Professional Documents
Culture Documents
Odluke MagistarskiRad PDF
Odluke MagistarskiRad PDF
ZAVRŠNI RAD
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
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
8. ZAKLJUČAK 87
PRILOZI 96
LITERATURA 98
2
1. UVOD
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.
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.
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.
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.
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
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.
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.
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.
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.
7
2. POSLOVNO ODLUČIVANJE
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.
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
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
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.
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
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.
Najviša razina
Nestrukturi Neprogram
rani irano
problemi odlučivanje
Programiran
Strukturira
ni problemi o
odlučivanje
Najniža razina
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.
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.
9
http://poslovniforum.hr/vijest.asp?id=123 (25.02.2009.)
13
Slika 2. 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
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.
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.
16
3. INFORMACIJE I INFORMACIJSKI SUSTAVI
"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.
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
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
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.
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.
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.
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
Izvor: web.efzg.hr/mvarga/23
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.
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.
Izvor: Panian, Ž.; Ćurko, K.; Informatika u poslovanju, Element, Zagreb, 2008, str. 12826
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
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.
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.
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.
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.
30
4.4. PREDNOSTI I NEDOSTACI SUSTAVA ZA POTPORU
ODLUČIVANJU
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.
30
http://www.trend.hr/clanak.aspx?BrojID=51&KatID=39&ClanakID=574 (01.06.2009.)
32
4.4. GRAĐA SUSTAVA ZA POTPORU ODLUČIVANJU
DONOSITELJ ODLUKE
KORISNIČKO SUČELJE
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.
32
Varga, M. , op.cit. str. 163
34
5. POSLOVNA INTELIGENCIJA
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.
36
segmenata te predviđanje budućih pojava. Također, sustav poslovne inteligencije nudi
bolje razumijevanje vlastitih kupaca i spoznaju što ih potiče na određeno ponašanje.36
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.
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
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
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.
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
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.
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.
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
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.
43
Izvor: http://efzg.globalnet.hr/UserDocsImages/INF/Ceric/itup_knjiga/skladista_podataka.pdf
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.
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
E T L
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.
48
6.2. RAZINE ANALIZE PODATAKA U SKLADIŠTIMA PODATAKA
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.
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.
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
Izvor: http://www.dwreview.com/Data_mining/DM_models.html 50
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
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.
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
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.
53
http://www.cognos.com/products/ (12.01.2009.)
54
mogu biti i zemljopisno razvedeni, predstavlja početak stvaranja podloga za
jednoznačno komuniciranje.
55
Slika 14. Cognos OLAP report
Izvor: http://OLAPreport.com/purchase/Images/CognosPPWebContrib811.png 54
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
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.
56
http://www.cognos.com/products/cognos8businessintelligence/scorecarding.html (12.01.2009.)
58
7.1.2. IZVJEŠTAJI I KOCKE COGNOSA
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
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.
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
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.
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.
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.
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).
Izvor: http://OLAPreport.com/purchase/Images/CognosPPWebContrib811.png
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.
65
se zasniva na podacima iz prošlosti tj. na statističkim analizama povijesnih podataka.
Ipak, tu prognozu nije preporučljivo koristiti u svom poslovanju.
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.
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.
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.
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
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.
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.
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.
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.
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.
Izvor: http://www.unisa.edu.au/unisareport/images/Cognos%20logon.JPG 62
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.
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.
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
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".
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.
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.
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.
77
7.2.3.3. FORECAST
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.
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.
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.
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.
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.
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.
Početna Kocka
Prodaja – količina 2007 2008 Index
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" 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.
85
objektu. Ti podaci su ustvari korisne informacije koje govore kojim prodajnim mjestima
treba posvetiti posebnu pažnju te u kojem smjeru nastaviti istraživanje.
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.
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%
91
8. ZAKLJUČAK
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.
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.
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.
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.
95
PRILOZI
Slike:
96
Tablice :
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