Uvod

Informacija na pravom mjestu i u pravo vrijeme je u vrijeme

elektroničkog poslovanja jedan od najvažnijih resursa koji može značiti
razliku između opstanka ili propasti kompanije. Prije početka
informacijskog doba u drugoj polovici 20 stoljeća, kompanije su morale
prikupiti podatke iz neautomatiziranih izvora, te nisu posjedovale
računalne resurse za odgovarajuću analizu podataka. Stoga su se poslovne odluke temeljile
uglavnom na intuiciji. S automatizacijom sve više sustava, drastično se povećala količina
podataka koja je postala dostupna. Njihovo je prikupljanje ipak ostalo pravim izazovom zbog
pomanjkanja infrastrukture za razmjenu podataka i nekompatibilnosti sustava. Analiza
prikupljenih podataka i izrada izvještaja ponekad je trajala mjesecima. Na temelju tih
izvještaja mogle su se donositi neke dugoročne strateške odluke, dok su kratkoročne taktičke
odluke i dalje ostale temeljene na intuiciji. No u današnje suvremeno informatičko doba te
odluke kao i kompletan strateški sustav tvrtki jednostavno je „potisnuo“ tvrtke da se okrenu
prema novoj tehnologiji, odnosno novim softverskim rješenjima pa u skladu s time da potraže
pomoć softvera i u poslovnoj inteligenciji. U ovome radu zapravo ćemo govoriti općenito o
tome što je to zapravo poslovna inteligencija, kako se koristi u praksi i putem kojih programa
se koristi, odnosno tko te program u konačnici i proizvodi.

1
 1. Pojam poslovne inteligencije

Strateške se prednosti više ne temelje isključivo na fizičkim resursima ili dobrom

menadžmentu, već poglavito na znanju koje postoji u kompaniji i informacijama koje
kompanija dobiva s tržišta. Te se informacije moraju procesirati da bi postale dio znanja
kompanije, ili da bi se na temelju njih donijele odluke u kompaniji. Neke od tih odluka mogu
biti trivijalne, primjerice poput povećanja ili smanjenja proizvodnje nekog proizvoda, a one se
donose na temelju informacija koje su jednostavne i mogu u nepromijenjenom obliku
poslužiti kao ulaz takvim odlukama, poput informacija o prošlotjednoj prodaji tog proizvoda,
ili stanja na odlaznom skladištu. S druge strane pred menadžment se može staviti i odluka da
li inovacija razvojnog odjela zaslužuje ući u proizvodnju ili kakve poteze povući da se
proizvod čija je prodaja posrnula ponovno vrati u vrh? Za takve odluke očito ne postoje
informacije koje bi u neobrađenom obliku poslužile kao ulazi za odlučivanje. Stoga je
potrebno ulazne informacije filtrirati, preraditi i povezati da bi se na temelju njih mogli
donijeti neki zaključci ili odluke. Jasno da takav proces nije jednostavan, pogotovo uzevši u
obzir da postoji ogromna količina informacija koje su dostupne s tržišta, konkurencije ili koje
dolaze unutar kompanije, u kojoj je potrebno odabrati zaista one koje su relevantne za neku
svrhu. U tom se pogledu pojavljuje poslovna inteligencija (Business Intelligence, BI) kao
nova aktivnost koja se odnosi na aplikacije i tehnologije koje se koriste za prikupljanje,
omogućavanje pristupa i analiziranju podataka o operacijama u kompaniji. Sustavi poslovne
inteligencije mogu tako olakšati kompanijama da steknu obuhvatnije znanje o faktorima koji
utječu na njihovo poslovanje, poput prodaje, proizvodnje ili internih operacija.

2
 2. Tehnike pomoću kojih se provodi poslovna inteligencija

Nakon što smo smjestili poslovnu inteligenciju u kontekstu poslovanja možemo navesti
tehnike u kojima je poslovna inteligencija implementirana. Razvijena su mnoga pomagala
koja prikupljaju i analiziraju velike količine nestrukturiranih podataka. Svaki proizvođač
pomagala za poslovnu inteligenciju razvija i nudi drugačiji proizvod koji najčešće odgovara
potrebama određenog sektora, primjerice maloprodaje ili financijskih usluga. Neke su
aplikacije usredotočene na analizu performansi, projekte ili interne operacije, poput AQL
(Associative Query Logic), Scorecarding, praćenja poslovnih aktivnosti, menadžmenta
poslovnih performansi, poslovnog planiranja, reinženjeringa poslovnih procesa, analize
kompetencija, sustava za izvješćivanje krajnjih korisnika, Enterprise Management sustava,
EIS (Executive Information Systems); menadžmenta lanaca opskrbe/potražnje ili pomagala
za financije i budžetiranje.

Druge se aplikacije poslovne inteligencije odnose na pohranjivanje i analizu podataka,

poput rudarenja podataka (Data Mining, DM), farmi i skladišta podataka (Data Farming,
Data warehouses), sustava za potporu odlučivanju (Decision Support Systems, DSS) i
prognoziranju, skladišta dokumenata i upravljanje dokumentima, mapiranja i vizualizacije
informacija, sustava menadžmenta informacija (Management Information Systems, MIS),
geografskog informacijskog sustava (Geographic Information Systems, GIS), analize
trendova, softwarea kao usluge (Software as a service, SaaS), online analitičkog procesiranja
(Analytical Processing, OLAP) i višedimenzionalne analize, poslovne inteligencije u
stvarnom vremenu, statističke i tehničke analize podataka, rudarenja Web-a, rudarenja teksta,
itd.

Ostale se aplikacije odnose na analizu ili upravljanje “ljudskom” stranom posla, poput
menadžmenta odnosa s kupcima (Customer Relationship Management, CRM) i
marketinških pomagala, aplikacija za upravljanje ljudskim resursima ili web personalizacije.
Poslovna inteligencija često koristi indikatore ključnih performansi (Key performance
indicators, KPIs) da bi ocijenila trenutno stanje poslovanja i odredila buduće smjernice.
Poslovanja koja imaju veće operacijske rizike često analiziraju KPI podatke tjedno ili dnevno.

3
 3. Na temelju čega se koristi poslovna intelignecija

Prikladni postupci obrade podataka nisu dovoljni da bi se iz njih dobile relevantne informacije
za neku kompaniju. Uz to je potrebno osigurati i kvalitetu podataka. Željko Panian i Goran
Klepac u knjizi “Poslovna inteligencija” navode četiri osnovne kategorije kvalitete podataka
koje izravno utječu na donošenje poslovnih odluka u poduzeću:

 Standardiziranost - Različita interpretacija istih pojmova može dovesti do toga da se

podatke prilikom unošenja u bazu podataka ne prepozna kao identične, već ih
kompjutor shvati kao različite (primjer izraz “cijena proizvodnje” i “proizvodna
cijena”). Tako dolazi do inkonzistencije u sadržaju baze podataka, koje zatim
onemogućuju pravilno odgovaranje sustava baze podataka na korisničke upite i
poduzimanje drugih složenijih operacija nad podacima u bazi (npr. agregacije,
generalizacije, klasifikacije podataka i sl.). Da bi se izbjegle takve pogreške,
preporučuje se zahvaćanje podataka u standardnim ujednačenim formatima i njihova
dosljedna primjena te provođenje standardizacije poslovnih dokumenata i drugih
izvora podataka. Time se ujedno omogućuje i jednostavnije pronalaženje sadržaja u
bazi podataka, usporedba, klasifikacija i ostale logičke i analitičke operacije nad
podacima.

 Podudarnost - U praksi prikupljanja podataka često se javlja problem neplaniranog

udvostručavanja ili umnožavanja slogova u bazi podataka. Do te pojave dolazi zbog
malih varijacija prilikom registriranja određenih podataka, primjerice imena,
prezimena i adrese kupca kojem se želi poslati katalog proizvoda. Standardni
računalni programi te male varijacije ne prepoznaju kao identične, već ih pohranjuju u
bazi podataka kao tri sloga, kao da se radi o tri različita kupca, čime se stvara pogrešan
privid da su npr. novim katalogom upoznata tri kupca. Pomoću koncepta poslovne
inteligencije moguće je primjenom suvremenih softverskih alata uočiti podudarnosti
između nejednakih, a vrlo sličnih podataka i apstrahirati bitne od nebitnih pojedinosti.

 Verificiranost - Postupkom verifikacije ili usporedbe utvrđuje se podudarnost bilo

kojeg podatka s nekim poznatim izvorom koji služi kao predložak ili etalon.
Verifikacija se odnosi na sve tipove podataka, tekstualne, brojčane, uzorke zvuka,
slike digitaliziranih potpisa, multimedijskih podataka itd. Postupak verifikacije
poduzima se radi osiguranja točnosti podataka u repozitorijima poduzeća, a u cilju
izvođenja pravilnih zaključaka odnosno donošenja kvalitetnih poslovnih odluka.

 Proširivost - Upotrebom sofisticirane informacijske tehnologije danas je moguće

dodavati nove podatke postojećem skupu podataka kao i mijenjati vrijednost
postojećih podataka na način da ih se učini korisnijima za odgovarajuće primjene. Za
te svrhe danas je moguće koristiti tehnologiju Web usluge kao aplikacijsko-
komunikacijski servis koji omogućuje svim korisnicima direktnu ugradnju podataka iz
vanjskih izvora, putem Web usluge, u vlastito spremište ili skladište podataka.

4
 4. Poslovna inteligencija u primjeni

„ Čovijek se nikada ne uzdigne više nego onda kada ne zna kamo ga još može odvesti
njegov put“
Friedrich
Nietzsche

4.1. Vrednovanje kupaca (procjena lojalonsti, scoring), analiza odlazaka

Poduzeće „Trgovina“ je veletrgovačko i maloprodajno poduzeće, koja ima tridesetak

maloprodajnih centara (supermarketa) na području čitave Hrvatske, i tri veleprodajna centra,
koja uglavnom služe za opskrbu maloprodajnih centara, ali prodaju robu i u ostalim pravnim
subjektima koje se bave maloprodajom ili veleprodajom. Prije dvije godine spomenuto je
poduzeće počelo izdavati tzv. Loyalty cards, gdje si kupci, po principu sakupljanja bodova,
stjecali pravo na popust pri kupovini nakon što su sakupili određeni broj bodova te su,
temeljem članstva, dobivali periodične darove, ovisno o broju prikupljenih bodova.

U pristupnici za Loyalty card bilo je potrebno ispuniti podatke:

 Ime iprezime
 Adresa i mjesto stanovanja
 Godina rođenja
 Obiteljski status
 Broj djece
 Stručna sprema
 Kategorija hobija (sport, umjetnost....)

4.1.1. Analiza tržišne situacije

Poduzeće je svjesno činjenice kako će konkurencija dolaskom u određene regije

pokušati u prvom razdoblju poslovanja privući što više kupaca, nastojeći ih učiniti stalnim
kupcima. Treba očekivati da je konkurencija, kako bi postigla taj cilj, vjerojatno spremna na
određeni iznos ulaganja, što može rezultirati vrlo niskim konkurentskim cijenama, nizom
pogodnosti, te stanovitom strategijom usmjerenom prema ciljanim tržišnim segmentima.
Poduzeće „Trgovina“ je, na temelju prijašnjih analiza segmentiralo tržište te je provedena
analiza tipičnih profila i modela ponašanja za svaki tržišni segment na razini regije.

Daljnja latelna opasnost je opasnost od potencijalnoga gubitka klijenata na duge staze,

što znači da uz takvu novonastalu tržišnu situaciju postoji kontinuirana opasnost od gubitka
klijenata. Taj gubitak može biti uzrokovan ciljanim kampanjama konkurencije usmjerenima
ka preotimanju klijenata. Sa druge strane, moguć je gubitak uzrokovan porastom
nezadovoljstva postojećih klijenata razinom usluge, ili ekstremnim razlika u cijeni ili nekih ili
većine proizvoda koji se nude na policama.

5
 4.1.2. Ciljevi analize

Ciljevi analize svakako moraju pratiti strateške ciljeve, a strateški cilj je zadržati
postojeće klijente, ponajprije najkvalitetnije kupce. S tim u skladu planirat će se određene
aktivnosti koje bi motivirale sve kupce, posebice najkvalitetnije i kvalitetne kupce za
povećanje stupnja lojalnosti i motivacije daljnje kupovine u trgovačkome centru poduzeća
„Trgovina“. Daljnji strateški cilj je gledano iz defenzivne perspektive, jest monitoring kupaca
radi sprečavanja trendova njihovih odlazaka na dugi rok.

4.1.3. Izbor softvera

Kao što je vidljivo iz razrade ovoga poslovnoga slučaja, izbor softvera nije stavljen na
prvo mjesto prioriteta. Nakon sagledavanja problemskoga prostora, definiranje ciljeva i idejne
razrade modela rješenja, izabiru se softverski alati pomoću kojih se pokušavaju dostići
definirani ciljevi, uzimajući u obzir idejni tip model rješenja. Ovdje su dominantna dva
osnovna planirana tipa analize, scoring analiza i analiza prekida suradnje. Scoring model se
može razviti uz pomoć fuzzy ekspertnih sustava, temeljem pravila koji proizlaze iz ekspertnog
znanja. U tu svrhu model scoring je razvijen u programskome paketu FuzzyTech
(www.fuzzytech.com).

Za potrebe analize prekida suradnje, implementirani su survival modeli, koji su

sastavni dio naprednih modula SPSS programskog paketa.

Scoring modele moguće je razviti i primjenom drugih metodoloških koncepcija, koje

ne počivaju na fuzzy logici, no s obzirom na vrlo dobra iskustva autora i niz uspješno
otvorenih projekata generičkog skoringa primjenom fuzzy ekspertnih sustava, scoring za
promatrani poslovni slučaj bit će razređen upravo primjenom fuzzy ekspertnih sustava.

Bitno je napomenuti kako su istaknute metode i modeli planirano dominantne metode

koje se namjeravaju koristiti u postavljanju modela rješenja, pri čemu sw u toku analize, s
obzirom na međurezultate i otkrivene uzorke, mogu primijeniti i druge metode otkrivanja
znanja iz baze podataka.

6
 4.2. Procjena rizičnosti klijenata osiguravajućega društva

Dislociranje poslovne jedinice,

ugovaranje police osiguranja

Baza aplikacije

transakcijski poslovi

OLAP,
Baza aplikacije ETL
DWH Reporting tools
back office

Baza aplikacije

Financijsko knjigovodstvo

Slika: pojednostavljena shema informacijskog sustava poduzeća

4.2.1. Izbor softvera

Za potrebe analize korišten je sljedeći softver:

Vrsta analize Naziv softvera

Analiza relevantnosti atributa Orange
Bayesove mreže Hugin Explorer
Stabla odlučivanja SPSS Answer tree
Neuronske mreže Tiberius
Temeljne analize SPSS
Analiza vremenskih serija Time Explorer (REFII)

7
 4.3. Povećanje učinkovitosti kataloške prodaje

Transakcijski informacijski sustav Financijsko knjigovodstvo (glavna knjiga,

(skladišno poslovanje, fakturiranje...) salda-conti kupaca dobavljača plaće
osnovna sredstva...)

Informacijski sustav evidencije i Informacijski sustav pozivnog

ažuriranja kupaca, evidencije bodova centra (zaprimanje narudžbi,
po karticama lojalnosti, poslova slanja rezervacije, ponude, prikupljanje
kataloga podataka kupaca)

Oracle baza
podataka

Slika 1. Pojednostavljena shema informacijskoga sustava poduzeća Kataloška prodaja

4.3.1. Izbor softwarea

Za potrebe provedbe standardnih statistčkih analiza korišten je SPSS programski

paket, koji ujedno sadrži i modul za provođenje klasteriranja. Za analizu posredstvom stabla
odlučivanja korišten je SPSS modul Answer tree. Analiza uz pomoć asocijativnih algoritama
provedena je pomoću Orange modula.

Temeljno pretprocesiranje podataka provedeno je uz pomoć PL SQL-a i djelomično uz

pomoć SPSS skriptnog jezika.

8
 4.4. Pad financijskih iznosa po narudžbama uz očekivani broj narudžbi

Poduzeće Šareni svijet boja, svoj je životni ciklus započelo kao pružatelj usluga
lakiranja motornih vozila sa trgovinom boja, lakova te popratnoga materijala za bojenje
motornih vozila. U svojem je začetku poslovalo na jednoj lokaciji, te je tijakom godina
proširilo poslovanje, postupno otvarajući nove radionice i trgovine boja, lakova i potrošnoga
materijala za motorna vozila u šest regionalnih središta.

Šareni svijet boja je prije godinu dana dobio zastupstvo poznatog i renomiranog
proizvođača boja i lakova za motorna vozila koji u svom proizvodnom asortimanu nudi i
popratni materijal koji se koristi pri bojenju motornih vozila.

Klijenti poduzeća su pravne i fizičke osobe, pri čemu kod pravnih osoba kao kupci
prednjače auto-lakirnice, koje uglavnom kupuju materijal za obavljanje svoje djelatnosti, dok
fizičke osobe uglavnom koriste usluge lakiranja motornih vozila, pri čemu kupuju materijal za
lakiranje u poduzeću Šareni svijet boja.

4.4.1. Analiza tržišne situacije

Poduzeće Šareni svijet boja djeluje u relativno stabilnoj tržišnoj okolini, gdje seu
posljednje tri godine nisu događale nikakve značajnije tržišne promjene, koje bi utjecale na
tržišne udjele. Prije godinu dana pojavila se prilika dobivanja zastupstva poznatog i
renomiranog proizvođača boja i lakova za motorna vozila koji u svom proizvodnom
asortimanu nudi i potrošni materijal za bojenje motornih vozila vrhunske kvalitete.

Prije dobivanja zastupstva provedeno je istraživanje tržišta na reprezitativnom uzorku

podataka kupaca Šareni svijet boja koje je pokazalo kako oni preferiraju kvalitetnije boje i
lakove. Rezultati tog istraživanja dodatno su motivirali menadžment poduzeća u nastojanju
dobivanja zastupstva renomirane tvrtke koja nudi boje i lakove visokog stupnja kvakoće.

U skladu sa tim cilj kampanje je, osim upoznavanja tržišta s dobivenim zastupstvom,
bio usmjeren na isticanje kvalitete proizvoda proizvođača čije je zastupstvo dobiveno.

9
 Komercijalno
poslovanje,
OLAP
OLAP
poslovna jedinica 1

Komercijalno
poslovanje,
poslovna jedinica 2
Centralana
Komercijalno ET DWH
poslovanje, aplikativna baze
poslovna jedinica 3 podataka

Informacijski sustav za
Data mining
Komercijalno financijsko knjigovodstvo,
alati
poslovanje, obračun osnovnih
poslovna jedinica n sredstava, plaće (centrala)

Slika 2. Pojednostavljena shema informacijskoga sutava poduzeća Šareni svijet boja

4.4.2. Izbor softwarea

Poduzeće Šareni svijet boja, osim što učestalo koristi OLAP alat u svakodnevnom
izvještavanju, za potrebe provođenja ove analize koristilo je SPSS i Orange programske
pakete. Za potrebe pripreme i pretprocesiranja podataka koristio se PL/SQL programski jezik.

S obzirom na definirane grupe proizvoda, pomoću OLAP alata su kreirani financijski

izvještaji o prodaji. Za potrebe podrobnijih analiza uz pomoć PL/SQL-a provedeno je
pretprocesiranje podataka, koje je obuhvatilo proračune trendova i pripremu podataka za
primjenu asocijativnih algoritama.

10
 4.5. Povećanje učinkovitosti prodaje tekstilnih i srodnih proizvoda

4.5.1. Povećanje učinkovitosti analizom životnog ciklusa proizvoda

Poduzeće Svijet sport bavi se prodajom sportske opreme te je višegodišnjom

prisutnošću na tržištu stvorilo prepoznatljiv odnos s potrošačima. Tijekom godina poslovanja
sklopljeni su ugovori s raznim svjetski poznatim proizvođačima uz koje je polako razvijana
koncepcija vlastite proizvodnje u srednjem i nižem cjenovnom razredu.

Sezonsko značenje robe, popularnost pojedinih sportova, razne globalne manifestacije

i uspjesi pojedinih sportaša utječu na prodaju.

Modni trendovi sve su prisutniji i u sportskom asortimanu. Razne vrste tkanina, boja,
standardi veličina, već spomenute sportske manifestacije i slično, čimbenici su koje je prijeko
potrebno uzeti u obzir. Dodatnim istraživanjem došlo se do podataka o unakrsnoj prodaji i
naznaka artikala koji imaju značajnu povezanost u zajedničkoj kupnji.

4.5.2. Analiza tržišne situacije

Trendovi okrupnjavanja zahvatili su sve grane trgovine. Oni nastavljaju mijenjati

uvjete na tržištu te povećavati pritisak na male i znatno utjecati na velike trgovačke kuće. U
praksi ta se situacija najčešće opisuje (opravdava) kao širenje u funkciji opstanka.

4.5.3. Informacijski sustav

Informacijski sustav poduzeća Svijet sporta sastoji se od aplikacija na prodajnim

mjestima (POS) koje bilježe podatke o transakcijama (računima) i transferiraju ih u središnji
sustav. Središnji sustav sastoji se od više cjelina, pri čemu se odabrani setovi podataka
unaprijed pripremljenim procesima prebacuju u skladište podataka. Skladište podataka sastoji
se od više cjelina prilagođenih pojedinim vrstama korisnika i načinu pristupa podacima.

11
 OLAP

poslovna
ETL metode rezultati interpretacija
POS rudarenja rezultata

DWH

podaci iz
vanjskih
izvora

Slika 3. Pojednostavljena shema informacijskoga sustava kao podloga za analizu podataka

4.5.4. Izbor softwarea

Za potrebe provedbe analiza korišten je Oracle PL/SQL jezik kao alat za upite nad
Oracle bazom podataka (pretprocesiranje podataka, formiranje uzoraka), SPSS programski
paket koji omogućava napredne numeričke analize te Orange modul za Python kao
zanimljivo, upotrebljivo besplatno rješenje. Za pojedine priručne proračune korišten je
Microsoft Excel.

Korištenje snažne baze podataka preduvjet je za izvođenje tako složenih analiza s

obzirom na to da je riječ o velikome broju transakcija i potrebi da se u što kraćemu roku
dobije informacija koja može pomoći pri donošenju poslovnih odluka.

Podaci su transformirani u REFII model alatom Time Explorer, dok je Bayesova

mreža (prediktivni model trenda prodaje) formirana alatom Hugin.

12
 4.6. Unapređenje prodaje web trgovine

4.6.1. Kako povećati učinkovitosti prodaje web trgovine?

Poduzeće Kupovina iz naslonjača je trgovačko poduzeće, koje se bavi prodajom

putem web stranica. Osnovano prije šest godina, poduzeće je započelo svoj životni ciklus kao
web trgovina nosača zvuka, da bi idućih godina proširilo svoj prodajni asortiman knjigama i
dječjim igračkama. Posljednjih godinu dana, poduzeće Kupovina iz naslonjača proširilo je
prodajni asortiman artiklima koji se prodaju u poklon – galerijama. Osnovalo je i poduzeće
kćer Prigodni pokloni koje se bavi proizvodnjom dijela artikala za taj prodajni asortiman
poput voštanih svijeća, dekoritavnih predmeta od prirodnih materijala i okvira za slike.

Kupci, pri kupovini u web trgovini, mogu platiti naručenu robu kreditnom karticom ili
gotovinom pri pouzeću pošijke. Uočeno je kako se bilježi porast trenda povrata pošiljki kod
kojih je odabrano plaćanje pouzećem.

Radi unapređenja prodaje, odlučeno je doraditi postojeće web stranice tako što bi one,
uz prodajnu ulogu, imale i svjetodavnu ulogu za kupca. Dorađene stranice trebale bi kupca
voditi kroz proces kupovine s obzirom na njegov profil i zainteresiranost za određene skupine
nuđenih proizvoda. Takav bi pristup trebao dovesti do povećanja cross selling indeksa i
povećanja stupnja lojalnosti kupca.

4.6.2. Analiza tržišne situacije

U ranoj etapi poduzeće Kupovina iz naslonjača specijaliziralo se za prodaju nosača

zvukova putem web stranica. Nosači zvukova naručuju se izravno od dobavljača (uglavnom
proizvođači kod kojih poduzeće ima ugovorene značajne rabate) nakon zaprimljene narudžbe
i šalju kupcu poštom. Kupac može robu platiti u gotovini, prilikom pouzeća pošiljke, ili
kreditnom karticom u trenutku naručivanja na web stranicama. Nastojeći proširiti asortiman
ponude, a samim time i zarade, poduzeće je u svoj asortiman ponude uključilo i prodaju
knjiga, koje se prodaju po istom principu kao i nosači zvuka.

13
 Iako koncepcija web trgovine, po svom značenju ima predispozicije za tržišni uspjeh
jer može tržištu ponuditi prodaju proizvoda po znatno niži cijenama nego što je to slučaj u
klasičnoj trgovini, trba uzeti u obzir najavljeno otvaranje novih web trgovina koje nude dio
asortimana iz ponude poduzeća Kupovina iz naslonjača.

Dominantan profil kupaca poduzeća Kupovina iz naslonjača mahom su mlađe

visokoobrazovane i informirane osobe, te je sustav potrebno približiti njihovim potrebama.
Cilj je izgraditi nenameljiv, neagresivan pristup nuđenja, koji će stvoriti dojam savjetodavne
uloge u procesu kupovine.

4.7. Informacijski sustav

Informacijski sustav poduzeća Kupovina iz naslonjača sastoji se od nekoliko osnovnih

podsustava:

 Web trgovine;
 Podsustava za provođenje ETL procesa iz web log datoteka web trgovine u
središnju (Oracle) bazu podataka;
 Informacijski podsustav komercijalnoga poslovanja;
 Informacijski podsustav robno-materijalnoga poslovanja;
 Informacijski podsustav financijskoga knjigovodstva, obračuna plaća i
obračuna osnovnih sredstava;
 Informacijski podsustav proizvodnje.

Odnose tih informacijskih podsustava možemo shematski prikaati sljedećom slikom:

14
 Web stranice
(Web Centralna baza Alati za
ETL procesi
trgovina) podataka (Oracle) data
Nad web log
mining
datotekama
analize

Informacijski Informacijski Informacijski

podsustav podsustav podsustav financijskog
komercijalnog robno- knjigovodstva,
poslovanja materijalnog obračuna plaća i
poslovanja obračuna osnovnih
sredstava

Informacijski
podsustav
proizvodnje

4.7.1. Izbor softwarea

Za potrebe analiza korišteni su sljedeći softverski proizvodi: SPSS, Statistica,

Clementine, te Visual Fox Pro i PL/SQL kao programski alati za potrebe kreiranja ETL
procesa.

SPSS se koristio za potrebe provođenja temeljnih statističkih analiza, dok su kroz

programske pakete Statistica i Clementine provođene data mining analize.

U Visual Fox Pro programskome paketu su napisani i programi koji pomoću ActiveX
kontrola manipuliraju SPSS programskim paketom radi provedbe periodičnih standardnih
statističkih analiza i rezultate tih analiza eksportiraju u obliku izvještaja u HTML format.

Data mining analize, koje se također provode periodično u Statistica i Clementine

programskim paketima, temelj su za kreiranje skripti zaslužnih za pretvaranje postojećega
sustava prodaje u napredniji sustav.

15
LITERATURA:

Internet:

www.foi.hr/pds/kolegiji/mrispi/index.html -

omega-software.hr/main.aspx

Knjige:

1. Klepac, Goran ; Panian, Željko: Poslovna inteligencija, Masmedia, Zagreb, 2003

2. Javorović, Bilandžić: Poslovne informacije i business intelligence,
Golden marketing,-Tehnička knjiga, Zagreb, 2007

Časopisi:

PC chip, lipanj 2009, br. 169

16