1.

UVOD

Poslovna inteligencija ima veliku ulogu u mnogim poslovnim sustavima i omogućuje lakše i
brže zaključivanje, kao i donošenje odluka. U suradnji s metodama ekstrakcije informacija skup
znanja se znatno proširuje i dobiva se potpuno nova slika. Ideja je sakupiti sve podatke koji su
dostupni i obraditi ih na jednom mjestu, neovisno da li se podatak nalazio u strukturiranom
obliku ili u tekstu.

Informacija na pravom mjestu i u pravo vrijeme je u vrijeme elektroničkog poslovanja jedan od

najvažnijih resursa koji može značiti razliku između opstanka ili propasti kompanije. Prije
početka informacijskog doba u drugoj polovici 20 stoljeća, kompanije su morale prikupiti
podatke iz neautomatiziranih izvora, te nisu posjedovale računalne resurse za odgovarajuću
analizu podataka. Stoga su se poslovne odluke temeljile uglavnom na intuiciji. S
automatizacijom sve više sustava, drastično se povećala količina podataka koja je postala
dostupna. Njihovo je prikupljanje ipak ostalo pravim izazovom zbog pomanjkanja infrastrukture
za razmjenu podataka i nekompatibilnosti sustava. Analiza prikupljenih podataka i izrada
izvještaja ponekad je trajala mjesecima. Na temelju tih izvještaja mogle su se donositi neke
dugoročne strateške odluke, dok su kratkoročne taktičke odluke i dalje ostale temeljene na
intuiciji.
2. POJAM SISTEMA POSLOVNE INTELIGENCIJE

Pojam „business intelligence“ javlja se 1989. godine zahvaljujući Howardu Dresneru koji je
uspostavio koncept koji se temeljio na raznim načinima istraživanja, prikupljanja i analize
informacija u raznim bazama podataka. Nakon uspostavljanja Dresnerovog koncepta IBM
razvija i uspostavlja „sustav business intelligencea“ u poduzećima diljem svijeta. Danas
postoje brojne definicije pojam i samog fenomena poslovne inteligencije (Business
Intelligence). Ovaj sustav označava skupinu metoda, pomagala i aplikacija koje omogućuju
prikupljanje, analizu, raspodjelu i djelovanje na temelju poslovnih informacija, a sve u cilju
donošenja pravilnih poslovnih odluka.

Prema definiciji Larisse T. Moss i Shaku Atrea poslovna inteligencija predstavlja

arhitekturu i kolekciju integriranih operativnih aplikacija, zatim aplikacija za potporu
odlučivanju i baza podataka koje poslovnim sustavima omogućuju lagan pristup podacima.
Prema Ravi Kalakoti i Marciai Robinson, poslovna inteligencija predstavlja skupinu novih
aplikacija oblikovanih tako da mogu organizirati i strukturirati podatke o poslovnim
transakcijama na način koji omogućuje analizu korisnu u potpori odlučivanju i operativnim
aktivnostima kompanije. Okkonen ju definira kao proces prikupljanja i analiziranja internih
poslovnih informacija. Za Moss i Atre poslovna inteligencija nije niti proizvod niti sustav. Ona
je arhitektura i kolekcija integrativnih operacija, aplikacija za potporu donošenju odluka i baza
podataka poslovanja. S druge strane, Arnott i Pervan tvrde kako je pojam poslovne inteligencije
slabo definiran te da je postao trend brojnih poduzeća distributora u IT poslovanju i konzalting firmi da
prodaju brojne proizvode koji to nisu, pod nazivom poslovna inteligencija.

Prema definiciji pojam poslovna inteligencija objedinjava metodologije, tehnologije i

platforme za Data Warehousing (DW), On-line Analytical Processing (OLAP) i Data Mining

(DM), koje omogućavaju tvrtkama kreiranje korisnih upravljačkih informacija iz podataka o

poslovanju, koji se nalaze disperzirani na različitim transakcijskim sustavima te dolaze iz
različitih internih i eksternih izvora.

Pojam poslovne inteligencije počeo se razvijati sa samim začetcima poslovanja, a samim

time i potrebom za organizacijom, prikupljanjem i analizom informacija. Već u 17. stoljeću
dolazi do ubrzanog razvoja međunarodne trgovine koja se većinom bazirala na pomorskom
prijevozu koji je poznat po visokom stupnju rizika (vremenski uvjeti, napadi pirata). Tada se
javljaju prvi poduzetnici u obliku pomorskih osiguravatelja. Međutim, njihova uspješnost
ovisila je o velikoj količini raznih informacija (plovni putevi, gusarske aktivnosti, političke
situacije u raznim dijelovima svijeta, posada, teret koji se prevozi i sl.). Da bi došli do potrebnih
informacija, mnogi su pomorski osiguravatelji počeli posjećivati tada popularnu kavanu koju
je u Londonu držao Edward Lloyd. Bilo je to mjesto gdje su poduzetnici mogli međusobno i s
pomorcima razmjenjivati i dijeliti informacije i iskustva.

2
Danas se može zaključiti kako je upravo na tom mjestu stvorena prva osiguravajuća
kompanija, koju je osnovalo 79 poduzetnika, prvih dioničara kompanije Lloyd's. Također, to je
bilo mjesto gdje je rođena ideja o poslovnoj inteligenciji.

Tijekom vremena, mijenjao se i sampojam poslovne inteligencije, manje prema svom

originalnom značenju a više prema korisnicima koje cilja i alatima koje koristi.

2.1. CIKLUS POSLOVNE INTELIGENCIJE

Poslovna inteligencija predstavlja okvir uspješnosti menadžmenta, stalan i kontinuiran ciklus gdje
poduzeća postavljaju svoje ciljeve, analiziraju napredak, stječu uvid u poslovanje, poduzimaju
radnje, mjere svoju uspješnost i dr. Ova ciklička aktivnost jest u stvari proces sastavljen od
različitih međusobno povezanih faza pri čemu slijedeća može započeti tek tada kada prethodna
uspješno završi. Ciklus počinje planiranjem i upravljanjem, odnosno postavljanjem ciljeva, potom
slijedi prikupljanje podataka i informacija koji se u idućoj fazi analiziraju, a u posljednjoj fazi
rezultati analize se distribuiraju.

Cilj analize podataka jest u tome što se identificiraju trendovi, obrasci i tendencije, a
formuliranjem niza scenarija mogu se predviđati vjerojatni budući ishodi te otkrivati potencijalne
mogućnosti i prepreke. U fazi distribucije raspoloživa se inteligencija putem pristupačnih medija
dostavlja korisnicima odnosno donositeljima odluka. Ciklus poslovne inteligencije ne završava
distribucijom, svojom posljednjom fazom, već se dalje nastavlja, s obzirom da u poslovanju
nikada nema konačnih odgovora, postavljaju se nova pitanja i zadaju novi strateški ciljevi.

3
2.2. VAŽNOST IMPLEMENTACIJE POSLOVNE INTELIGENCIJE

Pravovremena i kvalitetna informacija danas predstavlja osnovu konkurentske prednosti

poduzeća. Ona pomaže kompanijama u poduzimanju odgovarajućih akcija, a da bi se do tog
došlo, sustavi poslovne inteligencije moraju zahvaćati vanjske i unutarnje podatke. Procjenjuje
se da danas tipična organizacija analizira samo 10% prikupljenih podataka te da samo 24%
potencijalnih korisnika poslovne inteligencije je zaista i koristi.

Razne velike i srednje tvrtke konstantno pristupaju pojmu poslovne inteligencije, uče,
razvijaju i integriraju takve sustave te ih u konačnici primjenjuju u svojem poslovanju. Takve
organizacije nazivaju se uspješnima jer uspijevaju pretvarati informacije u poslovnu
inteligenciju, a poslovnu inteligenciju u organizacijsko znanje i na kraju iskorištavajući ta dva
pojma ostvaruju profit. Procjene govore da je svijet u 20.st imao 1 eksabajt podataka online,
oko 20 eksabajta offline podataka na različitim digitalnim medijima (cd, dvd) te oko 300
eksabajta analognih podataka na papiru ili filmu.

Integracija podataka poduzeća danas predstavlja jedan od najvećih informacijskih problema.

Problemi se ogledaju u vertikalnoj obuhvaćenosti podataka nekog financijskog područja koja
se javlja ako podacima nisu obuhvaćene sve razine funkcijskog područja. Npr. Ne postoji
mogućnost analitičke obrade podataka i prodaje jer su poznati samo operativni podaci prodaje,
dok za taktičke i strateške razine takvi izvještaji ne postoje. Kod horizontalne povezanosti
različitih funkcijskih područja podacima nisu povezana različita funkcijska područja npr.
Operativni podaci prodaje nisu dovoljno povezani sa operativnim podacima proizvodnje, pa
podaci proizvodnje nisu vidljivi u podacima prodaje. Rješenje tog problema nalazi se u
povezivanju i usklađivanju podataka srodnih funkcijskih područja.

Također nedovoljno poznavanje podataka poduzeća dovodi da ih korisnici rijetko ili

nedovoljno koriste. S druge strane može se reći da nedovoljno poznavanje načina korištenja
informacijskog sustava dovodi do slabe iskorištenosti njegovih mogućnosti. Kako bi eliminirali
te probleme potrebno je povezati, integrirati informacijske (aplikacijske) otoke, dokumentirati
informacijski sustav, opisati načine korištenja i opisati uvijete korištenja kataloga
informacijskog sustava.
Važnost poslovne inteligencije očituje se u njezinoj mogućnosti da realizira sljedeće procese:

 analizu ponašanja kupaca i dobavljača

 određivanje tko su ključni kupci, dobavljači i troškovi
 gdje i kod kojih kupaca nastaje poslovni rezultat
 učinkovitije pregovaranje s kupcima i dobavljačima
4
 analizu učinkovitosti upravljanja
 promatranje pojedinih tržišnih segmenata i
 lakše predviđanje budućih trendova.

Potvrđeno je da uvođenje poslovne inteligencije u tvrtku utječe na njezinu konkurentsku

poziciju, razvoj distribucijskih kanala te sveopće povećanje efikasnosti i efektivnosti poslovanja.
Sljedeći grafikon prikazuje realnu potrebu za uvođenje poslovne inteligencije u
poduzeće, s obzirom na okolinu i brze promjene u poslovanju.

Pitanja na koja bi organizacija trebala odgovoriti kako bi ekonomski opravdala implementacija

sustava poslovne inteligencije su sljedeća:

da li će se uz pomoć integracije ovog sustava bolje upravljati klijentima? hoće li nam
informacije omogućiti bolje pregovaranje na svakodnevnoj razini?

 da li ćemo moći brže reagirati na različite ponude ili događanja te tako smanjiti poslovni
rizik i povećat iskorištavanje poslovnih prilika?

 da li će novi sustav omogućiti odgovarajući oblik informacija širem krugu korisnika na

različitim razinama odlučivanja? Kako će sustav utjecati na organizacijsku strukturu i
realizaciju poslovnih procesa?

Dobar primjer implementacije poslovne inteligencije je Ford Motor kompanija. Tijekom

godina razvili su portal kojem su mogli pristupiti njihovi kupci i dobiti informaciju vezanu uz
jamstvo na kupljene proizvode te cijenu popravaka u slučaju istečene garancije. Do danas portal
je nadopunjen brojnim informacijama uz mogućnost dijagnostike stanja automobila.

5
2.3. INVESTIRANJE U POSLOVNU INTELIGENCIJU

Investiranjem u poslovnu inteligenciju poduzeća ustvari ulažu u svoju informatičku

infrastrukturu čime lakše mogu izmjeriti i poboljšati efikasnost i efektivnost poslovanja.
Poslovna inteligencija predstavlja ranije prikriveno znanje koje se otkriva iz operativnih,
rutinskih prikupljanih poslovnih podataka primjenom odgovarajućih računsko-logičkih metoda,
obično podržavanih informacijskom tehnologijom.16 Poduzeća danas njeguju vjerojatno
najbitniju konkurentsku prednost a to je znanje i vještine kolektiva, odnosno zaposlenika. Kako
bi se to znanje očuvalo i kontinuirano unapređivalo, potrebno je izgraditi optimalnu internu
infrastrukturu poduzeća koje će tim znanjem upravljati. Razvoj informacijsko-komunikacijske
tehnologije omogućava uspješno rješavanje navedenog problema. Prvi korak prema rješenju je
implementacija poslovne inteligencije koja se danas smatra posebnom disciplinom sa
elementima strategija, upravljačkog računovodstva, poslovne analize, marketinga i
informacijske tehnologije. Upravo ona omogućava prikupljanje, analizu, distribuciju i
djelovanje na osnovi poslovnih informacija, a u cilju lakšeg rješavanja upravljačkih problema i
donošenja poslovnih odluka.

Sustav poslovne inteligencije je ustvari njegov informacijski sustav koji barata podacima iz
brojnih izvora, iz tvrtke ali i okoline. Glavne karakteristike ovog sustava su laka dostupnost
informacija i saznanja o kupcima, dobavljačima, procesima i njihovim međusobnim odnosima.
Da bi ovaj sustav mogao funkcionirati, potrebni su mu alati (eng. Business Intelligence Tools)
koji se često dijele na naredne skupine:

 alati za upite (engl. Query Tools) - predstavljaju programske pakete koji omogućuju

korisnicima postavljanje upita o matricama ili detaljima u podacima.

 alati za rudarenje podataka, pomoću kojih se provodi automatsko pretraživanje

karakterističnih matrica ili korelacija među podacima.

6
  softver za multi dimenzijske analize, poznat pod skraćenicom OLAP (engl. Online

Analytical Processing). Ovaj softver omogućuje korisnicima pogled u podatke s

različitih aspekata i dimenzija

S obzirom na izvore podataka koje koristi, poslovna inteligencija može biti tržišna i unutarnja.
Za potrebe tržišne inteligencije koriste se izvori podataka kao što su klijenti poduzeća,
konkurencija te poslovni partneri u opskrbi poduzeća. Unutarnja inteligencija nastaje podacima iz
operativnih poslovnih te upravljačkih procesa. Uzevši sve u obzir navedeno, može se zaključiti
kako je poslovna inteligencija ustvari skup različitih inteligencija, ovisno o području rada i
izvorima podataka na:

 klijentska inteligencija

 kompetitivna inteligencija

 inteligencija opskrbnog lanca

 unutarnja inteligencija tvrtke.

Globalni trendovi na području poslovne inteligencije prikazani su na sljedećoj slici.

Slika 1 Trendovi u poslovnoj inteligenciji

7
 Kako je vidljivo iz slike br. 1 sustavi poslovne inteligencije postaju sve složeniji, sve je više
industrijski specifičnih zahtjeva. Velike tvrtke imaju mnoštvo različitih izvora podataka, koriste
se različite platforme, od tehnološki zastarjelih, preko relacijskih, do nestrukturiranih izvora.

3. KOMPONENTE POSLOVNE INTELIGENCIJE

Pojednostavljenim rječnikom to je skup aplikacija i metodologija koje omogućuju suvremenim

organizacijama i poslovnim korisnicima da od podataka stvore informaciju koja im služi kao
znanje za donošenje dobre poslovne odluke. Također sustav poslovne inteligencije možemo
podijeliti na nekoliko osnovnih komponenti.

Infrastruktura- koju čine skladišta podataka, ETL alati i operativna spremišta podataka.

Praćenje i mjerenje infrastrukture, odnosno povrata na investiciju očituje se u povećanju

efikasnosti odnosno obavljanju pravih stvari na pravi način.

Funkcionalnost: predstavlja platforme BI, rudarenje podataka- Data Mining, aplikacije BI (

strateške, operativne i analitičke) i Ad- hoc izvještavanje. Mjerenje funkcionalnosti očituje
se u povećanju efektivnosti odnosno činiti prave stvari!

Organizacija: ovu komponentu sačinjavaju informacijska/organizacijska kultura, mjerenje

performansi, metodologija BI, centar BI (objedinjavanje znanja i vještina). Mjerenje i
praćenje povrata na investiciju ostvaruje se implementacijom rezultata sustava u poslovne
procese, pri čemu je potrebno voditi računa organizacijskim specifičnostima pojedine tvrtke.

Poslovanje: predstavljaju ključni pokazatelji uspješnosti, trendovi transparentnost poslovanja.

8
 U ovoj komponenti koja je najvidljivija, povrat na investicije očituje se u osiguravanju
konkurentske prednosti.

4. OLAP ALATI

Sustav poslovne inteligencije započinje s izgradnjom skladišta podataka kao jednom

centralnom bazom podataka u koju se slijevaju svi podaci nastali u poduzeću ili podaci
nabavljeni izvan poduzeća. Nakon procesa ekstrakcije, transformacije i punjenja, podaci su
spremni za analizu. Osnovni način je automatsko kreiranje i distribucija izvještaja na svim
razinama odlučivanja, a najrašireniji način za sada predstavljaju multidimenzijske analize ili
model OLAP alata.

Puni naziv navedene skupine proizvoda proizlazi iz engleskih riječi On-Line Analytical
Processing, što se uobičajeno prevodi kao "online analitička obrada". Karakteristika je OLAP
proizvoda da se međusobno razlikuju mnogo više od međusobne razlike relacijskih baza
podataka, programskih jezika, tekst procesora itd. Stoga je bitno da pri vrednovanju ovih alata
u cilju odabira najpovoljnije solucije sudjeluju i odlučuju zajedno korisnici i IT stručnjaci

Sam model OLAP alata zasniva se na sustavu multidimenzijske analize, pri čemu se podaci
mogu istovremeno promatrati kroz veći broj dimenzija. Naime, podaci su organizirani u dvije
skupine: mjere i dimenzije. Mjere su poslovni pokazatelji (indikatori), brojevi, kao što su,
primjerice, iznos realizacije, planirani iznos, postotak rabata, broj komada itd. Dimenzije su
poslovni aspekti koji omogućuju analizu poput, primjerice, artikala, kupaca, organizacijske
strukture, vremena, itd. U poslovnim aplikacijama uvijek postoji vremenska dimenzija, jer je
usporedivost s prethodnim razdobljima uvijek preporučljiva. Vremenska razina koja se želi
implementirati može biti dan, mjesec, tromjesečje (kvartal) ili godina, što ovisi o zahtjevima
projekta.

OLAP alati dopuštaju korisniku pisanje jednostavnih formula koje će se primjenjivati duž
nekoliko dimenzija, a pritom je potrebno napisati tek nekoliko jednostavnih programskih
9
 instrukcija. Bitna karakteristika OLAP alata je velika brzina rada što omogućuje njegovim
korisnicima, najčešće stručnjacima i menadžerima postavljanje upita i dobivanja odgovora u
najkraćem mogućem vremenu, praktički trenutno, što nije slučaj kod drugih alata. U pravilu su
tako modelirani da se najveći broj odgovora dobije unutar pet sekundi, za jednostavnije analize
ne više od sekunda, a u složenijim slučajevima ponekad je potrebno više od trideset sekundi.

Daljnja je karakteristika ovih alata sposobnost analiziranja velikog broja dimenzija, pri čemu
se u praksi taj broj kod kvalitetnih OLAP alata i u zahtjevnim analizama kreće na deset ili čak
i više dimenzija. Budući da to nadilazi spoznajne mogućnosti prosječnog čovjeka, može se reći
da navedeni alati omogućuju proširenje ljudske inteligencije. Spektar mogućnosti koje
obuhvaćaju OLAP alati je vrlo širok, počevši od jednostavnog pretraživanja, preko proračuna
do sofisticiranih analiza kao što su vremenske serije i kompleksno modeliranje. Time oni
obuhvaćaju kompletan slijed koji započinje podacima, nastavlja se informacijama i završava
poslovnom inteligencijom. Slijedeća slika prikazuje OLAP arhitekturu kako bi se lakše shvatio
ovaj alat. Naime, prikazan je karakteristična OLAP arhitektura koju sačinjava OLAP poslužitelj
smješten između korisnika i skladišta, odnosno spremišta podataka s online vezom

Danas se na tržištu OLAP alata može pronaći nekoliko njegovih varijanti kao što su23:

 Relacijski OLAP alati

 MOLAP alati

 Desktop OLAP

 HOLAP alati.

10
 Relacijski OLAP alati čije skraćenica je ROLAP imaju relacijski model baze podataka koji
se može definirati na način, da za razliku od više dimenzijskog OLAP alata, vrlo vjerno
odražava stvarni svijet. MOLAP ili višedimenzionalni OLAP (engl. Multidimensional

/database/ OLAP) sačinjava skup alata za koje je karakteristično da koriste svoju vlastitu bazu
podataka n-dimenzijske matrične strukture. Karakteristika ove baze jest da nije izgrađena na
nekom općem modelu ili standardu, npr. relacijskom. Desktop OLAP odnosno OLAP za stolna
računala predstavljaju jednostavne OLAP alate, nižih cijena, koji su prilagođeni primjeni na
stolnim računalima skromnijih kapaciteta memorije i obradbenih mogućnosti u odnosu na velika
poslužiteljska računala. HOLAP alati (engl. Hybrid OLAP) predstavljaju hibridni proizvod
pomoću kojeg je moguće provoditi multidimenzijske analize simultano iz podataka
uskladištenih u više dimenzijskoj bazi i onih iz sustava upravljanja relacijskim bazama
podataka. Osim komercijalnih alata (vodeći dobavljači: IBM, Oracle, Microsoft, SAP), postoje
i takozvani „open source alati (Jaspersoft, Pentaho) koji mogu biti potpuno besplatni, no s nekim
ograničenjima kao što su npr. izostanak podrške u slučaju možebitnih problema pri radu
softvera, ograničenje na količinu podataka koji se mogu pohraniti i slično.

5. ALATI ZA UPITE I ANALIZU

Upiti služe za izvlačenje podataka iz tablica koji su zadovoljili neki uvjet, mogu služiti i za
promjenu podataka te analizu istih. Također, rezultati upita mogu biti izvori podataka za obrasce
i izvještaje.

Praksa nam pokazuje da članovi uprave poduzeća na stol dobivaju beskrajna izvješća iz
kojih ne mogu vidjeti relevantne podatke pomoću kojih bi odlučivali. S druge strane
menadžeri- dakle oni od kojih se izvještaji očekuju, izrađuju i obrađuju tone podataka koje
uprava često niti ne prouči. Na tom principu razvili su se vizualizacijski alati, prvi koji ćemo
spomenuti je:

Dashboard odnosno izvještavanje na jednoj stranici. Njihov razvoj utemeljen je 90-ih,

razvojem interneta. To su jednostavni grafički prikazi velike sume podataka, a možemo ih
sažeti na tri vrste:
11
  Stand alone software applications

 Web broswer based applications

 Desktop applications

Možemo zaključiti da daje jasnu sliku poslovanja, pravce kojima treba krenuti, promjene koje
treba poduzeti za ispravno poslovno odlučivanje i naravno poboljšanje poslovnih rezultata.
Sve to na jasan, jednostavan i razumljiv način.

Scorecard se također razvija u 90-im. Predviđaju kombinacije kategorija i pitanja koja se

mogu definirati kako bi se izdvojile najbitnije informacije o projektima i ponudama.

Vrlo su korisni prilikom mjerenja otklona od poslovne strategije tvrtke, analize rizika i drugih
bitnih faktora poslovanja. Svakom odgovoru dodjeljuje određeni rezultat, zatim se svako pitanje
i kategorija ocjenjuju kako bi na kraju producirali finalni rezultati.

5.1. SKLADIŠTENJE PODATAKA

Data Warehousing ili skladištenje podataka predstavlja proces integracije podataka koji se nalaze
u cjelokupnoj poslovnoj organizaciji, u jedinstveni rječnik iz kojega krajnji korisnici mogu dobiti
izvještaje i provoditi ad-hoc analize podataka. Podaci potrebni za donošenje odluka najčešće se
nalaze na različitim mjestima. U većoj organizaciji podaci su često smješteni na nekoliko različitih
relacijskih baza podataka kojima upravljaju različiti operacijski sustavi (primjerice: MS Excel,
MS Access tablice), a koriste se u raznim aplikacijama, na Internetu, itd. Proces definiranja koji
su to podaci, gdje se oni nalaze, kako ih izvući i strukturirati vrlo je važna faza izgradnje svakog
sustava poslovne inteligencije. U tu se svrhu koriste alati za ekstrakciju, transformaciju i punjenje
– ETL (engl. Extract, Transform, Load). Svi relevantni podaci se zatim spremaju u skladište
podataka koje može biti izgrađeno u relacijskom ili dimenzijskom modelu. Dimenzijska struktura
podataka, omogućava visok stupanj vizualizacije podataka, a to je upravo ono što menadžeri žele

12
vidjeti. Za brzo i kvalitetno donošenje odluka menadžerima su potrebni integrirani i vremenski
pravovremeni podaci, a sustavi poslovne inteligencije upravo to omogućavaju. Dimenzijska
struktura skladišta podataka omogućava sagledavanje podataka kombinirajući više relevantnih
faktora, npr. prodaja određenog proizvoda po regijama u nekom vremenskom roku.

5.2. RUDARENJE PODATAKA

Data Mining ili rudarenje podataka možemo definirati kao pronalaženje zakonitosti u podacima.
Rudarenje podataka je prirodna evolucija tehnologije, a koja upotrebljava koncepte, metode i
tehnike različitih disciplina kao što su baze podataka, statistika i umjetna inteligencija.
Tehnologija baza podataka se razvila iz primitivnih u sofisticirane i moćne sustave baza podataka
kakve danas poznajemo. Taj razvoj omogućio je bilježenje i sakupljanje ogromnih količina
podataka, što je neizbježno dovelo i do potrebe obrade i analize tih podataka, a sve u svrhu
dobivanja korisnih informacija i znanja. Same tehnike rudarenja podataka rezultat su dugog
procesa istraživanja i razvoja statističkih algoritama. Ova evolucija započela je još kad su poslovni
podaci prvi puta uskladišteni u računala, a nastavlja se kontinuirano, s unapređenjem pristupa
podacima i generiranjem tehnologija koje omogućuju korisnicima navigaciju kroz podatke u
realnom vremenu. Proces rudarenja podataka danas je moguće provoditi iz razloga što je
potpomognut s tri tehnologije koje su sada dovoljno sazrele:
 moćnom multiprocesorskom računalnom tehnologijom
 tehnologijom za masivno prikupljanje podataka i
 algoritamskim tehnikama za rudarenje podataka.
U evoluciji od poslovnih podataka do poslovnih informacija i znanja, svaki novi korak građen je
na prethodnom. Primjerice, dinamični pristup podacima je kritična točka za svrdlanje (eng. drill –
through) u aplikacijama za navigaciju podacima, a osposobljenost za skladištenje ogromnih baza
podataka je kritična za proces rudarenja podataka. Osnovne tehnike za rudarenje podataka su:
statističke metode, genetički algoritmi, neuralne mreže, stabla odlučivanja, umjetna inteligencija,
asocijacijska pravila, itd. Rudarenje podataka primjenjivo je u svim onim područjima gdje se
raspolaže velikom masom podataka, na osnovu kojih se žele otkriti određene pravilnosti, veze i
zakonitosti. Čitav niz faktora može utjecati na ishod nekog događaja, a zadatak je rudarenja

13
podataka otkriti najznačajnije među njima i njihove karakteristike s obzirom na ciljana stanja. Bez
obzira na područje primjene dobro iskorištene metode rudarenja podataka sposobne su otkriti
zakonitosti iz velike mase podataka pri čemu područje primjene ostaje u drugom planu, što
zapravo jest snaga primjene metoda rudarenja podataka – naglasak je na podacima, a ne na
području provođenja analiza.

5.3. PRIMJENA RUDARENJA PODATAKA (DATA MINING)

U znanosti je recimo popularna primjena Data Mining-a u astronomiji gdje se vrši

automatska klasifikacija nebeskih objekata. Trenutno je vrlo popularna primjena Data Mining
metoda u bioinformatici, genetičkom inženjeringu i farmaceutici. U posljednje vrijeme (posebno
poslije 11.9.2001.) sve se više i državne agencije zanimaju za Data Mining.

Data Mining se može zlonamjerno iskoristiti, prije svega narušavajući privatnost. Postoje
strahovi da bi osiguravajuće tvrtke mogle koristiti Data Mining tehnike kako bi određenim
grupama
korisnika uskratile pravo na zdravstveno osiguranje. Glavno područje primjene Data Mining-a je
ipak biznis. Marketing je područje gdje se Data Mining vjerojatno najviše koristi, kako bi se
identificirale pojedine grupe kupaca i predvidjelo njihovo ponašanje.

Primjerice, budući da je izračunato da je prosječno 6 puta teže dobiti novog kupca nego
zadržati postojećeg, korisno je znati zašto kupci odlaze. Međutim, također je izračunato da se u
prosjeku samo 4% kupaca žali. Data Mining može pružiti odgovor na pitanje zašto preostalih
96%
kupaca odlazi.
Još jedna česta primjena je otkrivanje prijevara koju koriste porezne službe i državne
agencije za sprečavanje organiziranog kriminala. Specijalizirana služba američkog ministarstva
financija koristi takav jedan sustav za otkrivanje pranja novca još od 1993. godine. Otkrivanje
prijevara pomoću Data Mining-a se često koristi i u telekomunikacijskoj industriji, te tvrtkama
koje

izdaju kreditne kartice. Jedna od nekonvencionalnih primjena Data Mining-a su sustavi NBA

klubova New York Knicksa i Miami Heata koji analiziraju uzorke u igri protivničkih momčadi.

14
6. ZAKLJUČAK

Kako se u modernoj ekonomiji znanje smatra najvažnijim poslovnim resursom, suvremeno

poslovanje postalo je "ovisno" o konceptu poslovne inteligencije, kao procesu prikupljanja
značajnih internih i eksternih podataka, njihovoj pretvorbi u informacije i korisnu razinu znanja,
potrebnoj menadžmentu pri donošenju poslovnih odluka. Alati poslovne inteligencije, sami po
sebi, ne predstavljaju gotova rješenja, koja su kao paketi automatski primjenjiva u svakoj
organizaciji i okruženju, već se posebno prilagođavaju svakom poslovnom subjektu i njegovim
potrebama. Poslovna inteligencija se danas smatra posebnom disciplinom koja u sebi obuhvaća
elemente strategije, upravljačkog računovodstva, poslovne analize, marketinga i informacijske
tehnologije. Među najznačajnije komponente (alate) njene infrastrukture pripadaju: skladišta
podataka, alati za rudarenje po podacima, OLAP alati i dr. Poduzeća koja u svojim poslovnim
aktivnostima primjenjuju koncept poslovne inteligencije uspostavljaju bolju kontrolu nad
informacijama u odnosu na one koje ne koriste njene prednosti, donose kvalitetnije odluke i time
stvaraju konkurentsku prednost i nove oblike prihoda.

Pojam poslovne inteligencije u zadnjih je nekoliko godina toliko popularna da ga je

gotovo nemoguće izbjeći, što i ne čudi, s obzirom da nudi rješenje za jedan od najvećih
problema managementa – donošenje kvalitetnih poslovnih odluka.
Upravo BI sustavi pomažu u rješavanju upravljačkih problema. BI sustav je takav sustav
koji čuva informacije i znanje o konkurenciji, kupcima, dobavljačima, procesima i vezama među
procesima, te omogućava poslovno pregovaranje, argumentirani nastup prema kupcima i
dobavljačima. Omogućava kvalitetno operativno planiranje, praćenje ponašanja konkurencije,
kupaca, dobavljača, promatranje pojedinih tržišnih segmenata i predviđanje budućih pojava. BI
sustav omogućava bolje razumijevanje vlastitih kupaca i spoznavanje što ih potiče na takvo
ponašanje.

15
 LITERATURA

1. ) Sistem poslovne inteligencije, http://www.seminarskirad.biz/radovi/ekonomija

2. ) http://hr.wikipedia.org/wiki/Rudarenje_podataka

3. ) Lacković, M.: Poslovna inteligencija: Zašto, što i kako? http://www.ebizmags.com/zasto-sto-i-kako-s-

poslovnom-inteligencijom/
4. ) http://www.poslovniforum.hr/about02/hr_bi.asp - 29k -

5. ) https://hr.wikipedia.org/wiki/Poslovna_inteligencija

16