťah so zákazníkom. Tieto vzťahy buduje prostredníctvom šírenia publikácií, diskusiami a konferenciami na internete alebo call centrami. Hlavným motívom týchto aktivít je fakt, že dnes má čoraz viac zákazníkov prístup k moderným komunikačným technológiám, cez ktoré hľadajú vhodný produkt. Analytická nadstavba tohto systému sa volá Customer Intelligence. Je to súbor metód zameraný na pochopenie zákazníkov prostredníctvom odhalenia ich potrieb, hodnôt a preferencií Data v ERP ERP systémy ukladajú svoje data vo forme relačných databáz. Z teoretického hľadiska sa jedná o takzvanú tretiu normálnu formu databázy, ktorá musí spĺňať sériu pravidiel umožňujúcich efektivitu, rýchlosť a úsporu miesta na disku. 21

23 Medzi znaky tretej normálnej formy patrí rozdrobenosť datovej základne na sústavu tabuliek poprepájaných prostredníctvom identifikačných kľúčov. Každý riadok v tabuľke má svoj univerzálny ID (identifikačný kľúč), prostredníctvom ktorého naň môže byť napojený hociktorý riadok z inej tabuľky. Napríklad v tabuľke Zamestnanci by ako ID mohlo poslúžiť rodné číslo, ktoré má každá osoba jedinečné, ale v praxi sa väčšinou vygeneruje vlastné vnútrosystémové ID. Tabuľky majú svoje atribúty, napríklad tabuľka Odberatelia by mala Meno, Priezvisko, Spoločnosť, Telefón, Ulica a Mesto. Prvou podmienkou tretej normálnej formy je, aby pre každý atribút sa zapisovali ďalej nedeliteľné hodnoty. Takže neprichádza do úvahy, aby v tabuľke Zamestnanci sa do atribútu Meno uvádzalo meno aj priezvisko kontaktnej osoby, pretože tento údaj je ďalej deliteľný. Preto sa musí pridať ďalší atribút a to Priezvisko. Tab. 1: Odberatelia Odberatelia ID Meno Priezvisko Spoločnosť Telefón Ulica Mesto 1 Radek Rucký ABC 111 Jakubská 13 Brno 2 Michal Skácel XY 222 Mokrá 8 Praha Tabuľka Produkty by mala atribúty ID produktu, Názov a Množstvo kusov na sklade. Kým niektoré hodnoty atribútov sa zadávajú ručne, napríklad Názov produktu musí zadať vedúci skladu alebo iná osoba, iné sa dopočítavajú Množstvo na sklade systém vypočíta sám na základe rozdielu dodávok produktu (prijaté dodávky ale zadáva užívateľ) a odberov produktu (tiež zadáva užívateľ). Pričom data, z ktorých čerpá, môžu byť uložené v úplne iných tabuľkách, napríklad odbery sú zaznamenávané prostredníctvom tabuľky Objednávky. Tab. 2: Produkty Produkty ID produktu Názov Množstvo na sklade 1 Tričko biele Tričko čierne Ponožky biele 2000 Ďalšou podmienkou je, aby všetky atribúty boli závislé na celom primárnom kľúči (primárny kľúč totiž nemusí byť tvorený iba jednou hodnotou, ale aj kombináciou hodnôt). Majme tabuľku Položky Objednávky, kde kľúčom je kombinácia ID objednávky a ID produktu. 22

24 Tab. 3: Položky objednávky Položky objednávky ID ID objednávky produktu Množstvo Cena za ks V tejto tabuľke je neprípustné, aby existoval ďalší atribút, napríklad Dátum alebo ID odberateľa, pretože tento údaj je závislý iba na ID objednávky a nemá nič spoločné s ID produktu (dochádzalo by k duplicite). Preto musia byť tieto údaje sústredené v ďalšej tabuľke. Tab. 4: Objednávky Objednávky ID objednávky ID odberateľa Dátum Tretia a posledná podmienka zakazuje tranzitívnu závislosť na kľúči. V tabuľke Odberatelia to znamená, že tu nemôže byť atribút Štát, pretože tento atribút je primárne odvodený od toho, v akom meste spoločnosť sídli, a nie od ID odberateľa. Problematický by sa mohol zdať atribút Cena. Ak by sa odvíjal striktne od produktu, čiže podnik by každý produkt predával za nemennú jednotkovú cenu, patril by do tabuľky Produkty. Ale za predpokladu, že jednotková cena sa mení a odvíja sa od objednaného množstva alebo vzťahu k odberateľovi, môže sa rôzniť pre každú objednávku a preto som ju priradila do tabuľky Položky objednávky. Táto forma usporiadania dat má pre systémy, akým ERP sú, nesporné výhody. Spoľahlivo spĺňajú potreby každodennej prevádzky. V našom prípade by to boli napríklad potreby: -zistiť počet kusov určitého produktu na sklade (disponibilné množstvo) -získať informácie o jednotlivých objednávkach -meniť informácie tak, aby nebola narušená konzistentnosť (každý údaj stačí zmeniť iba raz v jednej jedinej tabuľke) -získať jednoduchšie prehľady a analýzy (súhrn objednávok jedného odberateľa, objem objednávok za mesiac) 23

25 Tento spôsob práce s datami, ktorý umožňuje, aby data boli rýchlo prístupné, prehľadne zobrazené, aby mohli byť spoľahlivo menené, aktualizované a doplňované, aby neboli redundantné a to všetko v reálnom čase, je označovaný ako transakčný: On-Line Transaction Processing (OLTP). Avšak príchod informačnej spoločnosti si vynútil potrebu analytických informácii, ktoré sa z transakčných systémov dali získať iba veľmi obtiažne. Vďaka ERP sa manažéri nemôžu sťažovať na nedostatok dat, datové základne ich často obsahujú milióny. Ale problémom sa stáva, ako z týchto dat získať relevantné informácie potrebné na najvyšších úrovniach rozhodovania. ERP systémy sú do určitej miery (niekoľko desiatok GB ) schopné jednoduchých analýz, ale keďže podľa štatistík za každých 5 rokov sa množstvo dat uložených v ERP zdvojnásobí, analytické možnosti tohto systému rýchlo klesajú (rozdrobený systém tabuliek s obrovským počtom riadkov by bol nesmierne hardwarovo i softwarovo náročný na hľadanie odpovede na komplexnejšie otázky). Napríklad vo vyššie uvedenom príklade by bolo nesmierne obtiažne alebo časovo neprijateľné zistiť vývoj predaja jednotlivých produktov v jednotlivých regiónoch za posledných x rokov. Vo veku informačnej spoločnosti, ktorý je charakterizovaný kontinuálnymi zmenami a rastúcou intenzitou konkurencie však vyvstáva pre strategický management potreba komplexnejších informácií, ktoré ERP nemôžu poskytnúť, pretože: Neumožňuje rýchlo a pružne meniť kritériá pre analýzy podnikových dat (na základe kritérií, ako sú čas, zákazníci, produkty, segment trhu a ich kombinácie) Obtiažne riešia zaistenie okamžitého prístupu pracovníkov v rozsiahlych databázach k agregovaným datám a to na rôznych úrovniach agregácie (za podnik, útvar, za všetkých zákazníkov, skupiny zákazníkov, jednotlivých zákazníkov, atď.) ERP a ostatné transakčné aplikácie sú primárne určené pre získanie a aktualizáciu dat, pričom niektoré z nich pracujú neustále takmer na 100% svojho možného výkonu. Analytické úlohy tieto systémy nadmerne zaťažujú a v mnohých prípadoch nie sú ani vďaka ich vyťaženiu možné. 24

26 Ďalším problémom je narastajúci objem dat v podniku, čo znamená väčšina firiem má problémy so zahltením často redundantnými a nekonzistentnými datami. 14 Hľadanie odpovedí na analytické otázky nutné k správnemu strategickému rozhodnutiu preto dalo podnet ku vzniku nástrojom sady Business Intelligence. Na rozdiel od ERP vyžadovali transformovanú datovú základňu, narušujúcu všetky pravidlá databáz používaných v transakčných systémoch. Iba z takto upraveného datového objektu je možné nad datami prevádzať náročné transformačné algoritmy, ktorých výsledkom boli tie správne informácie. Posledné klony ERP systémov umožňujú zostaviť tabuľky v takej štruktúre, aby mohla byť priamo exportovaná do externého prostredia, kde sa z nej vytvorí datová kocka, o ktorej sa pojednáva v nasledujúcich kapitolách. Do tejto kocky sa za pomoci XML 15 pravidelne sypú data z ERP a OLAP technológia (jedna z komponent Business Intelligence) ju môže priamo analyzovať. 14 GÁLA, L., POUR, J., TOMAN, P. Podniková informatika str XML (extensible Markup Language) alebo rozšíriteľný značkovací jazyk je určený predovšetkým pre výmenu dat medzi aplikáciami a pre publikovanie dokumentov. 25

27 4 Sústava informačných systémov v podniku Nasledujúci obrázok zachytáva pyramídu informačných systémov v podniku. Skratka TPS označuje Transaction Processing Systm, čiže transakčné systémy typu MRP a MRP II, ktoré sú zodpovedné za operatívne riadenie a prevádzku. Systémy MIS (Management Information System), určené pre taktickú úroveň riadenia, doplňujú TPS predovšetkým o finančnú správu, ale aj oblasti, ako sú napríklad ľudské zdroje alebo marketing. Nástroje Business Intelligence slúžia analýze dat z vnútorného i externého prostredia podniku a pod ne spadá i EIS (Executive Information System), ktorý podporuje strategický management. Obr. 2: Sústava informačných systémov v podniku (Skorkovský, J. Snímky z prednášok ) 26

28 Pre úplnosť vysvetlenia je nutné doplniť, že OIS označuje Office Information System (editory, tabuľkové procesory, elektronická pošta) a prostredníctvom EDI (Electronic Data Interchange) podnik komunikuje so svojím okolím (dodávateľmi, bankami, zákazníkmi, atď.). 27

29 5 Business Intelligence Gála, Pour, Toman charakterizujú Business Intelligence ako komplex prístupov a aplikácií IS/ICT 16, ktoré podporujú analytické a plánovacie činnosti organizácií a sú postavené na princípe multidimenzionality. Tento prístup označuje možnosť nazerať na realitu z rôznych uhlov pohľadu a podrobnejšie bude vysvetlený neskôr. BI 17 umožňuje organizácii kvalitne sa rozhodovať. Vychádza z interných a externých dat, na ktoré použije súbor výkonných analytických nástrojov. Výsledkom môže byť analýza javov minulých (prostredníctvom analýzy podnikových dat) ale i predikcia budúceho vývoja. Tieto informácie môžu organizácii sprostredkovať konkurenčnú výhodu. Získanými informáciami napríklad môžu byť: zmena podielov na trhu, zmeny v správaní a preferenciách zákazníkov, správa o stave tržných podmienok, analýza vplyvu rôznych faktorov na objem predaja jednotlivých produktov, atď. Tieto informácie pomáhajú manažérom lepšie porozumieť tržným podmienkam i postaveniu firmy na trhu v zrovnaní s konkurenciou, znížiť neistotu pri rozhodovaní a lepšie sa prispôsobovať meniacim sa podmienkam okolia. 5.1 Vývoj Business Intelligence Už na konci 70. rokov sa objavili prvé riešenia smerujúce k potrebe manažérskych a analytických úloh v riadení podniku. Produkty označované ako EIS (Executive Information System) sa objavili v 80. rokoch na americkom trhu a priniesli multidimenzionálne uloženie a spracovanie dat. Na prelome 80. a 90. rokov sa objavili nové trendy v multidimenzionálnych technológiách a to datové sklady a datové tržiská. Z ich využitia vyplynula nová analytická technológia - data mining. 16 Táto skratka označuje Informačné systémy/informačné a komunikačné technológie 17 Táto skratka bude v texte vždy označovať Business Inteligence 28

30 V roku 1989 analytik spoločnosti Gartner Group Howard J. Dresner definoval Business Intelligence ako sadu konceptov a metód určených pre skvalitnenie rozhodnutí firmy, čím z tohto pojmu urobil zastrešujúci pojem pre všetky nástroje pre podporu rozhodovania založené na datach. 5.2 Komponenty, aplikácie a vrstvy v Business Intelligence Česká spoločnosť pre systémovú integráciu definuje Business Intelligence ako sadu postupov, procesov a technológií, ktorej cieľom je účinne a účelne podporovať rozhodovacie procesy vo firme. Predstavuje komplex aplikácií IS/ICT, ktoré podporujú analytické a plánovacie činnosti podnikov a organizácií a sú postavené na špecifických, tzv. OLAP (On-Line Analytical Processing) technológiách a ich modifikáciách. Novotný, Pour, Slánský do tohto komplexu zahŕňajú: produkčné, zdrojové systémy dočasné úložiská dat (DSA Data Staging Area) operatívne úložiská dat (ODS Operational Data Store) transformačné nástroje (ETL- Extraction Transformation Loading) integračné nástroje (EAI-Enterprise Application Loading) datové sklady (DWH- Data Warehouse) datové tržiská (DMA Data Marts) OLAP reporting manažérske aplikácie (EIS Executive Information System) dolovanie dat (Data Mining) nástroje pre zaistenie kvality dat nástroje pre správu metadat ostatné 29

31 Usporiadanie komponent sa líši prípad od prípadu, ale vo všeobecnosti ich môžme rozdeliť do 5 vrstiev: Vrstva pre extrakciu, transformáciu, čisteniu a nahrávanie dat (komponenty datovej transformácie) rieši oblasť prenosu dat zo zdrojových systémov do oblasti BI Vrstva pre ukladanie dat (databázové komponenty). Vrstva pre analýzu dat (analytické komponenty) rieši vlastnú analýzu dat. Prezentačná vrstva (nástroje pre koncových užívateľov) prezentuje analýzu dat koncovým užívateľom a oni tiež prostredníctvom tejto vrstvy zadávajú svoje požiadavky Vrstva oborovej znalosti Začlenenie jednotlivých komponent do týchto vrstiev zachytáva nasledujúci obrázok: Obr. 3: Všeobecná koncepcia architektúry BI (Novotný, O., Pour, J., Slánský, D. Business Intelligence str. 27) 30

32 Okrem vyššie zmienených 5 vrstiev do BI tiež patria komponenty pre správu a manipuláciu s datami, kam patria nástroje, ktoré zaisťujú, že data zodpovedajú realite (zaistenie datovej kvality). Okrem nich sa sem radia aj metadata ( data o datách ), ktoré popisujú vlastnosti uložených dat a prebiehajúcich procesov. Zahŕňa sa sem aj technická znalosť- tá závisí od kvalít implementačného teamu. 5.3 Princíp multidimenzionality Tento princíp patrí k základom riešenia BI. Zatiaľ čo v transakčných systémoch (ERP, CRM, SCM a iné) sa pracuje s informáciami slúžiacimi pre realizáciu odberateľských, výrobných a dodávateľských transakcií, nástroje Business Intelligence pracuje s informáciami analytickými, ktoré vznikajú transformáciou informácií operatívnych, ktoré sú vlastne ich zdrojom. Samotné transakčné systémy nie sú komplexnej analýzy schopné, pretože: Data sú často uložené na rôznych miestach, v rôznych formátoch a v rôznych štruktúrach Data sú často neúplné alebo chybné, čo môže byť spôsobené stresovou prevádzkou alebo nedôslednými pracovníkmi Analytické informácie často okrem vnútorných dat vyžadujú i data externé Preto aby z operatívnych dat bolo možné čerpať, musia byť transformované z relačnej databázy do formy multidimenzionálnej databázy. Informačná technológia založená na koncepcii takejto databázy dostala označenie OLAP (On-Line Analytical Processing). Tento pojem sa často pokladá za identický s pojmom Business Intelligence. Z užšieho hľadiska však označuje multidimenzionálnu tabuľku, v ktorej prostredníctvom možnosti pružne meniť rôzne dimenzie môže užívateľ nahliadať na realitu z rôznych uhlov pohľadu. Okrem toho, že data sú tú uložené multidimenzionálne, obsahujú rôzne úrovne agregácie dat podľa hierarchickej štruktúry dimenzií a zachytávajú aj faktor času, ktorý je nesmierne dôležitý napríklad pre analýzy časových rad. Data do tejto tabuľky sú získavané z operatívnych dat za využitia komponent datovej transformácie, ktoré budú podrobnejšie opísané neskôr. 31

33 Nasledujúci obrázok zachytáva multidimenzionálnu tabuľku (datovú kocku) pre príklad uvedený k ilustrácii tabuliek v normálnej forme. Počet dimenzií nie je limitovaný, v našom prípade sú to tri: Miesto, Produkt, Čas. Každá malá kocka označuje počet kusov daného produktu, ktorý sa predal na danom mieste v daný čas. Napríklad sa v Brne predalo 100 ks bieleho trička vyrábaného našou spoločnosťou. K získaniu tohto údaju by sme potrebovali nájsť všetky objednávky z , oddeliť z nich tie, ktorých odberatelia sídlia v Brne a z ich položiek nájsť tie, ktoré sa týkajú bieleho trička a sčítať ich. V transakčnom systéme je však každý z týchto údajov uložený v inej tabuľke, takže vypočítať tento údaj pre všetky možné kombinácie miesta, času a produktu by bolo z oddelených tabuliek časovo i výkonovo náročné. Navyše v skutočnosti existuje omnoho viac dimenzií než tri, napríklad vedenie by zaujímalo, aký objem predaja dosiahlo dámske oblečenie a aké pánske, čím by sme celý výpočet skomplikovali o ďalšiu dimenziu. Údaje o ďalších dimenziách by sa ešte k tomu mohli nachádzať v úplne inom systéme, napr. v systéme call centra. Takisto by manažérov mohli zaujímať agregované čísla, napríklad priemerný denný predaj ponožiek za mesiac január na Morave, čo by pridalo ďalšie výpočty. Obr. 4: Datová kocka (Vlastná konštrukcia ) 32

34 Ako vyriešiť hore uvedené problémy? Odpoveďou je multidimenzionálna tabuľka, ktorá uloží všetky data vo formáte porušujúcom pravidlá normálnej formy. Datový model tejto tabuľky bude vyzerať takto: Obr. 5: Datový model multidimenzionálnej tabuľky V strede sa nachádza tabuľka faktov (jedna pre každú datovú kocku), ktorá obsahuje sledované dimenzie. Tie sú potom bližšie charakterizované v dimenzionálnych tabuľkách. Ako bolo uvedené vyššie, manažéri často vyžadujú agregované informácie. Nestačia im iba údaje o predaji v daný deň, ale často ich zaujíma predaj za celý mesiac, posledný kvartál alebo rok. Aby bolo možné z datovej kocky vyčítať aj takýto údaj, prvky dimenzie sa zoradia do hierarchickej štruktúry. Napríklad dimenzia zachytávajúca čas: Rok Kvartál Mesiac Týždeň Deň Alebo produkty: Oblečenie Pánske Nohavice Košele Dámske Nohavice Košele 33

35 Kvôli zlepšeniu odozvy a zrýchleniu výpočtov sú niektoré súhrnné data vopred vypočítané a uložené (napríklad objem predaja za jednotlivé mesiace). Na záver tejto časti uvádzam tabuľku, ktorá zrovnáva najvýznamnejšie znaky spracovania dat prostredníctvom OLAP a OTLP. Tab. 5: Zrovnanie produkčnej databázy a datového skladu (Novotný, Pour, Slánský str. 33) Funkcia Produkčná databáza spracovanie dat, podpora podnikových operácií Datový sklad podpora rozhodovania Data procesne orientované, aktuálne hodnoty, detailné predmetne orientované, aktuálne i historické, sumarizované, zriedka detailné ad hoc, čiastočne opakujúce sa reporty a štrukturované aplikácie Využitie štrukturované, opakované Procesy vstup dat, OLTP otázky koncových užívateľov 5.4 Charakteristika jednotlivých komponent Business Intelligence V tejto časti práce sa postupne pokúsim charakterizovať jednotlivé komponenty Business Intelligence. Pokúsim sa pritom dodržiavať logické poradie, v ktorom nastupujú na scénu. Na začiatku sa z prevádzkových systémov získajú zdrojové data, ktoré sú prostredníctvom ETL a EAI prenesené do datových úložísk (tržiská, sklady) a odtiaľ čerpané pre potreby analytických nástrojov a následne prezentované užívateľom. 34

36 Obr. 6: Hlavné komponenty BI a ich väzby (Hanusek, L., Máša, P. Technologie pro data warehousing a data mining ) Komponenty datovej transformácie Skôr než môže podnik čerpať agregované informácie zo svojich dat, musí ich previesť do vhodných štruktúr. Primárne data sú totiž rozložené po rôznych externých a interných systémoch, v rôznych štruktúrach a formátoch. Napríklad ID produktu môžu byť v systéme skladového hospodárstva uložené pod atribútom Položka, ale v systéme CRM ako Produkt ID. Alebo v jednom systéme existuje produkt s názvom Tričko biele, kým v druhom vystupuje ako Polokošeľa svetlá. Navyše, nie všetky data z produkčných systémov sú relevantné, napríklad krstné meno zamestnanca určite nájde uplatnenie v prevádzkových systémoch, ale jeho význam pre potreby analýzy je nulový. Na to, aby sa na data mohla 35

37 aplikovať analýza OLAP, musia byť zo zdrojových produkčných systémov vybrané, očistené, zjednotené a nahraté do špecifických datových štruktúr, zvaných datové sklady. K tomuto prevodu sa používajú nástroje zvané datové pumpy alebo ETL (Extraction, Transformation and Loading). Tieto systémy pracujú v dávkovom režime a data z transakčných systémov prenášajú v pravidelných intervaloch, napríklad raz denne (obvykle cez noc), týždenne alebo mesačne. Ich úlohou je v čo najkratšom čase väčšinou bez akýchkoľvek úprav vytiahnuť potrebné data zo zdrojových systémov (Extraction) a uložiť ich do dočasného úložiska (DSA, Data Staging Area). Potom nasleduje fáza transformácie (Transformation), behom ktorej dochádza k najpodstatnejšej časti celého riešenia k čisteniu dat (doplneniu chýbajúcich hodnôt, odstráneniu preklepov, prevedeniu dat na zhodné formáty, spárovanie na jednotné číselníky/ dimenzie), k datovej konsolidácii (unifikácii hlavných entitzákazníci, zamestnanci, dodávatelia, partneri, produkty apod.) a k výpočtu agregácií podľa hlavných entít... Iba takto pripravené data je možné nahrať (Loading) do centrálneho úložiska datového skladu. Tam by už data mali byť čisté, úplné, konzistentné, historizované a konsolidované. 18 V súvislosti s komponentami datovej transformácie sa treba zmieniť ešte o nástrojoch EAI (Enterprise Application Integration). Vznik tejto sady nebol podmienený vznikom BI, ale rôznorodosťou podnikových IS, ktoré boli v mnohých prípadoch budované atomicky a zamerané iba na jednu stránku podnikového diania (napr. systém skladového hospodárstva, účtovný systém pre finančné oddelenie, databáza zamestnancov pre potreby personalistov). S príchodom informačnej spoločnosti však vzrástla potreba integrácie týchto systémov a k slovu sa dostáva sada ETL. Česká spoločnosť pre systémovú integráciu ju charakterizuje ako metodický prístup a sadu technologických nástrojov pre integráciu podnikových procesov, ktorá zaisťuje vzájomnú spoluprácu medzi rôznymi aplikáciami informačného systému a pomáha organizácii rýchlo reagovať na zmeny podmienok trhu. Význam EAI vysvetľuje nasledujúci obrázok. Zatiaľ čo bez neho by každý systém musel s každým iným systémom komunikovať zvlášť, čo by bolo časovo i výkonovo náročné, sada 18 HANUSEL, L., MÁŠA, P. Technologie pro data warehousing a data mining

38 EAI počet rozhraní zredukuje na jedno a zabezpečí prenos dat i aplikácií v reálnom čase, čím šetrí zdroje a zvyšuje efektívnosť podniku. Obr. 7: Funkcia EAI v podniku (Vlastná konštrukcia) Úložiská dat V koncepcii BI existuje viacero typov datových úložísk. V nasledujúcom texte sa pokúsim charakterizovať postupne jednotlivé typy. Dočasné úložisko dat (Data Staging Area- DSA) slúži k prvotnému uloženiu netransformovaných dat zo zdrojových systémov. Je to dočasné umiestnenie dat, ktoré sa využíva často z dôvodu zaťaženia zdrojových systémov. Kvôli obmedzeným možnostiam hardwaru a sieťových zdrojov a časovým a geografickým faktorom nemôžu byť data zo všetkých primárnych systémov integrované naraz. Predtým, než však postúpia do datového skladu, musia byť konzistentné a integrované s datami zo všetkých zdrojov. V DSA sú tak napríklad uložené data z SCM nahrávané za každý deň a čakajú, kým sa k nim nepridajú data z finančného oddelenia, ktoré sa extrahujú iba raz do mesiaca. Ďalším dôvodom k zavedeniu DSA môže byť nevhodný formát dat, napríklad textové súbory, ktoré pred nahratím musia byť skonvertované. Novotný, Pour, Slánský (2005) uvádzajú tieto charakteristiky dat uložených v DSA: Detailnosť: data nie sú agregované Nekonzistentnosť s datami z ostatných systémov 37

39 Aktuálnosť: data neobsahujú históriu, pretože po prenosu do datového skladu sa z DSA odstránia a namiesto nich DSA prijme ďalšiu dávku aktuálnych, ešte nespracovaných dat Identitu s pôvodnou datovou štruktúrou zo zdrojového systému Skôr než pristúpim k definícii vyššie zmieneného datového skladu, musím sa zmieniť o operatívnom úložisku dat (Operational Data Store - ODS). K tomuto úložisku existuje viacero prístupov. Uvediem to, ktoré zodpovedá obr. 7, a podľa ktorého je ODS jednotné miesto datovej integrácie, prípadne môže slúžiť ako zdroj konsolidovaných informácií (pracujúci v reálnom čase) pre jednotlivé prevádzkové aplikácie prostredníctvom EAI (Napríklad call centrum môže požadovať profil zákazníka, objem ním uskutočnených obchodov, objednané a doručené produkty a tržný segment do ktorého je zaradený). Oproti DSA sú data v ODS konsolidované, konzistentné, subjektovo orientované a doplnené o agregácie. Najvýznamnejšou databázovou komponentou BI je datový sklad (Data Warehouse - DWH). Existuje naň viacero náhľadov. Jeden zo zakladateľov data warehousingu- Bill Inmon ho definuje ako integrovaný, subjektovo orientovaný (data sú delené podľa ich typu a nie podľa zdrojových aplikácií), stály (sú Read only po nahratí sa už nedajú meniť) a časovo rozlíšený (data obsahujú i históriu- prostredníctvom záznamu času, v ktorom vznikla) súhrn dat, usporiadaný pre podporu potrieb managementu. Významom datového skladu je integrovať data celej korporácie. Data sú tam oddelené od zdrojových systémov, nevyskytujú sa tu duplicity a už nie je možné meniť ich. Rozsah takéhoto skladu býva často obrovský, data sú tu uložené na veľmi podrobnej úrovni detailu, je tu napríklad zaznamenaný každý predaj podniku spolu so všetkými údajmi, ktoré by mohli byť relevantné z analytického pohľadu. To umožňuje, aby boli data skúmané a agregované z obrovského množstva uhlu pohľadov. Poslednou komponentou, ktorú charakterizujem, je datové tržisko (Data Mart - DMA). Od datového skladu sa tento pojem líši v tom, že je určený pre obmedzený okruh užívateľov (napríklad jedno alebo dve oddelenia vo firme). Kým štruktúra datového skladu je odvodená z dat existujúcich v podniku a z možností ich neskoršieho využitia, datové tržiská sú úložiská, 38

40 ktoré môžu (ale nemusia ) čerpať z datového skladu a sú určené pre pokrytie špecifickej problematiky. Datové tržiská už obsahujú tabuľky faktov a tabuľky dimenzií, zahrňujú aj data agregované predom. Koncepcia, ktorá sa nazýva trojvrstvá architektúra datového skladu, obsahuje dočasné úložisko, centrálne úložisko a datové tržisko. Jej tvorcom je Bill Inmon 19. Zachytáva ju nasledujúci obrázok. Obr. 8: Trojvrstvá architektúra (Vlastná konštrukcia ) Keďže takáto architektúra vyžaduje často vysoké náklady na vybudovanie a dlhú dobu na počiatočnú analýzu dat, v praxi sa často vyskytuje architektúra dvojvrstvá. Za jej autora sa pokladá Ralph Kimball 20 a na rozdiel od predchádzajúcej koncepcie neobsahuje centrálne úložisko, ale iba samotné datové tržiská. Jej výstavba je lacnejšia a kratšia a existuje možnosť neskôr ju integrovať do centrálneho datového skladu. Niektoré data sa však objavujú 19 Bill Inmon je pokladaný za otca data warehousingu. Vyštudoval Computer Science na New Mexico State University. Je autorom viac než 650 článkov a 46 kníh zameraných na data warehousing. Pôsobil a založil niekoľko spoločností aktívnych v tejto oblasti. 20 Ralph Kimball patrí k svetoznámym odborníkom na ukladanie dat. Vyštudoval Stanfordskú Univerzitu, pracoval na vývoji decision support softwaru, neskôr založil vlastnú spoločnosť venujúcu sa databázam a tiež spoločnosť pre vzdelávanie a konzultačné činnosti v tejto oblasti. 39

41 duplicitne, takže vyžaduje väčší pamäťový priestor a s rastúcim počtom tržísk klesá konsolidovanosť a rastú náklady na údržbu Reporting Reporting sa dá považovať za jeden z najstarších nástrojov BI. Dá sa definovať ako automatický podnikový proces alebo funkcionalita, ktorá poskytuje (na pravidelnej alebo príležitostnej báze) požadované informácie. Príkladom reportingu je napríklad výkaz zisku a strát vygenerovaný na konci každého roku alebo štatistiky o fluktuácii zamestnancov. Pravidelný reporting väčšinou využíva preddefinované schémy, príležitostný odpovedá na špecifické otázky užívateľov OLAP databáza Princíp multidimenzionálnych kociek bol opísaný vyššie. V tejto často sa preto zameriam na varianty technológie OLAP, a to MOLAP, ROLAP a HOLAP. MOLAP (Multidimensional On-Line Analytical Processing) pokladá sa za OLAP štandard, pretože vychádza z multidimenzionálnej databázy (MDB, datovej kocky). ROLAP (Relational On-Line Analytical Processing) data sú uložené v relačnej databáze, takže spracovanie vyžaduje viac času než pri MOLAP. Na druhej strane je k dispozícii väčšie množstvo dat. HOLAP (Hybrid On-Line Analytical Processing) je zmiešaninou predchádzajúcich dvoch koncepcií, keď data sú uložené v relačnej databáze a agregované hodnoty v multidimenzionálnych kockách Data mining Dolovanie dat - data mining (DMM), takisto niekedy nazývané Knowledge-Discovery in Databases (KDD) označuje techniky automatického prehľadávania databázy s cieľom objaviť nové súvislosti medzi datami. Nasadzuje sa tam, kde sa súvislosti už nedajú nachádzať prostredníctvom technológie OLAP. Na rozdiel od nej analýza nevychádza z požiadavkov užívateľa, ale priamo z obsahu dat. Využíva sa predovšetkým k predikcii. 40

42 Databáza sa prehľadáva podľa určitých algoritmov. Využíva pritom expertné matematické a štatistické techniky, ako napríklad rozhodovacie stromy, neurónové siete, genetické algoritmy, clustering a iné. V predikcii nachádzajú uplatnenie logistická alebo lineárna regresia. Výsledky data miningu sa ukladajú naspäť do datových úložísk a odtiaľ prakticky aplikujú do podnikovej reality. Nachádza napríklad široké uplatnenie v analýzach pre Customer Intelligence: -analýza nákupného košíka pomáha určiť skupiny produktov, ktoré sa opakovane nakupujú spolu, takže z nákupu jedného produktu zákazníkom sa dá odvodiť pravdepodobnosť nákupu ďalšieho produktu. Cieľom je dosiahnuť zvýšený objem predaja - tržná segmentácia -nachádzajú sa spoločné charakteristiky zákazníkov, na základe ktorých sa delia do skupín a podskupín vykazujúcich podobné vlastnosti. Data, z ktorých sa vychádza, sa dajú rozdeliť na demografické (vek, povolanie, región), hodnotové (image, úroveň služieb, cena) a behaviorálne (rizikovosť, spôsob nákupu, analýza nákupného košíku, podvodné správanie). Cieľom je vybudovanie lojálneho vzťahu so zákazníkom, čo vedie k zníženiu nákladov na predaj - identifikácia zákazníkov, ktorí sa pravdepodobne chystajú prejsť ku konkurencii: data-mining dokáže vystopovať ich spoločné znaky. Podnik sa takto môže dozvedieť, na ktorých odberateľov sa má viac zamerať. - odhaľovanie podvodov sa využíva najmä v poisťovníctve, identifikujú sa indikátory podozrivých transakcií. - marketing data minig sa tu zameriava na nájdenie incentív, na ktoré zákazníci najviac zaberajú, čím sa dosahuje lepšie cielenie a efektívnosť kampaní, do úvahy sa samozrejme berú aj informácie získané z procesu segmentovania zákazníkov -kreditný scoring hodnotí rizikovosť žiadateľov o pôžičky na základe znakov a faktorov, ktoré odhalil data mining vďaka dolovaniu dat o zákazníkoch minulých a súčasných. 41

43 6 Praktická časť Ako praktickú časť práce môžem ponúknuť model analýzy podľa dimenzií z dvoch firiem. Ide o výstupy profesionálneho ERP systému Microsoft Dynamics NAV 4.0., ktorý firmy používajú ako nástroj pre ich riadenie. Prvá firma je vydavateľom kníh, druhá se venuje výstavníctvu. Ich údaje sú upravené tak, aby ich tretia osoba nemohla interpretovať a zneužiť. K týmto príkladom som pridala ďaľšie dva z fiktívnych firiem, jedna predáva vodoinštalačný materiál, druhá zas víno. Obr. 9: Zjednodušená schéma ERP systému (Skorkovský, J. Snímky z prednášok. 2006) ERP Transakcie - položky Partneri Podnik Dimenzie ERP Zprávy Náhľady Informácie (trendy) Rozhodnutie Informace Znalosť metód riadenia procesov a metrík Kľúčové rozhodnutia Kľúčová znalosť Na uvedenom obrázku je zjavné, že ERP systém generuje ako výsledok zaúčtovania obchodných prípadov (predajné, výrobné, servisné zákazky s rôznymi odberateľmi) unikátne transakcie. K týmto transakciám sú automaticky priradené hodnoty už predtým vytvorených dimenzií rôzneho typu (oblasť, predajca alebo nákupca, typ alebo kategória produktu apod.) Inými slovami sa teda jedná o analýzu podľa dimenzií, ktoré podľa ich definície sú automaticky priradené transakciám vytváraným ERP systémom, a to z toho dôvodu, že 42

44 príslušné dimenzie sú zase predom priradené ku kmeňovým tabuľkám typu Zboží, Dodavatel, Prodejce alebo Odběratel. Napríklad pri každom odberateľovi je zaznamenaná jeho adresa, takže keď sa uplatní náhľad cez dimenziu Región, súčtom predajných transakcií uskutočnených odberateľmi s adresou v Juhomoravskom kraji sa získa celkový objem predaja v tomto regióne. Nastavenie hodnôt dimenzií sa dá bližšie popísať pomocou kníh predávaných knižným vydavateľstvom. Každej knihe, ktorá sa vydá, je priradený kód kategórie do ktorej patrí. Kebyže vydavateľstvo vydá knihu Vysoké Tatry, priradí jej kód HORY. Okrem tejto knihy by mohlo vydávať napríklad aj knihu Himaláje v rovnakej kategórii. Takže keď vedenie zaujíma celkový objem predaja kníh s tématikou hôr, stačí si vygenerovať náhľad Typ knihy a nemusia sa individuálne sčítavať predaje všetkých kníh o horách. Tento náhľad totiž automaticky vyhľadá všetky transakcie týkajúce sa kníh zadelených do kategórie HORY. Rozdelenie do kategórií môže vyzerať napríklad takto : Obr. 10: Výstup z programu Dynamics NAV 4.0. Užívateľ si okrem typu knihy môže zvoliť účet - predaj týchto kníh, napríklad a obdobia, napríklad kvartály. Vybraná analýza dvojdimenzionálnej kocky potom môže vyzerať takto : 43

45 Obr. 11: Výstup z programu Dynamics NAV 4.0. Firma predávajúca výstavné plochy by mohla potrebovať analýzu predaja týchto plôch v rôznych pavilónoch, a to za obdobie a podľa typu akcie. Definícia pavilónov, kde sa i isté skupiny pavilónov môžu interne sčítať, môže byť nastavená nasledovne: Obr. 12: Výstup z programu Dynamics NAV 4.0. Definícia akcií, ktoré sú vždy súčasťou obchodného prípadu predaja plochy vystavovateľom môže vyzerať napr. takto : 44

46 Obr. 13: Výstup z programu Dynamics NAV 4.0. Komplexná analýza pre všetky typy akcií potom dá tento výstup : Obr. 14: Výstup z programu Dynamics NAV 4.0. A po aplikácii filtru na jednu z dimenzií (akcia Pivex) potom dostaneme iný pohľad na finančné parametre : 45

47 Obr. 15: Výstup z programu Dynamics NAV 4.0. Ako ďalšiu ukážku využitia analýzy podľa dimenzií je obchod s vodoinštalačným materiálom. Ide o analýzu predaja u vybraných produktov vrátane výpočtu optimálneho bodu priobjednania. Obr. 16: Výstup z programu Dynamics NAV 4.0. A ako posledný príklad uvádzam analýzu obchodu s vínom podľa oblastí a odrody : 46

48 Obr. 17: Výstup z programu Dynamics NAV 4.0. S pridaním ďalšej dimenzie do analyzovanej kocky sa výstupy menia : Obr. 18: Výstup z programu Dynamics NAV 4.0. V tomto prípade riadiace parametre (dimenzie) sú tieto : Obr. 19: Výstup z programu Dynamics NAV 4.0. Všetky vyššie uvedené príklady sú analýzy dat pomocou dimenzií v dvoch, troch až viac rozmernom priestore. V menších firmách tieto kvázi OLAP analýzy úplne postačujú. To znamená, že data nie sú exportované do predom pripravených štruktúr OLAP a využívajú sa data uložené v forme transakcií ERP systému, ale princíp zachovania vytvárania rezov kockami je pri tom plne zachovaný. 47