Menadzment Informacioni Sistemi

Menadment informacioni sistemi
dr Alempije Veljovi dr Miroslav Radojii dr Jasmina Vesi
MENADMENT INFORMACIONI SISTEMI
aak, 2008.
Univerzitetski udbenik MENADMENT INFORMACIONI SISTEMI Drugo izmenjeno i dopunjeno izdanje Dr Alempije Veljovi, red. prof. Dr Miroslav P. Radojii, red. prof. Dr Jasmina Vesi, docent
Recenzent: Dr Sinia Ran i, red. prof Izdava: Tehniki fakultet u aku Za izdavaa: Prof. dr Jeroslav ivani, dekan
tampanje udbenika odobreno odlukom Nauno-nastavnog vea Tehnikog fakulteta u aku broj XII - 2044/22 od 10. 10. 2007. god.
Tira: 300 primeraka tampa: tamparija Zapis u Aran elovcu ISBN: 978-86-7776-050-2
PREDGOVOR
Ovaj udbenik usaglaen je sa programskim sadrajem predmeta Menadment informacioni sistemi koji se izvodi u VII i VIII semestru, sa fondom asova (2+2; 2+2), na smeru Industrijski menadment Tehnikog fakulteta u aku. Da bi se uspostavila veza izme u teorije i njene primene koristili smo konkretne primere iz prakse. Razmatrana materija u ovom udbeniku podrazumeva kompleksan pristup, poev od uvodnih postavki vezanih za optu teoriju sistema, informacioni sistem, organizaciju, menadment, strategiju i menadment informacioni sistem (MIS). Zatim se italac upoznaje sa problematikom odluivanja, pre svega akcenat se stavlja na problem menaderskog odluivanja, a zatim se izuavaju sistemi za podrku odliivanju (DSS), sa odgovarajuom softverskom podrkom i primenama u praksi. Dalje se izuavaju informacioni sistemi namenjeni izvrnim menaderima, kao i budui pravci razvoja MIS vezani za ekspertne sisteme, elektronsko poslovanje i upravljanje dokumentima.Istaknuta je potreba za izradom sistema oznaavanja, kao pretpostavke bilo kakvog rada, i predloeno je uvo enje jedinstvenog paralelnog sistema oznaavanja. Dalja razmatranja vezana su za modeliranje menaderskih zahteva za informacijama i razmatranje transakcionog i analitikog procesiranja informacija. Poseban naglasak je dat na ogranienja vezana za tehnikotehnoloku kulturu, spremnost rukovodilaca da prihvate MIS i sposobnost projektnog tima da napravi MIS prema definisanim zahtevima. Ovakav pristup zahteva sprovo enje reinenjeringa poslovnih procesa, kao i definisanje zahteva korisnika za informacijama, tj. prikazan je postupak funkcionalnog modeliranja korienjem standarda IDEF0 (Integration Definition Functional Modeling) CASE (Computer Aided System Engineering), alata BPWin (Bussines Process for Windows). Kao posebna celina je dat proireni renik pojmova koji se koriste u oblastima prikazanim u ovom udbeniku kao i skraenice. Na kraju dati su prilozi koji predstavljaju praktina reenja zadataka koji studentima mogu koristiti za izradu seminarskih i zavrnih radova.
10
Pri koncepcijskom i sadrinskom oblikovanju ovog udbenika, bilo je potrebno definisati ogranienja u izboru gradiva i tematskih celina, imajui u vidu kompleksnost i irinu oblasti informacionih sistema, to se pokualo prevazii upuivanjem italaca na korienu literaturu. Nastojanja autora, kao to se vidi, bila su u tome da se dobije jedan kompleksan i dovoljno homogen udbenik za izuavanje menadment informacionih sistema. U tom smislu nastavna materija sistematizovana i raspore ena tako da postupno i jednostavno uvodi itaoca u ovu specifinu materiju, imajui pri tom u vidu odgovarajua znanja iz oblasti menadmenta, organizacije i informatike, kao i politehniku kulturu potencijalnih italaca, pre svega studenata industrijskog menadmenta, ali i studenata drugih fakulteta i drugih potencijalnih korisnika. Koliko se u tome uspelo treba da kau itaoci. Imajui u vidu multidisciplinarnost i dinamian tempo razvoja izloene materije, a u pojedinim segmentima ak na nivou tehnolokih diskontinuiteta, autori su svesni moguih nedostataka u nekim delovima teksta ove knjige. Zato e sa panjom i zahvalnou, kao i do sada, prihvatiti svaku korisnu sugestiju i predloge za njihovo otklanjanje, to bi omoguilo da eventualno novo izdanje ove knjige bude proireno aktuelnim sadrajima i praktinim primerima primena u preduzeima. Autori se zahvaljuju svima koji su svojim savetima pomogli da se drugo izmenjeno i dopunjeno izdanje ovog udbenika pojavi pred itaocima.
Autori
SADRAJ
1. UVOD -------------------------------------------------------------------------------- 7 2. OPTA TEORIJA SISTEMA ------------------------------------------------- 10 3. INFORMACIONI SISTEM --------------------------------------------------- 13 3.1. Arhitektura informacionih sistema ---------------------------------------- 16 4. MENADMENT INFORMACIONI SISTEMI ---------------------------- 25 4.1. Potrebe menadera za informacijama -------------------------------------- 26 5. ODLUIVANJE I INFORMACIONI SISTEM --------------------------5.1. Interdisciplinarnost odluivanja -------------------------------------------5.2. Klasifikacija poslovnih odluka ---------------------------------------------5.3. Proces odluivanja ------------------------------------------------------------6. SISTEMI ZA PODRKU U ODLUIVANJU ----------------------------6.1. Struktura sistema za podrku odluivanju -------------------------------6.2. Klasifikacija sistema za podrku odluivanju ---------------------------6.3 Korisniki interfejs -----------------------------------------------------------6.4 Tipovi korisnika --------------------------------------------------------------6.5 Prednosti korienja DSS-a ------------------------------------------------6.6. Sistemi za podrku grupnom odluivanju -------------------------------Tehnologija videokonferencije -------------------------------------------6.7. DSS kao integrator informatikih i upravljakih procesa ------------33 37 39 43 47 50 54 57 61 62 63 65 73
7. IZVRNI INFORMACIONI SISTEMI -------------------------------------- 75 7.1. Karakteristike EIS ------------------------------------------------------------- 76 7.2. Upore ivanje i integracija EIS, MIS i SPO ------------------------------ 77 8. EKSPERTNI SISTEMI --------------------------------------------------------8.1. Inenjerstvo znanja -----------------------------------------------------------8.2. Komponente ekspertnog sistema ------------------------------------------8.3. Svojstva ekspertnog sistema ------------------------------------------------8.4. Razlika od konvencionalnih programa -----------------------------------8.5. Opravdanost izrade ekspertnih sistema -----------------------------------8.6. Oblasti primene ekspertnih sistema ---------------------------------------79 80 81 83 84 90 94
12
9. UPRAVLJANJE DOKUMENTIMA --------------------------------------- 96 9.1.Sistem za upravljanje elektronskim dokumentima ----------------------- 96 10. MODELIRANJE MENADERSKIH ZAHTEVA ZA INFORMACIJAMA --------------------------------------------------------- 100 10.1. Zablude ----------------------------------------------------------------------- 101 10.2. Pretpostavke ----------------------------------------------------------------- 101 10.3. Ogranienja ------------------------------------------------------------------ 102 10.4. Definisanje zahteva menadera za informacijama ------------------- 103 10.5.Tehniki preduslovi -------------------------------------------------------- 104 10.6. Reinenjering poslovnih procesa --------------------------------------- 106 10.7. Funkcionalno modeliranje ------------------------------------------------ 109 11. FUNKCIONALNI MODEL POSLOVA U PREDUZEU ------------ 121 11.1. Dijagram konteksta funkcionalnog modela poslova u preduzeu 122 11.2. Stablo poslova u preduzeu ---------------------------------------------- 124 11.3. Dekompozicioni dijagram modela poslova preduzea -------------- 125 12. TRANSAKCIONO I ANALITIKO PROCESIRANJE INFORMACIJA -------------------------------------------------------------- 168 12.1. Transakciono procesiranje informacija --------------------------------- 168 12.2. Analitiko procesiranje informacija ------------------------------------ 191 Skladita podataka -------------------------------------------------------- 191 OLAP sistemi -------------------------------------------------------------- 225 Data mining - otkrivanje znanja ---------------------------------------- 239 13. MIS U E-COMERCEE OKRUENJU ----------------------------------- 257 13.1. Business-to-Customer ----------------------------------------------------- 258 13.2. Business-to-Business ------------------------------------------------------- 258 14. RENIK ------------------------------------------------------------------------ 267 15. SKRAENICE ---------------------------------------------------------------- 281 16. LITERATURA ---------------------------------------------------------------- 287 17. PRILOZI ------------------------------------------------------------------------ 295
1. UVOD
Izuzetno brz razvoj informacionih tehnologija doveo je do globalizacije svetskog trita, jaanja konkurencije, povezivanja, brzog toka informacija, stvaranja potpuno novih proizvoda to je uzrokovalo promenu svakodnevice u kojima menaderi donose strateke, taktike i operativne odluke. Menadment kao proces planiranja, organizovanja i kontrolisanja rada ljudi u datim uslovima proet je odluivanjem, kao kreativnom finalizacijom procesa menadmenta. Primarna obaveza svakog menadera je da svoje svekupne aktivnosti usmeri ka ispunjavanju ciljeva preduzea, pa je u tom smislu potrebno da koristi raspoloive mogunosti u ostvarivanju tih ciljeva. Naravno, sve te akcije treba da ini na racionalan, efikasan i odgovoran nain. Razumljiva je teza o neodrivosti efikasnog funkcionisanja menadmenta preduzea bez blagovremenih i tanih informacija i nije sporno da je informisanje menadera u sredinama koje nisu kompjuterizovane, nedovoljno efikasno i sistematizovano. Dinaminost i kompleksnost savremenog poslovanja i privre ivanja uslovljava potrebu adekvatnog informisanja menadera na svim hijerarhijskim nivoima. Vrlo esto uspenost obavljanja menaderskog posla moe zavisiti od valjanosti i pravovremenosti raspoloivih informacija na bazi kojih je potrebno doneti poslovnu odluku i preduzeti odgovarajue aktivnosti. Razvoj informacionih tehnologija je kljuni faktor u omoguavanju implementacije novih prilaza poslovanju. Informacione tehnologije predstavljaju nezaobilazan faktor modernog menadmenta i kljuni resurs za donoenje stratekih poslovnih odluka, njihovu operacionalizaciju, kao i kontrolu uinka tako donetih odluka. Primena informacionih tehnologija u poslovanju preduzea doprinosi ostvarivanju stratekih ciljeva preduzea, brem nalaenju reenja za svakodnevne probleme poslovanja i omoguava kvalitetnu i ekonominu podrku poslovanju. U savremenim uslovima informacioni sistemi su dobili globalni karakter, ak do svetskog nivoa, u irokoj lepezi ljudskih aktivnosti i poslova. Kada se govori o globalizaciji informacionih sistema ne misli se na hipotetiki informacioni sistem, koji bi obuhvatio celokupne ljudske aktivnosti. Ogromna
14
koliina podataka, esto nevana za pojedinanog korisnika mogla bi znaajno da smanji efikasno korienje takvog informacionog sistema. Me utim, s druge strane, ma koliko bila uska oblast pojedinanih poslova, postoje situcije u kojima e biti potrebne informacije izvan linih okvira, to znai da informacioni sistemi zahtevaju odre eni nivo globalizacije. Sve je to uticalo na pojavu specifine klase informacionih sistema prevashodno orijentisanih na potrebe menadera, poznatih kao menadment informacioni sistemi, a koji se mogu shvatiti kao skup postupaka za prikupljanje, uvanje, obradu i i davanje informacija potrebnih korisnicima, menaderima. Dobar menader mora imati dobro organizovanu strunu slubu koja e prikupljati, obra ivati i davati relevantne informacije. Dinamiana razvoj informatikih tehnologija, pored brojnih implikacija, odrazio se i na sveobuhvatnost i kvalitet informisanosti menadera. Oigledna je implikacija savremene informatike tehnologije u kontekstu primene i razvoja menadment informacionih sistema. U cilju definisanja postavke vezane za menadment informacione sisteme (MIS), poi e se od karakteristika informacije koje su vezane za razmenu izme u razliitih objekata, jednog koji prima i drugog koji alje. Ti objekti mogu biti razliiti: ovek-ovek, ovek-maina i obratno, mainamaina. Imajui ovo u vidu, potrebno je praviti razliku izme u podatka i informacije. Podatak predstavlja injenicu koja se prima i predaje u izvornom, neobra enom obliku. Tek kada se tom podatku dodele neke osobine, on postaje informacija. Prema tome, moemo rei da je informacija "protumaeni podatak ili protumaeni skup podataka". Za podatke kaemo da su: tekstualni, alfanumeriki, numeriki, grafiki i sl., to podrazumeva da e informacija u datom trenutku biti prikazana razliitim kategorijama podataka, ili samo jednom kategorijom. Ovde treba istai da se esto pojmovi "podatak" i "informacija" koriste kao sinonimi, to ne bi trebalo da stvara zabunu. S druge strane, osnova za MIS su i naune discipline kao to su: teorija sistema, teorija informacija, teorija telekomunikacija, automatika, kibernetika, neke discipline primenjene matematike, teorija programiranja i programskih jezika, teorija raunarskih sistema i tehnologija njihove izgradnje. Na dananjem stepenu razvoja, dominantni su sistemi i modeli podataka o realnim sistemima i procesima u njima. Najnoviji pravci razvoja ukazuju na multimedijalnu dimenziju pojma informacije i na integraciju informacione i telekomunikacione tehnologije koja se bazira na digitalnim sistemima komunikacija. Treba imati u vidu da je informacija, kao skup podataka, vezana uvek za neki sistem i procese u njemu. Ovo podrazumeva da moe biti u pitanju bilo kakav sistem, od tehnikog ure aja posmatranog kao sistem, preko organizacionog sistema, pa do biolokog sistema, kao, tako e, i bilo koji proces
u ovim sistemima. Ovde se pod informacijom podrazumeva na odre eni nain ure en skup podataka. Prema tome, automatizacija obrade informacija, kao predmet informatike, jeste opti pojam i vai za sve oblasti ljudske delatnosti. Primenu savremenih naunih metoda i tehnika u izgradnji novih informacionih tehnologija, koje doprinose tehnolokom razvoju i prosperitetu drutva, prati skoro uvek interakcija sa drugim naunim disciplinama. Automatizacija obrade informacija pomou elektronskog raunara na hiljade puta poveava mogunosti u smislu prikupljanja, uvanja, pretraivanja, obrade i prikazivanja informacija u bilo kom obliku zapisa i na bilo kom mediju, kao to su: optiki diskovi, magnetni diskovi, magnetne trake, diskete i kasete. Brzina i jednostavnost manipulacije velikim obimom podataka, u smislu prenosa, pristupa i ponovnog prikazivanja podataka pohranjenih na magnetnim medijumima personalnih i drugih elektronskih raunara, obezbe uje efikasno korienje operativnih podataka u procesu reavanja najrazliitijih zadataka MIS-a. U smislu ovih mogunosti, u prvi plan se postavlja pitanje racionalnosti i efikasnosti korienja ukupnih resursa informacionog sistema kako raspoloivih podataka, tako i raunara kao sredstva, kao produene ruke menadera u okvirima menadment informacionih sistema. Imajui ovo u vidu u daljim razmatranjima poi e se od opte teorije sistema.
16
2. OPTA TEORIJA SISTEMA

Re sistema oznaava skup elemenata ili celinu sastavljenu od delova. Opta teorija sistema predstavlja naunu oblast koja se bavi izuavanjem sistema i zakonitosti koje u njima nastaju [45]. Jedna od najvanijih karakteristika teorije sistema jeste u pristupu, a to je da se svaka celina posmatra kao deo neke vee celine. Drugim reima, sistem se izuava u povezanosti sa okolinom. Nastajanje opte teorije sistema dovelo je do stvaranja sistemskog pristupa, kao i do novih tehnika i metoda analize sistema. Kada smo upotrebili termin "sistemski pristup", time smo naglasili da se svi predmeti i pojave posmatraju u njihovoj dinaminosti i celovitosti u odnosu na okruenje. Kao glavni objekat prouavanja teorije sistema istaknuti su fenomeni rasta i razvoja sistema. Naime, ovi procesi svuda prate iste zakonitosti, bez obzira da li se radi o problemima rasta u biologiji, demografiji, ekonomiji ili bilo kojoj drugoj naunoj disciplini. Moderna teorija sistema ima svoje izvorite u optoj teoriji sistema; me utim, po obimu podruja istraivanja, saznanja i metoda, neto je ireg znaaja. Poznate su tako, naprimer, matematike teorije sistema, zatim teorija samotranscendentalnih sistema i druge. Cilj opte teorije sistema je da slui kao jedinstveni metodoloki i pojmovno-kategorijalni okvir sporazumevanja ljudi razliitih specijalnosti. Tako e, njen cilj je da obuhvati i objedini fundamentalne istine i pojmove koji vae u svim specifinim sistemima i teorijama koje se njima bave. Imajui u vidu optu teoriju sistema, u daljem tekstu definisae se pojam sistema i njegove karakteristike. Sistem se najoptije definie kao skup objekata (entiteta) i njihovih me usobnih veza. Objekti u sistemu mogu da budu neki fiziki objekti, koncepti, doga aji i drugo. Objekti se u modelu nekog sistema opisuju preko svojih svojstava (atributa) i skupa relacija koje povezuju te objekte, kao i osobina tih relacija. Dejstvo okoline na sistem opisuje se preko ulaza u sistem, a dejstvo sistema na okolinu preko njegovih izlaza, kao to se vidi na sledeoj slici.
ULAZNI ELEMENTI Resursi Trokovi
SISTEM
Podsistemi Programi Procesi i Lica Drugi sistemi
IZLAZNI ELEMENTI Rezultat Dobit
CILJ
Okru e nje
Slika 2.1. Grafiki prikaz realnog sistema
Dinamiko ponaanje realnog sistema standardno se predstavlja na sledei nain: ulazi u sistem menjaju stanja sistema. Stanje sistema se definie kao skup informacija o prolosti i sadanjosti sistema koji je potreban da bi se, pod dejstvom buduih poznatih ulaza, mogli odrediti budui izlazi. U stanju sistema koncentrisana je celokupna istorija realnog sistema. Izlazna transformacija definie neki nain merenja ili posmatranja dinamikog ponaanja realnog sistema i daje, na osnovu stanja sistema, njegove izlaze. Sistem uvek predstavlja neku celinu, koja je eksplicitno odre ena vezama elemenata. Izme u elemenata sistema postoje odre ene me uzavisnosti i, zahvaljujui tome, sistem postaje takva celina u kojoj su svi elementi u me usobnoj vezi, na neposredan ili posredan nain. Upravo zbog te injenice, sistem i njegove osobine se ne mogu shvatiti bez ovih me usobnih veza. Svaki sistem mogue je dekomponovati na podsisteme i elemente. Istovremeno, svaki sistem je deo nekog ireg sistema. Hijerarhinost se mora uzeti u obzir prilikom istraivanja: ponaanja, funkcionisanja, razvoja i izgradnje i upravljanja sistemima. Pod dinaminou sistema podrazumeva se da se veze izme u elemenata sistema ostvaruju razmenom energije, materije i informacija izme u njih. Ukoliko je ova razmena izme u elemenata sistema znaajna za njegovo postojanje, tada se govori o dinamikim sistemima. Za razliku od njih, kod statikih sistema dinamika izme u elemenata u unutar sistema nije primarna za njihovo postojanje. Otvorenost predstavlja komunikaciju izme u elemenata sistema i elemenata iz njegovog okruenja. Ova komunikacija ostvaruje se razmenom energije, materije i informacija. Odatle potie i podela na otvorene i zatvorene sisteme. Otvoreni sistemi imaju vezu sa spoljnim okruenjem, dok kod zatvorenih sistema postoji izvesna veza, ali ona nije znaajna za njihovo postojanje.
18
Upravljivost sistema oznaava mogunost njegove regulacije. To znai da se sistem ponaa u skladu sa zahtevima upravljaa. Polazei od mesta upravljaa, koji regulie ponaanje sistema, razlikuju se samoupravljivi sistemi i sistemi kojima se upravlja van sistema. Samoupravljive sisteme karakterie postojanje upravljakog podsistema koji regulie ponaanje sistema u celini. to se tie sistema kojima se upravlja van njih, prisutna je relativnost u stepenu uticaja na regulaciju ponaanja, jer je odre eni stepen regulativnosti ponaanja sadran i u samom sistemu. Predmet daljih razmatranja vezan je za definisanje informacionih sistema i menadment informacionih sistema. Pitanja: 1. 2. 3. 4. 5. 6. ta je to sistemski pristup ? ta je cilj opte teorije sistema ? ta je to sistem ? ta mogu da budu objekti u sistemu ? Kako se objekti u modelu nekog sistema opisuju ? ta je to stanje sistema ?
3. INFORMACIONI SISTEM
Okosnicu informacionih sistema ini informacija. Informacija je svojstvena oveku i kao takva i postoji u okvirima ovekovih saznanja relevantnih elemenata o okruenju. U pokuajima da se definie informacija u moe se zapaziti polarizovanost. Sa jedne strane su Shanon i Weaver sa definicijom "Informacija je koliina smanjenja neodre enosti kada se prima poruka"1 sa vie ili manje istomiljenika i slinim definicijama po kojima je informacija ono to otklanja neodre enost. Sa druge strane poznati pregaoci na podruju informacionih tehnologija za menadment Turban i saradnici daju definiciju "Informacija je podatak koji je tako organizovan da poseduje znaenje za primaoca"2. i sline definicije kao npr. Kroneke sa sardnicima "Informacija je podatak stavljen u kontekst"1. Sa ovakvom i slinim definicijama autori povlae potrebu objanjenja ta podrazmeva se pod pojmom podatak. U tom smislu Bulat i saradnici navode da se preteno u literaturi podatak definie kao injenica, fakt, injenino stanje (opirnije u korienoj literaturi [21]). U literaturi se mogu nai tumaenja da je podatak sirovina sistema koju ovaj dobija preko procedura i koja se koristi za kreiranje informacija. U literaturi uglavnom definicija informacije ukazuje na prisutnost oveka koji vri izbor, odluuje ili kao primaoca poruke [21]. Gledajui lokalistiki ka menaderskoj struci, a ova knjiga je i namenjena studentima menadmenta, moe se uoiti subjektivni momenat u vidu prethodnih znanja i iskustva u odluivanju i ostalih faktora to opredeljuje da li e primljena informacija izazvati adekvatno dejstvo. Slino je i sa definisanjem informacionih sistema (IS), po jednom objanjenju informacioni sistem je "sistem koji koristi hardverske resurse (maine i medije), softver (programi i procedure) i ljudske resurse (korisnike i specijalistike) radi sprovo enja aktivnosti ulaza, obrade, izlaza, memorisanja i kontrole, a koje treba da transformiu resurse podataka u informacione
1 2
Kroneke D., Hatch R., Management Information System, Mc Graw Hill,1994, str. 18,19 Turban E., McLean E., Wetherbe J., Information Tehnology for Management, New York, John Wiley, 1996.,str. 60
20
proizvode"3. Pojam informacionih sistema u svojoj knjizi Lucas ih definie "IS je skup organizovanih procedura, koje kad se sprovedu, obezbe uju informacije za podrku organizaciji"4 Bez pretenzija da damo sveobuhvatniji pregled razliitih definicija IS jer prostor i namena ove knjige to ne doputaju, to zainteresovane upuujemo na korienu i drugu referentnu literaturu. Polazei od tumaenja pojmova "sistem" i "informacija", proizilazi definicija "informacionog sistema". Informacioni sistem se moe definisati kao sistem u kome su relacije izme u objekata i relacije izme u atributa objekata ostvarene prenosom informacija. Informacioni sistem nastaje preslikavanjem realnog sistema kao to je pokazano na sledeoj slici.
REALNI SISTEM
ULAZ REALNI SISTEM stanje sistema transformacije proizvodnja IZLAZ
IN FORMACI ONI SISTEM

ULAZ MODEL REALNOG SISTEMA auriranje obrazaca odlaganje u kartoteke izrada izvetaja IZLAZ
izve taji
informacije
AUTOMATIZOVANI INFORMACIONI SISTEM MODEL

INFORMACIO NOG SISTEMA
ULAZ
programi za auriranje baza podataka programi za izvetavanje
IZLAZ
Slika 3.1. Model Informacionog sistema
Preslikavanje realnog sistema u informacioni sistem izvodi se postupkom modeliranja procesa i podataka. Izgradnja informacionih sistema zasnovanih na primeni raunarske tehnologije znaila je automatizaciju osnovnih funkcija postojeeg
3 4
Leksikon menadmenta, FON, Beograd, 1993, str.71 Lucas C.H., Information System Concept for Management, Mc Graw Hill, N.Y., 1994, str.17
informacionog sistema. Zbog toga se najee takvi informacioni sistemi nazivaju automatizovani informacioni sistemi. Automatizovani informacioni sistemi nastaju fizikim modeliranjem podataka tj. definisanjem eme baze podataka i definisanjem korisnikog interfejsa. Osnovu automatizovanog informacionog sistema ini baza podataka, jer ona predstavlja fundamentalne, stabilne, sporo izmenljive karakteristike sistema, objekte u sistemu i njihove me usobne veze. Ako je baza podataka dobar model stanja realnog sistema, ako programi za odravanje dobro modeliraju dejstvo ulaza na stanje realnog sistema, onda e se bilo koja informacija potrebna za upravljanje (izlazi), ak i one unapred nepredvi ene, moi dobiti iz IS. Time se dobrim delom zaobilazi kljuni problem u konvencionalnom pristupu razvoju IS, specifikacija zahteva za informacijama, postupak projektovanja se ne bazira na tim stalno promenljivim zahtevima, ve na modeliranju fundamentalnih, stabilnih karakteristika. Informacioni sistem treba da bude usaglaen sa organizacijom kako bi obezbedio informacije koje su potrebne menaderima u razliitim funkcionalnim oblastima i na razliitim nivoima u organizaciji. Pri emu, menaderi moraju znati kako da koordiniraju i prilagode razliite informacione tehnologije i aplikacije poslovnog sistema kako bi obezbedili pravovremeno potrebne informacije za svaki nivo u organizaciji, kao i za organizaciju u celini. Odnos arhitekture informacionog sitema i odgovarajue infrastrukture informacionih tehnologija prikazan je na sledeoj slici, [55].
22
INFORMACIONA ARHITEKTURA U ORGANIZACIJI
Koordinacija Procesi Strategijski nivo
Poslovni partneri, korisnici
Procesi
Menadment nivo
Kupci
Procesi
Nivo znanja
Procesi
Operativni nivo
Prodaja i marketing
Proizvodnja
Finansije
Raunovodstvo
Ljudski resursi
Hardver
Softver
Podaci i tehnologija skladitenja
Mree
IT INFRASTRUKTURA
Slika 3. 2. Arhitektira IS i infrastruktura IT
Zbog svog znaaja, informacioni sistem je zauzeo veoma istaknuti poloaj unutar nekog organizovanog realnog sistema, kao to se moe videti na sledeoj slici.
RESURSI IZVRNI ORGAN REALNOG SISTEMA IZLAZ
UPRAVLJAKI ORGAN REALNOG SISTEMA

CILJ
INFORMACIJA
INFORMACIONI SISTEM
Slika 3.3. Poloaj Informacionog sistema u odnosu na organizovani realni sistem
U organizacionom sistemu se uvek neto deava, odvijaju se radni procesi, troi se energija, materijalni resursi i informacija kao resurs da bi se stvorile nove vrednosti. Informacija kao resurs egzistira u raznim oblicima
SPOLJ A N A SREDINA
dokumentacije, koja se tokom odvijanja procesa u organizacionom sistemu koristi i stvara.
3.1. ARHITEKTURA INFORMACIONOG SISTEMA

Arhitektura IS-a obezbe uje jedinstveni kostur po kome e razliiti ljudi sa razliitim pogledima organizovati i blokove razvoja informacionih sistema. Razliiti ljudi imaju razliite poglede na sistem. Menaderi, ekonomisti, tehniari, svi oni e posmatrati sistem na razliit nain i sa razliitim nivoom detalja. Ove ljude nazivamo nosiocima informacionog sistema, odnosno stakeholders-ima. Oni se grubo mogu klasifikovati u etiri grupe: Vlasnici sistema (System Owners) finansiraju razvoj i odravanje informacionog sistema. Oni poseduju sistem, postavljaju prioritete u sistemu i odredjuju politiku za njegovo korienje. U nekim sluajevima, vlasnici sistema mogu biti i korisnici sistema. Korisnici sistema (System Users) su ljudi koji za obavljanje svojih poslova, koriste informacioni sistem. Danas korisnici sistema grade sistem korienjem CASE alata zajedno sa projektantima sistema. Projektanti sistema (System Designers) projektuju sistem korienjem CASE alata kako bi izali u susret zahtevima korisnika. Oni modeliraju procese i podatke, projektuju baze podataka, ekrane, mree i programe. U nekim sluajevima, projektanti sistema mogu biti i graditelji sistema. Graditelji sistema (System Builders) su struna lica koja konstruiu, testiraju i isporuuju sistem. Kao to je prikazano na sledeoj slici, svaka grupa stakeholders-a je jedan red na arhitekturi IS-a i moe se videti, da generalno postoje etiri pogleda, a to su pogledi vlasnika, korisnika, projektanata i graditelja. Svi oni zajedno ine informacione radnike. Informacioni radnici su oni ljudi koji se bave kreiranjem, sakupljanjem, obradjivanjem, distribucijom i korienjem informacija.
24
Slika 3.4. Pogledi na IS
Razliiti stakeholders-i se mogu usredsrediti na razliite aspekte sistema. Na primer, jednom projektantu se moe dodeliti da projektuje bazu podataka, dok se drugom projektantu zadaje razvijanje programa. Danas se mogu identifikovati najmanje tri razliita fokusa sistema, a to su: PODACI sirov materijal koji se koristi za kreiranje informacija. PROCESI aktivnosti koje izvravaju misiju poslovanja. INTERFEJSI pokazuju kakav je medjusoban uticaj sistema na ljude i druge sisteme. Preseci pogleda (redova) i svakog fokusa (kolona) definiu blokove
informacionog sistema (Slika 3.5). U zavisnosti od toga da li ste vlasnik, korisnik, projektant ili graditelj i u zavisnosti od toga na ta elite da se fokusirate, da li na podatke, procese ili interfejse, va pogled na arhitekturu sistema e se razlikovati od drugih pogleda. Projektant baze podataka vidi emu baze podataka, programer vidi aplikacije itd. Blokovi IS-a ne egzistiraju izolovano, ve moraju biti sinhronizovani kako bi se izbegle nedoslednosti i nekompatibilnosti unutar sistema. Na primer, projektant baze podataka i programer imaju svoj sopstveni pogled na arhitetkturu sistema, ali ti pogledi moraju biti koordinirani i kompatibilni, da bi sistem bio uspean. Kao to se vidi sa slike 3.5, razliiti stakeholders-i imaju razliite poglede na procese sistema.
26
Slika 3.5. Pogledi na procese sistema
Fokus na sistem podataka

Kada inenjeri projektuju jedan proizvod, oni moraju da saine sastavnicu tog proizvoda. Sastavnica ne govori o funkciji tog proizvoda, ve o njegovim sastavnim delovima, odnosno pokazuje koje su to sirovine, poluproizvodi i druge komponente koje uestvuju u izgradnji finalnog proizvoda. Ista analogija se koristi i za informacione sisteme. Podaci se mogu posmatrati kao sirovine koje se koriste da bi se proizvele informacije. Podaci se mogu smatrati kao jedan od primarnijih fundamentalnih blokova razvoja informacionog sistema. Ovde je cilj prikupiti i uskladititi podatke korienjem tehnologije baze podataka, koja e znatno olakati njihovo uvanje. Pogled vlasnika sistema na sistem podataka Prosean vlasnik sistema, obino nije zainteresovan za sirove podatke. Vlasnik je zainteresovan za resurse poslovanja, kojih ine kupci, proizvodi, oprema, zgrade, porudbine ili plaanja. Njegov domen jeste da za svaki objekat i relacije izmedju objekata identifikuje eventualne probleme, mogunosti, ciljeve i ogranienja. Zajedno ti podaci ine kompletan kontekst podataka za informacioni sistem. Na primer, za jedan sistem prodaje, objekti su KUPCI, PROIZVODI, PRODAJNE PROGNOZE, PRODAJNI REGIONI, PORUDBINE I KOMERCIJALISTI. Za date objekte treba prikupiti i uskladititi podatke. Slino tome, relacije se mogu izraziti jednostavnim, deklarativnim reenicama kao to su: Kupci dostavljaju porudbine. Porudbine specificiraju proizvode. Kupci su locirani u prodajnim regionima. Vlasnici sistema su veoma retko zainteresovani za detaljnije podatke u vezi objekata i relacija, sem ukoliko nisu i korisnici sistema. Oni su zainteresovani za izvedene podatke i za to postoje tzv. OLAP sistemi ili analitike baze podataka. Pogled korisnika sistema na sistem podataka Korisnici informacionog sistema su eksperti za podatke koji opisuju poslovni sistem. Oni kao informacioni radnici svakodnevno prikupljaju, skladite, obradjuju, uredjuju i koriste te podatke. Za njih su podaci smeteni po fasciklama, knjigama, organizovani po spreadsheets datotekama ili uskladiteni unutar baza podataka. Izazov je da se identifikuju i verifikuju zahtevi za podacima. Zahtevi za podacima su neophodni korisniki podaci koji se
predstavljaju u obliku objekata, atributa (svojstava), relacija i pravila. Korisnici sistema su neophodni sagovornici projektantima sistema da putem postojee dokumentacije i intervjua korienjem CASE alata izmodeliraju procese (npr. korienjem BPwin-a) i modeliraju podatke (npr. korienjem ERwin-a). Razmotrimo sledei primer. Vlasnik sistema eli da ima sve podatke o objektu KUPAC. Korisnik sistema e nas upozoriti o tome da treba razlikovati POTENCIJALNE KUPCE, STVARNE KUPCE I NEAKTIVNE KUPCE, zbog razliitih tipova podataka koji opisuju svaki tip kupca. Takodje, korisnik sistema e nam rei koji su to podaci koji se moraju memorisati za svaki tip kupca. Na primer, objekat AKTIVAN KUPAC e imati sledea svojstva: ifra kupca, naziv, adresa, kredit i tekui bilans kupca. Za opisivanje zahteva za podacima koristi se model podataka.
Pogled projektanta sistema na sistem podataka Dok korisnici sistema definiu zahteve za podacima, projektanti sistema koirenjem CASE alata modeliraju procese (BPwin) i podatke (ERwin) i prevode te zahteve u baze podataka, koje e potom biti dostupne putem informacionog sistema. Projektanti sistema projektuju informacioni sistem pomou ve zadate informacione tehnologije. Najee su to ve standardizovani sistemi za upravljanje bazama podataka(SUBP) kao to su Oracle, DB2, SQL Server i dr. Konani rezultat projekta je pogled projektanta sistema na sistem podataka u obliku eme baze podataka koja se definie kao server strana. Pogled graditelja sistema na sistem podataka Graditelji sistema su najblii korisnici tehnologije baze podataka. Oni moraju da predstavljaju podatke u veoma preciznoj jezikoj formi. Najkorieniji standardni upitni jezik koji omoguava komunikaciju sa bazom podataka jeste SQL (od poetnih slova engleskih rei: Structured Query Language). Graditelji sistema kao prvi zadatak kada je sistem podataka u pitanju popunjavanje odgovarajuih ifarnika definisanih u okviru eme baze podataka.
Fokus na procese sistema

Kada inenjeri projektuju nov proizvod, taj proizvod bi trebao da obezbedi odgovarajui nivo funkcionalnosti ili usluge. Potencijalni kupci definiu eljenu funkcionalnost proizvoda, a inenjer projektan kreira dizajn proizvoda kako bi obezbedio datu funkcionalnost. Neke procese obavljaju ljudi, a neke maine, ukljuujui i raunare. Neki procesi se ponavljaju, dok se drugi
28
odvijaju ne tako esto ili ak retko. Cilj je da se automatizuju odgovarajui procesi pomou softver tehnologije. Pogled vlasnika sistema na procese sistema Kao i obino vlasnici sistema su zainteresovani za grubu sliku, odnosno u ovom sluaju za grupe procesa visokog nivoa nazvanih poslovne funkcije. Tipine poslovne funkcije su proizvodnja, pedicija, prodaja, usluge, raunovodstvo i druge. Projektni timovi esto ove funkcije izraavaju u obliku jednostavnog, hijerarhijski dekomponovanog dijagrama definisanih npr. u CASE alata BPwin kroz stablo aktivnosti. Vlasnici sistema e pruiti informacije o zapaenim problemima, mogunostima, ciljevima i ogranienjima funkcija. Takodje e eleti da diskutuju o trokovima i koristima oko projektovanja informacionog sistema.
Pogled korisnika sistema na procese sistema Korisnici vide odvojene poslovne procese. Poslovni procesi su odvojene aktivnosti koje imaju svoje ulaze i izlaze, kao i vremena poetka i zavretka. Neki poslovni procesi se neprekidno ponavljaju, dok se drugi odvijaju povremeno ili ak retko. Poslovni procesi mogu da budu implementirani od strane ljudi, maina, raunara ili kombinacijom sva tri. Specifine politike i procedure obrazuju osnovu ovih poslovnih procesa. Politike su pravila koje se primenjuju na poslovne procese. Procedure su instrukcije i logika za ostvarivanje poslovnih procesa. Mnoge kompanije bi trebalo da reprojektuju poslovne procese kako bi eliminisale redudansu i poveale efikasnost poslovanja. Reprojektovanje poslovnih procesa (Business Process Redesign - BPR) podrazumeva prouavanje, analizu i reprojektovanje osnovnih poslovnih procesa u cilju smanjenja trokova i poboljanja reyultata poslovanja. Izazov u sistemskoj analizi jeste da se identifikujuju, izraze i analiziraju zahtevi poslovnih procesa. Jedna od metoda sistemske analize, koja to omoguava, je model procesa koji se realizuje korienjem CASE alata BPwin. Pogled projektanta sistema na procese sistema Projektant sistema zajedno sa vlasnikom i korisnikom sistema projektuje funkcije i procese korienjem CASE alata BPwin. Na osnovu datih poslovnih procesa od strane korisnika sistema, projektant mora prvo da odredi koje procese treba automatizovati i kako ih automatizovati na najbolji mogui nain. Drugim reima, projektant svoju panju fokusira na aplikacionu emu. Aplikaciona ema je model koji govori o tome kako su i kako e biti implementirani poslovni procesi upotrebom raunara i programa.
Projektant priprema takvu specifikaciju koja e da prvo, ispuni sve poslovne zahteve korisnika sistema i drugo, obezbedi dovoljno detalja i konzistencije za prenoenje projekta raunarskih procesa graditeljima sistema. Pogled graditelja sistema na procese sistema Graditelji sistema prikazuju procese pomou programskih jezika koji opisuju ulaze, izlaze, logiku i kontrolu. Neki primeri programskih jezika su C#, Visual BASIC, Java i dr. Neki sistemi za upravljanje bazom podataka obezbedjuju sopstvene ve ugradjenje programske jezike. Na primer, Visual BASIC for Applications (sadran je u Access-u) i PL-SQL (koga sadri Oracle). Svi ovi jezici se koriste za pisanje aplikacionih programa. Aplikacioni programi su jeziki-zasnovani, mainski-itljivi prikazi o tome ta bi raunarski proces trebao da radi ili kako bi raunarski proces trebao da ostvari svoje zadatke.
Fokus na interfejs sistema

Zaponimo istim primerom kao i kod blokova podataka i procesa. Kada inenjer projektuje jedan nov proizvod, taj proizvod bi trebao da se lako naui i koristi. Informacioni sistemi moraju da obezbede efektivan i efikasan interfejs korisnicima sistema i drugim poslovnim informacionim sistemima. Jedna od dosta primenjenih interfejs tehnologija jeste grafiko korisniki interfejs koji skoro moe da eliminie eventualne ljudske greke i intervencije. Kada se pogleda kolona interfejs sistema na slici 3.4., moe se videti da razliiti stakeholders-i imaju razliite poglede na interfejs sistema. Pogled vlasnika sistema na interfejs sistema Vlasnici sistema su zainteresovani za globalnu sliku sistema i za njegove trokove i koristi. Oni formiraju model konteksta, koji dati sistem predstavlja kao jedini proces (koji se grafiki nalazi na sredini stranice) i prikazuje sve ulazne i izlazne tokove procesa sa korisnicima, poslovnim jedinicama, kupcima i dr. i za to se koriste odgovarajua sl;adita podataka tj. Datawerhaus. Pogled korisnika sistema na interfejs sistema Korisnici sistema su zainteresovani za korisniki interfejs informacionog sistema. Korisniki interfejs definie kako korisnici sistema pristupaju informacionom sistemu da bi uneli podatke, pravili upite, dobili izvetaje i koristili help (pomo). Jedan od standarda korisnikog interfejsa jeste grafiko korisniki interfejs (GUI Graphical User Interface) koji se ogleda u tome to se svi elementi, odnosno objekti GUI-a koenjem Wizarda se crtaju u grafikom obliku, pri emu programer ne mora da razmilja o kodu koji se brine za njihovo kreiranje. Svim nacrtanim objektima mogu se podeavati razne
30
osobine, koje odredjuju njihovo pojavljivanje i ponaanje na ekranu. Pogled projektanta sistema na interfejs sistema Donekle su pogledi projektanta i korisnika sistema slini, jer su i jedni i drugi ukljueni u dizajniranje ekrana, ulaznih i izlaznih podataka i konstrukcije. Medjutim, dok su korisnici sistema zainteresovani za oblik i sadraj, projektant sistema se bavi konzistencijom, kompletnou i korisnikim dijalogom. Korisniki dijalog u interakciji sa aplikacionim programom, opisuje navigaciju tj.kako se korisnik pomera sa ekrana na ekran kako bi obavio zadatak. Projektant sistema crta interfejs emu, koja definie osobine interfejsa, stanja sistema, doga aje koji menjaju stanje sistema i odzive na doga aje. Pogled graditelja sistema na interfejs sistema Graditelji sistema izgradjuju, instaliraju, testiraju i implementiraju korisnike i sistemske interfejse. Jezici kao to su Visual BASIC, Delphi i Powerbuilder omoguavaju izgradnju grafiki korisnikog interfejsa koji eliminie potrebu za programiranjem. Jedna od interfejs tehnologija koja je danas dosta popularna je middleware (midlwe(r)). Middleware je koristan softverski sloj koji se nalazi izmedju aplikacionog i sistemskog softvera, a slui da transparentno integrie razliite tehnologije kako bi one mogle da funkcioniu. Jedan primer middleware jeste povezanost otvorenih baza podataka (Open Database Connectivity ODBC). ODBC alati dozvoljavaju aplikacionim programima da rade sa razliitim sistemima za upravljanje bazama podataka (Database Management Systems DBMS) bez potrebe da budu prera eni usled nijansi i razliitosti sistema za upravljanje bazama podataka. Pitanja: 1. 2. 3. 4. 5. ta su to Informacioni sistemi ? ta su to Automatizovani informacioni sistemi ? Kako se izvodi preslikavanje realnog sistema u informacioni sistem ? Kako se mogu klasifikovati nosioci informacionih sistema ? ta su podaci ?
4. MENADMENT INFORMACIONI SISTEMI

U poslovnom okruenju u kojem se nalazi, preduzee je suoeno sa dinamikim uslovima poslovanja, sve je vea potreba za informacionim sistemima koji mogu zadovoljiti neoekivane potrebe menadera za novim informacijama. Menadment informacioni sistemi osiguravaju menaderima izvetaje i direktan pristup podacima o sadanjem i prolom poslovanju preduzea potrebnim za efikasnije donoenje poslovnih odluka. Menadment informacioni sistem predstavlja za preduzee vrlo veliki kvalitativni napredak; od informacionog sistema u kojem se samo prate poslovni procesi i aktivnosti do sistema koji se orijentie na poveanje efikasnosti menadmenta. Zbog toga menadment informacioni sistemi predstavljaju glavnu komunikacionu osnovu koja pomae smanjenju i neutralizovanju zavisnosti menadera pojedinih organizacionih celina od informacija iz drugih organizacionih celina u preduzeu. Informacija postaje svima dostupna i koristi se u svrhu optimalnog poslovanja celokupnog preduzea, a ne nekih njegovih organizacionih delova. U pogledu definisanja menadment informacionih sistema postoje razlike izme u pojedinih autora. Tako Kroenke i Hatch daju definiciju "MIS je informacioni sistem koji unapre uje menadment proizvodei definisane izvetaje na propisan nain i sa sistemskim upravljanjem"5. Neto drugojaiju definiciju daju Turban i saradnici "Sistemi koji podravaju menadment u funkcionalnim podrujima nazivaju se MIS"6 Menadment informacioni sistemi (MIS) je termin koji mnogi autori koriste umesto termina sistemi za podrku u odluivanju (SPO). esto se me utim, ovaj termin poistoveuje i sa kategorijom optih informacionih sistema. Prema Poweru, Gordon Davis je 1974. godine definisao MIS kao "integrisani sistem ovek/oprema koji obezbe uje informacije za podrku operativnih aktivnosti, menadmenta i donoenja poslovnih odluka u
5 6
Kroneke D., Hatch R., Management Information System, Mc Graw Hill,1994, str. 51 Turban E., McLean E., Wetherbe J., Information Tehnology for Management, New York, John Wiley, 1996.,str. 49
32
preduzeu. Taj sistem koristi kompjuterski hardver i softver, rune procedure, upravljake modele, modele odluivanja i bazu podataka". Oigledno je da ova definicija ukljuuje SPO sisteme kao kategoriju menadment informacionih sistema. Menadment informacioni sistem (MIS) je skup postupaka za sakupljanje, obradu, memorisanje i diseminaciju informacija, koji treba da omogui menaderima i analitiarima brz, razumljiv i konzistentan uvid u informacije relevantne za donoenje poslovnih odluka, predvi anja i prognoze. Ponekad se ovi sistemi zovu i Executive Information System EIS, o emu e kasnije vie biti rei. Sedamdesetih godina, MIS je generisao periodine upravljake izvetaje. Kada je ovaj termin definisan, on se uglavnom odnosio na sistem upravljakog izvetavanja koji obezbe uje unapred definisane, periodine, strukturirane papirne izvetaje. Razvoj MIS (Management Information Systems) je, pored ostalog, obezbedio potrebne alate za upravljanje bazama podataka. Uz to, meritorni su doprinosi sa podruja istraivanja organizacionog ponaanja: bihevioralna i kognitivna istraivanja obezbe uju izvore informacija o nainu ljudskog i organizacionog procesiranja informacija. Dakle, oigledno se radi o visoko interdisciplinarnom podruju istraivanja. Potreba za informacijama menadera u preduzeima vezana je za interne i eksterne informacije radi donoenja valjanih i pravovremenih odluka. Interne informacije su definisane u okviru preduzea i njima se omoguuje adekvatna cirkulacija podataka i informacija izme u svih zaposlenih u preduzeu. Eksterne informacije su nametnute okruenjem i vezane su za dravne organe (npr. poreski), kao i zahtev za informacijama u materijalno finansijskoj sferi (zavrni raun).
4.1. POTREBE MENADERA ZA INFORMACIJAMA

Menadment je kao relativno mlad fenomen koji je u svom razvoju prolazio kroz razliite periode, najpre u poetnim fazama period nepoverenja i osporavanja a u noviji vreme kvalitativne i kvantitativne promene u tehnologiji, ekonomiji, privredi i celokupnom okruenju znaajno su ubrzale punu afirmaciju menaderskih znanja i vetina. Uloga menadera u preduzeu prema poznatom teoretiaru menadmenta H. Mintzbergu je viestruka, od preduzetnika, korektora, alokatora resursa do pregovaraa. Menader kao preduzetnik ispituje razne mogunosti kako bi svoje preduzee usmerio u novom smeru u okviru svojeg podruja delatnosti npr.
razvojem novih proizvoda ili usluga, nastupom na novom tritu itd. Menader tada podstie i vodi promene u preduzeu te slui kako primer ostalima kako bi se ta mogunost mogla ostvariti. Kao korektor menader podstie i sprovodi korektivne akcije i mere ako se preduzee suoi s problemima u poslovanju. Kao alokator resursa menader odre uje gde e preduzee upotrebiti svoje raspoloive resurse: ljude, maine, kapital itd. Menader kao pregovara predstavlja preduzee u pregovorima sa sindikatima u reavanju problema, me usobnim odnosima s ostalim preduzeima u okruenju npr. o zajednikom ulaganju (engl. joint venture), kao i drugim institucijama (bankama, osiguravajuim drutvima itd.). Saglasno nivou menadera sadraja rada i raspore enih obaveza po hijerarhijskim nivoima, proizilazi sledea struktura angaovanosti po menaderskim funkcijama slika 4.1. ([22], str.14).
Vrhunski menader
ir an
Organizovanje
P la n
Menaderi prve linije
Slika 4.1. Struktura angaovanosti po menaderskim funkcijama
U zavisnosti od hijerarhijhskog nivoa, pozicija i obaveza menadera na slici 4.2 dat je grafiki prikaz distribucije pojedinih kategorija znanja, sposobnosti i vetina ([22], str.15).
Slika 4.2. Distribucija kategorija znanja, sposobnosti i vetina
Kompleksnost problematike poslovanja i proizvo enja odre uje potrebe za specifinim strunim znanjima po pojedinim oblastima to je prikazano na
34
K on
tro li
Menaderi srednjeg nivoa
sa n j
je
slici 4.3. Uz napomenu da je ovaj prikaz radi ilustrativnog karaktera ogranien samo na navedena podruja: marketing, razvoj, tehnike, kadrovi i finansije ([22], str.15).
Vrhunski menader Menaderi srednjeg nivoa
t in g
Tehnika
ovi K a dr
Slika 4.3. Specifina struna znanja menadera po pojedinim oblastima
Imajui prethodno reeno u vidu, u centru panje MIS-a je identifikacija potreba menadera za informacijama, zbog uloge, sadraja rada i zadataka menadera. Informacija je podatak koji je tako organizovan da ima znaenje za menadera, pri emu treba imati u vidu da je podatak injenica ili fakt. Ne sme se izgubiti iz vida da je koliina obra enih podataka u stalnom porastu i u senci kvaliteta tj. tanosti i postupnosti dostupnih podataka. Informacije su menaderu potrebne da bi mogao da donosi odluke i prati njihovo sprovo enje, upozna se sa ciljevima, prati stanje izvrenja tekuih zadataka i prati tok donetih odluka. Druga strana potrebe menadera za informacijama vezana je za informisanje o relevantnim pojavama, kao to su praenje stanja poslovno-proizvodnih elemenata, praenje kapaciteta, zaliha, proizvodnje i dr. Tako e, menaderu su potrebne informacije i o me uljudskim odnosima, kao i stanje u organizaciji i okruenju. Pritom se ne sme zaboraviti na to ta menadment eli. Menadment eli korienje "svee" informacije, sa bilo kog mesta, u bilo koje vreme, i pritom da do e do neprimetne integracije u postojei sistem. Tako e, menadment eli jedinstven i integrisan izvor podataka, da samostalno pravi izvetaje i da ima jednostavan alat za podrku odluivanju. Menaderi u svakodnevnim aktivnostima donose razliite odluke uglavnom interdisciplinarnog karaktera. U zavisnosti od hijerarhijskog nivoa menadera odluke koje oni donose mogu biti strateke, taktike i operativne. Karakteristike menaderskih odluka i potreba za informacijama mogu se i ilustrativno prikazati slika 4.4. [72]. Pet karakteristika potrebnih informacija za donoenje odluka najviih rukovodilaca po Parkeru i Case [72] su: pomanjkanje strukture, visok nivo neizvesnosti, projekcija ka budunosti, visok nivo saetosti i neformalni izvori
R a zv
Menaderi prve linije
rk e
oj
Ma
a F in
nsi
je
informacija.
Karakteristike odluka i potrebe za informacijama
Manje struktuirani problemi i odluke Strategijski menadzment Takticki menadzment Operativni menadzment
Veca potreba za sazetim informacijama
Vece potrebe za eksternim informacijama
Duzi vremenski horizont
Slika 4.4 Karakteristike menaderskih odluka i potreba za informacijama
Menadment treba uvek da ima u vidu devizu "Biti na usluzi kupcima", to znai da treba odrati korak sa konkurencijom, a za to je potrebno omoguiti donoenje odluka u realnom vremenu. Na dobijanje kvalitetnih informacija prema potrebama menadera, sa jedne strane utie stepen organizovanosti i sre enosti preduzea, a sa druge strane primena savremenih softverskih alata (npr. OLAP alata) koji omoguuju formiranje skladita podataka (Data Warehaus) kao specifinih analitikih baza podataka. O ovim alatima e kasnije biti vie rei. Potrebe menadera za informacijama mogu se podeliti na objektivne i subjektivne.
Objektivne i subjektivne potrebe za informacijama

Identifikacija objektivnih potreba za informacijama vezana je za koncepciju organizovanja poslovnog sistema [22, 23]. Tako se definie: Makro organizaciona struktura, gde se definiu organizacione jedinice sa dodeljenim ciljevima i zadacima, i gde je uloga menadera definisana kontinuumom poslovnih procesa Mikro organizaciona struktura, gde se izvodi opis zadataka za radna mesta (RM) u okviru organizacione jedinice (OJ) i uloga menadera vezana za fino doterivanje funkcionisanja poslovnih procesa. Info-organizaciona struktura treba da povee sve poslovne procese i za to je potrebno opisati poslovne procese (IDEF0 grafiki jezik, zahtev standarda ISO9000:2000), izraditi matricu OJ RM i formirati komunikacione linije kojima se ostvaruju poslovni procesi. Uloga menadera vezana je za fino doterivanje poslovnih procesa i njihovu
36
vezu sa OJ. Menader treba da doprinese skladnom funkcionisanju organizacije preduzea u svim njenim segmentima, imajui u vidu menadment procesa i ulogu menadera. Menadment je proces planiranja, organizovanja i kontrolisanja rada ljudi u datim uslovima radi postizanja ciljeva [22]. Imajui to u vidu, proces menadment je komuniciranje, motivacija, vo enje i odluivanje koji se mogu podvesti pod upravljanje i rukovo enje, to je subjektivna podrka menadera u ostvarivanju radnih sadraja procesa menadmenta. Upravljanje treba da da odgovor na pitanje ta da se radi, tj. potrebno je: Projektovanje ciljeva, gde se definie veza cilj eljeno stanje top menadment Planiranje projektovanje sistema ciljeva u vremenu i prostoru sa razradom puteva i mera koje treba preduzeti da se preduzee prevede u eljeno stanje, u skladu sa ciljevima. Organizovanje dodela zadataka, uspostavljanje odnosa, obezbe enje, raspore ivanje i aktiviranje svih resursa, posebno ljudskih, radi sprovo enja plana, uz adekvatnu koordinaciju. Kontrola (sa regulisanjem) praenje izvrenja, upore ivanje sa oekivanim, te preduzimanje mera da bi se otklonila odstupanja. Rad sa ljudima, tj. motivisanje i komunikacija sa ljudima, vo enje i odluivanje. Rukovo enje treba da odgovori na pitanje kako se ciljevi ostvaruju, preko kontrole i regulisanja. Opte uloge menadera su da predstavlja preduzee, prua informacija o preduzeu i ponaa se kao preduzetnik. Subjektivne potrebe za informacijama su posledica individualnih svojstava pojedinaca, odnosno njihove inteligencije, moi shvatanja, koncentrisanosti i moi zapaanja, sa naglaskom na zahtev za informacijama, tj. sklonost uoptavanju ili detaljisanju. Na osnovu definisanih postavki, nivoi definisanja informacija vezani su za strateki, taktiki i operativni nivo. Strateki nivo treba da odgovori na pitanje ta treba raditi i tu se definiu ciljevi i resursi. Taktiki nivo treba da odgovori na pitanje kako treba da se radi, i gde se upravlja resursima i za to se definiu postupci i uputstva. Operativni nivo treba da odgovori na pitanje ko treba da uradi i tu se prati izvo enje i kontrola aktivnosti i vri izrada izvetaja. Dakle, na stratekom nivou daje se prikaz koji objedinjuje sve znaajnije ciljeve to ini dugoroan okvir, taktiki nivo omoguuje prilago avanje aktivnosti na ostvarivanju ciljeva strateskog nivoa i to je ui vremenski i
prostorni zahvati i operativni nivo gde se sprovode definisani zadaci tj. izvodi neposredna realizacija. U zavisnosti od hijerarhijskog nivoa kojem su namenjeni razlikuju se i informacioni sistemi koji se koriste pri odluivanju. Polazei od toga da strukturu jednog preduzea ine etiri osnovna nivoa koje opsluuju razliiti informacioni sistemi, kao to su: strateki nivo, upravljaki i operativni nivo, te nivo znanja. Dalje se organizacija deli na funkcijska podruja kao to su prodaja, marketing, proizvodnja, finansije, raunovodstvo i ljudski resursi. Razliiti poslovi u preduzeu zahtevaju razliite informacione sisteme za podrku odluivanju na razliitim hijerarhijskim nivoima, kao to je prikazano na slici 4.5. [55].
TIPOVI INFORMACIONIH SISTEMA Strategijski nivo GRUPE ZA PODRKU Top menaderi
Menadment nivo
Menadmeri srednjeg nivoa
N ivo znanja
Strunjaci, profesionalci
Operativni nivo
Operativni menaderi
FUNKCIONALNE OBLASTI
Prodaja i marketing
Proizvodnja
Finansije
Raunovodstvo
Ljudski resursi
Slika 4.5. Informacioni sistem i hijerarhijska struktura preduzea
Operativni nivo - Informacioni sistemi operativnog nivoa pomau odluivanju operativnih menadera praenjem osnovnih aktivnosti i transakcija u organizaciji, kao to su prodaja, izdaci, depozit, kreditiranje, tokovi materijala, i sl. Glavna primena takvih sistema na operativnom nivou je odgovaranje na rutinske upite i praenje tokova transakcija kroz organizaciju. Kao odgovor na takve upite informacioni sistem mora pruiti lako dostupne, pravovremene i valjane informacije. Nivo znanja - Sistemi na nivou znanja obezbe uju potrebnim informacijama i podravaju rad strunjaka u preduzeu. Pod pojmom strunjak smatraju se ljudi sa formalnim visokim obrazovanjem, odnosno u tu kategoriju spadaju inenjeri, projektanti, advokati i sl. Njihov posao se uglavnom sastoji
38
od stvaranja informacija i znanja, te implementiranja novih ideja u poslovanje preduzea. To ine upravo uz pomo knowledge work sistema. Svrha takvih sistema je pomoi preduzeu u integrisanju novih znanja u poslovanje uz organizovanje i praenje papirologije u poslovanju. Sistemi na nivou znanja su danas, posebno na podruju uredskih sistema, najbre rastui poslovni informacioni sistemi u svetu. Upravljaki nivo - Informacioni sistemi na upravljakom nivou slue za nadziranje, kontrolisanje, donoenje odluka i administrativne aktivnosti srednjih menadera. Takvi sistemi po pravilu vie pruaju periodine izvetaje nego promptne informacije o aktivnostima. Neki sistemi na upravljakom nivou podravaju nestrukturirano odluivanje, t.j fokusiraju se na nestrukturirane odluke koje se ne donose esto, i kod kojih nije uvek jasno koje informacije treba iskoristiti. Za odgovore na upite menadera esto je podatke potrebno potraiti izvan organizacije, ili su potrebni podaci koje nije mogue dobiti od sistema na operativnom nivou. Strateki nivo - Sistemi na stratekom nivou pomau viim nivoima menadmenta u donoenju odluka i reavanju vanih pitanja vezanih za dugorone ciljeve i strateka pitanja u preduzeu i u njegovom okruenju. Njihov najvaniji zadatak je uskla ivanje promena na tritu sa postojeim organizacionim kapacitetima. Neka od pitanja koja se javljaju na ovom nivou odluivanja su: Kakav e biti nivo zaposlenosti u preduzeu za pet godina? Kakvi su dugoroni trendovi trokova u naoj industrijskoj grani i kako se nae preduzee u to uklapa? Koje proizvode emo proizvoditi za pet godina? Prosena organizacija ima sisteme na sva etiri nivoa za svaku poslovnu funkciju u preduzeu. Na primer, prodajna funkcija ima prodajni sistem na operativnom nivou koji belei dnevnu prodaju i procesuira narudbine. Na upravljakom nivou se belei mesena prodaja po prodajnim podrujima i kreira se izvetaj o padu ili porastu prodaje na odre enom podruju. Sistem za predvi anje prodajnih trendova kroz pet godina slui na stratekom nivou. Pitanja: 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. ta je to Menadment informacioni sistem ? ta je to Makro organizaciona struktura ? ta je to Mikro organizaciona struktura ? ta je to Info-organizaciona struktura ? ta je to homogeni tip ? ta je to nehomogeni tip ? ta je to strateki nivo definisanja informacija ? ta je to taktiki nivo definisanja informacija ? ta je to operativni nivo definisanja informacija ? ta je to upravljanje ?
11. ta je to rukovo enje ? 12. ta je to kontrola ? 13. ta je to regulisanje ?
40
5. ODLUIVANJE I INFORMACIONI SISTEM

Sloeni uslovi poslovanja i velika dinaminost okruenja nameu potrebu za kontinualnim, efikasnim i kvalitetnim poslovnim odluivanjem. Proces donoenja optimalnih odluka podrazumeva respektovanje saznanja i dostignua savremene nauke i obaveznu primenu naunih metoda i modela za njihovo konano uobliavanje. Donoenje poslovnih odluka predstavlja vaan segment poslovanja koji se odvija svakodnevno na svim organizacionim nivoima i podrujima poslovanja. Da bi se menaderima olakalo donoenje poslovnih odluka danas se primenjuju razni informatiki sistemi, programi i alati. Cilj im je pruanje pomoi donoenju kvalitetnih i pravovremenih odluka. Kvalitetne i pravovremene odluke zasnivaju se na kvalitetnim informacijama te na raznim modelima koji pomau definisanju alternativa i izboru najbolje alternative, odnosno reenja. Zato je primena informacionih sistema i informacione tehnologije vrlo vana u podrci poslovnom odluivanju. Uopteno govorei, informacioni sistem upravlja tokom podataka i informacija od mesta njihovog nastajanja do menadera koji e ih koristiti. Donoenje poslovnih odluka predstavlja kompleksnu aktivnost zasnovanu na kombinaciji znanja i vetina. Odluka se moe shvatiti kao izbor izme u vie alternativnih mogunosti i obino predstavlja odziv na neku konkretnu potrebu ili reakciju na neto. Odluke na svim hijerarhijskim nivoima u preduzeu treba da se donose na osnovu odgovarajuih, blagovremenih i pouzdanih informacija. Ako ne postoje odgovarajue informacije, odluke koje se donose mogu imati negativan uticaj na poslovanje preduzea. Da bi donoenje poslovnih odluka bilo efikasno potrebno je da donosilac odluke raspolae informacijama o prolim, sadanjim i buduim aktivnostima, doga ajima i uslovima relevantnim za posmatrani problem. Dobar menader, pre svega, mora imati dobro organizovanu strunu slubu koja e prikupljati i obra ivati relevantne informacije, istraivakim postupkom utvrditi vie moguih reenja, rangirati ih, uz odgovarajui komentar i obrazloenja i dostaviti menaderu. Menader, koristei svoja znanja i intuiciju, svoje iskustvo i poznavajui prilike u uem i irem okruenju, vodei rauna o ciljevima i utvr enoj poslovnoj politici, strategiji poslovanja i
razvoju preduzea, vri izbor iz ponu enih moguih alternativa i to reenje formulie kao odluku. U tom smislu Tolbert W. navodi: Umetnost odluivanja je u tome da se odluke ne donose o trenutno nebitnim pitanjima, da se ne donose prerano, da se ne donose odluke koje se ne mogu izvriti i da se ne donose odluke koje drugi treba da donesu1. Prema istraivanju koje je sprovela agencija Harbridge House u Bostonu, sposobnost donoenja tekih odluka rangirana je kao prva po vanosti. Oko 6500 menadera u vie od 600 kompanija, ukljuujui velike korporacije ije akcije karakterie mali rizik i velika sigurnost sticanja profita, odgovaralo je na pitanje koliko je vano da menaderi primenjuju odre ene postupke u upravljanju. Tako e im je postavljeno pitanje sa kolikim uspehom, po njihovoj proceni, menaderi izvravaju ove postupke. Na osnovu statistike obrade odgovora, agencija Harbridge je rangirala kao najvaniji od deset postupaka pri upravljanju donoenje jasnih i preciznih odluka kada je to potrebno. Kao drugo po vanosti, rangirano je prodiranje u sr problema za razliku od bavljenja sporednim pitanjima. Veina od osam preostalih postupaka pri upravljanju vezani su, posredno ili neposredno, za donoenje odluka. Istraivai su tako e otkrili da samo 10 procenata menadera smatra da se upravljanje obavlja veoma dobro za svaki dati postupak, uglavnom usled tekoa za donoenje odluka. Zato menaderi treba da naue kako da koriste nove alate i postupke koji im mogu pomoi pri donoenju odluka [91]. U inostranoj i domaoj literaturi postoji vie razliitih definicija pojma odluka. U Ekonomsko - poslovnoj enciklopediji odluka je definisana kao "izbor jednog reenja (poteza, alternative) iz mnotva koja nam stoje na raspolaganju u datoj situaciji"2. Prema Schermerhorn-u3 "odluka je izbor izme u vie alternativnih mogunosti za reavanje problema". upi i Tummala istiu da je "odluka rezultat izbora jedne, iz skupa moguih alternativa, odnosno akcija, koje donosiocu odluke (pojedinanom ili grupnom) stoje na raspolaganju".4 Donoenjem odluke eli se postii neki cilj, odnosno eljeno stanje sistema. U korienoj referenci5 se navodi da je odluka konkretan pojam koji ima pet osnovnih elemenata, i to: - strategiju ili pravac akcije pod kontrolom donosioca odluke; - mogua stanja koja nisu pod kontrolom donosioca odluke, ali utiu na postizanje ciljeva;
Boin M., Radojii M., Organizacija i upravljanje, Tehniki fakultet, aak, 1996., str. 246 Ekonomsko- poslovna enciklopedija, Savremena administracija, Beograd, 1994., str. 960 3 Schermerhorn, J.R., Management and Organizational Behaviour, John Willey, N.Y., 1996, str.194 4 upi, M., Tumala, Savremeno odluivanje, metode i primeri, UBK, Beograd, 1994, str.424 5 Jovanovi, T., Operaciona istraivanja, Mainski fakultet, Beograd, 1998., str. 323
2
42
- pojavu (efekat) koji nastupa kada se neki specifini pravac akcije primeni uz pojavu nekog mogueg stanja; - predvi anja nastupanja svakog mogueg stanja, odnosno verovatnoe moguih stanja i - kriterijum odluivanja koji propisuje izbor jednog pravca akcije. Harrison [38] pod odlukom podrazumeva intelektualni rezultat u jednom tekuem procesu evaluacije alternativa koji se sprovodi radi postizanja odre enog cilja, u kome oekivanja od specifine akcije primoravaju donosioca odluke da izabere akciju koja najverovatnije rezultuje postizanjem postavljenog cilja. Pri razmatranju problematike odluivanja panja je, uglavnom, usredsre ena na proces odluivanja, donosioca odluke i na samu odluku. Pojam odluivanja je vieznaan, ali se preteno upotrebljava za oznaavanje procesa izbora jedne od vie alternativnih akcija radi postizanja postavljenog cilja. Autori upi i Tummala odluivanje definiu kao proces koji se sastoji iz niza koraka, koje treba preduzeti da bi se izvrio izbor najbolje akcije (alternative)." Isti autori u referenci [26] istiu da je odluivanje izbor izme u moguih alternativa aktivnosti. Koontz [53] definie odluivanje kao izbor nekog smera delovanja izme u vie alternativa. Prema Bulatu6, odluivanje je proces u kome se vri izbor izme u vie alternativnih mogunosti za promenu stanja sistema radi postizanja cilja. Kako odluivanje u sutini predstavlja proces reavanja problema, to donoenje poslovnih odluka podrazumeva proces izbora najpovoljnijeg reenja od vie moguih, dok viekriterijumsko odluivanje upuuje na nain tog izbora. Barakai definie poslovne odluke kao odabrane akcije koje se odnose na odre ivanje vektora proizvod/trite.7 Menadersko odluivanje je kompleksan proces reavanja problema koji od donosioca odluke, menadera zahteva kombinaciju razliitih znanja i vetina. Odluivanje proima svaku od funkcija menadmenta i predstavlja najvaniji element njihovog sprovo enja. Kao osnovne dimenzije menaderske odluke mogu se izdvojiti: organizacija, hijerarhijski nivo, signifikantnost, racionalnost, strategija, rezultat (ishod), neizvesnost. [38], to je prikazano na sledeoj slici.
6
7
Bulat V., Industrijski menadment, ICIM, Kruevac, 1997., str. 245 Barakai, Z., Odluivanje o poslovnim strategijama, Svjetlost, Sarajevo, 1987., str. 24.
Signifikantnost
Racionalnost
Nivo
Menadersko odluivanje
Strategija
Organizacija Neizvesnost
Rezultat
Slika 5.1 Osnovne dimenzije menaderskog odluivanja
Organizacioni ciljevi predstavljaju osnovu za donoenje menaderskih odluka. Menaderi donose odluke koje imaju uticaja na postizanje postavljenih ciljeva. U zavisnosti od hijerarhijskog nivoa na kojem se nalaze menaderi razlikuju se i tipovi odluka koje donose. Strateke odluke donose menaderi na najviem nivou, dok menaderi niih nivoa donose uglavnom rutinske, programirane odluke. Signifikantnost kao dimenzija menaderske odluke odnosi se na to da najveu panju menaderi treba da usmere na donoenje vanih odluka, odluka koje doprinose razvoju i prosperitetu celokupne organizacije. Donoenje menaderskih odluka podrazumeva racionalnost, u smislu orijentisanosti na najvanija podruja poslovanja. Oekivani rezultat odluke menadera je ostvarivanje ciljeva koji su pokrenuti u procesu donoenja odluke. Menaderske odluke su povezana sa neizvesnou, koja moe biti smanjena primenom razliitih metoda i koncepata u procesu odluivanja. Prilago avanjem teorije odluivanja vieatributivnim posledicama, autori Keeney i Raiffa su obezbedili teorijski vrstu integrisanost neizvesnosti sa buduim posledicama i ciljevima. Glavna pretpostavka koja je sastavni deo teorije odluivanja je, po istim autorima, da donosioci odluke ele da budu koherentni u odluivanju, odnosno da ne bi smiljeno donosili odluke koje protivuree jedne drugima. Teorija se proiruje na pojam koherencije ili stalnost prioriteta i predlae neke jednostavne principe koherentnog prioriteta kao to je princip prelaznosti. U referenci [26] se navodi da treba razlikovati odluivanje na nivou pojedinca (individualno), grupno odluivanje, organizaciono i globalno
44
(metaorganizaciono) odluivanje. O grupnom odluivanja i mogunostima njegove primene pri reavanju razliitih poslovnih problema dosta je pisano u korienim referencama. Grupno odluivanje, kao posebna klasa procesa odluivanja, predstavlja proces dolaenja do reenja baziran na povratnim informacijama svakog od uesnika ovog procesa. Osnovni zadatak, grupe menadera, tokom procesa odluivanja jeste posmatranje vie alternativa i ideja, u sistemu razliitih kriterijuma, radi donoenja najprihvatljivijeg reenja u grupi. Ovakav nain odluivanja je kljuna komponentna funkcionisanja preduzea, poto perfomanse preduzea ukljuuju mnogo vie od aktivnosti pojedinaca. Dobro razra ena metodologija podrke grupnom odluivanju obezbe uje: mogunost generisanja veeg broja alternativa; detaljno sprovedenu analizu problema; kritiko vrednovanje svih evidentiranih alternativa; blagovremenu ispravku svih uoenih greaka; veu usredsre enost na reenje zadatka. Prednosti grupnog, u odnosu na individualno odluivanje, prema upiu [36] su: postojanje velikog kvantuma informacija i znanja; generisanje velikog broja alternativa za reavanje problema; priprema dodatnih uslova za prihvatanje reenja; interakcija me u lanovima grupe dovodi do boljeg razumevanja problema i sl. Nedostaci grupnog odluivanja se ogledaju u tome da esta dominacija autoriteta pojedinih lanova grupe moe uticati na aktivno uee ostalih lanova grupe, kao i da pritisak grupe moe spreiti izbor objektivno najprihvatljivije alternative itd.
5.1. INTERDISCIPLINARNOST ODLUIVANJA

Odluivanje, tj. izbor najbolje iz skupa raspoloivih alternativa, sa procesima koji ga prate, je interdisciplinarnog karaktera. Na odluivanje imaju neposredan uticaj pojedine naune discipline, to dovodi i do razliitih pristupa reavanju problematike odluivanja. Nauni okvir odluivanja koji su dali Klein i Methlie, podrazumeva integraciju bihevioristikog, kvantitativnog i informatikog pristupa (slika 5.2). Polazei od interdisciplinarnog karaktera, teorije odluivanja mogue je podeliti na: normativnu, deskriptivnu i preskriptivnu teoriju odluivanja, koje proima informatiki aspekt. Normativna teorija odluivanja zasniva se na ekonomiji, matematici i statistici. Bavi se utvr ivanjem kako idealna, racionalna osoba treba da misli i deluje. Predstavlja potpunu racionalnost donosioca odluke, odnosno racionalni
model odluivanja. Deskriptivna teorija odluivanja opisuje ta se doga a u realnoj situaciji odluivanja bez stvaranja vrednosnih sudova o kvalitetu odluke. Jedna od karakteristika ove teorije je esto korienje eksperimenta. Ne postoji jedinstvena deskriptivna teorija, ona je doprinos vie naunih disciplina psihologije, sociologije, i sl., sa osnovnim ciljem da se razume, objasni, predvidi, i pobolja stvarno ponaanje ljudi u odluivanju.
N A U K A O P O N A [ A N JU / D E SK R IT IV N E T E O R IJE K O G N IT IV N A P S IH O L O G IJA S t r u k t u r a m e m o r ije M e n t a l n e o p e r a c ij e U ~e n je SO C IJA L N E N A U K E I n t e r a k c ija g r u p e S o c i j a l n i p r it is c i M o} P R E SK R IP T IV N E T E O R IJE E K O N O M IJA T e o r i ja k o r is n o s t i S u b je k tiv n e v e r o v a tn o }e M a k s im i z a c i ja k o r is n o s t i
R E [ A V A N JE PR O BLEM A H e u r i s t i ~ k o p r e t r a ` i v a n je P r o s t o r p r o b le m a E k sp e r tiz a
L JU D SK I IZ B O R O c e n a p r i n e iz v e sn o st i H e u r is t ik e i p r is t r a s n o s t i
OI /NA UKA O U P R A V L JA N JU M o d e lir a n je O p t im iz a c ija R a ~u n a r s k e t e h n o lo g ije
VE[TA^ KA IN T E L IG E N C IJA P r e d s t a v l j a n j e z n a n ja T e h n ik e p r e t r a ` iv a n ja Z a k lju ~iv a n je i lo g ik a S i m b o l i ~ k o p r o c e s ir a n je
O D L U ^ IV A N JE b a z i r a n o n a p o n a {a n j u P r o c e s o d l u ~ iv a n j a O g r a n i~e n a r a c io n a ln o s t Z a d o v o lja v a n je O r g a n iz a c io n o o d lu ~iv a n je
M E T O D O L O G IJ A O D L U ^ IV A N JA L o g i~k e p r o c e d u r e M o d e li p r e f e r e n c ije r iz ik a T e o r i ja v e r o v a t n o } e
E K SP E R T N I SIST E M I R e {a v a n je p r o b l e m s P r a v il a z a k l j u ~ iv a n j a D o m e n z n a n ja
SIST E M I Z A P O D R [ K U O D L U ^ IV A N JU P o d r {k a P o d a c i i m o d e li D i j a lo g k o n t r o l i s a n o d k o r isn ik a
SIST E M I Z A P O D R [ K U O D L U ^ IV A N JU B A Z IR A N I N A Z N A N JU P o d r {k a P o d a c i , m o d e l i , p r a v il a K o r is n i~k a k o n t r o la
46
Slika 5.2 - Nauni okvir odluivanja [26]
Preskriptivna teorija odluivanja razvijena je sredinom XX veka kao proirenje normativne teorije u podruju reavanja realnih problema odluivanja. Savladava jaz izme u teorije u odluivanju i stvarnog ponaanja ljudi prilikom donoenja odluka. Informatiki pristup podrazumeva primenu informatikih nauka u procesu odluivanja, kako bi se sam proces uinio brim i efikasnijim. Razvojem i usavravanjem ekspertnih sistema i sistema za podrku odluivanju, odnosno njihovom integracijom razvija se pristup inteligentne podrke odluivanju. Uzimajui u obzir osnovne karakteristike i prednosti navedenih pristupa moe se naglasiti da samo kombinacija bihevioristikog, kvantitativnog i informatikog pristupa predstavlja dobru podrku procesu odluivanja.
5.2 KLASIFIKACIJA POSLOVNIH ODLUKA

Menaderske odluke mogu se klasifikovati na razliite naine. Prema [90] Simon odluke deli na programirane i neprogramirane. Programirane odluke su rutinske, stalno se ponavljaju i moe se definisati procedura koju treba koristiti za njihovo donoenje, dok su neprogramirane odluke nove (nesvakodnevne), nestrukturirane. Pored programiranih i neprogramiranih odluka Barakai u [8] razlikuje i intuitivne odluke, gde preciznije definie sva tri tipa odluka. Tako pod programiranim odlukama smatra one odluke za koje su poznati svi elementi razmatranog problema ili se mogu objektivno proceniti. U sluajevima kada pri reavanju nekog problema poslovnog odluivanja nedostaje jedan ili vie elementa, ali se mogu subjektivno proceniti re je o neprogramiranim odlukama. Dok pod intuitivnim odlukama podrazumeva odluke u sluajevima kada donosilac odluke nije u mogunosti ni objektivno ni subjektivno da proceni neki element modela odluivanja. Odluke prema hijerahijskom nivou na kom se donose mogu biti: strateke koje donosi top menadment, a odnose se na planiranje i programiranje razvoja, a osnovni kriterijum njihovog vrednovanja je efektivnost sistema; taktike - koje donose menaderi srednjeg nivoa, obezbe uju realizaciju stratekih odluka, dok je osnovni kriterijum njihovog vrednovanja efikasnost sistema; operativne koje donose menaderi prve linije, odnose se, uglavnom na svakodnevne odluke. Prema [22] odluivanje je okarakterisano odre enom situacijom
problemskom ili rutinskom. Pri emu istie da sve problemske situacije nisu ekstremno kompleksne, kao i da sve rutinske nisu tako jednostavne. U referenci [26], pored ostalih podela, navodi se i podela po kojoj treba razlikovati: rutinske, kreativne i pregovarake odluke. Odluke, uglavnom nisu ni potpuno programirane niti potpuno neprogramirane ve predstavljaju njihovu kombinaciju. Veinu neprogramiranih odluka donose menaderi viih nivoa, reavajui uglavnom, nestrukturirane probleme odluivanja. Odnos odgovarajueg nivoa menadmenta i prirode problema i odluivanja prikazan je na sledeoj slici,
[53].
Strategijski menadment Taktik i menadment Operativni menadment Nivo menadmenta
Nestrukturirani problemi
Neprogramirane odluke
Strukturiran i problemi Priroda problema
Programirane odluke Priroda odluivanja
Slika 5.3 Priroda problema i odluivanja i nivoi menadmenta
Prema klasinoj teoriji odluivanja, u zavisnosti od injenica, stanja prirode, odnosno situacije, odluivanje moe biti: - u situacijama izvesnosti, - u situacijama rizika i - u situacijama neizvesnosti. Po izloenoj podeli izvesnost u odluivanju podrazumeva poznavanje relevantnih injenica i stanja vezanih za pojavu o kojoj se odluuje. Situacije kada se o stanjima prirode pojave, o kojoj se odluuje, kao i o njihovoj uestalosti ne zna, oznaavaju se kao situacije neizvesnosti. Odluivanje u situacijama rizika je sluaj kada se stanja prirode ne poznaju, ali se zato mogu tim stanjima dodeliti pripadajue verovatnoe pojavljivanja. O emu je opirnije dato u korienoj literaturi [9], [20], [37], [131]. Kategorizacija odluka moe da se vri na osnovu stepena njihove vanosti, uestalosti i stepena strukturiranosti [113, str. 143]. Vane odluke zaokupljaju najveu panju menadera, jer sve odluke nemaju podjednaku vanost. Mada menaderi prirodno nastoje da poboljaju kvalitet svojih odluka,
48
oni ipak provode suvie vremena fokusirajui se na nevana podruja. to se tie uestalosti moe se rei da se neki tipovi menaderskih odluka donose periodino i uglavnom na uobiajeni nain, a drugi se donose na specifian nain - moda samo jedanput u karijeri. Isti autori smatraju, "Strukturirane odluke su one odluke koje se donose na osnovu specifinih pravila. Nestrukturirane odluke ukljuuju manjak predhodnih slinih iskustava i zahtevaju kreativnost i intuiciju. Polustrukturirane odluke kombinuju komponente i strukturiranih i nestrukturiranih odluka." [79] Primeri strukturiranih, polustrukturiranih i nestrukturiranih odluka mogu se pronai na sva tri nivoa menadmenta (Tabela 5.1). Dok su problemi sa kojima se susreu menaderi visokog nivoa esto vie nestrukturirani nego oni kod menadera nieg nivoa, sva tri stepena strukturiranosti mogu se pojaviti na svakom od ova tri nivoa. to je vii hijerarhijski nivo odluivanja to su: manje strukturirani problemi, manji stepen preciznosti i pouzdanosti informacija, vea potreba za eksternim, a manja potreba za internim informacijama, manja potreba za detaljnim informacijama, a vea potreba za saetim, itd. Oigledno i razumljivo je najtee donositi strateke odluke, a da je znatno lake to initi na niim hijerarhijskim nivoima. Naravno, kod niih nivoa odluivanja postoji vii nivo preciznosti ulaznih informacija, to omoguava laku primenu metoda i tehnika viekriterijumskog odluivanja.
Tabela 5.1 Nivo odluivanja Strategijski Taktiki Operativni Tipovi odluka
Strukturirane
Analiza uspenosti preduzea Analiza budeta Prihvatanje finansijskih rauna
Polustrukturirane Odre ivanje proizvodnih mogunosti Kratkorone prognoze Upravljanje zalihama
Nestrukturirane Odluke o novim proizvodima Oglaavanje Raspore ivanje poslova
Izvor: [79] str.143
Problem odluivanja je dobro strukturiran u onoj meri u kojoj su donosiocu odluke bliske i poznate sve komponente problema, kao to su sadanje stanje (raspoloivi resursi), proces transformacije (alternative, operatori), eljeno (konano) stanje (cilj). Dobro strukturiran problem omoguava donosiocu odluke da u njegovom reavanju primeni iskustvo iz prolosti. Rutinske odluke donose se uz primenu standardnih procedura. To mogu biti postupci s konanim brojem logiki pore anih koraka koji dovode do oekivanog reenja. Tako e, to mogu biti i heuristike ili "pravila palca" (rules
of thumb) koja se mogu uspeno primeniti u traenju reenja. Me utim, takva pravila ne garantuju uspeh. U kojoj meri je problem odluivanja slabo (loe) strukturiran odre eno je time koliko su sve tri (ili neka od njih) komponente problema odluivanja nepoznate donosiocu odluke. U reavanju takvog problema donosilac odluke orjentisan je na onu komponentu koja mu je najbolje poznata; ako poznaje samo sadanje stanje, on e pomake raditi na osnovu provere da li ide u smeru poboljanja performansi, ako zna konano (eljeno) stanje, pokuae povratnom dedukcijom identifikovati transformacije koje bi to stanje povezale s polaznim, ako su mu poznati samo postupci (transformacije) kojima se moe menjati stanje sistema o kome odluuje, on e pokuati da specificira poetno i konano stanje tako da moe primeniti ono to zna. Slaboj strukturiranosti problema odluivanja najvie doprinose uslovi iz okruenja, kao to su: nesigurnost, neizvesnost, kompleksnost, konflikt i sl. Svakom nivou odluivanja, odnosno tipu odluke (strukturiranom, polustrukturiranom, nestrukturiranom) odgovaraju razliiti informacioni sistemi. (slika 5.4)
Nivo odluivanja Tip odluke
R ST NE
Podrka informacionog sistema
Strategijski
Izvrni informacioni sistemi
T UK I UR N RA E E AN IR UR KT RU ST LU PO
Taktiki
Ekspertni sistemi, Sistemi za podrku odluivanju Modeli operacionih istraivanja,modeli odluivanja, modeli obrade transakcija, raunovodstva i sl.
E AN IR UR KT RU ST
Operativni
Slika 5.4 Tipovi odluka i podrka MIS-a [59, str.150]
Adekvatnu pomo pri reavanju nestrukturiranih problema na najviem nivou pruaju izvrni informacioni sistem, odnosno ekspertni sistemi i sistemi
50
za podrku odluivanju. Na niim nivoima odluivanja, gde su problemi bolje strukurirani, odgovarajuu podrku pri njihovom reavanju mogu dati, modeli operacionih istraivanja, modeli odluivanja, modeli obrade transakcija, raunovodstevni model i sl.
5.3 PROCES ODLUIVANJA Mnogi autori su definisali proces odluivanja na razliite naine, sa veim ili manjim brojem faza jednog takvog procesa. Kod veine autora polaznu osnovu predstavlja Simonov model (slika 5.5) kao osnovni model procesa odluivanja. Prema Turbanu [90], Simon definie proces odluivanja kroz tri faze: formulacija, projektovanje i izbor. Faza formulacije predstavlja prvu fazu procesa odluivanja i sastoji se iz identifikacije problema i prikupljanja potrebnih podataka. Identifikovanje problema se svodi na procedure pretraivanja i snimanja postojeeg stanja tj. prikupljanje relevantnih podataka. Problem se zatim prema stepenu strukturiranosti klasifikuje u jednu od definisanih kategorija. Ukoliko je re o kompleksnom problemu, on se najee u ovoj fazi deli na nekoliko manjih. Reavanjem manjih, najee strukturiranih problema, dolazi se do reenja glavnog, nestrukturiranog problema. U ovoj fazi se utvr uju i oni koji su u organizaciji odgovorni za reavanje odgovarajueg problema tj. definie se domen odluke.

Faza formulacije
P r o c e d u r e p r e t r a ` iv a n ja P r ik u p lja n je p o d a t a k a I d e n t i f i k a c ij a p r o b l e m a K la s if ik a c ija p r o b le m a O d r e | iv a n je d o m e n a o d lu k e P o s t a v k a p r o b le m a P o s t a v k a p r o b le m a
Realna situacija odlu~ivanja
P o je d n o s t a v lj e n je P re tp o sta vk e
Faza projektovanja
V a l i d a c i ja m o d e l a R a z v o j m o d e la D e f i n is a n je k r i t e r i ju m a D e f i n is a n je a l t e r n a t i v a P r o c e n j i v a n j e a l t e r n a t iv a A lte r n a tiv e
Faza izbora
V e r i f i k a c i j a i t e s t i r a n j e iz a b r a n e a l t e r n a t i v e O d lu k a R e {a v a n j e p o m o } u m o d e l a S e n z it iv n a a n a liz a I z b o r n a j b o lj e a l t e r n a t i v e P l a n im p l e m e n t a c i j e
Implementacija
O d stu p a n ja
Slika 5.5. - Simonov model procesa odluivanja [90]
Faza projektovanja, kao sledea faza procesa odluivanja podrazumeva odre ivanje, generisanje i analizu alternativa. Ova faza ukljuuje aktivnosti kao to su razumevanje problema i ispitivanje i ocenjivanje moguih reenja, generisanje odgovarajueg modela za odluivanje kao i njegovo testiranje i validaciju. Za ocenu i komparaciju alternativa, potrebno je predvideti budue rezultate svake od alternativa. Situacija odluivanja je najee uslovljena time koliko donosilac odluke zna ili vjeruje predvi enim rezultatima. Faza izbora, kao trea faza procesa odluivanja podrazumeva izbor najprihvatljivije alternative. Ova faza je najee isprepletana sa fazom projektovanja, jer se najee u toku procenjivanja i izbora ponu enih alternativa vie puta vraa na ovu fazu. Dobijeno reenje je reenje modela, a ne samog problema. Sa aspekta modela reenje predstavlja skup vrednosti varijabli odluivanja u selektovanoj alternativi. Predloena solucija e biti reenje problema jedino ako je ona uspeno primenjena na problemu koji je razmatran. Proces ocenjivanja i izbora najpovoljnije alternative se moe realizovati kroz senzitivnu analizu, koja omoguava proveru uticaja promene ulaznih podataka ili parametara na izabranu alternativu. Ovakva analiza
52
omoguava fleksibilnost tj. adaptacije na promene uslova i zahteva u razliitim situacijama odluivanja. Faza implementacije u okviru koje se odluka primenjuje i nadziru rezultati te primene je kasnije svrstana kao poseban korak. Ovom modelu Simon je dodao i doprinose bitnih naunih disciplina koje u pojedinim fazama odluivanja igraju znaajnu ulogu: menadment informacioni sistemi, elektronska obrada podataka, teorija upravljanja i operaciona istraivanja. Osnovne faze procesa menaderskog odluivanja su prema [38]: postavljanje menaderskih ciljeva, pretraivanje alternativa, komparacija i evaluacija alternativa, postupak izbora, primena odluke, praenje i kontrola.
Postavljanje ciljeva menadmenta
Ponovno ra zmatranje ciljeva
Pretraivanje alternativa
Komparacija i evaluacija alternativa
Korektivne akcije
Ponovno pretra ivanje
Praenje i kontrola
Implementacija odluke
Izbor
Slika 5.6 Proces menaderskog odluivanja
Poetna faza u procesu odluivanja je evidentiranje, odnosno identifikacija problema, koji predstavljaju nepoeljne pojave koje treba prevazii, razreiti. U okviru ove faze teite treba da bude na otklanjanju pravih uzroka ovih neeljenih pojava, jer otklanjanjem uzroka nestaju i posledice. Posle identifikacije postojanja problema, sledi jedna od najbitnijih faza u procesu odluivanja, a to je definisanje problema. U okviru ove faze treba najpre izvriti dekompoziciju problema, zatim odrediti nivo detaljisanja sa kojima e problem biti reavan, kao i kriterijume u odnosu na koje e se meriti efektivnost reenja. Nakon ega je potrebno izvriti prikupljanje potrebnih informacija. U tu svrhu treba najpre proceniti stepen dovoljnosti raspoloivih informacija relevantnih za uoeni problem. Za kompleksne probleme sa dugoronim posledicama, odnosno za menadere na najviem nivou hijerarhijske strukture, treba obezbediti vie informacija. Kako je preduslov za donoenje sloenih poslovnih odluka kvalitetna,
dostupna i blagovremena informacija sa jedne strane, a znanje i iskustvo donosioca odluke iz poslovnog odluivanja i optimizacije, kao i tehnologije posla sa druge strane, to navedenim fazama procesa odluivanja treba posvetiti posebnu panju. Praksa pokazuje da dobre ideje, a time i odluke neoekivano i relativno lako dolaze onome ko je za njih dobro pripremljen. Donosilac odluke, koji nedovoljno poznaje neku pojavu traie vie informacija nego to mu je potrebno za donoenje odre ene odluke. Razvoj modela odluivanja, kao jedna od faza procesa odluivanja odnosi se na uspostavljanje odgovarajuih relacija izme u promenljivih u sistemu. Za reavanje niza realnih problema razvijeni su opti ili konkretni matematiki modeli i metode njihovog reavanja. Tek sa poznavanjem sutine samog problema koji se reava, a kod poslovnog odluivanja i adekvatnih modela odluivanja, moe se definisti skup relevantnih informacija potrebnih za sveobuhvatno i objektivno donoenje odluka. Poto je izvreno formiranje modela i izabrane odgovarajue metode za njegovo reavanje, sledi faza reavanja problema kako bi se dobio odgovarajui broj alternativnih reenja, odnosno izvrilo generisanje alternativnih reenja. Nakon provere slaganja dobijenih rezultata (primenom odgovarajuih metoda i tehnika na razvijene modele) sa oekivanim rezultatima realnih sistema sledi faza neposrednog donoenja odluke, odnosno izbor najpovoljnije alternative. U okviru ove faze, dolazi do izraaja sveukupni potencijal menadera, zavisno od sloenosti situacije aktivira se lini, struni i kreativni potencijal. Kada se odluka donese, posebna panja se treba posvetiti kontroli njenog izvrenja, kao i analizi posledica tog izvrenja. Uspean rezultat svakog procesa odluivanja predstavlja dobra odluka. Valjana odluka je ona odluka koja reava razmatrani problem. Na kvalitet donete odluke mogu uticati i neki nekontrolisani faktori kao to su promene ekonomskih uslova, politike promene u okruenju i dr. Uspeh odluke se moe oceniti funkcijom koja zavisi od njenog kvaliteta i rezultata sprovo enja. Kvalitet odluke se ogleda u njenoj kompatibilnosti sa postavljenim uslovima, vremenskim ogranienjima i ukljuivanju optimalnog broja informacija. Definisanje navedenih faza ini proces odluivanja organizovanijim, efikasnijim i racionalnijim. Pitanja: 1. 2. 3. 4.
54
ta je poslovno odluivanje ? Koje su osnovne dimenzije menaderskog odluivanja? ta podrazumeva normativna teorija odluivanja? ta podrazumeva deskriptivna teorija odluivanja?
5. 6. 7. 8. 9. 10. 11. 12. 13.
Kako se dele odluke prema hijerarhijskom nivou? U zavisnosti od injenica, odnosno situacije, odluivanje moe biti? Koje su razlike izme u strukturiranih i nestrukturiranih odluka ? Koje su osnovne faze procesa odluivanja? Koje su osnovne karakteristike faze formulacije problema? Koje su osnovne karakteristike faze projektovanja? Koje su osnovne karakteristike faze izbora? ematski prikazati proces menaderskog odluivanja. Koji tip odluka odgovara srednjem nivou menadmenta?
6. SISTEMI ZA PODRKU ODLUIVANJU

Sistemi za podrku odluivanju (DSS Decision Support Sustems), kao nadgradnja vie razliitih disciplina u prvom redu menadmenta i informatike, korene imaju u teoriji odluivanja, a granaju se ka raznim oblastima ljudske delatnosti od prirodnih nauka, tehnike, tehnologije, ekonomije i drutvenih delatnosti, do edukacije. Sistemi za podrku odluivanju su informacioni sistemi, koji su slini i komplementarni standardnim informacionim sistemima i imaju za cilj da podravaju, uglavnom poslovne procese donoenja odluka. Predstavljaju simbiozu informacionih sistema, primene niza funkcionalnih znanja i tekueg procesa donoenja odluka [26]. Uporedni pregled karakteristika DSS i MISa dat je u sledeoj tabeli, [53].
Tabela 6.1
MIS Usmerenost na strukturirane zadatke i rutinske odluke (npr. korienje procedura i pravila odluivanja) Naglasak na pohranjivanju podataka Menaderi imaju posredan pristup podacima Oslanjanje na strunjake za kompjutere Mogue ekanje na pristup podacima Menaderi MISa u potpunosti ne razumu prirodu odluivanja Naglasak na efikasnosti
DSS Usmerenost na polustrukturirane zadatke koji zahtevaju prosu ivanje menadera Naglasak na manipulaciji podataka Menaderi imaju direktan pristup podacima Oslanjanje na sopstevni sud Direktan pristup podacima Menader poznaje ambijent odluivanja Naglasak na efektivnosti
56
Iako postoje slinosti izme u menadment informacionih sistema (MIS) i sistema za podrku odluivanju (DSS) postoje i razlike. Menadment informacione sisteme su kreirali tehniki strunjaci odnosno informatiari, a menaderi su davali tek manji doprinos. Nasuprot tome, sistemi za podrku odluivanju se zasnivaju na procesu odluivanja i na menaderima koji u saradnji s informatikim strunjacima, projektuju sistem koji odgovara odre enim menaderskim nivoima. Pojava sistema za podrku odluivanju, namenjenih slabo struktuiranim problemima (kakvi su gotovo svi problemi odluivanja), i ukljuivanje "mekih" podataka u optimizacione modele, donose sutinski nov pristup ranije poznatim konceptima informacionih sistema. Korisniku DSS konano je omogueno da model putem kojeg reava realni problem uprosti tamo gde je to potrebno i mogue, a da u onim aspektima koje detaljno analizira zadri njegovu realnu sloenost [11, 12]. Sistemi za podrku odluivanju podravaju sve faze procesa odluivanja poev od faze formulacije problema, preko faze projektovanja, faze izbora, pa sve do implementacije. U tom smislu Turban i Aronson objedinjavaju primenu raspoloivih alata za podrku odluivanju sa odgovarajuim fazama procesa odluivanja. Na slici 6.1 su prikazane mogue vrste kompjuterske podrke po pojedinim fazama procesa odluivanja koje ine jedan sistem za podrku odluivanju.
ANN, EIS, MIS, Data Mining, OLAP - identifikovanje problema - klasifikovanje problema
Faza formulacije
Faza projektovanja
Faza izbora
OLAP, GDSS, MS, ANN, Data Mining - generisanje modela - generisanje alternativa - senzitivna analiza - dono{enje odluke
Faza implementacije
GDSS, MIS, ES - komuniciranje - dobijanje povratnih informacija DSS
A NN A rtifical Neural Networks MIS Management Information Systems E IS E xecutative Information Systems O LA P Online A nalitical Processing
MS Management Scince G D SS G roup D ecision Support Systems E S E xspert Systems D SS decision Support Systems
Slika 6.1. - Kompjuterska podrka fazama procesa odluivanja
DSS treba da obezbedi menaderu vremenski odgovarajuu informaciju, koja e tako e biti tana, relevantna i kompletna. DSS mora da prikae informaciju u adekvatnoj formi, kako bi bila laka za razumevanje i upravljanje. Informacija prikazana DSS-om moe biti rezultat ili moe biti prikupljena iz spoljanih izvora. DSS moe da prikae i unutranje i spoljanje injenice, razliita miljenja i prognoze koje bi pomogle menaderu. Menader eli pravu informaciju, u pravo vreme i u pravoj formi. Poetak razvoja DSS vezan je za ezdesete godine, kada su se definisali strukturirani izvetaji. Sedamdesetih godina imamo pojavu Management Decision Systems (MDS) i specifinih DSS. Osamdesetih godina se razvijaju Group Decision Support Systems (GDSS), Executive Information Systems (EIS) i Expert Systems. Devedesetih godina se pojavljuje Data Warehouse, OnLine Analytical Processing, Intranet, Visual modeling. Predmet naih razmatranja je posmatranje ovih aspekata evolucije DSS. Ranih sedamdesetih Scott Morton definie DSS kao interaktivni kompjuterski baziran sistem, koji koristei podatke i modele pomae donosiocima odluka da ree nestrukturirane probleme. [90] Dok krajem sedamdesetih Keen i Morton navode da: DSS spajaju intelektualne resurse pojedinaca sa kompjuterom obezbe ujui na taj nain kvalitet odluke. To je kompjuterski baziran sistem za podrku odluivanju menadmentu u vezi polustrukturiranih problema. Kako Power [73], navodi, mada termin DSS ima mnogo konotacija, po Steven Alter-u, sistemi za podrku odluivanju su dizajnirani specijalno da olakaju proces odluivanja, predstavljaju podrku odluivanju, a ne automatizaciju odluivanja, i moraju biti sposobni da brzo odgovore na promenljive zahteve donosioca odluke. Konceptualni model odluivanja, [86], predstavlja okvir u kojem se nalazi DSS. Akcenat je na sistemu za donoenje odluke, koji se sastoji od korisnika - donosioca odluke, suoenog sa nekim zadatkom u organizacionom okruenju, i koji koriste mogunosti koje prua Sistem za podrku odluivanju. Isti autori definiu DSS kao interaktivni kompjuterski orjentisani sistem koji pomae donosiocima odluka da koriste podatke i modele za reavanje strukturiranih, nestrukturiranih ili polustrukturiranih problema. Po Turbanu [90], Keen 1980. g. definie termin DSS kao razvojni proces gde finalni sistem moe biti razvijen samo kroz adaptivni proces uenja i evolucije. U tom razvojnom procesu DSS korisnik, DSS builder i sam DSS uestvuju zajedno rezultujui evolucijom sistema. Sprague i Carlson [86] istiu sledee karakteristike sistema za podrku odluivanju: - DSS se koriste za slabo strukturirane i nedovoljno specificirane probleme. Osnovni razlog zbog kojeg se oni vie koriste na viim nivoima
58
odluivanja je to su, po prirodi stvari, nii nivoi odluivanja suoeni sa bolje strukturiranim problemima, te su, samim tim, u prilici da koriste egzaktne, kvantitativne metode, koje su jednostavnije za primenu i mahom daju jednoznane rezultate; - Svrha DSS je da podri, a ne da zameni donosioca odluka. DSS ne donosi odluke automatski, ve samo obezbe uje analizu i podrku potrebnu za konkretnije odluivanje; - Poto je DSS namenjen odluivanju, on pokuava da integrie tekovine nauke o menadmentu i tradicionalne funkcije obrade podataka. Dakle, DSS sadri algoritme logikih i racionalnih procesa putem kojih klasifikuje, upore uje i formira informacije za odluivanje. DSS se moe definisati i kao informacioni sistem koji ispunjava potrebe stratekog odluivanja, ali on treba da podrava donoenje odluka na svim nivoima odluivanja. U tom smislu, osnovu DSS ine programi - interfejsi koji pristupaju velikim bazama podataka, izvlae iz njih sintetiku informaciju u obliku i formatu kakav je potreban za dati nivo odluivanja. Deo podataka za formiranje baze DSS moe se koristiti iz spoljnih izvora ili specijalizovanih datoteka. Ovo je naroito karakteristino za najsloenije - strategijske informacije koje prua DSS. Turban [90], daje sledeu definiciju sistema za podrku odluivanju, koja bi trebalo da obuhvati sve sisteme poev od osnovnih pa sve do idealnih DSS: DSS je interaktivni, fleksibilni i adaptivni sistem specijalno razvijen za podrku reavanja nestrukturiranih menadment problema u cilju poboljanja procesa odluivanja. Sistem koristi podatke, obezbe uje jednostavan korisniki interfejs i omoguuje ukljuivanje korisnikove pronicljivosti u proces odluivanja. Tako e, DSS moe koristiti modele koji se izgra uju u interaktivnom procesu sa korisnikom, podravajui sve faze procesa odluivanja i moe sadrati komponentu znanja. Danas su DSS prepoznatljiva kategorija informacionih sistema koji obezbe uju menaderima kontrolu njihovih podataka, pristup analitikim alatima, kao i konsultacije i komunikaciju sa distribuiranim grupama menadment tima.
6.1. STRUKTURA SISTEMA ZA PODRKU ODLUIVANJU

Sistemi za podrku odluivanju obezbe uju nosiocima odluivanja kontrolu nad podacima, pristup analitikim alatima i sposobnosti za konsultovanje i interakciju sa ostalim nosiocima odluivanja. Sistemi za podrku odluivanju namenjeni za rad u preduzeima povezani su sa velikim skladitima podataka (data warehouse) i imaju mogunost da opsluuju vei broj nosilaca odluivanja.
Osnovne komponente sistema za podrku odluivanju (slika 6.2) su [90]: - podsistem za upravljanje podacima, - podsistem za upravljanje modelima, - podsistem za upravljanje znanjima, - podsistem korisniki interfejs dijaloga.
Ostali ra~unarski sistemi
P o d a ci
Upravljanje podacima
Upravljanje modelima
Upravljanje znanjem
Korisni~ki interfejs
DSS
Korisnik
Slika 6.2 - Struktura sistema za podrku odluivanju [90]
Podsistem za upravljanje podacima

Podsistem za upravljanje podacima (DMS) je baza podataka koja predstavlja konstitutivni elemenat DSS te je, samim tim, raznim njenim aspektima posveivana znaajna panja. Baze podataka DSS su obino povezane sa velikim skladitima podataka unutar preduzea, omoguavajui na taj nain koritenje podataka iz razliitih izvora, spoljanih i unutranjih. Veza izme u podataka i sistema za podrku odluivanju moe se ostvariti preko baze podataka sistema ili direktnim unoenjem podataka tokom rada sa programom. Sistem za upravljanje bazom podataka prvenstveno slui za kreiranje, pristupanje i auriranje baze podataka. U tom smislu, sreemo pristup inicijalnog projektovanja baze podataka DSS, koji polazi od potreba reavanja problema radi kojeg se gradi DSS ili ekstrakcije podataka za potrebe baze
60
podataka DSS iz realne baze podataka, o emu e biti vie rei prilikom opisa Data Warehaus-a (skladita podataka) i OLAP alata. Kako se sistem za podrku odluivanju po pravilu gradi za potrebe strukture koja ve ima razvijen bazni (akvizicioni, transakcioni) informacioni sistem, logino je projekat baze podataka DSS maksimalno zasnivati na osnovama baze podataka tog sistema. Stoga bi pristup koji polazi od ekstrakcije podataka, a zatim projektovanja skladita podataka, uz dopune podacima kojih nema u bazi podataka realnog sistema, sigurno bio najracionalniji. Preslikavanje podataka iz okruenja u bazu podataka DSS Veina autora preuzimanje podataka iz okruenja u bazu podataka sistema za podrku odluivanju (DB DSS) naziva "ekstrakcijom". Kako se ovi podaci ne ekstrahuju prosto, ve trpe izvesne formalne i sutinske promene pre smetanja u bazu podataka DSS, termin "preslikavanje" je adekvatniji i precizniji za proces koji oznaava. Analiza ovog procesa preuzimanja podataka moe se sprovesti u odnosu na razliite kriterijume: prema strukturi podataka, prema izvorima iz kojih potiu, prema semantikoj vrednosti za procese odluivanja kojima je DSS namenjen, prema njihovoj pouzdanosti za korienje u konkretnom DSS, prema nainu na koji se preslikavaju u DB DSS. Zapravo, formiranje baze podataka DSS odvija se u dve faze: selekcija podataka iz okruenja preslikavanje tih podataka u bazu podataka DSS. Prva faza podrazumeva aktivnosti iji je osnovni kriterijum namena DSSa koji se projektuje. U zavisnosti od osnovnog cilja kojem DSS treba da udovolji, uspostavljaju se blii kriterijumi selekcije, na osnovu kojih se vri izbor kandidata za bazu DSS (naprimer, iz istog okruenja, selekcije podataka za DSS u marketingu i proizvodnji bie vrlo razliite). I za drugu fazu preslikavanje podataka, osnovni kriterijum je zadat u postavci problema koji predmetni DSS treba da reava. Dakle, u zavisnosti od svrhe i cilja koji je pred DSS postavljen, rezultat i kvalitet preslikavanja vrednuju se kroz sposobnost DSS da rei problem radi kojeg je projektovan. Pod izvorima podataka iz okruenja podrazumevamo: bazu podataka realnog sistema za koji se projektuje DSS (egzaktni podaci, nastali u realnom sistemu, kroz procese i transakcije poslovanja), ostale izvore podataka od interesa za probleme koje DSS treba da
reava (baze podataka drugih institucija, granskih i dravnih organizacija, informacionih servisa i sl.). Preslikavanje obuhvata podatke razlikujui ih po vrsti (karakteru): kao "tvrde", egzaktne podatke, koji odraavaju stanje i promene u sistemu i okruenju, kao "meke" podatke sauvane u iskustvu eksperata i/ili dobijene kao rezultat prognoza, predvi anja, procena, simulacija, heuristikih, intuitivnih, ili nekih drugih "mekih" modela.
Podsistem za upravljanje modelima

Podsistem za upravljanje modelima (MMS) treba da omogui svakom DSS-u integraciju pristupa podacima i modelima odluivanja. Sadri skup raspoloivih metoda i tehnika, projektovanih saglasno ciljevima koje konkretni DSS treba da zadovolji. Ukljuuje i specijalne jezike za izgradnju korisnikih modela. Omoguava jednostavno korienje modela od strane korisnika sa preporukom o tome koji modeli odgovaraju kojoj svrsi, te koje pretpostavke treba da budu ispunjene za korienje pojedinih modela. Zbog uobiajene strukture modela podrazumeva da ulazni podaci budu u potrebnom formatu i da se prema potrebi vri povezivanje modela tako da izlaz jednog modela postaje ulaz drugog. Izlazne rezultate korienja modela ova podsistem daje u razumljivom obliku omoguavajui izvo enje odgovarajue analize osetljivosti dobijenih rezultata. Uz obezbe enje navedenih funkcija za upravljanje bazom modela, veoma sloeni problemi su u domenu integracije baze modela sa bazom podataka i korisnikim interfejsom. Ovi problemi proizilaze iz potrebe za uskla ivanjem raznorodnih zahteva korisnika za pristup modelima, kontrolu izvravanja modela, interaktivnu manipulaciju podacima, izmene u modelu i obradi, generisanje izlaznih izvetaja i sl. Ovi problemi se razreavaju korienjem OLAP alata, o emu e kasnije vie biti rei.
Podsistem za upravljanje znanjem

Podsistem za upravljanje znanjem (KMS) podrava sve ostale podsisteme, ali funkcionie i kao samostalna komponenta. Predstavlja inteligentnu komponentu koja proiruje znanja donosioca odluke, omoguavajui dobijanje ekspertize o problemu koji se razmatra.
Podsistem korisnikog interfejsa

Podsistem korisniki interfejs (UIS) treba da omogui da se na to jednostavniji i laki nain ostvari komunikacija izme u sistema za podrku odluivanju i donosioca odluke (korisnika). Ovaj podsistem se ne odnosi samo
62
na hardver i softver, ve i na faktore koji se odnose na lakou korienja sistema, pristupanost sistema i interakciju ovek-kompjuter.
DSS arhitektura i mrea

DSS arhitektura i mrea obuhvata hardver, softver i podatke o sistemu. DSS treba da definie koliko je komponenti u sistemu integrisano i u vezi i treba da omogui korienje Web browsera i kompanijskog intraneta.
Modeli Modeli
SPO Arhitektura Mreza
Korisnicki interfejs
Podaci
Slika 6.3. DSS arhitektura i mrea
Veina arhitektura DSS smeta softverske modele na serveru, dok se korisniki interfejsi distribuiraju klijentima. Stepen korienja mree je razliit za razne vrste DSS. U sluaju DSS zasnovanih na podacima, moe se rei da se mreno okruenje koristi u veini sluajeva. Za realizaciju klijentske strane obino se koriste Web stranice i Java. Baza podataka DSS predstavlja kolekciju podataka organizovanih tako da obezbedi jednostavan pristup i analizu podataka. Mrena komponenta DSS se odnosi na to kako je hardver organizovan, kako se softver i podaci distribuiraju kroz sistem i kako su sve komponente integrisane i fiziki povezane. Pri tome je vrlo vana osobina skalabilnosti, koja podrazumeva mogunost relativno jednostavnog proirenja sistema radi podrke vee koliine podataka i korisnika. Dobro definisana arhitektura DSS obezbe uje da svi korisnici mogu da rade zajedno, kao i poboljanje planiranja i komunikacije izme u svih uesnika sistema.
6.2. KLASIFIKACIJA SISTEMA ZA PODRKU ODLUIVANJU

Kada se govori o vrstama DSS treba imati u vidu da je re o veoma velikom broju kompjuterskih proizvoda namenjenih razliitim vrstama problema, zatim o razliitim orjentacijama na kojima se sistemi zasnivaju kao i o irokom spektru korisnika. Vrlo je teko napraviti neku generalnu klasifikaciju, ve se sistemi moraju svrstati po osnovu vie kriterijuma.
Neki DSS pomau menaderima u efikasnijem pristupu informacijama koje bi inae ostale nedostupne ili bi se vrlo teko do njih dolo; drugi sadre eksplicitne modele koji obezbe uju strukturu za neku odre enu odluku. Neki sistemi su primarni alat za individualni rad u procesu odluivanja pojedinca, dok su neki konstruisani da podre komunikaciju izme u ljudi iji rad mora biti koordiniran tj. grupno odluivanje. Nadalje, DSS moe biti namenjen za podrku odluivanju razliitim nivoima menadmenta operativnom, taktikom ili stratekom. DSS mogu podravati malu grupu menadera koristei pojedinane personalne kompjutere ili velike grupe menadera u umreenoj server-klijent arhitekturi. U okviru sistema za podrku odluivanju u novije vrijeme razvijeni su razliiti koncepti, kao to su business intelligence, data mining, data warehousing, knowledge menagement i OLAP. Iako postoji vie mogunosti klasifikacije DSS-a ovde e biti data kategorizacija koju je dao Power [73], prvenstveno iz razloga to proces dizajniranja DSS-a u veini sluajeva zavisi od kategorije kojoj sistem pripada.
Tabela 6.2 - Kategorije sistema za podrku odluivanju
Kategorija Data-Driven Model-Driven Suggestion Group Support Document-Driven Inter-Organizatonal Function-Specific Web-Based
Karakteristika Koriste strukturirane podatke Koriste modele Koriste pravila i relacije Pomau komunikaciju i usaglaavanje Koriste nestrukturirane podatke Podrka komintentima Podrka specifinim sistemima Podrka svim DSS
Primer Data Warehouse Rasporedi Konsultacije Vo enje sastanaka Web Pristup kupaca podacima Vazduhoplovni, bankarski Intranet
64
Powerova klasifikacija nije sveobuhvatna, ali kategorizuje veinu poznatih DSS koji su u upotrebi. DSS bazirani na podacima (Data-Driven DSS) stavljaju akcenat na pristup i manipulisanje strukturiranim podacima u veoma velikim bazama (data warehouse), koje sadre kako interne tako i eksterne podatke. Data warehouse sistem omoguava efikasan pristup ovim podacima pomou kompjuterskih alata prilago enih specifinim zadacima kao i pomou optih alata koji obezbe uju dodatnu funkcionalnost. Data-Driven DSS sa OLAP alatima poseduju veoma visok stepen funkcionalnosti jer omoguavaju i efikasnu analizu velike kolekcije istorijskih podataka. DSS bazirani na modelima (Model-Driven DSS) predstavljaju sisteme koji koriste finansijske, reprezentacione i optimizacione modele. Ovi sistemi akcenat stavljaju na izgradnju i prouavanje modela. Kompleksne analize bazirane na modelima mogue je izvriti pomou OLAP sistema (hibridnih DS sistemima), koji objedinjuju modeliranje, pretraivanje velike koliine podataka i mogunost sumiranja podataka. isto modelima orjentisani sistemi koriste podatke i parametre obezbe ene od strane donosioca odluke, ali oni obino nisu intenzivno orjentisani na podatke. Sugestivni DSS (Suggestion DSS) sadre data mining alate kao i menadment ekspertne sisteme. Data mining alati pomau analitiarima sugeriui veze koje postoje me u podacima. Data mining je, zapravo, proces pretraivanja velike koliine podataka u cilju pronalaenja konteksnih veza me u tim podacima. Menadment ekspertni sistem moe sugerisati ali i pokrenuti izvravanje neke akcije za menadera. Sugestivni DSS se jo nazivaju i DSS bazirani na znanju . DSS bazirani na dokumentima (Document-Driven DSS) su usmereni na pretraivanje i upravljanje nestrukturiranim podacima kao to su dokumenti i web strane. Ovi sistemi predstavljaju skup razliitih tehnologija memorisanja i procesiranja nestrukturiranih podataka, radi obezbe enja to efikasnije pretrage i analize dokumenata. Na primer Web omoguava pristup ogromnim bazama dokumenata ukljuujui i baze hipertekst dokumenata, slika, zvunih i video animacija. Efikasna pretraga je glavni zadatak ovih sistema. Grupni DSS (Group DSS, GDSS) je tip DS sistema koji podrazumevaju mogunost komunikacije donosioca odluke tj. grupno odluivanje po principu usaglaavanja. GDSS je potrebno kategorizovati kao specifini tip DS sistema jer podrazumeva, upotrebu specijalnih informacionih tehnologija za kolaborativni rad, kao to su sobe odluivanja, kompjuter sa displej projektorom, ali i mogunost distribuiranog rada tj. dobar sistem komunikacija. Inter-organizacioni DSS (Inter-Organizational DSS) predstavljaju relativno novu kategoriju DS sistema. Internet obezbe uje komunikacione
linkove za razliite tipove inter-organizacionih sistema ukljuujui i DS sisteme. Inter-organizacioni sistemi omoguavaju udaljenim korisnicima da pristupe kompanijskom intranetu i ukoliko imaju autorizovanu privilegiju da koriste odre ene DSS servise. Funkcionalno specifini DSS (Function-Specific DSS) predstavljaju sisteme koji su specijalno dizajnirani da podre odre ene poslovne funkcije ili tipove poslovanja. Ovi sistemi se obino dizajniraju za jedan specifini zadatak mada se po svojoj prirodi mogu svrstati u neku od glavnih kategorija DS sistema, kao to su DSS zasnovani na podacima, modelima ili sugestivni DSS. Web orjentisani DSS (Web-Based DSS) predstavljaju sisteme koji su implementirani upotrebom web tehnologija. Oni omoguavaju menaderima i poslovnim analitiarima upotrebu DSS alata koristei web browsere. Server koji opsluuje DSS je povezan sa korisnikim kompjuterima mrenim TCP/IP protokolom. Ovakvi DS sistemi omoguavaju velikoj grupi menadera da koristei web browser-e u mrenom klijent-server okruenju donose pojedinane ili grupne odluke kao i da pristupaju data warehouse-u kao delu DSS arhitekture. Moe se rei da web tehnologije predstavljaju primarne alate za razvoj Inter-organizacionih DSS.
6.3 KORISNIKI INTERFEJS

Adekvatan korisniki interfejs je vana komponenta bilo kog aplikativnog programa, ali je posebno vaan za sisteme koji predstavljaju podrku nosiocima odluivanja, to se iz prikaza sa slike 6.4 moe i videti.
66
U p r a v lja n je p o d a c im a
U p r a v lja n je z n a n je m
U p r a v lja n je i n t e r f e js o m
S is t e m z a u p r a v lj a n je k o r is n i ~ k i m i n t e r f e j s o m
P r e v o | e n je n a p r ir o d a n je z ik
T e r m in a l
U se r I n te rfa ce S u b sist e m
K o r is n i k
Slika 6.4 Struktura korisnikog interfejsa
Prema brojnim istraivanjima znaaj korisnikog interfejsa u DSS-u se ogleda u relativno lakom nainu rukovanja konkretnim programom za podrku odluivanju. Kao posistem u okviru sistema za podrku odluivanju, prema21 korisniki interfejs se sastoji iz sistema za upravljanjem korisnikim interfejsom, jedinice za prevo enje na prirodni jezik i terminala. Korisniki interfejs (User Interface) predstavlja skup programskih sredstava koja obezbe uju spregu korisnika sa sistemom. Jedna od najznaajnih karakteristika korisnikog interfejsa ogleda se u unificiranosti njegovih elemenata: menija, rukovanja perifernim ure ajima, korienja standardnih dijaloga, kontrola, pomo i dr. Ovakva unificiranost podrazumeva standardizovan izgled prozora aplikativnih progarama, zatim nain korienja pojedinih programskih servisa, kao i standardizaciju u terminologiji (nazivi pojedinih opcija, odnosno podopcija unutar programskih menija su isti i kod razliitih aplikacija). Sledei logiku unificiranosti elemenata interfejsa, korisnik poznavajui neki od raunarskih programa, relativno lako moe koristiti i neki drugi, novi program. Pored unificiranosti, jedna od znaajnih karakteristika korisnikog intefejsa ogleda se u jednostavnosti i intuitivnosti korienja aplikativnih
21
Turban, E., Aronson, E.J., Decision Support Systems and Intelligent Systems, 5th Edition, Prentice-Hall, 1998.
programa. Korisniki interfejs, dakle, predstavlja skup menija, komandi, ikona, grafikih i drugih prikaza koje obuhvata program, a koji omoguavaju korisniku da komunicira i koristi program. Grafiki korisniki interfejs (GUI Grphical User Interface) omoguava korisniku da na manje-vie slikovit nain komunicira sa odre enim programom. Lak je za uenje, razumevanje i korienje. Tako e, korisniki interfejs upuuje na hardver i softver koji ostvaruju komunikaciju izme u korisnika DSS-a i raunara. Koriniki interfejs obuhvata odgovore, a i razmenu grafikih, zvunih i drugih poruka. U [73], se navode etiri osnovna stila korisnikog interfejsa: interjfes komandne linije, meni interfejs, grafiki interfejs, interfejs pitanja-odgovori. Interfejs komandne linije spada u najstarije stilove upravljanja kompjuterom. Stil komandne linije zahteva od korisnika da unese odgovarajuu komandu, govorei na taj nain sistemu ta sledee treba da se uradi. Korisnik treba da zna sve dostupne komande, kao i da ih primeni u odgovarajuem formatu. Komandni interfejs je veoma teak za uenje. Veina ljudi nikada ne naui kompletan skup komandi ve samo jedan mali dio. Zato je upotreba komandi jako esto podlona grekama. Meni interfejs podrazumeva da korisnik bira iz liste ponu enih opcija (menija) onu koja e izvriti odre eni zadatak. Korisnik pravi izbor koristei neki ulazni ure aj za upravljanje ili unosom broja pored odgovarajue opcije. Meni je obino hijerarhijski strukturiran, poevi od glavnog menija pa sve do podmenija. Upotreba menija kod sloenih zadataka analize moe biti veoma teka, jer takve situacije zahtevaju izbor velikog broja razliitih opcija, to za korisnika znai stalno vraanje naprednazad u pretraivanju menija. Rad sa menijima je u svakom sluaju napredniji od komandnog interfejsa jer korisnik ne mora pamtiti komande ve mu se one nude kao gotove u vidu hijerarhijske strukture. Grafiki interfejs (GUI) je sistem gde korisnik ima direktnu kontrolu nad vizuelnim objektima. Umesto da pamti komande ili stalno pretrauje po menijima, kod grafike interakcije, korisnik izborom odgovarajueg objekta na ekranu inicira neku konkretnu akciju. Osnovni elementi GUI-a su prozori, ikonice, padajui meniji i dijalozi. U okviru ovog interfejsa se mogu koristiti multimedijalne i hipermedijalne tehnologije. U multimedijalne objekte spadaju grafiki materijali, audio i muzike digitalizacije. Hipermedija obuhvata dokumenta koji sadre linkove na razliite tipove medija. Interfejs po principu pitanje-odgovor. Interakcija kod ovog stila zapoinje tako to kompjuter postavlja korisniku pitanje. Korisnik odgovara propisanom frazom ili sentencom. Na taj nain se uspostavlja dijalog izme u korisnika i kompjutera. Komjutersko pitanje je funkcija koja potrauje odgovor od korisnika, a zatim izvrava odgovarajuu akciju. Me utim, osnovno
68
ogranienje ove komunikacije je to to kompjuter ne razume neformalne tj. nestrukturirane odgovore. Programer naime mora predvideti i strukturirati sve mogue korisnikove odgovore. Imajui u vidu potrebu prilago avanja i reavanje ad hoc situacija, ovaj stil se kod DSS sistema vrlo retko koristi. Trodimenzionalni (3-D) interfejs ili interfejs virtuelne stvarnosti predstavlja novi tip interfejsa koji podrazumeva interakciju sa kompjuterom u 3-D okruenju pomou pozicionog senzora. Korisnik se moe kretati prostorom, pomerati objekte i uopte menjati tu sredinu. Trodimenzionalni interfejs e se pojaviti i u buduim DSS sistemima. Pri razvoju nekog programa posebna panja se posveuje upravo korisnikom interfejsu, u tom cilju razvijene su brojne tehnike za kreiranje korisnikog interfejsa. Sredite panje je na tome kako ekran treba da izgleda i na koji nain treba da funkcionie. Kreiranje korisnikog interfejsa podrazumeva adekvatan raspored komandi sa ciljem da se u to je mogue veoj meri olaka korienje. Iz tih razloga u kreiranju korisnikog interfejsa pored programera treba da aktivno uestvuju i krajnji korisnici donosioci odluka.
Sprague i Carlson [86] su razvili ROMC (Representations Operations Memory Control) pristup kreiranju korisnikog interfejsa DSS-a koji podrazumeva etiri celine23: 1. Prikaze za prenos informacija do korisnika 2. Operacije za rad sa podacima koji su predstavljeni u obliku prikaza; 3. Memorijska pomona sredstva 4. Kontrolna pomona sredstva ROMC pristup podrazumeva nezavistan pristup za indentifikovanje mogunosti DSS-a. Predstavlja osnovu za kreiranje korisnikog interfejsa u DSS-u. U DSS-u aktivnosti procesa odluivanja se deavaju u kontekstu prikaza informacija sadranih u aktivnostima. Prikaz moe biti dat u obliku ikone, tabele, mape, tekstualnog dokumenta, slike, grafikog prikaza, brojeva, formula i sl. Prikazi omoguavaju korisnicima da interpretiraju informacije, kao i da
23
Power, D. J., Decision Support Systems: Concepts and Resources, Cedar Falls, IA: DSS Resources.com, pre-publication .pdf version, 2000., accessed on (todays date) at URL http://dssresources.com/dssbook/
izaberu odgovarujue operacije. Na primer, izabrana taka na grafikonu moe biti povezana sa vrednou podatka, dokumentom ili bazom podataka. Izbor odgovarjuih prikaza preputen je kornicima donosiocima odluke. Operacije su specifini zadaci koje donosilac odluke moe da izvede sa konkretnim DSS-om. DSS moe imati operatere za prikupljanje i auriranje podataka, generisanje alternativa, kreiranje izvetaja. Jedna ista operacija moe biti primenjena na vie aktivnosti, pri emu redosled operacije obino nije prethodno naznaen. Donosioci odluke utvr uju nain na koji e koristiti operacije DSS preko korisnikog interfejsa, na primer, pomou menija, ikona ili odgovarajuih komandi. Memorijska pomona sredstva podrazumevaju nekoliko tipova sredstava koji bi pomogli korienje prikaza i operacija. Simbolina veza sa skladitem podataka (data warehouse) je memorijsko pomono sredstvo za definisanje polaznih podataka. Triggers (pravila) podseaju korisnika nosioca odluivanja da odre ene operacije treba da budu izvedene, automatskim pozivanjem na odre enu operaciju ili upuivanjem korisnika da se pozove na operaciju. Korisniki filtri mogu olakati operacije DSS pamenjem poetnih greaka i uinjenih propusta. Komandne sekvence mogu DSS uiniti lakim za rukovanje, ponitavanjem, odnosno ponavljanjem preduzetih radnji. Na donosiocima odluke, kao krajnjim korisnicima je da utvrde potrebe za odre enim tipom memorijskih pomonih sredstava, kao i nain na koji e podsetnici biti prikazani. Kontrolna pomona sredstva su zamiljena da pomognu donosiocu odluke da koristi prikaze, operacije i pomona memorijska sredstva. Jedan tip kontrolnog pomonog sredstva usmeren je na standardne konvencije za komunikaciju korisnika sa sistemom, koje su sprovedene putem prikaza i operacija. Ovaj tip pomonih sredstava prikazuje menije ili ikone za izvo enje odre enih operacija.
6.4 TIPOVI KORISNIKA

Ispitivanjem korisnikog interfejsa bavi se posebna podrgupa oblasti interakcije ovek-kompjuter (HCI Human-Computer Ineraction) koja je usmerena na prouavanje ljudi, kompjuterske tehnologije i naine na koje jedni utiu na druge. Mnogi korisnici DSS-a imaju ogranieno znanje o raunarima. Veina ovih nedovoljno strunih korisnika nije spremna da naui jezik koji koriste programeri ili tehniki osposobljeni korisnici. Prema Benett-u, za korisnika izgled odgovarajueg korinikog interfejsa je jedan od preduslova u
70
sprovo enju postupka odluivanja primenom odgovarajuih programskih reenja. Pri kreiranju korisnikog interfejsa DSS-a jedna od bitnih stavki je definisanje krajnjeg korisnika donosioca odluke. Prema Shneiderman-u24 poznavati korisnika je vaan princip u kreiranju bilo kog aspekta sistema. Neki autori istiu, da se ne poklanja dovoljno panje odnosu izme u struktura korisnikovog znanja i nivoa podrke odluivanju i pored toga to je definisanje korisnika aktivna oblast istraivanja u psihologiji, nauci o odluivanju i vetakoj inteligenciji. Razvojem informacione tehnologije, odnosno razvojem vizuelnih interaktivnih sistema ovim pitanjima se posveuje sve vie panje25. Prema istraivanjima nekih od autora mogu se izdvojiti tri kategorije korisnika ovih sistema, i to [41]: - korisnik - analitiar; - korisnik on-line u procesu odluivanja, i - korisnik uradi sam (D.I.Y). Analitiar je neko koga, donosioci odluke angauju po osnovu njegove strunosti u poznavanju tehnika i programa koji e se koristiti. Problem odluivanja se moe reavati na konferenciji o odluivanju. Obino se angauje vie od jednog analitiara u vo enju konferencije o odluivanju ili radionice, pri emu se deli odgovornost u odnosu na menadment sadraja za tehniku podrku. Analitiar ima potpunu kontrolu nad programom radei kao posrednik izme u sistema za podrku odluivanju i krajnjeg korisnika donosioca odluke. Na taj nain je odgovoran za kompjutersko predstavljanje viekriterijumskog modela, unoenje prosu ivanja dobijenih od donosilaca odluke, vo enje analize donosilaca odluke, da istrae mogua reenja, razliite scenarije i sl. Korisnik on-line u procesu odluivanja samostalno koristi program, uz obezbe eni ineraktivan rad od strane sistema. Priroda i stepen interakcije DSSa i donosioca odluke varira s obzirom na usvojeni viekriterijski pristup i nain rada samog sistema za podrku odluivanju. Korisnik u ovoj situaciji preko odre enih pomonih sredstava reava tehnike ili praktine probleme sa kojima se sree u procesu odluivanja, to znai da se ne treba pouzdati samo na sistem kad je podrka u pitanju. Me utim, ako je grupa onih koji odluuju velika moe se desiti da demostrator ne moe da obezbedi adekvatnu podrku svakom. Tip D.I.Y. korisnik podrazumeva onog korisnika koji koristi sistem na bazi "jedan prema jedan". Ovaj tip korisnika moe biti upoznat sa pristupom modelovanja ili programom, pri emu se oslanja samo na pomo sistema poto mu je pomo spolja nedostupna. Dalje, poto nije poznata strunost ili
24
Shneiderman, B., Designing the User Interface: Strategies for Effective Human-Computer Interaction, Reading, MA: addison-Wesley, 1992. 25 Hodgkin, J.,Belton, V., Facilitators, decion makers, D.I.Y. uers: Is intelligent multicriteria decisin support for all feasible or desirable?, EJOR, 1999.
sposobnost korisnika, ne zna se koliko i tano koja vrsta pomoi se zahteva. Takav korisnik moe biti jedna osoba koja odluuje ili grupa onih koji se bave svojim sopstvenim problemom ili to moe biti osoba koja ui da koristi sistem. Identifikovanje moguih tipova korisnika donosioca odluke sistema za podrku viekriterijumskom odluivanju, odnosno identifikovanje njihovih potreba u procesu odluivanja primenom odgovarajuih programskih reenja potrebno je vriti kako bi programsko reenje u to veoj meri moglo da odgovori konkretnim potrebama primene.
6.5. PREDNOSTI KORIENJA DSS-a

Ukljuivanjem sistema za podrku odluivanju u proces odluivanja moe se uticati na poveanje efikasnosti ovog procesa, tako Alter u [73], navodi sledee prednosti korienja sistema za podrku odluivanju: 1. Poveanje pojedinane efikasnosti donosioca odluka u smislu boljeg upravljanja podacima i skraivanja vremena potrebnog za izvrenje zadatka. Rezultat automatske podrke odluivanju je poveanje konzistentnosti i tanosti doneene odluke, kao i uteda vremena. 2. Ekspeditivnost u reavanju problema. DS sistemi zasnovani na podacima omoguavaju brze preokrete u pretraivanju informacija relevantnih za donoenje odluke, obezbe uju konzistentnost i tanost tj. obezbe uju napredniji nain sagledavanja i reavanja problema. DSS korisnici mogu neposredno dobiti odgovore na nerutinska pitanja i sagledati vie alternativa istovremeno. Sugestivni DSS mogu smanjiti broj mogunosti ukazujui na one prave. DSS zasnovani na modelima omoguavaju menaderima tzv. ta-ako analize kao i modifikovanje sopstvenih predpostavki i scenarija u finansijskom planiranju. Grupni DSS reduciraju duinu feedback petlji i potrebe redo analize i omoguavaju bre reavanje problema. 3. Olakavaju me usobne komunikacije. DSS korisnike obezbe uju alatima za bolje razumevanje problema na kom se bazira neka analiza, kao i renikom za diskusiju u procesu odluivanja. 4. Promoviu uenje i vebanje. DSS sistemi omoguavaju bolje faktiko razumevanje procesa poslovanja i okruenja u kom se odluke donose. Neki DSS sadre, alate za vebanje i uenje za nove zaposlene. Sugestivni DSS i ekpertni sistemi redukuju ekspertize koje su nune od eksperata, i pomau dobijanje ekspertiza koje moda ne bi mogle biti otkrivene ni od strane eksperata.
72
5. Pojaavaju kontrolu u organizaciji. DSS obezbe uju sumarne podatke za kontrolu organizacije. Sumarni podaci se posmatraju, pamte i analiziraju. Menaderi moraju biti veoma paljivi prilikom prikupljanja podataka relevantnih za kontrolu kao i prilikom njihove kasnije upotrebe u kontroli organizacije. I pored svih nabrojanih prednosti DS sistemi mogu izazvati i negativne posledice u odre enim situacijama. Tako npr. poveanje stepena kontrole moe postati kontraproduktivno ukoliko se pojedinci (na rukovodeim mestima) osete ugroenim od upotrebe DS sistema.
6.6. SISTEMI ZA PODRKU GRUPNOM ODLUIVANJU

Sistem za podrku grupnom odluivanju je tako e kao i DSS interaktivni raunarski sistem koji posebnim komunikacijskim sredstvima (npr. videokonferencija, komunikacija raunarima putem kompjuterskih mrea lociranih na razliitim mestima itd.), omoguava podrku donoenja odluka od strane grupe menadera. Primena informacionih tehnologija u cilju unapre ivanja komunikacije i procesa odluivanja u grupama menadera podrazumeva uvo enje raunarskih mrea nastalih kombinacijom raunara i telekomunikacija na lokalnom i globalnom nivou, daljinskog i mobilnog raunarstva, beine komunikacije, elektronske pote, video-telekonferencija, multimedija, virtuelne realnosti, kao i sistema oglasnih elektronskih tabli. Informacione tehnologije omoguavaju korisnicima da u bilo koje vreme, sa bilo kog mesta, preko globalno rasprostranjenih komunikacionih mrea, momentalno koriste informacije preko brzih komunikacionih veza, ravnih panelnih displeja i globalnih baza podataka. Pomou tehnologije videokonferencije omoguena je lina prisutnost u bilo kom delu sveta i u bilo koje vreme, ali bez fizike prisutnosti. Komunikacija me u ljudima na udaljenim stranama sveta, uz pomo raunara, telefona i hardverskih dodataka danas se ostvaruje interaktivno, a i slanje pote i rukovanje novcem, preuzeo je raunar, preko sistema elektronske pote i elktronskog protoka novca. Sistemi za podrku grupnom odluivanju - GDSS (Group Decision Support System), kao posebna kategorija DSS, predstavljaju interaktivne, raunarski bazirane sisteme koji omoguavaju nalaenje reenja polustrukturiranih i nestrukturiranih problema od strane menadera ukljuenih u proces grupnog donoenja odluka. Osnovne komponente grupnog sistema za podrku odluivanju su: hardver, softver, ljudi i procedure (Slika 6.5). Svaki lan grupe mora imati pristup procesoru mikroraunara i ekranu za informisanje, pa je zato minimalna hardverska konfiguracija takvog sistema: ulazno-izlazni ure aj, procesor i ekran (zajedniki ili pojedinani) za prikaz
informacija relevantnih za grupu.
Slika 6.5 - Model GDSS [25]
Softver svakog GDSS mora imati sledee komponente: bazu podataka, bazu modela, specijalne aplikativne programe koji se koriste od strane grupe i jednostavan i fleksibilan korisniki interfejs. Softver mora imati pakete za podrku pojedincu, grupi, procesu i specifinim zadacima, a svakom pojedincu treba da obezbedi privatnost u radu. Pored klasinih osobina za podrku pojedincu softver mora obezbediti numeriko i grafiko sumiranje ideja i glasanja lanova grupe, kao i programe za raunanje teine za pojedine alternative odluivanja, anonimno uvanje ideja, formalni izbor lidera itd. Svaka grupa mora imati koordinatora grupe (lidera) koji treba da obezbedi harmonian rad. Procedure kod GDSS moraju obezbediti lako odvijanje operacija i efektivno korienje tehnologije od strane lanova grupe. Ove procedure se odnose uglavnom na operacije hardvera i softvera, a mogu ukljuiti i pravila verbalnih diskusija i sline elemente. Sistem za podrku grupnom odluivanju mora imati mogunosti za odravanje verbalne interakcije me u donosiocima odluka i sa sistemom, jer e od toga zavisiti delotvornost pristupa, razmene i korienja informacija koje se analiziraju. Prema tome osnovna karakteristika sistema za podrku grupnom odluivanju je omoguavanje menaderima zajedniki rad i odluivanje u grupi bez obzira na prostor, vreme ili mesto gde se nalaze lanovi grupe. Sisteme
74
razvijaju informatiki eksperti, koji su vrlo esto prisutni i prilikom njihovog izvo enja kao tehnika podrka.
TEHNOLOGIJA VIDEOKONFERENCIJE
Videokonferencija predstavlja interaktivnu komunikaciju u realnom vremenu, dva ili vie uesnika koji se nalaze na razliitim lokacijama, a za komunikaciju koriste kombinaciju video, audio i tehnologiju komunikacije. Sutina videokonferencija je komunikacija, dok hardver i softver predstavljaju samo alate za videokonferenciju. Uesnicima videokonferencije se prua mogunost vizuelnog kontakta, iako su dislocirani. Videokonferencija predstavlja idealno reenje u sluajevima kada je vana originalna prezentacija informacija (mimika, pokreti, gestovi, visina glasa, odsenost u govoru, itd.) uesnicima koji se nalaze na razliitim lokacijama. Izbor odgovarajueg softverskog alata vri se na osnovu programa rada i ciljeva sastanka. On omoguava: - podrku razliitih aktivnosti grupnog odluivanja; - odgovarajui stepen podrke potreban za rad grupe; - razliite kombinacije komunikacija u cilju zadovoljenja zahteva koje namee konkretan zadatak. Savremeni softverski paketi osim to omoguavaju vizuelnu i zvunu komunikaciju uesnika u konferenciji obezbe uju i neposrednu interaktivnu tekstualnu komunikaciju, kao podrku za zajedniko crtanje na tzv. belim tablama (whiteboard). Kompjuterski podran kolaborativni rad CSCW (Computer Supported Collaborative Work) obezbe uje aplikacije za radne grupe koje zahtevaju viekorisniki pristup i kontrolu i koordinaciju aktivnosti svih korisnika. Osnovni cilj CSCW-a je da obezbedi kolaborativno okruenje koje je strogo orijentisano ka operacijama stvarnih radnih grupa, u oblicima imitiranja sastanaka radnih grupa i svesnosti audiovizuelne komunikacije.
Desktop videoconferencing
Sistemi videokonferencije se razlikuju u obliku, veliini, boji i najvanije u ceni. Najjednostavnije reenje videokonferencije je Desktop videokonferencije (DTVC) koji predstavlja kombinaciju personalnih raunara sa audio, vizuelnom i komunikacionom tehnologijom, sa ciljem da omogui interakciju u realnom vremenu sa raunarom i interakciju izme u grupe ljudi sa razliitih lokacija. DTVC obino izgleda kao desktop komjuter, povezan kroz CODEC ure aj sa minijaturnom videokamerom. Postoje ve gotovi paketi
DTVC sistema, kod kojih su kamera i mikrofon ugra eni unutar monitora, a videoadapteri integrisani u sitemsku matinu plou. Postoje dva tipa DTVC (slika 6.6): - point to point - multipoint Osnovni tip videokonferencije je point-to-point, koji podrazumeva konekciju izme u dve lokacije, odnosno dva uesnika. Me utim, uz posedovanje "multipoint" mosta mogue je ostvariti komunikaciju nekoliko uesnika istovremeno. U tom sluaju svaki uesnik ostvaruje konekciju sa mostom, koji upravlja itavom konferencijom. Multipoint most moe reagovati na ljuski glas - tj. svaki uesnik se automatski uje i vidi od strane drugih uesnika im pone da pria ili jedan od uesnika ima ulogu predsedavajueg i daje mogunost da se drugi uesnici vide i uju.
Slika 6.6 - Tipovi DTVC-a
Tehnologija komunikacija
Tehnologija videokonferencije omoguava interaktivnu vizuelnu i zvunu komunikaciju uesnika. Da bi se ostvarila ova komunikacija neophodna je odgovarajua mrea za transfer zvunih i video zapisa. Zbog nedovoljne irine propusnog opsega, postojee mree uglavnom nisu pogodne za distribuciju digitalnih informacija. Koliina podataka koju je potrebno poslati kao digitalni zapis u jedinici vremena je daleko vea nego u klasinoj analognoj distribuciji. Zbog toga se za transfer digitalnih zapisa koriste digitalne mree koje svojim protokolima i kontrolama na greku obezbe uju prijem originalno poslate informacije bez unetog uma ili izoblienja. U tom smislu ISDN preuzima ulogu univerzalne mree za prenos svih
76
vrsta podataka u digitalnom obliku, koja ukljuuje mnoge postojee standarde i tehnologije i prua mogunost univerzalnog povezivanja u digitalnom obliku. ISDN (Integrated Services Digital Network) je izuzetno brza, irokog spektra alternativa, telefonska linija za transfer podataka. ISDN se posebno koristi za DTVC sisteme koji zahtevaju iroku talasnu duinu za transfer video i audio signala. Proces prenosa audio i video signala pomou ISDN-a bie prikazan na slici 6.7, [65]. ISDN obezbe uje: - irinu opsega - zbog mnogo vee koliine podataka u jedinici vremena potreban je mnogo vei frekventni opseg kroz koji se formira objekat; - viekorisniki rad - signali se kreu od jednog izvora ka vie odredita koja se mogu menjati; - rad u realnom vremenu - omoguava individualno prilago avanje aplikacije zahtevima korisnika i sinhronizaciju sa drugim zvunim i video signalima; - pouzdanost zapisa - pitanje kvaliteta reprodukcije zapisa; - kvalitet usluga - razliiti servisi imaju razliite zahteve prema mrei: videokonferencija ima glavni zahtev za to bri prenos podataka. Veliki znaaj u komunikacijama predstavljaju me unarodni standardi za prenos glasa, video signala i digitalizovanog glasa putem telefonskih mrea. Zbog potrebe velikog kapaciteta prenosa potrebno je vriti kompresiju audio i video signala prilikom prenosa. Veliki kapacitet prenosa je potreban zbog pomeranja slika koje sadre ogromnu koliinu informacija. Tako npr. jedna sekunda slike zauzima prostor priblian onome koji zauzima 5000 strana kucanog teksta, to je veoma mnogo za prenos i digitalnom telefonskom linijom.

A n a lo g n i u la z u CO D EC KA M ERA M O N IT O R A n a lo g n i iz la z iz C O D E C -a
M ik r o fo n
Z v u ~n ic i
P r e t v a r a n je a n a lo g n ih u d ig it a ln e s ig n a le C o n tro l Panel K o m p r e s ija K o d ir a n j e D e l je n j e u d v a s in h r o n iz o v a n a t o k a
P r e t v a r a n je d ig it a ln ih u a n a lo g n e s ig n a le D e k o m p r e s i ja D e k o d ir a n je R o m b in a c ija u je d a n t o k
2 x 6 4 k b /s fu ll d u p le x ( 1 2 8 k b /s )
D i g it a l n i o u t p u t 1 2 8 k b / s i in p u t 1 2 8 k b /s
K o n v e r t ir a p o d a t k e u I S D N p r o t o k o le
T e r m in a l a d a p te r k o r is n i~k i s a jt
T e r m in a l a d a p te r sa jt t e le k o m a
J e d in ic a z a m r e ` n o t e r m in ir a n je
NT1
Slika 6.7 - Proces prenosa audio i video signala pomou ISDN
78
Postoji nekoliko opteprihvaenih me unarodnih standarda kompresiju, pri emu je svaki za razliite primene: - JPEG (Joint Photograpfic Experts Group) - ITU - T (International Telekommunications Union Telekommunications Standards Sector) - MPEG - 1 (Motion Picture Experts Group type 1) - MPEG - 2 (Motion Picture Experts Group type 2) - MPEG - 4 (Motion Picture Experts Group type 4) - CODECS (Compression DECompression componentS).
za
CODECS predstavljaju standarde videokonferencije koji objanjavaju do detalja kompresiju i prenos podataka, koristei poslednja dostignua u tehnologiji. Na ovaj nain se postie zadovoljavajui kvalitet proizvoda potrebnih za videokonferenciju.
PRIMENA TEHNOLOGIJE VIDEOKONFERENCIJE

Primenom sistema videokonferencije u poslovanju preduzea menja se dosadanji nain obavljanja poslova. Videokonferencija je nala svoju primenu i u industriji, obrazovanju, zdravstvu, razliitim institucijama i sl. Tako na pr.: - u industrijskim preduzeima primena videokonferencije, izme u ostalog, doprinosi realizaciji projekta u planiranom vremenu (rukovodilac projekta moe koordinirati istovremeno vie projektnih slubi, koje se nalaze na razliitim lokacijama); - u obrazovanju videokonferencije omoguavaju realizaciju predavanja najeminentnijih univerzitetskih profesora, bez obzira na njihovu fiziku udaljenost i nemogunost njihovog linog prisustvovanja; - u zdravstvu primena videokonferencije omoguava, izme u ostalog, bolje pruanje usluga pacijentima od strane zdravstvenih radnika. Primena tehnologije videokonferencije u poslovanju preduzea nije statian proces, ciljevi se moraju stalno proveravati i meriti. Razlozi koji opredeljuju korienje sistema videokonferencije u poslovanju preduzea mogu se posmatrati i sa kvalitativnog i sa kvantitativnog aspekta. Znaaj primene tehnologije videokonferencije ogleda se i u sledeem: - poveanje produktivnosti i pouzdanosti izme u viestrukih sajtova; - sniavanje putnih trokova; - ostvarivanje profita. J. Mitchell [65] istie da postoji hijerarhija upotrebe videokonferencije, koja podrazumeva sledeih sedam nivoa: 1. nivo - videokonferencija kao mehanizam korporativne komunikacije
2. 3. 4. 5.
nivo - videokonferencija kao strategija utede novca nivo - videokonferencija za produktivnost zaposlenih nivo - videokonferencija za kolaborativni rad nivo - videokonferencija za pruanje usluga kojima su dodate vrednosti 6. nivo - videokonferencija da zadovolji najbolju svetsku tranju 7. nivo - videokonferencija za postizanje znaajnih prednosti. Na osnovnom nivou videokonferencija se koristi kao korporativni mehanizam za komuniciranje i utedu na putovanjima. Na viem nivou videokonferencija se koristi za ostvarivanje prednosti preduzea u odnosu na druga. Rezultati pokazuju da je primena tehnologije videokonferencije u veini preduzea na nekom od prva tri nivoa, a evidentna je injenica da se poslovanje moe poboljati samo kada organizacije ostvaruju vii nivo upotrebe ovog medijuma. Uoeno je vie razloga zato korisnici videokonferencije koriste samo medijume na niem nivou, ukljuujui injenicu da je tehnologija videokonferencije uvedena u poslovanje u ranim devedesetim godinama, kao podrka najviem rukovodstvu. Neki od tih razloga su sledei: - preduzea esto postavljaju suvie nisko svoje ciljeve vezane za videokonferenciju, zadovoljavajui se pri tom da je ovo komunikacijski mehanizam za sastanke i prezentacije; - tehnologija videokonferencije jo uvek nije zauzela svoje pravo mesto u poslovanju, odnosno jo uvek se ne koristi kao poslovni alat, kao to je sluaj sa telefonom, telefaksom ili e-mailom;
Prednosti primene videokonferencije

Dosadanja iskustva i istraivanja ukazuju na brojne prednosti koje se postiu primenom tehnologije videokonferencije u grupnom donoenju odluka. Primenom tehnologije videokonferencije mogu se reiti brojni teorijski i praktini problemi prisutni u organizovanju klasinih sastanaka na kojima se donose strateke odluke, imajui u vidu uee velikog broj menadera u radu grupa. Veliina grupe menadera koji uestvuju u donoenju odluka, predstvlja polemino pitanje. Neka iskustva ukazuju na to da je broj od 14 do 30 uesnika u grupi prihvatljiv sa aspekta efektivnosti i rfikasnosti, a i rad predstvlja zadovoljstvo za uesnike u procesu donoenja odluka. Divergentne aktivnosti kao to su prepoznavanje i ispitivanje kljunih problema, ili generisanje ideja, koriste primarno elektronsku komunikaciju, zbog toga to je njihov cilj brzo prikupljanje veeg broja ideja, informacija i miljenja. Za aktivnosti koje zahtevaju konvergentnu komunikaciju, kao to su dobijanje konsezusa i organizovanje ideja, a gde je cilj reavanje viestrukih i obino konfliktnih gledita, koristi se verbalna komunikacija i dodatno
80
pojanjavanje stavova. Poveremeno, lanovi grupe komuniciraju iskljuivo verbalno, a koriste elektronsku konferenciju kao elektronsku tablu za zapisivanje i strukturiranje izgovorenog verbalnog inputa. Prema tome, ema primene komunikacionih kanala je u funkciji ciljeva sastanaka, programa rada i primenjenog softvera. Kao jedna od prednosti videokonferencije izdvaja se i ravnopravnost uesnika. Ogleda se u poveanom ueu pojedinaca ukljuujui tu i pristup podacima, sakupljanje, sintezu i prezentiranje. Svi uesnici imaju jednake mogunosti za unoenje inputa u bilo koje vreme, tokom elektronske komunikacije, pri emu je bilo kom pojedincu onemogueno da ogranii doprinos ostalih ili da dominira diskusijom. Tokom videokonferencije grupe menadera su orjentisane na zadatak i interakcija varira u zavisnosti od softverskih alata koji se koriste i od ciljeva sastanka. ime se svode na minimum nepovoljni efekti vezani za razvodnjavanje, pad koncentarcije i panju.
Ogranienja u primeni videokonferencije

Mnoge svetske kompanije koje ele da ostvare konkuretsku prednost i kojima su trenutne, aktuelne informacije neophodne za uspeno poslovanje, koriste prednosti savremenih informacionih tehnologija, odnosno investiraju milione dolara u sisteme videokonferencije. Me utim, samo investiranje u ove sisteme nije dovoljno ve zaposleni moraju posedovati odgovarajua znanja, odnosno moraju znati zato, kada i kako da koriste sisteme videokonferencije. Istraivanja su pokazala da se u veini kompanija u kojima je instaliran i uveden sistem videokonferencije, isti ne koristi od strane zaposlenih. Razlozi ne korienja se pre svega odnose na to da zaposleni nisu upoznati sa svim mogunostima videokonferencije, zatim da ne poseduju odgovarajua znanja iz ove oblasti, kao i da se teko odluuju da promene dosadanji nain poslovanja. Neki od razloga su uoeni prilikom istraivanja iji je cilj bio da se utvrdi kakav je odnos velikih kompanija prema tehnologiji videokonferencije [68]. Istraivanje je sprovedeno u sedam velikih vedskih kompanija: "Electrolux", Ericsson", "Skandia", "Swedish Post", "Swedish Railways", "The Swedish Parliament", "Telia". Ovom prilikom izdvojeno je oko 30 preporuka koje mogu uticati na uspenost primene tehnologije videokonferencije u preduzeu (Zato, kada i kako je koristiti?). Neke od tih preporuka su: - uvo enje pravila sastanaka; - informisanje zaposlenih o videokonferencijama; - ocenivanje zadovoljstva korisnika; - prouavanje fizikih sastanaka; - isticanje korporativne startegije i sl.
PRIMERI OPREMLJENOSTI PROSTORA ZA REALIZACIJU VIDEOKONFERENCIJE

Jedan od preduslova za realizaciju videokonferencije je adekvatno opremljena prostorija za videokonferenciju. Veina prostorija za videokonferenciju projektovana je tako da moe da se koristi i za tradicionalne sastanke i kao okruenje za kolaborativne sastanke, podrano savremenim softverskim reenjima. Adekvatno opremljena prostorija za videokonferenciju podrazumeva: - dovoljan broj mesta za sve uesnike sastanka, - odgovarajui nametaj za timski rad sa kliznim i pokrivenim tastaturama i LCD monitorima sa pivot poklopcima, - kolaborativne softverske aplikacije, - elektronske i standardne "bele ploe"("white board"), - mobilne kompjuterske sisteme, - dualne projektore velikih ekrana, - audiokonferenciju, - pristup Web-u sa svih strana stola, - jednostavne sisteme kontrole radi olakavanja svih aktivnosti i dr. Neka od moguih reenja opremanja prostora za videokonferenciju bie prikazana u nastavku. Centar za strateko planiranje - Ovaj prostor je projektovan i realizovan od strane VSE, ime je za 30% povean broj radnih stanica, bez poveanja povrine prostorije. Fleksibilnost ovog okruenja omoguavaju korisniki orjentisane VSE TPP radne stanice, mreni sistem kablova i mobilnih CPU. Ovo okruenje ukljuuje audiokonferenciju, pristup Web-u sa svih strana stola, projekcije sa dualnim ekranima, automatizovan sistem kontrole za sve funkcije u prostoriji, kao i elektronsku i standardnu "white board".
82
Slika 6.8 - Centar za strateko planiranje
Centar za nezavisnu verifikaciju i validnost (IV&I Center) - Ovaj centar je otvoren od strane Poreske uprave u Vaingtonu. Sadri osobine VSE Timske Platforme, kombinuje tehnologiju i napredne tehnike radi poveavanja inovativnosti i efikasnosti odluivanja. Ovaj sistem sadri kolaborativne softverske aplikacije, elektronske i standardne "bele ploe", mobilne kompjuterske sisteme, dualne projektore velikog ekrana i jednostavne sisteme kontrole radi olakavanja svih aktivnosti. GDSS obezbe uje da se rad ove slube zaista unapredi kroz efktivnu upotrebu ovog IV&I Centra.
Slika 6.9 - Centar za nezavisnu verifikaciju i validnost
6.7. DSS KAO INTEGRATOR INFORMATIKIH I UPRAVLJAKIH PROCESA

Jedan od pravaca razvoja DSS jeste i pribliavanje i integracija dva, doskora odvojena trenda obrade podataka (data processing), koja je proizvela kritinu masu znanja o upravljanju podacima, i upravljake nauke (management science), koja je proizvela kritinu masu znanja o modeliranju. Spajanjem ta dva trenda nastaju dva osnovna resursa sa kojima donosilac odluke ostvaruje dijalog u procesu odluivanja. Ovi elementi: podaci, modeliranje i interakcija (dijalog), ine zapravo paradigmu dijalog-podaci-model, koja je osnova DSS. Razvoj obrade podataka, poslednjih decenija, tekao je od bazinih obrada do upitnih jezika. Manjim ili veim koracima, razvijalo se i modeliranje.
Ono to je ve sada vidljivo i izvesno, to je konvergencija ovih evolucija. Ranije brojne diskusije o "podacima orijentisanim DSS" nasuprot "modelima orijentisanim DSS" postae bespredmetne DSS e predstavljati potreban balans izmeu ovih trendova. Na razvojnom putu oba trenda nalazi se vetaka inteligencija koriena kao sredstvo za organizaciju i upravljanje bazama podataka, ili kao sredstvo za generisanje modela, ali i kao sredstvo za razvoj dijaloga ukljuivanjem tehnika prirodnog jezika i prepoznavanja glasa. Imajui ovo u vidu, u daljem tekstu bie opisani informacioni sistemi orjentisani ka izvriocu (Executive Information Systems EIS) i ekspertni sistemi.
Pitanja: 1. ta je sistem za podrku odluivanju? 2. Koje su prednosti primene sistema za podrku odluivanju? 3. ematski prikazati osnovnu strukturu sistema za podrku odluivanju. 4. ta je podsistem za upravljanje podacima ? 5. ta je podsistem korisnikog interfejsa ? 6. ta je to model odluivanja ? 7. ta je organizacioni DSS ? 8. ta je sugestivni DSS ? 9. ta je funkcionalni DSS ? 10. Koje su osnovne karakteristike Web orijentisanih DSS-a? 11. Koji su osnovni tipovi korisnika DSS-a ? 12. ta ukljujuuje grupni model odluivanja ? 13. ta je GDSS ? 14. ta je to videokonferencija? 15. Koje su prednosti primene tehnologije videokonferencije u poslovnom odluivanju? 16. Koja su ogranienja primene tehnologije videokonferencije u poslovnom odluivanju? 17. Koje osnovne zahteve treba da ispuni prostorija za videokonferenciju?
84
7. IZVRNI INFORMACIONI SISTEMI

Kao to je prethodno reeno, DSS sistemi su prvenstveno namenjeni za periodine analize podataka, planiranja i predvi anja u okviru stratekog i taktikog nivoa menadmenta. Operativni (izvrni) nivo i njegov krug zadataka najee nisu pokriveni DSS sistemom. Ukoliko izvrni menader eli dobiti informacije za donoenje odluka na svom nivou, on te informacije mora zatraiti od analitiara ili osoblja stratekog menadmenta. Tada se javlja problem pravilne formulacije zahteva i me usobnog razumevanja, kao i neblagovremenosti dobijenih informacija. Oigledno se javlja potreba za jednim sistemom koji bi predstavljao front-end nivo za DSS i koji bi ubrzavao odgovor na situacije izvrnog odluivanja koje zahtevaju brzinu i efikasnost. Ovakvi sistemi su poznati pod imenom Izvrni DSS (Executive Information Systems EIS, tj. Executive Support Systems ESS). Informacioni sistemi namenjeni izvriocima (Executive Information Systems EIS) su sistemi iji je osnovni zadatak da obezbede tekue i odgovarajue informacije menaderima koji donose izvrne odluke u mrenom okruenju. Pri tome se posebno obraa panja na grafiki prikaz i jednostavnost korienja interfejsa pomou kojih se prezentuju podaci smeteni u odgovarajuim bazama podataka. Jednostavno reeno, EIS su alati pomou kojih se dobijaju zbirni izvetaji namenjeni izvriocima. S druge strane, Executive Support Systems (ESS) je sveobuhvatan sistem za podrku odluivanju koji prevazilazi granice EIS-a, ukljuujui komunikacije, office automation, podrku analizi podataka i inteligentne komponente. Dakle, EIS je kompjuterski sistem koji zadovoljava informacione potrebe krajnjih izvrilaca. On obezbe uje rapidan pristup pravovremenim informacijama i direktan pristup upravljakim izvetajima. EIS je user-frendly, grafiki podran, obezbe uje izvetavanje o izuzecima i ima mogunost drilldown-a. Obezbe uje povezivanje na Internet online servisima ili putem e-maila. Drill-down omoguava korisniku da projektuje podatke do detalja i na taj nain pomae u identifikaciji problema ili nekog doga aja.
7.1. KARAKTERISTIKE EIS

Osnovne karakteristike EIS se mogu svrstati u sledeih nekoliko kategorija: Drill Down. Jedna od najvanijih osobina EIS jeste obezbe ivanje pregleda detalja za bilo koju sumarnu informaciju. Naprimer, razmatrajui dnevni ili nedeljni izvetaj, izvrilac moe primetiti opadanje prodaje. Da bi naao razlog, izvrilac mora videti iznos prodaje po regionu. Kada identifikuje problematini region, on dalje istrauje prodaju po proizvodu ili prodavcu. Dakle, u razliitim situacijama drill down proces se odvija na razliitim nivoima detaljnosti. Drill down putanje je najbolje realizovati u stilu hypertexta, to ubrzava pristup podacima i eliminie dodatnu upotrebu mia, koja je karakteristina za stil padajuih menija. Critical Sucess Factors (CSF). Faktori koji moraju biti uzeti u obzir pri postizanju ciljeva koje je organizacija definisala jesu tzv. kritini faktori uspeha. Ovi faktori mogu biti strateki ili operativni, a izvode se iz tri izvora: organizacionih faktora, optih industrijskih faktora i iz faktora opteg okruenja. Faktori uspeha mogu biti korporacijski ili nieg nivoa, kao to su nivo pojedinane kompanije, odeljenja ili funkcionalne jedinice. Jednom identifikovani kritini faktori stalno se prate specijalnim vrstama izvetaja. Ovi izvetaji mogu biti bazirani na prezentiranju optih performansi, kljunih problema i moguih razloga tih problema putem tabela, grafikona ili formi. S druge strane, izvetaji mogu biti zasnovani i na procenama i preferencama korisnika ili na relevantnim pokazateljima finansijskog stanja kompanije u terminima apsolutnih brojeva ili komparativnih performansnih kolinika. Statusni pristup podacima. Podaci i izvetaji o kljunim indikatorima kod EIS-a moraju biti najnoviji, tj. trenutno aktuelni i relevantni. Ovo podrazumeva dnevno ili ak satno memorisanje transakcija i izvetavanje. Najee je zapravo nuno real-time izvetavanje. Analiza. Analitike mogunosti kod EIS sistema mogu biti realizovane pomou ugra enih funkcija za viedimenzionalne analize podataka i njihovo prikazivanje u vidu tabela ili grafikona. Drugi nain jeste integracija sa DSS proizvodima za viedimenzionalne analize, pri emu EIS eksportuju viedimenzionalne kocke OLAP alatima za budue analize. Trea mogunost jeste automatsko istraivanje i analiza podataka putem inteligentnih agenata. Ovakve analize su zasnovane na jednostavnim komparacijama, izraunavanjima relevantnih koeficijenata, otkrivanju trendova i drugo. Izvetavanje o izuzecima. EIS moraju posedovati mogunost skretanja panje izvriocima na pojavu odstupanja od standarda, bilo u pozitivnom ili negativnom smislu. Ovaj koncept je poznat kao upravljanje vo eno izuzecima. Naprimer, ukoliko varijansa prelazi definisani prag, ona se odmah naglaava, tj. izvrilac se upozorava, tedei na taj nain naknadno vreme i napor iscrpne
86
pretrage. Upotreba boja za naglaavanje kod EIS-a omoguava fokusiranje potencijalnih problema od strane izvrioca, zahtevajui pri tome njegovu osrednju panju. Upravljanje informacijama. Jednostavno i brzo pretraivanje velike koliine podataka predstavlja veoma vanu karakteristiku EIS-a. Ovu karakteristiku je najbolje realizovati koristei hipermedijalne alate. Komunikacije. EIS moraju podravati komunikacije u vidu e-mail-a, transfera izvetaja, pozivanja na sastanke, upotrebe Interneta i drugo.
7.2. UPORE IVANJE I INTEGRACIJA EIS, MIS I DSS

Ve smo istakli da se EIS ne moe poistovetiti sa MIS. Naime, MIS obezbe uje detaljne i sumarizovane informacije iz operativne baze podataka, pri emu su njegove mogunosti ograniene nefleksibilnou procesiranja transakcija, kao to su ogranienost na interne podatke pojedinih funkcijskih poslovnih oblasti, interval memorisanja transakcija i drugo.
OSTA LI KOMPJUTERSKI IZVORI Otkriv anje Interpretacije i KOMERC IJA LNE BAZE I INFORMAC IONI SERVISI IZVRSNI INFORMACIONI Trigger SISTEMI (EIS) SPO MENA DZMENT INFORMACIONI SISTEMI (MIS) KORISNIK NEKOMPJUTERSKI IZVORI
A naliza
Export
SKLA DISTE PODA TA KA (Data
TRA NSAKC IONA BAZA
Slika 7.1. ESS: Integrisanje EIS i DSS
Za razliku od MIS, EIS koristi interne i eksterne informacije, kao izlaz ima periodine i ad hoc izvetaje u konzistentnom formatu (u vidu prezentacija i grafikona), a kljune operacije su praenje CSF. Odnos izme u MIS i EIS je prikazan na prethodnoj slici. EIS je namenjen za podrku izvriocima u otkrivanju problema i doga aja, dok DSS podrava analizu sa ciljem da se prui odgovor na pitanje
ta sa otkrivenim problemom. Me utim, ovo ne znai da se one koriste kao nezavisni aplikativni sistemi. Naprotiv, najee se ove dve tehnologije integriu, obrazujui na taj nain kompletan ESS. Ova integracija moe biti realizovana na razliite naine. Jedan od naina je prikazan na prethodnoj slici. Kod predloenog modela integracije, EIS po otkrivanju problema ili kritinog doga aja pokree export relevantnih podataka u data warehouse, koji je specijalno dizajniran za potrebe analize identifikovanog problema. Izvrilac zatim koristi DSS u cilju analize podataka i izrade razumljivih izvetaja. Sofisticiraniji sistemi imaju i povratnu vezu od DSS prema EIS, koja vraa interpretacije i objanjenja problema. Danas se EIS koriste za otkrivanje problema, identifikaciju povoljnosti, predvi anje trendova i donoenje odluka zasnovanih na injenicama. Iako prvenstveno prikazuju sumarne podatke i izvetaje, EIS nude izvriocima i mogunost uvida u detaljne podatke. Osnovni cilj EIS je poboljanje kvaliteta i kvantiteta informacija potrebnih na izvrnom nivou. Ovo podrazumeva: poveanje pravovremenosti informacija, efikasan pristup operativnim podacima, bri pristup eksternim bazama podataka, dobijanje sadrajnijih i relevantnijih informacija. Pogreno bi bilo, na osnovu ovako definisanog osnovnog cilja EIS-a, zakljuiti da su ovi sistemi zapravo upravljaki informacioni sistemi koji pruaju u svakom trenutku pravovremen i taan izvetaj iz tekuih, aktuelnih podataka. Ovi sistemi, naime, pokrivaju mnogo iri spektar zahteva i najea upotreba EIS-a je u domenu: podrke donoenju odluka u smislu obezbe ivanja aktuelnih i tanih podataka u smislenom formatu; planiranja u smislu definisanja plana rada, organizovanja sastanaka i drugog; upotrebe e-mail-a i elektronskih briefing-a. Dakle, pored osnovnog cilja, EIS poboljavaju performanse izvrnih poslova obezbe ujui komunikacije, poveavajui efektivnost i efikasnost izvrioca, smanjujui broj sastanaka i potroeno vreme, omoguavajui izvrno planiranje, organizovanje i kontrolu i fokusirajui panju izvrioca na otkrivene probleme.
Pitanja:
1. ta je zadatak EIS ? 2. Koje su karakteristike EIS ? 3. Koji su ciljevi EIS ?
88
4. Zata se danas EIS najvie koriste?
8. EKSPERTNI SISTEMI
Pod ekspertnim sistemima podrazumeva se uspostavljanje unutar raunara dela vetine nekog eksperta koji se bazira na znanju i u takvom obliku da sistem moe da ponudi inteligentan savet ili da preuzme inteligentnu odluku o funkciji koja je u postupku. Ekspertni sistem poseduje i karakteristiku da na zahtev verifikuje svoju liniju rezonovanja, tako da direktno obavetava korisnika koji postavlja pitanje. Drugim reima, ekspertni sistem je inteligentni raunarski program koji koristi znanje i postupke zakljuivanja u procesu reavanja problema, i to takvih problema za ije je reavanje potreban visok stepen strunosti i iskustva iz domena kome se ekspertni sistem obraa. Naziv ekspertni upravo potie odatle to se ovi sistemi ponaaju kao vrhunski strunjaci (engl. expert) na svom podruju. Njegovu osnovu ini poseban softver koji modelira one elemente ovekovog reavanja problema za koje se smatra da ine ovekovu inteligenciju: zakljuivanje, prosu ivanje, odluivanje na osnovu nepouzdanih i nepotpunih informacija i tumaenje svog ponaanja. Upravo ova poslednja osobina, koja pored obinog reavanja problema omoguava interaktivno savetovanje o problemu izme u sistema i korisnika, jeste znaajna novost po kojoj se ekspertni sistemi i najvie razlikuju od svih prethodnih tipova informacionih sistema. U nazivu stoji ekspertni sistem, a ne ekspertni program, jer se sastoji iz vie delova: dela za reavanje problema (baza znanja, mehanizam zakljuivanja i globalna baza podataka) i okruenja. Najvaniji elemenat okruenja je korisniki interfejs, koji pomae korisniku u ve pomenutom interaktivnom savetovanju sa delom za reavanje problema. Korisniki interfejs moe sadravati i dodatna sredstva, kao to su: sredstva za otkrivanje greaka u razvoju sistema (debbuging aids), grafike mogunosti prikaza rezultata, postavljanje pitanja uz pomo slike i dr.
90
8.1. INENJERSTVO ZNANJA

Sveukupnost proces izgradnje ekspertnog sistema naziva se inenjerstvo znanja, time se obuhvata skup metoda i postupaka koje se odnose na prikupljanje, raunarsko predstavljanje i memorisanje, kao i upotrebu ljudskog znanja u reavanju sloenih problemskih situacija. Taj proces ukljuuje posebnu vrstu interakcije izme u graditelja ekspertnog sistema, koga zovemo inenjer znanja, i jedne ili vie osoba koje su eksperti u odre enoj problemskoj oblasti za koju se ekspertni sistem izgra uje. Inenjer znanja od eksperata "vri ekstrakciju" njihovih procedura, strategija i postupaka za reavanje problema i ugra uje to znanje u ekspertni sistem. Rezultat procesa je skup programa koji reavaju probleme u datoj oblasti na nain kako to radi ovek-ekspert. Kao to je prikazano na sledeoj slici, u proces izgradnje ekspertnog sistema ukljueni su: ekspert, inenjer znanja i korisnik. U celom poslu vano mesto zauzima i alat za izgradnju ekspertnog sistema, a ne sme se zaboraviti ni sam ekspertni sistem.
EKSPERT
proiruje i testira
interv.
INENJER ZNANJA
izgra uje popravlja i testira
EKSPERTNI SISTEM
koristi
KORISNIK
dodaje podatke
OSOBLJE
ALATI ZA IZGRADNJU EKSPERTNOG SISTEMA
Slika 8. 1. Uesnici u izgradnji ekspertnog sistema
Svi ovi elementi utiu na dalji razvoj MIS jer moemo prepoznati dva oblika menadera: menader ekspert, koji uestvuje u izgradnji ekspertnog sistema, i menader korisnik, koji koristi postavljeni ekspertni sistem. Ekspert je osoba koja je stekla reputaciju u svojoj oblasti zbog strunih sposobnosti kvalitetnog reavanja problema. On koristi svoje znanje, sposobnosti i vetine steene kroz bogato iskustvo da skrati proces pronalaenja reenja. Znanje eksperta je nadgradnja znanja koje se moe dobiti itanjem knjiga. On ne moe uvek da objasni razloge svoje odluke, ne zato to ne eli da ih objanjava, ve zato to se opredeljuje intuicijom. On verovatno zna mnogo vie nego to je svestan. Ekspertni sistem treba da obuhvati i objedini te sposobnosti, vetine i iskustvo jednog ili vie eksperata. Znanje se, naravno,
moe prikupljati i iz strunih knjiga i nauno - strunih asopisa. Inenjer znanja je osoba koja poznaje oblast raunarskih nauka i vetake inteligencije i zna kako se izgra uju ekspertni sistemi. On kroz pitanja i razgovore sa ekspertom od njega prikuplja znanje, organizuje ga, odluuje kako e ono biti prikazano u sistemu i pie programe, sam ili uz pomo ekipe programera. Korisnik je osoba koja koristi ekspertni sistem, kad se on jednom zavri. Osoblje ukljuuje sve one koji unose podatke u sistem (operateri, sekretarice i sl.). Alat za izgradnju ekspertnih sistema je programski jezik koji koristi inenjer znanja i/ili programer da bi taj sistem izgradio. Pod alatom se podrazumevaju i svi usluni programi koji su na raspolaganju (editori, debageri, sredstva za izdvajanje znanja, grafika i dr.). Razvijeni su specijalizovani alati za izgradnju ekspertnih sistema, koji se nazivaju "koljke" (shells). Ovi alati se razlikuju od konvencionalnih programskih jezika po tome to obezbe uju odgovarajue naine za predstavljanje sloenih koncepata i elemenata znanja.
8.2. KOMPONENTE EKSPERTNOG SISTEMA

Ekspertni sistemi treba da realizuju tri glavna zadataka inenjerstva znanja: prezentacija i memorisanje velike koliine znanja problemske oblasti u raunar, aktiviranje korienja znanja problemske oblasti za reavanje problema, odgovor na korisnikovo pitanje. Osnovne komponente ekspertnog sistema su: Baza znanja (knowledge base) Mehanizam zakljuivanja (inference engine) Komunikacioni interfejs Globalna baza podataka Na sledeoj slici prikazane su komponente ekspertnog sistema.
92
KORISNIK
EKSPERTNI SISTEM
KOMUNIKACIONI INTERFEJS
MEHANIZAM ZAKLJUIVANJA BAZA ZNANJA
GLOBALNA BAZA PODATAKA
Slika 8.2. Komponente ekspertnog sistema
Baza znanja (knowledge base) baza injenica i heuristika u podruju za koje je namenjen ekspertni sistem, pridruenih problemu. Baza znanja ukljuuje injenice, relacije izme u injenica i mogue metode za reavanje problema u oblasti date aplikacije. Mehanizam zakljuivanja (inference engine) softver sposoban da sredi informacije iz baze znanja i da na osnovu toga izvue zakljuke. On radi tako to injenice iz baze znanja kombinuje sa informacijama dobijenim od korisnika u cilju izvo enja specifinih zakljuaka. Pri radu se koriste kontrolne strategije, koje odluuju u kom trenutku treba primeniti neko od pravila iz baze znanja na nove injenice dobijene tokom konsultovanja sa korisnikom. Na ovaj nain se simulira ljudsko razmiljanje. Komunikacioni interfejs deo koji omoguava dijalog izme u donosioca odluke (korisnika) i sistema. Sa jedne strane slui da korisnik u toku rada sistema dostavi informacije koje sistem iz baze znanja nije uspeo da dobije, a sa druge strane omoguava korisniku da za svaku odluku ekspertnog sistema trai dodatno objanjenje o tome koji su ga zakljuci vodili da donese takvu odluku. Globalna baza podataka radna memorija za beleenje trenutnih statusa sistema, ulaznih podataka za odre eni problem i relevantnih elemenata iz dotadanjeg rada. Ona uva injenice i zakljuke dobijene tokom tekue ekspertize. Razlikuje se od baze znanja po tome to sadri informacije koje se odnose iskljuivo na tekui problem odluivanja.
8.3. SVOJSTVA EKSPERTNOG SISTEMA

Srce svakog ekspertnog sistema je znanje akumulirano u procesu izgradnje tog sistema. "Znanje" ekspertnog sistema ine injenice i heuristika (iskustvo i oseaj za izbor reenja). injenice ine glavni deo podataka o prirodi sistema, njegovim aktivnostima i ciljevima koje sistem ostvaruje kroz te aktivnosti. Odre ene pojave i manifestacije regularnog i neregularnog stanja u sistemu imaju svoje uzroke i posledice i tako e se opisuju skupovima podataka. Svi ovi podaci uglavnom mogu biti raspoloivi, dokumentovani i verifikovani u domenu ekspertnog sistema. Heuristiku ine lina pravila rasu ivanja i vetina u izboru i donoenju odluka kojima se utie na promenu stanja sistema. Ona je uglavnom slabo dokumentovana i svojina je vrhunskih specijalista za oblast koju pokriva dati ekspertni sistem. Nivo performansi ekspertnog sistema je pre svega funkcija veliine i kvaliteta baze znanja tog sistema u kojoj su objedinjene injenice i heuristika, a ne odre enog formalizma zakljuivanja i postupka koji se koriste u pretraivanju injenica. U principu razlikujemo dva tipa znanja: eksplicitno znanje znanje dato u pisanoj ili drugoj prenosnoj formi i nalazimo ga u knjigama, asopisima i sl. Ovo znanje je obino prihvaeno kao univerzalno tano. implicitno znanje heuristiko znanje, ono znanje koje ovek ekspert gradi na osnovu iskustva i koje, kombinovano sa prvim tipom znanja, ini oveka ekspertom. Znanje je dostupno i moe se prenositi putem knjiga i lekcija.
EKSPERTI VISOKOG NIVOA
MOGUNOST OBUAVANJA
ZNANJA
MOGUNOST PREDVI ANJA
INSTITUCIONALNA
MEMORIJA
Slika 8.3. Opta svojstva ekspertnog sistema
94
Vano svojstvo ekspertnog sistema je ekspertiza visokog nivoa, koju obezbe uje kao pomo u reavanju problema. Ta ekspertiza predstavlja najbolja razmiljanja vrhunskih eksperata u datoj oblasti, sakupljena i ugra ena u program tako da u postupku reavanja problema mogu dovesti do preciznih i efikasnih reenja. Mogunost predvi anja je svojstvo koje proistie iz mogunosti da se ekspertni sistem koristi kao model za reavanje problema u datoj oblasti koji e, kao takav, davati odgovore na zadate probleme i pokazivati kako e se ti odgovori menjati zavisno od novih situacija. Celokupno znanje ugra eno u ekspertni sistem prikupljeno je kroz interakciju sa kljunim osobljem u nekoj slubi, odeljenju ili oblasti, tako da ono odslikava i tekuu politiku i nain rada te grupe. Na taj nain, ova kolekcija znanja postaje trajni zapis uskla enih najboljih metoda i postupaka koje ti ljudi koriste pri reavanju problema. I kad ti ljudi odu iz odre ene firme ovo znanje e ostati sauvano. Ovo je veoma vano u poslovnim sistemima, a kritino u vojsci i dravnim ustanovama zbog estih premetaja i izmene kadrova. Prikupljeno znanje je na taj nain postalo institucionalna memorija, koja ublaava (iako nikad ne moe potpuno ukloniti) nedostatke proistekle iz estih fluktuacija ljudi. Jo jedno vano svojstvo svakog ekspertnog sistema jeste i mogunost obuavanja. Ekspertni sistem moe biti oblikovan tako da omogui obuku za novodole kadrove. Oni ve imaju odre ena znanja i sposobnosti i potrebno je na njih preneti znanje i iskustvo prikupljeno i sauvano u bazi znanja u vidu institucionalne memorije. Neophodno je da program poseduje mogunost tenog, prijateljskog dijaloga sa ovekom, kao i ugra ene metode uenja. Ekspertni sistem moe biti podeen kako za obuku strunih ljudi, tako i za uvo enje u posao pridolih poetnika.
8.4. RAZLIKA OD KONVENCIONALNIH PROGRAMA

Dananji raunari reavaju zadatke logikom konvencionalnih programa. Programi se sastoje u osnovi iz dva dela: algoritam podaci. Algoritam odre uje kako reiti odre enu vrtu problema koristei niz tano definisanih pravila, a podaci karakteriu parametre u konkretnom problemu. Ljudsko znanje se ne uklapa u ovaj model. Sistemi na bazi znanja razlikuju se od konvencionalnih programa po nainu organizacije, po tome da je u njih ugra eno znanje, po nainu izvravanja i po efektu koji stvaraju kroz interakciju dijalogom.
Moe se, dakle, rei da je glavna razlika izme u konvencionalnih programa i ekspertnih sistema u tome to prvi manipuliu podacima, a drugi znanjem. Ostale razlike date su u sledeoj tabeli.
KONVENCIONALNI PROGRAM predstavlja i algoritamski koristi podatke, ponavljajui proces efikasno manipulisanje velikim bazama podataka znanje i metodi korisnikog znanja su izmeani znanje je organizovano u dva nivoa podaci i program u sluaju novog znanja potrebno je reprogramiranje
EKSPERTNI SISTEM predstavlja i heuristiki koristi znanje, proces zakljuivanja efikasno manipulisanje velikim bazama znanja model reavanja problema se pojavljuje kao baza znanja, a njom upravlja odvojeni deo mehanizam zakljuivanja (interpreter pravila) znanje je organizovano u bar tri nivoa podaci, baza znanja i mehanizam zakljuivanja novo znanje se dodaje bez reprogramiranja, proirivanjem baze znanja
Osim toga, konvencionalni programi su projektovani da svaki put daju konkretne rezultate. Ekspertni sistemi su projektovani da, uglavnom, daju korektne odgovore, a imaju i mogunost da ue na grekama. U konvencionalnim programima su implementirani potpuno definisani algoritam i jasan nain nalaenja reenja, ak i kad se koristi kompleksno grananje, rekurzivne petlje i dr. Uglavnom su poslovi koje obavljaju strunjaci takvi da ih, esto, nije mogue opisati u algoritamskoj formi. Strunjaci ne rade po vrstom planu, ve iskustvom i rasu ivanjem odluuju kako e se dalje reavati problem, ne "vide" kompletan postupak reavanja odmah. Ekspertni sistemi su zasnovani na strunoj vetini akumuliranoj u bazi znanja, tako da su u stanju da ponude inteligentan savet i na zahtev mogu objasniti svoju liniju rasu ivanja. U konvencionalnim programima, moduli (potprogrami) se me usobno pozivaju po fiksnom, unapred definisanom postupku. U ekspertnim sistemima moduli se ne pozivaju izme u sebe direktno. Moduli komuniciraju sa okruenjem podataka. Struktura dozvoljava simultano izvrenje nekoliko modula (onih koje aktivira trenutno stanje baze podataka).
96
Analogija sa ovekovim nainom reavanja problema

Da bi se uspostavile analogije sa ovekovim nainom reavanja problema, potrebno je odgovoriti na sledea pitanja: ta je pozajmljeno od oveka u izradi ekspertnih sistema? Koje su misaone aktivnosti eksperta u reavanju problema? Ko uestvuje u izgradnji ekspertnih sistema? ta je dobro u ekspertnim sistemima? Zato je potrebno ostaviti mesto oveka u ekspertnom sistemu? Na osnovu analiziranih aktivnosti oveka u nainu reavanja problema, mogu se definisati sledee grupe elemenata vanih za izgradnju inteligentnih sistema za donoenje odluka, i to: nivo opisa, priroda reenja, ocena situacije, kvantifikaciona oznaka, definisanje cilja, izbor i pretraivanje. Nivo opisa Moe se rei da ovekov nivo opisa situacije je u okvirima makropristupa, tj.to je apstraktni nivo kojim se vri grubo opisivanje. Polazne informacije za ovako uproen opis su u intuitivnom, dosta nejasnom obliku. Suprotan pristup u opisu bio bi mikropristup, gde bi se opisivanje vrilo na elementarnom nivou, ali bi ovo opisivanje bili veliko i teko za pretraivanje. Priroda reenja Drugi element je priroda reenja. oveku kao misaonom biu je nesvojstveno da misli i donosi odluke koliinski. On misli pre svega kvalitativno kada trai neko reenje, a koliinska odluka za njega igra pomonu ulogu. Ocena situacije Razliita znanja koja poseduje ovek sadre elemente ocene situacije. Pritom ovek prevodi konkretne koliinske karakteristike u uoptene kvalitativne, to se moe formulisati kao faza osmiljavanja situacije. Prilikom realizacije izabranog reenja postupak je suprotan, tj. uoptene kvalitativne karakteristike prevode se u konkretne koliinske i to se moe formulisati kao faza koliinske transformacije situacije. Na ovaj nain se eli uspostavljanje korelacija izme u opteg i posebnog. Na prvi nain se znatno skrauje prostor pretraivanja moguih reenja, a drugi omoguava realizaciju reenja i odraava se u tanosti jednoznane ocene.
Kvantifikaciona oznaka Kvantifikacione ocene su subjektivne verovatnoe kojima se pripisuje uestalost doga aja. Npr. moe se definisati sledea skala kvantifikacionih oznaka: 0.00 nikad se ne koristi 0.25 retko se koristi 0.50 ni esto ni retko 0.75 esto se koristi 1.00 uvek se koristi Izme u nivoa ovako grubo definisane skale mogue je definisati nijanse koje sadre svoje kvantifikacione vrednosti. Definisanje cilja Sledei element je definisanje cilja. Za realizaciju ovog elementa koriste se dva pristupa. Prvim pristupom zadatak je fiksiran na jednom kraju, tj. ako je zadato poetno stanje onda je potrebno nai konano stanje i ako je zadato konano stanje treba nai polazne podatke. Drugi tip zadatka je zadatak sa dva fiksirana kraja i karakterie se zadavanjem konkretnih polaznih podataka i konkretnog eljenog rezultata. Zadaci drugog tipa u traenju doputenih reenja su osnovni i tipini. Izbor Sledei element je izbor koji se vezuje za reavanje kompleksne ciljne strategije od vrha do dna po svim hijerarhijskim nivoima. Pretraivanje Poslednji element je pretraivanje. Apriori se ovaj problem vezuje za problem opisivanja, jer to je detaljnije opisivanje to je vie oteano pretraivanje i obrnuto. Ovo uslovljava izgradnju vieravanske kompleksne strategije pretraivanja. Ovaj pristup omoguava pribliavanje reenju putem hijerarhijskih jednoravanskih reenja razliitog stepena optosti, tj. dobijamo proceduru pretraivanja kao sekvencu dobijenih jednonivovskih reenja sa sve veim porastom stepena detaljnosti.
Prednosti primene ekspertnih sistema

Mogue je postaviti pitanje: zato razvijati ekspertne sisteme kad postoje ljudi eksperti? Na to pitanje pokuaemo da na ovom mestu damo odgovor definiui koje su to prednosti u primeni ekspertnih sistema. Postojanost Moe se rei da sposobnosti eksperta vremenom opadaju jer ovek stari, i nije uvek i permanentno u situaciji da dri korak sa tehnolokim promenama
98
dok su mogunosti ekspertnog sistema nezavisne od vremena, zdravlja ili emocija. Prenosivost Ekspertni sistem se projektuje tako da moe da prenosi znanja, dok to za jednog eksperta moe da bude teak, ponekad nereiv problem. Ekspert je strunjak za reavanje problema, a ne za objanjavanje svojih odluka i prenoenje iskustva. On za to najee nema vremena, sve i da hoe. Ekspertni sistem se projektuje tako da ima ugra enu mogunost da objasni kako je doao do neke odluke. Pouzdanost Pri donoenju odluke, ekspert moe da bude pod uticajem okoline i da bude subjektivan. Menader, naprimer, mora kvalitetno i efikasno da donese odluku, uprkos kratkoe vremena ili stresnih situacija kojima je izloen. Ekspertni sistem za iste ulazne parametre uvek donosi iste odluke. Na njega okolina ne utie, pa zato kaemo da je on konzistentan. Cena Ekonomski gledano cena ekspertnog sistema je niska u pore enju sa izdacima za rad eksperta. Tamo gde je potrebno mnogo strunjaka jeftinije je primeniti ekspertni sistem. Ujedno je lake obezbediti vie raunara nego obuiti strunjaka za neku oblast.
Prednosti oveka eksperta

Za nove probleme ekspert nalazi kreativna reenja i u stanju je da se adaptira na promene i novonastale situacije, dok ekspertni sistem moe da reava samo probleme iz uskog podruja za koje poseduje ugra eno znanje. ovek raspolae tehnikama pamenja koje mu omoguavaju da pojedine informacije svrstava u grupe, pa itavu grupu pamti kao jedan elemenat. Sposobnost asocijacije omoguava mu povezivanje odvojenih predstava tako da jedna izaziva drugu. ovekov nervni sistem je adaptivan i samouei, to mu omoguava uspeno snalaenje u novim i nepoznatim situacijama. Istovremeno, za novu vrstu problema ekspertni sistem je neefikasan, a esto i neupotrebljiv. Da bi mogao da reava nove situacije prvo mora da mu se proiri baza znanja odgovarajuim pravilima. Senzorske sposobnosti oveka Velika prednost oveka je to informacije prima svim svojim ulima: vidom, sluhom, dodirom i mirisom, a ekspertni sistem manipulie iskljuivo simbolima u vidu slova i brojeva. Percepcija je celovit ulni doivljaj objektivne stvarnosti. Na osnovu iskustva, ovek je u stanju da iz ukupno
percipiranih informacija izdvaja bitne od nebitnih i iz haotine mase utisaka organizuje celinu opaaja. ovek na ulni doivljaj stvarnosti odmah reaguje, poto su centri opaanja povezani sa centrima za motoriku. Percepciju je nemogue preneti na raunar (raunari imaju samo ogranienu mogunost unosa slike i zvuka). Sve one informacije koje ovek percipira ulima moraju biti transformisane u simbole. Ovom transformacijom gubi se znatna koliina informacija. Ekspertni sistem ne poseduje irinu sagledavanja problema. Fokusira se samo na glavni problem. Uzimanje u obzir delova koji se odnose na glavni problem, ali su odvojeni od njega, zahteva obradu velikog broja drugih, sporednih informacija. Zdrav razum Racionalan ovek se koristi zdravim razumom pri odluivanju i u tome je racionalno ekspeditivan. Naprimer, ako se pojavi nekakav nelogian podatak, on e ga odmah uoiti i bez oklevanja eliminisati iz daljeg razmatranja, dok ekspertni sistem mora da pretrai sve svoje podatke, da izgubi dosta vremena, da bi na kraju utvrdio nekonzistentnost podataka. Ako nekog oveka pitate za adresu ili telefon Vuka Stefanovia Karadia, on e vam se odmah nasmejati u lice. Ako isto pitanje postavite raunaru, on prvo mora da pretrai svoju celokupnu bazu podataka o licima i adresama da bi odgovorio da tako neto ne postoji. Postojei ekspertni sistemi imaju jo uvek znaajna ogranienja i zahtevaju intenzivan istraivaki rad kako bi se od laboratorijskog sistema dolo do radno upotrebljivog. Odlike veine postojeih ekspertnih sistema mogu se svesti na sledee: Ogranieni su na usko podruje ekspertize. Kako se podruje primene iri, tako broj mogunosti koje treba obra ivati eksponencijalno raste, a efikasnost sistema eksponencijalno opada. Jezici i sredstva za predstavljanje znanja imaju ograniene izraajne mogunosti. Interfejs ka korisniku (ulaz/izlaz) veine ekspertnih sistema je krut i nije na prirodnom jeziku. Proces izgradnje ekspertnog sistema nije dostigao naunu egzaktnost, ve jo uvek, u velikoj meri, zavisi od vetine pojedinca. Neophodno je postojanje strunjaka autoriteta u oblasti, radi odravanja konzistentnosti elemenata u bazi znanja koji se preklapaju. Opasnost od jednostranog vi enja predmetne problematike, s obzirom na uobiajeno oslanjanje na samo jednog strunjaka iz oblasti. Nepostojanost ponaanja, koja se ogleda u tome da i najbolji ekspertni sistemi mogu dati pogrene odgovore.
100
Oteano rukovanje veinom ekspertnih sistema. Zbog svojih ogranienja, ekspertni sistemi se prvenstveno koriste kao savetnici i asistenti u reavanju problema. U budunosti se oekuje vea postojanost ponaanja i vea autonomnost sistema, tako da se prevazi e uloga inteligentne pomoi.
8.5. OPRAVDANOST IZRADE EKSPERTNIH SISTEMA

Osnovna pitanja koja se postavljaju pred svakog budueg korisnika ekspertnih sistema (ES) su: Da li je ES pogodan za reavanje postavljenih zadataka? Koji su elementi odgovarajuih delatnosti najpristupaniji za izgradnju ES? Jedan od najvanijih zahteva je da u izgradnji ES uestvuju vrhunski specijalisti iz svoje oblasti. To su ljudi koji imaju veliko iskustvo profesionalnog rada u analiziranoj predmetnoj oblasti. Bez takvih saradnika, rad na izgradnji ES moe biti uzaludan. Sledei bitan element je da se ocene pojedinih eksperata u osnovi podudaraju. Eksperti moraju znati da jasno objasne metode koje koriste pri reavanju zadataka definisane predmetne oblasti. Ako su odgovori nejasni, specijalisti za izgradnju ES nee uspeti da "preuzmu" znanja i ugrade ih u odgovarajue programe. Sledea karakteristika vezana je za zadatke koje e ES izvravati. Izgra eni ES zahteva intelektualnog a ne fizikog poetnika. Me utim, ako zadatak zahteva inteligentnog i fizikog poetnika, kao naprimer upravljanje mehanikim manipulatorima, opsluivanje konvejera, to se intelektualni deo zadatka reava metodama inenjerstva znanja, a fiziki obinim tehnikim metodama. Sledea karakteristika je da postavljeni zadatak ne sme da bude isuvie teak. Ako ekspert ne moe izvriti obuku poetnika odgovarajue kvalifikacije (ako mu je zadatak nerazumljiv), ili ako su ekspertu potrebni dani i nedelje a ne asovi za reavanje problema, to je verovatno isuvie sloeno i za inenjera znanja koji treba da izvri projektovanje ES. Me utim, ako je mogue izvriti dekomponovanje zadatka na podzadatke, onda za svaki podzadatak moe biti izgra en odgovarajui ES. Opravdanost izrade ES je u prvom redu vezana za mogunost poveanja prihoda. Tipian primer je izgradnja ES za ispitivanje rudnih bogatstava, kojima se mogu otkriti bogata nalazita. Izgradnja ES je opravdana i u onim sluajevima ako nema na tritu dovoljno eksperata a njihove usluge su skupe.
ES veliku opravdanost imaju i u onim zadacima gde je potrebno na vie mesta imati eksperte, kao naprimer na platformama za istraivanje nafte, gde na svakoj platformi mora biti makar jedan specijalista. Na kraju, razrada ES je opravdana i u sluajevima nepogodnim za oveka, kao to su atomski reaktori, kosmike stanice ili poseta drugim planetama. Kljuni faktori u opredeljenju smisla izgradnje ES su karakter, sloenost i irina postavke zadatka koji je potrebno reiti. Karakter ES mora biti takav da se reavanje zadatka izvodi manipulacijom simbolima i simbolikim strukturama, to je i osnovna razlika od klasinog programiranja. Tako e je veina zadataka heuristika po svojoj prirodi. Zadaci koji se mogu reiti korienjem algoritama, tj. formalnih procedura, garantujui dobijanje tanog reenja svaki put kada se primenjuju, nisu pogodni za izgradnju ES. Izgradnja ES ima smisla samo onda ako su se sva ostala sredstva pokazala neprimenjivim. S druge strane, ES ne treba ni da budu suvie laki. To mora biti ozbiljan zadatak, gde je potrebno da ovek potroi godine uenja i praktinog rada da bi postao ekspert u konkretnoj predmetnoj oblasti. Na kraju, za izgradnju ES mora se postaviti zadatak dovoljne irine. Dakle, on mora biti toliko uzak da bi se napravio, a i dovoljno irok da bi predstavljao praktini interes. Naalost, irina je ograniena odgovarajuom predmetnom oblau. Najvee konice u razvoju ES su prvenstveno ljudske prirode, jer ljudski eksperti imaju utisak da im se eli oduzeti njihovo znanje. Jedan svetski priznati strunjak za oboljenja visokog arterijskog pritiska jedino moe poveati znanje ES jer raspolae brojnim dosijeima retkih sluajeva. S druge strane, vre se pokuaji da u jednostavnim sluajevima, kao npr. obrada oboljenja soje, kompjuter sam izra uje pravila. Registruje se spoljanji izgled biljke u odre enom trenutku, stanje terena, klimatske prilike u nekoliko poslednjih nedelja itd., kao i obrada koju je potvrdio strunjak, a program sam gradi pravila potrebna za izradu dijagnoze i njoj pridruene obrade, do nivoa od 30 pravila. U poslednje vreme ine se pokuaji da se ES me usobno nadgra uju ako imaju isti jezik definisanja baze znanja. Poznat je jedan ES sposoban da istovremeno obra uje probleme iz podruja geologije, kombinatorne analize i brida. Perspektiva razvoja ES je da bude vei "ekspert" u nekom odre enom trenutku od bilo kog ljudskog eksperta. Ovo se pokuava postii tako to baza znanja treba da poseduje znanja veeg broja strunjaka, ija se iskustva i znanja
102
sistematizuju u zajedniku osnovu. No, sa druge strane preti opasnost i od nekih kontradikcija i nekoherentnosti u bazi znanja. Jo uvek ne postoji sistem za sticanje znanja razvijen za kompjuter ni priblino slian ljudskom nainu. Jo uvek su ES loi u npr. itanju knjiga, prisustvovanju sastancima, diskusiji sa svojim "kolegama" itd. No, sa druge strane, ES esto moe pruiti bolju informaciju od oveka eksperta jer se ne zamara, ne stari, i nepogreiv je na svom maksimalnom nivou kompetencije. U medicini i geologiji ES ve sad imaju u veini sluajeva performanse koje se mogu ravnopravno upore ivati sa najboljim svetskim strunjacima. Me utim, u nekim sluajevima radi se o tome da se strunjaci ne slau u pojedinim reenjima. Tako je pet strunjaka koji ne pripadaju ekipi koja je izradila ES na podruju medicinske dijagnostike Mycin izvrilo na bazi petnaest sluajeva ocenu sistema. U 72% sluajeva ocenjeno je da je ES odlian. Inae, u bolnici u Stanfordu lekari direktno potpisuju lekarske nalaze koje izra uje ES. Prilikom izrade ES potrebo je uvati se "kombinacionih eksplozija", jer se moe dogoditi da za bazu znanja na nivou od 500 pravila i 500 injenica vreme izraunavanja bude neprihvatljivo. S druge strane, ponekad je sloeno upravljati i mehanizmom za zakljuivanje, jer on mora da omogui ekspertu da svoja znanja definie u obliku pravila na "vlastitom" jeziku i na taj nain uini ga nezavisnim od informatiara.
Kada je razvoj ekspertnih sistema mogu i opravdan

Evidentno je da su ekspertni sistemi su jo uvek nova oblast u primeni raunara, pa malo zbog neznanja, a malo zbog preterivanja, postoji tendencija da se ekspertnim sistemom naziva i ono to nije ekspertni sistem. Isto tako, ekspertnim sistemima se pokuavaju reiti problemi koji nisu podesni za reavanje pomou njih. Me utim, ekspertni sistemi nisu svemogui i postoje ve reena jasna ogranienja njihove primene. Ne moe se ekspertni sistem projektovati za svaku primenu, ni za svaki obim posla. Kada se onda to ini? To se ini ako je razvoj mogu, opravdan i odgovarajui. Da bi razvoj ekspertnog sistema bio mogu, potrebni su sledei uslovi: reavanje problema ne zahteva rasu ivanje zdravog razuma, zahteva misaone vetine, eksperti mogu da definiu metode reavanja problema i oni su jedinstveni, problem nije suvie sloen, problem je razumljiv. Razvoj ekspertnog sistema je opravdan ako:
postoji ekonomska isplativost, ekspertni sistem se razvija za praktinu namenu, eksperti esto naputaju radno mesto, eksperti su retki, potrebna je ekspertiza na mnogo mesta, radno mesto je nepodesno ili ak tetno za oveka, zbog kontaminiranosti ili drugog razloga koji ugroava ivot, pa oveka zamenjuje raunar. Razvoj ekspertnog sistema je odgovarajui u sluaju da: reavanje problema zahteva rukovanje simbolima, koriste se heuristika reenja, problem nije suvie jednostavan, reenje ima praktinu primenu, reavanje problema nije suvie obimno.
Odnos Sistema za podrku odluivanju i Ekspertnih sistema

U savremenom okruenju podrazumeva se da je svaka ozbiljna, profesionalna delatnost podrana osmiljenim, najee raunarom podranim informacionim sistemom. Dakle, informacioni sistem koji vri akviziciju, belei transakcije i prua izvetaje o stanju realnog sistema smatra se realnou koja prua potrebne, ali ne i dovoljne uslove za odluivanje. Iz tih razloga je zapravo i dolo do razvoja disciplina o kojima je re DSS i ekspertnih sistema (ES). DSS pretpostavlja postojanje neke vrste baznog informacionog sistema nad koji se nadgra uje. S obzirom na kompleksnost problema koje obra uje, to obino znai raunarski i interaktivni sistem rada, mada u principu (ali samo teoretski) raunar nije neophodan uslov funkcionisanju DSS.
Karakteristika Cilj Predmet Ko formira odluku? Metod manipulacije Domen problema Tip problema Sadraj baze podataka Sposobnost rezonovanja DSS poboljanje strukture odluivanja slabo strukturirani problemi ovek i/ili sistem numeriki kompleksni ad hoc, pojedinani injenina znanja nema ES
dobro strukturirani problemi sistem simboliki integralni repetitivni proceduralna i injenina znanja da, ogranieno
104
Sposobnost objanjenja IZLAZ
ograniena podaci kao podrka odluivanju
da zakljuak (odluka)
Slika 8.4. Osnovne komparativne razlike DSS ES
Osnovni cilj DSS i ES je u osnovi isti, utoliko to je namena oba sistema poveanje kvaliteta odluivanja. Ipak, filozofija koja lei u osnovi njihove izgradnje je dosta razliita. Cilj DSS je da podri korisnika kod donoenja (slabo struktuiranih) odluka, obezbe ujui mu brz i jednostavan pristup do podataka, modela i znanja. Na drugoj strani, cilj ES je da obezbedi korisniku zakljuak ili odluku koja je tana u svako doba (ili bar tanija od bilo koje koju bi korisnik mogao da donese bez ES). Dakle, DSS pomae pri odluivanju, dok ES "odluuje". Osim toga, ES se ne moe koristiti kod slabo struktuiranih procesa odluivanja. Pore enjem operativnih razlika, zakljuujemo da DSS dozvoljava korisniku suoavanje sa problemom na lian, fleksibilan nain, obezbeujui mu mogunost manipulacije podacima i kontrolu njihove upotrebe u toku procesa odluivanja. ES korisniku ostavlja malo, ili nimalo, fleksibilnosti pri analizi problema. Umesto toga, izvodi se odgovarajui segment znanja na nain koji je odre en mehanizmom za zakljuivanje. S obzirom da ES deluje kao nezavisan konsultantski sistem, a DSS kao mehanizam za podrku odluivanju, njihovi koncepti ni u kom sluaju nisu opreni; sve vie se radi na njihovom pribliavanju do integrisanja, po nekoliko osnova: ES moe biti generator alternativa samostalno ili kao deo DSS, ali i obratno, memorisano znanje i odgovarajua pravila DSS mogu postati deo ES. Hoe li ES dominantno postati deo DSS, ili obrnuto, nije u krajnjoj liniji od presudnog znaaja.
8.6. OBLASTI PRIMENE EKSPERTNIH SISTEMA

U svetu postoji veliki broj ekspertnih sistema, razvijenih u raznim podrujima ljudskog delovanja. Najvie ih je u medicini, zatim u hemiji i vojnim naukama. Osim toga, razvijeni su i u elektronici, matematici, zatim u geologiji, poljoprivredi, pravu, meteorologiji, fizici, svemirskoj tehnologiji, raunarstvu, za upravljanje proizvodnim i drugim procesima itd. U zavisnosti od tipa problema koje reavaju, primena ekspertnih sistema moe se svrstati u nekoliko oblasti. Oblasti se preklapaju pa ih ponekad nije mogue sasvim razdvojiti. Isto tako, postojei ekspertni sistemi esto reavaju vie tipova problema, pa ih je teko jasno razdvojiti. Ipak, moe se rei da, prema tipovima problema koje reavaju, postoje sledee vrste ekspertnih sistema: sistemi za interpretaciju, dijagnostiki sistemi,
sistemi predvi anja, sistemi projektovanja, sistemi planiranja, sistemi nadzora, sistemi otklanjanja greaka, sistemi za uenje i sistemi upravljanja.
Pravci razvoja
Razvoj ekspertnih sistema u budunosti e svakako vitalno zavisiti od brzine njihove integracije sa tradicionalnim oblastima obrade podataka, kao to su baze podataka, jezici IV generacije i slino. Tendencija je da se ekspertni sistemi shvate kao standardni deo alata koji se koriste u razvoju sloenih softverskih proizvoda, odnosno da veina buduih softverskih proizvoda bude na neki nain inteligentna. Svakako, ekspertni sistemi namenjeni za ekspertnu konsultaciju korisnika u najrazliitijim oblastima primene i dalje e se nezavisno razvijati. Interesantan pravac razvoja ekspertnih sistema predstavljaju i takozvani sistemi isporuke znanja (knowledge delivery system). Oni faktiki nisu bazirani na lancu zakljuivanja korienjem velikog broja pravila. Ovde je zakljuivanje u jednom koraku jer se za svaku moguu premisu vezuje odgovarajui zakljuak, te se brzim pretraivanjem i upore ivanjem zadate premise sa postojeim u bazi znanja dolazi do odgovarajueg zakljuka. Implicitno, ovde se pretpostavlja da je znanje po sebi ono to je bitno, a da je postupak zakljuivanja u osnovi trivijalan jer je baziran iskljuivo na formalnoj logici. Ovakav pristup otvara mogunost izrade specijalizovanih sistema za isporuku znanja, recimo za dijagnostiku kvarova televizora, videorekordera i slino, koji e se kupovati kao to se danas kupuju knjige, prirunici za opravku pojedinih ure aja. Izdavake kue e poeti sa izdavanjem ovakvih sistema na identian nain kako se izdaju i distribuiraju knjige, izdavajui nova, dopunjena i prera ena izdanja sistema za isporuku znanja u konkretnoj oblasti. Pitanja: 1. 2. 3. 4. 5. 6. 7. ta su Ekspertni sistemi ? ta obuhvata inenjerstvo znanja? Koji su uslovi potrebni da bi razvoj ekspertnog sistema bio mogu? Koje su komponente ES ? Koja su opta svojstva ES ? U emu su razlike izme u konvencionalnih programa i ES ? Koje su grupe elemenata vane za izgradnju inteligentnih sistema za donoenje odluka ? 8. Koje vrste ES postoje prema tipovima problema koje reavaju ?
106
9. UPRAVLJANJE DOKUMENTIMA
Dokument je osnovna jedinica obrade u administrativnom poslovanju. Dokumenti na raunarima postoje u izuzetno mnogo oblika: faksovi, e-mail poruke, datoteke kreirane pomou tekst procesora, spreadsheet i programa za grafiku obradu. Pod ovim pojmom svrstani su i izvetaji iz razliitih programskih paketa, kao i HTML forme. Bitan koncept u obradi dokumenta predstavlja pojam tipa dokumenta. Tip dokumenta definie njegovu strukturu i logiki sadraj. Za neke dokumente je vrlo teko precizno definisati strukturu. Njih nazivamo slabo struktuiranim dokumentima. Oni dokumenti za koje je mogue precizno definisati strukturu (elemente) dobro su struktuirani. Raunarska obrada struktuiranih i nestruktuiranih dokumenata bitno se razlikuje. Struktuirani su pogodni za obradu, obino se smetaju u baze podataka i njima se pristupa preko posebno razvijenih aplikacija. U obradi ovakvih dokumenata moe se pristupati i pojedinim njihovim delovima. Nestruktuirani dokumenti se obra uju preko standardnih softvera za obradu (tekst procesori, spreadsheet editori i sl.) i smetaju se u formatima koji su specifini za dati softver. Ovakvim dokumentima se pristupa kao nedeljivim celinama. Slabo struktuirane dokumente mogue je opisati preko tzv. sekundarnih dokumenata, koji su dobro struktuirani, u kojima se opisuje njihova struktura.
9.1.SISTEM ZA UPRAVLJANJE ELEKTRONSKIM DOKUMENTIMA

Sistem za upravljanje elektronskim dokumentima (DMS) engleski original Electronic Document Management System (EDMS) jeste kolekcija tehnologija koje omoguavaju pojednostavljen rad sa bilo kakvim elektronskim dokumentima. Osnovna struktura DMS-a sainjena je od tri celine: repozitorij dokumenta (Document repository), mehanizam protoka posla (Workflow mechanism), tehnologija pretrage i indeksiranja (Index and search technology).
Dizajn DMS-a je kod razliitih proizvo aa dvoslojan ili troslojan. U dvoslojnoj arhitekturi (sa bazom podataka), klijent obavlja vei deo posla nego u troslojnom, gde server sa repozitorijem obavlja najvei deo posla. Baza podataka uva samo podatke o dokumentima, ali ne i same dokumente. Baza samo sadri podatke o lokaciji dokumenta, a to je veza baze i sistema datoteka. Serverska aplikacija kontrolie konzistentnost pokazivaa. U bazi podataka su smeteni podaci o dokumentima: autor, datum, naslov, eventualno broj verzije. Veina DMS-a prepoznaje OLE dokumente i automatski odrava podatke o vezama me u njima unutar repozitorija. Iz ovog se vidi da su kvalitet i mogunosti softvera koji slui za kreiranje dokumenta od velikog znaaja za celokupan DMS sistem.
WINDOWS
UNIX
Klijent
Inetrnet/Intranet
Server: Mo` e biti neki RDBMS ili spec. aplikacija. Mo` e se koristiti u dvo- i troslojnoj arhitekturi. U troslojnoj, on manipuli{ e informacijama preme/ka klijentu, izdvaja podatke i aùrira ih, sme{ ta i ~ita datoteke sa Server sistema datoteka. Sistem datoteka: Koristi sve mogu} nosti Baza podataka: ^ uva metaoperativnog sistema podatke o dokumentima, ali ne i same dokumente.
Klju~ne funkcije repozitorija: 1. Kontrola pristupa dokumentima 2. Kontrola verzija 3. Odràvanje kataloga dokumenata 4. ^ uvanje istorijata dokumenata 5. Rukovawe vezama izme| u dokumenata i njihovih delova
Baza Podataka
Slika 9.1. Struktura DMS-a
Repozitorij dokumenata
Ovo je najvanija komponenta DMS-a. On pamti, kontrolie i upravlja dokumentima. Osnovne funkcije repozitorija su: bibliotekarske usluge (kontrola pristupa po dokumentima, odravanje kataloga, prijavljivanje i odjavljivanje, pretraga i izdvajanje dokumenta); kontrola verzija (sva pojavljivanja dokumenta i njegove izmene u vremenu); konfigurisanje i kontrola veza izme u dokumenata i njihovih sastavnih delova.
108
Repozitorij dokumenata moe biti ili posebna aplikacija ili mehanizam ugra en u bazu podataka. On u potpunosti indeksira tekstove dokumenta, to olakava pretraivanje i daje preciznije odgovore na upite, koji sa svoje strane mogu da se bolje i preciznije struktuiraju. Indeksiranje se vri ili pri ubacivanju teksta u repozitorij ili kasnije, nekom batch procedurom.
Mehanizam protoka posla

Ako se dobro koncipira i primeni, ovaj mehanizam moe u potpunosti da eliminie zastoje u prenosu dokumenta. On omoguava paralelnu reviziju dokumenata, a zajedno sa repozitorijem objedinjuje kompletnu istoriju revizija. Ovi mehanizmi mogu da obavetavaju korisnike o pojavi nove verzije dokumenta. Veoma vana je i funkcija konverzije dokumenata kreiranih u jednom u drugi, eljeni format. U veini DMS-a se repozitorij i e-mail integriu sa mehanizmom protoka posla. U svakom sluaju, mehanizam protoka posla mora da komunicira sa repozitorijem preko API-ja, da bi imao pristup dokumentima i informacijama o njima.
Tehnologija pretrage i indeksiranja

Ova komponenta DMS-a je vezana za odluku da li e se koristiti aplikacija za vo enje repozitorija ili e se koristiti funkcije ugra ene u bazu podataka. Samo korienjem standardnih i dobro strukturiranih dokumenata na bazi definisanih postupaka kreiranja, auriranja, pregledanja i arhiviranja mogue je rukovati informacijama na maksimalno jednostavan i efikasan nain. Tehnologija rada dravnih organa, koja je ure ena zakonskim i drugim propisima, mora da bude podloga na kojoj e se izgraditi informacioni sistem prilago en potrebama to efikasnijeg upravljanja na osnovu pravovremenih, tanih i na jednostavan nain dobijenih informacija. Na tritu ve postoji niz proizvoda koji omoguavaju maksimalno pojednostavljenje i ubrzanje procesa upravljanja informacijama i dokumentima kao njihovim kontejnerima. Oigledno je da se pri planiranju i uvo enju softverskih paketa za DMS, OAS i raunarsku tampu mora poi od sledeih pretpostavki: trenutno stanje da li se i ta se od ovih paketa ve koristi, koliko je ve razvijen IS u datoj organizaciji; potrebe snimak broja i vrste dokumenata koji se upotrebljavaju i razmenjuju unutar organizacije; platforma na kojoj e se implementirati paketi hardver, sistemski softver (operativni sistem, sistem za upravljanje bazom podataka,
mreni softver), aplikativni softver (okruenje u kome e se raditi);
profil korisnika neophodan zbog planiranja obuke, uvo enja,

posebnih zahteva prema proizvodu; trendovi u razvoju softverskih paketa u ovoj oblasti zbog brzine kojom se uvode i menjaju osobine paketa koji se koriste u ovoj oblasti, ovo je jedan od najozbiljnijih teinskih faktora pri izboru paketa koji e se preporuiti i uvesti u korienje. Tek na osnovu analize ovih podataka moe se pristupiti odabiru softverskih paketa za ovu oblast. U ovom poglavlju nisu data pore enja paketa (izuzev paketa za grafiku obradu).
Pitanja: 1. ta je to dokument i koji su najei pojavni oblici ? 2. U emu se razlikuje raunarska obrada struktuiranih i nestruktuiranih dokumenata ? 3. ta je to DMS ? 4. ta ini strukturu DMS ? 5. Koje su osnovne funkcije repozitorija dokumenata ? 6. ta omoguava mehanizam protoka posla ?
110
10. MODELIRANJE MENADERSKIH ZAHTEVA ZA INFORMACIJAMA

Izvori podataka na kojima se vri modeliranje menaderskih zahteva za informacijama vezani su za nerelacione baze podataka. Ovo oteava i usporava razvoj i odravanje, kao i pristup eksternim i heterogenim izvorima podataka. Korisniki interfejs obino je u karakter modu i ogranienih je mogunosti sa stanovita prezentacije podataka, poslovne grafike i slino. Imajui u vidu da se prelazi na relacione baze podataka, javila se potreba za reinenjeringom poslovnih procesa korienjem tehnika IDEF (Integation DEFinition), tj. IDEF0 tehnike za modeliranje funkcija, IE (Information Engineering) za informaciono modeliranje (modeliranje podataka), odnosno CASE alata BPwin i ERwin koji su softverska realizacija ovih standarda. Za opis rada poslovnog sistema veliki je problem to ne mogu da se koriste prirodni jezici jer su dvosmisleni, pa se zato koriste pomenuti standardi i softverski alati. S druge strane, precizan opis preko formalnih jezika nerazumljiv je za veinu ljudi. Ono to nam je potrebno jeste korienje tehnike koja organizuje prirodne jezike na taj nain da eliminie dvosmislenost i omogui efikasnu komunikaciju i razumevanje. Pokazalo se da je postupak modeliranja jedna od najefektivnijih tehnika za razumevanje i jednoznanu komunikaciju izme u projektanata i korisnika. U procesu modeliranja eliminiu se detalji, ime se umanjuje vidljiva kompleksnost sistema koji se prouava. Grafike prezentacije (uglavnom pravougaonici i linije), koriste se da bi obezbedile da veina ljudi razmilja o modeliranju kao o slikovitoj prezentaciji (jedna slika moe zameniti i 1000 rei). Pored grafikog prikaza, potrebno je dati i precizne definicije predmeta koji se pojavljuju u modelu, kao i propratni tekst, koji je kritian prema modelu koji vri svoju ulogu, kao sredstvo komunikacije. Ovakav pristup nametnuo je potrebu za apstrakcijom, kojom se izvodi kontrolisano iskljuivanje detalja, tj. izvlae se zajednike karakteristike u opisivanju nekog sistema. Tako je na viim nivoima apstrakcije sistem opisan jasnije, a na niim detaljnije.
S druge strane, jo uvek u velikim firmama postoje hardverske konfiguracije gde je korisniki sofvter razvijen obino u jeziku tree generacije (najee COBOL), bez odgovarajue pratee dokumentacije, a preduzee eli da pre e na relativno jeftin i moan kompjuterski sistem. Obino je to mrea PC-ja definisana po principima klijent-server arhitekure. U daljem tekstu ukazae se na zablude, odgovarajue pretpostavke i ogranienja od kojih se polazi prilikom realizacije ovako zamanog posla vezanog za preslikavanje realnog sistema u informacioni sistem modeliranjem procesa i podataka.
10.1. ZABLUDE
Prva zabluda je da neko drugi moe URADITI POSAO po principu "klju u ruke". Narueni posao po ovom principu znai da se kupuje neije tu e reenje, za tu e uslove rada, i ma koliko ga platili, nee proraditi na eljeni nain u Vaem preduzeu. Razlog je u tome to je svako domae preduzee razliito i specifino na svoj nain i za njega treba skrojiti odelo po meri. Poto kadrovi iz preduzea nisu uestvovali u realizaciji, to oni ne razumeju ta je ura eno, ne prihvataju "tu a" reenja i na neki nain bojkotuju uvo enje. Druga zabluda je da ako naruite projekat moete bre zavrti posao. Najbolje je reenje da napravite meoviti tim konsultanata sa strunjacima iz preduzea, to daje najbolje rezultate. Trea je zabluda da preslikavanjem postojeih aplikacija u novo hardversko i softversko okruenje moete dobiti novi informacioni sistem. Samo uz pristup inverznog inenjerstva korienjem CASE (Computer Aidid Software Engineering) alata, i uz kritian odnos prema dosadanjem radu, postojee aplikacije mogu da se uzmu kao osnova za reinenjering, jer u suprotnom preslikavate i lo nain rada.
10.2. PRETPOSTAVKE
Da bi se izvelo modeliranje procesa i podataka potrebno je ispuniti sledee pretpostavke. Prva pretpostavka vezana je za jedinstvenost sistema oznaavanja, koja podrazumeva definisanje najee tzv. paralelnog sistema oznaavanja, gde se definie jedinstveni identifikacioni broj, standardizovani naziv i klasifikacioni broj. Jedinstveni identifikacioni broj ili IDENT BROJ je neimenovani redni broj (najee od est cifara). Naziv je definisan po JUS A.A0.006 i ima tano propisanu strukturu. Klasifikacioni broj definie grupe PREDMETA
112
POSLOVANJA i svako mesto ima odgovarajue znaenje (do pet cifara). Druga bitna pretpostavka je jedinstvenost modela procesa i podataka. Pod jedinstvenim modelom procesa i podataka podrazumeva se obino primena jedinstvene metodologije vezane za projektovanje korienjem CASE (Computer Aidid Software Engineering) alata BPWin (Bussines Process for Windows) i ERWin (Entity Relationships for Windows). Trea pretpostavka vezana je za korienje baze podataka, tj. sistema za upravljanje bazama podataka (SUBP). Kako je za ovaj posao najbitnija stvar komunikacija, to je potrebno prvo definisati zajedniku bazu podataka (u praksi se zove premet poslovanja i ifarnici) jer to su podaci koji se koriste u vie procesa, to predstavlja osnovu za razvoj Intraneta i Data Warehous koncepta kao osnove za donoenje poslovnih odluka. Baza zajednikih podataka osigurava jedinstvenost preko jedinstvenog sistema oznaavanja i omoguuje se centralizovano upravljanje podacima i onemoguuje se nekontrolisana redundansa podataka. Baza zajednikih podataka je jezgro i ona omoguava da se podaci memoriu samo jednom na raunaru i da ih onda svi zainteresovani koriste po potrebi. Na ovom mestu naglasemo da izbor SUBP i kupovina hardvera nije prvi ve poslednji korak i da on nastupa tek posle projekta vezanog za modeliranje procesa i podataka.
10.3. OGRANIENJA
Imajui u vidu gore reeno mogu se izdvajajiti etiri bitna ogranienja: Prvo ogranienje karakteristino za nae prilike, vezano je za postojanje tehniko tehnoloke kulture i organizovanosti to se ogleda u: postojanju slube koja izra uje organizacione propise, postojanju jedinstvenog sistema oznaavanja, postojanju slube za razvoj i praenje internih standarda, potovanju postavljenih normativa kao tehnolokih, a ne socijanih kategorija stepenu primene dokumenata obezbe enja kvaliteta i dr. Drugo ogranienje vezano je za sposobnost najvieg rukovodstva i njihovog autoriteta da se "gvozdenom" disciplinom sprovedu zacrtani zahtevi. Tree ogranienje vezano je za znanje projektnog tima, njihova metodologija rada i iskustvo za sline sisteme. Kako su ovakva znanja vezana za projektantske kue jer se pre svega misli na iskustva u radu sa slinim sistemima to se preporuuje angaovanje konsultanata da bi se ovo ogranienje prevazilo. etvrto ogranienje odnosi se na odbojnost menadzera ili preterani zahtevi koja se resava na nain prikazan na sledei nain.
10.4. DEFINISANJE ZAHTEVA MENADERA ZA INFORMACIJAMA

Definisanje zahteva menadera treba da omogui da se analizom dokumenata i sprovo enjem intervjua moe identifikovati okvir poslovnih procesa. Potrebno je pronai i dobro osmotriti nepotpune (prekinute, isprekidane), neperspektivne procese koji gue ostvarivanje planiranih (eljenih) rezultata. Klju "lei" u odgovoru na pitanje: "ta treba promeniti?". Drugim reima, u ovoj fazi se prouavaju i procenjuju postojei procesi, analiziraju se rezultati koje daje proces sada i kakvi se rezultati mogu oekivati u budunosti. Dakle, snimkom trenutnih procesa omoguuje se da se uoe uska grla (gde se nalaze) i problematine take. Tako e, u ovoj aktivnosti treba predvideti i alternativne prilaze. Kada se definie problem, timovi koji sprovode reinenjering istiu novi strateki pravac za realizaciju procesa i pridruena merila, a ujedno vre i procenu novih poslovnih alternativa. Dakle, naroita panja se obraa na to da lanovi tima treba da razumeju proces, tj. da imaju razjanjene odgovore na pitanja ta se eli postii, zato je potreban redizajn i kako treba da izgleda proces u budunosti. Defininisanje zahteva za informacijama vri se metodom odozdo na gore tj. analizom dokumenata i metodom odozgo na dole tj. intervjue. Definisanje zahteva iz dokumenata uzimaju se popunjeni uzorci dokumenata i definiu se: ulazna dokumenta i pritom se daje odgovor na pitanje: Odakle potiu podaci ? Kako su podaci dobijeni?. Posebno se analiziraju kartoteke i fascikle (tzv.skladista podataka) i pritom se daje odgovor na pitanje: Da li se unose tani podaci ? Da li se unose kompletni podaci ? Sta skladita podataka opisuju? Na kraju se analiziraju izlazna dokumenta i pritom se daje odgovor na pitanje: Kako se koristi, Koliko esto se koristi, Koliko je taan taj izlaz danas, U kom obliku je prikazan, Kada se izradjuje i koliko cesto, Koliki je obim i broj kopija, Kome se upucuje, Sta startuje izlaz, Koja se poboljsanja mogu uvesti Definisanjem zahteva intervjuem dolazi se do informacija o problemima i o onim informacijama koje nisu definisane dokumentima a menaderi, pogotovu top menadzeri, zahtevaju da ih imaju. Ako se intervju ne bi sprovodio doli bi u opsnost da automatizjemo postojei slab nain rada.
114
Slika 10.1. Definisanje zahteva intervjuom
10.5. TEHNIKI PREDUSLOVI

Odgovarajui tehniki preduslovi su:
arhitekturom potrebnog sistema (hardver i softver), kadrovskim potrebama (broj kadrova i njihovo obrazovanje) i dinamiku realizacije (vremensku i trokovnu dimenziju). Tehnike i tehnologije raunarstva, komunikacija, pogotovu razvoj Interneta i Intraneta, osnova su za pristupanje sloenom poslu definisanja arhitekture potrebnog sistema. Otuda arhitekturu potrebnog sistema treba zasnivati na najnovijim saznanjima, tehnikama i tehnologijama, kao i principima distribuirane obrade, korienja baza podataka, postizanja kompatibilnosti u mreama raunara i upotrebama ure aja za prikaz informacija. Pri izboru opreme treba imati u vidu tehniko-tehnoloke preduslove, koji su sagledavani prema strukturi arhitekture referentnog modela: kvalitetan komunikacioni sistem, visok stepen kompatibilnosti raunarske opreme, otvorenost mrene arhitekture, modularnost opreme krajnjih korisnika, efikasnost sistema upravljanja podacima, korienje softverskih proizvoda za razvoj aplikacije. Pod kadrovskim potrebama podrazumevaju se broj potrebnog kadra za realizaciju razvoja informacionog sistema i potrebna obuka za korienje
informacionih tehnologija. Uz obezbe ivanje neophodne raunarske opreme, komunikacione i ostale pratee opreme, od posebnog znaaja su i kadrovski resursi, odnosno kvalitetna i u dovoljnoj meri zastupljena kadrovska podrka. Saglasno tom prilazu, kao informatiku osnovu u sprovo enju razvoja informacionog sistema, treba imati minimum potrebnog kadra. Potrebni su: rukovodilac, vodei projektant za modeliranje procesa i podataka, vodei projektant softverskih reenja, vodei projektant baze podataka, sistem inenjer, referent dokumentacije. Posebno znaajnu ulogu treba da imaju kontinuirani proces obrazovanja kadra i automatizacija njihovog rada, kao i adekvatni oblici funkcionalnog organizovanja. To je po ednako znaajno i za fazu razvoja i za fazu korienja. Upravo zato, shodno usvojenoj metodologiji, treba dati i pregled sledeih kurseva: kompjutersko opismenjavanje (WINDOWS, MS Word), integracija IS i zahteva sistema kvaliteta (modeliranje procesa BPwin), modeliranje podataka - ERwin, generisanje prototipske aplikacije u MS ACCESS-u, rad sa tabelama - MS EXCEL, mreni rad i INTERNET I NJEGOVI SERVISI. Kada je re o dinamici realizacije i trokovima, neophodno je korienje nekog od softvera za upravljanje projektima (npr., MS Project). Trokovi realizacije najee se posmatraju u okviru grupa poslova kao: trokovi razvoja aplikacija, trokovi tehniko-tehnolokih resursa, trokovi eksploatacije. Svaka od ovih grupa poslova se, tako e, sastoji iz posebnih trokova i otuda specifikaciju trokova treba da ini sledea struktura: trokovi razvoja: obuka projektnog tima, razvoj zajednikih aplikacija, struna pomo pri razvoju, razvoj i dopuna sopstvenih aplikacija, softverski proizvodi za razvoj aplikacija; trokovi tehniko-tehnolokih resursa: raunarska oprema zajednikih resursa, oprema komunikacionog sistema, dopuna i kompletiranje raunarske opreme, pratea oprema i adaptacija prostora; trokovi eksploatacije: odravanje opreme, potronja elektrine
116
energije, korienje komunikacionih linija, amortizacija opreme, plate radnika
10.6. REINENJERING POSLOVNIH PROCESA

Hronoloki gledano, prvi elementi reinenjeringa su nastali sa uvo enjem automatske obrade podataka (AOP). Poslednjih deset godina izvode se aktivnosti vezane za uvo enje serije standarda: ISO 9000, ISO 14000, EDI i EDIFACT standarda. Sve ove aktivnosti moraju biti integrisane u postupak reinenjeringa poslovnih procesa, naroito posle pojave Interneta, Intraneta, klijen/server ahitekture i dr. Reinenjering poslovnih procesa (BPR Business Process Reingineering) jeste prelazak u novu tehnoloku paradigmu (uzor), gde nema podele poslovnih procesa na prodaju, marketing i raunovodstvo, ve se organizovanje vri oko kontinuiranih poslovnih procesa iji je osnovni cilj dostava proizvoda potroau. Jedna od glavnih deviza reinenjeringa poslovnih procesa jeste komunikacija, koja treba da omogui premoavanje teorije odozgo na dole (Top-Down) sa odozdo na gore (Bottom-Up) implementacijom. Metodologijom odozgo na dole sa stanovita najviih rukovodilaca (metodom intervjua) izvodi se definisanje ciljeva poslovnih procesa, resursa, i dr. Obrnutim putem, metodologijama odozdo na gore (analizom dokumenata), izvodi se projektovanje ii uvo enje. irinu u pristupu daje metodologija odozgo na dole a preciznost omoguuje metodologija odozdo na gore. Dakle, za sprovo enje reinenjeringa poslovnih procesa potrebno je podeliti poslovne procese u delove koji se mogu realizovati u konanom vremenu, izvriti ponovno grupisanje procesa u podsisteme i to prema podacima, definisati prioritete i definisati veze podsistema preko podataka. Jedan od glavnih "krivaca" to se pristupa reinenjeringu poslovnih procesa jesu promene vezane za razvoj informatikih tehnologija, ime se osnovne postavke Adama Smita, vezane za postojei nain rada, moraju revidirati. Istorijski gledano, Adam Smit je definisao sledee postavke: razbijanje procesa na elementarne zadatke, razbijeni zadaci se dodeljuju usko specijalizovanim radnicima, radnici su izdvojeni u razliite organizacine celine, postojanje konfliktnih ciljeva izme u OJ preduzea (nabavke, prodaje, proizvodnje i projektovanja i dr.). Sa pojavom informatikih tehnologija, ove postavke su postale smetnja razvoju savremene organizacije poslovanja. Savremena organizacija poslovanja se bazira na ideji ponovnog sjedinjavanja razliitih aktivnosti u jedinstvene poslovne procese, gde je fokus
na nainu izvrenja posla a ne na strukturi organizacije. Pokazalo se da je klasina struktura organizacije uzrok konflikta izme u OJ koje se takmie izme u sebe, preputajui nekom drugom da ostvari prihod. Osnovna ideja reinenjeringa poslovnih procesa vezana je za maksimalno zadovoljenje zahteva i oekivanja kupca, ouvanje interesa vlasnika organizacije, menadmenta, zaposlenih, dobavljaa i drutva. Mora se naglasiti da reinenjering poslovnih procesa ne donosi unapre enje postojeeg nivoa ve zahteva odbacivanje i ponovno zapoinjanje posla na nov nain, tj. potrebno je rastaviti objekat na sastavne delove, a zatim ga ponovo sastaviti. Renenjering je orijentisan prema izvo enju procesa, ukida fragmentaciju jer zahteva timski rad i ima celovit (holistiki) pristup procesima. Naime, reinenjeringom poslovnih procesa se ne otklanjanjaju samo redundantni detalji, to nije samo puka automatizacija posla, ve je to radikalno nov tehnoloki princip, iji se uspeh meri parametrima brzine reavanja problema i zadovoljstvom onih zbog kojih se posao radi. Za sprovo enje reinenjeringa poslovnih procesa potrebno je izvriti sintezu procesa i vrsta ljudi, naina vrednovanja ljudi, kao i postavku nove organizacije poslova. Mora se voditi rauna da ovako radikalan pristup ne pogodi ljude direktno, ve se moraju izvoditi laboratorijske verzije reinenjeringa poslovnih procesa, gde je potrebno izvriti proveru funkcionisanja, otkriti greke i nedostatke i sprovesti ispravke. Implementacija redizajniranih poslovnih procesa u stvarnosti je procedura koja posre jer nema pune kontrole izme u eljenog i mogueg, zbog dramatino brzog razvoja komunikacija.
Menaderi kao instruktori i selektori

Najbolje reenje je da reinenjering poslovnih procesa vre sposobni, obrazovni i visoko motivisani zaposleni jer se tako stvara preduslov da rezultat ovakvog rada bude drastino smanjenje vremena i trokova. Celokupan posao treba organizovati kao timsku rad tako da specijalisti razliitih profila rade zajedno tokom celog procesa u okviru meovitih multidisciplinarnih timova. Svaki uesnik je svestan svoje uloge i mora posedovati savremena znanja i sposobnosti, to se posebno odnosi na menadere, koji su trener, instruktori i lideri. Kad se kae trener, onda se uvek ima asocijacija na fudbalski tim. Dakle, trener fudbalskog tima treba da objedini odbranu, srednji red i napad i tako uigra igrae da daju golove i postiu pobede. Ne sme postojati striktna podela posla, gde odbrana prebaci loptu navali i ba je briga ta e navala da uradi jer to nije njen posao. Naprotiv, i odbrana treba da uestvuje u postizanju rezultata. Takva je i uloga menadera, jer on okuplja tim oko projekta koji ima svoje faze (ideja, projektovanje, tehnologija, izrada, prodaja..), a kao krajnji rezultat ima
118
profit. Nagrade i premije se dele kao i u sportu, npr. fudbalu, prema postignutom uinku i rezultatima. Ovakav nain rukovo enja otkljanja nesporazume i uspostavlja bolje odnose izme u odeljenja.
Radikalna prednost u odnosu na konkurenciju

Ono to odlikuje reinenjering poslovnih procesa je fundamenatalna promena razmiljanja i shvatanja poslovanja, gde se pre svega donosi odluka ta, pa onda kako da se radi, a na kraju ta treba da bude rezultat, imajui u vidu da je to kreiranje potpuno novog naina izvrenja poslovnih, tehnolokih,organizacionih i drugih procesa. Sve projektovane akcije treba da rezultiraju znaajnim unapre enjem kritinih performansi u odnosu na konkurenciju, pre svega se misli na cenu, kvalitet i brzinu pojave na tritu. Praktina iskustva u nekim firmama gde je sproveden reinenjering poslovnih procesa pokazala su: Unapre en kvalitet za 84% Smanjeno vreme do pojave novog proizvoda za 75% Unapre ena komunikacija 61% Trokovi razvoja smanjeni za 54% Smanjenje izmena za 48% Poveanje profita za 35% Prema navodima ovi rezultati su postignuti izme u ostalog i zbog prelaska preduzea na informacione tehnologije, gde se definiu nova partnerstva i modernija organizacija. Informacione tehnologije se koriste za pribliavanje kupcu, gde je potrebno znati probleme kupca pre njega samog i znati reenje za njegov problem i to mu ponuditi preko Internet servisa. Za postupak sprovo enja reinenjeringa poslovnih procesa ne postoje pisana pravila i propisi, pa se moraju nalaziti vlastita reenja u zavisnosti od situacije i pritom iskustva drugih uzimati samo kao primer. Kako se reinenjering odnosi iskljuivo na poslovne procese, to su osnovna dva pitanja koja se uvek moraju imati u vidu: ta kupac oekuje od nas? ta i kako treba da promenimo da zadovoljimo zahteve kupca?
Oekivani efekti
Od reinenjeringa poslovnih procesa treba se oekuje da inovira organizacionu strukturu, koja treba da bude orjentisana prema okruenju, da omogui zamenu dugotrajnih i nedovoljno racionalnih procedura i postupaka merama koje donose efikasne i nagle promene, da povea kvalitet i smanji trokove, da smanji vreme izvrenja procesa, pobolja interne i eksterne odnose, eliminie nepotrebne aktivnosti i zastoje, omogui prijatnu atmosferu
za rad i motivisanost, i definie iroku odgovornost zaposlenih. Postoje izvestan rizik opasnosti prilikom reinenjeringa: redizajniranje poslovnih procesa uslovljava i odgovarajue organizacione, poslovne i informatike promene. Ako se ove izmene ne naprave, moe doi do uskih grla. Druga opasnost je vezana za miljenje da implementacija novih tehnologija treba da automatski doprinosi direktnom unapre enju poslovnih procesa, to uopte nije sluaj. Iskustva iz prakse pokazuju da skoro 70 procenata (tipinih) akcija uinjenih u reinenjeringu ne daje rezultate zadate za neki odre eni vremenski rok. S obzirom na obeanja i cenu, ovaj veoma visoki stepen neuspeha je izuzetno problematian. Zbog ega je tako mali procenat uspenosti? Da li razlog "lei" u prekomernom planiranju, ili u looj proceni koje procese je potrebno promeniti, ili je u pitanju ljudski faktor nespreman na promene? Moe se odmah istai da su izgledi za uspeh vezani pre svega za uverenost vodeeg menadmenta u uspeh.
10.7. FUNKCIONALNO MODELIRANJE

Grafiki jezik IDEF0 (www.idef.com) opisuje metodu funkcionalne dekompozicije preko skupa dijagrama, od kojih svaki predstavlja ogranienu koliinu detalja definisanih odgovarajuom sintaksom i semantikom. Dijagrami su me usobno povezani tako da opisuju sistem hijerarhijski, sa vrha nanie. Dijagrami se sastoje od pravougaonika koji predstavljaju neki deo celine. Povezani su me usobno usmerenim linijama koje predstavljaju veze izme u delova. Grafiki prikaz definie aktivnosti koji mogu biti funkcije ili procese preko pravougaonika, strelica i odgovarajue sintakse i semantike. Tekst i renik pruaju dodatne informacije i podravaju grafike dijagrame. Sintaksu grafikog jezika IDEF0 ine pravougaonici (boxes), strelice (arrows) i pravila (rules). Pravougaonici predstavljaju aktivnosti, definisane kao funkcije, procesi i transformacije. Svaki pravougaonik ima naziv i broj u okviru granica pravougaonika. Za naziv aktivnosti se koristi aktivan glagol ili glagolska fraza koja opisuje funkciju. Broj se koristi da bi bio prepoznat predmet opisa pravougaonika u pridruenom tekstu.
120
NAZIV AKTIVNOSTI
1
Slika 10.7. Sintaksa pravougaonika (Box)
Prvo, aktivnost mora imati naziv, tj. da ime aktivnosti ima, obino, strukturu formata tipa {glagol}subjekt}. Za svaki naziv mogu se dati definicije koje ne smeju biti duge, ali bi trebalo u potpunosti da objasne svaku aktivnost. Drugo, aktivnost ima vremensku dimenziju, tj. odre eno vreme koje mora proi izme u poetka i kraja aktivnosti. Pre nego to se definie neto kao aktivnost, mora se imati u vidu da se u trenutku trajanja aktivnosti troi energija, koja moe biti fizika, mehanika ili elektrina. Tree, sve aktivnosti moraju dati rezultat, tj. odgovarajui izlaz. Aktivnosti koje ne proizvode odgovarajui rezultat mogu se definisati kao aktivnosti, ali samo zbog razloga opisa, onakvog kakav je on u stvarnosti. Me utim, takve aktivnosti najpre e biti eliminisane. Sledei element sintakse grafikog jezika IDEF0 je strelica. Strelica (Arrow) se sastoji od jedne ili vie linija, sa vrhom strelice na jednom kraju. Strelice mogu biti pravolinijske ili savijene pod uglom od 90 stepeni i mogu se ravati ili spajati. Strelice predstavljaju podatke ili objekte vezane za aktivnosti. One ne znae samo tok ili sekvencu, kao u tradicionalnom modelu dijagrama toka podataka, ve prenose podatke ili objekte vezane za posmatranu aktivnost. Svaka strelica je definisana nazivom (imenicom). Za opis naziva strelice definie se i odgovarajui tekstualni opis. Semantika grafikog jezika IDEF0 ukazuje na znaenje sintaksne komponente jezika i olakava korektnost interpretacije kojom se opisuje notacija za aktivnosti i strelice. Odnos izme u aktivnosti i strelica odre en je pomou strane pravougaonika (aktivnosti) na koji je strelica naslonjena.
Kontrola
Ulaz
AKTIVNOST
Poziv
Izlaz
Mehanizam
Slika 10.2. Osnovni koncept
Strelice sa leve strane pravougaonika definiu se kao ulazi (Input). Strelice koje ulaze u pravougaonik odozgo se definiu kao kontrole (Control). Strelice koje izlaze iz pravougaonika na desnoj strani predstavljaju izlaze (Output). Izlazi su podaci ili objekti, odnosno proizvodi aktivnosti. Dakle, elementi prikazani na prethodnoj slici mogu se opisati reenicom: "Ulazi se preko aktivnosti transformiu u odgovarajui izlaz, dok kontrole specificiraju uslove pod kojima aktivnost daje korektan izlaz". Strelice na donjoj strani pravougaonika predstavljaju mehanizme. Strelice okrenute prema gore identifikuju znaenje koje podrava izvrenje aktivnosti. Strelice mehanizma koje su okrenute na dole definiu se kao strelice poziva (Call arrows). Imajui u vidu englesku notaciju, dijagrami se zovu i ICAM dijagrami, jer je to skraenica od: I Input, neto to se upotrebljava u aktivnosti; C Control, kontrole ili uslovi izvo enja aktivnosti; O Output, rezultat izvo enja aktivnosti; M Mechanism, neto to se koristi u aktivnosti ali se ne menja. Imajui u vidu navedene postavke, postavlja se pitanje: koje resurse nose pojedini tipovi strelica? Ulazna (Input) strelica predstavlja materijal ili informaciju koja se koristi ili transformie radi definisanja izlaza (output). Dozvoljava se mogunost da odre ene aktivnosti ne moraju imati ulazne strelice. Kontrolne (Control) strelice reguliu, odnosno odgovorne su za to kako, kada i da li e se aktivnost izvesti, odnosno kakvi e biti izlazi (output). Svaka aktivnost mora imati najmanje jednu kontrolnu strelicu. Kontrole su esto u obliku pravila, politika, procedura ili standarda. One utiu na aktivnost, ali ne mogu da budu transformisane ili upotrebljene. U sluaju da je cilj aktivnosti da promene pravilo, politiku, proceduru ili standard,
122
treba oekivati da e strelice koje sadre tu informaciju, u stvari, biti ulaz. Izlazne (Output) strelice su materijali ili informacije stvoreni aktivnou. Svaka aktivnost mora imati najmanje jednu izlaznu (output) strelicu. Ne treba modelirati aktivnost koja ne stvara izlaz. Strelice mehanizama su izvori koji izvode aktivnosti, a sami se ne "troe". Mehanizmi mogu biti ljudi, maine i/ili oprema, tj. objekti koji obezbe uju energiju potrebnu za izvo enje aktivnosti. Po slobodnoj volji projektanta, strelice mehanizama mogu biti i izostavljene iz aktivnosti. Strelica poziva (Call) specifini je sluaj strelice mehanizma i ona oznaava da pozivajui pravougaonik nema vlastiti detaljniji dijagram, ve daje detaljniji prikaz izveden na nekom drugom pravougaoniku u istom ili nekom drugom modelu. Vie pozivajuih pravougaonika mogu pozivati isti pravougaonik na nekom drugom ili istom modelu. Imenuju se brojem dekompozicionog dijagrama, koji sadri pozvani pravougaonik, zajedno sa brojem pozivnog pravougaonika. Funkcionalno modeliranje u daljem tekstu bie opisano kroz definisanje dijagrama konteksta, stabla aktivnosti i dekompozicionog dijagrama.
Dijagram konteksta
Dijagram konteksta je definisan jednim pravougaonikom koji predstavlja granicu modela koji se prouava. U tom sistemu i van njega teku informacije preko strelica. Dijagram konteksta je najvii nivo apstrakcije, koji se dekompozicionim dijagramima prevodi u nii nivo apstrakcije. Aktivnost A0, koja se pojavljuje u kontekstnom dijagramu, opisuje okvire modela i mora biti odre ena aktivnom glagolskom frazom. Preporuuje se da treba poeti od definisanja izlaznih strelica, pa se pomerati prema ulazima, mehanizmima i kontrolama. Polazi se od injenice da svaka aktivnost poseduje odgovarajue izlaze koji se mogu identifikovati. Prilikom definisanja izlaza treba voditi rauna i o negativnim izlazima, koji prouzrokuju tzv. povratne (feedback) strelice. Sledei elementi koje treba definisati su strelice ulaza, koji se na specifian nain transformie (ili troi) radi stvaranja odgovarajueg izlaza, potpomognut odgovarajuim mehanizmima i kontrolom. U daljem tekstu bie prikazano kako se definie dijagram konteksta za proces fakturisanja. Dijagram konteksta za proces fakturisanja Osnove za definisanje EDIFACT standarda je dokument UN/ECE WP.4
koji svojom preporukom broj 6, izdanje iz 1975. godine, preporuuje da se obrazac za fakturu u me unarodnoj trgovini zasniva na obrascu prema ISO 6422 (skraeno: UNLK) JUS ISO 6422. Obrazac je baziran na principu "box design". Razmetaj rubrika je fiksiran kao npr. adresa primaoca, koja je definisana zbog koverata sa prozirom i pritom su razmatrani administrativni, pravni i trgovinski aspekti. Prostor "za slobodno raspolaganje" u najniem delu obrasca namenjen je za vie posebnih potreba za individualne aplikacije. Ako trgovaki partneri primenjuju dokumente koji sadre ire polje podataka nego set UNLK, ili od onog to je propisano u standardima za odgovarajue podatke, o tome se moraju posebno dogovoriti. Sve ovo je ilo u prilog da se prihvati jedan standardizovani obrazac (ISO 7372), kao to je prikazano na sledeoj slici.
ISPORUILAC ABC COMPUTER D. Jovanovia 44 11000 BEOGRAD PRIMALAC BTR Sremska 248 21000 N. Sad DETALJI O PREVOZU KAMION, AVION
DATUM I BR. FAKTURE 960321 547XRTW DRUGE REF. FAKTURA KUPAC (AKO NIJE PRIMALAC)
ZEMLJA POREKLA USA USLOVI ISPRUKE I PLAANJA
OTPREMNE OZNAKE
BROJ I VRSTA; OPIS ROBE; PAKOVANJE
MASA kg
ZAPREMINA m3
OPIS ARTIKLA (IFRA I/ILI NAZIV) LASERSKI STAMPA TONER RAUNAR
KOLIINA 3 2 1
J. CENA 12000 3000 8500
IZNOS 36000 6000 8500
AMBALAA PREVOZ
124
OSTALI TROKOVI OSIGURANJE UKUPNO 50500
Slika 10.3. Obrazac EDIFACT fakture
Dijagram konteksta za proces fakturisanja definisan je pravougaonikom koji predstavlja hipotetike granice sistema koji se prouava. U i van ovog sistema teku informacije preko strelica. Dijagram konteksta je najvii nivo apstrakcije, koji se dekompozicionim dijagramima prevodi u nii nivo apstrakicije. Na sledeoj slici prikazan je dijagram konteksta za proces fakturisanja, gde se moe videti koji tipovi informacija su potrebni, a predstavljeni su kao nazivi strelica.
Zakoni i propisi
Standardi
Postupak fakturisanja
Osnov fakturisanja
Faktura
FAKTURISANJE
Izvod iz banke 0
Informacija knjigovodstvu Informacija menadzmentu
Referent oznacavanja
Analiticar Referent prodaje prodaje
NODE:
T IT LE:
FAKTURISANJE
NUMBER:
-0
Slika 10.4. Dijagram konteksta za proces fakturisanja
Definisanjem dijagrama konteksta, tj. granica sistema, uspostavljaju se okviri posmatranja i definie okolina koja utie na sistem. Strelice sa leve strane pravougaonika definiu se kao ulazi (Input) i definiu se kao: Zahtev za fakturom, Zahtev za novom ifrom i Zahtev za izvetajima. Strelice koje ulaze u pravougaonik odozgo definiu se kao kontrole
(Control) i definisane su kao: Pravilnik o izradi faktura, Postupak o definisanju ifarnika i postupak o izvetavanju. Strelice koje izlaze iz pravougaonika na desnoj strani predstavljaju izlaze (Output). Izlazi su podaci ili objekti proizvedeni od strane aktivnosti i za postavljeni pilot model EDIFACT fakture su izvetaj knjigovodstvu, kao i sama faktura. Strelice na donjoj strani pravougaonika predstavljaju mehanizme. Strelice okrenute prema gore identifikuju znaenje koje podrava izvrenje aktivnosti i definiu se kao RDBMS i translacioni softver. Imajui u vidu ovako postavljeni dijagram konteksta, u sledeem koraku definie se stablo aktivnosti.
Definisanje stabla aktivnosti

Definisanjem stabla aktivnosti uspostavljaju se vertikalne (hijerarhijske) veze izme u aktivnosti. Stablo aktivnosti se definie primenom metode reavanja problema odozgo na dole (top-down), kada se sloena aktivnost rastavlja na vie podre enih aktivnosti, a zatim se pristupa reavanju jednostavnih podre enih aktivnosti. Drugim reima, polazna sloena aktivnost razvija se u hijerarhiju podre enih aktivnosti, ija je struktura tipa stabla. Koren stabla (to je najvii vor stabla) sadri polaznu aktivnost, dok listovi, tj. vorovi koji nemaju potomke, sadre aktivnosti ije je reavanje relativno jednostavno. Reavanjem svih podre enih aktivnosti iz listova reena je i polazna sloena aktivnost. Dakle, stablo aktivnosti predstavlja hijerarhiju definisanih aktivnosti, oienu od strelica, i omoguuje funkcionalnu dekompoziciju i uvid u dubinu odvijanja veza izme u aktivnosti. Aktivnost na vrhu (root) uvek je oznaena sa 0. Brojevi se koriste da bi prikazali koliko detalja sadri aktivnost. Aktivnost A0 je dekomponovana (razdvojena) na 1, 2, 3 itd. Aktivnost 1 je dekomponovana u 11, 12, 13 itd. Nadre ena aktivnost se zove roditelj (parent), a podre ene aktivnosti su deca (children). Razbijanjem aktivnosti roditelja na decu dobija se od 2 do 6 podre enih aktivnosti. Ako je vie od est podre enih aktivnosti, to znai pokuaj da se smesti previe detalja na jedan nivo. Vertikalna hijerarhija uspostavljena stablom aktivnosti povezuje strateko upravljanje (vizija, politika, postavljeni ciljevi) sa nivoom praenja i ocenjivanja uspostavljenih procesa. U sledeem koraku, definie se stablo aktivnosti za proces fakturisanja.
126
Stablo aktivnosti za proces fakturisanje

Imajui u vidu izgled fakture i dijagram konteksta, definie se stablo za proces fakturisanja, kao to je prikazano na sledeoj slici.
FAKTURISANJE 0 EVIDENCIJA SIFARNIKA 1 EVIDENCIJA PARTNERA EVIDENCIJA NACIN PLACANJA EVIDENCIJA JEDINICA MERA EVIDENCIJA I OZNACAVANJE PREDMETA POSLOVANJA IZRADA FAKTURE 2 EVIDENTIRANJE FAKTURE FAKTURISANJE PREDMETA POSLOVANJA GENERISANJE FAKTURE EVIDENCIJA PLACANJA IZRADA IZVESTAJA KNJIGOVODSTVU IZRADA IZVESTAJA MENADZMENTU ANALIZA FAKTURISANJA 3
Slika 10.5. Stablo aktivnosti za proces fakturisanje
Imajui u vidu ovako postavljeno stablo aktivnosti, u sledeem koraku definie se dekompozicioni dijagram.
Definisanje dekompozicionog dijagrama

Definisanjem stabla aktivnosti uspostavile su se vertikalne veze izme u poslova, dok se izradom dekompozicionog dijagrama uspostavljaju horizontalne veze izme u poslova istog nivoa. Funkcije su, kao to je ve reeno, smetene u pravougaonike koji se crtaju u dijagonalnom smeru, od gornjeg levog ugla strane ka donjem desnom uglu. Svakoj funkciji mora se dodeliti naziv u obliku glagolske fraze, te mora imati najmanje jednu kontrolnu i jednu izlaznu strelicu. Struktura formiranja dekompozicionog dijagrama prikazana je na slici 10.6. Polazi se od dijagram konteksta, koji se definie na najviem nivou, pa se izvodi dekomponovanje u podre ene (child) dijagrame. Svaki od potposlova podre enog dijagrama moe kreirati svoj dijagram na niem nivou. Na taj nain se definiu razliiti nivoi apstrakcije, tj. na viim nivoima su optije funkcije i grupisane strelice, koje se na niim nivoima dekomponuju i detaljnije opisuju. Strelice u okviru dekompozicionog dijagrama omoguuju tzv.
horizontalno povezivanje definisanih poslova. Kao to se moe videti, na sledeoj slici se strelice definisane na kontekstnom dijagramu prenose u podre eni dekompozicioni dijagram. Dakle, strelice definisane u funkciji koja prethodi (roditelj) pojavljuju se u podre enom dekompozicionom dijagramu kao granine strelice (boundary arrows), tj. kao strelice koje nastaju van okvira posmatranog dijagrama. U okviru dekompozicionog dijagrama definiu se tzv. eksplicitne ili interne strelice koje povezuju poslove. Dekompozicioni dijagram bez unutranjih strelica ukazuje na organizacioni pristup dekompoziciji, a ne funkcionalni. Ulazne granine strelice koje dolaze iz nadre enog dijagrama u podre eni dijagram mogu se deliti u vie specifinih strelica i obrnuto: izlazne granine strelice iz podre enog dekompozicionog dijagrama grupiu se i izlaze u nadre eni dijagram.
128
0 A0
A-0
Op{ tije
1 2 3 4 A4 A0
Detaljnije
1 2 A42 3 A4
1 2 3 A42
Slika 10.6. Dekompoziciona struktura IDEF0 metodologije
U sledeem koraku definie se dekompozicioni dijagram za proces fakturisanje.
Dijagram dekompozicije za proces fakturisanje

Dijagram dekompozicije za proces fakturisanje sastoji se iz tri aktivnosti: evidentiranje ifarnika, izrada fakture i analiza fakturisanja.

Zakoni i propisi Standardi Postupak fakturisanja
EVIDENCIJA SIFARNIKA 1 Osnov fakturisanja
Sifarnici
Faktura Izvod iz banke IZRADA FAKTURE 2
Informacija knjigovodstvu ANALIZA FAKTURISANJA Referent prodaje 3 Analiticar prodaje Informacija menadzmentu
Referent oznacavanja
NODE:
T IT LE:
FAKTURISANJE
NUMBER:
Slika 10.7. Dijagram dekompozicije za procesa FAKTURISANJE
Svaka od tri procesa ima definisane odgovarajue podre ene dijagrame dekompozicije.
Upustvo o evidenciji partnera Informacija o partneru Uputstvo evidencije nacina placanja Zakoni i propisi EVIDENCIJA NACIN PLACANJA 1.2 Uutstvo evidencije jedinica mera Sifarnik nacina placanja Standardi Postupak fakturisanja Uputstvo o oznacavanju predmeta poslovanja
EVIDENCIJA PARTNERA 1.1
Karton partnera
Sifarnici
Osnov fakturisanja
EVIDENCIJA JEDINICA MERA 1.3 Informacija o predemu poslovanja
Sifarnik jedinica mera
EVIDENCIJA I OZNACAVANJE PREDMETA POSLOVANJA 1.4
Katalog predmeta poslovanja
NODE:
T IT LE:
EVIDENCIJA SIFARNIKA
NUMBER:
Slika 10.8. Dijagram dekompozicije za procesa EVIDENCIJA SIFARNIKA
130
Karton partnera Katalog predmeta poslovanja
Sifarnici
Osnov fakturisanja
EVIDENTIRANJE FAKTURE 2.1 Evidentirana faktura
Sifarnik nacina placanja
FAKTURISANJE PREDMETA POSLOVANJA 2.2
Faktura
Izvod iz banke
GENERISANJE FAKTURE 2.3
Generisana faktura
NODE:
T IT LE:
IZRADA FAKTURE
NUM BER:
Slika 10.9. Dijagram dekompozicije za procesa IZRADA FAKTURE

Postupak Uputstvo o evidenicji placanja fakturisanja
EVIDENCIJA PLACANJA 3.1
Informacija o placanju fakture Uputstvo o izvestavanju
IZRADA IZVESTAJA KNJIGOVODSTVU 3.2 Faktura IZRADA IZVESTAJA MENADZMENTU 3.3
Informacija knjigovodstvu
Informacija menadzmentu
NODE:
T IT LE:
ANALIZA FAKTURISANJA
NUMB ER:
Slika 10.10. Dijagram dekompozicije za procesa ANALIZA FAKTURISANJA
Pitanja
1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18. 19. 20. 21. 22. 23. 24. Nabrojte zablude u izradi MIS ? Koje su predpostavke izradi MIS ? Koja su ogranienja u izradi MIS ? Kako je Adam Smit definisao postojei nain rada? Koje su to inenjering aktivnosti? Na kojoj se ideji bazira savremena organizacija. Da li u reinenjering postoji podele na prodaju, marketing, raunovodstvo? Nabrojte razloge za reinenjering ? Neintegrisanost MIS dovodi do? Zato CASE alati ? CASE alati treba da omogue? Prednosti primene CASE alata Kako se izvodi analiza i definisanje objekata ? Kako se izvodi analiza dokumenata ? Kako realizovati MIS ? Kako poeti sa izgradnjom MIS-a? Snimak postojeeg stanja ukazuje na: ta je to model procesa? ta je to model podataka? ta je to posao? ta je to funkcija ? ta su to granine strelice? ta su to eksplicitne ili Interne strelice ? ta su to skrivene strelice?
132
11. FUNKCIONALNI MODEL POSLOVA U PREDUZEU

Primarni cilj koji se postavlja pred izvrenje ovog zadatka jeste da se stvori moderno i fleksibilno preduzee, koje e u savremenim uslovima trinog privre ivanja, procesa globalizacije, sve otrije me unarodne konkurencije i ubrzanog tehnolokog razvoja biti u stanju da odgovori zahtevima trita i da se brzo prilagodi svim poremeajima iz okruenja. Postavljeni zadatak podrazumeva kreiranje takvog poslovnog sistema koji e obezbediti pouzdanost, konkurentnost, visoki nivo poslovno proizvodnih rezultata, profitabilnosti uz poveanje produktivnosti, stalno inoviranje i poboljanje kvaliteta u svim procesima i na svim nivoima, a uz skraenje proizvodnih ciklusa i smanjenje trokova i uloenog rada. Karakteristike poslovno-proizvodnog okruenja su: veliki broj razliitih funkcija, teko predvidivi doga aji, iroki asortiman proizvoda, este promene i potreba za brzim prilago avanjem, redundantne i neblagovremene informacije, neodgovarajui nivo korienja savremenih sistema projektovanja (CAD, CAM, CAPP, CAQ), planiranja i upravljanja (MRP II, JIT). Moe se rei da je postavljeni cilj stvaranje modernog i fleksibilnog preduzea mogue realizovati samo uz pomo potpuno nove poslovnoproizvodne filozofije, koja je u svetu poznata pod imenom CIM (Coputer Integrated Manzfacturing), odn. raunarom integrisana proizvodnja. CIM predstavlja raunarom integrisani sistem koji omoguava planiranje, izvo enje i upravljanje svim aktivnostima proizvodnog sistema, poev od projektovanja proizvoda, pa sve do isporuke gotovih proizvoda kupcima, ukljuujui i sve poslovne funkcije: marketing (sa istraivanjem trita), nabavku, prodaju, finansije i kadrove i dr. Kljuna intencija CIM je u tome to pretenduje na potpunu kompjuterizaciju svih postupaka i procedura u obuhvaenom kompleksu.
Poto ostvarivanje CIM koncepta zahteva najmanje 15 godina intenzivnog planskog razvoja, veoma je vano pridravati se motoa "razmiljaj globalno deluj lokalno", to znai imati na umu CIM kao konani cilj, a reavati pojedine segmente nezavisno jedan od drugog, a kada se za to steknu uslovi, integrisati ih u jedinstveni informacioni sistem. Radei na ovaj nain, mogue je u relativno kratkom vremenskom periodu realizovati one podsisteme koji su od posebnog znaaja za dato preduzee, koji e najbre dati efekte i koji e omoguiti ostvarenje stratekih ciljeva preduzea. Da bi se opisali poslovi u preduzeu, potrebno je definisati sve poslove poev od aktivnosti top menadmenta, pa preko marketinga, razvoja, nabavke, planiranja i upravljanja proizvodnjom, kontrolisanja i ispitivanja i prodaje, do servisiranja i iskljuivanja iz upotrebe. Ceo ovaj ciklus zavrava se povratnom informacijom, u cilju poboljanja kvaliteta novog proizvoda. Rezultat aktivnosti treba da bude poboljani proizvod ili usluga, pritom imajui u vidu: utvr ivanje potreba i oekivanja kupaca ili korisnika, planiranje aktivnosti u preduzeu i preispitivanje i ocenjivanje ispunjenja postavljenih ciljeva. Umajui u vidu standard IDEF0, definisae se kao prvi korak odgovarajui dijagram konteksta.
11.1. DIJAGRAM KONTEKSTA FUNKCIONALNOG MODELA POSLOVA U PREDUZEU

Predmet razmatranja je preduzee kome elimo da definiemo granice. Na sledeoj slici je prikazan dijagram konteksta, gde se definie neposredno okruenje preduzea. Kao to smo u prethodnom poglavlju objasnili, kontekstni dijagram sa leve strane definisan je ulaznim informacijama, sa desne strane izlaznim informacijama, odozgo su definisane kontrole, a odzdo resursi.
134
Zakoni i propisi
Standardi
Inf.sa trzista FUNKCIONALNI MODEL POSLOVNOG SISTEMA
Informacije ka drzavnim institucijama
Informacije od drzavnih institucija
Inf.za posl.partnera
Inf.od posl. partnera 0
SUBP
Inter/intranet softver
Zaposleni
NODE:
TITLE:
A-0
FUNKCIONALNI MODEL POSLOVNOG SISTEMA
NUMBER:
Slika 11.1. Funkcionalni model poslova preduzea
Ulazne informacije su: informacije sa trita, informacije od kupaca, kojima se dobija povratna informacija o upotrebi proizvoda, informacije od poslovnih partnera koje utiu na snabdevanje. Izlazne informacije su: informacije za poslovnog partnera, koje treba da omogue informisanost pre svega u vezi sa nabavkom i prodajom; informacije za kupca, koje treba da zadovolje potrebe kupca za kvalitetnim proizvodom. Naroito Posao "Marketing" mora da oslukuje i predvi a potrebe kupaca (korisnika usluge), jer je njihovo zadovoljenje imperativ opstanka na domaem, a naroito inostranom tritu. Kontrole su: zakoni i propisi koji se odnose na funkciju finansija i standardi vezani za marketig i proizvodnju. Mehanizma se definiu odgovornosti kao to je prikazano na predhodnoj slici.
11.2. STABLO POSLOVA U PREDUZEU

Na osnovu definisanog dijagrama konteksta, na sledeoj slici je prikazano stablo poslova, kojim se definie hijerarhijska struktura tj. funkcije koje mogu biti poslovi, procesi i aktivnosti. Struktura prikazana na sledeoj slici predstavlja strateku odluku rukovodstva preduzea i ne predstavlja organizacionu emu. Da biste se oslobodili "organizacionog" pristupa i prihvatili poslovni pristup, potrebno je zamisliti da samo jedan ovek obavlja sve poslove u preduzeu. Definisanje stabla poslova u preduzeu predstavlja strateku odluku preduzea i u njoj obavezno uestvuje top menadment. Stablo poslova prikazano na sledeoj slici predstavlja jedan mogui pogled, dok za vae konkretne uslove i poslove moe da izgleda drugaije. Osnovna stvar koje se morate pridravati prilikom izrade stabla poslova jeste da na jednom nivou moe biti maksimalno est poslova. Ako ih ima vie, to znai da niste dobro izvrili grupisanje poslova.
FUNKCIONALNI MODEL POSLOVNOG SISTEMA 0
UPRAVLJANJE 1 ODLUCIVANJE I PLANIRANJE UPRAVLJANJE KVALITETOM OPSTI I PRAVNI POSLOVI UPRAVLJANJE KADROVIMA RAZVOJ INFORMACIONOG SISTEMA
RACUNOVODSTVO I FINANSIJE 2 FINANSIJSKA OPERATIVA RACUNOVODSTVO
MARKETING 3 ISTRAZIVANJE RAZVOJ SNABDEVANJE PRODAJA
PROIZVODNJA 4 PLANIRANJE I PRACENJE PROIZVODNJE KONTROLISANJE I ISPITIVANJE UPOTREBA PROIZVODA
Slika 11.2. Stablo aktivnosti poslova preduzea
U daljem tekstu, razmatrae se svaki od gore definisanih poslova, tj. aktivnosti. Prvi korak je da uspostavimo dekompozicioni dijagram, tj. treba da definiemo horizontalne veze izme u poslova definisanih u prvom nivou.
136
11.3. DEKOMPOZICIONI DIJAGRAM MODELA POSLOVA PREDUZEA

"Model poslova preduzea" dekomponovae se na etiri golobalna posla: upravljanje, finansije, marketing i proizvodnja. Polazei od izreke da slika moe da zameni hiljadu rei, nee se detaljno reima opisivati poslovi, nego e se prikazivati korienjem slika, tj. dijagrama.
C1 Informacije od drzavnih institucija I2 UPRAVLJANJE Inf. iz upravljanja 1 Odluke organa upravljanja Zakoni i propisi C2 Standardi
Informacije ka drzavnim institucijama O1
Informacije iz RACUNOVODSTVO racunovodstva i finansija I FINANSIJE 2 Inf.sa trzista Inf.od posl. partnera MARKETING 3 Inf.iz marketinga Inf.iz proizvodnje PROIZVODNJA Inf.od kupca 4 Preporuke iz proizvodnje Inf.za posl.partnera Izv. m enadzmentu O2
I1 I3
NODE:
TITLE:
A0
FUNKCIONALNI MODEL POSLOVNOG SISTEMA
NUMBER:
Slika 11.3. Dekompozicioni dijagram
Potujui IDEF0 standard, odgovarajue strelice predstavljaju setove dokumenata koje definiemo kao informacije. Svaka informacija se na sledeem nivou deli, sve do nivoa aktivnosti, gde se kao strelice definiu konkretni dokumenti. Imajui u vidu prethodnu sliku, u daljem tekstu razmatrae se detaljno odgovarajui podre eni poslovi.
Posao 1. Upravljanje
Upravljanje podrazumeva niz radnji iji je zadatak da usmerava sve poslovne aktivnosti ka cilju poslovnog sistema
Posao 1. Upravljanje polazi od odluivanja i planiranja, preko obezbe enja kvaliteta, do upravljanja resursima.
Informacije iz racunovodstva i f inansija Izv. o realizaciji proizvodno finansijskog plana I6 Zahtev za intervenciju Izv. menadzmentu Odluke organa upravljanja I3 Informacije iz ODLUCIVANJE I4 I PLANIRANJE Proizvodno finansijski plan razvoja 1.1 Inf.od posl. partnera I5 I2 Inf.iz proizvodnje I1 Informacije od drzavnih institucija Inf. iz opstih i pravnih poslova Predlozi i zahtevi Predlog za Inf ormacije iz organizacionim upravljanja promenama UPRAVLJANJE kvalitetom KVALITETO M 1.2 OPSTI I PRAVNI POSLOVI 1.3 Evid. o disc. Inf. o obuci za kvalitet merama UPRAVLJANJE KADROVIMA 1.4 RAZVOJ INFORMACIONOG SISTEMA Informacije ka drzavnim institucijama O1 C2 Standardi C1 Zakoni i propisi Informacije iz planiranja
Inf. iz upravljanja O2
Inf. iz osiguranja zaposlenog
Resenje drzavnih organa
Inf . za planiranje iz upravljanja kadrovima Zahtevi korisnika
Razvijena 1.5 aplikacija
NODE:
TITLE:
A1
UPRAVLJANJE
NUMBER:
Slika 11.4. Dekompozicioni dijagram za posao 1. Upravljanje
Najvaniji poslovi su: postavljanje optih smernica u razvoju preduzea; izbor organizacionih oblika i postupaka koji omoguuju racionalno poslovanje preduzeem; davanje direktiva za izradu proizvodnih programa i predloga za njihovo usvajanje; rukovo enje i uskla ivanje ukupnog poslovanja; periodina analiza ostvarenih rezultata radi sagledavanja tehnikoorganizacionih mera za poboljavanje rezultata u ukupnom poslovanju. Imajui u vidu prethodnu sliku, u daljem tekstu razmatrae se detaljno odgovarajui podre eni poslovi.
Posao 1.1. Odluivanje i planiranje

Posao 1.1. Odluivanje i planiranje treba da omogui predvi anje, organizovanje, nare ivanje, koordinaciju i kontrolu. U okviru ovog posla, potrebno je definisati dekompozicioni dijagram, kojim se uspostavljaju horizontalne veze izme u aktivnosti za Posao 1.1. Odluivanje i planiranje.
138
I2
Inf.iz marketinga Inf.iz proizvodnje Informacije iz ra~unovodstva i ODLUCIVANJE I1 finansija Inf. za planiranje iz I4 upravljanja kadrovima Iizbor resenje problema O2
I3
1.1.1 Nalog za razvoj Plan rada preduze}a PLANIRANJE O5 O6
Informacije iz marketinga I5 Inf. iz op{tih i pravnih poslova Informacije iz Upravljanja kadrovima
Informacije iz ra~unovodstva i finansija Informacije iz proizvodnje I6 Informacije obezbe|enja kvaliteta
Izv. o realizaciji proizvodno finansijskog plana O1 Biznis plan 1.1.2 O4
Informacije iz marketinga Informacije iz proizvodnje
Kalkulacija cena KALKULACIJA ko{tanja CENE KO[TANJA 1.1.3
O3
NODE:
TITLE:
A1.1
ODLUÎVANJE I PLANIRANJE
NUMBER:
Slika 11.5. Dekompoziconi dijagram za posao 1.1. Odluivanje i planiranje
Imajui u vidu prethodnu sliku, u daljem tekstu e se detaljno razmatrati odgovarajui podre eni poslovi. Posao 1.1.1. Odluivanje Posao "1.1.1. Odluivanje" se izvodi u svim fazama poslovanja preduzeem. Odluivanje je izbor izme u vie alternativnih mogunosti za promenu stanja sistema radi postizanja uspostavljenog cilja. Rezultat odluivanja su odluke kojima se definiu ciljevi organizacije, potrebna sredstva, kadrovi i vreme za ostvarivanje postavljenih ciljeva, i kojima se otklanjaju nastale smetnje i dileme. Posao odluivanja otvara se kada se utvrdi potreba za donoenjem neke odluke. Nakon odnoenja odluke slede aktivnosti sprovo enja donesene odluke i kontrola postignutih rezultata u sprovo enju. Ovaj posao se sastoji iz sledeih aktivnosti: Definisanje problema. Otkrivanje i formulisanje problema je proizvod nenadane situacije, ili rezultat neke planske, prouavane aktivnosti. Uz preciznu identifikaciju, mora se utvrditi domen pruanja dosezanja problema u odnosu na objektni sistem, odrediti kompetencija donosilaca odluke i njihovi globalni ciljevi. Utvr ivanje situacije odluivanja. Situacije odluivanja opisuju injenice, stanja okruenja u kojem se odigrava proces odluivanja, tj. da li se ono odvija: - u situacijama izvesnosti,
- u situacijama rizika i - u situacijama neizvesnosti. Odluivanje u situacijama rizika, po izloenoj podeli, je situacija kada se stanja prirode problema koji se razmatra ne poznaju, ali se zato tim stanjima mogu dodeliti pripadajue verovatnoe pojavljivanja. Situacija kada se o stanjima prirode problema koji se razmatra i njihovoj uestanosti ne zna, oznaavaju se kao situacije neizvesnisti. Izvesnost u odluivanju podrazumeva poznavanje relevantnih injenica i stanja vezanih za pojavu o kojoj se odluuje. Formiranje modela odluivanja. Posmatrajui formiranje modela kao makroaktivnost, njoj pridruujemo i iznalaenje i vrednovanje raspoloivih alternativa, smatrajui da je utvr ivanje moguih i dopustivih alternativa, vrednovanje njihove privlanosti sa aspekta verovatnoe deavanja, kao i preferencije donosioca odluke za njihove posledice, tako e elemenat modela odluivanja. Opti, simboliki model odluivanja predstavlja, zapravo, okvir u kojem se mogu nai neki od mnogobrojnih logikih, matematikih, normativnih, analognih, simulacionih, iterativnih, dinamikih, deskriptivnih, intuitivnih... modela, ije metode i tehnike reavanja pokrivaju (sa manjim ili veim uspehom) najvei broj poznatih problema odluivanja. Izbor reenja problema. Ukoliko je model odluivanja dao ukupne vrednosti alternativa, izbor reenja je analitiki proces koji se sastoji u utvr ivanju one alternative koja ima najveu vrednost za funkciju korisnosti. U tom sluaju, ova alternativa predstavlja prirodni izbor (kandidata) za reenje problema.
Posao 1.1.2. Planiranje Poslom "1.1.2. Planiranje" se postavljaju ciljevi, utvr uju potrebna sredstva, vreme i nain ostvarivanja ciljeva. Planiranje je kreativan misaoni proces, tj. posao kojim se predvi a budunost, ime se smanjuje neizvesnost i rizik u poslovanju i razvoju preduzea. Planiranje kao misaona radnja prethodi svakoj organiyovanoj akciji.
Ovaj posao je definisan sledeim aktivnostima: Izrada plana rada preduzea. Na osnovu pristiglih predloga planova iz ostalih poslovnih funkcija, definie se plan materijala, koji obuhvata sav potreban direktni materijal, pomoni materijal, materijal i rezervne delove za odravanje maina i ure aja, za izradu specijalnih alata i dr. i plan kapaciteta i radne snage, koji definie koliko e se koristiti, koliki je viak, gde su uska grla u proizvodnji i ta u kojoj situaciji treba preduzeti.
140
Praenje i analiza realizacije planova rada preduzea. Vezano je za praenje, analiziranje i prikazivanje ostvarenih rezultata. Kao rezultat analize, daje se predlog izmena i dopuna proizvodnog programa u sluaju nastalih promena u planskim pretpostavkama ili nastalih smetnji u realizaciji. Izrada biznis plana. Biznis plan je osnovni dokument, pisan za internu i eksternu upotrebu. Interno slui menadmentu i zaposlenima da kontinualno prate, koriguju i unapre uju poslovne procese preduzea, proiruju proizvodne kapacitete i poboljavaju uspenost poslovanja preduzea. Ovim dokumentom se precizno definie raspored svih poslovnih aktivnosti koje se odnose na marketing, finansije, proizvodnju, prodaju i razvoj. Eksterno koristi potencijalnim zajmodavcima (bankama, fondovima i me unarodnim investicionim organizacijama) kao kljuni dokument na osnovu koga se odluuje dali e se upustiti u poslovnu transakciju sa preduzeem.
Posao 1.1.3. Kalkulacija cene kotanja Kalkulacije cene kotanja rade se u sluajevima osvajanja novog proizvoda, izrade novih alata, promene/zamene osnovnog i pomonog materijala, kod promena cena na tritu i svim drugim sluajevima promena (poveanje transportnih trokova, cene elektrine energije, cene usluge kooperanata i drugo). Ovaj posao je definisan sledeim aktivnostima: Kalkulacija cena za izradu alata, pribora i ure aja obuhvata materijalne trokove i utroene asove rada u alatnici iz radnog naloga alatnice i cene norma asa mainske i rune obrade. Kalkulacija za maine obuhvata trokove amortizacije maina, investicionog odravanja, tekueg odravanja, elektrine energije, vode, ulja, kao i drugih alternativnih elemenata. Kalkulacija cene za proizvod obuhvata trokove osnovnog materijala za izradu konkretnog proizvoda, trokove ambalae, transportne trokove, utroenu radnu snagu, uee maina, uee alata po ve ranije utvr enim kalkulacijama i sl.
Posao 1.2. Upravljanje kvalitetom

U okviru ovog posla, potrebno je definisati dekompozicioni dijagram kojim se uspostavljaju horizontalne veze izme u podre enih poslova.
Inf.od posl. partnera I3 I2 Zahrevi ISO 9001 C2 C1 Proizvodno f inansijski plan Dokum enta sistema kvaliteta Standardi
IZRADA DOKUMENATA SK 1.2.1 DEFINISANJE PLANA KVALITETA 1.2.2 Zahtevi za internu proveru SK Zahtevi za proveru neusaglasenosti
Dokumenta S K Plan kvaliteta proizvoda Zahtev za INTERNA korektivnu PRO VERA meru SISTEMA KVALITETA 1.2.3 Izvestaj o neusaglasenosti Informacije iz upravljanja kvalitetom Izvestaj o funkcionisanju sistema kvaliteta Izvestaj o resenim neusaglasenostima Izvestaj o neusaglasenom materijalu STATISTICKA Izvestaj statisticke analize ANALIZA kvaliteta Evidencija KVALITETA obuke za 1.2.5 kvalitet OBUKA ZA radnika KVALITET 1.2.6 O1
Inf ormacije iz razvoja Zahtev za izradom plana kvaliteta I1 Predlozi i zahtevi
SPROVODJENJE KOREKTIVNI H MERA 1.2.4
I4
Inf.iz proizvodnje
I5
Inf . za planiranje iz upravljanja kadrovima
NODE:
TITLE:
A1.2
UPRAVLJANJE K VALITETOM
NUMBER:
Slika 11.6. Dekompozicioni dijagram za posao "1.2. Upravljanje kvalitetom"
Imajui u vidu prethodnu sliku, u daljem tekstu razmatrae se detaljno odgovarajui podre eni poslovi. Posao 1.2.1. Izrada dokumenata sistema kvaliteta Poslom "1.2.1. Izrada dokumenata sistema kvaliteta" uspostavljaju se veze izme u sledee etiri aktivnosti: Definisanje zahteva za izradu/izmenu dokumenata kvaliteta. Pokretanje izrade dokumenata SK vri se na osnovu naloga donetog od nadlenog rukovodioca. Za svaki dokument SK definisan u "nalogu" odre uje se nosilac zadatka i tim koji je duan da donese i sprovede dokumenta SK, od nacrta do njegove primene. Na osnovu izdatog zahteva izvri se snimanje postojeeg stanja sa nadgradnjom i izvri planiranje aktivnosti. Izrada/izmena dokumenata sistema kvaliteta. Pokretanje izrade dokumenata SK vri se na osnovu naloga donetog od nadlenog rukovodioca. Za svaki dokument SK definisan u "nalogu" odre uje se nosilac zadatka i tim koji je duan da donese i sprovede dokumenta SK, od nacrta do njegove primene. Na osnovu izdatog zahteva izvri se snimanje postojeeg stanja sa nadgradnjom i izvri planiranje aktivnosti.
142
Analiza i ocena dokumenata SK. Na osnovu u prethodnom koraku usaglaenog nacrta, tim za izradu nacrta izvrava proveru u praksi i na osnovu nje pie odgovarajui izvetaj. Razmatra se izvetaj o primeni dokumenata sistema kvaliteta, analizira se i ocenjuje kao nacrt dokumenata sistema kvaliteta. Usvajanje i distribucija dokumenata sistema kvaliteta. Korigovani i usvojeni poslovnik, procedura ili uputstvo unosi se u knjigu usvojenih procedura i uputstava, odobrava se njena primena i vri distribucija.
Posao 1.2.2. Definisanje plana kvaliteta Plan kvaliteta prikazuje kako se izvrava i kontrolie pojedinani ugovor ili projekat. Osnovna namena plana kvaliteta jeste zadovoljenje svih zahteva kupca predvi enih ugovorom, a koristi se i kada se proizvod ili usluga rade za nepoznatog korisnika. Ovaj posao je definisan sledeim aktivnostima: Izrada plana kvaliteta. Plan kvaliteta odre uje kljune elemente proizvoda neophodne za obezbe enje zahtevane upotrebne vrednosti, postupke i metode rada, kao i njihovu verifikaciju. Definisanje plana kontrolisanja i ispitivanja. Plan kontrolisanja definie koji su to zahtevi proizvoda koje treba proveriti, sa tanim veliinama, kao i sredstva sa kojima e se ti zahtevi porediti. Posao 1.2.3. Interna provera sistema kvaliteta Interna provera sistema kvaliteta izvodi se zbog utvr ivanja efikasnosti elemenata sistema upravljanja kvalitetom u postizanju eljenog cilja. Provera sistema kvaliteta je sveukupna kontrola koja treba da utvrdi da li je ostvaren kvalitet sa planiranim merama definisanim u okviru elemenata za upravljanje kvalitetom. Interne provere su provere koje obavljaju lica zaposlena u preduzeu, a obuena za poslove provere. Ovaj posao je definisan sledeim aktivnostima: Priprema za proveru. Zapoinjanje aktivnosti interne provere sprovodi Odbor za kvalitet na osnovu analize sistema kvaliteta. U tom cilju, odbor pravi program provere koji treba da definie cilj provere, koji deo sistema kvaliteta e se proveravati, kao i termin i trajanje provere. Planiranje provere. Orijentacioni plan interne provere pravi se najkasnije sedam dana pre termina provere. Polazni dokument je zapisnik Odbora za kvalitet, gde se obino definie zahtev za internu proveru. Izvo enje provere. U okviru izvo enja interne provere, prikupljaju se odgovori na sva pripremljena pitanja. Provera se vri pregledom
dokumentacije, opreme, proizvoda/materijala, osoblja i procedura. Za uoene neusaglaenosti popunjava se odgovarajui dokument, "Izvetaj o neusaglaenosti sistema kvaliteta", na osnovu kojeg se daju i predlozi korektivnih akcija. Analiza funkcionisanja sistema kvaliteta. Cilj je da rukovodstvo dobije tane nalaze i zakljuke o proveri. U izvetaj ulaze samo oni nalazi za koje je istinitost proverena i usaglaena sa odgovornim licima u proveravanom delu preduzea. Bitno je istai vrednovanje/ocenjivanje uoenih neusaglaenosti i predlog korektivnih mera. U izvetaju se daje i predlog korektivnih mera za uoene i kategorizovane neusaglaenosti.
Posao 1.2.4. Sprovo enje korektivnih mera Ovaj posao je definisan sledeim aktivnostima: Prijavljivanje neusaglaenosti. U okviru prijavljivanja neusaglaenosti, definie se uzronik greke i nalau se mere za izvo enje korektivnih akcija. Podaci o neusaglaenosima se prikupljaju na osnovu informacija o proizvodnji, reklamacija kupaca, kontrole kvaliteta i slino. Operativno reavanje neusaglaenosti podrazumeva preduzimanje mera na sanaciji nastalih greaka ili analizu mogunosti za ugradnju. Na osnovu reklamacija kupaca i analize trokova (npr. Pareto dijagrami), definiu se prioriteti za reavanje neusaglaenosti. Planiranje i sprovo enje korektivnih i preventivnih mera. Korektivne i preventivne mere predstavljaju skup akcija kojima se reava nastali problem u funkcionisanju sistema kvaliteta i trajno otklanja njegov uzrok. Ocena efekata korektivnih i preventivnih mera. Ova ocena se izodi na nivou top menadmenta i predstavlja sastavni deo praenja odluke o sporvo enju korektivnih i preventivnih mera. Posao 1.2.5. Statistika analiza kvaliteta Osnovni zadatak primene statistikih metoda jeste da se prikupe neophodni podaci i, na osnovu zakonitosti definisanih konkretnim metodama, donese dovoljno pouzdan zakljuak o kvalitetu posmatranog posla, aktivnosti ili proizvoda. Da bi se mogla stvoriti predstava o nekom poslu, proizvodu ili aktivnosti, potrebno je prikupiti neophodne podatke o relevantnim parametrima, koje treba: sre ivati, obraditi i prikazati u zahtevanom obliku. Tek primenom korektivnih mera, statistike metode dobijaju svoj puni smisao i opravdavaju uloen trud da se podaci sakupe, obrade i prikau u zahtevanom obliku. Statistike metode u preduzeu primenjuju se na osnovu zahteva tehnike dokumentacije, tehnologija kontrolisanja i ispitivanja, specijalnih zahteva kupaca iskazanih kroz ugovornu dokumentaciju i konkretnih zahteva za analizu
144
pojedinih parametara realizacije planova i proizvodnih poslova. Pored ovoga, statistike metode se koriste i u drugim oblastima poslovanja, samostalne ili kao podloga za dokumentovano prikazivanje pojedinih segmenata rada. Izbor statistike metode vri se na startu izvo enja konkretnih analiza/izvetaja, u zavisnosti od toga koji efekti se oekuju od rezultata i od podobnosti konkretne metode da se dobiju oekivani rezultati. Za sada se u naim preduzeima primenjuju sledee metode: kontrola uzorkovanjem, koja se izvodi u prijemnoj kontroli, kao i u proizvodnim pogonima pri procesnoj i zavrnoj kontroli; statistika kontrola primenom kontrolnih karata, koja se izvodi: o za proizvode u toku proizvodnog procesa (kako je zahtevano tehnikom dokumentacijom) o za proizvode po zavrenom tehnolokom procesu (na osnovu specijalnog zahteva kupca ili super kontrole pojedinih poluproizvoda ili parametara). Posao 1.2.6. Obuka za kvalitet Obuka kadrova predstavlja poseban segment poslovanja neke firme, jer se mora voditi rauna kako o postojeim kadrovima, tako i o prijemu novih kadrova. Evidenciju o kvalifikacionoj strukturi i obuenosti kadrova vodi Kadrovska i opta sluba. Na osnovu iskazanih potreba radnih jedinica, Kadrovska i opta sluba pravi Plan obuke kadrova, organizuje poha anje kurseva, seminara i dr. Ovaj posao je definisan sledeim aktivnostima: Planiranje obuke. Plan strunog osposobljavanja kadrova mora da sadri: oblike strunog osposobljavanja kadrova, broj radnika po zanimanjima i stepenu strune spreme planiran za struno osposobljavanje, vreme trajanja seminara, kursa ili drugog oblika strunog osposobljavanja, termin plan realizacije. Priprema obuke. Priprema obuke se izvodi za struno osposobljavanje na nivou drugog stepena strunosti i vie, ili osposobljavanje posle kojeg se moe izdati dokument kao javni i opte priznat. Za seminare i kurseve organizovane u cilju inovacije znanja koriste se posebno sainjeni programi. Izvo enje obuke. Radniku treba omoguiti da redovno poha a nastavu i da ne bude preoptereen na svom radnom mestu, kako bi mogao uspeno da savlada obuku. Provera i izvetavanje. Po zavrenom osposobljavajnu i izvrenoj proveri,
izdaje se dokument o strunoj osposobljenosti. U kartonu zaposlenog radnika evidentiraju se podaci o kursu, izvo au, trajanju i uspehu.
Posao 1.3. Opti i pravni poslovi

Prijem stranaka i stranih lica Licna dokum enta Upozorenje Uocavanje i prijava I2 Inf .iz proizvodnje ZASTITA NA RADU (ZNR) 1.3.2 ZASTITA ZIVOTNE SREDI NE (ZZS) 1.3.3 Informacije iz ZNR Informacija iz ZZS Informacije iz pravne sluzbe Informacije iz Evidencije PRO TI VPOZARNA ZOP ZOP ZASTITA 1.3.4 Prijava zastite na radu Inf ormacije od drzavnih institucija I3 Disciplinska prijava TITLE: Prijava fizickog obezbe|enja PRAVNI POSLOVI 1.3.5 Informacije ka drzavnim institucijama O1 FIZICKO OBEZBEDJENJE 1.3.1 Zakon Zastite na radu C1 Kolektivni ugovor ZNR Resenje republickog inspektora Program Akti ZZS drzavnih institucija i strucnih ustanova Kriterijum i upravljanja ZOP Proizvodno finansijski plan
Knjiga evidencija Normativi ZOP Inf. iz opstih i pravnih poslova O2
I1
Inf ormacije iz upravljanja kvalitetom Kolicina i vrsta otpada
NODE:
A1.3
OPSTI I PRAVNI POSLO VI
NUMBER:
Slika 11.7. Dekompozicioni dijagram za posao"1.3. Opti i pravni poslovi"
Posao 1.3.1. Fiziko obezbe enje Ovaj posao je definisan sledeim aktivnostima: Kontrola i prijem stranaka i stranih lica obavlja poslove vezane za utvr ivanje identiteta i razloga posete i evidentiranje i najave poseta. Organizacija ulaska vozila prijem teretnih vozila, prijem vozila koja prevoze opasne materije, prijem vozila koja vre servis, prijem vozila koja podleu carini i definisanje reima saobraaja za sopstvena vozila. Nepredvi ene situacije uoavanje nepredvi ene situacije, pisanje prijava organima preduzea i pisanje prijava nadlenim organima. Vo enje evidencije vo enje knjiga doga aja, evidencije ulaska stranaka i automobila, evidencije ulaska teretnih vozila i evidencije protivpoarnih alarma.
146
Posao 1.3.2. Zatita na radu Ovaj posao definisan je sledeim aktivnostima: Primena mera zatite na radu lina zatitna sredstva, periodini pregledi maina i aparata, periodini lekarski pregled, sanitarni pregled radnika i obuka i struno osposobljavanje za zatitu na radu. Kontrola sprovo enja mera zatite na radu inspekcijski nadzor zatite na radu i interna kontrola. Evidencija zatite na radu evidentiranje osposobljenosti za rad, evidentiranje radnih mesta sa posebnim uslovima rada, evidentiranje periodinih pregleda maina i ure aja, evidentiranje periodinih pregleda radnika, evidentiranje povreda na radu i evidentiranje ispitivanja komfora radne sredine. Posao 1.3.3. Zatita ivotne sredine Ovaj posao definisan je sledeim aktivnostima: Primena mera zatite ivotne sredine analiziranje otpadnih voda, lagerovanje rabljenog motornog ulja, lagerovanje ambalae hemijske zatite, prikupljanje otpada koji nema svojstvo opasnih materija i izrada uputstava i upozorenja za zatitu ivotne sredine. Kontrola sprovedenih mera zatite ivotne sredine inspekcijski nadzor zatite ivotne sredine i interna kontrola zatite ivotne sredine. Metodologija procene opasnosti identifikacija opasnosti od udesa, formiranje tima za identifikaciju opasnosti od udesa, sakupljanje podataka potrebnih za identifikaciju opasnosti, definisanje metode za identifikaciju opasnosti od udesa, primena identifikacije u analizi opasnosti od udesa, analiza posledica akcidenta, prikaz moguih razvoja doga aja, modeliranje efekata, analiza povredivosti, procena rizika, procena verovatnoe nastanka udesa, procena moguih posledica. Posao 1.3.4. Protivpoarna zatita Ovaj posao definisan je sledeim aktivnostima: Planiranje i analiza zatite od poara planiranje zatite od poara, analiza podataka zatite od poara, obrada upravljakih akcija, saveta i preporuka. Spoljanja i unutranja kontrola zatite od poara provera obezbe enih, sprovedenih i primenjenih mera zatite od poara, provera zapisniki utvr enih mera, servisiranje i provera protivpoarne opreme. Vatrogasna jedinica otkrivanje, dojava i obavetavanje, sistem gaenja poara i raspoloivo ljudstvo i oprema. Obuka za zatitu od poara zakonom propisana obuka za zatitu od
poara i obuka vatrogasaca. Posao 1.3.5. Pravni poslovi Ovaj posao je definisan sledeim aktivnostima: Pravno zastupanje obavlja poslove vezane za vo enje sporova pred sudovima i drugim organima. Priprema optih akata i izrada ugovora obavlja poslove vezane za definisanje nacrta optih akata i izradu ugovora, uz stalno praenje pozitivnih propisa i davanje upustava za njihovu primenu. Vo enje disciplinskog postupka obavlja poslove vezane za naruavanje discipline u preduzeu.
Posao 1.4. Upravljanje kadrovima

C1 Predlog za organizacionim promenama I2 PRACENJE ORGANIZACIO NE Akt o STRUKTURE sistematizaciji 1.4.1 Zahtev za popunu radnog m esta OBEZBEDJIVANJE POTREBNIH KADROVA Ugovor o radu(i anex) 1.4.2 Odlika o prijemu Odluke organa upravljanja I1 I5 I3 I4 Resenje drzavnih organa Evid. o disc. merama Inf . o obuci za kvalitet Inf ormacija o strucnom osposobljavanju NODE: TITLE: 1.4.3 Resenje o rasporedjivanju Potvrda o radnom odnosu Broj kontakt memorije DOSIJE Resenja o odsustvu i odmorima ZAPOSLENOG Inf . o prestanku radnog odnosa Inf . iz osiguranja zaposlenog Obrazac E-3 Informacije ka drzavnim institucijama Inf . za planiranje iz upravljanja kadrovima O3 Zakoni i propisi
Prijava o slobodnom radnom mestu (E-1)
O1
O2
A1.4
UPRAVLJANJE K ADROVIMA
NUMBER:
Slika 11.8. Dekompozicioni dijagram za posao 1.4. Upravljanje kadrovima
Posao 1.4.1. Praenje organizacione strukture Praenje organizacione strukture podrazumeva analizu potreba pojedinih radnih mesta i analizu kvalifikacione strukture zaposlenih, i u skladu sa tim raspored ljudi na odgovarajua radna mesta.
148
Posao 1.4.2. Obezbe ivanje potrebnih kadrova Obezbe ivanje potrebnih kadrova je izbor kadrova za odre ena radna mesta iz okvira preduzea ili sa trita rada i sadri sledee aktivnosti: Realizacija prijema radnika. Odluku o prijemu radnika donosi generalni direktor na inicijativu direktora sektora. Na osnovu odluke, Sluba za kadrovske i opte poslove raspisuje oglas konkurs i dostavlja ga sredstvima javnog informisanja i Fondu za zapoljavanje. Uslovi koje treba da ispunjavaju prijavljeni kandidati utvr eni su sistematizacijom radnih mesta i odlukom generalnog direktora o prijemu radnika. Kada odluka o izboru postane konana, sluba za kadrovske i opte poslove obavetava Fond za zapoljavanje o odluci generalnog direktora o izboru i poziva kandidate da zasnuju radni odnos. Zasnivanje radnog odnosa. Izabrani kandidat, pozvan da zasnuje radni odnos, dostavlja radnu knjiicu, dokaze o stepenu strune spreme i zanimanju i dokumenta o identitetu. Sa kandidatom pozvanim da zasnuje radni odnos zakljuuje se ugovor o radu, kojim se utvr uju obaveze i dunosti radnika, obaveze poslodavca, poslovi koji se poveravaju radniku i cena rada. Ugovor o radu zakljuuje generalni direktor ili ovlaeni radnik, to zavisi od poslova koje e novoprimljeni radnik obavljati. Upoznavanje sa zatitom na radu. Prilikom zasnivanja radnog odnosa, promene u tehnolokom postupku, promene radnog mesta, kao i svake druge promene koja bi mogla da ugrozi bezbednost integritet radnika, vri se upoznavanje radnika sa opasnostima, tetnostima i merama zatite, na osnovu Programa o osposobljavanju radnika za bezbedan rad. Ispitivanje sredstava i opreme line zatite i provera prethodnih, ugra enih mera zatite vre se periodino i o tome se vodi dokumentacija koja je ustrojena na osnovu Pravilnika o vo enju evidencije iz zatite na radu. Sve evidencije iz zatite na radu nalaze se kod referenta zatite na radu. Posao 1.4.3. Dosije zaposlenog Izabrani kandidat, pozvan da zasnuje radni odnos, dostavlja radnu knjiicu, dokaze o stepenu strune spreme i zanimanju i dokumenta o identitetu. Sa kandidatom pozvanim da zasnuje radni odnos zakljuuje se ugovor o radu, kojim se utvr uju obaveze i dunosti radnika, obaveze poslodavca, poslovi koji se poveravaju radniku i cena rada.
Posao 1.5. Razvoj informacionog sistema

U okviru ovog posla, potrebno je definisati dekompozicioni dijagram kojim se uspostavljaju horizontalne veze izme u aktivnosti.
Pravilnici Organizaciona sema Zahtevi korisnika I1 FUNKCI ONALNO MODELIRANJE 1.5.1 Razvijena aplikacija Idejni projekat Informacije iz planiranja C1
Informacije od korisnika
INFORMACIONO MO DELIRANJE 1.5.2 Model podataka
Glavni projekat
O1
Transakcioni podaci
APLIKATI VNO MO DELIRANJE 1.5.3
Izvodjacki projekat Postupak implementacije Radni JAIS IMPLEMENTACI JA 1.5.4 Korisnicki softver Alati za testiranje
Postoje}e aplikacije NODE:
Trendovi TITLE:
Radna grupa
Relaciona BP
Klijen/Server arhitektura Spoljni konsultant NUMBER:
A1.5
RAZVOJ INFORM ACIONOG SISTEM A
Slika 11.9. Dekompozicioni dijagram za posao 1.5. Razvoj informacionih sistema
Posao 1.5.1. Funkcionalno modeliranje Posao "1.5.1. Funkcionalno modeliranje" treba da omogui postavljanje modela, tj. definisanje studije koja koncipira reinenjering poslovnih procesa u irinu i koja sadri: funkcionalnu dekompoziciju stablo poslova kako ih vidi vodei menadment, definisanje zahteva korisnika identifikovanje okvira poslovnih fukcija,
150
tehnike preduslove:
arhitekturu potrebnog sistema (hardver i softver), kadrovske potrebe (broj kadrova i njihovo obrazovanje) i dinamiku realizacije (vremensku i trokovnu dimenziju). Posao 1.5.2. Informaciono modeliranje Posao "1.5.2. Informaciono modeliranje" je kljuni momenat, gde do izraaja dolaze sposobnost i znanje visokostrunog kadra iz oblasti menadmenta i informatike. U ovoj fazi poeljno je angaovanje i spoljnih eksperata. Ovaj posao je definisan sledeim aktivnostima: Definisanje detaljnih zahteva. Za izabrane informacione podsisteme definiu se detaljno stablo aktivnosti i detaljni dekompoziconi dijagrami. Kreiranje ER modela. Potrebno je definisati kandidate za entitete, veze izme u entiteta i ER model. Kreiranje atributa. Potrebno je definisati i usvojiti listu kandidata za atribute, definisati kljueve, izvriti normalizaciju i definisati atribute. Definisanje poslovnih pravila. Potrebno je definisati kardinalnosti veza, referencijalni integritet i poslovni domen. Posao 1.5.3. Aplikativno modeliranje Posao "1.5.3. Aplikativno modeliranje" treba da omogui projektantima baze podataka da fiziki kreiraju efikasnu bazu podataka i da pomognu projektantskom timu u razvoju aplikacije i odabiru naina pristupa podacima. Ovaj posao definisan je sledeim aktivnostima: Definisanje fizikog dizajna potrebno je izbrati SUBP, definisati tabele i kolone, indekse, i nain upravljanja podacima. Generisanje eme baze podataka potrebno je kreirati tabele, indekse, generisati poslovna ogranienja i verifikovati emu baze podataka. Izrada aplikacije definiu se meni, izgled formi, upiti i izvetaji. Posao 1.5.4. Implementacija Posao "1.5.4. Implementacija" omoguuje izvo enje promena vezanih za nain rukovo enja i primene informacionih tehnologija.
Ovaj posao je definisan sledeim aktivnostima: Uvo enje potrebno je izvriti vrednovanje softvera, omoguiti izmene u toku uvo enja, izraditi korisnika uputstva i izraditi plan obuke. Testiranje potrebno je izvriti testiranje modula, podsistema, integralnog
sistema i testiranje u korisnikom okruenju. Odravanje praenje rada softvera, ispravljanje greaka, poboljanje sistema, dodavanje novih funkcija i izmene hardvera i softvera.
152
Posao 2. Raunovodstvo i finansije

Horizontalne veze na prvom nivou za poslovnu funkciju 2. Raunovodstvo i finansije prikazane su na sledeoj slici.
C2 Zakoni i propisi Inf.od posl. partnera I3 I1 Inf. iz upravljanja Izv. o izvr. odrz. FINANSIJSKA OPERATIVA Informacije iz finansijske operative C1 Odluke organa upravljanja
2.1 Informacije iz opstih i pravnih poslova Informacije iz razvoja I5 Inf.iz proizvodnje I4
Informacije iz racunovodstva i finansija O1
Informacije iz razvoja RACUNOVODSTVO
Informacije iz racunovodstva
Informacije od drzavnih institucija I2 Izv. o izvr. odrz. 2.2 PRACENJE NOVCANIH TOKOVA 2.3
NODE:
TITLE:
A2
RACUNOVODSTVO I FINANSIJE
NUMBER:
Slika 11.10. Dekompozicioni dijagram za posao 2. Raunovodstvo i finansije
Za raunovodstvo i finansije se definie: finansijska operativa koja podrazumeva obradu finansijskih dokumenata, obraun ukupnih primanja radnika, poslove sa gotovim novcem, odnose sa bankama. raunovodstvo koje podrazumeva izradu i odravanje kontnog okvira ifarnika i pravilnika, izradu i kontiranje naloga za knjienje, evidenciju promena glavne knjige, evidenciju promena u pogonskom knjigovodstvu, kontrolu ispravnosti knjienja, izradu obrazaca periodinog i godinjeg rauna praenje novanih sredstava.
Posao 2.1. Finansijska operativa

C1 Informacije od drzavnih institucija I5 Inf.od posl. partnera I1 Informacije iz razvoja I4 I2 Informacije iz opstih i pravnih poslova I3 2.1.2 POSLOVI SA Blagajnicki dnevnik GOTOVIM NOVCEM 2.1.3 ODNOSI SA BANKAMA 2.1.4 NODE: TITLE: Zakoni i propisi
OBRADA FINANSIJSKIH DOKUMENATA
Informacije iz obrade finansijskih dokumenata C2 Odluke organa upravljanja Informacije iz finansijske operative OBRACUN UKUPNIH PRIMANJA RADNIKA Informacije iz obracuna ukupnih primanja radnika O1
2.1.1
Izv. o izvr. odrz.
Ra~un
A2.1
FINANSIJSK A O PERATIVA
NUMBER:
Slika 11.12. Dekompozicioni dijagram za posao 2.1. Finansijska operativa
Posao 2.1.1. Obrada finansijskih dokumenata Ovaj posao definisan je sledeim aktivnostima: Evidencija finansijskih dokumenata. Evidencija finansijskih dokumenata se izvodi na osnovu informacija iz dravnih institucija, informacija od partnera (izvetaj o knjienju, profaktura, overena izjava o kompenzaciji), informacija iz optih i pravnih poslova (ugovor) i informacija iz razvoja. Kontrola ispravnosti dokumenata i likvidatura. Finansijska dokumenta za korekciju, reklamacija na finansijski dokument i ispravan finansijski dokument. Korekcija finansijskih dokumenata. Korigovani finansijski dokument, nalog o odobrenju i nalog o zaduenju. Plaanje. Opti nalog za prenos, poseban nalog za prenos i nalog za obraun.
154
Posao 2.1.2. Obraun ukupnih primanja radnika Ovaj posao je definisan sledeim aktivnostima: Akvizicija prisutnosti radnika izmereno radno vreme za odre eni period na osnovu propusnica, nalozi za slubeno putovanje, reenja za godinji odmor, potvrda o bolovanju i dr. Kontrola izmerenog vremena evidenicija o prisutnosti na radu. Obraun zarada i naknada radnika obraun primanja, lina primanja radnika, ostala lina primanja, obraun doprinosa i poreza, obraun kredita, obraun doprinosa na teret poslodavca. Penzijsko osiguranje radnika popunjava se M4 obrazac. Posao 2.1.3. Poslovi sa gotovim novcem Ovaj posao je definisan sledeim aktivnostima: Obraun za isplatu ek, rekapitulacija novca i nalog o izvrenju doznake. Obraun za naplatu i prijem gotovog novca i bonova nalog blagajni za naplatu, opta uplatnica i rekapitulacija novca. Podizanje i izdavanje gotovog novca i bonova nalog blagajni da naplati i priznanica. Uplata gotovine nalog za isplatu i overena opta uplatnica. Evidencija blagajnikog naloga blagajniki dnevnik. Posao 2.1.4. Odnosi sa bankama Na osnovu informacija od poslovnog partnera, sprovode se aktivnosti: uzimanje kredita, plasiranje sredstava, hartije od vrednosti koje se prosle uju u obliku informacija iz finansijske operative.
Posao 2.2. Raunovodstvo

Posao "2.2. Raunovodstvo" uspostavlja se horizontalne veze izme u podre enih poslova kao to je prikazano na sledeoj slici.
Informacije iz razvoja Zakoni i propisi C1 C2 Odluke organa upravljanja
I3 Informacije iz finansijske operative I1
IZRADA I Kontni okvir ODRZAVANJE KONTNOG Pravilnik o OKVIRA SIFARNIKA I racunovodstvu PRAVILNIKA 2.2.1
Nalog za knjizenje KONTROLA ISPRAVNOSTI KNJIZENJA Nalog za preuzimanje zaliha i troskova 2.2.5
Informacije iz opstih i pravnih poslova I2 Informacije od drzavnih institucija I6 I5 Inf.iz proizvodnje
Izdvojeni ra~un
IZRADA I KONTIRANJE NALO GA ZA KNJIZENJE 2.2.2 Neuravnoteèn nalog
EVIDENCIJA PRO MENA U POGO NSKOM KNJIGOVODSTVU 2.2.4 EVIDENCIJA PROMENA GLAVNE KNJI GE
Bruto bilans pogonskog kjigovodstva IZRADA Informacije iz OBRAZACA racunovodstva PERIO DICNOG O1 I GODISNJEG RACUNA 2.2.6
Informacije iz razvoja I4 Bruto bilans
I7 Izv. o izvr. odrz. NODE: TITLE:
2.2.3 Nalog za korekciju iskazanog stanja
A2.2
RACUNOVODSTVO
NUMBER:
Slika 11.13. Dekompozicioni dijagram za posao 2.2. Raunovodstvo
Posao 2.2.1. Izrada i odravanje kontnog okvira ifarnika i pravilnika Ovaj posao definisan je sledeim aktivnostima: otvaranje i izmena propisanog kontnog okvira, izrada i izmena analitikog kontnog okvira, izrada i izmene ifarnika naloga za knjienje i izrada pravilnika o raunovodstvu, koje kao izlaznu informaciju daju kontni okvir i pravilnik o raunovodstvu. Posao 2.2.2. Izrada i kontiranje naloga za knjienje Na osnovu velikog skupa ulaznih informacija (informacije iz finansijske operative, izdvojeni rauni, informacije iz optih i pravnih poslova, naloga za korekciju iskazanog stanja, bruto bilansa i neuravnoteenog naloga), definiu se nalog za preuzimanje zaliha i trokova i nalog za knjienje. Sve ove aktivnosi kontrolisane su i u okviru su definisanog kontnog okvira. Posao 2.2.3. Evidencija promena glavne knjige Ovaj posao definisan je sledeim aktivnostima: Evidencija podataka o zalihama knjigovodstvo gotovih proizvoda
156
(priprema i knjienje gotovih proizvoda, uskla ivanje stanja magacina gotovih proizvoda, inventar gotovih proizvoda), materijalno knjigovodstvo (priprema za kontiranje i knjienje, uskla ivanje stanja magacina, obrada inventara) i trgovaka roba (knjienje analitike trgovake robe i popis trgovake robe). Evidencija osnovnih sredstava i sitnog inventara osnovna sredstva (aktiviranje i oznaavanje osnovnog sredstva, vo enje analitike osnovnog sredstva, odjava osnovnog sredstva, obraun osnovnog sredstva, inventar) i sitan inventar u upotrebi (analitika sitnog inventara u upotrebi, rashod sitnog inventara, ustupanje sitnog inventara, popis sitnog inventara). Evidencija poslovnih partnera knjiga kupaca, knjiga dobavljaa, devizno knjigovodstvo, praenje kursne liste, evidencija deviznih kartica, povezivanje deviznih stavki, izvetavanje o otvorenim deviznim stavkama. Evidencija stambenih kredita pregled uplaenih kamata za stambeni kredit. Evidencija knjiga akcionara vo enje akcionara, vo enje analitike akcija. Evidencija potraivanja od radnika izvetaj o prometu i stanju potraivanja od radnika/
Posao 2.2.4. Evidencija promena u pogonskom knjigovodstvu Ovaj posao je definisan sledeim aktivnostima: preuzimanje zaliha i trokova, praenje nedovrene proizvodnje, praenje stanja zaliha gotovih proizvoda i praenje trokova, koje kao izlaznu informaciju daju bruto bilans pogonskog knjigovodstava. Posao 2.2.5. Kontrola ispravnosti knjienja U okviru ovog posla, na osnovu ulaznih informacija (nalog za knjienje, bruto bilans, nalog za preuzimanje zaliha i trokova, bruto bilans pogonskog knjigovodstva), definie se nalog za korekciju iskazanog stanja. Posao 2.2.6. Izrada obrazaca periodinog i godinjeg rauna Ovaj posao je definisan sledeim aktivnostima: formiranje bilansa stanja, formiranje bilansa uspeha, formiranje bilansa tokova gotovine, formiranje posebnih podataka i formiranje poreskih bilansa.
Posao 3. Marketing
Posao 3. Marketing se posmatra u irem smislu, tj. u smislu marketinki orijentisane organizacije, kao to se moe videti na dekompozicionom dijagramu prikazanom na sledeoj slici.
C2 Preporuke iz proizvodnje Postupak ugovoranja u snabdev. Postupak ugovaranja Izv. menadzmentu O2
Inf.sa trzista I1
Inf.iz ISTRAZIVANJE istrazivanja Spec.investicija 3.1 RAZVOJ Inf.iz istrazivanja 3.2 Zahtev za nabav. Inf.od posl. partnera I2
Inf.iz istrazivanja
Inf. o upotrebi proizv.
Ocena sposob. Specif.tehnol. Izv.o rez.razv. Postupak ugov. u prodaji Inf. iz snabdevanja SNABDEVANJE Inf.za posl.partnera O1 3.3 Inf. iz prodaje
I3
Inf.iz proizvodnje
PRODAJA Inf.od kupca 3.4
NODE:
TITLE:
A3
MARKETING
NUMBER:
Slika 11.14. Dekopmpozicioni dijagram za posao 3. Marketing
Ima se u vidu potreba da se: obezbede podaci o potrebama za proizvodom ili uslugama; obezbede podaci zahteva trita (koliina, cena, rokovi i dr.); obezbede podaci za analizu uslova prodaje; obezbede podaci za analizu cena konkurencije; obezbede podaci za odre ivanje cene kotanja; obezbede podaci o raspoloivosti i cena za repromaterijale i ostale predmete poslovanja; izvri analiza apsorpcije mogunosti trita po segmentima potronje; izradi podloga za plan proizvodnje i prodaje.
Posao 3.1. Istraivanje

158
C1 Mesecna realizacija Preporuke iz proizvodnje
C2 Inf. iz prodaje
C3 Inf .iz razvoja
ISTRAZIVANJE TRZISTA 3.1.1
Zahtev trzista Tarife prevoza
Zahtev za analizu Izv.o cenama Inf .sa trzista I1 3.1.2 Potrebe trzista Reklamacije kupca 3.1.3 Inf. o upotrebi proizv. REKLAMA I PROPAGANDA 3.1.4 Inf.iz istrazivanja NODE: TITLE: O1 IZBOR IDEJA ZA NO VI PROIZVOD ANALIZA TRZISNIH CENA Trzisne cene Prijava ideje
Ideja za novi pr.
I2
A3.1
ISTRAZIVANJE
NUMBER:
Slika 11.15. Dekompozicioni dijagram za posao 3.1. Istraivanje
Posao 3.1.1. Istraivanje trita Posao "3.1.1. Istraivanje trita" izvodi se na osnovu informacija o proizvodima, konkurenciji, potroaima i mogunosti nabavke sirovina, kao i izvetaja mesene realizacije. Ovaj posao je definisan sledeim aktivnostima: Plan istraivanja se donosi sa definisanim elementima u pogledu izvora podataka, pristupa istraivanju, instrumentima istraivanja, plana uzorkovanja, tehnike kontaktiranja i potrebnih sredstava za realizaciju plana. Postupak istraivanja trita se izvodi po elementima iz zahteva, odnosno popisu poslova iz plana istraivanja trita. Izrada analiza o istraivanju trita Posao 3.1.2. Analiza trinih cena Ovaj posao je definisan sledeim aktivnostima: Analiza uslova prodaje. Analiza karakteristika kupaca robe (apsorpciona mo, sigurnost plaanja, valute plaanja, tradicija i sl.), atributa proizvoda (ocena kvaliteta proizvoda i odnosa kvalitet cena za proizvod i konkurenciju), uslova konkurencije po pitanju organizacionih oblika i metode prodaje (kanali distribucije, uloga, znaaj i renome zastupnika,
trokovi ekonomske propagande, kontinuitet u snadbevanju jednog trita), karakteristika trita (apsorpciona mo i uslovi ponude i potranje), ciljeva i zadataka poslovne politike (zainteresovanost za odre eno trite, stanje zaliha, stepen uposlenosti kapaciteta itd.). Analiza cena konkurencije se definie na bazi cenovnika konkurencije, kataloga i drugih izvora informacija o konkurenciji. Ova analiza daje i predloge strategije i politike cena na odre enim tritima. Odre ivanje cene kotanja. Definiu se direktni i indirektni trokovi za razliite obime proizvodnje, pri emu se tretiraju trokovi za procenjeni potencijal prodaje na odre enom tritu. Osnov za ovu analizu su "Planska cena kotanja" i Informacije iz proizvodnje (podaci o trokovima). Izrada cenovnika na osnovu zahteva trita i definsane cene proizvoda, primenom neke od metoda (analiza praga dobitka i ciljnog profita).
Posao 3.1.3. Izbor ideja za novi proizvod Na osnovu informacije o potrebama trita, reklamacija kupaca i prijavljenih ideja za novi proizvod, vri se izbor ideja za novi proizvod. Ova aktivnost primenjuje se u postupku razvoja novog proizvoda, kao osnova za formiranje podloge za razvoj. Ovaj posao je definisan sledeim aktivnostima: Prikupljanje prijava. Prijava ideje se definie na osnovu zahteva kupaca, reklamacija kupaca, podataka o domaem i stranom tritu i dr. Izbor i ocena ideje definisanje izvora za prikupljanje novih ideja, stvaranje organizacionih preduslova za permanentno prikupljanje ideja, odre ivanje metodologije ocenjivanja, definisanje kriterijuma prihvatljivosti ideja, ravnopravno i nepristrasno ocenjivanje svih pristiglih ideja i izrada plana nagra ivanja za nove ideje. Izrada analiza o novim proizvodima sadri spisak usvojenih ideja, preliminarnu poslovnu analizu i dinamiku dalje razrade ideje. Posao 3.1.4. Reklama i propaganda Reklama i propaganda je posao od kojeg u trinim uslovima poslovanja zavisi prodaja proizvoda i zadovoljenje kupca. Ovaj posao je definisan sledeim aktivnostima: Izrada plana propagande. U zavisnosti od vrste proizvoda, ivotnog veka proizvoda i situacije na pojedinim tritima, plan propagande utvr uje cilj ekonomske propagande i daje se u godinjem planu reklame i propagande. Izrada prospekata, anketa, kataloga. Na osnovu definisanog plana propagrande izra uju se prospekti, izvode ankete i tampaju katalozi.
160
Analiza efekata reklame. Periodino se izvodi analiza efekata reklame, a vezano za prodaju proizvoda i prepoznatljivost imida preduzea.
Posao 3.2. Razvoj

Istraivanje i razvoj su krucijalni element usavravanja poslovanja preduzea iji je cilj da usavravanjem pojedinih delova proizvodnog posla, a vezano za povean obim proizvodnje, pobolja kvalitet proizvoda i smanji cenu kotanja proizvoda i dr.
Licence,standard,int.st. Zahtev za analizu novog proizvoda Spec.investicija ANALIZA SPOSOB. ZA UVODJENJE NOVOG PROIZV. 3.2.1 PLANIRANJE RAZVOJA NOVOG PROIZVODA 3.2.2 Inf. iz snabdevanja Preporuke iz proizvodnje C2 Plan razvoja C1 n.proizv. Ocena sposob. O2 Specif.tehnol. O3
O1
Nalog za razvoj novog proizvoda
Zahtev za nabav. Predlog za izmenu iz istr. Inf.za ser.proizv. I1 Inf.iz istrazivanja Zah. za int.stand. STANDARDI I LICENCE 3.2.4 NODE: TITLE: RAZVOJ PROIZVODA 3.2.3 O5 Izv.o rez.razv. O4
Licen.dok.
A3.2
RAZVOJ
NUMBER:
Slika 11.16. Dekompozicioni dijagram za posao 3.2. Razvoj
Imajui u vidu prethodnu sliku, u daljem tekstu razmatrae se detaljno odgovarajui podre eni poslovi. Posao 3.2.1. Analiza sposobnosti za uvo enje novog proizvoda Ovaj Posao definisan je sledeim aktivnostima: Idejno reenje i dizajniranje. Zahtevi trita, korisnikovi zahtevi, vaei standardi i propisi, pakovanje, obezbe enje ili verifikacija kvaliteta jesu polazna osnova za definisanje tehnikih zahteva koje proizvod treba da ispuni. Razrada tehnologije. Ovom aktivnou treba da se, na osnovu tehnolokih postupaka, specifikacija materijala, potrebnih kapaciteta i specifikacije alata definiu elementi potrebni za izradu kalkulacija. Definisanje resursa. Na osnovu definisane sastavnice proizvoda (cene ulaznih materijala) date kao idejno reenje, dobija se materijalni troak za izradu novog proizvoda, a na osnovu definisane tehnologije definie se
162
vreme izrade, a samim tim i cena rada (objedinjavaju se podaci: cena kotanja materijala, cena kotanja alata, vreme izrade). Ovi elementi omoguuju definisanje resursa i daju cenu proizvoda. Definisanjem alternativnih elemenata u sastavnici, iniciranih zahtevima trita ili kupaca, varira se cena proizvoda i na taj nain dolazi do konkretne cene na tritu. Ocena osvajanja novog proizvoda. Na osnovu gore izvedenih aktivnosti, potrebno je da odgovarajui organ izvri ocenu uspenosti osvajanja novog proizvoda. Ovde je potrebno imati u vidu i mogue promene na tritu. Izlaz je odgovarajua ocena, kao i predlog mogue realizacije definsan kao Izvetaj o sposobnosti uvo enja novog proizvoda.
Posao 3.2.2. Planiranje razvoja novog proizvoda Na osnovu izvetaja o sposobnosti uvo enja novog proizvoda i naloga za razvoj novog proizvoda, izvodi se planiranje razvoja novog proizvoda.
Ovaj posao definisan je sledeim aktivnostima: Mreni plan. U svrhu dobrog planiranja realizacije aktivnosti i uesnika u razvoju (projektovanju proizvoda), najee se koriste sledee metode: planiranje realizacije projekta tehnikama mrenog planiranja i planiranje realizacije projekta korienjem gantograma. Prva se koristi za sloenije, a druga za prostije projekte. Mrenim planovima ili gantogramima aktivnosti definiu se: rokovi realizacije, nosioci aktivnosti, kontrolne take i nain kontrole. Za izvo enje ove aktivnosti koriste se i softverski alati, kao npr. MS PROJECT.
Definisanje faza razvoja postupak podele celokupnog projekta razvoja na pojedine razvojne faze. Plan obezbe enja kvaliteta planovi kvaliteta proizvoda, planovi kontrole, planovi kontrolisanja i planovi troskova kvaliteta. Kadrovski i materijalni plan aktivnosti projekta razvoja raspodeljuju se kvalifikovanim izvriocima, opremljenim odgovarajuim sredstvima, vri se preraspodela programa izme u funkcija unutar preduzea i eksternih partnera, radi se investicijska studija i vri se obezbe enje resursa.
Posao 3.2.3. Razvoj proizvoda Za izvo enje ovog posla definisani su tzv. tehniki informacioni sistemi koji obuhvataju Jedinstveni sistem oznaavanja (po DIN-u 4000), sveobuhvatan sistem sastavnica, sveobuhvatan sistem tehnolokih postupaka i CAD/CAM sistemi i veza sa numerikim mainama. Posao "3.2.3. Razvoj proizvoda" izvodi se na osnovu Plana razvoja novog proizvoda, imajui u vidu preporuke iz proizvodnje, informacije iz snadbevanja, kao i licence, standarde i interne standarde.
Ovaj posao se sastoji od sledeih aktivnosti: Projektovanje i konstrukcija, u koje spada izrada i verifikacija konstruktivne dokumentacije, konstruisanje alata, izrada konstruktivne dokumentacije za seriju i distribucija konstruktivne dokumentacije.
Izrada tehnolokog postupka, gde se izvodi definisanje tehnolokog postupka, definisanje spiska alata i pribora, izrada tehnoloke dokumentacije za seriju i distribucija tehnoloke dokumentacije Izrada alata, prototipa i nulte serije otvaranje radnog naloga, izrada i proba alata, izrada prototipa, realizacija nulte serije. Izmena tehniko-tehnoloke dokumentacije obrada predloga izmene, odluivanje o izmeni, izmena tehniko-tehnoloke dokumentacije.
Posao 3.2.4. Standardi i licence Ovaj posao se sastoji od sledeih aktivnosti: uvanje licenci i optih standarada. Ne razvijaju se svi proizvodi iz postojeeg proizvodnog asortimana nekog preduzea, ve se neki od njih proizvode i na osnovu otkupljenih licenci za proizvodnju. Pri tome se u arhivi sektora tehnike pripreme proizvodnje uva i odatle se koristi sva potrebna licencna dokumentacija za proizvodnju. Isto tako, u toku poslovanja se moramo pridravati i optih, me unarodno definisanih i priznatih standarda u poslovanju, koje su donele me unarodne organizacije za standardizaciju (ISO, DIN...). I ovi standardi se uvaju. Oznaavanje predmeta poslovanja. Sistem oznaavanja u svojoj strukturi ima dva broja, isto numerika, i naziv od jedne ili vie rei koji je usaglaen sa vaeim standardima. Prvi broj je redni broj i ima za zadatak iskljuivo da identifikuje predmet. Poto je to redni broj od 0 do n, to znai da je ogranien sa desne strane, a slobodan sa leve. Ovaj se broj zove "ident" broj. Drugi broj je klasifikacioni broj, koji predmete razvrstava prema njihovim osobinama. Klasifikacioni broj vri razvrstavanje tako to prvim brojem (mestom) vri najoptiju klasifikaciju predmeta, a svakim daljim mestom u desnu stranu vri detaljnije razvrstavanje. To znai da se klasifikacioni broj razvija sa leve u desnu stranu, tj. levo je ogranien a u desnu stranu raste ne zatvara se. Ident i klasifikacioni broj nemaju nikakve veze kada treba neki predmet oznaiti. Istovremeno, odnosno paraleleno se dodeljuju oba broja, kao i naziv. Otuda ovaj sistem nosi ime "paralelni". Naziv predmeta moe imati jednu ili vie rei ili neku skraenicu, simbol, veliinu i sl. Naziv se mora dati po nacionalnim standardima (kao npr. JUS A.A4.001) ili nekim optim tehnikim propisima ukoliko nema standarda.
164
Izrada zaglavlja karakteristika predmeta. Zaglavlja karakteristika predmeta definisana su prema standardu DIN 4000, tj. JUS A.A4.001, koji je nastao revizijom standarda JUS A.A0.070 iz 1981. godine. Zaglavlje karakteristika ure uje se za grupe me usobno slinih standardizovanih i nestandardizovanih predmeta i treba da omogui saet prikaz predmeta, razgranienje tih predmeta od drugih i izbor predmeta iz ustanovljenih grupa standardizovanih i nestandardizovanih predmeta. S druge strane, karakteristika odre uje svojstvo kojim se opisuje i razlikuje predmet u grupi predmeta. Zaglavlje karakteristika se formira tako da obuhvata to vie slinih predmeta definisanih jednim klasifikacionim brojem. Uz zaglavlje katrakteristika, daje se i uproena slika predmeta. U svaku sliku unose se odgovarajue slovne oznake karakteristika predmeta verikalno. Slika zaglavlja karakteristika oznaava se brojem. Izrada kataloga predmeta poslovanja. Za potrebe preduzea moe se izvriti formiranje sledeih kataloga: katalog materijala, katalog standard. delova, katalog proizvoda, katalog alata i pribora, katalog maina, katalog pomonih zavrnih vremena, katalog reima rezanja.
Posao 3.3. Snabdevanje

Posao 3.3. Snabdevanje treba da omogui evidentiranje podataka neophodnih za efikasno ugovaranje i praenje nabavke. U okviru ovog posla, definisan je dekompozicioni dijagram, kao to se vidi na narednoj slici, kojim se uspostavljaju horizontalne veze izme u podre enih poslova.

C3 C4 Preporuke iz Postupak ugovoranja u proizvodnje snabdev. Ugovor o nabavci NABAVLJANJE Ugovor o nab. Inf. za razvoj 3.3.1 Inf.za prozvodnju Trebovanje Otpremnica I2 Inf.od posl. partnera SKLADSTENJE 3.3.2 Inf.o toku nabavke REKLAMACIJA DOBAVLJACIMA I3 Inf.iz proizvodnje Izv.o kontroli Stanje na skladistu PRA]ENJE DOBAVLJACA 3.3.4 3.3.3 Inf.o pouzdan. dob. Zapisnik o rekl. Inf.za reklamiranje Inf.iz razvoja Inf . iz snabdevanja O1 C1 C2 Inf.iz istrazivanja Inf.za posl.partnera O2
I1
Zahtev za nabav.
Podaci o dobavljacima NODE: TITLE:
A3.3
SNABDEVANJE
NUMBER:
Slika 11.17. Dekompozicioni dijagram za posao 3.3. Snabdevanje
Posao 3.3.1. Nabavljanje Ovaj posao je definisan sledeim aktivnostima: Obrada zahteva za nabavku. Specifikacija nabavke materijala predstavlja nalog (zadatak) za poetak sa poslovima nabavke materijala, tj. dolazi do obrade zahteva za nabavku. Planiranje nabavke. Materijalni bilans ini osnovu za planiranje nabavke na osnovu godinjeg plana proizvodnje. Planiranje nabavke obuhvata prikupljanje ponuda od potencijalnih dobavljaa i plan godinjih ugovora. Prikupljanje ponuda i izbor dobavljaa. Izvodi se na osnovu koliine, vrste, kvaliteta i rokova nabavke odre enih materijala i roka nabavke poruenih materijala. Ugovaranje i praenje nabavke. Ugovorom o nabavci mora biti tano definisan kvalitet. Za materijale za koje postoje propisani standardi, isti moraju biti i precizno uneti u ugovor. Ugovorom tako e moraju biti obuhvaeni i posebni zahtevi koje materijali moraju da imaju da bi se koristili u proizvodnji.
166
Posao 3.3.2. Skladitenje Ovaj posao je definisan sledeim aktivnostima: Prijem i evidentiranje materijala. Svaki proizvod za koji je prilikom kvalitativnog i kvantitativnog prijema ustanovljeno da kvalitativno i kvantitativno odgovara predaje se odgovarajuem magacinu. Istovremeno, referent prijema materijala sainjava prijemnicu materijala, koju potpisuju kontrolor prijema materijala, referent prijema materijala i rukovalac odgovarajueg magacina. Kontrola skladitenih materijala. Ustanovljavaju se pravilnost skladitenja proizvoda, ispravnost pakovanja, eventualna fizika oteenja proizvoda, rok trajanja proizvoda itd. Izdavanje materijala. Izdavanje materijala iz magacina vri se na osnovu trebovanja i otpremnice.
Posao 3.3.3. Reklamacije dobavljaima Ovaj posao je definisan sledeim aktivnostima:
Reklamiranje na kvalitet i kvantitet. U sluajevima kada se prilikom prijema materijala (kvalitativni i kvantitativni) ustanovi da materijal ne odgovara propisanom i ugovorenom kvalitetu, pie se zapisnik koji mora da sadri jasno sve elemente vezane za reklamaciju isporuene robe. Reklamacija na neispunjavanje komercijalnih uslova. U sluajevima kada dobavlja nije ispotovao dogovoreni rok isporuke, odnosno izvrio je isporuku materijala posle ugovorenog roka, kada izvri fakturisanje robe po viim cenama u odnosu na ugovorenu cenu, kada nije ispotovao i druge uslove iz ugovora, kao npr. pakovanje, montau itd., moe se odbiti prijem materijala. Reklamiranje skrivenih mana. U sluajevima kada je u procesu proizvodnje ustanovljeno da odre eni materijal ne odgovara kvalitetu, treba da se izvri uvid u materijal u proizvodnji. Odmah kada se ustanovi da materijal ne odgovara, potrebno je izvriti povraaj trebovanog a neutroenog materijala u magacin materijala.
Posao 3.3.4. Praenje dobavljaa Ovaj posao je definisan sledeim aktivnostima: Uvo enje novog materijala/dobavljaa u sluajevima kada se trai novi materijal od ustaljenog dobavljaa, trai materijal od novog dobavljaa i razvija nov proizvod koji zahteva nove materijale.
Evidentiranje materijala. Po dobijanju pozitivnog miljenja o novom materijalu, izvodi se evidentiranje materijala. Evidentiranje dobavljaa. Po dobijanju pozitivnog miljenja o novom dobavljau, izvodi se evidentiranje dobavljaa. Ocena pouzdanosti dobavljaa. Ocena se vri jednom godinje, prema uputstvu za ocenjivanje dobavljaa.
Posao 3.4. Prodaja

Posao 3.4. Prodaja treba da omogui izlazak na trite i realizaciju ugovora sklopljenog sa kupcem i pritom treba da definie podatake o ugovorima, prati reklamacije kupaca i prati podatke o prodaji i distribuciji. U okviru ovog posla, definisan je dekompozicioni dijagram kojim se uspostavljaju horizontalne veze izme u podre enih poslova.
C2 Inf .iz istrazivanja Inf.iz proizvodnje I1 C1 Postupak ugov. u prodaji C3 Preporuke iz proizvodnje
PLANIRANJE PRODAJE 3.4.1
Planovi prodaje
Stanje magacina
Ugovori o prodaji Dopunski zahtevi Upit kupca Zahtev za ponudom Porudzbina kupca Inf.od kupca OBRADA UPITA I UG OVARANJE 3.4.2 Reklam. prim. robe Zapinik o prijemu robe I2 Zapis.o reklam. 3.4.3 Zakljucnica Predajnica PAKOVANJE I SKLADI STENJE 3.4.4 Zapisnik o ostec. robe REKLAMACIJE KUPCA Izv. o reklamaciji Zahtevi kupca Upit kupcu Otpremnica Inf . iz prodaje O1
NODE:
TITLE:
A3.4
PRODAJA
NUMBER:
Slika 11.18. Dekompozicioni dijagram za posao 3.4. Prodaja
Posao 3.4.1. Planiranje prodaje Ovaj posao je definisan sledeim aktivnostima: Planiranje prodaje za domae trite pravi se na osnovu uslova plasmana, trendova prodaje i raspoloivih kapaciteta. Planiranje prodaje za ino trite radi se na osnovu izvetaja o istraivanju, uslova plasmana, trendova prodaje inostranog trita i raspoloivih kapaciteta proizvodnje. Analiza planova upore uje naloge za proizvodnju i meseni plan prodaje
168
i formira izvetaj o realizaciji plana. Posao 3.4.2. Obrada upita i ugovaranje Ovaj posao je definisan sledeim aktivnostima: Obrada upita i izrada ponude. Svi upiti moraju biti dostavljeni u pisanoj formi. Tehnika obrada upita se obavezno vri kod ugovaranja usluga, a kod ugovaranja izvoza i prodaje na domaem tritu u sluajevima kada se zahtev kupca razlikuje od standardnih zahteva. Analiza dopunskih zahteva kupca. Ukoliko kupac ima dopunske zahteve u odnosu na ponudu, sprovodi se aktivnost "Obrada upita", koja se ponavlja do konanog prihvatanja ponude od strane kupca. Izrada ugovora. Sa kupcima se prave ugovori koji definiu okvirne koliine artikala koji se prodaju i dinamiku. Koliine koje se ugovaraju definiu se u okviru planiranja. Izmene ugovora. Izvodi se samo uz saglasnost obe strane, pri emu se za svaku izmenu primenjuju postupci koji se rade i pri izradi osnovnog Ugovora. Za svaku izmenu se pravi poseban Aneks. Posao 3.4.3. Reklamacija kupaca Ovaj posao je definisan sledeim aktivnostima: Prijem reklamacije. Reklamacija za domae trite izvodi se po sledeem postupku: pri otpremi robe, voza dobija od magacina gotove robe dva primerka otpremnice. Ukoliko kupac ima reklamaciju po osnovu koliine ili vidljivih oteenja, voza je duan da sa kupcem saini zapisnik kupca o reklamaciji, koji po povratku predaje rukovodiocu magacina. Rukovodilac magacina i voza daju izjavu o reklamaciji, koju rukovodilac magacina uz zapisnik dostavlja rukovodiocu prodaje. Na osnovu zapisnika o reklamaciji, rukovodilac prodaje formira knjino odobrenje/zaduenje, koje overava direktor komercijalnog sektora. Jedan primerak overenog odobrenja/zaduenja dostavja se kupcu, a drugi knjigovodstvu. Reklamacija za strano trite izvodi se po sledeem postupku: po zavrenom utovaru robe, voza uz CMR me unarodni tovarni list dobija pak listu koja se pravi na osnovu otpremnice. U tovarnom listu je ukucan ukupni broj koleta u vozilu. U pak listi su dati tani podaci koliko se koleta nalazi u transportnom sredstvu po vrsti proizvoda, i to pojedinano i transportno pakovanje. Pri prijemu robe, kupac sravnjuje stvarnu koliinu robe sa podacima iz pak liste. Ukoliko sa koliine ne slau, pravi se zapisnik o stvarnom stanju robe u kamionu. Tako e, ukoliko postoje vidljiva oteenja ambalae ili robe usled nepravilnog ili neodgovarajueg transporta, kupac pravi zapisnik o oteenoj koliini i vrsti oteenja. Zapisnik potpisuje voza. Jedan primerak zapisnika kupac dostavlja prevozniku uz overen
tovarni list, a jedan isporuiocu. Po dobijanju zapisnika, referent izvoza vri proveru da li je roba koliinski zaista tano utovarena prema otpremnici, sravnjenjem proizvedene i otpremljenje koliine sa trenutnim stanjem u magacinu. Ukoliko se ustanovi da roba nije tano utovarena, kupac se obavetava o prihvatanju reklamacije i nedostajua koliina otprema se kod prve naredne isporuke. Reavanje reklamacija. Rukovodilac prodaje pravi predlog reenja reklamacije koji verifikuje direktor komercijalnog sektora. Verifikovani predlog dostavlja se kupcu. Ukoliko se predmet reklamacije ne moe reiti dogovorno sa kupcem, predmet se dostavlja rukovodiocu pravne slube koji zastupa preduzee pred sudom, u sporu sa kupcem, a u skladu sa ugovorom. Rukovodilac pravne slube, po okonanom sporu, sainjava informaciju o spornoj reklamaciji kupca. Ovom informacijom se dopunjuje dokumentacija o reklamaciji kupca. Kada je reenje usaglaeno sa kupcem, referent predaje kompletiranu informaciju o reklamaciji kupca.
Posao 3.4.4. Pakovanje i skladitenje Ovaj posao je definisan sledeim aktivnostima: Prijem i skladitenje robe. Prijem robe se obavlja "Predajnicom", popunjenom i overenom od strane Kontrole kvaliteta pri zavrnoj kontroli proizvoda. Skladitenje robe se vri prema vrsti proizvoda i vremenu isporuke. Otprema robe. Vri se iskljuivo po zakljunici koja se dobija od odeljenja Prodaje. Obrada izdatih naloga. Poto je otprema izvrena, na bazi izdatih otpremnica vri se materijalno-finansijsko i magacinsko razduenje. Provera stanja i izvetavanje je periodina provera oteenosti i drugih degradacija kvaliteta u toku skladitenja.
Posao 4. Proizvodnja
Posao 4. Proizvodnja se posmatra u irem smislu, kao to se moe videti na dekompozicionom dijagramu prikazanom na sledeoj slici.
170
C1 Standardi
Inf.iz marketinga I1 PLANIRANJE I PRACENJE PRO IZVO DNJE 4.1 Zahtev za kont.
Preporuke iz proizvodnje Inf.iz proizvodnje O2 Plan kontr.
Inf. o primlj.robi Teh. tehn. dok. Upustva proizvodjaca
KONTROLISANJE Izv. o ispitivanju I ISPI TIVANJE 4.2 Potr.kvalitet
Izv. menadzmentu
O3
Inf. iz prodaje Inf.od kupca I2 UPO TREBA PRO IZVO DA 4.3
Inf. o upotrebi proizv.
Inf.za posl.partnera O1
NODE:
TITLE:
A4
PROIZVODNJA
NUMBER:
Slika 11.19. Dekompozicioni dijagram za posao 4. Proizvodnja
Za potrebe proizvodnje razvijaju se proizvodni informacioni sistemi koji za pretpostavku imaju ve definisan osnovni fond podataka Sastavnice, Tehnoloke postupke, Kapacitete, Fabriki kalendar, Osnovne inioce poslovanja. U okviru posla 4.1. Planiranje i praenje proizvodnje, definie se: Planiranje izrada godinjeg plana (plan optereenja kapaciteta, plan materijala, plan alata) i izrada operativnih mesenih planova (planiranje optereenja kapaciteta, planiranje potrebnog alata, planiranje potrebne radne snage). Lansiranje definisanje radnih naloga, generisanje proizvodne dokumentacije (trebovanja, radne liste, predajnice), kontrola i rezervacija, terminiranje, tampanje proizvodne dokumentacije, dispeiranje. Terminiranje terimiraju se operacije radnih naloga (RN) po radnim centrima i terminskim jedinicama, uz kontrolu raspoloivog i rezervisanog kapaciteta. Proraunavaju se interni prioriteti ulaska operacije na radno mesto (na osnovu eksternih prioriteta i vremena zavretka RN). Izvetavanje iz proizvodnje o nastalim doga ajima prisutnost radnika na poslu, zavreni RN, informacija o poetku i zavretku operacija, izvetaj o kartu, zastojima maina i ostalim doga ajima koji utiu na proizvodnju. Praenje proizvodnje kreiranje informacija o stanju radnih naloga i operacija, stanju proizvodnih resursa, kritinim nalozima i izvrenju plana
(naloga, linija, montae, termin plana), vrenje kontrole upore ivanjem planiranih i ostvarenih rezultata, definisanje povratnih akcija u cilju daljeg regulisanja proizvodnje (npr. otklanjanje zastoja, ispostavljanje novih naloga, uvo enje novih smena itd.), praenje uinka radnika. U okviru posla 4.2. Kontrolisanje i ispitivanje definie se kontrola kvaliteta u prijemu, kontrola kvaliteta u pogonu, zavrna kontrola kvaliteta, laboratorijsko ispitivanje i odravanje merno-kontrolnih sredstava. U okviru posla 4.3. Upotreba proizvoda definisane su aktivnosti vezane za instalisanje i putanje u pogon, praenje proizvoda u upotrebi, servisiranje proizvoda i povlaenje proizvoda iz upotrebe.
172
Posao 4.1. Planiranje i praenje proizvodnje

Zahtev za popravku Plan prodaje Inf. iz nab. I1 Teh. tehn. dok. 4.1.1 Inf .iz marketinga Potr.kvalitet I2 Nalog za izredu Potr.kvalitet PLANIRANJE PRO IZVODNJE
Plan koperacije Nalog za nabavku Mrezni plan
Inf .iz proizvodnje O2 PRACENJE PROIZVODNJE 4.1.2 Stanje rez.del. ODRZAVANJE MASINA I OPREME Preporuke iz proizvodnje Zahtev za odrzav.mas. O1 Plan odrzavanja
Dok.za odrzavanje 4.1.3
Izv. o izvr. odrz.
NODE:
TITLE:
A4.1
PLANIRANJE I PRACENJE PROIZVODNJE
NUMBER:
Slika 11.20. Dekompozicioni dijagram za posao 4.1. Planiranje i praenje proizvodnje
Posao 4.1.1. Planiranje proizvodnje Pod pojmom planiranja se podrazumeva smiljeno predvi anje doga aja koji se mogu desiti u nekom poslu, sa tenjom da se ostvari neki cilj. Ciljevi planiranja su sledei: predvi anje proizvodnje i elemenata proizvodnje koji treba da budu utroeni ili uestvuju u proizvodnji, predvi anje uea kolektiva u dohotku koji treba da se ostvari, predvi anje odnosa izme u radnih jedinica, u vezi sa planiranom proizvodnjom i postavljenim globalnim planom i zadovoljavanje potreba potroaa po koliini, asortimanu, kvalitetu i ceni. Ovaj posao je definisan sledeim aktivnostima: Planiranje kapaciteta godinji plan proizvodnje i meseni operativni planovi, plan kapaciteta za tehnoloka odeljenja prema vrstama obrade po tehnolokim grupama maina (opreme) za proizvode (porudbine) po
dinamici za svaki mesec, polugodite i godinu dana, plan potrebne radne snage, plan dokumentacije, terminski planovi (sastavnice proizvoda) za lansiranje, praenje izrade sa potrebnim norma asovima, praenje montae i terminski plan lansiranja. Planiranje materijala specifikacije (bilanse) potreba u materijalima (svih vrsta) za nabavku, specifikacije za izdavanje standardne robe i robe iz kooperacije, pregled nedostajuih materijala (kritinih) na osnovu radnih naloga i specifikacija u odnosu na stanje magacina. Planiranje alata plan potreba nestandardnih alata prema vrsti alata za proizvode (porudbine) iz plana, proizvodnju novih i popravku ve postojeih, plan potreba u nestandardnim alatima (plan nabavke) prema vrstama alata za proizvode (porudbine) iz plana vodei rauna o stanju "Mini stoka" i plan izrade alata. Planiranje aktivnosti vezano je za definisanje pripreme i lansiranja radionike dokumentacije prema terminskim planovima, otvaranje i zatvaranje porudbina iz serije i praenje stanja lansiranja po porudbinama.
Posao 4.1.2. Praenje proizvodnje Praenje proizvodnje omoguuje da se: grubi plan prenosi na radne naloge, tj. sastavne delove i njihove operacije; izvri pravovremeni rebalans grubog plana i time se izbegnu zastoji koje se mogu pojaviti u proizvodnji; dobije taan uvid optereenja kapaciteta svih radnih mesta i redosled svih operacija po radnim mestima; dobije uvid u mogunost kontrole nad svim radnim nalozima i operacijama u proizvodnji. Ovaj posao je definisan sledeim aktivnostima: Lansiranje radionike dokumentacije povezuje planiranje proizvodnje sa izvo enjem proizvodnje, tj. podrava otvaranje radnih naloga, pripremu radne dokumentacije, upravljanje tokom materijala, lansiranje i praenje radnog naloga. Praenje operacijskog mesta izvo enje predvi ene operacije u planiranom vremenskom intervalu i formiranje odgovarajuih povratnih informacija iz kojih e se sagledati realizacija projektovanog plana. Praenje me uskladita ima za cilj uvid u stanje me uskladita u kojima se nalaze poluproizvodi, delovi proizvoda, sredstva koja ekaju na doradu itd. Zatvaranje radnog naloga parcijalno ili kompletno zatvaranje naloga.
174
Posao 4.1.3. Odravanje maina i opreme Proces 4.1.3. Odravanje maina i opreme treba da omogui evidentiranje svih podataka neophodnih za upravljanje energijom i odravanjem, kao i: obezbe ivanje podataka za izradu planova odravanja; obezbe ivanje uvida u stanje zaliha rezervnih delova; obezbe ivanje podataka za odravanje dokumenata odravanja; proizvodnju pare, vode, vazduha i elektrine energije; tehniku pripremu odravanja; praenje tehnike dokumentacije; plansko odravanje i remonte; tekue odravanje; investiciono odravanje i planove investicionog odravanja; praenje rezervnih delova. Ovaj posao je definisan sledeim aktivnostima: Prijem maine za odravanje. Pri prijemu nove maine/opreme u fabriku, vri se njen kvalitativni prijem. Ispituje se da li je maina u skladu sa traenom specifikacijom i da li zadovoljava zahtevane radne, odnosno bezbednosne karakteristike. Pregled maina Pregledi maina mogu biti redovni i vanredni. Redovni pregled maina se vri na osnovu zadatog perioda. Vanredni pregledi se vre u sluajevima da se sumnja na ispravnost rada neke maine, ukoliko se deavaju esti otkazi ili neka druga manifestacija koja ukazuje na potrebu eeg pregledanja maina. Redovne i vanredne preglede vre poslovo e odravanja, zajedno sa radnicima na odravanju. Nalazi se upisuju u tabelu o redovnim i vanrednim pregledima maine. Remont maina. Planovi remonta sadre spisak maina za remont, potrebnu dinamiku i predvi ene radove. Na osnovu ovih planova odre uju se poslovo e koji e voditi odre ene remonte. Podaci o remontu se unose u tabelu o remontu maine i zameni oteenih delova. Korektivno odravanje. U sluaju neispravnog rada maine/opreme ili pojave poveane koliine karta, izvodi se defektaa, opravka i vraa se maina/oprema u radno stanje.
Posao 4.2. Kontrolisanje i ispitivanje

U sistemu obezbe enja kvaliteta po zahtevima serije standarda kvaliteta JUS ISO 9000, vano mesto zauzima ovaj posao, to je i razumljivo, jer se tek kontrolom moe ustanoviti da li su ispunjeni uslovi koje zahtevaju ovi standardi. Na sledeoj slici je prikazan dekompozicioni dijagram za posao 4.2. Kontrolisanje i ispitivanje.
C2 Plan prij.kon. Dostavnica Ugovor KONTROLA KVALITETA U PRIJEMU 4.2.1 I2 Inf. o primlj.robi I3 Teh. tehn. dok. Post.prij.kon. Post. proc.kon. KONTROLA KVALITETA U POGONU 4.2.2 ZAVRSNA KONTROLA KVALITETA 4.2.3 Labarator. izvestaj ODRZAVANJE MERNO-KON. SREDSTAVA 4.2.5 NODE: TITLE: Rezul.kontrole MKS Zahtev za lab.ispit. LABORAT. ISPITIVANJA 4.2.4 Izv. o ispitivanju O1 Izv. zavrsne kontrole Plan kontr. Plan zavr. kont. Izv. prijemne kontrole
Zapisnik o prijemu
Plan proc. kon.
Zahtev za kont. I1 I4 Upustva proizvodjaca
A4.2
KONTROLISANJE I ISPITIVANJE
NUMBER:
Slika 11.21. Dekompozicioni dijagram za posao 4.2. Kontrolisanje i ispitivanje
Posao 4.2.1. Kontrola kvaliteta u prijemu Ovaj posao se primenjuje za prijem svih materijala, montanih elemenata, poluproizvoda od kooperanata, ambalae i ostalih materijala koji se zaprimaju u magacin materijala. Ovaj posao je definisan sledeim aktivnostima: Kvantitativni prijem. Vri referent prijema materijala i magacioner. Ukoliko prispeli materijal ne odgovara koliini na narudbenici, referent prijema pie zapisnik u koji se ovo neslaganje upisuje. Po izvrenom prijemu, sirovine se razvrstavaju u zonu zaprimljenog (kvalitetnog) materijala i u zonu reklamiranog (nekvalitetnog) materijala.
176
Kvalitativni prijem. Odmah po prispeu poiljke, uzorci se dostavljaju laboratoriji na ispitivanje. Nakon zavrenog ispitivanja, laboratorija dostavlja rezultate ispitivanja (Izvetaj o laboratorijskom ispitivanju) tehnikoj kontroli, odeljenju nabavke, operativnoj pripremi i pogonu. Ukoliko je kvalitet odgovarajui, kontrolor prijema potpisuje "Prijemnicu".
Posao 4.2.2. Kontrola kvaliteta u pogonu Posao "4.2.2. Kontrola kvaliteta u pogonu" obuhvata sva deavanja koja su vezana za kontrolisanje procesa proizvodnje, od prijema materijala iz magacina, do predaje gotovog proizvoda u magacin, kao i planiranje kontrolisanja i izvetavanje o kontrolisanju. Ovaj posao je definisan sledeim aktivnostima: Planiranje kontrole kvaliteta u pogonu. Ova aktivnost se izvodi na osnovu radnih naloga, konstrukcione dokumentacije, privremene izmene crtea, kontrolnih obrazaca, instrukcione liste reglae i postupaka testiranja. Kontrola kvaliteta prijema iz magacina. Upore ivanjem ident broja materijala sa upisanim kvalitetom materijala u konstrukcionoj dokumentaciji, vri se kontrola oblika i dimenzija prema standardima ili crteu i kontrola stanja isporuke utvr ivanjem eventualnih oteenja. Kontrola kvaliteta u izradi. Obuhvata fazu izrade prvog komada prve operacije (koja je izdvojena kao posebno bitna za kvalitet), faze izvo enja kasnijih operacija (tzv. n-te operacije), zonu otpreme delova (tj. kad delovi naputaju pojedine operacije i odlau se na mesta izvo enja drugih operacija) i zonu prijema delova (na mesto izvo enja neke operacije). Posao 4.2.3. Zavrna kontrola kvaliteta (ZKK) Posao "4.2.3. Zavrna kontrola kvaliteta" obuhvata sva deavanja koja su vezana za izvo enje zavrne kontrole kvaliteta proizvoda. Ovaj posao je definisan sledeim aktivnostima: Priprema za ZKK pie se prijava za ZKK, kompletira potrebna tehnika dokumentacija i odgovarajui propisi. Sprovo enje ZKK pie se izvetaj o sprovedenoj ZKK. Analiza ZKK definiu se odgovarajui izvetaji, grafikoni i statistiki pregledi, kao i periodini izvetaji. Posao 4.2.4. Laboratorijska ispitivanja Laboratorijska ispitivanja se sprovode u fazi ispitivanja uzoraka, prijemne kontrole, me ufazne kontrole i kontrole kvaliteta gotovih proizvoda. Primenjuje se za sva ispitivanja koja se vre u okviru Laboratorije.
Ovaj posao definisan je sledeim aktivnostima: Ispitivanje uzoraka. Ispitivanje uzoraka se vri prema odgovarajuim standardima i uputstvima. Uzorci se jo jednom probaju i u pogonskim uslovima. Ako se pri ispitivanju dobijaju zadovoljavajui rezultati, obavetava se prijemna kontrola. Ako su rezultati nezadovoljavajui, pie se reklamacioni izvetaj i dostavlja odeljenju nabavke i prijemnoj kontroli, i to odmah po ustanovljavanju greke. Me ufazna kontrola. Me ufazna kontrola se izvodi u neposrednoj proizvodnji na zahtev tehnike kontrole u sluajevima odre enih nejasnoa ili dilema koje se odnose na kvalitet. Kontrola kvaliteta gotovih proizvoda. Izvodi se jednom meseno ili ee na sluajno odabranim uzorcima gotovih proizvoda uzetih neposredno pred pakovanje na punktu zavrne kontrole. Svi rezultati ispitivanja upisuju se u odgovarajue dnevnike ispitivanja. Posao 4.2.5. Odravanje merno-kontrolnih sredstava (MKS) Posao "4.2.5. Odravanje merno kontrolnih sredstava" obuhvata sva deavanja koja su vezana za odravanje merno-kontrolnih sredstava. Ovaj posao je definisan sledeim aktivnostima: Planiranje nabavke MKS-a. Analiziraju se informacije o stanju i broju ispravnih merno-kontrolnih sredstava, o broju neispravnih MKS itd. Na osnovu sprovedenih analiza, a u cilju obezbe enja sigurnosne zalihe MKSa, odeljenju nabavke se na osnovu napravljenog plana nabavke MKS alje "Zahtev za nabavku MKS". Pregledi MKS. Pregled MKS-a ima za cilj proveru tehnikih zahteva MKSa (tanost, stabilnost, merni opseg itd.). Rezultati pregleda merila se evidentiraju u "tabelu merila". Ukoliko merilo nije upotrebljivo, a nije mogua popravka, merilo se predlae za rashod. Odravanje MKS-a. Radnik koji je zaduio merilo duan je da merilo koristi na propisani nain, da ga uva od oteenja i da ga na zahtev metroloke laboratorije ili po godinjem planu pregleda donosi na periodini pregled. Ukoliko radnik primeti tehniku neispravnost merila, mogue je da zatrai vanredni pregled merila.
178
Posao 4.3. Proizvod u upotrebi

Inf . iz prodaje INSTALISANJE I PUSTANJE Tehnol. dok. za odrz. U POG ON 4.3.1 Zahtev za inst. I2 Inf.od kupca PRACENJE PRIOZVODA U UPO TREBI 4.3.2 SERVI SI RANJE PRIOZVODA U TOKU UPO TREBE 4.3.3 Izv. o servisu Inf. o upotrebi proizv. O1 Zahtev za popraku Izv. o izvr.rad. Inf .za posl.partnera O2
I1
Reklamacije kupca
Zahtev za povlac.
POVLACENJE PRO IZVODA IZ UPOTREBE 4.3.4
NODE:
TITLE:
A4.3
UPOTREBA PROIZVO DA
NUMBER:
Slika 11.22. Dekompozicioni dijagram za posao 4.3. Upotreba proizvoda
Posao 4.3.1. Instalisanje i putanje u pogon Instalisanje i putanje u pogon obavljaju ili strunjaci proizvo aa ili korisnik, kako bi se to bolje upoznao sa radom ure aja ili instalacije koju e kasnije sam odravati. Zbog toga su uputstva neophodni i sastavni deo dokumentacije za korisnika. Ovaj posao je definisan sledeim aktivnostima: Priprema za ugradnju priprema gde se propisuje u ijoj je nadlenosti postavljanje instalacija proizvoda, provera saglasnosti dokumentacije sa robom koja je stigla i analiza uputstva za instalisanje. Instalisanje prema uputstvu. Nakon raspakivanja, pristupa se aktivnosti instalisanja prema odgovarajuem uputstvu, sa alatima i priborom koji zadovoljava u pogledu kvaliteta i uz proveru raspoloivosti svih resursa neophodnih za postavljanje (prostor, energija i dr.). Za proizvod za koji nije predvi ena montaa od strane proizvo aa potrebno je napisati uputstvo za
rukovanje i montau, koje se isporuuje sa proizvodom. Vizuelna kontrola. Vizuelnom kontrolom otklanjaju se na licu mesta oteenja ili zaprljanost i dr. Ispitivanje i reavanje neusaglaenosti. Ovaj oblik ispitivanja se pre svega odnosi na ispitivanje tj. proveru svih funkcija, sa naglaskom na funkcije koje se najee reklamiraju, kao i odgovarajui reim rada. Potom je potrebno izvriti i ispitivanja definisana ugovorom, kao npr. provera geometrijske i radne tanosti, kapaciteta, uinka i dr. Na kraju se sprovode odgovarajue mere za reavanje eventualnih neusaglaenosti. Dokumentovanje predaje proizvoda U ovoj aktivnosti se pravi zapisnik o prodaju proizvoda i definie datum poetka garantnog roka i sl.
Posao 4.3.2. Praenje proizvoda u upotrebi Da bi se ovaj posao korektno obavio, proizvo a treba da sakupi: izvetaje od strane korisnika, analize otkaza delova i podatke o pouzdanosti. Na osnovu ovako prikupljenih informacija, moe se izvriti analiza: uzroka pojave problema i akcija koje je mogue sprovesti. Ovaj posao je definisan sledeim aktivnostima: praenje proizvoda u eksploataciji, praenje sugestija i reklamacije kupaca, izrada odgovarajuih izvetaja. Posao 4.3.3. Servisiranje proizvoda u toku eksploatacije Servisiranjem se uspostavlja poverenje izme u kupca i proizvo aa, koje neposredno utie i na plasman proizvoda. Praenjem servisiranja proizvoda utiemo na uoavanje nedostataka u fazama ivotnog veka proizvoda. Ovaj posao je definisan sledeim aktivnostima: Servisiranje proizvoda. U ovoj aktivnosti se prati servisiranje od poziva za otklanjanje kvara na proizvodu do reavanja reklamacija, kao i servisnih intervencija. Analizom informacija na osnovu servisiranja proizvoda, dobijamo objektivnu sliku proizvodnog programa. Ovim praenjem utvr uje se ko je uzrok najveem broju kvarova na proizvodima, a time i direktno utie na njihovo redukovanje do potpunog svo enja na minimum. Izrada dokumentacije. Izrada pratee dokumentacije (katalog rezervnih delova, radioniki prirunik i normativ vremena zamena delova), izrada zakonski obavezne publikacije (garantnog lista sa servisnom knjiicom,
180
uputstvo za rukovanje i odravanje) i Izrada informativne publikacije. Obuka korisnika. Obukom korisnika se ispunjavaju svi uslovi za ispravno koritenje i eksploataciju proizvoda od strane korisnika, a time se otkazi zbog greke korisnika svode na minimum. Zahteve za obukom korisnik alje servisnim zastupniku, koji ga obavetava o daljim aktivnostima i prua mu sve potrebne informacije. Praenje kvaliteta proizvoda je direktna posledica servisiranja, praenja servisnih intervencija i reklamacija i predstavlja indikator stabilnosti kvaliteta proizvodnje.
Posla 4.3.4. Povlaenje proizvoda iz upotrebe Ovaj posao je definisan sledeim aktivnostima: Definisanje razloga za povlaenje. Razlozi za povlaenje nekog proizvoda iz upotrebe mogu biti usled neke manjkavosti na proizvodu, zahteva bezbednosti ljudi i okoline i obezbe enja reciklae proizvoda i/ili ambalae. Postupak povlaenja usled uoene greke. Za postupak povlaenja iz upotrebe definie se odgovornosti za izvrenje povlaenja, identifikuju proizvodi, izdaju nalozi za povlaenje i distribuciju delova za zamenu i definie informacija za obavetavanje. Praenje povlaenja proizvoda. Izvodi se ocena korektivnih akcija i verifikacija i korelacija podataka. Definisanje periodinih provera izvodi se periodina provera ispravnosti i ocena nivoa uspenosti.
Pitanja: 1. Koje su karakteristike poslovno-proizvodnog okruenja ? 2. ta se definie stablom poslova u preduzeu ? 3. U dijagramu konteksta funkcionalnog modela poslova u preduzeu koje su ulazne a koje izlazne informacije ? 4. Koji su najvaniji poslovi upravljanja u preduzeu ? 5. ta je odluivanje i iz kojih aktivnosti se sastoji ovaj posao ? 6. ta je planiranje i kojim aktivnostima je definisan ovaj posao ? 7. Kako se formira cena kotanja ? 8. Izme u kojih aktivnosti se uspostavlja veza pri izradi sistema kvaliteta ? 9. Koje aktivnosti definiu posao fizikog obezbe enja preduzea ?
10. 11. 12. 13. 14. 15. 16. 17. 18. 19. 20. 21. 22. 23.
Koje aktivnosti definiu posao zatite na radu u preduzeu ? Koje aktivnosti definiu posao zatite ivotne sredine u preduzeu? Koje aktivnosti definiu posao protivpoarne zatite u preduzeu ? Koje aktivnosti podrazumeva razvoj informacionog sistema ? ta treba da omogui posao funkcionanog modeliranja ? Koje aktivnosti definiu posao informaciono modeliranje ? Koje aktivnosti definiu posao aplikativno modeliranje ? ta treba da omogui posao implementacije i i koje aktivnosti definiu taj posao ? Koje aktivnosti definiu posao pripreme proizvodnje ? Koje aktivnosti definiu posao obrauna ukupnih primanja radnika ? Koje aktivnosti definiu posao istraivanja trita ? Koje aktivnosti definiu posao izbora ideja za novi proizvod u preduzeu ? Koje aktivnosti definiu posao servisiranja proizvoda u toku eksploatacije ? Koje aktivnosti definiu posao povlaenja proizvoda iz upotrebe ?
182
12.TRANSAKCIONO I ANALITIKO PROCESIRANJE INFORMACIJA

Transakciono i analitiko procesiranje informacija zasnovano je na relacionim bazama podataka upotrebi strukturnog upitnog jezika (SQL) i savremenih softverskih i hardverskih platformama. Osnovna koncepcija vezana je za razvoj korisnikog interfejsa nad izvorom podataka, koji pokriva potrebe poslovodstva i veoma je delotvoran ukoliko su korisnike potrebe dobro anticipirane i vremenski slabo promenljive. Kako su esto potrebe poslovodstva za informacijama veoma promenljive, to transakciono mora da prerasta u analitiko procesiranje informacija. Mogu se zahtevati i pristupi nerelacionim izvorima podataka, to je sa svoje strane znaajno ogranienje to e opet usloviti razvoj i primenu skladita podataka. SQL jezik je standardan jezik i predstavlja kohezioni faktor sistema, naroito ako se radi sa heterogenim podacima. Vaan element je i grafiki interfejs zbog mogunosti prezentacije podataka i poslovne grafike.
12.1. TRANSAKCIONO PROCESIRANJE INFORMACIJA

Transakciono procesiranje informacija zasniva se na operaciji koja se zove transakcija i kojom se izvodi serija izmena nad jednom ili vie tabela, po principu "sve ili nita", tj. ili su sve aktivnosti uspeno obavljene ili je baza podataka ostala nepromenjena. Prvi korak je informaciono modeliranje ili modeliranje podataka koji predstavlja proces predstavljanja poslovnih koncepata oblikom dijagrama koji se na jednostavan nain moe prevesti u fizike strukture podataka, tj. emu baze podataka. Model podataka otvara "crnu kutiju", koja je buduim korisnicima uvek bila nepoznata, jer nisu mogli da prate razmiljanja projektanata informacionog sistema. Prvi put korisnici uzimaju aktivno uee i u ovom delu i prvi put projektanti informacionog sistema crtaju ono to predstavlja njihovo iskustvo i saznanje o poslovanju konkretnog preduzea i to su oni osmislili u svojoj glavi. Kroz definisanje objekata od interesa za posmatranje i definisanje veza definie se ER model, postupkom odozgo nadole, tj. intervjuom sa buduim
korisnicima. Model podataka obuhvata definisanje: logikog modela, tj. definisanje entiteta, atributa, relacija, kardinalnosti i kljueva; fizikog modela, tj. definisanje tabela, domena, tipova i veliina kolona za izbranu SUBP; dimenzionog modela podataka, koji obuhvata definisanje dimenzija, hijerarhija i veza za definisanje OLAP kao osnove skladita podataka. CASE alat ERWin ugradio je za logiko modeliranje Information Engineering (IE) i IDEF1X tehniku, a fizii model, pored prethodne dve, poseduje i tehniku dimenzionog modeliranja.
INFORMACIONO MODELIRANJE
Za informaciono modeliranje treba koristiti tehniku za opisivanje strukture podataka i poslovnih pravila, kojom se definiu entiteti (entities). Pritom svaki entitet ima svoje osobine, tj. atribute (attributes), a sve je to povezano vezama (relationships). Preciznije, moe se razmiljati o nekom entitetu kao o setu ili kolekciji (skupu) individualnih objekata zvanih primerci ili instance (instances). Jedan primerak je jedan pojavni oblik datog entiteta. Svaki primerak mora imati identitet razliit od svih ostalih primeraka. Postupak izvo enja ove aktivnosti sadri sledee korake: definisanje nezavisnih entiteta; definisanje zavisnih entiteta; definisanje veza.
Nezavisni entitet
Nezavisni entitet je objekat koji ima jednu osobinu koja ga moe jednoznano identifikovati, tj. nezavisni entiteti imaju vlastitu identifikaciju (ne zavise od drugih entiteta). Grafiki se nezavisni entiteti prikazuju pravougaonikom u koji se upisuje naziv tipa entiteta u jednini.
FAKTURA
Slika 12.1. Grafiki prikaz nezavisnog entiteta FAKTURA
Kao to se moe videti na prethodnoj slici, entitet FAKTURA predstavlja skup svih moguih osoba sa kojima se komunicira. Svaki entitet sastoji se od odgovarajuih primeraka ili instanci.
184
Zavisni entiteti
Zavisni entiteti su entiteti ije egzistencija i identifikacija zavise od drugog ili drugih entiteta. Zavisni entiteti se dele u etiri grupe, i to: karakteristine entitete, tj. entitete koji se ponavljaju vie puta za odre eni nezavisni entitet; asocijativne entitete, koji predstavljaju vezu vie entiteta; projektne entitete, koji su slini asocijativnim entitetima, samo to nemaju sopstvene atribute; entitete kategorije, koji predstavljaju potkategoriju entiteta. Grafiki se zavisni entiteti prikazuju kao zaobljeni pravougaonici u koje se upisuje naziv tipa entiteta u jednini. Karakteristini entitet ili slab entitet predstavlja grupu atributa koji se ponavljaju vie puta za jedan entitet i koji se identifikuju preko nezavisnog entiteta; npr., entiteti FAKTURA i STAVKA FAKTURE. Za entitet STAVKA FAKTURE se kae da je karakteristian entitet, jer zavisi od entiteta FAKTURA.
FAKTURA sadrzi / je sadrzana STAVKA FAKTURE
Karakteristicni entitet
Slika 12.2. Veza karakteristinog entiteta STAVKA FAKTURE i nezavisnog entiteta FAKTURA
Asocijativni entiteti su sastavljeni od vie veza izme u dva ili vie entiteta, kao to se moe videti na sledeoj slici. Npr., ako Magacin ima vie PredmetaPoslovanja i jedan PremetPoslovanja se nalazi u vie Magacina, tada je Stanje asocijativni entitet koji opisuje vezu izme u entiteta: Magacin i PredmetPoslovanja. Dakle, asocijativni entiteti nose informaciju o vieznanoj vezi.
Magacin PredmetPoslovanja
ima / vezano za Stanje
nalazi / sadrzi
Asocijativni entitet
Slika 12.3. Veza asocijativnog entiteta Stanje sa nezavisnim entitetima Magacin i
Menadment informacioni sistemi PredmetPoslovanja
Projektni entitet (designative) slian je asocijativnom entitetu, s tim to nema sopstvene atribute. Entitet kategorija (category) zavisan je entitet, koji ima tzv. vezu tipa potkategorije (sub-category). Kod entiteta tipa kategorije definiu se: nadre eni entitet, koji ima zajednike osobine (npr. entitet Parner) i podre eni entiteti (entiteti: FizickoLice i PravnoLice), koji se identifikuju kljuem nadre enog i poseduju svoje specifine osobine (slika 12.4).
Partner Genericki entitet
FizickoLice
PravnoLice
Entitet podkategorije
Slika 12.4. Primer potkategorije entiteta
Definisanje veza
Za razliku od hijerarhijskih i mrenih modela, gde se relacije prikazuju na fizikom nivou kao pointeri na slogove, relacioni model prikazuje relacije na logikom nivou i te relacije se zovu veze. Kao to se u realnom svetu uspostavljaju odre ene veze izme u objekata, po istoj analogiji se definiu i veze izme u entiteta. Veza je asocijacija izme u dva ili vie entiteta, tj. predstavlja odnos koji postoji me u objektima, bilo u realnosti ili u mislima. Veza u IDEF1X metodologiji se prikazuje kao linija koja povezuje dva entiteta, sa takom na jednom kraju i glagolskom frazom napisanom du linije. Entitet od koga je uspostavljena veza zove se "roditelj" (parent), a entitet ka kome je uspostavljena veza zove se "dete" (child). Veza "roditelj"-"dete" je asocijacija izme u entiteta gde su svi primerci entiteta "roditelj" asocirani sa nula, jedan ili vie primeraka entiteta "dete", a svi primerci entiteta "dete" su asocirani sa nula ili jedan primerkom entiteta "roditelj". Drugim reima, nain povezivanja dva entiteta ima osobine koje se nazivaju kardinalnost, koja pokazuje "koliko neega" od dva entiteta moe biti
186
ukljueno (sadrano). U daljem tekstu detaljno e biti razmatrani sledei tipovi veza: identifikujue veze, koje entitet "dete" identifikuju kroz njegovu vezu sa entitetom "roditelj"; neidentifikujua veza, koja ne identifikuje "dete" preko identifikatora "roditelj"; veza kategorije, tj. veza prema podtipovima; neodre ujua veza vie prema vie. Identifikujue veze Veza se zove identifikujua zato to kljuevi entiteta "roditelj" predstavljaju deo identiteta entiteta "dete", tj. entitet "dete" zavisi od entiteta "roditelj" preko identifikatora. Dakle, ako se primerak entiteta "dete" identifikuje preko asocijacije sa entitetom "roditelj", onda se veza definie kao identifikujua veza, i svaki primerak entiteta "dete" mora biti povezan sa najmanje jednim primerkom entiteta "roditelj".
Entitet -A Kljuc atributa -A Entitet roditelj
Identifikuju} a veza Naziv veze Entitet - B Kljuc atributa (FK) -A Kljuc atributa -B
Entitet dete
Slika 12.5. Identifikujua veza
Identifikujua veza je prikazana punom linijom i povezuje entitet "roditelj" sa entitetom "dete", sa takom na strani entiteta "dete". U identifikujuoj vezi entitet "roditelj" ima svoj nezavisni primarni klju (Klju entiteta A), a entitet "dete" ima sloeni klju koji se sastoji od svog kljua (Klju entiteta B) i prenesenog roditeljskog kljua (Klju entiteta A(FK)). Dakle, instance entiteta "roditelj" se definiu nezavisno, a instance entiteta "dete" se ne mogu identifikovati bez identifikatora entiteta "roditelj".
Neidentifikujue veze Ako se svaki primerak entiteta "dete" moe jedinstveno identifikovati, bez znanja veze sa primerkom entiteta "roditelj", onda se takva veza definie kao neidentifikujua veza. Neidentifikujue veze su prikazane isprekidanom linijom koja povezuje entitet "roditelj" i entitet "dete" sa takom na strani entiteta "dete".
Entitet -A Kljuc entiteta-A Entitet roditelj
Naziv veze
Obavezna neidentifikuju} a veza
Entitet -B Kljuc atributa-B Kljuc atributa-A (FK) Entitet dete
Slika 12.6. Neidentifikujua obavezna veza
Neidentifikujua ili slaba veza zavisi od naina definisanja kljueva od "roditelja" ka "detetu" na dva naina: kao obavezna neidentifikujua veza i kao neobavezna (opciona) neidentifikujua veza. Ako je veza (relationship) obavezna (No Nulls ili Mandatory) iz perspektive "roditelj", onda je "dete" egzistencijalno zavisno od "roditelja". No nulls ili Mandatory znai da je obavezan unos prenesenog kljua entiteta "roditelj" u okviru entiteta "dete" (Klju entiteta A (FK)). Ako je veza neobavezna (Nulls Allowed ili Optional), tada "dete" niti je egzistencijalno niti identifikaciono zavisno, ali potuje tu vezu. Null Allowed ili Optional znai da nije obavezan (moe biti Null) unos prenesenog kljua entiteta "roditelj" u okviru entiteta "dete" (Klju entiteta A (FK)).
188
Entitet-A Kljuc atributa -A Entitet roditelj Opciona neidentifikuju} a veza
Naziv veze Entitet-B Kljuc atributa -B Kljuc atributa -A (FK)
Entitet dete
Slika 12.7. Neidentifikujua neobavezna veza
ERWin koristi romb (diamond) da bi naznaio sluaj egzistencijalne i identifikacione nezavisnosti. Romb moe postojati samo u slabim vezama (poto je jaka veza u okviru primarnog kljua, a primarni klju ne moe da ima NULL vrednost). Veza kategorije Veza kategorije je definisana za hijerarhijsku vezu izme u nadre enog generalizovanog (generikog) entiteta koji sadri zajednike osobine i podre enih entiteta kategorije. Ovaj tip veze se deli na: potpunu strukturu (tzv. kompletnu set kategoriju), kada je zatvoren skup entiteta kategorije; nepotpunu strukturu (tzv. nekompletnu set kategoriju), kada nije zatvoren skup entiteta kategorije. Potpuna struktura
Generi~ki entitet Diskriminator
Nepotpuna struktura
Generi~ki entitet Nekompletan set kategorija Diskriminator
Kompletan set kategorija
Entiteti kategorije
Entitet kategorije
Slika 12.8. Vrste entiteta kategorije
Potpuna struktura se definie za tano odre eni broj entiteta kategorije i ne moe se vie nijedan ukljuiti; nepotpuna struktura ostavlja mogunost ukljuivanja drugih entiteta kategorije. Potpuni opis vezan za ovaj tip veze detaljno e biti dat u sledeem
poglavlju. Neodre ujua veza Neodre ujua veza je nespecificirana, a govori o tome da se jedan entitet (Entitet A) pridruuje veem broju entiteta drugog tipa (Entitet B) i obrnuto.
Veza od A prema B Entitet-A Naziv veze/ Naziv veze Veza od B prema A Entitet-B
Slika 12.9. Veza vie prema vie
Ovaj tip veze zahteva, prema IDEF1X metodologiji, da se prevede uvo enjem asocijativnog entiteta izme u entiteta A i entiteta B. Izvo enje prethodnih aktivnosti zahteva i odgovarajuu verifikaciju, to je objanjeno u sledeoj aktivnosti.
Kreiranje atributa
Sledea aktivnost, "Kreiranje atributa", treba da da opis osobina u prethodno definisanim entitetima. Osobine entiteta se definiu kroz identifikaciju atributa za svaki entitet, definisanje odgovarajuih kljueva i sprovo enja postupka normalizacije. Ova aktivnost se izvodi postupkom odozdo nagore, tj. analizom dokumenata. Osnovna pravila koja se koriste u kreiranju atributa su: Svaki entitet ima proizvoljan broj atributa, to znai da nema ogranienja u broju atributa. Odre eni atribut pripada jednom i samo jednom entitetu, tako da isti atribut ne moe biti opisan u okviru dva ili vie entiteta. Svako pojavljivanje entiteta ima vrednosti za sve atribute tog entiteta. Atribut odre enog pojavljivanja entiteta moe imati samo jednu vrednost, pa primerak entiteta za odre eni atribut ima jednu vrednost. Svaki atribut predstavlja jednu odre enu injenicu, tako da i svako znaenje vrednosti atributa mora imati jedno dosledno znaenje. Na osnovu definisane liste kandidata za atribute, u sledeem koraku bie definisani svi tipovi kljueva. U daljem tekstu detaljno e biti razmotreni sledei tipovi kljueva: primarni klju,
190
alternativni i inverzni kljuevi i preneseni kljuevi.

Entitet Primarni klju je atribut ili kombinacija atributa ije vrednosti jedinstveno identifikuju svaki primerak entiteta. Ako klju ini samo jedan atribut, onda je to prost klju, u suprotnom je sloen. Kandidati za klju koji nisu izabrani za primarne kljueve mogu se definisati kao alternativni kljuevi (AKn). Alternativni klju (AKn) predstavlja atribut ili grupu atributa koji jedinstveno identifikuju primerke entiteta. ERWin generie jedinstveni indeks za svaki alternativni klju. Ako treba definisati indeks nad atributom ili grupom atributa koji ne identifikuju jedinstveno primerke entiteta, definie se tzv. Inversion Entry (IEn) indeks. Preneseni klju je kolekcija atributa koji u posmatranom entitetu nisu klju, ali su zato klju u nekom drugom entitetu. Preneseni klju (Foreign Key) jeste atribut koji povezuje entitet "dete" sa entitetom "roditelj" i odre en je oznakom FK, koja dolazi iza imena atributa.
Kao to se na sledeoj slici vidi, migracija kljueva moe biti u oblasti opisa, i tada je u pitanju neidentifikujua veza (oznaena isprekidanom linijom) ili, pak, u oblasti kljueva, kada je u pitanju identifikujua veza (oznaena punom linijom).
Migracija u oblasti opisa
FAKTURA FakturaID Preneseni kljuc (Foreign Key) PartnerID (FK)
Migracija u oblasti kljueva

ISTAVKA F AKTURE Preneseni kljuc (Foreign Key) FakturaID (FK) broj stavke
Slika 12.10. Razliiti tipovi migracija
Preneseni kljuevi mogu imati i drugo ime, to se definie kao uloga atributa u entitetu. Ime uloge (Rolename) predstavlja novo ime za prenesene kljune atribute koji definiu ulogu koju ti atributi igraju u tom entitetu. Ime uloge deklarie novi atribut, ije ime treba da opie poslovno pravilo ugra eno preko veze koja zahteva preneseni klju. Definisanje imena uloge bie pokazano na primeru definisanja strukture proizvoda.

PROIZVOD Ident broj
je komponenta
je sastavljena iz
STRUKTURA Migracija naziva atributa Komponenta. Ident broj (FK) Sastav.Ident broj (FK) Naziv uloge
Slika 12.11. Primer za definisanje imena uloge
Kako entitet, STRUKTURA ima sloeni klju od istog nadre enog entiteta PROIZVOD, pa se definisanjem uloge definiu razliita imena atributa i identifikuje entitet STRUKTURA. Detalji za definisanje ovog tipa veze bie kasnije detaljno opisani.
Definisanje poslovnih pravila

Aktivnost "Definisanje poslovnih pravila" predstavlja sintezu prethodne dve aktivnosti i treba da definie poslovna ogranienja i pravila ponaanja. Strukturna dinamika pravila integriteta su: ogranienja kojima se definiu dozvoljena stanja baze podataka, operacije koje mogu potencijalno ugroziti ogranienja i akcije koje treba preduzeti ukoliko do e do naruavanja ogranienja. Ogranienja Ogranienja se posmatraju preko: strukturnih ogranienja, ogranienja nad standardnim domenom, ogranienja nad vrednou domena i ogranienja na kardinalnost. Ogranienja su strukturna ukoliko su prikazana strukturom modela podataka, to se, pre svega, odnosi na: integritet entiteta gde ne mogu da postoje dva primerka entiteta u istom tipu entiteta tako da imaju istu vrednost atributa koji ine identifikator, tj. ne postoje dva tipa entiteta koji imaju isti skup atributa kao identifikator;
192
referencijalni integritet, gde se definiu: ogranienje postojanja (egzistencijalna zavisnost) jednog entiteta
u zavisnosti od drugog entiteta;
ogranienje mogunosti identifikacije jednog objekta bez specijalni

poznavanja identifikatora nekog drugog objekta; tipovi veze kojima se definiu podtipovi egzistencijalno i identifikaciono, zavisno od nadre enog generalizovanog entiteta.
Ogranienja nad standardnim domenom definiu se npr. kao: tip podatka (character, numeric, boolen), duina podatka CHARACTER (30) i dr. Ogranienja nad vrednou domena (vrednost atributa) mogu se podeliti na:
operatore pore enja (<, >, =, >=, <=); IN listu vrednosti koja formira listu konstanti iz odgovarajueg
domena, eksplicitnim navo enjem svih dozvoljenih vrednosti; BETWEEN opseg dozvoljenih vrednosti, gde atributi objekata i veza uzimaju vrednosti iz domena, ali uz postavljena ogranienja na ove vrednosti, tako da atribut moe poprimiti samo ui skup vrednosti iz domena (npr. BETWEEN 10 AND 200); NOT NULL, kada dato polje ne moe da dobije vrednost nula, tj. mora uvek da ima neku vrednost. Ogranienja na kardinalnost veza definiu se izme u: entiteta "roditelj" i entiteta "dete", i to kao: kardinalnost tipa Zero, One or More, gde se jedan primerak entiteta "roditelj" pridruuje nijednom, jednom ili veem broju primeraka entiteta "dete"; kardinalnost tipa One or More (P), gde se jedan primerak entiteta "roditelj" pridruuje najmanje jednom ili veem broju primeraka entiteta "dete"; kardinalnost tipa Zero or One (Z), gde se jedan primerak entiteta "roditelj" pridruuje nijednom ili jednom primerku entiteta "dete"; kardinalnost tipa konkretne vrednosti (Exactly), gde se jedan primerak entiteta "roditelj" pridruuje tano definisanom broju primeraka entiteta "dete". entiteta "dete" i entiteta "roditelj" kao: TOTALNO uee, gde svi primerci entiteta "dete" uestvuju bar
u jednoj vezi (No Nulls) sa entitetom "roditelj";
PARCIJALNO (delimino) uee, gde samo pojedini primerci

entiteta "dete" uestvuju u vezi (Nulls Allowed) sa entitetom "roditelj". Operacije Operacije koje potencijalno ugroavaju ogranienja su standardne operacije auriranja, tzv. IRD operacije, to je skraenica od: ubacivanje novog sloga (Insert), izmena sloga (Replace) i brisanje sloga (Delete). Operacija ubacivanje (insert) omoguuje sledea dodavanja podataka:
kreira objekat i proverava da li je vrednost kljua objekta mogua ili

ve postoji objekat sa tom vrednou;
kreira vezu i proverava da li postoje objekti sa datim vrednostima

kljua;
dodaje vrednost objektu ili vezi i proverava da li je ta vrednost

dozvoljena. Operacija izmena (replace) omoguuje sledee izmene podataka: izmenu vrednosti nekljunog atributa objekta; izmenu vrednosti atributa koji je deo kljua, to znai da treba izmeniti tu vrednost u svim objektima i u svim vezama sa objektom, kao i izmeniti tu vrednost u svim slabim objektima u kojima je ta vrednost sputena kao deo kljua; izmenu vrednosti nekljunog atributa u vezi. Operacija brisanje (delete) omoguuje sledea brisanja podataka: brisanja objekata i veze u kojima se pojavljuje vrednost kljua objekta; brisanje veze u tipu veze; brisanje objekta "roditelj" i svih objekata "dete", ije postojanje zavisi od datog objekta. Akcije Za iskazivanje strukturnih pravila integriteta, tj. za iskazivanje potpune specifikacije budue baze podataka, definiu se akcije koje treba preduzeti kada neka operacija auriranja baze podataka narui definisano ogranienje. Mogu se definisati sledei tipovi akcija:
194
RESTRICT (R), tj. akcija odbijanja operacije, kojom se efekti te

operacije ponitavaju ako je uslov integriteta naruen; CASCADE (C), tj. akcija prosle ivanja operacije na vezni entitet; DEFAULT (D), tj. akcija kojom se kreira specifino pojavljivanje tzv."default objekta", koji oznaava "pretpostavljeni objekat" i zamenjuje objekat ije je nepostojanje uzrok naruavanja integriteta; SET NULL (SN), tj. akcija koja treba da eliminie da primerak entiteta "visi" u sistemu, tj. atribut koji uspostavlja vezu setuje se na null vrednost. Specificira se "nul objekat", koji oznaava "jo nepoznato pojavljivanje datog tipa objekta" i zamenjuje objekat ije je nepostojanje uzrok naruavanja integriteta; NONE, to znai da ne postoji ogranienje i da se operacija neometano izvodi.
Ovako nabrojana strukturna dinamika pravila integriteta bie u sledeim aktivnostima detaljno opisana. U sledeem koraku se definie logiki model podataka za primer EDIFACT fakture.
Logiko modeliranje podataka na primeru EDIFACT fakture

Na sledeoj slici prikazan je logiki model podataka za EDIFACT fakturu.

Partner PartnerID PIB NazivPartnera TekuciRacun Adresa Mesto Telefon ReferentOznacavanja (FK) Faktura FakturaID BrojFakture DatumFakture OsnovFakturisanja PartnerID (FK) ReferentProdaje (FK) StavkePlacanja FakturaID (FK) RedniBroj NacinPlacanjaID (FK) Iznos Datum BrojIzvoda AnaliticarProdaje (FK)
FakturaPredme tPoslovanja FakturaID (FK) PredmetPoslovanjaID (FK) Pre dm etPoslovanja PredmetPoslovanjaID NazivPredmetaPoslovanja KlasifikacioniBroj StaraSifra JedinicaMereID (FK) ReferentOznacavanja (FK) Radnik RadnikID JedinicaMere JedinicaMereID Oznaka NazivJediniceMere ReferentOznacavanja (FK) Prezime Ime JMBG Kolicina JedinicnaCena NacinPlacanja NacinPlacanjaID NazivNacinaPlacanja ReferentOznacavanja (FK)
Slika 12.12. Logiki model podataka definisan IE metodologijom
Nezavisni entiteti, koji imaju vlastitu identifikaciju, su ifarnici (Partner, JedinicaMere, VrstaPrevoza, NacinPlacanja, PredmetPoslovanja, VrstaPakovanja,VrstaTroska, Valuta) i Faktura, i oni nisu zavisni od drugog entiteta. Zavisni entiteti, to su entiteti ija je egzistencija i identifikacija zavisna od entiteta Faktura, i to su: StavkaFakture, DetaljPrevoz i FakturaTroak. Na prethodnoj slici je prikazan i tip veze podtip, koji uspostavlja vezu izme u entiteta Partner i njegovih zavisnih, klasnih entiteta FizickoLice i PravnoLice.
Izrada fizikog modela podataka

Definisanje fizikog modela podataka, tj. implementacija entiteta i njihovih atributa u tabele i kolone nekog SUBP, korienjem ERWin-a, relativno je jednostavan posao. Programski modul ERWin-a za izgradnju fizikog modela ita opis entiteta i atributa i formira tabele i polja fizikog modela. Prilikom prevo enja logikog modela u fiziki model, dolazi do sledeih konvertovanja: entiteta iz modela podataka u tabele fizike baze podataka;
196
atributa u kolone u odgovarajuim tabelama; kandidati za kljueve entiteta postaju primarni kljuevi u tabelama; veze izme u entiteta postiu da primarni kljuevi u tabelama postaju
spoljni kljuevi u povezanim tabelama. Dakle, ERWin definie tabele i kolone automatski, tj. nazivi tabela po defaultu dobijaju imena na osnovu naziva entiteta, a nazivi atributa po defaultu postaju nazivi kolona. I druge osobine se dodeljuju kao default setovane vrednosti (vrednosti koja e biti insertovana u kolonu). ema logike baze podataka obuhvata poseban skup podataka (odgovarajui renik podataka) sa odgovarajuom semantikom i vezama me u elementima baze podataka. Fiziki, ove veze su smetene u bazi podataka, za kasniju upotrebu. Na sledeoj slici prikazan je fiziki model podataka za EDIFACT fakturu.
Partner PartnerID: Long Integer PIB: Text(50) NazivPartnera: Text(50) TekuciRacun: Text(50) Adresa: Text(50) Mesto: Text(50) Telefon: Text(50) ReferentOznacavanja: Long Integer Faktura FakturaID: Long Integer BrojFakture: Text(50) DatumFakture: Date/Time OsnovFakturisanja: Text(50) PartnerID: Long Integer ReferentProdaje: Long Integer StavkePlacanja FakturaID: Long Integer RedniBroj: Long Integer NacinPlacanjaID: Long Integer Iznos: Currency Datum: Date/Time BrojIzvoda: Text(50) AnaliticarProdaje: Long Integer
FakturaPredme tPoslovanja FakturaID: Long Integer PredmetPoslovanjaID: Long Integer Pre dmetPoslovanja Kolicina: Double PredmetPoslovanjaID: Long Integer JedinicnaCena: Currency NazivPredmetaPoslovanja: Text(50) KlasifikacioniBroj: Text(20) StaraSifra: Text(50) JedinicaMereID: Long Integer ReferentOznacavanja: Long Integer NacinPlacanja NacinPlacanjaID: Long Integer NazivNacinaPlacanja: Text(50) ReferentOznacavanja: Long Integer
Radnik RadnikID: Long Integer JedinicaMere JedinicaMereID: Long Integer Oznaka: Text(20) NazivJediniceMere: Text(50) ReferentOznacavanja: Long Integer Prezime: Text(50) Ime: Text(50) JMBG: Text(13)
Slika 12.13. Fiziki model podataka definisan IE metodologijom
Na osnovu fizikog modela podataka, izvodi se generisanje eme baze podataka koju ine fizike tabele, kolone i relacije, koje se u CASE alatu automatski generiu iz fizikog modela.
Proces generisanja eme baze podataka iz fizikog modela podataka naziva se direktni inenjering. Kada se generie ema baze podataka, entiteti prelaze u tabele, atributi u kolone, a veze u relacije i definiu se referencijalni integriteti, trigeri, procedure, indeksi i druge osobine koje podrava izabrani SUBP, o emu e vie rei biti u sledeem poglavlju. Dakle, da bi se generisala baza podataka potrebno je, prvo, izabrati odgovarajuu ciljnu platformu (SUBP) i potom se logovati na nju. Kada se korisnik loguje na izabranu platformu, ERWin kreira aktivnu bidirekcionu vezu sa sistemskim katalogom izabranog servera koja omoguava direktno kreiranje baze podataka.
Sistem za upravljanje bazom podataka SUBP

Sistem za upravljanje bazama podataka (DATA BASE MANAGMENT SYSTEM DBMS) softverski je sistem za uvanje i pretraivanje podataka i predstavlja skup programa ija je prvenstvena namena da na zahtev aplikativnih programa vri manipulaciju podacima. To je i jedan od naina da se korisnicima (neprogramerima) omogui direktno korienje raunara, tj. pristup i rukovanje podacima. Uopteno govorei, baza podataka (BP) predstavlja zbirku uzajamno povezanih podataka, memorisanih sa kontrolisanom redundansom, da bi optimalno sluili razliitim aplikacijama. Podaci su memorisani nezavisno od programa koji ih koriste. Za dodavanje novih podataka i modifikovanje ili pretraivanje postojeih podataka koriste se zajedniki i kontrolisani pristupi. Redundansa u podacima mora biti redukovana na najmanju moguu meru i strogo nadgledana, da bi na taj nain bila osigurana uskla enost podataka u svakom momentu. Polazi se od injenice da se podaci definiu tipom podataka koji predstavlja skup vrednosti koje imaju izvesne zajednike karakteristike. Tipovi podataka mogu biti: numeriki (celobrojni, realni i logiki), znakovni i strukturirani. Celobrojni tip je podskup skupa celih brojeva, realni tip je podskup skupa realnih brojeva, a logiki tip podataka koji kvalifikuje stanje istine ili lai. Znakovne tipove podataka ini konaan skup znakova.
Strukturirani tipovi podataka su skupovi vrednosti ija struktura ima

198
odre eni smisao. Nosioci strukturiranih podataka su strukturirane promenljive. U okviru SQL SUBP definiu se sledei strukturirani tipovi, imajui u vidu logiki model podataka: entiteti postaju tabele, atributi se definiu kao kolone, instance ili primerci postaju redovi, u preseku reda i kolone definiu se polja. Tabela se sastoji od kolona i redova, koji se mogu sagledavati u bilo kom redosledu, bez uticaja na sadraj tabele. Tabelarno prikazivanje je prirodan nain prikazivanja veza izme u podataka. Tabele moraju biti tako sastavljene da se nijedna veza ne izgubi. Kolone su definisane nazivom i u jednoj koloni postoji samo jedna vrsta podataka. Ako se koristi ERWin, kolona se generie iz atributa logikog modela, pa se tip i duina kolone generiu na osnovu osobina atributa ili ih odre uje sam korisnik, dodeljujui im SIMBOLIKI naziv. Red se moe definisati kao skup me usobno povezanih polja, koja sadre osnovne podatke o neemu. Polje je osnovna i najmanja jedinica podatka, koja moe biti numerika, alfabetska ili alfanumerika. Redovi se razlikuju me u sobom, pa duplikati redova nisu dozvoljeni. Kad se posmatra, naprimer, tabela ODELJENJE sa kolonama definisanim vertikalno i redovima definisanim horizantalno:
ODELJENJE
SIFRAO 10 20 30 40 NAZIVO PRIPREMA RAZVOJ PRODAJA PROIZVODNJA MESTO PANCEVO NOVI SAD BEOGRAD PAZOVA
za tabelu ODELJENJE definisani su: tri kolone (SIFRAO, NAZIVO i MESTO) i etiri reda (podaci za odeljenje 10, 20, 30 i 40). Posmatranjem tabele moe se videti da je svaki red sastavljen od polja i da svako polje sadri vrednost polja na preseku reda i kolone. Npr. u prvom redu tabele ODELJENJE, vrednost polja je:
SIFRAO (broj odeljenja) 10, NAZIVO (naziv odeljenja) PRIPREMA, MESTO (lokacija odeljenja) PANCEVO.
Vie izme u sebe povezanih tabela ini relacionu bazu podataka. Dakle, relaciona baza podataka je takav tip strukture koji se koristi za izraavanje odnosa izme u podataka u obliku jednostavnih dvodimenzionalnih tabela.
ta omoguava SUBP
Rad sa SUBP treba da omogui: menjanje postojeih podataka u okviru baze podataka, brisanje postojeih redova, dodavanje novog reda, traenje (izdvajanje) konkretnog reda i pretraivanje baze podataka. Mora se naglasiti da se sve promene u vezi sa poljem (unoenje novih podataka, menjanje postojeih i brisanje) moraju sprovoditi u okviru reda. Postupak menjanja polja je sledei: red u kome se vri izmena podataka pronalazi se u memoriji pomou adrese ili kljua; red se iz eksterne memorije prenosi u operativnu memoriju; vri se izmena sadraja datih polja; red se ponovo zapisuje u eksternu memoriju. Postupak brisanja ve postojeih redova zahteva panju da se briu pravi redovi, tj. da se potuju pravila vezana za integritet baze podataka, kao i referencijalni integritet. Postupak dodavanja novih redova zahteva obezbe enje potrebnog memorijskog prostora i potovanje integriteta baze podataka, kao i referencijalnog integriteta. Traenje podrazumeva traenje konkretnog reda, koje se obavlja preko primarnog kljua. Traenje je uspelo ako je vrednost primarnog kljua reda identina vrednosti kljua datog u argumentu. Pretraivanje se vri putem argumenta koji je dat kao LOGIKI izraz. Sastavlja se lista zahtevanih svojstava i kriterijuma po kojima se vri pretraivanje tabela i izdvajaju svi oni redovi koji u potpunosti udovoljavaju zahtevima.
200
Razlike izme u SUBP i datoteka

Korienjem klasinih programskih jezika tree generacije svaki programer definie programe i datoteke prema svojim potrebama i shvatanjima. Kao to se moe videti na sledeoj slici, parcelizovani nain rada dovodi do redundanse (ponavljanja) slinih datoteka u razliitim aplikacijama.
Datoteka Programi Izvetaji
PLATNI SPISAK
Datoteka
PLATNI SPISAK
PLATNI SPISAK
KNJIGOVODSTVO
Programi
Izvetaji
KNJIGOVODSTVO
Programi
KNJIGOVODSTVO
Datoteka
Izvetaji
INVENTAR
INVENTAR
INVENTAR
Slika 12.14. Primer korienja datoteka
Datoteke nastaju kao produkt izolovano razvijenih programa (aplikacija), korienjem programskih jezika. Kao to se moe videti na slici 4.4, datoteke su izrazito uskla ene s programima i prema njima imaju vlasniki odnos. Me utim, nisu prilago ene za upotrebu kod novih programa, jer oni nisu bili uzeti u obzir pri definisanju datoteke, a mogli bi uspeno da koriste neke podatke. Ovaj problem se polovino reava promenom dizajna datoteke ili definisanjem dodatne datoteke za potrebe novog programa. Me utim, negativna reakcija je pojava viestrukog memorisanja podataka, ili tzv. redundanse podataka. Za razliku od rada sa datotekama, korienje SUBP omoguuje da neprogrameri mogu pristupiti podacima i njima manipulisati: direktnim radom sa raunarom svakog korisnika, jednostavnim definisanjem obrade (obradu definiu osobe koje se bave fizikom problema, a ne obradom podataka). Dakle, SUBP treba da omogui svim ovlaenim korisnicima korienje zajednikih podataka, skladitenje podataka sa minimalnom redundansom, logiku i fiziku nezavisnost programa od podataka i jedinstveno komuniciranje sa bazom podataka preko jezika bliskih korisniku. Nezavisnost programa i podataka se postie kada se moe dopunjavati i modifikovati struktura baze podataka bez posledica po postojee korisnikove programe. Jezik blizak korisniku je tzv. SQL upitni jezik.

Baza podataka
Podaci PLATNI SPISAK
Podaci KNJIGOVODSTVO
Programi PLATNI SPISAK
SUBP
Programi KNJIGOVODSTVO
Podaci INVENTAR
Programi INVENTAR
Slika 12.15. Primer korienja SUBP
SQL upitni jezik

SQL upitni jezik omoguuje da korisnici mogu ad hoc formulisati i postavljati pitanja i veoma brzo dobijati odgovor, a da pritom ne zavise od saradnje sa programerom. Programeri su na taj nain rastereeni i posveuju se izradi kvalitetnih programa za aplikacije, koje zahtevaju mnogo tehnikog znanja (npr. veoma frekventne transakcije, kod kojih je vano da se postigne to krae vreme odziva). Neproceduralni jezik SQL (Structured Query Language) dizajniran je tako da ga sa uspehom mogu koristiti i ljudi bez tehnikih znanja s podruja obrade podataka, takozvani krajnji korisnici. SQL jezik je neproceduralan, jer specificira operacije u smislu TA treba uraditi, a ne KAKO. SQL omoguuje povezivanje sa klasinim viim programskim jezicima, kao to su: COBOL, PL/I, PASCAL, FORTRAN, C i dr. SQL jezik je usvojio Komitet Amerikog nacionalnog instituta za standarde (ANSI) kao standardni jezik relacionih baza podataka. U relacionim bazama podataka se definie struktura podataka u obliku tabela. SQL relacioni jezik pravi nove tabele, definiui podskupove i/ili kombinujui postojee tabele. Dakle, SQL omoguuje da se jednom relacionom naredbom mogu itati, aurirati ili brisati redovi memorisani u relacionoj bazi podataka. SQL je jezik za: interaktivno definisanje baze podataka (Data Definition Language ili DDL), kojim treba da se omogue kreiranje (CREATE TABLE), dodavanje (ALTER TABLE), brisanje tabela (DROP TABLE), pogleda (CREATE VIEW) i sinonima (CREATE SYNONIM);
CREATE TABLE "Faktura" ( "FakturaID" IdentBroj NOT NULL, "VremeID" int NULL, "BrojFakture" Naziv, "DatumFakture" Datum,
202
"PartnerID" int NOT NULL, "NacinPlacanjaID" int NULL, "ValutaID" int NULL, "UkupniTroskovi" Iznos, "KodIzlaznaUlazna" Status)
pretraivanje podataka, gde treba da se omogui izbor redova iz tabele. SQL za pretraivanje podataka koristi naredbu SELECT i manipulaciju podacima (Data Manipulation Language ili DML) koja treba da omogui ubacivanje redova (INSERT), izmene (UPDATE) i brisanje (DELETE) memorisanih podataka u tabeli;
SELECT PredmetPoslovanjaID, NazivPredmetaPoslovanja, NazivVrstePakovanja FROM VrstaPakovanja, PredmetPoslovanja WHERE VrstaPakovanja.VrstaPakovanjaID= PredmetPoslovanja.VrstaPakovanjaID;
upravljanje podacima (Data Control Language DCL), kojim treba da se omogue dodavanje (GRANT CONNECT) i opoziv (REVOKE) privilegija, prenos transakcija iz buffer-a u tabele (COMMIT) i zakljuavanje tabela LOCK TABLE.
GRANT SELECT ON FAKTURA TO PERA
Primeri SQL upita

Treba selektovati kolone: Sifrar, Prezime, Ime, Plata, Sifrao iz tabele RADNIK za odeljenje 30 operatorom pore enja "=":
SELECT Sifrar, Prezime, Ime, Plata, Sifrao FROM RADNIK WHERE SIFRAO = '30'
Selektujte kolone: Sifrar, Prezime, Ime, Plata, Sifrao tabele RADNIK koji NE rade u odeljenju 30, (operatorom negacije NOT i operatorom pore enja "="):
SELECT Sifrar, Prezime, Ime, Plata, Sifrao FROM RADNIK WHERE NOT ( SIFRAO = '30')
Treba prikazati listu svih zaposlenih Radnika, ija je plata u rasponu 12000 i 14000.
SELECT PREZIME, PLATA FROM RADNIK WHERE PLATA BETWEEN 12000 AND 14000
Prikazi spisak svih radnika koji imaju "U" kao drugo slovo u prezimenu.
SELECT PREZIME FROM RADNIK WHERE PREZIME LIKE "?U*"
Prikazi lista PREZIME, SIFRARM, PLATA gde je SIFRARM = '03', i PLATA via od 28000 dinara.
SELECT PREZIME, SIFRARM, PLATA FROM RADNIK WHERE SIFRARM = '03' AND PLATA > 28000
Treba izlistati prezime, platu, stimulaciju i sumu plate i stimulacije za sve Radnike sa SIFRARM= '02'.
SELECT PREZIME,PLATA,STIMUL,PLATA+STIMUL FROM RADNIK WHERE SIFRARM = '02'
Treba prikazati radno mesto, srednju aritmetiku vrednost plate i broj radnika ija je plata vea od 25000 i izvriti grupisanje po SIFRARM.
SELECT SIFRARM, AVG (PLATA), COUNT (*) FROM RADNIK WHERE PLATA > 25000 GROUP BY SIFRARM;
Selektovati PREZIME iz tabele RADNIK i MESTO iz tabele ODELJENJE tj. u kom mestu radnik sa imenom ALAGIC. Tabele: RADNIK i ODELJENJE imaju zajedniku kolonu koja sadri broj odeljenja (SIFRAO).
SELECT PREZIME,MESTO FROM RADNIK,ODELJENJE WHERE PREZIME = 'ALAGIC' AND RADNIK.SIFRAO = ODELJENJE.SIFRAO
IZRADA KORISNIKE APLIKACIJE

Izrada korisnike aplikacije izvodi se na osnovu prethodno ura ene eme baze podataka, kao i konkretnih zahteva buduih korisnika. Korisnika aplikacija radi sa redovima iz tabele; poseduje interfejs prema korisniku, tzv. GUI (Graphical User Interface); izvrava logiku aplikacije; proverava ispravnost ulaznih podataka; trai prijem podataka od servera. Korienje korisnike aplikacije podrazumeva da korisnici unose, pretrauju i analiziraju podatke. Unos podataka korienjem formi treba da omogui automatsku proveru pravila integriteta i pritom, ako pravila integriteta nisu ispunjena, treba da ponudi listu dozvoljenih vrednosti, imajui u vidu i mogunost multimedijalnog prikaza (npr. uputstva za rad sa formom). Direktna transakciona obrada ili, kako se jo definie, Online transaction processing OLTP, pod transakcijom podrazumeva operaciju za dodavanje ili auriranje podataka u bazi, gde aplikacija alje zahtev za auriranje podataka serveru baze podataka, a server aurira bazu i registruje
204
transakciju. Upiti i izvetaji su posebne aplikacije gde se moe definisati izvetaj od vie kolona, ili pak jedan zapis na strani, ili grafiki izvetaji. Izvetaji se najee prave kao rezultat AD-HOCK upita. Alati za razvoj aplikacija mogu biti jezici tree generacije: C++, ADA, COBOL, ili jezici etvrte generacije: Oracle Forms, Card, Reports i Graphics, MS ACCESS, korienjem CASE alata. Definisani meniji treba da prate scenario odvijanja aktivnosti budueg korisnika. Za definisanje menija moraju se koristiti odgovarajua pravila za strukturiranje kojima se definie mogui redosled pozivanja operacija. Ekranske forme su osnovni tip objekata u veini SUBP i treba da omogue korisniku predstavljanje podataka iz baze i unos podataka u bazu. Forme u sebi mogu imati veliki broj drugih objekata (kontrola). Veina SUBP koji za osnovu imaju MS WINDOWS podrava tzv. wizard metodologiju za kreiranje formi. Specifinosti u izradi formi nisu predmet razmatranja ove knjige, pa se itaoci upuuju na literaturu, u zavisnosti od toga koji su SUBP izabrali. Ovde e biti definisane neke opte postavke koje se moraju potovati prilikom definisanja ekranskih formi. U sledeem koraku je dat prikaz korisnike aplikacije za primer EDIFACT fakture.
Izrada korisnike aplikacije na primeru EDIFACT fakture

Izrada korisnike aplikacije na primeru EDIFACT fakture odvija se kroz tri aktivnosti: definisanje fizikog nivoa, verifikacija i specifikacija formi. Aktivnost Definisanje fizikog nivoa podrazumeva stvaranje fizike strukture MS ACCESS baze podataka kao osnove za komunikaciju izme u poslovnih procesa. Aktivnost Verifikacija fizikog dizajna treba da da potvrdu svoje valjanosti od odgovarajueg verifikacionog tela da bi se pristupilo sledeem procesu. Aktivnost Specifikacija formi treba da omogui definisanje menija, izgleda samih formi, akcija koje je potrebno sprovesti za odravanje baze podataka i dobijanje izvetaja. Na sledeoj slici prikazana je jedna od moguih formi EDIFACT fakture.
Slika 12.16. Izgled glavne forme EDIFACT fakture
Na slici je prikazan primer realizovane forme za dokument "EDIFACT faktura". Forma je podeljena na jednu glavnu formu i tri potforme. U glavnoj formi definiu se ekranska polja o fakturi, kao to su Broj fakture i Datum fakture, koja odgovaraju definisanim kolonama u okviru tabele Faktura. Ekransko polje FakturaID odgovara koloni FakturaID u tabeli Faktura koja je definisana kao primarni klju. U okviru glavne forme definisana su ekranska polja: Partner, Nacin placanja i Valuta kao tzv. ComboBox za prenesene kljueve Partner, NacinPlacanja i Valuta u tabeli Faktura. ComboBox nudi listu za izbor iz tabela: Partner, NacinPlacanja i Valuta, gde su PartnerID, NacinPlacanjaID i ValutaID primarni kljuevi. Definisane su i tri potforme: Stavka, Troskovi, Prevoz. Potforma sadri vezu sa glavnom formom. Veza izme u polja glavne forme i potforme ostvaruje se preko veznog polja FakturaID sa glavne forme i veznih polja na potformi. Prikazani nain dolaska do gotove aplikacije na osnovu EDIFACT fakture samo je deo ukupnog sistema, koji podrazumeva postojanje pre svega gotove aplikacije za magacinsko poslovanje na koju se ovako definisana aplikacija neposredno naslanja, kao i izabor odgovarajueg translacionog softvera koji bi prenosio dokumenta do ciljne baze podataka.
206
12.2. ANALITIKO PROCESIRANJE INFORMACIJA

Menadment informacioni sistem zasnovan na interaktivnom analitikom procesiranju pojavio se kao posledica: potreba za pretvaranjem transakcionih podataka u informacije, omoguavanja vee inicijative korisnicima, koji ne moraju da znaju SQL i detalje o postavci informacionog sistema, zahteva za automatizacijom rada analitiara, komercijalista i menadera. Kako je MIS zasnivan na interaktivnom analitikom procesiranju u razvoju, to se smatra da se u kombinaciji sa MIS-om zasnovanim na relacionim bazama podataka moe doi do uspenih reenja, kako korisnika koji se bave analitikom, tako imenadera koji ele "brz pogled" na informacije bez uputanja u detalje. Ovo je osnovni razlog za nastanak skladita podataka (Data Warehouse DW), ija je osnovna namena izvetavanje korienjem transakcionih podataka, istorijskih podataka, kao i podataka iz drugih sistema. Rad sa velikim koliinama podataka, tj.velikim brojem tabela, ini da brzina odgovora SQL rapidno opada. Ovo je uslovilo nadgradnju skladita podataka OLAP sistemima i data mining. OLAP (On Line Analytical Processing) je softverska tehnologija koja omoguava analitiarima i menaderima brz, interaktivan i konzistentan uvid u informacije, putem irokog spektra moguih pogleda na informacije. Kako se za donoenje poslovnih odluka i ovo pokazalo nedovoljnim, pristupa se tzv. traganju kroz podatke (data mining DM). DM se odnosi na automatsko otkrivanje implicitno prisutnih zakonitosti, pravilnosti i indirektnih sadraja u velikim bazama podataka savremenih informacionih sistema.
SKLADITA PODATAKA
Skladite podataka ili Data Warehouse (DW) jeste proces integracije podataka u jedan repozitorijum iz kojeg krajnji korisnici mogu sprovoditi adhock analize podataka i praviti izvetaje. Zbog velike koliine informacija, skladita podataka imaju tendenciju da postaju ogromna, to je uslovilo potrebu za visokim performansama hardverskog i softverskog obezbe enja. Inicijativa za izgradnju skladita podataka treba da potekne od rukovodstva, mora da zadovolji specifine potrebe i izgra uje se kroz saradnju korisnika i projektanata baze podataka. Glavni posao lei u analizi izvornih podataka i procesa, tj. moraju se poznavati procesi za transakcionu obradu podataka, sa ciljem zapisivanja
poslovnih pravila bez greaka. CASE alati su nezamenjivo sredstvo koje se koristi u izvo enju ovih poslova. Postoje dve definicije skladita podataka. Po prvoj definiciji (W. H. Inmon, "Building the Data Warehouse", 1992.), skladite podataka je baza podataka za procese podrke odluivanju u kojoj su podaci: subjektno orjentisani odslikavaju poslovne procese, integrisani baza podataka konsoliduje podatke iz razliitih sistema koji koriste razne vrste kodovanja, mernih jedinica itd. i obezbe uje konzistentnost podataka, vremenski zavisni svi podaci su u vezi sa nekim vremenskim trenutkom na osnovu kojeg se podaci mogu i porediti, nepromenljivi podaci se, najee, pridodaju ve postojeim umesto da ih zamenjuju. Druga definicija je dobijena na osnovu izjava korisnika skladita podataka i predstavlja odlian okvir za planiranje. Prema toj definiciji, skladite podataka je informaciona baza podataka dizajnirana za podrku jedne ili vie klasa analitikih zadataka, kao to su nadgledanje i izvetavanje, analiza i dijagnoza i simulacija i planiranje. Zadaci nadgledanja i izvetavanja zasnivaju se na prikupljanju podataka, a ne na otkrivanju i analizi informacija. Procesi analize i dijagnoze se zasnivaju na otkrivanju informacija. Simulacija i planiranje su najsloeniji zadaci, koji zahtevaju mogunost izmene sadraja i strukture skladita podataka. im se utvrdi koji od ovih zadataka treba da se implementira u skladitu podataka, moe se odabrati pogodna tehnologija koja podrava taj zadatak. Dakle, "skladite podataka" je analitika baza podataka u kojoj su omogueni sloeni, unapred nepredvi eni (ad-hoc) pristupi velikom broju razliitih podataka. Neophodno je razviti IS koji e omoguiti brz i efikasan nain zadovoljavanja sloenih upravljakih ad-hoc informacionih zahteva. Do sada realizovani koncepti "skladita podataka" fiziki su razdvojeni od baze "ivih" podataka transakcionog nivoa. U bazi podataka "skladita podataka" nalaze se podaci koji se periodino repliciraju iz transakcione baze podataka, u skladu sa potrebama sistema za podrku odluivanju. Osim toga, u ovoj bazi se nalaze i podaci prikupljeni iz eksternih baza podataka, kao i sloeni tipovi podataka (grafika, video, World Wide Web itd.). Za skladita podataka ili Data Warehous preporuuju se posebne hardverske platforme.
Zato skladite podataka?

Skladite podataka je, posle Interneta, jedan od najvanijih industrijskih trendova zbog potrebe da proizvo ai budu konkurentniji i blii kupcu, jer je u
208
opticaju kljuna poruka: "Neprekidna evolucija omoguava menadmentu da postavlja tea i zahtevnija pitanja". Warehousing koncept je skladitenje agregiranih, ekstrahovanih i filtriranih podataka u meta baze, koje omoguavaju slojevit, multidimenzionalni pristup podacima, kakav je potreban za donoenje odluka najvieg stratekog nivoa. Koncept je postavljen veoma fleksibilno i omoguuje naknadno korienje razliitih alata i modela i posebno se mora naglasiti da transakciona baza nije uslov za primenu koncepta. Koncept se primenjuje nad operativnim podacima, pa ako su oni transakcionog tipa i nad njima. Osnovni cilj skladitenja podataka je prikupljanje i distribucija informacija kroz preduzee, tj. korienje bilo koje informacije, sa bilo kog mesta, u bilo koje vreme, tanije ostvarenje principa "Biti uvek na usluzi korisniku informacija". Cilj skladitenja podataka nije da se podaci samo skladite, ve je cilj da menaderi mogu sami da vre analize. ak i u svetu uspenih menadera postoje ljudi koji nisu tehniki obrazovani, a imaju potrebu za informacijama i ne znaju da programiraju. Donosioci odluka su pod velikim pritiskom jer moraju da zasnivaju svoje analize na osnovu tekuih injenica koje se dobijaju iz raznih poslovnih situacija. Te injenice se uvaju u on-line transakcionim (OLTP) sistemima i nije im lako pristupiti. Ovde e biti rei o tome zato su sistemi koji su dizajnirani za OLTP (On Line Transaction Processing) neodgovarajui za izvravanje upita za podrku odluivanju. Tako e, dosadanji OLTP sistemi e biti upore eni sa novijim sistemima, koji su optimizovani za poslovnu analizu i koji se nazivaju skladita podataka (data warehouse). Ono to krajnjem korisniku treba jeste sledee: da moe da postavi bilo koje poslovno pitanje, da bilo koji podatak iz preduzea koristi za analizu, mogunost neogranienog izvetavanja. Donosiocima poslovnih odluka su potrebni odgovori na pitanja koji direktno utiu na njihovu mogunost da budu kompetentni na dananjem brzo promenljivom tritu. Njima su potrebni jasni odgovori na koliko god teka pitanja, i to u to kraem vremenskom periodu. Sirovi i neobra eni podaci, koji su potrebni za poslovnu analizu, nalaze se na razliitim lokacijama i u razliitim su formatima (npr. hijerarhijske baze podataka, skupovi podataka, datoteke itd.). Tako e, injenice se prikupljaju i uvaju u sistemima koji su predvi eni za automatizaciju operacija koje se svakodnevno izvode. To su tzv. OLTP sistemi koji vre ubacivanje ili auriranje podataka u bazama podataka impresivnim brzinama. Ipak, sve te
injenice su van domaaja donosilaca poslovnih odluka. Skladite podataka je arhitektura za organizovanje informacionih sistema. Sastoji se od skupa programa koji vre ekstrakciju podataka iz transakcionih sistema, baze podataka u koju se smetaju podaci i sistema koji obezbe uju podatke korisnicima.
U kom pravcu treba ii?

Ako se prihvati ad-hock upit kao iri pojam i kao poetni prilaz razvoju skladita podataka, onda treba posmatrati sledee elemente: Pitanje mogunosti jednostavnog izdvajanja podataka je problematiano jer je vezano za definisanje tzv. reenica definisanih u okviru SELECT naredbe, koja zahteva poznavanje relacione baze podataka, to opet uslovljava razvoj meta podataka tj. podataka o podacima. Laka izrada izvetaja je mogua jer na raspolaganju stoje mnogi grafiki alati za pravljenje izvetaja i grafova. Definisanje elemenata OLAP-a za interaktivnu analizu podataka podravaju, do odre enog nivoa, i relacione baze podataka, tj. omoguuju multidimenzionu analizu relacionih podataka. Ova analiza omoguava korisniku da upravlja podacima i menja im perspektivu. Naravno, treba imati u vidu da je teite ovog pristupa prikazivanje relacionih podataka u formatu koji ima smisla za svakodnevne poslovne odluke. Pretvaranje podataka u znanje vezano je za razvoj Data mininga, emu u uslovima ad-hock upita treba da poslue iskustvo i znanje korisnika koji e da definiu pravce svojih pogleda. Ono to elimo da imamo vezano je za pristup jedinstvenom integralnom izvoru podataka, podran snanim analitikim serverima i snanim i jednostavnim alatima za podrku odluivanju, sa mogunou samostalnog pravljenja izvetaja i analiza. Ovo treba da omogui da menadment donosi poslovne odluke na osnovu jedinstvene i konzistentne slike svih raspoloivih podataka. Dakle, potrebno je postojee podatke pretvoriti u informacije, a zatim u znanje. Korienjem skladita podataka, kompanija se vie pribliava kupcima ne bi li bolje razumela njihove zahteve i potrebe. Tako e, kompanije na osnovu prethodnih iskustava pokuavaju da predvide budue doga aje i ele da odrede kupce koji e im obezbediti najvee prihode. Postoji trend u arhitekturi skladita podataka koji se sastoji u kreiranju veoma velikih dimenzionih tabela sa viestrukim atributima. Najbolji primer je dimenzija KUPAC. Problem sa ovakvim dimenzijama je to postoji veliki broj atributa, kao to su Pol, Starosna grupa, Etnika grupa, Nivo obrazovanja,
210
Verska pripadnost itd., ijim se odabiranjem moe selektovati veliki broj redova podataka. Naprimer, ako se odaberu kupci mukog pola, otprilike e se selektovati polovina tabele. Za tradicionalne sisteme za upravljanje bazama podataka ovo moe predstavljati problem. Jedan od najveih problema koji se javlja kod tradicionalnih SUBP jesu strategije indeksiranja (tehnologije pristupanja podacima). Kod relacionih SUBP koriste se B-stabla za indeksiranje. Ona su dizajnirana za selekciju relativno malog broja kolona (do 5%). Warehousing koncept poseduje sve karakteristike potrebne za najvii nivo stratekih odluka, imajui u vidu mogunost pristupa analitikim bazama podataka i pritom mogunosti za kreiranje tabela i grafika u cilju izrade i slanja izvetaja korienjem Internet servisa (E-mail, telefon, fax i dr.). Da bi se ovakav rad skladita podataka ostvario koristi se multidimenzioni model, koji reflektuje nain na koji korisnik misli o svojim poslovnim podacima i pritom pravi kondenzovane izvetaje, koji prikazuju tekst, slike i multimediju kao dodatak izvetajima i grafikonima. Warehousing pristup omoguava brzu manipulaciju, agregiranje i lokalne proraune za analize trendova, koristei vii upravljaki nivo kao podlogu za strateko odluivanje. Strateke odluke zahtevaju predvi anje, statistike, simultane funkcije i analizu vremenskih serija. Korisnici skladita podataka mogu da postavljaju raznovrsna analitika pitanja na bazi pore enja u vremenu, nalaenja relativnih vrednosti i kreiranja ta-ako scenarija. Mora se istai da korisnik moe da radi i sa osnovnim podacima opciono sputanjem ka relacionoj bazi uz minimum programiranja. U daljem tekstu e biti rei o fundamentalnim idejama koje obezbe uju uspenost skladitenja podataka: transakciono i analitiko procesiranje, "primitivni" podaci nasuprot izvedenim podacima, serije vremenskih podataka, administracija podataka. Transakciono i analitiko procesiranje Kad god se spomene transakciono procesiranje, misli se na sisteme koji izvravaju svakodnevne poslove neke kompanije. To su OLTP (on line transaction processing) sistemi koji se auriraju kontinualno tokom dana. Naprimer, ako neko kupi tampa iz jedne prodavnice raunarske opreme, transakcioni sistem e odmah smanjiti ukupni broj tampaa za jedan i to e svaki korisnik sistema moi da zna. U sluaju da se dopremi nova koliina tampaa u prodavnice, transakcioni sistem e to odmah evidentirati. Ako se desi da se broj tampaa smanji na neki odre eni broj, transakcioni sistem moe automatski da generie zahtev nabavljaima za novim tampaima.
Analitiki sistemi su sistemi koji obezbe uju informacije koje se koriste za analizu problema ili situacija. Ona se primarno vri korienjem pore enja ili analiziranjem ablona i trendova. Naprimer, analitiki sistem bi mogao da prikae kako se odre ena vrsta tampaa prodaje u razliitim delovima zemlje. Tako e, mogao bi i da prikae kako se jedna vrsta proizvoda prodaje sada u odnosu na period kada se proizvod prvi put pojavio na tritu. Za analitike sisteme razvijaju se analitike baze podataka. Analitike baze podataka ne sadre aurirane podatke, ve uvaju informacije iz odre enog trenutka vremena. Takvi podaci su od izuzetnog znaaja za pore enja i analizu trendova. Naprimer, mogue je utvrditi da je prodaja u jednom mesecu znatno opala samo ako u sistemu postoje podaci o prodaji u prethodnim mesecima, tako da se moe vriti pore enje. Ovakvo pore enje je skoro nemogue izvesti u OLTP sistemima, jer se u takvim sistemima podaci neprestano menjaju. Informacije iz odre enog trenutka vremena esto se nazivaju i snimcima podataka. Naprimer, ako analitika baza podataka sadri snimke podataka o prodaji koji se uzimaju svako vee, onda e se pri analizi podataka sutradan znati da su to podaci koji su stari jedan dan. Tada dnevna, nedeljna i godinja pore enja imaju smisla jer e uvek na raspolaganju biti konzistentne vrednosti sa kojima se moe vriti pore enje. Analiziranje ablona podataka i trendova zahteva postojanje velikog broja istorijskih podataka. Naprimer, podatak da ene sve vie kupuju odre eni proizvod moe uticati na to da kompanija promeni marketinku kampanju. Ideja da su podaci u transakcionim sistemima promenljivi, a da su podaci analitikih sistema nepromenljivi, direktno utie na razliitu funkcionalnost ovih sistema. Analitike baze podataka su, najee, projektovane samo za itanje. Tada korisnici mogu samo da pregledaju podatke ili eventualno da vre neke manipulacije nad njima, ali nisu u stanju da ih menjaju. Druga karakteristika koja razdvaja transakcione sisteme od analitikih jeste dizajn baze podataka. Transakcioni sistemi su dizajnirani tako da preuzimaju podatke, vre izmene nad postojeim podacima, daju izvetaje, odravaju integritet podataka i upravljaju transakcijama to je bre mogue. Analitiki sistemi nisu predvi eni da obavljaju ove poslove. Oni se dizajniraju za veliki broj podataka namenjenih samo za itanje, obezbe ujui informacije koje se koriste za donoenje odluka. Skladite podataka je analitika baza podataka namenjena samo za itanje i koristi se kao osnova sistema za podrku odluivanju. Tradicionalni OLTP sistemi, koji su predvi eni za automatizaciju operacija koje se izvode svakog dana, veoma su brzi pri smetanju podataka u bazu podataka, ali nisu prihvatljivi kada se koriste za izvravanje analiza.
212
Dobijanje injenica traje veoma dugo (npr. izrada jednog tipinog ad-hoc izvetaja moe potrajati danima), a kad donosilac odluka i dobije izvetaj i runo ga uporedi sa drugim izvetajima, onda je ve kasno poslovna dinamika se promenila. Jasno je da se OLTP sistemi ne mogu koristiti za uvanje injenica i istorijskih poslovnih podataka koji se koriste u poslovnim analizama. Oni su veoma brzi, tani i efikasni za unos podataka u baze podataka, ali ne mogu da obezbede brze odgovore na ad-hoc upite. Tako e, podaci koji se uvaju u OLTP bazama podataka su nekonzistentni i neprestano promenljivi. esto postoje dupli zapisi transakcija koji bi samo zbunili donosioca odluka pri analizi. Nedostatak istorijskih podataka u OLTP sistemima ini ih neprihvatljivim za analizu trendova. ak i kad se dobiju podaci iz OLTP sistema, oni su i dalje sirovi i prilino nerazumljivi. Prema tome, OLTP podaci su daleko od poslovnih injenica koje su neophodne donosiocima poslovnih odluka. U OLTP sistemima vie se zadaju zahtevi nego to se postavljaju pitanja (na primer: auriraj podatke o rezervacijama za putniki avion). Povremeni upiti su ogranieni na lociranje odre enog zapisa u informacionom sistemu i njegovo pripremanje za auriranje ili izvravanje jednostavnih agregacija. Donosioci odluka postavljaju pitanja koja su potpuno suprotna od onih koja se postavljaju u OLTP sistemima. Takvi upiti idu od poslovnih potreba za analizom podataka pa sve do donoenja odluka i preporuka. Ovakva pitanja su veoma sloena i tipino zahvataju dimenzije koje u OLTP sistemima i ne postoje, kao to su vremenski periodi, regije sveta, vrste proizvoda itd. Tako, naprimer: Koji se proizvod najbolje prodaje u srednjoj Evropi i u kom je to odnosu sa demografskim podacima? Da li je unapre enje prodaje prolog meseca bilo bolje nego prole godine? Na ova pitanja ne moe se dobiti odgovor u OLTP sistemima. OLTP sistemi su dizajnirani tako da prikupljaju informacije i da se auriraju veoma brzo. Sistemi za podrku odluivanju se po svojim karakteristikama razlikuju od transakcionih sistema. Transakcioni sistemi pristupaju i vre auriranje zapisa podataka jednog poslovnog objekta ili doga aja (naprimer, jedan raun, jedna narudbenica i slino). Ovakve transakcije su, najee, unapred definisane i zahtevaju da baza podataka obezbe uje brzi pristup zapisima podataka. Korisnici sistema za podrku odluivanju su, najee, menaderi koji razmiljaju o buduim doga ajima. Njihovi upiti mogu zahtevati prikupljanje velikog broja podataka da bi se izvrila potrebna analiza. Skladite podataka se koristi da se spoje dobre karakteristike i transakcionih sistema i
sistema za podrku odluivanju. U tabeli date su neke od razlika izme u transakcionih sistema i skladita podataka. Tabela 12. 1 Transakcioni sistemi Sadraj podataka Struktura podataka Verovatnoa pristupanja Vreme odziva Namena Model podataka Pristup Tip podataka Stanje podataka tekue vrednosti sloena i pogodna za operaciona proraunavanja velika reda sekunde automatizacija svakodnevnih operacija normalizovan SQL podaci koji upravljaju poslovima dinamino (promenljivi podaci) Skladite podataka arhivski podaci, sumarni podaci, proraunati podaci jednostavna i pogodna za poslovnu analizu srednja do mala reda minuta nalaenje i analiza informacija dimenzionalan SQL i alati za poslovnu analizu informacije za poslovnu analizu statino (istorijski i opisni podaci)
"Primitivni" i izvedeni podaci Element "primitivnog" podatka opisuje individualni objekat ili doga aj, a element izvedenog podatka opisuje vie razliitih objekata ili doga aja. Element "primitivnog" podatka obino ne moe da se koristi u raunskim operacijama, dok se elementi izvedenih podataka raunaju na osnovu primitivnih ili ostalih izvedenih elemenata. Naprimer, Cena moe biti "primitivni" element ako opisuje jedan objekat u datom trenutku. S druge strane, Prosena cena moe biti izvedena za dati proizvod za celu godinu. esto se pravi greka kada se misli da su menaderima potrebni samo sumarni podaci te skladite podataka moe biti popunjeno samo izvedenim elementima. Jedan od razloga za uvo enje i "primitivnih" podataka u skladite podataka jeste mogunost vrenja operacija drill down/up, pomou kojih korisnik moe pristupati razliitim nivoima detalja. Drugi razlog za uvo enje
214
detaljisanih podataka u skladite podataka jeste to sumarni podaci ograniavaju mogunost korisnika da kreira razliite sumarne podatke. Naprimer, ako baza podataka ima mogunost da kreira sumarne podatke o prodaji samo po razliitim zemljama, onda korisnik ne moe da utvrdi da li je prodaja bolja na poetku meseca ili na kraju. Trei razlog za korienje i "primitivnih" podataka u skladitu podataka jeste taj to je mnogo tee modelovati sve mogue izvedene podatke nego sve mogue "primitivne" podatke. Pri tome koliina izvedenih podataka moe biti mnogo vea od koliine "primitivnih" podataka. Serije vremenskih podataka Za razliku od transakcionih sistema, sistemi za podrku odluivanju uzimaju u obzir trendove, umesto da se zasnivaju na jednom trenutku u vremenu. Posledica ovakvog razmiljanja je da svaki element podatka mora nositi zajedno sa sobom i trenutak vremena na koji se odnosi. Procesiranje mesenih i godinjih podataka je relativno jednostavno. Problem predstavljaju nedeljni i dnevni podaci, s obzirom da za svaku godinu postoji razliit broj nedelja i dana. Zato je dizajniranje programa za analizu dnevnih i nedeljnih podataka tei posao. Administracija podataka Korisnost sistema se moe odrediti na osnovu dostupnosti i kvaliteta podataka koje obezbe uje. Veina postojeih aplikacija je namenjena za specifine zahteve korisnika i mogu se koristiti samo za te potrebe. Razliite aplikacije koje su razvijene u razliitim vremenskim trenucima i koje su namenjene za razliite potrebe korisnika dovode do pojave nekonzistentnosti i redundantnosti podataka. Elementi podataka sa istim nazivom mogu biti razliito definisani. Jedan isti element podatka u dva razliita sistema moe biti sauvan pod razliitim nazivom. Prema tome, da bi se pravilno vodila administracija podataka, mora se odrediti tim ljudi koji e voditi rauna o kvalitetu podataka.
Datamart
Datamart je subjektno orjentisani poslovni pogled na skladite podataka. On sadri znaajno manje podataka od "skladita podataka" i predstavlja objekt analitikog procesiranja od strane korisnika. U okviru "skladita podataka" datamartovi se koriste za tzv. informatika ostrva vezana za finansije, proizvodnju i dr. Na ovaj nain se eli da pojedini segmenti preduzea donose bolje odluke. Datamartovi su subjektno orijenisane multidimenzione baze podataka sa
ivotnim ciklusom od tri godine. Mnogi datamartovi su podskup velikih skladita podataka. Datamartovi su multidimenzionalni i omoguuju korisnicima vie kriterijuma za upore ivanje, korienjem ad-hoc upita. Mnogi upiti nad operacionim bazama podataka se preprogramiraju ili konzerviraju. Konzervirani (cannet) upit je onaj upit koji je postavljen da bi pokrenuo korisniki upit koji e obezbediti podatke u ve ranije odre enom formatu. Datamart mora biti sposoban da podrava n naina upita sa mreom indeksa. Operator moe da koristi OLAP alate i napravi izvetaj od informacija iz jedne tabele u datamartu koristei bilo koju kolonu kao selekcioni kriterijum. Tako e, moe da povee podatke iz dve ili vie tabela u datamartu, spajajui objekte preko prenesenih kljueva. Datamart slui kao osnova za OLAP u sistemima za podrku odluivanju. Osnovna pitanja koja se postavljaju prilikom izgradnje Datamart arhitekture za podrku odluivanju su: ta elite da dobijete od datamarta? Na koji nain elite da informacija bude prezentovana? Koji nivo zbirnih informacija se eli? Koje tabele se obino povezuju (join) u OLAP procesiranju upita? Kako Datamart moe biti deo integralnog "skladita podataka", to je veoma bitan odnos ove dve vrste "skladita podataka", kao i nain njihovog formiranja iz transakcionoh baza podataka. Moe se zakljuiti da koncept "skladita podataka", koga podrava savremena informaciona tehnologija, u potpunosti omoguuje razvoj efikasnih sistema za podrku odluivanju. RAZVOJ SKLADITA PODATAKA Skladite podataka predstavlja specifinu bazu podataka, namenjenu podrci odluivanju u odre enoj organizaciji. Za razliku od transakcionih sistema (OLTP sistemi), koji su orjentisani poslovnim procesima, skladita podataka su subjektno orjentisana, to znai da su fokusirana na subjekte u poslovnim procesima, kao to su kupci, zaposleni i dobavljai. Integrisanost podataka u skladitima podataka obezbe uje da se podaci predstavljaju u konzistentnim formatima korienjem konvencija pri zadavanju imena i ogranienja nad domenima, atributima i merama. Podaci u skladitima podataka su vremenski zavisni, to znai da je svaki podatak koji se nalazi u skladitu podataka u vezi sa nekim vremenskim trenutkom. Na kraju, podaci u skladitima podataka su nepromenljivi, tj. im se neki podatak upie u skladite podataka, mogue mu je samo pristupati. Na sledeoj slici su prikazani svi
216
elementi potrebni za razvoj skladita podataka.

Iizvori podataka Upit
Interni izvori podataka
Lini
Ekstrakcija Filtriranje Transformisanje
Data W arehous
Generisanje izv etaja
Prezentiranje podataka i v izualizacija
Eksterni izv ori podataka
Predv anje A naliza Modeliranje
On -line A nalitical Processing
Slika 12.17. Data warehous i OLAP
Pri izgradnji skladita podataka najbitniji su sami podaci, a ne poslovni procesi i funkcije, kao to je to sluaj sa transakcionim sistemima. Baze podataka namenjene sistemima za podrku odluivanju mogu biti veoma velike (terabajtne), pri emu neke tabele mogu sadrati i gigabajt podataka. Zato se veliina baze podataka mora uzeti u obzir pri planiranju skladita podataka. Za razvoj skladita podataka potrebno je: izvriti analizu izvora podataka, pripremiti podatake, izgraditi skladite podataka.
Analiza izvora podataka

Osnovni izvori podataka za koncept skladita podataka su operativni (transakcioni), tzv. OLTP (On-Line Transaction Processing) podaci, kao i spoljne informacije nastale kao istorija poslovanja, ili industrijski i demografski podaci uzeti iz velikih javnih baza podataka. Analiza izvornih podataka se smatra kljunim elementom i oduzima 80% vremena, jer je potrebno definisati odgovarajua pravila za preuzimanje podataka iz izvornih podataka. Znanja vezana za ovu oblast su najee u glavama onih koji treba da koriste skladite podataka. Ovde do izraaja neosporno dolaze i metode vo enja intervjua, kao i korienje CASE alata, naroito prilikom definisanja poslovnih pravila. Na osnovu iskustva autora, postojea dokumentacija najee ne daje dovoljno podataka za ekstrakciju znanja. Korienjem CASE alata, kao to je ranije pokazano, definiu se procesi i struktura podataka koja je potrebna, a koja se
nalazi u OLTP i u spoljnim izvorima informacija. Analiza izvora podataka prolazi kroz sledee faze: prikupljanje zahteva, planiranje skladita podataka, izbor tehnike analize podataka.
Prikupljanje zahteva
U ovoj fazi razvoja skladita podataka, razmatraju se poslovne potrebe i zahtevi buduih korisnika sistema. Postoji mnogo metoda za prikupljanje poslovnih zahteva. U optem sluaju, ove metode mogu biti smetene u dve kategorije: prikupljanje izvornih zahteva i prikupljanje korisnikih zahteva. Prikupljanje izvornih (source-driven) zahteva Prikupljanje izvornih zahteva, kao to i samo ime kae, jeste metoda bazirana na definisanju zahteva korienjem izvornih podataka u produkcionooperativnim sistemima. Ovo se radi analiziranjem ER-modela izvornih podataka. Glavna prednost ovakvog pristupa je to od poetka znate da moete da podrite sve podatke, jer ste ve ograniili sami sebe samo na one podatke koji su na raspolaganju. Druga dobit je u tome to moete da svedete na minimum vreme potrebno korisniku u ranim fazama (stanjima) projekta. Naravno, postoje i nedostaci ovakvog pristupa. Umanjivanjem korisnikovog uea, poveava se rizik od promaaja ispunjenja zahteva korisnika. U zavisnosti od koliine izvornih podataka koju imate i kvaliteta ERmodela za njih, ovaj pristup moe oduzeti dosta vremena. Moda je najvanije to da neki od kljunih korisnikih zahteva u datom momentu nisu dostupni. Bez mogunosti za identifikovanjem ovakvih zahteva, ne postoji mogunost da ispitate ta je ukljueno, ili ta se pojavljuje u eksternim podacima. Eksterni podaci su takva vrsta podataka koja postoji van organizacije. Ovaj pristup omoguava da korisnici imaju uvida u to ta vi posedujete. Uvereni smo da postoje bar dva sluaja gde je ovakav pristup aprioran. Prvo, u relaciji sa dimenzionim modelovanjem, moe biti upotrebljen da daje prilino jasne glavne dimenzije od interesa jedne organizacije. Ako se uslovno planira skladite podataka na nivou organizacije, ovo moe umanjiti gomilanje dimenzija kroz odvojeni razvoj datamartova. Drugo, analiziranjem veza izme u izvornih podataka mogu se identifikovati podruja na koja e se koncentrisati napori razvoja skladita podataka. Prikupljanje korisnikih (User-Driven) zahteva Prikupljanje korisnikih zahteva je metoda koja se bazira na definisanju
218
zahteva istraivanjem funkcija kojima korisnik tei, odnosno koje korisnik izvrava. Ovo se obino postie kroz seriju sastanaka i/ili intervjua sa korisnikom. Glavna prednost ovog pristupa je to se koncentrie na ono to je potrebno, a ne na ono to je dostupno. Uopteno, ovaj pristup ima manje podruje posmatranja nego izvorino upravljani pristup. Zbog toga ovaj pristup proizvodi upotrebljivo skladite podataka u kraem vremenskom periodu. Sa druge strane, izuzeci moraju biti to vre kontrolisani. Korisnici moraju dobro razumeti da je mogue da se neki od podataka koji su im potrebni jednostavno ne mogu uiniti dostupnim. Ovo je vano zbog toga to se ne sme ograniiti ono to korisnici zahtevaju. Konkretno razmiljanje treba da otpone tek kada se definiu potrebni zahtevi za skladitenje podataka. Ako je korisnik previe usko fokusiran, mogue je propustiti korisne podatke koji su dostupni u produkcionim sistemima. Prikupljanje zahteva podrazumeva davanje odgovora na sledea pitanja:
Ko (ljudi, grupe, organizacije) je zainteresovan kao korisnik? ta (koju funkciju) korisnik pokuava da analizira? Zato su korisniku potrebni podaci? Kada (za koje vreme) podaci treba da budu uitani? Gde (geografski, organizaciono) se proces pojavljuje? Do koje mere je potrebna analiza performansi, ili stanja funkcija procesa? Kako korisnik vodi posao? Koji su atributi potrebni korisniku? Koje su poslovne hijerarhije? Koje podatke korisnici trenutno koriste? Koji su podaci potrebni korisnicima? Koji je nivo detalja potreban korisnicima?
Da bi se dobili odgovori na ova i slina pitanja, korisnici se moraju intervjuisati. Najee se prvo intervjuiu kljuni ljudi u organizaciji, kao to su analitiari, menaderi i izvrioci, jer oni imaju najvee potrebe za podacima. Veoma je bitno da se utvrdi protok informacija u i iz svakog odeljenja. Zato se moraju prikupiti podaci o tome koji izvetaji i dokumentacija pristiu u odeljenje, kako se koriste, ko ih koristi, koliko esto pristiu itd. esto se deava da podaci u odeljenje pristiu na papiru i da se zatim ponovo unose runo u tabele da bi se mogli vriti dodatni prorauni. Jedan od razloga uvo enja skladita podataka jeste upravo da se izbegnu takve situacije kad god je mogue. Tako e, bitni su i podaci o tome koje izvetaje odeljenje kreira, koliko esto, kome ih upuuje, koliko je vremena potrebno da se napravi
izvetaj, koliko ljudi radi na njemu i slino.
Sve prikupljene podatke potrebno je dokumentovati jer broj intervjuisanih korisnika moe biti veliki, te se moe desiti da se neki zahtevi i potrebe korisnika zaborave. Dobijene podatke treba organizovati u nekoliko sekcija, kao to su:
podaci o analizi (podaci o svim vrstama analiza koje se trenutno

koriste) i zahtevi vezani za podatke (opis svih polja podataka koja se koriste, nivo detalja, izvori). Tako organizovane podatke treba proslediti svim uesnicima intervjua da bi se ulo i njihovo miljenje i da bi se izvrile potrebne korekcije.
Planiranje skladita podataka

Planiranje skladita podataka obuhvata mnoge zadatke koji se javljaju i pri razvoju bilo kojeg projekta. Planiranje skladita podataka sastoji se od sledeih zadataka: definisanje obima projekta, kreiranje projektnog plana, definisanje tehnikih uslova, definisanje resursa, zadataka i vremenskih rokova. Kreiranje projektnog plana i definisanje realnih vremenskih rokova moe biti teak posao. Veoma je bitno da se pre poetka razvoja projekta razmotri arhitektura i infrastruktura skladita podataka. Tehnika infrastruktura je usko povezana sa arhitekturom. To su razne tehnologije, platforme, baze podataka i ostale komponente koje podravaju izabranu arhitekturu skladita podataka. Tehnika infrastruktura ukljuuje i izbor instalacije baze podataka, podeavanje mrenog okruenja, kao i izbor i instalaciju alata za rad sa bazom podataka. Potrebno je naglasiti i da jedna arhitektura moe imati vie razliitih infrastruktura, u zavisnosti od okruenja kompanije. Preporuuje se da identifikacije arhitekture skladita podataka i infrastrukture budu odvojeni projekti koji se moraju zavriti pre zapoinjanja razvoja samog skladita podataka. Potrebno je napomenuti da se moraju uzeti u obzir i neki tehniki uslovi. Oni se moraju ukljuiti u plan projekta, s obzirom da zahtevaju odre ene resurse i vreme. Pri tome se misli na: planiranje kapaciteta, strategije arhiviranja,
220
procedure pomou kojih e korisnici pristupati arhiviranim podacima, strategije osveavanja i auriranja podataka, vremensko planiranje poslova.
Vrlo esto se deava da se pre razvoja samog skladita podataka izradi probni projekat kako bi se stekla iskustva i prikazao znaaj skladita podataka samim korisnicima. Interaktivni pristup podacima pokazae korisnicima koje prednosti donosi skladite podataka. Tako e, projektanti e stei bolji uvid u potrebe korisnika, bolje e proceniti vremenske rokove, resurse, potrebnu arhitekturu i infrastrukturu.
Izbor tehnike analize podataka

Skladite podataka se gradi da bi se obezbedio lako pristupaan izvor podataka visokog kvaliteta. Obino postoji potreba da se vre analize i donose odluke kroz korienje tog izvora podataka. Postoji nekoliko tehnika analize podataka koje su danas u irokoj upotrebi. To su upiti i izvetaji, viedimenzionalne analize i data mining. One se koriste za formulisanje i prikazivanje rezultata upita, analizu sadraja podataka njihovim posmatranjem iz razliitih perspektiva i otkrivanje ablona i klasterisanih atributa u podacima koji e omoguiti dublji pogled u sadraj podataka.
Vo en analitiarem Pomo analitiaru Vo en podacima
Tehnika analize podataka upitima izvetavanjem
Tehnika analize Tehnika viedimenzionalne podataka analize podataka Data Mining
Slika 12.18. Izbor tehnike analize podataka
Tehnike analize podataka mogu uticati na tip odabranog modela podataka i njegov sadraj. Naprimer, ako je namera da se obezbedi jednostavna mogunost upita i izvetaja, model podataka koji struktuira podatke na normalizovani nain verovatno e obezbediti najbri i nalaki pristup podacima. Mogunost upita i izvetavanja se primarno sastoji od biranja povezanih elemenata podataka, eventualnog njihovog sumiranja i grupisanja u neku kategoriju i prezentovanja rezultata. Izvravanje ovog tipa mogunosti uglavnom moe da dovede do korienja direktnijeg skeniranja tabela. Za ovu
vrstu mogunosti, ER model sa normalizovanom i/ili denormalizovanom strukturom podataka je najprikladniji. Ako je cilj obezbediti viedimenzionalnu analizu podataka, prikladniji bi bio dimenzionalni model podataka. Ova vrsta analaize zahteva da model podataka podrava strukturu koja omoguava brz i lak pristup podacima na osnovu bilo kakvih numerikih kombinacija dimenzija analize. Naprimer, moete hteti da znate koliko je odre enih proizvoda prodato odre enog dana, u odre enoj prodavnici i u odre enom rasponu cena. Onda za dalju analizu moete hteti da znate koliko prodavnica je prodalo odre eni proizvod, u odre enom rasponu cena, odre enog dana. Ova dva pitanja zahtevaju sline informacije, ali jedna posmatrane iz ugla proizvoda, a druga iz ugla prodavnice. Viedimenzionalna analiza zahteva model podataka koji e omoguiti da se podaci lako i brzo mogu pogledati iz bilo koje mogue perspektive ili dimenzije. Poto se koristi vie dimenzija, model mora da obezbedi nain da se podacima brzo pristupa. Ako se koriste visoko normalizovane strukture podataka, bie potrebno mnogo grupisanja izme u tabela koje sadre razliite dimenzije podataka i mogu znaajno uticati na performanse. U ovom sluaju bi dimenzionalni model podataka bio prikladniji. Razumevanje podataka i njihova upotreba utiu na izbor modela podataka. Jasno je i da se, u veini implementacija, moe koristiti vie tipova modela podataka da bi se najbolje zadovoljili razliiti zahtevi skladita podataka.
Tehnika analize podataka upitima i izvetavanjem

Analiza upitima i izvetajima je proces postavljanja pitanja na koje se trai odgovor, izdvajanje podataka od znaaja iz skladita podataka, njihova transformacija u odgovarajui kontekst i prikazivanje u itljivom formatu. Ovim procesom upravlja analitiar, koji mora postavljati pitanja da bi dobio odgovor. Primetiete da je ovo pomalo razliito od, naprimer, data mininga koji je vo en podacima. Tradicionalno, upiti su radili sa dve dimenzije ili dva faktora u trenutku vremena. Naprimer, neko moe pitati: "Koja koliina nekog proizvoda je prodata ove nedelje?" Upiti koji slede ovom pitanju e biti ura eni da odrede koja koliina proizvoda je prodata u odre enoj prodavnici. Definicija upita je proces uzimanja poslovnih pitanja ili hipoteza i njihovo prevo enje u format upita koji moe koristiti odre eni alat za podrku pri odluivanju. Kada se upit izvri, alat generie odgovarajue komande za dobijanje traenih podataka, koji se smetaju u skup odgovora. Analitiar podataka zatim obavlja potrebne kalkulacije i manipulacije na skupu odgovora da bi dobio eljene rezultate. Ovi rezultati se zatim formatiraju da bi odgovarali obrascu prikaza ili izvetaja koji je odabran da krajnjem korisniku olaka razumevanje. Ovaj obrazac se moe
222
sastojati od kombinacije teksta, grafike, videa i audia. Na kraju, izvetaj se dostavlja krajnjem korisniku na eljenom izlaznom medijumu koji moe biti papir, monitor, ili se moe predstaviti zvukom. Krajnji korisnici su prvenstveno zainteresovani za obradu numerikih podataka koje koriste za analizu ponaanja poslovnih procesa. Oni tako e mogu da raunaju ili istrauju kvalitativne mere, kao to su stepen zadovoljstva korisnika, kanjenje u poslovnim procesima ili pogrene isporuke. Oni tako e mogu analizirati efekte poslovnih transakcija ili doga aja, analizirati trendove ili vriti ekstrapolaciju njihovih predvi anja za budunost. esto e prikazani podaci uzrokovati da korisnik formulie drugi upit da bi razjasnio skup odgovora ili prikupio detanjnije informacije. Proces se nastavlja dok se ne dobiju eljeni rezultati.
Tehnika viedimenzionalne analize podataka

Viedimezionalna analiza je nain da se proire mogunosti upita i izvetaja. Ovo znai da se umesto izvravanja viestrukih upita podaci struktuiraju da bi se omoguio brz i lak pristup odgovorima na pitanja koja se tipino postavljaju. Naprimer, podaci su struktuirani tako da sadre odgovore na pitanje: "Koja koliina svakog proizvoda je prodata odre enog dana, od strane odre enog prodavca u odre enoj prodavnici?" Svaki deo ovog upita se naziva dimenzija. Raunanjem odgovora unapred za svaki podupit u okviru veeg konteksta, mnogo odgovora moe biti uvek dostupno poto se rezultati ne raunaju ponovo za svaki upit, ve im se lako pristupa i lako se prikazuju. Naprimer, ako imate rezultate gornjeg upita, automatski imate odgovore na bilo koji od podupita. Ovo znai da emo ve znati odgovor na podupit: "Koju koliinu odre enog proizvoda je prodao odre eni prodavac?" Imati podatke kategorizovane po ovim razliitim faktorima ili dimenzijama ini da poslovno orijentisani korisnici lake razumeju podatke. Dimenzije mogu imati individualne entitete ili hijerarhiju entiteta, kao to su region, prodavnica i odeljenje. Viedimanzionalne analize omoguavaju korisnicima da sagledaju veliki broj me uzavisnih faktora koji uestvuju u poslovnom problemu i da pregledaju podatke u sloenim vezama. Krajnji korisnici su zainteresovani u istraivanju podataka na razliitim nivoima detaljnosti, koji se dinamiki odre uju. Sloene veze mogu biti analizirane kroz iterativni proces koji sadri probijanje na nie nivoe detaljnosti ili dizanje na vie nivoe sumarizacije i agregacije. Kao kod upita i izvetavanja, viedimenzionalne anlize se nastavljaju dokle god se vre probijanja dole i vraanja gore.
Tehnika analize podataka Data mining

Data mining je relativno nova tehnika anlize podataka. Veoma je razliita
od upita i izvetaja, kao i od viedimenzionalnih analiza, po tome to koristi tehniku otkrivanja. Ovo znai da ne pitate odre eno pitanje ve koristite odre ene algoritme koji analiziraju podatke i izvetavaju ta su otkrili. Za razliku od upita, izvetaja i viedimenzionalnih anliza, gde je korisnik morao da kreira i izvrava upite zasnovane na hipotezama, data mining trai odgovore na pitanja koja ne moraju biti prethodno postavljana. Otkrivanje moe imati formu pronalaenja znaaja u vezama izme u odre enih elemenata podataka, klasterisanja odre enih elemenata podataka ili neki drugi obrazac u korienju odre enih skupova elemenata podataka. Nakon iznalaenja ovih obrazaca, algoritmi mogu da iz njih izvedu pravila. Ova pravila tada mogu biti koriena da se generie model koji ima eljeno ponaanje, identifikuje veze me u podacima, otkriva obrasce i grupie klastere zapisa sa slinim atributima. Data mining se najtipinije koristi za statistike analize podataka i otkrivanje znanja. Statistike analize podataka detektuju neuobiajene obrasce u podacima i primenjuju statistike i matematike tehnike modelovanja da bi objasnile obrasce. Modeli se zatim koriste za progniziranje i predvi anje. Vrste statistikih analiza podataka sadre linearne i nelinearne analize, regresivne analize, vievarijantne analize, analize u vremenu. Otkrivanje znanja izdvaja implicitne, prethodno poznate informacije iz podataka. Ovo esto rezultuje u razotkrivanju nepoznatih poslovnih injenica. Data mining je vo en podacima. Postoji visok nivo sloenosti u uskladitenim podacima i me usobnim vezama podataka u skladitu podataka koje je teko otkriti bez data mininga. Data mining nudi nove poglede na posao koji se ne mogu ostvariti sa upitima i izvetajima ili viedimenzionalnom analizom. Data mining moe pomoi da ostvarimo nove poglede na posao dajui nam odgovore na pitanja koja nikad nismo mislili da postavimo.
Priprema podataka
U procesu razvoja skladita podataka priprema podataka je jedna od najbitnijih aktivnosti. Dalji proces razvoja skladita podataka bie uspean samo ako je ova aktivnost uspeno zavrena. Priprema podataka se vri na osnovu ranije odre enog izvora podataka, pravila za preuzimanje tih podataka, procedure pripreme i zahteva korisnika. Priprema se vri odre enim ekstrakciono-transformacionim alatima kroz sledee korake: ekstrakcija i ienje podataka, transformacija podataka. Rezultat ovih aktivnosti treba da budu podaci koji e nam omoguiti generisanje meta podataka, na osnovu kojih se moe pristupiti dizajnu skladita podataka.
224
Ekstrakcija i ienje podataka

Ova faza se sastoji od sledeih zadataka: razvoj procedura za ekstrakciju podataka, razvoj procedura za ienje podataka. Razvoj procedura za ekstrakciju podataka Podaci koji e se koristiti u skladitu podataka moraju se ekstrahovati iz transakcionih sistema (baza podataka u okviru nekog sistema) koji sadre te podatke. Podaci se inicijalno ekstrahuju u procesu kreiranja skladita podataka, a kasnije se na osnovu odre nih procedura vri dodavanje novih podataka u skladite podataka. Ekstrakcija podataka je vrlo jednostavna operacija, ako se potrebni podaci nalaze u jednoj relacionoj bazi, ali moe da bude i veoma kompleksna operacija, ako su podaci smeteni u viestrukim heterogenim transakcionim sistemima. Cilj procesa ekstrakcije podataka je da sve potrebne podatke, u pogodnom i konzistentnom formatu, pripremi za uitavanje u skladite podataka. Pre procesa ekstrakcije trebalo bi proveriti da li u bazi podataka iz koje vrimo ekstrakciju nema logikih greaka. Ovakve greke bi pre ekstrakcije trebalo ukloniti korienjem procedura za proveru greaka. Postoji mogunost da se ne moe utvrditi eventualno postojanje logikih greaka. To se deava u situacijama kada se ekstrakcija vri iz vie izvora podataka. Prilikom ekstrakcije iz vie izvora podataka moe se javiti i problem nekonzistentnosti podataka usled razliitog oznaavanja istih pojmova (nazivi drava se mogu skraeno oznaavati sa tri ili sa dva simbola). Jedan od alata koji nam omoguava efikasnu ekstrakciju podataka je DTS (Data Transformation Services) koji je deo Microsoft SQL Server 2000 sistema za upravljanje bazama podataka. Procedure za ekstrakciju podataka treba da izvravaju sledee aktivnosti: itanje podataka iz prethodnih sistema ili prelaznih ema. Prva prepreka pri ekstrakciji podataka je itanje podataka koji su smeteni u starijim sistemima. U sluaju da su ti podaci dobro dokumentovani, onda je ovaj korak jednostavan jer se tada lako moe utvrditi znaenje svakog polja podataka. Me utim, vrlo esto se deava da se podaci mogu proitati, ali se ne moe utvrditi njihovo znaenje. Najtea varijanta je da se podaci uopte i ne mogu itati. U tom sluaju jedino se moe osloniti na izvetaje aplikacija koje koriste te podatke. Utvr ivanje podataka koji se menjaju. Veoma je bitno da se za vreme itanja podataka iz starijih sistema utvrde oni podaci koji se menjaju jer se na taj nain moe smanjiti koliina podataka koju treba prenositi u skladite podataka. Kombinovanje razliitih izvora za svaki klju zapisa. U najveem
broju sluajeva stariji sistemi se sastoje od veeg broja razliitih datoteka. Zato se za dimenzione tabele esto mora sprovoditi itav proces denormalizacije tako da se podaci iz odvojenih datoteka mogu spojiti u jedan zapis. Razvoj procedura za ienje podataka Zbog problema koji se prilikom ekstrakcije podataka javljaju, podaci dobijeni ekstrakcijom se moraju "istiti". ienje podataka podrazumeva: proveru postojanja logikih greaka, "poboljanje" podataka i eliminisanje ostalih greaka. Provera logikih greaka ukljuuje: proveru vrednosti atributa, proveru atributa u kontekstu ostalih podataka u redu, proveru atributa u kontekstu redova druge tabele koja je povezana, proveru veza izme u redova iste ili povezanih tabela (provera prenesenih kljueva). "Poboljanje" podataka je proces ienja kojim se tei da podaci dobiju puno znaenje. Primer za ovo su podaci o imenima i adresama. esto su ti podaci (npr. za jednog kupca) smeteni na vie mesta u bazi i vremenom postaju nesihronizovani. Ovim procesom se tei da se takve situacije razree. Eliminisanje ostalih greaka je proces u kome se odluuje o sudbini podataka koji su nepotpuni ili nemaju veliko znaenje. Ovi podaci se mogu odbaciti, privremeno smestiti i popraviti ili smestiti u skladite podataka sa tim svojim nesavrenostima.
Transformacija podataka
U ovoj fazi potrebno je definisati izvore podataka i tipove transformacija koje treba izvriti nad podacima i ostvariti mapiranje podataka iz izvorita u odredita. Pre poetka procesa transformacije podataka, tim strunjaka koji radi na projektu dizajniranja skladita podataka definie fiziki model podataka za skladite podataka i generie eme. Taj tim strunjaka se sastoji od poslovnih i tehnikih ljudi koji definiu strukturu skladita podataka, analiziraju izvorne podatke, odre uju nain mapiranja podataka, prikupljaju ili kreiraju spoljne podatke, odre uju logiku transformacije podataka i planiraju i generiu procedure transformacije podataka. Tako e, oni su odgovorni i za kvalitet dobijenih podataka. Pri tome biraju alate za migraciju, transformaciju i "ienje" podataka. Faza mapiranja i transformacije podataka sastoji se od sledeih zadataka:
226
kreiranje plana transformacije podataka, razvoj procedura za transformaciju podataka, razvoj procedura za uitavanje podataka, testiranje procedura, generisanje meta podataka.
U daljem tekstu detaljno e se obrazloiti svaka od gore definisanih faza. Kreiranje plana transformacije podataka Potrebno je da svi shvate zahtev za transformacijom podataka, kao i nain na koji se ona izvodi. Planom je potrebno odrediti najbolji put migracije izvornih podataka do skladita podataka. Pri tome se analiziraju raspoloivi resursi, koliina izvornih podataka, razliite izvorne eme, razliiti naini pristupanja podacima, struktura skladita podataka i potreban broj agregacija. Planom se dokumentuju sve izvorne platforme, metode pristupa i programski jezik koji je potreban za ekstrakciju podataka. Obino se izvorni podaci prvo smetaju u prelazne eme. Prelazne eme su zajedniki interfejs za sve izvorne sisteme. One se ne podudaraju u potpunosti ni sa izvornim ni sa odredinim emama. Koriste se da bi se poboljali procesi "ienja" i transformacije podataka. Nakon kreiranja plana transformacije podataka, prelazi se na analizu izvora podataka. Potrebno je odrediti koji e se podaci mapirati u odredini sistem i koja je to logika potrebna da bi se izvrila migracija podataka. Razvoj procedura za transformaciju podataka Pod transformacijom podataka se podrazumeva proces kojim se uskla uju razliiti naini prikazivanja podataka razliitih sistema u jedinstveni oblik. Naprimer, neki sistemi mogu oznaavati pol ljudi sa 1 za muki pol i 2 za enski pol. Ako se u skladitu podataka ovo oznaavanje vri sa M i Z, onda mora postojati proces koji e transformisati 1 u M i 2 u Z. Proces transformacije podataka obuhvata i: reavanje nekonzistentnih formata podataka izvornih sistema, kao to su ASCII i EBCDIC, razliiti spelinzi, interpukcija itd., obeleavanje nepoeljnih polja podataka koji nisu od znaaja za analizu, kao to su oznake verzije i slino, prevo enje kriptovanih kodova u tekst koji je sastavljen od razumljivih rei, oznaavanje normalnih, nenormalnih, nemoguih injenica i injenica koje su van dozvoljenih granica. Transformacija podataka je kritian korak u razvoju skladita podataka. U okviru procesa transformacije vri se poslednja priprema podataka pre
uitavanja. Proces transformacije moe da se uradi i neposredno pre uitavanja podataka u skladite, korienjem DTS alata. Tipina transformacija podataka ukljuuje: prevo enje polja sa vie imena u jedno polje, razbijanje, polja sa datumom u posebna polja za godinu, mesec i dan, prevo enje polja sa jednom reprezentacijom u drugu (npr. sa 1 i 0 u DA i NE), kreiranje i dodavanje kljueva za tabele dimenzija. Razvoj procedura za uitavanje podataka Procedure za uitavanje podataka treba da izvravaju sledee aktivnosti: Kreiranje formata podataka. Za sve podatke iz starijih sistema moraju se obezbediti formati pogodni za smetanje u skladite podataka. Prenoenje podataka iz starijih sistema u skladite podataka. Nakon kombinovanja izvora podataka i kreiranja odgovarajuih formata podataka, prelazi se na smetanje podataka u skladite podataka. Pri ovome, metode pristupa i transformacije podataka esto moraju da vre raspakivanje podataka, njihovo pore enje, kombinovanje i transformaciju u oblik pogodan za skladite podataka. Kreiranje agregacija. Kreiranje agregacija je postupak sortiranja podataka po odre enim atributima na osnovu kojih se, zatim, vri sumiranje. Tako sumirani podaci se smetaju u skladite podataka. Kreiranje kljueva za agregacione zapise. Svi zapisi u tabelama, a samim tim i agregacije, moraju imati kljueve. Ovaj korak se razlikuje od prethodnog jer su kljuevi za agregacione zapise u potpunosti vetaki i ne smeju biti identini primarnim kljuevima tabele injenica. Prema tome, struni tim mora dizajnirati aplikaciju koja e generisati takve kljueve. Obrada neuitanih podataka. Pri procesu smetanja podataka u skladite podataka esto se deava da se neki podaci ipak ne uitaju, najee zbog referencijalnog integriteta. Takvi podaci se moraju obraditi u posebnoj aplikaciji, koja e obezbe ivati referencijalni integritet podataka. Indeksiranje podataka. Po zavrenom procesu smetanja podataka u skladite podataka, svi indeksi se moraju aurirati. Testiranje procedura Da bi se utvrdila ispravnost rada procedura za ekstrakciju i uitavanje podataka, mora se izvriti njihovo testiranje. To se, najee, ostvaruje proverom kvaliteta podataka, tako to se zadaju upiti nad skladitem podataka koji prebrojavaju podatke ili ih prikazuju u vidu grafikona sa kojih se moe utvrditi da li su podaci u rasponu koji je oekivan.
228
Po zavrenoj transformaciji, postoje svi uslovi da se pristupi generisanju meta podataka. Izrada meta baze podataka Upravljanje sloenim distribuiranim IS zahteva i razvoj meta baze podataka, odnosno renika podataka. Meta baza podataka je baza podataka o bazi podataka. Meta baza podataka uva sve podatke o podacima mapirajui izvorni i ciljni sistem i uspostavlja vezu izme u podataka sa izvora i cilja. Oni uvaju informacije o transakcionim podacima, definiciju podataka u ciljnoj bazi i transformaciono-integracionu logiku. Tek po postavci meta baze podataka moe se krenuti dalje u izdvajanje podataka iz transakcione baze podataka, pa potom sumiranje, sortiranje i organizovanje pre punjenja DW.
Izgradnja skladita podataka

Izgradnja "skladita" podataka nije samo prosto kopiranje podataka i preputanje korisnika alatima za podrku odluivaju ve pretpostavlja i restrukturiranje podataka denormalizacijom tabela, ienjem podataka od redundansi i neloginosti i dodavanjem novih polja i kljueva radi zadovoljenja korisnikovih potreba za sortiranjem, kombinovanjem i sumiranjem podataka. Da bi se izvrili sloeni upiti, skladitenje esto ukljuuje i preraunavanje sumarnih podataka, kao i predefinisanje pogleda u bazi. U skladita se ukljuuju i podaci iz eksternih izvora, kao i trendovi, prognoze i procene, na osnovu kojih se izvravaju simulacije iji rezultati predstavljaju dragocenu podrku za donoenje stratekih odluka. Prvi korak je da se izvri identifikacija dimenzija i atributa. Identifikacija dimenzija i atributa podsea na klasino projektovanje upotrebom ER modela i zove se dimenziono modeliranje. Dimenziono modeliranje je tehnika logikog dizajna iji je cilj prezentacija podataka u obliku koji obezbe uje visoke performanse sistema radi vrenja analize podataka. U dimenzionom modeliranju, strukture podataka su tako organizovane da opisuju mere i dimenzije. Mere su numeriki podaci smeteni u centralnoj, takozvanoj tabeli injenica (fakt tabela). Dimenzije su standardni poslovni parametri koji definiu svaku transakciju. Dimenzije se smetaju tabele neposredno, ili preko druge tabele dimenzije, povezane sa tabelom injenica. Osnovu za izradu dimenzionog modela predstavljaju meta podaci, na osnovu kojih se vri definisanje hijerarhija, elemenata i atributa, normalizacija i denormalizacija i definisanje agregacija. Svaka dimenziona tabela ima svoj primarni klju, a svi oni uestvuju u
stvaranju primarnog kljua tabele injenica. Ovakvi modeli se nazivaju emama zvezde. Tabele injenica sadre podatke koji su, najee, numerikog tipa i mogu sadrati veliki broj zapisa. Dimenzione tabele sadre opisne tekstualne informacije. Atributi dimenzionih tabela se koriste kao najea ogranienja pri zadavanju upita. Dimenzioni modeli su standardnog oblika te se mogu predvideti interfejsi koji e biti od koristi korisnicima skladita podataka. Dimenzioni modeli se jednostavno proiruju dodavanjem novih dimenzija i njihovih atributa i pri tome se nijedan alat za izvetavanje ili upite ne mora menjati. Sve je vie pomonih programa i alata koji upravljaju i rade sa agregacijama i na taj nain jo vie poboljavaju performanse sistema. Izgradnja skladita podataka je iterativni postupak. im se odre ena koliina podataka smesti u skladite podataka, korisnici mogu da im pristupaju i da zakljue koje su im koristi od toga. Nakon toga, oni mogu da zadaju nove zahteve zbog kojih e se morati uneti neke izmene u modelu. Fizika arhitektura dimenzionog modela je ema zvezde, o emu e kasnije vie biti rei. Na sledeoj slici upore eni su naini prikazivanja podataka u dvodimenzionom i trodimenzionom modelu podataka.
GRAD P R O I Z V O D MESEC P R O I Z V O D MESEC
a) dvodimenzioni model podataka
b) trodiimenzioni model podataka
Slika 12.19. Primeri dvodimenzionih i trodimenzionih modela podataka
Kao to se vidi na prethodnoj slici, u sluaju pod a) podaci o prodaji za svaku oblast se nalaze u razliitim tabelama, dok su u sluaju pod b) svi podaci smeteni u trodimenzioni niz. Iako su podaci sauvani samo jednom i to na jednom mestu, svaki korisnik moe dobiti razliite poglede na jedne iste podatke. Jedan od primera dat je na sledeoj slici.
230
GRAD
P R O I Z V O D
MESEC
Podaci o prodaji
Svi proizvodi i meseci za jedan grad
Svi grado vi i meseci za jedan proizvod
Svi proizvodi i gradovi za jedan mesec
Slika 12.20. Razliiti pogledi na iste podatke
Dimenzije se esto mogu organizovati u hijerarhije, kao to je DAN > NEDELJA > MESEC. One omoguavaju da korisnik posmatra podatke sa manje ili vie detalja. Sve dimenzione tabele su denormalizovane, to znai da se isti podaci uvaju na vie mesta da bi se obezbedila jednostavnost i poboljale performanse. Primer normalizovane i denormalizovane reprezentacije podataka dat je na sledeoj slici.
Sifra_Proizvoda
101 102 103 104
Ime_Proizvoda
N1 N2 N3 N4
Boja_Proizvoda
B1 B2 B3 B4
Sifra_Imena
XYZ XYZ ABC ABC
Sifra_Imena
XYZ ABC a) normalizovana reprezentacija
Ime
M. Markovic P. Petrovic
Sifra_Proizvoda
101 102 103 104
Ime_Proizvoda
N1 N2 N3 N4
Boja_Proizvoda
B1 B2 B3 B4
Sifra_Imena
XYZ XYZ ABC ABC
Ime
M. Markovic M. Markovic P. Petrovic P. Petrovic
b) denormalizovana reprezentacija
Menadment informacioni sistemi Slika 12.21. Razliiti naini reprezentacije podataka
Na osnovu gore reenog, izgradnja skladita podataka se sastoji od sledeih zadataka: denormalizacija podataka, definisanje hijerarhija, kreiranje agregacija, kreiranje fizikog modela, generisanje baze podataka, uitavanje podataka.
Denormalizacija podataka
U zavisnosti od predstave dimenzija na modelu, govorimo o normalizovanom ili denormalizovanom modelu. Kod denormalizovanog modela dimenzije su organizovane u emu zvezde, a kod normalizovaog u emu snene pahuljice. Postoje situacije u kojima ema zvezde nije pogodna za skladitenje podataka. Osnovni razlozi za to su: denormalizovana ema zvezde moe zahtevati previe memorijskog kapaciteta, veoma velike dimenzione tabele mogu uticati na pad performansi sistema. Ovi problemi se mogu reiti normalizacijom dimenzija. Time se ema zvezde prevodi u emu pahulje. Glavni nedostatak eme pahulje je njena sloenost u odnosu na emu zvezde, ime se oteava odravanje skladita podataka. Zato je potrebno vriti normalizaciju samo onih dimenzija koje sadre mnogo redova podataka i koje imaju mnogo atributa. Najee se postiu najbolji rezultati ako se izvri normalizacija samo par dimenzija, a da se ostale ostave onakve kakve su i bile. Na taj nain se dolazi do delimine eme pahulje. Osnovna karakteristika eme pahulje jeste da se ne vri denormalizacija dimenzionih tabela, ime se poboljavaju performanse sistema. Neke dimenzione tabele mogu sadrati veliki broj podataka, pri emu se esto deava pojava redundantnosti, te se normalizacijom moe znatno smanjiti broj podataka. Tako e, ema zvezde obezbe uje najbolje performasne kada se radi sa agregacionim podacima. Nedostatak eme pahulje je to se moraju kreirati dodatne veze, koje pri procesiranju upita mogu pogorati performanse sistema. Tako e, odravanje eme pahulje je relativno sloeno s obzirom da u bazi podataka postoji vei broj tabela i da meta podaci vie nisu jednostavni. Jedino se uporednim testovima moe utvrditi da li je bolje koristiti emu zvezde ili
232
emu pahulje. ema galaksije predstavlja kolekciju ema zvezda, tj. ako se ne moe kreirati model koji bi imao samo jednu injeninu tabelu, tada je potrebno povezati dve eme zvezde da bi se zadovoljile potrebe korisnika.
ema zvezde ema pahulje Galaksija
Slika 12.22.. eme zvezde, pahulje i galaksije
Pri dizajniranju baze podataka najee se koristi ema zvezde. Ona se sastoji od relativno malog broja tabela sa dobro definisanim vezama. ema zvezde polako postaje standard za izradu skladita podataka zbog svojih prednosti u odnosu na ostale relacione strukture:
obezbe uje krae vreme odziva na upit jer se smanjuje broj fizikih
veza izme u tabela, model je jednostavan i lako se mogu vriti modifikacije, pojednostavljuje razumevanje i navigaciju meta podataka, odravanje je relativno jednostavno, proiruje skup alata koji se mogu koristiti za rad sa podacima.
Fizika arhitektura dimenzionog modela opisana je pomou eme zvezde definisane sa dve vrste tabela dimenzione tabele (dimension table) i tabele injenica (fact table) Tabela injenica sadri kvantitativne podatke o poslovima, tj. podatke koje korisnici analiziraju. Ovi podaci su najee numerikog tipa i mogu se sastojati i od nekoliko miliona redova i kolona. Dimenzione tabele su znatno manje i sadre podatke koji opisuju dati posao, tj. one podatke po kojima se vri analiziranje. Ti podaci se nazivaju atributi. Osnovne prednosti eme zvezde su to omoguava definisanje sloenih viedimenzionih podataka u vidu jednostavnog modela, smanjuje broj fizikih veza koje se moraju procesirati pri zadavanju upita, ime se postie poboljanje performansi sistema i omoguava proirenje skladita podataka uz relativno jednostavno odravanje. Velika mana eme zvezde je to se poveava redundantnost podataka.
Osnovna karakteristika eme zvezde jeste da su dimenzione tabele denormalizovane. Denormalizacija je pristup gde se podaci u bazi podataka ponavljaju zbog pojednostavljenja dizajna i karakteristika. Denormalizacija je proces kombinovanja tabela da bi se poboljale performanse sistema. Ovim postupkom se smanjuje broj potrebnih veza koje se moraju procesirati zadavanjem upita. Time se direktno utie na poboljanje performansi sistema, jer to je manji broj veza, to sistem bre nalazi traene podatke. Prema tome, dimenzioni atributi mogu biti smeteni vie puta u dimenzione tabele, u zavisnosti od toga koji nivo dimenzione hijerarhije atribut opisuje. Svaka tabela mora sadrati primarni klju koji predstavlja kolonu ili grupu kolona u tabeli iji sadraj jedinstveno identifikuje zapise. Na sledeoj slici dat je izgled jednostavne eme zvezde.
DIMENZIJA1 IDdimenzije1 Atribut11 Atribut12 Atribut13
CINJENICE DIMENZIJA2 IDdimenzije2 Atribut21 Atribut22 Atribut23 IDdimenzije1 (FK) IDdimenzije2 (FK) IDdimenzije3 (FK) Mera1 Mera2 Mera3 DIMENZIJA3 IDdimenzije3 Atribut31 Atribut32 Atribut33
Slika 12.23. Jednostavna ema zvezde
Na slici se vidi da je primarni klju tabele injenica sastavljen od tri spoljna kljua. Spoljni klju je kolona jedne tabele, ija je vrednost definisana kao primarni klju druge tabele. Na sledeoj slici prikazana je ema zvezde na primeru EDIFACT fakture.
234
PredmetPoslovanja Vreme VremeID: Long Integer Dan: Text(15) Mesec: Text(15) Godina: Integer NacinPlacanja NacinPlacanjaID: Long Integer NazivNacinaPlacanja: Text(50) Faktura FakturaID: Long Integer VremeID: Long Integer PartnerID: Long Integer PredmetPoslovanjaID: Long Integer ValutaID: Long Integer NacinPlacanjaID: Long Integer VrstaPrevozaID: Long Integer Kolicina: Double JedinicnaCena: Currency Iznos: Currency PredmetPoslovanjaID: Long Integer VrstaPakovanjaID: Long Integer NazivPredmetaPoslovanja: Text(50) StariBoroj: Text(50) KlasifikacioniBroj: Text(20) VrstaPakovanja VrstaPakovanjaID: Long Integer NazivVrstePakovanja: Text(50)
Valuta ValutaID: Long Integer NazivValute: Text(50) OznakaValute: Text(20) SifraValute: Text(20)
Partner PartnerID: Long Integer NazivPartnera: Text(50) Adresa: Text(50) Mesto: Text(50) Drzava: Text(50) Telefon: Text(50)
VrstaPrevoza VrstaPrevozaID: Long Integer NazivVrstePrevoza: Text(50)
Slika 12.24. ema zvezde na primeru EDIFACT fakture
Dimenzione tabele mogu, tako e, sadrati i spoljne kljueve, koji referenciraju primarne kljueve drugih dimenzionih tabela. Takve tabele se nazivaju sekundarne dimenzione tabele (outrigger tables). One ne mogu biti u direktnoj vezi sa injeninim tabelama. Na slici dat je primer upotrebe sekundarnih dimenzionih tabela VrstaPakovanja, koje definiu kodove koriene u tabeli PredmetPoslovanja. Definisanje hijerarhija Dimenzione tabele memoriu sledee elemente: traenje hijerarhijskih relacija u svakoj dimenziji, definisanje opisnih atributa svake dimenzije. Dimenzije veoma esto mogu biti organizovane u hijerarhiji. Svaki hijerarhijski nivo se nastavlja sa nekim drugim hijerarhiskim nivoom. Naprimer, unutar vremenske dimenzije, dani se nastavljaju na nedelje, koji se nastavljaju na kvartale. Za dimenziju proizvoda vezuje se proizvodna grupa, koja se nastavlja na proizvodne vrste. Ovakva povezivanja mogu biti veoma sloena, kao naprimer nastavljanje nedelja na mesece. Poto se meseci ne mogu jednako podeliti na nedelje, to se i nedelje ne mogu nastaviti na mesece, me utim i nedelje i meseci se mogu nastaviti sa kvartalima. Dimenzioni elementi su specijalna kategorija podataka, koja predstavlja odre eni nivo u dimenzionoj hijerarhiji. Za svaki hijerarhijski nivo postoji po jedan dimenzioni element. Naprimer, kod dimenzije proizvod, mogu postojati
tri dimenziona elementa: prozvod, grupa i vrsta proizvoda. U ovom modelu moemo rei da dimenzioni element "proizvod" predstavlja najnii hijerarhijski nivo u dimenziji proizvod, dok vrsta proizvoda predstavlja najvii nivo. Posmatranje podataka iz razliitih, ali blisko povezanih perspektiva omoguava da korisnik analizira podatke na razliitim nivoima detalja. Postupak prelaska sa nivoa sa manjim brojem detalja na nivo sa veim brojem detalja naziva se sputanje u dubinu (drill down) i predstavlja zahtev korisnika da mu se prikae vie detalja. Postupak prelaska sa nivoa sa veim brojem detalja na nivo sa manjim brojem detalja, na tzv. sumarne podatke, naziva se dizanje navie (drill up). Naprimer, upit bi mogao prezentovati prodaju u odnosu na neke regione. Poto prona emo vrh prodaje u nekom regionu, sputamo se nanie da bi smo saznali kako se prodaja odvija po optinama. Dizanje navie je suprotno od sputanja nadole i zahteva zbirni pogled na podatke. Dobro dizajnirana ema zvezde mora obezbediti postojanje razliitih nivoa detalja, tj. hijerarhija. Naprimer, geografski podaci vezani za prodaju mogli bi se organizovati u sledeu hijerarhiju: SVET > KONTINENT > DRAVA > OBLAST > GRAD Pored operacija drill down i drill up, postoji i operacija drill across, koja se koristi za povezivanje dve ili vie injeninih tabela na istom nivou hijerarhije.
Kreiranje agregacija
Agregacija je proces skupljanja injeninih podataka po unapred definisanim atributima. Na primer, mogue je kreirati sumarne podatke o prodaji po regionu i oblasti skupljajui ih iz svake prodavnice, tj. najnieg nivoa detalja. Agregacijama se sumiraju detalji podataka i smetaju u posebne tabele. Ove tabele se koriste od strane aplikacija da bi se eliminisala potreba da se ponovo vre neki prorauni koji bi se inae morali sprovesti ako ove tabele ne bi postojale. Glavni razlozi kreiranja agregacija su da se poboljaju performanse upita, tj. da se smanji vreme odziva na upit, kao i da se smanji broj resursa potrebnih za izvrenje upita. Pri kreiranju agregacija mora se voditi rauna o tome koje bi zaista trebalo da postoje. Nije dobra praksa da se kreiraju agregacije koje obra uju podatke nekoliko sati, a da se koriste jednom godinje. S druge strane, veoma je dobro kreirati agregaciju koju upotrebljavaju skoro svi korisnici i to vrlo esto. Tipino skladite podataka sadri podatke atomskog nivoa. Sve mere se smetaju u tabele injenica tako da se kasnije mogu koristiti za potrebe
236
analiziranja. Me utim, preuzimanje podataka atomskog nivoa iz skladita podataka ne obezbe uje optimalne performanse. Tabele injenica mogu biti vrlo velike te izvo enje operacija nad podacima atomskog nivoa smetenih u njima moe vremenski trajati dugo. Me utim, najvei broj upita zadatih nad skladitem podataka odnosi se na sumiranje (agregaciju) podataka. Naprimer, tipini korisnik e esto postaviti zahtev da mu se prikae ukupna prodaja za ceo mesec. Ovaj zahtev bi se u bazi podataka interpretirao kao potreba da se saberu svi podaci vezani za prodaju i koji postoje za svaki dan tog meseca. Ako bi, naprimer, tokom jednog dana postojalo 1000 transakcija u svakoj od 1000 prodavnica, onda bi ovaj upit morao da procesira 30 miliona redova da bi se dobio odgovor. Ovakav upit bi znatno troio sve raspoloive resurse. Za podatke kojima se ee pristupa poeljno je izvriti sumiranje. Time se omoguava da se ve postojei sumarni podaci mogu odmah koristiti, ime se znatno smanjuje vreme odziva na upit koji treba da procesira te sumarne podatke. Naprimer, ako bi postojala tabela u kojoj bi se uvali sumarni podaci o prodaji za svaku od 1000 prodavnica, onda bi upit o ukupnoj prodaji za ceo mesec morao da procesira 1000 redova. Prema tome, postojanje tabele sa sumarnim podacima, u ovom primeru, smanjuje potrebu procesiranja 30 miliona redova podataka na hiljadu. S obzirom da mnogi upiti koje postavlja korisnik mogu zahtevati agregaciju stotina hiljada redova, vrenje agregacija unapred moe znaajno da smanji vreme odziva na upit. Upotrebom agregacija smanjuje se vreme odziva na upit, ali se istovremeno i poveava sama baza podataka.
Prema tome, moe se zakljuiti da je kreiranje unapred definisanih agregacija neophodno da bi se omoguio rad sa velikim brojem podataka. Dinamike agregacije, tj. agregacije koje vri korisnik za vreme rada sa skladitem podataka su najee dugotrajne, te su za potrebe odluivanja neprihvatljive. Agregacije zasnovane na SQL naredbama Jedan od naina na koji se mogu kreirati agregacije jeste korienje SQL naredbi. Iako ovaj nain nije najbolji po pitanju performansi sistema, on je najjednostavniji, to se najlake pokazuje na primeru. Neka se u jednom skladitu podataka primarni klju tabele injenica sastoji od spoljnih kljueva Proizvod_Id, Vreme_Id i Prodavnica_Id. Da bi se odredila agregacija podataka o proizvodima po podgrupama, moe se zadati sledea SQL naredba:
SELECT PodgrupaID, ProdavnicaID, VremeID, FROM fact_tabela WHERE ProizvodID = PodgrupaID

GROUP BY PodgrupaID, ProdavnicaID, VremeID
Agregacije koje nisu zasnovane na SQL naredbama U sluaju kreiranja agregacija koje nisu zasnovane na SQL naredbama, potrebno je razviti specijalizovane programe, to uslonjava procese razvoja i odravanja skladita podataka. Prednosti ovog naina kreiranja agregacija su: Moe se izvriti agregacija dimenzije jednim prolazom po podacima. Sama priroda procesa agregacije je takva da se moe dekomponovati na vie paralelnih procesa. Ukratko, proces se sastoji u traenju redova podataka koje treba agregirati, zatim sortiranju datoteke, kreiranju podzbirova, a potom agregaciji i uitavanju tokom jednog prolaza kroz datoteku. Po nalaenju redova podataka koje treba agregirati, izvri se sortiranje po dimenziji po kojoj se trai agregacija. Na taj nain e se svi podaci istog nivoa dimenzije nalaziti jedan iza drugog. Naprimer, ako se izvri sortiranje redova podataka po dimenziji Vreme, u tabeli e se prvo nalaziti redovi podataka koji se odnose na Dan, iza njih e biti redovi podataka koji se odnose na Nedelju itd. Zatim se na svakom mestu prelaza sa jednog nivoa dimenzije na drugi (naprimer, sa Dana na Nedelju) kreiraju podzbirovi za taj nivo dimenzije. Pri tome je mogue iskoristiti prednosti paralelnog procesiranja jer su podaci podeljeni po grupama (jedan proces moe raunati podzbirove vezane za nivo Dan, a drugi za nivo Nedelja). Tako dobijene podzbirove treba uitati i izvriti agregaciju. Time je proces agregacije podataka zavren.
Kreiranje fizikog modela

U okviru kreiranja fizikog modela baze podataka, izvodi se postupak prevo enja logikog modela u fiziki model prikazan preko dijagrama entiteti veze koji fokusira podatke. Fiziki model za potrebe naeg skladita podataka bie orijentisan relacionim bazama podataka i koristie se za kreiranje eme baze podataka. Treba naglasiti da generisanje fizikog modela mora da ispuni zahteve vezane za strukturna dinamika pravila integriteta, i to: ogranienja, kojima se definiu dozvoljena stanja baze podataka, operacije, koje mogu potencijalno ugroziti ogranienja, akcije, koje treba preduzeti ukoliko do e do naruavanja ogranienja. Za kreiranje fizikog modela koristite se CASE alat ERWin, koji omoguava ostvarivanje veze izme u konceptualnog (logiki), dimenzionog i fizikog modela. Neposredno pre kreiranja modela treba izabrati sistem za upravljanje
238
bazama podataka na kome e biti implementirana baza podataka. Koristiemo Microsoft SQL Server 2000, jer ima mnoge alate i osobine koje pojednostavljuju proces instaliranja, razvoja, upravljanja i korienja baza podataka. SQL Server 2000 sadri alate koji omoguavaju vezu sa Internetom, ima integrisan sistem zatite sa Windows NT i Windows 2000. to je najbitnije, SQL Server 2000 sadri alate koji olakavaju rad sa skladitima podataka. Od alata za rad sa skladitima podataka ima alate za ekstrakciju i transformaciju podataka (DTS), za OLAP (On-line Analiytical Processing) analizu (OLAP server), a ukljuuje i alate za vizuelni dizajn skladita podataka. Na slici je prikazan model nastao prevo enjem logikog modela u fiziki model. U okviru procesa prevo enja klasa u entitete trebalo je reiti probleme: multiplikativnosti, referencijalnog integriteta i kreiranja indeksa. Multiplikativnost definie broj instanci jednog entiteta (budua tabela u bazi) u relaciji sa jednom instancom drugog entiteta. Problem multiplikativnosti je reen direktnim preuzimanjem ovih parametara sa modela objekti veze, definisanog ranije. Referencijalni integritet se praktino reflektuje kao postojanje prenesenog kljua u nekoj tabeli. Tamo gde se nalazi preneseni klju, postoji "ciljna tabela", a tamo gde je definisan primarne klju, nalazi se "izvorna" tabela. Referencijalni integritet tabele zahteva da unesena vrednost atributa odgovara vrednosti atributa koji je primarni klju druge tabele. Referenacijalni integritet se definie za operacije ubacivanja, brisanja i auriranja. Vano je, kod transformacije iz dijagrama klasa u fiziki model, istai da je pravilo da se veze kompozicije i agregacije transformiu u identifikujuu vezu izme u tabela. U ovom sluaju je odstupljeno od ovog pravila jer se zahtevala fleksibilnost fizikog modela, zbog specifinih upita koji su kasnije ra eni nad skladitem podataka. Kreiranje indeksa je izvreno automatski za sve primarne kljueve u entitetima i za prenesene kljueve u entitetu Ispit. Ovo se radi iz razloga to e se budua pretraivanja u okviru skladita podataka vriti na osnovu ovih polja.
Generisanje baze podataka

Aktivnost generisanja baze podataka vri se korienjem SQL jezika. Naime, alat u kome je izvreno kreiranje fizikog modela (npr. ERWin) omoguava automatsko generisanje koda preko takozvanih DDL (Data Definition Language) datoteka. U sledeem koraku se vri izvravanje DDL datoteka pomou Query Analyzer-a, alata koji je sastavni deo SQL Servera 2000. Ovaj alat omoguava
direktno zadavnje SQL naredbi i njihovo izvravanje u cilju generisanja baze podataka. Treba napomenuti da se prilikom generisanja baze mora doneti odluka o nainu mapiranja operacija koje e biti na raspolaganju u okviru fizike baze podataka. Nain koji je u ovom sluaju primenjen jeste da se operacije mapiraju u obliku okidaa (kod okidaa je dat, u okviru SQL koda za generisanje baze, u prilogu). Kada se svi ovi poslovi uspeno urade, baza (skladite) podataka je generisana. Uitavanje podataka Poto su zavrene sve pripreme, moe se pristupiti uitavanju podataka u skladite podataka. U toku uitavanja se mogu eventalno izvriti jo neke transformacije, mada bi sa transformacijama podataka trebalo zavriti pre uitavanja zbog problema konzistentnosti baze. Za uitavanje podataka moe se koristiti alat MS SQL Server-a DTS (Data Transformation Servicess) i njegova procedura uitavanja podataka pomou takozvanih DTS paketa.
PRIMENA SKLADITA PODATAKA

Primena skladita podataka je irokog dijapazona, poev od dravnih organa, zdravstva i obrazovanja, pa do finansija, prodaje, marketinga, nabavke i proizvodnje. Primena skladita podataka u finansijama vezana je za, npr.: izvetaj o protoku novca po grupama proizvoda i organizacionim jedinicama koji omoguuje analizu prihoda i trokova po velikom broju parametara; detaljnu analizu profita, multidimenzione izvetaje po kategorijama profitnih i trokovnih centara; izradu bilansnih rauna; izradu sumarnih izvetaja o kljunim finansijskim parametrima. Primena skladita podataka u marketingu vezana je za izradu stratekih marketinkih analiza koje se implementiraju putem multidimenzionih izvetaja, sa detaljima o prodaji viskoprofitnih proizvoda i praenjem po vremenu, regionima, distributerima, sektorima potronje i dr. Mogunost slobodnog izvlaenja sumarnih izvetaja i zalaenja u detalje u podrujima koja ne ispunjavaju oekivanja daje sektoru marketinga uvid u promenu na tritu. Kako su marketinke kampanje skupe, to arhiviranje podataka o tritu daje odgovor na pitanje koji je segment trita reagovao, preko kojih kanala, na kom geografskom podruju i preko kojih medija. Ovi podaci su od neprocenjivog znaaja za organizovanje narednih kampanja.
240
Primena skladita podataka u prodaji vezana je za analizu prodaje i davanje odgovora na pitanja kao to su: Koji proizvod donosi najvei profit? Koji kupci kupuju najprofitabilnije proizvode? Primena multidimenzionih izvetaja dovodi do uoavanja Pareto pravila, pokazujui odnos izme u proizvoda, profatibilnosti i geografske distribucije (npr. 20% proizvoda koji donose 80% profita). Precizna analiza moe biti osnova za stimulaciju prodavaca (stimulacija po ostvarenom profitu a ne po prihodu) i za planiranje prodaje. Primena skladita podataka u nabavci veoma je vana jer nabavka odre uje profitabilnost preduzea na vie naina. Pre svega, to su trokovi materijala, praenje odnosa sa dobavljaima kroz vreme. Jo su vee mogunosti upravljanja zalihama, u smislu osloba anja obrtnog kapitala zarobljenog u zalihama. Upravljanje odnosima sa dobavljaima je posebno vano u svetlu JIT (Just in Time) proizvodnje. Uz dobro planiranje omoguuje se dobro analitiko praenje prformansi dobavljaa, tano ispunjenje dogovorenih rokova, kvaliteta i drugih parametara, kroz koncept kartice rezultata dobavljaa. Primena skladita podataka u proizvodnji vezana je za davanje odgovora na pitanja kao to su: Koliko vremena treba da se napravi proizvod A? Gde je usko grlo proizvodne linije? Gde se javlja najvie problema vezanih za kvalitet? Analiza upravljanja kapacitetima reava probleme u operativnom planiranju i otvara mogunost za "provlaenje" proizvodnje kroz ograniene kapacitete bez veih investicija. I ovde se moe ukljuiti Pareto analiza, tj. 80% problema potie od 20% uzroka, to je posebno vano za praenje kvaliteta proizvoda. Da bi se problem kvaliteta mogao dobro analizirati i u transakcionim sistemima i u skladitu podataka, potrebno je obezbediti potpunu sledljivost proizvodnog procesa, od ulaznih sirovina do gotovog proizvoda. Primena skladita podataka u upravljanju kadrovima vezana je za analizu i planiranje razvoja kadrova i predstavlja prvi korak u uvo enju upravljanja znanjem kao novog kvaliteta i prednosti organizacija u trinoj utakmici. Skladita podataka se mogu primeniti i za praenje i analizu zarada i trokova (po grupama, organizacionim jedinicama, regionima), efikasno ulaganje u obrazovanje kadrova i dr.
OLAP SISTEMI
Interaktivno analitiko procesiranje (On line Analytical Processing OLAP) namenjeno je on line analizama i izvetavanjima, za razliku od produkcionih sistema namenjenih auriranju baza podataka i obradi transakcija (On Line Transaction Processing OLTP). Postavlja se pitanje: ta je to krajnjem korisniku potrebno? Ono to krajnjem korisniku treba je sledee: da moe da postavi bilo koje poslovno pitanje, da bilo koji podatak iz preduzea koristi za analizu, mogunost neogranienog izvetavanja. Donosiocima poslovnih odluka su potrebni odgovori na pitanja koji direktno utiu na njihovu mogunost da budu kompetentni na dananjem brzo promenljivom tritu. Njima su potrebni jasni odgovori na koliko god teka pitanja, i to u to kraem vremenskom periodu. U tu svrhu se koriste analitiki OLAP (on line analytical processing) sistemi koji obezbe uju informacije koje se koriste za analizu problema ili situacija. Analitiko procesiranje se primarno vri korienjem pore enja ili analiziranjem ablona i trendova. Naprimer, analitiki sistem bi mogao da prikae kako se odre ena vrsta tampaa prodaje u razliitim delovima zemlje. Tako e, mogao bi da prikae i kako se jedna vrsta proizvoda prodaje sada u odnosu na period kada se proizvod prvi put pojavio na tritu. Analiziranje ablona podataka i trendova zahteva postojanje velikog broja istorijskih podataka. Zato analitike baze podataka ne sadre aurne podatke, ve uvaju informacije iz odre enog trenutka vremena. Naprimer, mogue je utvrditi da je prodaja u jednom mesecu znatno opala samo ako u sistemu postoje podaci o prodaji u prethodnim mesecima, tako da se moe vriti pore enje. U poetku su upiti korisnika bili relativno jednostavni. Me utim, vremenom su korisniki upiti postali toliko sloeni da relacioni alati (OLTP alati) nisu bili u mogunosti da daju odgovore u prihvatljivom vremenskom periodu. Upravo u tu svrhu se koriste OLAP sistemi. Oni omoguavaju jednostavnu sintezu, analizu i konsolidaciju podataka. Koriste se za intuitivnu, brzu i fleksibilnu manipulaciju transakcionim podacima. OLAP sistemi podravaju kompleksne analize koje sprovode analitiari i omoguavaju analizu podataka iz razliitih perspektiva (poslovnih dimenzija). OLAP sistemi kao skladita podataka koriste multidimenzionalnost i denormalizaciju i moe se rei da predstavljaju nadgradnju skladita podataka. U sledeoj tabeli date su neke uporedne karakteristike OLTP sistema, skladita
242
podataka i OLAP sistema.

Karakteristike Tipine operacije Analitiki zahtev Ekrani Koliina podataka po transakciji Nivo podataka Starost podataka Namena Tip pristupa Karakteristike odziva Nivo detaljnosti podataka Struktura podataka Koliina podataka Adaptivnost sistema Brzina uvo enja sistema OLTP sistemi auriranje nizak nepromenljivi mala detalji tekui podaci transakcionim podacima itanje i pisanje brzo auriranje, promenljivo vreme odziva sistema transakcioni podaci normalizovana (zapisi) gigabajti podataka ograniena, uz znaajnu upotrebu resursa mala (reda godine) Skladite podataka izvetavanje srednji definie korisnik srednja detalji i sumarni podaci tekui i istorijski podaci rad sa istorijskim podacima samo itanje dugo vreme odziva sistema delimino sumarni podaci normalizovana ili denormalizovana gigabajti/terabajti podataka slaba mala (reda godine) OLAP sistemi analiza visok definie korisnik velika sumarni podaci tekui, istorijski i projektovani podaci analiza itanje i pisanje kratko vreme odziva sistema sumarni i agregacioni podaci dimenziona i hijerarhijska gigabajti podataka jednostavnost modifikacije velika (reda dana ili nedelje)
Osnovni elementi OLAP sistema su: baza podataka, koja slui kao osnova za analizu, OLAP server, za upravljanje i manipulaciju podacima, interfejs sistem, prema korisniku i prema drugim aplikacijama, alati za administriranje. Pokuaj korienja OLAP pristupa nad bazama podataka koje su nastale na osnovu modela podataka projektovanog da podri transakcioni nivo informacionih sistema i obezbedi zahtevani nivo integracije podataka ne moe se izvesti dovoljno efikasno za praktinu upotrebu, a tako e ugroava nivo performansi transakcionog nivoa. Za korienje OLAP sloene procedure
potrebno je transakcione podatke prebaciti u posebnu bazu podataka. OLAP pristup mora od hardvera da poseduje poseban raunar, tzv. OLAP server, na koji se povezuju relacione BP, eksterni izvori podataka i ostali interni podaci, koji su podrani grafikim interfejsima, radnim tabelama i ostalim PC alatima. OLAP serveri koriste viedimenzione strukture za uvanje podataka i veza izme u njih. Viedimenzione strukture se najbolje vizuelizuju kao kocke podataka i kao kocke u kockama podataka. Svaka strana kocke se naziva dimenzijom. Kao to smo ranije rekli, dimenzija predstavlja kategoriju podataka, kao to su tip proizvoda, region, vreme itd. Svaka elija kocke sadri agregirane podatke koji su u vezi sa dimenzijama. Naprimer, jedna elija moe sadrati podatke o ukupnoj prodaji za dati proizvod i region u toku jednog meseca. OLAP serveri podravaju tipine analitike operacije: konsolidacija ovom operacijom se vri agregacija podataka po zadatom kriterijumu, drill down/up ove operacije omoguavaju prikazivanje vie ili manje detalja podataka, isecanje (slice & dice) ove operacije obezbe uju prikazivanje podataka iz razliitih perspektiva, pri emu se isecanje najee vri po vremenskoj dimenziji da bi se analizirali trendovi (naprimer, jedan iseak kocke moe prikazivati sve podatke o prodaji za zadati tip proizvoda za sve regione, a drugi iseak moe prikazivati sve podatke o prodaji po kanalima za svaki tip proizvoda). Jo jedna karakteristika OLAP servera jeste ta to oni smetaju podatke u sabijenom, zgusnutom obliku. Ovo se postie dinamikom selekcijom tehnika za kompresiju podataka da bi se to bolje iskoristili prostori za uvanje podataka. Retko popunjene matrice se uvaju odvojeno od dosta popunjenih matrica. Na ovaj nain OLAP serveri minimizuju zahteve za uvanje podataka. U sledeoj tabeli dat je pregled koristi koje se dobijaju uvo enjem OLAP servera u skladite podataka. Koristi za korisnike Izolacija korisnika od SQL jezika Izolacija korisnika od relacionog modela Koristi za sistem Jednostavno upravljanje sistemom Automatsko odravanje
244
Poveanje performansi Poveane mogunosti prorauna
Smanjenje uitavanja podataka Sistem ne mora vie da generie izvetaje za korisnike
Interfejs OLAP sistema treba da omogui korisniku komforan rad, samostalno izvo enje analitikih operacija i dobijanje pregleda i poslovne grafike, bez znanja programiranja i strukture baze podataka. OLAP alati veoma efikasno omoguuju prelaenje sa tabela na viedimenzione grafikone korienjem ekrana koji su dinamiki promenljivi. Ovako definisana OLAP ili hiper kocka sadri desetine hiljada moguih izvetaja koji se lako menjaju, brzo definiu i jo bre izvravaju. OLAP je nain obrade podataka koji karakteriu ad-hoc upiti, slabo struktuirani izvetaji i analiza koja obuhvata relativno mali broj transakcija, ali koja ukljuuje veliki broj tabela i zapisa u njima. Zahtevi koje OLAP mora da ispuni su: mogunost rada sa velikim skupom podataka i velikim brojem korisnika, kratko vreme odziva na upit, integrisani meta podaci koji povezuju OLAP server i relacionu bazu podataka, mogunost rada sa podacima sa razliitim nivoima detalja, sposobnost prorauna sloenih matematikih funkcija, podrka za ta-ako analizu, modelovanje i planiranje, jednostavnost uvo enja i odravanja sistema, zatita podataka, mogunost rada sa velikim brojema alata pomou kojih e se pristupati podacima, vriti analiza i prikazivati podaci.
Arhitekture OLAP sistema

Prenoenje samo izmenjenih podataka zahteva kompleksno programiranje i odravanje, dok kompletno zanavljanje podataka u skladitu postaje ozbiljan zadatak kada osnovna baza naraste preko, recimo, 5 gigabajta. Neki od OLAP alata fiziki prenose sve povezane transakcione podatke iz relacione baze podataka i iz drugih izvora u viedimenzionalnu bazu podataka, koristei meta nivo, i pune skladite podataka preko noi (batch pristup), tj. izvode kompletno zanavljanje podataka u odre enim vremenskim intervalima.
Drugi pristup, tzv. on-line, prenosi svaku pojedinanu izmenu relacione u viedimenzionu bazu podataka, tj. izvodi se auriranje skladita samo onim podacima koji su se izmenili izme u dva intervala auriranja. Ovo su dva krajnja pristupa. Me utim, obino se koristi srednje reenje, gde je batch osnovna metoda, dok se samo neke izmene na starim podacima prenose pojedinano. Oba gore definisana pristupa uslovila su pojavu i dve osnovne arhitekture, tzv. multidimenzioni OLAP (MOLAP) i relacioni OLAP (ROLAP). MOLAP je reenje kada se koriste multidmenzione baze podataka, a ROLAP nastaje kao nadgradnja relacionih baza podataka. MOLAP u osnovi podrazumevaju fiziko manipulisanje podacima, gde se fizika multidimenzionalnost postie korienjem viestrukog indeksiranja elijskih struktura. ROLAP definie virtuelnu multidimenzionalnost, gde se koriste mehanizmi za logiku transformaciju radi proirenja performansi OLAP-a u RDBMS okruenju. Kao to je gore reeno, tendencija je u kombinovanju ova dva pristupa za izgradnju skladita podataka. Dakle, postoje sledee arhitekture OLAP sistema: viedimenzioni OLAP (MOLAP), relacioni OLAP (ROLAP), hibridni OLAP (HOLAP). MOLAP i ROLAP se razlikuju po nainu fizikog uvanja podataka. Kod MOLAP sistema podaci se uvaju u viedimenzionoj strukturi, a u sluaju ROLAP sistema podaci se uvaju u relacionim bazama podataka.
Viedimenzioni OLAP (MOLAP)

MOLAP baze podataka imaju ogranienje fizike veliine skupa podataka sa kojima mogu da barataju. Tako e, postoji i ogranienje na broj dimenzija koje jo uvek obezbe uju dobre performanse sistema. Da bi se vrila bilo kakva analiza, potrebno je prvo uitati podatke u viedimenzione strukture. Pri tome se vre razni prorauni da bi se kreirale agregacije i popunili podaci, to vremenski moe trajati relativno dugo. Po zavrenom procesu, korisnik moe zapoeti analizu. Prednost MOLAP sistema je to obezbe uju odline performanse sistema kada se radi sa ve sraunatim podacima (agregacijama). Nedostatak MOLAP sistema je tekoa dodavanja novih dimenzija. Prema tome, MOLAP sisteme je pogodno koristiti u sluajevima kada je mogue podeliti veliki skup podataka na vie manjih skupova podataka. Na sledeoj slici je prikazana arhitektura MOLAP sistema.
246
Transakcioni sistemi
Viedimenziona baza podataka
OLAP interfejs
- upiti - heiranje - indeksiranje
- predvi anja - traenje izuzetaka
- tabele - grafikoni - drill down - isecanje - tampanje
Sloj baze podataka
Sloj aplikacije
Sloj prezentacije
Slika 12.26. Arhitektura MOLAP sistema
Sa slike se vidi da se podaci iz razliitih transakcionih sistema uitavaju u viedimenzionu bazu podataka pomou batch rutina. Kada se zavri sa uitavanjem podataka atomskog nivoa, prelazi se na kreiranje agregacija, nakon ega je baza podataka spremna za rad. Korisnici zadaju svoje zahteve za OLAP izvetajima putem interfejsa.
Relacioni OLAP (ROLAP)

ROLAP sistemi pristupaju podacima direktno iz skladita podataka i rade sa relacionim bazama podataka. Ovi sistemi mogu da rade sa velikim skupovima podataka. im se odredi izvor podataka, korisnik moe zapoeti analizu. S obzirom da se radi direktno nad bazom podataka, korisniku su uvek na raspolaganju tekui podaci. Tako e, kod ROLAP sistema ne postoje ogranienja po pitanju broja dimenzija koja postoje u sluaju MOLAP sistema. Na sledeoj slici je prikazana arhitektura ROLAP sistema.

Transakcioni sistemi Skladite podataka (RSUBP) Relacioni OLAP OLAP interfejs
paraleln i upiti paralelno uitavanje paralelno indeksiranje bit-map indeksiranje heiranje veze zvezde deljenje podataka backup i recovery optimizacija trokova SMP i MPP podrka
- transformacije - dinamika konsolidacija - sloeno filtriranje - predvi anja - obrada izu zetaka - procesiranje u pozadini - podela upita - raspore ivanje - upravljanje tokovima - agregacije
tabele grafikoni mape upozorenja drill down isecanje
Sloj baze podataka
Sloj aplikacije
Sloj prezentacije
Slika 12.27. Arhitektura ROLAP sistema
Nakon to se definie model podataka za skladite podataka, podaci iz transakcionih sistema se uitavaju u skladite podataka. Viedimenziona analiza, koju korisnik zahteva, dinamiki se transformie u niz SQL naredbi koje se dalje prenose na relacionu bazu podataka. ROLAP sistemi su optimizovani za pristupanje podacima, dok su MOLAP sistemi optimizovani za prikupljanje podataka. Prednost ROLAP sistema je to su sumarne tabele kreirane direktno u RSUBP-u, ime se obezbe uje kratko vreme odziva sistema na upit, i to su tabele veoma itljive. Evo nekih karakteristika MOLAP i ROLAP sistema: viedimenziona analiza mogua je korienjem ROLAP i MOLAP sistema, za manje koliine podataka ROLAP sistemi imaju skoro iste performanse kao i MOLAP sistemi, MOLAP sistemi nisu pogodni za rad sa velikim skupom podataka, MOLAP sistemi su manji od ROLAP sistema, te je potrebno manje U/I operacija pri pribavljanju podataka, to uslovljava da su MOLAP sistemi bri. Postavlja se pitanje zato onda uopte i koristiti ROLAP sisteme. Odgovor na ovo pitanje je jednostavan. Za ROLAP sisteme ve postoje razvijeni i provereni alati za uvanje podataka. Tako e, u sluaju da se radi sa ROLAP sistemima, nema potrebe za premetanjem podataka kao to je to sluaj sa MOLAP sistemima. ROLAP sistemi su otvoreni sistemi jer obezbe uju direktan pristup podacima iz tabela te ne postoji potreba za dupliciranjem
248
podataka kao to je to sluaj sa MOLAP sistemima.
Hibridni OLAP (HOLAP)

Moda najbolje reenje predstavlja HOLAP, iji alati mogu pristupati i relacionim i viedimenzionim bazama podataka. Cilj korienja HOLAP alata jeste da se iskoriste prednosti MOLAP alata (kratko vreme odziva sistema i analitike mogunosti) i ROLAP alata (dinamiki pristup podacima). Pri tome se ne moe rei da je HOLAP prost zbir MOLAP-a i ROLAP-a. To je zapravo ROLAP koji ima mogunost izvravanja vrlo sloenih SQL naredbi. Dakle, cilj je bio da se zadre sve prednosti ROLAP-a, ali da se pri tome dodaju i neke nove mogunosti za rad sa viedimenzionim bazama podataka. Jedan od HOLAP alata je i Oracle Express. Potrebe korisnika su: viedimenzioni pogled na podatke ovu mogunost poseduju i MOLAP i ROLAP alati, odline performanse sistema ovu mogunost poseduju MOLAP alati, analitika fleksibilnost (za potrebe simulacija) ovu mogunost poseduju MOLAP alati, pristup podacima u realnom vremenu ovu mogunost poseduju ROLAP alati, veliki kapacitet podataka ovu mogunost poseduju ROLAP alati. HOLAP alati moraju imati sledee karakteristike: dimenzije se mogu dinamiki aurirati ne samo da treba obezbediti brz pristup samim podacima, ve se mora omoguiti i jednostavna izmena struktura podataka; mogunost viedimenzionih pogleda zasnovanih na meta podacima relacionih sistema za upravljanje bazama podataka HOLAP alati moraju koristiti meta podatke relacionih SUBP pri kreiranju viedimenzionog modela; brz pristup svim nivoima agregacionih podataka; jednostavno odravanje agregacija. Danas postoje tri prilaza pri radu sa HOLAP alatima: Izbor izme u relacionih SUBP i viedimenzionih baza podataka. Sistem podrava obe strukture baza podataka, tako da se kreira MOLAP model koji se uva u relacionom formatu. S obzirom da se ne moe pristupati ovim modelima istovremeno, korisnik mora da izvri izbor. Ako se koristi ovaj nain rada, sve dimenzije se moraju unapred zadati u viedimenzionom modelu, tj. ovaj nain rada ne podrava dinamiku izmenu strukture modela. Uitavanje rezultata relacionih upita u viedimenzionu bazu podataka.
U ovom sluaju korisnik zadaje upit na osnovu kojeg se generiu SQL naredbe koje prikupljaju podatke iz relacionog SUBP-a i dostavljaju ih viedimenzionoj bazi podataka. Korienje viedimenzionih baza podataka za keiranje podataka i relacionih SUBP za dinamiki pristup detaljnim podacima. Pri ovom nainu rada koriste se obe strukture baza podataka. Kreira se viedimenzioni model koji je statine strukture. Podaci se keiraju te kada korisnik zada upit, prvo se provere ti podaci. Ako se oni ne nalaze u keu, generiu se SQL naredbe koje e prikupiti podatke iz relacionog SUBP-a u ke.
Kreiranje OLAP kocki pomou Cube Wizard-a

Kreiranje OLAP kocki korienjem Cube Wizard-a integrisanog u Microsoft Query vri se na osnovu prethodno definisanih upita nad skladitem podataka. Proces kreiranja kocke se odvija kroz sledee korake: 1. Po startovanju MS Query-ja izabere se tip baze podataka (u naem sluaju MS ACCESS) i prona e odgovarajua baza pdataka (u naem sluaju Faktura2000w.mdb). Na osnovu prikazanih tabela biraju se kolone, kao to je pokazano na sledeoj slici.
Slika 12.28. MS Query izbor kolona
2. Pritiskom na tipku Next prikazuje se MS Query upit i bira opcija Create OLAP Cube...
250
Slika 12.29. Grafiki prikaz MS Query-ja
3. Ovo je prvi korak u formiranju OLAP Cube gde se odre uju polja koja formiraju sumarne podatke i matematike operacije koje e se izvriti nad tim poljima. Polja koja se ne koriste za sumarne podatke predstavljaju kandidate za dimenzije kocke.
Slika 12.30. Izbor polja sumarnih podataka
4. Definisanje dimenzija OLAP kocke izbor izme u preostalih polja (kandidata za dimenzije) onih koja e formirati dimenzije kocke. U ovom koraku se vri i formiranje hijerarhije dimenzija. Hijerarhija dimenzija treba da omogui vie nivoa detaljnosti, u zavisnosti od potreba korisnika u procesu analize podataka.
252
Slika 12.31. Formiranje dimenzija OLAP kocke
5. Snimanje fajla kocke na disk raunara u treem koraku se bira mesto snimanja OLAP kocke, to se vidi na sledeoj slici.
Slika 12.32. Izbor mesta snimanja OLAP kocke
I, na kraju se izvri snimanje fajla kocke na disk raunara, kao to se vidi na sledeoj slici.
Slika 12.33. Snimanje fajla kocke na disk raunara
Na osnovu ovako generisane OLAP kocke (fajl kocke) se, posredstvom Microsoft Excel-a, vri kreiranje pivot tabele za pristup podacima koje ta kocka sadri.
Analiza podataka korienjem Microsoft Excel dinamike tabele

Analiza podataka organizovanih u OLAP kocke moe da se vri korienjem PivotTable (dinamika tabela sa objedinjenim podacima iz neke baze podataka) servisa koji omoguavaju pristup podacima u OLAP kockama. Na sledeoj slici su prikazana dva naina pristupa podacima u OLAP kockama, korienjem Microsoft Excel-a ili izradom posebne aplikacije, primenom takozvanih ADO mehanizama.
Slika 12.34. Pristup OLAP kockama
U naem sluaju, odlueno je da se koristi Microsoft Excel jer je to alat ija je osnovna namena analiza podataka (Microsoft klasifikacija). Analiza podataka organizovanih u OLAP kocke u Excel-u se vri izradom takozvanih
254
pivot tabela. Microsoft Excel omoguava i vrenje analiza korienjem dodatnih alata, koji su njegov sastavni deo. Korisnik ima mogunost da direktno iz Excel-a vri tampanje izvetaja za odre eni pogled na podatke (izabrani nivo detaljnosti i raspored dimenzija). Pivot tabela predstavlja dinamiku tabelu sa objedinjenim podacima iz neke baze podataka. Ona slui za tabelarno prikazivanje vie vrsta (dimenzija) podataka. U okviru nje se sumarni podaci mogu prikazivati na bilo kom nivou detaljnosti. Za potrebe izrade pivot tabela, u Microsoft Excel-u postoji arobnjak (PivotTable Wizard). Sam postupak izrade se odvija u sledeim koracima: 1. Odre ivanje lokacije podataka da bismo pristupili prethodno generisanim OLAP kockama, bira se opcija spoljni izvor podataka (eng. External data source).
Slika 12.35. Odre ivanje lokacije podataka
2. Povezivanje sa spoljnim izvorom podataka bira se opcija OLAP Cubes i okviru nje se bira kocka na osnovu koje formiramo pivot tabelu.
Menadment informacioni sistemi Slika 12.36. Izbor OLAP kocke
3. Formiranje pivot tabele sa prozora PivotTable Field vri se prevlaenje polja (dimenzija i sumarnih podataka) na odgovarajua mesta u pivot tabeli (polja strane, reda i kolone). Formirana pivot tabela je prikazana na sledeoj slici.
Slika 12.37. Formiranje pivot tabele
Grafiki prikaz pivot tabele prikazan je na sledeoj slici.
Slika 12.38. Grafiki prikaz Pivot tabele
256
DATA MINING - OTKRIVANJE ZNANJA

Korisnici informacionih sistema s pravom zakljuuju da su im uvo enjem automatizovanog informacionog sistema obeavali sve i svata, a dobili su samo gomilu podataka. To je tano, tim pre to se baze podataka uveavaju zbog realnih potreba poslovnog procesa. Ono to se namee jeste potreba za automatizacijom analize podataka. Upravo je to ono to omoguuje data mining. Data mining je komponenta skladita podataka. Data mining se zove i Knowledge Discovery in Databases (KDD). Data mining treba da ukljui elemente baze znanja koji se koriste u ekspertnim sistemima i da analizira delove podataka da bi se identifikovala veza izme u naizgled "nepovezanih podataka". Data mining je proces otkrivanja koji omoguuje korisnicima da shvate sisteme i veze izme u njihovih podataka. Data mining otkriva oblike i trendove u sadraju ove informacije. Primer otkrivanja nekih podataka je i matini broj gra ana, gde su u strukturi broja smeteni podaci koji se mogu koristiti kao elementi za pretraivanje. Data mining mora da poseduje takva znanja da bez uplitanja korisnika nalazi elemente koji se mogu koristiti za grupisanje i identifikaciju oblika. Data mining otkriva relacije naeg svakodnevnog komuniciranja sa podacima. Drugi element su oblici, abloni ili obrasci (patterns) koji nastaju na osnovu navika korisnika i koji se mogu aproksimovati na nova ponaanja. Data mining dozvoljava sagledavanje informacija na nain koji ranije nije bio sagledavan. Osnovna poruka data mininga jeste da je potrebno da iz ogromne koliine operativnih podataka i veza koje se ne mogu odmah sagledati definiu odgovarajue relacije, obrasci ponaanja, to u krajnjem sluaju treba da od podataka da potrebne informacije. Sam podatak je sastavljen od serije karaktera koja sama po sebi ne znai nita. Grupisani zajedno u obliku elemenata podataka, oni neto znae. U sledeem koraku, elementi podataka podvrgnuti data mining analizi postaju veoma korisne informacije. Dakle, data mining se moe definisati kao proces podrke odluivanju u kojem se trae abloni infomacija u podacima. Osnovni cilj data mininga jeste otkrivanje skrivenih veza, predvidivih sekvenci i tanih klasifikacija. Ovo pretraivanje moe vriti korisnik, naprimer izvo enjem upita (tada je to zaista teko), ili ga moe vriti neki "pametni" program koji automatski pretrauje bazu umesto korisnika i nalazi znaajne ablone. Kada se na e, informacija
treba da se prezentuje na odgovarajui nain, sa grafikonima, izvetajima itd.
Faze u izradi Data mininga

Proces izrade data mininga sastoji se od sledeih faza:
selekcija odabiraju se (segmentiraju) podaci po nekom kriterijumu

(naprimer, svi ljudi koji poseduju automobile) da bi se odredili podskupovi podataka; preprocesiranje ovo je faza "ienja" podataka, u kojoj se odre ene informacije odbacuju jer se smatraju nepotrebnim, a koje bi usporile obradu upita; transformacija u ovoj fazi podaci se rekonfiguriu tako da postanu korisni i jednostavniji za pretraivanje; Data mining u ovoj fazi se trae abloni me u podacima; interpretacija i razvoj abloni koji su otkriveni u prethodnim fazama interpretiraju se kao znanje koje se dalje moe koristiti za procese podrke odluivanju.
Proces data mininga ukljuuje jo neke procese, kao to su induktivno uenje, statistika, mainsko uenje i drugi. Induktivno uenje je proces kojim se analiziraju baze podataka da bi se nali abloni. Slini objekti se grupiu u klase i pravila, ime se omoguava da se predvide klase do tada nepostojeih objekata. Mainsko uenje je automatizacija procesa uenja. Mainskim uenjem se prvo ispituju primeri i njihovi izlazi, a zatim se trai nain da se oni reprodukuju i da se izvri generalizacija za nove sluajeve. Proces data mininga prvo izvri translaciju informacija iz baza podataka u oblike koji su pogodni za mainsko uenje. Zatim se mainskim uenjem na osnovu informacija odre uje znanje koje se dalje upotrebljava za potrebe podrke odluivanju.
Korisnici, aktivnosti i procesi data mininga

Potrebno je razlikovati korisnike, procese i aktivnosti. Aktivnost u sebe ukljuuje procese koji se mogu izvriti. Prvo e biti rei o korisnicima. Postoje tri vrste korisnika: izvrioci, krajnji korisnici, analitiari. Izvriocima je potreban pogled "sa vrha". To su ljudi koji koriste raunar mnogo manje od ostalih grupa. Oni su esto nezadovoljni svojim informacionim sistemom za izvrioce (Executive Information System EIS) i ele informacije, a ne sumarne podatke prikazane u vidu grafikona.
258
Krajnji korisnici znaju da koriste tabele, ali ne znaju program. To su, naprimer, prodavci, naunici, inenjeri itd. Analitiari znaju kako da interpretiraju podatke i vre raunanja, ali nisu programeri. To su finansijski analitiari, statistiari, konsultanti. Sve ove vrste korisnika slue se trima vrstama data mining aktivnosti: epizodne, strategijske, kontinualne. Korienjem epizodnih aktivnosti posmatraju se podaci iz jedne odre ene epizode (naprimer, odre ena marketinka kampanja) koji se mogu koristiti za predvi anje. Korisnik moe da tumai ove podatke ili da ih koristi za predvi anje. Ove aktivnosti najee sprovode analitiari. Korienjem strategijskih aktivnosti posmatra se vei skup me usobno povezanih podataka, s namerom da se dobije saznanje o globalnim merama ili vrednostima (naprimer, profit). Ove aktivnosti pokuavaju da daju odgovore na pitanja odakle neto dolazi i slino. Upotrebom kontinualnih aktivnosti pokuava se doi do saznanja kako se svet menja tokom nekog vremenskog perioda, kao i da se na u faktori koji su uslovili to menjanje. Postoje tri vrste procesa u data miningu: otkrivanje, modelovanje na osnovu predvi anja, sudska analiza. Otkrivanje je proces kojim se posmatranjem baze podataka trae skriveni abloni bez prethodnog saznanja kako bi ti abloni trebalo da izgledaju. Drugim reima, program sam trai ablone koji bi mogli biti od interesa, bez uplitanja korisnika (korisnik ne mora da misli o bitnim pitanjima). U velikim bazama podataka postoji veliki broj ablona pa korisnik ne moe o svima da vodi rauna. Glavno pitanje je bogatstvo ablona, kao i kvalitet podataka koji se dobijaju njihovom upotrebom. Odre ivanje "snage" i korisnosti je osnova tehnike otkrivanja. abloni dobijeni modelovanjem na osnovu predvi anja koriste se za predvi anje budunosti. Modelovanje na osnovu predvi anja omoguava da korisnik ostavi neka polja nepopunjena jer e sistem pokuati sam da pogodi vrednosti za ta polja na osnovu ablona dobijenih iz baze podataka. Ova tehnika koristi ablone koji su dobijeni tehnikom otkrivanja za poga anje novih vrednosti koje treba upisati. Sudska analiza je proces primene ablona radi dobijanja elemenata podataka koji su neuobiajeni, tj. koji su anomalije. Da bi se takvi elementi
nali, prvo se zadaju tani elementi, a zatim se u okviru baze podataka trae elementi koji odstupaju od zadatih. Svaki od ovih procesa se moe dalje klasifikovati. Naprimer, postoji nekoliko tipova otkrivanja ablona kao to su asocijacije, IF/THEN pravila itd. Proces data mininga se sastoji od dve faze: izrada modela i predvi anje buduih rezultata. Model je matematika formula koja objanjava uticaj ulaza na izlaz. Iterativnom obradom podataka ova formula se moe menjati i dovesti do tanog oblika, tj. oblika koji u potpunosti odraava uticaj ulaza na izlaz. Kada se model kreira, moe se iskoristiti za predvi anje buduih doga aja. Ovaj model se moe koristiti samostalno ili u sprezi sa tradicionalnim metodama analize, kao to su upiti nad skladitem podataka.
Prostori posmatranja
Pristup podacima i analiza podataka su razliiti aspekti podrke odluivanju i koriste se nad razliitim raunskim prostorima. Postoje etiri raunska prostora koji karakteriu procese podrke odluivanju: prostor podataka, prostor agregacija/OLAP, prostor uticaja, prostor varijacija. Operacije pristupa podacima, kao to su upiti i izvetaji, koriste se nad raunskim prostorom podataka, OLAP koristi viedimenzioni prostor agregacija, a data mining se koristi nad prostorom uticaja. Upiti koji se postavljaju nad ovim prostorima potpuno su razliiti. Na pitanje kao to je "ta utie na prodaju?" skoro je nemogue odgovoriti direktno iz prostora podataka. Tako e, ovi prostori su esto toliko veliki da se ne mogu unapred izraunati i sauvati, kao to je to sluaj sa prostorom podataka (naprimer, nemogue je unapred odrediti sve faktore uticaja unutar baze podataka). Prostor podataka sadri sve informacije iz ostalih raunskih prostora, ali u manjem obliku. Ostali prostori sadre manje infomacija od prostora podataka, ali su te informacije itljivije i pristupanije. Interesantno je to su ova etiri raunska prostora povezana sa etiri razliita matematika koncepta. U prostoru podataka, relacije koriste skupove i lanove. Struktura prostora agregacija je aritmetika. Prostor uticaja se odnosi na logiku. Struktura prostora varijacija koristi razliite oblike prorauna. esto
260
se spominje i peti prostor, koji se odnosi na geografske informacije. U ovom prostoru osnovu prestavljaju karte (mape). OLAP i prostor agregacija Za razliku od prostora podataka, u kome se uvaju sami elementi podataka, u prostoru agregacija se uvaju rezultati prorauna agregacija izvrenih nad podacima (naprimer, prosean broj godina svake osobe u Beogradu, ukupna prodaja po gradovima za dati proizvod itd.). Sama ideja viedimenzione baze podataka veoma je jednostavna: Uzeti u obzir niz dimenzija, kao to su PROIZVOD, PRODAVNICA, GRAD. Ove dimenzije su najee u vezi sa nenumerikim poljima u relacionim bazama podataka. Odrediti potreban broj mera, kao to su PRODAJA i POPUST. Mere su najee u vezi sa numerikim poljima relacionih baza podataka. Nai agregacije nad merama uzimajui u obzir dimenzije (naprimer, prosena mesena prodaja u svim gradovima) i sauvati ih za kasniju upotrebu. Prema tome, prostor agregacija sadri sve sumarne podatke izabranih prorauna koji su izvreni nad prostorom podataka. Nain na koji se ovi prorauni uvaju moe se posmatrati u vidu dimenzija i koordinata i time produbiti pojam viedimenzionalnosti. Pri kreiranju agregacija, esto je potrebno da se u prostor podataka dodaju jo neki podaci vezani za hijerarhije i periodina ponaanja (istoriju). Ovim se delimino izlazi iz okvira relacionih modela. Naprimer, relacioni modeli ignoriu prirodne hijerarhije tipa DRAVA, REGION, GRAD ili GODINA, POLUGODITE, MESEC. Dodavanjem ovih informacija obezbe uju su dodatne mogunosti za korisnika. Jedan od razloga zbog kojeg OLAP sistemi imaju krae vreme odziva na upit od relacionih modela jeste u tome to se kod OLAP sistema agregacije jednom izvravaju, a njihovi rezultati se uvaju za kasniju upotrebu. Prema tome, OLAP sistemi samo pristupaju unapred izraunatim podacima smetenim u prostor agregacija.
Data mining i prostor uticaja

Za razliku od prostora podataka i agregacija, priroda prostora uticaja je logika. Ovde se radi sa uticajima specifine grupe podataka na druge podatke. Ono to ovaj prostor ini interesantnim jeste to to su informacije koje se nalaze u njemu moda najkorisnije za samog korisnika, jer su one najee opte te se mogu smatrati "znanjem". Proces data mining se definie kao proces podrke odluivanju pomou kojeg se nalaze abloni informacija u podacima. Traenje ovih ablona moe vriti sam korisnik korienjem upita, to je teak i naporan posao, ili mu u
tome moe pomoi program koji automatski pretrauje bazu podataka i nalazi znaajne ablone. Ovaj postupak se naziva otkrivanje (discovery). Otkrivanje je proces u kome se trae skriveni abloni podataka u bazi podataka bez unapred odre ene ideje ili hipoteze o tome kako oni izgledaju. Drugim reima, program preuzima inicijativu u traenju interesantnih ablona, bez potrebe da korisnik mora da unapred misli o bitnim pitanjima. U velikim bazama podataka postoji puno ablona koje korisnik verovatno ne bi ni otkrio. Zato se ovaj raunski prostor razlikuje od ostalih prostora. Izlaz procesa otkrivanja esto se moe prikazati pravilima tipa ako-onda. Naprimer: IF 30 < Starost_Kupca < 42 AND Tip_Vozila = Kamion AND Broj_Dece < 2 THEN Popust = 5%
Proraunavanje izmena u prostoru varijacija

U prostoru varijacija se posmatraju izmene nastale u dimenzijama. Posmataju se ne samo izmene, ve i stopa izmena. Veza sa skladitem podataka Postavlja se pitanje veze izme u skladita podataka i data mininga. Kao i za skladite podataka, i za potrebe data mininga mora postojati jedinstven, odvojen, integrisan, konzistentan i "preien" izvor podataka. Prema tome, data mining alati mogu u potpunosti da koriste skladite podataka jer ono zadovoljava te potrebe. Cilj data mininga jeste da se na u abloni u podacima, ali je poeljno nalaziti samo one ablone koji su od znaaja za dati posao. S obzirom da data mining alati pretrauju sve podatke, potrebno je odrediti skup podataka nad kojima e oni da rade, tj. treba zadati upit nad bazom podataka. Poto je broj podataka najee veliki, vreme odziva takvog upita nad bazom podataka moe biti veliko. Me utim, mehanizam procesiranja upita u skladitima podataka obezbe uje da je vreme odziva na upit relativno kratko, te se za potrebe data mininga moe koristiti. Postoji jo jedan razlog zbog kojeg treba koristiti skladita podataka za potrebe data mininga. Rezultati data mininga mogu biti korisni samo ako postoji nain da se dalje istrauju otkriveni abloni u podacima. Upravo skladite podataka daje mogunost da se postavljaju nova pitanja samim izvorima podataka. Danas se radi na integraciji data mining alata sa skladitem podataka. Postoji vie razloga za ovu integraciju.
262
Prvo, kao to je ve reeno, data mining alati zahtevaju postojanje "preienih" i integrisanih podataka. Tradicionalni data mining alati bi iz tih razloga prvo izvrili transfer podataka (moda i stotine gigabajta) putem mree. Nakon zavrenog rada esto se javlja potreba za novim podacima, to bi znailo da bi se ceo proces transfera morao ponoviti. Pri ovome se neprestano moralo voditi rauna o zatiti podataka i grekama pri prenosu. Drugi razlog za integraciju data mining alata sa skladitem podataka jeste poboljani korisniki interfejs. Stariji data mining alati su zahtevali postojanje niza strunjaka da bi se postigli zadovoljavajui rezultati. Danas, svaki poznavalac SQL jezika moe koristiti mogunosti data mininga. Trei razlog za integraciju su performanse sistema i mogunost proirivanja koje obezbe uje skladite podataka, a koje su potrebne za data mining alate. Na sledeoj slici prikazan je tradicionalni i integrisani prilaz.
izvori podataka server strana skladite podataka i data mining alati
mrea
ODBC SQL
ogranieni i specijalizovani alati
ODBC data mining alati
klijent strana
bilo koji alat
nestandardni interfejsi
a) tradicionalni prilaz
b) integrisani prilaz
Slika 12.39. Prikaz tradicionalnog i integrisanog prikaza
Jedan od naina da se ostvari integracija jeste da se kreiraju modeli koji se u bazama podataka predstavljaju tabelama. Na ovaj nain se ovim modelima moe pristupati upotrebom SQL naredbi. Nakon kreiranja ovih tabela, u njih treba smestiti podatke koje e data mining alati da pretrauju. Obradom podataka, data mining alati e kreirati nove tabele u kojima e smetati rezultate i koji se mogu pregledati kao i sve ostale tabele (korienjem SQL naredbi).
OLAP i Data mining

OLAP i data mining su integralni delovi svakog procesa podrke
odluivanju. Ipak, sve do danas, veina OLAP sistema je teila samo da obezbedi pristup viedimenzionim podacima, dok su data mining sistemi analizirali uticaje podataka u okviru jedne dimenzije. Ovde e biti rei o tome da OLAP i data mining ne bi trebalo razmatrati kao odvojene procese ve da ih treba u potpunosti spojiti. Korienjem OLAP pristupa, korisnik postavlja pitanja tipa "Koje su prodaje po gradovima i po mesecima?" i sistem daje odgovor. Ipak, sam pristup nije dovoljan, s obzirom da se na taj nain dobija samo prikaz podacima koji se nalaze u skladitu podataka. Korisniku je potrebno da pretrauje podatke po vie dimenzija ne bi li naao razliite ablone podataka koji postoje u OLAP prostoru (naprimer, kako na profit utiu dimenzije GRAD i VREME). Prema tome, OLAP sistemi se moraju fokusirati ne samo na pristup podacima, ve i na proces otkrivanja. Tako e, sistemi za podrku odluivanju moraju uzeti u obzir i data mining. Ustvari, OLAP i data mining se moraju koristiti zajedno da bi se izbegli netani rezultati jer, za razliku od transakcionih sistema, u kojima greke dizajniranja mogu da smanje performanse sistema i mogu se relativno brzo otkriti, greke koje se naine u sistemima za podrku odluivanju se, najee, ne mogu uvideti za dui vremenski period. U stvari, OLAP mining se koristi nad hibridnim prostorom formiranim od prostora podataka, agregacija i uticaja. OLAP mining pristupa prostoru podataka i prostoru agregacija putem SQL-a i OLAP-a. Komponente OLAP data mininga su: relaciona baza podataka koja sadri granularne podatke (ne mora biti skladite podataka), OLAP koji obezbe uje brz pristup sumarnim podacima izme u vie dimenzija, viedimenzioni proces otkrivanja koji e vriti otkrivanje izme u dimenzija i spajati rezultate. Obrazloenje za OLAP data mining Zato je uopte potrebno da se obraa panja na hibridni prostor? Zato ne napraviti veliku datoteku u kojoj e se uvati svi podaci i po kojoj se pretrauje jer se, uostalom, svi podaci tu nalaze? Ili, zato ne bismo samo pretaivali relacione baze podataka, bez OLAP alata koji samo komplikuju stvar? Odgovor na ova i slina pitanja je jednostavan. Bez upotrebe OLAP data mininga, mogue je izostaviti kljune informacije ili se mogu dobiti netani rezultati, kao to e biti pokazano. Da bi se ovo najbolje shvatilo, najlake je dati primer u kome e se prikazati kako se mogu doneti pogreni zakljuci ako korisnik nije paljiv pri pretraivanju po vie dimenzija. Tako e, prikazae se kako obina datoteka nije
264
pogodna za viedimenzioni data mining. Razmotrimo podatke o prodaji date u tabeli 1A.
Tabela 1A Proizvod Boja proizvoda Plava Plava Plava Zelena Zelena Zelena Zelena Plava Zelena Cena proizvoda 200 200 200 70 70 70 50 50 50 Prodavnica Veliina prodavnice 1000 5000 9000 1000 5000 9000 1000 5000 9000 Profit
Jakna Jakna Jakna Kapa Kapa Kapa Rukavica Rukavica Rukavica
S1 S2 S3 S1 S2 S3 S1 S2 S3
-200 -100 7000 300 -1000 -100 2000 -300 -200
Cilj procesa data mining je da se na u abloni uticaja. Naprimer, kako boja proizvoda ili veliina prodavnice utiu na profit. Da bismo malo uprostili stvari, posmatraemo samo ablone koji nam govore kada su profiti pozitivni, a kada su negativni. Ako korisnik nije paljiv, ova tabela se moe analizirati bilo kojom od metoda za detekciju uticaja, kao to su stabla odluivanja, jednostavna pravila itd. Sve ove metode su dizajnirane tako da nalaze slinosti. S obzirom da one mere slinosti, one su nepogodne za traenje uticaja u prostoru agregacija. Bilo koja od ovih metoda e na osnovu podataka iz tabele 1A rei sledee: Pouzdanost = 75% IF Boja Proizvoda = Plava THEN Unosan = NE Pouzdanost = 100% IF Veliina Prodavnice > 5000 AND Boja Proizvoda = Plava THEN Unosan = DA Ova na prvi pogled deluje dobro jer se iz ovoga moe zakljuiti da je jedino potrebno da se svi proizvodi plave boje prodaju u velikim prodavnicama.
Ali, ovo nam ne govori o veliini profita. Pogledajmo sada tabelu 1B, u kojoj se samo trea vrednost profita izmenila.
Tabela 1B Proizvod Boja proizvoda Plava Plava Plava Zelena Zelena Zelena Zelena Plava Zelena Cena proizvoda 200 200 200 70 70 70 50 50 50 Prodavnica Veliina prodavnice 1000 5000 9000 1000 5000 9000 1000 5000 9000 Profit
Jakna Jakna Jakna Kapa Kapa Kapa Rukavica Rukavica Rukavica
S1 S2 S3 S1 S2 S3 S1 S2 S3
-200 -100 100 300 -1000 -100 2000 -300 -200
Dva gornja pravila su tako e istinita i za tabelu 1B. Drugim reima, tabele 1A i 1B, sa stanovita slinosti, daju iste ablone. Ali, ako se posmatra sa stanovita agregacija, to nije tano (rezultati agregacija su prikazani u tabelama 2A i 2B).
Boja Proizvoda Plava Zelena Tabela 2A Profit 6400 1000 Boja Proizvoda Plava Zelena Tabela 2B Profit -500 1000
Prema tome, same slinosti nisu dovoljne. Moraju se uzeti u obzir i agregacije. Ali, pre nego to zakljuimo da su proizvodi plave boje odlini, razmotrimo tabele 3A i 3B koje su agregacije tabela 1A i 1B.
Tabela 3A Tabela 3B
Proizvod Jakna Kapa Rukavica Rukavica
Boja proizvoda Plava Zelena Plava Zelena
Profit 6700 -800 -300 1800
Proizvod Jakna Kapa Rukavica Rukavica
Boja proizvoda Plava Zelena Plava Zelena
Profit -200 -800 -300 1800
U ovom sluaju, tabela 3A nam daje sledee:
266
Pouzdanost = 50% IF Boja Proizvoda = Plava THEN Unosan = NE Tabela 3B daje sledei zakljuak: Pouzdanost = 100% IF Boja Proizvoda = Plava THEN Unosan = NE Podsetimo se da su ova pravila, primenjena nad tabelama 1A i 1B, bila ista, ali u OLAP prostoru ova slinost u ponaanju poinje da nestaje. Da li ovo uopte ima smisla za samu tabelu 1A? Ustvari, analiza moe biti sloenija nego to na prvi pogled deluje. Ako se pogledaju dve agregacije tabele 1A koje su date u tabelama 4A i 5A, uoie se novi podaci. Iz tabele 1A se vidi da je profit za jakne negativan (dva od tri puta se ustvari gubi novac), a ako se pogleda tabela 4A, rad sa jaknama izgleda kao unosan posao. Na slian nain, iz tabele 1A se moe videti da se u pet od est sluajeva prodavnica ija je veliina vea od 1000 gubi novac, dok se to ne moe zakljuiti ako se pogleda tabela 5A.
Tabela 4A Proizvod Profit Tabela 5A Prodavnica Veliina prodavnice 1000 5000 9000 Profit
Jakna Kapa Rukavica
6700 -800 1500
S1 S2 S3
2100 -1400 6700
Prema tome, mnogi izrazi koji se generiu iz razliitih pogleda ne moraju znaiti ono to korisnik i oekuje jer se odnose na to da li je proizvod unosan, a ne na prave vrednosti. A takvi izrazi najee ne ukljuuju dimenzije, iako bi trebalo. Tako e, ovaj primer pokazuje zato i OLAP prilaz moe biti pogrean. Korisnik moe samo da pogleda tabelu 2A, da na osnovu nje zakljui da su svi proizvodi plave boje unosni i da na osnovu toga donese odluku da u svaku prodavnicu stavi samo te proizvode. Drugi OLAP korisnik moe na osnovu tabele 5A da zakljui da su jakne unosan posao, te da ih zbog toga treba stavljati u svaku prodavnicu. Ustvari, plave jakne iz velikih prodavnica su proizvodi koji doprinose profitu, ali OLAP korisnici e to teko moi da uvide. Veina OLAP korisnika i nema dovoljno vremena na raspolaganju da analizira sve relevantne scenarije, te zbog toga mogu dobijati pogrene razultate. Pravo reenje ovog problema jeste korienje OLAP data mining sistema, koji pretrauju podatke po vie dimenzija i koji su "svesni" ablona koji postoje izme u ovih dimenzija, spajaju ih i rade zajedno sa korisnikom. Takvi alati
mogu dati informacije kao to su: "Proizvodi plave boje su u proseku unosni, ali veina profita dolazi od jakni koje se prodaju u veim prodavnicama." "Proizvodi zelene boje su tako e unosni, ali ako se prodaju u malim prodavnicma." Ovo je jedino mogue ako se kombinuju proraunavanja slinosti sa agregacijama. Ne postoji drugi nain da se izbegne konfuzija. Drugim reima, im se prihvati injenica da su podaci ionako viedimenzioni, onda nema smisla da se podaci prouavaju po jednoj od dimenzija.
Algebra viedimenzionih objekata

Osnovni koncept je da se sa objektima manipulie u viedimenzionom prostoru ili u prostoru uticaja. Prikazivanje ovih elemenata kao objekata olakava rad sa dimenzijama i atributima. Osnovna jedinica viedimenzionog prostora je kocka, kao to je osnovna jedinica u relacionom svetu tabela. Kocke imaju atribute, kao to relacije imaju kolone. Osnovni koncepti su: klase ili osnovne dimenzije, atributi, objekti ili primerci (instance), hijerarhije, vrednosti atributa, mere. Osnovna dimenzija je klasa, kao to su PROIZVOD, PRODAVNICA, KUPAC itd. Svaka klasa/dimenzija moe imati niz atributa (naprimer, dimenzija KUPAC moe imati atribute STAROST, PRIHODI itd.; dimenzija PRODAVNICA moe imati atribute VELIINA, LANAC itd.; dimenzija PROIZVOD moe imati atribute CENA, BOJA, KATEGORIJA itd.). Svaka dimenzija ima objekte ili elemente kao primerke (naprimer, dimenzija KUPAC moe imati objekte "Petar Petrovi" i "Marko Markovi"; dimenzija PROIZVOD moe imati objekte kao to su "Kape" i "Jakne"). Svaki atribut objekta ima vrednost (naprimer, "Petar Petrovi" ima 26 godina, cena "Kape" je 75). Hijerarhijske osobine se mogu prikazati u okviru dimenzija i atributa. Naprimer, klasa TIP moe biti roditeljska klasa klasi PROIZVOD. Tada vrednost atributa klase TIP nasle uje i klasa PROIZVOD, kao to je to sluaj u objektnom svetu. Ipak, mora se naglasiti da se sva proraunavanja mogu vriti nad tipovima proizvoda kao da su oni sami klase za sebe. Na slian nain, prodavnice se grupiu po zonama, gradovi po dravama, drave po regionima itd. Koncept GRAD, DRAVA, REGION naziva se hijerarhija.
268
Mere su prorauni izvreni nad prostorom kojeg formira dimenzija (naprimer, PRODAJA, PROFIT, MARGINE itd.). One su najee numerika izraunavanja, dok ostali atributi mogu biti numeriki, ali i nenumeriki. Svaka kocka predstavlja agregaciju izraunavanja nad skupom dimenzija (naprimer, suma svih prodaja za sve proizvode u svim prodavnicama, suma svih prodaja za sve proizvode u jednoj prodavnici itd.). Taka kocke se naziva koordinata ili primerak (naprimer, prodaja za jakne u prodavnici S1). Vrednosti svih mera se izraunavaju na osnovu kocke (naprimer, "prodavnice po dravama" daju niz drava sa vrednostima za prodaju). Algebra za kocku obezbe uje operacije koje se mogu primeniti nad njom, isto kao to relaciona algebra obezbe uje operacije za rad sa tabelama. Moe se izvriti projekcija kocke. Projekcije vre agregacije nad dimenzijom (naprimer, ako postoji "prodaja po dravama i po mesecima" i ako se izvri projekcija po mesecima, dobie se samo prodaja po dravama). Selekcija je krajnje jednostavna. Naprimer, ako postoji "prodaja po dravama i po mesecima", selekcija se moe izvriti sa "WHERE DRAVA = Jugoslavija". Ono to je vie interesantno jeste da su potrebne i operacije za rad sa unutranjou kocke (naprimer, moe se raditi sa "prodajom po dravama i po mesecima" i sa "trokovima po dravama i po mesecima" da bi se dobio "profit po dravama i po mesecima").
Put od kocke do domena uticaja

Domen uticaja je logiki ekvivalent kocke u viedimenzionom prostoru. Dok nam kocka daje podatke o agregacijama, domen uticaja nam govori o implikacijama. Kao i kocka, i domen uticaja ima atribute i vrednosti, ali domen uticaja daje faktore pouzdanosti, a ne samo sume brojeva kao to je prodaja (naprimer, koja je pouzdanost da boja proizvoda utie na profit). Pouzdanost se najee izraava u procentima od 0 do 100%. Domen uticaja je, u stvari, funkcija preslikavanja intervala parova u kocki i mere u linearnu meru pouzdanosti. Veina algoritama za stabla odluivanja, neuralne mree itd. ne snalaze se sa viedimenzionalnou zbog sledeih razloga: koreni tih algoritama lee u teoriji verovatnoe i statistike, te oni proraunavaju mogunosti, a ne agregacije, rade sa jednom tabelom u datom trenutku, umesto sa svim dimenzijama, brojne vrednosti moraju da podele na specifine intervale te time promauju ablone izme u vie dimenzija. Prema tome, rad sa domenom uticaja zahteva novu teoriju, nove strukture podataka i algoritme. Danas, veina korisnika vidi OLAP odvojen od relacionog prostora.
Mora se uoiti da je domen uticaja razliit od OLAP-a, kao to je OLAP razliit od relacionog prostora. U sledeoj tabeli prikazano je kako svaki raunski prostor zahteva razliit prilaz.
Tabela
Teorija/Metoda Relacioni OLAP Data mining
Osnovna jedinica relaciona algebra OLAP algebra algebra uticaja
Struktura podataka relacija kocka domen uticaja trei normalni oblik eme zvezde rotacione eme
im se prihvati injenica da je domen uticaja razliit od kocke, trebalo bi da postane jasno da same eme zvezda ne mogu da poslue za data mining jer one ne mogu da reprezentuju domen uticaja. One su namenjene za rad sa agregacijama, a ne za analizu uticaja. One odlino rade sa OLAP alatima, ali ne i sa OLAP data miningom. eme zvezda se moraju proiriti da bi se podrao rad sa domenom uticaja. Prvo treba uoiti da je veliina domena uticaja najee vea od same kocke nad kojom je domen i nastao. A sami prostori smeteni u kocki mogu biti veliki. Proraun uticaja se mora vriti nad emama koje mogu da smeste vie agregacija nego to to mogu eme zvezda (bilo bi previe skupo da se proraun stalno ponovo vri). Za vreme analize uticaja, potrebno je da se fokusira na neku tabelu dimenzije (naprimer, PROIZVOD ili PRODAVNICA) u okviru zvezde, a onda su nam za svaku od dimenzija potrebni jo neki podaci koji se nalaze u zvezdi. Moe se zamisliti da se za vreme analize fokus premeta u smeru kazaljke na satu sa prodavca na prodavnicu, a onda na proizvod itd. U svakom trenutku tog premetanja, potrebno je da se izvri obogaivanje fokusirane dimenzione tabele dodatnim odabranim podacima ili agregacijama. S obzirom da se ini da taj fokus rotira unutar zvezde, uveden je termin rotacione eme da bi se naznaile ovakve strukture. Tabela rotacione eme sadri pet osnovnih delova: fokusirana dimenzija (naprimer, KUPAC), mera koja je proraunata za fokus (naprimer, PROFIT), interni atributi (naprimer, STAROST KUPCA), spoljni atributi (naprimer, omiljena boja proizvoda za datog kupca), nefokusirane mere (naprimer, prosean broj proizvoda koji kupac uzima). Za vreme procesa OLAP otkrivanja, fokus neprestano rotira izme u razliitih dimenzionih tabela, dok se prelazi hibridni prostor da bi se izvrila
270
analiza uticaja. Sada se postavlja pitanje da li rotacione eme treba koristiti u skladitima podataka. Odgovor je: ne. Njih treba koristiti samo u sistemima tipa data mining. One su pogodne za prostor uticaja, ali ne i za prostor podataka.
Otkrivanje obrazaca u korienju Weba

Tehnike za otkrivanje obrazaca u Web miningu potrebne su jer se korisnici suoavaju sa problemima vezanim za pronalaenje odgovarajuih informacija (mala preciznost i spor odziv), nemogunost kreiranja novog znanja na osnovu raspoloivih informacija na Webu, razliita reagovanja na sadraje i prezentacije podataka na Webu i otkrivanje potreba kupaca ili pojedinanih korisnika. Web mining otkriva znaajne poslovne trendove i veze pomou integracije Internet i intranet poslovnih informacija i drugih poslovnih podataka. Web mining tehnike mogu biti koriene u reavanju problema prevelike koliine informacija, bilo direktno, bilo indirektno.
Znaaj efikasnog poslovanja na Webu

Internet je najznaajnija tehnologija koju je svet ikada video, i predstavlja ogroman potencijal za revoluciju poslovanja i marketing tehnika. Prvi korak koji treba da se preduzme jeste da bolje razumete ko poseuje Va sajt i kako ga koristi. Ova informacija omoguava donoenje boljih poslovnih odluka, usmeravanjem marketinga prema najboljim potroaima. WM istraivanja su konvergirajua oblast koja se sastoji od nekoliko istraivakih celina, kao to su baze podataka, otkrivanje informacija (Information Retrieval, IR), ekstrakcija informacija (Information Extraction, IE), mainsko uenje (Machine Learning, ML) i procesiranje prirodnog jezika (NLP). Ali, poto je WM ogromna, interdisciplinarna i veoma dinamina oblast istraivanja, nesumnjivo postoji i mnogo propusta u ovoj oblasti. Na Web sajtovima se stvaraju ogromne koliine informacija, od kojih su mnoge veoma korisne. Me utim, stvarna mo i znaaj ovih informacija dolazi do izraaja tek kada se one poveu sa drugim bazama podataka, kao to su automatizovani sistemi o kupcima, sistemi izvetavanja i istraivaki sistemi. Kljuni problem je u povezivanju podataka, poto obino postoji veliki broj razliitih sistema, posebno razliitih baza podataka. Upravo u ovoj oblasti Web mining tehnike mogu dati veliki doprinos. Web mining sistem moe integrisati sve raspoloive izvore podataka, bez obzira na oblik baza podataka u kojima se nalaze. Poto se informacije menjaju svakoga minuta, neke od povezanih baza podataka mogu biti veliine stotinu gigabajta, to za Web mining sistem ne
predstavlja tekou, jer se unutar njega podaci prvo preiste i filtriraju, a zatim i koriste za neophodne analize. Integracijom razliitih izvora podataka o kupcima i poslovanju, Web mining pomae u davanju odgovora na kritina pitanja za poslovanje.
ta je Web mining?
Web mining predstavlja korienje data mining (DM) tehnika za automatsko otkrivanje i ekstrakciju korisnih informacija iz Web dokumenata. WM izvodi sledee podzadatke: pronalaenje resursa: ovaj zadatak obuhvata nalaenje zahtevanih Web dokumenata; selekcija informacija i pretprocesiranje: obuhvata automatsku selekciju i pretprocesiranje specifinih informacija iz zahtevanih Web dokumenata; generalizacija: obuhvata automatsko otkrivanje zajednikih obrazaca na pojedinanim Web sajtovima; analize: obuhvata validaciju i/ili interpretaciju otkrivenih obrazaca. Pod pronalaenjem resursa se podrazumeva proces otkrivanja podataka, bilo online ili offline, iz tekstualnih izvora raspoloivih na Webu, kao to su: elektronska pisma, elektronski telegrami, razni tekstualni sadraji HTML dokumenata. Ovde treba ukljuiti i tekstualne izvore kojima se, generalno, ne moe pristupiti na WWW-u, ali su pristupani kao online tekstovi napravljeni jedino za istraivake svrhe, tekstualne baze podataka itd. Selekcija informacija i pretprocesiranje predstavljaju obiman korak bilo kog procesa transformacije izvornih odataka otkrivenih u IR procesu (procesu otkrivanja informacija). Ove transformacije mogu biti bilo koji vid pretprocesiranja koji je ranije pominjan, ili ciljno procesiranje radi dobijanja eljenih oblika podataka. Za generalizaciju se obino koriste tehnike mainskog uenja, ili DM tehnike. Treba napomenuti da ljudi igraju veoma vanu ulogu u procesu otkrivanja znanja ili informacija na Webu, poto je Web jedan vrlo interaktivan medijum. Ovo je veoma vano za validaciju i/ili interpretaciju. Zbog toga je interaktivno, upitno-orijentisano otkrivanje znanja na Webu mnogo vanije od automatizovanog otkrivanja znanja na osnovu podataka. Web mining obuhvata celokupan proces otkrivanja potencijalno korisnih i prethodno nepoznatih informacija, ili znanja, iz podataka na Webu.
272
Pitanja:
1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18. 19. 20. 21. 22. 23. 24. 25. 26. 27. 28. 29. 30. 31. 32. 33. 34. 35. 36. 37. 38. 39. ta je to Logika organizacija podataka? ta je to Fizika organizacija podataka? ta je to Enitet roditelj (Entity Parent): ta je to Entitet dete (Entity Child): ta je to Entitet (Entity): ta je to Atribut (Attribute): ta je to nezavisni entiteti ta je to zavisni entiteti ta je to identifikujua veza, ta je to neidentifikujua veza, Kako se predstavlja identifikujua veza? Kako se predstavlja neidentifikujua veza? ta je to integritet domena? ta je to integritet entiteta? ta je to referencijalni integritet? ta je to autoreferencijalni integritet? ta je to Domen (Domain): ta je to Egzistencijalna zavisnost (Existence Dependency): ta je to Identifikator zavisnosti (Identifier Dependency): ta je to Ime uloge (Role Name): ta je to Klju, Opcioni (Key, Alternate): ta je to Klju, Preneseni (Key, Foreign): ta je to Klju, Primarni (Key, Primary): ta je to Klju, Sloeni (Key, Composite): ta je to Ogranienje egzistencije (Constraint, Existence): ta je to Ogranienje kardinalnosti (Constraint, Cardinality): ta je to Zero , One or More ? ta je to One or More? ta je to Zero or One? ta je to Tano n - gde je n broj ta je to TOTALNO uese, ta je to PARCIJALNO (delimino) uee, ta je to Operacija Ubacivanje (insert)? ta je to Operacija Izmena (replace) ? ta je to Operacija Brisanje (delete)? ta je to Akcija RESTRICT, ta je to Akcija CASCADE? ta je to Akcija SET DEFAULT? ta je to Akcija SET NULL ?
40. 41. 42. 43. 44. 45. 46. 47. 48. 49.
50. 51. 52. 53. 54.
55.
56. 57. 58. 59. 60. 61. 62. 63. 64. 65. 66.
274
ta je to Akcija NO ACTION? ta je to Server BP? ta je to Aplikacija klijent? ta je to Traenje? ta je to Pretraivanje? ta je to Izdvajanje? ta je to Skladitenje? ta je to Ponovno pristupanje Treba selektovati kolone: Sifrar, Prezime, Ime, Plata, Sifrao iz tabele RADNIK za odeljenje 30 operatorom pore enja "=": Selektujte kolone: Sifrar, Prezime, Ime, Plata, Sifrao tabele RADNIK koji NE rade u odeljenju 30, (operatorom negacije NOT i operatorom pore|enja "="): Treba prikazati listu svih zaposlenih Radnika, ija je plata u rasponu 12000 i 14000. Prikazi spisak svih radnika koji imaju "U" kao drugo slovo u prezimenu. Prikazi lista PREZIME, SIFRARM, PLATA gde je SIFRARM = '03', i PLATA via od 28000 dinara. Treba izlistati prezime, platu, stimulaciju i sumu plate i stimulacije za sve Radnike sa SIFRARM= '02'. Treba prikazati radno mesto, srednju aritmetiku vrednost plate i broj radnika ija je plata vea od 25000 i izvriti grupisanje po SIFRARM. Selektovati PREZIME iz tabele RADNIK i MESTO iz tabele ODELJENJE tj. u kom mestu radnik sa imenom ALAGIC. Tabele: RADNIK i ODELJENJE imaju zajedniku kolonu koja sadri broj odeljenja (SIFRAO). ta su to Transakcione baze podataka (Operational or Transaction Database): baze podataka? ta je to On-line Analytical Processing (OLAP)? Koje su osnovne razlike izme u OLTP i OLAP? Koje osnovne delove sadri tabela relacone eme? ta je skladite podataka? Koje su osnovne razlike izme u trasancionih sistema i skladita podataka? Koje su osnovne aktivnosti u procesu razvoja baza podataka? ta podrazumeva ekstrakcija podataka? ta je MOLAP? ta je ROLAP? ta je HOLAP?
67. 68. 69. 70. 71.
ta je Data mining? Koji su osnovni koraci u izradi Data mininga? Kako se dele korisnici Data mininga? Koje su osnovne razlike izme u OLTP, OLAP i skladita podataka? ta je Web mining?
13. MIS U E-COMMERCE OKRUENJU

Osnovni oblici elektronskog poslovanja vezani su za: internu upotrebu primena Intraneta, Extraneta (mrea poslovnih partnera nastala objedinjavanjem korporacijskih intranetova), Business to Employee B2E (plate, odmori, bolovanja, odsustva, utroak radnog vremena). Business to Business (B2B) potpuno automatizovani sistem koji je podran E-Commerce i ekstranetom i omoguuje trgovinu izme u firmi preko Interneta, sa nizom prateih aktivnosti. Business to Consumer (B2C) se odnosi na mnogo iri deo privrede: online bankarstvo, turizam i saobraaj, online aukcije, zdravstvene informacije, nekretnine. Za razliku od B2B sistema, koji je sloeniji jer firme obino ele da pregovaraju o cenama, rokovima isporuke, strukturi proizvoda, garanciji, tehnikoj i materijalnoj podrci, B2C trgovina zasniva se, najee, na izboru proizvoda iz kataloga sa predefinisanim cenama od strane kupca. B2B sistemi zahtevaju integraciju informacionih sistema firmi koje me usobno posluju, dok B2C sistemi ne zahtevaju takvu integraciju (arhitektura sistema "obinih kupaca" moe se najee ignorisati). Electronic Commerce (EC), u prevodu elektronska trgovina, jeste poznati komunikacioni koncept vezan za trgovinu proizvodima, uslugama i informacijama pomou kompjuterskih mrea, ukljuujui i Internet. Elektronska trgovina je moderna poslovna metodologija koja organizacijama, trgovcima i kupcima omoguuje smanjenje trokova, uz unapre enje kvaliteta roba i usluga i poveanje brzine njihove isporuke. Broj elektronskih transfera raste vie od 15% godinje, to je skoro tri puta vie od ukupnog godinjeg porasta poslovnih transakcija. Primena elektronske trgovine je poela jo sedamdesetih godina, ali je uglavnom bila ograniena na velike korporacije i veoma mali broj korisnika. Komercijalizacijom Interneta, primena elektronskog poslovanja je rapidno porasla. U poslednjih pet godina su se pojavile mnoge inovativne primene ove tehnologije, kao to su oglaavanja, aukcije i druga iskustva virtuelne realnosti. EC primene mogu biti business-to-customer ili business-to-business
276
orijentisane.
13.1. BUSINESS-TO-CUSTOMER
Potroaki orijentisana, business-to-customer pokriva veliki broj aktivnosti koje se odvijaju na relaciji izme u poslovanja i kupca. Ove aktivnosti odvijaju se u etiri faze: Tranja. U ovoj fazi, EC pomae komitentu da determinie svoje potrebe putem fotografija proizvoda, video prezentacija, tekstualnih opisa, download demonstracionih fajlova i drugog. Nabavka. EC pomae kupcu da nabavi proizvod ili uslugu, omoguavajui on-line popunjavanje narudbenice, posredovanje, zatvaranje prodaje i isporuku. Posredovanje. EC podrava korisnika u ovoj fazi putem interaktivnih on-line korisnikih grupa, on-line tehnike podrke, frekventnog postavljanja pitanja, resursnih biblioteka i drugog. Povlaenje. Povlaenje usluge ili proizvoda od strane klijenta EC obezbe uje pomou on-line rasprodaje ili malih oglasa. Osnovne primene EC tehnologije potroake orijentacije su u sledeim oblastima: oglaavanje, marketing i trgovina, trite i istraivanje proizvoda, podrka kupcima, prodajni katalozi, aukcije, trgovina hartijama od vrednosti, trite zapoljavanja i elektronski shopping prostor (Cyber Marketplace).
13.2. BUSINESS-TO-BUSINESS
Business-to-business orijentisana EC pokriva skup komunikacionih aktivnosti izme u kompanija i/ili korporacija. Moe se rei da je ova vrsta elektronskog poslovanja izazvala fundamentalne transformacije sistema poslovanja. Internet je omoguio sledee tri prednosti u me ukorporacijskoj trgovini: distribuciju informacija svim partnerima, interfejs za EDI sistem, veliku propusnu mo informacija izme u kompanija bez namenskih privatnih linija. Me utim, ova vrsta EC je bila zastupljena i pre popularizacije Interneta, a zasnivala se na Electronic Data Interchange (EDI) sistemu. esto se pojam business-to-business elektronskog poslovanja pogreno poistoveuje sa EDI. EDI je princip, odnosno metod, koji se primenjuje i u drugim delatnostima. To to je trgovina delatnost na koju je on skoro prvo primenjen
dovodi esto do zabune i poistoveivanja ova dva termina. Istovremeno, EC se ne iscrpljuje samo u EDI reimu. Pod EC se, pored ovog, podrazumeva i prenos podataka (dokumenata) putem sistema elektronske pote, faks sistema, teleks sistema, sistema razmene kompjuterskih fajlova i crtea, bar kod sistema i dr.
Standardi za E-Commerce transakcije

Osnovni standardi koji su vezani za elektronsko poslovanje su Electronic Data Interchange (EDI) i Extensible Markup Language (XML). XML/EDI je sinteza vie koncepata. XML/EDI: koristi XML protokol za "data interchange modelling" sloj; koristi XML protokol za "prezentacioni" sloj; moe se integrisati sa tradicionalnim EDI metodama; moe koristiti sve standardne transportne mehanizme Interneta, kao to su IP, HTTP, FTP i SMTP; za prikaz dokumenata koristi moderne programske alate, kao to su Java i ActiveX; koristi agent tehnologije za manipulaciju podacima, parsiranje, mapiranje, traenje... Electronic Data Interchange (EDI) EDI, u prevodu sistem elektronske razmene podataka, definie se kao "kretanje poslovnih podataka elektronskim putem izme u ili u okviru firme u strukturiranom, kompjuterski obradivom formatu podataka, koji omoguava da podaci budu transferovani, bez ponovnog unosa, sa poslovne aplikacije koja je kompjuterski podrana na jednoj lokaciji u poslovnu aplikaciju podranu na drugoj lokaciji." [ ] EDI ne predstavlja standard, ve princip korienja raunarskih komunikacija u poslovanju, tj. podrazumeva automatsku razmenu poslovnih podataka u standardizovanom elektronskom formatu izme u aplikacija (proces to proces) posredstvom raunarske mree. Osnovna karakteristika klasinog EDI-ja je standardizacija na nivou razmene dokumenta. UN/Ekonomska Komisija za Evropu poela je da se bavi olakicama u trgovini i 1986. godine donela je odluku da se razmenjuju dokumenti iji je sadraj po svetskim UN/EDIFACT standardima (u transportu, avio prevozu, bankarstvu gde se EDI koristi). Cilj ovog oblika primene EDI-ja je da napravi standardizaciju na nivou obrade dokumenata, u kontekstu obavljanja posla, pre nego na nivou razmene dokumenata. Slino e-mail-u, EDI omoguava slanje i prijem poruka izme u kompjutera povezanih komunikacionim linkom. Me utim, EDI se od obine elektronske pote razlikuje po specifinim karakteristikama to:
278
Prvo, poruke u EDI transferu su poslovne transakcije, ili preciznije reeno dokumenti o tim transakcijama, kao to su narudbenice, otpremnice, fakture, ponude i drugo. Drugo, podaci koji se prenose moraju biti formatirani u skladu sa propisanim standardima. U USA i Kanadi ti standardi su poznati pod imenom ANSI X.12. Poznati internacionalni standard je EDIFACT, koji u sutini predstavlja opti skup sintaksnih pravila koja definiu strukturu poslovne transakcije (dokumenta) koji se prenosi. Tree, podaci se konvertuju u standardni format uz pomo specijalnih EDI translatera (prevodioca). Ulaz ovog translacionog softvera predstavljaju podaci (dokumenti) generisani od strane aplikacija informacionog sistema. Ovi podaci se najpre konvertuju u oblik koji je povoljan za formatizovanje, a zatim se strukturiraju prema sintaksnim pravilima EDI standarda. Extensible Markup Language (XML) XML (eXtensible Markup Language) je jezik za opis struktuiranih dokumenata razvijen kao temelj nove generacije Web aplikacija za rad sa podacima. XML je podskup SGML-a (Structured Generalized Markup Language) optimizovan za korienje u Web tehnologijama. XML omoguava definisanje dokumenta proizvoljne strukture, tj. XML je metod za smetanje struktuiranih podataka u tekstualni fajl. Ono to ga ini monim jeste da se moe koristiti za razvoj novih jezika. XML moe sadrati obian tekst, vektorsku grafiku, zapise podataka (npr: tablica, rezultat upita...) i meta podatke (npr. CDF). Internet tehnologije su "izmenile svet". Poelo se sa uspostavljanjem TCP/IP protokola i razvoja FTP-a, e-mail-a, Gopher-a, ime se omoguilo povezivanje na Internetu. Nastavilo se sa mogunou predstavljanja na Internetu korienjem HTML-a. Korienjem XML omoguuje se programiranje na Internetu. Informacije na mrei koja spaja milione raunara moraju biti upotrebljive na svakom raunaru, bez obzira na tip raunara, operativnog sistema ili aplikacije koje koristi. Nove aplikacije zahtevaju robusniju i fleksibilniju infrastrukturu koja e WEB pretvoriti u globalni sistem za upravljanje podacima. XML ne pripada nikome, ne zavisi od platforme i dobro je podran. XML odvaja podatke od prezentacije i procesiranja, tj. to je metod za smetanje struktuiranih podataka u tekstualni fajl. Odvajanje podataka poboljava integraciju podataka iz razliitih izvora. XML nije proirenje HTML-a jer je HTML orjentisan na prezentaciju, a XML je opis podataka. HTML, ustvari, opisuje sadraj Web stranice (uglavnom tekst i slike) samo u smislu kako treba da bude prikazana i kako se sa njom moe vriti interakcija. XML opisuje sadraj u smislu koji se podaci opisuju. XML fajl moe biti
obra en kao podatak, ili moe biti skladiten u drugom kompjuteru ili, kao HTML fajl, moe biti prikazan. Kod XML-a postoji mogunost uvo enja i samodefinisanja novih znakovnih simbola u procesu kreiranja strukture dokumenta.
Dokument Atributi vorovi
Specifikacija (vred.vorova) vred. vorova)
XML se prevodi u stukturu stabla-vorovi stabla sadre stablasadr podatake
Slika 8.1. XML-ov model podataka
U sledeoj tabeli prikazan je primer sintakse XML koda.

Grafiki prikaz XML koda
tip vozilo cena godina auto 2001
XML kod < vozilo tip="auto" godina="2001""> <proizvodjac>Opel</proizvodjac> <model>Astra</model> <cena/> </vozilo>
proizvodjac
model
Opel
Astra
XML omoguuje integraciju podataka iz razliitih izvora, odnosno njihovo lako kombinovanje. Ako se na WEB serveru ostvari integracija podataka iz pozadinskih baza ili aplikacija i dozvoli pristup, XML podaci su dostupni klijentima ili drugim serverima za dalju obradu. Microsoftov proizvod BizTalk Server 2000 ima implementiranu mogunost integracije podataka bazirane na XML-u i poseduje alate za kreiranje i dizajn XML definicija, kao i mapiranje podataka iz jedne definicije u drugu.
280
Dot NET Microsoft platforma Karakteristike Microsoft .NET tehnologije: predstavlja Web verziju Windows OS; predstavlja Next Generation Windows Services NGWS; zahteva kompletno reprogramiranje; svi njeni proizvodi imaju sufiks .NET; stvaranje infrastrukture uz jednostavno programiranje i odravanje; dostupna je sa PC, mobilnog telefona i dr. Dot NET je Microsoft platforma za Internet XML usluge koje dozvoljavaju aplikacijama da komuniciraju i razmenjuju podatke Internetom, nezavisno od operativnog sistema ili programskog jezika. Dot NET platforma podrazumeva iroku porodicu proizvoda izgra enih na XML bazi i Internet standardima. Postoji pet podruja na kojima se danas grade .NET platforme, a to su: .NET iskustvo, klijenti, XML Internet usluge (servisi), serveri Microsoft .NET Enterprise Servers, alati Microsoft Visual Studio .NET i Microsoft .NET Framework.
.NET iskustvo
Dot NET iskustva su XML Internet usluge koje omoguavaju pristup informacijama preko Interneta, kao i iz pojedinanih aplikacija, na integrisani nain koji tedi vreme i novac. Dot NET iskustva su dostupna kako pojedincima, tako i poslodavcima. Neki od proizvoda koje Microsoft prenosi u .NET iskustva su MSN, bCentral (Bi-sentral), Passport (Pasport) i Microsoft Visual Studio .NET
Klijenti
Tu spadaju kompjuteri, radne stanice, telefoni, depni kompjuteri, tablet kompjuteri, game konzole i drugi inteligentni ure aji. Ono to te ure aje ini "pametnim" jeste njihova sposobnost da pristupe XML Internet uslugama. Ure aji koji koriste softver zasnovan na .NET-u imae omoguen pristup podacima bez obzira na lokaciju, tip i broj klijenata. Neki od .NET softvera za klijente koje e Microsoft ponuditi su: Windows CE, Windows Embedded,
Windows 2000 i Windows XP.
XML Internet usluge (servisi)

XML Internet usluge (servisi) su dodatak za programere koji stvaraju XML Internet servise. Microsoft kreira osnovni skup modula (unapred napisanih delova programa) koji izvode rutinske operacije i predstavljaju osnovu na kojoj programeri izgra uju svoje projekte. Prvi skup kreiranih XML Internet servisa, poznatih kao .NET My Services, orjentisani su na korisnike, pre nego na odre ene ure aje, mree ili aplikacije. Dot NET My Services je baziran na Microsoft Passport korisnikom sistemu i korisnicima daje mogunost da primaju informacije, kad god su im potrebne, preko svojih ve prethodno podeenih ure aja. Da bi se u potpunosti razumeli Web servisi, daje se kratak opis sledeih standarda: UDDI (Universal Description Discovery & Integration) centralni registar javnih Web servisa koji omoguuje publikovanje, pronalaenje i korienje Web servisa. WSDL (Web Service Description Language) opis servisa je XML dokument napisan prema WSDL gramatici koji definie format poruke koji Web servis razume. Ovaj dokument omoguuje interakciju izme u servisa i klijenta. SOAP (Simple Object Access Protocol) protokol baziran na XML-u, namenjen razmeni struktura i tipova podataka na Internetu. Za transport se oslanja na postojee i iroko postavljene Internet protokole HTML, SOAP, MIME. XML (eXtensible Markup Language) univerzalni format podataka. Internet (http, ftp, smtp ...) komunikacija.
Microsoft .NET Enterprise Servers

Serveri Microsoft .NET Enterprise Servers, ukljuujui Windows 2000 porodicu servera, ine Microsoft .NET servernu infrastrukturu za razvoj, odravanje i upravljanje XML Internet uslugama. Neki .NET Enterprise Serveri su: Microsoft Windows .NET Server za projektovanje, razvoj, odravanje i rad na XML zasnovanim Internet servisima. Microsoft Application Center 2000 je upravljako-razvojni alat namenjen kompleksnim Web aplikacijama, tj. koristi se za razvoj i odravanje visoko dostupnih Internet aplikacija i na sebe preuzima posao obezbe enja raspoloivosti, aktivnog praenja performansi i stanja sistema, kao i automatsko reagovanje na doga aje. Upravljanje
282
Web aplikacijama bazirano je na vie klasterovanih servera i zahvaljujui ovom serveru svodi se na upravljanje jednom aplikacijom (application image), njenim sadrajem, komponentama i konfiguracionim parametrima. Od administratora se zahteva da samo jednom izvri izmenu softvera i konfigurisanih parametara, a ove izmene e automatski i korektno biti prenete na sve ostale servere. Microsoft BizTalk Server 2000 namenjen je integrisanju poslovnih procesa u okviru organizacije ili sa poslovnim partnerima. Baziran je na .NET arhitekturi i omoguuje pravljenje e-commerce infrastrukture. Tako e, obezbe uje podrku za vei broj transporta i protokola: EDI, HTTP, HTTPS, SMTP. Sve razmene podataka izme u BizTalk servera i okoline vre se preko XML, ime je omoguena integracija podataka (dokumenata) izme u razliitih platformi i njihovo povezivanje sa odgovarajuim poslovnim procesima. Microsoft Commerce Server 2000 predvi en je za potrebe upravljanja i razvoja Web sajta i za projektovanje e-commerce reenja. Preko Profile System omogueno je dinamiko prikupljanje, praenje i analiza podataka (data warehousing, data mining) o partnerima, pri emu se ti podaci mogu nalaziti na razliitim lokacijama. Microsoft Content Management Server 2000 za upravljanje sadrajem dinamikih e-business Internet prezentacija. Microsoft Exchange Server 2000 omoguava slanje poruka bilo kad i bilo gde i daleko je prevaziao nivo e-mail servera jer je danas postao jezgro poslovne komunikacione infrastrukture i centralna veza sa Internetom. Microsoft Host Integration Server 2000 za premoavanje i razmenu podataka i aplikacija na nasle enim sistemima. To je iroko integrisana platforma koja na najjednostavniji nain omoguava obuhvatanje Interneta, intraneta i klijent/server tehnologije, ime je omogueno produenje rada mainframe raunara (npr. AS 400). U vezi sa BizTalk Serverom 2000 omogueno je kreiranje XML integracionog okruenja. Microsoft Internet Security and Acceleration Server 2000 za bezbednu, brzu Internet vezu. Microsoft Mobile Information 2001 Server omoguava podrku aplikacijama preko mobilnih naprava kao sto su mobilni telefoni.
Alati Microsoft Visual Studio .NET i Microsoft .NET Framework

Alati Microsoft Visual Studio .NET i Microsoft .NET Framework nude
kompletno reenje programerima u izgradnji, razvoju i pokretanju XML Internet usluga. Visual Studio .NET Visual Studio .NET je nova generacija popularnog Microsoft viejezinog razvojnog alata, napravljenog specijalno za .NET. Visual Studio .NET pomae inenjerima da brzo izrade prilagodljive XML Internet usluge i aplikacije, koristei jezik po svom izboru. Omoguava inenjerima da kreiraju programe koji prevazilaze granice razliitih ure aja i koji e kao polaznu osnovu koristiti XML format podatka. Inenjeri e biti znatno produktivniji usled mogunosti korienja ve napisanih delova programa (na gotovo bilo kom programskom jeziku). Za ovu platformu se pretpostavlja da e verovatno izazvati fundamentalni pomeraj u razvoju tehnologije. Visual Studio .NET je jedino razvojno okruenje koje je u potpunosti izgra eno na XML-u. Dozvoljavanjem aplikacijama da dele i razmenjuju podatke preko Interneta, XML Internet usluge omoguavaju inenjerima da sastavljaju aplikacije od novog i ve postojeeg koda, bez obzira na platformu, programski jezik ili objektni model. Visual Studio .NET unapre uje visoko produktivne programske jezike: Microsoft Visual Basic, koji ukljuuje nove funkcije u objektno orijentisano programiranje; Microsoft Visual C++, koji unapre uje Windows razvoj i omoguava izradu .NET aplikacija; C#, koji donosi brzi razvoj aplikacija. Korienjem Visual Studio .NET-a, kompanije irom sveta grade svoje XML Internet servise radi bre integracije, kao i poboljanja poslovnog kontakta sa klijentima i komitentima. Sa primenom VSNET-a moemo oekivati i potpunu evoluciju (revoluciju?) Interneta u oblik koji se doskora smatrao samo vizijom. .NET Framework .NET Framework je visoko produktivna, standardizovana viejezina izvrna aplikacija koja omoguava izvravanje aplikacionog okruenja koje poboljava pouzdanost, prilagodljivost i bezbednost aplikacije. .NET Framework se sastoji iz vie delova: Common Language Runtime (CLR) je odgovoran za izvrenje svih .NET aplikacija razvijenih u bilo kom programskom jeziku koji podrava Common Language Specification (CLS).
.NET Framework Class Library bogate biblioteke klasa (class

libraries) za izradu XML Internet usluga. .NET Framework Class
284
Library je kolekcija ponovno upotrebljivih tipova koji se integriu sa Common Language Runtime-om. Biblioteka klasa je objektno orijentisana i prua irok dijapazon tipova koji se mogu iskoristiti, a njihova primena je potpuno nezavisna od jezika u kome se aplikacija pie. Implementiran je i niz interfejsa koji omoguava kreiranje sopstvenih klasa. Biblioteka klasa omoguava realizaciju irokog spektra uobiajenih programskih zadataka, kao to su pristup fajlovima, bazama podataka itd.
ASP .NET omoguuje pristup podacima. ASP .NET je izgra en na

programerskim klasama .NET Framework-a koji u sebi sadri jedan novi model implementiranja Web aplikacija, sa nizom novih elemenata kontrole i infrastrukture, koji znatno pojednostavljuju njihovu izgradnju. ASP .NET u sebi sadri uobiajeni HTML korisniki interfejs, kao to su text box-ovi i padajui meniji, ali ga odlikuje i znatno bogatije objektno orijentisano okruenje koje znatno smanjuje koliinu koda koju inenjeri trebaju da piu, a ujedno i poveava pouzdanost same aplikacije.
Pitanja: 1. 2. 3. 4. 5. 6. 7. 8. 9. ta je Electronic Commerce (EC ) ? Kako mogu biti orijentisane primene EC ? ta omuguava B2B ? ta omuguava B2C ? Koji standardi su vezani za elektronsko poslovanje ? ta je EDI ? ta je XML ? ta je Visual Studio .NET ta je Microsoft .NET ?
14. RENIK
A-0 Dijagram (Diagram): pravouganik u dijagramu kontekst (IDEF0), koji sadri funkcije modelovane na najviem nivou, sa ulazima, kontrolama, izlazima i mehanizmima, zajedno sa opisom svrhe modela i taakama gledita. Abstrakcija podataka (Data Abstraction): korienje u radu sa podacima samo operacija koje su definisane nad njima bez razmatranja njihove unutranje strukture. Ad-hoc upit (Ad-Hoc Query): svako spontano i neplanirano pitanje, ili upit. To je upit koji se sastoji od dinamiki generisanog SQL-a, koji je obino generisan preko neke desktop alatke. Agregacija (Aggregation): specijalna forma asocijacija koja specifira odnos izme u agregacije (celine) i komponentnog dela. Alati poslovne inteligencije (BI Tools - BI Software): softver koji omoguava poslovnim korisnicima pogled i korienje velikih koliina kompleksnih podataka. Aplikacije su dizajnirane tako da omoguavaju lagan pristup kompanijskim podacima svima u organizaciji, u cilju donoenja boljih poslovnih odluka, unapre enja poslovanja i jaanja odnosa s kupcima i dobavljaima. Arhive (Archives): skupovi podataka ili programa koji se pamte na spoljanjoj memoriji, koji se delimino ili u potpunosti ne koriste ali se po potrebi mogu ponovo koristiti. Atribut (Attribute): svojstvo ili karakteristika koja je uobiajena za neke ili sve objekte entiteta. Jedan atribut prikazuje korienje domena u kontektsu entiteta. Baza podataka (Database): Kolekcija podataka koji su u me usobnoj relaciji, esto sa kontrolisanom redundansom podataka, organizovanom po modelu (emi) da koristi jednoj ili vie aplikacija. Baza znanja (Knowledge Base): kolekcija injenica, pravila i procedura organizovanih u neku emu. Sadri sve informacije znaajne za podruje koje je od interesa.
286
Data Mining: klasa analitikih aplikacija koja trai obrasce u bazi podataka. To je proces "prosejavanja" velike koliine podataka da bi se dobili podaci od interesa. Ovaj alat koristi razliite tehnike, ukljuujui i rezonovanje na osnovu sluaja, vizuelizacije podataka, upita i analiza. Dekompozicija (Decomposition): razbijanje modelovanih funkcija u njihove sastavne funkcije. Dijagram klasa (Class Diagram): dijagram koji pokazuje kolekciju deklarativnih (statikih) elemenata modela, kao to su klase i tipovi, i njihove sadraje i veze. Dimenziona tabela (Dimension Table): tabela u zvezda emi koja sadri podatke za jednu od dimenzija multidimenzione kocke. Distribuirani podaci (Distributed Data): podaci ravnopravno dostupni za obradu u razliitim vorovima raunarske mree. Domen (Domain): imenovani skup vrednosti podataka istih tipova podataka, preko kojih se formiraju stvarne vrednosti atributa objekata. Svaki atribut moe biti definisan pod samo jednim domenom. Drill Down/Up: tehnika analize koja doputa korisnicima SPO-a navigaciju nivoima podataka rangiranim od najsumarnijih (up) do najdetaljnijih (down). Druga normalna forma (Second Normal Form-2NF): entitet je u drugoj normalnoj formi, ako je prvo u prvoj normalnoj formi i ako je svaki atribut koji nije klju u direktoj zavisnosti sa primarnim kljuem. Egzistencijalna zavisnost (Existence Dependency): uslov izme u dva entiteta u relaciji, koji pokazuje da ne moe postojati objekat jednog entiteta koji nije u relaciji sa objektima drugog entiteta. Ekspert domena (Domain Expert): osoba koja ima ekpertizu u domenu u kome se specifini ekpertni sistem razvija. Radi u saradnji sa projektantom radi pronalaenja ekspertnih znanja u itajuim prezentacijama koje se esto nazivaju i baza znanja. Ekspertni sistemi (Expert Systems): To su sistemi ovek-maina koji su specijalizovani za formiranje strunog miljenja pri reavanju nekih problema. "Ekspertiza" (struno miljenje) se sastoji od znanja o specifinom domenu, razumevanu problema unutar domena i "vetinama" u reavanju ovih problema. Eksplicitno znanje (Explicit Knowledge): znanje artikulisano formalnim jezikom, prenosi se u obliku informacija putem razliitih medija i relativno se lako uklapa u strukture inteligentnih informacionih sistema jer ne postoje
njegove apstraktne kategorije. Element podatka (Data Element): najelementarnija jedinica podataka koja moe da bude prepoznata i opisana u reniku ili skladitu i koja ne moe dalje da bude dekomponovana. E-Meetings: termin za sastanke podrane punim video, audio i Web alatkama za sastanke. Jedan ili vie uesnika u sastanku moe da uestvuje sa daljine u sastanku. Mogue je da svi uesnici budu na razliitim mestima. Enitet roditelj (Entity Parent): entitet iji objekti mogu da budu u vezi sa vie objekata drugog entiteta (entiteta dete). Entitet (Entity): prezentacija realnih i apstraktnih stvari (ljudi, objekata, sluaja...) koji se prepoznaju pod istim tipom podataka, jer dele iste karakteristike i mogu uestvovati u istim relacijama. Entitet dete (Entity Child): entitet u specifinoj povezujuoj relaciji, iji objekti mogu biti u vezi sa nula ili jednim objektom drugog entiteta (roditelja). ETL procesi (Extract, Transform and Load): podrazumevaju postupke dobijanja podataka iz nekog skladita podataka (ekstrakcija), modifikovanje tih podataka (Transform) i umetanje u razliita skladita podataka (Load). Funkcija (Function): aktivnost, proces ili transformacija (modelovana na IDEF0 pravougaoniku), identifikovana glagolom ili glagolskom frazom, koja opisuje ta mora da se izvede. Funkcionalna zavisnost (Functional Dependency): veza entiteta kojom se opisuje uslov "bar jedan". Funkcionalni SPO (Functional DSS): SPO koji zadrava ili izvodi znanje bitno za odluivanje o nekim funkcijama koje se sprovode u organizaciji (marketing, proizvodnja itd.). Geografski informacioni sistemi (Geographic Information Systems-GIS): sistemi za podrku koji prikazuju podatke u obliku mapa (karti). Pomau ljudima da pristupe, prikazuju i analiziraju podatke koji imaju geografski sadraj i znaenje. Grafiki korisniki interfejs (Graphical User Interface GUI): Programski interfejs koji koristi grafike mogunosti raunara u cilju olakavanja rada pri upotrebi raunara. Grafiki interfejs koristi pokazivake ure aje za selektovanje objekata, ukljuivanje ikona, menija, tekst boksova itd. Granina strelica (Boundary Arrow): strelica kojoj jedan kraj (izvorni ili upotrebni) nije spojen ni za jedan pravougaonik na dijagramu. Suprotan je
288
internoj strelici (Internal Arrow). Hiperlink (Hyperlink): re ili slika u nekom tekstu dostupnom na Internetu, koja se aktivira klikom mia i na taj nain otvara drugi dokument. Hipermedija (Hypermedia): kombinacija nekoliko tipova medija, kao to su tekst, grafiki simboli, audio i video zapisi. Hipertekst (Hypertext): pristup koji podrava rad sa tekstom i drugim informacijama i omoguava korisniku skokove sa nekog datog naslova gde god on to eli, do eljenog naslova. Identifikator zavisnosti (Identifier Dependency): iskaz izme u dva entiteta u vezi koji zahteva da primarni klju u jednom (entitetu detetu) sadri primarni klju drugog (entiteta roditelja). Ilegalni pristup (Illegal access): nedozvoljeno obraanje korisnika podacima. Ime uloge (Role Name): ime dodeljeno prenesenom kljuu i predstavlja upotrebu prenesenog kljua u entitetu. Informacija (Information): podatak koji se obra uje radi dobijanja nekog znaenja i znanja za osobu koja je prima. Ona je izlaz iz informacionog sistema. Informaciona mrea (Information Network): celovitost informacionih sistema objedinjenih u jedinstvenu mreu za prenos podataka. Korisnik ima pristup informacijama svakog od informacionih sistema ukljuenih u mreu . Intelektualni kapital (Intelectual Capital): ukupna intelektualna imovina i intelektualni potencijal koji kompanija koristi za stvaranje nove vrednosti. Sadri akumulirano znanje koje neka organizacija poseduje u svojim ljudima, metodama, patentima, dizajnima i vezama. Deli se na tri segmenta: ljudski kapital, strukturalni ili organizacijski kapital i kapital klijenata. Interakcija (Interaction): rad raunarskog sistema kod koga svaki ulaz podataka ima odgovor. Interna strelica (Internal Arrow): ulazna, kontrolna ili izlazna strelica povezana sa oba kraja (izvor i upotreba) za pravougaonike na dijagramu. Suprotno je od granine strelice (Boundary Arrow). Inenjer znanja (Knowledge Engineer): specijalista odgovoran za tehniku stranu razvoja ekspertnog sistema. On radi u saradnji sa ekspertima domena radi formiranja baze znanja. Inenjering znanja (Knowledge Engineering KE): inenjerska disciplina koja u sebe ukljuuje integraciju znanja u raunarski sistem u cilju reavanja
kompleksnih problema, zahtevajui veliku strunost lica koja su ukljuena. Izlazna strelica (Oputput Arrow): vrsta strelice koja izraava IDEF0 izlaz, tj., podatke ili objekte koje daje funkcija. Izlazne strelice su povezane sa desnom stranom IDEF0 pravougaonika. Izvrni informacioni sistem (Executive Information Systems-EIS): informacioni sistem za podrku izvrnim odlukama menadera korienjem grafikog predstavljanja, nudi jake drill-down mogunosti. Izvrni SPO (Executive Support Systems-ESS): izvrni informacioni sistem koji ukljuuje specifine odluke sa mogunou analiza. Kategorija entiteta (Entity Category): entitet iji se objekti prikazuju podtipom i potklasifikacijom drugog entiteta (podtip, potklasa). Klijent/server arhitektura (Client/server architecture): mrena arhitekura u kojoj raunari na mrei uestvuju kao serveri u upravljaju podacima i servisima mree, ili kao klijenti, gde korisnici pokreu aplikacije i pristupaju serveru. Klju, Kandidat (Key, Candidate): atribut, ili kombinacija atributa entiteta ije vrednosti jednoznano odre uju sve objekte entiteta. Klju, Opcioni (Key, Alternate): svaki klju kandidat koji nije primarni klju. Klju, Preneseni (Key, Foreign): atribut ili kombinacija atributa deteta, ili nekog drugog entiteta ija se vrednost primarnog kljua poklapa sa vrednou primarnog kljua entiteta roditelja. Klju, Primarni (Key, Primary): kandidatski klju koji jednoznano identifikuje entitet. Klju, Sloeni (Key, Composite): klju sastavljen od dva ili vie atributa. Kompjuterski podran kolaborativni rad (Computer Supported Collaborative Work): obezbe uje aplikacije za radne grupe koje zahtevaju viekorisniki pristup i kontrolu i koordinaciju aktivnosti svih korisnika. Kondicioniranje (Conditioning): prikljuenje dodatnog ure aja korienom kanalu u cilju postizanja karakteristika linije neophodnih za prenos podataka. Konferencija sa vie taaka (Multipoint Conference): audio ili video konferencija izme u dva udaljena uesnika. Kontrolna strelica (Control Arrow): vrsta strelice koja opisuje IDEF0 konrolu, tj. uslove koji su potrebni da bi se dobio korektan izlaz. Podaci ili objekti modelovani kao kontrole mogu se transformisati u funkcije, kreirajui izlaz. Kontrolne strelice su povezane sa gornjom ivicom IDEF0 pravougaonika.
290
Konverzija podataka (Data Conversion): promena podataka pri prelasku iz jedne forme predstavljanja u drugu. Korisniki interfejs (User Interface): komponenta raunarskog sistema za podrku u odluivanju koja omoguava bidirekcionu (dvosmernu) komunikaciju izme u sistema i korisnika. Kritini faktori uspeha (Critical Success Factors): kljuna podruja poslovnih aktivnosti u kojima su povoljni rezultati neophodni za kompaniju u postizanju njenih ciljeva. Lanac znanja (Knowledge chain): sadri etiri elementa koja ine sutinu korisnosti upravljanja znanjem, to su unutranja svesnost organizacije, unutranja reaktivnost, spoljana svesnost i spoljana reaktivnost. Logika organizacija podataka (Logical Data Organization): organizacija podataka koja u obzir uzima samo one konstrukcije podataka i operacije koje se izvravaju nad njima koje se nalaze u okviru dejstva programa koji koristi podatke, organizacija podataka koja ne zavisi od konkretnog nosioca. Maina za zakljuivanje (Inference Engine): deo ekspertnog sistema koji vri funkciju zakljuivanja. Me uzavisne odluke (Interdependent Decisions): serije odluka koje su me usobno zavisne. Menadment znanja (Knowledge Management KM): to je klasifikovanje, pristup i pronalaenje nestruktuiranih informacija izme u nezavisnih pojedinaca koji pripadaju jednoj radnoj grupi. Podrazumeva identifikovanje grupe ljudi koji dele odre enja znanja, razvijajui tehniku podrku koja omoguuje razmenu znanja i kreiranje procesa za prenos i irenje znanja. Metapodaci (Metadata or Meta Data): podaci o podacima u skladitu podataka. Pomau u definisanju sadraja skladita podataka. To su semantike informacije odgovarajuih promenljivih. Moraju da ukljuuju poslovne definicije podataka, tane opise tipova podataka, potencijalne vrednosti, originalni izvorni sistem, formate podataka i druge karakteristike. Definiu i opisuju poslovne podatke. Sadre stvari poput imena, duine, validne vrednosti i opisa podataka nekog podatka elementa. uvaju se u reniku podataka. Izoluju skladite podataka od promena usled rada pod nekim operativnim sistemom. Middleware: komunikacioni sloj koji dozvoljava aplikacijama interaktivnost kroz hardversko i mreno okruenje. Model podataka (Data Model): grafika i tekstualna prezentacija analize koja identifikuje podatke koji su potrebni organizaciji koja uestvuje u poslu.
Prezentuje entitete, domen (atribute) i relacije sa drugim podacima i konstruie konceptualni pogled podataka i relacija izme u podataka. Model sluaja upotrebe (Use Case Model): model koji opisuje funkcionalnost zahteva sistema u terminu sluaja upotrebe. Mreni protokol (Network Protocol): protokol koji odre uje koordinaciju programa za upravljanje mreom u razliitim raunarima. Multiprocesing (Multiprocessing): paralelna obrada, istovremeno izvravanje jednog ili vie vie programa ili nizova instrukcija pod kontrplom jednog ili vie procesora. N-arna asocijacija (N-ary Association): asocijacija preko tri ili vie klasa. Svaka instanca asocijacije je n-ta vrednost odgovarajue klase. Suprotno: binarna asocijacija. Naziv pravougaonika (Box Name): re ili fraza smetena unutar IDEF0 pravougaonika koja opisuje funkcionalno modeliranje. Nestrukturirane odluke (Unstructured Decisions): ovaj tip odluke je situacija sloenih i nestandardnih reenja, podrazumevaju manjak prethodnih slinih iskustava i zahtevaju kreativnost i intuiciju. Normalizacija (Normalization): proces redefinisanja i regrupisanja atributa u entitetima, u skladu sa normalnom formom. Normalna forma (Normal Form): stanje entiteta koje relativno zadovoljava skup normalizacija njegovih atributa. Specifina normalna forma je izvedena sukcesivnom redukcijom entiteta iz njegovog izvornog stanja u neki eljeni oblik forme. Procedura je reverzibilna. Nul (Null): stanje gde vrednost nekog atributa nije poznata za neki objekat entiteta. Objekat (Object): predmet, proces, mesto, stvar ili koncept koji opisuje interese jednog okruenja. Odluka (Decision): izbor jedne od alternativa. Ogranienje (Constraint): pravilo koje pokazuje validnost stanja podataka. Ogranienje egzistencije (Constraint, Existence): uslov gde objekti jednog entiteta ne mogu da postoje ukoliko ne postoje objekti entiteta sa kojim je ovaj u relaciji. Ogranienje kardinalnosti (Constraint, Cardinality): ogranienje broja objekata entiteta koje moe da bude asocirano u relaciji. On-line Analytical Processing (OLAP): softver koji se koristi za rad sa
292
viedimenzionalnim podacima iz razliitih izvora koji se smetaju u skladite podataka. Formira razliite poglede na podatke. Omoguava brz, konzistentan i interaktivan nain pristupa i manipulacije viedimenzionalnim podacima sauvanim u skladitu podataka. Organizacija koja ui (Learning Organization): organizacija koja je prilago ena kupcima, karakterie je kreativnost, intenzivno znanje, visoko obrazovan kadar, spremnost i sposobnost menadmenta i zaposlenih na stalno uenje. Organizacijski SPO (Organizational DSS): viekorisniki SPO dizajniran da podri donosioce odluka koji su u okviru vee celine od grupe. Osnovni entitet, generiki (Entity Generic): entitet iji su objekti klasifikovani u jedan ili vie podtipova ili potklasa (supertip, superklasa). Paralelni pristup (Parallel Access): istovremeno pristupanje svim elementima podataka. Planiranje (Planning): menaderska funkcija zasnovana na pravljenju prognoza, definisanju onoga to treba da se uradi i identifikovanju metoda koje treba da se dodele. Planiranje resursa preduzea (Enterprise Resource Planning): integrisani proces planiranja i upravljanja svim resursima i njihovo korienje u itavom preduzeu. Odnosi se na softverske pakete koji obezbe uju integraciju toka informacija kroz preduzee, kombinujui razliite izvore informacija u jednu softversku aplikaciju i jedinstvenu bazu podataka. Podaci (Data): Binarna (digitalna) prezentacija atomskih injenica, teksta, grafika, bit mapa, zvuka, analognih ili digitalnih video segmenata. Podak je sirovina sistema koju ovaj dobija preko procedura i koja se koristi radi kreiranja informacija. Poslovna inteligencija (Business Intelligence): proces prikupljanja raspoloivih internih i znaajnih eksternih podataka i njihovog pretvaranja u korisne informacije koje pomau menadmentu pri donoenju odluka. Oznaava i iroku kategoriju softverskih alata za prikupljanje, konsolidovanje, analiziranje i osiguranje pristupa podacima korisnicima u organizaciji u cilju donoenja boljih poslovnih odluka. Izraz i koncept poslovne inteligencije osmislili su strunjaci Garnter Grupe 1993. godine. Poslovne transakcije (Business Transaction): to je jedinica posla nad strukturama podataka u cilju kreiranja, modifikacije ili brisanja poslovnih podataka. Svaka transakcija predstavlja jednu vrednovanu injenicu, koja opisuje jedan poslovni sluaj.
Poslovni model (Business Model): u skladitu podataka, to je dizajnerski pogled na to kako posao funkcionie. Pogled moe biti sa aspekta posla, podataka, sluaja ili resursa i moe da bude o prolom, sadanjem ili buduem stanju posla. Poslovni podaci (Business Data): podaci o ljudima, mestima, stvarima, poslovnim pravilima i sluajevima koji se upotrebljavaju pri vo enju posla. Nisu metapodaci. Pravilo (Rule): formalni pristup specifinim preporukama, direktivama ili strategiji, iskazanim kroz IF-THEN konstrukcije. Pretraivanje podataka (Data Search): skup operacija, metoda i procedura pomou kojih se dobijaju podaci koji se nalaze u memoriji raunara, prema odre enoj zakonitosti. Projekat (Project): svaki zaokruen poduhvat koji ima jasno definisan cilj, vreme i potrebne resurse. Prstenasta mrea (Ring Network): Raunarska mrea ija konfiguracija ima formu prstena (zatvorene konture). Prva normalna forma (First Normal Form 1NF): entitet je u prvoj normalnoj formi ako su njegov sadraj samo atomske vrednosti. Raunarska mrea (Computing Network): integracija veeg broja raunara komunikacionim vezama. Raunarska simulacija (Computing Simulation): modeliranje procesa ili pojava na raunaru sa ciljem izvo enja esperimenata, izraunavanja itd. Raunarski sistem (Computer System): celokupnost jednog raunara i njegovog softvera namenjen organizaciji procesa raunanja. Rapidni razvoj aplikacija (Rapid Application Development RAD): deo metodologije koji navodi na inkrementalni razvoj uz podrku naruioca. Cilj je da razvoj projekta ostane usredsre en na stalno ostvarivanje komunikacije. Jedino ogranienje pri ovakvom radu jeste razliitost govora lica koja su u komunikaciji. Renik podataka (Data Dictionary): baze podataka o podacima i strukturama. Redundantna kontrola (Redundancy Check): sistem za otkrivanje redundante u bloku podataka. Reinenjering poslovnih procesa (Business Process Re-engineering): fundamentalna reorganizacija kompanije koja se bazira na procesima koji donose vrednost kupcu. Ukljuuje re-orijentaciju poslovanja od usmerenosti
294
proizvodu na usmerenost kupcu. ema (Schema): definicija strukture podataka. Simulacija (Simulation): tehnika vo enja jednog ili vie eksperimenata koji testiraju razliite rezultate kvantitativnog modela sistema. Sistem (System): kolekcija povezanih jedinica koje su organizovane da izvravaju odre enu svrhu. Sistem moe biti opisan jednim modelom ili sa vie njih, najverovatnije sa razliitih aspekata posmatranja. Sistem dijaloga (Dialog System): hardver i softver koji kreira i implementira korisniki interfejs za SPO. Sistem prenosa podataka (Data Communication System): ukupnost tehnikih sredstava koja obezbe uje razmenu podataka izme u raunara i okruenja. Sistemi za odluivanje (Decision Systems): to su programski orijentisane tehnologije koje se koriste za usmeravanje odluivanja, posmatranje i kontrolu procesa i pomau donosiocima odluka u situacijama kada nisu u mogunosti da odlue. Sistemi za podrku grupnom pdluivanju (Group Decision Support Systems GDSS): interaktivni, raunarski sistem koji olakava reenja nestruktuiranih problema kroz rad vie donosilaca odluka kao jedne grupe. Skalabilnost (Scalability): sposobnost raslojavanja hardvera i softvera radi podravanja veih ili manjih koliina podataka i vie ili manje korisnika. Skladite podataka (Data Warehouse): skladite podataka je objektno orijentisana, integrisana, vremenski promenljiva, postojana kolekcija podataka u upravljanju procesima donoenja odluke. koljka (Shell): alatka za razvoj ekspertnog sistema koji sadri dve nezavisne celine softvera. Pravila postavljena od strane menadera i mehanizam koji je sposoban da u skladu sa pravilima donosi zakljuke. SPO upravljan dokumentima (Document-Driven DSS): Web podrava pristup velikim bazama dokumenata, ukljuujui i baze podataka dokumenata u hipertekstu, slike, zvukove i video zapise. SPO upravljan podacima (Data-Driven DSS): sistemi skladita podataka koji dozvoljavaju manipulaciju nad podacima preko odre enih raunarskih alatki prilago enih specifinom problemu, ili preko vie optih alatki i operatora koji dodaju dodatne funkcije. SPO upravljan podacima sa OLAP ili data mining alatkama donose najvii nivo funkcionalnosti i podrke u odluivanju, koji je povezan sa analizama velikih kolekcija istorijskih podataka.
SPO zasnovan na komunikacijama (Communications-Driven DSS): sistem za podrku u odluivanju koji koristi mrene i komunikacione tehnologije radi olakavanja saradnje i komunikacije. SPO zasnovan na modelima (Model-Driven DSS or Model-oriented DSS): tip SPO-a koji podrazumeva pristup i manipulaciju modelima. Npr. neki OLAP sistemi dozvoljavaju sloene analize podataka koji mogu da budu klasifikovani kao hibridni SPO sistemi koji u sebi sadre pronalaenje modela, podataka i sumiranih podataka. SPO zasnovani na znanju (Knowledge-Driven DSS): predlau i preporuuju akcije menaderima. Koncept koji se koristi je data mining. Stablo vorova (Node Tree): grafiko predstavljanje relacije roditelj-dete izme u vorova na IDEF0 modelu, u obliku grafikog stabla. Standardni softver (Standard Software): skup raunarskih programa koji su namenjeni za reavanje zadataka iz jedne oblasti, te ih koristi veliki broj korisnika (npr. obraun plata, stanje zaliha..) Sticanje znanja (Knowledge Acquisition): izvo enje i formulacija znanja izvedenih iz razliitih izvora, naroito ekspertskih. Strelica (Arrow): direktna linija koja prenosi podatke ili objekte od izvora (bez vrha strelice) do mesta koritenja (sa vrhom sterilce). Strelica mehanizma (Mechanism Arrow): vrsta strelice koja izraava IDEF0 mehanizam, tj. znaenje korieno za izvrenje funkcije; ukljuuje specijalan sluaj strelice poziva (Call Arrow). Strelica mehanizma je povezana sa donjom stranom IDEF0 pravougaonika. Strelica poziva (Call Arrow): tip strelice mehanizma koji omoguava deljenje detalja izme u modela (povezujui ih zajedno) ili unutar modela. Strukturirane odluke (Structured Decisions): one odluke koje se donose na bazi specifinih pravila i procedura. Strukture podataka (Data Structure): skip elemenata podataka objedinjenih i ure enih na odre en nain. Supervizor (Supervisor): glavni program koji se stalno nalazi u memoriji i iji je zadatak da kontrolie rad drugih programa, ulazno-izlaznih operacija itd. Telekomutiranje (Telecommuting): korienje telekomunikacija u cilju obavljanja svog posla u stanu, razmena podataka koju korisnik vri izme u stana i kancelarije,
296
Tip podataka (Data Type): kategorizacija apstraktnog skupa vrednosti, karakteristika i skupa operacija koji se odnose na atribute. Celi brojevi, realni brojevi, znakovni tipovi podataka itd. Transakcione baze podataka (Operational or Transaction Database): baze podataka za transakciju (razmenu) podataka. One su izvor za skladita podataka. Transformacija (Transformacion): promena oblika podataka po odre enim pravilima. Trea normalna forma (Third Normal Form-3NF): jedan entitet je u treoj normalnoj formi najpre ako je u drugoj normalnoj formi, i ako svaki atribut koji nije klju nije u direktnoj zavisnosti od primarnog kljua. Tunelska strelica (Tunneled Arrow): strelica (sa specijalnom notacijom) koja ne sledi normalne zahteve da svaka strelica mora da ukazuje na strelicu na povezanom roditeljskom ili dete dijagramu. Tvr enje (Assertion): iskaz koji prikazuje uslov koji mora da bude taan (ispunjen). Ulazna strelica (Input Arrow): vrsta sterlice koja izraava ulaz, tj. podatke ili objekte koji se transformiu preko funkcija u izlaz. Ulazne strelice su povezane sa levom stranom IDEF0 pravougaonika. Upit (Query): postavljanje pitanja (kriterijuma). Obino koristi sloene SQL konstrukcije. Upravljaki sistem (Control System): celovitost hardverskih i softverskih sredstava namenjenih za podrku radu objekta upravljanja. Upravljanje znanjem (Knowledge Management): predstavlja konstantni proces obnove znanja organizacije. Opti cilj upravljanja znanjem je povezati one kojima je znanje potrebno s izvorima znanja u organizaciji, kao i uskla ivanje transfera tog znanja. Vetaaka inteligencija (Artificial Inteligence): sposobnost maine ili raunara da obavlja funkcije karakteristine za oveka. Videokonferencija (Videoconferencing): interaktivna komunikacija u realnom vremenu, dva ili vie uesnika koji se nalaze na razliitim lokacijama, a za komunikaciju koriste kombinaciju video, audio i tehnologiju komunikacije. Viedimenzionalna baza podataka (Multi dimensional Database MDBS): baza podataka koja omoguava korisnicima analize velikih koliina podataka. Predstavlja podatke kao nizove koji su organizovani u viestruke dimenzije. Promenljive su objekti koji se uvaju u viedimenzionalnim bazama. To su
jednostavni nizovi vrednosti (numerikih najee) koji su dimenzionisani po dimenzijama u bazi podataka. Moe da ima viestruke promenljive, sa razliitim ili jedinstvenim skupom dimenzija. Viekorisniki SPO (Multiparticipant DSS): SPO koji podrava viekorisniki rad u procesu donoenja odluke, odnosno vie osoba je ukljueno u donoenje odluka. Veoma su slini grupnim SPO. Vrednost atributa (Attribute Value): vrednost data nekom atributu u objektu entiteta. Web orjentisan SPO (Web-based DSS): raunarski sistem koji dostavlja informacije za podrku u odluivanju, ili alatke za donoenje odluka menaderu ili poslovnim analitiarima putem Web pretraivaa. Veza je ostvarena preko mree koja koristi TCP/IP protokole u komunikaciji. Znanje (Knowledge): nematerijalni resurs, slika stvarnosti iskazana zamislima oveka. Sastoji se od intuicije, skupa ideja, iskustva, vetina i uenja. Ima potencijal stvaranja nove vrednosti. Znanje zasnovano na podacima (Data-Based Knowledge): znanje izvedeno iz podataka koritenjem alata poslovne inteligencije iz skladita podataka. Zvezda shema (Star Schema): dizajn baze podataka koji se sastoji od tabele injenica i jedne ili vie dimenzionih tabela. ivotni ciklus razvoja sistema (Systems Development Life Cycle-SDLC): proces sistemske analize, softverskog inenjeringa, programiranja i korisnike izgradnje sistema.
298
15. SKRAENICE
1NF 2NF 3NF ACL ADO (MD) ADP AI ANN ANSI API ARCnet ASA ASCII ASP BIOS B2B B2C B2E BI BDC BLOB BPR BPWin CAD CAE CAM CAP CASE CIB
300
First Normal Form Second Normal Form Third Normal Form Access Control List ActiveX Data Objects (MultiDimensional) Automatic Data Processing Artificial Intelligence Artifical Neural Networks American National Standards Institute Application Programming Interface Attached Resource Computer NET work American Standards Assciation American Standard Code for Information Interchange Active Server Pages Basic Input Output System Business to Business Business to Consumer Business to Employee Business Intelligence Backup Domain Controller Binary Large OBject Business Process Reengineering Business Process for Windows Computer Aided Design Computer Aided Engineering Computer Aided Manufacturing Computer Aided Planning Computer Aided System Engineering Computer Integrated Bussines
CIM CGI CLI CLR CNC COM CPU CPM CPS CRC CRM CSF CSCW CU DAO DB DBA DBCC DBCS DBMS DCL DDL DLL DM DML DMO DP DPC DRI DSN DSO DSS DTS DW EAI EC EDI
Computer Integrated Manufacturing Common Gateway Interface Call-Level Interface Common Language Runtime Computer Numerical Control Component Object Model Central Processing Unit Critical Path Method Characters Per Second Cyclic Redundancy Check Costumer Relationship Management Critical Success Factors Computer Supported Collaborative Work Control Unit Data Access Object Data Base Data Base Administrator Database Consistency Checker Double-Byte Character Set DataBase Management System Data Control Language Data Definition Language Dynamic-Link Library Data mining Data Manipulation Language Distributed Management Objects Data Procesing Deferred Process Call Declarative Referential Integrity Data Source Name Decision Support Objects Decision Support Systems Data Transformation Services Data Warehouse Enterprise Application Integration Electronic Commerce Electronic Data Interchange
EDMS EIS EXE ERP ERWin ESS FAT FDD FIPS FK FTP GDSS GIS GUI GUID HFS HOLAP HTTP HTTP I/O ID IDC IDEF0 IE IEC IMIS IOIS IPC IPX/SPX IRC ISDN ISO ISQL JANET KDD KE KM
302
Electronic Document Management System Executive Information Systems EXEcutive Enterprise Resource Planning Entity Relationships for Windows Executive Support Systems File Allocation Table Floppy Disk Drive Federal Information Processing Standard Foreign Key File Transfer Protocol Group Decision Support Systems Geographic Information Systems Graphical User Interface Globally Unique IDentifier Hierarchical File System Hybrid OLAP Hyper Text Markup Language Hyper Text Transfer Protocol Input/Output IDentification International Data Center Integration Definition Functional Modeling Information Engineering International Electrotechnical Commission Integrated Management Information System InterOrganizational Information Systems InterProcess Communication Internet Packet eXchange/Sequenced Packet eXchange Internet Relay Chart Intergreted Service Digital Network International Organization for Standardization Interactive Structured Query Language Join Academic Network Knowledge Discovery in Databases Knowledge Engineering Knowledge Management
LAN MAPI MCP MCSD MCSE MCT MDX MIS MFC MMC MOC MOLAP MRP MS DTC NGWS NIC NIST NTFS OAS ODBC ODS ODSS OEM OLAP OLE (DB) OLTP OMT OO OOSE OS OSI PIN PDC PDM PK PLM POSIX
Local Area Network Messaging Application Programming Interface Microsoft Certified Professional Microsoft Certified Solution Developer Microsoft Certified System Engineer Microsoft Certified Trainer MultiDimensional Expression Management Information Systems Microsoft Foundation Class Microsoft Management Console Microsoft Official Curriculum Multidimensional OLAP Materials Resource Planning MicroSoft Distributed Transaction Coordinator Next Generation Windows Services Network Interface Card National Institute of Standards and Technology Windows NT file system Office Automation System Open DataBase Connectivity Open Data Services Organizational Decision Support System Original Equipment Manufacturer OnLine Analytical Processing Object Linking and Embedding (DataBase) Online Transaction Processing Object Modeling Technique Object-oriented Object-oriented Software Engineering Operating System Open System Interconnection Personal Identification Number Primary Domain Controller Product Data Management Primary Key Product Lifecycle Management Portable Operating System Interface for Unix
RAD RAID RAM RDBMS RDO RI ROLAP ROM RPC SCM SDLC SID SMP SNA SOAP SQL SQL-DMF SQL-DMO TCP/IP TDS TPS TQM UDDI UIMS UML UNC URL VAN VINES/IP VTAM WAN Windows DNA WSDL WWW XML
Rapid Application Development Redundant Array of Independent Disks Random Access Memory Relational DataBase Management System Remote Data Object Referential Integrity Relational OLAP Read Only Memory Remote Procedure Call Supply Chain Management Systems Development Life Cycle Security IDentifier Symmetric MultiProcessor Systems Network Architecture Simple Object Access Protocol Structured Query Language SQL Distributed Management Framework SQL Distributed Management Objects Transmission Control Protocol / Internet Protocol Tabular Data Stream Transaction Processing System Total Quality Management Universal Description Discovery & Integration User Interface Management System Unified Modelling Language Universal Naming Convention Uniform Resource Locator Value Added Network VIrtual NEtworking Software / Internet Protocol Virtual Telecommunications Access Method Wide Area Network Windows Distributed interNet Applications Architecture Web Service Description Language Word Wide Web Extensible Markup Language
304
16. LITERATURA
1. 2. 3. 4. 5. Accrue Software & NeoVista Software Acquisition White Paper, http://www.accrue.com. Advanced Topics, Microsoft Access Advanced Tools for Custom Application, Microsoft Corporation, 1994. Aikins, J., Prototypical knowledge for expert systems, Artificial Inteligence, 20 (1983), s.163-210 Alekseeva, E. F., Stefanjuk, V. L., Ekspertnye sistemy-sostojanie i perspektiva, Teh. kibernetika, No.5, s. 153-167, 1984. Atkinson, D.J., Marshall, P.H., A Comparison of Group Decision Support System Approaches Illustrated via LSE Decision Conferencing and MeetingWare, Bulletin of the Australian Society for Operations Research, 9, 3, pp12-28., 1990. Balard C., Herman D., Bell R., Data Modeling Techniques for data warehausing, IBM International Technical Support Organization, San Jose, 1998. Baldwin, J. F., Fuzzy Sets and Expert Systems, Information Sciences, 36(1985), s. 123-156. Barakai, Z., Odluivanje o poslovnim strategijama, Svjetlost, Sarajevo, 1987. Barkocy E. B., Zdeblick W. J., A Knowledge-Based System for Machining Operation Planning, Autofact 6, Octobar, 1984. Barr A., Feingenbaum E. A., The Handbook of Artificial Intelligence Vol. I, II, Los Altos, CA: Kaufman, 1981. Beejski-Vujaklija D., "Metodologija izgradnje sistema za podrku odluivanju tipa upravljake igre", doktorska disertacija, FON, Beograd, 1992. Beejski-Vujaklija, D., "Metodoloke osnove ekspertskog ocenjivanja u funkciji podrke odluivanju", SIMORG 91, zbornik radova, str. 158-165, Kopaonik, 1991. Blue Martini Software Reports Third Quarter 2000 Financial Results, http://www.bluemartini.com/company/press_releases/pr_1017c2000.html
6.
7. 8. 9. 10. 11.
12.
13.
306
14. Blue Martini Software Technology, Rules, http://www.bluemartini.com/ products/rules.html 15. Blue Martini Software, http://www.bluemartini.com/products/software.html 16. Booch G. i dr.: The Unified Modeling Language, Addison Wesley Longman, 1999. 17. Boin M., Radojii M., Organizacija i upravljanje, Tehniki fakultet, aak, 1996. 18. Bratko, I., Inteligentni informacijski sistemi, Un. "Edvard Kardelj" Ljubljana, 1985. 19. Bratko, I., Sistemi in tehnika umetne inteligence, Ljubljana, 1983. 20. Bulat V., Bojkovi R., Organizacija proizvodnje, ICIM, Kruevac, 1999. 21. Bulat V., upi M., Gavri Z., Nadrljanski ., Radojii M., Ran i S., Sljivi S., Menadment informacioni sistem, ICIM, Kruevac, 1998. 22. Bulat V., Industrijski menadment, ICIM, Kruevac, 1999. 23. Chang T. C., R. A. Wysk, An Introduction to Automated Proceess Planning Systems, Prentice-Hall, 1985. 24. upi, M., Uvod u teoriju odluivanja, Nauna knjiga, Beograd, 1987 25. upi, M., Generatori i aplikacije sistema za podrku odluivanju, Nauna knjiga, Beograd, 1992 26. upi, M., Tummala, R., Suknovi, M., Odluivanje - formalni pristup, "FON", Beograd, 2001. 27. Customer Success Stories, Cable & Wireless Keeping up with customer demands, http://www.webtrends.com/customers/case_study.htm 28. Customer Success Stories, Caredata.com, http://www.webtrends.com/ customers/case_study.htm 29. Customer Success Stories, EuroVacations.com, http://www.webtrends.com/ customers/case_ study.htm. 30. DeSanctis, Gerardine, Gallupe, Brent R., A Foundation for the Study of Group Decision Support Systems Design, Management Science, 33, 589609., 1987. 31. Drucker P., Menadment za budunost, Grme, Beograd, 1997. 32. Dulanovi N., Veljovi A., Otkrivanje obrazaca u korienju Web-a, Web Usage Mining, YU INFO 2002, Kopaonik (www.cit.org.yu),2002. 33. Efimov I. E., Reatelji intelektualnih zada, Moskva, Nauka, 1982. 34. Etzioni: The World Wide Web: Quaigmire or gold mine, Communications of the ACM, 39(11):65-68, 1996. 35. Gass, S., Decision Making, Models and Algorithms, John Wiley & Sons, 1985.
36. Gould I., EFIP Guide to Concepts and Terms in Data Processing, London, 1971. 37. Gray, Paul, Group Decision Support Systems, Decision Support systems, 3, 233-242., 1987. 38. Harrison, E.F., Pelletier, M.A., The essence of management decision, Management Decision 38/7, 2000., pp. 462-469 39. Hayes-Roth F., Waterman D. A., Lenat D., Building Expert Systems, Addison Wesley, Reading, Massachusets, 1983. 40. Hayes-Roth F.: The Knowledge-Based Expert Systems: A Tutorial, Computer, Sept. 1984, s. 11-28 41. Hodgkin, J.,Belton, V., Facilitators, decion makers, D.I.Y. uers: Is intelligent multicriteria decisin support for all feasible or desirable?, EJOR, 1999. 42. Huber, G. P., Issues in the design of group decision support systems, MIS Quarterly, 8(3), pp. 195-204, 1984. 43. Hussey, D. "Management Training and Corporate Strategy", Pergamon Press, Oxford, 1988. 44. iLux E-Marketing Philosophy, http://www.iluw.com/emarketing 45. Jaukovi M., Uvod u informacione sisteme, Tehnika knjiga, Beograd, 1992. 46. John Fraim: The Internet Store Moves Closer to Reality http://www. cgjungpage.org, 1999. 47. John P Van Gich, "Applied General Systems Theory", Harper and Row Publeshers, New York, 1978 48. Jovanovi M., Osnovi projektovanja, I deo: teorija projektovanja, Tehnoloki fakultet, Leskovac, 1994. 49. Jovanovi M., Veljovi A.: Nove tehnologije u procesnoj industriji: Projektovanje upravljakih sistema, Savez hemiara i tehniara Jugoslavije, 115. strana, Beograd, 1998. 50. Jovanovi T., Operaciona istraivanja, Mainski fakultet, Beograd, 1998. 51. Keen, P. "Decision Support Systems: The Next Decade", DSS Journal Vol. 3, pp. 253-265, 1997. 52. Koneke D., Hatch R., Management Information System, Mc Grew Hill,1994. 53. Koontz, H., Weihrich, H., Menadment, MATE, Zagreb, 1998. 54. Lahti R., Group Decision Making within the Organization: Can Models Help?, Center for the Stady of Work Teams, University of North Texas, 1996.
308
55. Laudon, K.C., Laudon, J.P., Management Information Systems, 7 th ed. New Jersey: Prentice-Hall International, Inc., 2002. 56. Lazarevi B., "Projektovanje informacionih sistema", interni materijal, FON, Beograd, 1990. 57. Lucas C.H., Information System Concept for Management, Mc Graw Hill, N.Y., 1994. 58. Lucas C.H., Information Technology Strategic Decision Making for Managers, John Wiley&Sons, USA, 2005. 59. Lucey, T., Management Information Systems, 8th Edition, Letts Educational, London, 1997. 60. Majstorovi V., Koncept totalnog kvaliteta, novi prilazi za tehnoloke sisteme, ITS Inteligentni tehnoloki sistemi, Knjiga 6, Mainiski fakultet u Beogradu, 1995. 61. Mayer R., A Framework and a Suite of Methods for Business Process Reengineering, Texas A&M University, Knowledge Based Systems, Inc., 1997 (www.idef.com) 62. McLeod, R. Schell G., Management Information Systems, Ninth Edition, Pearson Prentice Hall, New Jersey, 2004. 63. Milai V. R., Uroevi M., Veljovi A., Race I., Miler A., SAPT Expert System based on hybrid concept of Group Technology, Annals of the CIRP, Vol 36/2/1987 64. Milai V., Sistem Analiza, Proizvodni informacioni sistem, Institut Mainskog fakulteta, Odeljenje za primenu kompjutera, Beograd, 1974. 65. Mitchell, J., Business Case for Videoconferencing, John Mitchell & Associates, 1997. 66. Mockler, R., Dologite, R., Using computer software to improve group decision-making, Long Range Planning, 24 (4), 44-57., 1991 67. Muller Pierre-Alain: INSTANT UML, Wrox press LTD., 1997. 68. Myhrman, B., Eriksson, B., So, you've invested in a videoconference system - but why don't people use it?, Royal Institute of Technology, Stockholm, Sweden, 1997 69. Nei Z., Radojii M., Neke karakteristike organizacije distribuirane obrade podataka, asopis, Tehnika "Organizacija rada", br.2, Beograd, 1998. 70. Nei Z., Veljovi A., Radojii M., Neka razmatranja objektnog modeliranja u VKA, YUinfo2004, Kopaonik, 2004. 71. Nei, Z., Radojii M., Koki, M., Vesi J., Prilog primeni internet tehnologije u praenju proizvodnje, Zbornik radova YuInfo 2005, Kopaonik, mart 2005.
72. Parker C., Case T., Management Information Systems, Second Edition, Mitchell Mc Graw-Hill, 1993. 73. Power, D. J., Decision Support Systems: Concepts and Resources, Cedar Falls, IA: DSS Resources.com, pre-publication, .pdf version, 2000. 74. Radojii M., Nei Z., Razvoj metoda obrade zajednikih baza podataka, 24. Jupiter konferencija, Beograd,1998. 75. Radojii M., Nei Z., Some possibilities of support to management by integrated computer packages, Conference of installation for building and the ambiental comfort, Politehnica, Timisoara, Romania,1998. 76. Radojii M., Organizacija proizvodnje, zbirka reenih zadataka sa izvodima iz teorije, Tehniki fakultet, aak, 2003. 77. Radojii M., Organizacija i ekonomika poslovanja i proizvodnje, zbirka reenih zadataka sa izvodima iz teorije, Tehniki fakultet, aak, 2004. 78. Radojii M., Ran i S., Nei Z., Possibilities for application of expert tools in process of development in applications for data management, 4th Balkan conference of operational research, Thessaloniki, Greece, 1997. 79. Radojii M., iovi M., Primena metoda viekriterijumske analize u poslovnom odluivanju, Tehniki fakultet, aak, 1998. 80. Ran i S., Radojii M., Kompjuterski pojmovnik, ICIM, Kruevac, 1997. 81. Ran i S., Vesi J., Radojii M., Neki aspekti uporedne primeni programske podrke viekriterijumskom izboru projektnih reenja, VI Internacionalni simpozijum iz Project Managementa - Upravljanje projektima u sprovo enju reformi, Zbornik radova, YUPMA 2002, Zlatibor, 2002., str. 304-308. 82. Rauch-Hindin N. J., "Artifical Inteligence in Bussines, Science and Industry", Prentice Hall, London-Sydney-Toronto, 1985. 83. Schermerhorn, J.R., Management and Organizational Behaviour, John Willey, N.Y., 1996, str.194 84. Schuman, S.P. and Rohrbaugh, J., Decision Conferencing for Systems Planning, Information and Management, 21, pp147-159, 1991. 85. Silver, M. S., Descriptive analysis for computer based decision support, Operation Stohr, E. A., Konsynski, B. R., Information Systems and Decision Processes, Los Alamitos, CA: IEEE Computer Society Press, 1992. 86. Sprague, R., Watson H., "Decision Support Systems putting theory into practice", Prentice Hall London-Sydney-Toronto, 1989. 87. Standardi IDEF0 i IDEF1X (www.idef.com). 88. Stanojevi I., Surla D.: Uvod u objedinjeni jezik modeliranja, Grupa za
310
informacione tehnologije, Novi Sad, 1999. 89. Turban, E., "Decision Support and Expert Systems", Mackmilan Publishing Company, London, 1988. 90. Turban, E. Decision Support, Expert Systems: Management Support Systems, 4th edition, Englewood Cliffs, NJ: Prentice Hall, 1995. 91. Turban, E., McLean, E, Wetherbe, J., Information Technology for Management, New York: John Wiley & Sons, Inc., 1996. 92. Veljovi A. i dr., Elementi razvoja informacionog sistema za objedinjenu naplatu komunalnu usluga u optini Zrenjanin , YUINFO2005, Kopaonik, 2005. 93. Veljovi A. i dr., Informacioni sistem pisarnice i organa reavanja, YUInfo2004, Kopaonik, 2004. 94. Veljovi A. i dr., Projekat izrade informacionog sistema Rekreaturs, Projekat u izradi, Beograd, 2001. 95. Veljovi A. i dr., Viedimenzionalna analiza podataka kod informacionih sistema , YUINFO2003, Kopaonik, 2003. 96. Veljovi A., Dekomponovanje procesa petlje kvaliteta, asopis za unapre enje kvaliteta Kvalitet, broj 5-6, strane 31-33, Poslovna politika, Beograd, 1995. 97. Veljovi A., Elementi ekspert sistema za projektovanje tehnolokih procesa, Inteligentni tehnoloki sistemi, Knjiga 4, Mainski fakultet univerziteta u Beogradu, JUPITER zajednica, Beograd, 1990. 98. Veljovi A., Elementi potrebni za gradnju ekspertnih sistema, Dvanaesta JUPITER konferencija, Cavtat, 1986. 99. Veljovi A., Faze u razvoju informacionog sistema za upravljanje kvalitetom, 22. Godinja JUSK konferencija, 24-26. maja, strana 73-78, Beograd, 1995. 100. Veljovi A., G. Nenezi, Z. Eremija: Integracija informacionog sistema i sistema kvaliteta, Projekat, Sojaprotein, Beej, 2000. 101. Veljovi A., i dr., Funkcionalna i informaciona analiza administrativnih poslova optinske uprave optine Topola, Infotech2005, V. Banja, 2005. 102. Veljovi A., Kompjuter u sistemu kvaliteta, Savez inenjera i tehniara Jugoslavije, Beograd, 2001. 103. Veljovi A., Menadment informacioni sistemi u praksi, Kompjuter biblioteka, aak, 2002. 104. Veljovi A., Milai V., Majstorovi V., Prikaz nekih oblasti primene koncepta vetake inteligencije, Deseta JUPITER konferencija, Cavtat, str. 157-174, 1984. 105. Veljovi A., Modeliranje informacionih sistema, Megatrend univerzitet
primenjenih nauka, Beograd, 2002. 106. Veljovi A., Nenezi G., Eremija Z., Projekat integracije informacionog sistema i revizija standarda ISO 9000:2000, Spektar, aak, 2002. 107. Veljovi A., Osnove objektnog modeliranja UML, Kompjuter bibloteka, aak, 2002 108. Veljovi A., Prikaz korienja BPWin u definisanju aktivnosti u projektovanju po zahtevima sistema kvaliteta, asopis Kvalitet, Poslovna politika, broj 5-6, Beograd, 1998. 109. Veljovi A., Prikaz razvoja jezika korienih u vetakoj inteligenciji, XIV Simpozijum "Upravljanje proizvodnjom u industriji prerade metala", Beograd, str. 465-472, 1984. 110. Veljovi A., Primena softverskog programa BPwin, informacioni sistem, skladite rezervnih delova, XXIII Jugoslovenski skup: Odravanje tehnikih sistema, Kragujevac, s.557.-562, 1998. 111. Veljovi A., Program BPwin (CASE alati), sistem kvaliteta i prijem opreme, asopis: Menadment totalnim kvalitetom (JUSK Jugoslovenska organizacija za standardizaciju i kvalitet), broj 2, Beograd, 535-537, 1998. 112. Veljovi A., Projektovanje informacionih sistema, Kompjuter biblioteka, aak, 2003. 113. Veljovi A., Radojii M., Informatiki pogled na upravljanje razvojem u preduzeu, SymOrg2004, Zlatibor, 2004. 114. Veljovi A., Radojii M., O nekim aspektima menadment informacionih sistema, Sym-Op-Is2002, Tara, 2002. 115. Veljovi A., Radojii M., O nekim elementima stratekog pristupa upravljanju kvalitetom, Strategijski menadment, SM2004, Subotica, 2004. 116. Veljovi A., Radojii M., Primena tehnika funkcionalnog i informacionog modeliranja i organizaciono okruenje, Strategijski menadment, SM2003, Subotica,2003. 117. Veljovi A., Radojii M., Primena tehnika funkcionalnog i informacionog modeliranja i organizaciono okruenje, Strategijski menadment, SM2003, Subotica,2003. 118. Veljovi A., Radojii M., Reinenjering poslovnih procesa, RaDMI 2002, V. Banja, 2002. 119. Veljovi A., Radojii M., Tomi I., Prikaz korienja UML na primeru poslova u biblioteci, Sym-Op-Is2004, Fruka Gora, 2004. 120. Veljovi A., Razvoj menadment informacionih sistema zasnovanih na interaktivnom analitikom procesiranju, INFOFEST, Budva, 2002. 121. Veljovi A., Razvoj menadment informacionog sistema zasnovanog na
312
analitikom procesitranju, YUIFO2002, Kopaonik,2002. 122. Veljovi A., TQM kao integracija informacionog sistema i sistema kvaliteta, asopis Kvalitet, Poslovna politika, broj 11-12, Beograd, 1998. 123. Veljovi A., ivkovi D., Sistem kvaliteta i otprema materijala iz skladita rezervnih delova, XXI majski skup odravalaca, Kotor, 1998. 124. Veljovi, A., Radojii, M., Menadment informacioni sistem, Tehniki fakultet, aak, 2005. 125. Vesi J., Radojii M., Programska podrka viekriterijumskom odluivanju primenom novog tipa preferencijskih funkcija, Zbornik radova, SYM-OP-IS 2005, Vrnjaka Banja, 2005., str., 603-606. 126. Vesi J., Radojii M., Usavravanje metodologije modeliranja i iskazivanja preferencija donosioca odluke pri viekriterijumskom odluivanju, asopis Tehnika br. 2/2005, Savez inenjera i tehniara Srbije, Beograd, 2005., str.7-14. 127. Vogel, Douglas R., Nunamaker, Jay F. Jr., Group Decision Support system Impact: Multi-Methodological Exploration, Information & Management, 18, 15-28., 1990. 128. Web Trends Enterprise Suite, http://www.webtrends.com/products/ enterprise/default.htm. 129. Winston, P. H., Artificial Inteligence, Addison Wesley, 1984. 130. iovi M., Nikoli O., Vesi J., Ocene okruenja organizacije i primene, asopis Strategijski menadment br. 4/2003, Ekonomski fakultet, Subotica, str. 11-16.
17. PRILOZI
A. Poslovi cirkulacije u biblioteci B. Poslovi praenja praktianog rada u pilot fabrici C. Poslovi izrade tehnolokog postupka D. Poslovi realizacije preventivnog odravanja E. Poslovi obrauna zarada zaposlenih F. Poslovi delovodstva i arhive G.Poslovi izbora najpovoljnije konfiguracije raunarskog sistema
314
A. POSLOVI CIRKULACIJE U BIBLIOTECI

Uvod
Na primeru cirkulacije u biblioteci, detaljno e se prikazati sve faze vezane za analizu IS korienjem standarda IDEF0 i IE tj. odgovarajuih CASE alata BPwin i ERwin. Poslovi cirkulacije u biblioteci ovde prikazana imaju "specifina" ogranienja jer je to biblioteka u kojoj su uglavnom udbenici. Svi udbenici koji nose jedan naslov mogu da budu u neogranienom broju primeraka i bez obzira na izdanje nose jedinstvenu identifikacionu oznaku tj. inventarski broj. Mora se naglasiti da se ne posmatra svaki primerak udbenika (to moe da bude "manjkavost" kada je u pitanju neka druga biblioteka), lanovi biblioteke se identifikuju preko jedinstvenog matinog broja gradjana (to je identifikaciona ifra to je opet "manjkavost" sistema). Ove "manjkavosti" su prihvaene zbog naina rada poslova cirkulacije u analiziranoj biblioteci i zbog preuzimanja podataka iz postojee aplikacije uradjene 1990. godine u ORACLE 5 verziji. Pored kompromisa novo reenje dalo je nove pomake koji e se u daljem tekstu detaljno obrazloiti. Osnovu za analizu IS ine sledee faze: Definisanjem zahteva iz dokumenata, Definisanjem zahteva intervjuom, Definisanje dijagrama konteksta poslova cirkulacije u biblioteci, Definisanje stabla aktivnosti poslova cirkulacije u biblioteci, Definisanje dekompozicionog dijagrama i odgovarajuih logikih modela podataka za poslove cirkulacije u biblioteci, Inegralni logiki model podataka poslova cirkulacije u biblioteci Generisanje fizikog iz logiki modela podataka Generisanje eme baze podataka Izrade korisnickog interfejsa za poslove cirkulacije u biblioteci
Definisanje zahteva iz dokumenata

Definisanje zahteva iz dokumenata je pogled odozdo nagore. Dokumenti koji se razmatraju su: Materijalni list MP20 - dokument materijalnog knjigovodstva koji se koristi za beleenje naslova koji su od istog poiljaoca i datuma unosa; Karton bibliotekog materijala VB15 - dokument materijalnog knjigovodstva koji se vodi za jednu stavku iz materijalnog lista, dopunjen bibliografkim podacima; Kataloki listi - deo strunog kataloga koji u potpunosti opisuje jedan naslov i slui za pomo korisniku poslova cirkulacije u biblioteci u pretraivanju bibliotekog fonda; Uputstvo o bibliotekama; Izvod iz univerzalne decimalne klasifikacije - deo specifikacije klasifikacionog sistema UDK po kojem su naslovi iz bibliotekog fonda svrstavani u grupe strunog kataloga; Legitimacija knjige - pratei dokument naslova koji uva informaciju o istoriji zaduenja; Izvetaj o korisniku - informacija o trenutnom stanju zaduenja posmatranog korisnika poslova cirkulacije u biblioteci; Izvetaj o naslovu - informacija o broju slobodnih primeraka, broju slobodnih primeraka, korisnicim koji due naslov; Periodini izvetaj pristiglih naslova - informacija o zanovljenim naslovima u datom periodu.
Definisanje zahteva intervjuom

Definisanje zahteva intervjuom je pristup odozgo nadole, i treba da omogui definisanje: potreba za informacijama u biblioteci, ciljeva i problema kako ih vide rukovodioci i neposredni izvrioci. Na osnovu definisanih zahteva iz dokumenata i na osnovu sprovedenog intervjua uoene su sledee manjkavosti koje su uticale na definisanje dopunskih zahteva za informacijama: Dodati UDK broj, jer se ne vodi, Dodati ISBN broj, Informacije o deskriptorima, Specijalizacija lana poslova cirkulacije u biblioteci na studenta i nastavnike Informacija o izdanju,
316
Informacija o formatu knjige, Informacija o ilustracijama i Definisanje ifarnika: UDK oblasti, Jezika, Izdavaa,
Definisanje dijagrama konteksta poslova cirkulacije u biblioteci

Dijagramom konteksta poslova cirkulacije u biblioteci, definiu se okviri poslova cirkulacije u biblioteci i njena veza sa spoljnim okruenjem. Dijagram konteksta je najvii nivo apstrakcije koji se dekompozicionim dijagramima prevodi u nii nivo apstrakcije. Granice sisteme definisane dijagramom konteksta ini skup medjusobno povezanih podsistema. Svaki podsistem predstavlja logiki, kolekciju poslovnih procesa i entiteta (dokumenata, evidencija, baza podataka) koje oni generiu odnosno koriste. Pri definisanju poslovnih procesa i entiteta korieni su sledei principi: Identifikuju se i opisuju poslovni procesi i entitet tj., oni poslovni procesi koji bi se odvijali i oni entiteti koji se koriste i koji bi se formirali i koristili. Drugim reima, model procesa i model podataka posmatranog sistema rastereen je svih tehnolokih, organizacionih i drugih ogranienja u kojima postojei sistem funkcionie. Standardizacija obavljanja pojedinih poslova i integralnost informacionog sistema zahteva da se u najveoj moguoj meri izvede modeliranje. Pojedini poslovni procesi koji se obavljaju u vie razliitih funkcionalnih, odnosno organizacionih celina na isti nain posmatraju se kao posebni procesi koji imaju uvek isti opti model odvijanja, obezbedjujui na taj nain da se oni svuda obavljaju na jedinstven nain. Na primer, postupci izdavanja raznih reenja se odvijaju na isti nain definisan Zakonom u upravnom postupku bez obzira u kojoj se organizacionoj jedinici obavljaju, pa se ovi procesi posmatraju kao procesi koji imaju isti opti model za upravni postupak. Na sledeoj slici je prikazan dijagram konteksta "Poslovi cirkulacije u biblioteci ".
UDK
Uputstvo o poslovanju biblioteke
Inf. u biblioteku
Inf. o korisnicima
Inf. o knjigama
POSLOVI CIRKULACIJE U BIBLIOTECI

0
Podaci o zaduzenjima Opomene
Visi knjiznicar
Knjiznicar
NODE:
TITLE:
NUMBER:
A-0
Slika A.1. Dijagram konteksta " Poslovi cirkulacije u biblioteci"
Radi se o funkciji na koju se obino misli kada se govori informacionom sistemu neke cirkulacije u biblioteci. Ona ukljuuje vodjenje evidencije o lanovima cirkulacije u biblioteci, zaduivanje i razduivanje lanova sa naslovima, opominjanje korisnika i rezervisanje. Sledei korak je definisanje stabla poslova cirkulacije u biblioteci.
Definisanje stabla poslova cirkulacije u biblioteci

Na osnovu definisanih granica sistema u dijagramu konteksta prelazi se na sledeu aktivnost "Definisanje stabla poslova cirkulacije u biblioteci" gde se uspostavljaju vertikalne (hijerarhijske) veze izmedju poslovnih funkcija. Stablo poslova se definie primenom metode reavanja problema odozgo na dole (top-down), kada se sloena funkcija rastavlja na vie podredjenih a zatim se pristupa reavanju jednostavnih podredjenih poslova. Drugim reima, polazni sloeni posao razvija se u hijerarhiju podredjenih poslova, ija je struktura tipa stabla. Koren stabla (to je najvii vor stabla) sadri polazni posao, dok listovi, tj. vorovi koji nemaju potomke, sadre poslove ije je reavanje relativno jednostavno. Reavanjem svih podredjenih poslova iz listova reen je i polazni sloen posao. Vertikalna hijerarhija uspostavljena stablom poslova uspostavlja veze izmedju stratekog upravljanja (vizija, politika, postavljeni ciljevi) do nivoa praenja i ocenjivanja uspostavljenih procesa. Na sledeoj slici prikazano stablo poslova cirkulacije u biblioteci.
318
POSLOVI CIRKULACIJE U BIBLIOTECI 0
EVIDENTIRANJE 1 PRIKUPLJANJE PODATAKA O KORISNIKU FO RMIRANJE ZAPISA KORISNIKA AZURIRANJE ZAPISA KORISNIKA
ZADUZIVANJE 2 TRAZENJE NASLOVA VEZIVANJE NASLOVA ZA KO RISNIKA AZURIR ANJE ZADUZENJA KO RISNIKA
RAZDUZIVANJE 3 TRAZENJE KORISNIKA RASKIDANJE ZAD UZENJA I AZURIRANJE
O POMINJANJE 4 FO RMIRANJE LISTE PREKO RACENJA BIRANJE OPOMENE ZA SLANJE STAMPANJE OPOMENE
REZERVISANJE 5 PRETRAZIVANJE BIBLIOTECKOG FONDA IZBOR NASLO VA AZURIRANJE REZERVACIJE
Slika A.2. Stablo poslova cirkulacije u biblioteci
Definisanje dijagrama dekompozicije i odgovarajuih logikih modela podataka za poslove cirkulacije u biblioteci
Definisanjem stabla poslova uspostavile su se vertikalne veze izmedju poslova, dok izradom dekompozicionog dijagrama uspostavljaju se horizontalne veze izmedju poslova cirkulacije u biblioteci istog nivoa. Na sledeoj slici data je dekompozicija dijagrama prvog nivoa poslova cirkulacije u biblioteci.
UDK
Inf. u biblioteku EVIDENTIRANJE 1 Kriterijum pretrage Inf. o knjigama
Inf. o korisnicima
Podaci o zaduzenjima ZADUZIVANJE 2 Azuriranje zaduzenja RAZDUZIVANJE 3 Podaci o zaduzenjima Opomene Rokovi
OPOMINJANJE 4
REZERVISANJE 5 podaci o rezervacijama NODE: TITLE:
NUMBER:
A0
Menadment informacioni sistemi Slika A. 3. Dekompozicioni dijagram poslova cirkulacije u biblioteci
Svaki posao prikazan na predhodnoj slici dekomponuje se na podredjene dijagrame dekompozicije. U daljem tekstu detaljno e se prikazati detaljni dekompozicioni dijagrami. Dijagram dekompozicije za posao EVIDENTIRANJE Svaka biblioteka mora imati aurnu evidenciju o svojim lanovima. Tu se vode lini podaci kao to je jedinstveni identifikator lana (ovde usvojeno JMBG to se ne preporuuje), ime, prezime, telefon, radno mesto itd. Unos veine podataka sem pojedinih (kao broj telefona) je obavezan. Jedan lan moe samo jednom biti zaveden u evidenciju cirkulacije u biblioteci, i naravno iz cirkulacije u biblioteci se moe ispisati samo lan koji je ve ulanjen. Na sledee dve slike prikazan je dijagram dekompozicije i logii model podataka za posao Evidentiranje
Inf. u biblioteku
PRIKUPLJANJE PODATAKA O KORISNIKU 11
podaci o korisniku
FORMIRANJE ZAPISA KORISNIKA 12
zapis korisnika
Azuriranje zaduzenja
AZURIRANJE ZAPISA KORISNIKA 13
Inf. o korisnicima
NODE:
TITLE:
EVIDENTIRANJE
NUMBER:
A1
Slika A.4. Dekompozicioni dijagram poslova evidentanja
Imajui u vidu dekompozicioni dijagram prikazan na predhodnoj slici definie se sledei model podataka.
320
CLAN
ClanID jmbg ime prezime telefon
GODINA
GodinaID SmerID (FK) Godina
SMER SmerID Smer
SS SsID STUDENT ClanID (FK) SsID (FK) GodinaID (FK) SmerID (FK) Strucna sprema
USTANOVA UstanovaID ustanova
VANREDNI ClanID (FK ) UstanovaID (FK)
ZAPOSLEN ClanID (FK) SsID (FK) RadnomestoID (FK)
RADNO ME STO RadnomestoID RadnoMesto
Slika A.5. Logiki model podataka za posao Evidentiranja
Dijagram dekompozicije za posao ZADUZIVANJE lan trai naslov i ako nije na zaduenju zaduuje ga na period od 30 dana, osim ako se ne radi o sluaju kada zaposlen zaduuje udbenike. Za naslov koji je na pozajmici moe se samo izvriti rezervisati. Za naslov koji ne postoji proverava se da li je tano unesen kriterijum pretrage. Ako takvo zaduenje ne postoji proverava se da li je knjiga rashodovana. Uslovi koji moraju biti zadovoljeni posle izvravanja je tana evidencija svih zaduenja koja su tekua i jo nisu namirena. Na sledee dve slike prikazan je dijagram dekompozicije i logii model podataka za posao Zaduivanje.

UDK Inf. o knjigama TRAZENJE NASLOVA 21 Kriterijum pretrage VEZIVANJE NASLOVA ZA KORISNIKA 22 Podaci o zaduzenjima Rokovi izabrani naslov
Inf. o korisnicima
Opomene Podaci o zaduzenjima
AZURIRANJE ZADUZENJA KORISNIKA 23
Azuriranje zaduzenja
NODE:
TITLE:
ZADUZIVANJE
NUMBER:
A2
Slika A.6. Dijagram dekompozicije za posao Zaduzivanje
Imajui u vidu dekompozicioni dijagram prikazan na predhodnoj slici definise se sledei model podataka.
IZDAVAC IizdavacID izdavac
NASLOV
invbr IizdavacID (FK) JezikID (FK) udk (FK) naslov podnaslov autor1 autor2 autor3 godina brprimeraka signatura datumunosa format ilustracija brstrana izdanje ZADUZENJE invbr (FK) ClanID (FK) datzaduzenja rok
CLAN
UDKOBLASTI udk nazivoblasti
JEZIK JezikID jezik
DESKRIPTOR invbr (FK) deskriptor
Slika A.7. Logiki model podataka za posao Zaduzivanje
322
Dijagram dekompozicije za posao RAZDUZIVANJE Pri razduivanju identifikuje se zaduenje lana i brie se zapis o njemu. Na sledee dve slike prikazan je dijagram dekompozicije i logii model podataka za posao Razduzivanje. NOTES: 1 2 3 4 5 6 7 8 9 10 PUBLICATION A0
Inf. o korisnicima
TRAZENJE KORISNIKA 31
zapis korisnika
UDK
Kriterijum pretrage
RASKIDANJE ZADUZENJA I AZURIRANJE 32
Podaci o zaduzenjima
NODE:
TITLE:
RAZDUZIVANJE
NUMBER:
A3
Slika A.8. Dijagram dekompozicije za posao Razduzivanje
N ASLOV
invbr IizdavacID (FK) JezikID (FK) udk (FK) naslov podnaslov autor1 autor2 autor3 godina brprimeraka signatura datumunosa format ilustracija brstrana izdanje RAZDUZENJE invbr (FK) ClanID (FK) datumzad datumrazd
CLAN
JEZIK JezikID jezik
Slika A.9. Logiki model podataka za posao razduivanje
Dijagram dekompozicije za posao OPOMINJANJE Na osnovu datuma zaduenja i sistemskog datuma utvrdjuju se prekoraenja. Na sledee dve slike prikazan je dijagram dekompozicije i logii model podataka za posao Opominjanje.
UDK
Rokovi Inf. o korisnicima
FORMIRANJE LISTE PREKORACENJA 41 lista prekoracenja
Podaci o zaduzenjima
BIRANJE OPOMENE ZA SLANJE 42 podaci iz opomene
STAMPANJE OPOMENE 43
Opomene
NODE:
TITLE:
OPOMINJANJE
NUMBER:
A4
Slika A.10. Dijagram dekompozicije za posao Opominjanje
NASLOV
invbr IizdavacID (FK) JezikID (FK) udk (FK) naslov podnaslov autor1 autor2 autor3 godina brprimeraka signatura datumunosa format ilustracija brstrana izdanje OPOMENA invbr (FK) ClanID (FK) broj datum
CLAN
JEZIK JezikID jezik
Slika A.11. Logiki model podataka za posao Opominjanja 324
Dijagram dekompozicije za posao REZERVISANJE lan cirkulacije u biblioteci pretrauje naslove i kada nadje odgovarajui a on je ve na zaduenju kod drugog lana javlja se na listu ekanja za taj naslov. Sada nakon vraanja naslova u biblioteku on nemoe biti zaduen niti od jednog lana osim od onog koji ga je rezervisao i to po FIFO(First In Firs Out) algoritmu ekanja. Na sledee dve slike prikazan je dijagram dekompozicije i logii model podataka za posao Rezervisanje.
NOTES: 1 2 3 4 5 6 7 8 9 10 UDK PUBLICATIO N A0
Inf. o knjigama
PRETRAZIVANJE BIBLIOTECKOG FONDA 51 Rezultati pretrage
IZBOR NASLOVA 52 zeljeni naslov
AZURIRANJE REZERVACIJE 53
podaci o rezervacijama
NODE:
TITLE:
REZERVISANJE
NUMBER:
A5
Slika A.12. Dijagram dekompozicije za posao Rezervisanja

NASLOV
invbr IizdavacID (FK) JezikID (FK) udk (FK) naslov podnaslov autor1 autor2 autor3 godina brprimeraka signatura datumunosa format ilustracija brstrana izdanje
CLAN
REZERVACIJA invbr (FK) ClanID (FK ) datum ClanID jmbg ime prezime telefon
JEZIK JezikID jezik
Slika A.13. Logiki model podataka za posao Rezervisanje
Integralni logiki model podataka poslova cirkulacije u biblioteci

Na sledeoj slici prikazan je integralni logiki model podataka za poslove cirkulacije u bibloteci.
RAZDUZENJE invbr (FK) ClanID (FK ) datumzad datumrazd IZDAVAC IizdavacID izdavac SMER SmerID Smer
GODINA
GodinaID SmerID (FK) Godina
NASLO V
invbr IizdavacID (FK) JezikID (FK) udk (FK) naslov podnaslov autor1 autor2 autor3 godina brprimeraka signatura datumunosa format ilustracija brstrana izdanje
ZADUZENJE invbr (FK) ClanID (FK) datzaduzenja rok REZERVACIJA invbr (FK) ClanID (FK ) datum
CLAN
STUDENT ClanID (FK ) SsID (FK) GodinaID (FK) SmerID (FK)
SS SsID Strucna sprema
JEZIK JezikID jezik
OPOM ENA invbr (FK) ClanID (FK ) broj datum
USTANOVA UstanovaID ustanova
VANREDNI ClanID (FK) UstanovaID (FK)
ZAPOSLEN ClanID (FK ) SsID (FK) RadnomestoID (FK)
RADNO ME STO RadnomestoID RadnoMesto
Slika A.14. Integralni logiki model podataka prikazan IE metodologijom u ERwin-u
Prvo e se razmotriti atributi jer medju njima postoje razlike. Oni atributi koji su dati u gornjem delu grafike reprezentacije entiteta su kljuevi. Klju je podatak koji jedinstveno obeleava atribut u entitetu. Ne moe se desiti da dva entiteta imaju iste kljueve. Pored identifkujuih postoje i preneseni kljuevi (Foreign Key). Oni su posledica odnosa izmedju entiteta, koji su tipa deteroditelj. Naime, u odnosu izmedju dva entiteta uvek je jedan stariji. U zavisnosti da li je veza, koja se povlai od roditelja ka detetu, identifikujua ili neidentifikujua, primarni klju roditelja preslikae se ili u oblast identifikatora ili u oblast opisnih atribut kao dete. Identifikujua veza (puna linija) preslikava klju roditelja u klju deteta, to e rei da primarni klju roditelja jednoznano odredjuje svaki slog tabele deteta. Primer su, recimo, odnosi naslov-zaduenje i lan-zaduenje, koji su identifikujui pa e svaki rekord tabele zaduenja jednoznano odredjivati inventarni broj naslova i matini broj lana. Ovo je u potpunosti u skladu sa dosada esto preporuivanim pretraivanjem naslova po inventarnom broju a lana po matinom broju. Neidentifikujua veza (isprekidana linija) preslikava klju roditelja kao obian atribut deteta u oblast opisnih atributa. To je sluaj odnosa svakog
326
ifarnika prema podredjenom entitetu. Na primer, u odnosu entiteta studentGodina, studen je dete a Godina je roditelj. Primarni klju entiteta Godina GodinaID se kao klju roditelja preko neidentifikujue veze preslikavaju u entitet studenta samo kao preneseni atribut a ne kao klju. To je i razumljivo jer GodinaID nikako ne moze biti identifikatoi bilo kojeg zapisa u tabeli studenta. U pogledu kardinalnosti veza je interesantno dati komentar, na modelu entiteti-veze este veze, izmedju nekog ifarnika i entiteta deteta. ifarnik je takav entitet (budua tabela) koji uva podatke koji e sluiti za dodeljivanje vrednosti nekog atributa rekorda druge potinjene tabele. ifarnik obezbedjuje taan unos podatka i onemuguava neregularnu pretragu. Kardinalnost veze sa ifarnikom svuda na modelu je ista. Od strane ifarnika je jedan i samo jedan, a od strane deteta je nula, jedan ili vie. Takva kardinalnost ima opravdanje u realnom sistemu. Recimo, nakon to se zavede nova UDK oblast ona moe imati svrstan nijedan, jedan ili vie Naslova, dok jedan naslov moe imati samo jedan UDK broj, koji je pridruen UDK oblasti. Na modelu entiteti- veze mogue je intervenisati na jo jednom detalju od znaaja. Radi se o referencijalnim integritetima veza. Referencijalni integritet je svojevrsno pravilo, mehanizam kojim se definiu posledice izvrenja operacija nad jednim uesnikom po drugog uesnika u vezi. Mogue operacije nad entitetom su: Insert( ubacivanje novog sloga ), Update (izmena postojeeg sloga) i Delete (brisanje postojeeg sloga).
RAZDUZENJE invbr (FK) ClanID (FK) datumzad datumrazd D:R IZDAVAC I:SD IizdavacID U:C izdavac SMER D:R SmerID U:C Smer
G ODINA
GodinaID SmerID (FK) Godina STUDENT ClanID (FK) SsID (FK) GodinaID (FK) SmerID (FK)
NASLOV
invbr
D:R U:C
UDKOBLASTI D:R I:SD udk U:C nazivoblasti
JEZIK JezikID jezik
D:R I:SD U:C
IizdavacID (FK) D:R JezikID (FK) U:C udk (FK) naslov podnaslov autor1 D:C autor2 autor3 U:C godina brprimeraka signatura datumunosa format D:R ilustracija brstrana U:C izdanje
ZADUZENJE invbr (FK) ClanID (FK) datzaduzenja rok REZERVACIJA invbr (FK) ClanID (FK ) datum
D:C U:C D:R CLAN U:C ClanID D:C ime U:C prezime
telefon jmbg
D:R I:SD U:C
D:C D:C U:C U:C
D:C I:C
D:R SS I:SD SsID U:C Strucna sprema D:R I:SD U:C
OPOMENA invbr (FK) ClanID (FK) broj datum
D:C U:C
DESKRIPTOR invbr (FK) deskriptor D:R USTANOVA I:SD UstanovaID U:C ustanova
D:C I:C
VANREDNI ClanID (FK ) UstanovaID (FK)
D:C I:C
ZAPOSLEN ClanID (FK) SsID (FK) RadnomestoID (FK) D:R I:SD RADNO ME STO U:C RadnomestoID RadnoMesto
Slika A.15. Integralni logiki model podataka sa definisanim referencijalnim integritetom
Akcije koje odredjuje posledice izvodjenja operacija su sledea: Restrict (odbijanje operacije ako je naruen integritet entiteta), Cascade (operacija se
prosledjuje), No action (operacija se nesmetano izvodi), Set Default (kreira se predpostavljeni objekat, vrednost uvezenog kljua se postavlja na podrazumevanu vrednost) i Set Null (atribut, uvezeni klju koji uspostavlja vezu se postavlja na nul vrednost svoga tipa). Veza podtipa postoji izmedju entiteta clan i njegovih kategorija (student, zaposlen i vanredni). U tom sluaju svako brisanje sloga deteta izazvae i brisanje povezanog sloga (poljem matinog broja) u tabeli lana. To isto vai i za operaciju ubacivanja novog sloga u tabelu deteta. U pogledu neidentifikujuih veza moe se uoiti istovetni referencijalni integritet sa strane entiteta roditelja. Tu je postavljena u sluaju operacije brisanja akcija Restrict( to znai da nee doi do brisanja sloga roditelja ako postoji jedan ili vie povezanih slogova entiteta deteta), u sluaju operacije dodavanja novog sloga tabeli roditelja akcija set default (na povezane slogove u tabeli deteta u polje koje vezuje za roditelja postavlja se podrazumevana vrednost) i u sluaju operacije update (izmene sloga) akcija cascade (svaka izmena na slogu roditelja povlai za sobom promene na povezanom slogu tabele deteta). Primer za napred iznesene stavove je referencijalni integritet entiteta Godina u odnosu na dete entitet student. Kada se brie bilo koji slog iz tabele ifarnika Godina (tanije kada se brie GodinaID) to se nemoe izvesti sve dok postoji zapis makar i jednog clana koji je student te Godine. Kada se desi da se kreira novi slog u tabeli ifarnika Godina onda e u povezanim slogovima tabele studenta vrednosti kolone koja ih povezuje (GodinaID) biti postavljene na neku unapred definisanu podrazumevanu vrednost. Kada dodje do izmene bilo kog postojeeg sloga tabele ifarnika Godina (recimo promena polja GodinaID) uzrokovae izmenu tog uvezenog polja u povezanim slogovima tabele Studenta. Kod referencijalnog integriteta roditelja u identifikujuoj vezi situacija je drugaija. Na primer red tabele clana se nee moi izbrisati sve dok postoji makar i jedan red u tabeli zaduenja povezan sa njima. Drugim reima, clan se nemoe ispisati iz biblioteke sve dok ne razdui sve naslove koji se nalaze kod njega. Svaka promena na redu clana izaziva odgovarajue promene na povezanim slogovima tabele zaduenja. To znai da e neka izmena matinog broja clana morati da se reflektuje na evidenciju zaduenja tog clana. Referencijalni integritet entiteta clana prema entitetu rezervacije je neto drugaiji, bar to se tie sluaja brisanja sloga entiteta clana (brisanje sloga clana dovee do brisanja povezanog sloga rezervacije). Naime rezervacija se definitivno moe ukloniti u momentu ispisa clana, koji je vrio rezervaciju, iz biblioteke, jer rezervacija nije odnos materijalnog karaktera.
328
Generisanje fizikog model iz logiki modela podataka

Prvo se u CASE alatu ERwin vri se izbor ciljne DBMS (Database Managment System- Sitem za upravljanje bazama podataka), podeavaju opcije generatora i generiu tabele baze podataka. Na sledeoj slici prikazan je izgenerisan fiziki model podataka iz logikog modela podataka korienjem CASE alata ERwin.
RAZDUZENJE invbr: varchar(20) ClanID: varchar(6) datumzad: datetime datumrazd: datetime IZDAVAC IizdavacID: int izdavac: varchar(20) SMER SmerID: int Smer: varchar(20)
GODINA
GodinaID: int SmerID: int Godina: varchar(20)
NASLOV
invbr: varchar(20) IizdavacID: int JezikID: int udk: varchar(20) naslov: varchar(20) podnaslov: varchar(20) autor1: varchar(20) autor2: varchar(20) autor3: varchar(20) godina: int brprimeraka: int signatura: varchar(20) datumunosa: datetime format: int ilustracija: char(18) brstrana: int izdanje: varchar(20)
ZADUZENJE invbr: varchar(20) ClanID: varchar(6) datzaduzenja: datetime rok: datetime REZERVACIJA invbr: varchar(20) ClanID: varchar(6) datum: datetime
CLAN
ClanID: varchar(6) jmbg: int ime: varchar(20) prezime: varchar(20) telefon: varchar(20)
STUDENT ClanID: varchar(6) SsID: int GodinaID: int SmerID: int
UDKOBLASTI udk: varchar(20) nazivoblasti: varchar(20)
SS SsID: int Strucna_sprema: varchar(20)
JEZIK JezikID: int jezik: varchar(20)
OPOMENA invbr: varchar(20) ClanID: varchar(6) broj: int datum: datetime
DESKRIPTOR invbr: varchar(20) deskriptor: varchar(20)
USTANOVA UstanovaID: int ustanova: varchar(20)
VANREDNI ClanID: varchar(6) UstanovaID: int
ZAPOSLEN ClanID: varchar(6) SsID: int RadnomestoID: int
RADNO_MESTO RadnomestoID: int RadnoMesto: varchar(20)
Slika A.16. Fiziki model podataka prikazan u ERwin-u
Fiziki pogled na model entiteti veze za razliku od logikog modela sadri podatke o tipovima kolona tabela. Medjutim samo za atribute tipa karakter data je podrazumevana dimenzija podataka od 20 znakovnih mesta. Ve tu je jasno da neki atributi nee morati imati toliku dimenziju dok e nekima trebati i proirenje (inventarni broj naslova sigurno nee trebati svih 20 znakovnih mesta, dok e za imena nekih naslova trebati i vie karaktera kako bi se zapisali). Definisanje domena i korekcije te vrste nemogue je vriti na ovom mestu, ve se to (dizajn baze podataka) ini u izbranom sistemu za upravljanje bazama podataka. Za sve ostale tipove koji nisu karakter dimenzije nisu date. Znaaj fizikog modela je u tome to se samo iz njega moe izvriti generisanje tabela izbrane ciljne baze podataka. Ovde je izabrana baza podataka SQL Server.
Generisanje eme BP
Generisanje fizikih tabela vri se na osnovu logikog i fizikog modela koji je izradjen u fazi objektno orjentisanog dizajna, a uz pomo Data Definition Language(DDL) skripta. Evo izgleda tih linija DDL jezika.
CREATE TABLE CLAN ( ClanID varchar(6) NOT NULL, jmbg int NOT NULL, ime varchar(20) NULL, prezime varchar(20) NULL, telefon varchar(20) NULL ) ALTER TABLE CLAN ADD PRIMARY KEY (ClanID) CREATE TABLE DESKRIPTOR ( invbr varchar(20) NOT NULL, deskriptor varchar(20) NULL) ALTER TABLE DESKRIPTOR ADD PRIMARY KEY (invbr) CREATE TABLE GODINA ( GodinaID int NOT NULL, SmerID int NOT NULL, Godina varchar(20) NULL) ALTER TABLE GODINA ADD PRIMARY KEY (GodinaID, SmerID) CREATE TABLE IZDAVAC ( IizdavacID int NOT NULL, izdavac varchar(20) NULL) ALTER TABLE IZDAVAC ADD PRIMARY KEY (IizdavacID) CREATE TABLE JEZIK ( JezikID int NOT NULL, jezik varchar(20) NULL) ALTER TABLE JEZIK ADD PRIMARY KEY (JezikID) CREATE TABLE NASLOV ( invbr varchar(20) NOT NULL, IizdavacID int NOT NULL, JezikID int NOT NULL, udk varchar(20) NOT NULL, naslov varchar(20) NULL, podnaslov varchar(20) NULL, autor1 varchar(20) NULL, autor2 varchar(20) NULL, autor3 varchar(20) NULL, godina int NULL, brprimeraka int NULL, signatura varchar(20) NULL, datumunosa datetime NULL, format int NULL, ilustracija char(18) NULL, brstrana int NULL, izdanje varchar(20) NULL) ALTER TABLE NASLOV ADD PRIMARY KEY (invbr) CREATE TABLE OPOMENA ( invbr varchar(20) NOT NULL, ClanID varchar(6) NOT NULL, broj int NULL, datum datetime NULL) ALTER TABLE OPOMENA ADD PRIMARY KEY (invbr, ClanID) CREATE TABLE RADNO_MESTO ( RadnomestoID int NOT NULL, RadnoMesto varchar(20) NULL) ALTER TABLE RADNO_MESTO ADD PRIMARY KEY (RadnomestoID) CREATE TABLE RAZDUZENJE ( invbr varchar(20) NOT NULL, ClanID varchar(6) NOT NULL, datumzad datetime NULL, datumrazd datetime NULL) ALTER TABLE RAZDUZENJE ADD PRIMARY KEY (invbr, ClanID) CREATE TABLE REZERVACIJA ( invbr varchar(20) NOT NULL, ClanID varchar(6) NOT NULL, datum datetime NULL) ALTER TABLE REZERVACIJA ADD PRIMARY KEY (invbr, ClanID) CREATE TABLE SMER ( SmerID int NOT NULL, Smer varchar(20) NULL)
Slika A.17. SQL skript fajl generisan iz ERwin-a
330
Izrade korisnikog interfejsa za poslove cirkulacije u biblioteci

Polazi se od definisanih opcija u meniju na osnovu postavljenog modela procesa u BPwin-u. Na sledeoj slici prikazana je ema glavnog menija aplikacije koja sadri sledee opcije:
Cirkulacija Zaduzivanje Razduzivanje Opomena Rezervacija Pretrazivanje Autor Naslov Izdavac Jezik Datum Signatura Deskriptor UDK Inventarski broj Korisnici Upis Ispis Pregeled Knjige Evidencija Zavodjenje Rashodovanje Stanje Kataloski listic Nalepnice Izvestaji po Korisnicima po Knjigama Prinovljenih knjiga Godisnji Periodicni Materijalno MP20 VB-15 Opcije Novo nalog Izmene Promeni lozinku Izloguj se Sifarnici Smer Godina Strucna sprema Izdavac Radno mesto Ustanova Jezika UDK oblasti Dopune podataka O autoru Backup Export Import Kraj
Slika A.18. Izgled menija
Iz ove forme se ulazi u sve ostale forme aplikacije, putem komandi iz menija u vrhu prozora. Sada se vidi mala reorganizacija funkcija podsistema u odnosu na stablo aktivnosti koje je dato u poglavlju definisanja korisnikih zahteva, Tako postavljen meni je u funkciji efikasnijeg rada korisnika sa aplikacijom. Naime, korisno je imati sve operacije vezane za knjigu ili korisnika (iako je evidencija korisnika u dijagramima sluaja upotrebe bila svrstana u cirkulaciju) odvojene na jednom mestu, pogotovu to je takva organizacija menija bila prisutna i u prethodnom reenju. Stavka backup-a ima opcije export-a i import-a, koje otvaraju odgovarajue dijaloge za import i export podataka u podsistem. Posebno je interesantan sadraj stavke imena Opcije. Tu se administriraju korisnici aplikacije, otvaraju novi nalazi i promenjuju postojei. Zatim se mogu aurirati sadraj ifarnika koji se nalaze u podsistemu (godina, izdavaa, i dr.). Takodje tu se mogu dopunjavati podaci o naslovima i lanovima biblioteke. Izvetavati se moe po korisnicima i po knjigama. Novina je izvetaj o knjigama koje su zavedene u biblioteci i to godinji i periodini (za zadati vremenski interval).
U skladu sa postavljenim korisnikim zahtevima dodata je i stavka materijalno kojom se moe doi do dva dokumenta koji se vode za naslove iz bibliotekog fonda (materijalni list -MP 20 i karton bibliotekog materijalaVB15). Stavke glavnog menija, kao to su cirkulacija, korisnici, knjige i pretraivanje su opcije iz sadraja stavki u punoj funkciji i nesmetano se izvode. Recimo mogue je pretraiti naslov po deskriptoru, ali je i dodato pretraivanje po UDK broju, kojim se mogu pronai svi naslovi iz odredjene oblasti ljudskog stvaralatva i odredjene tematike. Slede izgledi pojedinih konkretnih formi koje se otvaraju izborom odgovarajuih opcija iz stavki menija, onim redom kako su date i u aplikaciji. Zbog obimnosti aplikacije prikazae se samo elementi zaduivanja i forma knjige. Definisanje zaduivanja Pritiskom komande zaduivanja u stavci cirkulacija glavnog menija otvara se sledei dijalog izbora kriterijuma pretraivanja naslova biblioteke (prethodi samom pretraivanju i zaduivanju). Pretraivanje se moe izvoditi izborom opcije: Autor, Naslov, Izdavac, Jezik, Datum, Signatura, Deskriptor, UDK i Inventarski broj. Vano je rei da e se ova forma pojavljivati i pre nekih drugih formi vezanih za naslove, jer je potrebno pronai naslov za koji se radi izvetaj, pravi pregled, kataloki listi, nalepnica ili rezervacija. Ukupno ima devet kriterijuma i svi su operativni, a izbor se vri jednostavnim ekiranjem nekog od kriterijuma. Istovremeno je mogue izabrati samo jedan kriterijum pretrage. U konkretnom primeru uzeto je da je izabran kriterijum pretrage po jeziku. Sledi izgled forme korisnikog interfejsa koji se otvara pritiskom na dugme dalje, u zavisnosti od izabranog kriterijuma.
332
Slika A.19. Forma izbora jezika po kojem se pretrauje naslov
S obzirom da smo izabrali kriterijum pretraivanja po jeziku na sledeoj formi se pojavljuje element klase combobox koji vue vrednosti naziva jezika iz tabele ifarnika jezika. Auriranjem ifarnika jezika menjae se i broj i sadraj stavki combobox-a. Izabrani jezik se prenosi na donju tekst kontrolu. Na formi postoje i dve kontrole. To je dugme izadji kojim se ponovo odustaje od pretraivanja. Dugme pretrai odpoinje pretragu tabele naslova za svim onim koji su napisani na srpskom jeziku. Rezultat pretrage e biti dat na sledeoj formi i to e biti svi naslovi koji su ranije oznaavani kao dela na hrvatskom i srpskohrvatskom jeziku. Forma rezultat pretrage koja se pojavljuje je najea pojava u radu sa aplikacijom. Njeno pojavljivanje moe biti i rezultat nekih drugih akcija kao to je komanda rezervacije, pregleda stanja naslova, tampanja nalepnice i katalokog listia. Stavljanjem vie ovakvih kontroli, koje se sve definiu nad primerkom klase naslova, na jednu formu tedi prostor, skrauje vreme u pristupu svim podacima vezanim za jedan naslov. Korisno je imati mogunost obavljanjana jednom mestu vie operacija nad naslovom. Na levoj strani maske se nalaze podaci vezani za naslov dok su sa desne strane podaci vezani za lana biblioteke koji dui primerak naslova (ako je naslov zaduen).
Slika A.20. Forma rezultata pretrage naslova
Sluaj koji je i ovde prisutan (da je rezultat pretrage vie naslova), da ima vie naslova na srpskom jeziku, rezultuje pojavljivanjem broja takvih naslova u status baru. Uz pomo odgovarajuih kontrola mogue je kretati se po skupu pretraenih naslova. U zavisnosti od trenutnog naslova se menja i sadraj desnog dela ekrana. U status baru, u njegovom desnom delu, se nalazi i podatak o broju lanova koji due primerke takvog naslova, ako i njih ima vie od jednog mogue je i kretati se po skupu lanova koji due trenutni naslov (kontrole kojima se to ostvaruje su dugmad pre.lan i sle.lan).
334
Slika A.21.Forma zaduivanja trenutnog naslova
U zavisnost da li je izabrano zaduivanje, rashodovanje naslova, rezervisanje, tampanje nalepnice ili katalokog listia neki od dugmia koji i nose imena ovih operacija nad instancom klase naslova e biti dostupni a neki ne. Ako je broj slobodnih primeraka vei od nula dugme zadui e reagovati na dogadjaj pritiska, u protivnom je mogue samo rezevisanje naslova. U konkretnom sluaju svi primerci naslova su slobodni pa je mogue zaduiti trenutni naslov. Pritisak na taster zadui otvara sledei dijalog zaduenja. Ovde se ostvaruje koncept postavljen u toku faze dizajna, koji glasi : zaduuje se primerak, a rezervie se naslov. lan koji zaduuje naslov se identifikje preko matinog broja i samo ako se pronadje lan za zadati JMBG aktivirae se dugme zadui. No pre toga, ako se radi o naslovu koji ima vie od jednog primerka u odgovarajuem combobox-u valja izabrati neki od slobodnih primeraka. Od kontrola vezanih za ovu funkciju mogue je jo i odustati od zaduivanja naslova kao i izvriti ponovni unos u sluaju greke. Forme knjige U stavci knjiga mogue je pogledati stanje naslova, tampati nalepnicu naslova i kataloki listi, te rashodovati postojei naslov. U sluaju izbora neke od tih opcija redosled otvaranja formi je istovetan onom kod zaduivanja ili rezervisanja naslova. Dakle, prvo se bira kriterijum pretraivanja, pa se unose vrednosti upita za izabrani kriterijum, a nad dobijenim rezultatima pretrage vre se odgovarajue operacije. Jedinu razliku u odnosu na ovakvo ponaanje predstavlja unoenje podataka novopristiglog naslova u biblioteku, koje otpoinje izborom opcije evidencija/zavodjenje iz stavke knjiga glavnog menija aplikacije.
Slika A.22. Forma zavodjenja novog naslova
Dizajn i ogranienja vezani za unos podataka novog naslova spreavaju nepravlnosti u vodjenju podataka naslova do kojih je ranije dolazilo. Postavljanjem zabrane unosa null podataka za veinu kljunih polja entiteta naslova, izbegava se sluaj nemogunosti pretraivanja ili zaduivanja i rezervisanja naslova. U ranijem podsistemu od neto preko 10.000 naslova u bibliotekog fonda, preko 1500 njih nije imalo inventarni broj, to je nedopustivo jer se radi o primarnom kljuu po kojem se formiraju zaduenja, rezervacije i pretrauje naslov. Jedina dva polja koja su neobavezna su polja podnaslova i koautora naslova. Pri unosu je nemogue uneti naslov inventarnog broja ili signature koja ve postoji. Neki podaci kao to je UDK broj se vuku iz odgovarajueg ifarnika, kretanjem po hijerarhijskom stablu udk oblasti na nain kako je to opisano u formi zadavnja upita po udk broju. Od ostalih komandi obezbedjene su jo uobiajne komande za izlazak iz forme i ponovni unos u sluaju greke. Zatim je tu komanda deskriptor koja otvara formu za unos deskriptora tekueg naslova ije se ime ispisuje u gornjem levom uglu.
336
Slika A.23. Forma unosa deskriptora
B. POSLOVI PRAENJA PRAKTIANOG RADA U PILOT FABRICI

Uvod
Za izradu praktinog rada koristi se Uputstvo za izradu praktinog rada. Svrha ovog uputstva je da prui detaljne informacije o nainu izdavanja, izrade i odbrane praktinog rada. Sadrina uputstva je razvrstana logiki i hronoloki prema dinamici izvodjenja predmeta, sa naglaenim obavezama u svim fazama realizacije, i to: postupak izdavanja praktinog rada, postupak izrade praktinog rada, odbrana praktinog rada. Funkcionalnom dekompozicijim se identifikuju poslovi PRAENJA PRAKTINOG RADA U PILOT FABRICI. Za izvo enje ovih aktivnosti potrebno je koristiti grafiki jezik IDEF0, tj. CASE alat BPwin. i IE tj. CASE alat ERwin. Za postupak rada sa dokumentima definisane su i odgovarajue procedure i interni standardi koje treba prouiti i inovirati postojeom praksom, a ako ne postoje, treba ih napisati, jer to neposredno utie na postojeu organizaciju rada. Dokumentacija koja je koriena za potrebe projekta je: Organizacioni propisi i Statut, Organizaciona struktura, Pravilnici o unutranjoj organizaciji i sistematizaciji radnih mesta i Primerci potrebnih obrazaca
Definisanje granica modela

Na sledeoj slici prikazan je dijagram konteksta za proces Praenje praktinog rada u pilot-fabrici kojim se definiu granice modela i njegovo mesto u procesu Izvo enje nastave.
338
Statut
Nastavni plan
Nastavni program
Uputstvo za izradu rada
Upitnik Podaci o ras polozivosti nasta vnik a Broj polozenih ispita Literatura Informacije iz Pilot-fabrike Uplatnica Evidencija skolarine Ispitna prijava 0 Zapisnik
PRACENJE PRAKTICNOG RADA U PILOT FABRICI
Ispitna prijava
Evidencija uradjenih rad ova
Predmetni nastavnik
Mentor
Student Refe rent studentske sluzbe
Komisija
Refe rent
NODE:
TITLE:
A-0
NUMBER:
Slika B.1. Dijagram dekompozicije za posao pracenje prakticnog rada u pilot fabrici
Definisanje stabla aktivnosti

Stablo aktivnosti za Praenje praktinog rada u pilot fabrici prikazano je na sledeoj slici.
P RA CE NJE P RA KTIC NOG RA DA U P ILOT FA B RIC I 0 IZDA V A NJE P RA KTIC NOG RA DA 1 P OPUNJA V A NJE UP ITNIK A I FORMIRA NJ E GRUP A S TUDE NA TA P ROV E RA IS PUNJE NOSTI US LOV A D E FINIS ANJE RA S POD E LE M ENTORA D E FINIS ANJE M ENTORA D E FINIS ANJE ZA D ATKA RAD A IZRAD A P RA KTIC NOG RA DA 2 K ONS ULTA C IJ E S A M E NTOROM IZRAD A RA D A K ONS ULTA C IJ E S A P RE D ME TNIM NA S TAV NIK OM P ROV E RA IS PUNJE NOSTI US LOV A ZA ODB RA NU P RIJ AV A P RA KTIC NOG RA DA ZA K A ZIV A NJE US ME NE OD B RANE I OB A V ES TA V A NJE US ME NA OD B RANA RA DA E V ID E NTIRA NJE ZA V RSNIH RA D OVA ODB RA NA P RA KTIC NOG RA DA 3
Slika B.2. Stablo aktivnosti za posao pracenje prakticnog rada u pilot fabrici
Definisanje dijagrama dekompozicije

Kako je ve navedeno, kontekstni dijagram se dekompozicijom dovodi do niih nivoa apstrakcije. Dijagram dekompozicije PRAENJE PRAKTINOG RADA U PILOTFABRICI prikazan je na sledeoj slici.
Uputstvo za izra du rada
Upitnik Podaci o ras polozivosti nasta vnik a Broj polozenih ispita IZDAVANJE PRAKTIC NOG RADA 1 Verifikacija rada Literatura Informacije iz Pilot-fabrike Mentor ODBRANA PRAKTIC NOG RADA 3 Evidencija uradjenih rad ova IZRAD A PRAKTIC NOG RADA 2 Zapisnik Ispitna prijava Evidencija uradjenih rad ova Zavrsni ra d Zadatak
Uplatnica Evidencija skolarine Ispitna prijava
Predmetni nastavnik
Predmetni nastavnik Mentor Student Refe rent s tudentske sluzbe Refe rent Komisija
NODE:
TITLE:
A0
NUMBER:
Slika B.3. Dijagram dekompozicije za posao pracenje prakticnog rada u pilot fabrici
Funkcionalna i informaciona analiza za posao IZDAVANJE PRAKTINOG RADA Proces obuhvata formiranje grupa studenata za izradu praktinog rada, definisanje mentora i utvrdjivanje teme i radnog sadraja zadatka. Dekompozicioni dijagram procesa je prikazan na sledeoj slici.
340
Upitnik
POPUNJAVANJE UPITNIKA I FORMIRANJ E GRUPA STUDENATA 11
Upitnik
Broj polozenih ispita
PROVERA ISPUNJENOSTI USLOVA 12
Informacija o broju grupa
Podaci o ras polozivosti nasta vnika
D EFINISANJE RASPOD ELE MENTORA 13
Raspodela mentora po centrima
D EFINISANJE MENTORA 14
Formular za izdavanje teme
Evidencija uradjenih rad ova
D EFINISANJE ZAD ATKA RADA 15
Zadatak
Student
Predmetni nastavnik
Mentor
NODE:
TITLE:
IZDAVANJE PRAKTICNOG RADA
NUMBER:
A1
Slika B.4. Dijagram dekompozicije za posao izdavanje prakticnog rada
Aktivnost POPUNJAVANJE UPITNIKA I FORMIRANJE GRUPA STUDENATA - Studenti na prvom asu predavanja dobijaju upitnik u kome sami daju predlog sastava grupe, pilot-fabrike i predmeta koji bi najvie bili zastupljeni u radu. Aktivnost PROVERA ISPUNJENOSTI USLOVA - Na bazi popunjenih upitnika predmetni nastavnik vri potvrdu sastava grupa na osnovu broja poloenih ispita. Aktivnost DEFINISANJE RASPODELE MENTORA - Na osnovu obaveza profesora u zimskom odn. letnjem semestru odredjuje se broj grupa koje taj profesor moe mentorski da prati u izradi rada, po centrima. Aktivnost DEFINISANJE MENTORA - Na osnovu raspodele mentorima po centrima, kao i predmeta za koji su se studenti izjasnili u upitniku, predmetni nastavnik odredjuje mentora za svaku grupu. Aktivnost DEFINISANJE ZADATKA RADA - Mentor definie temu i radni sadraj zadatka; popunjava (za svaka grupu posebno) obrazac o izdatom praktinom radu i dostavlja ga studentima. Tek po dobijanju teme studenti stiu uslov za prve konsultacije sa mentorom. Imajui u vidu dekompozicioni dijagram prikazan na predhodnoj slici definise se model podataka prikazan na sledeoj slici.

Zadatak ZavrsniRadID (FK) RedniBroj Naziv ZavrsniRad ZavrsniRadID ZaposleniID (FK ) UsmerenjeID (FK ) CentarID (FK) PilotFabrikaID (FK) temaId (FK) DatumIzdavanja DatumOdbrane Centar CentarID Naziv centra
Polaznik PolaznikID Prezime Ime JMBG LicnaKarta Adresa Mesto TelefonFix TelefonMob EMail BrojIndeksa Student Kursista
Grupa ZavrsniRadID (FK) PolaznikID (FK)
Tema temaId PredmetID (FK) Naziv
Predmet PredmetID Naziv Semestar
Slika B.5. Logiki model podataka za posao izdavanje prakticnog rada
Funkcionalna i informaciona analiza za posao IZRADA PRAKTINOG RADA Nakon izdavanja teme i dobijanja uputstava za izradu rada od strane mentora studenti pristupaju izradi praktinog rada. Ukupno angaovanje studenata u izradi praktinog rada obuhvata samostalni rad studenata u pilot-fabrikama, samostalni rad studenata van pilotfabrika i konsultacije sa mentorom i predmetnim nastavnikom. Na sledeoj slici prikazan je dekompozicioni dijagram Izrade praktinog rada, gde se uoava ralanjavanje na podaktivnosti: Aktivnost KONSULTACIJE SA MENTOROM - Po dobijanju teme studenti stiu uslov za prve konsultacije sa mentorom. Mentor struno prati izradu rada. Kada mentor verifikuje rad, isti kontrolie predmetni nastavnik. Aktivnost IZRADA RADA - Pri izradi rada studenti se moraju pridravati metodoloke strukture rada koja podrazumeva sledee celine, ija je detaljna razrada uslovljena specifinostima odredjene teme rada: Uvod, Snimanje postojeeg stanja u pilot-fabrikama, Analiza snimljenog stanja, Projektovanje mera za poboljanje postojeeg stanja, Sprovodjenje projektovanih mera u realnim uslovima u Pilot-fabrici, Analiza efekata sprovedenih mera, Zakljuak, Literatura, Prilozi. Aktivnost KONSULTACIJE SA PREDMETNIM NASTAVNIKOM Prilikom konsultacija predmetni nastavnik prati da li rad zadovoljava propisanu formu i pravila tehnike obrade rada. Nakon verifikovanja od strane
342
predmetnog nastavnika, studenti mogu prijaviti ispit i pristupiti odbrani.

Uputstvo za izra du rada Verifikacija rada od strane mento ra KONSULTAC IJ E SA MENTOROM 21 Instrukc ije mentora
Zadatak
Literatura Inform acije iz Pilot-fabrike
IZRAD A RADA
Zavrsni rad
22
KONSULTAC IJ E SA PRED METNIM NASTAVNIKOM 23
Verifikacija rada od stra ne predmetnog nastavnika
Verifikacija rada
Instrukcije predmetnog nastavnika
Mentor
Student
Predmetni nastavnik
NODE:
TITLE:
IZRADA PRAKTICNOG RADA
NUMBER:
A2
Slika B.6. Dijagram dekompozicije za posao izrada prakticnog rad
Imajui u vidu dekompozicioni dijagram prikazan na predhodnoj slici definise se model podataka prikazan na sledeoj slici
PilotFabrika PilotFabrikaID Zaposleni ZaposleniID JMBG Prezime Ime LicnaKarta Adresa Mesto TelefonFix TelefonMob EMail RadnaJedID (FK) OpstinaID (FK) StepenID (FK) Koeficijent GodineStaza DatumUlaz DatumIzlaz BankaID (FK) ZiroRacun PlacanjeAK PlacanjeKD Naziv Mesto Adresa Telefon e-mail Delatnost OblikSvojine
ZavrsniRad ZavrsniRadID ZaposleniID (FK) UsmerenjeID (FK ) CentarID (FK) PilotFabrikaID (FK) temaId (FK) DatumIzdavanja DatumOdbrane
Polaznik PolaznikID Prezime Ime JMBG LicnaKarta Adresa Mesto TelefonFix TelefonMob EMail BrojIndeksa Student Kursista
Zadatak ZavrsniRadID (FK) RedniBroj Naziv
Slika B.7. Logiki model podataka za posao izrada prakticnog rad
Funkcionalna i informaciona analiza za posao ODBRANA RADA Aktivnost Odbrana praktinog rada predtstavljena je dekompozicionim dijagramom na sledeoj slici. Ova aktivnost sastoji se iz: Aktivnost PROVERA ISPUNJENOSTI USLOVA ZA ODBRANU Nakon verifikacije rada od strane mentora i predmetnog nastavnika, referent za studentska pitanja proverava da li svi studenti zadovoljavaju uslov za odbranu zavrsnog rada. Aktivnost PRIJAVA ISPITA - Ukoliko studenti zadovoljavaju uslove za odbranu zavrnog rada pristupaju prijavi ispita. Ispit se prijavljuje van redovnih rokova za prijavu ispita, onda kada se za to stvore uslovi. Aktivnost ZAKAZIVANJE USMENE ODBRANE I OBAVETAVANJE - Nakon ispunjenja svih uslova, predmetni nastavnik utvrdjuje sastav komisije za odbranu rada i na osnovu raspoloivosti lanova komisije odredjuje termin odbrane rada. O terminu obavetava studente i lanove komisije. Aktivnost USMENA ODBRANA RADA - Studenti usmeno izlau rad pred komisijom koju ine mentor, predmetni nastavnik, nastavnik - trei lan i predstavnik pilot-fabrike. Svaki student pojedinano dobija ocenu koja se unosi u ispitnu prijavu i zapisnik. Aktivnost EVIDENTIRANJE ZAVRNIH RADOVA - Predmetni nastavnik nakon odbrane rada, rad prosledjuje referentu biblioteke koji podatke o radu unosi u evidenciju uradjenih radova. Radovi se evidentiraju i odlau u poseban deo biblioteke.
Verifikacija rada Broj polozenih ispita Evidencija skolarine PROVERA ISPUNJENOSTI USLOVA ZA ODBRANU 31 Uplatnica Ispitna prijava 32 PRIJ AVA PRAKTIC NOG RADA Ispitna prijava Informacija o ispunjenosti uslova
ZAKAZIVANJE USMENE ODBRANE I OBAVESTAVANJE 33
D atum odbrane ra da Ispitna prijava USMENA ODBRANA RADA 34 Zavrsni ra d Evidencija EVID ENTIRANJE uradjenih ra dova ZAVRSNIH RADOVA Zapisnik
Zavrsni rad
Refe rent studentske sluzbe
35 Predmetni nastavnik Student Komisija NUMBER: Refe rent
NODE:
TITLE:
ODBRANA PRAKTICNOG RADA
A3
Slika B.8. Dijagram dekompozicije za posao odbrana prakticnog rada 344
Imajui u vidu dekompozicioni dijagram prikazan na predhodnoj slici definise se model podataka prikazan na sledeoj slici
Zaposleni ZaposleniID JMBG Prezime Ime LicnaKarta Adresa Mesto TelefonFix TelefonMob EMail RadnaJedID (FK ) OpstinaID (FK) StepenID (FK) Koeficijent GodineStaza DatumUlaz DatumIzlaz BankaID (FK) ZiroRacun PlacanjeAK PlacanjeKD ZavrsniRad ZavrsniRadID ZaposleniID (FK ) UsmerenjeID (FK ) CentarID (FK) PilotFabrikaID (FK) temaId (FK) DatumIzdavanja DatumOdbrane Centar CentarID Naziv centra
Polaznik PolaznikID Grupa ZavrsniRadID (FK) PolaznikID (FK) Prezime Ime JMBG LicnaKarta Adresa Mesto TelefonFix TelefonMob EMail BrojIndeksa Student Kursista
PilotFabrika PilotFabrikaID Naziv Mesto Adresa Telefon e-mail Delatnost OblikSvojine
Slika B.9. Logicki model podataka za posao odbrana prakticnog rada
Integralni logiki model podataka za posao praenje praktinog rada u Pilot fabrici
Na sledeoj slici prikazan je integralni logiki model podataka za posao pracenje prakticnog rada u pilot fabrici gde se mogu videti svi entiteti, njihovi atributi, kao i tipovi veza medju entitetima (logiki nivo).
PilotFabrika PilotFabrikaID Zaposleni ZaposleniID JMBG Prezime Ime LicnaKarta Adresa Mesto TelefonFix TelefonMob EMail RadnaJedID (FK ) OpstinaID (FK) StepenID (FK) Koeficijent GodineStaza DatumUlaz DatumIzlaz BankaID (FK) ZiroRacun PlacanjeAK PlacanjeKD Zadatak ZavrsniRadID (FK) RedniBroj Naziv Naziv Mesto Adresa Telefon e-mail Delatnost OblikSvojine Centar CentarID ZavrsniRad ZavrsniRadID ZaposleniID (FK ) UsmerenjeID (FK ) CentarID (FK) PilotFabrikaID (FK) temaId (FK) DatumIzdavanja DatumOdbrane Naziv centra Polaznik PolaznikID Prezime Ime JMBG LicnaKarta Adresa Mesto TelefonFix TelefonMob EMail BrojIndeksa Student Kursista
Usmerenje UsmerenjeID Naziv usmerenja
Slika B.10. Integralni logicki model podataka za posao pracenje prakticnog rada u pilot fabrici.
Glavni entitet logikog modela je entitet sa nazivom ZavrsniRad. On sadri atribute koji definiu konkretan zavrni rad koji radi jedna grupa studenata. Ovaj entitet je povezan sa entitetima: Zaposleni (evidencija nastavnika koji imaju ulogu mentora zavrnih radova), PilotFabrika (praenje pilot fabrika koje su poligoni za izradu radova), Centar (edukacioni centri u kojima studenti studiraju), Usmerenje (razliita usmerenja za koja se studenti opredeljuju), Zadatak (evidencija zadataka koje studenti rade u okviru praktinog rada), Tema (nazivi tema praktinih radova), Grupa (veza izmedju entiteta ZavrsniRad i entiteta Polaznik). Entitet Tema je povezan sa entitetom Predmet koji sadri atrubute koji definiu predmete iz kojih se rade zavrni radovi.
Fiziki model podataka za posao praenja praktinog rada u Pilot fabrici

Pre definisanja fizikog modela podataka treba izabrati sistem za upravljanje bazom podataka (SUBP) gde e fiziki model biti kreiran. ERwin nudi veliki izbor SUBP, a za potrebe ovog rada izabran je MS Access. Definisanje fizikog modela podataka tj. implementacija entiteta i njihovih atributa u tabele i kolone nekog SUBP, korienjem ERwin-a, relativno je jednostavan posao. Programski modul ERwin-a za izgradnju fizikog modela ita opis entiteta i atributa i formira tabele i polja fizikog modela. Na sledeoj slici su prikazane veze me u tabelama u fizikom modelu podataka.
346
Pilot-fabrike PilotFabrikaID: AutoNumber Zaposleni ZaposleniID: AutoNumber JMBG: Text(13) Prezime: Text(22) Ime: Text(12) LicnaKarta: Text(10) Adresa: Text(35) Mesto: Text(15) TelefonFix: Text(30) TelefonMob: Text(30) EMail: Text(30) RadnaJedID: Long Integer OpstinaID: Long Integer StepenID: Long Integer Koeficijent: Double GodineStaza: Integer DatumUlaz: Date/Time DatumIzlaz: Date/Time BankaID: Long Integer ZiroRacun: Text(30) PlacanjeAK: Yes/No PlacanjeKD: Yes/No Zadatak RadID: Long Integer RedniBroj: Integer Naziv: Text() Naziv: Text(50) Mesto: Text(50) Adresa: Text() Telefon: Text() e-mail: Text() Delatnost: Text() OblikSvojine: Text() Centri CentarID: AutoNumber Rad RadID: AutoNumber ZaposleniID: Long Integer UsmerenjeID: Integer CentarID: Integer PilotFabrikaID: Integer TemaID: Integer DatumIzdavanja: Date/Time DatumOdbrane: Date/Time NazivCentra: Text() Polaznik PolaznikID: AutoNumber Prezime: Text(22) Ime: Text(12) JMBG: Text(13) LicnaKarta: Text(10) Adresa: Text(35) Mesto: Text(15) TelefonFix: Text(30) TelefonMob: Text(30) EMail: Text(30) BrojIndeksa: Integer Student: Yes/No Kursista: Yes/No
Grupa RadID: Long Integer PolaznikID: Long Integer
Usmerenja UsmerenjeID: AutoNumber NazivUsmerenja: Text(50)
Tema temaId: AutoNumber PredmetID: Integer Naziv: Text()
Predmet PredmetID: AutoNumber Naziv: Text() Semestar: Text()
Slika B.11. Fiziki model podataka za posao pracenja prakticnog rada u pilot fabrici
Na sledeim slikama prikazana je struktura upita za: Grupe, Nedovreni radovi, Odbranjeni radovi, Spisak studenata koji nisu diplomirali i Spisak studenata koji su diplomirali.
Slika B.12. Upit Grupe
Slika B.13. Upit Nedovreni radovi
Slika B.14. Upit Odbranjeni radovi
348
Slika B.15. Upit Spisak studenata koji nisu diplomirali
Slika B.16. Upit Spisak studenata koji su diplomirali
Opis aplikacije za posao praenja praktinog rada u Pilot fabrici

U sistemu za upravljanje bazama podataka MS Access je na osnovu dobijenog fizikog modela kreirana aplikacija za praenje Praktinog rada u pilot fabrici - PRAKTIAN RAD. Korisnik aplikacije je predmetni nastavnik zaduen za predmet Praktian rad u pilot fabrici. Aplikacija svojim izvetajima prua mogunost praenja grupa studenata po centrima, izdatih tema, raspodelu mentorstva po centrima, uradjenih tema (radova), odbranjenih radova, pilot-fabrika u kojima su radjeni zavrni radovi itd. Aplikacija za praenje Praktinog rada u pilot fabrici bi se koristila paralelno uz aplikaciju ISPIT koja se koristi u studentskoj slubi kole, a postoji i mogunost integrisanja ove aplikacije u informacioni sistem
studentske slube. Na sledeoj slici prikazana je glavna forma aplikacije PRAKTIAN RAD U PILOT-FABRICI.
Slika B.17. Glavna forma aplikacije PRAKTIAN RAD U PILOT-FABRICI
Klikom na dugme Unos radova dobija se ekranska forma prikazana na sledeoj slici. Ova ekranska forma sadri podatke koji se nalaze na formularu za izdavanje teme.
Slika B.18. Podaci koji se nalaze na formularu za izdavanje teme
Ekranska forma za unos ostalih podataka prikazana je na sledeoj slici.
350
Slika B.19. Ekranska forma za unos ostalih podataka
Izborom opcije Pregled i tampanje izvetaja sa glavne forme dobija se ekranska forma kao na sledeoj slici.
Slika B.20. Pregled i tampanje izvetaja
C. POSLOVI IZRADE TEHNOLOKOG POSTUPKA

Uvod
Izrada projekta "Razvoj IS za uzradu tehnolokog postupka" (u daljem tekstu TehnIS) zasniva se na korienju standarad IDEF0 i IE realizovanih kroz CASE alate BPwin i ERwin. CASE alat treba da omogui definisanje elemenata za fiziku izradu Baze podataka (SQL Server 2000) i izradu korisnike aplikacije TehnIS. Predloeni nain rada korienjem CASE alata BPwin, ERwin-a je prototipski i ukljuio je one koji e koristiti odgovarajui aplikativni softver i koji e dok se projektuje sistem ukazivati na nedostatke i svoje potrebe za informacijama. Prototipski nain rada korienje CASE alata je trend u svetu i definisan je pod pojmom reinenjering poslovnih procesa. S druge strane ovaj pristup je realizacija dela projekta ProteIS gde je definisan model procesa korienjem IDEF0 metodologije (CASE alat BPwin) to je predpostavka za standard ISO 9000:2000 i model podataka koji je pretpostavka za izradu baze podataka i korisnike aplikacije.
Funkcionalna analiza TehnIS-a

Funkcionalnom dekompozicijim potrebno je identifikovati poslove TehnIS-a. Za izvodjenje ovih aktivnosti potrebno je koristiti grafiki jezik IDEF0 tj. CASE alat BPwin. IDEF0 tehnika je svojevrsan grafiki jezik koji omoguuje opisivanje procesa po zahtevima standarda ISO9000:2000. Funkcionalna dekompozicija potrebno je izvoditi kroz dve podredjene aktivnosti: Definisanje zahteva korisnika TehnIS Definisanje granica sistema TehnIS-a, Definisanje stabla poslova TehnIS-a Definisanje dijagrama dekompozicije TehnIS.
352
Definisanje zahteva korisnika TehnIS-a

Sa stanovita projektanta definisanje zahteva korisnika kljuni je momenat. U pitanju su informisanje projektanta, odnosno, upoznavanje sa potrebama i eljama korisnika, kako bi projektant mogao da uspostavi informacione veze i donese pravilne zakljuke. Ova aktivnost su: Definisanje zahteva iz dokumenata; Definisanje zahteva intervjuom; Definisanje zahteva iz dokumenata Uokviru izrade projekta TehnIS analizirani su sledea dokumenta: Tehnoloki postupci, Planovi uzorkovanja, Dokument za praenje proizvodnje"Veliine paramaetara proizvodnim linijama" eme proizvodnih linija Tehnika i tehnoloka dokumentacija i dr.
na
Na osnovu izvrene analize pokazalo se da tehnoloki postupci i planovi uzorkovanja grubo opisuju tehnoloki proces i da su nedovoljni za unos podataka u realizovanoj aplikaciji TehnIS. Dokument za praenje proizvodnje"Veliine parametara na proizvodnim linijama" nije primeren za primenu u TehnIS-u. Ovo je uslovilo da praktino nova aplikacija TehnIS ima za zadatak da omogui detaljnjo definisanje tehnolokog postupak. Definisanje zahteva intervjuom Kao rezultat sprovedenog intervjua u tehnologiji dolo se do sledeih zakljuaka: Potrebno je definisati detaljne tehnoloke postupke Izvriti oznaavanje proizvoda i standardizaciju naziva istih Definisati tanije normative vremena tj. uspostati odeljenje za normiranje Definisati mesta kontrolisanja kao operacije i na taj nain reiti problem definisanja Definisati plan uzorkovanja. Uneti iz tehnike i tehnoloke dokumentacije podatke vezane za parametre maina Napraviti vezu prema odravanju
Definisanje granica sistema TehnIS-a

Definisanje granica sistema je vezana za definisanje dijagrama konteksta (IDEF0 metodologija) koji e u sledeem koraku biti po hijerarhiji povezani u stablo aktivnosti. Preporuuje se da treba poeti od definisanja izlaznih strelica, pa se pomerati prema ulazima, resursima i kontrolama. Polazi se od injenice da svaka aktivnost poseduje odgovarajue izlaze koji se mogu identifikovati. Prilikom definisanja izlaza treba voditi rauna i o negativnim izlazima, koji prouzrokuju tzv. povratne (feedback) strelice. Sledei elementi koje treba definisati su strelice ulaza, koji se na specifian nain transformie (ili troi) radi stvaranja odgovarajueg izlaza, podpomognut odgovarajuim mehanizmima i kontrolom. Na sledeoj slici prikazan je dijagram konteksta gde se definie neposredno okruenje.
Postupci za izradu tehnologije
Upustv a
Inf ormacije o proizv odu
RAZVOJ TEHNOLOSKOG PROCESA
Tehnoloski postupak
Tehnolog
SUBP
NODE:
TITLE:
NUMBER:
A-0
Slika C.1. Dijagram konteksta poslova TehnIS
Ulazne informacije su informacije iz proizvodnje definisane dokumentom "Veliine parametara na proizvodnim linijama", informacijama o izvedenim labaratorijskim ispitivanjima uzoraka i informacijama o utroenim vremenima iz radnog naloga. Izlana informacija je isprojektovan tehnoloki postupak koji predstavlja osnovu za lansiranje i praenje radnog naloga. Kontrole su definisane postupcima i uputstvima sistema kvalitete kao i tehniko tehnolokim zahtevima definisane dokumentacijom o opremi. Resursi potrebni za korienje aplikacije TehnIS su tri radna mesta
354
tehnologa i realizovana aplikacija u SUBP SQL Server 2000 i MS Access 2000.
Definisanje stabla poslova TehnIS

Na osnovu definisane granice sistema prelazi se na sledeu aktivnost "Definisanje stabla poslova" gde je potrebno uspostaviti vertikalne (hijerarhijske) veze izmedju poslova. Stablo poslova se definie primenom metode reavanja problema odozgo na dole (top-down), kada se sloeni posao rastavlja na vie podredjenih poslova a zatim se pristupa reavanju jednostavnih podredjenih poslova. Drugim reima, polazni sloeni posao razvija se u hijerarhiju podredjenih poslova, ija je struktura tipa stabla. Koren stabla (to je najvii vor stabla) sadri polazni posao, dok listovi, tj. vorovi koji nemaju potomke, sadre poslove ije je reavanje relativno jednostavno. Reavanjem svih podredjenih poslova iz listova reen je i polazni sloen posao. Dakle, stablo poslova predstavlja hijerarhiju definisanih poslova, oienu od strelica, i omoguuje funkcionalnu dekompoziciju i uvid u dubinu odvijanja veza izmedju poslova. Na osnovu definisaniog konteksnog dijagrama prikazano je stablo poslova kojom se definie hijerarhijska struktura tj. povezivanje poslovnih funkcija poslovnih procesa, procesa i aktivnosti po vertikali. Stablo poslova prikazano ne predstavlja organizacionu emu. Da bi ste se oslobodili "organizacionog" pristupa i prihvatili procesni pristup potrebno je zamisliti da samo jedan ovek obavlja sve poslove.
RAZVOJ TEHNOLOSKOG PROCESA 0
ODRZAVANJE TEHNOLOSKIH LOKACIJA 1 EVIDENCI JA POGONA EVIDENCI JA TEHNOLOSKIH LOKACIJA
IZRADA TEHNOLOSKOG POSTUPKA 2 IZBOR PROI ZVODA DEFINISANJE OPERACIJA POVEZIVANJE OPERACIJA SA TEHNOLOSKIM LOKACIJAMA DEFINISANJE VREMENA OPERACIJE
DEFINISANJE PARAMETARA 3 IZBOR UREDJAJA I MASINA DEFINISANJE PARAMETARA MASINE DEFINISANJE PARAMETARA UZORKA
IZRADA TEHNOLOSKIH IZVESTAJA I PREGLEDA 4 TEHNOLOSKI POSTUPAK PREGLED TEHNOLOSKIH LOKACIJA PO POGONIMA UTROSAK ENERGIJE PO PROI ZVODI MA
Slika C.2. Stablo poslova TehnIS
Stablo poslova potrebno za razvoj tehnolokog procesa u Sojaproteinu
definisano je u etiri osnovna vora: Odravanje tehnolokih lokacija, izrada rehnolokog postupka, definisanje parametara i izrada tehnolokih izvetaja i pregleda.
Definisanje horizontalnih veza izmedju poslova

Definisanje horizontalnih veza (dekompozicioni dijagram po IDEF0 metodologiji) izmedju poslova treba da omogui povezivanje odgovarajuih informacija definisanih u okviru stabla poslova. Definisanjem stabla poslova uspostavile su se vertikalne veze izmedju poslova, dok izradom dekompozicionog dijagrama uspostavljaju se horizontalne veze izmedju poslova istog nivoa. Na narednoj slici prikazan je dekompozcioni dijagram projekta TehnIS.
Inof rmacije o tehnolos kim lokacijama 1
ODRZAVANJE TEHNOLOSKIH LOKACIJA
IZRADA TEHNOLOSKOG POSTUPKA 2
Inf ormacije o tehnologiji
Inf ormacije o proizv odu
DEFINISANJE PARAMETARA 3
Daef inis ani parametri
IZRADA TEHNOLOSKIH IZVESTAJA I PREGLEDA 4
Tehnoloski postupak
NODE:
TITLE:
NUMBER:
A0
Slika C.3. Dekompozicioni dijagram poslova TehnIS
Potujui IDEF0 standard odgovarajue strelice predstavljaju setove dokumenata koje definiemo kao informacije. Svaka informacija na sledeem nivou se deli sve do nivoa aktivnosti gde se kao strelice definiu konkretna dokumenta.
356
Informaciona analiza TehnIS

Informaciona analiza TehnIS je definisanje logikog modela podataka. Na narednoj slici prikazan je logiki model podataka projekta TehnIS.
TehnoloskiPostupak ProizvodID (FK) TehnoloskiPostupakID BrojTehnoloskogPostupka Datum Izradio (FK) Odobrio (FK) TehnoloskaLokacija TehnoloskaLokacijaID TehnoloskaSifra NazivTehnoloskeLokacije Slika NadredjenaTL (FK)
Te hnoloskiPostupakStavka ProizvodID (FK) TehnoloskiPostupakID (FK) OperacijaID BrojOperacije NazivOperacije OpisOperacije KodUredjajUzorak TehnoloskaLokacijaID (FK) PredmetPoslovanjaID (FK) VremePripreme VremeTrajanja
Proizvod ProizvodID (FK) PakovanjeID (FK) BarKod
Parametar ProizvodID (FK) TehnoloskiPostupakID (FK) OperacijaID (FK) RedniBrojParametra NazivParametra ZahtevanaVrednost ZahtevanaVrednostMin ZahtevanaVrednostMax JedinicaMereID (FK)
Slika C.4. Logiki model podataka projekta TehnIS
U daljem tekstu detaljno e se specificirati svaki pojedinani entitet. Predmet poslovanja je generalizovani entitet nastao na viem nivou u okviru renika podataka ProteIS i ovde se prikazuje da bi se pokazala veza sa njegovom specijalizaciojom Proizvod. Predmet poslovanja je vezni entitet prema ostalim podsistemima u Sojaproteinu u okviru projekta ProteIS. Proizvod je specijalizacija od predmeta poslovanja i mogue ga je samo koristiti a njegov nastanak je vezan za posistem interna standardizacija. Nasledjuje atribute iz klase PredmetaPoslovanja a njegov specifini atribut kojim se opsuje je BarKod. Tehnoloki postupak je entitet koji se ovde stvara i koji za jedan proizvod moe da ima vie varijanti. Za tehnoloki postupak potrebno je definisati varijantu, datum nastanka i kao povratna informacija (izveden podatak) ukupno vreme. Tehnoloki postupak stavka su operacije koje se definiu za konkretan proizvod i odgovarajuu varijantu tehnoloskog postupka. Potrebno je definisati redni broj operacije, standradizovani naziv operacije, vreme pripreme i vreme trajanja.Posebno je mogue za svaku operaciju opisati operaciju kao i definisati parametre.
Parametri su generalizovani entitet i definie za odgovarajuu operaciju ije su specijalizacije parametri uredjaja i parametri uzorka. Parametri su opisani zahtevanom vrednou, zahtevana vrednost minimum i zahtevana vrednost maksimum. Tehnoloka lokacija je entitet kojim se definie lokacija gde se operacija izvodi. Poslovna pravila Poslovno pravilo roditelj - dete Proizvod ima vie Tehnolokih postupaka Tehnoloki postupak ima vie Operacija Operacija se odvija na jednoj Tehnolokoj lokaciji Operacija ima vie parametara Poslovno pravilo dete - roditelj Tehnoloki postupak je povezan sa samo jednim proizvodom Oparacija je povezana sa samo jednim Tehnolokim postupkom Tehnoloka lokacija je povezana sa vie operacija Parametar je povezan sa samo jednom operacijom Tip veze identifikujua
identifikujua
neidentifikujua identifikujua
Fiziki model podataka poslova TehnIS

Definisanje fizikom modela podataka tj. implementacija entiteta i njihovih atributa u tabele i kolone nekog SUBP, korienjem ERwin-a, relativno je jednostavan posao. Programski modul ERwin-a za izgradnju fizikog modela ita opis entiteta i atributa i formira tabele i polja fizikog modela.
358
Definisanje osobina domena Definisani domeni se odnose za izabrani SUBP Microsoff SQL Server 2000 koji su prikazani u sledeoj tabeli:
Naziv Domena Cena Datum Delovodnik Godina IdentBroj Ime JMBG Kolicina KolicinaCeo KolicinaDecimal KratkiDatum MaliCeoBroj Napomena Naziv NazivIdenta Oznaka RedniBroj SistemskiDatum Slika Status Definicija Domena money datetime varchar(25) smallint int nvarchar(50) char(13) int int numeric(13,2) smalldatetime tinyint ntext nvarchar(50) nvarchar(80) nvarchar(15) int smalldatetime image tinyint Poetna vrednost 0 Null Opcija NULL NULL NULL NULL NOT NULL NULL NULL NULL NULL NULL NULL NULL NULL NULL NULL NULL NULL NULL NULL NULL
Na osnovu definisanih osobina kolona na narednoj slici prikazan je fiziki model.

TehnoloskiPostupak ProizvodID: int TehnoloskiPostupakID: int BrojTehnoloskogPostupka: varchar(25) Datum: smalldatetime Izradio: int Odobrio: int TehnoloskaLokacija TehnoloskaLokacijaID: int TehnoloskaSifra: nvarchar(15) NazivTehnoloskeLokacije: nvarchar(80) Slika: image NadredjenaTL: int
Te hnoloskiPostupakStavka ProizvodID: int TehnoloskiPostupakID: int OperacijaID: int BrojOperacije: int NazivOperacije: nvarchar(80) OpisOperacije: ntext KodUredjajUzorak: tinyint TehnoloskaLokacijaID: int PredmetPoslovanjaID: int VremePripreme: numeric(13,2) VremeTrajanja: numeric(13,2)
Proizvod ProizvodID: int PakovanjeID: int BarKod: nvarchar(50)
Parametar ProizvodID: int TehnoloskiPostupakID: int OperacijaID: int RedniBrojParametra: int NazivParametra: nvarchar(80) ZahtevanaVrednost: numeric(13,2) ZahtevanaVrednostMin: numeric(13,2) ZahtevanaVrednostMax: numeric(13,2) JedinicaMereID: int
Slika C.5. Fiziki model podataka TehnIS
360
U narednoj tabeli dat je prikaz dodeljenih domena kolonama.

Naziv tabele Naziv kolone
ProizvodID TehnoloskiPostupakID OperacijaID KodUredjajUzorak RedniBrojParametra NazivParametra ZahtevanaVrednost ZahtevanaVrednostMin ZahtevanaVrednostMax JedinicaMereID ProizvodID PakovanjeID BarKod TehnoloskaLokacijaID TehnoloskaSifra NazivTehnoloskeLokacije Slika NadredjenaTL ProizvodID TehnoloskiPostupakID BrojTehnoloskogPostupka Datum Izradio Odobrio ProizvodID TehnoloskiPostupakID OperacijaID BrojOperacije NazivOperacije OpisOperacije TehnoloskaLokacijaID PredmetPoslovanjaID VremePripreme VremeTrajanja
Naziv domena
IdentBroj IdentBroj RedniBroj Status RedniBroj NazivIdenta KolicinaDecimal KolicinaDecimal KolicinaDecimal IdentBroj IdentBroj IdentBroj Naziv IdentBroj Oznaka NazivIdenta Slika IdentBroj IdentBroj IdentBroj Delovodnik KratkiDatum IdentBroj IdentBroj IdentBroj IdentBroj RedniBroj RedniBroj NazivIdenta Napomena IdentBroj IdentBroj KolicinaDecimal KolicinaDecimal
Parametar
Proizvod
TehnoloskaLokacija
TehnoloskiPostupak
TehnoloskiPostupakSt avka
Generisanje SQL SERVER 2000 eme baze podataka

Generisanje eme baze podataka" izvodi se na osnovu prethodno uradjenog fizikog modela podataka. emu baze podataka ine fizike tabele, kolone i relacije, koje se, kao to je reeno u prethodnom poglavlju, u CASE alatu automatski generiu iz logikog modela. Takodje, u prethodnom poglavlju pokazani su i automatsko kreiranje default tipova podataka za svaku generisanu kolonu i nain izmene specifikacija kolona (domen i validacija podataka). Proces generisanja eme baze podataka iz fizikog modela podataka naziva se direktni inenjering. Kada se generie ema baze podataka, entiteti
prelaze u tabele, atributi u kolone, a veze u relacije i definiu se referencijalni integriteti, trigeri, procedure, indeksi i druge osobine koje podrava izabrani SUBP. Dakle, da bi se generisala baza podataka potrebno je, prvo, izabrati odgovarajuu ciljnu platformu (SUBP) i potom se logovati na nju. Kada korisnik loguje na izabranu platformu, ERwin kreira aktivnu bidirekcionu vezu sa sistemskim katalogom izabranog servera koja omoguava direktno kreiranje baze podataka.
Klijent aplikacija TehnIS

Projektovana Klijent aplikacija uradjena je u Microsoft Access 2000 programskom paketu i pri tome su usvojeni svi standardi koje je Microsoft postavio pre svega u svom Windows operativnom sistemu a zatim u Access-u. Cilj je da, bilo koji korisnik koji je imao bilo kakav dodir sa Microsoft alatima prepozna ikonu iza koje se krije poznata akcija. Korisnika forma u levom gornjem uglu sadri naziv forme dok desni gornji ugao sadri standarna simbolizovana dugmad za kontrolu nad formom. Sve forme su logiki imenovane.
Meni aplikacije Osnovna radna forma
Slika C.6. Osnovni izgled Glavne forme ProteIS - TEHNOLOGIJA
362
Osnovna radna forma po imenu Proizvod prikazana je na sledeoj slici:
Slika C.7. Osnovna radna forma Proizvod
Forma Proizvod, je forma koja u sebi sadri i podforme. Osnovni deo forme se odnosi na informacije o proizvodu. Prva podforma se odnosi na informacije o tehnolokim postupcima, a druga se odnosi na informacije u vezi sastavnice proizvoda. Informacije u osnovnoj fomi nije mogue brisati ili menjati, to znai da se o informacijama o proizvodu brine neka druga sluba odnosno proces. Forma Proizvod je takozvana prosta forma budui da se odnosi na jedan zapis o proizvodu. Da bi se pogledale informacije o nekom drugom proizvodu potrebno je da se izvri navigacija korienjem navigacionih elementima forme, koji su standardni elementi Microsoft Access-a, a mogu se videti na sledeoj slici.
Slika C.8. Elementi navigacije
Navigaciono dugme za dolazak na prvi zapis
Navigaciono dugme kojim se dolazi na prethodni zapis
Navigaciono dugme kojim se dolazi na naredni zapis
Navigaciono dugme s kojim se dolazi na poslednji zapis
Dugme kojim se otvara novi zapis
Za unoenje podataka u vezi tehnolokog postupka slui podforma Tehnoloki postupak prikazana na narednoj slici.
Dugme za selekciju Dugme za stampu
Slika C.9. Forma Tehnoloki postupak
Forma Tehnoloki postupak predstavlja sloenu formu i sastoji se od zaglavlja (zeleni deo forme) i stavki (sivi deo fome). Zaglavlje se odnosi na jedan tehnoloki postupak i taj deo forme je jednostavna forma to ukazuje da se unutar te forme nalaze informacije o samo jednom tehnolokom postupku. Jedan proizvod moe imati vie tehnolokih postupaka i izbor, odnosno dodeljivanje novog tehnolokog postupka za konkretan proizvod moe se izvriti uz pomo navigacionih dugmadi koja su opisana ranije. Za razliku od prethodne forme, ova forma poseduje dugme za selekciju zapisa iz razloga ako se eli selektovani zapis tehnolokog postupka obrisati. Jedino ogranienje brisanja odnosi se na to da se prvo moraju obrisati sve operacije selektovanog tehnolokog postupka. uta polja u formama oznaavaju polja koja se moraju popuniti i predstavljaju IDent brojeve (identifikacione brojeve) Operacije za tehnoloki postupak se unose na taj nain da se prvo dodeli ID koji je redni broj a zatim broj operacije, naziv operacije. Tehnoloka lokacija se odabira uz pomo ComboBox polja iz ranije definisanog ifarnika tehnolokih lokacija.
Slika C.10. Izborno polje tipa ComboBox
Nakon toga se upisuje vreme pripreme i vreme trajanja operacije u minutama.

364
Klikom levog tastera mia na dugme otvara se dodatna forma koja samo proiruje polje opisa sa svim prethodnim informacijama.
Slika C.11. Forma Opis operacije
Slika C.12. Forma Parametar Uredjaja/Maine
Zatvaranjem forme OpisOperacije prelazi se na definisanje parametara operacije levim klikom tastera mia na dugme .
Slika C.13. Forma Parametar Uzorka
Forma Parametar sadri u sebi dve kartice. Jedna je koja se odnosi na Parametre Uredjaja/Maine a druga na parametre uzorka. Na narednim slikama dat je primer izgleda izvetaja koji se dobije klikom na dugme za tampu iz fomre Tehnoloki postupak.
366
Slika C.14. Primer izvetaja tehnolokog postupaka za jedan proizvod (poetna strana)
Slika C.15. Primer izvetaja tehnolokog postupaka za jedan proizvod (Zavrna strana)
Radi funkcionisanja aplikacije TehnIS neophodni preduslovi pored definisanih proizvoda su i definisanje neophodnih ifarnika to se moe videti na narednim slikama.
368
Slika C.16. Forma Tehnoloka lokacija
U ovoj formi se evidentiraju podaci o tehnolokoj lokaciji. Ovde je znaajno uoiti da je i Pogon tehnoloka lokacija koja u sebi nema nadredjenu tehnoloku lokaciju. Na narednoj slici moe se videti forma Pogon, koj a slui radi pregleda Pogona i pripadajuih tehnolokih lokacija.
Slika C.17. Forma Pogon
Na sledeoj slici prikazana je forma Radnik kojom se vri evidencija kartona radnika.
Slika C.18. Forma Radnik
Na narednoj slici data je forma JedinicaMere koja slui radi evidencije ifarnika jedinica mera.
Slika C.19. Forma Jedinica mere 370
Na narednim slikama prikazani su padajui meniji iz glavne forme
Slika C.20. Meni Evidencija
Slika C.21. Meni Pregled
D. POSLOVI REALIZACIJE PREVENTIVNOG ODRAVANJA

Uvod
Predmet ovog rada je funkcionalna i informaciona analiza i aplikativno modeliranje dokumenta NALOG ZA RAD (OT.19) koji se koristi u Javnom preduzeu "Elektroumadija" Kragujevac (u daljem tekstu Elektroumadija). Osnovna delatnost Elektroumadije je distribucija elektrine energije potroaima na teritoriji Grada Kragujevca i Optina Kni, Raa, Batoina i Lapovo. Da bi snabdevanje potroaa bilo uredno i kvalitetno neophodno je redovno i kvalitetno odravanje elektroenergetskih objekata (EEO) preko kojih se vri snabdevanje potroaa. U praktinoj primeni tih dokumenata javio se problem zbog este potrebe popunjavanja velikog broja tampanih obrazaca i arhiviranja istih, to stvara tekoe posebno operativnom menadmentu i izvriocima koji realizuje proces preventivnog odravanja. Da bi se taj problem reio izvrie se funkcionalna i informaciona analiza i aplikativno modeliranje dokumenta NALOG ZA RAD u MS Access-u. Osnovni zadatak NALOG ZA RAD je da ispuni potrebe i zahteve korisnika tj. treba da omogui efikasan sistem izdavanja Naloga za rad (OT.19), Izvetaja o realizaciji naloga za rad (OT.20), Izvetaja o ugradjenim/ vraenim delovima i materijalima po nalogu za rad (OT.21) i obradu podataka, korienje informacija i medjusobno koordiniranje svih uesnika. Osnovu za analizu IS ine sledee faze: Funkcionalnu analizu o Definisanje zahteva korisnika o Definisanje granica modela, o Definisanje stabla aktivnosti, o Definisanje dekompozicionog dijagrama aktivnosti Informacionu analizu o Definisanje logikog modela. Generisanje fizikog model iz logiki modela podataka Generisanje eme BP
372
Izrade korisnickog aplikacije Na sledeoj slici prikazan je izgled dokumenta OT.19 - Nalog za rad
NALOGZA R br . AD
1. EEO na kom se i zvode r adovi : e
Or g zaci ona jedi ni ca: ani Nazi v Mest o [ i f ra
(navest i pr eci zno objekat na kom se i zvode r adovi ) e
2. Ta~na l okaci ja m a r ada: est
2.1. Vr st a r ada i opi s zadat ka:

(navest i { t a t r eba da se ur adi sa pot r ebni mopi som )
2.2. Bez napona ost aju pot r o{ a~i :

(navest i TS, ul i ce i dr ug ukol i ko je poznat o podnosi ocu zaht eva) o
2.3. Pl ani r ano vr em r ada od e

(dat um )
do
(vr em e) (dat um ) (vr em e)
3. Odg ovor ni r ukovodi l ac r adova(OR ), bi } e: R

(i m i pr ezi m odg e e ovor nog r ukovodi oca r adova) (f unkci ja) (m b.) . (Br . RS kol a)
sa sl ede} i mi zvr { i oci m a: 1

(i m i pr ezi m e e) (m b.) .
6
(i m i pr ezi m e e) (m b.) .
2 3 4
Sva pr ava r ezer vi sana
7 8 9 10 Br oj r adnognal og a:
(Nazi v i adr esa)
5 3.1. Nar u~i l ac r adova : 3.2. Kont r ol u i zvedeni h r adova } e i zvr { i t i :
(I m i pr ezi m e e)
(m b.) .
4. Pot r ebno
i skq u~ewe
ukq u~ewe :
Ne
Da
4.1. Odobr en zaht ev za i skq u~ewe - ukq u~ewe br oj : 4.2. Osnovne m e obezbe| ewa spr ovodi : er 4.3. D opunske m e obezbe| ewa spr ovodi : er 4.4. Pog onske m pul aci je vodi : ani 4.5. Pog onske m pul aci je vr { i : ani 4.6. Usl ov za dobi jawe dozvol e za r ad je da OR dost avi DC-u jedan pr i m ak nal og za r ad. R er a 4.7. OR m e pr i st upi t i i zvr { ewu r adova t ek po dobi jawu dozvol e za r ad. R o` 4.8. OR se m a pr i dr ` avat i svi h usl ova def i ni sani h u dozvol i za r ad. R or I zjava neposr ednogr ukovodi oca r adova i odg ovor nogl i ca: Pr o~i t ao samovaj nal ogi poznat m je zadat ak u cel i ni . I zjavq ujemda } u ovi mr adovi m pr i st upi t i t ek nakon t og { t o samse i a a uver i o da su del ovi post r ojewa na koji m se r adovi i zvode bez napona i da su pr opi sno a uzem eni . Nal og za ponovno ukq u~i vawe } u dat i nakon t og { t o sam se uver i o da se cel o q a q udst vo sa koji m r ukovodi mudaq i l o sa objekt a koji } e se st avi t i pod napon. Poznat i su m a i t ehni ~ki pr opi si za r ad i m e za{ t i t e na r adu na el ekt r oener g ski m post r ojewi m i er et a uput st vo za spr ovo| ewe i st i h. Pr i l og:
(Pr edl o` i t i m a za podt a~ke t a~ke 4. ako su poznat a i zdavaocu nal og est a)
Nal ogi zdao :
OT.19
(I m i pr ezi m e e)
(Pot pi s)
(m b.) .
(Dat um )
Nal ogpr i m o : i
Slika D.1 Izgled dokumenta Nalog za rad
Definisanje zahteva korisnika

Sa stanovita analitiara IS definisanje zahteva korisnika kljuni je momenat. U pitanju su informisanje analitiara IS, odnosno, upoznavanje sa potrebama i eljama korisnika, kako bi analitiara IS mogao da uspostavi informacione veze i donese pravilne zakljuke. Ova aktivnost se deli u sledee podaktivnosti: Definisanje zahteva iz dokumenata i Definisanje zahteva intervjuom. Definisanje zahteva iz dokumenata Definisanje zahteva iz dokumenata je pogled odozdo na gore i treba posmatrati sledee dokumente: OT.19 - Nalog za rad, OT.20 - Izvetaj o realizaciji naloga za rad i OT.21 - Izvetaj o ugradjenim/vraenim delovima i materijalima po nalogu za rad. Na ovom nivou postoji velika opasnost da se prikupe netane informacije kojima se opisuje zastareli nain rada. Takodje prilikom prikupljanja informacija treba obratiti panju i na predloge za izmenu. Tako je kod oba Izvetaja potrebno dodati "datum rada" koji se sada ne nalazi u dokumentima. Za postupak rada sa dokumentima definisane su i odgovarajue procedure i interni standardi koje treba prouiti i inovirati postojeom praksom, a ako ne postoje, treba ih napisati, jer to neposredno utie na postojeu organizaciju rada. Analiza dokumenata pomogla je da se naui postupak rada i razume korisnikova terminologija, da bi u sledeoj aktivnosti "Definisanje zahteva intervjuom" postavio prava pitanja prilikom sprovodjenja intervjua. U okviru izrade projekta NALOG ZA RAD analizirana su sledea dokumenta: QP.16.32 - Preventivno odravanje TS 10/0,4 kV o vodova 10kV i 1kV SP.U.10.ZR - Uputstvo za izdavanje naloga za rad na EEO i ST.P.01.ES - Integralni pravilnik o odravanju distributivnog elektroenergetskog sistema. Sva ova dokumenta su definisana u okviru dokumenata sistema kvaliteta koji se primenjuje u Elektroumadiji. Definisanje zahteva intervjuom Definisanje zahteva intervjuom je pristup odozgo na dole, i treba da omogui definisanje:
374
potreba za informacijama, ciljeva i problema kako ih vide rukovodioci. Cilj ovih aktivnosti je razvoj preporuka za budue akcije. Naime, aktivnosti treba da omogue, da se za trenutno postojee objekte poslovanja, aplikacije i datoteke identifikuje redundantnost podataka, razjasne odgovornosti i uopte, razume poslovanje. Treba jo jednom naglasiti da intervju zahteva ukljuivanje najviih rukovodilaca i sagledavanje problema u poslovanju sa njihovog stanovita.
Definisanje granica modela za posao Realizacija preventivnog odrzavanja

Definisanje granica modela je vezano za postavke date za razvoj procesa Realizacije preventivnog odravanja. Dijagram konteksta je definisan jednim pravougaonikom koji predstavlja granicu modela koji se prouava. U tom modelu i van njega teku informacije preko strelica. Dijagram konteksta je najvii nivo apstrakcije koji se dekompozicionim dijagramima prevodi u nii nivo apstrakcije. Granice modela se definiu da bi se, pre svega, znalo gde treba stati sa modeliranjem. Dijagram konteksta obuhvata sledee elemente: Ulaz u aktivnost o Hitna intervencija o Informacije o nabavljenom materijalu o Ponovni radovi o Spisak materijala o Nalog nadleznom rukovodiocu Izlaz iz aktivnosti o Nalog za rad OT.19 o Izvestaj o realizaciji naloga za rad OT.20 o Izvestaj o ugradjenom /vracenom materijalu OT.21 Mehanizam ili realizator aktivnosti o Rukovodilac DC o Sef odeljenja o Ispitivac o Kontrolor o Izvrsilac manipulacije o Rukovodilac radova Kontrole na osnovu kojih se realizuje aktivnost o Interni standard SP.U.10.ZR o Mesecni plan o Interni standard QP.16.32
Propisi
Na sledeoj slici prikazan je dijagram konteksta gde se definiu granice modela.

Interni standard SP.U.10.ZR M esecni plan Interni standard QP.16.32
Propisi
Hitna intervencija Nalog za rad OT.19 Inform acije o na bavljeno m materijalu
Ponovni radovi Spis ak materija la
REALIZACIJA PREVENTI VNOG ODRZAVANJA
Izvestaj o rea lizaciji naloga za rad OT.20
Izvestaj o ugradjenom /vracenom ma terijalu OT.21 Nalog nad leznom rukovodiocu 0
Rukovo dilac DC
Ispitivac Kontrolor
Rukovo dilac ra dova
Sef odeljenja
Izvrsilac manipulac ije
NODE:
TITLE:
NUMBER: REALIZACIJA PREVENTIVNOG ODRZAVANJA
A-0
Slika D.2 Dijagram konteksta za posao Realizacija preventivnog odrzavanja
Definisanje stabla aktivnosti za posao Realizacija preventivnog odrzavanja

Na osnovu definisane granice modela prelazi se na sledeu aktivnost "Definisanje stabla aktivnosti" gde je potrebno uspostaviti vertikalne (hijerarhijske) veze izmedju aktivnosti. Stablo aktivnosti predstavlja hijerarhiju definisanih aktivnosti, oienu od strelica, i omoguuje funkcionalnu dekompoziciju i uvid u dubinu odvijanja veza izmedju aktivnosti. Na sledeoj slici prikazano je stablo aktivnosti Realizacija preventivnog odrzavanja sa svojim podaktivnostima.
376
REALIZAC IJA PREVENTIVNOG ODRZAVANJA 0 PRIPREMA RADOVA PREVENTIVNOG ODRZAVANJA 1 IZRAD A SPECIFIKAC IJE MATERIJALA ODOBRENJE ZAHTEVA ZA ISKLJ UC ENJE IZDAVANJE NALOGA ZA RAD PRIJ AVA RADOVA PREUZIMANJ E MATERIJALA IZVOD JENJE RADOVA ODJ AVA RADOVA IZVOD JENJE RADOVA PREVENTIVNOG ODRZAVANJA 2 ANALIZA IZVED ENIH RADOVA FORMIRANJ E IZVESTAJA O IZVED ENIM RADOVIMA FORMIRANJ E IZVESTAJA O UGRAD JENOM MATERIJALU FORMIRANJ E IZVESTAJA PREVENTIVNOG ODRZAVANJA 3
Slika D.3. Stablo aktivnosti za posao Realizacija preventivnog odrzavanja
Dijagrama dekompozicije za posao Realizacija preventivnog odrzavanja

Na sledeoj slici prikazan je dijagram dekompozicije za posao Realizacija preventivnog odrzavanja.
Mesecni plan Interni standard SP.U.10.ZR Interni standard QP.16. 32
Hitna intervencija Ponovni radovi Spisak materijala Nalog nadleznom rukovodiocu Informacije o nabavljenom materijalu PRIPREMA RADOVA PRE VENTIVNOG ODRZAVANJ A
Odobren zahtev za iskljuc enje
Propisi
Trebovanje materijala
Nalog za rad OT. 19
IZVODJENJE RADOV A PREVENTIVNOG ODRZAVANJA 2
Dokumenta o radu
Nalog za rad OT.19 FORMIRANJE IZVESTAJA PRE VENTIVNOG ODRZAVANJA Ispitivac Kontrolor Izvrsilac manipulacije Rukovodilac radova Rukovodilac DC Sef odeljenja NODE: TITLE: NUMBE REALIZACIJA PREVENTIVNOG ODRZAVANJA R: 3 Izvestaj o realizaciji naloga za rad OT.20 Izvestaj o ugradjenom /vracenom materijalu OT.21
A0
Slika D.4 Dijagram dekompozicije za posao Realizacija preventivnog odrzavanja
Na sledeim slikama prikazani su dekompozicioni dijagram za Priprema radova, Izvodjenje radova preventivnog odrzavanja i Formiranje izvetaja preventivnog odrzavanja.
Interni standard QP.16.32 Mesecni plan
Ponovni radovi Hitna intervencija IZRADA Nalog nadleznom rukovodiocu SPECIFIKACIJE Spisak materijala MATERIJ ALA Zahtev za iskljuc enje Trebovanje materijala
Interni standard SP.U.10.ZR
11 ODOBRENJE Odobren zahtev za iskljucenje ZAHTEVA ZA ISKLJ UCENJ E 12
Odbijen zahtev za iskljuc enje
Spec ifikacija materijala Nije potrebno iskljuc enje Informacije o nabavljenom materijalu
IZDAVANJ E NALOGA ZA RAD 13
Nalog za rad OT. 19
Sef odeljenja Rukovodilac DC
NODE:
TITLE:
A1
PRIPREMA RADOVA PREVENTIVNOG ODRZAVANJA
NUMBER:
Slika D.5. Dijagram dekompozicije za posao Priprema radova preventivnog odrzavanja

Interni standard QP.16.32 Propisi
Odobren zahtev za iskljuc enje Nalog za rad OT.19
PRIJAVA RADOVA 21
Trebovanje materijala
PREUZIMANJE MATERIJ ALA 22
Otpremnic a materijala
Dokumenta o radu IZVODJENJE RADOVA Dozvola za rad 23 Dokumenta o radu Kontrolor Dozvola za rad 24 ODJ AVA RADOVA
Rukovodilac radova NODE: TITLE:
Ispitivac
Izvrsilac manipulacije
A2
IZVODJENJE RADOVA PREVENTIVNOG NUMBER: ODRZAVANJA
Slika D.6 Dijagram dekompozicije za posao Izvodjenje radova preventivnog odrzavanja 378
Interni standard QP.16.32
Nalog za rad OT. 19 Dokumenta o radu ANALIZA IZVEDENIH RADOVA
Informacije o izvedenim radovima
31 FORMIRANJ E IZVESTAJA O IZVEDENI M RADOVIMA 32 Izvestaj o ugradjenom /vracenom materijalu OT.21
Izvestaj o realizaciji naloga za rad OT.20
Informacije o utrosenom materijalu
FORMI RANJ E IZVESTAJA O UGRADJENOM MATERIJALU 33
Rukovodilac radova
NODE:
TITLE:
A3
NUMBER: FORMIRANJE IZVESTAJA PREVENTIVNOG ODRZAVANJA
Slika D.7 Dijagram dekompozicije za posao Formiranje izvestaja preventivnog odrzavanja
Logiki modela podataka za posao Realizacija preventivnog odrzavanja

Posle izrade dijagrama dekompozicije pristupa se informacionoj analizi tj. definisanju logikog modela podataka za posao Realizacija preventivnog odrzavanja . Prvo treba definisati sve entitete i njihove atribute,a zatim se definiu veze izmedju entiteta (relationships). Entiteti se prema ustaljenim konvencijama oznaavaju velikim slovima u jednini, a atributi i veze malim slovima. Entiteti mogu biti nezavisni (ne zavise od drugih entiteta) i zavisni (zavise od jednog ili vie drugih entiteta). Grafiki se nezavisni entiteti prikazuju kao pravougonici, a zavisni kao pravougaonici sa zaobljenim stranama. Na osnovu napred navedenog definisani su sledei entiteti: Nazavisni: NalogZaRad, Radnik, ElektroEnergetskiObjekat, OrganizacionaJedinica, Vozilo, JedinicaMere i Materijal, Zavisni: IzvetajORealizaciji, IzvetajOMaterijalu, IzvetajORealizacijiVozilo, IzvetajORealizacijiRadnik, IzvetajOMaterijaluMaterijal i NalogZaRadRadnik.
Posle definisanja entiteta treba definisati i relacije (veze) izmedju njih. Relacija se u IE metodologiji prikazuje kao linija koja povezuje dva entiteta. Entitet od koga se uspostavlja veza zove se roditelj, a entitet ka kome se uspostavlja veza zove se dete.Veze mogu biti identifikujue, neidentifikujue i veze kategorije, to je objanjeno u prethodnim poglavljima. Zatim se definiu atributi i kljuevi za svaki entitet. Primarni klju jedinstveno identifikuje entitet i on ne moe imati vrednost null (prazan, nedostajui). Atributi koji nisu izabrani za primarni klju mogu se definisati kao alternativni klju (jedinstveno definiu entitet) ili kao inverzni klju (ne identifikuju jedinstveno entitet). Preneseni klju je atribut koji povezuje entitet dete sa entitetom roditelj i odredjen je oznakoma FK koja dolazi iza imena atributa. Na sledeoj slici prikazan je logiki model podataka gde su dati entiteti, njihovi atributi i veze to je sve zajedno osnova za definisanje fizikog modela i same baze podataka
NalogZaRad NalogZaRadID OrganizacionaJedinicaID (FK) ElektroEnergetskiObjekatID (FK) TacnaLokacijaMestaRada VrstaRadaIOpisZadatka BezNaponaOstajuPotrosaci PocetakRadaDatum PocetakRadaVreme KrajRadaDatum KrajRadaVreme OdgovorniRukovodilac.RadnikID (FK) Narucilac BrojRadnogNaloga Kontrolor.RadnikID (FK) Iskljucenje BrojZahtevaZaIskljucenje OsnovneMereObezbedjenjaSprovodi DopunskeMereObezbedjenjaSprovodi PogonskeManipulacijeVodi PogonskeManipulacijeVrsi Prilog NalogIzdao.RadnikID (FK) DatumIzdavanja DatumPrijema NalogZaRadRadnik NalogZaRadID (FK) RadnikID (FK) ElektroEnergetskiObjekat ElektroEnergetskiObjekatID NazivElektroEnergetskogObjekta Radnik RadnikID Prezime Ime MaticniBroj (AK1.1) Funkcija JMBG
OrganizacionaJedinica OrganizacionaJedinicaID NazivOrganizacioneJedinice Mesto Sifra NadredjenaOrganizacionaJedinica.OrganizacionaJedinicaID (FK) IzvestajOMaterijalu NalogZaRadID (FK) BrojIzvestaja DatumIzvestaja Prilog Kontrolor.RadnikID (FK) DatumKontrole VremeKontrole DatumPodnosenjaIzvestaja VremePodnosenjaIzvestaja IzvestajPrimio.RadnikID (FK) DatumPrijemaIzvestaja VremePrijemaIzvestaja
IzvestajORealizaciji NalogZaRadID (FK) BrojIzvestaja DatumIzvestaja OpisIzvrsenihRadova Prilog Kontrolor.RadnikID (FK) DatumKontrole VremeKontrole DatumPodnosenjaIzvestaja VremePodnosenjaIzvestaja IzvestajPrimio.RadnikID (FK) DatumPrijemaIzvestaja VremePrijemaIzvestaja IzvestajOMaterijaluMaterijal NalogZaRadID (FK) BrojIzvestaja (FK) MaterijalID (FK) KolicinaUgradjeno KolicinaVraceno
Materijal MaterijalID NazivMaterijala SifraMaterijala JedinicaMereID (FK) JedinicaMere JedinicaMereID NazivJediniceMere JM
IzvestajORealizacijiRadnik NalogZaRadID (FK) BrojIzvestaja (FK) RadnikID (FK)
IzvestajORealizacijiVozilo NalogZaRadID (FK) BrojIzvestaja (FK) VoziloID (FK) KmPocetna KmKrajnja Vozilo VoziloID RegistarskiBroj MarkaITip
VremePocetkaRada VremeZavrsetkaRada
Slika D.8. Logicki model podataka za posao Realizacija preventivnog odrzavanja
380
Fiziki model podataka za posao Realizacija preventivnog odrzavanja

Pre definisanja fizikog modela podataka treba izabrati sistem za upravljanje bazom podataka (SUBP) gde e fiziki model biti kreiran. ERwin nudi veliki izbor SUBP, a za potrebe ovog projekta izabrali smo MS Access. Definisanje fizikog modela podataka tj. implementacija entiteta i njihovih atributa u tabele i kolone nekog SUBP, korienjem ERwin-a, relativno je jednostavan posao. Programski modul ERwin-a za izgradnju fizikog modela ita opis entiteta i atributa i formira tabele i polja fizikog modela. Na sledeoj slici prikazan je fiziki model podataka.
NalogZaRad NalogZaRadID: AutoNumber OrganizacionaJedinicaID: Long Integer ElektroEnergetskiObjekatID: Long Integer TacnaLokacijaMestaRada: Text(18) VrstaRadaIOpisZadatka: Text(250) BezNaponaOstajuPotrosaci: Text(18) PocetakRadaDatum: Date/Time PocetakRadaVreme: Date/Time KrajRadaDatum: Date/Time KrajRadaVreme: Date/Time OdgovorniRukovodilac: Long Integer Narucilac: Text(18) BrojRadnogNaloga: Text(10) Kontrolor: Long Integer Iskljucenje: Yes/No BrojZahtevaZaIskljucenje: Text(10) OsnovneMereObezbedjenjaSprovodi: Text(18) DopunskeMereObezbedjenjaSprovodi: Text(18) PogonskeManipulacijeVodi: Text(18) PogonskeManipulacijeVrsi: Text(18) Prilog: Text(250) NalogIzdao: Long Integer DatumIzdavanja: Date/Time DatumPrijema: Date/Time NalogZaRadRadnik NalogZaRadID: Long Integer RadnikID: Long Integer ElektroEnergetskiObjekat ElektroEnergetskiObjekatID: AutoNumber NazivElektroEnergetskogObjekta: Text(18) Radnik RadnikID: AutoNumber Prezime: Text(30) Ime: Text(20) MaticniBroj: Text(5) Funkcija: Text(18) JMBG: Text(13)
OrganizacionaJedinica OrganizacionaJedinicaID: AutoNumber NazivOrganizacioneJedinice: Text(18) Mesto: Text(18) Sifra: Text(10) NadredjenaOrganizacionaJedinica: Long Integer IzvestajOMaterijalu NalogZaRadID: Long Integer BrojIzvestaja: Long Integer DatumIzvestaja: Date/Time Prilog: Text(250) Kontrolor: Long Integer DatumKontrole: Date/Time VremeKontrole: Date/Time DatumPodnosenjaIzvestaja: Date/Time VremePodnosenjaIzvestaja: Date/Time IzvestajPrimio: Long Integer DatumPrijemaIzvestaja: Date/Time VremePrijemaIzvestaja: Date/Time Materijal MaterijalID: AutoNumber NazivMaterijala: Text(18) SifraMaterijala: Text(20) JedinicaMereID: Long Integer JedinicaMere
IzvestajORealizaciji NalogZaRadID: Long Integer BrojIzvestaja: Long Integer DatumIzvestaja: Date/Time OpisIzvrsenihRadova: Text(250) Prilog: Text(50) Kontrolor: Long Integer DatumKontrole: Date/Time VremeKontrole: Date/Time DatumPodnosenjaIzvestaja: Date/Time VremePodnosenjaIzvestaja: Date/Time IzvestajPrimio: Long Integer DatumPrijemaIzvestaja: Date/Time VremePrijemaIzvestaja: Date/Time IzvestajOMaterijaluMaterijal NalogZaRadID: Long Integer BrojIzvestaja: Long Integer MaterijalID: Long Integer KolicinaUgradjeno: Double KolicinaVraceno: Double
JedinicaMereID: AutoNumber NazivJediniceMere: Text(18) JM: Text(10)
IzvestajORealizacijiRadnik NalogZaRadID: Long Integer BrojIzvestaja: Long Integer RadnikID: Long Integer
IzvestajORealizacijiVozilo NalogZaRadID: Long Integer BrojIzvestaja: Long Integer VoziloID: Long Integer KmPocetna: Long Integer KmKrajnja: Long Integer Vozilo VoziloID: AutoNumber RegistarskiBroj: Text(20) MarkaITip: Text(18)
VremePocetkaRada: Date/Time VremeZavrsetkaRada: Date/Time
Slika D.9. Fiziki model podataka za posao Realizacija preventivnog odrzavanja
Generisanje eme baze podataka za posao Realizacija preventivnog odrzavanja

Generisanje eme baze podataka izvodi se na osnovu prethodno uradjenog fizikog modela podataka. emu baze podataka ine fizike tabele, kolone i relacije, koje se u CASE alatu automatski generiu iz logikog modela. Proces generisanja eme baze podataka iz fizikog modela podataka naziva se direktni inenjering. Kada se generie ema baze podataka, entiteti prelaze u tabele, atributi u kolone, a veze u relacije i definiu se referencijalni integriteti, trigeri, procedure, indeksi i druge osobine koje podrava izabrani SUBP.
Da bi se generisala baza podataka potrebno je, prvo, izabrati odgovarajuu ciljnu platformu (SUBP - Access) i potom se logovati na nju. Kada se korisnik loguje na izabranu platformu, ERwin kreira aktivnu bidirekcionu vezu sa sistemskim katalogom izabranog servera koja omoguava direktno kreiranje baze podataka. Na sledeoj slici prikazana je ema baze podataka NALOG ZA RAD.
Slika D.10. Sema baze podataka NALOG ZA RAD
Izrada aplikacije za posao Realizacija preventivnog odrzavanja

Izrada aplikacije se izvodi na osnovu prethodno generisane eme baze podataka. Ekranska forma "Pregled postojeih naloga za rad" omoguava korisniku da pregleda postojee Naloge za rad, ali nije omoguena izmena postojeih podataka u dokumentu niti dodavanje novih dokumenata. Pregled svih postojeih dokumenata u okviru forme (listanje) se postie pomou tastera "Page Up" i "Page Down" ili pomou strelica koje se nalaze pored pokazivaa rednog broja zapisa koji se nalaze na dnu forme. Forma ima dva komandna dugmeta: "Kraj" i "tampaj". Komadno dugme "Kraj" omoguava korisniku da po zavretku rada sa dokumentom prekine rad i vrati se u komandnu tablu.
382
Komandno dugme "tampaj" omoguava korisniku da izvri tampanje dokumenta sa kojim trenutno radi (koji se nalazi na ekranu). Posle pritiska na ovo dugme otvara se pregled pre tampe u kome je mogue videti kako e izgledati odtampani dokument. Pomou namenske palete koja se tada pojavljuje moe se izvriti izbor broja kopija koje e se tampati.
Slika D.11 Ekranska forma "Pregled postojeih naloga za rad"
Definisanje izvetaja
Kreiranje izvetaja se vri pomou ve definisanih upita i formi. Izvetaji slue za tampanje dokumenata radi njihovog daljeg korienja. Izvetaj "Nalog za rad" se koristi da bi se odtampao dokument "Nalog za rad" iz ekranske forme "Pregled postojeih naloga za rad". Izvetaj se tampa pritiskom na dugme "tampaj" u ekranskoj formi posle ega se otvara pregled pre tampe u kome se moe pogledati kako e izgledati odtampani dokument. Broj kopija se moe podesiti pomou ikone "tampa" koja se nalazi na namenskoj paleti "tampa" koja se pojavljuje zajedno sa pregledom pre tampe. Na dnu izvetaja se nalazi datum i vreme kada je dokument odtampan.
Slika D.12 Izvetaj "Nalog za rad"
384
E. POSLOVI OBRAUNA ZARADA ZAPOSLENIH

Uvod
Radi se o problematici koja je zastupljena kod svih pravnih subjekata kao obavezni deo u poslovanju diktiran zakonskim propisima. Obraun zarada, za razliku od drugih raunovodstvenih poslova, podlee estim zakonskim izmenama i dopunama, to ovu problematiku ini vrlo dinaminom i zahtevnom u pogledu aurnosti od strane pravnog subjekta. Takodje, radi se o "osetljivoj" problematici kod koje je sve odmah vidljivo, od strane korisnika - zaposlenih i kod koje se sve eventualne greke nastale u obraunu veoma teko mogu bezbolno ispraviti i najee se moraju kao takve preneti i korigovati u narednom obraunu, Zbog toga se, u ovoj "brani", esto moe uti da ima onoliko kontrolora koliko ima i zaposlenih. Projektni zadatak Analize IS obrauna zarada sastoji se u razradi problematike obrauna zarada na nivou modela procesa, modela podataka i korisnike aplikacije primenom odgovarajuih CASE alata i to: Funkcionalna analiza poslova korienjem CASE alata BPwin, Informaciona analiza poslova korienjem CASE alataERwin, Izrada aplikativnog modela korienjem MS Access.
Funkcionalna i informaciona analiza poslova obrauna zarada

Na osnovu gore definisanih postavki prvo se pristupiti funkcionalnom modeliranu gde se funkcionalnom dekompozicijim identifikuju poslovi OBRAUNA ZARADA. Za izvodjenje ovih aktivnosti koristi se grafiki jezik IDEF0 tj. CASE alat BPwin i IE tj. CASE alat ERwin. Analiza IS OBRACUN ZARADA potrebno je izvoditi kroz sledee podredjene aktivnosti: Definisanje zahteva korisnika Definisanje dijagrama konteksta, Definisanje stabla aktivnosti, Definisanje dekompozicionog dijagrama (BPwin)i logikih podmodela (ERwin) , Integrisani logiko model podataka
Fiziki model podataka.
Definisanje zahteva korisnika za posao obrauna zarada

Obraun zarada je aktivnost koja se obavlja u jednakim vremenskim intervalima, najee, dva puta meseno kroz obraun akontacije i obraun konanog dela. Za ovu aktivnost, kod pravnog subjekta, je uglavnom zaduen jedan obraunski radnik koji samostalno obavlja sve poslove vezano za obraun zarada i odgovoran je za ispravnost obrauna. U okviru posla obrauna zarada koje obavlja obraunski radnik, moemo izdvojiti sledee aktivnosti: priprema podataka za obraun, obraun zarada zaposlenih, arhiviranje obraunatih podataka, tampanje internih izvetaja za potrebe zaposlenih i eksternih izvetaja o obraunatim zaradama, porezu i doprinosima za potrebe Uprave prihoda, uplate poreza, doprinosa i zarada zaposlenih (po tekuim raunima), gotovinske isplate zarada zaposlenima.
Definisanje dijagrama konteksta za posao obrauna zarada

Dijagram konteksta sadri sledee elemente: Ulaz u aktivnost: o Bazni podaci (podaci o zaposlenima i ostali pratei podaci koji su osnova za obraun), o Podaci o obustavama (podaci o obustavama koji se odbijaju iz zarade zaposlenog), o Parametri obrauna (podaci neophodni za obraun akopntacije i konanog dela za izabrani mesec), o Podaci o radu zaposlenih (podaci o strukturi radnog vremena zaposlenih u asovima neophodnim za obraun konanog dela zarade). Izlaz iz aktivnosti: o Eksterni izvetaji (izvetaji koji se tampaju za potrebe banaka i Uprave prihoda), o Interni izvetaji (izvetaji koji se tampaju za potrebe zaposlenih i samog isplatioca). Mehanizam - realizator aktivnosti: o Obraunski radnik (osoba koja obavlja sve poslove obrauna zarada i koja odgovara za ispravnost obrauna). Kontrola realizacije aktivnosti: o Zakoni i propisi (definiu nain obrauna i postavljaju ostale okvire u kojima se obraun zarada mora izvravati).
386
Na sledeoj slici prikazan je dijagram konteksta, koji predstavlja granice modela, sa napred navedenim elementima ulaza, izlaza, kontrole i mehanizma.
Odluka organa rukovdjenja Zakoni i propisi
Bazni p odaci za obra cun zarada Podaci o obustavama Podaci o rad u zaposlenih Parametri obra~una 0 Eksterni izvesta ji obracuna zarada
OBRACUN ZARADA
Interni izves taji obracuna zarada
Refe rent za poslove likvidature zarada
NODE:
TITLE:
OBRACUN ZARADA
NUMBER:
A-0
Slika E.1. Dijagram konteksta aktivnosti OBRAUN ZARADA
Definisanje stabla aktivnosti za posao obrauna zarada

Na osnovu definisane granice modela prelazi se na sledeu aktivnost "Definisanje stabla aktivnosti" gde je potrebno uspostaviti vertikalne (hijerarhijske) veze izmedju aktivnosti. Na sledeoj slici prikazano je stablo aktivnosti procesa Obrauna zarada.

OBRAC UN ZARADA 0
EVID ENC IJA EKSTERNIH PODATAKA 1 EVID ENC IJA STOPA D OPRINOSA I POREZA EVID ENC IJA OSNOVICA ZA D OPRINOSE EVID ENC IJA UPLATNIH RAC UNA
EVID ENC IJA INTERNIH PODATAKA 2 EVID ENC IJA PODATAKA O ISPLATIOCU EVID ENC IJA PODATAKA O OPSTINAMA EVID ENC IJA PODATAKA O RADNIM JED INIC AMA EVID ENC IJA PODATAKA O BANKAMA EVID ENC IJA PODATAKA O ZAPOSLENIMA
EVID ENC IJA I OBRACUN OBUSTAVA 3 EVID ENC IJA VRSTA OBUSTAVA EVID ENC IJA OBUSTAVA OBRAÛN OBUSTAVA
OBRAC UN ZARADE 4 OBRAC UN AKONTAC IJE EVID ENC IJA PODATAKA O RADU ZAPOSLENIH OBRAC UN KONAC NOG D ELA
IZRAD A IZVSTAJA OBRAC UNA ZARADA 5 STAMPANJE OD OBRASC A STAMPANJE OPJ OBRASC A STAMPANJE REKAPITULACIJE STAMPANJE VIRMANA STAMPANJE PLATNOG SPISKA STAMPANJE PLATNIH LISTIC A
Slika E.2 Stablo aktivnosti za posao obrauna zarada
Definisanje dekompozicionog dijagrama (BPwin)i logikih podmodela (ERwin) podataka

Definisanje dekompozicionog dijagrama aktivnosti po IDEF0 metodologiji (horizontalnih veza izmedju aktivnosti) treba da omogui povezivanje odgovarajuih informacija definisanih u okviru stabla aktivnosti. Na sledeoj slici prikazan je dekompozicioni dijagram OBRAUN ZARADA iz koga se vide osnovne aktivnosti koje ine posao obrauna zarada.
388
Zakoni i propisi
EVID ENC IJA EKSTERNIH PODATAKA 1
Evidentirani eksterni podaci Odluka organa rukovdjenja
Bazni p odaci za obracun zara da
EVID ENC IJA INTERNIH PODATAKA 2
Evidentirani bazni podaci Evidentirani podaci o zapos lenima
Podaci o obustavama
EVID ENC IJA I OBRACUN OBUSTAVA 3 OBRAC UN ZARADE Obra~unati p odaci o obustavama Eksterni izvestaji obracuna zarada Podaci iz obracuna
Podaci o rad u zaposlenih Parametri obra~una
4 IZRAD A IZVSTAJA OBRAC UNA ZARADA 5 Refe rent za poslove likvidature zarada NODE: TITLE:
Interni izvestaji obracuna zarada
OBRACUN ZARADA
NUMBER:
A0
Slika E.3. Dekompozicioni dijagram OBRAUN ZARADA
Najpre je neophodno imati uvid u postojee zakone i propise iz oblasti obrauna zarada koji definiu pravila i ogranienja po kojima se obavlja aktivnost obrauna zarada. Evidencije eksternih podataka Aktivnost Evidencije eksternih podataka podrazumeva evidentiranje aktuelnih stopa poreza i doprinosa, osnovica za obrun doprinosa i uplatnih rauna po kojima e se vriti uplata obrunatih poreza i doprinosa na teret radnika i na teret poslodavca. Na sledeoj slici prikazan je dekompozicioni dijagram (BPwin) za proces Evidencije eksternih podataka.

Zakoni i propisi Stop e doprinosa i poreza
Osnovice za doprinose
Uplatni ra ~uni Evidentirane s tope doprinosa i poreza
Evidentirani eksterni podaci
EVID ENC IJA STOPA D OPRINOSA I POREZA 11
EVID ENC IJA OSNOVICA ZA D OPRINOSE 12
Evidentirane os novice za dop rinose
EVID ENC IJA UPLATNIH RACUNA 13
Evidentirani uplatni ra~uni
Refe rent za pos love likvidature za rada
NODE:
TITLE:
EVIDENCIJA EKSTERNIH PODATAKA
NUMBER:
A1
Slika E.4. Dekompozicioni dijagram A1 - Evidencija eksternih podataka
Imajui u vidu dekompozicioni dijagram prikazan na predhodnoj slici definise se sledei logikih podmodela (ERwin) podataka vezano za proces Evidencija eksternih podataka.
Uplatni racuni UplatniRacuniID ZR PIOR AD ZR PIOPOS ZR ZDR RAD ZR ZDR POS ZR NZP RAD ZR NZP POS ZR Porez ZR PorezFond Stope StopeID Porez Doprinos PIO Doprinos Zdrav Doprinos N ezap Minuli rad Stepen StepenID Naziv Oznaka Osnovica
Slika E.5. Logikih podmodela (ERwin) podataka Naziv Entiteta Stope Stepen UplatniRacuni Opis Stope poreza i doprinosa Stepeni strune spreme sa osnovicama za doprinose Spisak uplatnih rauna
390
Evidencije internih podataka Nakon evidencije eksternih podataka, pristupa se aktivnosti Evidencije internih podataka, koja podrazumeva evidenciju sledeih podataka: podaci o isplatiocu, tj. pravnom subjektu koji su neophodni za potrebe tampanja izvetaja; podaci o optinama neophodni za razvrstavawe zaposlenih prilikom plaawa poreza iz zarade; podaci o radnim jedinicama unutar kole neophodnim za praenje trokova po RJ; podaci o bankama, preko kojih zaposleni primaju svoje line dohotke, potrebnim za uplatu zarada zaposlenih po tekuim raunima; podaci o zaposlenima neophodnim za obraun zarada (prezime, ime, koeficijent, stepen strune spreme, radni sta, ...). Na sledeoj slici prikazan je dekompozicioni dijagram (BPwin) za proces A2 - Evidencija internih podataka.
Zakoni i propisi Podaci o ispla tiocu EVID ENC IJA PODATAKA O ISPLATIOCU 21 Podaci o opstinama Evidentirani podaci o ispla tiocu
EVID ENC IJA PODATAKA O OPSTINAMA 22
Evidentirani podaci o opstinama
Podaci o RJ
EVID ENC IJA PODATAKA O RADNIM JED INIC AMA 23
Evidentirani podaci o RJ
Bazni podaci za obracun zarada
Evidentirani Podaci o EVID ENC IJA podaci o bankam a PODATAKA O bankama BANKAMA 24 EVID ENC IJA PODATAKA O ZAPOSLENIMA 25 Refe rent za poslove lik vida ture zarada
Evidentirani podaci o zapos lenim a
Evidentirani bazni podaci
Podaci o zapos lenima
NODE:
TITLE:
EVIDENCIJA INTERNIH PO DATAKA
NUMBER:
A2
Slika E.6. Dekompozicioni dijagram A2 - Evidencija internih podataka
Imajui u vidu dekompozicioni dijagram prikazan na predhodnoj slici definise se sledei logikih podmodela (ERwin) podataka vezano za proces Evidencija internih podataka

Isplatilac IsplatilacID NAZIV FIR ADR ESAFIR MESTOFIR ZIROFIR MATICNIBR DELATNOST REGISTAR BR PORINDBR Stope StopeID Porez Doprinos PIO Doprinos Zdrav Doprinos N ezap Minuli rad Zaposleni Zapos leniID JMBG Prezime Ime LicnaKarta Adresa Mes to TelefonFix TelefonMob EMail RadnaJedID (FK) OpstinaID (FK) StepenID (FK) Koeficijent GodineStaza DatumUlaz DatumIzlaz BankaID (FK) ZiroRac un Plac anjeAK Plac anjeKD
Banka BankaID Naziv ZiroRacun Opstina OpstinaID Naziv RadnaJedinica RadnaJedID Naziv
Mes ec Mesec ID Naziv meseca
Stepen StepenID Naziv Oznaka Osnovica
Slika E.7. Logikih podmodela (ERwin) podataka Naziv Entiteta Isplatilac Opstina Opis Podaci o isplatiocu za potrebe tampanja virmana Spisak optina odakle su zaposleni
RadnaJedinica Spisak radnih jedinica isplatioca Banka Zaposleni Mesec Podaci o bankama za isplate zarada preko rauna Spisak zaposlenih sa potrebnim podacima za obraun Nazivi meseci
Evidencije i obrauna obustava Na sledeoj slici dat je dekompozicioni dijagram aktivnosti Evidencije i obrauna obustava. U sluaju kada neko od zaposlenih ima odbitke od svoje zarade po osnovu obustava pristupa se sledeim pod aktivnostima: evidencija podataka o vrstama obustava, tj. kreditorima, kod kojih zaposleni imaju obustave; evidencija podataka o konkretnim obustavama za zaposlene, tj. veza zaposleni-vrsta obustave sa podacima o iznosu obustave i broju rata; vri se obraun evidentiranih obustava, tj. skidawe po jedne rate za svaku od obustava i evidentiranje tih iznosa koji e se odbiti zaposlenima u momentu obrauna zarade.
392
Na sledeoj slici prikazan je dekompozicioni dijagram (BPwin) za proces A3 - Evidencija i obraun obustava
NOTES: 1 2 3 4 5 6 7 8 9 10 Zakoni i propisi PUB LIC ATION A0
P odaci o vrsta ma obustava
EVID ENC IJA V RSTA OBUSTAVA 31
Evidentirani podaci o vrsta ma obustava
Podaci o obustavama
Podaci radnik-obustava
EVID ENC IJA OBUSTAVA
Evidentirani podaci o zapo slenima 32 Podaci o obustavama za obra cun
OBRAC UN OBUSTA VA
Obra~unati p odaci o obustavama
33 Refe rent za pos love lik vida ture zarada
NODE:
TITLE:
EVIDENCIJA I OBRACUN OBUSTAVA
NUMBER:
A3
Slika E.8. Dekompozicioni dijagram A3 - Evidencija i obraun obustava
Imajui u vidu dekompozicioni dijagram prikazan na predhodnoj slici definise se sledei logikih podmodela (ERwin) podataka vezano za proces Evidencija i obraun obustava
Parametri ParametriID Mes ec MesecID Naziv meseca Godina Mesec ID (FK) VrstaIsplate BrojAK Datum isplate BrojSati Cena rada StopeID (FK) IsplatilacID (FK) UplatniRacuniID (FK) Zapos leni ZaposleniID JMBG Prezime Ime LicnaKarta Adresa Mes to TelefonFix TelefonMob EMail RadnaJedID (FK) OpstinaID (FK) StepenID (FK) Koeficijent GodineStaza DatumUlaz DatumIzlaz BankaID (FK) ZiroRac un Plac anjeAK Plac anjeKD Obus taveOpis ObOpis ID Naziv Adresa ZiroRac un Procenat/Iznos
ObustavePodaci ObPodaciID Obus taveObracun ObObracunID ParametriID (FK) ObPodaciID (FK) ObIznos BrPartije ZaposleniID (FK) ObOpisID (FK) Iznos BrojRata OstatakDuga OstatakRata IznosRate
Slika E.9. Logikih podmodela (ERwin) podataka
Menadment informacioni sistemi Naziv Entiteta ObustaveOpis ObustavePodaci ObustaveObracun Opis Spisak kreditora za potrebe obustava Podaci o obustavama zaposlenih Podaci o obraunatim obustavama za mesec
Obrauna zarade Nakon evidentiranja i pripreme svih potrebnih podataka moe se pristupiti konkretnom obraunu zarada akontacije za izabrani mesec. U sluaju obrauna konanog dela zarade neophodno je jo pripremiti podatke o radu radnika - strukturi radnog vremena u asovima. Dekompozicioni dijagram aktivnosti Obrauna zarade prikazan je na sledeoj slici.
Zakoni i propisi Evidentirani eksterni podaci Evidentirani bazni podaci Param etri obracuna Odluka organa rukovdjenja
OBRAC UN AKONTAC IJE
Podaci iz akontacije
Obracunati podaci o obustavama
41
OBRAC UN KONAC NOG D ELA
Podaci iz KD
Podaci iz obracuna
Podaci o rad u zapos lenih
EVID ENC IJA PODATAKA O RAD U ZAPOSLENIH 42
Evidentirani podaci o radu zapos lenih
43
Refe rent za pos love lik vida ture zarada
NODE:
TITLE:
OBRACUN ZARADE
NUMBER:
A4
Slika E.10. Dekompozicioni dijagram aktivnosti A4 - Obraun zarade
Imajui u vidu dekompozicioni dijagram prikazan na predhodnoj slici definise se sledei logikih podmodela (ERwin) podataka vezano za proces Obraun zarade
394
Stope StopeID Porez Doprinos PIO Doprinos Zdrav Doprinos N ezap Minuli rad
Stepen StepenID Naziv Oznaka Osnovica Zapos leni Zapos leniID JMBG Prezime Ime LicnaKarta Adresa Mes to TelefonFix TelefonMob EMail RadnaJedID (FK) OpstinaID (FK) StepenID (FK) Koeficijent GodineStaza DatumUlaz DatumIzlaz BankaID (FK) ZiroRac un Plac anjeAK Plac anjeKD
Obracun ObracunID ParametriID (FK) Zapos leniID (FK) BR_SATI BRS_R ADA BRS_N OC U BRS_N ADVPR BRS_PR EKO BRS_GODOD BRS_D VPR BRS_BOL BRS_BOLPR BRS_PR IN BRS_PL100 BRS_VOJV BRS_SU S BRS_N EPL BRS_N EOP BRS_BOL30 BRS_POR OD
Parametri ParametriID Mes ec Mes ec ID Naziv meseca Godina Mes ec ID (FK) VrstaIs plate BrojAK Datum isplate BrojSati Cena rada StopeID (FK) Isplatilac ID (FK ) UplatniRacuniID (FK)
Obus taveObrac un ObObracunID ParametriID (FK) ObPodaciID (FK) ObIznos
Slika E.11. Logikih podmodela (ERwin) podataka Naziv Entiteta Parametri Obracun Opis Parametri neophodni za obraun po mesecima Podaci o obraunatim zaradama po mesecima
Izrada izvetaja obrauna zarada Nakon obraunatih zarada, obraunski radnik vri tampanje potrebnih izvetaja, za konkretnu isplatu, tj. konkretni mesec, i to: tampanje eksternih izvetaja za potrebe banaka i Uprave prihoda: o OD obrazac - izvetaj o obraunatim doprinosima po strunim spremama, o OPJ obrazac - izvetaj o obraunatom porezu iz zarada zaposlenih, o Rekapitulacija - izvetaj o svim podacima iz obrauna (sumarno) i o Virmani kojima se vri uplata poreza, doprinosa i isplata zaposlenima po tekuim raunima. tampanje internih izvetaja za potrebe zaposlenih i samog isplatioca: o Platni spisak analitiki pregled zarada svih zaposlenih i o Platni listii - obraunski list zarade za svakog zaposlenog
ponaosob. Na sledeoj slici prikazan je dekompozicioni dijagram (BPwin) za proces Izrada izvetaja obrauna zarada.
Zakoni i propisi
STAMPANJE OD OBRASC A 51 STAMPANJE OPJ OBRASC A 52 Podaci iz obracuna
OD obrazac
OPJ obrazac
STAMPANJE REKAPITULACIJE 53
Rekapitulacija
Eksterni izvesta ji obracuna zarada
STAMPANJE VIRMANA 54
Virmani
STAMPANJE PLATNOG SPISKA 55
Platni s pisak
Interni izves taji obracuna zarada
STAMPANJE PLATNIH LISTIC A 56
Platni listi}i
Refe rent za pos love lik vida ture zarada NODE: TITLE:
IZRADA IZVSTAJA OBRACUNA ZARADA
NUMBER:
A5
Slika E.12. Dekompozicioni dijagram aktivnosti A5 - tampanje izvetaja
Imajui u vidu dekompozicioni dijagram prikazan na predhodnoj slici definise se sledei logikih podmodela (ERwin) podataka vezano za proces
396
Uplatni racuni UplatniRacuniID ZRPIORAD ZRPIOPOS ZRZDRRAD ZRZDRPOS ZRNZPRAD ZRNZPPOS ZRPorez ZRPorezFond
Mesec MesecID Naziv meseca Zaposleni ZaposleniID Parametri ParametriID Godina MesecID (FK) VrstaIsplate BrojAK Datum isplate BrojSati Cena rada StopeID (FK) IsplatilacID (FK) UplatniRacuniID (FK) Obracun ObracunID ParametriID (FK) ZaposleniID (FK ) BR_S ATI BRS_RADA BRS_NOCU BRS_NADVPR BRS_PREK O BRS_GODOD BRS_DVPR BRS_BOL BRS_BOLPR BRS_PRIN BRS_PL100 BRS_VOJV BRS_SUS BRS_NEPL BRS_NEOP BRS_BOL30 BRS_POROD JMBG Prezime Ime LicnaKarta Adresa Mesto TelefonFix TelefonMob EMail RadnaJedID (FK ) OpstinaID (FK) StepenID (FK) Koeficijent GodineStaza DatumUlaz DatumIzlaz BankaID (FK) ZiroRacun PlacanjeAK PlacanjeKD Stepen StepenID Naziv Oznaka Osnovica Banka BankaID Naziv ZiroRacun
Stope StopeID Porez Doprinos PIO Doprinos Zdrav Doprinos Nezap Minuli rad
Opstina OpstinaID Naziv
RadnaJedinica RadnaJedID Naziv
Isplatilac IsplatilacID NAZIVFIR ADRESAFIR MEST OFIR ZIROFIR MATICNIBR DELATNOST REGISTARBR PORINDBR
ObustaveObracun ObObracunID ParametriID (FK) ObPodaciID (FK) ObIznos
ObustavePodaci ObPodaciID BrPartije ZaposleniID (FK ) ObOpisID (FK) Iznos BrojRata OstatakDuga OstatakRata IznosRate
ObustaveOpis ObOpisID Naziv Adresa ZiroRacun Procenat/Iznos
Slika E.13. Logikih podmodela (ERwin) podataka
Integrisani logiki model podataka za posao OBRAUN ZARADA Posle izrade dekompozicionog dijagrama i logikih podmodela (ERwin) podataka automatsi se definie integralni logiki model podataka. Na sledeoj slici prikazan je integrisani logiki model podataka obrauna zarada gde su dati entiteti, njihovi atributi i veze to je sve zajedno osnova za definisanje fizikog modela i same baze podataka.

Uplatni racuni UplatniRacuniID ZRPIO RAD ZRPIO POS ZRZDRR AD ZRZDRPOS ZRNZPR AD ZRNZPPOS ZRPorez ZRPorez Fond Mes ec Mes ecID Naz iv meseca Isplatilac Isplatilac ID NAZIVFIR ADRE SAFIR ME STOFIR ZIR OFIR MATIC NIBR DE LATNOS T RE GIS TARBR PO RIND BR Obrac un Obrac unID Param etriID (FK) ZaposleniID (FK) BR _S ATI BR S_RADA BR S_NO CU BR S_NADVPR BR S_PR EK O BR S_GO DOD BR S_DVPR BR S_BO L BR S_BO LP R BR S_PR IN BR S_PL100 BR S_VO JV BR S_SUS BR S_NE PL BR S_NE OP BR S_BO L30 BR S_PO ROD
Param etri Param etriID Godina Mes ec ID (FK) Vrs taIs plate BrojAK Datum is plate BrojSati Cena rada StopeID (FK ) Isplatilac ID (FK ) UplatniRacuniID (FK ) ObustaveObracun ObObrac unID Param etriID (FK) ObPodac iID (FK) ObIznos
Stope StopeID Porez Doprinos PIO Doprinos Zdrav Doprinos Nezap Minuli rad
Zapos leni Zapos leniID JMBG Prezime Ime Lic naK arta Adres a Mes to TelefonFix TelefonMob EMail RadnaJedID (FK) OpstinaID (FK ) StepenID (FK) Koefic ijent GodineS taz a Datum Ulaz Datum Iz laz BankaID (FK) ZiroRacun PlacanjeAK PlacanjeKD
Stepen StepenID Naz iv Oz naka Os novic a Banka BankaID Naz iv ZiroRacun
Opstina OpstinaID Naz iv
Obus tavePodaci ObPodac iID BrP artije Zapos leniID (FK) ObOpisID (FK ) Iznos BrojRata Os tatakD uga Os tatakR ata IznosRate
RadnaJedinica RadnaJedID Naziv
Obus taveOpis ObOpisID Naz iv Adres a ZiroRacun Procenat/Iz nos
Slika E.14. Integrisani logiki modela podataka za posao OBRAUN ZARADA
Na osnovu navedenih entiteta mogu se uoiti nekoliko kljunih entiteta koje predstavljaju "nosioce aktivnosti": Entitet Zaposleni - sadri atribute o zaposlenima neophodnim za obraun zarada (prezime, ime, koeficijent, stepen strune spreme, radni sta, ...). Takodje ovaj entitet preuzima pomone podatke o stepenu strune spreme, optini, radnoj jedinici i banci iz odgovarajuih entiteta roditelja. Entitet Parametri - sadri atribute o samom obraunu (godina, mesec, cena rada, datum isplate, vrsta isplate (akontacija ili konani deo), ...). Takodje ovaj entitet preuzima pomone podatke o stopama poreza i doprinosa, isplatiocu i uplatnim raunima iz odgovarajuih entiteta roditelja. Entitet ObustaveObracun - sadri atribute o parametrima obrauna i obustavama zaposlenih. Entitet Obracun - sadri atribute o parametrima obrauna i zaposlenima i sluie za fiziko pamenje podataka o svim obraunatim zaradama po mesecima i zaposlenima. Fiziki model podataka za posao OBRAUN ZARADA Pre definisanja fizikog modela podataka treba izabrati sistem za upravljanje bazom podataka (SUBP) gde e fiziki model biti kreiran. ERwin nudi veliki izbor SUBP. Prilikom prevodjenja logikog modela u fiziki model dolazi do konvertovanja:
398
entiteta iz modela podataka u tabele fizike baze podataka, atributa u kolone u odgovarajuim tabelama, kandidati za kljueve entiteta postaju primarni kljuevi u tabelama, veze izmedju entiteta postiu da primarni kljuevi u tabelama postaju spoljni kljuevi u povezanim tabelama.
Na sledeoj slici prikazan je fiziki model podataka aktivnosti Obrauna zarada u ERwin-u.
Mes ec Uplatni racuni UplatniRacuniID: AutoNum ber ZRPIO RAD : Text(25) ZRPIO POS: Text(25) ZRZDRR AD : Text(25) ZRZDRPOS: Text(25) ZRNZPR AD : Text(25) ZRNZPP OS : Text(25) ZRPorez : Text(25) ZRPorez Fond: Text(25) Mes ec ID : AutoNumber Naz iv meseca: Text(10) Isplatilac Isplatilac ID: AutoNumber NAZIVFIR : Text(40) Obrac un ADRESAFIR: Text(40) ME STOFIR : Text(15) Obrac unID: AutoNumber ZIR OFIR : Text(20) Param etriID : Long Integer MATIC NIBR : Text(8) Zapos leniID : Long Integer Param etri DE LATNOS T: Text(6) Param etriID : AutoNumber RE GIS TARBR : Text(10) BR _SATI: Integer BR S_RADA: Integer PO RIND BR : Text(10) Godina: Long Integer BR S_NO CU: Integer Mes ec ID : Long Integer BR S_NADVPR : Integer Vrs taIs plate: Yes /No BR S_PR EK O: Integer BrojAK : Integer BR S_GO DOD : Integer Datum is plate: Date/Time Zapos leni BR S_DVPR : Integer BrojSati: Long Integer BR S_BO L: Integer Zapos leniID : AutoNumber Cena rada: Double BR S_BO LP R: Integer JMBG: Text(13) StopeID: Long Integer BR S_PR IN: Integer Prezime: Text(22) Isplatilac ID: Long Integer BR S_PL100: Integer Ime: Text(12) UplatniRacuniID: Long Integer BR S_VO JV: Integer Lic naK arta: Text(10) BR S_SUS: Integer Adres a: Text(35) BR S_NE PL: Integer Obus taveObracun Mes to: Text(15) BR S_NE OP : Integer TelefonFix: Text(30) ObObrac unID: AutoNumber BR S_BO L30: Integer TelefonMob: Text(30) BR S_PO ROD : Integer Param etriID : Long Integer EMail: Text(30) ObPodac iID : Long Integer RadnaJedID : Long Integer ObIznos : Double OpstinaID: Long Integer StepenID : Long Integer Koefic ijent: Double GodineS taz a: Integer Datum Ulaz : Date/Time Datum Iz laz : D ate/Time BankaID: Long Integer Obus taveOpis ZiroRacun: Text(30) ObOpisID: AutoNum ber PlacanjeAK : Yes /No Naz iv: Text(35) PlacanjeKD : Yes /No Adres a: Text(35) ZiroRacun: Text(25) Procenat/Iz nos : Yes /No
Stepen StepenID : Long Integer Naz iv: Text(30) Oz naka: Text(5) Os novic a: D ouble
Stope StopeID: AutoNumber Porez : D ouble Doprinos PIO: Double Doprinos Zdrav: Double Doprinos Nezap: Double Minuli rad: D ouble
Banka BankaID: AutoNumber Naz iv: Text(35) ZiroRacun: Text(30)
Opstina OpstinaID: AutoNum ber Naz iv: Text(35)
Obus tavePodaci ObPodac iID : AutoNumber BrP artije: Text(20) Zapos leniID : Long Integer ObOpisID: Long Integer Iznos: Double BrojRata: Integer Os tatakD uga: Double Os tatakR ata: Integer IznosRate: Double
RadnaJedinica RadnaJedID : AutoNumber Naz iv: Text(35)
Slika E.15 Fiziki model podataka za posao OBRAUN ZARADA
Aplikativni model (MS Access) za poslove OBRACUNA ZARADA

Tabela za potrebe obavljanja poslova OBRACUNA ZARADA definisane su u fizikom modelu. Upiti su osnovni alati u svakom sistemu za upravljanje bazom podataka. Najee upiti se koriste za birawe odredjenih grupa zapisa koji ispunjavaju odredjene kriterijume kao i za kombinovanje podataka iz raznih tabela. Upiti samo koriste podatke koji se fiziki nalaze u tabelama. U sledeoj tabeli dat je spisak korienih upita sa opisom sadraja.
Naziv Upita Opis Analitiki podaci o obraunatim zaradama, porezu i doprinosima po zaposlenima i po svim akontacijama za izabrani mesec. Koristi ga upit ObracunAK-Suma i izvetaj SpisakAK.
ObracunAK
Analitiki podaci o obraunatim zaradama, porezu i doprinosima po zaposlenima sumarno za sve akontacije ObracunAK-Suma za izabrani mesec.Koriste ga upiti ObracunKD-AK i RekapitulacijaAK. ObracunKD Analitiki podaci o obraunatim zaradama, porezu i doprinosima po zaposlenima za celu isplatu za izabrani mesec.Koristi ga upit ObracunKD-AK. Analitiki podaci o obraunatim zaradama, porezu i doprinosima po zaposlenima za celu isplatu, akontaciju i konani deo za izabrani mesec.Koristi ga upit RekapitulacijaKD i izvetaj SpisakKD. Analitiki podaci o strukturi radnog vremena (asovima) po zaposlenima za izabrani mesec. Sintetiki podaci o obraunatim zaradama, porezu i doprinosima za isplatu akontacije za izabrani mesec. Koristi ga izvetaj RekapitulacijaAK. Sintetiki podaci o obraunatim zaradama, porezu i doprinosima za isplatu konanog dela za izabrani mesec. Koristi ga izvetaj RekapitulacijaKD. Slui za puwewe tabele Obracun sa podacima o zaposlenima i parametrima obrauna za izabrani mesec. Koristi ga forma Obracun.
ObracunKD-AK
RadRadnika RekapitulacijaAK
RekapitulacijaKD
ZaObracun
400
Na narednim stranicama, na slikama dati su prozori za kreiranja upita.
Slika E.16. Dizajn upita ObracunAK sa prikazom SQL sintakse
Slika E.17. Dizajn upita ObracunAK-Suma sa prikazom SQL sintakse
Slika E.18. Dizajn upita ObracunKD sa prikazom SQL sintakse
Slika E.19. Dizajn upita ObracunKD-AK sa prikazom SQL sintakse
Slika E.20. Dizajn upita RadRadnika sa prikazom SQL sintakse
Slika E.21. Dizajn upita RekapitulacijaAK sa prikazom SQL sintakse 402
Slika E.22. Dizajn upita RekapitulacijaKD sa prikazom SQL sintakse
Slika E.23. Dizajn Append upita ZaObracun sa prikazom SQL sintakse
Forme predstavljaju korisniki interfejs prema podacima smetenim u tabelama. Forme se napravljene od skupa pojedinanih elemenata koji se zovu kontrole i kontrolni objekti. Startna forma se vidi na sledeoj slici. Na njoj se nalaze kontrolna dugmad koja u potpunosti odgovaraju osnovnim aktivnostima sa stabla aktivnosti funkcionalnog modela procesa radjenog u programu BPwin.
Slika E.24. Osnovna (startni) forma korisnike aplikacije
Na narednim slikama dat je prikaz nekoliko karakteristinih formi za unos i kontrolu podataka. Na sledeoj slici data je forma za unos-izmenu podataka osnovica za doprinose po strunim spremama, koja se dobija aktivirawem na dugme Osnovice doprinosa unutar kontrole Eksterni podaci.
Slika E.25. Forma za auriranje podataka o Osnovicama za doprinose
Na sledeoj slici dat je prikaz forme za unos-izmenu podataka o Zaposlenima. Mogu se uoiti aktivni Combo Box-ovi za izbor podataka iz veznih roditelj tabela. Ova forma se aktivira na dugme Zaposleni unutar kontrole Interni podaci.
404
Slika E.26. Forma za unos-izmenu podataka o Zaposlenima
Na sledeoj slici. dat je prikaz forme za Obraun koja preuzima unete podatke iz tabele Parametri i klikom na dugme OBRAUNAJ puni tabelu Obracun. Ova forma se aktivira na dugme Obraun unutar kontrole Obraun zarade.
Slika E.27. Forma za aktiviranje obrauna za izabrani mesec
Izvetaji su sre eni podaci spremni za tampanje. U toku rada pomenuti su izvetaja potrebni u aktivnosti obrauna zarada. Na sledeoj slici dat je izvetaj Spisak za akontaciju na kome se vide svi podaci obrauna akontacije za izabrani mesec po zaposlenima. Ovaj izvetaj spada u grupu internih izvetaja koji se koristi za interne potrebe isplatioca. Ovaj izvetaj je formiran na osnovu upita ObracunAK.
SPISAK ZA AKONTACIJU
Mart 2004 godine Datum isplate: Rbr Prezime 1 Arsic 2 Brankovic 3 Cvetkovic 4 Djordjevic 5 Jankovic 6 7 8 9 10 11 12 13
Jankovic Jovanovic Kostic Krstic Markovic Miletic Milojevic Milosavqevic
21.03.2004 Ime
Nikolina Branko Milanka Djurdjica Dusica Janko Jovan Kosta Jovan Radojka Mileta Radovan Bojana Lidija Marica Petar Zorica Stojan Dusan Tihomir
Zarada
7.455,60 13.801,60 7.729,20 6.262,40 7.524,00 12.289,20 15.310,20 16.245,00 21.692,30 11.757,20 15.523,00 14.231,00 9.533,25 6.080,00 9.747,00 16.789,35 9.570,30 13.193,60 24.446,73 14.022,00 253.202,93
Porez
1.043,78 1.932,22 1.082,09 876,74 1.053,36 1.720,49 2.143,43 2.274,30 3.036,92 1.646,01 2.173,22 1.992,34 1.334,66 851,20 1.364,58 2.350,51 1.339,84 1.847,10 3.422,54 1.963,08 35.448,41
Doprinos
1.714,27 3.650,64 1.298,51 1.174,66 1.714,27 2.761,92 2.761,92 3.650,64 3.650,64 2.761,92 3.650,64 3.650,64 2.063,38 1.174,66 2.063,38 4.031,66 2.063,38 3.650,64 4.107,05 3.650,64 55.245,44
Isplata
4.697,54 8.218,74 5.348,61 4.211,01 4.756,37 7.806,79 10.404,85 10.320,06 15.004,74 7.349,27 9.699,14 8.588,02 6.135,22 4.054,14 6.319,04 10.407,18 6.167,08 7.695,86 16.917,14 8.408,28 162.509,08
14 Nikolic 15 Ninkovic 16 Petrovic 17 Simonovic 18 Stojanovic 19 Trajkovic 20 Tutulic
Ukupno:
Slika E.28 Izvetaj Spisak akontacije za izabrani mesec
Na sledeoj slici dat je izvetaj Rekapitulacija akontacije za izabrani mesec, na kome su prikazani sumarni podaci po svim obraunatim elementima. Ovaj izvetaj spada u grupu eksternih izvetaja koji se koristi za potrebe Uprave prihoda. Ovaj izvetaj je formiran na osnovu upita RekapitulacijaAK.
406
Rekapitulacija Akontacije
Mart 2004
1. Broj zaposlenih: 2. Ukupno ZARADA: NA TERET ZAPOSLENIH (iz zarade) 3. Socijalni DOPRINOSI: 3.1. PIO 10,30 % 3.2. Zdravstveno 5,95 % 3.3. Nezaposlenost 0,55 % 4. POREZ na zarade 14,00 % 55.245,44 din 33.870,72 din 19.566,09 din 1.808,63 din 35.448,41 din 162.509,08 din 20 253.202,93 din
5. ISPLATA zaposlenima (2. - 3. 4.) NA TERET POSLODAVCA (na zaradu) 6. Socijalni DOPRINOSI: 6.1. PIO 10,30 %
55.245,44 din 33.870,72 din 19.566,09 din 1.808,63 din 308.448,37 din Odgovornolice:
6.2. Zdravstveno 5,95 % 6.3. Nezaposlenost 0,55 % 7. BRUTO (2. + 6.): Obracunao:
Slika E.29.Izvetaj Rekapitulacija akontacije za izabrani mesec
Opis obrauna
U ovoj taki dat je pregled formula za izraunavanje osnovnih elemenata obrauna zarada. U srednjim zagradama dat je naziv polja koje se koristi za izraunavanje.
Zarada = Cenarada*Koeficijent*(1+(GodineStaza*Minuli rad/100)) Poreza = Zarada*Porez/100 PIO = IIf(Zarada>Osnovica;Zarada;Osnovica)*Doprinos PIO/100
Zdravstvo=IIf(Zarada>Osnovica;Zarada;Osnovica)*Doprinos Zdrav/100 Nezaposlenost = Doprinos = Isplata = IIf(Zarada>Osnovica;Zarada;Osnovica)*Doprinos Nezap/100
PIO+Zdravstvo+Nezaposlenost Zarada-Poreza-Doprinos
F. POSLOVI DELOVODSTVA I ARHIVE

Uvod
Radi se o poslovima delovodstva i arhiviranja u RTS Srbije. Analize IS sastoji se u razradi problematike na nivou modela procesa, modela podataka i korisnike aplikacije primenom odgovarajuih CASE alata i to: Funkcionalna analiza poslova korienjem CASE alata BPwin, Informaciona analiza poslova korienjem CASE alataERwin, Izrada aplikativnog modela korienjem MS Access. Na osnovu gore definisanih postavki prvo se pristupiti funkcionalnom modeliranu gde se funkcionalnom dekompozicijim identifikuju poslovi laboratorijskog ispitivanja. Za izvodjenje ovih aktivnosti koristi se grafiki jezik IDEF0 tj. CASE alat BPwin i IE tj. CASE alat ERwin. Analiza IS POSLOVA DELOVODSTVA I ARHIVE potrebno je izvoditi kroz sledee podredjene aktivnosti: Funkcionalna analiza poslova delovodstva i arhiviranja Informaciona analiza poslova delovodstva i arhiviranja Fiziki model podataka. Korisnicka aplikacija
Funkcionalna analiza poslova delovodstva i arhiviranja

Funkcionalna analiza poslova delovodstva i arhiviranja izvodi se kroz sledee podredjene aktivnosti: Definisanje zahteva korisnika Definisanje dijagrama konteksta, Definisanje stabla aktivnosti, Definisanje dekompozicionog dijagrama (BPwin)
Definisanje zahteva korisnika

Definisanje zahteva iz dokumenata je pogled odozdo nagore. Dokumenti
408
koji se razmatraju su: Posta Delovodnik Registar primljenih - poslatih faksova Interna dostavna knjiga Spisak registraturskog materijala Zahtev za izdavanje reistraturskog materijala Saglasnost za izlucivanje Revers Arhivska knjiga Prijemna knjiga - lista Zapisnik o izlucivanju Uputstvo o kancelarijskom poslovanju
Definisanje granica sistema POSLOVI DELOVODSTVA I ARHIVE

Definisanje granica sistema je vezana za definisanje dijagrama konteksta (IDEF0 metodologija) koji e u sledeem koraku biti po hijerarhiji povezani u stablo aktivnosti. Na sledeoj slici prikazan je dijagram konteksta gde se definie neposredno okruenje.
Zakoni i propisi iz oblasti arhiviranja
Instrukc ija za prijem otpremu i dis tribuc iju poste
Posta
Prijemna knjiga - lista
Zahtev za izd avanje reis traturskog materijala
POSLOVI DELOVODSTVA I ARHIVE

0
Revers
Opome na pretp latniku Zapisnik o izlucivanju
Saglasnost za izlucivanje
Refe rent za delovodstvo
Arhivar
NODE:
TITLE:
PO SLOVI DELO VODSTVA I ARHIVE
NUMBER:
A-0
Slika F.1. Dijagram konteksa Poslova delovodstva i arhive
Stablo aktivnosti POSLOVA DELOVODSTVA I ARHIVE

Na osnovu definisane granice sistema prelazi se na sledeu aktivnost "Definisanje stabla poslova" gde je potrebno uspostaviti vertikalne (hijerarhijske) veze izmedu poslova delovodstva i arhive.
POSLOVI D ELOV OD STVA I A RHIVE 0 POSLOVI D E LOVOD STVA 1 P RIJ EM E VID ENC IJA I K LASIFIKACIJA P OSTE D ISTRIBUCIJA I S LANJE POSTE
ARHIVIRANJE 2 PRIJ EM REGISTRATURSKOG MATERIJALA IZDAVANJE I VRACANJE REGISTRATURSKOG MATERIJALA PRACENJE IZD ATOG REGISTRATURSKOG MATERIJALA IZLUCIVANJE BEZVRED NOG REGISTRATURSKOG MATERIJALA
Slika F.2. Stablo aktivnosti za poslove delovodstva i arhive.
Dekompozicioni dijagram POSLOVA DELOVODSTVA I ARHIVE

Naa osnovu definisanih i verifikovanih vertikalnih veza prikazanih u stablu aktivnosti pristupa se definisanju horizontalnih veza korienjem dijagrama dekompozicije prikazang na sledeim slikama.
410
Instrukc ija za prijem otpremu i dis tribuc iju poste
P rijemna knjiga - lista P osta P OSLOV I D ELOV OD S TVA
S pis ak registraturskog materijala Zakoni i propisi iz ob lasti arhiviranja
Refe rent za delovodstvo Revers Opome na pretp latniku
Zahtev za izd avanje reis traturskog materijala
A RHIV IRANJE
S aglasnost za izlucivanje 2
Zapisnik o izlucivanju
Arhivar
NODE :
TITLE :
POSLOVI DELOVODST VA I ARHIVE
NUMB E R:
A0
Slika F.3 Dijagram dekompozicije za poslove delovodstva i arhive

Zakoni i propisi iz oblasti arhiviranja
Spisak registraturskog materijala
PRIJEM REGISTRATURSKOG MATERIJALA 21
Arhivska knjiga
Zahtev za izdavanje reistraturskog materijala Revers
IZDAVANJE I VRACANJE REGISTRATURSKOG MATERIJALA 22
Revers
PRACENJE IZDATOG REGISTRATURSKOG MATERIJALA 23 Saglasnost za izlucivanje
Opomena pretplatniku
IZLUCIVANJE Zapisnik o BEZVREDNOG izlucivanju REGISTRATURSKOG MATERIJALA 24 Arhivar
NODE:
TITLE:
ARHIVIRANJE
NUMBER:
A2
Slika F.4 Dijagram dekompozicije za poslove arhiviranja
Informacina analiza poslova delovodstva i arhiviranja

Na sledeoj slici prikazan je logiki model podataka vezan za izvodjenje posla delovodstva i arhiviranja.

Godina Godina Organizacija OrganizacijaID SistematizacijaID (FK) Vrs taOrganizacijeID (FK) SifraO rganizacije NazivOrganizacije StaraS ifra Datum Vaznos ti KodVaznosti Mes toTroskaID (FK) TehnickiStatus Nadredjena (FK) VrstaDostave VrstaD os taveID NazivVrs teD ostave SifraVrsteD os tave Tehnic kiStatus Pre dme t Godina (FK) BrojPredmeta Zaduzen (FK) VrstaD ostaveID (FK) Predm et Datum Prijema Posiljalac PartnerID (FK) BrojPosiljaoca Datum Posiljaoca Oznaka Primedba KodSlanjePrijemInterno Iznos VrstaP redm etaID (FK) Postarina Datum Razvoda Datum Zaduzenja Nadredjeni Stampa Rok RokCuvanjaID (FK) GodinaIzlucivanja Tehnic kiStatus Izradio (FK) VrstaPre dme ta VrstaP redm etaID NazivVrstePredm eta SifraVrstePredmeta Tehnic kiStatus RokC uv anja RokCuvanjaID NazivRokaC uvanja SifraR okaC uvanja Tehnic kiStatus
SlikaPre dmeta Godina (FK) BrojPredmeta (FK) Strana Slika
Pre dme tProsledje n Godina (FK) BrojPredmeta (FK) OrganizacijaID (FK)
Pre dme tZaduze nje Godina (FK) BrojPredmeta (FK) RedniBroj Datum Zaduzenja Datum Razduzenja Zaduz eni (FK) IzradioRazduz enje (FK) IzradioZaduzenje (FK) Tehnic kiStatus
Slika F.5 Logiki model podataka vezan za izvodjenje posla delovodstva i arhiviranja
Fiziki model podataka za posao DELOVODSTVA I ARHIVE

Pre definisanja fizikog modela podataka treba izabrati sistem za upravljanje bazom podataka (SUBP) gde e fiziki model biti kreiran. ERwin nudi veliki izbor SUBP a za ove potrebe izabran je SQL Server 2000. Prilikom prevodjenja logikog modela u fiziki model dolazi do konvertovanja: entiteta iz modela podataka u tabele fizike baze podataka, atributa u kolone u odgovarajuim tabelama, kandidati za kljueve entiteta postaju primarni kljuevi u tabelama, veze izmedju entiteta postiu da primarni kljuevi u tabelama postaju spoljni kljuevi u povezanim tabelama. Na sledeoj slici prikazan je fiziki model podataka aktivnosti DELOVODSTVA I ARHIVE u ERwin-u.
412
Godina Godina: smallint Organizacija OrganizacijaID : int Sis tematizacijaID : int VrstaOrganizacijeID : int SifraO rganizacije: nvarchar(10) NazivOrganizacije: nvarchar(80) StaraSifra: nvarchar(10) Datum Vaznosti: sm alldatetim e KodVaznosti: nvarchar(10) MestoTroskaID : int Tehnic kiStatus: nvarchar(80) Nadredjena: int VrstaDostave VrstaD ostaveID: int NazivVrsteD ostave: nvarchar(50) SifraVrsteD ostave: nvarchar(10) TehnickiStatus : nvarchar(80) Pre dme t Godina: s mallint BrojPredmeta: int
VrstaPre dme ta VrstaP redm etaID : int NazivVrs teP redm eta: nvarchar(50) SifraVrsteP redm eta: nvarc har(10) Tehnic kiStatus: nvarchar(80)
RokC uv anja RokCuvanjaID : int Naz ivRokaC uvanja: nvarchar(50) SifraR okaCuvanja: nvarchar(10) TehnickiStatus: nvarchar(80)
Pre dme tProsledje n Godina: sm allint BrojPredmeta: int OrganizacijaID : int
Zaduzen: int VrstaD ostaveID: int Predm et: nvarchar(80) Datum Prijema: s malldatetim e Posiljalac : nvarchar(80) PartnerID : int BrojPosiljaoca: nvarchar(50) Datum Posiljaoca: sm alldatetime Oznaka: nvarchar(10) Primedba: ntext KodSlanjePrijem Interno: tinyint Iznos: decim al(25,8) VrstaPredm etaID : int Postarina: dec im al(25,8) Datum Razvoda: sm alldatetim e Datum Zaduzenja: sm alldatetime Nadredjeni: nvarchar(50) Stam pa: nvarchar(2) Rok: sm alldatetim e RokCuvanjaID : int GodinaIzlucivanja: sm allint TehnickiStatus : nvarchar(80) Izradio: int
SlikaPre dmeta Godina: sm allint BrojPredmeta: int Strana: int Slika: im age
Pre dme tZaduze nje Godina: sm allint BrojPredm eta: int RedniBroj: int Datum Zaduzenja: smalldatetime Datum Razduz enja: sm alldatetime Zaduz eni: int IzradioRazduzenje: int IzradioZaduzenje: int TehnickiStatus: nvarchar(80)
Slika F.6 Fiziki model podataka vezan za izvodjenje posla delovodstva i arhiviranja
Generisanje SQL SERVER 2000 eme baze podataka

Generisanje eme baze podataka" izvodi se na osnovu prethodno uradjenog fizikog modela podataka. Proces generisanja eme baze podataka iz fizikog modela podataka naziva se direktni inenjering. Kada se generie ema baze podataka, entiteti prelaze u tabele, atributi u kolone, a veze u relacije i definiu se referencijalni integriteti, trigeri, procedure, indeksi i druge osobine koje podrava izabrani SUBP. Dakle, da bi se generisala baza podataka izabrana je ciljna platforma (SUBP) SQL 20000 i izvreno je logovanje na nju. Kada se izvri logovanje na SQL Server 2000, ERwin kreira aktivnu bidirekcionu vezu sa sistemskim katalogom izabranog servera koja omoguava direktno kreiranje baze podataka.
Klijent aplikacija Delovodstvo i arhiva

Projektovana Klijent aplikacija uradjena je u Microsoft Access 2000 programskom paketu i pri tome su usvojeni svi standardi koje je Microsoft postavio pre svega u svom Windows operativnom sistemu a zatim u Access-u. Cilj je da, bilo koji korisnik koji je imao bilo kakav dodir sa Microsoft alatima prepozna ikonu iza koje se krije poznata akcija. Na sledeim slikama prikazane su ekranske forme za izvodjenje posla delovodstva i arhiviranja.
Slika F.7 Ekranske forme za izvodjenje posla delovodstva i arhiviranja
Slika F.8 Vrsta predmeta
414
Slika F.9 Vrsta dostave
Slika F.10 Rok uvanja
Slika F.11 Predmet zaduzenja
Slika F.12 Delovodni list
416
G. POSAO IZBORA NAJPOVOLJNIJE KONFIGURACIJE RAUNARSKOG SISTEMA

Uvod
Proces projektovanja sadri niz operativnih, optimizacionih i informacionih tokova pomou kojih se generiu neophodne informacije koje u potpunosti odre uju proizvod. Korienje raunara za simuliranje pri inenjerskom projektovanju podrazumeva nekoliko bitnih aspekata: - izbor odgovarajue konfiguracije raunarskog sistema; - izbor adekvatne programske podrke, koja treba da zadovolji zahteve konkretne primene; - adekvatnu obuku korisnika, koja treba da stvori uslove za efikasno korienje raspoloive raunarske opreme. Neizbeni elementi savremenog inenjerskog projektovanja jesu paketi CAD (Computer Aided Design Kompjuterski podrano projektovanje) i CAE (Computer Aided Engineering Kompjuterski podrano inenjerstvo). Koristei CAD i CAE inenjeri projektuju proizvod i pre nego to isti pone da se proizvodi, testiraju njegove karakteristike putem odgovarajuih raunarskih simulacija. Preliminarni projekat se unosi u CAD sisteme putem skica, digitalnog imida ili sistema jednaina. Tako definisan proizvod se zatim testira, odnosno upore uju se karakteristike proizvoda sa ve postojeim i simuliraju se stvarni uslovi proizvodnje i eksploatacije, kako bi se utvrdilo da li i u kojoj meri proizvod podlee vaeim standardima. Na ovaj nain se na mnogo pristupaniji nain modifikuju projekti, ubrzava se proces projektovanja i smanjuju trokovi. Jedan od primera korienja simuliranja pri inenjerskom projektovanju je primer kompanije Ingesoll Rand koja je projektovala kompleksnu liniju za proizvodnju kotrljajuih leajeva. Inicijalno inenjeri su predlagali 77 razliitih maina koje bi izvravale 16 razliitih procesa. Me utim, posle simuliranja predloenog projekta i proizvodnih procesa, broj maina je smanjen za etiri i na taj nain je ostvarena uteda od $750 000. Korienje navedenih programskih alata podrazumeva postojanje odgovarajueg hardvera, odnosno adekvatne konfiguracije raunarskog sistema.
Intezivan tehnoloki razvoj hardvera generie sve vie novih realno ostvarivih alternativa (konfiguracija). Njihova me usobna razliitost po osnovu uspostavljenih kriterijuma stvara odre ene tekoe u mogunostima upore ivanja i argumentovanog iskazivanja preferencije neke alternative u odnosu na ostale razmatrane bez korienja adekvatnog matematikog modela. Tek sa dobrim poznavanjem sutine samog problema koji se reava, a kod sloenih poslovnih odluka i modela odluivanja, moe se odrediti skup informacija potrebnih za sveobuhvatno i objektivno donoenje odluka. Viekriterijumski pristup izboru najpovoljnije konfiguracije raunarskog sistema za potrebe simulacije pri inenjerskom projektovanju pokazan je na konkretnom primeru. Na ovaj nain je mogue izvriti me usobno upore ivanje razliitih alternativa po svakom od uspostavljenih kriterijuma, a u cilju dobijanja konanog ranga ukupne povoljnosti.
Viekriterijumski izbor najpovoljnije konfiguracije raunarskog sistema

U cilju izbora najpovoljnije konfiguracije raunarskog sistema za konkretne potrebe raunarske simulacije pri inenjerskom projektovanju izvreno je definisanje sistema kriterijuma i alternativa, koji e ui u viekriterijumsku bazu za odluivanje, kao i definisanje strukture preferencija donosioca odluke, odre ivanjem relativnog znaaja kriterijuma i izborom odgovarajuih preferencijskih funkcija i potrebnih parametara. Najvei problem pri izboru najpovoljnijeg investicione alternative predstavlja projektovanje modela-baze za odluivanje. Zahtevi su danas viekriterijumski i treba da izraze svu vieslojevitost i kompleksnost problema rangiranja pri izboru najpovoljnije alternative.
Definisanje skupa alternativa

Na raspolaganju donosioca odluke je da odabere alternativu, konfiguraciju raunarskog sistema, koja najbolje moe da zadovolji konkretne potrebe i namenu za raunarsku simulaciju pri inenjerskom projektovanju. Na osnovu raspoloivih informacija izdvojeno je osam potencijalnih alternativa - konfiguracija raunarskog sistema, ije su osnovne karakteristike prikazane u tabeli
Definisanje sistema kriterijuma

Uvaavanjem uslova da se sva sloenost, vieslojevitost, raznorodnost ovog problema iskae sa to manjim brojem kriterijuma izabrano je sledeih 7 kriterijuma:
418
Tabela G1 R.b. Oznaka 1. 2. 3. 4. 5. 6. 7. f1 f2 f3 f4 f5 f6 f7 Kriterijum Brzina procesora Veliina cache memorije Veliina operativne memorije Kapacitet diskova Grafiki podsistema Veliina monitora Cena Jedinica Zahtev GHz Kb Mb Gb Mb in euro max max max max max max min Rel. znaaj 0,28 0,14 0,24 0,11 0,07 0,06 0,10
Izabrani kriterijumi iskazuju razliite zahteve, imaju razliit relativni znaaj, dati su u razliitim jedinicama, sa izraenim zahtevom za maksimizacijom za prvih 6 kriterijuma i minimizacijom za sedmi kriterijum.
Viekriterijumsko rangiranje primenom programa OptiProm

Definisanjem potencijalnih alternativa i sistema kriterijuma za njihovu ocenu izvreno je projektovanje viekriterijumske baze (Tabela G2). Projektovana viekriterijumska baza predstavlja osnovu za nastavak procesa viekriterijumskog rangiranja primenom PROMETHEE metode, uz odgovarajuu podrku programa OptiPROM.
Tabela G2 Viekriterijumska baza za odluivanje Kriterijumi Ozna Relativni Zahtev ka znacaj f1 f2 f3 f4 f5 f6 f7 max max max max max max min 0,28 0,14 0,24 0,11 0,07 0,06 0,10 a1 1,7 128 256 30 64 15 720 a2 1,7 256 256 40 64 17 820 a3 2 512 512 80 128 17 1040 Alternative a4 1,26 512 512 60 128 19 950 a5 2,4 512 512 80 128 19 1060 a6 1,26 256 256 40 128 17 960 a7 2,4 512 512 120 128 22 1950 a8 1,3 128 128 20 32 15 570
Program OptiPROM predstavlja podrku donosiocu odluke, pri reavanju razliitih problema viekriterijumske optimizacije primenom metoda PROMETHEE. Kroz interaktivan rad korisnika - donosioca odluke, postie se efikasnija organizacija korienja sa stanovita modeliranja, reavanja problema odluivanja i analize reenja, kao i odgovarajua prezentacija reenja donosiocu odluke. Razmatrana aplikacija podrazumeva ve definisane kriterijume i alternative koji e ui u viekriterijumsku bazu za odluivanje. Korisnik vri izbor odgovarajuih preferencijskih funkcija i unosi potrebne parametre, to ukazuje da korisnik - donosilac odluke mora imati odgovarajue iskustvo u korienju ovih metoda. Za svaki od kriterijuma izabrana je predloena preferencijska funkcija (Slika G2) i odre eni su potrebni parametri brzine preferencije, a i b, (Tabela G3). Ovim su iskazane odre ene preferencije po kriterijumima i stvoreni uslovi za primenu PROMETHEE metode.
Tabela G3 Oznaka f1 f2 f3 f4 f5 f6 f7 Kriterijumi Naziv Procesor Veliina cache memorije Veliina operativne memorije Kapacitet HDD Grafiki podsistem Veliinamonitora Cena Parametari a b 0,2 100 100 20 30 1 100 1 380 380 80 90 4 1000
Nakon definisanja veliine viekriterijumske baze, potrebno je, u prozoru Kriterijumi, za svaki kriterijum definisati naziv, relativni znaaj, tip preferencijske funkcije, potrebne parametre, tip ekstramizacije, kao to je prikazano na slici G1.
420
Slika G1 - Definisanje parametara za kriterijume
Izborom preferencijske funkcije i definisanjem potrebnih parametara za svaki od kriterijuma na ekranu je mogue videti grafiki prikaz izabrane preferencijske funkcije, sa konkretnim vrednostima parametara. (slika G2)
Slika G2 - Predloena funkcija preferencije
Poto se izvri unos odgovarajuih kriterijuma, sa potrebnim parametrima, potrebno je, u okviru prozora Alternative uneti odgovarajue vrednosti alternativa za svaki od kriterijuma (slika G3).
Program OptiPROM omoguava da se vrednosti unose i direktno u viekriterijumsku bazu, odnosno da se unete vrednosti alternativa po svakom od kriterijuma prikau u okviru posebnog prozora.
Slika G3 - Definisanje vrednosti za alternative
Posle unosa svih potrebnih vrednosti program OptiPROM automatski vri potrebna izraunavanja u skladu sa zahtevima koncepta PROMETHEE metode. Pri tom, ima mogunost prikaza na ekranu vrednosti indeksa preferencije za svaki par alternativa (Slika G4), odnosno vrednosti ulaznog, izlaznog i istog toka za svaku od razmatranih alternativa (Slika G5).
Slika G4 - Vrednosti indeksa preferencije
422
Slika G5 - Vrednosti tokova
Na osnovu dobijenih vrednosti, primenom pristupa PROMETHEE II, program, u okviru prozora Rangiranje, daje potpuni poredak razmatranih alternativa. (slika G6)
Slika G6 - Rang upore ivanih alternativa
Viekriterijumskim rangiranjem razmatranih alternativa istaknuta je prednost alternative a5 u odnosu na ostale upore ivane, odnosno kao optimalna izdvojena je Konfiguracija 5. Analizom osetljivosti rezultata na promenu tipa preferencijskih funkcija i parametara, u odnosu na usvojene, utr ene su skoro zanemarljive razlike u vrednostima istih tokova to potvr uje izbor alternative a5 kao optimalne, ime je postignuta saglasnost kao i primenom predloene preferencijske funkcije. Korienjem razmatranog pristupa pri raavanju razliitih problema viekriterijumske optimizacije dobija se slika o ukupnoj povoljnosti neke alternative u odnosu na druge upore ivane.
Na ovaj nain se omoguava donosiocu odluke da povee sve podatke i relacije pri viekriterijumskom izboru alternativnih reenja u jednu racionalnu celinu, a zatim da korienjem, za tu svrhu razvijenog, raunarskog programa na relativno jednostavan nain, do e do reenja problema optimizacije izbora najpovoljnije alternative, a u smislu uspostavljenih kriterijuma i odgovarajuih preferencija. Pri reavanju problema optimizacije izbora alternativnih reenja naglasak u svakom sluaju ostaje na donosiocu odluke, a predloena metodologija, uz korienje razvijenog raunarskog programa ima zadatak da proces odluivanja uini organizovanijim, efikasnijim i racionalnijim.
424

Menadzment Informacioni Sistemi

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Menadzment Informacioni Sistemi

Uploaded by

Copyright:

Available Formats

Menadment informacioni sistemi

dr Alempije Veljovi dr Miroslav Radojii dr Jasmina Vesi

MENADMENT INFORMACIONI SISTEMI

Menadment informacioni sistemi

Menadment informacioni sistemi

Menadment informacioni sistemi

Menadment informacioni sistemi

2. OPTA TEORIJA SISTEMA

Menadment informacioni sistemi

ULAZNI ELEMENTI Resursi Trokovi

IZLAZNI ELEMENTI Rezultat Dobit

Slika 2.1. Grafiki prikaz realnog sistema

Menadment informacioni sistemi

IN FORMACI ONI SISTEM

AUTOMATIZOVANI INFORMACIONI SISTEM MODEL

programi za auriranje baza podataka programi za izvetavanje

Slika 3.1. Model Informacionog sistema

Menadment informacioni sistemi

INFORMACIONA ARHITEKTURA U ORGANIZACIJI

Koordinacija Procesi Strategijski nivo

Poslovni partneri, korisnici

Podaci i tehnologija skladitenja

Slika 3. 2. Arhitektira IS i infrastruktura IT

UPRAVLJAKI ORGAN REALNOG SISTEMA

Slika 3.3. Poloaj Informacionog sistema u odnosu na organizovani realni sistem

Menadment informacioni sistemi

dokumentacije, koja se tokom odvijanja procesa u organizacionom sistemu koristi i stvara.

3.1. ARHITEKTURA INFORMACIONOG SISTEMA

Slika 3.4. Pogledi na IS

Menadment informacioni sistemi

Slika 3.5. Pogledi na procese sistema

Fokus na sistem podataka

Menadment informacioni sistemi

Fokus na procese sistema

Menadment informacioni sistemi

Fokus na interfejs sistema

Menadment informacioni sistemi

4. MENADMENT INFORMACIONI SISTEMI

4.1. POTREBE MENADERA ZA INFORMACIJAMA

Menadment informacioni sistemi

Menaderi prve linije

Slika 4.1. Struktura angaovanosti po menaderskim funkcijama

Slika 4.2. Distribucija kategorija znanja, sposobnosti i vetina

Menaderi srednjeg nivoa

Slika 4.3. Specifina struna znanja menadera po pojedinim oblastima

Menaderi prve linije

Menadment informacioni sistemi

Veca potreba za sazetim informacijama

Vece potrebe za eksternim informacijama

Duzi vremenski horizont

Slika 4.4 Karakteristike menaderskih odluka i potreba za informacijama

Objektivne i subjektivne potrebe za informacijama

Menadment informacioni sistemi

Menadmeri srednjeg nivoa

Slika 4.5. Informacioni sistem i hijerarhijska struktura preduzea

Menadment informacioni sistemi

11. ta je to rukovo enje ? 12. ta je to kontrola ? 13. ta je to regulisanje ?

5. ODLUIVANJE I INFORMACIONI SISTEM

Menadment informacioni sistemi

Menadment informacioni sistemi

Slika 5.1 Osnovne dimenzije menaderskog odluivanja

5.1. INTERDISCIPLINARNOST ODLUIVANJA

Menadment informacioni sistemi