MBIS

Gordana Radi
UPRAVLJANJE POSLOVNIM INFORMACIONIM SISTEMIMA
BANJA LUKA, 2009.
UPRAVLJANJE POSLOVNIM INFORMACIONIM SISTEMIMA

Autor: Doc. dr Gordana Radi Recenzenti: Prof. dr Duan Starevi Prof. dr Zoran . Avramovi Izdava: Panevropski univerzitet "APEIRON" Banja Luka 1. izdanje, godina 2009. Odgovorno lice izdavaa, DARKO Uremovi Urednik: ALEKSANDRA Vidovi Lektor: LIDIJA Dizdar Prelom: DUAN Stranati tampa: "ART-PRINT", Banja Luka, d.o.o., grafika - dizajn - marketing Banja Luka Odgovorno lice tamparije: VLADIMIRA Stijak- Ilisi Tira 500 primjeraka EDICIJA:
Informacione tehnologije -Information technologies

Knj. 9
ISBN 978-99938-29-99-7
"Obrazovanje je saputnik kojeg ni jedno razmiljanje o buducnosti ne moe deprimirati ni jedan zloin ne moe unititi, ni jedan neprijatelj ga od tebe ne moe udaljiti, ni jedan nepotizam ga ne moe zarobiti." Autor nepoznat
Upravljanje poslovnim lnformacionim sistemima
1. 1.1. 1.2. 1.3. 1.3.1. 1.4. 1.5. 2. 2.1. 2.2. 2.3. 2.3.1. 2.4. 2.4.1. 2.4.2. 2.4.3. 2.4.4. 2.4.5. 2.4.6. 2.5. 2.6. 2.6.1. 3. 3.1. 3.2. 4. 4.1. 4.1.1. 4.2.
UVOD ................................................................... 3 Globalizacija .............................................. 6 Informaciono drutvo .................................. 8 Informacione tehnologije ........................... 13 Raunarske mree ..................................... 20 Podatak i informacija ................................ 32 Znanje ...................................................... 43 ORGANIZACIJA I MENADMENT .................... 46 ta je menadment .................................... 56 Ko su menaderi ....................................... 59 Upravljanje............................................... 66 Proces donoenja odluke ........................... 68 Organizacija koja ui................................. 70 Socio-ekonomske promene ........................ 72 Novi model organizacije ............................ 77 Novi izazovi za korporativne lidere ............ 79 Novi izazovi za korporativne menadere resursa ...................................................... 81 Novi izazovi za zaposlene u preduzeu ....... 84 Kompetencije menadmenta i centralno motivisanje ............................................... 88 Virtuelna organizacija ............................... 89 Upravljanje kvalitetom QMS .................. 99 Total Quality Management TQM .......... 102 POSLOVNI INFORMACIONI SISTEMI ............ 107 Sistemi za podrku odluivanju ................ 116 Izvrni sistemi za podrku odluivanju ..... 118 UPRAVLJAKI INFORMACIONI SISTEMI ..... 120 Menadment poslovnih informacionih sistema MpIS ................................................... 124 Upravljanje informacijama ...................... 126 ERP Sistem za planiranje i upravljanje .. 128 1
4.3. 4.3.1.
BI Poslovna inteligencija ...................... 140 CRM Customer Relationship Management ..
.............................................................. 146
4.3.2. BPM Upravljanje poslovnim procesima 151 4.3.3. KM Upravljanje znanjem ...................... 161 4.3.4. HRM Upravljanje ljudskim resursima .... 174 4.3.5. DW Skladite podataka......................... 177 4.3.6. DM Data mining .................................. 217 4.3.7. OLAP proces analitike obrade podataka230 4.3.7.1. OLAP funkcije u programu Excel ............ 243 4.4. AI - Vetaka inteligencija ...................... 249 4.4.1. DSS - Sistemi za podrku odluivanju ...... 261 4.4.2. ES - Ekspertni sistemi ............................. 266 4.5. IDEF metode modeliranja........................ 273 4.5.1. IDEF0 metoda ........................................ 277 5. SKRAENICE ................................................... 287 6. POJMOVI .......................................................... 291 LITERATURA ............................................................... 297
1. UVOD
Osnove upravljakih informacionih sistema, MIS1-a, jesu razliite discipline kao to su teorija informacija, teorija sistema, teorija komunikacija, kibernetika2, matematika, programiranje i programski jezici, teorija raunarskih sistema i mrea i druge srodne discipline. Danas su vani sistemi i modeli podataka u realnom vremenu, a zasnivaju se na multimedijalnoj dimenziji informacije i na digitalnim sistemima komunikacije. Poslovni informacioni sistemi postaju sve kompleksniji. Informacione tehnologije se razvijaju velikom brzinom i u mogunosti su da prate veinu promena koje se deavaju u drutvu, da podre mnoge zahteve koji se postavljaju pred organizacije i poslovne sisteme, bilo da su to veliki, srednji ili mali sistemi. Menaderi, sagledavajui poslovne procese u svojoj organizaciji i probleme koji ih prate, definiu svoje zahteve za kljunim informacijama potrebnim za donoenje efikasnih i efektivnih poslovnih odluka. Projektanti poslovnih informacionih sistema, podranih informacionim tehnologijama, moraju da uvae zahteve i potrebe menadera. U cilju stvaranja kvalitetnih upravljakih poslovnih informacionih sistema analitiari i projektanti informacionih sistema treba da koriste najnovije informatike alate, metode i procedure. Informacioni sistem preduzea, bilo da je podran informacionim tehnologijama ili ne, zahteva reinenjering poslovnih procesa. Analitiarima i projektantima su na raspolaganju savremene metode i standardi za modeliranje
1 2
Management Information Systems Kibernetika je teorija komunikacija i postupaka upravljanja kod ureaja i ivih bia.
poslovnih procesa, a menadmentu je na raspolaganju softver za upravljanje tim procesima. Menaderima velikih, srednjih ili malih preduzea na raspolaganju su, u zavisnosti od nivoa podrke informacionih tehnologija, savremeni softverski proizvodi. Ovi softverski paketi omoguavaju prikupljanje i obradu informacija u cilju donoenja poslovnih odluka. U svakoj poslovnoj organizaciji moraju se razjasniti neke nedoumice u smislu definisanja i modeliranja poslovnih procesa koristei savremene IDEF standarde kao i izbei zablude da je reenje klju u ruke najbolje. Nijedno softversko reenje poslovnog sistema nije toliko univerzalno da se moe primeniti u svim organizacijama. Svaka organizacija ima svoje specifinosti koje treba ugraditi u softversko reenje. Zbog toga je veoma vano da strunjaci iz preduzea i tim projektanata naprave zajedniku analizu poslovnih procesa i postave model reenja poslovanja preduzea pomou poslovnog informacionog sistema podranog informacionim tehnologijama. Postojei poslovni informacioni sistem nee se unaprediti ako se samo zameni hardversko i softversko okruenje. Ono se moe unaprediti reinenjeringom uz korienje savremenih CASE3 alata. Interaktivan i konzistentan uvid u informacije omoguavaju OLAP tehnologije, skladita podataka i rudarenja4. Da bi se uopte govorilo o upravljakim informacionim sistemima potrebno je poi od informacije i njenih karakteristika koje definiu razmenu izmeu razliitih objekata objekta koji alje i objekta koji prima informaciju.
3 4
Computer Aided Software Engineering Data Mining DM
Veliki uticaj na upravljake sisteme imaju globalne promene koje nameu nova pravila ponaanja u svetu informacionih tehnologija. Stoga u poeti sa fenomenom globalizacije i informacionog drutva kao nove paradigme ivota i rada.
1.1.
Globalizacija
Globalizacija, globalni svetski poredak, jo jue nam je delovala tako daleko i strano kao da se dogaa u nekom drugom svetu, kao da se deava nekim drugim ljudima, a ne nama. Danas globalizacija postaje nova sudbina, sila koja pokree konce svakodnevnog ivota5. Svet nacionalnih ekonomija, koji je vladao pet vekova i izgledao veit, pripada prolosti. Nezadrive ekonomske sile, transnacionalni finansijski kapital, korporacije i svetski ekonomski gigant Meunarodni monetarni fond (MMF) pretvaraju nacionalne ekonomije u svoje lokalne jedinice. Drugim reima, ovu savremenu globalizaciju pokreu ekonomski motivi, koncept otvorenog drutva zasnovanog na naelima civilnog drutva, graanske demokratije, ljudskih prava, i kulturnih raznovrsnosti baziranih na vrednostima nacionalnih tradicija. Globalizacijom nestaju nacionalne drave, njihova autonomija i suverenitet. Informatiko-medijska revolucija i njeni kulturni proizvodi kao to su TV serije, vesti i filmovi najavljuju, naalost, kraj nacionalne kulture i identiteta. Demokratija i trite postali su univerzalna socijalna formula koja preovladava na svim prostorima sveta, umesto viepolarnog stvoren je uniformni, unipolarni svet. Najzad, globalizacija oznaava i irenje istovetnih formi, industrijalizma, a zatim i postindustrijalizma, na gotovo celokupni socijalni prostor. Definisanje globalizacije kao objektivnog planetarnog procesa, iako bitno, nije i jedino. Njena druga i presudna dimenzija oslikana je u socijalnoj dimenziji koju globalizacija
T. Friedman (1999): The Lexus and the Olive Tree, Understanding Globalization, Farrar Straus Giroux, New York.
poprima. Postavlja se vrlo vano pitanje naina na koji e doi do ukljuenja u ovaj globalni proces.
1.2.
Informaciono drutvo
Savremeni svet zapoinje proces transformacije iz industrijskog u informaciono drutvo, a informaciono drutvo6 je drutvo u kojem su ekonomski i kulturni ivot vezani za IKT informaciono-komunikacione tehnologije (Information and Communication Technology). Razvijene informacionokomunikacione tehnologije su osnova i pokreta novog drutvenog poretka. Osnovna karakteristika postindustrijskog, informacionog drutva ogleda se u injenici da u njemu znanje i informacije postaju kljuni motivatori predstojeeg drutvenog razvoja. Za ljude, svesna bia, razmena informacija je oduvek bila od izuzetnog znaaja. Zavrni dokument prve faze Svetskog samita o informacionom drutvu7 odranog pod pokroviteljstvom Ujedinjenih nacija u enevi, nudi sledeu definiciju koncepta informacionog drutva: Informaciono drutvo je drutvo u kome svako moe da stvara, pristupa, koristi i deli informacije i znanje, omoguavajui tako pojedincima, drutvima i narodima da razviju svoje potencijale potpuno u promociji sopstvenog odrivog razvoja i unapreenju kvaliteta ivota.8 Ovakvim pristupom se naglaava korienje ljudskih potencijala jer dananje vreme je vreme informacionokomunikacionih tehnologija do kojih se dolo primenom najboljih ideja i dostignua dosadanjih napredovanja raznih naroda i oblasti. Nae drutvo danas zovemo i informaciono drutvo, kako bismo istakli rastui uticaj informaciono6 7
Information Society. WSIS Declaration of Principles and Plan of Action. 8 Declaration of Principles. Building the Information Society: a global challenge in the new Milenium. Document WSIS03/GENEVA/DOC/4-E, 12. decembar 2003.
komunikacionih tehnologija (IKT), drutvo u kojem su jeftina informacija i IKT u irokoj upotrebi, ili drutvo znanja9, da bi se istakla injenica da najveu dobit donosi investicija u nematerijalno, ljudski i socijalni kapital, i da su znanje i kreativnost kljuni faktori razvoja drutva. Ovo novo drutvo nudi velike mogunosti: nove mogunosti za zaposlenje, novo orue za obrazovanje i trening, laki pristup javnim servisima, vee ukljuivanje ljudi sa posebnim potrebama i vee povezivanje regiona. Termin informaciono drutvo pojavljuje se sedamdesetih godina dvadesetog veka, a posebno je prisutan u poslednje dve decenije. Razvoj drutvenih i tehnolokih formacija, mrea, koje karakteriu informaciono drutvo, poinje ve sa revolucijom matematike logike dvadesetih i tridesetih godina XX veka ili tek kasnije, razvojem kibernetike kao opte teorije sistema. Jo 80-ih godina prolog veka, esto korien termin informaciono drutvo postaje kljuni opis socijalnog, kulturnog, ekonomskog i tehnikog koncepta dananjeg sveta. U Evropi se na pojavu informacionog drutva gledalo kao na prirodni razvoj evropske liberalne tradicije ili kao na ameriku tehnoloku modernizaciju. U razvijenom informacionom drutvu, kreacija, distribucija i manipulacija informacijama postaju znaajne ekonomske i kulturne aktivnosti. Posedovanje odgovarajuih informacija u pravom trenutku danas, vie nego ikada, znai uslov za prednost u bespotednoj ekonomskoj trci. Brzina i sama efikasnost razmene informacija omoguile su znatno poveanje osetljivosti aktera ekonomije i na najmanje trine promene trenutnu reakciju na uoeni nepovoljan razvoj dogaaja.
Knowledge Society.
Slika 1. Razvoj ekonomije i drutva Informacije10 i znanja11 su oduvek bili vezani za ljudsko drutvo i bili pokretai njegovog napretka. Danas, zahvaljujui prednostima informaciono-komunikacionih tehnologija, znanje neometano krui, bez obzira na geografske i vremenske udaljenosti, i prenosi velike koliine informacija sa jednog kraja sveta na drugi; drugim reima, informacionokomunikacione tehnologije su uobliile novo drutvo informaciono drutvo. Meunarodna zajednica, izmeu ostalog, informaciono-komunikacione tehnologije vidi kao most izmeu razvijenih i nerazvijenih drava, kao alat za ekonomski i socijalni razvoj, kao pokretaa opteg napretka, kao centralni
10 11
Informacija je primljena i shvaena poruka. Znanje je sve ono to je poznato. Sticanje znanja ukljuuje kompleksne kognitivne procese: percepciju, uenje, komunikaciju, asocijaciju i rezonovanje.
10
stub ekonomije bazirane na znanju i kao sredstvo za prevazilaenje geografskih prepreka. Principi jednostavnog i lakog pristupa informacionokomunikacionim tehnologijama omoguavaju razvoj i unapreenje informacionog drutva. Informacionokomunikacione tehnologije zahtevaju reorganizaciju tradicionalnih kola, i ekonomskih i politikih struktura, u smislu fleksibilnosti, decentralizovanosti i uzajamne saradnje. Moe se rei da su najvanije osobine informacionog drutva moderne informacione i komunikacione tehnologije koje omoguavaju brzo procesuiranje informacija, umnoavanja mesta proizvodnje informacija i znanja, umreavanje tehnologija i informacija, drugim reima umreavanje globalnog znanja. Od procesa umreavanja znanja oekuje se mnogo. To nije lak proces jer je znanje mnogo sloenije od informacije, jer zavisi od konteksta, tee se strukturira od informacije i nalazi se u vie raznovrsnih dokumenata. Sam termin informaciono drutvo implicira centralnu ulogu informacije, znaenja koje dodeljujemo podatku, kao i njen interaktivan, povratni odnos sa tehnologijom. Moemo rei da je informacija oduvek predstavljala kljuni faktor u svim drutvima sveta, a sada, kada nam na raspolaganju stoje informaciono-komunikacione tehnologije koje omoguavaju trenutnu obradu, dupliciranje i distribuciju informacija i znanja, ona je sutinski pokreta informacionog drutva12. Tehniko poreklo informacionog drutva i njegova srodnost sa izrazom informatika redukuje njegov sadraj na tehnoloki aspekt. Meutim, informaciono drutvo
12
Flach, M The Information Society: The Role of Networks and Information.
11
podrazumeva mnogo vie od same tehnike, odnosno tehnoloke modernizacije, to je svet znanja i informacija, svet u stalnoj promeni. Tenja da se stvori informaciono drutvo u kome se ljudi nalaze u interakciji sa raspoloivom tehnologijom u cilju razmene informacija na globalnom nivou realizuje se sve vie. Zasad, prepreke ostvarenju tog cilja predstavljajusu jezike, kulturne i ekonomske barijere. Osnovna pismenost, poznavanje stranih jezika, obrazovanje i informatika pismenost neki su od uslova potrebnih za stvaranje informacionog drutva. Informatizacija drutva poinje artikulisanim govorom, nastavlja se pismenou, pojavom prvih crtea pre 200.000 godina i sumerskog pisma 5.500 g p.n.e., tamparijom J.Gutenberga i masovnim uvoenjem raunara i Interneta u svakodnevni ivot. Brzi razvoj informaciono-komunikacionih tehnologija i inovacije u digitalnim sistemima predstavljaju revoluciju koja fundamentalno menja nain razmiljanja, ponaanja, komunikacije, rada i zaraivanja za ivot. Informatizacija se odnosi na razvijanje informacionih sistema. Informatizacijom se moe smatrati zavisnost svih aspekata privrede od ureaja za procesiranje podataka i informacija za prelazak u informaciono drutvo.
12
1.3.
Informacione tehnologije
Osnovno zanimanje naih predaka bio je lov. Da bi nakon lova tano podelili plen koristili su prste na rukama. Znai, mogli su brojati samo do deset. Ako je ulov bio vei dolazilo je do nereivog problema. Dakle, ovek je morao pronai neto sa ime bi raunao i vee brojeve. Pronaao je prvu raunaljku, abak ili abakus13. U nekim zemljama sveta i danas se koriste abaci.
Slika 2. Kineski abak ili abakus Naunici ikard14 i Paskal15, matematiar i fiziar sa poetka XVII veka, skoro istovremeno, nezavisno jedan od drugog, razvili su mainu za sabiranje na bazi zupanika numerisanih od 0 do 9. Njihov brojanik se i danas u nekim automobilima koristi kao brojanik kilometara. Paskal je svoju
13
Abak (abakus) je primitivna raunaljka ploastog oblika za lake izvoenje raunskih operacija, stara oko 2.500 godina. Koristila se u raznim civilizacijama, a potie iz Azije. 14 Wilhelm Schicard (15921635), 1623. godine izumio prvi mehaniki kalkulator. 15 Blaise Pascal (16231662), pronaao prvi digitalni kalkulator.
13
mainu koristio pri obraunavanju poreza koji je njegov otac prikupljao kao poreski inovnik. Gottfried Wilhelm von Leibniz (16461716), nemaki matematiar i filozof iz XVII veka, napravio je 1671. godine mainu na kojoj su se mogle izvoditi sve etiri osnovne raunske operacije: sabiranje, oduzimanje, mnoenje i deljenje. Tek u XIX veku pojavljuju se koncepti maina koje odgovaraju dananjim. Engleski matematiar Charles Babbage (1791871) predloio je 1823. godine takozvanu diferenciranu mainu, te analitiku mainu koja je bazirana na konceptualno istim principima kao i dananji raunari. Energiju je dobijala iz parne maine, a trebalo je da poseduje memoriju kao i izlazne jedinice za prikazivanje rezultata raunanja. Zamisao je bila da se programi zapisuju na papirne buene kartice. Dimenzije ove maine bile su prevelike, pa ova maina nikad nije realizovana. Charles Babbage je celi svoj ivot posvetio pravljenju analitikog raunara koji bi komplikovanije proraune automatski izvravao. Naalost, svoju mainu nije zavrio do kraja, ali princip koji je on razvio primenjuje se i u dananjim raunarima. Amerikanac Herman Hollerith (18601929) napravio je, za potrebe popisa stanovnitva u SAD-u 1890. godine, mainu koja uz pomo elektriciteta ita buene kartice, sortira ih, sabira i registruje. Ovim je postigao da obrada podataka popisa stanovnitva traje samo etiri sedmice, a inae je trajala deset godina. Nemac Konrad Zuse (19101995) smatra se prvim konstruktorom koji je (1938. godine) napravio mainu sa dualnim brojevima i naredbama, koja, u stvari, koristi dualni sistem, prekida sa dva stanja ukljueno-1 i iskljueno-0. Ovim je smanjio broj kontaktnih elemenata u maini.
14
Howard Aiken, matematiar sa Harvarda, koristei Babidov princip napravio je novu raunsku mainu MARK I koja je sdravala vie od 70.000 elemenata.
Slika 3. MARK I Prvi elektronski raunar je konstruisan za vojne potrebe. Dvojica amerikanaca, John Mauchly i Presper Eckert, koristili su elektronske cevi kao prekidae za stanja 0 i 1 i izgradili prvi elektronski raunar ENIAC (Electronic Numerical Integrator And Computer). To je bila ogromna maina teka 30 tona, dugaka 30 metara, iroka 1 metar i visoka 3 metra. Sastojala se od 18.000 elektronskih cevi a raunala je 1.000 puta bre od automata za raunanje MARK 1. U jednoj sekundi mogla je izvriti 5.000 operacija sabiranja ili 357 operacija mnoenja ili 38 operacija deljenja. Meutim, troila je puno energije, 150 KW po satu. Programirao se runo, uz pomo prekidaa i kablova, to je njgov osnovni nedostatak.
15
Slika 4. ENIAC Kasnije su naunici razvili nove metode i tehnologije koje su dozvoljavale da se redosled obavljanja poslova i redosled raunanja zapamte u raunaru. Za vreme rada na ENIAC projektu pojavile su se dve nove koncepcije raunara. Prva koncepcija je proizila iz konstatacije da su elektronski sklopovi dovoljno brzi da obavljaju aritmetike i logike operacije, pa nije potrebno graditi mnogo paralelnih jedinica za raunanje ve se operacije izvode sa jednom tzv. aritmetikom jedinicom. Druga koncepcija, smetanje programa u memoriju, to omoguava izvoenje niza naredbi u proizvoljnom redosledu, mnogo je znaajnija i bitno je uticala na dalji razvoj raunara. Kao rezultat ovih koncepcija 1952. godine nastao je EDVAC Electronic Discrete Variable Arithmetic Computer. U nacrtu predloga za EDVAC John von Neumann, lan radne grupe, je ujedinio sve ideje i postavio osnovnu
16
logiku strukturu raunara sa memorisanim programom. Osnovni elementi ovakvog raunara su: ulazni deo u koji se moe unositi proizvoljan broj operanada i naredbi, memorija, u koju se mogu unositi i iz koje se mogu dobiti operandi i naredbe i to u proizvoljnom redosledu, aritmetiko-logika jedinica koja moe obavljati aritmetike i logike operacije sa operandima koji se uzimaju iz memorije i rezultate operacija smeta u memoriju, izlazni deo preko kojeg se rezultati, izlazni podaci, predaju korisniku i upravljaka jedinica koja moe interpretirati naredbe dobijene iz memorije i upravljati ostalim delovima raunara.
Osnovna struktura koja proizilazi iz ovih uslova poznata je kao von Neumannova16 struktura i svi raunari proizvedeni od tog vremena zasnovani su na toj strukturi prikazanoj na sledeoj slici.
Dananji raunari su neuporedivo veih mogunosti a daleko manjih dimenzija.

16
John von Neumann (19031957), matematiar, profesor na Univerzitetu Pensilvanija
17
Razvojni put elekronskih raunara moemo predstaviti sledeom tabelom: Generacija I II III IV V Godina 19401956. 19571963. 19641970. 1970 1980 Osnova elektronske cevi tranzistor integrisana kola LSI17 integrisana kola VLSI18 tehnologija GSI19
Interesantno je spomenuti da je srpski naunik, matematiar Mihailo Petrovi (18681943), poznat pod popularnim nadimkom Mika Alas, u oblasti raunarstva krajem XIX veka objavio je u SAD-u konstrukciju analognog raunara, hidrointegratora, za reavanje diferencijalnih jednaina. Ova maina je radila na principu hidraulike, odnosno kretanja tenosti, za ta su mu odali priznanje svetski naunici Kamke, Prajs i Moren. Ruska, amerika i poljska nauka odale su Petroviu priznanje kao predskazatelju jedne nove savremene nauke, kibernetike, iji je utemeljiva kasnije bio Norbert Wiener. Na Svetskoj izlobi u Parizu 1900., u paviljonu Kraljevine Srbije, bio je izloen i hidrointegrator, koji je nagraen medaljom.
17 18
LSILarge Scale Integration tehnologija Very Large Scale Integration ip na bazi silicijuma 19 Giant Scale Integration itav raunar u jednom ipu. Nije zaivela zbog ergonomskih razloga.
18
Slika 5. Hidrointegrator Mike Alasa Informacione tehnologije (IT20) su zajedniki pojam za izuavanje sredstava, postupaka i metoda za upravljanje, uvanje, obradu, prenos i prezentaciju podataka i informacija. Kakav je doprinos informacionih tehnologija upravljakom sistemu preduzea? IT mora biti integralni deo sistema upravljanja koji moe pomoi dobrom menadmentu da bude bolje, a loem menadmentu da bude ak i gore. Veliki deo informacionih tehnologija nije novo znanje. To je nova percepcija. Ona stavlja zajedno stvari o kojima niko drugi nije mislio da ih moe staviti zajedno, a te stvari su postojale svo vreme oko nas. Mogu li Informacione Tehnologije loe preduzee pretvoriti u uspeno? U teoriji da, ali u praksi ne!
20
IT Information Technology
19
1.3.1. Raunarske mree

Raunarska mrea je telekomunikacioni sistem za prenos podataka koji omoguava odreenom broju nezavisnih ureaja da meusobno komuniciraju. To je sistem koji povezuje razliite ili sline ureaje u jednu celinu. Potreba za umreavanjem sistema proizilazi iz stalnog rasta razmene podataka. Cilj umreavanja je formiranje virtuelnog radnog okruenja unutar kojeg bi raznovrsni ureaji meusobno delili svoje resurse kao to su procesna snaga i periferne jedinice. Ovo okruenje treba da bude transparentno, tako da korisnici uopte ne primete njegovo postojanje uz puno korienje svih njegovih prednosti. U ovakvom okruenju mogue je ostvariti virtuelne terminalske sesije, transfer fajlova i razmenu elektronske pote. Ovi servisi imali su poseban znaaj u razvoju raunarskih mrea. Sam razvoj raunarskih mrea poeo je sedamdesetih godina prolog veka. Vani datumi u istoriji Interneta su: 1969. pojavila se vojna mrea ARPANET 1970. u razvoj mrea ukljuuju se univerziteti 1974. definisan TCP/IP protokol 1982. prvi put se pojavio termin Internet 1989. gasi se ARPANET 1990. pojava web protokola 1991. poetak komercijalizacije raunarske mree 1994. pojava pretraivaa, na primer yahoo. Za normalan rad na raunaru potreban je odreen broj perifernih jedinica, tampaa, diskova, skenera, plotera i druge.
20
Neekonomino je da svaki raunar podrava po skup perifernih jedinica pogotovo ako se zna da korienje pojedinih perifernih jedinica nije intenzivno. Mreno okruenje omoguava deljenje ovih resursa, to znaajno smanjuje investiranje u opremu ali ne umanjuje komfor rada. Kada govorimo o mreama, moramo ih posmatrati kao mree za prenos podataka i kao raunarske mree. Mreu za prenos podataka predstavlja grupa meusobno povezanih komunikacionih ureaja, koji su sposobni da razmenjuju informacije kao to su podaci, glas, slika. Raunarsku mreu ini grupa nezavisnih, meusobno povezanih raunara. Mree za prenos podataka mogu biti podeljene na javne mree, Public Data Networks PDNs, i na privatne mree, Private Networks. Javne mree Packet Switched Public Data Networks PSPDNs na primer Internet, ili Circuit Switched Public Data Networks CSPDNs, na primer PSTN, ISDN PDN, javne mree, jesu mree koje osniva i kojima upravlja nacionalni autoritet za upravljanje mreama, specijalizovan za prenos podataka. Privatne mree se formiraju na prostoru preduzea i drugih organizacija. Njih instaliraju, odravaju i poseduju preduzea ili organizacije. Jednostavno, moe se rei da su mree skup meusobno hardverski povezanih raunara i perifernih ureaja, da je umreavanje koncept povezanih raunara koji dele resurse, a resursi koje dele umreeni raunari su podaci i periferni ureaji.
21
Vrste raunarskih mrea. LAN mrea Local Area Network je mrea u kojoj su povezani raunari i drugi ureaji relativno blizu, obino unutar jedne zgrade. MAN mrea Metropoliten Area Network je mrea povezanih raunara i drugih ureaja u istom gradu. WAN mrea Wide Area Network je mrea u kojoj su povezani raunari i drugi ureaji meusobno udaljeni, u razliitim gradovima, ak i na razliitim kontinentima. Mree pruaju prednosti kao to su smanjenje trokova zahvaljujui deljenju resursa, standardizovano korienje aplikacija, blagovremeno dobijanje podataka i efikasnija komunikacija korisnika. Postoje mree istog prioriteta (peer to peer), serverske mree i kombinovane mree. Koju emo od ovih mrea koristiti zavisi od broja raunara koji se umreavaju, od potrebnog nivoa bezbednosti, od vrste posla, kao i od budeta i znanja. Mree istog prioriteta. Povezuje se manji broj (do deset) raunara, a svaki raunar istog je prioriteta istovremeno radi i kao klijent i kao server. Server je raunar na kojem se nalaze resursi koje dele umreeni korisnici, klijenti. Klijent je raunar koji, preko servera, pristupa zajednikim resursima. Serverske mree. U serverskim mreama povezan je vei broj raunara, a glavnu ulogu u mrei ima server, tj. namenski server koji je optimizovan da brzo opslui zahteve mrenih klijenata i prui bezbednost datoteka i foldera.
22
U velikim mreama serveri se specijalizuju za razliite namene: serveri za datoteke i tampanje, serveri za aplikacije, serveri za potu, fax server i komunikacioni server. Prednosti serverskih mrea. Veoma je vano odrati bezbednost podataka o emu brine administrator mree koji upravlja bezbednou klijenata i servera. Mree omoguavaju centralizaciju i deobu resursa. Znaajna prednost je i lako pravljenje rezervnih kopija. Raunarske mree opsluuju izuzetno veliki broj korisnika a klijentima nije potrebna dodatna oprema. Kombinovane mree Trea vrsta mrea je kombinovana mrea a predstavlja kombinaciju mrea istog prioriteta i serverskih mrea.
Slika 6. Generalna struktura mree Tip KlijentServer procesiranje gotovo je potpuno smeteno na serveru. Klijent praktino realizuje samo ulaz i izlaz, odnosno interfejs. Ovo je mogue postii jefitinim mainama, bez diskova, sa malo memorije. Za povezivanje raunara u mreu postoje proizvodi razliitih proizvoaa hardvera i softvera. Da bi mree funkcionisale sa ovakvim proizvodima, neophodno je da se svi
23
proizvoai dre odreenih pravila, postavljenih standarda. Vie nezavisnih organizacija izradilo je specifikacije standarda za proizvode koji se odnose na umreavanje raunara. Da bi se povezala raunarska oprema razliitih proizvoaa bilo je neophodno standardizovati procedure, protokole po kojima e se komunikacija odvijati. Meunarodna organizacija za standarde, ISO21, zapoela je 1977. godine rad na standardima. Rezultat tih aktivnosti je stotinjak meunarodno prihvaenih protokola, a 1987. godine izdat je skup specifikacija koji opisuje arhitekturu mree, a koji se naziva OSI22 referentni model. OSI model, referentni model za povezivanje otvorenih sistema, opisuje nain na koji mreni hardver i softver omoguavaju komunikaciju. OSI model vie predstavlja pomo u razvoju buduih standarda nego to bi on bio standard pogodan za implementaciju. U Americi je ministarstvo odbrane (DOD23) razvilo skup standarda poznatih kao TCP/IP24 model. Kasnije je, u malo izmenjenom obliku, ovaj model prihvaen kao IEEE25 standard. U oba ova modela proces komunikacije je posmatran kao slojevita struktura poslova koji se sekvencijalno odvijaju redosledom koji zavisi od smera protoka informacija. Standardizacija se svodi na propisivanje skupa protokola za svaki sloj modela koji moraju biti ispotovani od strane svih proizvoaa mrene opreme.
21 22
International Standard Organisation. OSI Open Systems Interconnection. 23 Department of Defence. 24 Transport Control Protocol/Internet Protocol. 25 Institute of Electrical and Electronics Engineers, jedna od vodeih svetskih asocijacija za kreiranje IT standarda.
24
TCP/IP je model koji se koristi u najveoj svetskoj mrei raunara, Internetu. Obezbeivanje sigurnosti podataka na raunaru podrazumeva spreavanje njihovog neovlaenog itanja i menjanja. Ovo je izuzetno znaajan zadatak koji u mrenom okruenju postaje jo znaajniji. Na sigurnost podataka utiu svi subjekti poev od korisnika do administratora sistema i mree, tako da je integracija njihovih napora da se sigurnost dri na visokom nivou jako poeljna. Hijerarhijski, sigurnost podataka kao i intervencije za njeno poboljanje se mogu posmatrati na tri nivoa: sigurnost korisnikog rauna, sigurnost sistema i sigurnost mree.
Sigurnost mree Odravanje sigurnosti podataka u mrenom okruenju jeste kompleksan problem. Za reavanje ovog problema zaduen je administrator mree. S obzirom na to da mreu ini vei broj raunara i da svaki od njih predstavlja potencijalnu rupu u sigurnosti, poveana je verovatnoa neovlaenog pristupa podacima u mrei. Pristup raunarima u mrei je, kako smo videli, mogu i sa vrlo velikih rastojanja, to znai da kontrola fizikog pristupa raunarima u ovom sluaju nije dovoljna. Sve ovo pokazuje da se zatiti od neovlaenih pristupa mrenom okruenju mora pristupiti sa posebnom panjom. Da bi jedno mreno okruenje bilo dobro zatieno, svi raunari u mrei moraju biti obezbeeni. Posebno treba naglasiti da je stepen zatienosti jedne mree jednak sigurnosti najloije zatienog raunara u njoj, s obzirom na to da neovlaeni pristup jednom raunara dozvoljava istovremeno i pristup podacima koji se razmenjuju kroz mreu. 25
Dakle, svi raunari u mrei moraju biti jednako dobro tieni, ne postoje bitni i manje bitni raunari. Jedan od efikasnijih naina zatite raunarskih mrea na nivou protokola je Fire Wall. Treba odmah naglasiti da Fire Wall nije ni hardver ni softver iji je zadatak tienje mree ve i jedno i drugo a najvie filozofija u pristupu reavanja ovog problema. Jedna od moguih konfiguracija zatite mrea Fire Wallom prikazana je na sledeoj slici.
Slika 7. Fire Wall Lokalna raunarska mrea ovde se tretira kao unutranji svet i od spoljanjeg sveta je izolovana Fire Wallom. Najkrae reeno, Fire Wall predstavlja inteligentni filter protoka informacija izmeu unutranjeg i spoljanjeg sveta. Zadatak Fire Walla je da otkrije pakete koji su deo pokuaja nedozvoljenih aktivnosti i da sprei njihov prolaz do lokalne mree. U konkretnom sluaju prikazanom na prethodnoj slici, Fire Wall je realizovan od strane tri ureaja, dva raunara i jednog rutera (router), koji su usko specijalizovani za ovu namenu. Mreni softver svakog od njih namerno je napravljen nestandardno. Host26 B je direktno
26
Host je raunar spojen na Internet.
26
izloen spoljnjem svetu, prihvata standardne pakete i konvertuje ih u nestandardne. Host A prihvata nestandardne pakete sa hosta B, vraa ih u okvire standarda i emituje u lokalno mreno okruenje. Slino se odvija i prenos paketa iz lokalne mree ka spoljnjem svetu. Softver rutera27 je takoe nestandardan i projektovan tako da proputa samo nestandardne pakete. Gledano spolja, umesto lokalne mree, vidi se samo host B. Korienje nestandardnog mrenog softvera u Fire Wallu ima svojih prednosti. U ovakvim okolnostima, sigurnost lokalne mree ne zavisi od sigurnosti hosta B koji je direktno izloen spoljnjem svetu i predstavlja eventualnu metu napada. Problem konfiguracije Fire Walla nije nimalo jednostavan. Kako on predstavlja filter saobraaja, to se konfiguracija svodi na definisanje pravila na osnovu kojih se donosi odluka koji paketi mogu da prou Fire Wall a koji ne. Na raspolaganju obino stoje mogunosti definisanja pravila za protokole na svim nivoima. Na primer, na mrenom, IP, nivou, mogue je dozvoliti da lokalna mrea moe razmenjivati podatke samo sa jednom mreom ili, to je jo rigoroznije, sa jednim hostom iz spoljnjeg sveta. Distribuirane baze podataka Mreno okruenje omoguilo je i radikalnu promenu u organizovanju baza podataka razliitih tipova. est je sluaj da su podaci od interesa uglavnom znaajni za odreeni prostor. Povremeno se pojavljuje potreba za pretraivanjem baza vezanih za druge prostorne oblasti. Ovakvi problemi se reavaju tako to se baza distribuira na vie raunara od kojih svaki uva podatke lokalnog karaktera i postaje server za to podruje. Svi serveri se vezuju u raunarsku mreu i obino su fiziki locirani u oblast koju predstavljaju. Pretraivanje i upiti
27
Router ureaj za meusobno povezivanje raunarskih mrea.
27
koji se odnose na podatke vezane za lokalno podruje, stiu i zavravaju na lokalnom serveru, dok se oni drugi, koji su rei, obavljaju razmenom podataka izmeu servera razliitih oblasti. Na ovaj nain je, pre svega, postignuta decentralizacija auriranja baza, to znaajno doprinosi valjanosti podataka koji se nalaze u njoj. Ovo je naroto znaajno ako se radi o velikim bazama podataka kao to su, na primer, baze na nivou cele zemlje. Distribuirana obrada podataka Postoji itav niz praktinih problema koji zahtevaju intenzivna izraunavanja pa je, samim tim njihovo reavanje vrlo sporo. Jedan od naina ubrzanja reavanja ovakvih problema jeste paralelizacija, to jest njihovo reavanje uz pomo vieprocesorskih sistema. Vieprocesorski sistemi jesu raspoloivi na tritu ali je njihova cena jo uvek visoka. Kompromisno reenje se moe postii angaovanjem vie raunara koji su povezani u mreu. Pojedini raunari tretiraju se kao procesor jedne jedinstvene virutelne paralelne maine. Problem koji je interesantan izdeli se na manje poslove koji se mogu odvijati paralelno i svaki od njih se dodeli jednom raunaru dok se mrea koristi kao medijum za razmenu podataka izmeu raunara, odnosno, virtualnih procesora. Mree lokalnog tipa, LAN mree, imaju vrlo jednostavnu strukturu i koriste mali broj razliite hardverske opreme. Pre svega, ove mree se odlikuju time to povezuju raunare sa ueg podruja, na primer mree u okviru jedne zgrade. Od izuzetnog znaaja za funkcionisanje mree je da njena konfiguracija ne dozvoljava neovlaenim korisnicima pristup mrenoj infrastrukturi, ime se obezbeuje sigurnost mree.
28
Za razliku od lokalnih mrea, WAN mree povezuju raunare sa ireg podruja. Obino se sastoje od vie podmrea LAN tipa koje su integrisane u jedinstvenu celinu. Takve su, na primer, mree na nivou gradova ili nacionalne raunarske mree. S obzirom na to da rastojanje izmeu pojedinih podmrea moe biti znaajno veliko, mree WAN tipa za vezu sa udaljenim raunarima obino koriste javne komunikacione linije. Na sledeoj slici prikazan je primer jedne ovakve mree. Lokalne mree su i ovde povezane ruterima.
Slika 8. WAN NFS Network File System je mreni servis koji omoguava kreiranje i korienje mrenih diskova. Njegovo korienje je vrlo jednostavno jer je servis potpuno transparentan za korisnika a mreni disk se ponaa apsolutno isto kao i delovi lokalnog fajl sistema. NFS se uglavnom primenjuje zbog poveanja kapaciteta fajl sistema i deljenja fajlova. Mreni deo diska istovremeno vide dva ili vie hostova i na taj nain mogu razmenjivati podatke bez transfera fajlova.
29
Transfer fajlova Ovaj servis obezbeuje prenos podataka sa jednog raunara u mrei na drugi. Pri tome se kao fiziki medijum koristi mrea, a ne neki od prenosnih medijuma, to je uobiajeno u okruenju bez mree. Ovim se znaajno smanjuje problem prenosa podataka naroito izmeu raunara razliitih proizvoaa. Slojevi mrene komunikacije Razliite funkcije pri prenosu podataka razvrstane su u sedam slojeva. OSI model definie kako svaki sloj komunicira sa slojem iznad i ispod njega. Svaki sloj ima svoju ulogu, a to je sloj vii, to je i sloeniji. Zahtevi jednog sloja prema drugom sloju prosleuju se interfejsom a svaki sloj oslanja se na standarde sloja ispod. Sloj ispod vri svoju funkciju i obezbeuje usluge sloju iznad, a pri tome ga ne optereuje detaljima o nainu svog funkcionisanja. 1 2 3 4 5 6 7 Sloj aplikacije Sloj prezentacije Sloj sesije Transportni sloj Sloj mree Sloj veze Fiziki sloj
ta dobijamo mreama? U sledeoj tabeli prikazane su mogunosti i vrednosti raunarskih mrea.
30
Mogunosti Prevazilaenje geografskih barijera Prevazilaenje vremenskih barijera Prevazilaenje trokovnih barijera Vrednosti Bolja i bra usluga Primer Podizanje gotovine iz banke Autorizacija npr. kredita na mestu prodaje, kartice Videokonferencija sa partnerima putem Interneta, Intraneta i Extraneta Elektronska razmena podataka sa kupcima i dobavljaima putem Extraneta i drugih mrea
Zahtevi se bre obrauju i reavaju Smanjenje broja skupih poslovnih putovanja, bolja saradnja Drugaije povezivanje daje bolju kompetitivnu poziciju
Prevazilaenje strukturalnih barijera
31
1.4.
Podatak i informacija
U svakodnevnom govoru koristimo pojmove podatak i informacija. Ovi pojmovi su i kljuni pojmovi u oblasti obrade podataka i informacija. Vano je napraviti razliku izmeu podatka i informacije, razliku izmeu pojmova koji se najee poistoveuju. Pojam podatak (eng. data) predstavlja injenicu koja moe pomoi da se neto sazna, da se donese neki sud, zakljuak ili reenje, dok je pojam informacija iri i ine ga prikupljeni i na odgovarajui nain obraeni i sistematizovani podaci. Podatak moe biti broj, slovo, specijalni znak, slika ili zvuk. Uzmimo za primer broj 10. Broj 10 predstavlja podatak, ali on kao takav nema neko znaenje. Meutim, ako neko kae ostau na putu 10 dana, dao nam je informaciju u kojoj je podatku dodeljeno znaenje. Iz prethodnog sledi da se informacija sastoji od podatka i znaenja koje mu je dodeljeno. Podatak je odreeni zapis o nekom dogaaju, pojavi ili karakteristici iz okoline koja predstavlja objektivnu stvarnost. On je na formalizovan nain u simbolikom obliku registrovana injenica o realnom svetu (predmeti, ljudi, pojave, procesi, situacije, objekti...). Podatak je neutralno saoptenje o odreenom dejstvu koje jo nije vrednovano ni prireeno za donoenje bilo kakve poslovne odluke. Sa aspekta korisnika podaci mogu biti: - semantiki (pogodni za oveka) i - fiziki (pogodni za mainu). Sa aspekta strukture podaci mogu biti:
32
- formatizovani (definisana struktura) i - neformatizovani. Sa aspekta obrade podaci mogu biti: - identifikacioni, - klasifikacioni, - upravljaki, - kvalitativni i - kvantitativni. Poslovni podaci se definiu i opisuju pomou metapodataka. Metapodaci su podaci o podacima u skladitu podataka. U digitalnom smislu metapodaci su strukturisani podaci koji opisuju, objanjavaju, lociraju ili na neki drugi nain omoguavaju lake upravljanje resursima. U savremenim drutvima red i organizovanost obezbeuju se, pre svega, informacijama. Ljudi su od pamtiveka znali za uticaj i znaaj informacije. Razvoj kibernetike28 ukazao je na ulogu informacije u procesima odluivanja i upravljanja. To je nauka koja se bavi prouavanjem optih zakona upravljanja dinamikim sistemom u prirodi, tehnici i drutvu. Pojam informacija potie od latinske rei formare koja predstavlja stvaranje slike iz odreenih elemenata. Informacija kao pojam poznat je jo iz najstarijih vremena grki filozof Aristotel govorio je o informaciji i njenom prenoenju. Definicije informacije obino povezujemo sa podacima i osobinama koje podaci moraju imati da bi za korisnika postali
28
Norbert Wiener sa univerziteta Masaustes, napisao je poznato delo Kibernetika 1948. godine. To se smatra poetkom kibernetike kao, naune discipline.
33
informacija. Jednu od najeih definicija informacije dao je ruski filozof Ursul: informacija predstavlja preslikavanje stanja jednog subjekta u stanje drugog subjekta. Za ljude, svesna bia, razmena informacija je oduvek bila od izuzetnog znaaja. Moe se rei da je informacija svrsishodna organizacija podataka a svrsishodnost je vezana za sam oblik problema ili sistema o kojem se raspravlja. Proizvodnja informacija predstavlja esto najvaniju funkciju koju imaju upravljaki elementi u savremenoj ekonomiji. Proizvodnja informacija je najpropulzivnija proizvodna grana dananjice. Informacije su oni podaci koji za korisnika imaju upotrebnu vrednost i poveavaju njegov nivo saznanja. Informacija je apstraktan pojam, a da bi se praktino upotrebila mora se prikazati realnim elementima kao to su brojevi, slova, vrednost fizikih veliina i slino. Informacija predstavlja zbirku injenica (podataka) organizovanih tako da su smisleni za prijemnika, odnosno njenog korisnika. Za razliku od podatka, koji samo opisuje neko golo dejstvo, informacija mora sadravati i neki smisao tog dejstva za korisnika. Dakle, informacija ima neka svojstva koje podatak nema. Informacija se u svetu danas smatra kljunim resursom preduzea i organizacija, bez obzira na njihovu vrstu i veliinu. Pojmovi podatak, informacija i znanje su povezani i daju odreenu sliku okoline, to je ematski prikazano na sledeoj slici.
34
Slika 9. Odnos okoline, podatka, informacije i znanja Digitalna informacija je skup podataka digitalnog formata. Podatak je u binarnom brojnom sistemu iskazan nizovima nula i jedinica (0 i 1), u bitima (0 ili 1) ili bajtovima (1B = 8 bitova). Binarni brojni sistem se koristi za predstavljanje podataka u raunarima. Naziv bit je skraenica od engleske rei binary digit. Jedan bit informacije je odgovor na pitanje koje ima samo dva odgovora: DA ili NE, odnosno 1 ili 0. Ako postoji n jednako verovatnih odgovora, onda oni sadre I bitova informacije gde je:
I = log2n I = log28 = 3
Jedno slovo, broj ili simbol je jednako 1B. Kraa novela se moe predstaviti sa priblino 1MB ili 1024 KB, gde je 1KB = 210B = 1024 B. Koliina informacije se meri bitovima. Jedan bit informacije je ona koliina informacije koju primimo sa
35
znanjem da se od dva podjednako mogua (verovatna) dogaaja desio jedan. Bulova algebra29 je deo apstraktne algebre i primenjuje se u raunarskim naukama. U Bulovoj algebri ovek poznaje dve mogue vrednosti za jednu odluku ili presudu. Postoji samo jedna presuda, ili istina true ili neistina falsh. Istinu postavljamo kao 1, a neistinu kao 0, 1 nazivamo logicki 1, a 0 logicka 0. U sledeoj tabeli prikazane su jedinice u Bulovoj algebri i njima odgovarajui broj bajtova.
Naziv jedinice Kilobajt Megabajt Gigabajt Terabajt Petabajt Eksabajt
n (od 2n) 10 20 30 40 50 60
Broj bajtova 1.024 1.048.576 1.073.741.824 1.099.511.627.776 1.125.899.906.842.624 1.152.921.504.606.846.976
29
George Boole (18151864), engleski matematiar i filozof koji je pretvorio logiku u matematiku, po njemu nazvanu Bulova algebra. Zbog njene primene u informatici i matematikoj logici, Bul se smatra za jednog od tvoraca tih oblasti nauke.
36
Teorija informacija naziv je dobila na osnovu radova Kloda enona30. Ona se ne bavi razmatranjem svih aspekata informacije, ve izuava samo koliinu informacija. Pod teorijom informacija podrazumevamo matematiku teoriju komuniciranja koja se bavi problemima komuniciranja i to poev od: - prikupljanja, - prenosa, - obrade, - skladitenja podataka i - korienja informacija. Razvoj teorije informacija doveo je i do kvantifikacije, do odreivanja koliine informacija koju sadri poruka. Mera koliine informacija se izraava pomou entropije. Entropija izraava zakon po kome se realni sistem ne moe vratiti u stanje u kome je jednom bio bez izvesnog gubitka energije. Ona izraava prirodnu tenju svakog realnog sistema da doe u stanje najvee verovatnoe, koje odgovara potpunom haosu koji bi nastao zbog njegove totalne neorganizovanosti. Znai, entropija je tenja sistema da spontano pree u stanje vee neureenosti: entropija je, dakle, mera neureenosti sistema. Informacija je, suprotno od entropije, mera za red odnosno organizovanost sistema. Po enonu, informacija se moe posmatrati kao negativna vrednost entropije negentropija. Zatita od porasta entropije sastoji se u
30
Claude Elwood Shannon je ameriki naunik i inenjer i tvorac teorije informacija kao i digitalnih raunara i kola. Teza je da primenom Bulove algrebe moemo reiti bilo koji logiki ili numeriki problem.
37
prikupljanju podataka koji opisuju sistem i njihovom transformisanju u informacije koje se koriste za kontrolu i ograniavanje rasta entropije. Postupci upotrebe informacija za kontrolu entropije, odnosno porast organizovanosti sistema u kibernetici, predstavljaju upravljanje u irem smislu. Korisnost informacije se izraava i formulom: K = E/T Informacija je Korisnija ukoliko je njen Efekat vei u odnosu na Trokove dobijanja te informacije. Informacija ima svoju vrednost kao to je ima novac, rad, roba, sirovine. Dakle, informacija ima neka svojstva koje podatak nema. Na vrednost informacije utiu: metod i cena dobijanja informacije, svrha korisnost informacije, nain dobijanja informacije, princip obrade informacije i istoa informacije.
Primer: Kad prodam automobil, vie ga nemam, ali kada prodam neku informaciju, imam jo vie informacija samom injenicom da ja jo uvek imam informaciju i da znam da je i kupac ima. Kvalitet informacije se meri: sintaksom, semantikom i pragmatikom.
38
Sintaksa zahteva strogo potovanje postavljenih pravila pri prenosu informacije koja se odnose na njenu strukturu, semantika odreuje saetost informacije, njenu jasnou i njenu tanost, dok, se pragmatika odnosi na pravovremenost prenesene informacije. Ove tri komponente vane su i za informacije od kojih zavisi i kvalitetno odluivanje u poslovnom procesu. Informacija je predstavljena skupom znakova i konceptom sloga u bazi podataka. Znakovi predstavljaju nosioce informacija, i to samo oni znakovi koji mogu da budu dekodirani od strane korisnika informacija. Saoptenje je skup znakova koji je primaocu unapred poznat. Moe se rei da je informacija saoptenje koje primaocu otklanja neizvesnost ili nedoumicu ili ga motivie da preduzme neke akcije. Svaka informacija je saoptenje, a svako saoptenje nije informacija. Na primer, saoptenje da je u protekloj godini proizvedeno i prodano milion komada proizvoda nije informacija, ali ako be se reklo i o kojim proizvodima je re, ovo saoptenje postaje informacija. Kako se podaci smetaju u memoriju raunara ili u bazu podataka? Primer: Student prve godine Fakulteta poslovne informatike na univerzitetu APEIRON, Mara Mari, stanuje u Banjoj Luci, Nova ulica broj 333. Ovakav opis sadri posredno informacije koje mi razumemo na osnovu iskustva, ali one se mogu iskazati u bazi podataka na sledei nain: Ime i prezime: Adresa: Mesto: Mara Mari Nova ulica broj 333 Banja Luka 39
Fakultet: Godina studija:
Poslovna informatika trea
Informacija predstavljena u bazi podataka sastavljena je iz najmanje dva dela, podataka i konteksta, ali je veoma vano da znamo i u kakvom fizikom obliku su podaci predstavljeni. Znai, informaciju o nekom biu, predmetu ili pojmu ine: kontekst, podaci i nain fizikog predstavljanja podataka.
Kontekst informacije odreuje se tako to se napravi lista veliina koje ga definiu i ije su vrednosti zapisane podacima. U naem primeru kontekst informacije su: ime i prezime, adresa stanovanja, mesto stanovanja, naziv fakulteta i godina studija.
Ovakva lista veliina naziva se opis logikog zapisa ili opis logikog sloga. Informacija je injenica sa odreenim znaenjem, ona donosi novost, obavetava o neemu i podloga je za donoenje odluka, a vrednost te informacije ocenjuje primalac informacije. Sadraj informacije koji je novost za primaoca podstie ga na odreenu akciju. Informacija treba biti : relevantna,
40
kompletna, precizna, aktuelna i ekonomina.
Informacija je relevantna ako se odnosi na postojei problem. Na primer, broj godina provedenih u obrazovanju nije relevantna informacija o osobi koja trai posao u auto industriji, ali ako je provela 5 godina studirajui mainstvo to je relevantna informacija. Informacija treba biti kompletna jer je nekompletna informacija loiji sluaj nego da informacije ni nema. Na primer, marketinki podaci o prihodu od iznajmljivanja poslovnog prostora nisu kompletna informacija ako nisu praeni informacijom o vrsti delatnosti poslovnog subjekta. Od delatnosti zavisi koliko e se prostor otetiti. Neprecizna informacija moe dovesti do tekih posledica. Na primer, ukoliko u anamnezi pacijenta nije navedeno da je pacijent alergian na penicilin moe doi do tekih posledica. Informacija je aktuelna ukoliko je to zadnja informacija, na osnovu koje se mogu doneti odluke. Na primer, jueranji izvetaj o vrednosti akcija na berzi nije aktuelan za donoenje odluke o kupovini akcija jer je u meuvremenu bila mogua promena. U poslovnom svetu cena dobijanja informacije, pri donoenju odluke, neto je o emu se mora voditi rauna. Na primer, pre uvoenja novog proizvoda mora se istraiti trite radi ocenjivanja rizika ulaska u proizvodnju novog proizvoda. Ukoliko je ovo istraivanje skupo, cena dobijene informacije moe smanjiti dobit od prodaje takvog proizvoda.
41
ovek u binarnom sistemu ne misli na koliine ve na stanja. Informacija je injenica sa odreenim znaenjem, donosi novost, obavetava o neemu i podloga je za donoenje odluka a vrednost te informacije ocenjuje primalac. Informacija je specifina vrsta robe.
42
1.5.
Znanje
Znanje se moe definisati kao nematerijalni resurs, kao slika stvarnosti predstavljena zamislima ljudi dok posmatraju svet koji ih okruuje. Sastoji se od intuicije, ideja, vetina, iskustava i uenja, i ima potencijal stvaranja novih vrednosti. Drugim reima, znanje se sastoji od podataka i/ili informacija koje su obraene i organizovane tako da pomau sticanju iskustava i raznih ekspertiza koje se mogu primeniti kod reavanja odreenog problema. Znanje je sve ono to je poznato. Sticanje znanja ukljuuje kompleksne kognitivne procese: percepciju, uenje, komunikaciju, asocijaciju i rezonovanje. Engleski filozof Karl Poper31 je rekao da je fenomen ljudskog znanja nesumnjivo najvee udo u naem univerzumu. Postoje dve vrste znanja, eksplicitno i iskustveno znanje. Eksplicitno znanje artikulisano je formalnim jezikom i lako se prenosi u obliku informacija sa pojedinca na pojedinca. Ovo znanje je zapisano u knjigama i jednostavno se moe uzeti procesom obrazovanja, upotrebljavati i ugraditi u proizvode kao to su tehnike specifikacije, nacrti ili standardizovani dizajn. Tiho, tacitno ili iskustveno znanje je ugraeno ili stvoreno linim iskustvom pojedinca. Ovo znanje je personalizovano i do njega nije lako doi pa esto ostaje neotkriveno i neiskorieno: ono nema vrednost ako se ne upotrebljava.
31
Sir Karl Raimund Popper (19021994), jedan od najveih filozofa XX stolea.
43
Znanje je osnovna proizvodna snaga drutva i glavni uslov za uspeh kako pojedinca tako i samog drutva. Moe se rei da znanje nije samo neka gomila informacija ve je sposobnost pojedinca da deluje na osnovu tih informacija. Razlike u znanju i njegovoj primeni su temelj podela izmeu razvijenih i nerazvijenih, bogatih i siromanih. U drutvu znanja postoji izuzetna odgovornost obrazovnih institucija za sopstveni razvoj i razvoj drutva u celini, ali, jednako tako, i odgovornost drutva za razvoj obrazovnih institucija. Stoga postavljamo osnovno pitanje: zato je, zapravo, vano prepoznati znaaj drutva znanja? Novo drutvo znanja mora da bude drutvo u kojem uestvuju svi. Kako se Evropska unija proiruje, tako se poveava i broj stanovnika, te je socijalna integracija bitan preduslov uspenog proirenja. Vano stanovite socijalne integracije je digitalna integracija. Evropska komisija sledi jedan koncept koji e uiniti informaciono drutvo Evrope znaajno razliitim od ostalih u svetu svoje aktivnosti uvezuje na regionalnom, nacionalnom i evropskom nivou. Integracija ima za cilj da visokim nivoom drutvene podrke ojaa i ouva kulturnu i jeziku nezavisnost Evrope, da sve kulture i svi jezici pronau svoje mesto u Evropi 2010. godine. U svim organizacionim promenama najsloeniji proces je proces promene ljudi, promene njihovog shvatanja. U XXI veku glavno oruje u nadmetanju sa konkurencijom je znanje zaposlenih i vladanje informacijama. Proizvodnja znanja je odluujui faktor u konkurentnoj poziciji. Ovakva koncepcija zahteva institucionalizovano stalno obrazovanje. Obrazovano drutvo je imperativ budunosti i uslov opstanka svakog drutva. Zemlje sa veim brojem visokoobrazovanog stanovnitva ine sve da taj broj poveaju, jer je praksa pokazala da je znanje najskuplja roba, da su 44
prihodi vei sa novim tehnologijama, da se u ovako povezanom svetu ne moe raditi bez poznavanja drugih kultura i znanja jezika. Znanje je postalo kljuni resurs. Ono ima vrednost, kao to vrednost ima i samo saznanje o znaaju znanja. Vrednost saznanja o znaaju drutva znanja neprocenjivo je. Stoga postavljamo osnovno pitanje: zato je, zapravo, vano prepoznati znaaj drutva znanja? Danas i velika i mala preduzea prepoznaju veliku ulogu ljudskih resursa u poslovnom sistemu. Postoji vie definicija znanja; nabrojau neke od njih: Znanje je informacija koja je organizovana i analizirana da bi bila razumljiva i primenljiva u reavanju problema ili u odluivanju.32 Znanje se sastoji od istine i verovanja, perspektiva i pojmova, rasuivanja i oekivanja, metodologija i know-how33 Znanje je sveobuhvatni skup uviaja, iskustava i procedura koja se smatraju ispravnim i istinitim, pa stoga upravljaju miljenjem, ponaanjem i komunikacijama ljudi.34 Prema Oxford English Dictionary, znanje se definie kao: injenice, informacije i vetine postignute kroz iskustvo i obrazovanje, teorijsko i praktino razumevanje nekog subjekta. Informisanost i svest ili bliskost injenicama i situaciji postignuta iskustvom. to vie delite svoje znanje postajete sve bogatiji.
32
Turban, E. Expert System and applied Artifical Intelligence, Maxmillan, 1992. 33 Wig, K. Knowledge Management Foundation, Schema press, 1993. 34 Van der Spek, R. Knowledge Management CRC Press 1997.
45
2. ORGANIZACIJA I MENADMENT
Organizacija i menadment su pojmovi koji se nerazdvojno proimaju kroz istoriju, iako se menadment kao nauka razvio poetkom dvadesetog veka a pojam organizacije se usavrava ve hiljadama godina. Prvi oblici organizacije javili su se i pre pojave prvih civilizacija. Na primer, veliki lov u rodovskoj zajednici praljudi su izvodili koordinacijom, planiranjem, organizacijom i podelom uloga. Egipatske piramide su plod velike organizacije u kojoj je koordinsan rad projektanata, inenjera i robova. Tako veliki radovi nisu mogli biti obavljeni bez planiranja, usmeravanja i kontrole. Oni su pretea organizacije i menadmenta kao sistematizovanog skupa funkcija ili uloga. Menadment omoguava koordinaciju pojedinca i ogranienih resursa za postizanje ciljeva na efikasan nain. Zaduen je da obezbedi resurse (ljudi, tehnologije, materijal, finansije) neophodne za postizanje stratekih ciljeva preduzea. Menadment preduzea dizajnira zadatke i organizuje obavljanje poslova. Jednostavno, moe se rei da se pod pojmom menadment podrazumeva odgovornost za izvoenje, odgovornost za postizanje ciljeva organizacije. Postoje mnogobrojne definicije menadmenta, ali bi se moglo rei da je najzanimljivija definicija Meri Parker35 koja menadment poistoveuje sa umetnou obavljanja poslova putem, uz ili posredstvom drugih ljudi.
35
Mary Parker Follet (18681933), ameriki sociolog, autorka knjiga o demokratiji i menadmentu.
46
Menadment se razvijao uporedo sa razvojem ljudskog drutva. Osnovni principi menadmenta utemeljeni su pojavom velikih civilizacija. Na sledeoj slici prikazan je razvoj menadmenta kroz vekove.
Slika 10. Menadment kroz vekove Egipat: izgradnja piramida, naslee principa centralnog upravljanja. Poznatu Keopsovu piramidu gradilo je oko 100.000 ljudi 200 godina. Vavilon: Hamurabijev zakon, sistem inventara, odnos min/max zarade, voenje je i nadgledanje izgradnje sistema za navodnjavanje. U Hamurabijevom zakonu zapisane su odreene konture drave. Kina: Konfucije je postavio moralne standarde ponaanja voe36.
36
Konfucije je polulegendarni kineski mislilac koji je iveo u VI veku pre nae ere (551479) i po kome je religiozno-filozofska nauka nazvana konfucionizam.
47
Grka: principi upravljanja, i danas poznati principi organizacije. Rim: organizacija dravne uprave, prikupljanje poreza na tri kontinenta. Venecija: upravljanje trgovinom na morima. Crkvena centralizovana organizacija je jedna od najdugovenijih organizacija, stara je preko 2.000 godina. Razvoj menaderskih znanja prelazio je dug put, a menadment je uvek podrazumevao odgovornost za organizacijsko poslovanje. Kljuni faktori za uspeh i odrivost preduzea su informacije, znanje, inovativnost i kreativnost, za iju su upotrebu potrebne informacione tehnologije u obliku informacionih sistema. Poslovni informacioni sistem je ila kucavica preduzea. Uspeno poslovanje preduzea mogue je samo sinergijom informacionih tehologija i menadmenta. Organizaciju, u skladu sa teorijom sisitema, posmatramo kao otvoren socijalni sistem koji se sastoji od oblikovane aktivnosti grupe ljudi, pri emu su te aktivnosti svrsishodne i usmerene ka cilju. Organizaciju predstavlja grupa ljudi sa formalno odreenim ulogama koja zajedno radi kako bi ostvarila zadane ciljeve te grupe. Svesno udruivanje ljudi kojima je cilj odgovarajuim sredstvima ispuniti odreene zadatke, sa najmanjim moguim naporom na bilo kojem podruju rada, definie organizaciju. Karakteristike organizacije su zajednika svrha, ciljevi i organizacijska struktura. Preduzee se posmatra kao kompleksan, dinamian i otvoren sistem, koji je sa jedne strane sastavljen od odreenog
48
broja podsistema, a sa druge strane predstavlja podsistem nekog drugog sistema vieg nivoa. ovek je sa kvalitetnom organizacijom bolje i bre postizao vee rezultate na poljima svog delovanja. Pojedinac se koristi i pripada organizaciji itav svoj ivot, od roenja do smrti sva svoja radna i ivotna pitanja reava zajedno sa ljudima, dakle, organizovano. Znaenje organizacije nije ogranieno samo na ovekovu privrednu aktivnost, ve i na njegovu celokupnu radnu i ivotnu aktivnost. Svaka organizacija ima svoj strateki cilj koji predstavlja svrhu postojanja organizacije, i misiju koja opisuje ta ta organizacija nastoji da postigne. Realniji opis organizacije je da je to skup prava, privilegija, obligacija i odgovornosti koji su delikatno balansirani tokom nekog perioda, kroz konflikte i njihova reenja. Svaka organizacija ima svoju kulturu i klimu. Svako ko je u toku svog radnog veka promenio nekoliko radnih organizacija mogao je da primeti da se, ak i ako se bave istom vrstom delatnosti, organizacije meusobno razlikuju. Ono to daje osoben peat svakoj organizaciji jesu njena kultura i klima. Smatra se da su kulturne prepreke osnovna smetnja deljenju i transferu znanja u organizaciji. Stoga se smatra da upravljanje znanjima mora preuzeti teak zadatak menjanja organizacione kulture sa ciljem postizanja deljenja i transfera znanja neophodnih za korienje svih vrednosti resursa znanja organizacije. Klima organizacije je skup svojstava po kojima se jedna organizacija razlikuje od neke druge organizacije: priroda rada, sistem vrednosti i preovlaujui stil rukovoenja. 49
Kultura37 organizacije je skup normi ponaanja i oekivanja koja odreuju nain na koji zaposleni prilaze poslu i meusobnom odnosu. Kultura odreuje na pogled na svet. eljena kultura je koncept menadmenta o vrednostima kojima se daje prednost, o idealima, viziji i misiji koji e pomoi organizaciji da na najbolji nain ostvari svoje ciljeve. Definiu se norme ponaanja koje menadment eli da postavi. Organizaciona kultura predstavlja skup pretpostavki, vrednosti i naina na koji se neke stvari rade, koje su prihvaeni od veine lanova. Rezultati istraivanja ukazuju na to da veina organizacija podstie kulture u kojima se ljudi ponaaju na pasivno-odbrambene i agresivno-odbrambene naine. Smatra se da su kulturne prepreke primarna smetnja deljenju i transferu znanja u organizaciji. Organizaciona kultura se sastoji od tradicije, obiaja, navika, vrednosnog sistema, verovanja, stavova, merila i normi ponaanja koje dele svi lanovi organizacije. Ona utie na ponaanje zaposlenih tako to: 1. lanovima prua oseaj identiteta, 2. jaa oseaj predanosti misiji organizacije, stvara oseaj zaposlenima da su deo vee celine koja prevazilazi lini interes i izjednaava line ciljeve sa ciljevima organizacije, 3. precizira i jaa norme ponaanja to je veoma vano za nove lanove, ali i za one koji su due vremena u organizaciji jer kanalie postupke i usmerava ih ka postizanju zajednikih ciljeva.
37
Kultura je mentalno programiranje ljudi. Geert Hofstede, 1980.
50
Veruje se da upravljanju znanjima prethodi menjanje kulture organizacije u cilju postizanja transfera znanja neophodnih za realizaciju potpune vrednosti resursa znanja organizacije. Na kulturu organizacije deluju:
meuljudski odnosi, nain voenja i upravljanja, spoljni uticaji, obeleja organizacije i sami poslovni procesi.
Postojanje organizacijske kulture vodi organizaciju u pozitivnom smeru.
Slika 11. Mikroekonomska definicija organizacije Organizacija se sastoji od velikog broja podsistema koji su u dinamikoj interakciji promene u jednom podsistemu utiu na promene u drugom podsistemu. Organizacija treba da bude delotvorna i efikasna. Delotvornost (eng. effectiveness) predstavlja stepen u kojem su
51
realizovane planirane aktivnosti i postignuti planirani rezultati. Efikasnost (eng. efficiency), predstavlja odnos izmeu postignutih rezultata i iskorienih resursa. Vano je naglasiti da nema uspene organizacije, uspenog preduzea, bez dobre komunikacije. Svi mi komuniciramo na neki nain! Postavljaju se pitanja da li imamo uspenu komunikaciju, znamo li preneti poruku onako kakav je njen smisao, kako drugi prihvataju na nain komunikacije i mnoga druga pitanja, jer: poruka je uspena i smislena jedino onda kada je poiljalac i primalac shvataju i prihvataju na isti nain. U svakodnevnom poslovanju komunikacija je krvotok svake organizacije, jer je cirkulacija informacija osnovni uslov za odvijanje poslovnih procesa. Komunikacija predstavlja nain razmene informacija pomou unapred dogovorenih i razumljivih sistema sporazumevanja, komunikacija je najmanje ta kaemo a najvie kako to kaemo. Kod uspostavljanja komunikacije 90% parametara komunikacije su neverbalni parametri, vani delovi komunikacije, kao to su: izgled, govor tela, mimika, informacija i ritam glasa. Komunikacija je vetina! Pored navedenih karakteristika, kulture i klime organizacije, treba napomenuti da u svakoj organizaciji postoje i konflikti kao proizvod razliitih interesa i stavova okruenja organizacije koje predstavljaju konkurencija, klijenti, vlada, banke, tehnologija, znanje, kultura.
52
Slika 12. Organizacija i IT Kao menaderi, uvek elimo da shvatimo kakav uticaj informacioni sistemi mogu da imaju na drutvene i radne odnose u naim organizacijama. Kao informatiari, ne moemo uspeno da projektujemo nove sisteme bez razumevanja organizacije koja treba da koristi taj informacioni sistem.
53
Slika 13. Odeljenje informacionih tehnologija u organizaciji Planiranje novog sistema u organizaciji zavisi od organizacionih faktora. Organizacioni faktori koji se razmatraju kod planiranja novog sistema su: okruenje u kome organizacije funkcioniu, struktura organizacije (hijerarhija, specijalizacija, standardne operacione procedure), organizaciona kultura i politika, tip organizacije, priroda i stil menadmenta, podrka i razumevanje top menadmenta, osnovni interesi grupa koje utiu na sam sistem, vrste zadataka, odluka i poslovnih procesa kojima informacioni sistem treba da pomogne, miljenja i odnos radnika u organizaciji koji e koristiti informacioni sistem i 54
istorija organizacije, pregled prolih investiranja u informacione tehnologije, postojea iskustva, vani programi i ljudski resursi.
Svaki cilj mora biti merljiv, jer ako ne zna gde si, ne zna ni gde ti je cilj.
55
2.1.
ta je menadment
Pojam mendment je latinskog porekla (manus = ruka; rukovoenje). Menadment se povezuje sa pojmom rukovoenje. Ovaj pojam se koristi za poimanje: Procesa upravljanja; Funkcija planiranja, kordinisanja, kontrole, organizovanja, voenja; Vetina komunikacije i motivisanja; Naune discipline strukturisani sadraj i metode i Profesije neki radnici postaju profesionalni menaderi.
Menadment kao nauka predstavlja strukturisano znanje o nekom predmetu koje koristi definisane okvire i ima razraene metode istraivanja. Menadment kao vetina predstavlja talenat ili sposobnost oveka da izabira i upotrebljava: sredstva, aktivnosti i skup pravila za ostvarivanje postavljenih ciljeva. Menadment kao profesija predstavlja utvreno znanje koje zahteva neophodno vreme za obuku, razraene etike norme, i odnosi se na osobe koje poseduju unapred odreene kvalifikacije i iskustvo. Definicija menadmenta danas: Menadment je sistematian nain usmeravanja pojedinca, grupe, poslova i operacija u cilju ostvarivanja postavljenih ciljeva organizacije uz korienje raspoloivih sredstava. Funkcije menadmenta su planiranje, organizovanje, voenje i motivisanje, kontrolisanje i upravljanje ljudskim resursima.
56
Planiranje je odreivanje aktivnosti koje treba uraditi, definisanje ciljeva i uspostavljanje plana rada. Organizovanje predstavlja odreivanje naina i sredstva za obavljanje svake planirane aktivnosti. Drugim reima, planiranje predstavlja utvrivanje ta treba uiniti, kojim redom, i ko treba to da uini. Voenje i motivisanje je funkcija organizacije koja vri stimulisanje zaposlenih za ostvarivanje rezultata. Kontrolisanje je funkcija nadgledanja realizacije i njeno vrednovanje u odnosu na oekivani kvalitet i koliinu. Menadment je posebna nauna disciplina koja ima multidisciplinarni karakter i bavi se istraivanjem problema upravljanja resursima bilo koje vrste. Komponenta menadmenta, upravljanje ljudskim resursima, ukljuuje sve procese i aktivnosti koje imaju za cilj upravljanje svim ljudskim resursima neke organizacije. Sveobuhvatni, sistemski pristup odnosima sa zaposlenima omoguuje najvii stepen performansi organizacije. Menadment preduzea mora obezbediti da svaka funkcija u preduzeu bude dimenzionisana primereno potrebama i da sve funkcije deluju skladno, u cilju delotvornog i uspenog ostvarivanja zajednikih ciljeva, a to nije jednostavan zadatak. Najee koriena definicija menadmenta je ve pomenuta definicija Amerikanke Meri Parker. Ona kae da je menadment umenost obavljanja poslova posredstvom drugih ljudi.
57
Rozmari menadmenta:
Stjuart38
je
dala
sledeu
definiciju
Menadment ukljuuje ljude koji gledaju i iznad sebe samih i imaju formalnu vlast nad aktivnostima drugih ljudi. Uloga menadmenta u postavljanju ciljeva i njihovom ostvarivanju ogleda se u definisanju ciljeva primerenih tritu i mogunostima preduzea, razgraivanju ciljeva na sve nivoe upravljanja. Ciljeve treba uiniti razumljivim i merljivim. Menadment treba osigurati primerene resurse neophodne za realizaciju ciljeva, finansijskih, kadrovskih i drugih, te organizovati, stimulisati i motivisati kadrove za realizaciju ciljeva. Veoma je vano da menadment kontrolie realizaciju ciljeva i sprovodi neophodne korektivne aktivnosti ukljuivi i korekcije ciljeva. Ne postoje dobra i loa preduzea, postoji samo dobar ili lo menadment!
38
Rosemary Stewart, Engleskinja, autorka dvanaest knjiga o menadmentu. Godine 1976. dobila je i nagradu za najbolju knjigu o menadmentu.
58
2.2.
Ko su menaderi
Menader je osoba koja je odgovorna za izvravanje postavljenih ciljeva organzacije uz podrku menadmentskih funkcija. Prema hijerarhijskoj podeli preduzea, menaderi mogu biti operativni, taktiki i strateki. Operativni nivo je izvrni nivo menadmenta u preduzeu. Radi sa operativnim, detaljnim, svakodnevnim podacima, a donose se strukturirane odluke. Na tom nivou koriste se transakcioni informacioni sistemi. Taktiki nivo realizuje taktike planove, izvetava o statusu radnih zadataka i poredi ih sa planovima, a analizu alje na vii nivo, u strategiju. Na taktikom menadment nivou su sumarni, sintetiki podaci, dovoljno detaljni da omogue efikasnu kontrolu. Donose se delimino strukturirane odluke uz podrku upravljakih informacionih sistema i sistema za podrku odluivanju. Strateki nivo menadmenta odgovoran je za uspeh celokupne organizacije. Strateki menadment nema nadreene menadere. Visoko sintetizovani podaci, orijentisani na podrku stratekom upravljanju, omoguavaju donoenje nestrukturiranih odluka. Pored ostalog, menader mora da poznaje strukturu firme i tokove informacija u njoj. Mora da poznaje i koristi raunare i softverske alate koji omoguuju kvalitetnu obradu informacija, odluivanje i upravljanje. Novi uslovi poslovanja zahtevaju efikasniju i fleksibilniju organizaciju. Polako nestaju srednji menaderski nivoi, provodnici informacija, njihovu funkciju preuzimaju radnici uz pomo informacionih tehnologija.
59
Slika 14. Hijerarhija odluivanja Zadaci savremenih menadera su utvrivanje strategije, postavljanje ciljeva i merenje ostvarenih rezultata. Oni ne upravljaju putem naredbi, kojima odreuju zaposlenima ta i kako da rade, ve obezbeenjem uslova za efikasno obavljanje poslovnih procesa. Menader je osoba ija je primarna odgovornost izneti proces upravljanja, neko ko planira i donosi odluke, organizuje, vodi i kontrolie ljudske, finansijske i informacione resurse. Potrebno je voditi ljude, i uiniti produktivnu specifinu snagu svakog pojedinca. Menadment preduzea mora obezbediti da svaka funkcija u preduzeu bude dimenzionisana primereno potrebama i da sve funkcije deluju skladno, u cilju delotvornog i uspenog ostvarivanja zajednikih ciljeva, a to nije jednostavan zadatak. Na sledeoj slici prikazan je dijagram odnosa broja odluka strateke vrednosti u zavisnosti od nivoa menadmenta koji donosi te odluke.
60
Slika 15. Dijagram odnosa broja i vrednosti donesenih stratekih odluka Menaderi koriste MIS upravljake informacione sisteme za donoenje strukturiranih odluka na operacionom i taktikom nivou organizacije. Oni u svom radu koriste tehnike, komunikacijske i koncepcijske menaderske vetine. Moe se rei da postoji pet grupa menaderskih vetina:
vetina upravljanja samim sobom (personal
skills),
vetina rada sa drugima (interpersonal skills), komunikacijske vetine (communication skills), vetine upravljanja sukobom (conflict
management skills) i
vetine upravljanja promenama (change menagement skills).
Postojei alati i specifine tehnike rada su resursi koje menaderi obavezno moraju koristiti. Svojom vetinom komuniciranja uspostavljaju radno okruenje u kojem se
61
zaposleni oseaju sigurno i ugodno tako da mogu iskazivati i svoje stavove bez ogranienja. Jedna od kompleksnih vetina je da menader ima sposobnost integrisanja i usmeravanja svih interesa organizacije u cilju postizanja stratekih ciljeva. Takav menader treba biti sposoban da stvori celokupnu sliku preduzea i da uspostavi meuzavisnost vanih organizacijskih elemenata sa ciljem postizanja eljenih rezulatata. Savremeni menaderi upravljaju poslovima i organizacijama, upravljaju ljudima, upravljaju procesima proizvodnje ili usluga. Sve ovo treba uraditi uspeno, a menader je uspean ukoliko je efikasan tako to radi na pravi nain (doing thing right), i ukoliko je efektivan (doing the right things), birajui prave ciljeve preduzea. Veoma je vano da menadment ravnomerno koristi sve kategorije i sve uloge menadera na svim menadment nivoima: operativnom, taktikom i stratekom nivou. Na osnovu prikupljenih informacija menaderi donose odluke vrednovanjem i usmeravanjem informacija. Menader je uspean ako je: kompetentan, kreativan, internacionalno orijentisan, informatiki pismen, drutveno odgovoran i ako postie rezultate.
Henry Mintzberg, profesor na MacGill univerzitetu u Montrealu, definisao je uloge menadera predstavljene u sledeoj tabeli:
62
Kategorija Informaciona
Uloga Nadzor Prenos informacija Portparol Voa Osoba za vezu Preduzetnik Korektor Alokator resursa Pregovara
Interpersonalna
Odluivanje
Aktivnost Prikuplja i prima informacije Izvetava zaposlene Formira informacije koje idu prema okolini Predstavlja preduzee Usmerava Obuava Odrava komunikaciju Indukuje ideje Reava konfliktne situacije Odobrava finansijske planove Predstavlja interese preduzea
Kako ove uloge menadera podravaju IS? Interpersonalna uloga podrana je sistemom elektronske komunikacije a informaciona uloga preko IT infrastrukture. Odluivanje na razliitim nivoima se ostvaruje putem strukturiranih, utvrenih procedura i nestrukturiranih odluka. Dananji menaderi prihvataju i otklanjaju sve nejasnoe, stvaraju organizacije koje su brze, fleksibilne prilagodljive i orijentisane ka meuodnosima, fokusiraju se na rukovoenje, interakciju sa zaposlenima, kreiranje tima i, to je najvanije, razvijaju organizaciju koja ui. Menadment mora postaviti jasne ciljeve, SMART ciljeve:
63
Specific tano odreene ciljeve, Measurable merljive ciljeve, Achievable ostvarive ciljeve, Realistic realne ciljeve, Time-based vremenski odreene ciljeve. Pre uvoenja novih poslovnih strategija poslovnih metoda, svaka organizacija mora da sagleda sve prednosti i nedostatke sistema koji eli da uspostavi. U savremenom poslovnom svetu takva analiza poznata je kao SWOT39 analiza. Primer matrice SWOT analize prikazan je u sledeoj tabeli.
Spoljanje Prilike (Opportunities) + ta je dobro u budunosti? Selektovati, optimizirati Pretnje (Threats) ta je loe za budunost? Izbegavati, minimizirati Unutranje Snaga (Strength) ta je sada dobro? Odravati, graditi, podsticati Slabosti (Weaknesses) ta je sada loe? Popraviti, stopirati
Analiza je predstavljena konfrontacionom tabelom koja sadri samo nekoliko glavnih sagledanih prednosti, slabosti, prilika i pretnji. Potrebno je voditi rauna o spoljanjem i unutranjem okruenju.
39
SWOT (S strengths, W weaknesses, O opportunities, T threats)
64
Spoljanje okruenje predstavlja prilike i pretnje i moe biti zakonodavno, drutveno, ekonomsko, ekoloko, etiko, tehnoloko i politiko okruenje. Unutranje okruenje predstavlja snagu i slabosti preduzea. Snage i slabosti u preduzeu ogledaju se u ciljevima, strategiji, tehnologiji, zadacima, ljudskim resursima, ivotnom ciklusu preduzea, njegovoj lokaciji, proizvodima i uslugama. Menaderi tee da shvate kakav uticaj informacioni sistemi mogu da imaju na drutvene i radne odnose u organizacijama, a informatiari ne mogu uspeno da projektuju nove informacione sisteme bez razumevanja organizacije koja treba da koristi taj informacioni sistem. Uloga menadmenta u postavljanju ciljeva i njihovom ostvarivanju ogleda se u definisanju ciljeva primerenih tritu i mogunostima preduzea, razgraivanju ciljeva na sve nivoe upravljanja. Ciljeve treba uiniti razumljivim i merljivim. Menadment treba osigurati primerene resurse neophodne za realizaciju ciljeva (finansijske, kadrovske i druge), te organizovati, stimulisati i motivisati kadrove za realizaciju ciljeva. Ponovo treba naglasiti da je veoma vano da menadment kontrolie realizaciju ciljeva i sprovodi neophodne korektivne aktivnosti ukljuivi i korekcije ciljeva. Posao menadera moe biti definisan kao odluivanje ta treba uiniti i navoenje drugih da to uine. Biti uspean znai biti informisan.
65
2.3.
Upravljanje
Upravljanje predstavlja proces kojim se postiu odreeni ciljevi korienjem resursa, kao to su: ljudi, novac, energija, materijali, vreme i slino. U poglavlju u kojem je bilo rei o entropiji i informaciji reeno je da postupci upotrebe informacija za kontrolu entropije, odnosno porast organizovanosti sistema u kibernetici, predstavljaju upravljanje u irem smislu. Razvoj kibernetike ukazao je na ulogu informacije u procesu odluivanja. U savremenim drutvima red i organizovanost obezbeuje se informacijama. Resursi predstavljaju ulazne veliine (input), a ostvarenje ciljeva se moe posmatrati kao izlazna vrednost (output proizvodi, usluge...). Produktivnost organizacije zavisi od uspenosti izvrenja svih upravljakih funkcija: planiranja, organizacije, usmeravanja i kontrole, i moe se predstaviti formulom: Produktivnost = Output / Input (resursi) Organizacija treba biti otvorena ka okruenju, treba postojati meuzavisnost i meusobni odnosi delova organizacije, kao i svih delova organizacije sa celom organizacijom. Potrebno je primeniti teoriju odluivanja, informacione podsisteme, uee u odluivanju, a posebno uspostaviti timski rad. Upravljanje poslovnim informacijama je sistem koji pomou prikladnih programskih reenja omoguava svojim korisnicima pouzdano i uspeno korienje postojeih informacija.
66
Pristupanjem informacijama preko korisnicima prilagoenih programa, korisniku je omogueno dobijanje odgovora na vana pitanja i donoenje ispravne poslovne odluke. Tradicionalni informatiki programi za analizu poslovnih informacija i upravljanje njima nisu napravljeni da bi ih koristile prosene osobe. Takav pristup ograniava pravovremeni pristup informacijama i iziskuje veliki finansijski troak. Informacije su upravljane tako da rade za preduzee. Informacijama pristupaju sve osobe koje imaju definisana ovlaenja, daju im dodatni smisao kroz izvetaje, prezentuju ih, analiziraju i dele sa drugima. Organizacija razume potrebe svojih kupaca, isporuuje na vreme, brzo odgovara na zahteve trita i lako se prilagoava promenama poslovne klime. Ona je produktivna, fleksibilna i agilna, jer svi njeni zaposleni imaju pristup pravim informacijama na pravom mestu i u vreme kada su im potrebne.
67
2.3.1. Proces donoenja odluke

Sam proces odluivanja iniciran je uoavanjem problema ili situacije u kojoj se neko stanje treba promeniti u cilju zadovoljavanja poslovnih procesa. Prema amerikom nauniku Herbertu Simonu40, proces donoenja odluka ukljuuje 3+1 fazu i to: inteligenciju, dizajn, selekciju (izbor jednog pravca akcije) i kasnije dodanu fazu implementacije.
Faza inteligencije. Ova faza se odnosi na postavljanje i to preciznije definisanje problema; definisanje situacije koja zahteva donoenje odluke, identifikaciju i definisanje problema. Kada je problem otkriven, radi se na njegovoj lokaciji i definisanju nivoa prioriteta, daje se odgovor na kljuno pitanje: Kome problem pripada? Faza inteligencije zavrava preciznim definisanjem problema. Faza dizajna obuhvata istraivanje, razvoj i analizu moguih pravaca aktivnosti. Postavljanje modela podrazumeva konceptualizaciju problema i njegovu apstrakciju na matematiko-numeriki i/ili simboliki model. Definiu se ulazne veliine, izlazne veliine i relacije meu njima. Faza selekcije ili izbora ukljuuje pretragu moguih pravaca aktivnosti, kao i ocenu nalaenja odgovarajue
40
Herbert Alexander Simon (19162001), naunik u oblastima obrada informacija, donoenje odluka, vetaka intilegencija.
68
alternativne akcije. Pretraga moguih aktivnosti moe se zasnivati na: analitikim tehnikama, pretraivanju naslepo (blind search) i heuristici (nauci o pronalaenja novog). modelima i principima
Implementacija predloenih reenja predstavlja zakljunu fazu procesa donoenja odluka. Ova faza, obino, zahteva dosta vremena i ima najmanje izgleda na uspeh.
69
2.4.
Organizacija koja ui
Promene u nainu razmiljanja, ivota, uenja i rada u poslednjih dvadesetak godina ine uenje konstantnim i predstavljaju uslov za opstanak mnogih organizacija, bilo malih ili velikih, kola ili drutava. Znanje postaje referentna vrednost u novom poslovnom modelu i time utie na ivot i rad ljudi kako u preduzeu tako i u drutvu. Sve organizacije, privatne ili drutvene, male ili velike, profitabilne ili ne bez obzira na svoju aktivnost ili lokaciju, moraju ispuniti pet osnovnih uslova. Organizacija mora imati sposobnost voenja, prepoznati vrednost korporativnih resursa i upravljanja, razviti partnerstvo ljudi i tehnologija, okrenuti se okolini i konstruisati mreu vrednosti te razmotriti dizajn stvarne i virtuelne strukture. Ovi uslovi zahtevaju znaajnu promenu svega onoga to ini organizaciju, poevi od modela poslovanja pa sve do naina svakodnevnog rada zaposlenih. To nije neto to se planira ili priprema za neku maglovitu budunost, ve je to neto to se mora uraditi danas. U prirodi oveka je da ui, da se prilagoava i da napreduje. Stoga je bitno da se organizacija menja i to bre postane bolja. Do sada se uenje i znanje smatralo darom i nije se posmatralo kao resurs koji je integrisan i iskorien za razvoj vrednosti koje pomau uspehu i opstanku. Karakteristike organizacije sa znanjem su: visoka performansa, usmerenost na kupca odnosno korisnika, usmerenost na unapreenja i poboljavanja, usmerenost na visok kvalitet, visoko fleksibilnost i adaptivnost,
70
visok nivo ekspertize i znanja i velike koliine uenja i inovacija.
Postoje mnoge definicije organizacionog uenja, kao na primer: Organizacija koja ui je veta u kreiranju, sticanju i prenoenju znanja i svog modifikovanog ponaanja u skladu sa novim zanimanjima i znanjima. Neki entitet (osoba, grupa, organizacija, drutvo) ui ako kroz svoju obradu informacija menja obim svojih potencijalnih ponaanja. George P. Huber, 1991.
71
2.4.1. Socio-ekonomske promene

Da bismo razumeli uticaj promena na organizaciju, potrebno je ne samo identifikovati i prouavati glavne faktore, ve i prihvatiti definiciju organizacije. Organizaciju definiemo kao bilo koju jedinicu (entitet) koja ima: strategiju ciljeve i nain na koji ih postii, aktivnosti proces sa ulazom i izlazom voen strategijom i resurse finansijske, tehnike, prirodne, ljudske i resurse znanja, koji e upravljati aktivnostima.
ciljevi
STRATEGIJA
Finansijski resursi
Tehniki resursi
Ljudski resursi
Resursi znanja
Prirodni resursi
sredstva, resursi
LANAC SNABDEVANJA
aktivnosti
Slika 16. Blok dijagram organizacije Interesantno je posmatrati organizaciju kao pojedinca ili strukturiranu zajednicu, kompaniju, univerzitet, dravnu agenciju, ili kao dravu. Ovakvo posmatranje omoguuje nam
72
da shvatimo kako je vetaki tradicionalno podignut zid izmeu socijalnog i poslovnog sveta, izmeu privatnog i javnog, izmeu profitne i neprofitne organizacije. U stvarnosti, sve organizacije suoene su sa istim izazovom, sve moraju ispuniti iste uslove da bi opstale. Krajem XX i poetkom XXI veka jasnije su definisani faktori koji su imali veliki uticaj na socio-ekonomski i poslovni ivot, kao i na sve aspekte svakodnevnog ivota. U sledeoj tabeli prikazan je uticaj faktora promena na ljude i tehnologiju u organizaciji.
Faktori promena Globalizacija Ima tendenciju da bilo koja jedinica, aktivnost ili tehnologija prevazie dimenziju bilo kojih granica; svako moe imati uticaj irom sveta. Molekularizacija Predstavlja pretvaranje organizacije u male, fleksibilne, prilagodljive strukture koje nezavisno funkcioniu. Posredovanje Ima tendenciju da bilo koja jedinica, aktivnost ili tehnologija bude u funkciji direktnog odnosa sa partnerima. Uticaj na oveka Globalno razmiljanje. Uticaj na tehnologije Pristupana infrastruktura bilo gde i bilo kome.
Potrebno je osposobiti zaposlene, klijente i partnere.
Infrastrukturne komponente su autonomne, kompatibilne, prilagodljive i viestruko upotrebljive. Web infrastruktura omoguava direktne relacije izmeu korisnika i partnera.
Omoguava poslovne relacije na svim nivoima.
73
Upravljanje poslovnim lnformacionim sistemima Uticaj na tehnologije Integrisana infrastruktura u internim i eksternim mreama.
Faktori promena Rad putem Interneta Ima tendenciju da bilo koja jedinica, aktivnost ili tehnologija bude u stalnom kontaktu sa raznim partnerima unutar mree koja postaje sve ira, viesmerna i interaktivna. Neposrednost Ima tendenciju da bilo koja jedinica, aktivnost ili tehnologija bude u funkciji poslovanja u realnom vremenu, sa zahtevima za trenutni odgovor na upit kao i za kapacitetima koji su sposobni da brzo reaguju na bilo koji dogaaj. Digitalizacija Ima tendenciju da bilo koja jedinica, aktivnost ili tehnologija transformie sve informacije u univerzalni digitalni alfabet tako da ubrza protok informacija i mogunost zajednikog korienja informacija i transakcija sa minimalnom ovekovom intervencijom.
Uticaj na oveka Deo su poslovne mree i ezajednice.
Poslovanje u realnom vremenu i spremnost na promene u svakom trenutku.
Osigurava da infrastruktura omogui rad u realnom vremenu i obezbedi efikasnu podrku sve vreme pa i u sluaju tehnoloke migracije. Osigurava da infrastruktura predstavlja kolektivnu digitalnu memoriju organizacije.
Konverzija podataka, informacija i transakcija u digitalnu formu.
74
Upravljanje poslovnim lnformacionim sistemima Uticaj na tehnologije Osigurati da infrastruktura predstavlja virtualnu verziju cele organizacije i da podrava virtualni rad. Infrastruktura koja osvaja i podrava razvoj ljudskog kapitala.
Faktori promena Virtualizacija Ima tendenciju da bilo koja jedinica, aktivnost ili tehnologija predstavlja virtuelnu stvarnost na takav nain da performanse ne zahtevaju fiziku prisutnost. Znanje Ima tendenciju da bilo koja jedinica, aktivnost ili tehnologija postanu sve vie informisani kroz vlastiti razvoj i kroz vei pristup znanjima drugih. Informacija, znanje i ideje postaju kljuni resursi ekonomije.
Uticaj na oveka Upravljanje poslom bez fizike prisutnosti.
Stimulie i integrie zajedniko korienje informacija i razvoj znanja na svim nivoima.
Analizom nabrojanih faktora u tabeli moe se zakljuiti da korienjem univerzalnog digitalnog alfabeta i digitalnih umreenih tehnologija omoguavamo direktnu komunikaciju i transakciju bez prostorne i vremenske barijere, tradicionalnih geografskih, kulturnih, religijskih, starosnih, statusnih i slinih ogranienja. Svi entiteti se nalaze u globalnom svetu u kojem svako moe imati uticaj i moe izabrati mree i komunikacije koje i kakve eli. U takvom svetu tradicionalne prednosti su prevaziene onim to ih ini razliitim: znanje, ideje, umreavanja i brzina.
75
Obim ovih promena je toliki da nije preterano rei da naputamo industrijsku eru i ulazimo u novi period koji e se bitno razlikovati od dosadanjeg.
76
2.4.2. Novi model organizacije

U ovom novom svetu menja se sam koncept organizacije. Danas, u uzburkanom globalnom okruenju, finansijske performanse ne znae vie odrivu sposobnost za rad organizacije, a opipljiva aktiva, kao to su deonice, potvruje nepouzdanost ove reference o proceni vrednosti organizacije. Neopipljiva aktiva, kao to su znanja i ideje, pojavljuje se kao pouzdan indikator kapaciteta organizacije i ostaje konkurentna due vreme. Stoga organizacija treba da evoulira iz velike mainerije u kreativni mozak. U ovom kontekstu veliina i starost organizacije nisu vie prednost ve potencijalne prepreke u trci ka prilagoavanju promenama, a prednost predstavljaju bolje ideje i vie znanja. Objektivno, agilnost organizacije, njena mogunost da objedini znanje radnika u cilju izgradnje i razvoja ljudskog kapitala predstavlja novu aktivu organizacije. Nova aktiva, kapaciteti ljudskog kapitala, koristi se u generisanju ekonomske i socijalne vrednosti, kao i vrednosti samog okruenja koje su potrebne da bi organizacija bila i ostala konkurentna. Talas ovih velikih promena, koje su univerzalne i istovremene, utie na sve nas, prvi put u naoj istoriji, na isti nain bez obzira gde smo i ko smo. U sledeoj tabeli prikazan je odnos karakteristika organizacije u industrijskoj eri i u novoj eri.
77
Industrijska era Reference ekonomske aktive Organizacija Konkurentna prednost Indikatori uspenosti Opipljiva aktiva Velika maina Veliina Kratkorona profitabilnost Kvazimehanike komponente vrednovane kao radna snaga
Nova era Neopipljiva aktiva Kreativno razmiljanje Ljudski kapital Odrivi razvoj Individualni neuroni vrednovani kao fluidni tim radnika sa znanjem
Zaposleni
78
2.4.3. Novi izazovi za korporativne lidere

U novom modelu organizacije korporativni lideri namaju lak posao. Korporativni lider mora nametnuti, uglavnom mononacionalnoj disciplinovanoj radnoj snazi, korporativnu kulturu proizalu iz snova i vrednosti malih homogenih grupa ljudi koji tradicionalno organizaciju dre na okupu. Zadatak je izazovan kada treba identifikovati i obezbediti privrenost zajednikoj viziji i vrednostima decentralizovanog, multinacionalnog, rasutog tima razliitih strunih ljudi. Poslovna strategija je najtei posao korporativnog lidera, posao koji utie na njegovu egzistenciju i visoku platu. Ciljevi korporacije nisu vie ogranieni samo na isti finansijski rast ili poziciju na tritu ve i na integraciju nacionalnih vrednosti stvorenih okruenjem. Kako je stabilni poslovni svet podeljen na manje poslovne procese korporacija se mora prilagoditi brzim globalnim promenama a korporativni lideri kreirati svoja pravila upravljanja koja se redovno moraju analizirati. Monitoring postaje vaan izazov korporativnim liderima zajedno sa kljunim indikatorima uspenosti svih segmenata organizacije. Pristup resursima korporacije postaje prefinjen. Dosad su kadar i tehnologije posmatrani kao ist troak koji se treba kontrolisati, a sada dobijaju novu dimenziju jer predstavljaju respektabilan resurs korporacije. Taj resurs je znanje. Na kraju, poslovanje je i dalje kljuni faktor opstanka svake organizacije te poslovni lider mora tragati za odrivim razvojem koji predstavlja kompleksan i neuhvatljiv cilj i koji
79
forsira lidere da osposobe organizaciju da izvlai profit iz okoline a isto tako da omogui okolini profit od organizacije.
ekonomska vrednost
socijalna vrednost
benefit drugima
vrednost okoline
Slika 17. Odrivi razvoj organizacije
80
2.4.4. Novi izazovi za korporativne menadere resursa

Menadment, rukovoenje ili upravljanje, proces je formiranja i odravanja okruenja u kojem pojedinci, radei zajedno u grupama, postiu postavljene ciljeve; odnosno to je proces kojim se dolazi do eljenih rezultata efikasnim korienjem ljudskih i materijalnih resursa. Drugim reima, menadment je sistemsko usmeravanje pojedinaca kroz grupe poslova i aktivnosti u cilju ostvarivanja planiranih ciljeva organizacije koristei efikasno sva njena raspoloiva sredstva. Korporativni resurs menadementu daje potpuno novu dimenziju. U organizaciji kao maina svi resursi se posmatraju kao kvazimehanike komponente koje e, ako se stave na pravo mesto i aktiviraju na pravi nain, raditi u skladu sa oekivanim standardima. Lideri zahtevaju uniformnost i disciplinu u cilju smanjenja trokova i poveanja dobiti. U organizaciji kao mozak svaki resurs (personalni, tehnoloki, finansijski) ima jedinstvenu vrednost. Lideri moraju identifikovati ove vrednosti, poveavati ih, razvijati i kreirati njihovu sinergiju da bi poveli organizaciju u nove vee performanse. Pored performansi, blisko partnerstvo izmeu resursa omoguava stvaranje novog resursa, a to je znanje. Kada organizacija obezbedi ovaj resurs, on postaje aktiva, ljudski kapital, koja je klju odrive konkurencije. Uloge menadera resursa moraju pretrpeti veliku transformaciju da bi menaderi obezbedili ono to se od njih oekuje: ostvarenje individualnih, organizacionih i stratekih potreba.
81
Primer ljudskih resursa: Personalna administracija TEHNIKI Administracija plata Podaci o radnicima Odravanje Osiguranja Menadment ljudskih resursa STRATEKI Dizajn organizacije Menadment kompetencija Menadment performansi Upravljanje kompenzacijama Razvoj organizacije Interni ili vanjski tehniki resurs Funkcije ljudskih resursa i konsultanata Menadment ljudi DNEVNI Reavanje dnevnih problema Individualna motivacija Upravljanje razliitostima Reavanje konflikata Monitoring Menadment kadrova
Tradicionalno posmatran kao centar trokova, drugim reima kao teret organizacije, funkcija menadmenta resursa, naroito ljudskih resursa, IKT informaciono-komunikacionih tehnologija i znanja, mora postati ravnopravan partner izvrnom odboru preduzea. Potrebno je prepoznati njihov respektivni zajedniki uticaj na budunost organizacije. I, to je najvanije, tradicionalna organizacije na odeljenja treba da nestane. podeljenost
Zajedniko delovanje svih resursa moe doprineti i boljim performansama preduzea i odrivost u konkurentom okruenju. Menadmenti finansija, ljudskih resursa, IKT i znanja moraju nauiti da sarauju, da koriste poslovni jezik 82
kao nain komunikacije izmeu sebe, i da zajedniki rade na tekuim pitanjima.
83
2.4.5. Novi izazovi za zaposlene u preduzeu

Krajem prolog veka uveden je termin radnik sa znanjem i opisuje se kao osoba specijalizovana za istraivanje, analizu, menadment i komunikaciju informacijama relevantnim za osobe koje donose odluke ili za menadment znanja, i koje koriste sistem informacionih tehnologija razvijen u tu svrhu. Radnici sa znanjem pripadaju kategoriji intelektualnih radnika. Oni poseduju organizaciono znanje tako da imaju kapaciteta i za inovacije. Kako su oni visokokvalifikovani ili iskusni, moe im se dodeliti i uloga stratekog posmatraa, donosioca odluka, profesionalnih trenera i slino. Internet, softver za analizu podataka, softver za Data mining kao i drugi alati uestvuju u definisanju ovih novih profila radnika i restrukturiranju rada unutar organizacije. Prema tekuim analizama, oekuje se da radnici sa znanjem u treem milenijumu dominiraju na tritu rada. Stoga se i oekuje da e se radnici vrlo brzo tranformisati iz radnika maine u radnike znanja. Jasno je da obrazovni sistem treba biti spreman da koluje ljude za trite rada, da proizvodi radnike sa znanjem. Da bi organizacija preivela promene, prilagodila se globalnim trendovima i sa promenama profitirala, mora ispuniti najmanje pet uslova. Organizacija mora imati sposobnost voenja ka odrivom razvoju. Organizacija treba prepoznati vrednosti svakog korporativnog resursa i upravljati njime na stratekom nivou na integrisan nain tako da ljudski kapital postaje dragocena aktiva bilo koje organizacije.
84
Organizacija mora razviti partnerstvo ljudi i tehnologija u cilju obezbeenja i generisanja vrednosti koje e obezbediti odrivost organizacije. Organizacija se mora okrenuti okolini, vanjskom svetu, jer niko ne moe sam da funkcionie u globalnom svetu. Svojim poslovnim partnerima organizacija daje do znanja da e konstituisati mreu vrednosti i integrisati je u sve nivoe i sve aktivnosti. Organizacija mora razmotriti dizajn stvarne i virtualne strukture i na toj osnovi definisati obuku i performanse svojih resursa. Iako je spomenuto da je globalizacija jedan od devet faktora promena, na svet e postati globalan, kako to predstavljaju istoriari i ekonomisti, tek kroz mnogo godina. Svesni smo da globalizacija i njena viestruka dimenzija omoguavaju pristup svim raspoloivim informacijama, zbog naprednih tehnologija, jednostavnim pritiskom na dugme. Jo uvek dovoljno ne cenimo promptne informacione kanale irom sveta, naroito Internet, koji imaju demokratizovano znanje sa uticajem na drutvene modele i strukture moi. Ekonomski uticaj je ipak vidljiv. Nedavne analize pokazuju da se vrednosti sve vie poveziju sa znanjem. Pametni proizvodi, koji su dizajnirani koritenjem zahteva klijenata i ostalih zainteresovanih i koji se neprestano menjanju i razvijaju uporedo sa potrebama klijenata i okruenja, oni su koji su najuspeniji. Znanje je udna aktiva ija se vrednost poveava sa njegovim rasprostiranjenjem i korienjem. to vie delite svoje znanje, postajete sve bogatiji.
85
Ovo pravilo je u suprotnosti sa onim koje smo koristili kod likvidne aktive, koje je postalo predmet beskrajne prepirke, posebno u zapadnom svetu u kojem je zatita intelektualne svojine stub poslovanja. Razvoj tehnologija potvruje ove zahteve i ogranienja kod promena vrednosti organizacije. Organizacija se mora otvoriti ka novim idejama i korienjem znanja treba da postane fleksibilna. Stoga se moe rei da se danas vrednost stvara preko sveobuhvatne mree, ne preko same organizacije a pogotovo ne preko pojedinca. Sa ove perspektive organizacija treba da razvija proces prikupljanja ili stvaranja korisnog znanja. Promena naina poslovanja i njegovih vrednosti prikazana je u sledeoj tabeli: IZ... vrednost kroz intelektualnu svojinu - trajnost - centralno organizovano vrednost kroz lokalno pozicioniranje - razgovor sa poznatima vrednost kroz eksperte - nekoliko eksperata/procesa U... vrednost kroz intelektualnu razmenu - podela znanja - orijentisan oprema okruenju vrednost kroz globalno pozicioniranje - razgovor sa svima vrednost kroz ekspertize - interni i eksterni razgovori
86
vrednost kroz specijalizaciju - uzak opseg znanja vrednost kroz mo - konzervatizam vrednost kroz disciplinu - kontrola kreativnosti
vrednost kroz fleksibilnost - irok opseg znanja vrednost kroz inovaciju - konstantne promene vrednost kroz kreativnost - podravanje ideja
Svaki ovek, pojedinano ili kroz zajednicu, mora postati strateka organizacija za uenje u realnom vremenu. Drugim reima, organizacija: mora oekivati, identifikovati i razumeti promene u realnom vremenu kao to je prilagoavanje, fleksibilnost i novi putevi ka dugoronim ciljevima da bi obezbedila odrivu sposobnost za ivot i rad; mora prikupiti korisna znanja u realnom vremenu i sjediniti ih u jedinstvenu kombinaciju od koje drutvo moe imati koristi a organizacija optimalne trine vrednosti; mora aurirati svoje znanje i okruenje sa ciljem da ostane konkurentna u realnom vremenu u kojem ekspertize brzo zastarevaju; mora pratiti evoluciju razmiljanja, pogleda i naina ivota i koristiti ih kao inspiraciju za nove ideje sa ciljem postizanja uspeha i mora deliti znanje realnog vremena u cilju generisanja drutvenih vrednosti a istovremeno poveavati obim sopstvenog znanja.
87
2.4.6. Kompetencije menadmenta i centralno motivisanje

U industrijskoj eri organizacije kao maine fokusirane su na kratkorone rezultate, radnici su jedva posmatrani kao individualna bia sa linim aspiracijama. Posmatrani su kao komponenta radne snage, nejasna masa miia i iskustva, od koje se oekuje da rade specifine zadatke i prema tome se i nadgledaju. U takvom okruenju odgovornost menadmenta ljudskih resursa je da motivie zaposlene da budu disciplinovani i posluni, da potuju hijerarhijski komandni lanac i da rade po propisanim standardima. Motivacija zaposlenih bila je zasnovana na strahu da ne izgube prilike, status, prihod ili zaposlenje. Ovo ne znai da zaposleni nisu ulagali u sebe uei. Da bi uspeli u svom okruenju, zaposleni su morali razviti drutvene sposobnosti, tehnike sposobnosti koje su potrebne aktivnostima organizacije i vremenom poboljati svoja ekspertska znanja. Sposobnost zaposlenih da uestvuju u kolektivnom znanju kao i da rade shodno tome predstavlja menadment znanja.
88
2.5.
Virtuelna organizacija
Promenljivi uslovi poslovanja, sve tee ostvarivanje konkurentske prednosti u dinamikom okruenju, krai ivotni ciklusi proizvoda i njihova brza tehnoloka zastarelost uinili su dosadanje organizacione strukture nemonim u zadovoljavanju sve sofisticiranijih potreba kupaca. Razvoj informaciono-komunikacionih tehnologija, pre svega Interneta, omoguio je nastanak novih organizacionih struktura, fundamentalno drugaijih od onih baziranih na statikom konceptu. Pojava virtuelnih41 organizacija predstavlja relativno nov i malo istraen pokuaj formiranja privremenih mrenih struktura radi ostvarivanja konkurentske prednosti na dananjem tritu. Ovaj koncept organizovanja podrazumeva drugaije ustanovljavanje odnosa izmeu zaposlenih, menadera i potroaa. Nove organizacione forme vezane su za razvoj informacionih tehnologija i za prilagoavanje organizacija savremenim uslovima i nainima poslovanja. Potroai su u centru ovakvog naina organizovanja. Proizvodi su napravljeni prema potrebama potroaa a vreme njihovog lansiranja na trite maksimalno je skraeno. Sa visokim kvalitetom proizvoda ovo su glavni kvaliteti virtuelne organizacije u borbi sa dananjim korporacijama koje dominiraju globalnim tritem. Virtuelne organizacije najee ine dve ili vie organizacija, esto sa razliitih geografskih lokacija, koje se javljaju na tritu kao nova organizaciona jedinica.
41
Virtuelno, neto to postoji samo u davanju efekata oponaanja stvarnog objekta, ali ne i fiziki.
89
Kao i kod svih organizacija, i kod virtuelnih organizacija postoje menadment i timovi, radna mesta i zadaci, kao i finalni proizvod. Kancelarija virtuelnih organizacija smetena je na mrenoj platformi gde ljudi meusobno kontaktiraju. Razvoj IT utie na organizaciju preduzea i menja njegove organizacione osobine i to: preoblikuje strukturu iz mehanike u organsku, to jest iz hijerarhijske u adaptibilnu, ini preduzee fleksibilnim sistemom, redizajnira sva radna mesta, smanjuje administrativnu komponentu, potiskuje oveka iz organizacije, racionalizuje i olakava ljudski rad u svim delovima, a naroito u operativnom jezgru, smanjuje prosenu veliinu preduzea i njegovih organizacionih delova, utie da ekonomija obima ustupi mesto ekonomiji irine, smanjuje formalizovanost ponaanja preduzea , omoguava neposrednu komunikaciju i inspiraciju za kreativan rad i formira centare znanja u organizaciji.
Nove organizacione strukture, nastale kao posledica razvoja informacionih tehnologija, jesu: informatizovana organizacija, pulsirajua organizacija i organizacija kao mrea.
90
Ove nove organizacione forme, proizale iz razvoja informacionih tehnologija i savremenog naina poslovanja, stvaraju virtuelno okruenje i virtuelne organizacije. Dve kljune karakteristike virtuelnih organizacija su: formiranje zajednikog lanca snabdevanja izmeu odvojenih entiteta i distribucija IT za podrku poslovnom procesu.
Razvoj virtuelnih organizacija poinje krajem pedesetih i poetkom ezdesetih godina prolog veka kada se organizacija poela posmatrati kao otvoreni sistem koji uzima resurse, ljude i sirovine iz okruenja a istom tom okruenju vraa robe i usluge. Sedamdesetih godina XX veka panja srednjeg upravljakog nivoa usmerava se ka uzajamnoj zavisnosti organizacija i njenog poslovnog okruenja. Osamdesete godine fokusirane su na spoljni izgled organizacije. Traio se odgovor na dva osnovna pitanja: Kako da organizacija ostvari najbolju interakciju sa okruenjem i kako spoljnji faktori utiu na ponaanje organizacije? Pojavljuju se nove menadment teorije koje posmatraju razliite izvore organizacione zavisnosti iz okruenja kao to su ljudi, materijalni resursi, trita i informacije, i pokuavaju nai odgovor na pitanje kako te izvore kontrolisati i kako na njih uticati. Postoji vie modela virtuelnih organizacija ali su najznaajniji mreni modeli. Mreni model predstavlja fleksibilnu strukturu koja treba da odgovori zahtevima brzine reagovanja, visoke kompetitivnosti i visokog rizika. Glavni cilj virtuelne organizacije je da dozvoli organizacijama uesnicama da ubrzano razviju svoje radno okruenje, a zadovoljenje zajednikih ciljeva ostvaruje se kroz niz resursa koje obezbeuju organizacije uesnice. 91
Strateki ciljevi organizacija uesnica u virtuelnoj organizaciji su: maksimiziranje fleksibilnosti i adaptibilnosti na promene u okruenju, dostizanje kritine veliine u skladu sa trinim ogranienjima i optimizacija globalnog lanca snabdevanja. prevazilaenje granica, geografska disperzija, komplementarnost sutinskih nadlenosti, udruivanje resursa, promena uesnika, jednakost partnera, elektronska komunikacija.
Virtuelne organizacije karakteriu i sledee osobine:
Razliite strukture virtuelnih organizacija mogu nastati u zavisnosti od razliitih zahteva okruenja. Razlikuju se tri grupe karakteristika koje najvie utiu na vrstu virtuelne organizacije: karakteristike trita, proizvodni proces, strateki ciljevi organizacije.
Zahtevi za proizvodom ili uslugom mogu biti izraeni preko razliitih izvora, moe postojati direktan zahtev kupaca ili se moe javiti zahtev kao rezultat marketinkog istraivanja na nekom novom tritu.
92
Proizvodni proces projektuje se u skladu sa trinim karakteristikama, sa fokusom na koordinaciju i informacioni menadment. Koncept tano na vreme je kljuan u virtuelnoj organizaciji. Proces mora biti uporedan koliko je god to mogue. Povezane aktivnosti mogu biti razdvojene u dve grupe: asinhroni i sinhroni rad. Ovakva vrsta aktivnosti zahteva postojanje mree visokog kapaciteta i visok nivo interoperativnosti, na primer izmeu softverskih aplikacija. Glavni strateki interes virtuelne organizacije moe biti smanjenje trokova, sposobnost reagovanja na promene ili sposobnost da se zadovolje svi zahtevi potroaa. U jednoj virtuelnoj organizaciji informacioni sistem ima jednu od centralnih uloga. Zahtevi koji se postavljaju pred informacioni sistem u virtuelnoj organizaciji odnose se na njegovu sposobnost da radi istovremeno sa vie organizacija. Ovaj sistem se zove interorganizacioni informacioni sistem, IOIS. Struktura virtuelne organizacije mora da se suoi sa razliitim tehnikim ogranienjima, posebno ogranienjima vezanim za konkurentno inenjerstvo, kao i sa ogranienjima vezanim za interoperativnost izmeu razliitih organizacija: proireno preduzee, konzorcijum virtuelnih organizacija, kratkorona virtuelna organizacija, oportunistiko okruenje, dinamino trite, zrelo trite, stabilizacija partnerstva, stabilizacija trinog segmenta i minimizacija trokova. 93
Struktura virtuelnih organizacija je vrlo dinamina. Njen ivotni ciklus moe biti jako kratak. Sposobnost reagovanja na promene i sposobnost zadovoljenja zahteva potroaa, koje su glavne prednosti virtuelnih organizacija, jesu i izvor problema koje treba reiti. Postoji kontradiktornost izmeu ovog strukturnog dinamizma i vremena potrebnog da se upotpune neki aspekti aktivnosti organizacija. ivotni ciklus virtuelne organizacije sastoji se od: identifikacije potreba na tritu, formiranja, nalaenja potencijalnih partnera, dizajna, uspostavljanja pravila za ispunjenje misije: materijalni i informacioni tokovi, sistem kontrole, zakonski okviri, baze podataka, pravila poslovanja, finansijski aranmani ... izvoenja aktivnosti, ispunjenja misije i rasformiranja, arhiviranja informacija o postignutim rezultatima, raspodela vrednosti. Preduslovi za uspostavljanje virtuelne organizacije su jasni. Unapred je potrebno jasno i potpuno definisati pravila angaovanja u odnosu na potrebne ulaze i oekivane rezultate. Jedan od vanih preduslova je poverenje koje predstavlja kljuni faktor uspeha. Definisanje procedure koordinacije i jasnog interfejsa sa nevirtuelnim partnerima, kupcima, u interesu je virtuelne organizacije. Projekat virtuelne organizacije dekomponovan na elementarne aktivnosti menadment sistem razvija. moe biti za koje se
Upravljanje ovim aktivnostima, procedurama i interfejsima mora biti precizno definisano, za ta su potrebne velike investicije u vremenskom i radnom domenu. Sa porastom veliine i sloenosti, sistem postaje nefleksibilan.
94
Ovo je u suprotnosti sa glavnim ciljem virtuelne organizacije, a to je sposobnost brzog reagovanja na promene. Kompromis treba da se pronae usklaivanjem menadment strukture i veliine virtuelne organizacije. Veliina virtuelne organizacije po pravilu treba da se prilagodi duini njenog ivotnog ciklusa. Virtuelne organizacije se mogu definisati kao organizacije orijentisane ka potroau, koje zadovoljavaju njegove potrebe, ostvarujui pritom trokovnu i vremensku efikasnost. Meutim, ova definicija nije dovoljno radikalna iako sadri neke kljune take virtuelne organizacije. Forma virtuelne organizacije je organizacija koja nije preduzee u dananjem poimanju. Ona je sastavljena od razliitih uesnika koji se okupljaju da bi zadovoljili potrebe potroaa na najbolji nain, a kada se to ostvari, uesnici se ponovo razdvajaju, grupiu sa drugim uesnicima da zadovolje potrebe nekih drugih klijenata. Virtuelne organizacije ne moraju da imaju ljude, ili ponekad ijednog oveka, da bi izvrile svoje usluge. Organizacija postoji, ali se ne moe videti. To je mrea, a ne kancelarija, privremena mrea nezavisnih kompanija povezanih informacionom tehnologijom da dele znanje, trokove i pristup tritima. Virtuelne organizacije su oslonjene na medije sajber prostora, omoguene su razvojem novih kompjuterskih i telekomunikacionih tehnologija, i inicijalno e postojati samo kroz konvencionalne organizacione strukture. Prednosti virtuelne organizacije su niski trokovi, poveana fleksibilnost i sposobnost partnera, i fokusiranost partnera na svoje osnovno poslovanje. Nedostaci virtuelne organizacije ogledaju se u organizovanju komunikacije partnera, razliitih poslovnih ciljeva i sukoba kultura. Drugi nedostatak je to pojedini partneri nemaju svoj razvoj vetina.
95
Da bi virtuelna organizacija opstala, odrala partnerstvo i savez svojih lanica, mora biti usko vezana za IT infrastrukturu. Virtuelna organizacija je privremena mrea nezavisnih institucija, firmi ili specijalizovanih individualaca, koji rade zajedno, spontano koristei informacionu i komunikacionu tehnologiju sa namerom da dobiju trenutnu konkurentsku prednost. Svaka virtuelna organizacija je mrea, a svaka mrea nije virtuelna organizacija. Virtuelna organizacija se ostvaruje umreavanjem organizacija lanica prema dole ili njihovim bonim umreavanjem. Na sledeoj slici prikazan je primer virtuelne organizacije umreene prema dole.
Slika 18. Virtuelna organizacija Virtuelne organizacije danas imaju definisanu svoju tipologiju, ivotni vek, dinamiku, interorganizacione informacione sisteme, i sve ono to ini jednu savremenu organizaciju spremnu da odgovori promenljivim zahtevima trita. Istovremeno, uz maksimalne utede u raznovrsnim trokovima doprinose da ovaj oblik organizacione strukture ne samo opstaje na tritu ve i da se ubrzano razvija.
96
U irem smislu rei, virtuelnu organizaciju moemo definisati kao privremenu mreu organizacija i individualaca koji rade zajedno koristei anse sve dok postoje, a one se brzo menjaju. To nudi organizacijama fleksibilnost da ostvare prednost najee na kratak rok, ali podrazumeva intenzivnu kooperaciju sa stratekim partnerima. Fleksibilnost virtuelne organizacije je njena odreujua karakteristika. Postoji nekoliko Nabrojau neke. vrsta virtuelnih nastala organizacija. udruivanjem
Virtuelna organizacija pojedinaca, udruivanjem partnera.
Virtuelna organizacija nastala udruivanjem kompanija ili pojedinaca specijalizovanih za obavljanje pojedinih funkcija, kao to su nabava, proizvodnja, informacioni sistemi ili distribucija. Virtuelne organizacije nastale od jedne velike kompanije koja je neke od svojih vanih poslovnih aktivnosti prepustila spoljnim organizacijama, a one te aktivnosti obavljaju za nju (proizvodnja i distribucija). Svaki partner u virtuelnoj organizaciji mora imati dodatnu specifinu vrednost koju e dodati organizaciji. lanovi organizacije moraju razviti visok stepen uzajamnog poverenja i razumevanja. Organizacija mora biti koncentrisana na projekte koji su uglavnom namenjeni klijentima organizacije i projektima koji su od interesa za samu virtuelnu organizaciju, kao to su marketinki projekti. Virtuelna organizacija je privremeno formirana mrea nezavisnih organizacija, povezanih informacionim
97
tehnologijama, pri emu organizacije meusobno dele znanje, sposobnosti, trokove i trita, (Business Week).
98
2.6.
Upravljanje kvalitetom QMS
Proces globalizacije namee promenu u savremenom poslovanju koje podlee novim pravilima i metodama ali uz podrku novih ljudi. Ove promene kreiraju novu poslovnu kulturu i kriterijume poslovnog uspeha. Cilj ovih promena je unapreenje konkurentosti sa postizanjem bolje trine pozicije. Uspeno upravljanje promenama je od izuzetnog znaaja za opstanak i napredovanje preduzea. Trite namee nove zahteve pred preduzea. Proaktivno uvoenje novih stratekih inovacija i pravila i prilagoavanje promenama u okruenju dovodi do uspenijeg poslovanja. Ove promene mogu biti radikalne, da zahtevaju vea novana sredstva, ili postupne, u preduzeima koja su uspeno poslovala. Inovativna organizacija predstavlja novu, kvalitativno promenjenu organizaciju koja radi u uslovima stalnih promena. Inovacije u oblasti tehnologije proizvoda i informacionih tehnologija uslovile su prilagoavanja same organizacije dinamici promena. Savremena organizacija treba, uz optimalnu strategiju, biti otvorena ka inovacijama u poslovnom procesu. Takva organizacija se ostvaruje primenom TQM42 metode, kontinuiranim poboljavanjem poslovnih procesa. Upravljanje kvalitetom, QMS43, fokusirano je na: klijente, zajednike procese i zajednike ciljeve unutar organizacije.
42 43
Total Quality Management Quality Management System
99
Upravljanje kvalitetom koristi se u procesu proizvodnje, dok upravljanje znanjem ima iri pogled i iri pristup. Interne diskusije ili peer review predstavljaju rasprave ili savetovanja zaposlenih koje imaju za cilj preispitivanje dosadanjih rezultata ili reavanje nastalog problema. Grupe za peer review sastoje se od priznatih, potvrenih eksperata, a u internim diskusijama moe uestvovati bilo ko od zaposlenih uz uslov je da je kompetentan u pogledu poznavanja i razumevanja problema koji se razmatra. Na ovakvim sastancima uesnici iznose svoje ideje i stavove, a konsenzusom ili veinskim stavom odluuje se o daljem delovanju. Ovakva aktivnost moe se smatrati vidom ili preteom procesa. Preispitivanje sistema za menadment kvalitet opisano je i zahtevano takom Preispitivanje od strane rukovodstva standarda ISO 9001:2000. Meutim, zbog nepostojanja ureenog Quality Management Systema, ni ovaj proces nije optimalno projektovan i postavljen u granice tolerancije, u smislu da su: identifikovani svi neophodni ulazi (informacije i predaktivnosti), definisani svi neophodni izlazi, definisani kriterijumi evaluacije i donoenja izbora izmeu vie alternativa (ideja) i usvojene metode planiranja aktivnosti i postizanja ciljeva.
Postavlja se pitanje da li su ideje za unapreenje, koje su posledica jednog takvog procesa, zaista optimalne za sistem i da li se svaki put bira najbolji nain njihovog ostvarenja, to jest da li se ostvaruju maksimalni rezultati uz minimalno ulaganje.
100
Istraivanje predstavlja poetne uslove za izbor podruja unapreenja, ali ni ono ne ukazuje na optimalne naine ostvarivanja ovih metoda niti na neophodne potrebne promene elemenata QMS-a. Strateko planiranje predstavlja proces projekcije dugoronih ciljeva i naina njihovog ostvarenja. Ovome treba da prethodi metod identifikacije kljunih podruja razvoja u organizaciji, preduzeu, i unapreenja poslovnih procesa, prikupljanje neophodnih podataka, obrada i analiza istih. Strateko planiranje moe koristiti rezultate dobijene Quality Function Deployment (QFD), metodom. Osnov svakog menadment procesa je postavljanje ciljeva i sistema izvetavanja, tako da se oni ne mogu smatrati nekim posebnim metodama za unapreivanje kvaliteta samog poslovnog sistema, njegovih elemenata i izlaza.
101
2.6.1. Total Quality Management TQM

TQM predstavlja nain ureenja celokupnog poslovnog sistema, predstavlja filozofiju i poslednju fazu u razvoju ideje o kvalitetu. Ovako ureen sistem je u stanju da uz sopstvenu optimalnu organizaciju svih svojih elemenata u svakom trenutku isporui totalni kvalitet svojim korisnicima a da procenat neusaglaenosti pri njegovom funkcionisanju tei nuli. Kvalitet predstavlja nivo do kojeg skup karakteristika ispunjava zahteve44. Upravljanje kvalitetom predstavlja skup aktivnosti kojima se utie na kvalitet poslovnih procesa i krajnjih proizvoda i usluga. Proces upravljanja kvalitetom je jedan segment u okviru upravljanja poslovnim sistemom. Upravljanje totalnim kvalitetom, TQM, predstavlja sistemski pristup upravljanju i ima za cilj poveanje vrednosti uz neprekidno unapreenje kvaliteta poslovnih procesa i sistema45. Totalni kvalitet i strategija organizacije su komponente humanog pristupa organizacije okrenute ka kupcu. Total Quality Management je pre sistem nego metoda, i u sopstvenom unapreivanju i menjanju podrazumeva korienje naunih metoda za unapreivanje i obezbeenje kvaliteta, od kojih jedna moe biti i Quality Function Deployment metoda. TQM predstavlja filozofiju prema kojoj se tei formiranju organizacije koja se zasniva na kontinuiranom unapreivanju; predstavlja metod definisanja problema, odreivanja uzroka problema, preduzimanje
44 45
Definicija kvaliteta po ISO 9000:2000. Rampersad, H.K. A visionary management model, The TQM Magazine, 2001.
102
odgovarajuih akcija, proveru efikasnosti standardizaciju reenja i dalji razvoj procesa. veka.
akcija,
Razvoj kvaliteta poinje dvadesetih godina dvadesetog Prva faza u razvoju kvaliteta bio je proces kontrole, a obuhvatao je samo pronalaenje i ispravljanje greaka. Sledea etapa u razvoju bila je kontrola kvaliteta. Kontrola kvaliteta se sastojala od standarda, statistikih metoda, karakteristika procesa i reavanja problema kvaliteta. Trea etapa u evoluciji TQM-a je postizanje kvaliteta. Ova etapa se sastoji iz sistema kvaliteta ISO 90009, planiranja kvaliteta, polisa kvaliteta, trokova kvaliteta i reavanja problema. Daljnjim razvojem dolo se do TQM-a. U TQM-u jedne organizacije uestvuju svi zaposleni, njeni kupci i dobavljai. Potrebno je obuiti zaposlene i osposobiti ih za timski rad. Strategija kvaliteta mora proizai iz misije i vizije organizacije, preduzea. TQM je orijentisan na poslovne procese. TQM pristup kontroli kvaliteta naao je svoju primenu kako u proizvodnji tako i u pruanju usluga. Pristup obuhvata unapreenje funkcionisanja preduzea, procesa i svakog pojedinca u njemu. Ovaj pristup obuhvata kontinuirana i postepena unapreenja svih zaposlenih u organizaciji, kompaniji, preduzeu. Vana naela ovog pristupa su: raditi po pravilima, smatrati svaki problem kao mogunost za unapreenje, dobiti informaciju kada je ona najpotrebnija,
103
prikupiti i razmatrati injenice, pridravati se plana, eliminisati rasipanje, potovati postavljena pravila i vriti raspodelu zadataka.
Osnovu za uspenost kvaliteta predstavlja Demingov46 krug, krug kontinuiranog poboljanja, prikazan na sledeoj slici, esto interpretiran kao krug procene usklaenosti sa standardima. Demingov krug se sastoji od sledeih faza: Plan, Do, Check i Act. Plan Potrebno je definisati problem, pronai uzroke problema i razraditi plan za reavanje tih problema. Do Proveravati predloena unapreenja i prikupljati dobijene rezultate. Check Provoenje pilot projekta i prikupljanje pokazatelja uspenosti. Act Implementacija proverenih poboljanja. PDCA predstavlja neprekidni ciklus koji se ponavlja, ime poboljanja postaju deo svakodnevnog ivota. Obim neophodnih upravljakih promena u cilju ostvarivanja konkurentnosti u savremenom poslovanju se sagledava kroz preporuke Viljema Deminga. Organizacija je uspena ukoliko svaki njen deo, svaka aktivnost i svaki zaposleni uzajamno uspeno funkcioniu. TQM obuhvata sve delove organizacije.
46
William Edwards Deming (19001993), ameriki statistiar, tvorac moderne teorije o kontroli kvaliteta.
104
Slika 19. Demingov krug U sledeoj tabeli prikazani su vani kriterijumi za obezbeenje kvaliteta u organizaciji kroz prizmu tradicionalnog pristupa i kroz prizmu TQM-a. Iz tabele se vidi da je u TQM sistemu za kvalitet poslovanja, koji je strateko pitanje, odgovoran svako ko je zaposlen u organizaciji a da se kvalitet meri minimalnom grekom.
105
Osnovni principi TQM-a su: koncentrisanje na potrebe kupca, definisanje ciljeva, ukljuivanje svih zaposlenih u proces, preduzimanje akcija na osnovu postojeih injenica, orijentisanje na procese, pridavanje najveeg znaaj kontinuiranim poboljanjima.
Osnovni elementi TQM-a su etika, integritet i poverenje. Gradivni elementi su obuka, timski rad i liderstvo. Vezivni element je komunikacija, a vrhovni element je prepoznatljivost.
106
3. POSLOVNI INFORMACIONI SISTEMI

Sistem se najee definie kao skup entiteta, najmanje dva, organizovanih tako da izvravaju odreenu funkciju a svojom interakcijom stvaraju celinu. To je skup meusobno povezanih zavisnih delova koji zajedno ine celinu tako da taj skup ima odreenu svrhu, cilj, a promena u bilo kojem delu dovodi do promene u nekom drugom delu ili delovima. Sistem predstavlja skup objekata i relacija meu tim objektima, njihovim atributima i njihovim okruenjem, koji ini jednu celinu. U zavisnosti od uzajamnih odnosa ulaznih (U) i izlaznih (I) veliina informacioni sistemi mogu biti: U>I upravljani informacioni sistemi U=I neutralni informacioni sistemi U<I upravljaki informacioni sistemi
U praksi su najznaajniji upravljaki informacioni sistemi jer obezbeuju bazu za upravljanje i donoenje odluka u organizaciji. Obrada ili proces se sastoji od niza koraka ili aktivnosti koji ulaz pretvara u izlaz, daje vrednost ulazu menjajui ga, ili ga koristi da proizvede neto novo, izlaz. Kontrolni proces u sistemu mora da omogui da se planirane aktivnosti sprovedu, a osnovna naela kontrole su upravljanje kvalitetom, planiranje, uspostavljanje, provera i delovanje. Sistem kontrole radi na bazi povratne sprege, a predmet kontrole je pre svega kvalitet rada koji je obavljen. Za informacioni sistem (IS) se takoe moe rei da predstavlja skup komponenti za sakupljanje, obradu, uvanje i
107
prenoenje informacija. Informacioni sistem predstavlja sreeni skup metoda, procesa i operacija za prikupljanje, uvanje, obradu, prenoenje i distribuciju podataka u okviru jedne organizacije, ukljuujui i opremu koja se u te svrhe koristi kao i ljude koji te aktivnosti obavljaju. Ovakav sistem podrava analizu, odluivanje, koordinaciju i kontrolu u organizaciji uz interakciju sa njenim okruenjem. Informacioni sistem je sastavni deo organizacije, odraz realnog sistema.
kontrola OBRADA PROCES podaci informacije
ULAZ (U)
IZLAZ (I)
Slika 20. Blok dijagram sistema Transakcioni informacioni sistem pripada operativnom nivou i podrava odvijanje tekuih poslovnih procesa. On vodi evidenciju o svakoj transakciji, izdavanju potrebnih dokumenata i kontrolie poslovni proces. Poslovni informacioni sistem aktivnosti kojima se ostvaruje neki cilj. predstavlja niz
Informacioni sistem, unutar nekog poslovnog sistema, omoguava komunikaciju unutar sebe i komunikaciju sa okolinom, podie efikasnost odvijanja poslovnog procesa. IS preuzima i obrauje informacije koje ulaze u poslovni sistem i snabdeva ga informacijama potrebnim za izvoenje poslovnog procesa i upravljanje sistemom. Poslovni informacioni sistem predstavlja sveukupnost svih informacionih procesa u preduzeu. On je skup metoda, resursa i tehnologija koje doprinose postizanju poslovnih 108
ciljeva. Skup ljudi koji po odreenoj organizaciji i metodama obavljaju prikupljanje, prenos, obradu, memorisanje i distribuciju relevantnih podataka i informacija takoe predstavlja poslovni informacioni sistem. Moe se rei da je osnovna funkcija poslovnog informacionog sistema da, kroz poslovne procese obezbedi pouzdane informacije, koje omoguavaju efikasno upravljanje poslovnim sistemom. Poslovni informacioni sistem PIS je softverski paket modularno strukturisan. Modularnost ga ini veoma fleksibilnim sistemom i omoguava kvalitetno odravanje i usavravanje poslovnog sistema. Poslovni sistem je otvoreni sistem koji komunicira sa svojom okolinom, razmenjuje materiju, energiju i informacije. Efikasnost i efektivnost poslovnog informacionog sistema ogleda se u: relevantnosti informacija, adekvatnoj distribuciji informacija, pravovremenom dobijanju informacija, podesnoj formi informacija, primerenoj koliini informacija i
ad hoc dostupnosti potrebnih informacija.
Poslovne i druge vrste organizacija, kao i pojedinci, u savremenom drutvu zavise od informacionih sistema za upravljanje svojim procesima i aktivnostima, za odravanje kompetitivnosti na tritu, za ponudu razliitih usluga i za unapreivanje personalnih sposobnosti i kapaciteta. Izumom i dostupnou novih informacionih tehnologija IT, javljaju se nove mogunosti kako za organizacije tako i za pojedince.
109
IT informacione tehnologije, ugrauju se u sve vei broj proizvoda i usluga i upotrebljavaju se za kreiranje novih proizvoda i usluga. One iz osnove menjaju poslovne odnose u preduzeu, na primer e-poslovanje, telekonferencije i drugo. Vana osobina informacionih tehnologija je to da uestvuju u delotvornom kreiranju poslovnih strategija i u redefinisanju delatnosti preduzea. IT poveava poslovnu efikasnost i efektivnost kroz brzinu rada, smanjenje trokova poslovanja, kroz poveavanje uinka u organizaciji. Informacione tehnologije postale su veoma vaan resurs za upravljanje i odluivanje, informacija postaje dominantan resurs poslovanja. Uspeno upravljanje preduzeem i uspeno poslovanje nije mogue bez pouzdanih podataka odnosno informacija. Stoga podatke treba organizovano prikupljati, obraivati i skladititi. U tom smislu, pretpostavka uspenog poslovanja je i dobro razvijen informacioni sistem koji, u sutini, predstavlja proces prikupljanja, obrade i distribucije, odnosno korienja informacija, usmeren ka kvalitetnom upravljanju nekim poslom. U poslovanju, informacija predstavlja skup obraenih podataka datih u formi koja podstie donoenje poslovnih odluka. Informacioni sistemi nude raznim organizacijama i preduzeima operacionu podrku, implementaciju znanja i podrku menadmentu. Moderno korporativno upravljanje zavisi od informacionih sistema zasnovanih na sistemu raunara u cilju provoenja svojih poslovnih transakcija, upravljanja ljudskim resursima, a posebno u cilju donoenja kvalitetnih poslovnih odluka. Osnovne komponente poslovnih informacionih sistema su oprema i programi, kako sistemski tako i aplikativni, sveobuhvatne baze podataka, telekomunikacioni sistemi i tehnologije, ljudski resursi i metode obrade i prenosa
110
informacija (hardware, software, orgware, lifeware, dataware, middleware i netware). Hardware (HW) informacionog sistema ini materijalno-tehnika komponenta sistema, odnosno fiziki delovi raunarskog sistema namenjeni obradi i prenosu podataka. Software (SW) sistema predstavlja nematerijalnu komponentu sistema u vidu raunarskih programa koji su ugraeni u hardver i koji diktiraju nain obrade podataka. Orgware (OW) je organizaciona komponenta sistema i obuhvata organizacione postupke, metode i naine kojima se usklauje rad svih komponenti informacionog sistema, kako bi one inile skladnu i funkcionalnu celinu. Lifeware (LW) je kadrovska komponenta, koju ine svi zaposleni koji u bilo kojoj funkciji uestvuju u radu sa informacionim tehnologijama, bilo da su profesionalni informatiari, bilo da su samo korisnici rezultata obrade podataka. Dataware (DW) komponentu sainjavaju podaci, informacije i znanja, odnosno informacioni resursi koji postaju izuzetno vredna imovina svake organizacije. Middleware (MW) je komunikacioni sloj koji omoguava interakciju kroz hardversko i mreno okruenje sistema. Netware (NW) je mrena komponenta, a odnosi se na raunarske mree za povezivanje raunara u cilju razmene podataka i komunikaciju izmeu fiziki udaljenih raunara, pa se moe rei da ovu komponentu informacionog sistema ine telekomunikaciona sredstva i infrastruktura za prenos podataka na daljinu. Groupware (GW) je softver koji podrava interpersonalne procese i objekte, kategorija softvera koji 111
podrava rad grupa i timova. Primeri groupware aplikacija su: elektronske diskusione grupe, softver za konferencije, grupni kalendari, automatizacija poslovnih procesa, desktop video konferencije i jo mnogo drugih aplikacija. Poslovni informacioni sistem obezbeuje korisniku efikasno, sveobuhvatno i profesionalno organizovanje, praenje i kontrolu svih poslovnih procesa u preduzeu. Izradom kvalitetnog informacionog sistema preduzee dobija mogunost: uvanja, obrade i analize velike koliine podataka, planiranja i praenja realizacije poslovnog procesa, arhiviranja svih vrsta dokumenata, modernizovanja i automatizacije velikog broja poslovnih aktivnosti, obavljanja poslovnih aktivnosti koje zbog drugaije tehnologije rada ranije nisu bile mogue i potpunog uvida u svaki podsistem preduzea.
Poveavanjem broja raspoloivih podataka i kvalitetnom organizacijom njihove obrade, analize i arhiviranja, omoguena je kvalitetnija, pouzdanija i sadrajnija platforma za donoenje odluka na stratekom nivou. Informacioni sistem, delujui u okviru neke organizacije, omoguava organizaciji komunikaciju unutar sebe i sa njenim okruenjem. Prema tome, uslov opstanka bilo koje ogranizacije je da raspolae adekvatnim informacionim sistemom, u kojem su razraeni postupci svih informacionih aktivnosti. U nekim ogranizacijama te postupke obavljaju ljudi, a u drugima se koristi moderna informaciona tehnologija, to pokazuje da informacioni sistem moe biti manuelan ili kompjuterizovan, odnosno podran informacionim tehnologijama.
112
Informacione tehnologije poveavaju potrebu za efikasnom internom kontrolom i dodaju vie sistema nadzora, a isto tako obezbeuju mone poslovne alate svim zaposlenima. Analizom trenutne strukture poslovnog sistema i poslovnih procesa u preduzeu dobijamo potpunu sliku gde se preduzee nalazi. Ovakva analiza namee niz reenja u cilju unapreenja poslovnog procesa, a u zavisnosti od konkretnog odnosa potreba i mogunosti preduzea. Nakon usaglaavanja potreba, mogunosti i predloga, vri se kompletno projektovanje informacionog sistema, inicijalizacija baze podataka, implementacija programskog reenja, uz tehniku i korisniku dokumentaciju, i, na kraju, uvoenje sistema u eksploataciju.
IS uz interakciju sa okruenjem organizacije... Kupci Dobavljai Deoniari Konkurencija Drava
...je sastavni deo organizacije ULAZ Podaci OBRADA Informacije IZLAZ
Povratna informacija
Slika 21. Informacioni sistem organizacije Informacioni sistem treba da bude postavljen tako da bude: razumljiv svim korisnicima, jednostavan u predstavljanju informacija,
113
pouzdan i da daje obraene informacije u vrlo kratkim vremenskim intervalima.
U sledeoj tabeli prikazan je stari i novi pristup odluivanju kao i koje informacione tehnologije podravaju te pristupe; interakcija menadmenta i informacionih sistema.
R. STARI PRISTUP Br. (PRAVILO) 1. Menaderi donose sve odluke 2. 3. NOVI PRISTUP (PRAVILO) Donoenje odluka je deo aktivnosti svakog zaposlenog Radnik opte kvalifikacije moe raditi kao ekspert IT DSS
4.
Samo eksperti mogu ES realizovati sloene aktivnosti Informacija se moe Informacije mogu distribuirani dobiti samo na jednom nastati istovremeno IS mestu u jednom na vie mesta gde je i trenutku potrebno DB Rad sa informacijama Rad sa informacijama se beine zahteva posebne moe ostvariti na svakom komuniprostorije mestu kacije
Informacioni sistemi koji se sve vie implementiraju su kolaboracioni sistemi koji koriste groupware alate, Internet, Intranet i Ekstranet, kao i druge kompjuterske mree za poveanje meusobne komunikacije. U kolaborativnim sistemima, grupa korisnika kooperira i koordinira korienje zajednikih objekata za ostvarenje zajednikih ciljeva. Kolaborativni softver je osnova za raunarski podrane kooperativne poslove. Groupware se deli na tri kategorije zavisno od nivoa kolaboracije. Deli se na komunikacione alate, konferencijske alate i kolaborativne upravljake alate. 114
Dobar informacioni sistem i, pre svega, informacioni sistem koji integrie rad svih zaposlenih u preduzeu, moe doprineti identifikaciji profitabilnih trita i kreiranju prave strategije njihovog osvajanja.
115
3.1.
Sistemi za podrku odluivanju
Sistemi koji podravaju donoenje odluka imaju korene u teoriji informacija i nadogradnja su raznih naunih disciplina, prvenstveno informatike i menadmenta. Pojava sistema za podrku odluivanju, DSS (Decision Support Systems), donosi novi pristup ve poznatim konceptima informacionih sistema. Sam proces odluivanja iniciran je uoavanjem problema ili situacije u poslovnom procesu u kojoj neko stanje treba promeniti u cilju zadovoljavanja poslovnih ciljeva. Informacija predstavlja osnovu za donoenje poslovne odluke koja je u funkciji ostvarivanja ciljeva poslovnog procesa. Proces odluivanja se sastoji od sledeih faza: prepoznavanje problema, pronalaenje i ocenjivanje mogunosti, izbor optimalne opcije, provoenje odluke i ocena kako je uoeni problem reen.
Razvoj sistema za podrku odluivanju vezuje se za ezdesete godine prolog veka kada se poelo sa definisanjem strukturnih izvetaja. Ve krajem sedamdesetih godina dvadesetog veka pojavljuje se MDS (Management Decision Systems), a u osamdesetim godinama razvijaju se sistem grupnog odluivanja (GDSS Group Decision Support Systems), izvrni informacioni sistemi (EIS Executive Information Systems) i ekspertni sistemi (ES Expert Systems). Devedesetih godina prolog veka pojavljuju se sistemi skladita podataka (DW Data Warehouse) sa sistemom iskopavanja podataka (DM Data mining), potom
116
Intranet i interaktivno analitiko procesiranje (OLAP OnLine Analitical Processing). Sistemi za podrku odluivanju su aktivni sistemi koji su u mogunosti da odgovore na raznovrsne informacione zahteve pa su esto fokusirani na pojedinane, specifine odluke ili na grupu meusobno povezanih odluka. Konceptualno, sistemi za podrku odluivanju imaju svoje podsisteme. Podsistem za upravljanje podacima sastoji se od relevantne baze podataka i pripadajueg softvera za upravljanje tim podacima. Podsistem za upravljanje modelima je softverski paket koji sadri odgovarajue modele poslovnih procesa preko kojih se postiu visoko kvalitetne analitike sposobnosti samog sistema. Podsistem korisnikog interfejsa omoguava korisniku komunikaciju i upravljanje sistemu za podrku odluivanju. Ovaj podsistem kreira izlaze usklaene sa zahtevima korisnika. Arhitektura i mrea sistema za podrku odluivanju podrava pristup kako Intranetu organizacije tako i Internetu. Sistemi za podrku odluivanju namenjeni su prvenstveno za analizu istorijskih podatka, za planiranje i predvianje na stratekom i taktikom nivou menadmenta.
117
3.2.
Izvrni sistemi za podrku odluivanju
Veoma je vano pravilno formulisati zahtev kakve informacije menadment treba. Jednostavno, moe se rei da se javila potreba za sistemom koji predhodi DSS sistemu, za sistemom koji ubrzava izvrno odluivanje, sistemom koji ubrzava donoenje efikasnih odluka. Ovakv sistem je izvrni informacioni sistem (EIS Executive Information Systems). EIS je sveobuhvatan sistem, softverski paket, koji obezbeuje tekue i odgovarajue informacije menaderima koji donose izvrne odluke. Ovaj sistem predstavlja dobar alat pomou kojeg se kreiraju zbirni izvetaji za krajnje izvrioce. Sistem je lak za korienje, ima grafiku i komunikacionu podrku. EIS je podrka izvriocima u otkrivanju problema ili nekog kritinog dogaaja nakon ega pokree izvoz relevantnih podataka u Data Warehouse. Osnovne karakteristike EIS sistema su drill down i drill up tehnike, CSF (Critical Success Factors) kritini faktori uspeha, statusni pristup podacima, analiza, upravljanje podacima, komunikacija i mogunost izvetavanja o moguem odstupanju od postavljenih standarda. Drill Down i Drill Up tehnika analize jedna je od vanijih osobina EIS sistema zbog toga to obezbeuje detaljne preglede za bilo koji sumarni izvetaj. Kritini faktori uspeha su faktori koji su relevantni kod postizanja postavljenih ciljeva. Podaci i indikator izvetaji moraju biti strateki ili operativni, poroizvode se iz kritinih organizacionih podataka i podataka iz okruenja. Na primer, faktori uspeha mogu biti ili korporacijski ili na nekom niem operativnom nivou, na nivou poslovne, funkcionalne jedinice.
118
Statusni pristup podacima podrazumeva dnevno ili ee memorisanje transakcija i izvetavanje (real time). Analitika mogunost EIS sistema ogleda se u korienju ugraenih funkcija za viedimenzionalnu analizu podataka, na primer kreiranje OLAP kocke kao polazita postojeim alatima za budue analize. Upravljanje informacijama je vana karakteristika EIS sistema jer omoguava brzo i jednostavno pretraivanje velike koliine podataka. Komunikacija je takoe vana karakteristika EIS sistema jer podrava e-mail komunikaciju, prenos izvetaja, upotrebu Interneta kao i druge aktivnosti. Izvetavanje o odstupanju od postavljenih standarda bilo u pozitivnom ili negativnom smislu veoma je vano, predstavlja upozorenje korisniku koje ubrzava proces korekcije takve pojave. Moe se rei da je osnovni cilj EIS-a poboljanje kvaliteta i koliine informacija koje su potrebne izvriocima, izvrnom nivou poslovne organizacije, kroz pravovremeno informisanje, efikasan pristup operativnim podacima, davanje relevantnih informacija i bri pristup bazama podataka.
119
4. UPRAVLJAKI INFORMACIONI SISTEMI

Upravljaki informacioni sistemi MIS (Management Information Systems), sistemi su za prikupljanje, obradu, uvanje i irenje relevantnih informacija koje menaderima omoguavaju brzu analizu i brzo donoenje kvalitetnih odluka. Upravljaki informacioni sistemi obezbeuju bazu za upravljanje i donoenje odluka u organizaciji, obuhvataju meusobno povezane podsisteme koji ine jedinstvenu celinu. Podsistemi predstavljaju prvi nivo dekompozicije informacionih sistema, vezani su za vitalne funkcije realnog sistema i predstavljaju logiki i tehnoloki zaokruene celine, koje se mogu i odvojeno tretirati. Delovi informacionog sistema meusobno su povezani zajednikom bazom podataka, zajednikom tehnikom bazom, informacionim tokovima, jedinstvenim sistemom obeleavanja i jedinstvenom koncepcijom izrade. U logikom smislu, model poslovnog upravljakog informacionog sistema mora odraavati funkcionalnu organizaciju stvarnog sistema. Upravljaki informacioni sistem snabdeva menadment delimino agregiranim i kategorisanim informacijama iz transakcionog informacionog sistema i sadri unapred definisane izvetaje. Cilj je prikazati sveobuhvatan pregled aktivnosti poslovnog procesa. U prethodnom periodu razvoj MIS sistema, upravljakih informacionih sistema, donosio je i nove alate za upravljanje bazama podataka i istakao nove potrebe menadmenta, kako za internim tako i za eksternim informacijama, radi donoenja pravih odluka.
120
U preduzeu su definisane interne informacije koje omoguavaju cirkulaciju podataka i informacija kroz poslovni proces. Okolina namee eksterne informacije, podatke regulisane raznim propisima, koji se ugrauju u informacioni sistem preduzea i relevantne su za donoenje vanih odluka. MIS ima zadatak da obezbedi tako organizovane podatke koji su znaajni menaderima u procesu donoenja odluka. Kakvi e ti podaci biti, zavisi sa jedne strane od same organizacije poslovnih procesa u preduzeu, a sa druge strane i od primene savremenih softverskih alata. Menaderima su potrebne svee informacije dobijene bilo kada i bilo gde, informacije koje se integriu u informacioni sistem. Potreban im je jedinstven izvor podataka koji omoguava samostalno kreiranje izvetaja i koji e omoguiti konkurentnost na tritu. Potrebno je voditi rauna i o tipu menadmenta kojem su informacije potrebne. Upravljaki informacioni sistemi podravaju donoenje rutinskih odluka, uglavnom na nivou operativnog upravljanja i teite stavljaju na informacije i njihovu upotrebu za donoenje odluka, to je prikazano na sledeoj slici.
Slika 22. Hijerarhija odluivanja U poglavlju 2.2. u kojem se govori o menaderima prikazana je hijerarhija odluivanja iz koje se vidi da poslovni informacioni sistem moe biti prilagoen nivoima menadment
121
odluivanja, od operativnog do stratekog nivoa. Vidljivo je da MIS sistemi podravaju odluivanje na taktikom, srednjem nivou menadment odluivanja. Strateki, taktiki i operativni nivo menadmenta trebaju razliite informacije i podatke u svom procesu odluivanja. Vano je napomenuti da upravljaki informacioni sistemi menadmentu slue za snabdevanje agregiranim i rangiranim podacima dobijenim iz transakcionog dela informacionog sistema i neto manje iz pretraivanja okruenja organizacije. Najznaajnije osobine MIS-a su: MIS podrava struktuirane i polustruktuirane poslovne odluke koje se primarno donose na srednje i nie menaderske nivoe; MIS osigurava fiksni oblik primanja informacija u poznatom, unapred definisanom formatu; MIS obino prua jedinstvene, opsene i detaljne izvetaje koji zahtevaju da svaki pojedini korisnik sam pretrauje onaj deo informacija koje su mu potrebne; upotreba MIS-a zahteva formalnu proceduru postavljanja upita i pretraivanja; obino se pohranjuju i procesuiraju interni poslovni podaci organizacije, a neto manje podaci iz okruenja i prvenstveno je akcenat na podacima iz prolosti, a manje na onima iz budunosti.
Doprinos IT u upravljakom sistemu. IT mora biti integralni deo sistema upravljanja, moe pomoi dobrom
122
menadmentu da bude bolje, a loem menadmentu da bude ak i gore. Upravljake informacione sisteme, pored sistema za podrku odluivanju (DSS), ekspertnih sistema (ES) i poslovne inteligencije (BI), svrstavamo u sisteme za podrku menadmentu u odluivanju.
123
4.1.
Menadment poslovnih informacionih sistema MpIS

Moemo razlikovati sledee informacione sisteme: IS koji slue za reavanje strukturiranih problema, IS koji treba da prue podrku reavanju nestrukturiranih poslova i zadataka, predstavljaju vii kvalitet u razvoju IS i IS koji omoguavaju korienje velikih koliina podataka registrovanih u bazama podataka i bazama znanja.
Najvii nivo razvijenosti imaju kompjuterizovani informacioni sistemi koji su orijentisani na pruanje podrke menadmentu u odluivanju i upravljanju, upravljaki informacioni sistemi. Menadment poslovnih informacionih sistema (MpIS), upravljaki poslovni informacioni sistem, moe se definisati kao kompjuterizovani informacioni sistem koji podrava upravljanje i rukovoenje u poslovnim sistemima. MpIS obezbeuje menaderima i ostalim zainteresovanim stranama korisne informacije koje su im neophodne u svakodnevnom donoenju menaderskih odluka. Uspeno upravljanje preduzeem i uspeno voenje poslova nemogue je organizovati bez pouzdanih podataka odnosno informacija. U tom smislu, pretpostavka uspenog poslovanja je i dobro razvijen informacioni sistem. Upravljaki informacioni sistemi su sistemi koji osiguravaju standardizovane izvetaje za potrebe menadmenta, druge poslovne funkcije organizacije i institucija izvan organizacije.
124
Informacioni proces u sistemu moe znaajno olakati i ubrzati aktivnosti kao to su voenje zaliha, praenje podataka o kupcima, izvetavanje o postignutom. On osigurava razliite naine na koje menadment moe kontrolisati i nadzirati operativne procese u organizaciji. Operativni i raunovodstveni procesi su u znaajnoj meri integrisani. Menadment kreira operativne i informacione procese i uspostavlja njihovo funkcionisanje tako to osigurava ljude, opremu i ostale resurse potrebne za njihovo izvravanje. Evolucija MIS sistema: 19501960 1960970 19701980 19801990 19902000 Transaction Processing Systems Management Information Systems Decision Support Systems Executive Information Systems, End User Computing Knowledge Based Systems Internet worked E-Business i Ecommerce
125
4.1.1. Upravljanje informacijama

Upravljanje informacijama se razvilo tokom sedamdesetih i osamdesetih godina, a fokusirano je na manipulaciju informacijama, vrednovanje informacija, bez obzira na to koje se informacione tehnologije koriste. U ovom kontekstu informacija podrazumeva dokumente, podatke i poruke. Informacione tehnologije se fokusiraju na prenos informacija, a upravljanje informacijama i upravljanje znanjem se fokusiraju na sadraj i kvalitet informacija, kao i na uticaj te informacije na primaoca i na organizaciju. Razliiti tipovi informacija imaju razliite vrednosti a njima se upravlja na razliite naine, to predstavlja sutinu upravljanja znanjem. Upravljanje poslovnim informacijama je sistem koji pomou prikladnih programskih reenja svojim korisnicima omoguava pouzdano i uspeno korienje postojeih informacija. Pristupanjem informacijama preko korisnicima prilagoenih programa poslovne inteligencije korisniku je omogueno dobijanje odgovora na vana pitanja i donoenje ispravne poslovne odluke. Tradicionalni informatiki programi za analizu poslovnih informacija nisu napravljeni da bi ih koristile prosene osobe. Takav pristup ograniava pravovremeni pristup informacijama i iziskuje veliki finansijski troak. Danas sve vie ljudi sa razliitim informatikim znanjem treba pristup do informacija koje su im potrebne za rad.
126
Nadmone tehnologije poslovne inteligencije nude upravljanje poslovnim informacijama kao reenje sloenog poslovnog problema, zbliavanje ljudi i informacija u pokuaju dobijanja prednosti pred konkurencijom. Takva moderna programska reenja svojom jednostavnou omoguuju pristup vanim informacijama razliitim korisnicima. Neki e korisnici primati tek distribuirane izvetaje, tako da e manje vremena troiti za skupljanje informacija, a vie za njihovo analiziranje. Korisnici koji trebaju dodatne ad hoc vrednosti imaju na raspolaganju prvoklasnu OLAP & reporting tehnologiju. Informacije su upravljane tako da rade za preduzee. Pristupaju im sve osobe s definisanim ovlaenjima, daju im dodatni smisao kroz izvetaje, prezentuju ih, analiziraju i dele s drugima. Organizacija razume potrebe svojih kupaca, isporuuje na vreme, brzo odgovara na zahteve trita i lako se prilagoava promenama poslovne klime. Ona je produktivna, fleksibilna i agilna, jer svi njeni zaposleni imaju pristup pravim informacijama na pravom mestu i u vreme kada su im potrebne.
127
4.2.
ERP Sistem za planiranje i upravljanje
Danas, u naprednim organizacijama i preduzeima, informacioni sistemi koji podravaju vie funkcionalnih jedinica (marketing, finansije, proizvodnju, ljudske resurse...), integrisani su u takozvane sisteme za planiranje i upravljanje resursima preduzea (eng. Enterprise Resource Planning ERP). Sistemi za planiranje i upravljanje resursima preduzea podravaju kompletni sled aktivnosti preko kojih preduzee moe dodati vrednost na svoja dobra i usluge. Mnogi sistemi za procesovanje transakcija podravaju elektronsko poslovanje preko Interneta. Izmeu ostalih, to su online sistemi za kupovinu, online banka i sistemi koji oobezbeuju sigurne transakcije.
Drugi sistemi nude informacije, usluge obrazovanja i razonodu po zahtevu. ERP Enterprice Resource Planning, Wikipedia definie kao pokuaj da se podaci i procesi u preduzeu integriu u jedinstven informacioni sistem. I zaista, ako pogledamo proseno preduzee kod nas, videemo da ono u najveem broju sluajeva u svom poslovanju koristi nekoliko informacionih sistema: informacioni sistem za fakturisanje, informacioni sistem za finansije i raunovodstvo, informacioni sistem za proizvodnju...
128
Praktino, najee se koristi jedan knjigovodstveni program, kao obaveza preduzea da radi u skladu sa zakonom, kao i veliki broj dokumenata ili manjih programa u Wordu, Excelu ili Accessu koji pokrivaju odreene oblasti poslovanja. Ovakav nain poslovanja ne moe obezbediti kvalitetne analize menadmentu, jer su analize jako teke ili nemogue, tako da je menadment esto prinuen da donosi vane odluke za budunost preduzea na osnovu iskustva ili pretpostavki. Zavisno od veliine preduzea i sloenosti poslovnih procesa, raste i rizik da e donete odluke biti loe, ako ne i kobne po budunost preduzea. Prednost ERP softverskih reenja je to to su integrisani svi poslovni procesi u preduzeu. Uspenom integracijom poslovnih procesa dolazi se do dobre podele rada i efekta sinergije prilikom upravljanja preduzeem. Podela rada u menadmentu omoguava podelu odgovornosti, bolje praenje i kontrolu. Poslovni procesi grupisani su po modulima, a svaki modul predstavlja jednu funkciju preduzea, s tim to su neke funkcije sadrane u veem broju modula radi efikasnijeg praenja i kontrole. Modularnost ERP reenja ini poslovne procese fleksibilnim i omoguava dogradnju sistema postepeno, u skladu sa rastom preduzea i poveavanjem sloenosti poslovnih procesa. Svaki modul predstavlja jedan program ili grupu manjih programa. Svi potrebni poslovni podaci uvaju se u jedinstvenoj bazi podataka kojoj korisnici pristupaju u skladu sa definisanim pravima pristupa, dozvoljenom autorizacijom. Najei moduli u ERP paketu su: upravljanje finansijama, Supply Chain Management (SCM), Customer Relationship Management (CRM), e-poslovanje, upravljanje proizvodnjom, upravljanje uslugama (Service Management), distribucija, prodaja i marketing.
129
Sledea, moe se rei i najbitnija, prednost ERP programskih reenja je standardizacija: svi poslovni procesi odvijaju se u skladu sa standardima koji su implementirani u velikom broju preduzea. Razvijeni sistemi su vie ili manje fleksibilni, ali njihova osnovna prednost sastoji se u tome to se poslovni procesi odvijaju u skladu sa optimalnim kriterijumima do kojih se dolo kroz proces razvoja i implementacije aplikativnog softvera. Stoga, uspenom implementacijom i pravilnim korienjem ovakvog softvera postiu se najbolji rezultati u poslovanju. ERP sistem se implementira postepeno (step-by-step), odjednom (big bang), ili se implementira modul po modul (roll out). Na izbor strategije implementacije utie organizaciona struktura, raspoloivi resursi, stav menadmenta prema promenama, specifinosti okruenja itd. Koji su nedostaci ERP reenja? Moe se rei da je cena ERP softverskih reenja uglavnom mnogo via od cene prosenog poslovnog softvera, dok je period njegove implementacije znatno dui. Ovakva reenja nude mnogo vei broj funkcionalnosti, a proces njihove implementacije predstavlja ozbiljan projekat. U okviru projektnih faza potrebno je: snimanje procesa, stanja i sistem analiza poslovnih
dizajn sistema i implementacija, prenos podataka iz prethodnog sistema, obuka korisnika i prilagoavanje softvera zahtevima preduzea u kome se softver uvodi.
130
Potreban je odluan stav menadmenta da ulae u budunost preduzea, kao i ozbiljno angaovanje svih zaposlenih. Moe se rei da ERP reenja nailaze na najbolju primenu u srednjim i velikim preduzeima i poslovnim sistemima. Neko je rekao: ERP reenja je najbolje uporediti sa prekookeanskim brodom. Ovakav brod zahteva velika ulaganja, veliki broj lanova posade, ali i donosi najvee efekte ukoliko treba da prevezemo veliku koliinu robe sa jednog na drugi kraj planete. Ipak, svaki iskusan kapetan zna da je za uspenu plovidbu najvanija kvalitetna, iskusna i pre svega motivisana profesionalna posada. Informacioni sistemi postoje u nekoj formi u svakom preduzeu, a postojali su i pre raunara. Svakom preduzeu u razliitim fazama ivotnog ciklusa potrebni su manje ili vie sloeni informacioni sistemi. Porast obima poslovanja svakog malog preduzea utie na to da menadment donosi odluku o zapoljavanju makar jednog knjigovoe i sve vie zaposlenih u onim poslovnim procesima koje donose dobit. Tako se namee i potreba za raunarskom mreom i programom u kome se mogu evidentirati materijalne i knjigovodstvene promene. Kako preduzee raste, tako se namee potreba za grupisanjem poslovnih procesa u okviru poslovnih funkcija, kao to su: nabavka, marketing, prodaja, finansije, raunovodstvo, ljudski resursi, 131
proizvodnja, istraivanje i razvoj i kvalitet.
Tada veina aplikativnih programa, zbog poveanog obima poslovanja i velikog broja zaposlenih, vie ne zadovoljava potrebe preduzea. Preduzee vri neophodnu reorganizaciju i uvodi ozbiljan informacioni sistem koji moe da rei tekue probleme i koji moe da se nadograuje, da raste zajedno sa preduzeem. U ovakvim situacijama najbolje su se pokazala ERP poslovna reenja, koja:
uvode odgovarajue standarde poslovanja, obezbeuju uspeno praenje i kontrolu poslovnih procesa, vre podelu obaveza i odgovornosti, obezbeuju bolju komunikaciju izmeu zaposlenih, obezbeuju lake donoenje menaderskih odluka primenom alata za podrku odluivanju i ine odlinu polaznu osnovu za uvoenje i sprovoenje standarda sistema kvaliteta u preduzeu.
132
poslovne funkcije
proizvodnja prodaja marketing finansijee kadrovi
poslovni procesi kupci dobavljai
INFORMACIONI SISTEM
Slika 23. Informacioni sistemi u preduzeu Poslednjih nekoliko godina svedoci smo ponude velikog broja ERP softverskih reenja. Veina ovih reenja su rezultat razvoja stranih softverskih kua, mada ima i nekoliko domaih reenja, odnosno reenja softverskih kua sa prostora bive Jugoslavije. Poslovanje preduzea u treem milenijumu dobrim delom zasniva se na informacijama. Tako informaciona podrka postaje neophodna kako za velika, tako i za srednja, mala i mikro preduzea. ERP sistem obino koristi relacionu bazu podataka ili je integrisan sa takvom bazom. Poslovni informacioni sistem spada u kategoriju ERP sistema ako: prua efikasno upravljanje procesima u organizaciji, postoji zajednika baza podataka i omoguava promptne odgovore na zahteve. postavljene
133
poslovne funkcije proizvodnja prodaja marketing finansije kadrovi
kupci
Baze podataka poslovnih procesa ERP INFORMACIONI SISTEM
dobavljai
Slika 24. ERP sistem preduzea Informacioni sistem DataLab Pantheon kreiran je upravo za takve izazove. To je visokointegrisan poslovni informacioni sistem koji povezuje praktino sve oblasti poslovnih procesa. Program Pantheon primeren je za svaku poslovnu delatnost. Sa zadovoljstvom ga koriste proizvodna, usluna i trgovaka preduzea. Odgovara bilo kojoj veliini preduzea mikro, srednjim i velikim preduzeima.
134
Slika 25. Rasprostranjenost Pantheon programa Uprkos irokom spektru, neke vrste preduzea su meu korisnicima ovog ERP sistema izraenije zastupljene. To su prvenstveno brzorastua preduzea, gde su potrebe za snanom i pristupanom poslovnom informatikom najvee. Pantheon koristi preko 4.600 preduzea i 14 zemalja. U pitanju je veoma fleksibilno ERP poslovno reenje koje pokriva sve poslovne procese u preduzeu i lako se moe povezivati sa drugim sistemima, bazama podataka i Internetom. Pantheon se moe u potpunosti prilagoditi poslovnim procesima preduzea, usklaen je sa postojeim i stalno se usklauje sa novim zakonskim propisima, radi na vie jezika i omoguava viejezine izvetaje koje je mogue izvesti iz sistema u vie formata (DOC, XLS, PDF, TXT, CSV, DBF). DataLab je na CeBitu sajmu u Hanoveru 2008. osvojio pestino priznanje European seal of Excellence, koje dodeljuje E-Accelerator.
135
European seal of Excellence se dodeljuje evropskim IT kompanijama, koje se, zahvaljujui inovacijama i implementacijom kvalitetnih reenja, na polju marketinga znatno izdvajaju i prevazilaze ostale. Meu pobednicima iz prethodnih godina nalaze se kompanije kao to su Nokia, Strato, Alcatel i sline. Ova manifestacija je organizovana pod pokroviteljstvom Europian Multimedia Foruma (EMF). EMF je najvea evropska neprofitna organizacija za promociju veih konkurenata u digitalnom marketingu. Preko 5.000 kompanija iz oblasti informacione tehnologije i multimedija je uestvovalo u organizaciji. Nagrada se dodeljuje od 2003. godine. Pobednika bira iri, koji ini 11 lanova.
Slika 26. DataLab prikaz ERP sistema u preduzeu (DataLab sajt) Kraj XX i poetak XXI veka obeleili su brojni novi trendovi u poslovanju. Jedan od tih trendova je i polarizacija trita, odnosno trend nestajanja srednjeg sloja, bilo da se radi o srednjim preduzeima, proizvodima i uslugama prosenog kvaliteta i prosene cene, nestajanju srednjeg sloja drutva.
136
Koji su uzroci ovih pojava? Prvi bitan uzrok je smanjivanje uea cene rada u ceni gotovog proizvoda. Mnogoljudne zemlje, kao to su Kina i Indija, ine to kroz nisku cenu radne snage, dok razvijene industrijske zemlje ovaj efekat postiu automatizacijom proizvodnje. Drugi uzrok, ini se mnogo bitniji, jeste brz razvoj informacionih i komunikacionih tehnologija koje su standardizovale i ubrzale poslovne procese, olakale proces donoenja kvalitetnih menaderskih odluka i olakale uspostavljanje poslovnih kontakata, ma gde se u svetu nalazili poslovni partneri. Kako se trita polarizuju? Polarizacija trita odvija se u dva smera: ponuda robe i usluga namenjenih irokoj potronji masovna proizvodnja i ponuda robe i usluga namenjenih specifinim segmentima, trinim regijama ili pojedincima male serije ili pojedinana proizvodnja.
U prvom sluaju profit se ostvaruje sniavanjem trokova proizvodnje, dok je u drugom sluaju on posledica razlike u ceni koju su kupci spremni da plate za proizvode koji zadovoljavaju njihove specifine elje i potrebe. Da bi preduzee bilo uspeno, ono mora da sazna ko su njegovi kupci, odnosno: kojem tritu e nuditi robu i usluge, koju cenu je trite spremno da plati, koji nivo kvaliteta trite oekuje i
137
ta jo treba preduzee da uradi da bi zadralo postojee kupce i proirilo trite.
Vaan segment poslovanja je analiza konkurencije; preduzee treba da upozna proizvode konkurentskih preduzea, kao i proizvode koji mogu da modifikuju elje i potrebe kupaca i zauzmu deo trita kao suplement proizvoda ili usluga preduzea. Nove tehnologije skrauju put proizvoda od proizvoaa do kupca, tako da budunost skoro svakog preduzea ne lei toliko u masovnoj proizvodnji koliko u zadovoljavanju specifinih potreba kupaca i razvijanja trajnog poslovnog odnosa preduzea i kupaca. Dobar informacioni sistem i, pre svega, informacioni sistem koji integrie rad svih zaposlenih u preduzeu moe doprineti identifikaciji profitabilnih trita i kreiranju prave strategije njihovog osvajanja. Informacioni sistem treba da pomogne da se utvrde i eliminiu nepotrebni trokovi, kao i da bude integrisan sa Internetom i drugim aktuelnim vidovima komunikacije. Drugim reima, informacioni sistem treba da olaka put roba i usluga ka kupcima, odnosno da usmerava preduzee ka pravilnoj distribuciji, ciljanoj promociji i ponudi roba ili usluga ime preduzee postaje bolje od konkurencije.
Slika 27. Motivacija za uvoenje ERP sistema
138
U sledeoj tabeli prikazana je impletacija razliitih verzija PantheonTM programa u junu 2008. godine.
Drava Bosna Slovenija Srbija Hrvatska Crna Gora Makedonija Kosovo Maarska Italija Nemaka Bugarska Kipar Rumunija Slovaka
Broj preduzea 654 2.748 583 486 91 70 18 2 2 2 1 1 1 1 4.660
Broj korisnika 2.011 7.526 2.585 1.446 282 177 81 8 7 6 15 8 17 4 14.173
139
4.3.
BI Poslovna inteligencija
Savremeno poslovanje zahteva pristup svim relevantnim strukturama podataka uz prezentaciju konkretnih sintetizovanih informacija. Donoenje poslovnih odluka treba biti bazirano na saznanju o uzrocima i sagledavanju posledica koje te odluke stvaraju. Vano je naglasiti da savremeno poslovanje zahteva trenutno raspoloive analize, ad hoc analize.
Slika 28. Savremeno poslovanje Pojam poslovna inteligencija ima dva osnovna znaenja vezana za korienje termina inteligencija. Prvo je ljudska inteligencija primenjena u poslovnim aktivnostima u sistemima za donoenje odluka, DSS Decision Support System. Drugo znaenje je inteligencija kao informacija vrednovana na osnovu svoje relevantnosti, primenljivosti i aurnosti, koristi se u ekspertnim sistemima u reavanju upravljakih problema. Stoga se moe rei da je poslovna inteligencija iroka paleta aplikacija i tehnologija za prikupljanje, obradu i analizu podataka.
140
Poslovna inteligencija BI47 predstavlja nadogradnju informacionih sistema u cilju podrke poslovanju preduzea. Upravljanje poslovnim performansama preduzea zahteva sveobuhvatan i blagovremen uvid u indikatore uspenosti kako bi donesene odluke bile precizne i pouzdane. Savremene menadment teorije kau da ovakav uvid u pokazatelje uspenosti treba omoguiti to veem broju zaposlenih, a zauzvrat se oekuje njihova vea efikasnost i odgovornost u ostvarivanju poslovnih rezultata. Poslovna inteligencija se sve vie irila kako se proces kontrole irio, pojavila se nova paradigma rad sa znanjem. Radnici koji imaju znanje postavljaju nove zahteve pred informacione sisteme, odnosno pred sistem poslovne inteligencije. Postoje mikro i makro aspekti posmatranja poslovne inteligencije. Sa makro aspekta poslovna inteligencija je sloena, agregirana kategorija koja se stvara sistemskim ili neciljanim prikupljanjem podataka iz okoline, njihovim pohranjivanjem i obradom sa ciljem pronalaenja makroekonomskih trendova i predvianja procesa u makroekonomskim sistemima. Svaka organizacija koja tako shvati poslovnu inteligenciju okrenue se ka svom okruenju i u njemu traiti izvore podataka na osnovu kojih e graditi nova saznanja i donositi odereene zakljuke. Sa mikro aspekta, organizacija treba permanentno otkrivati prikrivena znanja iz poslovnih podataka koja se rutinski prikupljaju u svakodnevnim poslovnim transakcijama. Izvori ovih podataka unutar su same organizacije i treba ih svrsishodno uvati, odravati i sistematski obraivati.
47
BI Business Intelligence
141
Uslov za uspeno izvoenje novih ili prikrivenih znanja iz rutinski prikupljenih poslovnih podataka, jeste primena informacionih tehnologija, posebno internetske tehnologije, uz podrku odgovarajuih logikih ili raunskih metoda i softverskih paketa. Ovakvi proizvodi su proizvodi poslovne inteligencije. U centru panje su aplikacije za praenje uspenosti, kljuni pokazatelji poslovanja (KPI48) postavljaju se kao ulazni parametri za izradu Balanced scorecard projekata49. Informacioni sistemi u preduzeima, bankama i drugim organizacijama sadre mnotvo informacija koje su esto nepovezane, neblagovremene i nepotpune, pa menaderi u proseku utroe devedeset posto vremena da dou do potrebnih informacija, a samo deset posto da ih analiziraju i, na osnovu toga, donesu odluke. Uoeno je da informacije stiu sa zakanjenjem u sedamdeset posto sluajeva, i da ti podaci preteno ukazuju na posledice, a ree na uzroke stanja. Zato se u svetu ve odavno i ubrzano radi na razvoju i primeni sistema za poslovnu inteligenciju koji predstavlja skup metoda, softvera i aplikacija za efikasno, sveobuhvatno pribavljanje neophodnih informacija. Ovakve aplikacije, tehnologije i metode mogu osposobiti organizacije da donose utemeljenije poslovne odluke i tako im dati konkurentnu prednost. Na primer, preduzee bi moglo da koristi ovakve aplikacije i tehnologije u proceni podataka koji su prikupljeni iz okruenja, a van su podruja poznatih vrednosti, i pomou njih predvideti predstojee trendove u svom poslovnom procesu. U kontekstu poslovnih informacionih reenja, pojam poslovna inteligencija oznaava spektar tehnolokih reenja za prikupljanje podataka, analizu podataka i distribuciju
48 49
KPI Key Performance Indicators Balanced scorecard Sistem uravnoteenih pokazatelja. Tvorci ovog sistema za podrku odluivanju su Robert Kaplan i David Norton.
142
informacija u obliku izvetaja, kako bi korisnici mogli donositi poslovne odluke na osnovu pravovremenih i odgovarajuih informacija, te odrati i uvrstiti vlastitu konkurentnost na tritu. Izuzetno je vano brzo reagovati na promene, brzo donositi odluke da bi organizacija opstala na tritu. Poslovna inteligencija se intenzivnije poela razvijati automatizacijom poslovnih procesa u preduzeu, odnosno kada su preduzea poela sa implementacijom transakcionih informacionih sistema koji su generisali velike koliine podataka. Tehniki gledano, poslovna inteligencija je proces koji sirove podatke pretvara u informacije koje se nakon sveobuhvatne analize koriste u procesu odluivanja. Sistem poslovne inteligencije nudi prikupljanje i analizu podataka. Povezivanje korisnih injenica a zanemarujui nevane injenice, prepoznavanje odgovarajuih odluka i pravaca delovanja odmeravajui mogue rizike, pruaju podrku odluivanju. Jednostavno, poslovna inteligencija koristi aplikacije i alate za donoenje odluka. Reenja u domenu poslovne inteligencije obezbeuju jednostavan pristup izvetajima i analizama. Jedinstveni softverski alati pokrivaju ceo poslovni proces organizacije i omoguavaju detaljne analize poslovnih aktivnosti i rezultata organizacije u celini. Poslovna inteligencija belei sve veu primenu. Do veih promena dolazi u sredinama gde se poslovna inteligencija ve primenjuje. Pojavljuje se nova paradigma rad sa znanjem. Radnici sa znanjem50 generiu nove potrebe koje poslovna inteligencija treba da obezbedi. Ovi radnici analiziraju makro trendove kao to su globalizacija,
50
knowledge workers
143
zaotravanje trine utakmice i poveanje uea uslunih delatnosti u stvaranju bruto nacionalnog dohotka, i mikro trendove, kao to je sve vea uloga uslunih procesa, promena naina donoenja odluka, skraivanje vremena donoenja odluka i sve vei zahtevi za mogunost predvianja. Na osnovu ovih trendova radnici sa znanjem obavljaju istraivanja, koriste rezultate tih istraivanja, komuniciraju sa svojom okolinom, stvaraju predloge, razmenjuju miljenja te na kraju odluuju ili predlau odluke. Da bi ovo bilo mogue, potrebni su odgovarajui proizvodi, proizvodi poslovne inteligencije. Stoga su u centru panje aplikacije za praenje uspenosti. Poslovna inteligencija poboljava pravovremenu dostupnost kao i bolji kvalitet samih informacija, a menaderima omoguava bolji uvid u poloaj njihove firme u poreenju sa konkurencijom. Tek uz poslovnu inteligenciju, organizacija je u stanju da stvarno razume ono to ve zna. Organizacija koja eli da ojaa svoju konkurentnost, optimizuje svoje poslovne procese, pojednostavljuje pretraivanje, pristup i analizu informacija, i pre svega implementira ideju transformacije neobraenih podataka u informacije sa razumljivim znaenjem. Sve ovo se mnogo bre postie uz sistem poslovne inteligencije. Interesantno je citirati nekoliko definicija poslovne inteligencije. Poslovna inteligencija je nain dostavljanja pravih informacija u pravom formatu u prave ruke u pravom trenutku. Dobar sistem poslovne inteligencije prikuplja informacije iz svih delova preduzea, analizira ih, priprema potzrebne izvetaje i alje ih ljudima koji ih trebaju (Steve Murfitt)51. Pojednostavljeno definisano, poslovna inteligencija je proces prikupljanja raspoloivih internih i relevantnih eksternih
51
Steve Murfitt, Business Intelligence Consultant, USA
144
podataka, te njihove konverzije u korisne informacije koje mogu pomoi poslovnim korisnicima pri donoenju odluka (Vinod Badami)52. Poslovna inteligencija prati redosled poslovnih dogaaja.
52
Vinod Badami, direktor odseka za BI, RCG Information
Technology, Inc. Edison, New Jersey, USA.
145
4.3.1. CRM Customer Relationship Management

Jedino i najvanije podruje interesovanja kompanije trebalo bi da budu oni kojima prodaju proizvode i usluge klijenti (pojedinci, drutva, druga preduzea, dravne ustanove...). Moderan i zadnjih nekoliko godina esto upotrebljavan termin jeste osiguravanje egzistencije odravanjem kvalitetnih odnosa sa kupcima (CRM Customer Relationship Management). Moderna tehnologija je i ovom segmentu dala svoj peat, tako da veliki broj strunjaka CRM poistoveuje sa: call centrima, interaktivnim Web portalima, bazama podataka, data warehausing i data mining reenjima, programskim paketima za automatizaciju prodajne sile...
Sve to stvara nejasnoe kod veine i skriva staru poslovnu istinu da je mnogo lake pronai proizvode i usluge za ljude koje poznajete, nego da pronaete ljude za proizvode i usluge koje imate. Kupac je kralj i svi u racionalnoj organizaciji moraju biti koncentrisani na stvaranje vrednosti kupcu. Vano je prepoznati pravog kupca, stoga svi trebaju biti koncentrisani na stvaranje vrednosti za njega. To se preesto uzima zdravo za gotovo. Malo je kompanija u svetu koje mogu da se pohvale da su uspeno implementirale CRM, poto ih njihovi klijenti i 146
dalje ne doivljavaju kao ka kupcu orijentisane organizacije. Da bi se organizacije oslobodile opsesije sopstvenim proizvodima ili uslugama, potrebno je da se istovremeno primeni: Menadment vrednosti kupca CVM, Menadment vrednosti zaposlenih EVM i Menadment odnosa sa kupcem CRM.
Menadment vrednosti kupca (CVM Customer Value Management) odgovara na dva kljuna pitanja: 1. Kako da prepoznam potrebe kupca? 2. U koje kupce ima smisla investirati? Odgovor na prvo pitanje dobiemo ako paljivo sasluamo, kupci e nam rei ta i kada to ele. U procenjivanju da li ono to smo uli zaista ima vrednost, od velike pomoi je hijerahija potreba koja e pokazati kako da kupcu uputimo izuzetno preciznu poruku koju je nemogue odbiti. I ako kupac oduevljeno prihvati ponudu, treba biti oprezan, jer ono to je kupac eleo jue moda nije ono to eli danas. Potrebno je znati njihove elje im se promene, ili, jo bolje, predvideti ih. Na drugo pitanje je odgovorio Vilfrido Pareto (pravilo 80:20 ili 90:10). Studije koje je sprovela Manhattan Consulting Group pokazuju da 20% kupaca stvara 150% profita, a 40% kupaca eliminie ak 50% profita. Identifikacija realne vrednosti kupca ne sme da se zasniva samo na lako dostupnim podacima koliko je novaca on ostavio kod nas. Vano je i koliko je do sada investirano u njega i kakav je njegov potencijal za stvaranje socijalnih veza (umreavanje) da bi se glas o preduzeu proirio to vie (tajna uspeha kompanije Google).
147
Dobro obavljen domai zadatak na temu CVM, menadment vrednosti kupca, i precizno izraunavanje sadanjeg i budueg potencijala kupaca stvara preduslove za: ciljane marketinke kampanje, smanjenje trokova i oseaj najvernijih kupaca da su tretirani kao kraljevi.
Meutim, to nije dovoljno. Kada se krene u realizaciju strategije ka kupcu orijentisane organizacije u prvi plan dolazi Menadment vrednosti zaposlenih, EVM (Employe Value Management). Ako je kupac kralj, zaposleni je u najmanju ruku princ. Ako se pitate ta je to to dovodi u vezu zapoljavanje i zadravanje najboljih ljudi sa privlaenjem i zadravanjem najboljih kupaca, odgovor je sve. Lekcija koja mora da se naui pre implementacije CRM-a jeste ta da kupca ne moete zadovoljiti rukama ve samo srcem! Veina ljudi nije u stanju da odredi vrednost proizvoda, ali svi smo u stanju da ocenimo ljubaznost, brzinu i profesionalnost zaposlenih.
Iskustvo kupca je lanac kontakata koje je imao u pokuaju da doe do proizvoda ili usluge. Ukupno iskustvo zavisi od duine lanca i najslabije karike. Nije teko objasniti zaposlenima u marketingu i prodaji kako je klijent vaan, ali, to nije dovoljno. Ali ta ako pitate nekoga u proizvodnji? Znaju li ljudi iz odravanja ko su vai kupci? Napravite eksperiment. Idite u proizvodnju i pitajte nekoga za koga su ti proizvodi.
148
Preduslovi za stvaranje racionalne kompanije su sedam velianstvenih vetina racionalnih ljudi: svesnost o kupcima, preduzetno razmiljanje, prilagoavanje, preduzimanje inicijative, inovacije, saradnja i ostvareni uticaj.
Svi koji rade u racionalnoj kompaniji moraju biti majstori svih tih vetina. Izostanak bilo koje vetine je mogua slaba karika. U principu, CRM ne bi trebalo primenjivati u onim poslovima: gde kupci kupuju proizvod samo jednom u ivotu, gde je jedinina vrednost proizvoda izuzetno niska i tamo gde ne postoji nikakva potreba da se insistira na direktnom kontaktu izmeu prodavca i krajnjeg kupca. gde je mogue prodati mnogo razliitih proizvoda istom kupcu, gde vredni proizvodi ubrzano zastarevaju ili gde se proizvodi pod pritiskom konkurencije stalno unapreuju.
Sa druge strane, CRM je idealan za one poslove: -
149
CRM je condicio sine qua non53 za one poslovne organizacije koje imaju VIP kupce i moraju da znaju mnogo o njima, kao i za one organizacije koje rutinski prikupljaju veliki broj podataka o kupcima za svoje aktivnosti. Svaka organizacija treba svog klijenta da vodi kroz sve faze poslovne veze, treba na pravi nain da upravlja odnosima sa svojim klijentima. Za uspean CRM potrebno je u organizaciji razvijati kulturu usluge kod zaposlenih, obratiti panju na vane detalje, na pozitivan pristup klijentima. Jednostavno, treba izabrati osoblje koje voli da radi sa ljudima. Bez obzira na tehnologiju i propise, u poslu opstaje samo onaj ko stvara oduevljene kupce!
53
Condicio sine qua non, latinska izreka: uslov bez kojeg se ne moe neto uiniti.
150
4.3.2. BPM Upravljanje poslovnim procesima

Logika evolucija informacionih tehnologija, zahtevi za brzim prilagoavanjem firmi, automatizacija radnih tokova sprovedena u CRM-u, ERP sistemima i sistemima upravljanja dokumentacijom, ne zadovoljava zahteve svih organizacionih procesa. Danas u poslovnim procesima vai pravilo 80/20 koje kae da je 80% vremena u poslovnom procesu nekorisno a samo 20% se realno radi. Veina softverskih reenja radi na smanjenju vremena u kome se realno radi. Softver za kontrolu radnih tokova smanjuje i takozvano mrtvo vreme, ali nije efikasan kada su u pitanju procesi na nivou celog preduzea. Trite za upravljanje poslovnim procesima (BPM Business Process Management) nastalo je kao rezultat konvergencije etiri trina segmenta, od kojih je svaki reavao samo deo problema: 1. Automatizacija poslovnih procesa WA (Workflow Automation) koja se fokusirala na ljudske procese, 2. EAI (Enterprise Application Integration) koja se fokusirala na razmenu informacija izmeu razliitih sistema, 3. Modeliranje i analiza poslovnih procesa koja se fokusirala na detaljno razumevanje poslovnih procesa i uticaja promena na te procese i 4. Nadzor nad poslovnim aktivnostima BAM (Business Activity Monitoring) koji se fokusirao na analizu efikasnosti poslovnih procesa.
151
Softver za kompletno BPM reenje mora pokriti sve gore navedene oblasti. Upravljanje poslovnim informacijama je sistem koji pomou prikladnih programskih reenja svojim korisnicima omoguava pouzdano i uspeno korienje postojeih informacija. Pristupajui informacijama preko programa prilagoenih korisnicima, mogue je dobiti odgovore na vana pitanja i donoenje ispravne poslovne odluke. Tradicionalni informatiki programi za analizu poslovnih informacija nisu napravljeni da bi ih koristile prosene osobe, oni ograniavaju pravovremeni pristup informacijama i iziskuju velika finansijska ulaganja. Danas sve vie ljudi sa razliitim informatikim znanjem treba pristup do informacija koje su im potrebne za rad, za donoenje poslovnih odluka. Nadmone tehnologije poslovne inteligencije nude upravljanje poslovnim informacijama kao reenje sloenog poslovnog problema, zbliavanje ljudi i informacija u pokuaju dobijanja prednosti pred konkurencijom. Takva moderna programska reenja svojom jednostavnou omoguavaju pristup vanim informacijama irokom krugu korisnika. Neki korisnici e primati distribuirane izvetaje, tako da e manje vremena troiti za prikupljanje informacija, a vie za njihovo analiziranje. Korisnici koji trebaju dodatne ad hoc vrednosti imaju na raspolaganju prvoklasnu OLAP&reporting tehnologiju. Informacijama se upravlja tako da preduzee ima koristi. Njima pristupaju sve osobe s definisanim ovlaenjima. Na osnovu njih organizacija se prilagoava promenama poslovne klime. Automatska koordinacija i kontrola poslovnih procesa vri se pomou raunara i odgovarajueg programa WFM (Work Flow Management). Ovaj program preuzima i 152
automatizuje deo menaderskih poslova tako to se podaci o odvijanju poslovnih procesa koriste za njihovu kontrolu, i uzimaju se kao osnova za donoenje operativnih i stratekih odluka. Funkcije WFM-a, programa za upravljanje tokovima procesa, su: pravovremeno pokretanje aktivnosti, obavetavanje o prekoraenju termina, upravljanje i odluivanje, pravovremeno informisanje i fleksibilnost poslovnog procesa.
Ove funkcije se dele u dve grupe, na grupu funkcija koje pripadaju koordinaciji i na grupu funkcija koje pripadaju kontroli. Koordinacija se ogleda u pokretanju aktivnosti, dodeli radnih zadataka, upravljanju tokom procesa i kreiranju podsetnika zaposlenima o zadatim rokovima. Komponente kontrole su praenje toka procesa, potovanje zadatog vremena, kontrola ovlaivanja, merenje efikasnosti zaposlenih i povratne informacije od zaposlenih u preduzeu.
Slika 29. Upravljanje poslovnim procesima
153
Projektovanje i definicija procesa zapoinju analizom poslovnog procesa, modeliranjem i definisanjem alata poslovnih procesa (mrea poslovnih aktivnost, uesnici procesa, programi, podaci, uslovi i drugo). Izvrenje i kontrola procesa kroz WFM omoguavaju interakciju sa korisnicima, alatima aplikacijama. Kao rezultat dobijamo podatke bitne za sistem i kontrolne podatke za eventualnu korekciju poslovnih procesa. sistem i IT WFM samih
Analizom poslovnih procesa dobijamo odgovore na piatanja ko, koji, koje i ta: Ko su uesnici u poslovnom procesu, koje aktivnosti ine proces, koji dogaaji pokreu i ko su pokretai aktivnosti, koji je cilj odreene aktivnosti, ta je rezultat te aktivnosti i ko je odgovoran za izvoenje aktivnosti?
Slika 30. Projektovanje i definisanje poslovnih procesa Vano je definisati protokol ponaanja koji predstavlja skup aktivnosti svakog uesnika u poslovnom procesu:
154
dozvoljeno vreme trajanja aktivnosti, dozvoljeno vreme kanjenja i nain i interval izvetavanja o preostalom vremenu.
Upravljanje poslovnim procesima predstavljeno je na sledeem dijagramu kao viestruka interakcija izmeu IT aplikacija i poslovnih resursa.
Slika 31. Dijagram poslovnih procesa Uvoenjem sistema za upravljanje poslovnim procesima, BPM sistema, ukidaju se nesigurne kompleksne veze izmeu aktivnosti u poslovnom procesu. Sa stanovita arhitekture, ovakvo vienje BPM-a se uklapa u novi koncept poslovanja SOA (Service Oriented Architecture), gde web servisi funkcioniu po pozivu, unutar aplikacije, sa ciljem da se organizacijama omogui kombinovanje tih usluga stvarajui dinamika reenja, poslovanje po niim cenama. Uspean BPM je preduslov za SOA.
155
Slika 32. Upravljanje poslovnim procesima Poznata Gartner grupa54 definisala je 2003. godine osnovne elemente BPM sistema, a to su: 1. grafiki alati, alati za analizu, modeliranje i definisanje tokova procesa, 2. izvrni segmenti koji omoguavaju izvrenje definisanih tokova procesa, uz ukljuenje potrebnih automatskih servisa ili ljudskih aktivnosti, 3. elementi za prilagoenje koji omoguuju podeavanje u letu radnih tokova, radnih lista i prioriteta, 4. alati za nadzor i upravljanje nad tokovima procesa i 5. alati za analizu. Osnovne karakteristike BPM-a Gartner grupa je prepoznala 2002. godine: 1. konverzija poslovnih procesa u elektronsku formu, 2. potpuna automatizacija svih koraka kroz integraciju sa organizacionim aplikacijama,
54
Gideon Gartner je 1979. godine formirao Gartner grupu koja se specijalizovala u istraivanju i analizi menadmenta i proizvela vie od 2.000 relevantnih izvetaja za skoro svaku oblast IT sveta.
156
3. formulari dobijaju inteligentnu formu ime se izbegavaju greke pri popunjavanju formulara, ili automatsko umesto runog popunjavanja. 4. ugraivanje kontrolnih karakteristika koje osiguravaju integritet procesa i kompenzaciju moguih ljudskih ili sistemskih greaka, 5. pravovremene povratne informacije o statusu procesa i 6. merenje i optimizacija vremena i trokova procesa. Koje su koristi od BPM sistema, sistema za upravljanje poslovnim procesima? Skraenje vremena zavretka procesa, odnosno skraenje aktivnog i neaktivnog vremena, smanjenje broja koraka unutar procesa, automatizacija koraka u procesu i paralelno izvravanje koraka procesa. Optimizacija procesa i eliminacija nepotrebnih koraka je bitna korist koju daje BPM sistem. Smanjenje broja administrativnih poslova. greaka zbog automatizacije
ta se eli postii uvoenjem BPM sistema? Ovim sistemom postie se vee zadovoljstvo korisnika, ukljuivanje klijenata i poslovnih partnera u poslovne procese pruanjem novih mogunosti saradnje, kao i vea prilagodljivost same organizacije. Moe se zakljuiti da nije pitanje da li, nego kada i kako e biti implementiran BPM sistem. Ovaj sistem se implementira za:
upravljanje procesima: kreiranje, modeliranje, automatizacija i opis procesa,
157
upravljanje radnim tokovima: kreiranje, simulacija i modeliranje radnih tokova, upravljanje poslovnim aktivnostima, kroz nadzor poslovnih aktivnosti i upravljanje programima i podacima kroz integraciju i razmenu informacija irom preduzea.
BPM sistem nalazi se u centru procesa, od razvoja sistema i njegove implementacije, preko upravljanja procesima, do optimizacije svih aktivnosti kojima opet dolazi do razvoja novih aktivnosti sistema kao mehanizma kontrole procesa.
Slika 33. Analiza poslovnog procesa. Koji su principi preduslov za uspean BPM? Nije potrebno upravljati svim procesima. Ukoliko u poslovnom sistemu postoje loi procesi, automatizacija ih nee popraviti. Veoma je vana podrka najvieg rukovodstva u procesu uspostavljanja BPM sistema koji se treba primeniti na razliitim organizacionim nivoima. BPM se primenjuje kod timskih procesa, odeljensko-funkcionalnih procesa, kod procesa poslovnih jedinica i procesa orijentisanih ka kupcimaklijentima. 158
Sistem upravljanja poslovnim procesima predstavlja menadment kulturu, koja obuhvata: poslovne procese, tehnologiju, metodologiju podrke postavljanju ciljeva, monitoring performanse, analizu podataka i diseminaciju irenje informacija.
Zajednika karakteristika uspenih BPM inicijativa je na netehnikim elementima, kao to su podrka izvrnog menadmenta, reinenjering poslovnih procesa, interna komunikacija i upravljanje projektima. Iz prethodno reenog, moe se zakljuiti da osnovu BPM-a ini dobra IT arhitektura i odgovarajui korisniki softver. Korisniki softver kreira i automatizuje uee svih zainteresovanih strana u jednoj organizaciji u upravljanju poslovnim performansama u: planiranju i predvianju, analizi i izvetavanju, finansijama ...
i istovremeno podrava donoenje ad hoc odluka. Mnoge organizacije su utroile znaajna sredstva na ERP sisteme, CRM i druge pakete, ime su postigle odgovarajuu operativnu efikasnost, a sada moraju ponovo da investiraju zbog BPM i poslovne inteligencije BI. Zbog toga se od BPM softvera oekuje mnogo, osnovna struktura BPM reenja predstavljena blok dijagramom:
159
Slika 34. BPM reenje Koji su kriterijumi za izbor dobrog BPM softvera? Vaan kriterijum je funkcionalnost koja predstavlja podrku organizacionim ciljevima i potrebama raznih grupa korisnika. Drugi kriterijumi su integrisana softverska platforma, integracija podataka iz razliitih izvora (ERP, CRM, HRM...), samostalno opsluivanje sistema, odravanje i nadogradnje sistema i uticaj na ostale sisteme i kvalitet poslovnog modela ponuaa softverskog reenja BPM sistema. BPM sistemi primenjuju se i u malim i srednjim preduzeima, jer i manje firme mogu imati sline probleme kao velike, moda u manjem obimu, ali i sa manje raspoloivih resursa za njihovo reavanje. Rastom firme, od male privatne, kojoj su dovoljne MS Excel tabele, preko geografski, internacionalno dislocirane ili multinacionalne javne firme, rastu i potrebe za sve sloenijim softverom.
160
4.3.3. KM Upravljanje znanjem

U godinama koje su iza nas tehnologija je bila faktor konkurentnosti i u skladu sa tim cilj preduzea bio je obezbeivanje tehnologije koja e omoguiti konkurentsku prednost. Ulaskom u vek znanja promenilo se mnogo stvari. Organizacije su shvatile da tehnologije koje se koriste, a potiu iz izvora van organizacije, samo nakratko obezbeuju monopolsku poziciju, a samim tim i konkurentsku prednost, jer ubrzo putem difuzije te tehnologije dolazi do njenog omasovljavanja i degradacije u smislu konkurentnosti. Organizacije, a pre svega preduzea proizvodnog tipa, uvidele su da jedino tehnologija kreirana u sopstvenom istraivanju i razvoju omoguava dugoronu konkurentnost. Interni razvoj tehnologije zahtevao je angaovanje svih intelektualnih kapaciteta unutar organizacija i to je bio inicijalni korak u razvoju discipline upravljanja znanjem. Upravljanje znanjem KM55 dobija zadatak da integrie napore preduzea na polju stvaranja novog i raspolaganja postojeim znanjem u okviru svoje organizacije. U skladu sa tim, jasna tenja organizacije je da se to bolje pripremi za program upravljanja znanjem na osmiljen nain savremenog drutva i okruenja u kome jedino znanje doprinosi opstanku pojedinca i organizacije. Sve vei kvantum znanja iz razliitih oblasti, kao i neophodnost da se to znanje iskoristi u poslovnom procesu preduzea, uslovio je razvoj discipline upravljanja znanjem kao kljune oblasti menadmenta u realnom vremenu i buduem periodu. Akcenat se sa informacije, kao stratekog resursa, preneo na znanje kao osnovu konkurentnosti savremenih preduzea.
55
KM Knowledge Management
161
Upravljanje znanjem se jednostavno moe definisati kao disciplina koja promovie kreiranje, deljenje i korienje organizacionog znanja. Proces se odnosi na strategiju i strukturu za maksimiziranje doprinosa intelektualnim i informacionim resursima. S obzirom na to da intelektualni kapital postoji u nevidljivoj formi (edukacija ljudi, iskustvo i ekspertiza), i vidljivoj formi, (dokumenti i podaci), upravljanje znanjem zavisi od kulturnih i tehnolokih procesa koji se odnose na kreiranje, prikupljanje, deljenje, kombinovanje i upotrebu znanja. ta je cilj upravljanja znanjem? Cilj KM-a je kreiranje nove vrednosti putem poboljanja efektivnosti i efikasnosti individualnog znanja i znanja kreiranog kroz saradnju, istovremeno poboljavajui inovativnost i brzinu donoenja odluka. Upravljanje znanjem, kao i svaki sistem, ima svoju vrednost kako u prolosti tako i u sadanjosti, ta njegova kombinacija s novim idejama koje su svi ionako znali ljudima koji ga koriste daje mogunost novog pogleda na stvari. Sistem upravljanja znanjem ima svoju vrednost a u kombinaciji sa novim idejama i ljudima koji sistem koriste, daje novi pogled na organizaciju i njenu okolinu. Ve je u predstavljanju organizacije koja ui naglaeno da sposobnost zaposlenih da uestvuju u kolektivnom znanju kao i da rade predstavlja menadment znanja. Upravljanje znanjem gradi se na idejama upravljanja ljudskim resursima i daje svojim korisnicima jasan pregled ljudskog kapitala organizacije. U budunosti upravljanje znanjem moe ii u dva pravca. Jedan pravac upravljanja znanjem je, kao i kod upravljanja kvalitetom, da se, kroz transparentnost, njegove
162
bitne ideje i ciljevi stope u organizaciju i da postane potpuno prirodan segment u poslovanju organizacije. Drugi, kompleksniji, pravac je da se krene u reinenjering poslovanja. U nekim sluajevima reinenjering poslovanja organizacije predstavlja sinonim za smanjenje organizacije, to je esto donelo vie tete nego koristi. Upravljanje znajem predstavlja odgovor na ekonomske i socijalne trendove: globalizaciju, informatizaciju i centralizovan pogled na sveobuhvatno znanje organizacije.
Znamo da globalizacija postaje nova sudbina, nova sila koja pokree konce svakodnevnog ivota. Savremenu globalizaciju pokreu ekonomski motivi, koncept otvorenog drutva. Ovaj faktor promena u svetu, globalizacija, utie i na ljude i na tehnologije, ima tendenciju da bilo koja jedinica, aktivnost ili tehnologija prevazie dimenziju bilo kojih granica. Ona moe uticati na svakoga irom sveta, na oveka utie da globalno razmilja a na tehnologiju tako da infrastruktura bude pristupana bilo gde i bilo kome. Globalizacija je najoigledniji i najjasniji krivac promena. Kompleksnost i obim globalne trgovine, koliina globalnih uesnika, proizvoda i distribucionih kanala, vea je nego ikada. Ubrzanje svih elemenata globalne trgovine, uglavnom zbog informacione tehnologije, i opadanje centralizovanih ekonomija stvorili su pravu pomamu unutar organizacija koje pokuavaju to bre na to irem tritu ponuditi nove proizvode i usluge. Ova situacija globalnih razmera dovodi organizaciju pred pitanja: ta zna, ko zna, ta ne zna a trebala bi da zna?
163
Prema Akofu56, sadraj ljudskog uma moe se podeliti na pet kategorija: Podaci: simboli, Informacija: podaci koji su obraeni da bi bili upotrebljivi i korisni, odgovaraju na pitanje ta, ko, gde i kada, Znanje: primena podataka i informacija, odgovara na pitanje kako, Razumevanje: odgovara na pitanje zato, Mudrost: vrednuje razumevanje.
Slika 35. Prelaz od podatka ka mudrosti
56
Russell L. Ackoff (1909) profesor emeritus na University of Pennsylvania, jedan od dvadeset najveih teoretiara iz oblasti menadmenta
164
Kako se pristup informacijama poveava, tako ljudi lake dolaze do informacija koje trebaju, u svako vreme i na bilo kojem mestu. Manje evidentan, ali ne manje vaan trend je centralistiki pogled na znanje u organizacijama. Informacija je proces i predstavlja aktivnost komunikacije. Informisati znai preneti znanje nekome. Traei informaciju, mi zadovoljavamo svoju linu potrebu da tom informacijom upotpunimo svoje znanje. Ukoliko neki podatak, ili mnotvo podataka koje smo primili, ne povea nivo naeg postojeeg znanja, onda ti podaci ne predstavljaju informaciju. Kakav je nain komunikacije prisutan u naim ivotima? Svaki put kada dobijete, na primer, neko reenje od bilo koje dravne institucije, soc-realistini nain komunikacije dolazi do izraaja. Pa i u poslovnoj komunikaciji naih firmi prepoznajemo taj duboko ukorenjeni princip komunikacije radi komunikacije. U poslednjih nekoliko godina velika koliina podataka i informacija, pa samim time i eksplicitnog znanja, kao i velika koliina tihog znanja, ija je cena vrlo visoka, spremana je u baze podataka. U organizacijama sve ee preovladava centralistiki pogled na znanje. Upravljanju znanjem najvie su doprineli: upravljanje informacijama, upravljanje kvalitetom i upravljanje ljudskim kapitalom i resursima.
Osim to nudi znanje na koritenje, upravljanje znanjem koristi razliite tehnike i naine rasprostiranja i korienja znanja. 165
Upravljanje informacijama se razvilo tokom sedamdesetih i osamdesetih godina, a fokusira se na manipulisanje informacijama, vrednovanje informacija, operacione tehnike, nezavisno o informacionoj tehnologiji koja se koristi. Informacija u ovom kontekstu podrazumeva dokumente, podatke i strukturisane poruke. Informaciona tehnologija, s druge strane, fokusira se na sam prenos informacija, dok se upravljanje informacijama i upravljanje znanjem fokusira vie na sadraj i kvalitet informacija i na uticaj te informacije na primaoca i/ili organizaciju. Upravljanje informacijama otkriva da nisu svi tipovi informacija jednako vredni i da se njima upravlja na razliite naine. Ovaj pogled je postao sr upravljanja znanjem danas. Upravljanje kvalitetom fokusirano je na klijente, zajednike procese i zajednike ciljeve unutar organizacije i primenjuje se u procesu proizvodnje, dok upravljanje znanjem ima iri pogled i pristup. Upravljanje ljudskim kapitalom i resursima je dobro poznato sa teoretske strane, ali se u praksi teko prihvata investicija u vrednost ljudskog kapitala. Istraivai u oblasti ljudskih resursa naglaavaju da je mogue ostvariti poveani finansijski rezultat investiranjem u pojedinane obuke i kolovanja. U mnogim organizacijama ulaganje u obrazovanje zaposlenih tretira se kao troak a ne kao investicija. Ipak, praksa je pokazala da se ovakva investicija brzo vraa. Upravljanje ljudskim resursima fokusira se na pojedinca, a upravljanje znanjem na vee grupe, zajednice i mree. Postoji iroki opseg neusaglaenih razmiljanja o KM, disciplini upravljanje znanjem, a pristupi variraju od autora do autora. Kako je sazrevala KM disciplina, tako su sazrevale i akademske debate o njoj, kako teoretski tako i praktino sa tenjom prihvatanja sledeih pristupa:
tehnocentrini,
166
organizacijski i ekoloki.
Tehnocentrini pristup, sa fokusom na tehnologiji, pogodan je kada se eli proiriti podela znanja i rast znanja i omoguen je tehnolokim reenjima kao to su ekspertni sistemi, neuronske mree, semantiki web. Organizacijski pristup je fokusiran na uspostavljanje organizacije koja e omoguiti proces prikupljanja, stvaranja i deljenja znanja. Ekoloki pristup je fokusiran na interakciju ljudi, njihovu individualnost, znanja i okruenja, kao adaptivni sistem prirodnom eko sistemu. Upravljanje znanjem je praksa mobilisanja i eksploatisanja intelektualnog kapitala da bi se ostvarila konkurentska prednost i privrenost potroaa kroz efikasnost i bre i efektivnije donoenje odluka. Na primer, strunjaci Svetske banke upravljanje znanjem tretiraju kao proces sistematskog povezivanja ljudi i ljudi sa znanjem i informacijama da bi se efektivno delovalo i da bi se kreiralo novo znanje. Pokretanje inicijative upravljanja znanjem doprinosi poboljanju performansi organizacije i pojedinaca kroz identifikaciju, osvajanje, vrednovanje i prenos znanja. Upravljanje znanjem je, znai, novi, interdisciplinarni poslovni model koji upravlja svim aspektima znanja u kontekstu preduzea, ukljuujui kreiranje, kodiranje i deljenje znanja, ime se utie na promovisanje uenja i inovacija. U praksi, upravljanje znanjem povezuje tehnoloke alate i organizacione pretpostavke u jedinstvenu celinu.
167
Rudy Ruggles57, jedan od vodeih mislilaca i praktiara iz ove oblasti, identifikovao je sledee elemente kao integralne komponente koncepta upravljanja znanjem: generisanje novog znanja, raspolaganje korisnim znanjem iz spoljnih izvora, korienje raspoloivog znanja za donoenje odluka, ugraivanje znanja u procese, proizvode i/ili usluge, prikazivanje znanja u dokumentima, bazama podataka i softveru, olakavanje irenja znanja kroz organizacionu kulturu i inicijativu, transfer postojeeg znanja u druge delove organizacije i merenje vrednosti znanja i uticaja upravljanja znanjem.
Ove definicije kau da je upravljanje znanjem, sistematski i organizaciono, proces za prikupljanje znanja, organizovanje i komunikaciju zaposlenih, tako da drugi zaposleni mogu koristiti to znanje u cilju poboljanja efektivnosti i produktivnosti svog rada. Kako odabrati model strukture organizacije za mogunost primene koncepta upravljanja znanjem? U pojedinanom testiranju modela organizacione strukture treba poi od uslova za koje je ta struktura primerena. Nakon toga, svaku strukturu treba precizno preispitati, predloiti eventualne promene u okviru strukture i dati
57
Rudy Ruggles, direktor Ernst & Young's Centra za poslovanje i inovacije u Bostonu, vodeeg centra za istraivanje u oblasti upravljanja znanjem u organizacijama
168
odreene sugestije u vezi sa mogunostima i nainima implementacije koncepta upravljanja znanjem za svaku pojedinanu strukturu. Moe se zakljuiti da izbor modela organizacione strukture mora da zadovolji vie kriterijuma i uslova. Kriterijumi efektivnosti, efikasnosti, fleksibilnosti i profitabilnosti su granica prihvatljivosti projekta upravljanja znajem u okviru date strukture. Interni uslovi kao to su zaposleni, rukovodstvo, organizaciona klima, liderstvo, sistem nagraivanja, kanjavanja i slino, kao i eksterni faktori, treba da budu uvaeni i razmatrani prilikom finog podeavanja parametara strukture za potrebe upravljanja znanjem. Sugerisana reenja nikako ne treba shvatiti kao obavezujua, ve kao sistem razmiljanja prilikom izbora adekvatnog reenja. Svaka konkretna organizacija treba da preispita svoju strukturu, treba da utvrdi svoje potrebe za upravljanjem znanjem, da proui teorijske modele i, na kraju, da donese reenje koje je primereno konkretnom sluaju. Osnovni elementi opteg modela upravljanja znanjem u organizaciji su:
odreeni ciljevi, prioriteti i zadaci znanja, plan transformacije od kako jeste do kako e biti, jasno predstavljena mapa znanja, mere i procene znanja i sistema upravljanja znanjem, rukovodioci i ostala lica odgovorni su za razvoj i odravanje mrea i mapa znanja kao i za meru i procenu znanja i sistema upravljanja znanjem, IKT i vetaka inteligencija,
169
eksplicitno znanje, implicitno znanje iji su nosioci ljudi, nauna istraivanja, inovacioni programi i projekti i rezultati upravljanja znanjem.
Napredne informacione tehnologije i vetaka inteligencija treba da omogue artikulaciju i vizualizaciju mapa znanja, meru i procenu stanja, zadataka i ciljeva znanja i sistema u celini, da omogue karakterizaciju i mapiranje znanja i sposobnosti, da omogue dostupnost i promenljivost izvora eksplicitnog znanja. IKT i vetaka inteligencija obezbeuju dvosmerne interakcije i razmene izmeu elemenata i izvrilaca upravljanja znanjem. Protok znanja u organizaciji poinje definisanjem ciljeva koje treba ostvariti, identifikacijom relevantnih znanja, kako unutranjih tako i spoljanjih, prikupljanjem postojeeg znanja i kreiranjem novog znanja, dokumentovanjem i skladitenjem znanja i, na kraju, integracijom u sistem znanja organizacije. Ovaj krug se zatvara upotrebom znanja, procenom korisnosti znanja i povratnom vezom koja e omoguiti bolje definisanje ciljeva i zadataka znanja. Carla O`Dell58 i Karl Wiig59 su identifikovali est glavnih strategija kojima se koriste vodee organizacije radi sticanja vrednosti od implementacije upravljanja znanjem: 1. 2. 3. 4.
58
Upravljanje znanjem kao poslovna strategija Transfer znanja i najbolje prakse Znanje usredsreeno na kupca/korisnika Lina odgovornost za znanje
Carla ODell, predsednica American Productivity & Quality Center (APQC) 59 Karl Wiig, predsednik Knowledge Research Institute, Inc., USA
170
5. Upravljanje intelektualnom imovinom 6. Inovacije i kreacija znanja Sistemi upravljanja znanjem (SUZ) mogu se podeliti u dve kategorije, u sistem upravljanja znanjem u uem i u irem smislu. U irem smislu predloeni su mnogi sistemi koji podravaju upravljanje znanjem. U tom smislu, izraz SUZ se odnosi na informacione i komunikacione tehnologije upotrebljene za upravljanje znanjem. SUZ u uem smislu pomau u kreiranju, lociranju, sticanju, rekonstruisanju, deljenju i primenjivanju znanja, tako da u tom smislu SUZ oznaava sisteme podrke osoblju koje se bavi znanjima u upravljanju znanjem. Sveobuhvatni sistem upravljanja znanjem kombinuje i integrie funkcionalnosti nekoliko sistema kao to su: - upravljanje dokumentima i sadrajima, - upravljanje poslovnim procesima, - Intranet, - Groupware, - skladite podataka, - poslovna inteligencija. Upravljanje znanjem je ira koncepcija koja obuhvata sistem za pronalaenje, razumevanje i korienje znanja kako bi se postigli definisani ciljevi. Ovakav sistem upravljanja znanjem treba da utie na poslovne aktivnosti strateki, taktiki i operaciono i da proizvede efekat na upravljanje ljudskim resursima, proizvodnju, kontrolu, organizovanje i druge poslovne aktivnosti. ta su pokretai upravljanja znanjem? Mnogo je razloga koji su inicirali upravljanje znanjem, a neki od njih su:
171
znanja steena razvojem mnogobrojnih proizvoda i usluga postaju sve vie dostupna, potreba za sve kraim ivotnim ciklusom proizvoda i upravljanje organizacijskim inovacijama, uticaj ekspertize i eksperata u organizacijama, iskoriavanje mrenog efekta kao produktivnih veza meu zaposlenima to je omoguilo deljenje znanja meu ljudima u organizaciji, upravljanje sve veim brojem podataka i informacija u kompleksnom poslovnom okruenju ime se zaposlenima omoguava organizacijsko uenje baziranog na brzom znanju i resursima najbolje prakse, upravljanje intelektualnim kapitalom i intelektualnom imovinom zaposlenih uz pomo vrhunskih strunjaka koji imaju ta znanja i sposobni su da ga prenesu na druge, poveanje sposobnosti organizacije da odgovori na organizacijske promene u okruenju.
KM, upravljanje znanjem, podrava strateke ciljeve poslovnog sistema sa ciljem:
deljenja zajednike inteligencije, poboljanja performansi poslovnog sistema, podizanja stratekih prednosti i podizanja inovativnih sposobnosti organizacije.
Teorija i praksa upravljanja znanjem je za neke autore osnovna paradigma u upravljanju i korienju intelektualnog kapitala. Jedan od prvih uspeha upravljanja znanjem je ponovno koritenje i transformacija znanja, eng. reacknowledge. Svaka konkretna organizacija treba da preispita svoju strukturu, treba da utvrdi svoje potrebe za upravljanjem 172
znanjem, da proui teorijske modele i, na kraju, da donese reenje koje je primereno konkretnom sluaju. Sistem upravljanja znanjem je IKT sistem u smislu aplikacionog sistema, ili IKT platforma koja kombinuje i integrie funkcije za kontekstualizovano manipulisanje eksplicitnim i neizrecivim znanjem kroz organizaciju ili onaj deo organizacije na koji je usmerena inicijativa upravljanja znanjem.
173
4.3.4. HRM Upravljanje ljudskim resursima

Za svaku organizaciju je vano da vodi brigu o svojim klijentima, ali isto tako veoma je vano da vodi brigu i o svojim zaposlenima. Disciplina koja se bavi sveobuhvatnim sagledavanjem upravljanja ljudskim resursima u preduzeu, od planiranja potreba za njima, njihovog pribavljanja i optimalnog rasporeivanja, voenja i motivisanja, do njihove zatite i unapreivanja, danas se najee naziva upravljanje ljudskim resursima. Upravljanje ljudskim resursima je dobro poznato sa teoretske strane ali u praksi se teko prihvata investicija u vrednost ljudskog kapitala. Istraivai u oblasti ljudskih resursa naglaavaju da je mogue ostvariti poveani finansijski rezultat investiranjem u pojedinane obuke i kolovanja. HRM je nauna disciplina koja ukljuije sve procese i aktivnosti koji imaju za cilj upravljanje ljudskim resursima neke organizacije. Ljudi, njihove potrebe, motivacije i zadovoljstvo postaju centar panje upravljanja ljudskim kapitalom, jer ljudski kapital organizacije predstavlja glavnu karakteristiku konkurentske sposobnosti i prednosti na globalnom tritu. Preduzea koja su ulagala u usavravanje i obuku zaposlenih, u stvaranje ugodnog radnog okruenja, i koja su primenila realan motivacijski platni sistem, postala su uspeniija. U mnogim organizacijama ulaganje u obrazovanje zaposlenih tretira se kao troak a ne kao investicija, meutim praksa je pokazala da se ovakva investicija brzo vraa. Upravljanje ljudskim resursima fokusira se na pojedinca, a upravljanje znanjem na vee grupe, zajednice i mree.
174
Svaka uspena organizacija mora graditi lojalnost svojih zaposlenih pozitivnom motivacijom. Kompanije su zakljuile da nije dovoljno voditi rauna o muterijama, ve treba gledati i na zaposlene, odnosno, otvoriti sve komunikacijske kanale unutar kompanije. Graenje odanosti zaposlenog je vaan cilj svake kompanije. HRM bi trebalo da zaposlenom da priliku da se upozna sa novostima kompanije, ta je planirano da se podigne kvalitet rada i nivo znanja svakog zaposlenog. U sledeoj tabeli prikazan je strateki HRM. Personalna administracija TEHNIKI Administracija plata Podaci o radnicima Odravanje Osiguranja Menadment ljudskih resursa STRATEKI Dizajn organizacije Menadment kompetencija Menadment performansi Upravljanje kompenzacijama Razvoj organizacije Interni ili vanjski tehniki resurs Funkcije ljudskih resursa i konsultanata Menadment ljudi DNEVNI Reavanje dnevnih problema Individualna motivacija Upravljanje razliitostima Reavanje konflikata Monitoring Menadment kadrova
Menadment ljudskih resursa tradicionalno je bio posmatran kao centar trokova, drugim reima, kao teret
175
organizacije. Informaciono-komunikacione tehnologije i znanja zaposlenih moraju postati ravnopravan partner menadmentu preduzea. Potrebno je prepoznati njihov rerspektivni zajedniki uticaj na budunost organizacije. U poslovnom kraljevstu, ljudi su blago! (Autor nepoznat.)
176
4.3.5. DW Skladite podataka

Na globalnom tritu konkurencija je sve vea, a kupci su sve zahtevniji. Organizacije permanentno proveravaju svoju konkurentnost i tragaju za uspenom poslovnom strategijom. Svoju strateku prednost nastoje ostvariti adekvatnim planiranjem trita, inovacijom proizvoda, korektnim odnosom sa kupcima i brzim donoenjem odluka, a za to su potrebne pravovremene i relevantne informacije. Svako ko razmatra koncept skladita podataka ima svoje miljenje vezano za optimalan nain konstruisanja DW-a. Dva istaknuta zagovornika arhitekture skladita podataka su Bill Inmon60 kojeg smatraju ocem DWa i Ralph Kimball61 kreator Data martova. Bil Inmon smatra da je DW deo sveobuhvatnog sistema poslovne inteligencije. Kompanija ima jedno skladite podataka i Data martove sa izvorima podataka u tom skladitu podataka. U skladitu podataka podaci su smeteni u treoj normalnoj formi. Kimbal je poznat kao inovator u oblasti skladita podataka. Uveren je da DW treba biti dizajniran tako da bude brz i razumljiv. Njegova definicija DW-a je: DW je kopija promena podataka posebno strukturisanih za upite i analize. Definie skladite podataka kao konglomerat Data martova kompanije. Po njemu su podaci uvek smeteni u
60
William Harvey Inmon, Bil Inmon otac skladita podataka, imenovan je od strane Computer worlda 2007. godine kao jedan od deset ljudi koji su imali najvie uticaja u raunarskoj industriji u zadnjih 40 godina. 61 Ralph Kimball je osniva Kimball grupe koja se bavi ekspertizom DW-a i obukom iz oblasti skladita podataka.
177
dimenzionalnom modelu62. Data mart, ili mart podataka, odnosi se na bazu podataka za podrku odluivanju izgraenu za jednu organizacionu jedinicu ili poslovni proces, to je logiki podskup skladita podataka. Data mart pokriva samo jedan segment poslovanja, jednu temu. U sledeoj tabeli prikazane su osobine skladita podataka i Data martova:
Ovo su dve razliite filozofije skladita podataka. U stvarnosti, skladita podataka su blia filozofiji Kimbala zbog toga to veina DW-a poinje kao baza podataka pojedinih odeljenja u korporaciji, tako da su ona proizvedena kao Data martovi koji se kasnije ukljuuju u skladite podataka. Skladite podataka koristi najmanje tri razliite aplikacije: 62
osnovne radne aplikacije, aplikacije za upite i izvetaje i aplikacije za anlizu i planiranje.
Dimenziono modeliranje je tehnika logikog modeliranja koje se koristi u skladitu podataka sa ciljem podrke upitima krajnjeg korisnika prema DW-u.
178
Osnovne radne aplikacije su tabele i statistiki paketi, grafiki alati koji su korisni za upravljanje i prezentovanje podataka na individualnim raunarima. Razvijeni u samostalnom okruenju, ovi alati koriste aplikacije koje mogu da obrauju samo manju koliinu podataka iz skladita podataka. Aplikacije dizajnirane za upite i izvetaje obrauju podatke koristei jednostavne radne upite i generiu osnovne izvetaje. Iako ovi izvetaji sadre istorijske podatke, ne zadovoljavaju potrebe preduzea za dubljim analizama. Aplikacije koje se koriste za analizu i planiranje zadovoljavaju sutinske potrebe poslovnih procesa kao to su predvianje, analiza proizvodnje, proizvodne aplikacije koje koriste postojee podatke, eljene ili tano izdvojene podatke neophodne za odreenu analizu, finansijska konsolidacija, profitabilnost. Skladite podataka, za razliku od drugih vrsta informacionih sistema, poseduje osobine objedinjavanja razliitih podataka dobijenih iz razliitih informacionih sistema realizovanih na razliitim platformama, poseduje i sposobnost adaptacije promenljivim poslovnim potrebama. Relativno brzo se moe otkriti promena u izvornom sistemu. Skladite podataka ima iterativni karakter izgradnje modela podataka, moe se otkriti greka u informacionom sistemu, i dugotrajnije uva podatke u odnosu na klasine infomacione sisteme. Direktan runi unos podataka u skladite podataka nije dozvoljen, jer se podaci u skladite podataka unose preko informacionog sistema. Unos podataka u skladite podataka obavlja se automatski i periodino. U izgradnji skladita podataka javljaju se slini problemi kao i u procesu izgradnje proizvodnih informacionih sistema.
179
Problemi su vezani uglavnom za ekstrakciju podataka. Neki od problema su: objedinjavanje raznovrsnih podataka iz vie nivoa realizovanih na razliitim platformama, brzo otkrivanje nastalih promena u izvornom sistemu, iterativni karakter izgradnje modela skladita podataka pa, prema tome, i iterativni karakter izgradnje programskog sistema za ekstrakciju. Operacione baze podataka nisu mogle zadovoljiti potrebe menadera preduzea da na brz i jednostavan nain dou do informacija bitnih za donoenje stratekih odluka. Iz podataka koji nastaju tokom redovnog poslovanja preduzea izvodi se poslovna inteligencija. Zbog svog obima podaci se arhiviraju svake godine, briu se, a u bazi podataka ostaju samo podaci tekue godine. Podaci u bazi podataka moraju biti aurni pa se stari podaci zamenjuju novim, na primer promena cene proizvoda, ime se starim podacima gubi trag u bazi podataka. Kada posmatramo operativan rad preduzea, stari podaci nisu vani, ali za poslovnu inteligenciju su vani jer ona prati redosled poslovnih dogaaja. Za relevantne i pravovremene informacije potrebno je imati veliki, jedinstven, integrisan, prilagoen, elastian i bezbedan registar podataka koji slui kao infrastrukturna osnova za informacione softverske aplikacije. Ovakav registar je skladite podataka, Data Warehouse DW.
180
Slika 36. Primer izgradnje skladita podataka Bil Inmon je 1990. godine definisao skladite podataka i ta definicija glasi: skladite podataka je subjektno orijentisana, integrisana, vremenski promenljiva i postojana grupa podataka koja omoguava donoenje poslovnih odluka. DW, skladite podataka, centralna je baza podataka u koju dolaze svi podaci preduzea bez obzira na nain prikupljanja i na izvor podataka. Skladite podataka je onaj oblik baze podataka u kojem su karakteristina sledea obeleja: usmerenost funkcionalnih podruja, nepromenljivost sadraja, integrisanost, vremenska odreenost i web bazirana aplikacija.
U skladitu podataka nema nagomilanih podataka iz prethodnih godina osim onih za koje se smatra da su relevantni za analize. Podaci se u DW-u viedimenzionalno organizuju u obliku kocke, trajni su i vezani za vreme nastajanja.
181
Cilj skladita podataka je stvoriti to vei izvor informacija za razliite dugorone i kratkorone analize i predvianja. Kada se govori o usmerenosti funkcionalnih podruja, onda se misli na organizaciju podataka u skladitu oko predmeta kao to su prodavnice, prodaja i drugo. Kod operativnih baza podataka podaci su organizovani oko operativnih aplikacija, na primer narudbe, kalkulacije i druge aplikacije. Podaci koji su jednom pohranjeni u skladite podataka ne menjaju se, na primer podaci o prodaji odreenog artikla u jednom periodu. U operativnoj bazi podataka podaci se menjaju jer se uvek odrava tekue stanje, na primer cena proizvoda i njegovo stanje na skladitu. U skladitu podataka podaci su konzistentni, odnosno prikazuju se na dosledan nain kako bi se mogli koristiti u raznim analizama, dok se u operativnim bazama ne vodi rauna o konzistentnosti. Zbog toga se, pre pohranjivanja podataka u skladite, podaci trebaju preprocesuirati da bi postali konzistentni, da bi integrisanost bila provedena. Skoro svaki podatak pohranjen u skladitu ima svoju vremensku odreenost, odnosno podaci u skladitu imaju svoju istoriju. Ovo omoguava vremenske analize i predvianja. Operativna baza sadri najsveije podatke u operativnom smislu, ali nepogodne za provoenje analiza. Danas je skladite podataka dizajnirano tako da obezbedi jedno efikasno okruenje za web bazirane aplikacije. Zato je skladite podataka bolje od operativne baze podataka? Zato to u operativnoj bazi podataka:
182
ne postoji vremenska odrednica pohranjenih podataka, ne postoji primena razliitih algoritama obrade podataka za iste probleme, postoji neusaglaenost naziva i znaenja atributa u bazi, moe doi do gubitka informacija, ne postoje procedure za usaglaavanje podataka, ne postoji drill-down metoda, oteana je softverska podrka za analizu podataka i podaci nisu dimenzionalno organizovani.
Kada govorimo o poslovnim informacionim sistemima, onda moemo rei da je skladite podataka mesto gde se uvaju poslovni podaci, izvor informacija za donoenje poslovnih odluka i stvaranje poslovne inteligencije. Arhitektura skladita podataka Kimballovo63 shvatanje arhitekture skladita podataka zasnovano je na dva osnovna dela, na: za korisnika sakrivenom podruju (engl. back room) i za korisnika vidljivom podruju (engl. front room).
Iako je za korisnika sakriveno podruje najveim delom sakriveno od pogleda krajnjih korisnika skladita podataka, vano je da korisnici imaju osnovno razumevanje tih procesa. Skoro 80% uloenih napora u razvoj skladita podataka otpada upravo na sakrivena podruja, tako da vanost
63
Kimball,R. et al.: The data warehouse Lifecycle Toolkit , John Wiley & Sons, New York, 1998.
183
metapodataka moe znaajno uticati na ukupno shvatanje i efikasno korienje skladita podataka. Za korisnika sakriveno podruje arhitekture DW-a je mesto na kojemu se odvija proces prikupljanja, pripremanja i punjenja, jednom reju preiavanja, podataka za skladite podataka. Osnovni cilj ovog dela jeste osiguranje reavanja specifinih problema vezanih za prenos odabranih pravih podataka sa mesta A na mesto B, vodei pritom rauna da se urade sve potrebne transformacije u odgovarajuem vremenskom roku. Osnovni delovi sakrivenog tehnikog dela arhitekture su: izvorni sistemi podataka source systems, podruje za proiavanje podataka data staging area, prezentacioni serveri presentation servers, aktivnosti vezane za upravljanje podacima data management services i upravljanje vlasnitvom nad podacima asset management, a to ukljuuje zatitu i arhiviranje podataka.
Izvorni sistemi podataka se mogu podeliti u dve osnovne grupe: interni i eksterni izvori podataka. Interni podaci pripadaju organizaciji i najveim delom su pohranjeni u transakcijskim sistemima. Meutim, u interne izvore podataka spadaju i arhivski podaci organizacije, podaci doraeni i pripremljeni od strane razliitih organizacionih delova preduzea kao to su plan, prodaja, finansije i slino, i mogu, na primer, sadravati podatke o predvianjima, uporeivanje prodaje i slino. Bitno je naglasiti da se interni izvori podataka trebaju tretirati na isti nain kao i eksterni
184
izvori, to znai da pre uitavanja u skladite podataka podaci trebaju proi kroz proces preiavanja, proces transformacije.
Slika 37. Sakriveni deo tehnike arhitekture DW-a Eksterne izvore podataka ine svi oni podaci koji ne pripadaju konkretnoj organizaciji. Tu spadaju razliite demografske informacije o kupcima iz statistikih publikacija, standardne industrijske klasifikacije, informacije i podaci o konkurentima neophodni za poreenje uspenosti vlastitog poslovanja s poslovanjem drugih slinih organizacija, novine i razliite druge publikacije, podaci prikupljeni iz razliitih nezavisnih izvora, besplatni podaci s web stranica i slino. Razumevanje prirode izvornih sistema je osnova za uspeno kreiranje skrivenog dela tehnike arhitekture skladita podataka. Pritom treba voditi rauna i o razlikama koje se pojavljuju izmeu internih i eksternih podataka a odnose se na: uestalost pojavljivanja. Za eksterne podatke nema jedinstvenih pravila kakva postoje kod internih, to znai da je potrebno pratiti kako bi se uoilo kada su ti podaci na raspolaganju. format podataka. Podaci se najee nalaze u razliitim formatima, granuliranost podataka nije
185
uvek ista, pa ovo zahteva znaajne napore u procesu transformacije podataka u oblik pogodan za skladite podataka. predvidljivost. Eksterni podaci nisu predvidljivi, oni se mogu pojaviti u bilo kom obliku, u bilo koje vreme i na bilo kojem mediju.
Prethodno navedene razlike u velikoj meri utiu i na izbor odgovarajuih alata i aktivnosti u procesu preiavanja podataka. Ne moe se unapred predvideti reavanje razliitih problema koji se pojavljuju kada se pokuaju integrisati podaci iz razliitih izvornih sistema. Kompleksnost integracionih procesa raste kako se poveava broj predmetnih podruja i izvornih sistema. Razlike se pojavljuju u nazivima, formatima i samom kodiranju podataka koji se izdvajaju iz vie izvora podataka. Pored uobiajenih razlika koje treba razreiti, sigurno je da e se pojaviti i dodatni problemi pri izdvajanju podataka. Naime, skladite podataka paljivo je dizajnirano i ureeno okruenje u sklopu kojeg su dokumentovana i ukljuena specifina pravila vezana za podatke, za razliku od postojeih transakcionih sistema koji su izgraeni bez rigoroznog pridravanja poslovnih pravila. Meutim, esto se ustanovi da aplikacija podrava neka pravila koja nisu dokumentovana, tako da se ona moraju otkrivati u hodu kako bi izdvojeni podaci imali smisla. esto se pronau i neisti podaci kao to su dupli slogovi, nedostajui roditelji iz onoga to bi trebalo biti relacija roditelj-dete, denormalizovani podaci koji se ne mogu ponovno normalizovati. Zbog navedenih razloga, insistiranje na kvalitetu podataka u skladitu podataka ne moe biti prenaglaeno. Anomalije podataka sadrane u postojeim izvorima podataka su neminovnost, ali se one ne smeju preneti i u skladite
186
podataka, jer to vodi pogrenim informacijama, pogrenim procenama i, na kraju, loim poslovnim odlukama, pri emu postojanje skladita podataka gubi svoju osnovnu namenu. Kvalitetni podaci su osnova uspenog skladita podataka te stoga nije udno da se 80% vremena izgradnje skladita podataka potroi upravo na obezbeenje kvaliteta podataka. Na slici 38. prikazan je blok dijagram razvoja i izgradnje skladita podataka koji u detaljnije opisati. Tri osnovna koraka u razvoju skladita podataka su: 1. analiza podataka 2. priprema podataka i 3. izgradnja baze podataka. Izvori su operativni podaci i spoljne informacije nastale kao rezultat poslovanja, kao i neki drugi, na primer demografski, podaci preuzeti iz velikih javnih baza. Analiza izvora podataka Prvi korak u razvoju skladita podataka je analiza izvora podataka, kljuni proces koji predstavlja skoro osamdeset procenata vremena u procesu izgradnje skladita podataka. U ovom procesu potrebno je definisati pravila za preuzimanje potrebnih podataka iz izvora podataka, izvornih sistema, jer su potrebna znanja najee u glavama korisnika skladita podataka.
187
Slika 38. Izgradnja skladita podataka
188
Tipini problemi izvora podataka: nekonzistentnost primarnih kljueva esto se primarni kljuevi izvornih zapisa podataka ne poklapaju. Na primer, moe postojati pet datoteka o klijentima, gde svaki od njih ima razliit atribut kao primarni klju klijenta. Ovi razliiti kljuevi klijenata moraju se konsolidovati ili transformisati u jedan standardizovani klju klijenta. nekonzistentnost vrednosti podataka mnoge organizacije dupliciraju svoje podatke, stvaraju kopije originalnog podatka. Tokom vremena, usled anomalija auriranja, ovi duplicirani podaci imaju totalno razliite vrednosti. razliiti formati podataka elementi podataka kao to su na primer datumi mogu biti uskladiteni u totalno razliitim formatima. netane vrednosti podataka da bi se korigovale netane vrednosti podataka, mora se definisati logiko ienje. Algoritmi ienja podataka treba da se aktiviraju svaki put kada se podatak puni. sinonimi i homonimi redundantne podatke nije uvek lako prepoznati usled toga to isti elementi podataka imaju razliite nazive. S obzirom na to da sinonimi i homonimi64 ne smeju postojati u okruenju, neophodno je preimenovati date elemente podataka. ugraena logika procesa neki operacioni sistemi su ekstremno stari. Oni esto sadre nedokumentovane i arhaine relacije izmeu pojedinih elemenata podataka. Specifikacije
64
Homonimi (homonym) su rei koje se isto piu i izgovaraju, ali imaju razliita znaenja.
189
procesa transformacije moraju da reflektuju ovu logiku. Prva faza u procesu analize je prikupljanje izvornih zahteva i prikupljanje korisnikih zahteva, razmatraju se poslovne potrebe i zahtevi buduih korisnika sistema. Izvorni zahtevi, source-driven, formuliu se pomou ER modela, modela relacija entiteta izvornih podataka. Prednost ove metode je da podrava sve podatke i uzima minimalno vreme kroz izgradnju skladita podataka. Meutim, smanjenje uea korisnika u ovom procesu poveava rizik neuspeha kod ispunjavanja korisnikovih zahteva. U fazi prikupljanja korisnikih, user-driven, zahteva odravaju se brojni sastanci i intervjui sa korisnicima. Ovakav pristup razvija kvalitetno skladite podataka u kratkom vremenskom roku jer je panja usmerena na ono to je potrebno, a ne na ono to je na raspolaganju. Koraci u procesu analize i prikupljanja podataka su: intervjuisanje analitiara, menadera i izvrilaca u organizaciji, utvrivanje protoka informacija: ulaz i izlaz iz odeljenja, koja dokumentacija pristie u odeljenje i koji izvetaji izlaze iz odeljenja, grupisanje dobijenih podataka: podaci o svim vrstama analiza koje se trenutno koriste i zahtevi vezani za podatke kao to su njihovi izvori i neki novi detalji i prosleivanje organizovanih podataka svim uesnicima sastanaka i intervjua na eventualnu korekciju i usaglaavanje.
190
Nakon prikupljenih zahteva pristupa se drugoj fazi, planiranju skladita podataka koje se sastoji od sledeih aktivnosti: definisanje obima projekta razvoja skladita podataka, definisanje projektnog plana, definisanje tehnikih uslova i definisanje resursa, zadataka i terminskih planova.
Potrebno je na samom poetku razmatrati arhitekturu i infrastrukturu skladita podataka. Razne tehnologije, platforme i baze podataka podravaju arhitekturu skladita podataka. Potrebno je instalirati i alate za rad sa bazama podataka i podesiti mreno okruenje. Trea faza u analizi podataka je izbor tehnike analize podataka. Potrebno je obezbediti lak pristup izvorima podataka visokog kvaliteta. Tehnike analize podataka mogu uticati na tip odabranog modela podataka i na njegov sadraj. Najee tehnike analize podataka su:
upiti i izvetaji, viedimenzionalne analize i rudarenje podataka.
Ukoliko elite obezbediti jednostavne upite i izvetaje, model podataka koji definie podatke na normalizovan nain obezbeuje najbri i najbolji pristup podacima. Biraju se povezani elementi podataka, njihova eventualna sumiranja i grupisanja u neku od kategorija i potom se prezentuju rezultati. Viedimenzionalna analiza proiruje mogunost upita i izvetaja. Podaci se struktuiraju tako da bi se dobio brz i lak odgovor na tipina postavljena pitanja.
191
Kao primer moe posluiti analiza prodaje nekog proizvoda odreenog dana, u odreenoj prodavnici i u odreenom rasponu cena. Drugi primer moe biti analiza koliko je prodavnica prodala odreeni proizvod, odreenog dana u odreenom rasponu cena. U oba primera se trae sline informacije ali posmatrane iz razliitih uglova, prvi iz ugla proizvoda a drugi iz ugla prodavnice. Ovo znai da viedimenzionalna analiza zahteva model podataka koji e omoguiti pogled na podatke iz bilo koje perspektive ili bilo koje dimenzije. Kako se koristi vie dimenzija, model podataka mora da obezbedi brz pristup podacima. Ukoliko je struktura podataka visoko normalizovana, bie potrebno mnogo grupisanja izmeu tabela koje sadre razliite dimenzije podataka, to e znaajno uticati na performanse skladita podataka. Upiti, izvetaji i viedimenzionalna analiza od korisnika zahtevaju kreiranje i izvravanje upita zasnovanih na hipotezama. Relativno nova tehnika analize podataka je rudarenje podataka - Data mining. U ovom sluaju se ne postavljaju pitanja ve se koriste odreeni algoritmi koji analiziraju podatke i izvetavaju ta su otkrili. Data mining odgovara na pitanja koja prethodno ne moraju biti postavljena. Rudarenje moe biti u formi pronalaenja vanosti u vezama izmeu odreenih elemenata podataka, u formi grupisanja odreenih elemenata podataka, ili u nekoj drugoj formi za korienje odreenih grupa elemenata podataka. Nakon pronalaenja ovih formi, algoritmi iz njih izvlae pravila koja se mogu koristiti kod generisanja modela koji ima eljeno ponaanje, koji identifikuje veze izmeu
192
podataka i koji otkriva obrasce i grupie zapise sa slinim atributima. Priprema podataka Posle uspene analize izvora podataka poinje drugi korak, a to je priprema podataka, najbitniji proces u razvoju i izgradnji skladita podataka, jer ukoliko je priprema podataka uspena, bie uspena i izgradnja skladita podataka. Priprema podataka vri se na osnovu ve odreenog izvora podataka, definisanih pravila za preuzimanje tih podataka, definisanih procedura za pripremu podataka i postavljenih zahteva korisnika. Priprema se vri uz pomo odreenih alata za ekstrakciju, ienje i transformaciju podataka. Ekstrakcija i ienje podataka sastoji se od razvoja procedura za ekstrakciju i procedura za ienje podataka. ETL65 ekstrakcija, transformacija i punjenje. Ovo je najkomplikovaniji proces u itavom projektu, koristi izvore podataka iz razliitih platformi koje su upravljane razliitim operacionim sistemima i aplikacijama. Svrha ETL procesa je da spoji podatke iz heterogenih platformi u standardni format.
Slika 39. Priprema podataka za proces izgradnje skladita podataka

65
ETL Extraction, Transformation and Load
193
ETL proces poinje sa preformatiranjem podataka koji treba da unifikuje formate podataka iz razliitih izvora. U drugom koraku se reava problem konzistentnosti koji se javlja usled redundantnosti podataka. Na kraju se pristupa ienju onih podataka koji naruavaju poslovna pravila. Rezultati ovih aktivnosti su podaci koji e omoguiti generisanje metapodataka na osnovu kojih se dizajnira skladite podataka. ETL algoritmi ienja podataka treba da se aktiviraju svaki put kada se podatak puni. Stoga, programi transformacije ne smeju biti pisani na brzinu, ve se moraju razviti na jedan struktuiran nain. EII66 alat je proces integracije informacija korienjem apstrakcije podataka sa ciljem obezbeenja jedinstvenog interfejsa, poznatog kao uniformni pristup podacima, za pristup podacima unutar organizacije. Cilj je dobiti veliki set heterogenih izvora podataka kojeg korisnik vidi kao jednu heterogenu bazu izvora podataka. EAI67 je softver koji integrie raunarske aplikacije. To je metoda, plan i alat za modernizaciju, konsolidaciju i koordinaciju aplikacija u preduzeu. EAI moe pomoi u razvijanju potpuno novog pogleda na poslovanje preduzea. Ekstrakcija i ienje podataka je prva faza u procesu pripreme podataka i sastoji se iz:
razvoja procedura za ekstrakciju podataka i razvoja procedura za ienje podataka.
Cilj procesa ekstrakcije podataka je da se svi potrebni podaci u odgovarajuem i konzistentnom formatu pripreme za uitavanje u skladite podataka.
66 67
EII Enterprise Information Integration EAI Enterprise Application Integration
194
Proces ekstrakcije podataka je izvlaenje podataka iz razliitih izvornih sistema koji najee imaju razliitu organizaciju podataka, razliite formate. Najee su to relacione i nerelacione baze podataka. Ekstrakcija podataka vri se iz IMS68-a ili VSAM69-a ili ISAM70-a ili sa web sajta. Programi ekstrakcije podataka treba da vre sortiranje, filtriranje, ienje i da agregiraju sve zahtevane podatke, moraju da prepoznaju koji od redundantnih izvornih datoteka ili baza podataka su zapisi sistema. Na primer, isti izvorni element podatka kao to je naziv klijenta moe da postoji u nekoliko izvornih datoteka i baza podataka. Ova redundantnost treba da se sortira i konsoliduje, to ukljuuje korake sortiranja i spajanja, preko odreenih kljueva i vrednosti podataka. Procedure za ekstrakciju podataka. Podaci koji e biti u skladitu podataka moraju se ekstrahovati, izvui iz transakcionih sistema u kojima se eljeni podaci nalaze. Nakon inicijalne ekstrakcije, na osnovu odreenih procedura vri se dodavanje novih podataka u skladite podataka. Ekstrakcija podataka je vrlo jednostavna operacija ukoliko se potrebni podaci nalaze u jednoj relacionoj bazi, ali ukoliko se podaci nalaze u viestrukim heterogenim transakcionim sistemima, izvlaenje podataka postaje veoma kompleksna operacija. Jedan od alata koji omoguava efikasnu ekstrakciju podataka je DTS71 koji je deo Microsoft SQL Server 2005 sistema za upravljanje bazama podataka, a o njemu e kasnije biti rei. Primer ekstrakcije podataka.
68 69
IMS Information Management Systems VSAM Virtual Storage Access Method 70 ISAM Index Sequential Access Method 71 DTS Data Transformation Services
195
Preduzee FIRMA ima prodajna mesta u gradovima A, B, C, D i E. Svaka poslovnica preduzea ima svoju radnu bazu podataka. Informacije o prodaji su dobijene iz svake pojedinane baze podataka i smetene su na jednom mestu, u skladite podataka.
Slika 40. Ekstrakcija podataka iz razliitih izvornih sistema
Podruje preiavanja podataka ukljuuje skup procesa koji iste, transformiu, dedupliciraju, pridruuju, arhiviraju i pripremaju podatke iz razliitih izvora za skladite podataka. esto se za ove aktivnosti koriste ve pomenute procedure ETL, EAI, EII, ili ETT72 procedura koja obuhvata sledee procese: 72
otkrivanje promena u izvornim potrebnim za skladite podataka, izdvajanje podataka iz izvornih sistema, ienje i transformisanje podataka, restrukturisanje kljueva podataka,
podacima
ETT Extraction, Transformation, Transportation (Izdvajanje, transformisanje i prenos)
196
indeksiranje podataka, sabiranje podataka, odravanje metapodataka i uitavanje podataka u skladite podataka.
Navedeni procesi osiguravaju da su podaci pohranjeni u skladitu podataka: potrebni i korisni za poslovne korisnike, kvalitetni da omogue dobre informacije, tani kako bi osigurali tane informacije i jednostavni za pristup kako bi se skladite podataka moglo u potpunosti efikasno koristiti od strane krajnjih korisnika.
Kvalitet podataka zavisi od niza dogaaja od kojih je veina van kontrole tima za razvoj i implementaciju skladita podataka. Da bi se u skladitu podataka dobili kvalitetni podaci, proces prikupljanja podataka treba biti dobro dizajniran. Nerealno je oekivati da bilo koji sistem ima savrene podatke. Svaka implementacija treba definisati svoje vlastite standarde za prihvatljiv nivo kvaliteta podataka. Karakteristike kvalitetnog podatka su: tanost podaci u skladitu podataka se podudaraju sa sistemom slogova, kompletnost podaci u skladitu podataka predstavljaju zaokruen skup bitnih podataka, konzistentnost podaci u skladitu podataka nemaju kontradikcija, jedinstvenost dva ista elementa trebaju pozivati istu stvar i imati istu kljunu vrednost i
197
vreme podaci moraju biti aurirani prema odgovarajuem rasporedu koji treba biti javan, sva odstupanja se trebaju beleiti.
U procesu preiavanja podataka po Inmonu treba voditi rauna o: izdvajanju podataka iz transakcionog okruenja u skladite podataka, a to zahteva promene u samoj tehnologiji izdvajanja i najee podrazumeva izdvajanje podataka iz transakcionih baza. Podaci se preiste i nakon toga uitaju u bazu skladita podataka, s tim da je najee re o potpuno razliitim tipovima baza podataka73. izboru podataka iz operativnog okruenja koje moe biti izuzetno kompleksno. Da bi se slog izdvojio, potrebno je uraditi nekoliko paralelnih pretraivanja drugih slogova u razliitim datotekama, pronalaenje kljueva, logike povezivanja i slino. operativnim ulaznim kljuevima koji trebaju biti restrukturisani pre nego se upiu u bazu skladita podataka. U najjednostavnijem sluaju, vremenski element se dodaje izlaznoj strukturi kljueva, dok se u kompleksnim sluajevima itav ulazni klju mora ponovno restrukturisati. podacima koji se preformatiraju pre prebacivanja u skladite podataka to uglavnom predstavlja kompleksan proces.
73
Baza skladita podataka je ili nova transakciona DBMS ili baza nekog drugog proizvoaa koja u sebi ima tehnoloku podrku za DW.
198
podacima koji treba da se iste. U nekim sluajevima na ulazne podatke primenjuje se jednostavan algoritam kako bi se podaci uinili korektnim, dok se u kompleksnim sluajevima koriste alati vetake inteligencije kako bi se ulazni podaci oistili i pripremili u formi koja je prihvatljiva za skladite podataka. postojanju vie razliitih ulaza izvornih podataka. Mora se uspostaviti logika kako bi odgovarajui izvor podataka odgovarao postavljenim uslovima. Kada postoji vie ulaznih datoteka, razreavanje kljueva mora se napraviti pre nego se pree na spajanje datoteka, to znai da ako je razliita struktura kljueva koriena u razliitim ulaznim datotekama, onda program za spajanje mora imati ugraenu logiku koja omoguava razreavanje kljueva. Redosled datoteka ne sme biti isti niti kompatibilan. U tom sluaju e biti potrebno ulazne datoteke osloboditi redosleda, to nije problem osim ako ne postoji mnogo slogova kojima treba promeniti redosled, to je najee i sluaj. postojanju vie izlaza. Podaci se mogu formirati na razliitim nivoima agregacije od strane istog programa za kreiranje skladita podataka. Moraju se definisati inicijalne vrednosti. Pod odreenim uslovima, izlazna vrednost u skladitu podataka nema izvorni podatak i u tom sluaju se mora upotrebiti inicijalna vrijednost. efikasnosti izbora ulaznih podataka koje treba izdvojiti to esto postaje pravi problem. Najee je potrebno napraviti i agregaciju podataka: vie operativnih ulaznih slogova se kombinuje u jedan slog skladita podataka. Da bi se agregacija
199
uspeno izvela, ulazni slogovi trebaju biti u odgovarajuem redosledu. Ekstraktovani podaci se prilagoen procesu transformacije. konvertuju u format
Procedure za ienje podataka su neophodne zbog problema koji se u procesu ekstrakcije javljaju. Podaci se moraju istiti, odnosno mora se proveriti da li postoje logike greke, poboljati podatke i eliminisati ostale greke ako postoje. Provera logikih greaka sastoji se od provera vrednosti atributa zbog razliitog oznaavanja pojmova, provere atributa u kontekstu ostalih podataka u nizu, provere atributa u kontekstu redova u drugoj povezanoj tabeli, provere veza izmeu redova iste tabele ili povezanih tabela, odnosno prenesenih kljueva. Poboljanje podataka predstavlja proces ienja sa ciljem da podaci dobiju puno znaenje. Primer za ovo su podaci o imenima i prezimena. Eliminacija ostalih prisutnih greaka je proces u kome se odluuje o nepotpunim podacima ili o podacima koji nemaju veliko znaenje. Potrebno je odluiti ta uraditi sa tim podacima, da li te podatke odbaciti, privremeno ih smestiti i popraviti, ili takve nesavrene podatke smestiti u skladite podataka. Projektovanje programa transformacije podataka je veoma komplikovano, naroito kada su podaci ekstraktovani iz heterogenih operativnih okruenja. Pored transformisanja izvornih podataka zbog nekompatibilnosti tipa podataka, duine ili netanosti, najvei deo transformacione logike ukljuuje i preraunavanje podataka za viedimenzionalno skladitenje.
200
Transformacija podataka zahteva prethodno definisanje izvora podataka i tipova transformacija koje treba izvriti nad podacima i nakon toga izvriti mapiranje podataka iz izvora u odredite. Pre samog poetka procesa transformacije podataka tim koji radi na projektu dizajniranja skladita podataka treba da definie fiziki model podataka i da generie eme modela. U procesu mapiranja podataka treba izvriti sledee zadatke: kreirati plan transformacije podataka, razviti procedure za transformaciju podataka, razviti procedure za uitavanje podataka, testirati razvijene procedure i generisati metapodatke.
Planom transformacije podataka treba odrediti najbolji nain migracije izvornih podataka u skladite podataka. Zbog toga je potrebno analizirati raspoloive resurse, koliinu izvornih podataka, razliite izvorne eme, razliite naine pristupanja podacima, strukturu skladita podataka i broj agregacija podataka. Ovim planom se dokumentuju sve izvorne platforme, metode pristupa i programski jezik koji je neophodan za ekstrakciju podataka. Obino se izvorni podaci smetaju u prelazne eme koje predstavljaju zajedniki interfejs za sve izvorne sisteme i koje se ne podudaraju potpuno ni sa izvornim ni sa odredinim emama. Prelazne eme se koriste da bi se poboljao proces ienja i transformacije podataka. Razvoj procedura za transformaciju podataka. Transformacija podataka je proces kojim se usklauju razliiti naini prikazivanja razliitih sistema u jedinstveni oblik. Na primer, u nekim sistemima se pol oznaava sa 0 i 1, a u nekim 201
sa M i . Zbog toga je potreban proces koji transformie 0 u M i 1 u . Transformacija podataka je kritian korak u razvoju skladita podataka. U ovom procesu se vri poslednja priprema podataka pre njihovog uitavanja u skladite podataka. Tipina transformacija podataka ukljuuje: prevoenje polja podataka sa vie imena u jedno polje, razbijanje datumskog polja na tri posebna polja: dan, mesec i godina, prevoenje polja sa jednom reprezentacijom u drugu, na primer 0 u NE i 1 u DA, kreiranje i dodavanje kljueva za tabele dimenzija.
Procedure za uitavanje podataka treba da izvre aktivnosti koje slede. Kreiranje formata podataka za podatke iz starijih sistema tako da podaci budu pogodni za smetanje u skladite podataka. Prenoenje podataka iz starijih sistema zahteva raspakovanje podataka, njihovo prevoenje, kombinovanje i transformaciju u pogodan oblik za DW. Kreiranje sumarnih, agregiranih, podataka je postupak sortiranja podataka po odreenim atributima na osnovu kojih se vri sumiranje. Ovako agregirani podaci se smetaju u skladite podataka. Kreiranje kljueva za agregacione zapise. Svi zapisi u tabelama, pa i agregacije, moraju imati kljueve. Ovaj korak se razlikuje od prethodnog jer su ovi kljuevi vetaki i ne smeju biti identini primarnim kljuevima tabele injenica. Struni
202
tim treba da dizajnira aplikaciju za generisanje kljueva za agregacione zapise. Obrada neuitanih podataka zbog referencijalnog integriteta vri se u posebnoj aplikaciji koja e obezbeivati referencijalni integritet podataka. Po zavrenom procesu smetanja podataka u skladite podataka mora se izvriti auriranje svih indeksa. Testiranje procedura je neophodno da bi se utvrdila ispravnost rada procedura za ekstrakciju i uitavanje podataka. Testiranje se najee ostvaruje proverom kvaliteta podataka tako to se zadaju upiti nad skladitem podataka koji prebrojavaju podatke ili ih prikazuju u vidu grafikona na osnovu kojih se moe utvrditi da li su podaci u oekivanom rasponu. Sada su ostvareni uslovi za generisanje metapodataka. Izrada metabaze podataka, renika podataka koji predstavlja bazu podataka o bazi podataka. Meta baza podataka uva sve podatke o podacima mapirajui izvorni sistem u ciljni sistem i uspostavlja vezu izmeu izvornih i ciljnih podataka. Ova baza uva informacije o transakcionim podacima, definiciju podataka u ciljnoj bazi i transformaciono-integracionu logiku. Skladita metapodataka mogu biti: centralizovana: postoji jedna baza podataka, relaciona ili objektno-orijentisana, i jedna aplikacija za odravanje, decentralizovana: skladite metapodataka u bazama podataka koje se nalaze na razliitim lokacijama i distribuirana: preko XML reenja, metapodaci ostaju na svojim originalnim pozicijama, odnosno na razliitim alatima. 203
Kako arhitekturu skladita podataka delimo na sakriveno podruje i vidljivo podruje, tako imamo i metapodatke za sakriveno podruje i metapodatke za vidljivo podruje skladita podataka. Metapodaci za sakriveno podruje su vezani za procese prikupljanja, izdvajanja, ienja i uitavanja podataka i namenjeni su administratorima baze podataka, to ne znai da nisu bitni i za krajnje korisnike, ukoliko ele znati odakle potiu podaci. Metapodaci za vidljivo podruje uglavnom su opisni i omoguavaju lake funkcionisanje alata za upite i izvetaje, a namenjeni su krajnjim korisnicima. Ovi metapodaci predstavljaju i jednu vrstu renika poslovnog sadraja zasnovanog na podacima pohranjenim u skladitu podataka. Obe grupe metapodataka se esto meusobno i preklapaju, ali se zbog lakeg razumevanja posmatraju odvojeno. Kimball je definisao i bazne liste svih moguih metapodataka koje pomau boljem razumevanju pojma metapodaci. Liste metapodataka se mogu grupisati prema specifikaciji izvora podataka, prema opisnim informacijama vezanih za izvor podataka, prema informacijama o prikupljanju podataka, prema transformacijama i agregacijama, prema DBMS sistemskim tablicama i prema podacima za vidljivi deo skladita podataka. Baza metapodataka je nazvana katalog metapodataka, i predstavlja osnovni deskriptor ukupnog skupa metapodataka u skladitu podataka. Katalog metapodataka sadri fiziki i logiki model, izvorne definicije, izvorne i ciljne mape, statistike upita i poslovno grupisanje: on je logino mesto za kreiranje uniformnosti i konzistentnosti u definisanju podataka.
204
Na metapodatke utiu dve razliite, suprotstavljene tenje: tenja da podaci budu integralni i uniformni i tenja da korisnici imaju autonomiju kod kreiranja i korienja podataka. Iako za metapodatke moemo rei da su programska dokumentacija oni su ipak namenjeni upravljanju procesima. Metapodaci su veoma vani u procesu donoenja odluka, oni osiguravaju kontekst podataka koji se koriste tokom vremena, kontekst doprinosi njihovom razjanjavanju i osiguranju efikasnosti analitikog procesuiranja. Nakon postavke metabaze ide se dalje u izdvajanje podataka iz transakcione baze nad kojima se izvri sumiranje, sortiranje i organizovanje pre punjenja u skladite podataka. Punjenje, ili uitavanje, skladita podataka podacima iz razliitih izvora nosi sa sobom i neke nerazdvojne izazove koji se odnose na same podatke, prirodu tih podataka, broj izmena i potrebnih transformacija koje se trebaju intenzivno prouavati. Poseban izazov vezan je za metapodatke ili podatke o podacima74. Da bi skladite podataka uspeno ispunilo svoju funkciju, metapodaci moraju tano opisivati u njemu pohranjene podatke. Na sledeoj slici prikazana je transformacija podataka iz razliitih izvornih sistema u skladite podataka.
74
Ken Orr, priznati ekspert za skladita podataka, rekao je da metapodaci mogu biti opisani tako da predstavljaju ono to biste vi eleli da se nalazi u podacima.
205
Slika 41. Transformacija razliitih podataka iz operativnih baza u DW Izgradnja skladita podataka Prvi korak u izgradnji skladita podataka je identifikacija dimenzija i atributa koje podseaju na klasino projektovanje upotrebom ER modela, koji predstavlja relacionu emu metode modeliranja baze podataka i zove se dimenziono modeliranje. Dimenziono modeliranje je tehnika logikog dizajna iji je cilj prezentacija podataka u obliku koji obezbeuje visoke performanse sistema za vrenje analize podataka. Dimenziono modeliranje ima strukture podataka koje su organizovane da opisuju mere i dimenzije. Mere predstavljaju numerike podatke smetene u centralnoj tabeli, tabeli injenica fact table. Dimenzije su standardni poslovni parametri koji definiu svaku transakciju i smeteni su u dimenzionim tabelama. Kako je ve reeno, osnova za izradu skladita podataka, za izradu dimenzionog modela, su metapodaci na osnovu kojih se vri: definisanje hijerarhija, 206
definisanje elemenata i atributa, normalizacija i denormalizacija i definisanje agregacija.
Svaka dimenziona tebela ima svoj primarni klju, a svi oni uestvuju u stvaranju primarnog kljua u tabeli injenica. Ovakav model se naziva ema zvezde:
Tabela injenica sadri podatke koji su, najee, numeriki i mogu sadravati veliki broj zapisa. Dimenzioni modeli su standardnog oblika. Mogu se predvideti interfejsi koji e biti korisni korisnicima skladita podataka. Ovi modeli se jednostavno proiruju dodavanjem novih dimenzija i njihovih atributa, pri emu nije potrebno menjati nijedan alat za izvetavanje ili upite. Broj pomonih programa i alata koji rade i upravljaju sa agregacijama se poveava, ime se poboljavaju performanse sistema. U dvodimenzionalnom modelu podaci o prodaji za svaku oblast nalaze se u razliitim tabelama, dok su podaci u trodimenzionalnom modelu smeteni u trodimenzionalnom nizu. Izgradnja DW-a je iterativni postupak. Nakon smetanja podataka u skladite podataka, korisnici mogu odmah da ih koriste i vide prednost skladita podataka. Korisnici mogu odmah zadati nove zahteve zbog kojih se moraju uneti nove izmene u modelu. Prvi korak u izgradnji dimenzionog modela je denormalizacija podataka u kojem su dimenzije organizovane u emu zvezde, dok su normalizovani modeli u obliku pahulje.
207
Denormalizovana ema zvezde moe zahtevati previe memorije, a velike dimenzionalne tabele mogu uticati na pad performansi sistema. Ovi problemi se reavaju normalizacijom dimenzija ime se ema zvezde prevodi u emu pahulje. Nedostatak eme pahulje je njena sloenost, koja oteava odravanje skladita podataka. Zbog toga se normalizacija vri samo na onim dimenzijama koje imaju mnogo redova podataka i koje imaju mnogo atributa. Najbolji rezultati postiu se normalizacijom samo nekoliko dimenzija dok su ostale dimenzije nepromenjene, ime se dolazi do delimine eme pahulje. Ako se moe kreirati skladite podataka koje bi imalo samo jednu tabelu injenica, onda je potrebno povezati dve eme zvezde da bi se zadovoljile potrebe korisnika. Povezane eme zvezde predstavljaju emu galaksije:
ema zvezde Pomou eme zvezde definisane sa dve vrste tabela, dimenzione tabele i tabele injenica, opisuje se fizika arhitektura dimenzionog modela.
208
U tabeli injenica smeteni su kvantitativni podaci o poslovima koji opisuju specifine poslovne procese koje korisnici analiziraju. U ovim tabelama se mogu nalaziti agregirani podaci, na primer rezultati mesene prodaje. U tabeli injenica su najee numeriki podaci i mogu se sastojati od nekoliko miliona redova i kolona. Za razliku od tabele injenica, dimenzione tabele su znaajno manje a sadre podatke koji opisuju dati poslovni proces, odnosno one podatke po kojima se i vri analiza. Ovi podaci se nazivaju atributi. Uzmimo primer maloprodaje, gde dimenzione tabele opisuju nain izraunavanja podataka o prodaji. Osnovne prednosti eme zvezde su to to: u vidu jednostavnog modela, omoguava definisanje sloenih viedimenzionalnih podataka, smanjuje broj fizikih veza koje se moraju procesuirati pri zadavanju upita ime se poveavaju performanse sistema i omoguava proirenje skladita podataka uz relativno jednostavno odravanje.
Veliki nedostatak eme zvezde je to to se poveava redundantnost podataka. Jednostavna ema zvezde je ona u kojoj svaka tabela mora sadravati primarni klju iji sadraj jedinstveno identifikuje zapise. Primarni klju tabele injenica sastavljen je od tri spoljna kljua ukoliko model ima tri dimenzione tabele. Spoljni klju je kolona jedne tabele ija je vrednost definisana kao primarni klju druge tabele. Tabela injenica pored primarnog kljua sadri i mere koje predstavljaju analizirane vrednosti, na primer jedinica
209
prodaje ili broj zaposlenih. Mere su numerike pa se lake i izraunavaju. Tabela dimenzija moe biti poslovni entitet kao to je na primer Proizvod ili Klijent. Ona sadri atribute koji obezbeuju kontekst numerikih podataka smetenih u tabeli injenica i prikazuje podatke organizovane hijerarhijski to korisnicima omoguava pregledavanje detaljnih i zbirnih podataka. Svaka dimenziona tabela sadri jednu ili vie hijerarhija. Drugi korak u izgradnji skladita podataka je definisanje hijerarhija. U dimenzionoj tabeli memoriu se elementi traenja hijerarhijskih relacija u svakoj dimenziji i definicije opisnih atributa svake dimenzije. Dimenzije su esto hijerarhijski organizovane. Na primer, dimenzija Proizvod moe imati tri dimenziona elementa, proizvod kao najnii hijerarhijski nivo, grupa proizvoda, i vrsta proizvoda kao najvii hijerarhijski nivo. Kada podatke posmatramo iz razliitih ali blisko povezanih pogleda, onda korisnik analizira podatke na razliitim nivoima detalja. Pogled u dubinu (drill down) predstavlja prelazak sa nivoa sa manjim brojem detalja na nivo sa veim brojem detalja. Pogled prema gore (drill up), odnosno postupak prelaska sa nivoa sa veim brojem detalja na nivo sa manjim brojem detalja, prikazuje korisniku sumarne podatke, na primer prodaja u odnosu na region. Povezivanje dve ili vie injeninih tabela na istom nivou hijerarhije predstavlja pogled kroz dimenzije (drill across). ema pahulje
210
ema pahulje predstavlja varijaciju eme zvezde u kojoj su hijerarhije dimenzija skladitene u viedimenzionalnim tabelama. Dimenzija Proizvod je skladitena u tri tabele, u kategoriju proizvoda, potkategoriju proizvoda i u proizvod. Struktura je normalizovana i podrana unutar analitikih usluga, samo se jedna dimenziona tabela pridruuje tabeli injenica, a ostale dimenzione tabele su povezane spoljnim kljuem. Trei korak u dimenzionom modeliranju je kreiranje agregacija. Agregacijama se smanjuje vreme odziva na postavljene upite i smanjuje se broj resursa potrebnih za izvrenje tih upita. Sumarni, agregirani, detaljni podaci smetaju se u posebne tabele. Jedan od naina na koji se mogu kreirati agregacije jeste korienje SQL naredbi. To je najjednostavniji, mada ne i najbolji nain, kada su u pitanju performanse. U sluaju kreiranja agregacija koje nisu zasnovane na SQL upitima potrebno je razviti specijalizovane programe ime se komplikuje, odnosno uslonjava, proces razvoja i odravanja skladita podataka. Na primer, ako se izvri sortiranje podataka po dimenziji Vreme, u tabeli e se prvo nalaziti redovi podataka koji se odnose na Dan, iza njih su redovi podataka koji se odnose na Sedmicu i tako redom. Na svakom mestu prelaza sa jednog nivoa dimenzije na drugi kreiraju se podzbirovi za taj nivo dimenzije, pri emu je mogue iskoristiti prednost paralelnog procesuiranja. Na primer, jedan proces rauna podzbirove za nivo Dan, a drugi za nivo Sedmica. Dobijene podzbirove treba uitati i izvriti agregaciju, ime se proces kreiranja agregacija podataka zavrava. etvrti korak je kreiranje fizikog modela. U procesu kreiranja fizikog modela skladita podataka izvodi se postupak prevoenja logikog modela u fiziki model
211
predstavljen dijagramom entiteti veze koji se fokusira na podatke. Pre samog kreiranja modela potrebno je izabrati sistem za upravljanje bazama podataka na kome e biti implementirana baza podataka. Generisanje fizikog modela treba da rei probleme multiplikativnosti, referencijalnog integriteta i kreiranja indeksa. Multiplikativnost definie broj instanci jednog entiteta, u relaciji sa jednom instancom drugog entiteta. Referencijalni integritet zahteva da unesena vrednost atributa odgovara vrednosti atributa koji je primarni klju druge tabele. On se definie za operacije ubacivanja, brisanja i auriranja podataka. Kreiranje indeksa se vri automatski za sve primarne kljueve u entitetima, kao i za prenesene kljueve u posmatranom entitetu. Ovo je potrebno zbog toga to e se budua pretraivanja u skladitu podataka vriti na osnovu ovih polja. Peti korak je generisanje baze podataka. Ova aktivnost se vri korienjem SQL jezika. Alat u kome je izvreno kreiranje fizikog modela omoguava automatsko generisanje koda preko DDL75 datoteka. Zatim se izvrava DDL datoteka pomou Qery Analyzera, alata koji je u sastavu SQL 2003 servera, koji omoguava direktno zadavanje i izvrenje SQL naredbi za generisanje baze podataka. Nakon uspeno obavljenih nabrojanih aktivnosti, skladite podataka je generisano. Zadnji korak kod izgradnje skladita podataka je uitavanje podataka. U ovom procesu mogu se izvriti eventualno jo neke transformacije, iako se proces
75
DDL Data Definition Language
212
transformacije podataka treba zavriti pre uitavanja zbog konzistentnosti baze podataka. Za samo uitavanje podataka moe se koristiti alat MS SQL Servera DTS76 i njegova procedura uitavanja podataka pomou DTS paketa. Alati skladita podataka Postoji vie alata za rad sa skladitima podataka i generisanje ad hoc izvetaja, na primer ORACLE Discoverer i alati za izradu sloenih korisnikih aplikacija ORACLE Express. Ovi alati namenjeni su za podrku top menadmentu u donoenju poslovnih, stratekih odluka. Klasine relacione baze podataka projektovane su za on-line transakcionu obradu OLTP, ali ne zadovoljavaju potrebe on-line analitike obrade podataka. Kao rezultat javlja se skladite podataka projektovano drugaije od klasinih relacionih baza podataka. DTS je skup korisnih programa i objekata koji omoguavaju automatizaciju ekstrakcije, transformacije i uitavanje podataka iz bilo kojeg izvora podataka u bilo koji izvor podataka, u skladite podataka. DTS omoguava import ekstrakciju, eksport transfer i konverziju uitavanje podataka iz bilo kojeg izvora podataka u bilo koji izvor podataka. Objekti su DTS paketi i njihove komponente, kao i DTS alati koji dolaze sa SQL Server Enterprise Managerom a koriste se za izgradnju skladita podataka. DTS paket je jezgrena komponenta DTS-a. Koristei DTS, kreiramo i izvodimo paket. Paketima dodelimo ime i sauvamo ih kako bismo ih koristili u budunosti.
76
DTS Data Transformation Services
213
DTS ima etiri glavne komponente: Konekcija: dozvoljava konekciju bilo kojem OLE DB77 izvora podataka. Zadaci, taskovi koji predstavljaju komplete komandi smetenih u paket. Taskovi mogu biti ugraeni u paket ili pak da se prilagoavaju. Koraci daju logiku paketu, postavljaju redosled izvoenja paketa. Globalne varijable proiruju dinamike mogunosti DTS-a.
Alati DTS Paketa Import/Export arobnjak postavlja niz pitanja, automatski kreira pakete i moe izvesti samo task trsnsformaciju podataka. Koraci su: Import/Export podataka iz baza podataka, Import/Export objekata iz baza kao to su uitane procedure i okidai, triggers, kreiranje paketa koji se mogu kasnije editovati korienjem DTS dizajnera i uvanje i rasporeivaje paketa za kasnije izvoenje. DTS dizajner koristi grafiki korisniki interfejs, dozvoljava dizajn i izvoenje paketa i edituje paket kreiran pomou arobnjaka sa ciljem dodavanja drugih funkcionalnosti. DTS interfejs programiranja predstavlja serije API78 kroz COM79 interfejs i kroz bilo koji COM prilagodljiv programski jezik, a koristi se za kreiranje prilagoenih paketa.
77 78
OLE DB Object Linking and Embeded Data Base API Application Programming Interface 79 COM Computer Object Module
214
Slika 42. DTS alat Skladitenje podataka je koncept koji se primenjuje u sve veoj meri za lake i bre izvetavanje, efikasnije iskoritavanje raspoloivih resursa, i kao podrka u procesu poslovnog odluivanja, odnosno zbog potrebe da proizvoai budu konkurentniji i blii kupcu. Cilj skladita podataka je ostvarivanje principa Biti uvek na usluzi korisniku informacija. Korisnici u svakom trenutku imaju na raspolaganju kljune poslovne informacije i mogunosti analize na vrlo jednostavan, brz i kvalitetan nain. Jasno definisane prednosti primene skladita podataka u svim granama industrije ukazuju na potrebu njegove implementacije u oblastima poboljavanja performansi poslovnih sistema. Budunost DW-a je u pruanju korisnih informacija ne samo zaposlenima u preduzeu nego i klijentima, dobavljaima, i svim ostalim poslovnim partnerima, koritenjem nove informacione tehnologije odnosno Interneta.
215
Data Warehouse se zasniva na odvajanju OLTP80 i OLAP81 procesa. DW je infrastruktura koja se gradi, a ne proizvod koji se kupuje.
80 81
OLTP - On Line Transaction Processing OLAP - On Line Analytical Processing
216
4.3.6. DM Data mining

Uvoenjem automatizovanog informacionog sistema korisnici su dobili samo gomilu podataka iz kojih je ak i najboljem analitiaru teko identifikovati kljune informacije relevantne za upravljanje poslovnim procesima. Automatski ili poluautomatski proces koji kreira pravila ili forme iz ogromne koliine podataka naziva se Data mining. Data mining programi analiziraju delove podataka kako bi identifikovali veze izmeu naizgled nepovezanih podataka. Data mining82 DM se moe definisati kao proces podrke odluivanju u kojem se trae uzorci infomacija u podacima; to je tehnika pretraivanja podataka u cilju identifikacije traenih uzoraka i njihovih meusobnih relacija. Jednostavno reeno, Data mining je izdvajanje interesantnih, ne-trivijalnih, implicitnih, novih i potencijalno korisnih informacija ili uzoraka83 sadranih u velikim bazama podataka. Moemo rei da nam DM pomae da naemo skrivene informacije u ogromnim bazama podataka a kompanijama pomae da donesu odluke bazirane na znanju i informacijama. Osnovni cilj Data mininga jeste otkrivanje skrivenih veza, predvidivih nizova i egzaktnih klasifikacija. Osnovna poruka Data mininga jeste da je potrebno da se iz ogromne koliine operativnih podataka i veza koje se ne mogu odmah sagledati definiu odgovarajue relacije, obrasci ili forme ponaanja, to u krajnjem sluaju daje potrebne informacije iz raspoloivih podataka.
82
Data mining rudarenje, otkrivanje znanja u bazama podataka, ekstrakcija znanja, arheologija podataka, iskopavanje podataka... 83 Pattern uzorak signalizira povezanost izmeu varijabli ali ne govori o njihovoj uzrono-posledinoj vezi.
217
Ovo pretraivanje kroz podatke moe vriti korisnik, na primer izvoenjem upita, ili ga moe vriti neki inteligentni program koji automatski pretrauje bazu umesto korisnika i nalazi znaajne uzorke. Kada se traena informacija nae, treba je prikazati na odgovarajui nain, sa grafikonima i izvetajima. Izgradnja DM modela, DM alata, provodi se kroz nekoliko koraka: izbor tehnike Data mininga, identifikacija sluaja, izbor entiteta koji treba da se predvidi, identifikacija podataka za analizu, opciono kreiranje dimenzije i virtuelne kocke iz rezultujueg modela i obrada modela i prikupljanje rezultata.
Ako pogledamo u DM alate, vidimo da postoje zajednika logika jezgra nezavisna od podataka i aplikacija, primenljivih programa, ali veina postojeih implementacija pokuava da ignorie injenicu i koncentraciju problema, ime DM alat postaje ogranien samo na poseban set podataka specifine aplikacije. Najvei izazov bilo kojoj DM maini, DM alatu, jeste kako primeniti razliite algoritme ili razliite tehnike na razliitim grupama podataka, sa ciljem pronalaenja interesantnih uzoraka korisnih za poslovne procese organizacije. Enormna koliina i kompleksnost podataka ne dozvoljavaju korienje istih algoritama za razliite grupe podataka. Danas razliiti dobavljai pokuavaju da ree ovaj problem, ali oni uglavnom podravaju podskup razliitih algoritama, niko od njih se nije pojavio sa stabilnom DM mainom koja moe da radi sa bilo kojim skupom podataka i u
218
bilo kojoj oblasti. Jo uvek je samo san da se napravi program koji e voditi rauna o svim problemima. DM radi sa korisnim uzorcima, a korisnost uzorka zavisi od konteksta njegove primene. Danas primena DM alata iskljuivo zavisi od eksperata koji odluuju koje alate koristiti za odreene probleme. U sledeoj tabeli prikazan je razvoj DM-a:
Koraci razvoja Prikupljanje podataka (60-e) Pristup podacima (80-e) DW & DS (90-e) Poslovni problem Npr. prihod u zadnjih 5 godina Npr. jedinina prodaja prolog meseca u Banjoj Luci Npr. jedinina prodaja prolog meseca u Banjoj Luci. Proiriti na RS Npr. kakva e biti prodaja sledeeg meseca u RS i zbog ega Raspoloiva tehnologija raunari, trake, diskovi Dobavljai IBM, CDC Karakteristike retrospektiva, isporuka statinih podataka retrospektiva, dinamiki podaci isporueni na nivou sloga retrospektiva, dinamiki podaci isporueni na vie nivoa
RDBMS, SQL, ODBC
Oracle, IBM, Microsoft, ... Cognos, Pilot, ....
OLAP, multidimenzionalne baze podataka, DW
DM (do danas)
Napredni algoritmi, multiprocesorski raunari, masivne baze podataka
IBM, Pilot, SGI, Lockhead, ...
predvidiva, proaktivna isporuka informacija
Metodologija kreiranja Data mining modela Da biste kreirali DM model, morate prikupiti skup podataka, gde su atributi koji treba da se predvide unapred
219
poznati. Podaci se ubacuju u DM model koji ih analizira i trai pravila i obrasce koji bi se kasnije mogli iskoristiti za predvianje. Podaci koji se analiziraju su obino istorijski podaci i statistiki predstavnici sluajeva za koje gradite DM model, to je prikazano na sledeoj slici.
Slika 43. Metodologija kreiranja DM-a Sluaj, case, element je koji se koristi za klasifikaciju i grupisanje podataka. DM engine84 procenjuje sluajeve i kreira model koji se zasniva na izabranom algoritmu. Integracija Data mininga sa skladitem podataka Danas se radi na integraciji Data mining alata sa skladitem podataka. Postoji vie razloga za ovu integraciju. Prvo, Data mining alati zahtevaju postojanje preienih i integrisanih podataka. Tradicionalni DM alati bi iz tih razloga prvo izvrili transfer podataka, moda i stotine
84
Data Mining Engine izvodi Data mining modele.
220
gigabajta putem mree. Nakon zavrenog rada esto se javlja potreba za novim podacima, to znai da bi se ceo proces transfera morao ponoviti. Pri ovome se neprestano mora voditi rauna o zatiti podataka i grekama pri prenosu. Drugi razlog za integraciju DM alata sa skladitem podataka jeste poboljani korisniki interfejs. Stariji DM alati su zahtevali angaovanje 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 koju obezbeuje skladite podataka, a koja je potrebna za Data mining alate. Tradicionalni i integrisani prilaz 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, DM alati e kreirati nove tabele u kojima e smetati rezultate i koji se mogu pregledati kao i sve ostale tabele, korienjem SQL naredbi. Data mining modeli Nekoliko tehnika Data mininga omoguava identifikovanje obrazaca u ogromnom broju podataka. Clustering tehnika klasteringa, grupisanja, omoguava grupisanje zapisa podataka koji su slini. Na primer, sa klasteringom moete segmentirati klijente sa slinim karakteristikama u grupe. Neuronske mree, Neural Networks. Kao to ovek ui na osnovu iskustva, tako moe i raunar. Neuronske mree predstavljaju neuronske veze u ljudskom mozgu i na taj nain simuliraju uenje. Ukoliko sastavljate podatke gde su ulazne i 221
izlazne injenice poznate, raunar moe da naui iz tih obrazaca i postavi pravila i matematike faktore kako bi, na primer, pomogao izraunavanje ili predvideo izlaznu vrednost. Pretpostavimo da elite da prodate automobil. Na prodajnu cenu utie nekoliko faktora, kao to su godine, stanje, proizvoa, model itd. Analizirajui cene automobila, neuronske mree mogu da kreiraju seriju ulaznih i izlaznih faktora kako bi predvidele cenu prodaje.
Slika 44. Neuronska mrea Neuronske mree predstavljaju sistem programa i struktura koji aproksimira funkcionisanje ovekovog mozga. Pogodne su za prepoznavanje finih, skrivenih i novootkrivenih ema odnosa u kompleksnim podacima, kao i za interpretaciju, razumevanje nekompletnih ulaznih podataka. Fuzzy logika. Ova tehnika se koristi u procesu otkrivanja znanja za potrebe klasifikacije, segmentacije i prognoziranja. Orijentisana je ka znanju eksperata iz odreenog podruja u samom procesu kreiranja modela i provoenja analize. Memorijsko zasnovano prosuivanje, MBR Memory Based Reasoning, tehnika je Data mininga koja se koristi za predvianje i klasifikaciju. Na primer, ukoliko pacijent ima nekoliko simptoma, doktor e na osnovu iskustva
222
sa slinim pacijentima dati dijagnozu. Doktor izvrava dijagnozu koristei oblik MBR-a. Stablo odluivanja Decision Tree, popularan metod za klasifikaciju i predvianje. Korienjem serije pitanja i pravila za kategorizaciju podataka, moe se predvideti da e izvesni tipovi imati specifine ishode. Stablo odluivanja predstavlja tehniku odluivanja koja se temelji na odnosima izmeu strategije i stanja, a koristi se za reavanje sloenih problema finansija, marketinga, uvoenja novih proizvoda i slino. To je tehnika modeliranja podataka kojom se stvaraju modeli u obliku grafikona hijerarhijski organizovanim pravilima koji omoguavaju klasifikaciju novih uzoraka. Na sledeoj slici prikazan je primer stabla odluivanja kod analize rizika poslovanja.
Slika 45. Stablo odluivanja Stablo odluivanja se zasniva na etiri osnovne varijable: 1. kostur stabla odluivanja, koji pomou grafikona prikazuje strategije, mogue posledice svake strategije i identifikovano stanje, 2. verovatnoa razliitih posledica izabrane strategije, 3. uslovna vrednost (trokovi) pripadajue posledice i
223
4. oekivana trokove.
vrednost
za
pripadajue
plaanje
ili
Analiza pijane torbe Market Basket Analysis, MBA, esto se naziva i grupisanje po slinosti, affinity grouping. Koristi se za pronalaenje grupe artikala koji se najee zajedno dogaaju u jednoj transakciji. Koraci kod izgradnje DM modela su: 1. izbor tehnike Data mininga, 2. identifikovanje sluaja, 3. izbor entiteta koji treba da se predvidi, 4. identifikovanje podataka za analizu, 5. opciono kreiranje dimenzije i virtuelne kocke iz rezultujueg modela i 6. obrada modela i prikupljanje rezultata. Tipovi DM-a Po optoj funkcionalnosti, Data mining moe biti deskriptivan Data mining i prediktivan Data mining. Deskriptivni model pomae u razumevanju procesa ili ponaanja koje je opisano podacima. Na primer, asocijativna pravila opisuju ponaanje kupaca. Prediktivni model je jednaina, ili skup pravila koji omoguava predikciju zavisne varijable ili atributa, na osnovu skupa nezavisnih varijabli. Zavisno od prirode problema, odnosno podataka, biramo najprikladniji oblik modela. Razliiti pogledi i klasifikacije DM-a zavise od vrste baza podataka koje treba istraivati, vrste znanja koje treba otkriti i vrste tehnika koje se za to koriste.
224
Slika 46. Data mining Tehnike i metode DM-a Statistike metode i algoritmi grupisanja omoguavaju pronalaenje modela koji opisuju razlike u klasama ili konceptima za predstojea predvianja. Konceptualna deskripcija modela vri se uporeivanjem, deskripcijom i sumarizacijom podataka. Kod analize zavisnosti vri se asocijacija traenja uzoraka sa povezanim dogaanjima, i sekvencijalna analiza uzoraka koji vode jedan drugom. Veoma je vano otkrivati devijacije i anomalije kod podataka i uzoraka. Sumirajui predhodno reeno, tehnike DM-a su: Asocijacija traenje uzoraka sa povezanim dogaajima u analizi zavisnosti. Asocijacija pokuava da utvrdi koje se osobine javljaju zajedno kod vie uzoraka u istoj transakciji, u istom dogaaju. Ona pokuava da identifikuje zajednitvo i da ga iskoristi; na primer, koji se proizvodi najee zajedno kupuju pri jednoj kupovini. Sekvencijalna analiza traenje uzoraka u kojima jedan dogaaj kasnije dovodi do drugog. Sekvencijalna analiza otkriva ponaanje objekta posmatranjem tokom vremena. 225
Analiziraju se razliite transakcije u nekom periodu vezane za isti objekat. Na primer, isto lice kupuje odreene predmete u odreeno vreme. Zato i ta bi mu se jo moglo ponuditi? Klasifikacija potraga za novim uzorcima, a moe da prouzrokuje promenu naina organizovanja podataka; pronalaenje modela koji opisuju razlike u klasama ili konceptima za budue predvianje. Klasifikacija analizira skup podataka i utvruje elemente za grupisanje. Formiraju se grupe koje imaju zajednike elemente. Analiziraju se grupe i poreklo njihovog nastajanja. Grupisanje - clustering, pronalaenje i vizuelno dokumentovanje prethodno nepoznatih grupa injenica; maksimiziranje slinosti unutar klasa i minimiziranje slinosti izmeu samih klasa. Predvianje otkrivanje uzoraka podataka koji vode do razumnog predvianja budunosti, predvianje nepoznatih ili nedostajuih numerikih vrednosti. Primer DM-a Zadatak: analiza trita odrediti klastere kupaca koji imaju zajednike karakteristike: prihod, potroake navike, standard. Odrediti uzorke potronje kupaca kroz vreme. Konaan cilj: predvianje asocijacija izmeu prodaja proizvoda i predvianje korelacije izmeu prodaja proizvoda. Izvori podataka: kreditne transakcije, albe kupaca, kupovine sa i bez popusta, studije trita. Rezultati analize su: Tipiziranje kupaca: koji tipovi kupaca kupuju odreene proizvode, grupisanje i klasifikacija. Identifikovanje zahteva kupaca: identifikovanje najboljih proizvoda za razliite kupce i upotreba predvianja u cilju pronalaska faktora koji e privui nove kupce. 226
Data mining tipine primene Maloprodaja. Projekcija prodaje, spreavanje kraa i prevara, odreivanje optimalnog nivoa skladita i plana snabdevanja. Bankarstvo. Predvianje nivoa loih plasmana sredstava, rizika kreditnih kartica, predvianje potronje novih korisnika kreditnih kartica. Proizvodnja. Projekcija prodaje, spreavanje kraa i prevara, odreivanje optimalnog nivoa skladita i plana snabdevanja. Osiguranje. Predvianje odtetnih zahteva, pokrivanje trokova leenja, procenjivanje koji korisnici e obnoviti polisu osiguranja. Zdravstveno osiguranje. Povezivanje demografskih podataka sa kritinim oboljenjima, uvid u identifikaciju simptoma opasnosti, uzroci opasnosti i tako dalje. Policija. Praenje ema i lokacija zloina, praenje kriminalnog ponaanja, otkrivanje osobina koje bi pomogle u reavanju sluajeva. Marketing. Klasifikacija demografskih karakteristika korisnika u cilju predvianja ponaanja kupca kod prijema nae pote ili kod kupovine odreenih proizvoda. Reklamiranje na Internetu. Data mining se moe koristiti za klasifikaciju grupa klijenata sa slinim informacijama, kako bi se ciljano vrilo reklamiranje. Kada se korisnik, na primer, registruje na e-commerce web sajt koji prodaje sportsku opremu, tada DBMS prikuplja informacije o klijentu, kao to su pol, godine, omiljeni sport i drugo. Korienjem tehnika Data mininga, web sajt e prikazivati baner sa motivima golfa za mukarce i druge promocije.
227
Kada kupujete putem Interneta, ponekad vam se ponude i dodatni proizvodi za koje je web sajt predvideo da ete moda biti zainteresovani. Takva preporuka se zasniva na tehnikama DM-a koji pretrauje obrasce klijenata koji su, na primer, kupili istu knjigu koju vi sada kupujete. Sistem preporuuje: Ukoliko vam se dopada knjiga x, proverite i sledee ponuene knjige. DM modeli analizom trita i analizom rizika omoguavaju dijagnostiku nepravilnosti, kreiranje dokumenata i inteligentnih upita. U CRM-u se koristi jedna vrsta DM tehnike, web mining, u cilju korienja velike koliine informacija prikupljenih putem web sajta radi pronalaenja uzoraka navika kupaca. DM i OLAP ne bi trebalo razmatrati kao odvojene procese, ve ih treba u potpunosti spojiti. Komponente OLAP Data mininga su: relaciona baza podataka koja sadri granulirane85 podatke, OLAP koji obezbeuje brz pristup sumarnim podacima imeu vie dimenzija, i viedimenzionalni proces otkrivanja koji e vriti otkrivanje izmeu dimenzija i spajati rezultate. ta moemo napraviti data miningom? Moemo segmentirati trite, otkriti profil tipinog klijenta za odreenu vrstu proizvoda, otkriti sklonosti klijenta kupovini i motivatore za cross selling86, napraviti model potroake korpe, otkriti potencijalne prevare na prodajnim mestima, predvideti trendove pojava, na primer kretanja profita, i otkriti slinosti meu trinim kategorijama, i drugo. Dananji Data mining alati susreu se sa mnogim problemima.
85 86
Grumenje znanja Aktivnosti prodaje izmeu poznatih klijenata, trita, trgovaca itd.
228
Teko korienje. Postojei DM alati pokuavaju da pokriju sve razliite DM aplikacije, ali ih je teko konfigurisati i koristiti. Eksperti koriste alate. ovek je glavni resurs DM-a, potrebni su eksperti za korienje tih alata, a potom i za analizu dobijenih rezultata. Teko se dodaju nove funkcije. Zbog kompleksnosti DM alata teko je dodati nove funkcije u njih. Dodavanje. Ne postoji nain razvoja novih algoritama od strane drugih kompanija koji bi se lako integrisali u alat. Brzo zastareva. Nema stabilne komponente u DM alatu i on vremenom zastareva jer novi alati stiu na trite, promena postojeih alata zbog inkorporiranja novih karakteristika je teka i trai mnogo vremena. Ogranien broj algoritama. Postojei alati sadre ogranien broj algoritama, a ponekad je ogranieno viestruko korienje algoritama. Potrebno je mnogo resursa. Postojei alati nisu optimizirani za bilo koju specifinu aplikaciju pa trebaju mnogo resursa kao to su memorije, diskovi i tako dalje. Nije lako izgraditi DM alat koji e izbei navedene probleme. Tome doprinosi njegova cena, potrebno vreme i nedostatak sistematinog pristupa. Osnovni resurs Data mininga je ovek.
229
4.3.7. OLAP proces analitike obrade podataka

Kreirane velike baze podataka prepune su vanih podataka za proces odluivanja. Ukoliko podaci ostanu nedostupni korisnicima, onda je njihovo prikupljanje besmisleno. Ove podatke treba pretvoriti u informacije koje e biti upotrebljene u irokom spektru namena. Obezbeivanjem kvalitetnih informacija korisnicima koji e taj kvalitet znati da iskoriste, poveavaju se sveukupne performanse kompanije. Neophodno je razviti modele za analizu podataka. Uporedo sa razvojem modela za analizu podataka, razvijaju se odgovarajue tehnike i sva pratea infrastruktura za upotrebu podataka u najrazliitijim analizama. Menaderi, analitiari i korisnici pripremljeni su i obueni da primene i upotrebe tehnologije, da izvedu zakljuak iz podataka koji su im prezentovani, to im omoguava uspenije poslovanje. Korporativna baza podataka prihvata nove podatke i prikazuje prethodno uskladitene podatake. Veliki izazov je prihvatati tekue unose podataka i simultano obraditi vrlo kompleksne upite namenjene analizi. Kompanija, svojim rastom i irenjem trita na udaljene prostore, zahteva prikladnu informatiku podrku. Ta podrka je OLAP87. OLAP je postao nasuna potreba. Iako je koncept bio poznat, nedostajala su reenja. Dr E. F. Codd88 je 1993. predloio termin OLAP za pretvaranje podataka korporacije u multidimenzionalnu perspektivu.
87 88
OLAP OnLine Analitical Processing Edgar Frank Codd (19232003), otac relacionih baza podataka
230
Ted Codd je istakao znaaj OLAP servera postavljenog u prostor izmeu krajnjih korisnika i baze podataka. Za OLAP server mogue je nezavisno razvijati interfejse, API funkcije, alate za formiranje upita i za izvetavanje. U svom radu A Relational Model of Data for Large Shared Data Banks objavljenom 1993. godine, dr Codd definie 12 pravila za evaluaciju alata koji oekuju da budu tretirani kao OLAP proizvod: 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. Viedimenzionalni konceptualni pogled analitiara Transparentnost za korisnika Pristupanost, mapirani svi izvori podataka Konzistentne performanse izvetavanja Klijent server arhitektura Generiko dimenzioniranje Dinamiko upravljanje matricama Viekorisniki rad Neograniene operacije sa unakrsnim dimenzijama Intuitivno upravljanje podacima Fleksibilno izvetavanje Neogranien broj dimenzija i nivoa agregacije
Nigel Pendse89 je smatrao da pored 12 OLAP pravila dr Codda treba uvesti novu FASMI90 definiciju koja proiruje OLAP. Ova definicija je uvedena 1995. godine i do sada nije revidirana. Fast brzina; znai da sistem treba da bude projektovan tako da korisnicima isporui vie odgovora unutar 5 sekundi, pri emu jednostavnije analize trebaju 1 sekundu za odgovor, a najsloenije i vie od 20 sekundi.
89
Nigel Pendse je vodei autor iz ove oblasti (OLAP report i BI Survey), a svoje radove objavljuje na www.olapreport.com. 90 FASMI Fast Analysis Shared Multidimensional Information
231
Analysis analize; sistem treba da ima sposobnost da se izbori sa bilo kojom vrstom poslovne logike koja je relevantna za korisnika. Shared deljivost. Sistem mora da zadovolji sve zahteve vezane za sigurnost i poverljivost do nivoa elije. Multidimensional viedimenzionalnost je kljuna u FASMI definiciji jer jednom reju definie OLAP. Information informacije, sve to je vezano za podatke i sve to je izvedeno iz podataka, odnosno sve to moe biti relevantno za aplikaciju. OLAP tehnologija, interaktivno analitiko procesuiranje, omoguava korisniku pristup i analizu ad hoc podataka, pregled informacija dobijenih kroz poreenja, analize podataka iz prolosti i podataka izvedenih iz razliitih ta ako scenarija. OLAP baza podataka ili analitika baza podataka podvrgnuta je promenama, koje dolaze od strane vie izvora podataka, obezbeujui snanu analitiku pozadinu mnogim korisnikim aplikacijama. Internet servis The OLAP Report definisao je OLAP kao aplikacije i tehnologije koje omoguavaju prikupljanje, obradu, procesuiranje i predstavljanje viedimenzionalnih podataka za potrebe analize i donoenja odluka. Druga mogua definicija bila bi da OLAP predstavlja programsko reenje koje omoguava menaderima brz, konzistentan i interaktivan pristup podacima korienjem razliitih pogleda proizalih iz operativnih, nestrukturisanih podataka. Ovde se naglaava dimenzionalnost podataka. Koncept viedimenzionalne baze podataka najlake je opisati na primeru kocke. Pogledajmo strukturu prema sledeoj slici:
232
Slika 47. Koncept viedimenzionalne baze ta je OLAP? OLAP je tehnologija koja se koristi za organizaciju velikih poslovnih baza podataka i za podrku poslovnoj inteligenciji BI. OLAP baze podataka su podeljene na jednu ili vie kocki, a administrator kocke organizuje i projektuje svaku kocku tako da odgovara nainu preuzimanja i analiziranja podataka, ime se olakava kreiranje i korienje izvetaja izvedenih tabela i grafikona. OLAP baze podataka omoguavaju upite poslovne inteligencije. Jednostavno, moe se rei da je OLAP tehnologija baze podataka koja je optimalna za upite i pravljenje izvetaja, a ne za obradu transakcija. Izvorni podaci za OLAP su OLTP (OnLine Transactional Processing) baze podataka koje se obino nalaze u skladitima podataka.
Slika 48. Kreiranje OLAP servera OLAP podaci se dobijaju iz ovih arhivskih podataka i sakupljaju se u strukturama koje omoguavaju sloenu analizu, hijerarhijski se organizuju i skladite u kocke umesto u tabele. Re je o naprednoj tehnologiji koja, zahvaljujui korienju
233
viedimenzionalnih struktura, obezbeuje brz pristup podacima za analizu. Ovakva organizacija olakava prikazivanje rezimiranih podataka visokog nivoa u izvetajima izvedene tabele ili izvedenog grafikona, kao to je ukupna vrednost prodaje irom cele zemlje ili regiona, a prikazuje i detalje za one lokacije na kojima je prodaja posebno dobra ili loa. OLAP baze podataka dizajnirane su tako da ubrzaju preuzimanje podataka. Kako OLAP server izraunava rezimirane vrednosti, kada se kreira ili menja izvetaj potrebno je poslati manje podataka u Excel. Ovakav pristup omoguava rad sa mnogo veom koliinom izvornih podataka nego u sluaju kada su podaci u tradicionalnoj bazi podataka, odakle bi Excel preuzimao sve pojedinane izvetaje, a zatim raunao rezimirane vrednosti. Osnovni elementi OLAP sistema su: baza podataka koja slui kao osnova za analizu, OLAP server za upravljanje i manipulaciju podacima, koristi viedimenzionalne strukture za uvanje podataka i veza izmeu njih, interfejs sistema prema korisnicima i drugim aplikacijama omoguava komforan rad, samostalno izvoenje analitikih operacija bez znanja programiranja i same strukture podataka i alati za administraciju sistema.
OLAP baze podataka sadre dva tipa podataka: mere, koje predstavljaju numerike vrednosti, koliine i proseke a koriste se za donoenje poslovnih odluka zasnovanih na informacijama, i dimenzije, koje predstavljaju kategorije koje se koriste za organizovanje mera. OLAP baze podataka pomau pri organizovanju podataka baziranih na velikom broju nivoa koristei poznate kategorije za analizu podataka.
234
Zahtevi koje OLAP sistem mora da ispuni su: mogunost rada sa velikim skupom podataka i velikim brojem korisnika, kratko vreme odziva na upit, mogunost rada sa podacima sa razliitim nivoima detalja, sposobnost prorauna sloenih matematikih funkcija, podrka za ta-ako analizu, modelovanje i planiranje, jednostavnost uvoenja i odravanja sistema, zatita podataka i mogunost rada sa velikim brojema alata pomou kojih e se pristupati podacima, vriti analiza i prikazivati podaci. Viedimenzionalni OLAP (MOLAP), Relacioni OLAP (ROLAP), Hibridni OLAP (HOLAP), Desktop OLAP (DOLAP) i Elastini OLAP (EOLAP)
Postoje sledee arhitekture OLAP sistema: -
Na primer, MOLAP i ROLAP se razlikuju po nainu fizikog uvanja podataka: kod MOLAP sistema podaci se uvaju u viedimenzionalnoj strukturi, a u sluaju ROLAP sistema podaci se uvaju u relacionim bazama podataka. HOLAP sistem predstavlja kombinaciju dobrih strana MOLAP i ROLAP tehnologija. EOLAP je sistem koji omoguava fleksibilan pristup XML91 podacima iz OLAP sistema. Desktop OLAP obezbeuje, na klijent maini, lokalnu multidimenzionalnu analizu nad podacima koji su prikupljeni i sa relacionih i sa multidimenzionalnih servera baze podataka.
91
XML Extensible Markup Language
235
U sledeoj tabeli prikazane su prednosti i nedostaci pojedinih arhitektura OLAP sistema.
Koraci koje je potrebno izvesti kod reavanja problema i donoenju poslovnih odluka su: 1. Izgradnja Data Warehousea DW: - ekstrakcija podataka, - transformacija podataka i - uitavanje podataka 2. Generisanje OLAP kocke 3. Prezentacija reenja 4. Donoenje odluke
Slika 49. Koraci kod reavanja problema
236
O izgradnji skladita podataka govorilo se u poglavlju DW skladite podataka. Drugi korak je generisanje OLAP kocke. Kocka predstavlja strukturu podataka koja mere grupie po nivoima i hijerarhiji svake dimenzije koja se analizira. Svaka strana kocke se naziva dimenzijom. Kocke kombinuju vie dimenzija, kao to su vreme, geografski poloaj i proizvod, sa rezimiranim podacima o prodaji ili stanju zaliha. Svaka elija kocke sadri agregirane podatke koji su u vezi sa dimenzijama. Kocke u strogom matematikom znaenju i nisu kocke, jer im stranice ne moraju obavezno biti jednake. Radi se, meutim, o odgovarajuoj metafori za jedan sloeni viedimenzionalni koncept. Mera je skup vrednosti u kocki baziranih na koloni tabele i najee su to numerike vrednosti. Mere predstavljaju centralne vrednosti u kocki koje su unapred obraene, sakupljene i analizirane. Uobiajeni primer je prodaja, profit, prihodi i trokovi. Znai, mera je numerika vrednost koja je od centralnog interesa za analizu. Na primer, cena proizvoda, koliina prodanih proizvoda, trajanje telefonskih poziva, troak transporta, ukupni prihod i slino. Na osnovu nekih osnovnih mera, mogu se posmatrati i mere koje su iz njih izvedene, a fiziki se ne nalaze meu izvornim podacima. Na primer, mogue je definisati meru ukupni prihod kao proizvod cene i koliine, OLAP sistem takvu izvedenu meru tretira kao i sve ostale mere. lan je stavka u hijerarhiji koja predstavlja jedno pojavljivanje podataka ili pak vie njih. lan moe da bude jedinstven ili nejedinstven. Na primer, godine 2007. i 2008. predstavljaju jedinstvene lanove na godinjem nivou vremenske dimenzije, dok januar predstavlja nejedinstvene lanove na mesenom nivou, zato to u vremenskoj dimenziji
237
moe biti vie januara ukoliko ona sadri podatke za vie godina. Izraunati lan je lan ija je vrednost izraunata pomou izraza za vreme izvravanja. Vrednosti izraunatog lana se ponekad mogu dobiti iz vrednosti drugih lanova. Na primer, vrednost izraunatog lana Profit moe da se odredi oduzimanjem vrednosti lana Trokovi od vrednosti lana Prodaja. Dimenzija je skup jednog ili vie organizovanih nivoa hijerarhije u kocki koji korisnik razume i koristi kao osnovu za analizu podataka. To je opisna kategorija i ima svoju hijerarhiju. Za svaku meru u OLAP sistemu mogue je definisati jednu ili vie dimenzija koje joj daju kontekst posmatranja, odnosno koje blie odreuju vrednosti mere. Slobodno se moe rei da dimenzije deluju kao indeks kojim se dolazi do traenih vrednosti. Na primer, dimenzije mogu biti vreme, proizvod, lokacija, usluga, vrsta trgovine, nain plaanja i slino. Geografska dimenzija moe da ukljui nivoe za zemlju ili region, pokrajinu ili grad. Vremenska dimenzija moe da ukljui i hijerarhiju sa nivoima za godinu, kvartal, mesec, sedmicu i dan. U izvetaju izvedene tabele ili izvetaju izvedenog grafikona svaka hijerarhija postaje skup polja koja moete da proirite i smanjite da biste otkrili nie ili vie nivoe. Hijerarhija predstavlja logiku strukturu stabla u kojoj su organizovani lanovi neke dimenzije, i to tako da svaki lan ima jedan nadreeni lan i niti jedan podreeni lan ili nekoliko njih. Podreeni lan nalazi se na susednom niem nivou u hijerarhiji koji je direktno povezan sa trenutnim lanom. Na primer, u hijerarhiji Vreme koja sadri nivoe kvartal, mesec, sedmica i dan, januar je podreeni lan kvartala1. Nadreena vrednost je najee konsolidacija vrednosti svih podreenih lanova. Na primer, u hijerarhiji Vreme koja sadri nivoe kvartal, mesec, sedmica i dan, kvartal1 je nadreen lanu januar.
238
Nivo. Unutar neke hijerarhije podaci mogu da budu organizovani u vie i nie nivoe detalja, poput nivoa godina, kvartal, mesec, sedmica i dan u hijerarhiji Vreme. Prednosti koje daje OLAP kocka su: izuzetne performanse u izvravanju kompleksnih upita, ne ugroava konkurentnost obrade, ne zavisi od DBMS, moe da objedinjuje podatke iz vie razliitih DBMS i poseduje jezik specijalno dizajniran za analizu podataka.
Korisnik lake, selektivnije i iz razliitih aspekata izvlai i posmatra podatke koristei viedimenzionalne baze podataka. Na primer, proizvod, prodaja po regionima i periodu prodaje tog proizvoda su posebne dimenzije. Na sledeoj slici prikazan je informacioni sistem koji se sastoji od proizvodnje, finansija, marketinga i prodaje.
Slika 50. Multidimenzionalni pogled na podatke Primer OLAP kocke koja ima dimenzije proizvod, mere i vreme, prikazan je na sledeoj slici.
239
Slika 51. Primer OLAP kocke Glavna svrha OLAP baza podataka je da obezbede fleksibilne modele za pronalaenje podataka, a dimenzije i hijerarhije omoguavaju tu fleksibilnost. Dimenzije omoguavaju slice i dice metod pronalaenja podataka. Slice predstavlja izbor jednog lana iz dimenzije. Na primer, ukoliko elite da se fokusirate na samo jedan proizvod, slice omoguava da ignoriete sve osim eljenog proizvoda, dok dice metoda postavlja vie lanova iz jedne dimenzije na jednu osu i vie lanova druge dimenzije na drugu osu. Ovakav nain traenja podataka omoguava sagledavanje meuodnosa lanova razliitih dimenzija.
Slika 52. Primer slice i dice metode Hijerarhija omoguava drill down i drill up metode pronalaenja podataka.
240
Drill down. Sve dimenzije sadre hijerarhiju i za veinu dimenzija hijerarhija se sastoji od vie nivoa. Vie nivoa hijerarhije omoguava pogled prema dole po jednom lanu hijerarhije. Drill down omoguava da se fokusirate samo na odreene podatke ili oblast problema. 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. Na primer, kada se pronae podatak o prodaji nekog proizvoda u nekom regionu, sputa se nanie da bi se saznalo kako se prodaja odvija po optinama. Drill up metoda pronalaenja podataka ili pogled prema gore, vidi samo zbirne informacije lanova. Omoguava da se sagleda opta slika. Postupak prelaska sa nivoa sa veim brojem detalja na nivo sa manjim brojem detalja, na sumarne podatke, naziva se dizanje navie, drill up. Na primer, upit bi mogao prezentovati prodaju u odnosu na neke regione. Napomenula sam da se reavanje problema sastoji od etiri koraka, izgradnje skladita podataka, generisanja OLAP kocke, prezentovanja reenja i donoenja odluke. Za prezentaciju reenja problema koristi se OLAP kocka i aplikacije klijenta i prezentuju se dobijeni izvetaji.
Slika 53. Prezentovanje reenja Na osnovu prezentovanih izvetaja menadment vri njihovu analizu i donosi kako strateke tako i operativne odluke.
241
Na primer, na osnovu izvetaja o prodaji odreenih proizvoda menadment vri analizu i zakljuuje da je prodaja vremenom porasla i da su ti proizvodi postali popularniji. Analizom prodaje po regionima zakljueno je da prodaja varira od regiona do regiona, a da je prodaja nekih proizvoda pala. Zbog toga menadment donosi odluku da se proiri trite i pobolja kvalitet proizvoda ija prodaja opada. Prednosti OLAP sistema su:
sistematizacija, usklaivanje heterogenih podataka u preduzeu, brzo izvoenje kompleksnih analiza sumarnih podataka u realnom vremenu koje nije mogue efikasno izvesti na neki drugi nain, uteda vremana i ljudskih potencijala na pripremi kompleksnih izvetaja, mogunost prilagoavanja sadraja analitikih baza podataka realnim potrebama, niski trokovi korienja i odravanja sistema, uoavanje meusobnih zavisnosti nekih poslovnih procesa i funkcija i taan uvid u poslovne trendove u svim segmentima poslovnih procesa.
242
4.3.7.1.
OLAP funkcije u programu Excel
Preuzimanje OLAP podataka. Sa OLAP izvorima podataka moete da se poveete na isti nain na koji se povezujete sa drugim spoljnim izvorima podataka. Moete da radite sa bazama podataka koje su kreirane pomou Microsoft serverskih OLAP proizvoda, kao to su Microsoft SQL Server OLAP Services, Microsoft SQL Server Analysis Services i Microsoft SQL Server Analysis Services. Excel takoe moe da radi sa OLAP proizvodima nezavisnih proizvoaa koji su kompatibilni sa OLE-DB za OLAP. OLAP podaci mogu se prikazati samo kao izvetaj izvedene tabele ili izvedenog grafikona, ili u funkciji radnog lista konvertovanog iz izvetaja izvedene tabele, ali ne kao opseg spoljnih podataka. Primer: OLAP izvetaji izvedenih tabela i izvedenih grafikona mogu se sauvati u predlocima izvetaja, a mogu se kreirati i Office datoteke sa podacima za povezivanje, odnosno ODC92 datoteke sa ekstenzijom odc, da biste se povezali sa OLAP bazom podataka i da biste izvrili OLAP upite. Kada otvorite ODC datoteku, Excel prikazuje prazan izvetaj izvedene tabele koji je spreman za rasporeivanje. Kreiranje datoteka kocki za korienje van mree, datoteke sa cub ekstenzijom, sa podskupom podataka iz baze podataka na OLAP serveru. Vanmrene datoteke kocke koristite da biste radili sa OLAP podacima kada niste povezani sa mreom. Kocka omoguava da u izvetaju izvedene tabele ili izvedenog grafikona radite sa veom koliinom podataka nego to biste to inae mogli, uz brzo preuzimanje podataka. Datoteke kocke moete da kreirate samo ako koristite OLAP dobavlja usluga poput sistema Microsoft SQL Analysis
92
ODC datoteke Office Data Connection
243
Services Server, verzija 2005, koji podrava ovu funkciju. OLAP dobavlja usluga predstavlja skup programa koji omoguavaju pristup odreenom tipu OLAP baza podataka. Ovi programi mogu da sadre upravljaki program za pristup izvoru podataka i druge klijentske programe neophodne za povezivanje sa bazom podataka, Vanmrena kocka skladiti podatke u obliku OLAP kocke. Ti podaci mogu predstavljati deo OLAP baze podataka sa OLAP servera ili mogu biti kreirani nezavisno od OLAP baze podataka. Vanmrene datoteke kocke upotrebljavate kada radite sa izvetajima izvedene tabele koji predstavlja interaktivni tablini Excel izvetaj u kome se rezimiraju i analiziraju podaci. Na primer, zapisi baze podataka iz razliitih izvora ukljuujui i one van Excel programa. Radnja servera predstavlja opcionalnu, ali korisnu funkciju. Administrator OLAP kocke moe da definie na serveru mogunost da koristi lana kocke ili meru kao parametar za upit da bi dobio detalje u kocki ili da bi pokrenuo drugu aplikaciju poput pretraivaa. Excel podrava sledee radnje servera: URL, Report, Rowset, Drill Through i Expand to Detail, ali ne podrava radnje Proprietary, Statement i Dataset. Oblikovanje servera. Administratori OLAP kocke mogu da kreiraju mere i izraunate lanove kocke pomou oblikovanja boja, fonta i uslovnim oblikovanjem pravila, koja mogu da budu dodeljena kao pravilo za korporativno standardno poslovanje. Na primer, format servera za profit moe da bude format iznosa valute: zelena boja elije ako je vrednost vea od ili jednaka vrednsti 10.000 KM, i crvena ako je vrednost manja od 10.000 KM; boldiran stil fonta ako je vrednost manja od 10.000 KM, odnosno standardni ako je vrednost vea od ili jednaka 10.000 KM.
244
Jezik za izvetaje u sistemu Office. Administrator kocke moe da definie kako prevode za podatke, tako i prevod greaka na serveru za korisnike koji ele da na nekom drugom jeziku vide informacije izvedene tabele. Ova funkcija je definisana kao svojstvo za povezivanje datoteka, a postavke raunara korisnika za zemlju ili oblast moraju da odgovaraju jeziku za prikaz izvetaja. Softverske komponente potrebne za pristup OLAP izvorima podataka OLAP dobavlja. Da biste postavili OLAP izvore podataka za Excel, potreban vam je jedan od sledeih OLAP dobavljaa, Microsoft OLAP dobavlja ili neki drugi OLAP dobavlja. Excel sadri upravljaki program za izvor podataka, programsku datoteku koja se koristi za povezivanje sa odreenom bazom podataka, i klijentski softver potreban za pristup bazama podataka kreiranim pomou razliitih sistema Microsoft SQL Server OLAP Services. Za druge OLAP proizvode potrebno je da instalirate dodatne upravljake programe i klijentski softver. Samostalni proizvod mora da bude u skladu sa OLE-DB za OLAP standarde i da bude kompatibilan sa sistemom Microsoft Office da biste koristili Excel opcije za rad sa OLAP podacima. Baze podataka na serveru i datoteke kocke. Excel OLAP klijentski softver podrava povezivanje sa dva tipa OLAP baza podataka. Iz baze podataka na OLAP serveru koja je dostupna na mrei, moete direktno preuzeti izvorne podatke. Iz vanmrene datoteke kocke, koja sadri OLAP podatke, ili datoteke sa ekstenzijom oqy93 koja sadri definiciju kocke, moete preuzeti izvorne podatke.
93
OQY Microsoft Excel OLAP query
245
Izvori podataka omoguavaju pristup svim podacima u OLAP bazi podataka ili u vanmrenoj datoteci kocke. Na osnovu kreiranog OLAP izvora podataka moete da napravite svoje izvetaje, kao i da vratite OLAP podatke u Excel u obliku izvetaja izvedene tabele ili izvetaja izvedenog grafikona, ili kao funkciju radnog lista konvertovanu iz izvetaja izvedene tabele. Microsoft Query. Upite, Query, koristite da biste preuzeli podatke iz eksterne baze podataka kao to je Microsoft SQL ili Microsoft Access, ali nije potrebno da koristite Query da biste preuzeli podatke iz OLAP izvedene tabele povezane sa datotekom kocke. Razlike u funkcijama izmeu OLAP i ne-OLAP izvornih podataka Ukoliko radite sa izvetajima izvedene tabele i izvedenog grafikona iz OLAP izvornih podataka, kao i iz drugih vrsta izvornih podataka, primetiete neke razlike u funkcijama. Preuzimanje podataka. Svaki put kada promenite raspored izvetaja, OLAP server nove podatke vraa u Excel. Kod drugih vrsta eksternih izvornih podataka, upit pravite za sve izvorne podatke istovremeno, a moete i da postavite opcije tako da upit bude napravljen samo kada prikaete razliite stavke polja filtera za izvetaj. Postoji i nekoliko drugih opcija za osveavanje, auriranje izvetaja, tako da se njihovim korienjem dobijaju najnovije vrednosti izvornih podataka. Ako se izvetaj bazira na eksternim podacima, osveavanjem se pokree odgovarajui upit kojim se preuzimaju novi i izmenjeni podaci. Tipovi polja. Polja za dimenzije mogu se koristiti samo kao polja reda, polja kojima je u izvetaju izvedene tabele dodeljena uloga reda. Polje kolone je polje kome je u izvetaju izvedene tabele dodeljena uloga kolone. Polja za
246
mere mogu da se koriste samo kao polja sa vrednostima. Sva polja u bilo kom delu izvetaja mogu da se koriste za druge tipove izvornih podataka. Pristup detaljnim podacima. Za OLAP izvorne podatke server odreuje koji su nivoi detalja dostupni i rauna vrednosti za rezimiranje, tako da zapisi o detaljima koji sainjavaju rezimirane vrednosti moda nisu dostupni. Meutim, server obezbeuje polja svojstava, nezavisnih atributa pridruenih stavkama, odnosno lanovima, u OLAP kocki. Na primer, ako za stavke tipa grad imate i svojstva broj stanovnika uskladitena na serveru kocke, izvetaj izvedene tabele e za svaki grad da prikae i njegov broj stanovnika. Poetni redosled sortiranja. Za OLAP izvorne podatke stavke se prvo pojavljuju u redosledu u kojem ih OLAP server vraa. Te stavke moete da sortirate ili da runo preuredite. to se tie drugih tipova izvornih podataka, stavke se u novom izvetaju prvo pojavljuju sortirane po rastuem redosledu po imenu stavke. Izraunavanje. OLAP serveri obezbeuju izraunavanje vrednosti direktno za eljeni izvetaj, tako da ne moete da promenite funkcije za rezimiranje, tip raunanja koji kombinuje izvorne podatke za izvetaj izvedene tabele ili tabelu konsolidacije. Izraunavanje se koristi i prilikom umetanja automatskih podzbirova na listu ili u bazu podataka. Za druge tipove izvornih podataka moete da promenite funkciju rezimiranja za polje vrednost i da koristite vie funkcija za rezimiranje u istim poljima za vrednost. Ne moete da kreirate izraunata polja ili izraunate stavke u izvetajima sa drugim OLAP izvornim podacima. Meuvrednosti. Za izvetaje sa OLAP izvornim podacima ne moete promeniti funkciju rezimiranja za meuvrednosti. Kod drugih tipova izvornih podataka moete da promenite funkcije za rezimiranje meuvrednosti i da
247
prikaete ili sakrijete meuvrednosti u svim poljima redova i kolona. Za OLAP izvorne podatke sakrivene stavke moete da ukljuite ili izuzmete prilikom raunanja meuvrednosti i sveukupnih vrednosti. Za druge tipove izvornih podataka moete da ukljuite skrivene stavke polja filtera za izvetaj u meuvrednostima, ali se podrazumevano izuzimaju skrivene stavke u drugim poljima.
248
4.4.
VI Vetaka inteligencija
Kada posmatramo ovekovu delatnost, zakljuujemo da se ona ispoljava u obliku fizikog i umnog rada, odnosno u transformaciji energije i informacije. Umni rad se manifestuje u obliku primanja, obrade i kreiranja informacija, a odvija se u ovekovom mozgu prema malo poznatim pravilima. Ulazne i izlazne informacije u umnom radu su poznate, ali sam proces transformacije ulaznih informacija u ljudskom mozgu je nepoznat. Nauka o obradi informacija se sve vie bavi istraivanjem algoritama i metoda obrade informacija u ljudskom mozgu. Otkrivenim zakonitostima bavi se vetaka inteligencija VI. Ova nauka tei da primenom raunara reava probleme koji se inae reavaju umnim radom, odnosno ljudskom inteligencijom. Vetaka inteligencija je grana raunarske nauke koja se bavi razvijanjem inteligentnih raunarskih hardverskih i softverskih sistema sposobnih da komplikovane zadatke reavaju umesto oveka. Vetaku inteligenciju kao pojam uveo je 1956. godine Jon McCharty sa Tehnolokog instituta iz Masausetsa, nazvavi svoja istraivanja vetaka inteligencija. Ovde se pod inteligencijom podrazumevaju oni principi inteligentnog ponaanja oveka kao to su sposobnost komunikacije, prilagoavanje razvoja, sposobnost reavanja problema. Numeriki programi, programi za rad sa bazom podataka i programi za obradu teksta nemaju ovu mogunost. Oni samo na razliite naine predstavljaju za njih beznaajne simbole koje samo ljudska bia mogu razumeti i interpretirati. Raunarska tehnika prevazilazi efikasnost ovekovog mozga u brzini i tanosti, a ima i neke druge prednosti. Raunar je u ovim oblastima veoma uspean.
249
Postoji vie naina da se definie oblast vetake inteligencije. Najprimenjeniju definiciju vetake inteligencije dao je Marvin Minski94 i ona glasi: Vetaka inteligencija je ona nauka koja osposobi raunar da obavlja takve radnje koje su obeleene kao inteligentne kada ih izvrava ovek. Vetaka inteligencija je studija ideja koje omoguavaju raunarima da budu inteligentni. VI je polje raunarske tehnike koja se koristi za reavanje simbolikih problema. Vetaka inteligencija je nauna oblast u kojoj se izuavaju izraunavanja kojima bi se omoguila percepcija, rezonovanje i injenje, u kojoj se istrauje kako da se naprave raunari koji bi uspeno radili stvari koje u ovom momentu ljudi bolje rade. Vetaka inteligencija je grana raunarskih nauka koja se bavi razvijanjem inteligentnih raunarskih hardverskih i softverskih sistema sposobnih da komplikovane zadatke reavaju umesto oveka. Vetaka inteligencija je sposobnost raunara da radi na takav nain da imitira misaone procese oveka kao to su uenje i zakljuivanje. Vetaka inteligencija je istraivanje mogunosti da raunar radi one aktivnosti za koje ovek treba da ima inteligenciju da bi te aktivnosti radio. Glavni modeli vetake inteligencije su simboliki model, bioloki model i model koji podrava novije tehnike.
94
Marvin Minsky, ameriki matematiar, jedan od najznaajnijih naunika u oblasti vetake inteligencije.
250
Simboliki model se bavi logikim programiranjem, ekspertnim sistemima, tehnikama pretraivanja, simbolikim mainama za uenje i obradom jezika. Bioloki model zasnovan je na biolokoj paradigmi i bavi se neuronskim mreama i genetikim algoritmima. Novije tehnike koje podrava vetaka inteligencija su fazi skupovi, teorije haotinih sistema i hibridni sistemi. Primenu vetake inteligencije posmatramo kroz tri podruja: podruje kognitivne95 nauke, podruje robotike i podruje naturalne interakcije.
Slika 54. Oblasti primene vetake inteligencije Aplikacije kognitivne nauke. Veina razvoja vetake inteligencije bazirana je na procesuiranju ovekovih informacija fokusiranih na razumevanju rada ovekovog mozga i ovekovog razmiljanja i uenja. U ove aplikacije spadaju ekspertni sistemi, sistemi za uenje, fazi logika, genetski algoritmi, neuronske mree i inteligentni agenti. Aplikacije robotike. Vetaka inteligencija se u robotici primenjuje kod vizuelne percepcije, lokomotorike, navigacije, dodira.
95
Kognitivna nauka, istraivanje uma ili inteligencije
251
A kada se govori o naturalnim interakcijama onda se misli na jezike, prepoznavanje govora ili govornika, virtuelnu realnost. Prirodne interfejse izmeu oveka i raunara treba napraviti to je mogue prirodnije. U ove aplikacije spadaju naturalni jezici, prepoznavanje govora, virtuelna realnost. Virtuelna realnost, Virtual Reality VR Virtual reality simulira realno ili imaginarno okruenje koje se vizuelno moe doiveti u tri dimenzije: visini, irini i dubini. Doivljaj moe biti dodatno obogaen vizuelnim pokretima u realnom vremenu praenim zvukom, dodirom i jo nekim povratnim formama. Najjednostavnija forma virtuelne realnosti je 3D slika koja se moe interaktivno istraivati na personalnom raunaru koritenjem tastature ili mia tako da se slika moe okretati, poveavati ili smanjivati. VR delimo na dve vrste:
simulacija realnog okruenja tako da unutranjost zgrade bude opremljena u svrhu treninga ili obuke, razvoj imaginarnog okruenja tipino za igrice, ili obrazovne avanture.
Turingova maina, Turingov test Inteligencija od davnina ljude privlai kako sam pojam inteligencije tako i mogunost konstruisanja inteligentnih maina koje bi mogle samostalno da rade. Vizionar, filozof i matematiar, Alan Turing96, osniva raunarskih nauka, dao je veliki doprinos razvoju vetake inteligencije.
96
Alan Turing (19121954) osniva raunarskih nauka, vizionar, filozof, matematiar i razbija ifarskih kodova; razvio Bombu,
252
Alan Turing je 1950. godine predloio test za procenu raunara, da li raunar moe da misli ili ne. Prema Turingovom testu oekuje se da raunar pokae inteligenciju. Test se provodi tako to se uspostavi komunikacija izmeu raunara koji se nalazi u jednoj sobi, oveka koji se nalazi u drugoj sobi i ispitivaa u treoj sobi. Oba sagovornika pokuavaju da se predstave kao ljudi. Ako raunar moe pruiti zadovoljavajue odgovore na pitanja na koja moe odgovoriti ovek a ispitiva ne moe da odlui ko je ko, onda je to dokaz da je raunar inteligentna maina, onda je raunar proao test. Kako bi test bio jednostavan i univerzalan, da bi se eksplicitno testirala lingvistika sposobnost maine, konverzacija se obino odvija nekim kanalom za prenos teksta, kao to je teleprinter koji je Turing predloio. Turingova maina je jedno teorijsko sredstvo ili prvi teorijski napravljeni softver koji je imao za cilj da pokae mogunost konstrukcije jednog testa sastavljenog od pitanja i odgovora kojim se dokazuje mogunost inteligentnog ponaanja ureaja. Turingova maina sastoji se od: jedne neogranieno duge trake sa neogranieno mnogo polja, a u svakom polju moe se snimiti jedan znak, jednog programski upravljanog itaa odnosno pisaa, glave koja se po traci pokree samo po jedno polje i menja znakove.
Kritiari ne veruju da raunari mogu poloiti Turingov test, oni jednostavno tvrde da nije mogue razviti raunar sa stvarnim ljudskim mogunostima.
raunarsku mainu koja je deifrovala Enigmu, tvorac Turingove maine i Turingovog testa za mainsku inteligenciju (wiki).
253
Vreme e pokazati da li e se ambiciozni ciljevi vetake inteligencije ostvariti.
Slika 55. Turingova maina (wiki) Numeriki programi, programi za rad sa bazom podataka i programi za obradu teksta nemaju ovu mogunost. Oni na razliite naine predstavljaju, za njih, beznaajne simbole koje samo ljudska bia mogu da razumeju i interpretiraju. Fazi skupovi Razvoj nekih oblasti matematike, kao to je teorija fazi skupova, omoguio je da se menaderski problemi realnije opiu i da se otklone njihove neizvesnosti i nepreciznosti. Teorija fazi skupova je disciplina zasnovana na znanju, odnosno, moe se smatrati da je to disciplina mekog raunanja soft computing97. Fazi skup pored klasinih elemenata skupa neophodno sadri i informaciju o stepenu pripadnosti tih elemenata skupu.
97
Soft computing (fuzzy) kolekcija raunarskih tehnika koje studiraju kompleksne fenomene, one kojima konvencionalne metode ne daju kompletno reenje.
254
Teorija fazi skupova moe se primeniti u sledeim situacijama: 1. kada su vrednosti podataka i relacija koje postoje izmeu njih neizvesne i neprecizne, u kojima je procena zasnovana na subjektivnom verovanju eksperta, 2. kada je teko da se odredi mera podataka, kada nema dovoljno evidentiranih podataka potrebnih za kvantitativnu analizu, 3. kada su neke veliine unutar problema nejasno i neprecizno definisane, 4. kada je znanje sa kojim eksperti raspolau o tretiranom problemu sloeno i nepotpuno, 5. kada se uslovi stalno menjaju, tako da je nemogue stohastiki98 opisati posmatranu veliinu. Razvoj teorije fazi skupova omoguio je da se, usled nedostatka dobre evidencije, neizvesnost i nepreciznost eliminiu. Fazi pristup se koristi u onim sluajevima gde postoji neizvesnost i nepreciznost bilo koje vrste; ovi sluajevi se opisuju fazi skupovima i fazi brojevima. Izraziti skupovi su disjunktni. Za skupove X i Y iji je presek prazan skup kae se da su disjunktni, a kod neizrazitih skupova neki elementi istovremeno spadaju u oba skupa. Stepen pripadnosti neizrazitom skupu B na sledeoj slici, izraen je intenzitetom sive boje. Skupove najee grafiki predstavljamo pomou Venovih dijagrama. Kod Venovih dijagrama skupovi su predstavljeni skupovima taaka izvesnih geometrijskih figura u ravni, kao to su krugovi ili elipse.
98
Stohastika vetina pogaanja onog to je tano, uenje o onome to je verovatno.
255
Slika 56. Venov dijagram prikaza dva izrazita (A) i dva neizrazita (B) skupa X i Y. U fazi logici nije precizno definisana pripadnost jednog elementa odreenom skupu, ve se pripadnost meri, na primer, u procentima. Ove skalirane mere pripadnosti mogu da imaju vrednosti od 0 do 1. Uzmimo kao primer dane u nedelji i napravimo dva skupa, skup radnih dana (ponedeljak, utorak, sreda, etvrtak i petak) i skup dana vikenda (subota i nedelja). Pripadnost elementa nekom skupu bi se izrazila brojem 1, a nepripadanje brojem 0. Pon. Radni dani Dani vikenda 1 0 Uto. 1 0 Sre. 1 0 et. 1 0 Pet. 1 0 Sub. 0 1 Ned. 0 1
Meutim u fazi zakljuivanju bi situacija bila neto drugaija. Petak, kao dan koji je delom radni dan a delom poetak vikenda, bio bi negde na granici ova dva skupa. Njegova pripadnost skupu radnih dana bi se izraavala, recimo, brojem 0,75 odnosno 75%, dok bi pripadnost skupu dana vikenda bila 25%, odnosno bila bi predstavljena brojem 0,25.
256
Pon. Radni dani Dani vikenda 1 0
Uto. 1 0
Sre. 1 0
et. 1 0
Pet. 0,75 0,25
Sub. 0 1
Ned. 0 1
Slino bismo mogli posmatrati i nedelju kao dan koji pripada skupu dani vikenda ali ne celim svojim trajanjem, jer ipak se nedelja uvee doivljava kao priprema za novu radnu nedelju, odnosno mnogi ljudi e je okarakterisati kao ne sasvim dan vikenda, jer posle njega dolazi ponedeljak. Vidimo da je ova logika jako bliska ljudskoj percepciji o mnogim stvarima u ivotu. Mnoge sline situacije koje nisu jasno razdvojene, koje su meavina vie stvari, svakodnevno su prisutne oko nas. Ovde subjektivno miljenje o nekoj stvari postaje relevantno, miljenje na koje imaju uticaj i kulturoloko naslee ili generacijske razlike. Ali to i jeste poenta. U fazi logici istinitost svakog tvrenja se meri u procentima. Razvoj mikroraunarske tehnike stvorio je velike mogunosti u oblasti digitalnog upravljanja sistemima. Informacije dobijene merenjima brzo se obrauju pa je mogue ostvariti upravljanje sloenim sistemima koje je vrlo teko matematiki opisati, teko ih je modelovati. Softver za upravljanje sistemima postaje raznovrstan, a ljudska kreativnost dolazi do izraaja. Fazi logiki kontroler, FLC, kontroler je koji vri preslikavanje ulaza u izlaze korienjem fazi logike. On predstavlja nain upravljanja koji je pogodan za sisteme koji se vrlo teko mogu modelovati. Kod projektovanja fazi regulatora potrebno je izvriti sledee operacije:
257
analiza procesa, dobijanje pravila od strane eksperta, simulacija fazi regulatora; ako se ne dobiju eljeni rezultati, ponoviti ceo postupak.
Slika 57. Fazi regulator Jedan relativno nov pristup upravljanju je primena fazi regulatora. Sutina je u formiranju programskog koda koji implementira znanje oveka eksperta o nekim procesima. Najei pojmovi koji se koriste u fazi logici su: FLC, kontroler u kojem je implementiran algoritam upravljanja baziran na fazi logici; funkcije pripadnosti koje definiu stepen pripadnosti elemenata nekom fazi skupu; fazi skup pored klasinih elemenata skupa obavezno sadri i informaciju o stepenu pripadnosti tih elemenata skupu; fazifikacija predstavlja skaliranje realnih vrednosti u fazi vrednosti; defazifikacija je skaliranje fazi vrednosti u realne vrednosti;
258
metoda teita je algoritam za izraunavanje fazi upravljanja; look_up tabela je tabela iji su ulazi fazi greka i fazi promena greke, a izlaz fazi upravljanje; fazi pravila, nain na koji se opisuje znanje eksperta u obliku IF THEN ELSE pravila. robotika, raunara, U ovim se mogu
Najvaniji delovi vetake inteligencije su algoritmi uenja, govor raunara, zakljuivanje prepoznavanje uzoraka, ekspertni sistemi i drugi. programima se primenjuju razliiti algoritmi, koji podeliti u dve osnovne grupe: a) metode uenja eksperimentom i b) metode modeliranja sistema.
Prva grupa metoda se zasniva na samoorganizirajuim sistemima koji imaju mogunost pamenja i svrsishodnog prilagoavanja promenama svoje okoline. To su metode kojima se oponaaju iva bia, a osnova im je matematiki opis samoorganizirajuih procesa neurona u ljudskom mozgu, to jest metode koje predstavljaju vetake neuronske mree.
Slika 58. Neuronska mrea Neuronske mree (Neural Networks) predstavljaju sistem programa i struktura koji aproksimira funkcionisanje
259
ovekovog mozga. Neuronske mree su pogodne za prepoznavanje finih, skrivenih i novootkrivenih ema odnosa u kompleksnim podacima, kao i za interpretaciju, razumevanje nekompletnih ulaznih podataka. Druga grupa su algoritmi koji se zasnivaju na prenosu ljudskog znanja u raunarski program. U ovom sluaju sistem se opisuje simbolima, a znanje o ponaanju se formalizuje razliitim matematikim pravilima. Ove metode imaju zadatak da se postojee ljudsko znanje pretvori u inteligentni raunarski program kojim se imitira ovekovo vladanje i zakljuivanje, ali bez sposobnosti samostalnog uenja novog znanja.
Slika 59. Antiki hard disk
260
4.4.1. DSS Sistemi za podrku odluivanju

Sistemi za podrku odluivanju, Decision Support Systems, nosiocima odluivanja obezbeuju kontrolu nad podacima, pristup analitikim alatima i mogunost komuniciranja sa ostalim nosiocima odluivanja. Osnovne komponente sistema za podrku odluivanju su podsistemi za upravljanje podacima, modelima, znanjima, i podsistemi korisnikog interfejsa. DSS sistemi su nadogradnja vie razliitih disciplina i zasnovani su na teoriji odluivanja. Sistemi za podrku odluivanju obino se definiu kao informacioni sistemi koji se izgrauju da bi donosiocima odluka pomogli u reavanju slabo struktuiranih problema odluivanja. Njihov osnovni cilj je da obezbede kvalitetne informacije za proces odluivanja radi poveanja efikasnosti odluivanja. Izmeu MIS sistema i DSS sistema ima slinosti i razlika. Menadment informacione sisteme kreirali su strunjaci sa tehnikim iskustvom, informatiari. DSS sistemi su bazirani na procesu odluivanja, kao i na informatikim strunjacima i menaderima. Elementi informacione tehnologije koji ine DSS su specifini sistemi za podrku odluivanju, generatori sistema za podrku odluivanju i alati sistema za podrku odluivanju. Specifini sistemi za podrku odluivanju podrazumevaju hardver i softver koji omoguavaju donosiocima odluka reavanje specifinih skupova meusobno povezanih problema odluivanja. Generatori sistema za podrku odluivanju su paketi povezanog hardvera i softvera koji stvaraju tehnoloke
261
pretpostavke za izgradnju specifinog sistema za podrku odluivanju. U alate sistema za podrku odluivanju spadaju hardverski i sofverski elementi koji omoguavaju izgradnju specifinih sistema za podrku odluivanju i generatora sistema za podrku odluivanju, a obuhvataju programske jezike specijalne namene, i druge aplikacije. DSS sistemi utiu na sposobnost upravljakog odluivanja, unapreuju efektivnost i efikasnost procesa odluivanja, pomau kod definisanja i reavanja problema, olakavaju interpersonalne komunukacije. Oni ne zamenjuju menedere u donoenju odluka, ve im pruaju podrku kod odluivanja. Osnovni podsistemi sistema za podrku odluivanju su: podsistem upravljanja podacima, podsistem upravljanja modelima i podsistem upravljanja dijalogom.
Slika 60. Podsistemi DSS-a
262
Upravljanje podacima i dijalogom postoji i kod drugih vrsta upravljakih informacionih sistema, pa se moe rei da sistemi za podrku odluivanju nastaju dogradnjom upravljakih informacionih sistema podsistemom upravljanja modelima. Podsistem upravljanja modelima, u sinergiji sa primenom mikroraunara, raunarskih mrea i softvera za podrku dijaloga ovek raunar, omoguio je donosiocima odluka modeliranje raznih problema odluivanja. Korisnik DSS sistema moe da uprosti model odluivanja onde gde je to mogue. Dakle, sistemi za podrku odluivanju predstavljaju u rukama menadera alat koji e im omoguiti da realizuju primarne ciljeve definisane stratekim planom. U osnovi tehnologije donoenja odluka su podaci, velike koliine podataka posebno pripremljenih za primenu namenskih analitikih metoda. Karakteristike DSS-a su:
usmerenost na zadatke koji zahtevaju prosuivanje menadera, akcenat je na manipulaciji sa podacima, menaderi direktno pristupaju podacima i poznaju ambijent odluivanja a oslanjaju se na sopstveni sud i akcenat je na efektivnosti i efikasnosti.
Veoma je vano da DSS menaderu pravovremeno obezbedi informaciju koja treba da bude tana, relevantna i kompletna. Informacija, koja moe biti rezultat unutranjih ili spoljanjih izvora, treba da bude u odgovarajuoj formi, laka za razumevanje i upravljanje.
263
ezdesetih godina prolog veka poeo je da se razvija sistem za podrku odluivanju, a osamdesetih i sistem za grupnu podrku odluivanju, GDSS. Praktina realizacija GDSS sistema zove se elektronsko voenje sastanka, gde EMS, Electronic Meeting System, predstavlja softverski sistem za podrku grupnom odluivanju upotrebljavajui ne samo informacionu tehnologiju, ve i visoko sofisticirane metode u donoenju odluka, komuniciranju i reavanju problema. DSS podrava sve faze u procesu odluivanja, od faze definisanja problema, preko faze projektovanja i faze izbora pa do faze implementacije. Dizajn i struktura podsistema upravljanja zavisi od: prostorne dislociranosti donosioca odluka: svi su na istom mestu ili ne, vremenske udaljenosti donosioca odluka: svi uestvuju istovremeno ili ne, stepena centralizacije odluivanja: vii ili nii stepen decentralizacije i stepena saradnje donosioca odluka.
DSS alati mogu biti prosti kada koriste iste baze podataka, i sloeni gde se koriste neke tehnike vetake inteligencije. Sistemi za podrku odluivanju mogu biti strategijsko upravljanje, upravljaka kontrola i operativno planiranje i kontrola. Strategijsko upravljanje za najvii menadment nivo podrava postavljanje ciljeva, izbor strategije, definisanje vizije i misije, razvoj planova i politika.
264
Za srednji nivo menadmenta upravljaka kontrola podrava efektivno i efikasno korienje resursa organizacije i prua podrku pojedinim funkcionalnim podrujima. Najnii nivo menadera koristi DSS koji podrava uspenu realizaciju operativnih planova i programa. Integracija raznovrsnih platformi je glavni cilj dananjeg elektronskog poslovanja. Na sledeoj slici prikazano je da se DSS paketi mogu izvoditi na razliitim raunarskim platformama i da se mogu integrisati sa izvorima podataka korporacije, ukljuujui relacione baze podataka, Data martove i skladita podataka. Ovi paketi nisu ogranieni na numerike ulaze i izlaze, ve mogu izvriti i vizuelizaciju podataka sa ciljem predstavljanja kompleksnih podataka, koristei interaktivne trodimenzionalne grafike forme. Sve vie kompanija razvija svoje informacione portale da bi obezbedile pristup informacijama preko weba. Ukoliko su portali uspeni, oni obezbeuju korporaciono znanje i alate za donoenje odluka, kao i prednosti nekih drugih alata.
Slika 61. Informacioni portali korporacije i DSS
265
4.4.2. ES Ekspertni sistemi

Ekspertni sistemi su raunarski sistemi sposobni da funkcioniu slino kao ekspert. Pravovremenom i kvalitetnom informacijom, preduzee stie prednost na tritu posebno kad ES omoguavaju ekstrapolaciju dogaaja i predvianje. Primena ekspertnih sistema je u reavanju specifinih problema i u pomoi u oblastima odluivanja. Ekspertni sistemi su namenjeni reavanju strunih problema za odreenu specijalizovanu oblast. To su inteligentni sistemi koji koriste znanja i postupke zakljuivanja u procesu reavanja problema za ije je reavanje potreban visok stepen strunosti i iskustva iz oblasti za koju se ekspertni sistem koristi. Njegova osnova je softver koji modelira one elemente ovekovog reavanja problema za koje se smatra da ine ovekovu inteligenciju kao to su zakljuivanje, prosuivanje i odluivanje na bazi nepouzdanih i nepotpunih informacija i tumaenja svog ponaanja. U sledeoj tabeli prikazan je razvoj ekspertnih sistema:
266
Dananji raunari reavaju postavljene zadatke logikom konvencionalnih programa koji se, u osnovi, sastoje iz dva dela, algoritama i podataka. Algoritmi odreuju nain reavanja odreenih problema koristei definisana pravila, dok podaci karakteriu parametre u konkretnom problemu. U ovakav model se ne uklapa znanje ljudi. Sistemi na bazi znanja, ekspertni sistemi, razlikuju se od konvencionalnih programa po nainu na koji su organizovani, po nainu izvravanja, po tome to je u njih ugraeno znanje i po efektu koji stvaraju interakcijom kroz dijalog. Glavna razlika izmeu konvencionalnih programa i ekspertnih sistema je u tome to konvencionalni program manipulie podacima, a ekspertni sistem znanjem. Poreenje konvencionalnih programa sa ekspertnim sistemi prikazano je u sledeoj tabeli:
Ekspertni sistemi su zasnovani na strunoj vetini smetenoj u bazi znanja pa su u stanju da ponude inteligentan savet, a na zahtev mogu da razjasne svoje rasuivanje. 267
Cilj ekspertnog sistema je da na formalan nain predstavlja znanja metodama logikog zakljuivanja. ES daje ekspertne savete, iznosi miljenja za koje je korisnik zainteresovan, obezbeuje odgovore na pitanja, rezonuje, rasuuje, prepoznaje i poredi forme. Ponaanje oveka eksperta podrazumeva postavljanje dijagnoze problema, mehanizama i logike zakljuivanja. Kod oveka je vaan transfer znanja, manipulisanje znanjem i vrednovanje alternativa. Ekspert koristi svoje znanje, sposobnosti i vetine kroz steeno iskustvo da ubrza proces pronalaenja reenja problema. Ekspertni sistem treba da objedini znanje, sposobnosti i vetine jednog ili vie eksperata. U izgradnji ekspertnih sistema javljaju se dodatne potekoe zbog injenice da preuzimanje znanja od eksperata uvek sa sobom nosi i neka preteno lina pravila, rezonovanja i zakljuivanja, uenje na bazi ranijih iskustava, mogunosti adekvatne primene analogije. Na slici 62 prikazan je dijagram procesa izgradnje ekspertnog sistema u koji su ukljueni ekspert, inenjer znanja i korisnik.
Slika 62. Izgradnja ekspertnog sistema 268
Inenjer znanja koristi svoje znanje iz oblasti raunarskih nauka i vetake inteligencije za izgradnju ekspertnih sistema. Alati za izgradnju ES-a su programski jezici koje koriste inenjer znanja i programer. Tu spadaju i svi usluni programi koji stoje na raspolaganju kao to su editori, sredstva za izdvajanje znanja, grafiki servisi i drugi. Ovi alati se razlikuju od konvencionalnih programskih jezika po posebnim metodama za predstavljanje sloenih koncepata i elemenata znanja. Ekspertni sistemi imaju tri glavna zadatka inenjerstva znanja koja treba realizovati, a to su: prezentacija i memorisanje velike koliine znanja, korienje ovog znanja iz preblemske oblasti za reavanje problema i davanje odgovora na pitanje korisnika.
Slika 63. Komponente ekspertnog sistema
269
Kada se govori o komponentama ES-a, onda se moe rei da su njegove osnovne komponente baza znanja, mehanizam zakljuivanja, komunikacioni interfejs i globalna baza podataka. Baza znanja je baza injenica i heuristika iz oblasti za koju je namenjen ekspertni sistem. injenice ine glavni deo podataka o sistemu, aktivnostima i ciljevima sistema, koji su dokumentovani i verifikovani u ekspertnom sistemu. Heuristiku ine pravila rasuivanja i vetina u izboru i donoenju odluka koja utiu na promenu stanja sistema. Performanse ekspertnog sistema su na viem nivou ukoliko je baza znanja kvalitetnija. Mehanizam zakljuivanja je softver sposoban da sredi informacije iz baze znanja. Kombinacijom injenica iz baze znanja i informacija dobijenih od korisnika, mehanizam zakljuivanja donosi zakljuke pri emu, na osnovu konsultacije sa korisnikom, kontrolne strategije odluuju kada se neko pravilo primenjuje. Ovim nainom rada simulira se ovekovo razmiljanje. Komunikacioni interfejs je komponenta ekspertnog sistema koja omoguava dijalog izmeu korisnika, donosioca odluke, i sistema. Globalna baza podataka je radna memorija za evidentiranje trenutnih statusa sistema, ulaznih podataka vezanih za odreeni problem i uvanje injenica i zakljuaka tekue ekspertize. Ova baza se razlikuje od baze znanja po tome to sadri informacije vezane iskljuivo za tekui problem odluivanja. Vana karakteristika ekspertnog sistema je ekspertiza na visokom nivou koja doprinosi kvalitetnom reavanju problema. Mogunost predvianja je karakteristika koju ekspertni sistem ima, a proizlazi iz modela ekspertnog sistema za reavanje zadatog problema.
270
Slika 64. Svojstva ekspertnog sistema Znanje koje je ugraeno u ES je trajni zapis usklaenih najboljih metoda i postupaka koji se koriste u reavanju problema. Ovo znanje je institucionalna memorija koja je na raspolaganju i kada kljuni ljudi sa znanjem odu iz organizacije. Ekspertni sistem moe biti oblikovan tako da omogui obuku novih kadrova. Sistem moe biti podeen za obuku strunih ljudi, kao i za obuku poetnika u odreenim procesima odluivanja. Moduli u ekspertnim sistemima se ne pozivaju po unapred definisanom postupku niti se pozivaju direktno izmeu sebe. Oni komuniciraju sa okruenjem podataka a struktura dozvoljava istovremeno izvrenje nekoliko modula. Funkcionalne kategorije i tipini zadaci ES-a prikazani su u sledeoj tabeli:
271
Osnovne razlike izmeu DSS-a i ES-a prikazane su u sledeoj tabeli:
272
4.5.
IDEF metode modeliranja
Metodoloki napori u organizacijskom inenjeringu, reinenjeringu i integraciji ne prate brzi razvoj hardvera i specifinih softverskih tehnologija. Softverske tehnologije i gotove aplikacije nameu se kao reenja za integralni informacioni sistem. Cilj modeliranja poslovnih procesa je da se razviju tehnologije koje e omoguiti logiku i fiziku integraciju hardverskih i softverskih mrea veoma razliitih konfiguracija. Tehnika IDEF modeliranja prihvaena je kao osnova za sprovoenje inenjeringa i reinenjeringa poslovnih procesa. IDEF metoda, jezik modeliranja, baziran je na kombinaciji grafike i teksta koji su predstavljeni na organizovan i sistematian nain da bi se poveala razumljivost. Sastoji se od hijerarhijskog niza dijagrama koji postepeno prikazuju sve vie detalja o poslovnim funkcijama i njihovoj povezanosti sa ostalim delovima sistema. Tokom 60-ih i 70-ih godina prolog veka razvijena je SADT99 tehnika modeliranja. Avijacija SAD-a je prihvatila SADT tehniku, nastavila dalje da je razvija kao deo ICAM100 programa, i dala joj naziv IDEF, Integation DEFinition, tehnike modeliranja. Prvi naziv metode bio je ICAM DEFinition, da bi se kasnije naziv promenio u Integration DEFinition - IDEF. Cilj ICAM programa bio je poboljanje proizvodne produktivnosti primenom kompjuterskih tehnologija. Koritenje IDEF tehnike predstavlja efikasan nain za dokumentovanje procesa.
99
100
Structured Analysis & Design Technique Integrated Computer Aided Manufacturing
273
Grafiki prikaz poslovnih procesa u nekoj organizaciji efikasan je alat za uvid u funkcionisanje poslovnih procesa, prirodu elemenata procesa i veza izmeu njih, efikasniji od verbalnog opisa procesa. Upravo zbog ove injenice, razvijen je niz grupa metoda za modeliranje i prikaz procesa, od kojih je jedna od najpoznatijih IDEF, Integration DEfinition for Function modeling, grupa standarda. IDEF metoda je Integrated DEFinition jezik razvijen kao standardna metoda za modeliranje, dokumentovanje i analiziranje poslovnih procesa. Veina postojeih alata za razvoj informacionih sistema podrazumeva IDEF modeliranje. Ova metoda modeliranja poslovnih procesa ima definisanu formalnu tehnologiju davanja naziva procesima, dijagramima i povratnim vezama na dijagramima koji su laki za itanje. Osnovni zadatak modeliranja poslovnih procesa je da se premoste razlike izmeu inenjerskog, projektantskog, pristupa i korisnikog pristupa opisu nekog poslovnog procesa. Sa aspekta korisnika teko je precizno opisati proces pomou formalnih jezika. Prirodni jezici, zbog svojih evidentnih jezikih dvosmislenosti, nisu pogodni za razumljiv opis poslovnih procesa. U praksi se pokazalo da je tehnika modeliranja poslovnih procesa jedna od najefektnijih tehnika za jednoznanu komunikaciju izmeu korisnika funkcija i projektanta informacionih sistema. Krajem prolog veka stvoreni su standardi IDEF0 za modeliranje procesa i standard IDEF1X (eXtend) kao tehnika za informaciono modeliranje, semantiko modeliranje podataka. IEEE101 institut je pokrovitelj ovih standarda koji su prihvaeni od strane meunarodne organizacije za standarde102.
101 102
Institute of Electrical and Electronics Engineers International Organization of Standards (ISO)
274
Trenutno IDEF standarde razvija, odrava i unapreuje amerika firma Knowledge Based Systems Inc. kao strateki partner amerike vlade i vojske. IDEF metodologija se koristi za sledee aktivnosti: analizu sistema, projektovanje, unapreenje i integraciju sistema, odnosno za dokumentovanje, razumevanje, projektovanje, analizu, planiranje i integraciju funkcija. Metoda predstavlja komplet tehnika svrstanih u tri generacije. Prva generacija obuhvata sledee metode: IDEF0 Function Modeling: modeliranje funkcija / procesa / aktivnosti, IDEF1 Information Modeling: modeliranje informacija, IDEF2 Simulation Model Design: simulacijsko modeliranje. IDEF1X Data Modeling: modeliranje podataka. IDEF3 Process Description Capture: opis procesa, dijagram toka posla, IDEF4 Object-Oriented Design: objektno orjentisani dizajn, IDEF4/C++ C++ object-oriented design: C++ objektno orijentisani dizajn, IDEF5 Ontology Description Capture: opis organizacijske ontologije, modeliranje entiteta i njihovih meusobnih odnosa.
Druga generacija obuhvata sledeu metodu: Trea generacija obuhvata sledee metode:
Delimino razvijene IDEF metode: 275
IDEF6 Design Rationale Capture: opis logike dizajna, IDEF8 User Interface Modeling: dizajn interakcije ovek sistem, IDEF9 Business Constraint Discovery: otkrivanje poslovnih ogranienja, IDEF14 Network Design: dizajn mree.
Sledee IDEF metode su samo delimino razvijene pa ih je neophodno i dalje razvijati: IDEF7 Information System Auditing: inspekcija informacionog sistema, IDEF10 Information Artifact Modeling: modeliranje informacijskih medija, IDEF11 Implementation Architecture Modeling: modeliranje implementacije, IDEF12 Organization Modeling: modeliranje organizacije, IDEF13 Three Schema Mapping Design: modeliranje podataka sa tri eme, internom, konceptualnom i eksternom.
Za postavljanje modela poslovnim procesima u upravljakim informacionim sistemima koriste se IDEF0, IDEF1, IDEF1X, IDEF3, IDEF4 i IDEF5 standardi.
276
4.5.1. IDEF0 metoda

Naveu osnovna tri razloga za nastanak IDEF0 standarda. 1. Potreba za dokumentovanjem kompleksnih poslovnih procesa. Poznato je da to je dokumentacija obimnija to se ona manje ita. Pregledniji dokument, od jedne ili dve strane sa grafikim prikazom i kratkim opisom verovatno e biti pregledan, dok se dokument od vie strana moda i ne proita. 2. Metoda omoguava brze organizacione promene. Model procesa dokumentuje sve vane aktivnosti i omoguava uvid u kritine aktivnosti koje treba izvesti sa odgovarajuim resursima. Ovo je vaan element u odravanju definisanih poslovnih procesa. 3. Potreba za prototipskim pristupom funkcionalnom modeliranju, gde se na na brz i jednostavan nain proveravaju alternativne ideje. Jednostavnije i jeftinije je nacrtati model procesa pa ga papirno proveriti, nego izvriti reorganizaciju cele organizacione jedinice. Ovo je veoma vana karakteristika ove metode, jer brzi razvoj informacionih tehnologija neminovno dovodi do reinenjeringa poslovnih procesa. U originalnoj formi IDEF0 ukljuuje definiciju grafikog jezika za modeliranje, kao i metodologiju za razvoj modela. Metod za modeliranje funkcija IDEF0 modelira ponaanje sistema, aktivnosti sistema i odluivanje u sistemu. Moe se upotrebljavati za modeliranje irokog spektra automatizovanih i neautomatizovanih sistema. Nula (0) u oznaci IDEF0 standarda oznaava najvii nivo analize. Za nove modele sisteme, sisteme u izgradnji, IDEF0 e se upotrebiti za definisanje zahteva i specifikaciju funkcija, a zatim se dizajnira
277
nain implementacije koja e zadovoljiti definisane zahteve i funkcionalnosti. Za sisteme koji ve postoje, IDEF0 se upotrebljava za analiziranje postojeih funkcionalnosti i za dokumentovanje procesa. Kao jezik za funkcionalno modeliranje, IDEF0 ima sledee karakteristike: sadrajan i izraajan jezik, koji omoguava grafiko predstavljanje irokog spektra poslovnih, proizvodnih i ostalih procesa u preduzeu na bilo kojem nivou prikazivanja detalja, jasan i jednostavan jezik, koji obezbeuje precizne izraze i promovie konzistentnost upotrebe i interpretacije, poboljava komunikaciju izmeu sistem analitiara, projektanta, programera i krajnjeg korisnika i modeli se mogu izraivati u velikom broju komercijalnih i nekomercijalnih CASE alata.
IDEF0 tehnika se sastoji od hijerarhijskog niza dijagrama koji postepeno prikazuju sve vie detalja o procesima i njihovoj vezi sa ostalim delovima sistema. IDEF0 modeliranje omoguava analizu osobina odreenog poslovnog procesa radi njegovog maksimalnog unapreenja. Ovaj IDEF0 metod za modeliranje funkcija, procesa ili aktivnosti omoguava: izvrenje funkcionalne dekompozicije na svim nivoima, stvaranje dokumentacije, paralelno sa reinenjeringom poslovnih procesa,
278
bolju komunikaciju izmeu projektnog tima, korisnika i menadera, upravljanje velikim i sloenim projektima i obezbeenje potrebnih elemenata za modeliranje informacija (IDEF1X metodologija).
Metod za modeliranje funkcija IDEF0 modelira ponaanje sistema, aktivnosti sistema i odluivanje u sistemu. U procesu razvoja sistema, IDEF0 opisuje ta funkcije trenutno obavljaju i ta funkcije treba da obavljaju u budunosti. IDEF0 metoda, metoda funkcionalnog modeliranja, omoguava funkcionalnu dekompoziciju poslovnih procesa i planiranje potrebnih resursa za njegovu realizaciju. Grafiki jezik IDEF0 opisuje metodu funkcionalne dekompozicije preko niza dijagrama, od kojih svaki predstavlja ogranienu koliinu detalja opisanih odgovarajuom sintaksom i semantikom. Ovi dijagrami su meusobno povezani tako da opisuju hijerarhiju sistema odozgo prema dole (top-down). Dijagrami se sastoje od pravougaonika koji predstavljaju neki deo odreene celine. Povezani su meusobno strelicama koje predstavljaju veze izmeu delova.
Slika 65. Elemenat aktivnosti u prikazu bilo koje IDEF metode
279
Postoje tri vrste IDEF0 prikaza: grafiki, tekstualni i renik. Grafiki prikaz definie funkcije i veze procesa preko pravougaonika i strelica i odgovarajue sintakse i semantike. Tekst i rijenik pruaju dodatne informacije i podravaju grafike dijagrame. Sintaksu IDEF0 jezika ine pravougaonici, strelice, pravila i dijagrami (boxes, arrows, rules i diagrams). Pravougaonici predstavljaju opis aktivnosti u datoj funkciji, definisanih kao aktivnosti, procesi ili transformacije. Strelice predstavljaju podatke ili objekte koji su vezani za funkcije. Pravila definiu kako se komponente upotrebljavaju, a dijagrami predstavljaju format prikaza modela, verbalno i grafiki. Semantika jezika IDEF0 olakava korektnost interpretacije kojom se opisuje oznaka za aktivnosti i strelice.
Slika 66. Osnovni elementi IDEF-a
280
Sintaksa IDEF0 Dijagram konteksta predstavlja model funkcija na najviem nivou, apstrakcije ulaza, kontrolu, mehanizme i izlaze, a slui za odreivanje granica poslovnog sistema.
Slika 67. Primer IDEF0 dijagrama konteksta Dijagram konteksta predstavlja nultu aktivnost, odnosno postavlja poetak hijerarhije aktivnosti i definie granice modela. Ovaj najvii nivo apstrakcije dekompozicionim dijagramima prevodi se u nii nivo apstrakcije. Granice modela se definiu da bi se znalo kada prestati sa modeliranjem. Ovo se moe posmatrati i sa aspekta irine modela (definisanje elemenata koji se posmatraju), i dubine modela (definisanje nivoa detalja). U okviru dijagrama konteksta mora se obratiti panja da se na ovom nivou obuhvate ulazi, mehanizmi i kontrole koji proizvode izlaze, odnosno, na ovom nivou treba uoptiti posmatranu problematiku sa to manje detalja. irina modela vezana je za dijagram konteksta i prvog nivoa dekompozicije. Na sledeim nivoima dekompozicije procesi se detaljnije predstavljaju. Dubina modela se definie nivoima dekomponovanja kod kojih se definiu nivoi detaljnosti. 281
Dekompozicija modela ide do mogunosti definisanja pojedinih programskih modula koji se mogu opisivati drugim dijagramima. Prema IDEF0 standardu dijagram konteksta oznaavamo sa A0, prvi nivo dekompozicije sa A1 itd. Na sledeoj slici prikazan je proces dekomponovanja modela.
Slika 68. Dekompozicija modela IDEF0 predstavlja standard iz IDEF familije koji opisuje IDEF0 jezik za modeliranje (sintaksu i semantiku) i pridruena pravila i tehnike za razvoj struktuirane grafike prezentacije sistema ili organizacije.
282
Primer IDEF0 dekompezacioni dijagram povezan sa odgovarajuim dijagramom na viem nivou:
Slika 69. Dekompozicioni dijagram Semantika IDEF0 strelice kao ogranienja:
Slika 70. Strelice kao ogranienja
283
Semantika IDEF0 konkurentne operacije:
Slika 71. Konkurentne operacije IDEF0 granice i interne strelice:
Slika 72. Granice i interne strelice IDEF0 veza strelica nadreenog dijagrama sa graninom strelicom podreenog dijagrama (ICOM 103 Coding)
103
Input Control Output Mechanism
284
Slika 73. Veza strelica nadreenog dijagrama sa graninom strlicom podreenog dijagrama Kvalitet IDEF metoda IDEF modeli obezbeuju apstrakciju iskljuujui detalje koje se odnose na: trajanje, rasporeivanje, upravljaku logiku i obezbeenje jasnog opisa sistema korienjem ICOM-a.
Hijerarhijska priroda IDEF0 dozvoljava da sistem bude detaljno predstavljen po svim nivoima. Pored neospornih kvaliteta, IDEF metode imaju i slabosti. IDEF modeli mogu biti toliko koncizni da ih samo eksperti odgovarajueg domena mogu razumeti. IDEF
285
modeli se nekada pogreno interpretiraju kao grafika predstava niza aktivnosti.
286
5. SKRAENICE
ADO ActiveX Data Objects, AI Artifical Intelligence API Application Programming Interface ARPANET Advanced Research Projects Agency Network BAM Business Activity Monitoring BI Business Intelligence BPM Business Process Management COM Component Object Module CRM Customer Relationship Management CVM Customer Value Management DAO Data Access Objects DBMS Data Base Management System DM Data Mining DSS Decision Support System DTS Data Transformation Services DW Data Warehouse EAI Enterprise Application Integration EDVAC Electronic Discrete Variable Arithmetic Computer EIS Executive Information Systems EMF Europian Multimedia Forum ENIAC Electronic Numerical Integrator And Computer ERM Employe Relational Management ERP Enterprise Resource Planning ES Expert Systems ETL Exctraction, Transformation, Load ETT Extraction, Transformation, Transportation (izdvajanje, transformisanje i prenos) EVM Employe Value Management
287
FASMI Fast Analysis Shared Multidimensional Information FLC Fuzzy Logic Controller GDSS Group Decision Support Systems GSI Giant Scale Integration - itav raunar u jednom ipu. Nije zaivelo zbog ergonomskih razloga HRM Human Resource Management ICAM Integrated Computer Aided Manufacturing ICOM Input Control Output Mechanism IDEF Integation DEFinition IDEF1X Integation DEFinition eXtend IEEE Institute of Electrical and Electronics Engineers, jedna od vodeih svetskih asocijacija za kreiranje IT standarda IKT informaciono-komunikacione tehnologije (ICT Information and Communication Technology) IS Informacioni sistem IT Information Technology ISO International Standard Organisation KM Knowledge Management KPI Key Performance Indicators LAN Local Area Network, mrea u kojoj su povezani raunari i drugi ureaji relativno blizu LSI Large Scale Integration tehnologija MAN Metropoliten Area Network, mrea povezanih raunara i drugih ureaja u istom gradu. MBA Market Basket Analysis, analiza pijane torbe MBR Memory-Based Reasoning, memorijski zasnovano rasuivanje MDS Management Decison Systems
288
MIS Managment Information System MMF Meunarodni monetarni fond MpIS Menadment poslovnih informacionih sistema MSP Managed Service Providers NN Neural Networks, neuronske mree NFS Network File System
ODC Office Data Connection datoteke

OLAP On-Line Analitical Processing OLE DB Object Linking and Embedding Data Base OLTP On Line Transaction Processing OSI Open Systems Interconnection PDCA Plan, Do, Check i Act PDNs Public Data Networks PIS poslovni informacioni sistem PSPDNs Packet Switched Public Data Networks RDO Remote Data Objects ROI Rate of Investment QFD Quality Function Deployment, QMS Qality Management System SADT Structured Analysis & Design Technique SaaS Software as a Service SCM Supply Chain Management, SOA Service Oriented Architecture SWOT S-strengths, W-weaknesses, O-opportunities, T-threats TCP/IP Transport Control Protocol/Internet Protocol TPS Transaction Process System transakcija TQM Total Qality Management
289
VLSI Very Large Scale Integration - ip na bazi silicijuma UDA Universal Data Access WA Workflow Automation WAN Wide Area Network, mrea u kojoj su povezani raunari i drugi ureaji meusobno udaljeni, u razliitim gradovima, ak i na razliitim kontinentima WFM Work Flow Management WSIS World Summit on Information Society
290
6. POJMOVI
ARPANET. Ministarstvo odbrane SAD 1969. godine uspostavilo je online mreu svog projekta ARPA sada poznatu kao ARPAnet, Advanced Research Project Agency Network Brainstorming. Dobijanje razmatranje u nevezanoj raspravi. iznenadnih ideja,
Bulova algebra je deo apstraktne algebre i primenjuje se u raunarskim naukama. Data mart. Mart podataka se odnosi na bazu podataka za podrku odluivanju, izgraenu za jednu organizacionu jedinicu ili poslovni proces ili grupu osoba. To je logiki podskup DW-a. Data mart pokriva samo jedan segment poslovanja, jednu temu. Data mart moe biti izolovan od drugih DW sistema i naziva se nezavisni data mart, ili naslonjen na druge DW sisteme nazvan zavisni data mart. Dataware. DW komponentu obuhvataju podaci, informacije i znanja, odnosno informacioni resursi koji postaju izuzetno vredna imovina svake organizacije. Defazifikacija. Skaliranje fazi vrednosti u realne vrednosti. Definicija kocke. Informacije koje arobnjak za OLAP kocke skladiti u datoteci sa ekstenzijom oqy, a koje definiu kako se na osnovu podataka preuzetih iz relacione baze podataka u memoriji gradi OLAP kocka. Dimenziono modeliranje je tehnika logikog modeliranja koje se koristi u skladitu podataka sa ciljem podrke upitima krajnjeg korisnika prema DW-u. Drill-across. Koristi se za povezivanje dve ili vie injeninih tabela na istom nivou hijerarhije.
291
Drill-down. 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. Na primer, kada se pronae podatak o prodaji nekog proizvoda u nekom regionu, sputa se nanie da bi se saznalo kako se prodaja odvija po optinama. Geografski podaci vezani za prodaju mogli bi se hijerarhijski organizovati na sledei nain: svet kontinent drava oblast grad. Drill-up - Postupak prelaska sa nivoa sa veim brojem detalja na nivo sa manjim brojem detalja, na sumarne podatke, naziva se dizanje navie, drill up. Na primer, upit bi mogao prezentovati prodaju u odnosu na neke regione. Entropija. Mera koliine informacija se izraava pomou entropije. FLC. Algoritam upravljanja baziran na fazi logici koji je implementiran u mikrokontroleru. Funkcije pripadnosti. Funkcije koje definiu stepen pripadnosti elemenata nekom fazi skupu. Fazi skup. Pored klasinih elemenata skupa obavezno sadri i informaciju o stepenu pripadnosti tih elemenata skupu. Fazifikacija. Skaliranje realnih vrednosti u fazi vrednosti. Fazi pravila. Nain na koji se opisuje znanje eksperta u obliku IF THEN pravila. Fire Wall predstavlja inteligentni filter protoka informacija izmeu unutranjeg i spoljanjeg sveta. Groupware. GW je softver koji podrava interpersonalne procese i objekte, kategorija softvera namenjenog podravanju rada grupa i timova, softver koji predstavlja raunarsku podrku kooperativnom radu. Cilj mu je
292
koordinacija grupe ljudi koja radi na specifinim zadacima, kao to su: priprema i planiranje sastanaka, koordinacija rasporeda aktivnosti u grupama, poveane mogunosti razmene informacija, pristup i obezbeenje ekspertskog informacionog ulaza. Primeri groupware aplikacija su: elektronske diskusione grupe, sistemi podrke grupi, softver za konferencije, grupni kalendari, automatizacija poslovnih procesa, desktop videokonferencije i slino. Hardware. HW informacionog sistema ini materijalno-tehnika komponenta sistema, odnosno fiziki delovi raunarskog sistema namenjeni obradi i prenosu podataka. Heuristika je nauka o metodima i principima pronalaenja novog. Host je raunar spojen na Internet. Internet je globalna mrea kompjutera koja komunikaciju uspostavlja preko TCP/IP protokola. Koreni Interneta poinju jo davne 1969. godine, kada je Ministarstvo odbrane SAD uspostavilo online mreu svog projekta ARPA sada poznatu kao ARPAnet. Izraunato polje je polje u izvetaju izvedene tabele ili izvetaju izvedenog grafikona u kome se koristi formula koju ste kreirali za OLAP analizu. Izraunata polja u raunanju mogu da koriste sadraje drugih polja iz izvetaja izvedene tabele ili izvetaja izvedenog grafikona. Izvor podataka je uskladiteni skup izvornih informacija koje se koriste za povezivanje sa bazom podataka. Izvor podataka moe da sadri ime i lokaciju servera baze podataka, ime upravljakog programa baze podataka i informacije koje se koriste prilikom prijavljivanja.
293
Kolaboracioni sistemi su sistemi koji koriste groupware alate, Internet, Intranet i Extranet, kao i druge kompjuterske mree za poveanje meusobne komunikacije. Lifeware. LW je kadrovska komponenta, koju ine svi zaposleni koji u bilo kojoj funkciji uestvuju u radu sa informacionim tehnologijama, bilo da su profesionalni informatiari, bilo da su samo korisinici rezultata obrade podataka. Look_up tabela. Tabela iji su ulazi fazi greka i fazi promena greke, a izlaz fazi upravljanje. Mapiranje podataka je proces preslikavanja, dodeljivanja izvornog podatka ciljnom podatku. Mapiranje znanja je proces preslikavanja znanja. Metapodaci su podaci o podacima u skladitu podataka. Metoda teita. Jedan od algoritama za izraunavanje fazi upravljanja. Middleware. MW je komunikacioni sloj koji omoguava interakciju kroz hardversko i mreno okruenje sistema. Netware. NW je mrena komponenta, a odnosi se na raunarske mree za povezivanje raunara u cilju razmene podataka i komunikaciju izmeu fiziki udaljenih raunara, pa se moe rei da ovu komponentu informacionog sistema ine telekomunikaciona sredstva i infrastruktura za prenos podataka na daljinu. Opseg spoljnih podataka. Opseg podataka koji su dospeli na radni list iz izvora izvan programa Excel, na primer iz baze podataka ili tekstualne datoteke. U programu Excel te podatke moete da oblikujete i koristite u raunanjima kao i bilo koje druge podatke.
294
Orgware. OW je organizaciona komponenta sistema i obuhvata organizacione postupke, metode i naine kojima se usklauje rad svih komponenti informacionog sistema, kako bi one inile skladnu i funkcionalnu celinu. Predloak izvetaja je Excel datoteka koja sadri jedan ili vie upita ili izvetaja izvedene tabele koji se zasnivaju na spoljnim podacima. Kada sauvate predlog izvetaja, Excel u njemu uva i definiciju upita, ali ne i podatke dobijene upitom. Router je raunarskih mrea. ureaj za meusobno povezivanje
SMART ciljevi. Specific tano odreeni ciljevi, Measurable merljivi ciljevi, Achievable ostvarivi ciljevi, Realistic realni ciljevi, Time-based vremenski odreeni ciljevi. Soft computing (fuzzy) je kolekcija raunarskih tehnika koje studiraju kompleksne fenomene, one kojima konvencionalne metode ne daju kompletno reenje. Software. SW sistema predstavlja nematerijalnu komponentu sistema u vidu raunarskih programa koji su ugraeni u hardver i koji diktiraju nain obrade podataka. Vanmrena kocka sa ekstenzijom cub skladiti podatke u obliku OLAP kocke. Ti podaci mogu predstavljati deo OLAP baze podataka sa OLAP servera ili mogu biti kreirani nezavisno od OLAP baze podataka. Ove datoteke upotrebljavate da biste nastavili da radite sa izvetajima izvedene tabele. Izvetaj izvedene tabele je interaktivni tablini Excel izvetaj u kome se rezimiraju i analiziraju podaci, na primer zapisi baze podataka iz razliitih izvora, ukljuujui i one izvan programa Excel. Datoteke vanmrenih kocki omoguavaju da radite i kad niste povezani sa OLAP serverom.
295
Vizuelizacija je konverzija podataka u vizuelni ili tabelarni format na osnovu koga mogu da se vre analize i formiraju izvetaji o karakteristikama podataka i odnosima u njima.
296
LITERATURA
Radi G., Prepoznavanje uzoraka i modeliranje odredjenog stroja za identifikaciju govornika magistarski rad, Zagreb 1983. T. Friedman, The Lexus and the Olive Tree, Understanding globalization, Farrar Straus Giroux, New York, 1999 Flach, M. The Information Society: The Role of Networks and Information Milovanovi, G., Individua u globalnom informacionom drutvu: koncept, teorija, i istraivanje informacionog drutva, Beograd, 2004. Hofstede G., Cultures Consequences: International Differences in Work Related Values, 1980. Beverly Hills, CA: Sage Publications. Turban, E., Expert System and applied Artifical Intelligence, Maxmillan, 1992. Wiig, K., Knowledge Management Foundation, Schema press, 1993 Van der Spek, R., Knowledge Management, CRC Press, 1997. Rampersad, H.K., A visionary management model, The TQM Magazine, 2001. Piter Draker, Moj pogled na menadment, Asee books, Novi Sad, 2003. eri V-Varga M., Informatika tehnologija u poslovanju, Element, Zagreb, 2004.
297
Norbert Wiener, Kibernetika komunikacija ivih bia i maina, 1948.
ili
kontrola
Garnham, N., Information Society Theory as Ideology, in: Webster F. (ed.), The Information Society Reader, Routledge, London, 2004. Sassen, S., Towards a Sociology of Information Technology, Current Sociology, Vol. 50, No. 3, 2002. David Anderson, Managing Information Systems, Prentice Hall, 2000. Vicki Sauter, Decision Support Systems, John Wiley &Sons, 1997. Bulat V. i dr., Menadment informacioni sistemi, ICIM, Kruevac, 1998. Parker C., Thomas C., Management Information Systems, second edition, Mitchel Mc Graw-Hill, 1993. Veljovi A., Menadment informacioni sistemi, Kompjuter biblioteka, aak, 2002. Veljovi A., Razvoj menadment informacionih sistema zasnovanih na interaktivnom analitikom procesiranju, INFOFEST Budva, 2002. Veljovi A., Projektovanje informacionih sistema u praksi, Kompjuter biblioteka, aak, 2003. Veljovi A., Menadment informacioni sistemi u praksi, Kompjuter biblioteka, aak, 2002. Bing Lui, Web Data Mining, Springer-Verlag Berlin Heidelberg, 2007. eljko Zagreb, 2000. Panian, Bogatstvo Interneta, Strijelac,
298
eljko Panian, Klepac G., Poslovna Inteligencija, Masmedia, Zagreb, 2003. Standard, NIST, USA Integration Definition For Function Modeling (IDEF0) Sander Steffann, Developing distributed systems to support business processes, University of Twente, The Netherlands, 2003. Ini B., Poslovna inteligencija, osnova uspenog menadmenta u globalnim uslovima, FTB, Beograd, 2005. Radi G. Rodi B. Bojkovski V., Od abaka do raunara, ABAK, Banja Luka, 1996. Kumar, K., From Post-industrial to Post-modern Society, in Webster F. (ed.), The Information Society Reader, Routledge, London, 2004. Castells, M., Informationalism, Networks, and the Network Society: A Theoretical Blueprint, in Castells M. (ed.), The Network Society: A Cross-cultural Perspective, Northampton, MA: Edward Elgar, 2004. Castells, M., Uspon umreenog drutva, Golden marketing, Zagreb, 2000. Katunari, V., Castellsova panorama nove drutvene epohe, predgovor u: Castells M., Uspon umreenog drutva, Golden marketing, Zagreb, 2000. Garnham, N., Information Society Theory as Ideology, in: Webster F. (ed.), The Information Society Reader, Routledge, London, 2004 Robins, K. and Webster, F., The Long History of the Information Revolution, in Webster F. ed, The Information Society Reader, Routledge, London, 2004.
299
Sassen, S., Towards a Sociology of Information Technology, Current Sociology, Vol. 50, No. 3, 2002. Ahuja, M.K., Carley K.M., Network Structure in Virtual Organizations, JCMC 3 (4) June 1998. Martinez, M.T., Fouletier, K.H., Park, K.H., Favrel, J., Virtual enterprise organization, evolution and control, Int. J. Production Economics 74, 2001. Jeff Spicer, Edgar (Ted) Codd, 1923 2003, Remembering the father of the relational database, Oracle Magazine, Volume XII, Number 4 Dave Wickert, Creating Large-Scale, Highly Available OLAP Sites: A Step-by-Step Guide, Microsoft Corporation, 2001. Bojan iri, Poslovna inteligencija, DataStatus, Beograd, 2006. Paulraj Ponniah, Data Warehousing Fundamentals, John Wiley&Sons, New York, 2001. Inmon,W.H., Building the Data Warehouse, second edition, John Wiley & Sons, New York, 1996. Kimball,R. et al., The data warehouse Lifecycle Toolkit, John Wiley & Sons, New York, 1998. Bacera-Fernandez, I., Gonzales, A., Knowledge Management Challenges, Solutions, and Technologies, Prentice Hall, New Jersey, 2004. Crager, J., Lemons, D., Measuring the Impact of Knowledge Management, American Productivity and Quality Center, 2003.
300
Internet: Web Trends Enterprise Suite, www.webtrends.com/products/enterprise/default.htm. www.skladistenje.com www.singidunum.ac.yu www.efos.hr www.datalab.ba www.pexim.net www.sk.co.yu/2005/05/skpr01.html www.olapreport.com www.oracle.com/technology/products/bi/olap www.cognos.com/olap.html www.dwinfocenter.org www.datawarehousingonline.com www.billinmon.com www.kimball.com
301
302

MBIS

Uploaded by

Document Information

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

MBIS

Uploaded by

Copyright:

Available Formats

Gordana Radi

UPRAVLJANJE POSLOVNIM INFORMACIONIM SISTEMIMA

BANJA LUKA, 2009.

UPRAVLJANJE POSLOVNIM INFORMACIONIM SISTEMIMA

Informacione tehnologije -Information technologies

Upravljanje poslovnim lnformacionim sistemima

Upravljanje poslovnim lnformacionim sistemima

BI Poslovna inteligencija ...................... 140 CRM Customer Relationship Management ..

Upravljanje poslovnim lnformacionim sistemima

Upravljanje poslovnim lnformacionim sistemima

Computer Aided Software Engineering Data Mining DM

Upravljanje poslovnim lnformacionim sistemima

Upravljanje poslovnim lnformacionim sistemima

Upravljanje poslovnim lnformacionim sistemima

Upravljanje poslovnim lnformacionim sistemima

Upravljanje poslovnim lnformacionim sistemima

Upravljanje poslovnim lnformacionim sistemima

Upravljanje poslovnim lnformacionim sistemima

Flach, M The Information Society: The Role of Networks and Information.

Upravljanje poslovnim lnformacionim sistemima

Upravljanje poslovnim lnformacionim sistemima

Upravljanje poslovnim lnformacionim sistemima

Upravljanje poslovnim lnformacionim sistemima

Upravljanje poslovnim lnformacionim sistemima

Upravljanje poslovnim lnformacionim sistemima

Dananji raunari su neuporedivo veih mogunosti a daleko manjih dimenzija.

John von Neumann (19031957), matematiar, profesor na Univerzitetu Pensilvanija

Upravljanje poslovnim lnformacionim sistemima

Upravljanje poslovnim lnformacionim sistemima

Upravljanje poslovnim lnformacionim sistemima

1.3.1. Raunarske mree

Upravljanje poslovnim lnformacionim sistemima

Upravljanje poslovnim lnformacionim sistemima

Upravljanje poslovnim lnformacionim sistemima

Upravljanje poslovnim lnformacionim sistemima

Upravljanje poslovnim lnformacionim sistemima

Upravljanje poslovnim lnformacionim sistemima

Host je raunar spojen na Internet.

Upravljanje poslovnim lnformacionim sistemima

Router ureaj za meusobno povezivanje raunarskih mrea.

Upravljanje poslovnim lnformacionim sistemima

Upravljanje poslovnim lnformacionim sistemima

Upravljanje poslovnim lnformacionim sistemima

ta dobijamo mreama? U sledeoj tabeli prikazane su mogunosti i vrednosti raunarskih mrea.

Upravljanje poslovnim lnformacionim sistemima

Prevazilaenje strukturalnih barijera

Upravljanje poslovnim lnformacionim sistemima

Upravljanje poslovnim lnformacionim sistemima

Upravljanje poslovnim lnformacionim sistemima

Upravljanje poslovnim lnformacionim sistemima

Upravljanje poslovnim lnformacionim sistemima

Naziv jedinice Kilobajt Megabajt Gigabajt Terabajt Petabajt Eksabajt

Broj bajtova 1.024 1.048.576 1.073.741.824 1.099.511.627.776 1.125.899.906.842.624 1.152.921.504.606.846.976

Upravljanje poslovnim lnformacionim sistemima

Upravljanje poslovnim lnformacionim sistemima

Upravljanje poslovnim lnformacionim sistemima

Upravljanje poslovnim lnformacionim sistemima

Fakultet: Godina studija:

Poslovna informatika trea

Upravljanje poslovnim lnformacionim sistemima

kompletna, precizna, aktuelna i ekonomina.

Upravljanje poslovnim lnformacionim sistemima

Upravljanje poslovnim lnformacionim sistemima

Sir Karl Raimund Popper (19021994), jedan od najveih filozofa XX stolea.