SVEUČILIŠTE U RIJECI

EKONOMSKI FAKULTET U RIJECI

RIJEKA

VAŽNOST SUSTAVA ZA POTPORU ODLUČIVANJU NA

PRIMJERU UPORABE SUSTAVA POSLOVNE INTELIGENCIJE
COGNOS U POSLOVANJU TVRTKE

ZAVRŠNI RAD

Predmet: Informacijski sustavi za potporu odlučivanju

Mentor: Prof. dr. sc. Slavomir Vukmirović
Student: Lucija Crljenko Perković, dipl. oec.
Indeks br.: 239/06
Poslijediplomski stručni studij: Inteligentno elektroničko poslovanje

Rijeka, travanj 2009.

0
SADRŽAJ

1. UVOD 3
1.1. PREDMET I PROBLEM ISTRAŽIVANJA 3
1.2. SVRHA I CILJ ISTRAŽIVANJA 4
1.3. RADNA HIPOTEZA 5
1.4. STRUKTURA RADA 6
1.5. METODE ISTRAŽIVANJA 8

2. POSLOVNO ODLUČIVANJE 8
2.1. FAZE ODLUČIVANJA 9
2.2. NAČINI ODLUČIVANJA I VRSTE ODLUKA 11

3. INFORMACIJE I INFORMACIJSKI SUSTAVI 17

3.1. INFORMACIJE I PODACI 17
3.2. DEFINICIJE I RAZVOJ INFORMACIJSKOG SUSTAVA 20
3.3. DIJELOVI INFORMACIJSKIH SUSTAVA 23

4. SUSTAVI ZA POTPORU ODLUČIVANJU 26

4.1. DEFINICIJE SUSTAVA ZA POTPORU ODLUČIVANJU 26
4.2. OBILJEŽJA SUSTAVA ZA POTPORU ODLUČIVANJU 28
4.3. UPORABA SUSTAVA ZA POTPORU ODLUČIVANJU 29
4.4. PREDNOSTI I NEDOSTACI SUSTAVA ZA POTPORU
ODLUČIVANJU 31
4.5. GRAĐA SUSTAVA ZA POTPORU ODLUČIVANJU 33

5. POSLOVNA INTELIGENCIJA 35
5.1. RAZLOZI UVOĐENJA POSLOVNE INTELIGENCIJE 39
5.2. ALATI POSLOVNE INTELIGENCIJE 41
5.3. KORISNICI ALATA POSLOVNE INTELIGENCIJE U
HRVATSKOJ 43

6. SKLADIŠTA PODATAKA 45
6.1. FUNKCIONIRANJE SKLADIŠTE PODATAKA 47
6.2. RAZINE ANALIZE PODATAKA U SKLADIŠTIMA PODATAKA 49
6.3. DIMENZIJE I "KOCKE" 51

1
7. RJEŠENJE POSLOVNE INTELIGENCIJE I SUSTAV
ZA POTPORU ODLUČIVANJU COGNOS 53

7.1. TEORIJSKE ZNAČAJKE ALATA POSLOVNE INTELIGENCIJE

COGNOS 53
7.1.1. SUSTAV POSLOVNE INTELIGENCIJE COGNOS 55
7.1.2. IZVJEŠTAJI I KOCKE COGNOSA 59
7.1.3. IZVORI PODATAKA 62
7.1.4. FUNKCIJE COGNOS KOCKE 63

7.2. IMPLEMENTACIJA I PRAKTIČNA PRIMJENA ALATA COGNOS 68

7.2.1. IMPLEMENTACIJA COGNOSA U KONZUM S ASPEKTA
POSLOVANJA 68
7.2.2. UČINCI COGNOSA NA KONZUM 71
7.2.3. PRIJEDLOZI UNAPREĐENJA SUSTAVA POSLOVNE
INTELIGENCIJE U KONZUMU 76
7.2.3.1. MOBILNA POSLOVNA INTELIGENCIJA 76
7.2.3.2. AUTOMATSKO OBAVJEŠTAVANJE O BITNIM
PROMJENAMA 77
7.2.3.3. FORECAST 78
7.2.3.4. ŠTO AKO ANALIZA 78

7.2.4. PROBLEMATIKA LJUDSKOG FAKTOR PRI KORIŠTENJU

SPO U KONZUMU 79
7.2.5. INTEGRACIJA POJEDINIH ČIMBENIKA SUSTAVA
POSLOVNE INTELIGENCIJE U KONZUMU 82
7.2.6. PRIMJER PRIMJENE SUSTAVA POSLOVNE INTELIGENCIJE
– IZVJEŠTAJI I ANALIZE 84

8. ZAKLJUČAK 87

PRILOZI 96
LITERATURA 98

2
1. UVOD

1.1. PREDMET I PROBLEM ISTRAŽIVANJA

Temeljno pitanje koje danas tvrtke sebi postavljaju je kako opstati na tržištu tj. kako biti
konkurentan u vrijeme kada je tržište toliko promjenjivo? Kako postići optimalnu
učinkovitost i ostvariti što veći profit? Promjene na tržištu su ne samo svakodnevne,
nego se događaju iz minute u minutu. Kupci imaju sve više znanja, te su samim time i
sve zahtjevniji. Osim toga, trgovina, prvenstveno maloprodaja, je još osjetljivija na
tržišna kretanja. U danim uvjetima tvrtke trebaju odgovoriti na tržišne promjene i
odlučiti kako se suočiti sa problemima, kako zadržati tržišnu poziciju, ostvariti profit i
održivi razvoj.

Temelj upravljanja je odlučivanje. Kupci, jaka konkurencija i česte promjene na tržištu

zahtijevaju brzu reakciju menadžera, tj. brzo donošenje odluka koje su prilagođene
novim uvjetima na tržištu. Adekvatne odluke se moraju temeljiti na točnim,
pravodobnim i potrebitim informacijama.

Prethodno navedene činjenice su me navele da istražim mogućnost brzog odgovora na

tržišne promjene i brzog donošenja odluka, a sa ciljem profitabilnosti i efikasnosti, uz
primjenu informacijskih sustava potpore odlučivanju.

Predmet istraživanja ovog rada je važnost sustava poslovne inteligencije i sustava

potpore odlučivanju u poslovanju tvrtki. Život u informacijskom i informatičkom dobu
navodi na razmišljanje o mogućnosti korištenja jedne takve tehnologije kod procesa
odlučivanja kao temelja upravljanja tvrtkom. Kvalitetnim odlukama temeljenim na
informacijama menadžment poduzeća može osigurati tržišnu konkurentnost i opstanak.
Među velikim brojem proizvođača softvera poslovne inteligencije i potpore odlučivanju
isprofilirao se i Cognos. Cognos je aplikativni softver i rješenje poslovne inteligencije
koje koristi trgovačka tvrtka Konzum d.d. Zagreb, te će sustav za potporu odlučivanju
Cognos u ovom radu biti primjer informacijskog sustava koji ima utjecaj na poslovanje
najvećeg trgovačkog lanca u Hrvatskoj .

3
1.2. SVRHA I CILJ ISTRAŽIVANJA

Svaki poslovni subjekt teži boljim poslovanjem i upravljanjem utjecati na veće prihode i
manje troškove uz polučivanje što uspješnih pokazatelja poslovanja kako bi se stvorili
uvjeti održiva razvoja. Da bi se to moglo ne samo pratiti nego i provesti condicio sine
qua non je informatika sa cjelovitim svojim sustavom. Danas je nezamislivo mnoštvo
poslovnih događaja proknjižiti, obraditi i oblikovati u informacije temeljem kojih će
poslovodstvo donositi poslovne odluke kojim žele postići zacrtane planove, profit i rast
društva, bez potpore informacijskih sustava, i sustava potpore odlučivanju.

Upravo svrha nastavnog istraživanja je ustanoviti i analizirati da li i na koji način

informacijski sustavi i sustavi za potporu odlučivanju utječu na poslovno odlučivanje te
u tom smislu pomažu poslovanju tvrtke. Želi se utvrditi koliko su sustavi za potporu
odlučivanju bitni i korisni menadžerima, te na koji način omogućuju ostvarenje
strateških ciljeva tvrtke.

Cilj je utvrditi da li tvrtke, pogotovo velike, mogu danas opstati na tržištu i boriti se s
konkurencijom bez sustava poslovne inteligencije i sustava za potporu odlučivanju. Da
li informacije koje se dobivaju zahvaljujući sustavima za potporu odlučivanju pomažu
poslovodstvu tvrtke donijeti najbolju moguću odluku u danom trenutku. Cilj je
prikazati koristi i utjecaj alata poslovne inteligencije te sustava potpore odlučivanju na
uspješnost i efikasnost poslovanja tvrtke, a to će se učiniti na primjeru primjene alata
Cognos u društvu Konzum d.d.

Kako što jednostavnije i lakše doći do potrebnih informacija? Može li u tome pomoći
sustav za potporu odlučivanju te na koji način? Osim ovih pitanja cilj je odgovoriti i na
sljedeća pitanja:
− Što su sustavi za potporu odlučivanje i kako funkcioniraju? Što je poslovna
inteligencija, kako je ona povezana sa svime?
− Kako alati poslovne inteligencije i sustavi za potporu odlučivanju utječu na
poslovanje tvrtke?
− Da li će sustavi ubrzati i olakšati proces odlučivanja? Ako da, kako?

4
 − Što je Cognos i kako utječe na poslovanje Konzuma?
− Koliko su bitni ljudski resursi u radu s takvim sustavom?

Gore su navedena najvažnija pitanja na koje želim dati odgovor. Sve iznijeto biti će
obrađeno u predloženoj temi završnog rada poslijediplomskog studija.

1.3. RADNA HIPOTEZA

Temeljna radna hipoteza od koje polazi ovaj rad jest da u uvjetima nesigurnosti sustavi
za potporu odlučivanju poslovodstvu tvrtke ubrzavaju i olakšavaju proces odlučivanja
kao ključnog čimbenika u upravljanju tvrtkom, a s ciljem ostvarivanja profita i rasta
tvrtke.

Pomoćne hipoteze koje predlažem i koje će biti obrađene su:

• Pravodobna i potrebna informacija je nužna za opstanak tvrtki na tržištu. Kvalitetna
informacijska potpora može rezultirati tržišnom konkurentnošću, rastom tvrtke i
profitom.
• Sustavi za potporu odlučivanju su alati menadžerima kako bi dobili točne i
pravodobne informacije, omogućujući im donošenje optimalnih odluka, pa time i
prosperitet poduzeća.
• Sustav za potporu odlučivanju i rješenje poslovne inteligencija Cognos, zahvaljujući
svojim mogućnostima i funkcijama olakšava i ubrzava odlučivanje, a takve odluke,
temeljene na informacija povećavaju konkurentnost, te pozitivno utječe na
poslovanje društva Konzum d.d.
• Ljudski resursi su ključan čimbenik kod odlučivanja i korištenja sustava za potporu
odlučivanju.

Znači, temeljna radna hipoteza od koje se krenulo u radu da danas tvrtke ne mogu
napredovati i funkcionirati na tržištu bez korištenja sustava za potporu odlučivanju i
poslovne inteligencije, a u slučaju društva Konzum d.d. sustav za potporu odlučivanju
je Cognos.

5
1.4. STRUKTURA RADA

Rad se sastoji od osam međusobno povezanih dijelova.

U prvom dijelu – uvodu, definirati ću predmet istraživanja, navesti problem

istraživanja, objasniti svrhu i cilj istraživanja. Ujedno će biti iznjeta radna hipoteza i
korištene metode istraživanja.

Drugi dio nosi naziv Poslovno odlučivanje. U ovom dijelu ću pojasniti sam pojam
odlučivanja i pokušati obrazložiti koliko je proces odlučivanja zapravo kompleksan i
bitan. Dati ću osvrt i na vrste problema koje se javljaju u poduzeću. Odlučivanje je
proces, a kao takav ima i svoje faze koje će biti obrađene u ovom dijelu. Ujedno će se
navesti i objasniti načini odlučivanja te vrste odluka.

Informacije i informacijski sustavi naslov je trećeg dijela rada. Za kvalitetnije i

jednostavnije odlučivanje tvrtka treba raspolagati određenim podacima i informacijama.
Od velike pomoći pri prikupljanju i obradi podataka i informacija su i informacijski
sustavi. Navesti će se dijelovi informacijskog sustava s komentarima i objašnjenjima
(jedan dio je i sustav za potporu odlučivanju- osnova ovog rada), te će se dati i kratki
opis izgradnje informacijskog sustava.

Četvrti dio rada su Sustavi za potporu odlučivanju. Ovaj dio bi trebao dokazati važnost
takvih sustava i nužnost njihova korištenja. Definirati će se sustav za potporu
odlučivanju, navesti obilježja sustava za potporu odlučivanju, razlozi korištenja, te
prednosti i nedostaci sustava.

Pisati ću i o konceptu poslovne inteligencije i skladištu podataka. Poslovna

inteligencija je usko povezana sa sustavima za potporu odlučivanju. Poslovna
inteligencija je koncept svjesnog prikupljanja informacija u cilju analize podataka i
predviđanja budućih trendova, te otkrivanja znanja iz podataka. Koncept poslovne
inteligencije čini skup softverskih alata i metodologija koji omogućavaju korištenje
podataka iz skladišta podataka i njihovo pretvaranje u informacije potrebne za

6
donošenje adekvatnih poslovnih odluka. Prethodno navedena skladišta podataka će
također zauzeti dio rada jer bez koncepta skladištenja podataka ne bi funkcionirali ni
sustavi poslovne inteligencije ni sustavi potpore odlučivanju.

Zadnji dijelovi rada posvećeni su alatu za poslovnu inteligenciju Cognos, kako

njegovom teoretskom značenju tako i njegovoj primjeni.

Pisati ću o tome što je sustav poslovne inteligencije Cognos, kako funkcionira Cognos
BI, kako funkcionira u društvu Konzumu d.d., koje su mu mogućnosti i prednosti, što
nudi samim korisnicima. Biti će govora o Cognos kockama, te njegovom utjecaju na
poslovanje. Također ću predložiti neke mogućnosti unapređenja navedenog sustava.
Naglasak će biti dan i ljudskom faktoru kao ključnoj sastavnici uspješnog korištenja
alata Cognos. Na kraju ću dati i primjer analize i izvještaja koji se mogu dobiti iz jednog
takvog sustava. Izvještaje sam radila samostalno.

Zadnji, deveti dio je zaključno mišljenje u kojem su izražene spoznaje iz ovog rada.

1.5. METODE ISTRAŽIVANJA

Korištene metode rada su metoda intervjuiranja, metoda deskripcije, komparativna

metoda, kvalitativna metoda, deskriptivna metoda, metoda analize i sinteze, induktivna
i deduktivna metoda te metoda dokazivanja.

Podaci su prikupljeni iz različitih izvora: stručna literatura, internet, razgovor s nekim

korisnicima sustava za potporu odlučivanju. Vrlo bitan izvor podataka je i vlastiti rad
sa sustavom za potporu odlučivanju.

7
2. POSLOVNO ODLUČIVANJE

Današnja poslovna okolina je izrazito dinamična i turbulentna, a promjene na tržištu se

dešavaju iz minute u minutu. Osnovna svrha i cilj poduzeća je profit, a može se ostvariti
jedino ako je poduzeće konkurentno na tržištu. Konstantna i svakodnevna prilagodba
novim uvjetima na tržištu je nužnost. Jedino tako tvrtke mogu ostati konkurentne,
opstati na tržištu i ostvariti svoje ciljeve definirane strategijom tvrtke.

Odlučivanje je temelj upravljanja. Može se reći da je pravilno odlučivanje ključ

uspješnog poslovanja. Odlučivanje i upravljanje usko povezani. Menadžeri i
rukovoditelji svih razina moraju donositi kvalitetne odluke te kontrolirati izvršenje tih
odluka. Upravo kroz proces odlučivanja menadžment ostvaruje svoju funkciju.
Odlučivanje je provjereno težak i odgovoran posao koji za sobom nosi brojne
posljedice.

Odluke se donose svakodnevno, kako u privatnom, tako i u poslovnom životu. Dok se u

privatnom životu donošenje odluka temelji isključivo na intuiciji, u poslovnom životu to
ne smije biti slučaj. "Odlučivanje u poslu, odnosno poslovno odlučivanje zahtjeva više
sistematičnosti nego ono u privatnom životu, ne zato što je ono važnije, već zato tangira
veći broj članova organizacije. Što je razina odlučivanja viša, gledajući s aspekta
raspona odgovornosti, to je i odlučivanje važnije jer se tiče velikog broja članova
organizacije pa u slučaju pogrešne odluke to može imati katastrofalne posljedice za
organizaciju kao cjelinu. "1

Donošenje odluka ili odlučivanje je proces biranja između više mogućnosti. To je

proces pripreme i donošenja odluka, te rezultira odabirom akcije koju treba poduzeti ili
strategije koju treba primijeniti u praksi. "Odlučivanje je kognitivni proces koji se
sastoji od prepoznavanja problema i biranja mogućih rješenja koja vode do nekog
željenog stanja. Odlučivanje je veoma odgovoran i težak posao jer donošenje odluka za
sobom nosi i način provođenja istih. Menadžersko poslovno odlučivanje ovisi o razini
menadžmeta na kojoj se donosi odluka, pa tako u najzahtjevnije spadaju strategijske i

1
P. Sikavica, B. Bebek, H. Skoko i D. Tipurić: Poslovno odlučivanje, Informator, Zagreb, 1999. str. 25

8
inovativne odluke, zatim slijede taktičke (adaptivne) odluke, a tek onda operativne
(rutinske) odluke."2 Dobar menadžer mora biti dobar donositelj odluka.

Za kvalitetno odlučivanje bitne su kvalitetne, pravodobne i točne informacije. One

omogućuju menadžerima i ostalim zaposlenicima donošenje određene poslovne odluke.

2.1. FAZE ODLUČIVANJA

Odlučivanje je proces, te kao svaki proces ima svoje faze.

„Donošenje odluka se prema Tipuriću dijeli u četiri faze:

- svijest o potrebi za odlukom,
- priprema odluke,
- donošenje odluke i
- provedba odluke.“3

Takva podjela se može još detaljizirati tj. podijeliti na aktivnosti. U skladu s tim može
se reći da "postupak odlučivanja i donošenja odluka ima slijedeće faze:
1. identifikacija problema
2. definiranje ciljeva
3. donošenje preliminarne odluke
4. generiranje liste mogućih rješenja
5. evaluacija mogućih rješenja
6. odabir rješenja
7. provođenje odluke u praksi
8. praćenje izvršenja odluke.“4

Identifikacija problema, definiranje ciljeva, donošenje preliminarne odluke, generiranje

liste mogućih rješenja, te evaluacija mogućih rješenja spada u fazu pripreme odluke.

2
http://hr.wikipedia.org/wiki/Poslovno_odlučivanje (31.05.2008.)
3
http://www.trend.hr/clanak.aspx?BrojID=51&KatID=39&ClanakID=574 (04.04.2009.)
4
http://www.poslovniforum.hr/management/donosenje_odluka.asp (31.05.2008.)

9
Identifikacija problema je ustvari spoznaja da problem postoji. Problem se mora moći
točno definirati. Ukoliko se problem krivo definira, kvalitetno rješenje problema neće
biti moguće.

Definiranjem zadataka se određuje cilj ili ciljevi koji se žele postići. Donešena i
implementirana odluka bi trebala nastojati doseći zacrtane ciljeve.

Prije nego se ponude različite inačice rješenja problema potrebno je skupiti dovoljnu
količinu informacija. "Uz ovu fazu veže se pojam kritične mase informacija koji govori
o tome da nakon sakupljanja određene količine informacija, svaka daljnja informacija
ometa proces odlučivanja."5

Generiranje liste mogućih rješenja je podfaza u kojoj se oblikuju moguće varijante

odluke odnosno rješenja problema. Nakon generiranja mogućih rješenja vrednuju se sva
predložena rješenja te se ocjenjuju.

U fazi donošenja odluke izabire se jedna od prethodno generiranih inačica rješenja.

Donesena odluka realizira se u fazi provedbe odluke.

U fazi praćenja izvršenja odluke provjerava se i prati provođenje odluke u djelo. Ova
faza može uključivati praćenje rezultata odluke, praćenje ispravnosti implementacije i
slično.

Za kvalitetno donošenje odluke ne bi trebalo preskočiti ni jednu navedenu fazu.

5
http://www.tiaktiv.hr/index.php?option=com_content&task=view&id=36&Itemid=50 (21.01.2009.)

10
2.2. NAČINI ODLUČIVANJA I VRSTE ODLUKA

Postoje različiti aspekti i načini odlučivanja.

„Aspekti odlučivanja su:

1. S obzirom na probleme o kojima se odlučuje:
• programirano
• neprogramirano odlučivanje
2. S obzirom na razinu odlučivanja:
• odlučivanje na operativnoj razini
• odlučivanje na taktičkoj razini
• odlučivanje na strateškoj razini
3. S obzirom na subjekte odlučivanja:
• pojedinačno
• skupno odlučivanje
4. S obzirom na načine odlučivanja:
• intuitivno,
• odlučivanje na temelju prosuđivanja,
• racionalno odlučivanje
5. S obzirom na okolnosti u kojima se odlučuje:
• odlučivanje u uvjetima sigurnosti
• odlučivanje u uvjetima nesigurnosti (rizika)."6

Poslovni problemi se među ostalim mogu podijeliti i na strukturirane, nestrukturirane i

djelomično strukturirane. Strukturirani problemi su ponavljajući, rutinski problemi, te
je i donošenje odluka takvo. Postupak odlučivanja kada se radi o strukturiranim
problema je poznat, pa se sam postupak odlučivanja može i programirati. Takav
program može u potpunosti zamijeniti čovjeka pri rutinskom odlučivanju. Ovakvo
odlučivanje naziva se programirano odlučivanje i koristi pri rutinskim problemima, tj.

6
http://www.foi.hr/CMS_library/studiji/dodiplomski/IS/kolegiji/to/Nacini_odlucivanja_09.pdf ; Nina
Begičević (15.01.2009.)

11
problemima koji se ponavljaju. Najčešće se pojavljuje na nižim, operativnim razinama
menadžmenta.

Djelomično strukturirani problemi nisu rutinski, te se ne može s potpunom sigurnošću

reći koje je rješenje problema i koji se koraci trebaju poduzeti. Pri takvom odlučivanju
se koristi iskustvo i stečeno znanje.

Nestrukturirani problemi su kompleksni problemi. Za takve probleme ne postoje

očigledna i rutinska rješenje, a čovjek i njegovo znanje imaju značajnu ulogu. Vrlo
često su to problemi koji se pojavljuju prvi put. Kod ovakve vrste problema koristi se
neprogramirano odlučivanje. "U procesu neprogramiranog odlučivanja nema poznatih
postupaka, procedura i modela odlučivanja, već je svaka situacija nova, slučaj za sebe i
treba je individualno rješavati."7

Strukturirane, rutinske probleme najčešće rješava operativna razina menadžmenta, dok

nestrukturirane probleme rješava najviša, strateška razina menadžmenta.

Slika 1. Veza između odlučivanja i razina menadžmenta.

Razina menadžmenta Priroda problema Priroda odlučivanja

Najviša razina
Nestrukturi Neprogram
rani irano
problemi odlučivanje

Programiran
Strukturira
ni problemi o
odlučivanje
Najniža razina

Izvor: predavanje prof. S. Vukmirovića, svibanj 2007.8

7
P.Sikavica, H. Skoko, D. Tipurić. M. Dalić: Poslovno odlučivanje- teorija i praksa odlučivanja;
Informator, Zagreb, 1994. str. 85
8
Predavanje prof. S. Vukmirovića, svibanj 2007

12
Iz slike 1. je jasno razvidan odnos između odlučivanja i razine menadžmenta. Što je
problem kompleksniji, rješava ga viša razina menadžmenta.

S obzirom na razinu odlučivanja odluke se dijele na strateške, taktičke i operativne.

Strateškim odlukama se određuje strategija poduzeća, te ciljevi poduzeća u budućnosti.
One spadaju u najznačajnije odluke u poduzeću. Strateške odluke donose menadžeri na
najvišim razinama, a svi drugi ciljevi i odluke moraju biti u skladu s strategijom
poduzeća.

"Taktičke odluke predstavljaju konkretizaciju strateških odluka, tj. stvaralačko

oživotvorenje zacrtane poslovne politike, planova i razvoja, i slično. Donose ih organi
upravljanja i rukovodni organi."9

Operativne odluke se donose na najnižim razinama menadžmenta, a služe rješavanju

strukturiranih odnosno rutinskih, ponavljajućih problema. Najveći broj odluka upravo
su operativne odluke, vrlo su bitne, a trebale bi biti u skladu sa strateškim odlukama.

Vremenski, strateške odluke se najduže donose tj. menadžeri najviše vremena utroše
upravo donoseći ove odluke jer one određuju budućnost tvrtke. Strateške odluke su
temelj razvoja tvrtke, njenog plana i programa privređivanja, pozicioniranja na tržištu i
ostvarivanja pozitivnih rezultata što je i cilj svakog gospodarskog subjekta. Prije
donošenja odluka potrebne su razne analize, ispitivanja i simulacije.

Operativne odluke se donose na najnižim razinama menadžmenta, a svoje utemeljenje

imaju u donesenim strateškim odlukama. Ove odluke oduzimaju najmanje vremena, a
donošenje takvih odluka traje vrlo kratko.

9
http://poslovniforum.hr/vijest.asp?id=123 (25.02.2009.)

13
Slika 2. Razlika u vremenskoj perspektivi između menadžerskih razina

Razlika u vremenskoj perspektivi između menadžerskih razina

MENADŽERI NA VIŠIM
RAZINAMA STRATEŠKE ODLUKE

MENADŽERI NA SREDNJIM
RAZINAMA TAKTIČKE ODLUKE

MENADŽERI NA NIŽIM
RAZINAMA OPERATIVNE ODLUKE

10
Izvor:http://web.efzg.hr/dok//OIM/dtipuric//2

Ipak, iako se kaže da su strateške odluke najvažnije, rezultati kompanije su uvelike

determinirani i manjim, operativnim odlukama. Svaka odluka, bez obzira na kojoj razini
donešena, ima posljedice na profit poduzeća. Takve odluke donosi veliki broj
zaposlenika tvrtke, te indirektno i one imaju strategijsko značenje za tvrtku. Ukoliko se
odluke donešena na višim razinama ne provodi na terenu, tvrtka će imati velike
poteškoće. Često se dešava da osobe koje moraju provoditi strateške odluke, te
svakodnevno donositi operativne odluke, nemaju sve potrebne informacije, a imaju
puno zadataka koje moraju obaviti. Zato je nužna poslovna koordinacija i interaktivno
ponašanje svih razina menadžmenta.

Odluke svakodnevno donose i pojedinci i grupe, pa se tako s obzirom na subjekte

odlučivanje dijeli na pojedinačno i skupno (ili individualno i grupno). Osnovna
karakteristika pojedinačnog odlučivanja je, kako i sama riječ govori, da odluku donosi
pojedinac. Pojedinačno odlučivanje je u pravilu brže, i na taj način se izbjegava problem
"skupnog mišljenja", a osnovni nedostatak takvog odlučivanja je taj što pojedinac
generira manji broj različitih rješenja problema. "Skupno odlučivanje je način
poslovnog odlučivanja u kojem odluke donose skupine ljudi strukturirane po različitim

10
http://web.efzg.hr/dok//OIM/dtipuric// (21.02.2009.)

14
osnovama."11 Raspravljanjem unutar skupine, prema određenim normama ponašanja,
smanjuju se nejasnoće i nesigurnosti u načinu rješavanja problema. Skupno odlučivanje
rezultira većim brojem mogućih rješenja, ali postoji mogućnost da će neki pojedinci
željni statusa ovdje prevladati i nametnuti svoje mišljenje ostalima u grupi. Hoće li
odlučivanje biti skupno ili pojedinačno ovisi i o tome radi li se o strateškim odlukama ili
operativnim odlukama. Operativne i rutinske odluke će najčešće biti individualne, dok
će strateške najčešće biti skupne.

S obzirom na načine odlučivanja odlučivanje može biti intuitivno, na temelju

prosuđivanja i racionalno. Intuitivno odlučivanje je, kao što i sama riječ kaže,
odlučivanje na temelju intuicije donositelja odluke. Intuitivno odlučivanje
karakteristično je za privatan život, dok u poslovnom odlučivanju pruža male
mogućnosti za izbor optimalnih rješenja. Iako neke osobe imaju vrlo razvijenu intuiciju,
u poslovanju takav način odlučivanja sigurno nije poželjan i pri takvom odlučivanju
postoji najveća mogućnost pogreške.

Odlučivanje na temelju prosuđivanja koristi se u situacijama koje se ponavljaju i

temelji se na iskustvu menadžera. Odluke se donose oslanjajući se na prošlo iskustvo, a
ograničavajući faktor ovakvog odlučivanja jest taj što se takvo odlučivanje može
odnositi samo na probleme koji su se već desili.

Racionalno odlučivanje je najbolji način odlučivanja kod nestrukturiranih problema i

kod donošenja strateških odluka, a povezano je s znanstvenim metodama odlučivanja.
Prilikom racionalnog odlučivanja donositelj odluka se služi analitičkim metodama i
mora biti jako dobro informiran. Razni sustavi za potporu odlučivanju mogu donositelju
odluke ubrzati proces odlučivanja, te mu na neki način olakšati posao.

Veliki broj hrvatskih menadžera i dalje odlučuje na temelju intuicije i/ili iskustva, a
manji broj odluka donose racionalnim odlučivanje.

11
http://www.foi.hr/CMS_library/studiji/dodiplomski/IS/kolegiji/to/Nacini_odlucivanja_09.pdf
(15.01.2009.)

15
U slučaju posjedovanja nedovoljne količine informacija u dinamičnoj poslovnoj okolini
intuitivno odlučivanje može donijeti bolje rezultate. Ipak, ako postoji dovoljan broj
korisnih informacija, bolje je donijeti racionalnu odluku, a intuitivno odlučivanje
koristiti samo u slučaju nedovoljnog broja informacija. Nedostatak informacija
potrebnih za odlučivanje u današnje vrijeme najčešće nije slučaj. Većina informacija je
javno dostupa. Nedovoljna brojnost informacija dešava se u manjem broju slučaja.
Ovdje treba uzeti u obzir i potrebno vrijeme odlučivanja. Ukoliko se odluka mora
donijeti trenutačno, naravno da će intuicija i iskustvo prevladati.

Prema okolnostima odlučivanja razlikuje se odlučivanje u uvjetima sigurnosti i

odlučivanje u uvjetima nesigurnosti. Jedino kada se može točno predvidjeti rezultat
odluke tj. rješenja problema može se govoriti o odlučivanju u uvjetima sigurnosti.
Takav broj odluka je vrlo mali, pogotovo u današnje vrijeme kada tvrtke posluju u
izrazito nestabilnim uvjetima, s vrlo oštrom konkurencijom, u uvjetima permanentnog
tehnološko-tehničkog te informatičkog razvoja, te svakodnevnim promjenama na
tržištu. Odluke se najčešće donose u uvjetima nesigurnosti. Tada donositelju odluke
trebaju točne, pravodobne i kvalitetne informacije.

Konačno mjerilo je li donesena najbolja moguća odluka je stupanj ostvarenog

poslovnog uspjeha.

Kvalitetan informacijski sustav može pomoći donositelju odluke da u danom trenutku

donese najbolju odluku za poslovni sustav.

16
3. INFORMACIJE I INFORMACIJSKI SUSTAVI

Današnja poslovna okolina je izrazito turbulentna i promjenjiva. Efikasno obavljanje

posla popraćeno je informacijama i podacima, a informacija čini temelj uspješnog
poslovanja. Poželjna informacija je pravodobna, pravovaljana i točna. Bez kvalitetne
informacije nije moguće donositi kvalitetne odluke. Da bi se informacije mogle
efikasno pohranjivati, obrađivati i koristiti moraju biti u digitaliziranom obliku. U
takvom obliku koriste se u bazama i skladištima podataka, informacijskim sustavima i
sustavima za potporu odlučivanju. Razni informacijski sustavi mogu uvelike olakšati
poslovanje tvrtke.

3.1. INFORMACIJE I PODACI

"Podaci (eng. Data) su znakovni prikaz činjenica i pojmova koji opisuju svojstva
objekata i njihovih odnosa u prostoru i vremenu."12 Podatak može biti upotrebljiv, ali i
ne mora, i to je osnovna razlika između podatka i informacije. Da bi podatak postao
informacija mora donositi novosti primatelju, odnosno mora utjecati na povećanje
razine znanja primatelja. Podatak postaje informacija procesom obrade podataka.

Informacija je podatak koji ima uporabnu vrijednost. Informacija je skup znakova koji
primatelju nešto znače, odnosno otkrivaju nešto novo. " Informacija (eng. Information)
je rezultat analize i organizacije podataka na način da daje novo znanje primatelju. Ona
postaje znanje kad je interpretirana, odnosno stavljena u kontekst ili kad joj je dodano
značenje. "13 Informacija je pojam s mnogo značenja ovisno o kontekstu, ali je kao
pravilo usko povezana s konceptima kao što su značenje, znanje, percepcija, instrukcija,
komunikacija i razni mentalni procesi. Jednostavno rečeno, informacija je primljena i
shvaćena poruka.

12
http://hr.wikipedia.org/wiki/Podatak,_informacija,_znanje,_mudrost (31.05.2008.)
13
ibidem (31.05.2008.)

17
Nerijetko se podatak i informacija koriste kao sinonimi, iako to nisu iste riječi.
Osnovna razlika je ta da je informacija podatak ili podaci stavljeni u kontekst, dok je
podatak izvan konteksta. Drugim riječima, podatak je beskoristan sve dok ne prenosi
neku informaciju. Informacija je rezultat procesiranja, manipuliranja i organiziranja
podataka na načina da isti nadograđuju znanje osobe koja informaciju prima.

Informacije trebaju biti točne, pravodobne, pravovaljane i iskoristive. Danas nije

problem prikupiti informacije već ih pravilno upotrijebiti tj. pretvoriti u znanje. Tu
glavnu ulogu čini čovjek. "Znanje je odgovarajuća zbirka informacija kojoj je namjera
da bude korisna. Znanje čine organizirane informacije koje se mogu koristiti za
stvaranje novih značenja i podataka."14

Iz informacija nastaje znanje. Znanje se može definirati kao činjenice, informacije i

vještine koje je osoba stekla iskustvom ili obrazovanjem. "Znanje je odgovarajuća
zbirka informacija kojoj je namjera da bude korisna. Znanje čine organizirane
informacije koje se mogu koristiti za stvaranje novih značenja i podataka... Podatak je
najosnovnija razina, informacija dodaje kontekst, znanje dodaje kako ga upotrijebiti, a
mudrost dodaje kada i zašto ga upotrijebiti"15

Da bi se iz podataka dobile informacije potrebni ih je organizirati. Da bi se podaci mogli

organizirati potrebno je odgovoriti na sljedeća pitanja
1. koje podatke treba prikupljati
2. kada ih prikupljati
3. gdje ih prikupiti
4. kako prikupljene podatke pohraniti u bazu podataka
5. kako obrađivati podatke da bi se dobile potrebne informacije.

Kada počne izgradnja informacijskog sustava, u njenim prvim fazama potrebno je

odgovoriti na pitanja koje podatke prikupljati, gdje i kada, te kako ih obrađivati.

14
http://hr.wikipedia.org/wiki/Podatak,_informacija,_znanje,_mudrost (31.05.2008.)
15
Ibidem 31.05.2008.

18
Vrijednost informacije nije u njihovu posjedovanju, već u njihovu korištenju.
Neobrađeni podaci spremljeni u bazama i skladištima podataka, umjesto da donose
vrijednost tvrtkama, preopterećuju sustav. Postaju samo trošak, jer dok god podatak ne
dođe do krajnjeg korisnika vrijednost tih informacija ne može kompenzirati trošak koji
je nastao zbog održavanja podatka.

„Iako je tržište i poduzeće kao njegov sastavni dio zatrpano raznim podacima i
informacijama, istovremeno su jako znakoviti rezultati istraživanja o dostupnosti i
upotrebljivosti informacija:
- 95% podataka je javno dostupno,
- unutar poduzeća postoji 90% podataka koji su dovoljni za poslovanje a koristi ih se
samo 10%,
- 54% korisnika teško pronalazi potrebne informacije,
- 43% menadžera nije sigurno u točnost informacija koje posjeduju,
- 77% menadžera u svom radu donijelo je krive odluke zbog nedostatka
informacija.“16

Danas kada je informatička tehnologija napredovala, te je do informacija i podataka

puno lakše doći nego prije, može se pojaviti i problem preopterećenosti podacima.
Količina podataka se konstantno povećava. Izvori podataka se multipliciraju, što znači
da podaci dolaze sa sve više strana, te se spremaju u različita skladišta podataka koje
nije moguće povezati. Da li su svi podaci koje tvrtka posjeduje kvalitetni? Prevelika
količina nepotrebnih podataka usporava rad sustava, zaposlenici teže dolaze do
potrebnih im podataka, te umjesto da se proces odlučivanja ubrza, može se čak i
usporiti.

16
Ante Luetić: Primjena koncepta "poslovna inteligencija" u procesu strategijskog i financijskog
upravljanja : magistarski rad / Ekonomski fakultet, Split, 2008. str 55.

19
3.2. DEFINICIJE I RAZVOJ INFORMACIJSKOG SUSTAVA

Informacijski sustav je dio svakog poslovnog sustava, a svrha mu je opskrba svih

razina upravljanja, odlučivanja i svakodnevnog poslovanja potrebnim informacijama.

"Informacijski sustav u strogoj definiciji je sustav koji prikuplja, pohranjuje, čuva,

obrađuje, i isporučuje potrebne informacije na način da su dostupne svim članovima
neke organizacije koji se njima žele koristiti te imaju odgovarajuću autorizaciju."17

Informacijski sustav je dio poslovnog sustava koji mu omogućuje da komunicira unutar

sebe i sa svojom okolinom.

„Cilj je informacijskog sustava dostava prave informacije u pravo vrijeme na pravo

mjesto u organizaciji uz minimalne troškove.“ 18

Sukladno iznijetom zadaća informacijskog sustava je:

• prikupljanje podataka
• razvrstavanje podataka
• obrada podataka
• čuvanje podataka
• oblikovanje i
• raspoređivanje informacija.

Informacijski sustavi su se razvijali po fazama."Evolucijski gledano, razvoj poslovnih

informacijskih sustava možemo podijeliti na:
• klasični (transakcijski) poslovni sustav
• sustav za potporu odlučivanju
• ekspertni sustav."19

17
http://hr.wikipedia.org/wiki/Informacijski_sustavi (17.06.2008.)
18
V. Srića i suradnici: Menadžerska informatika, četvrto izdanje, M.e.p. Consult, Delfin, Hita Poslovna
akademija, Zagreb, 1999. str. 3-4.
19
Ibidem, p. 7-5

20
Informatizacija poduzeća obično kreće od sustava za obradu transakcija. Sustavi za
obradu transakcija omogućuju svakodnevni rad i pogodni su za operativnu razinu
odlučivanja. Na transakcijske informacijske sustave nadograđuju se upravljački
informacijski sustavi. Upravljački informacijski sustavi su sustavi koji sadrže unaprijed
definirane izvještaje koji se mogu izrađivati prema redovitom rasporedu, u izvanrednim
situacijama ili prema posebnom zahtjevu menadžera. Oblik informacija iz takvih
sustava je fiksan, a izvještaji su unificirani i opsežni. Korisnik pregledavajući takve
izvještaje samostalno pretražuje njemu interesantne informacije. Ustvari, da bi se dobila
potrebna informacija iz takvih sustava potrebno je dosta vremena, jer takvi izvještaji
imaju jako puno podataka, a menadžeru možda treba samo jedan dio tih informacija.
Zato se treba zapitati koji sustavi će menadžeru ponuditi brži i jednostavniji pristup
potrebnim informacijama da bi on mogao kvalitetnije odlučivati. To mogu biti sustavi
potpore odlučivanju.

Sustavi za potporu odlučivanju mogu se razviti nakon što su se razvili prethodno

navedeni sustavi. To su interaktivni informacijski sistemi čija je svrha pomoći
donositeljima odluke da identificiraju i rješavaju probleme te donose odluke, a sve to uz
pomoć komunikacijskih tehnologija, podataka i informacija, te znanja.

Ekspertni sustav se temelji na bazi znanja u cilju donošenja odgovara na pitanja tipa što-
ako te sadrži elemente komuniciranja s ekspertima iz pojedinih područja. Ekspertni
sustavi se smatraju najvišom razinom informatizacije poduzeća. Oni nisu zamjena za
prethodne faze, već njihova nadogradnja.

"Ekspertni sustavi su inteligentni programi na računalima koji koriste znanja i postupke

zaključivanja, kako bi se riješili teški zadaci koji zahtijevaju znatnu ljudsku stručnost.
Kao model znanja nužnog za tu razinu može se zamisliti sveukupno stručno znanje
najboljih praktičara na nekom polju rada."20

Ekspertni sustavi su ustvari nadogradnja na postojeće informacijske sustave poduzeća.

Dosadašnji sustavi su se koristili bazom podataka, dok se ekspertni sustav koristi bazom

20
http://hr.wikipedia.org/wiki/Ekspertni_sustavi (17.06.2008.)

21
znanja. On ne nudi samo podatke, već i objašnjenja i stavove. Temelji se na znanju iz
određenog područja, te se u neku ruku ponaša kao ekspert iz tog područja.

"Ekspertni sustavi kao najzastupljenije područje umjetne inteligencije definiraju se na

različite načine, jedna od najjednostavnijih definicija je: (Jožef Štefan, Ljubljana)
Ekspertni sustavi su sustavi koji oponašaju znanje eksperta. Ekspertni sustavi su
inteligentni programi na računalima koji koriste znanja i postupke zaključivanja, kako bi
se riješili teški zadatci, kad oni zahtijevaju znatnu ljudsku stručnost. Kao model znanja
nužnog za tu razinu može se zamisliti sveukupno stručno znanje najboljih praktičara na
nekom polju rada."21

Ekspertni sustav se u pravilu sastoji od baze znanja, dijela za procesiranje znanja, te

korisničkog sučelja.

Slika 3 . Ekspertni sustav

Izvor: http://www.gradst.hr/katedre/ortegr/nastava_knezic/ekspertni_sustavi.htm22

21
http://hr.wikipedia.org/wiki/Ekspertni_sustavi; op.cit. (17.06.2008.)
22
http://www.gradst.hr/katedre/ortegr/nastava_knezic/ekspertni_sustavi.htm (17.06.2008.)

22
3.3. DIJELOVI INFORMACIJSKIH SUSTAVA

Dijelovi informacijskog sustava su: sustav za obradu transakcija, sustav za potporu

odlučivanju i sustav za suradnju i komunikaciju.

Slika 4. Dijelovi informacijskog sustava

Izvor: web.efzg.hr/mvarga/23

Sustav za obradu transakcija pruža potporu tekućem odvijanju poslovanja. Sustav za

obradu transakcija osnovni je dio informacijskog sustava. "Izgradnja informacijskog
sustava započinje izgradnjom njegova transakcijskog dijela u cjelini ili u dijelovima."24
Dio transakcijskog sustava koji izrađuje kategorizirane i skupne informacije je
upravljački izvještajni sustav. Upravljački izvještajni sustav služi taktičkoj razini
menadžmenta, te ga opskrbljuje podacima dobivenog iz sustava za obradu transakcija.
Sadrži unaprijed definirane izvještaje. Prikazuje menadžerima pregled aktivnosti
poslovnog procesa i upozorava na trendove pojedinih poslovnih aktivnosti. Problem
kod izvještaja koji se dobivaju pomoću upravljačkog izvještajnog sustava jest da moraju
biti unaprijed definirani, a ako nisu treba taj izvještaj izgraditi. Upravljački izvještajni
sustav ne omogućuje izvještaje ad hoc.

Sustav za potporu odlučivanju (SPO) obrađuje podatke dobivene iz vanjskih i iz

unutarnjih izvora podataka da bi stvorio informacije potrebne za odlučivanje. To je
interaktivni informatički sustav koji prikupljajući podatke iz različitih izvora pomaže

23
http://web.efzg.hr/mvarga (21.02.2009.)
24
Varga, M. , Poslovno računarstvo, Znak, Zagreb 1998., str.36

23
menadžerima pri donošenju odluke. Cilj ovog sustava je pomoći pri rješavanju
nestrukturiranih problema.

Svi dijelovi informacijskog sustava su usko povezani. Informacijski sustav mora

najprije biti organiziran kao sustav za obradu transakcija. Na njega se nadograđuje
upravljački izvještajni sustav, da bi na kraju dosegao visoku razinu sustava za potporu
odlučivanju. Transakcijski i upravljački dio informacijskog sustava u pravilu obrađuje
upite koji su unaprijed definirani, a sustavi za potporu odlučivanju moraju moći dati
odgovor na upite koji nisu unaprijed definirani jer je na višim razinama upravljanja
odlučivanje uglavnom nestrukturirano. Dok upravljački izvještajni sustavi sadrže
uglavnom definirane izvještaje koji mogu biti rađeni prema nekom redovitom rasporedu
ili po zahtjevu menadžera, sustavi za potporu odlučivanju omogućuju pristup podacima
ad hoc.

Sustav za suradnju i komunikaciju omogućuje osobni rad, komunikaciju i suradnju. On

bi trebao unaprijediti i povećati efikasnost osobnog i grupnog rada. Korisnici ovog
sustava mogu biti zaposlenici na svim razinama odlučivanja.

Na slici 5. prikazuje se na kojoj se razini menadžmenta koristi određeni informacijski

sustav, te isto tako za koju se vrstu problema koristi određeni informacijski sustav.

Slika 5. Vrste informacijskih sustava u rješavanju problema na različitim razinama

menadžmenta.
Razina
odlučivanja Operativna
Taktička razina Strateška razina
razina
Problem
ESS
TPS
Strukturirani problemi MIS ES
Djelomično
ES
strukturirani problemi
Nestrukturirani DSS
problemi
Izvor: Predavanje S. Vukmirović, svibanj 2007 25

25
Predavanje S. Vukmirović, svibanj 2007

24
Informacijski sustav treba biti potpora cjelokupnom poslovanju organizacije, te se
smatra jednim od temeljnih preduvjeta uspješnosti poslovanja. Današnji informacijski
sustav mora informacijski posluživati sve dijelove i funkcije organizacije, ali
istovremeno i zadovoljiti informacijske potrebe organizacije u cjelini.

Slika 6. Komponente cjelovitog integralnog informacijskog sustava

Izvor: Panian, Ž.; Ćurko, K.; Informatika u poslovanju, Element, Zagreb, 2008, str. 12826

"Značaj poslovno-informacijskog sustava započinje njegovom ulogom u svakodnevnoj

evidenciji poslovnih događaja, odnosno pohranjivanju podataka, raste kasnijom
obradom podataka i njihovim korištenjem pri analizama, odnosno izvješćivanju
vanjskih i unutrašnjih korisnika poslovnih informacija."27

26
Panian, Ž.; Ćurko, K.; Informatika u poslovanju, Element, Zagreb, 2008, str. 128
27
http://www.sapmag.com.hr/show_article.php?id=398 (20.02.2009.)

25
4. SUSTAVI ZA POTPORU ODLUČIVANJU

Sedamdesetih godina prošlog stoljeća znanstvenici su počeli prepoznavati važnu ulogu

kompjuterski podržanog informacijskog sustava, koji podržavaju menadžere u njihovom
donošenju odluka u rješavanju strukturiranih, polustrukturiranih i nestrukturiranih
problema. Od tada sustavi za potporu odlučivanju (Decision Support Systems) postaju
bitan dio računalno podržanog informacijskog sustava.

Sustavi za potporu odlučivanju se razvijaju s ciljem da smanji sveprisutna nesigurnost

kod donošenja poslovnih odluka. Nesigurnost u poslovnom odlučivanju može se
smanjiti tako da se donose odluke temeljene na informacijama, a upravo to nude sustavi
potpore odlučivanju.

4.1. DEFINICIJE SUSTAVA ZA POTPORU ODLUČIVANJU

Postoji jako puno definicija sustava za potporu odlučivanja. Jedna od definicija je da je

to "specifičan kompjuteriziran informacijski sustav koji podupire poslovanje i poslovno
odlučivanje u poduzeću. Kvalitetno izrađen sustav za potporu odlučivanju je
interaktivan kompjuterski sustav koja ima za cilj pomoći donositeljima odluke da
prikupe informacije iz neobrađenih podataka, dokumenata i poslovnih modela da bi
identificirali i riješili probleme te donijeli odluke. "28 Sustavi za potporu odlučivanju su
dio cjelokupnog informacijskog sustava poduzeća.

Sustav za potporu odlučivanju (eng. Decision support system- DSS) obrađuje postojeće
podatke, dobivene iz različitih unutarnjih i vanjskih izvora da bi stvorio informacije
potrebne za odlučivanje. Pomaže menadžeru pri organizaciji informacija, identifikaciji i
dohvatu informacija potrebnih za donošenje odluke, te analizi i transformaciji tih
informacija. Osnovna namjena takvih sustava je rukovodstvu tvrtke pružiti informacije
za donošenje poslovnih odluka u realnom vremenu.

28
http://www.informationbuilders.com/decision-support-systems-dss.html (01.06.2008.)

26
Sustav za potporu odlučivanju je jedan od najsloženijih sustava. Ovaj sustav služi za
potporu odlučivanju kod slabostrukturiranih i nestrukturiranih problema, a također su
popularni u donošenju rutinskih problema. Svaki ovakav sustav mora biti dovoljno
jednostavan i nastrojen korisniku kako bi bio pristupačniji, te mora biti fleksibilan kako
bi prihvatio promjene u načinu odlučivanja ili zadanom problemu te u skladu s tim
kvalitetno odgovoriti na tu promjenu. Koristi li se ovaj sustav pravilno, najviše koristi
donosi kada je tržište nestabilno te tvrtka posluje u uvjetima nesigurnosti.

Što se tiče samog načina odlučivanja, ovaj sustav je najkorisniji kod racionalnog
odlučivanja. Kod racionalnog odlučivanja donositelj odluka se služi analitičkim
metodama i mora biti jako dobro informiran, dok se kod intuitivnog odlučivanja i kod
odlučivanja na temelju prosuđivanja vodi isključivo intuicijom i iskustvima iz prošlosti.
Upravo iz tog razloga je sustav za potporu odlučivanju najkorisniji pri racionalnom
odlučivanju.

Uloga potpore odlučivanju jest osiguravanje temelja kako bi menadžer mogao donijeti
optimalnu odluku na temelju raspoloživih informacija. U tom aspektu uloga potpore
odlučivanju jest pribavljanje, čišćenje, vrednovanje i prezentiranje relevantnih podataka.
Nadalje, većina poslovnih problema ima prevelik broj rješenja da bi ih menadžer sam
procijenio i odabrao najbolju. Stoga je uloga potpore odlučivanju i izgradnja računalnog
modela kojim će se te opcije evaluirati te pronalaziti one najbolje.

Slika 7. Shema sustava za potporu odlučivanju

Podaci Modeli

Dijalog

Korisnik

Izvor: http://gradst.hr/katedre/ortegr/nastava_knezic/dss.htm29

29
http://gradst.hr/katedre/ortegr/nastava_knezic/dss.htm (21.01.2009.)

27
Kao što se može vidjeti iz sheme, SPO omogućuju zajedničko sudjelovanje korisnika i
sustava. Ne samo da omogućuje, nego i zahtjeva suradnja ta dva čimbenika poslovanja
za Modul dijalog omogućuje komunikaciju korisnika i sustava.

Sustav za potporu odlučivanju najkorisniji je pri neprogramiranom odlučivanju i

nestrukturiranim odlukama, gdje se ne zna postupak odlučivanja. Cilj sustava u tom
slučaju je pribaviti korisniku što više informacija zahvaljujući kojima će donijeti
najkvalitetniju odluku u danom trenutku. Sustav pri tome mora biti dovoljno
jednostavan za korištenje, a ujedno i dovoljno fleksibilan da može funkcionirati u
promjenjivim uvjetima poslovanja.

Sustav za potporu odlučivanju podupire proces odlučivanja na načina da menadžeru

pomaže u organizaciji informacija, identifikaciji i dohvatu potrebnih informacija, analizi
i transformaciji tih informacija, izboru odgovarajućih modela potrebnih za rješavanje
problema odlučivanja, izvođenju tih modela te analizi dobivenih rezultata.

Najjednostavnije rečeno, sustav za potporu odlučivanju je kompjuterski program koji

analizira poslovne podatke i prezentira ih na taj način da krajnji korisnici mogu lakše
donositi odluke.

4.2. OBILJEŽJA SUSTAVA ZA POTPORU ODLUČIVANJU

Obilježja sustava za potporu odlučivanju su :

• Potpora donošenja odluke pri nestrukturiranim i polustrukturiranim problemima.
• Nudi potporu različitim upravljačkim razinama, a ne samo top menadžmentu
• Korisnici mogu sami kreirati izvještaje koji su im potrebni te kada su im potrebni
• Potpora je osigurana kako pojedincima tako i grupama, te se mogu donositi i
skupne odluke
• Podržava sve faze donošenja odluka.
• Podržava različite stilove donošenja odluke.
• SPO mora biti prilagodljiv tokom vremena, te se prilagođavati promjenama kako u
poduzeću, tako i okolini

28
• SPO mora biti fleksibilan, što znači da korisnik mora imati mogućnost mijenjanja
potrebnih mu izvještaja, mora moći dodavati razne stavke, brisati ih, premještati ih,
kombinirati itd.
• SPO bi trebao popraviti učinkovitost donošenja odluka, znači povećati točnost,
kvalitetu, i skratiti vrijeme odlučivanja
• SPO je osmišljen kao pomoć donositelju odluke, a ne kao njegova zamjena
• SPO mora biti jednostavan za korištenje
• SPO nudi interaktivnu prezentacijsku tehnologiju, mogućnost izrade grafova itd.

Da bi sustav za potporu odlučivanju bio funkcionalan, te najbolje iskorišten, bitno je da

bude zanimljiv i jednostavan krajnjim korisnicima tj. onima koji će odluku donositi na
temelju podataka iz tih izvora. Vrlo je bitno i pri samoj izradi i implementaciji jednog
takvog sustava od samog početka uključiti menadžere iz određenih područja te ostale
donositelje odluka. Oni će dati svoju viziju sustava, tj. što žele i što im treba. Nakon
implementacije, poželjno je da se održi i edukacija. Inače se može desiti da tvrtka
implementira sustav, pri tome investira određena sredstva, a sustav ostane potpuno
neiskorišten. Samo znanje upotrebe tih sustava dati će mogućnost njegova korištenja.

4.3. RAZLOZI UPORABE SUSTAVA ZA POTPORU ODLUČIVANJU

Osnovna namjena sustava za potporu odlučivanju je pružiti menadžerima i ostalim

zaposlenicima informacije za donošenje kvalitetnijih odluka u realnom vremenu.

Razlozi sve intenzivnije uporabe sustava za potporu odlučivanju ( u nastavku SPO) u

kompanijama su:
• Tvrtke posluju u sve nestabilnijoj ekonomiji
• Suočavanje sa povećanom stranom i domaćom konkurencijom
• Praćenje brojnih poslovnih operacija postajalo je sve teže
• Postojeći računalni sustav nije dobro podržavao ciljeve povećanja fleksibilnosti,
profitabilnosti i ulaska na profitabilna tržišta
• Postojeći informacijski sustav nije mogao pratiti diverzifikaciju potreba
organizacije i/ili menadžerskih ad hoc upita o informacijama

29
• Povećani zahtjevi za pravodobnim, točnim i relevantnim informacijama
• SPO se promatra kao organizacijski pobjednik
• Bile su potrebne nove informacije
• Prihvaćanje SPO od strane menadžmenta
• Zahtijevaju se anticipativne informacije
• Postizanje redukcije troškova
• Značenje SPO-a kao sredstva ostvarivanja konkurentske prednosti.
• Značenje SPO-a kao sredstva ostvarivanja dodane vrijednosti.

Najznačajnije je menadžerima dati pravu informaciju u pravo vrijeme. Ovaj sustav je

problemski orijentiran i kao takav može i ukazati na probleme koji su se već desili i
također može ukazati na probleme koji se mogu desiti. Da bi sustav za potporu
odlučivanju uspješno funkcionirao ljudsko znanje je vrlo bitno. Osoba mora znati čitati
i razumjeti podatke koje mu nudi sustav, te mora imati dovoljno znanja da donese pravu
odluku.

Sustavi za potporu odlučivanju se mogu koristiti kroz sve faze odlučivanja od

identifikacije problema pa do implementacija rješenja. U samom računalnom programu
već se mogu primijetiti i definirati problemi koji su nastali ili se mogu anticipirati
problemi. Svaka ozbiljna tvrtka ima nekakav poslovni plan i definirane ciljeve. Isto
tako, poželjno je da tvrtka raste i da joj rastu profiti. Sustav za potporu odlučivanju
omogućuje u svakom trenu uvid u postojeće stanje, te se na taj način može definirati
problem i pružiti informaciju za promptno reagiranje.

30
4.4. PREDNOSTI I NEDOSTACI SUSTAVA ZA POTPORU
ODLUČIVANJU

Prednosti sustava za potporu odlučivanju su:

• Omogućuje donositelju odluke kombiniranje osobne procjene s podacima dobivenim
iz informacijskog sustava
• Smanjenje vrijeme odlučivanja
• Povećavanje produktivnosti
• Smanjenje troškova
• Potrebno je manje radne snage pri donošenju odluka
• Poboljšava komunikaciju između donositelja odluka te omogućuje skupno
odlučivanje
• Povećava zadovoljstvo donositelja odluka iz razloga što donositelji odluka smatraju
da raspolažu točnijim informacijama i da donose kvalitetnije odluke
• Fleksibilniji su od standardnih upravljačkih informacijskih sustava
• Korisnici sami kreiraju svoje izvještaje
• Korisnici mogu dobiti informaciju onog trena kada im je potrebno
• Omogućuju brži i jednostavniji pristup informacijama, te lakše donošenje odluka
• Sustav je problemski orijentiran, te se postojeći i mogući problemi lakše uočavaju
• Podržava sve faze donošenja odluke

Nedostaci sustava za potporu odlučivanju mogu biti:

• Sporost sustava uzrokovan velikom količinom podatka
• Ljudski faktor: nezainteresiranost i needuciranost korisnika sustava. Ljudi zaziru od
novosti
• Neki menadžeri se još uvijek oslanjaju na svoju intuiciju i iskustvo, te dosta često
donose odluke bez konzultiranja sa sustavom za potporu odlučivanju. Samo kod
racionalnog odlučivanja koristi se sustav za potporu odlučivanju.
• Nekorištenje sustava za potporu odlučivanja dovodi do toga da je trošak
implementacije puno veći od koristi koje on može donijeti.

31
• Neki menadžeri se oslanjanju isključivo na sustav za potporu odlučivanju, pri tome
zanemarujući stečeno znanje i iskustvo.
• Često se zna desiti da zbog potreba promjene nekih izvještaja, uzrokovanih novim
zakonima, promjenama u poduzeću i slično. neki izvještaju nisu dostupni.
• Prebacivanje odgovornosti. Kompjuteri ne donose loše odluke, već ljudi. Nažalost,
neki ljudi mogu prebaciti odgovornost na SPO. Menadžeri bi trebali objasniti da je
SPO samo podrška odlučivanju, a ne donositelji odluka.
• Lažno uvjerenje u objektivnost. Korisnici koji koriste SPO mogu i ne moraju biti
objektivni. Može se desiti uvjerenje da su osobe koje koriste SPO objektivnije od
onih koji ga ne koriste.

Kod same implementacije sustava za potporu odlučivanju može nastati otpor nekih
menadžera jer smatraju da će im to smanjiti status. Naravno, danas toga ima sve manje.

Iz svega navedenog se može zaključiti da sustavi za potporu odlučivanju osim svojih

prednosti, ima i svojih mana. Najveći problem koji se ovdje javlja je ljudski faktor.
„Istraživanje je pokazalo da se intuicijom u uvjetima nesigurnosti najveći broj ispitanika
koristi srednje ili često, dok se SPO-ovima koriste malo ili srednje.“30 Ipak, pravilno
korišteni sustavi stvaraju tvrtkama veliku dodatnu vrijednost te je njihovo korištenje
svakako poželjno.

Hrvatski menadžeri nisu dovoljno upoznati sa sustavima za potporu odlučivanju.

Unatoč stalnom rastu popularnosti takvih sustava, i implementaciji sustava za potporu
odlučivanju u tvrtke, potrebno je educirati menadžere ne samo o načinu korištenje
takvih sustava, već i o njihovoj nužnosti i bitnosti. Iskustvo je pokazalo da formalna
edukacija o radu na takvim sustavima, ako sam korisnik ne uviđa prednosti sustava,
često rezultira daljim nekorištenje.

30
http://www.trend.hr/clanak.aspx?BrojID=51&KatID=39&ClanakID=574 (01.06.2009.)

32
4.4. GRAĐA SUSTAVA ZA POTPORU ODLUČIVANJU

Menadžeri i ostali donositelji odluka pristupaju sustavu za potporu odlučivanju pomoću

korisničkog sučelja. Osnovni dijelovi sustava su podaci, modeli, dokumenti i korisničko
sučelje. Građa sustava za potporu odlučivanju prikazana je na slici 8.

Slika 8: Građa sustava za potporu odlučivanju

DONOSITELJ ODLUKE

KORISNIČKO SUČELJE

SUSTAV ZA UPRAVLJANJE SUSTAV ZA SUSTAV ZA UPRAVLJANJE

BAZOM ILI SKLADIŠTEM UPRAVLJANJE DOKUMENTIMA

PODATAKA BAZOM MODELA

BAZE ILI SKLADIŠTA MODELI DOKUMENTI

PODATAKA

Izvor: Varga, M. Poslovno računarstvo, Zbak, Zagreb , 1998., str. 16031

Bazama i/ili skladištima podataka, modelima i dokumentima korisnik pristupa pomoću

jedinstvenog sučelja, a koji je svim korisnicima tog sustava isto.

Sustav za upravljanje bazom podataka (SUBP) je računalni program izrađen za

upravljanje bazom podataka, velikim skupom strukturiranih podataka, i izvođenja
operacija nad podacima zahtijevanim od brojnih korisnika.

Baza modela je temelj sustava za upravljanje modelima koji su potrebni za analizu

opcija. Pomoću baze modela korisnik ukoliko želi dobiti određenu vrstu podataka, na
temelju pristupa bazi modela može odabrati vrstu modela koju će koristiti. Baza modela

31
Varga, M. , Poslovno računarstvo, Znak, Zagreb 1998., str. 160

33
sastoji se od gotovih računalnih programa i blokova modela koji omogućavaju korisniku
da sam gradi ad hoc aplikacije. Broj modela u sustavu za potporu odlučivanju može
varirati od nekoliko modela do nekoliko stotina. U osnovi modeli su najčešće prikazani
formulama koje mogu biti definirane unaprijed.

Podsustav za upravljanje modelima je glavni dio sustava za potporu odlučivanju te

korisniku pruža potporu pri izgradnji modela. Podsustav za upravljanje modelima treba
omogućiti integraciju pristupa podacima i modelima odlučivanja, mora podržati brzo i
jednostavno stvaranje novih modela. Ovaj sustav služi za povezivanje baze podataka i
baze modela, i to tako da se bilo kakve promjene u bazi podataka mogu primijeniti na
odabrani model.

Dokumenti omogućuju sustavu da koristi različite nestrukturirane podatke. Oni su

ujedno i najmanje iskorišteni oblik informacija u odlučivanju. Da bi dokumenti bili
maksimalno iskoristivi moraju biti efikasno pohranjeni i moraju se moći interpretirati i
pretraživati. Iako postoji veliki broj dokumenata samo jedan mali dio se može dohvatiti
online. Primjeri dokumenta su pisma korisnika, izvještaji, ugovori, elektroničke poruke
i slično. Kombinacijom elektroničke pošte, diskusijskih skupina i online baze podataka
moguće je u vrlo kratkom roku doći do velikog broja informacija bitnih za donošenje
odluka, pa je vrlo uputno da se takvi dokumenti uključe u sustav za potporu
odlučivanju.

„Korisničko sučelje obuhvaća mehanizme potrebne za unos podataka u sustav,

izvođenje modela te izlaz podataka (sadržaj i grafički oblik podataka).“32 Za samog
korisnika sučelje je ustvari i sam sustav, ostalo se radi u pozadini koje korisnik ne vidi.
Upravo zato, korisničko sučelje mora biti privlačnog izgleda i jednostavnih performansi.
Treba biti napravljeno na način da privuče korisnike.

32
Varga, M. , op.cit. str. 163

34
5. POSLOVNA INTELIGENCIJA

Inteligencija je mentalna karakteristika koja se sastoji od sposobnosti za učenje iz

iskustva, prilagodbe na nove situacije, razumijevanja i korištenja apstraktnih pojmova, i
korištenja znanja za snalaženje u okolini.33 U tom smislu poslovna inteligencija je
sposobnost tvrtke da se prilagodi novonastalim uvjetima na tržištu.

Poslovna se inteligencija može definirati na dva načina. "Prva i rjeđa definicija odnosi
se na kapacitet ljudske inteligencije koja se koristi u poslovnim aktivnostima. U tom je
pogledu poslovna inteligencija područje istraživanja kognitivnih znanosti i umjetne
inteligencije."34 Druga definicija vezana je uz informacijski znanost i informatičku
djelatnost. "Radi se o ekspertnoj informaciji, znanju ili tehnologiji koje pridonose
efikasnosti upravljanja u organizaciji ili nekoj pojedinačnoj poslovnoj djelatnosti. U tom
je smislu poslovna inteligencija široka kategorija koja uključuje aplikacije i tehnologije
za prikupljanje i analiziranje podataka da bi se pomoglo donositeljima odluka da što
efikasnije donesu odluke."35 Poslovna inteligencija znači posjedovanje cjelovitog znanja
o svim faktorima koji utječu na poslovanje.

Tvrtka danas može uspješno poslovati jedino ako ima pouzdane, točne i pravodobne
informacije. Informacije se mogu prikupljati na razne načine. Između 80 i 90 posto svih
poslovnih informacija je javno dostupno. Samo ih treba znati pronaći i koristiti. Osim
informacija koje se dobivaju iz vlastite tvrtke (unutarnjih informacija) bitne su i
informacije iz vanjskih izvora. Postoje dvije vrste načina prikupljanja informacija iz
vanjskih izvora: primaran i sekundaran. Primarni izvori su: internet, financijska
izvješća, govori, 'eventi', sajmovi, osobni i telefonski intervjui, kao i javno dostupne
publikacije. Sekundarni izvori su: online i digitalne baze podataka, knjige, članci u
novinama i časopisima, TV i radio programi te analitička izvješća.

33
http://hr.wikipedia.org/wiki/Inteligencija (24.02.2009.)
34
http://www.ecdlcentar.com/forum/ (02.04.2009.)
35
Ibidem (02.04.2009.)

35
Poslovna inteligencija izuzetno je aktualna u svijetu. Poslovna inteligencija je nastavak
informacijskog sustava za potporu poslovanju. Usko je povezana sa sustavima za
potporu odlučivanju i upravljanju. Počela se razvijati kada su poduzeća automatizirala
svoje poslovne procese. Različiti transakcijski sustavi su se pokazali kao vrlo kvalitetni
generatori velikih količina podataka, te dolazi do tzv. eksplozije podataka. Nastaju nove
baze podataka, ali se do njih nije moglo brzo i jednostavno pristupiti pa se nisu niti
upotrebljavale. Kako je rasla svijest o koristi informacija, razvijala se poslovna
inteligencija.

Poslovna inteligencija je skup metodologija i softverskih alata koji omogućavaju

korištenje podataka iz skladišta podataka i njihovo pretvaranje u informaciju potrebnu
za donošenje poslovnih odluka. Poslovna inteligencija je inteligentno upravljanje
poduzećem. Vrlo često se koristi i kao termin za označavanje kompjuterske podrške
odlučivanju u tvrtkama, iako je on puno više. S tehničke strane, poslovna inteligencija
je proces kojim se sirovi podaci pretvaraju u informacije. Te informacije se zatim
analiziraju i koriste u procesu odlučivanja u poduzeću.

Dobar sustav poslovne inteligencije prikuplja informacije iz svih dijelova tvrtke,

analizira, priprema posebna izvješća te ih šalje ljudima koji ih trebaju. Na taj način,
svaki pojedinac dobiva informacije skrojene prema njegovim potrebama. Sustavi
poslovne inteligencije su izvorno bili namijenjeni donositeljima odluke na najvišoj
razini, menadžerima. Međutim u suvremenim poduzećima, odlučuju svi. To znači da je
informacija i znanje potrebno svima. Danas je poslovna inteligencija u donošenju
poslovnih odluka nezamjenjiv koncept.

Sustav poslovne inteligencije je takav sustav koji čuva informacije i znanje o

konkurenciji, kupcima, dobavljačima, procesima. On omogućava poslovno
pregovaranje i brojčano argumentirani nastup prema kupcima i dobavljačima, kvalitetno
operativno planiranje, praćenje ponašanja konkurencije, promatranje pojedinih tržišnih

36
segmenata te predviđanje budućih pojava. Također, sustav poslovne inteligencije nudi
bolje razumijevanje vlastitih kupaca i spoznaju što ih potiče na određeno ponašanje.36

Koncept poslovne inteligencija je stvaranje kvalitetnijih informacija, te mogućnost

pristupa samo određenim, potrebnim informacijama. Ukoliko se poslovna inteligencija
primjeni kvalitetno, smanjiti će se količina nepotrebnih informacija, te povećati
kvaliteta informacija.

Sustav poslovna inteligencije ima za cilj iz podataka koje je tvrtka prikupila stvoriti
informacije. Te informacije bi trebale postati znanje. Znanje čine organizirane
informacije koje se mogu koristiti za stvaranje novih značenja i podataka. Znanje je
ljudska sposobnost poduzeti učinkovite postupke u raznolikim i neizvjesnim
situacijama. Podatak je bazna razina, informacija dodaje kontekst, a spoznaja kako
koristiti informacije predstavlja znanje. Da bi informacije postale znanje, one se moraju
transformirati: razmatranjem, usporedbom, povezivanjem i uzročno-posljedičnom
vezom.

"Koncept poslovne inteligencije temelji se na sljedećim zamislima:

- generiranje boljih i kvalitetnijih informacija i znanja za donošenje poslovnih odluka;
- poslovna inteligencija pruža korisnicima samo one informacije koje su im
potrebne ali u pravo vrijeme i iskazane na način koji donositelju odluka najviše
odgovara;
- ispravno korištenje koncepta poslovne inteligencije će smanjiti količinu
informacija kojoj je menadžment izložen istovremeno im povećavajući kvalitetu."37

U nastavku je prikaz sheme funkcioniranja sustava poslovne inteligencije.

36
http://hr.wikipedia.org/wiki/Poslovna_inteligencija (24.02.2009.)
37
Panian, Ž., Klepac, G.: Poslovna inteligencija, Masmedia, Zagreb, 2003., str. 25.

37
Slika 9. Sustav poslovne inteligencije

Izvor: www.ventex.hr/baza/slike/panorama3.jpg38

Znači, iz različitih izvora podataka se pomoću ETL procesa podaci prebacuju u

skladišta podataka (o ovome više u dijelu o skladištu podataka). Sustavi poslovne
inteligencije nude menadžerima razne informacije dobivene iz podataka pohranjenih u
skladištima podataka omogućujući pritom analize, izvještavanje i monitoring
poslovanja.

"Sustav poslovne inteligencije nudi:

- prikupljanje podataka - izdvajanje informacija iz tekstualnih izvora, baza podataka,
medijskih datoteka i Web stranica;
- analizu podataka - sintetiziranje korisnih informacija koristeći analitičke tehnike i
tehnike prekopavanja podataka;
- objektivizaciju - povezivanje korisnih činjenica i ignoriranje nevažnih informacija;
- procjenu rizika - prepoznavanje odgovarajućih odluka ili smjerova djelovanja,
odmjeravajući rizike i dobiti te
- potporu odlučivanju - koristiti aplikacije i alate za donošenje odluka i utvrđivanje
strategije."39

38
www.ventex.hr/baza/slike/panorama3.jpg (28.12.2008.)
39
http://www.trend.hr/clanak.aspx?BrojID=43&KatID=5&ClanakID=504 (04.04.2009.)

38
5.1. RAZLOZI UVOĐENJA POSLOVNE INTELIGENCIJE

Promjenjiva okolina, razvoj informacijskih tehnologija, novi i zahtjevniji potrošači,

veliki značaj informacija su samo neki od razloga zašto je koncept poslovne
inteligencije postao gotovo nezaobilazna tema današnjice. Implementacijom sustava
poslovne inteligencije i njegovih alata organizacije očekuju bolju prilagodbu tržišnim
uvjetima, veću konkurentnost i posljedično poboljšanje rezultata temeljnih ekonomskih
pokazatelja.

Glavna prednost sustava poslovne inteligencije je pružanje mogućnosti tvrtkama da brzo

pohranjuju podatke, pristupaju im te ih modeliraju, zatim analiziraju velike količine
informacija dobivene iz vanjskih ili unutarnjih izvora. Osnovni razlog za uvođenje
sustava poslovne inteligencije je taj što poduzeće mora znati svoje dobre i loše strane.
Mora uvažavati ponašanje i želje kupaca.

Deset razloga za uvođenje sustava poslovne inteligencije:

1. Okolina nije više statična. Ponuda proizvoda i usluga je ogromna, konkurencija
je velika. Istraživanja pokazuju da danas ponuda roba i usluga barem 30% nadmašuje
potražnju. Tržišta su zasićena. Nove okolnosti traže nova rješenja, novi izazovi nove
napore. Prošla su vremena kada je bilo dovoljno proizvesti robu ili uslugu.
2. Globalizacijom tržišta, razvojem distribucijskih kanala, “uplitanjem” interneta u
svaku poru gospodarstva, stvari su se promijenile. Sada su kupac i prodavač na
udaljenosti jednog klika mišem. Danas su poduzeća pretrpana podacima, dok s druge
strane, postoji nedostatak korisnih informacija. Da bi se smanjio raskorak između
količine raspoloživih podataka i informacija, potrebno je definirati procese prikupljanja
podataka i njihovu “preradu” u informacije. Vrijeme reakcije na podražaje iz okoline
treba skratiti!
3. Resursi su uvijek ograničeni. Vrijeme kao najvažniji čimbenik gotovo uvijek je
presudno. Kako treba djelovati da bismo s najmanje napora riješili najveće probleme?
4. Dekompozicija lanca vrijednosti (nabava, skladištenje, proizvodnja, prodaja,
postprodajne aktivnosti) omogućava pravilnu upotrebu efekta poluge. Osim toga ona

39
nam omogućava pronalaženje fundamentalnih rješenja za postojeće probleme, a ne
ublažavanje simptoma. Obično je efekt poluge najveći u prodaji.
5. Nalaženje novih kupaca je deset puta skuplje nego zadržavanje postojećih. Ako
poduzeće uspije smanjiti odlazak kupaca konkurenciji za 5%, može udvostručiti svoju
zaradu.
6. Velika opasnost poduzeću prijeti od pritajenog nezadovoljstva kupaca. Samo 4%
nezadovoljnih kupaca izravno se žali na lošu kvalitetu proizvoda ili usluga. Gotovo 90%
kupaca koji nisu zadovoljni kvalitetom proizvoda, izbjegavat će taj proizvod. Svaki od
nezadovoljnih kupaca obavijestit će drugih deset do dvadeset osoba!
7. Kupci odlaze jer su nezadovoljni, iako se nikada nisu žalili. Kupac koji
kompaniju napusti, više se ne vraća.
8. Kupci (uz zaposlenike i njihovo znanje) predstavljaju najveću vrijednost koju
poduzeće posjeduje. Kako ih zadržati? Stabilni odnosi s kupcima ključ su dugoročne
uspješnosti poduzeća.
9. Osiguranje i održavanje likvidnosti operativni je upravljački problem. Rješenja
ovog problema izravno utječu na upravljanje poslovnim rezultatom. Da bi se ovladalo
ovim operativnim problemima treba poznavati svoje kupce, dobavljače, procese i veze
medu njima.
10. Da bi cijeli ciklus operativnog kontrolinga (prikupljanje podataka, planiranje,
analiza i kontrola te upravljanje ) u poduzeću funkcionirao, treba imati informacijsku
infrastrukturu.

U današnjem društvu informacija postaje najvažniji resurs. Upravo zahvaljujući

poslovnoj inteligenciji rukovodstvo tvrtke ima pristup točno onim informacijama koje
im trebaju. Sustavi poslovne inteligencije omogućavaju proaktivan način vođenja
poduzeća, što znači da se može predvidjeti budućnost, izraditi nekoliko scenarija i biti
pripremljen za svaku situaciju. Najveći problem je kako pretvoriti informaciju u znanje.
Danas se poduzeće vodi na osnovi znanja o konkurenciji, kupcima, dobavljačima,
procesima. Slobodno možemo reći kako je poslovna inteligencija proizvodnja znanja,
koje je osnovica za donošenje poslovnih odluka. U tom smislu govorimo o sustavima
upravljanim znanjem.

40
"Koje koristi tvrtka ima od sustava poslovne inteligencije?
- Predviđanje i upravljanje rizicima
- Spoznaja internih prilika i prijetnji
- Prepoznavanje isplativih tržišnih niša
- Uviđanje snaga i slabosti konkurencije
- Poboljšanje procesa planiranja i donošenja važnih odluka
- Poduzimanje akcija prije nego što ih poduzme konkurencija."40

Sustavi poslovne inteligencije mogu poslovodstvu tvrtke uvelike pomoći upravljati

tvrtkom, ali nikada ne mogu zamijeniti čovjeka.

5.2. ALATI POSLOVNE INTELIGENCIJE

Uvjet za uspješno izvođenje novih ili prikrivenih znanja iz rutinski prikupljanih

poslovnih podataka jest primjena informacijske i, posebice, internetske tehnologije uz
uporabu odgovarajućih logičko/računskih metoda i softverskih alata.

Alatima poslovne inteligencije mogu se smatrati razne aplikativne programske podrške

stvorene za izvještavanje, analizu i prezentaciju podataka, a dijelimo ih na:
• Alati za upite (eng. Query Tools) - omogućuju korisnicima postavljanje upita o
matricama ili detaljima u podacima
• Alati za rudarenje podataka pomoću kojih se provodi automatsko pretraživanje
zakonitosti među podacima.
• OLAP (eng. Online Analytical Processing). Ovaj softver omogućuje korisnicima
pogled u podatke s različitih aspekata i dimenzija. OLAP kocka je struktura podataka
koja omogućuje brzu analizu podataka.

Rudarenje podataka je proces kojim se žele pronaći zakonitosti među podacima, a sa

ciljem otkrivanja znanja među velikim količinama podataka. Razvoj informacijske
tehnologije bitno doprinosi lakšem organiziranju podataka, ali te velike količine

40
http://portal.ludbreg.hr/kolumne/show.asp?kol=39 (03.06.2008.)

41
podataka su neupotrebljive ukoliko se isti ne pretvore u informacije i znanje. Baze
podataka u tvrtkama mogu biti ogromne i bogate podacima, a da su ujedno siromašne
informacijama. Rudarenje podataka otkriva informacije i znanje koji se nalaze u tim
podacima te tako pridonosi procesu donošenju odluka.

OLAP (eng. Online analytical processing) se može prevesti kao mrežna analitička
obrada podataka. To je tehnologija koja se koristi za organiziranje velikih poslovnih
baza podataka i pružanje podrške u poslovnom odlučivanju. Može se još definirati i kao
skupina alata za izvođenje znanja iz podataka. OLAP baze podataka podijeljene su u
jednu ili više kocki, a svaku od kocki je administrator kocke organizirao i dizajnirao
kako bi bila prilagođena za dohvaćanje i analizu podataka čime je olakšano stvaranje i
korištenje potrebnih izvještaja zaokretnih tablica i izvještaja zaokretnih grafikona.

OLAP alati zasnivaju se na multidimenzijskoj analizi, što znači da se podaci mogu

istovremeno promatrati kroz veći broj filtera tj. dimenzija. Jednostavno rečeno, OLAP
alati su skup operacija na dimenzijskom modelu podataka, a osnovne operacije su
rotacija, selektiranje, detaljiziranje, agregiranje. Označava brz, konzistentan i
interaktivan pristup i manipulaciju podacima. Njegovi korisnici ne trebaju biti
posebno obrazovani niti obučeni kao analitičari kako bi ga uspješno koristili.

U Hrvatskoj manji broj menadžera koristi metode poslovne inteligencije, a jedan od

glavnih razloga jest taj što nisu s tim pojmom dovoljno upoznati. Takve tvrtke se ne
mogu kvalitetno boriti na tržištima gdje ostali konkurenti raspolažu i koriste se većim
brojem relevantnih informacija. Da bi tvrtke bile konkurentnije na svjetskom tržištu, da
bi uopće opstale potrebno je educirati i menadžere i ostale zaposlenika o važnosti
pravodobnih informacija te donošenju odluka na temelju točnih informacija kojima se
može pristupiti u bilo kojem trenutku.

Temeljem svega navedenog može se zaključiti da je poslovna inteligencija jedan

koncept kojima tvrtke mogu unaprijediti svoje poslovanje, i to zbog sljedećih svojih
značajki:

42
• To je proces prikupljanja podataka koji se nakon odgovarajuće obrade pretvaraju u
informacije i konačno znanje.
• Usmjeren je na informacije temeljem kojih se mogu antipicipirati budući procesi,
događaji, akcije ili kretanja.
• To je instrument koji ima potpunu ulogu u procesu donošenja odluka.

5.3. KORISNICI ALATA POSLOVNE INTELIGENCIJE U

HRVATSKOJ

Važnost sustava poslovne inteligencije su uvidjele i hrvatske tvrtke. Sustavi poslovne

inteligencije koji se mogu nabaviti u Hrvatskoj su: Cognos, Oracle, Bussines Objects,
Sap, Panorama, SoftPro. Sap itd.

Hrvatske tvrtke koje koriste Cognos su:

- sve kompanije unutar koncerna Agrokor
- Kraš
- Dukat
- PBZ Card
- Tisak
- Raiffeisen Bank
- Nexe Grupa
- Podravska banka
-...
Oracle koriste:
− Atlantic grupa
− Croatia Osiguranje
− Croatia banka
− ...
Business Objects koriste:
- Zagrebačka banka
- T-mobile

43
- Dalekovod
- Croatia airlines
- AWT International
-...
SAP koriste:
- Pliva
- Podravka
- Getro
- ...
Panoramu koriste:
- M san grupa
- Hypo Group
- Slavonska banka
-...
SoftPro koriste:
- Magma DD., Zagreb
- Medika DD., Zagreb
- FINA, Zagreb
- Bavaria pivo, Zagreb
- ...41

41
A. Luetić: Primjena koncepta "poslovna inteligencija" u procesu strategijskog i financijskog
upravljanja : magistarski rad; Ekonomski fakultet, Split, 2008. str. 142

44
6. SKLADIŠTA PODATAKA

Važan koncept sustava za potporu odlučivanju je skladištenje podataka. Sustavi za

potporu odlučivanju i sustavi poslovne inteligencije temelje se na skladištenju podataka.
"Skladištenje podataka je postupak izdvajanja podatka iz operativnih (transakcijskih)
baza podataka i ostalih izvora podataka, i njihovo pohranjivanje u dimenzijsku
organizaciju baze podataka nazvanu skladište podataka namjenjeno analizi podataka
postupcima analitičke obrade."42 Usmjereno je na pravovremeno dobivanje informacija.

Veliki broj poslovnih događaja rezultira i velikom količinom podataka koji se moraju
negdje spremiti. Ti se podaci najčešće spremaju u operativnim bazama podataka koji
pokazuju najnovije, stvarno stanje poslovanja. Izvještaji koji se dobivaju iz takvih baza
najčešće su na velikom broju stranica, izrada traje dugo, a dobivaju se selektiranim
prepisivanjem potrebnih podataka. S druge strane, skladišta podataka posjeduju veliku
količinu povijesnih podataka koje sadrže znanje.

Baza podataka je skup podataka nekog informacijskog sustava. U bazi podataka podaci
su složeni na način da najučinkovitije poslužuju transakcijsku obradu podataka. Nakon
što se obavi transakcijska obrada podataka ti podaci služe samo za izradu izvještaja.
Nakon nekog vremena ti podaci se arhiviraju. Podaci u skladištima podataka se
organiziraju dimenzijski (prema vremenu, prema organizacijskoj jedinici itd.) i po tome
se razlikuje od strukture podataka u bazi podataka. Odvajanjem baze i skladišta
podataka dobiva se učinkovitost transakcijske obrade u bazi podataka, a u skladištu
podataka ostvaruje se učinkovitost dobre analitičke obrade. Znači, analitička obrada
podataka se organizira u skladištima podataka. Analitička obrada podataka je vrlo bitna
kada je menadžeru potrebna određena analiza i to u vrlo kratkom roku. Do podataka
koji su arhivirani i smješteni u skladište podataka, menadžer može doći u vrlo kratkom
roku koristeći sustav za potporu odlučivanju.

42
M. Varga; K. Ćurko i suradnici: Informatika u poslovanju, Element, Zagreb, 2007. str. 201

45
Slika 10. prikazuje vezu sustava za obradu transakcija i sustava potpore odlučivanju
koja se ostvaruje transformacijom operativnih podataka iz baze podataka u povijesne
podatke u skladištu podataka.

Slika 10.Veze sustava za obradu transakcija i sustava potpore odlučivanju

43
Izvor: http://efzg.globalnet.hr/UserDocsImages/INF/Ceric/itup_knjiga/skladista_podataka.pdf

"Primarne funkcije skladišta podataka su :

1. skladište je odraz poslovnih pravila što se primjenjuju kod donošenja strateških
odluka
2. skladište predstavlja točku u kojoj se skupljaju podaci koji će poslužiti za stvaranje
integriranih, predmetno orijentiranih informacija
3. skladište je “muzej” strateških informacija čija se povijest može povezati s podacima
i odnosima među njima,
4. skladište je izvor informacija koje se izvode iz spremišta podataka (eng. Data Mars).
Spremišta se koriste za analitičke obrade, data mining, ili postavljanje upita."44
Kojim bi zahtjevima tvrtke trebalo udovoljiti skladište podataka? Skladišta podataka
moraju sadržavati veliku količinu detaljnih podataka onog što se događa u tvrtci i
njezinoj okolini, a vezano je uz poslovanje tvrtke. Podaci moraju biti redovno ažurirani
da bi se uvijek imali najnoviji podaci. Mjesečno i/ili tjedno ažuriranje više nije
dovoljno. Ažuriranje treba biti na dnevnoj osnovi da bi se moglo promptno reagirati.

43
http://efzg.globalnet.hr/UserDocsImages/INF/Ceric/itup_knjiga/skladista_podataka.pdf (02.03.2009.)
44
Ž. Panian, G. Klepac: op.cit. str. 84

46
Skladište podataka mora služiti što većem broju ljudi, kako menadžerima, tako i
zaposlenicima. Skladište podataka treba podacima potpuno pokriti jedno ili više
poslovnih područja. Podaci trebaju biti sveobuhvatni, tj. integrirani od strane i
unutarnjih i vanjskih podataka. Podaci moraju obuhvatiti dulje vremensko razdoblje
zbog analiza.

6.1. FUNKCIONIRANJE SKLADIŠTA PODATAKA

Kako podaci dospijevaju u skladište podataka? Podaci sačuvani u bazi podataka (jednoj
ili više) se pomoću ETL procesa prebacuju u skladišta podataka. "ETL proces je naziv
za proces prijenosa podataka iz transakcijskih sustava podataka u skladište podataka i
nezaobilazna karika izgradnje dobrog Business Intelligence sustava. Naziv dolazi od
kratica engleskih riječi extract, transform, load. Prilikom prijenosa potrebno je iz
mnoštva podataka u transakcijskom sustavu izdvojiti (extract) one koji su interesantni
za pohranu u skladište podataka. Te podatke je potrebno na odgovarajući način
pročistiti, uobličiti i reorganizirati (transform). Podaci u skladištu moraju biti
organizirani tako da omogućuju brz i jednostavan dohvat. Pri prijenosu je potrebno
izvršiti konsolidiranje i pročišćavanje podataka koji mogu doći iz raznih izvora."45

Slika 11. ETL procesi procesu skladištenja podataka

E T L

Transakcijske baze podataka ETL procesi skladište Izvještaji poslovne

Podataka inteligencije

Izvor: Ante Luetić: Primjena koncepta „poslovne inteligencije“ u procesu strategijskog i financijskog
upravljanja, magistarski rad46

45
http://www.alfatec.hr/pojmovnik_list.asp#4 (24.02.2009.)
46
Ante Luetić: Primjena koncepta „poslovne inteligencije“ u procesu strategijskog i financijskog
upravljanja, magistarski rad/ Ekonomski Fakultet, Split, 2088, str. 83

47
Znači, podaci iz različitih izvora i baza podataka će se izdvojiti i preoblikovati, te
takvim podacima puniti skladište podataka. Kvalitetno izrađeno skladište podataka je
bitan preduvjet za učinkovitu primjenu koncepta poslovne inteligencije i korištenje
sustava poslovne inteligencije. Implementacijom skladišta podataka omogućeno je
prikupljanje podataka iz različitih izvora (različitih transakcijskih sustava, Excel tablica,
...) u jedan izvor, zatim njihovo čišćenje, konsolidacija, pohranjivanje kroz dulje
vremensko razdoblje te brži dostup podacima.

Veze sustava za obradu transakcija i sustava potpore odlučivanju ostvaruju se

transformacijom operativnih podataka iz baze podataka u povijesne podatke u skladištu
podataka. Podaci poslovnog procesa prikupljaju se raznim transakcijama sustava za
obradu transakcija. Oni ulaze u bazu podataka, te čine unutarnje (operativne) podatke.
Obradom tih podataka nastaju podaci za upravljanje poslovnim procesom. Istovremeno,
unutarnji se podaci prenose u skladište podataka i s vremenom postaju povijesnim
podacima, jer opisuju pojave poslovnog procesa iz prethodnih razdoblja. Podaci se u
skladišta podataka unose iz različitih baza podataka u tvrtci, a organiziraju se prema
kriteriju vremena jer je najpogodniji za analize. Prijenos velikog broja podataka iz
raznih baza u skladište podataka vrši se pomoću, već objašnjenih, ETL procesa.

Tako uskladišteni podaci se mogu analizirati i modelirati ne bi li se dobile informacije

potrebne za tako bitno poslovno odlučivanje. Pomoću izvještavanja, OLAP-a i rudarenja
podataka nastaju različiti ad hoc izvještaji, posebni i dubinski izvještaji. Poslovodstvo
tvrtke će takve izvještaje dobiti kada je za istima najveća potreba, te će na taj način
moći efikasno upravljati tvrtkom.

Bez podataka spremljenih u skladište podataka do potrebnih informacije bi

poslovodstvo tvrtke dolazilo daleko sporije, a ujedno bi i izrada izvještaja trajale puno
duže. Iz ove te prethodno navedenih spoznaja može se utvrditi uska povezanost
skladišta podataka, sustava za potporu odlučivanju te poslovne inteligencije.

48
6.2. RAZINE ANALIZE PODATAKA U SKLADIŠTIMA PODATAKA

Podaci spremljeni u skladišta podataka mogu se kasnije analizirati i modelirati, te se od

njih mogu dobiti korisne informacije i otkrivati znanje47 iz podatka. Radnici sa znanjem
analiziraju podatke, izrađuju izvještaje, razmjenjuju mišljenja, pregovaraju i na kraju
donose odluke.

Razine analize podataka u skladištu su:

1. generiranje statičnih izvještaja
2. OLAP (On-line analytical processing)
3. rudarenje (kopanje) podataka (Data mining)

Ukoliko su menadžeru potrebni isključivo izvještaji u tabličnom ili grafičkom formatu,

dovoljan alat su generatori izvještaja (npr. Microsoft Crystal Reports ili Oracle
Reports), koji jednostavno iz baze prikazuju podatke filtrirane, sortirane ili sumirane po
zadanim kriterijima.

OLAP alati (On-Line Analytical Processing, što se može prevesti kao "online analitička
obrada") su skupina alata za izvođenje znanja iz skladišta podataka. OLAP baze
podataka organizirane su tako da su prilagođene za dohvat i analizu podataka čime je
olakšano stvaranje potrebnih izvještaja. OLAP se zasniva na multidimenzijskoj analizi
podataka (gledanje podataka kroz veći broj filtara, odnosno dimenzija). Omogućuje
obavljanje vrlo brzih analiza – korisnici postavljaju pitanja (upite) i dobivaju odgovore
(izvještaje) u vrlo kratkom vremenu. Za prikaz podataka OLAP najčešće koristi
trodimenzionalne ili višedimenzionalne kocke.

"Snaga OLAP-a proizlazi iz mogućnosti strukturiranja podataka na način sukladan

načinu na koji ljudi prirodno analiziraju pojave i procese. Najvažnije među tim
strukturama su dimenzije i hijerarhija podataka."48 Dimenzija predstavlja neku logičnu

47
Otkrivanje znanja iz baza podataka je istraživanje i analiza velikih količina podataka pomoću
automatskih ili poluautomatskih metoda s ciljem otkrivanja smislenih pravilnosti.
48
Ž. Panian, G. Klepac, op.cit.; str. 238

49
cjelinu unutar kocke, npr. proizvod, a hijerarhija je način gledanja na elemente
dimenzije, npr. unutar dimenzije proizvod prema zemlji porijekla.

OLAP alat sastoji se od OLAP poslužitelja (servera) koji se nalazi između korisnika i
skladišta podataka te omogućuje pohranjivanje podataka u obliku višedimenzijskih
modela, te OLAP klijenta koji omogućuje korisniku postavljanje upita na podacima iz
kocki i tablica, te dobivanje grafičkih i tabličnih izvještaja. OLAP server omogućuje
kreiranje "kocki", dok OLAP klijenti omogućuju različite analize na tim istim
kockama. Temeljni element višedimenzionalne OLAP-navigacije su kocke podataka
(Cubes). Svaka strana kocke pritom prikazuje jednu dimenziju.

"Rudarenje podataka (Data Mining) predstavlja BI (Business Intelligence) metodologiju

koja pruža uvid u 'skrivene' podatke o poslovanju čime se poboljšava proces donošenja
strateških poslovnih odluka temeljen na jasnoj i razumljivoj interpretaciji postojećih
rezultata. Rudarenjem podataka dolazi se do logičnosti u podacima, odnosno otkrivanja
odnosa, pravilnosti, zakonitosti i ostalih struktura među podacima."49 Cilj rudarenja
podataka je stjecanje znanja na temelju velikog broja postojećih podataka u bazama
podatka. Rudarenje podatka je ustvari, automatizirano traženje i izvlačenje skrivenih
podatka (npr. iz skladišta podataka) koji mogu pružiti uvid u buduća kretanja. Npr.
analiziraju se navike potrošača da bi se moglo pretpostaviti kako će reagirati na novi
proizvod.

Najčešće, rudarenje podataka je korak u procesu donošenja novih odluka. Iz skladišta

podataka se odabiru određeni podaci i to korištenjem dimenzija u kockama koje se
mogu iskoristiti sa ciljem pretprocesiranja podataka koji nakon toga ulaze u analitičke
metode rudarenja podataka. Podaci se transformiraju i izvlače, te se dobivaju
informacije koje su potrebne za donošenje odluka. Nakon toga se može pristupiti
kvalitetnom donošenju odluke. Slika 12. prikazuje korake rudarenja podataka

49
http://www.bitart.hr/DataMining.aspx?lng=cro (15.06.2008.)

50
Slika 12 . Koraci rudarenja podataka

PODACI TABLICA
BAZA
PODATAKA ZA
RUDARENJE
PODACI

Izdvođenje Čišćenje podataka Transformacija Otkrivanje Vizualizacija

podataka i punjenje u bazu podatka uzoraka u podataka i
podataka za rudarenje podacima tumačenje rezultata

Izvor: http://www.dwreview.com/Data_mining/DM_models.html 50

Uspješnost primjene metoda i alata rudarenja podataka ovisi o stručnosti i poslovnoj

kompetenciji osoba koje tumače rezultate. Znači, te metode nam neće ponuditi rješenje
problema, već je potrebno da osoba koja radi analizu uz pomoć dobivenih podataka i
rezultata sama donese odluku.

6.3. DIMENZIJE I "KOCKE"

Skladište podataka modelira se prema načelima dimenzionalnog modeliranja, tako da

se cijeli sustav podijeli na poslovne procese ili teme (npr. prodaja), te dimenzije kojima
se opisuje taj poslovni proces (npr. datum, kupac, proizvod, prodajno mjesto i slično.).
Dimenzija je obilježje kroz koju se prati poslovanje (proizvod, vrijeme, regija...).
Omogućuju analizu podataka te odgovaraju na pitanja poput kada, što, gdje, kako.

Ukoliko se analiza vrši putem dimenzija npr. vrijeme, proizvod, tržište grafički se to
može prikazati pomoću kocke. Naziv kocka je ustvari metafora, i uzima se samo
uvjetno. Dimenzija, naravno može biti i puno više.

50
http://www.dwreview.com/Data_mining/DM_models.html (25.03.2009.)

51
Slika 13. Trodimenzionalna kocka – prodaja bezalkoholnih napitaka po mjesecima i
prodavaonicama

Izvor: M. Varga; K. Ćurko i suradnici: Informatika u poslovanju, Element, Zagreb, 2007, str. 204 51

Na slici 13. prikazan je primjer trodimenzionalne interaktivne kocke gdje jedna

dimenzija predstavlja vrijeme, druga proizvod, a treća prodajna mjesta.

Kocka predstavlja interaktivni pristup matičnim podacima tvrtke koji su grupirani u više
nivoa unutar dimenzija, te brojčanim podacima (mjerama). Kocke su hijerarhijski
rađene što znači da se u okviru jedne dimenzije pojava može pratiti detaljizirano
(analitički) ili agregirano (sintetički), što odgovara svim razinama odlučivanja.

Prednost kocki nad statičnim izvještajima jest taj što kocke omogućuju korisniku
filtriranje podataka koji su mu potrebni, dok statični izvještaji uz potrebne informacije
sadrže i podatke koje korisnik neće koristiti.

Skladištenje podataka je proces koji ne završava inicijalnim učitavanjem podataka, već

se osvježava novim podacima u više ili manje pravilnim vremenskim intervalima (npr.
svaki dan, tjedan, mjesec). Iz toga slijedi da je skladištenje podataka kontinuiran i
dugotrajan proces.

51
M. Varga; K. Ćurko i suradnici: Informatika u poslovanju, Element, Zagreb, 2007, str. 204

52
7. RJEŠENJE POSLOVNE INTELIGENCIJE I SUSTAV ZA
POTPORU ODLUČIVANJU COGNOS

7.1. TEORIJSKE ZNAČAJKE ALATA POSLOVNE INTELIGENCIJE

COGNOS

Cognos Inc. je tvrtka (dio IBM-a) koja prodaje softver za poslovnu inteligenciju i
upravljanje poslovnim rezultatom. Osim toga, "Cognos je uređaj koji brzo i vidljivo
istražuje analitičke mogućnosti baze podataka poduzeća. Tražene informacije mogu se
dobiti iz različitih baza: baza podataka poduzeća, skladišta podataka ili vanjskih
sustava."52 To je sustav skladištenja podataka i sustav poslovne inteligencije, te
omogućuje upravljanje učinkom poduzeća. Koristi se za poslovno izvještavanje.

Cognosovi alati nisu vezani uz jednu vrstu baze podataka: oni kao izvor mogu koristiti
praktički sve komercijalne baze podataka. Iz tih baza podataka dolaze informacije
potrebne menadžerima kod donošenja odluka, što na kraju dovodi do efikasnijeg
poslovanja tvrtke. Rukovodstvo ima pristup podacima iz različitih izvora te pomoću
različitih metoda dolaze do informacija i znanja koji mogu rezultirati odlukama trenutno
ili dugoročno najboljim u tvrtci. Cilj korištenja Cognosa i sličnih sustava je opstanak
tvrtke u novim uvjetima poslovanja: nesigurno tržište, jaka i brojna konkurencija,
zahtjevni kupci... Znanje i informacije prikupljene iz podataka do kojih je menadžer
došao zahvaljujući Cognosu smanjiti će nesigurnost kod donošenja odluka. Naravno da
su znanje i kompetencije osoba koje donose odluke, pogotovo strateške jako bitne, a
iskustveno znanje menadžera zajedno s informacija dobivenim pomoću Cognosa mogu
se postići bolji rezultati nego odlučivanje isključivo na bazi intuicije i iskustva. Upravo
tako nastaje i znanje koje će koristiti opet u daljnjem poslovanju.

52
http://gordon-webster.hr/?contentid=53 (10.03.2009.)

53
Glavne osobine Cognos platforme su:
• Centralizirano upravljanje poslovnim procesima planiranja na svima razinama u
poduzeću.
• Jednoznačno definirano vlasništvo nad podacima u procesu planiranja.
• Parametrizacija svih ključnih mjera u planiranju i na taj način osiguranje visokog
stupnja neovisnosti odjela plana i analize od odjela informatike.
• Ugradnja poslovne logike i metodologije planiranja u sustav, čime se postiže
maksimalna automatizacija procesa.
• Mehanizam hijerarhijskih odobravanja planskih vrijednosti.
• Prikupljanje podataka plana putem Web sučelja, koji se automatski konsolidiraju.
• Eliminacija grešaka koje nastaju korištenjem Excela.

"Cognos sadrži sljedeće alate:

• IBM Cognos 8 BI
• IBM Cognos Now!
• IBM Cognos 8 Planning
• IBM Cognos TM1
• IBM Cognos 8 Controller
• IBM Cognos 8 Workforce Performance."53

Detaljno o svim alatima se može naći na stranici www.cognos.com. U ovom radu se

razmatra Ibm Cognos 8 BI kao alat poslovne inteligencije i potpore odlučivanju.

7.1.1. SUSTAV POSLOVNE INTELIGENCIJE COGNOS

Sustav poslovne inteligencije i potpore odlučivanju Cognos (u nastavku Cognos)

omogućuje sustavno prikupljanje, analizu i prezentaciju velike količine (prometnih)
podataka koji se stvaraju tijekom poslovanja. Prikupljanje, čišćenje i konsolidacija
istovrsnih podataka iz različitih poslovnih i informacijskih sustava, koji su pri tome

53
http://www.cognos.com/products/ (12.01.2009.)

54
mogu biti i zemljopisno razvedeni, predstavlja početak stvaranja podloga za
jednoznačno komuniciranje.

Najnovija generacija Cognosovih alata (trenutna verzija Cognos 8 zamijenila je

PowerPlay, Impromptu, ReportNet) integrira ad-hoc upite i izvještavanje,
multidimenzionalne analize, balance scorecarding u jednu, web orijentiranu platformu.

Cognosa 8 BI nudi svojim korisnicima sljedeće alate:

• izvještavanje
• multidimenzionalnu analizu (OLAP)
• nadzornu ploču (dashboards)
• scorecard (sustav kartica)

Izvještavanje omogućuje pristup različitim izvještajima iz raznih izvora podataka.

Izvještaji se u potpunosti mogu slagati putem Interneta. Izvještaji su u pravilu statični,
te se prikazuju u formatima poput: Excel, PDF, XML, HTML, i CSV. Ukoliko takav
jedan statičan izvještaj prilažemo u Excelu ili CSV-u, tada se mogu raditi daljnje
analize, dok format PDF to ne omogućuje.

Analiza omogućuje pretraživanje i traženje informacija bez obzira na to gdje je podatak

pohranjen. Jedna od prednosti Cognosa je i njegova kompatibilnost sa različitim bazama
podataka. Analizirati se mogu svi podaci. Vrše se dubinske analize uspješnosti tvrtke
kroz različite dimenzije. Takva analiza podataka dati će odgovor na razna pitanja poput
koliko raste ili pada prodaja, kolike su zalihe, koliki je koeficijent obrtaja, kako se
kreće profitna stopa itd. Daljnjom detaljnom analizom može se utvrditi i uzrok
postojećih problema npr. pada prodaja. Može se analizirati veliki broj kompleksnih
podataka koristeći jednostavne metode (koje će biti kasnije objašnjene i navedene).

55
Slika 14. Cognos OLAP report

Izvor: http://OLAPreport.com/purchase/Images/CognosPPWebContrib811.png 54

Nadzorna ploča - dashhboard prikuplja informacije iz različitih izvora i pretvara ih u

bogate prezentacije koristeći mape, grafikone i ostale grafičke elemente da bi prikazao
višestruke podatke zajedno. Taj način nudi instantan uvid u poslovanje poduzeća te
smanjuje vrijeme donošenja odluka.

54
http://OLAPreport.com/purchase/Images/CognosPPWebContrib811.png (12.01.2009.)

56
Slika 15. Primjer Dashboard-a

55
Izvor: http://www.cognos.com/driversseat/gallery/index.html

Postavljenu strategiju tvrtke treba kvantificirati da bi se njezino ostvarenje moglo pratiti.

Scorecard (sustav kartica) je sustav kojim se želi opisati strategija poduzeća. Scorecard
omogućuje praćenje učinka u odnosu na postavljene ciljeve. Menadžment mora
definirati ključne pokazatelje poslovanja (KPI). Menadžeri i timovi se upoznaju sa
strategijom i ciljevima tvrtke, te njihov radni učinak mora težiti ostvarenju tog cilja.
Scorecard prati ostvarenje strategije i prikazuje učinke te ih stavlja u odnos sa ciljem
tvrtke. Scorecard nudi mogućnost usporedbe planova s aktualnom situacijom kako bi u
svakom trenutku mogli poduzeti prave korake ovisno o situaciji.

55
http://www.cognos.com/driversseat/gallery/index.html (12.01.2009.)

57
Slika 16. Scorecard

Izvor: http://www.cognos.com/products/cognos8businessintelligence/scorecarding.html56

Cognos je inače jednostavan za korištenje. Koristi vrlo jednostavnu "Drag and drop"
(prijevod: povuci i spusti) tehnologiju s kojom su upoznati svi korisnici Interneta, a oni
koji nisu vrlo lako mogu usvojiti znanje.

Navedeni alati poslovodstvu tvrtke prikazuju podatke na jednostavan i zanimljiv način, i

omogućuju pravovremenu reakciju na tržišne promjene i ostvarenje zadanih ciljeva
tvrtke. Brz uvid u podatke tvrtke, pretvaranje tih podataka u potrebne informacije,
prezentacija tih podataka i usporedba ostvarenih ekonomskih pokazatelja s planiranim,
u rukama radnika sa znanjem imati će pozitivne posljedice na učinkovitost tvrtke,

56
http://www.cognos.com/products/cognos8businessintelligence/scorecarding.html (12.01.2009.)

58
7.1.2. IZVJEŠTAJI I KOCKE COGNOSA

Da bi se Cognos mogao koristiti nije potrebno instalirati program. Cognosu se može

pristupati preko različitih preglednika (IE, Mozilla, Opera itd.). Korisnik se po Cognosu
kreće pomoću poveznica. Svaka poveznica vodi ka podacima koji su dimenzijski
grupirani. Tako npr. poveznica zalihe omogućuje uvid u zalihe po skladištima, te
maloprodajnim i veleprodajnim objektima. U biti Cognosom se korisnik kreće kako bi
se kretao i po klasičnim internet stranicama.

Na web portalu Cognos korisnik (ovlašteni zaposlenik) ima pristup izvještajima i

kockama. Svakom izvještaju tj. kocki pristupa se pomoću hiperlinka preko kojeg se
ulazi na određen izvještaj ili kocku.

Izvještaji su statični i budu u obliku Excela ili PDF-a. Ukoliko su u obliku excela vrlo ih
je jednostavno prebaciti u excel tablicu, te dalje dorađivati izvještaj. Prilikom izrade
izvještaja, moguće je odabrati specifikacije izvještaja (parametre kao što su datum,
odabir artikala, odabir formata prodavaonice i slično.) putem izbornika tzv. prompt-a.
Postoji nekoliko vrsta prompt-ova ovisno o tipu podataka i namjeni izvještaja. Unutar
samog izvještaja biti će navedeno da li je parametar obavezan ili opcionalan. Postoje
također i zavisni promptovi koji se pojavljuju tek nakon što je odabran/postavljen glavni
prompt.

Kocka je interaktivni pristup matičnim podacima koji su grupirani u više nivoa unutar
dimenzija, te brojčanim podacima (mjerama). Kada se pokrene kocka pojavi se sučelje u
kojem se otvaraju po pravilu u recima kategorije iz najvišeg nivoa prve dimenzije iz
popisa, u stupcima se pojavljuju kategorije iz najvišeg nivoa druge dimenzije iz popisa,
a sve je izraženo u mjeri koja je prva na popisu.

59
Slika 17. Korisničko sučelje Cognos kocke

Izvor : http://dessy0105.files.wordpress.com/2007/01/cognos.gif 16.06.2008. 57

Multidimenzijske kocke omogućuju pretraživanje podataka za strateške potrebe, tj.

dobivanje agregiranih podataka, ali isto tako omogućuje i analizu za operativne potrebe
gdje se traže pojedinačni, detaljni podaci. Znači, za potrebe top menadžmenta mogu se
dobiti skupni, agregirani podaci na razini tvrtke, kakvi su top menadžmentu i potrebni,
dok se za operativni menadžment mogu dobiti podaci koji su detaljizirani do najmanje
moguće mjere (pomoću akcije drill down). Pretraživanja mogu imati različiti fokus, npr.
prema prodajnim ciklusima, prošireno na kupce ili gradove, ili prema metodama
isporuke. Na početku procesa analitičar kreira sliku (data cube - kocka podataka) o
prevladavajućoj bazi, jer se i dinamična promjenjiva okolina može analizirati. Ova
kocka je strukturirani i optimizirani skup podataka koji sadržava svaku dimenziju i
pogled, u skladu s zadanim postavkama parametara. Podaci koji se analiziraju mogu se

57
http://dessy0105.files.wordpress.com/2007/01/cognos.gif (16.06.2008.)

60
oblikovati kao tablice, dijagrami ili obični brojevi. Oblikovanje se može mijenjati
klikom. Kretanje unutar kocki je zaista jednostavno, Nije potrebno učiti nove metode,
već se sve odvija jednostavnim klikanjem, na isti način kao što se kreće i Internetom.
Slojevi informacija mogu se produbljivati, dolazeći na taj način do osnovnih podataka,
prema kojima se mogu kvantificirati trendovi i smjernice.

Još jedna prednost dimenzijskih kocki je ta da korisnik može sam raditi kocke tj. složiti
ih na sebi prikladan način, sačuvati ih u svom folderu unutar Cognos sučelja, te za
ubuduće imati još brži pristup potrebnim podacima. Na taj način će se još više ubrzati
proces odlučivanja i poslovanja.

Kocke su dinamične i interaktivne. Preko kocki se pristupa matičnim podacima

poduzeća koji su grupirani u više nivoa unutar dimenzija, te mjerama. Mjere su poslovni
pokazatelji, brojevi, a najčešće su: količina, komadi, kilogrami, nabavna vrijednost,
prodajna vrijednost, marža itd. Dimenzije su poslovni aspekti koji omogućuju analizu te
odgovaraju na pitanja poput kada, što, gdje , kako. Dimenzije su : prodavaonice, artikli,
vrijeme... Kocku prikazujemo tablicom u čijim se stupcima i recima prikazuju mjere i
dimenzije. Tablica 1. prikazuje jednu početnu kocku koja se može pojaviti u Cognosu.

Tablica 1. Primjer izvještaja agregiranih podataka

Prodaja - kilogrami/litre
as values Razdoblje I Razdobolje II Razdoblje III VRIJEME
MALOPRODAJA 500.987.699,74 758.796.755,08 75.987.698,00 896.791.769,92
VELEPRODAJA 252.050.260,23 381.755.719,11 38.229.918,75 178.064.301,19
DROGERIJA 86.695.721,65 131.309.475,86 13.149.640,84 178.064.301,19
PRODAJNA MJESTA 839.733.681,61 1.271.861.950,05 127.367.257,58 1.252.920.372,29
Izvor: izradio autor

Daljnjim razvojem ove kocke i to metodom klikanja , te metodom "drag i drop",

možemo izraditi puno detaljniji izvještaj npr: promet samo jedne prodavaonice u
određenom mjesecu. Primjeri izrade izvještaji su prikazani u poglavlju 7.2.6. Primjer
primjene sustava poslovne inteligencije- izvještaji i analize.

61
7.1.3. IZVORI PODATAKA

Cognos najveći broj podataka crpi iz dva druga sustava: Sirena/400 i Ipis.
"Transakcijska platforma u Konzumu je AS/400, a ERP sustav se sastoji od financijskog
modula Sirena, te logističkog modula Business 400. Podaci u sistemu su ažurni i
58
prilično kvalitetni." As/400 obuhvaća programska rješenja za financijsko i robno
poslovanje s vezama prema sustavima :
• upravljanja skladištem
• podršku poslovnom odlučivanju
• obračunu plaća
• POS rješenjima.

U Sirenu/400 ovlaštene osobe unose podatke poput promjene asortimana, promjene

cijena, ulistanje novih artikala i sve ostale podatke koji su nužni za funkcioniranje
prodajnih mjesta. Takvi podaci se tijekom noći distribuiraju u prodajna mjesta, te
prodavaonice dnevno imaju sve potrebne informacije za rad. Isto tako, tijekom noći se
te iste informacije prenose i u Cognos, te korisnik (donositelj odluke) može već sljedeći
dan vidjeti sve nastale promjene.

Slika 18. As/400 – prijava

59
Izvor: http://www.as400online.com/images/as400_sign_on.g

58
www.skladistenje.com (03.03.2009.)
59
http://www.as400online.com/images/as400_sign_on.gif (08.03.2009.)

62
Zaposlenici u prodavaonicama koriste Ipis. "Ipis (Integralni Poslovno Informacijski
Sustav) predstavlja aplikativno rješenje modularnog tipa koje se u potpunosti
prilagođava uvjetima i načinu poslovanja korisnika bez obzira na veličinu njegove
tvrtke. Ipis je naslonjen na jedinstvenu bazu podataka čime je omogućeno
funkcionalnije dijeljenje informacija i međusobna komunikacija s ciljem ostvarenja
veće produktivnosti rada i uštede vremena."60 Nakon što se zatvore sve prodavaonice
podaci tj. svaka prodaja, ulaz robe, povrat robe i slično se skuplja u centralnu bazu
podataka koja nadalje te podatke prebacuje u Cognos.

Prikupljanjem podataka iz sustava As/400 i sustava Ipis Cognos sadrži sve podatke koji
pokazuju poslovanje poduzeća i mogu uputiti korisnika na problem te na potrebu za
promjenama.

7.1.4. FUNKCIJE COGNOS KOCKE

Cognos kocke sadrže niz funkcija koje olakšavaju istraživanje, kretanje po samim
izvještajima, računske operacije i na kraju samu analizu. Cognos olakšava donošenje
odluka, na način da omogućuje pretraživanje velikog broja informacija, organizaciju,
analizu i transformaciju tih informacija. Korisnicima nudi istraživanje velikog broja
informacija pomoću tehnike "drag & drop" (doslovan prijevod: povuci i spusti), te
pomoću akcija "drill down" i drill up" koji omogućuju dobivanje detaljnijih informacija
ili pak agregiranih informacija. Podatke se također mogu filtrirati te na taj način dobiti
izdvojiti samo određene informacije. Sve to dovodi do dobivanja informacija koje
trebaju donositelju odluka, a s ciljem olakšavanja i ubrzanja donošenja odluke.

Neke od funkcija Cognos kocki su:

• Promjena dimenzije u recima i/ili stupcima
• Promjena mjere u izvještaju
• Drill/down i drill up
• Filtriranje podataka

60
http://www.trend.hr/clanak.aspx?BrojID=22&KatID=5&ClanakID=365 (04.04.2009.)

63
• Ubacivanje kategorija
• Chart
• Skrivanje nepotrebnih podataka
• Calculation
• Rank
• Zero suppression
• 80/20 suppression
• Odabir kategorija
• Drill trough
• Spremanje izvještaja
• Spremanje promjena u izvještaju
• Sortiranje podataka
• Promjena vrijednosti u izvještajima
• Kreiranje podskupova
• Custom subset

Većem dijelu ovih funkcija se može pristupiti pomoću ikonica koje se nalaze na
alatnoj traci (slika 25).

Slika 19. Alatna traka

Izvor: http://OLAPreport.com/purchase/Images/CognosPPWebContrib811.png

Promjena dimenzije u recima i/ili stupcima omogućuje korisniku zamjenu dimenzije pa

tako može kategoriju prodavaonice zamijeniti kategorijom artikla, već ovisno o tome
kakav izvještaj izrađuje. Promjena mjera u izvještaju olakšava korisniku izradu
izvještaje na taj način da vrlo brzo i jednostavno može odabrati mjeru koja mu najbolje
odgovara (količina, nabavna vrijednost, prodajna vrijednost itd.). Isto tako, vrlo brzo
može zamijeniti mjeru za drugu ili staviti više mjera.

64
Dimenzije možemo detaljizirati ili agregirati uz pomoć funkcija drill down i drill up.
Tako kategoriju maloprodaje možemo podijeliti na maloprodaju po regijama i analizirati
podatke za određenu regiju (npr. Regija Zapad), za određeni format (npr: supermarketi)
i još detaljnije za točno određenu prodavaonicu. Isto se može napraviti i za sve ostale
dimenzije: proizvodi, vrijeme, skladišta...

Funkcije „drill up“ i „drill down“ su se pokazale vrlo korisnim jer upravo one
omogućuje da se Cognosom može služiti kako top menadžment tako i operativna razina
menadžmenta. Osim toga, brže i jednostavnije se može utvrditi gdje je problem te se
može i anticipirati. Na taj način se ubrzava i olakšava proces odlučivanja.

Filtriranje podataka ograničava podatke u izvještaju na neku određenu kategoriju te na

taj način omogućava korisniku da istražuje samo informacije koje su mu potrebne.
Podaci se mogu filtrirati do najniže dimenzije. Filtriranje podataka će menadžeru
olakšati posao utoliko što se može orijentirati samo na određeno problematično
područje ili na područje za koje je on odgovoran. Ubrzava mu posao jer ne mora
pregledavati informacije koje mu trenutno nisu potrebne.

Detaljnost u izvještaju može se postići tako da se ubacuju kategorije iz nižeg nivoa

dimenzije ili da se ubace kategorije neke druge dimenzije u izvještaj.

Funkcija chart omogućuje izradu grafova i grafički prikaz tablica.

Skrivanje nepotrebnih podataka će korisniku olakšati posao na način da će mu se u

izvještaju prikazati samo podaci koji su mu potrebni tj. dobiti će trenutno potrebne
informacije (što i je cilj svakog sustava za potporu odlučivanju).

Funkcija calculation će se koristiti u slučaju kada korisnik radi izračune, te umjesto da

to čini ručno ili u Excelu, to može učiniti i direktno na kocki te kocku s takvom
kalkulacijom sačuvati. Ponuđene su sljedeće opcije: zbrajanje, oduzimanje, množenje,
dijeljenje, postotak, zbrajanje s logikom, potenciranje, kumulativ te prognoza. Prognoza

65
se zasniva na podacima iz prošlosti tj. na statističkim analizama povijesnih podataka.
Ipak, tu prognozu nije preporučljivo koristiti u svom poslovanju.

Funkcija rank rangira kategorije po vrijednostima mjere u izvještaju radi lakšeg

uspoređivanja. Npr. mogu se rangirati kupci po prometu, artikli, marže itd.

Funkcija zero suppression omogućuje ignoriranje nekih redaka ili stupaca u kojem se
pojavljuju samo nule. Korisnik time dobiva koncizniji izvještaj u kojem se lakše snaći.

80/20 suppression isključuje kategorije po pravilu 80/20. Znači, isključuje one

vrijednosti koje ne donose 80% rezultata, zatim sumira maknute kategorije i prikazuje
ih pod nazivom "Other". U principu, ova funkcija izdvaja one vrijednosti koje nose
najviše rezultata, npr. one artikle koje donose 80% profita, troškove koji u ukupnim
troškovima sudjeluju 80% itd.

Kriterij odabira kategorija omogućuje korisnicima da na vrlo jednostavan način odaberu

samo pojedine kategorije, umjesto da im se u izvještaju prikažu sve kategorije.

Drill trough omogućuje da se iz jedne kocke uđe u drugu, povezanu kocku i dobiju
detaljniji podaci. Na odabranoj kategoriji se može kreirati podskup. Kreiranjem
podskupa na odabranoj kategoriji se izoliraju, istražuju i analiziraju specifični elementi
podataka.

Custom subset je izrazito korisna funkcija koju, na žalost, koristi vrlo mali broj
korisnika, najčešće iz neznanja. Ta funkcija omogućuje korisniku da vrlo brzo i
jednostavno odabere one kategorije, mjere i dimenzije koje želi. Mogu se spajati
kategorije iz više i kategorije iz niže dimenzije, različite kategorije, mjere i slično.

Zaposlenici tvrtke obavljaju različite poslove pa su im potrebni različiti izvještaji, koji

će biti prilagođeni njihovim potrebama. Kada se pokrene kocka pojavi se sučelje u
kojem su po pravilu otvorene u recima kategorije iz najvišeg nivoa prve dimenzije iz
popisa, a u stupcima se kategorije iz najvišeg nivoa druge dimenzije iz popisa, a sve je

66
izraženo u mjeri koja je prva na popisu. Korisnici takvu kocku uz pomoć gore
navedenih funkcija mogu prilagoditi svojim potrebama, izraditi specifičan izvještaj,
sačuvati ga u svom folderu (My Folders), a takva kocka će se obnavljati redovno kao i
sve druge kocke. Podaci u takvoj kocki će se nadopunjavati s najnovijim podacima
istovremeno kada se osvježava i početna, osnovna kocka. Korisniku je na taj način
posao uvelike olakšan jer ne mora svaki put raditi isti izvještaj, već može samo otvoriti
postojeći izvještaj.

Podaci se mogu sortirati rastući ili padajući ovisno o potrebama korisnika.

Promjena vrijednosti mjera omogućuje da se podaci prikažu brojčano ili u postotku.

Prema tome, Cognos kocka daje mogućnost korisniku da pretraživanjem i filtriranjem

podataka dođe do velikog broja korisnih i sortiranih informacija kako bi se donijele
optimalne odluke.

Društvo Konzum d.d. ima iznimno veliki broj artikala, prodavaonica, zaposlenika itd.,
te samim time u skladištima podataka ima jako puno podataka. Ovdje navedene
mogućnosti omogućuje brže kretanje i istraživanje podataka, te brže dolaženje do
potrebnih informacija.

67
7.2. IMPLEMENTACIJA I PRAKTIČNA PRIMJENA ALATA
COGNOS

7.2.1. IMPLEMENTACIJA COGNOSA U DRUŠTVU KONZUM D.D.

ASPEKTA POSLOVANJA

Društvo Konzum d.d (u nastavku Konzum) je nacionalni maloprodajni lanac u

većinskom vlasništvu tvrtke Agrokor. U svom sastavu ima preko 600 prodavaonica u
Hrvatskoj, a proširio se i na Bosnu i Hercegovinu te dio Srbije, s tendencijama daljnjeg
rasta. Ujedno ima i 14 Velpro centara u Hrvatskoj koji se bave veleprodajom. Unazad
par godina Konzum otvara i Kozmo drogerije- prodavaonice proizvoda za ljepotu i
zdravlje. Ima preko 11.000 zaposlenih. Veliki broj zaposlenika, prodavaonica i
artikala, te dnevno povećanje broja podataka zahtjeva i adekvatan sustav podrške
odlučivanju.

Konzum ima jako dubok i široki asortiman te veliki broj prodavaonica. Poslovne
promjene u trgovini su svakodnevne i velike, dnevno se proda veliki broj različitih
artikala, uvode se novi artikli, postojeći se izbacuju, otvaraju se nove prodavaonice,
zatvaraju se neprofitabilne prodavaonice itd. Skladišta podataka sadrže tisuće podataka
koji se mijenjaju na dnevnoj razini.

Prije implementacije Cognosa izvještavanje u Konzumu "se baziralo na izlistima iz

transakcijske aplikacije, te na izvještajima o maloprodaji rađenim pomoću Microsoft
Accessa"61. Izrada izvještaja je trajala jako dugo, te nije bilo moguće izvještaj izraditi
onog trena kada je potreban. Konkurencija je svakim danom bivala sve veća. Konzum
se također širio kako brojem prodavaonica i zaposlenih, tako i brojem artikala. Bilo je
evidentno da je potreban jedan kvalitetan sustav skladištenja podataka i sustav poslovne
inteligencije. Iznimno velike količine podataka koje se na dnevnoj osnovi i dalje
povećavaju zahtijevale su takav sustav koji će moći adekvatno skladištiti te podatke, a
istodobno omogućiti brz pristup tim podacima. Osim toga, prevelika količina podataka

61
www.skladistenje.com (08.03.2009.)

68
može unijeti veliku zbrku, te čak i otežati proces donošenja odluka. Podatke je potrebno
kategorizirati, prikazati ih na što je moguće jednostavniji način da bi korisnik sustava
brzo i jednostavno mogao doći do informacije. Izlisti iz transkacijske baze podataka to
nisu bili u mogućnosti ponuditi, a izrada izvještaja pomoću Microsoft Accessa je
zahtijevala puno truda i vremena. Rješenje se pokušalo naći u implementaciji Cognosa –
sustava skladištenja podataka i poslovne inteligencije.

Ogromna količina podataka koju ima svaki maloprodajni lanac može jako otežati
pronalazak tražene informacije. Prije implementacije Cognosa pristup određenim
podacima je trajao puno duže, izrada izvještaja i analiza podataka je bila
kompliciranija. Prvi aspekt koristi je svakako skraćivanje vremena dostupa do
informacija i smanjivanje troška jer je često vrlo teško dobiti informacije iz
transakcijskih sustava u realnom vremenu. Osim toga, djelatnici koji su prije bili
opterećeni repetitivnim i nekreativnim poslom poput pretipkavanja podataka u Access
i/ili Excel tablice mogu se baviti svrsishodnijim poslovima. Ti djelatnici se sada mogu
posvetiti analiziranju podataka i izradom izvještaja u realnom vremenu, odnosno
unapređenju trgovačke mreže.

Cognos je Konzumu omogućio brži i jednostavniji pristup podacima što olakšava i

ubrzava proces odlučivanja. Menadžeri mogu više svog vremena posvetiti samom
odlučivanju, a manje prikupljanju informacija, što rezultira donošenjem kvalitetnijih
odluka. Pravovremeno odlučivanje je nužnost koja može ostvariti konkurentsku
prednost. Sektor maloprodaje je izrazito kompetitivan, a Konzumu je od vitalne
važnosti raditi na postizanju konkurentske prednosti. Cognos će menadžeru dostaviti
informacije koje su mu potrebne u pravo vrijeme, te omogućiti detektiranje mogućeg ili
postojećeg problema. Podaci se nalaze u skladištima podataka (dobiveni iz različitih
izvora), a putem Cognosa menadžer pristupa željenim podacima, pretvarajući ih u
informacije i zajedno sa iskustvom menadžera postaju znanje bitno za ostvarenje
profita.

69
Prije je vrlo čest bio slučaj da različiti odjeli imaju različite verzije podataka o
ostvarenim rezultatima, koje su dolazile iz različitih izvora. Cognos je omogućio
jednoznačnost i veću točnost podataka.

Do uvođenja sustava Cognos, informacije o jučerašnjim rezultatima bile su praktično

nedostupne. Cognos nudi pravovremenost, što je jedna od najznačajnijih kategorija
odlučivanja. Jedna od prednosti Cognosa je automatizirana izrada i distribucija, što
znatno smanjuje operativne troškove. S tehničke strane, prednosti su svakako brzina
obrade podataka, lak dostup do povijesnih podataka koji su u skladištu, te
konzistentnost. Naime, Cognos predočava korisnicima veliki broj informacija.
Informacije se nalaze na jednom mjestu, te je do njih relativno lako doći. Nije potrebno
puno vremena da bi se skupili podaci, do kojih se dolazi vrlo brzo i "ad hoc". Npr. treba
nam promet po prodavaonicama za prethodni dan. Konzum ima preko 600
prodavaonica. Koliko bi trebalo vremena i ljudi kada bi se do potrebne informacije
dolazilo primjerice telefonskim putem? Sustav Cognos omogućava da se do potrebnih
informacija dođe za par minuta. Znači, proces odlučivanja je ubrzan jer se lakše dolazi
do potrebne informacije. Samim time može se više vremena provesti analizirajući
podatke i donoseći što kvalitetnije odluke.

Poslovna pravila i obračuni (npr. promjena rasta i tržišni udio) mogu biti direktno
ugrađeni u kocke, a analize vremenskih serija dobivaju se automatski. Web, Windows i
Excel klijenti mogu čitati kocke i izvještaje s istog aplikacijskog servera.

Jedna od vrlo bitnih prednosti Cognosa je jednostavnost korištenja. Današnji zaposlenici

traže jednostavnost pri korištenju računalnih aplikacija, a Cognos nudi upravo to. Osim
toga, to je mrežni portal, te nije potrebno instalirati nikakav program.

Maloprodajni lanci se sve više oslanjaju na informacijske sustave da bi poboljšali

upravljanje tvrtkom i automatizirali procese. Informacijski sustavi poslovne
inteligencije tvrtkama olakšavaju prepoznavanje prilika na tržištu i brzo prilagođavanje
novim tržišnim prilikama, što je uvjet ne samo razvitka već i opstanka.

70
Cognosu imaju pristup samo ovlaštene osobe. Za pristup Cognosu svaka ovlaštena
osoba ima svoju lozinku te se može prijaviti na centralni sustav samo uz pomoć lozinke,
te odgovarajuće IP adresu. Korisnici ne smiju otkriti drugim osobama svoje
korisničko ime i lozinku, IP adresu te telefonske brojeve za modemski ulaz. Slika 22
prikazuje pristup aplikaciji Cognos.

Slika 22. Cognos logon

Izvor: http://www.unisa.edu.au/unisareport/images/Cognos%20logon.JPG 62

7.2.2. UČINCI COGNOSA NA KONZUM

Cognos zahvaljujući vrlo jednostavnom i brzom pristupu informacija olakšava posao

menadžerima i ostalim donositeljima odluka.
Pozitivni učinci implementacije Cognosa su sljedeći:
• bolje upravljanje operativnim troškovima
• upravljanje zalihama i povećanje koeficijenta obrtaja sredstava
• bolja učinkovitost zaposlenih
• rast profita
• konkurentnost.

62
http://www.unisa.edu.au/unisareport/images/Cognos%20logon.JPG (01.02.2009.)

71
Menadžment poduzeća može kvalitetno upravljati troškovima jedino ako ima točan i
kvalitetan uvid u troškove poduzeća. Na taj način on može usporediti koji dijelovi tvrtke
imaju nepotrebne troškove, gdje se mogu uštediti sredstva, a gdje se povećanim
trošenjem može stimulirati prodaja. Cilj je povećati učinkovitost, odnosno postići
najbolji odnos troškova i rezultata. Stara je ekonomska misao da tko kontrolira troškove,
kontrolira i poslovanje. U tom smislu Cognos omogućuje upravljanje troškovima dajući
informacije gdje i kako nastaju troškovi, te identifikaciju mjesta većeg troška i/ili
manjeg troška. Nakon što menadžer identificira gdje i kako nastaju troškovi, može
definirati nepotrebne troškove te ih smanjiti u cilju boljeg poslovnog rezultata.
Smanjenje troškova se ostvaruje i manjom potrebom za radnom snagom. Umjesto da
veliki broj zaposlenih prikuplja, obrađuje i prepisuje te iste podatke, manji broj
zaposlenih će brzo doći sustavom poslovne inteligencije do potrebnih informacija te ih
analizirati. Vrlo veliko smanjenje troškova ostvaruje se i zato što se informacije dijele
vrlo brzo putem Cognos portala i elektroničke pošte, te nema troškova telefoniranja i
poštarine. Ujedno, više informacija o poslovnom događaju rezultira s manje grešaka pri
odlučivanju. Svaka pogrešna odluka donosi sa sobom određene negativne posljedice te
povećava troškove. Činjenica što Cognos isporučuje informacije kada su potrebne
utječe na smanjenje pogrešaka, te tako smanjuje i troškove.

Koeficijent obrtaja zaliha pokazuje koliko se puta "okrenu" zalihe tijekom obračunskog
razdoblja. Cognos nudi sve informacije koje su potrebne za izračunavanje koeficijenta
obrtaja. Korisnik sustava vrlo jednostavno pretražuje i pregledava koliko zaliha ima
pojedina prodavaonica, koliki joj je ostvaren promet i na temelju toga izračunava
koeficijent obrtaja prodavaonice. Na taj način se vidi koja prodavaonica dobro upravlja
zalihama, te gdje se moraju napraviti korekcije (da li poslovođa ima stare nekvalitetne
zalihe, da li treba dati više prostora obrtajnim artiklima itd.). Isto tako može napraviti i
za pojedine robne grupe, pa sve do razine artikla. Mogućnost uvida u brzinu obrtaja
robe omogućuju menadžerima kvalitetno upravljanje zalihama. Kvalitetno upravljanje
zalihama je krucijalno za maloprodajne tvrtke, jer, jednostavno rečeno, upravljanje
zalihama je upravljanje likvidnošću. Ni jedan poduzetnik ne smije sebi dozvoliti
preveliko angažiranje novčanih sredstava u zalihama. Zalihe ne smiju biti ni visoke
(zbog lošeg koeficijenta obrtaja, rokova i slično.) ni male (da prodavaonice ne bi ostale

72
bez robe i prometa). Na temelju tih podataka menadžeri mogu odlučiti koliko će
prostora dati kojim robnim grupama i artiklima u prodavaonici, kako se ponašati prema
određenim artiklima, koju će maržu odrediti.

Uvid u koeficijent obrtaja može utjecati i na smanjenje troškova te na rast profita.

Najčešće je vrlo skupo držati velike količine zaliha duže vrijeme, pa je stoga bolje imati
čim viši koeficijent obrtaja zaliha. Nizak pokazatelj najčešće ukazuje na nekvalitetnu i
nekurentnu robu te traži odgovarajuće odluke menadžera.

Veća učinkovitost zaposlenih se ostvaruje zahvaljujući tome što je potrebno puno manje
vremena za prikupljanje informacija. Samim time se zaposlenici i menadžeri mogu
posvetiti zahtjevnijim poslovima. Više vremena za odlučivanje rezultira kvalitetnijim
odlukama. Do potrebnih informacija menadžer dolazi znatno brže nakon implementacije
Cognosa.

Jedna od mogućih definicija profita jest da je to vrijednost koja se utvrđuje razlikom

prihoda ostvarenih realizacijom i stvarnih troškova ostvarene poslovne aktivnosti. Svaki
poduzetnik je zainteresiran za rast profita, a to znači da ili mora povećati prihode ili
smanjiti troškove. Informacije koje Cognos distribuira omogućuju menadžeru da
prepozna prilike za smanjenje troškova ili rast prihoda. Na rast prihoda mogu utjecati
razni čimbenici poput koeficijenta obrtaja i trgovačke marže. Na temelju pokazatelja
koeficijenta obrtaja menadžer može donijeti odluku koja će povećati koeficijent obrtaja
te tako povećati prihod. Znači, na policama u prodavaonica će se nalaziti više obrtajne
robe te će tako i prodaja biti veća. Rast profita može se povećati i pomoću razlike u
cijeni tj. trgovačke marže. Najčešće se visoko obrtajnim artiklima određuju manje
marže po pojedinom artiklu, nego artiklima koji se slabije obrću (npr. kruh ima daleko
manju maržu od cipela) Visokoobrtajni artikli imaju daleko veći promet, angažiraju
manje sredstava i u konačnici su profitabilniji od artikala s manjim obrtajem. Ali,
ukoliko se određeni artikl jako slabo prodaje, može se smanjiti cijena na račun marže te
tako potaknuti prodaju. Isto tako, ako se određeni artikl prodaje iznimno dobro, povećati
će mu se cijena (zakon ponude i potražnje).

73
Tablica 2. Prodaja kave u 2008 godini u maloprodajnim objektima.
Razdoblje I
Prodaja količina MPV NV BM
040101 KAVA BONUS MLJEV 250G VAC FRANCK ZAGREB 515.023,00 6.329.632,67 4.150.578,80 2.179.053,87
040102 KAVA JUBIL VAC MLJEV 250G FRANCK ZAGREB 495.236,00 7.918.823,64 5.192.671,24 2.726.152,40
040103 KAVA BONUS MLJEV 200G VREĆ FRANCK ZAGREB 325.168,00 3.245.176,64 2.127.984,68 1.117.191,96
040104 KAVA JUBIL MLJEV 200G FRANCK ZAGREB 313.625,00 4.635.377,50 3.039.591,80 1.595.785,70
040105 KAVA JUBIL MLJEV 100G FRANCK ZAGREB 280.125,00 2.070.123,75 1.357.458,20 712.665,55
040106 KAVA BONUS MLJEV 100G VREĆ FRANCK ZAGREB 238.125,00 1.188.243,75 779.176,23 409.067,52
040107 KAVA MINAS MLJEV 250G ANAMARIJA COMPANY D.O.O.125.018,00 1.373.947,82 900.949,39 472.998,43
040108 KAVA ESPRES 1KG VAC V CLASS FRANCK ZAGREB 92.013,00 11.224.665,87 7.360.436,64 3.864.229,23
OTHER OTHER 596.083,25 9.496.497,91 6.227.211,74 3.269.286,17
KAVA 2.980.416,25 47.482.489,55 31.136.058,72 16.346.430,83

Izvor: izradio autor

Uzmimo primjer prodaje kave u 2008 godini. Pojačana konkurencija i novi zahtjevi
kupaca tjeraju menadžere da na vrijeme traže i uočavaju promjene, čak i do najnižih
razina. Podaci iz tablice 2. prikazuju prodaju najprodavanijih kavi u 2008 godini.
Najprodavanija kava po količini je Bonus mljevena kava 250 gr vac, a po maloprodajnoj
vrijednosti Jubilarna kava 250 gr vac, itd. Menadžer će sukladno tim podacima donijeti
adekvatne odluke: koje vrste kave se mogu izbaciti iz asortimana jer nose najmanje
prometa, kojim vrstama kava smanjiti, a kojim povećati zalihe itd.

Ti isti podaci se mogu prikazati i u postotku te na taj način prikazati i koliki udio ima
pojedini artikl u kategoriji. To će još više ubrzati proces odlučivanja radi lakšeg
pregleda podataka . To je prikazano na tablici 3. S nazivom "Udio pojedinačnih artikala
u kategoriji kave".

Tablica 3. Udio pojedinačnih artikala u kategoriji

Udio u kategoriji
Prodaja količina MPV NV BM
040101 KAVA BONUS MLJEV 250G VAC FRANCK ZAGREB 17,28% 13,33% 13,33% 13,33%
040102 KAVA JUBIL VAC MLJEV 250G FRANCK ZAGREB 16,62% 16,68% 16,68% 16,68%
040103 KAVA BONUS MLJEV 200G VREĆ FRANCK ZAGREB 10,91% 6,83% 6,83% 6,83%
040104 KAVA JUBIL MLJEV 200G FRANCK ZAGREB 10,52% 9,76% 9,76% 9,76%
040105 KAVA JUBIL MLJEV 100G FRANCK ZAGREB 9,40% 4,36% 4,36% 4,36%
040106 KAVA BONUS MLJEV 100G VREĆ FRANCK ZAGREB 7,99% 2,50% 2,50% 2,50%
040107 KAVA MINAS MLJEV 250G ANAMARIJA COMPANY D.O.O. 4,19% 2,89% 2,89% 2,89%
040108 KAVA ESPRES 1KG VAC V CLASS FRANCK ZAGREB 3,09% 23,64% 23,64% 23,64%
OTHER OTHER 20,00% 20,00% 20,00% 20,00%
KAVA 100,00% 100,00% 100,00% 100,00%
Izvor: izradio autor

74
Prethodno prikazane tablice 2. i 3. su primjeri izvještaja koje menadžeri u Konzumu
mogu samostalno izrađivati u vrijeme koristeći aplikativni softver Cognos. Takvi
izvještaji mogu biti prebačeni u Excel format, PDF format itd.

Većina trgovaca se izjašnjava da im je sustav poslovne inteligencije bitan da bi brzo

odgovorili zahtjevima kupaca. Cognos omogućuje menadžerima i ostalim donositeljima
odluka pristup informacijama kada su najpotrebnije. On identificira, izvještava, i
detaljno analizira trendove da bi se prilagodili kupcu i njegovom ponašanju, te tako
usmjerava menadžera kako i na koji način reagirati na novonastalu situaciju na tržištu.
Na taj način Cognos omogućuje konkurentsku prednost. Znači, menadžerima su
dostupne najnovije informacije, i na temelju njih on može izrazito brzo reagirati na
tržišne promjene donoseći najbolje odluke i upravljati tvrtkom.

Cognos softver omogućuje Konzumu da:

• identificira, izvještava i analizira trendove s ciljem prilagodbe potrebama kupaca
• brzo prilagođava planove i alocira resurse zbog rasta profita
• dobije uvid u ključne pokazatelje u cijeloj tvrtci: prodaja, radna snaga, zalihe
• smanji troškove usporedbom i sustavnim vrednovanjem među prodavonicama,
kanalima, regijama i divizijama
• optimizira zalihe, smanji "Out of stock".

Menadžeri i ostali korisnici Cognosa mogu doći do sljedećih bitnih informacija za

poslovanje:
1. O dobavljačima - s kojima radimo, čiji artikli su najprodavaniji, koji promet donose
itd. Na temelju tih informacija se odlučuje kojikm dobavljačima pokloniti posebnu
pozornost, od kojih dobavljača tražiti veći rabat ili niže nabavne cijene, kojim
dobavljačima dati veći udio na polici i slično.
2. O kupcima - što se tiče veleprodajnih kupca menadžera zanima koji kupci donose
najveći promet, što najčešće kupuju, koji rabat im je dan, koliko su dužni, kretanje
prometa po danima, mjesecima, godinama, kretanje troškova dostave robe itd. Na
temelju tih informacija odlučuje se o bonitetu kupaca i u sklopu toga visini rabata,
da li će mu se ponuditi još robe, ili će se u najgorem slučaju prekinuti suradnja.

75
 Podaci o maloprodajnim kupcima se skupljaju pomoći kartica vjernosti , a
pohranjuje ih marketing.
3. O proizvodima – svi proizvodi su kategorizirane u robne grupe. Iz njih možemo
iščitati koji su proizvodi najprodavaniji, kakve su reakcije kupaca na akcije, koje
robne grupe imaju najveću prodaju, kolika je marža itd. Na temelju tih informacija
donose se sljedeće odluke: smanjiti ili povećati cijenu proizvoda, ulistati nove
artikle, izbaciti postojeće artikle, kojim artiklima dati veći udio na policama itd.
4. Kretanje zaliha, koeficijenti obrtaja, cijene, marže te ostale informacije bitne za
poslovanje
5. i ostale informacije.

7.2.3. PRIJEDLOZI UNAPREĐENJA SUSTAVA POSLOVNE

INTELIGENCIJE U KONZUMU

Implementacija Cognosa je značajno unaprijedila poslovanje Konzuma. Olakšan pristup

informacijama, mogućnost ad hoc izrade izvještaja, jednoznačnost i veća kvaliteta
samih podataka omogućuju menadžerima razvoj poslovanja u željenom smjeru. Sustav
poslovne inteligencije se, dakako, može i unaprijediti.

Neka od mogućih rješenja mogu biti:

• Mobilna poslovna inteligencija
• Automatsko obavještavanje o bitnim promjenama
• Forecast (prognoza)
• What if analysis (analiza što ako)

7.2.3.1. MOBILNA POSLOVNA INTELIGENCIJA

Mobilna poslovna inteligencija tj. poslovna inteligencija koja omogućuje pristup

informacijama putem mobilnih uređaja bi bio jedan korak koji bi unaprijedio poslovanje
i još više ubrzao proces donošenja odluka, ukoliko donositelji odluka veliki dio svog
radnog vremena provode izvan ureda.

76
Danas je nemoguće zamisliti poslovanje bez mobilnih telefona. Menadžer praktično ne
može obavljati svakodnevni posao bez mobitela. Osim za osnovno komuniciranje,
mobiteli iz dana u dan nude sve više mogućnosti. Razvijena tehnologija omogućuje
pristup raznima poslovnim aplikacijama izvan ureda, pomoću mobitela. Tako će kritične
poslovne informacije biti na raspolaganju kadgod i gdjegod se korisnik nalazi,
omogućujući još učinkovitije donošenje odluka te poslovanje tvrtke koje će biti još
prilagodljivije uvjetima na tržištu. Menadžeri mogu donositi odluke temeljene na
informacija bez obzira na to gdje se nalazi. Konzum ima preko 600 prodavaonica i 14
veleprodajnih objekata a njih treba redovno nadgledati, obilaziti, rješavati probleme.
Menadžeri kojima je to posao, softver poslovne inteligencije inkorporiran na mobitele
će ubrzati odlučivanje i olakšati posao. Jednom, kad se u tvrtku uvede mogućnost
mobilne inteligencije, korisnici će moći samostalno istraživati, analizirati i
razmijenjivati informacije ubrzanim ritmom.

7.2.3.2. AUTOMATSKO OBAVJEŠTAVANJE O BITNIM PROMJENAMA

Menadžerima bi od koristi mogla biti i mogućnost praćenja bitnih događaja kojima se

treba posvetiti posebna pažnja, te upozoravanja o promjenama na kritičnim točkama
poslovanja. Upravljanje poslovnim događajima (eng. Business event menadžmet-
BEM) automatski detektira događaje i moguće probleme stalno prateći podatke. Nakon
što se definiraju parametri poslovanja i njihove kritične razine ( npr. dnevne zalihe
određenog artikla ne smiju biti ispod i/ili iznad određene razine), menadžeru bi se,
ukoliko se dosegne kritična razina, pojavila obavjesna ikona (eng. pop up window) koja
ga upozorava da se dosegla kritična razina, te da je potrebna reakcija s njegove strane.
Uzmimo opet primjer koeficijenta obrtaja kao značajnog parametra poslovanja. Nakon
što menadžment odredi koliki je optimalan koeficijent obrtaja za artikl, tj. ispod koje
razine ne bi smio nikako pasti, kada se dosegne problematična točka, menadžer će
odmah dobiti informaciju da je koeficijent obrtaja pao ispod poželjne točke, što mu je
indikator da je potrebno reagirati povećanje prodaje ili smanjenjem zaliha.

77
7.2.3.3. FORECAST

Forecast tj. prognoziranje budućih događaja s određenom preciznošću (naravno da

takvo nešto nikada ne može biti potpuno točno, nego će uvijek imati veća ili manja
odstupanja) menadžeri bi mogli koristiti u cilju sprečavanja poslovnih problema ili
smanjivanja negativnih posljedica na poslovanje. Prognoza se zasniva na statističkim
analizama povijesnih podataka, pa pomoću toga može i predvidjeti kretanje određenih
parametara poslovanja. Mogućnost prognoziranja budućih događanja na temelju
podataka iz prošlosti koja bi bila implementirana u sam sustav poslovne inteligencije
menadžerima bi nudila još raniji uvid u potencijalne probleme, te bi on samim time
mogao bolje i brže reagirati.

7.2.3.4. WHAT IF ANALISYS

"Što ako analiza je postupak promjene određenih vrijednosti da bi se vidjelo kako te

promjene mogu utjecati na rezultat."63 Što ako analize omogućavaju razradu većeg
broja poslovnih scenarija. One se koriste da bi se vidjelo kako će na budućnost utjecati
različiti čimbenici. Pri takvoj analizi može se pomoću promjena određenih varijabli
odlučiti za bolju alternativu. Menadžer će donijet bolju i kvalitetniju odluku ako ima
uvid u činjenicu kako i u kojoj mjeri promjena određenih vrijednosti utječe na promjenu
rezultata.

Konzum je tvrtka koja ipak ima dosta kvalitetan sustav poslovne inteligencije, te
odgovorne službe u Konzumu konstantno rade na unapređenju poslovne inteligencije i
sustava za potporu odlučivanju. Smatram da bi povećani broj zaposlenih u tom sektoru
mogao rezultirati još većim poboljšanjem kako sustava poslovne inteligencije tako i
cjelokupnog informatičkog sustava. Vjerojatno bi onda implementacija prethodno
navedenih prijedloga, a možda i nekih drugih, bila puno brže odrađena.

63
http://office.microsoft.com/en-us/excel/HA102431641033.aspx (03.03.2009.)

78
7.2.4. PROBLEMATIKA LJUDSKOG FAKTOR PRI KORIŠTENJU
SUSTAVA ZA POTPORU ODLUČIVANJU U KONZUMU

Ljudski resursi su ključan faktor poslovanja u svim njegovim dijelovima, pa tako i kod
odlučivanja. Znanje i vještine zaposlenika predstavljaju značajnu konkurentsku prednost
u modernim, "učećim" organizacijama.

Sustav za potporu odlučivanju je sustav koji obrađuje i čuva podatke da bi korisnik

mogao što brže i jednostavnije pristupiti podacima i donijeti odluku. Iz same definicije
sustava za potporu odlučivanju je vidljivo da korisnik ima ključnu ulogu. Oni i nastaju
zato da bi menadžeri i ostali donositelji odluka brže i efikasnije donosili odluke, te tako
poboljšali poslovanje tvrtki. Da bi sustavi za potporu odlučivanju uopće mogli odigrati
svoju ulogu, ljudski faktor je presudan. Ukoliko menadžeri i ostali korisnici ne znaju ili
ne žele koristiti sustave za potporu odlučivanju, on sam ne bi imao nekog smisla.

Vrlo mali broj menadžera koristi sustave za potporu odlučivanju, iako je u uvjetima
nesigurnosti nužna "suradnja" menadžera i takvih sustava. Znanje temeljeno na iskustvu
također ima vrlo veliku vrijednost, i ukoliko menadžeri iskoriste takvo tzv. iskustveno
znanje, zajedno s informacijama dobivenim iz sustava poslovne inteligencije stvoriti će
sebi, a i tvrtci jednu dodanu vrijednost koja će pozitivno utjecati na konkurentnost tvrtke
i ostale ekonomske pokazatelje. U Hrvatskoj se veliki broj menedžera i dalje najčešće
koriste intuicijom i/ili iskustvom. U principu, sustave za potporu odlučivanju koristi
manji broj zaposlenika.

Nažalost, veliki broj zaposlenika još nije svjesno nužnosti i bitnosti sustava za potporu
odlučivanju. Edukacija o važnosti sustava poslovne inteligencije treba krenuti od
strateškog menadžmenta. Neki zaposlenici još uvijek smatraju da su odluke donesene na
iskustvu najbolje. Iskustvo je jako bitan faktor pri donošenju odluke, a ako menadžer uz
to svoje iskustvo iskoristi i Cognos, odluka će biti daleko kvalitetnija. Znanje u
tvrtkama se razvija upravo na način da se novodobivene informacije "usklađuju" s
iskustvom menadžera.

79
Konstantna i kvalitetna edukacija je nužna ukoliko se želi postići redovno korištenje
sustava za potporu odlučivanju, pa tako i Cognosa. Nedovoljna i nedostatna edukacija
može rezultirati time da korisnici samo "lutaju" izvještajima i podacima, da im treba
jako dugo vremena da se izradi izvještaj, umjesto suprotno itd. Jednodnevne i slične
kratkotrajne edukacije u biti nisu svrsishodne jer samo dotaknu površinu, te zaposlenici
najvjerojatnije nakon takve edukacije neće biti motivirani za rad na Cognosu. Bilo bi
dobro kada bi edukacije bile organizirane za sve donositelje odluke. Znači odmah nakon
implementacije za svih, a kasnije za one koji eventualno još nisu odslušali predavanja i
novozaposlene, te za ostale koji smatraju da mogu još produbiti svoje znanje.

Konzum redovno održava edukacije kojima je svrha obučiti prisutne načinu rada na
softveru Cognos, a cilj naučiti izrađivati izvještaje i radini analize potrebne za
svakodnevno poslovanje, ali i donošenje strateških odluka. Takve edukacije su
hvalevrijedne, ali nisu dovoljne ukoliko sam zaposlenik nije u dovoljnoj mjeri
zainteresiran za rad na takvim sustavima. Takvi zaposlenici nakon takvih formalnih
edukacija ne rade samostalno na sustavu Cognos, izbjegavaju izradu izvještaja i analiza,
te se dodatno ne educiraju. U Konzumu za sada ne postoje mjere i metode, osim
formalnih edukacija, kojima bi se menadžeri i ostali korisnici sustava animirali za još
bolji i kvalitetniji rad na Cognosu. Vrlo je važno sa korisnici takvih sustava ulože svoj
trud i vrijeme, te da uz formalnu edukaciju, i samostalno uče za rad na sustavu Cognos.

Menadžeri i ostali donositelji odluka, budući i postojeći korisnici sustava će nevoljko ili
nikako koristiti taj sustav ako je kompliciran, zahtjevan i nezanimljiv. To upućuje da i
prije početka izgradnje sustava za potporu odlučivanju korisnik ima vrlo bitnu ulogu.
Znači, uloga korisnika je ključna i prije izgradnje jednog takvog sustava. Prije same
izgradnje sustava prvo se korisnik mora identificirati, također ga je potrebno
kontaktirati i intervjuirati sa ciljem da se izgradi što bolji i kvalitetniji sustav.

Sustavi za potporu odlučivanju mogu poboljšati rad menadžera zahvaljujući bržem

odlučivanju temeljenom na kvalitetnim informacijama. Osim toga, takvi sustavi utječu i
na smanjenje troškova zbog manje potrebe za radnom snagom. Više nije potreban veliki
broj zaposlenika koji bi prikupljali podatke, zatim ih pretipkavali u Excel ili Access

80
tablice. Prije implementacije Cognosa u Konzum izrada izvještaja je trajala vrlo dugo
jer se izvještavanje baziralo na izlistima iz transakcije baze podataka. Zaposlenici su bili
aktivirani na procesima pretipkavanja i izrade izvještaja pomoću programa Microsoft
Access i Microsoft Excel. Upravo to navelo je menadžere u Konzumu na
implementaciju nekog sustava potpore odlučivanju koji bi poboljšao i ubrzao proces
odlučivanja, a samim time i upravljanje tvrtkom.

Korisnici Cognosa u Konzumu mogu biti:

1. Rukovoditelji i izvršni direktori koji žele isključivo sumirane, sažete podatke. Takve
informacije pokazuju da li se ostvario strateški cilj tvrtke.
2. Poslovni menadžeri su zainteresirani i za općenite informacije, ali i za detalje.
Cognos daje menadžerima mogućnost da npr. mogu dobiti sumirane podatke , te na
temelju informacija iz takvih izvještaja pomoću određenih funkcija (drill down)
analizirati problematična područja poslovanja.
3. Analitičari moraju puno detaljnije izrađivati izvještaje te razumjeti povezanost među
podacima. Oni moraju imati mogućnost izrade i jednostavnih i najsloženijih
izvještaja brzo.
4. Povremeni korisnici se služe Cognosom samo i isključivo za određene informacije.

Korisnici i informatička podrška sustavima za potporu odlučivanju bi trebali konstantno

surađivati. Obostrana komunikacija može samo unaprijediti rad na tim sustavima, kako
korisnicima tako i informatičarima. Informatika, na temelju informacija od korisnika
može još više prilagoditi Cognos krajnjim korisnicima, a krajnji korisnici će lakše i
jednostavnije raditi ako se imaju kome obratiti u slučaju problema.

81
7.2.5. INTEGRACIJA POJEDINIH ČIMBENIKA SUSTAVA POSLOVNE
INTELIGENCIJE

Vrlo često se spominje o uskoj povezanosti pojedinih čimbenika koji se pojavljuju kada
se govori o konceptu poslovne inteligencije. Čimbenici poput ljudskog faktora, skladišta
i baza podataka, sustava za potporu odlučivanju (eng. decision support system- dss) i
aplikativnih matematičkih metode su usko povezani. Bez interakcije neki od gore
navedenih čimbenika praktično ne bi ni mogli samostalno funkcionirati, a drugim
faktorima performanse mogu biti drastično poboljšane.

Slika 23 . Integracija pojedinih čimbenika sustava poslovne inteligencije

Izvor: izradio autor

Temelj upravljanja tvrtkom je odlučivanje, a upravo za to su zaduženi menadžeri,

donositelji odluka. Najviša razina menadžmenta donosi strateške odluke, na kojima se
poslije temelje sve ostale odluke. Osim strateške razine, odluke se moraju donositi i na
taktičkoj i na operativnoj razini. Za uspješno ostvarenje misije i cilja tvrtke koje su
određene strateškim odlukama odgovorni su zaposlenici na svim razinama poslovanja.
Dovoljna je samo jedna kriva odluka koja bi tvrtci stvorila gubitak, smanjila profit ili
stvorila oportunitetni trošak. Naravno da će na tvrtku najviše utjecaja imati odluke
donesene na najvišim razinama odlučivanja.

82
Ukoliko donositelj odluka posjeduje dovoljno pravovaljanih, točnih i nadasve
pravodobnih informacija, donesena odluka će biti bolja i prilagođenija problemu i
tržištu na kojem posluje. Poslovanje u današnje vrijeme je izrazito nesigurno, a
promjene na tržištu se dešavaju vrlo brzo. Samim time, odluke se moraju donositi vrlo
brzo, što znači da menadžer mora imati jednostavan i lak pristup informacija. Sustavi za
potporu odlučivanju, poput Cognosa upravo to omogućuju menadžerima i ostalim
donositeljima odluke. Povezanost dvaju čimbenika: ljudskog faktora i sustava za
potporu odlučivanju omogućiti će brzu reakciju na promjene na tržištu, zahvaljujući
informacijama koje taj sustav isporučuje donositelju odluka kada je to potrebno i u
željenom formatu. Menadžment Konzuma koristeći Cognos može na vrijeme uvidjeti
promjene, predvidjeti problem te donijeti kvalitetnu odluku koja će tvrtci omogućiti
opstanak na tržištu.

Sustavi za potporu odlučivanje donositelju odluke nude potrebne informacije u

željenom obliku da bi se odluke mogle donositi u realnom vremenu. Kompleksni uvjeti
poslovanja generiraju svakim danom sve veći broj poslovnih događaja, a oni rezultiraju
ogromnim brojem podataka. Iz tih podataka poslovodstvo tvrtke dolazi do informacija
potrebnih za uspješno vođenje organizacije. Ti podaci se najčešće spremaju u operativne
baze podataka koje nije moguće pretraživati u realnom vremenu, a izvješća često ne
odgovaraju potrebama menadžera. Upravo zato se razvijaju skladišta podataka.
Skladištenje podataka je kontinuirani proces prikupljanja podataka te korištenje istih s
ciljem dobivanja informacija potrebnih poslovodstvu tvrtki. U skladištima podataka se,
znači, spremaju podaci i informacije koji će se koristiti za izradu ad hoc izvještaja
potrebnih rukovodstvu. Sustavi za potporu odlučivanju korisniku dostavljaju podatke i
informacije koji su spremljeni u skladištima podatka, što ukazuje na usku povezanost ta
dva čimbenika. Donosioci odluka u Konzumu upravo preko korisničkog sučelja sustava
Cognos pristupaju velikom broju podataka spremljenim u skladište podataka.

Podatke i informacije dobivene i skladišta podataka mogu se analizirati pomoću

aplikativnih matematičkih modela, a neki od njih mogu "what if" analize i
prognoziranje (forecast). What if ili što ako analiza može biti od velike koristi pri

83
odlučivanju jer donositelj odluke može mijenjanjem određenih varijabli virtualno doći
do mogućeg rezultata. Na taj način može se smanjiti mogućnost donošenja krivih
odluka. Najpoznatija "što kao" analiza sada je ona iz Excel programa. Prognoziranje,
na temelju podataka iz prošlosti, pronalazeći zakonitosti i odnose među podacima, može
predvidjeti buduća kretanja poslovanja tvrtke, te tako upozoriti na moguće probleme ili
potencijale organizacije. Aplikativne matematičke metode poput analize "what if" i
prognoziranja nisu ugrađene u sustav Cognosa, te menadžeri u Konzumu ne mogu
koristeći Cognosa izrađivati takve analize. Postoji mogućnost izrade takvih izvještaja
koristeći program Excel, ali postavlja se pitanje koliko se menadžera tim funkcijama u
zna koristiti.

Donositelji odluka, menadžeri, da bi mogli napraviti što ako analizu moraju imati i
određeno znanje. Do informacija za takve analize dolaze iz skladišta podataka putem
interaktivnih kocki.

7.2.6. PRIMJER PRIMJENE SUSTAVA POSLOVNE INTELIGENCIJE

– IZVJEŠTAJI I ANALIZE

Sustavi poslovne inteligencije i potpore odlučivanje, između ostalog omogućuju da se

iz mora podataka dođe do informacije koja nam treba. U nastavku će biti prikazan
primjer kako pomoću takvog sustava ( npr. Cognos) detektirati potencijalni problem/
priliku i doći do potrebne informacije. Svi podaci su fiktivni.

Tablica 4. Izvještaj o prodaji- skupni podaci.

Početna Kocka
Prodaja – količina 2007 2008 Index

MALOPRODAJA 405.642.128,37 481.273.760,16 118,64

Izvor: izradio autor

84
Tablica 4. je primjer jednog izvještaja sa skupnim podacima. Ovaj može biti
interesantan menadžerima strateških razina. Mjera je količina, a dimenzijom vrijeme je
omogućena usporedba po godinama. Ta usporedba upućuje menadžera na moguće
probleme i prilike. Porast prodaje u maloprodajnoj mreži od skoro dvadeset posto može
značiti (ali, i ne mora) da maloprodajna mreža ima još potencijala. Potrebne su analize
maloprodajnog lanca.

Akcija drill down će omogućiti razvoj tablice 4. u smjeru prikazanom na tablici 5. Tom
akcijom se dolazi do nižih razina podataka ne bi li se došlo do novih informacija.

Tablica 5. Prodaja po regijama

Prodaja - količina 2007 2008 Index
REGIJA ZAPAD 125.749.059.79 154.007.603.25 122.5
REGIJA ISTOK 85.184.846.96 91.442.014.43 107.4
REGIJA JUG 121.692.638.51 139.569.390.45 114.7
REGIJA SJEVER 73.015.583.11 96.254.752.03 131.8
MALOPRODAJA 405.642.128.37 481.273.760.16 118.6

Izvor: izradio autor

Tablica 5. "Prodaja po regijama" otkriva koliko je koja regija imala prodaju u 2007 i
2008 godini i koliki je rast tj. pad imala. Sve regije su imale rast s time da je najveći rast
imala Regija Sjever, a najmanji Regija Istok. Regija Zapad je ostvarila rast od 22,47%.
Zašto je neka regija imala veći rast, a druga manji može se otkriti različitim alatima koje
nudi sustavi poslovne inteligencije.

Menadžera Regije Zapad će zanimati kako može još više povećati promet ili kako
zadržati sadašnju poziciju pa će iz postojeće tablice podatke dalje detaljizirati i dobiti
prodaju po prodajnim mjestima i usporedbu po razdobljima.

Tablicu 5. ćemo još jednom detaljizirati ne bi li dobili prodaju po prodajnim mjestima.

Tom radnjom će se vidjeti kolika je prodaja ostvarena po pojedinom prodajnom objektu
za dva razdoblja, a usporedbom ta dva razdoblja otkriti će se rast ili pad prometa po

85
objektu. Ti podaci su ustvari korisne informacije koje govore kojim prodajnim mjestima
treba posvetiti posebnu pažnju te u kojem smjeru nastaviti istraživanje.

Tablica 6. Prodaja po prodajnim mjestima

Prodaja - količina 2007 2008 Index

PROD. BR. 01 8.807.896,31 10.748.696,02 122
PROD. BR. 02 4.026.466,89 3.732.186,12 92,69
PROD. BR. 03 8.203.926,28 11.733.541,40 143
PROD. BR. 04 3.957.261,99 4.695.090,14 118,6
PROD. BR. 05 15.099.250,82 12.524.074,58 82,95
PROD. BR. 06 8.207.701,09 9.738.020,02 118,6
PROD. BR. 07 5.853.476,24 7.986.579,72 136,4
PROD. BR. 08 9.130.013,67 12.351.618,04 135,3
PROD. BR. 09 7.864.193,14 10.226.189,97 130
PROD. BR. 10 3.233.504,56 3.836.388,76 118,6
PROD. BR. 11 8.399.964,89 13.921.054,22 165,7
PROD. BR. 12 2.975.810,68 3.975.987,09 133,6
PROD. BR. 13 9.537.693,44 9.330.465,30 97,83
PROD. BR. 14 4.504.609,83 6.344.716,40 140,9
PROD. BR. 15 3.774.812,71 3.553.041,19 94,12
PROD. BR. 16 6.603.405,69 6.314.858,91 95,63
PROD. BR. 17 3.225.954,94 5.777.198,23 179,1
PROD. BR. 18 2.768.195,98 3.821.758,59 138,1
PROD. BR. 19 364.567,72 657.560,97 180,4
PROD. BR. 20 1.580.388,25 1.819.317,39 115,1
PROD. BR. 21 3.223.690,05 2.973.603,77 92,24
PROD. BR. 22 2.956.936,62 3.955.891,41 133,8
PROD. BR. 23 1.449.337,99 3.989.765,03 275,3
REGIJA ZAPAD 125.749.059,79 154.007.603,25 122,5
Izvor: izradio autor

Analizom po prodajnim mjestima dobile su se informacije o tome koje prodavaonice

imaju rast prodaje tj. koje imaju pad. Ovi podaci su pokazatelj postojećih ili mogućih
problema, te se na temelju te tablice donose odluke o koracima koje će se poduzeti da se
poveća prodaja po kritičnim prodajnim mjestima. Iz ovog primjera je vidljiva nužnost
"suradnje" zaposlenika i sustava. Naime, neke prodavaonice mogu imati pad prodaje iz
razloga koje nisu vezane uz poslovnu politiku (vremenske nepogode, radovi na cesti
itd.). Znanje menadžera zajedno s informacije dobivenih iz ovih izvještaja otvara
mogućnost anticipiranja problema te otkrivanja novih znanja.

86
U ovakav izvještaj se mogu ugraditi i druge informacije koje su potrebne za donošenje
odluka ukoliko nam podaci iz ovog izvještaja nisu dovoljni npr. prodaja po mjesecima,
artiklima, zalihe itd.

Navedeni primjeri su samo neki izvještaji koji se mogu dobiti iz Cognos kocki.
Prikazane su i agregirane informacije koje mogu biti dovoljne za za donošenje
određenih odluka, zatim za detekciju postojećih ili potencijalnih problema. Pad prometa
u prodajnim mjestima dakako nije poželjan u trgovačkoj branši te sama ta činjenica
upućuje na određene korake koji bi se morali napraviti. Skalabilnost Cognos kocki
omogućuje da se skupni podaci "razbiju na sitnije dijelove" te da analitičar dublje uđe u
tekuću problematiku. Prethodno navedeni izvještaji su to prikazali na jednostavnom
primjeru prodajnih mjesta.

U nastavku je prilog "Pekarstvo- prodaja" na četiri stranice. Tablica 7. pod nazivom

"Pekarstvo- prodaja" je primjer jednog izvještaja sa podacima o prodaji pojedinačnih
pekarskih proizvoda. Da bi se dobili podaci navedeni u tablici korištene su razne
funkcije cognos kocke poput "drill down", promjene mjera, promjene dimenzija,
filtriranje podataka... Izvještaj će služiti menadžerima da dobije informacije potrebne za
donošenje odluka o kategoriji pekarstvo, a sa ciljem porasta prodaje i konačnici većeg
profita. Što učiniti s kategorijom, potkategorijama i pojedinačnim artiklima? Koji artikli
imaju pad prodaje i zašto? Poslovne promjene, kritični artikli, udjeli u kategoriji,
maloprodajna vrijednost; sve su to informacije koje će donosioca odluke uputiti na
daljnje korake. Ovakav izvještaj daje menadžerima najnovije informacije o tekućem
poslovanju tvrtke vezano uz kategoriji pekarstvu, te na temelju njih i svog znanja i
iskustva, on će donijeti odluke koji bi se trebali pozitivno odraziti na poslovanje tvrtke.

87
Tablica 7. Pekarstvo -prodaja
2007 2008
Pekarstvo-prodaja Količina MPV Količina MPV
Kruh Kruh bijeli 01001 KRUH SPECIJAL BIJELI 2499 17468,01 2329 17093,70
Kruh Kruh bijeli 01002 KRUH SENDVIĆ BIJELI 4256 25493,44 4785 30095,26
Kruh Kruh bijeli 01003 KRUH BIJELI U KALUPU 3121 20567,39 3434 23759,44
Kruh Kruh bijeli 01004 KRUH ZAGREBAČKI MALI 1222 6708,78 1235 7119,16
Kruh Kruh bijeli 01005 KRUH ZAGREBAČKI 2195 14465,05 2223 15382,05
Kruh Kruh bijeli Kruh bijeli 13293 84702,67 14005,69299 93706,13
Kruh Kruh francuz 01010 KRUH FRANCUZ 1099 3945,41 987 3719,30
Kruh Kruh francuz Kruh francuz 1099 3945,41 986,6822 3719,30
Kruh Kruh rezani 01020 KRUH DOMAĆI REZANI 259 2069,41 235 1971,53
Kruh Kruh rezani 01021 KRUH SELJACKI REZANI 188 1539,72 176 1513,51
Kruh Kruh rezani Kruh rezani 447 3609,13 411 3484,38
Kruh Kruh specijalni 01030 KRUH KUKURUZNI 2658 19111,02 2525 19062,49
Kruh Kruh specijalni 01031 KRUH RAŽENI 1993 15126,87 1788 14249,47
Kruh Kruh specijalni 01032 KRUH KUKURUZNI DOMAĆI 2599 18686,81 2323 17537,49
Kruh Kruh specijalni 01033 KRUH KORN U KALUPU 123 896,67 128 979,78
Kruh Kruh specijalni 01034 KRUH RAŽENI VELIKI 1562 14042,38 1256 11856,01
Kruh Kruh specijalni Kruh specijalni 8935 67863,75 8020 63959,78
Kruh KRUH KRUH 23774 160120,96 23423,37519 165647,43
Pecivo Pecivo obično 01040 KAJZERICA 3850 8431,5 3525 8105,74
Pecivo Pecivo obično 01041 KRUH KORN BAGUETTES 125 398,75 135 452,18
Pecivo Pecivo obično 01042 KAJZERICA MIX 3895 11646,05 3825 12008,59
Pecivo Pecivo obično 01043 PLETENICA SA SEZAMOM 2533 10106,67 2235 9363,53
Pecivo Pecivo obično 01044 BIO-PRUTICI 1823 7820,67 1528 6882,88
Pecivo Pecivo obično 01045 KAJZERICA S MAKOM 1255 2873,95 1022 2457,40
Pecivo Pecivo obično 01046 KAJZERICA SA SUNCOKRETOM 2658 6086,82 2302 5535,16
Pecivo Pecivo obično 01048 KAJZERICA SA SEZAMOM 992 2271,68 899 2161,65
Pecivo Pecivo obično 01049 PLETENICA VELIKA 1025 3372,25 928 3205,78
Pecivo Pecivo obično 01050 ŽEMLJA 2568 6651,12 2952 8027,96
Pecivo Pecivo obično Pecivo obično 20724 59659,46 19886 60350,24
Pecivo Pecivo slano 01060 MINNI PIZZA 2123 14839,77 2352 17262,50
Pecivo Pecivo slano 01061 SLANI PRUTICI 125 273,75 158 363,32
Pecivo Pecivo slano 01062 BUREK 429 4285,71 501 5255,24
Pecivo Pecivo slano Pecivo slano 2677 19399,23 3011 22910,58
Pecivo Pecivo slatko 01070 KRAFNA 2596 8281,24 2589 8671,86
Pecivo Pecivo slatko 01071 KRAFNA ČOKOLADA 3025 9952,25 3132 10819,49
Pecivo Pecivo slatko 01072 KROASAN 2059 6568,21 2063 6910,02
Pecivo Pecivo slatko 01073 KROASAN VANILIJA 1985 6530,65 2004 6922,82
Pecivo Pecivo slatko 01074 ŠTRUDLA JABUKA 1089 5434,11 1108 5805,37
Pecivo Pecivo slatko 01075 KRAFNA PEKMEZ 1022 3362,38 1041 3596,13
Pecivo Pecivo slatko 01076 PUŽ ORAH 82 327,18 101 423,14
Pecivo Pecivo slatko 01077 KROASAN PEKMEZ 385 1266,65 203 701,26
Pecivo Pecivo slatko 01078 BIO KROASAN 79 315,21 67 280,70
Pecivo Pecivo slatko 01079 ŠTRUDLA VIŠNJA 2034 10149,66 2158 11306,84
Pecivo Pecivo slatko 01080 KRAFNA VANILIJA 1059 3484,11 1047 3616,86
Pecivo Pecivo slatko 01082 KROASAN ČOKOLADA 1657 5451,53 1725 5959,01
Pecivo Pecivo slatko 01083 ŠTRUDLA SIR 1589 7929,11 1668 8739,49
Pecivo Pecivo slatko Pecivo slatko 18661 69052,29 19041 74020,18
Pecivo PECIVA PECIVA 42062 148110,98 41938 154976,52
Pekarstvo 65836 308231,94 65361,37519 320623,9508

88
 Promjena INDEX 08/07
Pekarstvo-prodaja Količina MPV
Kruh Kruh bijeli 01001 KRUH SPECIJAL BIJELI -170,00 -374,31 93,20 97,86
Kruh Kruh bijeli 01002 KRUH SENDVIĆ BIJELI 529,00 4601,82 112,43 118,05
Kruh Kruh bijeli 01003 KRUH BIJELI U KALUPU 312,69 3192,05 110,02 115,52
Kruh Kruh bijeli 01004 KRUH ZAGREBAČKI MALI 13,00 410,38 101,06 106,12
Kruh Kruh bijeli 01005 KRUH ZAGREBAČKI 28,00 917,00 101,28 106,34
Kruh Kruh bijeli Kruh bijeli 712,69 8746,93 105,36 110,63
Kruh Kruh francuz 01010 KRUH FRANCUZ -112,32 -226,11 89,78 94,27
Kruh Kruh francuz Kruh francuz -112,32 -226,11 89,78 94,27
Kruh Kruh rezani 01020 KRUH DOMAĆI REZANI -24,00 -97,88 90,73 95,27
Kruh Kruh rezani 01021 KRUH SELJACKI REZANI -12,00 -26,21 93,62 98,30
Kruh Kruh rezani Kruh rezani -36,00 -124,09 91,95 96,54
Kruh Kruh specijalni 01030 KRUH KUKURUZNI -133,00 -48,53 95,00 99,75
Kruh Kruh specijalni 01031 KRUH RAŽENI -205,00 -877,40 89,71 94,20
Kruh Kruh specijalni 01032 KRUH KUKURUZNI DOMAĆI -276,00 -1149,32 89,38 93,85
Kruh Kruh specijalni 01033 KRUH KORN U KALUPU 5,00 83,11 104,07 109,27
Kruh Kruh specijalni 01034 KRUH RAŽENI VELIKI -306,00 -2186,37 80,41 84,43
Kruh Kruh specijalni Kruh specijalni -915,00 -4178,52 89,76 94,25
Kruh KRUH KRUH -350,62 4218,21 98,53 103,45
Pecivo Pecivo obično 01040 KAJZERICA -325,00 -325,76 91,56 96,14
Pecivo Pecivo obično 01041 KRUH KORN BAGUETTES 10,00 53,43 108,00 113,40
Pecivo Pecivo obično 01042 KAJZERICA MIX -70,00 362,54 98,20 103,11
Pecivo Pecivo obično 01043 PLETENICA SA SEZAMOM -298,00 -743,14 88,24 92,65
Pecivo Pecivo obično 01044 BIO-PRUTICI -295,00 -937,79 83,82 88,01
Pecivo Pecivo obično 01045 KAJZERICA S MAKOM -233,00 -416,55 81,43 85,51
Pecivo Pecivo obično 01046 KAJZERICA SA SUNCOKRETOM -356,00 -551,66 86,61 90,94
Pecivo Pecivo obično 01048 KAJZERICA SA SEZAMOM -93,00 -110,03 90,63 95,16
Pecivo Pecivo obično 01049 PLETENICA VELIKA -97,00 -166,47 90,54 95,06
Pecivo Pecivo obično 01050 ŽEMLJA 384,00 1376,84 114,95 120,70
Pecivo Pecivo obično Pecivo obično -1436,00 -1577,86 93,27 97,93
Pecivo Pecivo slano 01060 MINNI PIZZA 229,00 2422,73 110,79 116,33
Pecivo Pecivo slano 01061 SLANI PRUTICI 33,00 89,57 126,40 132,72
Pecivo Pecivo slano 01062 BUREK 72,00 969,53 116,78 122,62
Pecivo Pecivo slano Pecivo slano 334,00 3481,83 112,48 118,10
Pecivo Pecivo slatko 01070 KRAFNA -7,00 390,62 99,73 104,72
Pecivo Pecivo slatko 01071 KRAFNA ČOKOLADA 107,00 867,24 103,54 108,71
Pecivo Pecivo slatko 01072 KROASAN 4,00 341,81 100,19 105,20
Pecivo Pecivo slatko 01073 KROASAN VANILIJA 19,00 392,17 100,96 106,01
Pecivo Pecivo slatko 01074 ŠTRUDLA JABUKA 19,00 371,26 101,74 106,83
Pecivo Pecivo slatko 01075 KRAFNA PEKMEZ 19,00 233,75 101,86 106,95
Pecivo Pecivo slatko 01076 PUŽ ORAH 19,00 95,96 123,17 129,33
Pecivo Pecivo slatko 01077 KROASAN PEKMEZ -182,00 -565,39 52,73 55,36
Pecivo Pecivo slatko 01078 BIO KROASAN -12,00 -34,51 84,81 89,05
Pecivo Pecivo slatko 01079 ŠTRUDLA VIŠNJA 124,00 1157,18 106,10 111,40
Pecivo Pecivo slatko 01080 KRAFNA VANILIJA -12,00 132,75 98,87 103,81
Pecivo Pecivo slatko 01082 KROASAN ČOKOLADA 68,00 507,48 104,10 109,31
Pecivo Pecivo slatko 01083 ŠTRUDLA SIR 79,00 810,38 104,97 110,22
Pecivo Pecivo slatko Pecivo slatko 254,00 4763,54 101,35 106,42
Pecivo PECIVA PECIVA -848,00 6667,51 98,02 102,92
Pekarstvo -1152,62 11558,84 304,46 103,35

89
 rast/pad Udio u kategoriji 2007
Pekarstvo-prodaja Količina MPV Količina MPV
Kruh Kruh bijeli 01001 KRUH SPECIJAL BIJELI -6,80% -2,14% 3,72% 5,54%
Kruh Kruh bijeli 01002 KRUH SENDVIĆ BIJELI 12,43% 18,05% 6,34% 8,08%
Kruh Kruh bijeli 01003 KRUH BIJELI U KALUPU 10,02% 15,52% 4,65% 6,52%
Kruh Kruh bijeli 01004 KRUH ZAGREBAČKI MALI 1,06% 6,12% 1,82% 2,13%
Kruh Kruh bijeli 01005 KRUH ZAGREBAČKI 1,28% 6,34% 3,27% 4,59%
Kruh Kruh bijeli Kruh bijeli 5,36% 10,33% 19,80% 26,85%
Kruh Kruh francuz 01010 KRUH FRANCUZ -10,22% -5,73% 1,64% 1,25%
Kruh Kruh francuz Kruh francuz -10,22% -5,73% 1,64% 1,25%
Kruh Kruh rezani 01020 KRUH DOMAĆI REZANI -9,27% -4,73% 0,39% 0,66%
Kruh Kruh rezani 01021 KRUH SELJACKI REZANI -6,38% -1,70% 0,28% 0,49%
Kruh Kruh rezani Kruh rezani -8,05% -3,44% 0,67% 1,14%
Kruh Kruh specijalni 01030 KRUH KUKURUZNI -5,00% -0,25% 3,96% 6,06%
Kruh Kruh specijalni 01031 KRUH RAŽENI -10,29% -5,80% 2,97% 4,80%
Kruh Kruh specijalni 01032 KRUH KUKURUZNI DOMAĆI -10,62% -6,15% 3,87% 5,92%
Kruh Kruh specijalni 01033 KRUH KORN U KALUPU 4,07% 9,27% 0,18% 0,28%
Kruh Kruh specijalni 01034 KRUH RAŽENI VELIKI -19,59% -15,57% 2,33% 4,45%
Kruh Kruh specijalni Kruh specijalni -10,24% -6,16% 13,31% 21,51%
Kruh KRUH KRUH -1,47% 2,63% 35,41% 50,76%
Pecivo Pecivo obično 01040 KAJZERICA -8,44% -3,86% 5,73% 2,67%
Pecivo Pecivo obično 01041 KRUH KORN BAGUETTES 8,00% 13,40% 0,19% 0,13%
Pecivo Pecivo obično 01042 KAJZERICA MIX -1,80% 3,11% 5,80% 3,69%
Pecivo Pecivo obično 01043 PLETENICA SA SEZAMOM -11,76% -7,35% 3,77% 3,20%
Pecivo Pecivo obično 01044 BIO-PRUTICI -16,18% -11,99% 2,72% 2,48%
Pecivo Pecivo obično 01045 KAJZERICA S MAKOM -18,57% -14,49% 1,87% 0,91%
Pecivo Pecivo obično 01046 KAJZERICA SA SUNCOKRETOM -13,39% -9,06% 3,96% 1,93%
Pecivo Pecivo obično 01048 KAJZERICA SA SEZAMOM -9,38% -4,84% 1,48% 0,72%
Pecivo Pecivo obično 01049 PLETENICA VELIKA -9,46% -4,94% 1,53% 1,07%
Pecivo Pecivo obično 01050 ŽEMLJA 14,95% 20,70% 3,82% 2,11%
Pecivo Pecivo obično Pecivo obično -6,73% -2,56% 31,76% 19,54%
Pecivo Pecivo slano 01060 MINNI PIZZA 10,79% 16,33% 3,16% 4,70%
Pecivo Pecivo slano 01061 SLANI PRUTICI 26,40% 32,72% 0,19% 0,09%
Pecivo Pecivo slano 01062 BUREK 16,78% 22,62% 0,64% 1,36%
Pecivo Pecivo slano Pecivo slano 12,48% 17,95% 3,99% 6,15%
Pecivo Pecivo slatko 01070 KRAFNA -0,27% 4,72% 3,87% 2,63%
Pecivo Pecivo slatko 01071 KRAFNA ČOKOLADA 3,54% 8,71% 4,51% 3,15%
Pecivo Pecivo slatko 01072 KROASAN 0,19% 5,20% 3,07% 2,08%
Pecivo Pecivo slatko 01073 KROASAN VANILIJA 0,96% 6,01% 2,96% 2,07%
Pecivo Pecivo slatko 01074 ŠTRUDLA JABUKA 1,74% 6,83% 1,62% 1,72%
Pecivo Pecivo slatko 01075 KRAFNA PEKMEZ 1,86% 6,95% 1,52% 1,07%
Pecivo Pecivo slatko 01076 PUŽ ORAH 23,17% 29,33% 0,12% 0,10%
Pecivo Pecivo slatko 01077 KROASAN PEKMEZ -47,27% -44,64% 0,57% 0,40%
Pecivo Pecivo slatko 01078 BIO KROASAN -15,19% -10,95% 0,12% 0,10%
Pecivo Pecivo slatko 01079 ŠTRUDLA VIŠNJA 6,10% 11,40% 3,03% 3,22%
Pecivo Pecivo slatko 01080 KRAFNA VANILIJA -1,13% 3,81% 1,58% 1,10%
Pecivo Pecivo slatko 01082 KROASAN ČOKOLADA 4,10% 9,31% 2,47% 1,73%
Pecivo Pecivo slatko 01083 ŠTRUDLA SIR 4,97% 10,22% 2,37% 2,51%
Pecivo Pecivo slatko Pecivo slatko 1,35% 6,85% 27,98% 22,05%
Pecivo PECIVA PECIVA -1,98% 4,43% 63,73% 47,73%
Pekarstvo -1,72% 3,66% 100,00% 100,00%

90
 Udio u kategoriji 2008 rast/pad
Pekarstvo-prodaja Količina MPV Količina MPV
Kruh Kruh bijeli 01001 KRUH SPECIJAL BIJELI 3,53% 5,24% -0,19% -0,29%
Kruh Kruh bijeli 01002 KRUH SENDVIĆ BIJELI 7,25% 9,23% 0,91% 1,15%
Kruh Kruh bijeli 01003 KRUH BIJELI U KALUPU 5,20% 7,29% 0,56% 0,77%
Kruh Kruh bijeli 01004 KRUH ZAGREBAČKI MALI 1,87% 2,18% 0,05% 0,06%
Kruh Kruh bijeli 01005 KRUH ZAGREBAČKI 3,37% 4,72% 0,10% 0,13%
Kruh Kruh bijeli Kruh bijeli 21,22% 28,74% 1,43% 1,89%
Kruh Kruh francuz 01010 KRUH FRANCUZ 1,50% 1,14% -0,14% -0,11%
Kruh Kruh francuz Kruh francuz 1,50% 1,14% -0,14% -0,11%
Kruh Kruh rezani 01020 KRUH DOMAĆI REZANI 0,36% 0,60% -0,03% -0,05%
Kruh Kruh rezani 01021 KRUH SELJACKI REZANI 0,27% 0,46% -0,01% -0,02%
Kruh Kruh rezani Kruh rezani 0,62% 1,07% -0,04% -0,08%
Kruh Kruh specijalni 01030 KRUH KUKURUZNI 3,83% 5,85% -0,13% -0,21%
Kruh Kruh specijalni 01031 KRUH RAŽENI 2,71% 4,37% -0,26% -0,42%
Kruh Kruh specijalni 01032 KRUH KUKURUZNI DOMAĆI 3,52% 5,38% -0,35% -0,54%
Kruh Kruh specijalni 01033 KRUH KORN U KALUPU 0,19% 0,30% 0,01% 0,02%
Kruh Kruh specijalni 01034 KRUH RAŽENI VELIKI 1,90% 3,64% -0,42% -0,81%
Kruh Kruh specijalni Kruh specijalni 12,15% 19,62% -1,15% -1,89%
Kruh KRUH KRUH 35,50% 50,81% 0,09% 0,05%
Pecivo Pecivo obično 01040 KAJZERICA 5,34% 2,49% -0,39% -0,19%
Pecivo Pecivo obično 01041 KRUH KORN BAGUETTES 0,20% 0,14% 0,02% 0,01%
Pecivo Pecivo obično 01042 KAJZERICA MIX 5,80% 3,68% 0,00% -0,01%
Pecivo Pecivo obično 01043 PLETENICA SA SEZAMOM 3,39% 2,87% -0,39% -0,33%
Pecivo Pecivo obično 01044 BIO-PRUTICI 2,32% 2,11% -0,40% -0,37%
Pecivo Pecivo obično 01045 KAJZERICA S MAKOM 1,55% 0,75% -0,32% -0,16%
Pecivo Pecivo obično 01046 KAJZERICA SA SUNCOKRETOM 3,49% 1,70% -0,47% -0,23%
Pecivo Pecivo obično 01048 KAJZERICA SA SEZAMOM 1,36% 0,66% -0,12% -0,06%
Pecivo Pecivo obično 01049 PLETENICA VELIKA 1,41% 0,98% -0,12% -0,09%
Pecivo Pecivo obično 01050 ŽEMLJA 4,47% 2,46% 0,65% 0,35%
Pecivo Pecivo obično Pecivo obično 30,14% 18,51% -1,62% -1,02%
Pecivo Pecivo slano 01060 MINNI PIZZA 3,56% 5,30% 0,40% 0,59%
Pecivo Pecivo slano 01061 SLANI PRUTICI 0,24% 0,11% 0,05% 0,02%
Pecivo Pecivo slano 01062 BUREK 0,76% 1,61% 0,12% 0,25%
Pecivo Pecivo slano Pecivo slano 4,56% 7,03% 0,58% 0,88%
Pecivo Pecivo slatko 01070 KRAFNA 3,92% 2,66% 0,06% 0,03%
Pecivo Pecivo slatko 01071 KRAFNA ČOKOLADA 4,75% 3,32% 0,24% 0,16%
Pecivo Pecivo slatko 01072 KROASAN 3,13% 2,12% 0,06% 0,04%
Pecivo Pecivo slatko 01073 KROASAN VANILIJA 3,04% 2,12% 0,08% 0,05%
Pecivo Pecivo slatko 01074 ŠTRUDLA JABUKA 1,68% 1,78% 0,06% 0,06%
Pecivo Pecivo slatko 01075 KRAFNA PEKMEZ 1,58% 1,10% 0,06% 0,04%
Pecivo Pecivo slatko 01076 PUŽ ORAH 0,15% 0,13% 0,03% 0,03%
Pecivo Pecivo slatko 01077 KROASAN PEKMEZ 0,31% 0,22% -0,27% -0,19%
Pecivo Pecivo slatko 01078 BIO KROASAN 0,10% 0,09% -0,02% -0,01%
Pecivo Pecivo slatko 01079 ŠTRUDLA VIŠNJA 3,27% 3,47% 0,24% 0,25%
Pecivo Pecivo slatko 01080 KRAFNA VANILIJA 1,59% 1,11% 0,01% 0,00%
Pecivo Pecivo slatko 01082 KROASAN ČOKOLADA 2,61% 1,83% 0,15% 0,10%
Pecivo Pecivo slatko 01083 ŠTRUDLA SIR 2,53% 2,68% 0,16% 0,17%
Pecivo Pecivo slatko Pecivo slatko 28,86% 22,70% 0,87% 0,66%
Pecivo PECIVA PECIVA 63,55% 47,54% -0,17% -0,20%
Pekarstvo 100,00% 100,00% 0,00% 0,00%

Izvor: izradio autor

91
8. ZAKLJUČAK

Ostvarenje ciljeva tvrtke koji su postavljeni strategijom tvrtke u današnjem poslovnom

okružju nije nimalo lako. Munjevite promjene poslovnih okolnosti, vrlo snažna
konkurencija, ponuda koja značajno nadmašuje potražnju, sve to od rukovodstva
zahtjeva nov način poslovanja i rada. Poslovanje se odvija u uvjetima velike
konkurencije i nesigurnosti. Da bi tvrtka opstala u takvim uvjetima poslovanja nužno je
da se prilagodi novim uvjetima poslovanja i novim trendovima na tržištu. Poslovodstva
tvrtke upravljaju organizacijama u uvjetima visoke nesigurnosti, a zahtjevan i
odgovoran zadatak donošenja poslovnih odluka postaje još kompliciraniji. Poslovno
odlučivanje mora zadovoljiti zahtjeve kupaca, optimizirati ciljeve tvrtke. Osim toga,
poslovne odluke moraju biti takve da će omogućiti uspješnu i brzu prilagodbu tržišnim
promjenama.

Kaže se da je prava informacija moć. Rukovodstvo tvrtki treba donositi racionalne

odluke temeljene na kvalitetnim informacijama. Informacija je postala jedan od
najvažnijih resursa današnjice. Pravodobna i potrebna informacija je nužna za opstanak
tvrtki na tržištu. Informacije mogu smanjiti nesigurnost pri odlučivanju, i jedino odluke
temeljene na kvalitetnim informacijama mogu omogućiti tvrtci konkurentsku prednost i
opstanak. Jedino ako menadžer ima pravu informaciju može donijeti racionalnu odluku i
tako ostvariti ciljeve tvrtke. Nedostatne ili krive informacije mogu dovesti do pogrešne
odluke koja na kraju može rezultirati lošijim poslovnim rezultatom tvrtke, pa čak i do
stečaja.

Turbulentnost tržišta, ponuda koja nadmašuje potražnju, konkurencija i zahtjevni kupci

zahtjeva od suvremenih organizacija da primjenjuju različite metode, alate i tehnike
koje će im pomoći opstati na tržištu. Informacijska tehnologija povećava brzinu
prijenosa i učinkovitost informacija. Poslovni informacijski sustavi bilježe poslovne
događaje, pohranjuju podatke, obrađuju ih, da bi ih kasnije koristili pri raznim
analizama i izvještajima. Poslovne koristi takvih sustava najviše se očituju u
problematici poslovnog odlučivanja. Bez kvalitetne informacijske podloge nije moguće
uptavlajti tvrtkom te biti konkurentan i opstati na tržištu.

92
Sustavi za potporu odlučivanju nisu umjetna inteligencija i ne mogu sami donositi
odluke. Donositelj odluke ovdje mora uključiti i svoje znanje i iskustvo da bi se donijela
pravilna odluka. Bit sustava za potporu odlučivanju jest da donositelj odluke i sustav za
potporu odlučivanju "surađuju". Krajnju odluku ipak donosi čovjek i na njemu je sav
teret donošenja odluke.

Postoji puno razloga zašto koristiti sustave za potporu odlučivanju: poslovanje tvrtki se
odvija u nesigurnim uvjetima, konkurencija je sve veća, informacije su potrebne sve
brže i potrebno ih je sve više, troškovi se reduciraju, ubrzava se proces donošenja
odluka, povećava se produktivnost, smanjuje se stupanj neizvjesnosti i rizika prilikom
donošenja poslovnih odluka, korisnici mogu dobiti informaciju kada im je potrebna, te
sami kreirati izvještaje. Unatoč tome, veliki broj menadžera i dalje ne koristi sustave za
potporu odlučivanju, već se oslanja na intuiciju, iako je očito da neki problemi
zahtijevaju racionalnije odlučivanje.

Prije izgradnje bilo kakvog informacijskog sustava, pa tako i sustava za potporu

odlučivanju poželjno je da se odredi strategija izgradnje sustava i da se komunicira sa
budućim korisnicima sustava. Kvalitetno izrađen sustav je onaj koji olakšava rad
korisnicima sustava, gdje korisnici mogu doći do potrebnih informacija, a da je ujedno i
jednostavan i zanimljiv za korištenje. Dosta često se dešava da je sustav za potporu
odlučivanju implementiran, međutim ne koristi se uopće ili se ne koristi u dovoljnoj
mjeri. Osim toga, nakon izgradnje sustava poželjno je da se organiziraju edukacije za
korisnike, da postoje upute za rad i da korisnici imaju mogućnost obratiti se
profesionalcima za pomoć.

Kvalitetne informacije su temelj uspješnog poslovanja. Poslovna inteligencija je usko

povezana sa sustavima za potporu odlučivanju i upravljanju. To je sistematičan način
prikupljanja, sortiranja i analiziranja prikupljenih informacija. To je način dostavljanja
prave informacije u pravo vrijeme na pravo mjesto. Poslovna inteligencija je način
proaktivnog vođenja poduzeća i iskorištavanja što većeg broja korisnih informacija. Na
temelju tih informacija može se predvidjeti budućnost, te se pripremiti na razne

93
scenarije, što svakako olakšava donošenje odluka. Poslovna inteligencija ne samo da
istražuje informacije, već otkriva i znanje, i to pomoću sustava za potporu odlučivanju.

Jedan vrlo bitan koncept poslovne inteligencije i sustava za potporu odlučivanju su

skladišta podataka. Kvalitetno izrađeno skladište podataka bitan je preduvjet za efikasnu
primjenu koncepta poslovne inteligencije Osim pohrane podataka, skladišta podataka
nude i mogućnost analize, transformacije i lakog pristupa tekućim i povijesnim
podacima. Podaci koji se nalaze u skladištima podataka moraju biti redovno ažurirani,
moraju potpuno pokrivati jedno ili više poslovnih područja te moraju obuhvatiti dulje
vremensko razdoblje radi što kvalitetnijih analiza. Samo takvi podaci mogu postati
informacije korisne rukovodstvu tvrtke.

Podaci spremljeni u skladišta podataka se kasnije mogu analizirati i modelirati,

zahvaljujući čemu se dobivaju informacije i otkriva znanje što je izrazito bitno u
današnjim "učećim organizacijama". Postoji niz alata koji omogućuju otkrivanje znanja
iz podatka. Najpoznatiji su OLAP alati i rudarenje podatka.

Moderne tehnologije i novi zahtjevi tržišta natjerali su tvrtke da počnu koristiti sustave
poslovne inteligencije. Jedan od poznatijih sustava za potporu odlučivanja tj. sustava
poslovne inteligencije je i Cognos. Koriste ga veliki broj hrvatskih tvrtki, između ostalih
Konzum, Dukat, Jamnica, T-com. Razlog tome je jednostavnost korištenja i
funkcionalnost. Nosi sa sobom sve prednosti koje imaju i ostali sustavi za potporu
odlučivanju. Omogućuje izvještavanje, analizu podataka, mjerenje učinkovitosti tvrtke,
te mjerenje učinka u odnosu na ciljeve. Cognos omogućuje brže detektiranje problema,
lakše donošenje odluka, jednostavnije praćenje poslovanja te može rezultirati većim
znanjem menadžera i ostalih korisnika sustava.

Na primjeru mnogih tvrtki se mogu vidjeti koristi od implementacije sustava poput

Cognosa. Prije implementacije sustava poslovne inteligencije, samo prikupljanje
podataka je trajalo puno duže. Sada je prosječan zaposlenik- donositelj odluke udaljen
od potrebne mu informacije samo jedan klik. Najveći doprinos efikasnosti tvrtke je brzi
uvid u veliki broj podataka i skraćivanje vremena dostupa do informacije. Izrada

94
izvještaja je puno brža, za razliku od prije kada su se prikupljeni podaci morali prvo
pretipkavati da bi se mogla napraviti analiza. Kolika točnost se može postići
pretipkavanjem podataka? Greške su neminovne. Sustavi potpore odlučivanju smanjuju
nastajanje takvih grešaka na najmanju moguću mjeru. Informacije se dobivaju pomoću
OLAP-a i rudarenja podataka. OLAP je mrežna analiza poslovnih podataka, tehnologija
kojom se u kratkom roku mogu analizirati velike količine podataka, te tako dobiti
potrebne informacije te izvoditi znanje iz podataka. Rudarenjem podataka se traže
uzroci proteklih poslovnih događaja i zakonitosti, omogućuje se uvid u tzv. skrivene
podatke što pomaže donošenju strateških poslovnih odluka tj. upravljanju.

Konzum, kao najveća trgovačka tvrtka u Hrvatskoj, s velikim brojem prodajnih mjesta,
zaposlenih te artikala, dnevno stvara iznimno puno poslovnih događaja, što rezultira i
ogromnom količinom podataka. Poslovanje na suvremenom tržištu zahtjeva prilagodbu,
zbog čega rukovodstvo tvrtke mora imati mogućnost brzog uvida u podatke, te izrade
izvještaja po potrebi. Cognos je omogućio prilagodbu novim uvjetima poslovanja, jer
menadžeri mogu na vrijeme zamijetiti neke nepravilnosti i reagirati na njih. Učinci koje
je sustav Cognos izazvao u Konzumu su većinom pozitivni, a neki od njih su: bolje
upravljanje operativnim troškovima i zalihama, povećanje koeficijenta obrtaja, bolja
učinkovitost zaposlenih, rat profita, konkurentnost.

Unatoč brojnim koristima koje nude razni sustavi za potporu odlučivanje, potrebno je
još dosta edukacije i rada da bi menadžeri i ostali korisnici vidjeli sustave za potporu
odlučivanju kao nešto bitno i nužno za funkcioniranje tvrtki. Tvrtke koje su dale
naglasak na korištenje takvih sustava i poslovne odluke donose temeljem informacija iz
takvih sustava na svjetskom i europskom tržištu biti će u prednosti nad tvrtkama koje ne
koriste takve sustave, a menadžeri donose odluke temeljem intuicije.

Informacija je postala temeljni čimbenik poslovanja, a sustavi za potporu odlučivanju

isporučuju menadžerima potrebne mu informacije.
Učinkovito poslovanje tvrtke danas praktički nije moguće bez sustava poslovne
inteligencije i sustava potpore odlučivanju.

95
PRILOZI

Slike:

Slika 1. Veza između odlučivanja i razina menadžmenta 12

Slika 2. Razlika u vremenskoj perspektivi između menadžerskih razina 14
Slika 3 . Ekspertni sustav 22
Slika 4. Dijelovi informacijskog sustava 23
Slika 5. Vrste informacijskih sustava u rješavanju problema na
različitim razinama menadžmenta 24
Slika 6. Komponente cjelovitog integralnog informacijskog sustava 25
Slika 7. Shema sustava za potporu odlučivanju 27
Slika 8. Građa sustava za potporu odlučivanju 33
Slika 9. Sustav poslovne inteligencije 38
Slika 10. Veze sustava za obradu transakcija i sustava potpore odlučivanju 46
Slika 11. ETL procesi u kreiranju koncepta poslovne inteligencije 47
Slika 12. Koraci rudarenja podataka 51
Slika 13. Trodimenzionalna kocka - prodaja bezalkoholnih napitaka
po mjesecima i prodavaonicama 52
Slika 14. Cognos OLAP report 56
Slika 15. Primjer Dashboard-a 57
Slika 16. Scorecard 58
Slika 17. Korisničko sučelje Cognos kocke 60
Slika 18. Konas-prijava 62
Slika 19. Alatna traka 64
Slika 20. Cognos logon 71
Slika 21. Integracija pojedinih čimbenika sustava poslovne inteligencije 82

96
Tablice :

Tablica 1. Primjer izvještaja agregiranih podataka 61

Tablica 2. Prodaja kave u 2008 godini u maloprodajnim objektima. 74
Tablica 3. Udio pojedinačnih artikala u kategoriji 74
Tablica 4. Izvještaj o prodaji- skupni podaci. 84
Tablica 5. Prodaja po regijama 85
Tablica 6. Prodaja po prodajnim mjestima 86
Tablica 7. Pekarstvo – prodaja 88

97
LITERATURA

Knjige:
1. Ž. Panian i suradnici: Poslovna inteligencija - studije slučajeva iz hrvatske poslovne
prakse, Narodne novine, Zagreb, 2007
2. M. Varga; K. Ćurko i suradnici: Informatika u poslovanju, Element, Zagreb, 2007.
3. M. Čičin Šain, S. Vukmirović, Z. Čapko,: Informatika za informatičko poslovanje. -
Rijeka : Ekonomski fakultet, 2006.
4. Ž. Panian, G. Klepac: Poslovna inteligencija, Masmedia, Zagreb, 2003.
5. M. Varga, , Poslovno računarstvo, Znak, Zagreb 1998.,
6. P. Sikavica, B. Bebek, H. Skoko i D. Tipurić: Poslovno odlučivanje, Informator,
Zagreb, 1999
7. P. Sikavica, H. Skoko, D. Tipurić. M. Dalić: Poslovno odlučivanje- teorija i praksa
odlučivanja; Informator, Zagreb, 1994.
8. V. Srića i suradnici: Menadžerska informatika, četvrto izdanje, M.e.p. Consult,
Delfin, Hita Poslovna akademija, Zagreb, 1999

Ostali izvori:
1. A. Luetić: Primjena koncepta "poslovna inteligencija" u procesu strategijskog i
financijskog upravljanja : magistarski rad; Ekonomski fakultet, Split, 2008.

Internet izvori:
1. http://dessy0105.files.wordpress.com/2007/01/cognos.gif (16.06.2008.)
2. http://efzg.globalnet.hr/UserDocsImages/INF/Ceric/itup_knjiga/
skladista_podataka.pdf (02.03.2009.)
3. http://gordon-webster.hr/?contentid=53 (10.03.2009.)
4. http://gradst.hr/katedre/ortegr/nastava_knezic/dss.htm (21.01.2009.)
5. http://hr.wikipedia.org/wiki/Ekspertni_sustavi (17.06.2009.)
6. http://hr.wikipedia.org/wiki/Informacijski_sustavi (17.06.2009.)
7. http://hr.wikipedia.org/wiki/Inteligencija (24.02.2009.)
8. http://hr.wikipedia.org/wiki/Podatak,_informacija,_znanje,_mudrost
(31.05.2008.)

98
9. http://hr.wikipedia.org/wiki/Poslovna_inteligencija (24.02.2009.)
10. http://office.microsoft.com/en-us/excel/HA102431641033.aspx (03.03.2009.)
11. http://OLAPreport.com/purchase/Images/CognosPPWebContrib811.png
(12.01.2009.)
12. http://portal.ludbreg.hr/kolumne/show.asp?kol=39 (03.06.2008.)
13. http://poslovniforum.hr/vijest.asp?id=123 (28.04.2008.)
14. http://web.efzg.hr/dok//OIM/dtipuric// (28.04.2008.)
15. http://web.efzg.hr/mvarga (21.02.2009.)
16. http://www.alfatec.hr/pojmovnik_list.asp#4 (24.02.2009.)
17. http://www.as400online.com/images/as400_sign_on.gif (08.03.2009.)
18. http://www.bitart.hr/DataMining.aspx?lng=cro (15.06.2008.)
19. http://www.cognos.com/driversseat/gallery/index.html (12.01.2009.)
20. http://www.cognos.com/products/ (12.01.2009.)
21. http://www.cognos.com/products/cognos8businessintelligence/scorecarding.html
(12.01.2009.)
22. http://www.dwreview.com/Data_mining/DM_models.html(25.03.2009.)
23. http://www.ecdlcentar.com/forum/ (02.04.2009.)
24. http://www.foi.hr/CMS_library/studiji/dodiplomski/IS/kolegiji/to/
Nacini_odlucivanja_09.pdf (15.01.2009.)
25. http://www.gradst.hr/katedre/ortegr/nastava_knezic/ekspertni_sustavi.htm
(25.02.2009.)
26. http://www.informationbuilders.com/decision-support-systems-dss.html
(01.06.2008.)
27. http://www.microsoft.com/croatia/Reference/rjesenje.aspx_sID_237.mspx
(03.03.2009.)
28. http://www.poslovniforum.hr/management/donosenje_odluka.asp (31.05.2008.)
29. http://www.sapmag.com.hr/show_article.php?id=398 (20.02.2009.)
30. http://www.skladistenje.com (03.03.2009.)
31. http://www.tiaktiv.hr/index.php?option=com_content&task=view&id
(21.01.2009.)
32. http://www.trend.hr/clanak.aspx?BrojID=22&KatID=5&ClanakID=365
(04.04.2009.)

99
33. http://www.trend.hr/clanak.aspx?BrojID=43&KatID=5&ClanakID=504
(04.04.2009.)
34. http://www.trend.hr/clanak.aspx?BrojID=51&KatID=39&ClanakID=574
(04.04.2008.)
35. http://www.trend.hr/clanak.aspx?BrojID=51&KatID=39&ClanakID=574
(01.06.2009.)
36. http://www.unisa.edu.au/unisareport/images/Cognos%20logon.JPG
(01.02.2009.)
37. www.ventex.hr/baza/slike/panorama3.jpg (28.12.2008.)

100