C3 Tananyag

Készült a Phare HU0008-02 program támogatásával
A felnőttoktatás és az élethosszig tartó tanulás

lehetőségeinek javítása
Herdon Miklós
Vezetői információs rendszerek
Készült a Phare HU0008-02-01-0007 számú
„Vállalkozások felhasználó-orientált
informatikai humánerőforrás-fejlesztése”
pályázat keretében
Debreceni Egyetem Agrártudományi Centrum

Agrárgazdasági és Vidékfejlesztési Kar
Gazdasági- és Agrárinformatikai Tanszék
„Vállalkozások felhasználó-orientált
informatikai humánerőforrás-fejlesztése”
című program
Herdon Miklós
Vezetői információs rendszerek
© DE ATC AVK, Gazdasági- és Agrárinformatikai Tanszék, 2004

PHARE HU0008-02-01-0007 Vezetői információs rendszerek
Szerző:
Herdon Miklós
Lektor:
Salga Péter
© DE ATC AVK, Gazdasági- és Agrárinformatikai Tanszék, 2004
ISBN 963 9274 69 0
Első kiadás
A kiadvány szerzői jogvédelem alatt áll. A kiadványt, illetve annak részeit másolni, reprodukálni,
adatrögzítő rendszerben tárolni bármilyen formában és bármilyen eszközzel – elektronikus úton
vagy más módon – a kiadó és a szerzők előzetes írásbeli engedélye nélkül tilos.
Kiadó:
Debreceni Egyetem Agrártudományi Centrum

Agrárgazdasági és Vidékfejlesztési Kar
Gazdasági- és Agrárinformatikai Tanszék
Debrecen, 2004. március

Tartalomjegyzék
1. Vezetői információs rendszer fogalma, célja, gyakorlati alkalmazása .....................................6

1.2. Információs rendszerek típusai .................................................................................................6
1.3. A vezetői információs rendszer fogalma, funkciói ...................................................................7
1.4. A szervezetek írányítása, a tervezés és horizontjai ...................................................................8
2. Információtechnológiák a vezetői döntéstámogatásban.............................................................9
2.1. On-line elemző feldolgozás ......................................................................................................9
2.2. Több dimenziós adatbázis.......................................................................................................11
2.3. Programcsomagok...................................................................................................................14
2.3.1. Az IBM üzleti intelligencia-megoldásai ..........................................................................14
2.3.2. A Microsoft OLAP kiszolgálója ......................................................................................15
2.3.3. SAS ..................................................................................................................................16
3. Üzleti intelligencia, mint vezetői támogatás...............................................................................18
3.1. Adatbázis, adattárház ..............................................................................................................19
3.2. Példák adatbányászati alkalmazásokra ...................................................................................23
3.2.1. OLAP-rendszerű alkalmazások........................................................................................24
3.2.2. OLAP-rendszerű alkalmazások a vállalati értéklánc támogatására .................................26
3.4. Az adatbányászat, a CRM és a piackutatás kapcsolata...........................................................27
3.4.1. A CRM (Custumer Relationship Management)...............................................................27
3.4.2. CRM és piackutatás .........................................................................................................32
3.4.3 SAS® Ügyfélkapcsolat-menedzsment megoldások...........................................................32
3.4.4. SAP megoldások ..............................................................................................................33
4. Döntéstámogatás, döntéstámogató eszközök és rendszerek.....................................................35
4.1. A döntéstámogató rendszerek használatának előnyei.............................................................37
4.2. Mintapélda ..............................................................................................................................37
4.3. DÖNTÉSHOZATAL ..............................................................................................................38
4.3.1 A döntéshozatal modelljei.................................................................................................38
4.3.2 A döntési folyamat szakaszai............................................................................................40
4.3.3. Választás fázisa ................................................................................................................43
4.3.4. A döntési folyamat támogatása ........................................................................................44
4.3.5. EGYÉNI DÖNTÉSHOZATAL .......................................................................................46
4.3.6. SZERVEZETI DÖNTÉSHOZATAL ..............................................................................48
4.3.7 A DSS-ek definiálása ........................................................................................................49
4.3.8. DSS tulajdonságok...........................................................................................................50
4.3.9. A DSS részei ....................................................................................................................51
4.3.10. Modellbázis....................................................................................................................54
4.3.11. Csoportos döntéstámogató rendszerek...........................................................................58
4.3.12. DSS ALKALMAZÁSOK ..............................................................................................59
5
1. Vezetői információs rendszer fogalma, célja, gyakorlati alkalmazása
1.2. Információs rendszerek típusai
Az informatika fejlődésével a vezetői munka támogatásának az igényére adott válasz különböző

információrendszerek megjelenése volt. Ezek hozzávetőlegesen a következő időrendben jelentek
meg:
60-as
TPS (Transaction Processing Systems) – Tranzakciófeldolgozó rendszerek
évek
70-es
MIS (Management Information Systems) – Vezetői információrendszer, VIR
évek
70-es
OAS (Office Automatization Systems) – Irodaautomatizálási rendszerek
évek
80-as
DSS (Decision Support Systems) – Döntéstámogató rendszerek, DTR
évek
80-as
ES (Expert Systems) – Szakértő rendszerek, SzR
évek
90-es EIS (Executive Information Systems) – Felsővezetői információs rendszer,
évek FVIR
1. Ábra:
6
Ezeket összefoglalóan vezetéstámogató rendszereknek is nevezzük. (Management Support

Systems, MSS)
Megfigyelhető, hogy az egyes rendszerek megjelenésükkel, elméleti és módszertani újdonságaikkal

hatottak a régebbiekre, egyszóval vegytiszta formában csak a tankönyvekben léteznek. Az
egymásra hatás napjainkban minőségileg új rendszerek létrejöttét eredményezi, ezeket hibrid
rendszereknek nevezzük.
A nyolcvanas évek végén és a kilencvenes évek elején a vállalatok működésük pénzügyi követését,
a mérleg elkészítését, a teljes főkönyvi könyvelést egyetlen, mai szemmel nézve igen kis
teljesítményű személyi számítógépen futó, a korlátozott célokat általában jól kiszolgáló
szoftverekkel képesek voltak megoldani. Ekkor az elsődleges cél a beszámolók helyes elkészítése,
az ÁFA pontos kiszámítása, a kimenő és bejövő számlák precíz, teljes körű iktatásának biztosítása
volt
Azóta, mint annyi más területen, ezen a piacon is megváltozott a helyzet, hiszen az alapigényeket
tökéletesen és pontosan teljesítő számítógépes funkciók mellett gyökeresen más feladatok is
felmerültek. A vállalkozások olyan szolgáltatásokat szeretnének, amelyek a cégvezetést és
Controlling-ot támogatják, hathatós Cash-flow Management-et biztosítanak, napi és stratégiai
döntést segítő információkat nyújtanak.
1.3. A vezetői információs rendszer fogalma, funkciói
A Vezetői Információs Rendszerek (VIR) a szervezeti, menedzsment és stratégiai tevékenységeket

támogatják információ ellátással és információ feldolgozással. Ezek a rendszerek egyidejűleg
7
használnak információ technológiát és modelleket analízisre, tervezésre és döntéshozatalra,

valamint nagymértékben támaszkodnak adatbázisokra. A VIR alkalmazások portfoliója igen széles,
ebbe beletartoznak a vezetői tevékenységet indirekt módon támogató, és a vezetőket közvetlenül
kiszolgáló alkalmazások is. Mivel a vezetői alkalmazások gyakran igényelnek adatokat, s ezeket
legjobban az adatbáziskezelők tudják biztosítani, így az adatbáziskezelő rendszerek gyakran részei
a VIR-nek.
A VIR (MIS-Management Information System) kifejezés használata a vezetői tevékenységeket

támogató információs rendszerekkel kapcsolatban a 60-as években kezdődött. Egy másik
elnevezést, a Döntés Támogató Rendszert (DSS – Decision Support System) szokták azokra a VIR
alkalmazásokra használni, amelyek bizonyos jól meghatározott döntéshozatali tevékenységet
támogatnak. A korábban Executive Support System-nek (ESS- Executive Information Systems)
nevezett speciális VIR-eket ma már Felsővezetői Információs Rendszereknek szokták nevezni.
Egy VIR struktúrája mindig a szervezet struktúráján és tevékenységein alapul. A szervezetek

funkcionális területekre vannak osztva (gyártás, marketing, könyvelés, pénzügy, stb.). Minden
egyes funkción belül a vezetői tevékenységek három szinten jelentkeznek: működés ellenőrzés,
menedzsment ellenőrzés és stratégiai tervezés. Mindegyik funkcionális területhez tartoznak
alkalmazások. A VIR alrendszerei ezeknek az alkalmazásoknak a halmazai. Egy szervezet VIR-je
ezek után a funkcionális területeknek megfelelő alrendszerek federációjának tekinthető. Ezek
mindegyike négy fő részre osztható: tranzakció feldolgozás, működés ellenőrzés, menedzsment
ellenőrzés és stratégiai tervezés. Minden egyes funkcionális alrendszer saját adatfile-okkal
rendelkezik, amelyeket csak ő használ. Ezen felül léteznek azonban olyan file-ok is, amelyeket
általános visszakeresésre is elérhetővé kell tenni, ezek egy adatbáziskezelő által felügyelt általános
adatbázisba vannak szervezve. Természetesen lehetnek olyan alkalmazások is, amelyeket több
alrendszer is használ, továbbá létezhetnek döntési modellek és értékelő szoftverek, ezek az ún.
modell bázist alkotják.
A tranzakció feldolgozó alkalmazások az alsó szintű vezetőket és az irodai munkát támogatják. A

tranzakció feldolgozással kapcsolatos programokban található minden döntés programozott döntés,
mely jól meghatározott algoritmussal írható le. A magasabb szintű tevékenységeket támogató
alkalmazások már kevésbé strukturáltak, a beépített döntési pontok már kevésbé programozottak, a
döntés mindig egy ember – gép párbeszéd eredménye.
1.4. A szervezetek írányítása, a tervezés és horizontjai
Mint arról már korábban szó volt, a vezetői tevékenységeket az alábbi három kategóriába lehet
sorolni:
Működés ellenőrzés: a működési tevékenységek hatékony és hatásos lefolyását biztosító

folyamat. A működés ellenőrzés stabil, előre jól meghatározott eljárásokon és döntési
szabályokon alapul. A döntések és a tevékenységek rövid időtávot fednek le. A működés
ellenőrzést támogató információs rendszer tranzakció feldolgozásból, működési jelentések
feldolgozásából és kérdésfeldolgozásból áll. Egy ilyen rendszerre példa: ha a raktárból
kivételezésre kerül valami, a rendszer nemcsak rögzíti a tranzakciót és legyártja a megfelelő
dokumentumokat, hanem előre behuzalozott algoritmusok felhasználásával megnézi, hogy fel
kell-e adni rendelést a raktár feltöltésére.
Menedzsment ellenőrzés: ezen a szinten az osztályok, profit centrumok, stb. vezetőinek van
szüksége az információra, a teljesítmények mérésére, a beavatkozások meghatározására, új
döntési szabályok megfogalmazására, erőforrások allokálására. A menedzsment ellenőrzés
szintű információra példa: egy teljesítmény jelentés a tervezett és tényleges teljesítményről, az
eltérés okaira vonatkozó elemzéssel.
8
Stratégiai tervezés: azt a stratégiát határozza meg, amellyel egy szervezet a céljait el kívánja
érni. Az igényelt adatok általában összegzések, nem pedig a tranzakciókra vonatkozó egyedi
adatok. Az adatigény kiterjed mind a belső, mind pedig a külső adatokra és a várható igények
előrevetítésére. Példa lehet egy olyan jelentés, amely az elmúlt időszak igényeit írja le a piaci
részesedéssel, ezenkívül a várható igények előrejelzését is megadja.
A döntéshozatal VIR támogatása egy szervezeten belül a döntéshozatal folyamatának három

fázisával írható le: a feltárás, a döntés megtervezése és a választás. A feltárás fázisában történik a
problémák felderítése. A VIR támogatás ebben a fázisban adatbázist és keresési, feltárási
módszereket jelent. Strukturált keresés esetén előre meghatározott keresési algoritmusok állnak
rendelkezésre, míg a nem strukturált keresés flexibilis adatbázis hozzáférési lehetőségeket igényel.
A döntéstervezési fázis az alternatívák generálását jelenti. Ez lehetséges cselekvési scenáriók
kitalálását, kifejlesztését és elemzését jelenti. A VIR támogatás a döntés tervezésnél statisztikai,
valamint elemző és modell építő szoftverek rendelkezésre bocsátását jelenti. A döntéshozatal
utolsó lépése a választás. A választási fázist a VIR döntési modellekkel, érzékenység vizsgálati
módszerekkel és választási eljárásokkal támogatja. A szakértői rendszerek a döntéshozatal
mindhárom fázisát támogathatják.
2. Információtechnológiák a vezetői döntéstámogatásban
A 80-as évekre jellemző vállalati informatikai rendszerek a 90-es években fokozatosan átalakultak.
Az alábbi ábra három hangsúlyos változást mutat.
• A végrehajtás, és a közvetlen efölött elhelyezkedő vezetői szint támogatását integrált
vállalatirányítási rendszerek biztosítják. A korábbi EDP/TPS, illetve MIS-rendszerek feladatait az
ERP-rendszerek moduljai látják el, melyek bár őrzik a funkcionális tagolást, lehetőséget nyújtanak a
horizontális -- folyamatelvű -- szemlélet érvényesítésére is.
• Az alsó szint egyetlen, egységes vállalati adatbázist képes teremteni, azonban a felsővezetői
információigény kielégítésére, az összvállalati controlling feladataihoz speciális adatkezelési,
lekérdezési technika szükséges. Ezt biztosítják az Üzleti intelligencia megoldások, melyek egy
közvetítőréteg segítségével épülnek az alsó szintű vállalati információrendszerekre. A felső szint
lényegében tehát a korábbi DSS- és EIS-rendszerek modernizált és egységes "utóda".
• A szervezet belső és külső határai elmosódnak: a vállalat kapcsolatrendszere és
adatforrásainak köre kibővül, a piaci változások a legtöbb ágazatban felgyorsulnak. Ennek a
kihívásnak kell megfelelniük mind az ERP-, mind pedig a felsővezetési döntéstámogatást ellátó
információs rendszereknek.
2. ábra Üzleti intelligencia és az integrált vállalatírányítási rendszer
2.1. On-line elemző feldolgozás

Napjainkban a vezetői információs rendszereket, a vezetői döntéstámogatást egy több szintű
adatkezelési és analitikai megoldás formájában valósítják meg:
9
• Az alapot tehát a belső, illetve külső adatforrások jelentik -- az adattárházak ugyanis nem
csak az ERP-rendszerekből vesznek át adatokat, hanem más forrásokból is. Ezáltal szélesebb
alapokat adnak a vezetői döntések meghozatalához, másrészt feladatként jelenik meg a különböző
helyekről különböző struktúrákban és formátumokban érkező adatok bevonása és kezelése.
• Az adatforrás rétegre épül egy közvetítő réteg, mely biztosítja a kiválasztott adatok
beolvasását, konvertálását, szükség esetén tisztítását (újracsoportosítását -- az adattárház
tagolásának megfelelően, standardizálását -- konzisztenssé tételét, tartalmi ellenőrzését és
illesztését), azért, hogy az adattárház teljes és minőségi adatállománnyal rendelkezzen.
• A következő réteg már maga az adattárház, mely magában foglalja a bevont
adatmennyiséget, valamint az adatszótárat: az adatok tulajdonságait, illetve az adatok közötti
kapcsolatokat leíró metaadatok rendszerét.
• Mivel a szervezet különböző területein sokfajta, eltérő információigény jelentkezik, ezen
igények hatékony kielégítésére a központi adattárház bázisán az egyes területekre optimalizált
adatpiacokat építenek ki. Adatpiacok alakíthatóak ki a controlling szabályozókörének
támogatására, valamint a vállalati értékteremtés folyamatának állomásainál és a funkcionális
egységek szintjén.
• A legfelső szintet az OLAP-rendszerű alkalmazások jelentik: magas szintű analitikai
képességeiket az informatikai szállítók fejlesztései révén ma már számos vállalati területen igénybe
vehetik a felhasználók. Ezek az Elemzési rendszerek alapvetően egyrészt a controlling
szabályozókörének támogatására, másrészt a vállalati értéklánc, illetve a funkcionális egységek
elemzési feladatainál alkalmazzák. Logikus, hogy az adatpiacok és az OLAP vállalati megjelenése
azonos elvet követ -- az egyes szervezeti területek információigényének kielégítését és a speciális
területi feladatok hatékony ellátását ez a két szint együttesen biztosítja. Az OLAP-szoftverek
valamilyen adatkezelő nyelven (legtöbbször SQL) kommunikálnak az adatkezelés alsóbb rétegeivel,
legtöbbször osztott rendszerként működnek és lehetővé teszik több felhasználó, felhasználói csoport
egyidejű munkavégzését.
• Az adatkezelés alkalmazásoldali menedzselése, illetve az egyes rétegek, szoftverek,
hálózati egységek közötti kommunikáció biztosítása szintén fontosak, az előzőektől
különválasztandó funkciók.
A következőkben részletesebben foglalkozunk az adattárházakkal, bemutatjuk az adatpiacok
megjelenését kiváltó gyakorlati okokat, illetve a független adatpiacoktól az adattárház + integrált
adatpiacok architektúráig vezető utat; valamint az OLAP-rendszerű alkalmazások két fő területét.
A vezetői információs rendszerekkel kapcsolatban korábban felvázolt kérdések és problémák

(lekérdezések sebessége, rugalmassága, stb.) kezelését az adattárházak négy vezérelv mentén
valósítják meg. Ezek a vezérelvek úgy hoznak megoldást a korábbi MIS-, DSS-, EIS-rendszerek
problémáira, hogy alapvetően egy másfajta szemlélettel fordulnak az adattárolás és adatkezelés felé.
Vezérelvek Adattárolás ERP-rendszereknél Adattárházak
Adatok Az ERP-rendszerek moduljai Adattárház szintű integráció, mely

integrációja integráltak, egységes vállalati egyrészt a különböző forrású és
adatbázisra támaszkodnak, de formátumú adatok bevonását, másrészt a
problémás más informatikai tárolt adatok konzisztenciájának
alkalmazások, külső források megteremtését jelenti (illeszkedés,
adatainak bevonása, kezelése. mértékegységek, hierarchiák, stb.).
Az idő dimenzió Az ERP-rendszerek adott Jellemzően történeti jelleggel
10
megjelenése időpontra vonatkozó adatokat tartalmaznak adatokat -- napi / heti

tartalmaznak, a szükséges frissítéssel (bár ma már meg-jelentek a
időhorizont rövidebb (pár hónap). real-time adattárházak is), hosszú
időhorizontottal (3-10 év). Az idő
dimenzió mind a tárolás, mind az
információ-kinyerés, elemzések
szempontjából kulcsfontosságú.
Adatok Az adatokat -- a tranzakció- A történeti jellegnek és elemzési céloknak

változtathatósága kezelési feladatnak megfelelően megfelelően az adatok nem
frissítik, felülírják. felülírhatóak. (Kivételt jelent az
adattárház szintű tervezés, amikor nem
más rendszerekből olvas be adatokat,
hanem a felhasználó oldaláról érkeznek.)
Orientáció Az ERP-rendszerek moduljai Az adattárházakban az adatok

funkcionálisan tagoltak, illetve témaorientáltan szervezettek, a cég
folyamatorientáltak, s ennek üzleti tevékenységének legfontosabb
megfelelően építik fel a rendszer dimenzióit mutatják, a vezetői információs
mögött álló relációs adatbázis igényeknek, összvállalati szintű, több
tábláit is. szempontú lekérdezések elvégzésének
megfelelően tagolt az adatbázis.
3. Ábra: Az adattárházak és a hagyományos adattárolás összevetése
2.2. Több dimenziós adatbázis
A fenti vezérelvek gyakorlati megvalósulását a hagyományos relációs adatmodell kevésbé tudja

támogatni, az adattárházak alkalmazásával előtérbe került a multidimenzionális adatmodell,
illetve az ennek megfelelő adatkezelés. A multidimenzionális adatmodell elmélete már 1972-ben
megszületett a Massachusetts-i Technológiai Intézetben, de igazából csak a 90-es években, az
adattárházak és az OLAP-rendszerű alkalmazások sikerével vált széles körben ismertté. Míg a
relációs adatmodellt egymással kapcsolatban lévő táblákkal illusztrálhatjuk, addig a
multidimenzionális adatmodell egy háromdimenziós kockával szemléltethető.
A kocka egyes élei különböző dimenziókat jelentenek, például: termékeket (T1, T2, T3, stb.),
régiókat (Vas megye, Zala megye, Baranya megye, stb.), illetve időszakokat (január, február,
március, stb.). Attól függően, hogy milyen témában, milyen üzleti tevékenységhez "építjük" a
kockát, más és más dimenziókat fogunk használni. (A fenti példa dimenziói tartozhatnak egy, a
vállalat értékesítését elemző kockához.) A "nagy" kocka a dimenziók tagolásával kisebb kockákra,
cellákra bontható. Példánknál maradva az egyes cellák adott termék, adott régióban, adott
időpontban elért eladási adatát mutatják. A sötétebb színnel jelzett cella eszerint azt jelzi, hogy T1
termékből, Vas megyében mennyit értékesítettek januárban.
11
4. Ábra: Adatkocka egyszerűsített modellje

Természetesen a valós életben példánknál jóval több dimenzió kapcsolódik egy-egy témához, ezért
az adattárházakban többdimenziós "kocká"-kat építenek és használnak. A lekérdezések során
azonban néhány meghatározott dimenzióérték mellett hív le a vezető vagy a controller kétdimenziós
táblákat, vagyis "szeleteljük" a kockát: ez az úgynevezett "slice and dice" funkció. Például a Zala
megyei termékmenedzsert leginkább az érdekli, hogy havonta mennyit értékesítettek az egyes
termékekből, ezért az Ő számára a termékek-idő szelet releváns.
5. Ábra: Adott nézet / szelet lekérdezése a kockából

Az adattárházak adatkockáin további alapműveletek végezhetőek. A legtöbb dimenzió esetében
igaz, hogy több különböző részletezettség mellett is értelmezhető. A legegyszerűbb példa erre az
idő, melynél számolhatunk napi / heti / havi / évi bontással. A felsővezetésnek készített jelentések
havi bontásban mutatják például az eladások alakulását, azonban lehetőségük van arra, hogy
megtekintsék a heti bontásokat is. A vállalat adatraktárában tárolt adatokat ugyanakkor alsóbb
szintű vezetők is használhatják, akik inkább heti vagy napi adatokat akarnak látni. Ez a dimenziók
mentén történő felösszegzés, illetve alábontás, lefúrás: a drill up / drill down funkció lehetővé teszi,
hogy ugyanaz a téma (ugyanazon dimenziókkal rendelkező kocka) több aggregáltsági szinten is
megjelenjen.
Az összvállalati tervezés, elemzések, szimulációk elvégzésére alkalmas OLAP-rendszerű
alkalmazások felhasználják és igénylik az adattárházak nyújtotta adatkezelést.
A multidimenzionális szemlélet megfelel a felsővezetői információigényeknek; az adattárházak
konszolidált, integrált és valamilyen szinten aggregált adatokat tartalmaznak, olyan módon, hogy a
közöttük lévő bonyolult kapcsolatok mellett is sokféle -- és gyorsan elvégezhető -- lekérdezést
tegyenek lehetővé. Ezt elősegítendő a fizikai adattárolás szintjén is új, modern megoldásokat
12
alkalmaznak. A konkrét adatok mellett azonban tárolni kell az adattulajdonságokat, illetve a

kapcsolatokat leíró metaadatokat is, valamint a számítások meggyorsítására sokszor több
aggregáltsági szint adatait már "előre elkészítve" tartalmazza az adattárház.
Az újabb és újabb fejlesztések fokozatosan tágítják az adattárházak méretkorlátait. A korai
időszakban ugyanis a multidimenzionális szemléletet még nem tudták összvállalati szinten
alkalmazni. Ezért gyakran azt a megoldást választották, hogy az ERP-rendszerek relációs adatbázisa
fölé egy második, a felsővezetői információigényeknek megfelelő aggregáltsági szintű és
szervezettségű adatokat tartalmazó, de szintén relációs modellen alapuló adatbázist alakítottak ki.
(Egy köztes alkalmazás, az úgynevezett OLAP-motor szükséges ilyenkor, hogy az OLAP-
szoftverek által igényelt adatkezelési minőséget -- táblák helyett témaorientáció és
multidimenzionális szemlélet, adatok közötti kapcsolatok hatékony kezelése, műveletek, stb. -- erre
a relációs adatbázisra alapozva is biztosítani lehessen.)
A különválasztott "vezetői adatbázis" esetében az elgondolás már jó volt tehát, a módszerek
azonban -- mint minden kezdetnél -- még kiforratlanok. A vállalatoknál gyakran évekig dolgoztak
azon, hogy kialakítsák ezeknek a korai adattárházaknak a struktúráját, megoldják az adatok
bevonását, majd elfogadhatóvá tegyék a lekérdezések futási idejét.
Új megközelítés jelent meg ekkortájt: az egész vállalat adattömegére nehézkesen felépíthető
összvállalati adattárházak helyett az egyes vállalati területeken adatpiacok kialakításába kezdtek. Az
informatikai cégek azt már meg tudták valósítani, hogy egy-egy funkcionális terület
adatmennyiségére alakítsanak ki döntéstámogató multidimenzionális alkalmazásokat; ráadásul ezek
a projektek a vállalat részéről is kevesebb ráfordítást igényeltek, s biztosabb eredményeket hoztak.
Az adatpiacok sikere azonban hamarosan új problémát vetett fel. Amikor ugyanis a vállalat
egységei sorra építettek saját adatpiacokat, kiderült, hogy a különálló fejlesztések csak az adott
funkcionális terület vagy elszámolási egység szintjén működőképesek. Ezek a független
adatpiacok nem egymással harmonizáltan gyűjtötték az adatokat a belső vagy külső
forrásrendszerekből, más struktúrákban, más logikai elvek mentén tárolták azokat, és eltérő
elvárásokat fogalmaztak meg. Emiatt az adatpiacok közötti kommunikáció megteremtése csak igen
nagy költségek és hosszadalmas informatikai újraszervezések révén volt megvalósítható.
Szemléletesen: ha egy vállalat regionális központjai az évek alatt külön-külön alakítottak ki
adatpiacokat és más-más terméklistákat használtak ezekben, akkor adataik nem összevethetőek.
Hasonlóan: ha az értékesítés adatpiacában más a terméklista, mint amit a számvitel, a controlling
használ, akkor összvállalati szinten már nem tudjuk ezeket összekapcsolni (és nem tudjuk például a
különböző fedezetű termékek vevőinek megoszlásáról informálni a felsővezetést) -- illetve csak
azután, hogy harmonizáltuk a listákat. (Az együttműködés támogatásában fontos szerepet játszik a
honosított IT-rendszer, illetve többnyelvű környezetben az, hogy a felhasználók által használt
különböző nyelveken ugyanaz a tartalom és ugyanaz a struktúra jelenjen meg.)
Az adattárházak és független adatpiacok korai megvalósítási tapasztalatai alapján, illetve az
informatikai megoldások fejlődésével mára már hatékony bevezetési módszereket és IT-
megoldásokat fejlesztettek ki.
• Azért, hogy összvállalati szinten is biztosítva legyen az adatok és műveletek
konzisztenciája, először kijelölik és rögzítik a legfontosabb dimenziókat, azok tagolását, valamint
meghatározzák a kiépítendő, szervezeti egység szintű adatpiacok kapcsolódási pontjait --
viszonyrendszerüket.
• Erre az alap-keretrendszerre támaszkodva egymás után (vagy elegendő erőforrás esetén
egymással párhuzamosan haladva) kialakítják az egységek adatpiacait. Az így létrehozott
adatpiacok egymással bizonyosan tudnak kommunikálni, de ezen túlmenően az adott funkcionális
terület, folyamatrész speciális igényeinek is megfelelnek. Ekkor tehát konform adatokkal és
dimenziókkal rendelkező adatpiacok integrált rendszeréről beszélünk.
13
2.3. Programcsomagok
2.3.1. Az IBM üzleti intelligencia-megoldásai

Az R&R Software által kínált IBM üzleti intelligencia-megoldások szilárd alapokra építkeznek:
• az IBM DB2 Universal Database® rendszerre, amely az e-business korának üzleti intelligencia
alkalmazásait megalapozó, méretezhető, multimédiás, több IBM-platformon és más
rendszereken is üzemeltethető adatbázisa;
• az adattárház megépítését és felügyeletét támogató teljes körű megoldásra;
• erőteljes és könnyen használható információbányászó és on-line feldolgozó és elemző
eszközökre;
• a meglévő döntéstámogató eszközökkel való zavartalan integrációra;
• az üzleti és a technikai metaadatok szabványokon alapuló szinkronizálására.
6. ábra Üzleti Intelligencia Rendszerarchitektúra
Az IBM és az R&R Software ezen alapokra építve a következőkkel segít versenyelőnyre váltani az
üzleti intelligencia technológiáját:
• az üzleti intelligencia alkalmazások kialakítását, kifejlesztését, megvalósítását és

támogatását segítő konzultációs szolgáltatásokkal;
• a piacra jutási idő lerövidítését segítő, a banki, pénzügyi és értékpapír-forgalmazó szektor, a
kiskereskedelem, a távközlés, valamint más gazdasági ágazatok számára szánt, testre
szabható üzleti intelligencia-alkalmazásokkal;
• az üzleti intelligencia megoldások kiterjesztését célzó, a független szoftvergyártókkal
létesített partneri kapcsolatokkal.
14
Az információs aranybánya felépítésének első lépése az adattárházzal szemben támasztott üzleti

igények meghatározása. Az R&R Software szakértői csapatán túl az IBM Global Services is
ebben nyújt segítséget. Az IBM Global Services-nek több mint 160 országban 130 000
tanácsadással és szolgáltatással foglalkozó alkalmazottja van, köztük 17 000 különböző
gazdasági ágazatokra specializált szakember. Az IBM Global Services mellett, mint IBM
partner az R&R Software szakemberei is készen állnak arra, hogy végigvezessék az ügyfeleket a
teljes üzleti intelligencia-projekteken – a tervezési és a kialakítási szakaszától kezdve a
megvalósítási, oktatási fázison keresztül a folyamatos rendszertámogatásig. Ha már világos kép
állt össze az üzleti igényekről, a következő lépésben hozzá lehet látni a rendszerben tárolt
tranzakciós adathegyek üzleti döntéshozatalt megalapozó információvá való átalakításához.
Az IBM DB2 OLAP Server a többdimenziós tervező-, elemző-és jelentéskészítő-alkalmazások

számára van kialakítva. Mivel nagyon hatékony adatmodellezési és számítási módszereket
alkalmaz, a DB2 OLAP Server kiemelkedő teljesítményt nyújt a gyors iteratív elemzés terén, ami
nagymértékben segíti, hogy az üzleti stratégák új nézőpontokból tekinthessenek a vállalati adatokra.
Döntéstámogatáshoz rendelkezésre álló kiegészítő eszközök az alábbiak:
• Brio Enterprise termékcsalád

• Business Objects
• Cognos Impromptu és PowerPlay
• IBM Query Management Facility (QMF, lekérdezéskezelő) és QMF for Windows
• ASTRAC Application System (AS, alkalmazásrendszer)
• Lotus Approach
Ezek az erőteljes, mégis könnyen használható lekérdező-, jelentésíró és elemzőeszközök már

számos ágazatban bizonyítottak.
2.3.2. A Microsoft OLAP kiszolgálója
Egyszerűen kezelhető, gyors, a felhasználók széles köre számára hozzáférhető OLAP technológiát
biztosít.
Új, nagy teljesítményű, közbülső réteg (middle-tier) kiszolgáló online analitikus feldolgozást
(OLAP-ot) végző alkalmazások támogatására szolgál. A Microsoft Data Warehousing Framework
része a relációs adatforrásokhoz és az ügyfél programokhoz OLE DB, illetve OLE DB for OLAP
felületen keresztül kapcsolódik. (Az OLE-DB felületről és a kapcsolódó technológiákról a
http://www.microsoft.com/data címen olvashatunk.)
Az OLAP feladata
„… olyan szoftver technológia, amely analitikusok, üzletemberek, vezetők számára lehetővé teszi,
hogy vállalkozásuk adatainak dimenziók szerint rendezett mértékeit gyors, konzisztens és
interaktív módon vizsgálhassák.”
Egyszerűbben fogalmazva, az OLAP feladata, hogy a számítástechnikai ismeretekkel nem
rendelkező felhasználók számára lehetővé tegye az információ gyors elérését, elemzését – az Excel
Pivot tábláihoz hasonlóan.
15
2.3.3. SAS
A SAS olyan teljeskörű megoldásokat, szoftvereket kínál, amelyek megfelelnek az intézményekkel

szemben támasztott üzleti kihívásoknak, illetve megoldást adnak az iparág specifikus problémákra.
A SAS-termékek funkcionalitása a sikeres üzleti intelligencia alkalmazások szempontjából

alapvető, négy adatfunkcióra épül - adathozzáférésre, adatkezelésre, adatelemzésre és
adatbemutatásra. Ahogy szükségletei nőnek, változnak ezeken a területeken, úgy licenszelhet
további komponenseket és tökéletesen integrálhatja ezeket a már meglévő SAS-alkalmazások
körébe. Kérjük böngéssze át az alábbi listát, amennyiben többet szeretne megtudni az egyes
termékeinkről.
Az IT infrastruktúrák komplex, heterogén környezetek. Számtalan, több szállítótól származó

alkalmazás működhet szétszórva a vállalaton belül, különféle hardverek akár egymástól földrajzilag
is távol szolgáltatnak adatforrásokat a felhasználók felé. Ilyen környezetben az adat- és alkalmazás-
integráció állandó kihívást jelent.
A SAS egy integrált, nyitott, és bõvíthetõ architektúrát nyújt, amely a hatékony döntéstámogatás
alapját teremti meg. Minden SAS termék és megoldás erre a szoftver platformra épül, így az
alkalmazások egymás közötti magas szintű kommunikációja, integrációja megvalósítható.
A SAS architektúra jellemzõi:
Platformfüggetlen - A SAS rendszer hordozható kódja hardver platformok és operációs

rendszerek között átvihetõ. A legkülönbözõbb mainframe, szerver, és desktop platformok
kihasználása a felhasználó számára a meglévõ ill. jövõbeli műszaki környezet szabad
felhasználását biztosítja.
Skálázható - A SAS szoftver képes hatalmas adatmennyiségekkel megbirkózni. A párhuzamos
adatelérés és párhuzamos és osztott feldolgozás komplex lekérdezések nagyon gyors
végrehajtását teszik lehetõvé. Többfonalas I/O és a többprocesszoros hardverek kihasználásával a
SAS architektúra hatékony erõforrás-gazdálkodást valósít meg.
Nyílt - A nyitott, együttműködésre képes platform könnyedén integrálható meglévõ
alkalmazásokkal és rendszerekkel. A szabványokra (pl. OLE DB for OLAP, .Net, Java,
HTTP/HTTPS, J2EE) épülõ SAS architektúra szolgáltatásait Microsoft, Java és Web fejlesztõk
egyaránt az általuk jól ismert környezetben is igénybe vehetik.
A rugalmas, kiaknázásra optimalizált SAS szoftver architektúra segítségével vállalati szintű

információs stratégia valósítható meg, melynek elemei egymásra épülõ, egyre magasabb értéket
nyújtó értékláncként (SAS Intelligencia Értéklánc) a magas szintű döntéstámogatást szolgálják
A SAS/Enterprise Guide ötvözi a SAS szoftver világszinten elismert statisztikai és

adatmanipulációs képességeit egy modern, Windows-os grafikus felhasználói felülettel.
Segítségével a felhasználók könnyen és gyorsan végezhetnek statisztikai elemzéseket, adat-
összesítéseket, leválogatásokat, az eredményt pedig látványos, jól áttekinthetõ formában
publikálhatják. Használata nem igényel programozói tapasztalatot. A szoftver lehetõvé teszi, hogy
bármilyen - a SAS rendszer által támogatott - adatot elérjünk, lefutassunk SAS procedúrákat,
alkalmazásokat a SAS szerveren, az eredményeket pedig változatos jelentés, kimutatás, grafikon
formátumban jelenítsük meg. Az eredmény automatikusan HTML-ben generálódik, weben
publikálható, átemelhetõ MS Office alkalmazásokba, e-mailen terjeszthetõ, nyomtatható.Az
Enterprise Guide segítségével az elemzéseket megelõzõ adattisztítás és adatmanipuláció hatékonyan
16
végezhetõ el. Az alkalmazás - amit a felhasználó többnyire egér kattintásokkal állít össze -
elmenthetõ és egy késõbbi idõpontban ugyanaz a feladatsor végrehajtható. Az adatmanipulációs
lehetõségek mellett egy nagyon komplex statisztikai eszköztár áll rendelkezésre. Az alapstatisztikák
mellett klaszter elemzés, regresszió és számos egyéb elemzõ eszköz is elérhetõ az Enterprise Guide-
ban.
Funkcionalitás
• Adatelérés (SAS data set, PC fájl formátumok, MDDB-k)

• Adatkezelési feladatok (rangsorolás, standardizáció, formátum készítése, MDDB készítése
és regisztrálása, véletlen mintavétel)
• Grafikus lekérdezés építõ (szűrés, rendezés, számított oszlopok képzése, táblák
összekapcsolása)
• Leíró statisztikák (listázás, összesítõ statisztikák, eloszlás elemzés, korreláció, egytényezõs
gyakoriság, összesítõ táblák)
• Kereszttábla készítõ
• ANOVA (t-teszt, egytényezõs ANOVA, nem paraméteres egytényezõs ANOVA, lineáris
modellek)
• Regresszió (lineáris, nem-lineáris, logisztikus)
• Többváltozós elemzések (kanonikus korreláció, fõkomponens-analízis, faktoranalízis,
klaszteranalízis, diszkriminancia elemzés)
• Maradványérték analízis (élettáblák, arányos kockázatok)
• Alkalmasság vizsgálat (hisztogram, valószínűségi ábra, Q-Q diagram, P-P diagram, CDF
diagram)
• Kontroll diagramok (átlag- és terjedelem-diagram, átlag és std diagram, egyedi mérések
ábrázolása, dobozábra, p diagram, np diagram, u diagram, c diagram)
• Pareto diagramok
• Idõsorelemzés (idõsoros adatok elõkészítése, alap-elõrejelzés, ARIMA modellezése és
elõrejelzése, regresszió autoregressziós hibával, paneladatok regresszióanalízise)
• Grafikus ábrázolás (oszlop-, kördiagram, terület-, vonal-, pont-, perec-, buborék-,
felületdiagram, térkép, pénzügyi, vetület, radar)
Lekérdező, jelentés- és kimutatás-készítő és OLAP eszközök
A lekérdezések, kimutatás készítések tipikusan grafikus végfelhasználói felület használatával

valósulnak meg, de biztosított a programsorból való lekérdezés, elemzés lehetősége is. A SAS
rendszer támogatja az SQL-t. A lekérkedések, jelentéskészítések többféleképpen valósíthatóak meg.
Egyik lehetőség, hogy az adattárházban előkészített, rendszerezett adatokon egy elemző eszközt
használva (SAS/Enterprise Reporter, SAS/Enterprise Guide) a felhasználók saját maguk állítják
össze jelentéseiket, kimutatásaikat. A másik lehetőség, hogy a SAS fejlesztőeszközeit használva
egyedi, testre szabott jelentéskészítési környezet kerül kialakításra.Az OLAP eszközök segítségével
az elemzők grafikus felület segítségével, dinamikusan (a dimenziók és a részletezettségi fok előre
definiálása nélkül) állíthatják össze lekérdezésüket és végezhetnek elemzéseket akár vegyes,
relációs és multidimenzionális formában tárolt adatokon is. Az adatok megjelenítése történhet
táblázatos, grafikus, térképes formában. A dimenziókat (pl. idő, tér, értékesítési csatorna) és a
dimenzión belüli hierarchiát (pl. év / negyedév / hónap / hét hierarchia az idő dimenzión belül)
elemzés közben on-line változtathatja az elemző, így lehetővé válik a döntéshozatal támogatása a
kellő időben rendelkezésre álló, könnyen értelmezhető információk szolgáltatása által.
A SAS/EIS szoftver modul objektum orientált, menüvezérelt, programozást nem igénylő rendszer
OLAP alkalmazások fejlesztéséhez, futtatásához és karbantartásához. A kész objektumokból való
építkezésnek köszönhetően egyszerűen és gyorsan alakíthatók ki komplex rendszerek. A
17
jelentéskészítő objektumokon kívül a SAS/EIS több mint 30 előre elkészített objektumot tartalmaz.
A SAS/EIS szoftver a SAS rendszer többi részének komplett "front-end" eszköze. Fejlesztéskor a
SAS/EIS-t gyakran a későbbiekben ismertetésre kerülő SAS/AF fejlesztőeszközzel kombinálva
célszerű használni.
A SAS/Enterprise Guide ötvözi a SAS szoftver világszinten elismert statisztikai és

adatmanipulációs képességeit egy modern, Windows-os grafikus felhasználói felülettel.
Segítségével a felhasználók könnyen és gyorsan végezhetnek statisztikai elemzéseket, adat-
összesítéseket, leválogatásokat, az eredményt pedig látványos, jól áttekinthető formában
publikálhatják. Használata nem igényel programozói tapasztalatot. A szoftver lehetővé teszi, hogy
bármilyen - a SAS rendszer által támogatott - adatot elérjünk, lefutassunk SAS procedúrákat,
alkalmazásokat a SAS szerveren, az eredményeket pedig változatos jelentés, kimutatás, grafikon
formátumban jelenítsük meg. Az eredmény automatikusan HTML-ben generálódik, weben
publikálható, átemelhető MS Office alkalmazásokba, e-mailen terjeszthető, nyomtatható.Az
Enterprise Guide segítségével az elemzéseket megelőző adattisztítás és adatmanipuláció hatékonyan
végezhető el. Az alkalmazás - amit a felhasználó többnyire egér kattintásokkal állít össze -
elmenthető és egy későbbi időpontban ugyanaz a feladatsor végrehajtható. Az adatmanipulációs
lehetőségek mellett egy nagyon komplex statisztikai eszköztár áll rendelkezésre. Az alapstatisztikák
mellett klaszter elemzés, regresszió és számos egyéb elemző eszköz is elérhető az Enterprise Guide-
ban.
A SAS/Enterprise Reporter egy felhasználóbarát eszköz, ami intelligens szerver hozzáférést

kombinál egy PC alapú jelentéskészítő eszközzel. Microsoft Office jellegű megjelenésének
köszönhetően használata gyorsan elsajátítható. Tartalmaz egy "Report Gallery" komponenst, ebben
előre megírt jelentés minták (template-ek) találhatóak illetve ide menthetünk el általunk készített
vagy módosított mintákat. Az Enterprise Reporter integrálódik a SAS rendszer többi részével,
ennek köszönhetően a felhasználók bármilyen jelentést megvalósíthatnak a scoring adatbázis
adatain anélkül, hogy ismernék az adatok fizikai helyét, eredetét. Az üzleti felhasználók számára az
adatok fizikai helye, eredete transzparens.
3. Üzleti intelligencia, mint vezetői támogatás

A gazdálkodó szervezetek számára rendelkezésre álló, egyre növekvő mennyiségű információ
feldolgozása, hatékony felhasználása elengedhetetlen a versenyképesség megőrzéséhez. A korábban
alkalmazott informatikai módszerek, technikák nem képesek megbirkózni a rendelkezésre álló
nagymennyiségű adattömeggel.
A feladat megoldását az üzleti intelligencia (Business Intelligence) eszközei nyújtják, ami
tulajdonképpen nem jelent mást mint az adatok elérését, elemzését és megosztását az adott
szervezetnél. Az alkalmazás során a rendelkezésre álló adatok rendszerint egy központi adattárba
kerülnek, amely egyrészt biztosítja az adatok integritását, másrészt alapjául szolgálhat a további
elemzéseknek. Ez utóbbi az adatbányászat eszköztárával, multidimenzionális adatbázison, vagy az
adattárházra épített, a belső felépítést elrejtő riportfelületen keresztül valósul meg.
Az adatok jobb döntések lehetővé tételét célzó konszolidálásával és újraszervezésével jelentős
előnyökre lehet szert tenni: ezen előnyök felfedezését és hasznosítását hívjuk „Üzleti
intelligenciának”. Az Üzleti Intelligencia azonban több, mint adatok és technológiák kombinációja:
az információ tudássá transzformálásáról szól, a megfelelő adat eléréséről, a benne rejlő lehetőségek
felfedezésétről és értékeinek megosztásáról.
Az Üzleti intelligencia megoldások (BI: Business Intelligence) körébe olyan alkalmazások és
technológiák tartoznak, melyek célja, hogy a szükséges adatokhoz való hozzáférés biztosításával,
ezen adatok megfelelő tárolásával, valamint sokoldalú elemzési lehetőségekkel támogassák a
18
vállalati döntéshozatalt. Az Üzleti intelligencia megoldások magukban foglalják tehát az

adattárolási, a valós idejű lekérdezési, analitikai, előrejelzési és adatbányászati eljárások modern
formáit.
A cégek számára felmérhetetlen értékű információhalmazról van szó, hiszen ezek az adatok a
szervezet múltját, tapasztalatát tartalmazzák.
A vállalatoknál rendelkezésre álló, egyre növekvő mennyiségű adat feldolgozása, hatékony
felhasználása elengedhetetlen versenyképességük megőrzéséhez. Ennek gátja lehet, ha a
rendelkezésre álló részletes adatok több különböző adatforráson helyezkednek el, emiatt nem, vagy
csak nehezen állíthatóak elő a vezetői lekérdezések. Ha nincs megfelelő informatikai eszköz,
amellyel a rendszeresen használt elemzések megfelelő minőségben, hatékonyan előállíthatók,
valamint az alkalmanként felmerülő kérdések azonnal megválaszolhatók. Ezekben az esetekben
szükség van az Üzleti intelligencia megoldásaira.
Olyan informatikai támogatást biztosítunk partnereink számára, amellyel lehetővé válik az adatok
hatékony feldolgozása, elemzése, fejlett döntéstámogatási eszközt nyújtva ezzel a vállalati vezetők
számára. Üzleti intelligencia megoldásaink teljes körűek:
• Adattárházak tervezése, építése, bevezetése, üzemeltetése
• Döntéstámogató rendszerek tervezése, bevezetése, karbantartása
• Vállalati adatok elemzéseinek elkészítése
• Vállalati adatok riportozása hagyományos vagy web kliensen keresztül
• Adatbányászat, elemzési minták felállítása a mélyebb összefüggések kimutatására.
3.1. Adatbázis, adattárház

Az adattárház a vezetők számára optimalizált formában, a vezetői információigényeknek megfelelő
aggregáltságú és szervezettségű adatokat tartalmaz, illetve lehetővé teszi ezek sokoldalú
lekérdezését, magas szintű analitikus műveletek végzését.
Az összvállalati szintű adatkezelést a központi adattárház a hozzá kapcsolódó adatpiacok integrált
rendszerével együtt látja el. Az adatpiacok az adattárházakhoz hasonló adatkezelési képességekkel
rendelkeznek, de egy-egy szervezeti egység speciális információs igényeinek megfelelően
optimalizáltak.
Az adatkezelés szintjére épülve az OLAP-rendszerű alkalmazások (OLAP: On-Line Analytical
Processing) -- az úgynevezett Elemzési rendszerek -- sokoldalú tervezési, teljesítmény-követési,
eltérés-elemzési, szimulációs, adatbányászati és előrejelzési feladatokat látnak el a controlling
szabályozóköréhez, a vállalati értékteremtés folyamatának egyes elemeihez vagy adott funkcionális
egységekhez kapcsolódóan.
Az adattárház technológia eszközkészlete biztosítja az adatelemzés, a statisztika, a modellezés és az
előrejelzés valamint a jelentéskészítés minden korszerű eszközét.
Az adattárház technológia lehetővé teszi, hogy a vállalati adatok szervezett, konszolidált, tisztított
idősorokban jelenjenek meg, anélkül, hogy a döntéstámogatás céljából indított lekérdezések túl
terheljék a vállalat informatikai infrastruktúrát.
A vállalatok, intézmények többsége jelentős mennyiségű adatot tárol ügyfeleiről, partnereiről,
beszállítóiról, munkatársairól, termékeiről és munkafolyamatairól. Ha ezeket az adatokat megfelelő
módon használja fel, akkor a vállalat olyan értékesítési és marketing stratégiát dolgozhat ki,
amellyel megcélozhatja és megtarthatja a legtöbb hasznot hozó ügyfeleket:
• Idejében felismeri az ügyfelek személyes igényeiket
19
• Meghatározza a termékek optimális árát

• Speciálisan kezelheti a stratégiailag jelentős beszállítóit, partnereit és legeredményesebb
munkatársait.
Az adatbányászat során adattárházba rendezett vagy egyéb más tranzakciós adatbázisainkból olyan
információkat nyerünk, amelyekkel jelentős információtartalommal bíró, összetett, általában rejtett
összefüggések, minták tárhatók fel. Ezek az összefüggések üzleti szempontból fontos döntések
meghozatalához nyújtanak segítséget.
A főként nagyobb cégek IT-stratégiájáról beszélgetve akarva-akaratlanul beleütközünk a néhány
éve még ismeretlen “adattárház”, “vezetői információs -" és “döntéstámogató rendszerek”
fogalmakba. Ez egyértelműen mutatja az igények növekedését ezen a viszonylag új területen.
Egyes becslések szerint a vállalkozások a közeli jövőben bevételük 7 %-át fogják adattárház
jellegű projektekre fordítani. Ez óriási összeg. Lehet, hogy ez is olyan csoda, amelytől megváltást
remélnek az informatikai szakemberek, és az mégsem következik be? Vagy az információ-
központú világban az információ még jobb rendezésének és felhasználásának kulcsa? Esetleg
mindkettő?
A vállalkozások egyre erősebb nyomás alá kerülnek. Erősödik a piaci verseny, szabadabbak és
átjárhatóbbak a piacok, áttekinthetővé és összehasonlíthatóvá válnak az árak, szigorodnak a
fogyasztók, a felügyeleti szervek, vagy a tulajdonosok, befektetők által diktált feltételek.
Ezért gyorsabban rendelkezésre álló és alaposabb információk szükségesek a gazdasági döntések
meghozatalában. A felsővezetők részint információkon, másrészt pszichés hatásokon alapuló
döntései alapjaiban határozzák meg a cég sorsát.
A megbízható döntések meghozatalához szükséges adatok előállításának kétféle akadálya lehet: az
egyik a vezetési kultúra hiánya, a másik az elmaradott információs technológia, illetve a meglévő
technológiai lehetőségek nem megfelelő kiaknázása. Az első akadály elhárításán tipikusan vezetési
tanácsadó cégek dolgoznak. A második problémakör megoldásában az informatikai
megoldásszállítók tudnak segíteni.
A cégek működésük során hagyományosan rengeteg adatot halmoznak fel tranzakciós
rendszereikben. A tranzakciós rendszerek természetesen tranzakció-orientáltan tartalmazzák az
információkat, amely távol áll a vezetői szemlélettől. Ezek a nyers adatok mindig a cég
működésének egy meghatározott részterületére vonatkoznak.
A vezetők ezzel szemben összegzett, időben folytonos, a vállalat minden “fontos” részéről
származó, jól strukturált és könnyen elemezhető információkra tartanak igényt. Komplex, több
szempontra figyelő látásmódjuk (pl. a közvetlen csatornán keresztül eladott kamerák
mennyiségének változása a nyugati régióban, az előző negyedévhez képest) megköveteli a
többdimenziós elemzési lehetőségeket. Ezen kívül szeretnék, ha az elemzések elkészítésekor
függetleníthetnék magukat a számítástechnikai szakemberektől.
Ezért szükség van a menedzsment információs igényeinek összegyűjtésére. Innen az út az
adatforrásokhoz vezet. Ezután következik a vállalat működésének, üzleti folyamatainak
modellezése. Meg kell még oldani az adatok összegyűjtését és a rendszeres adatáttöltés
automatizálását.
Egy üzleti intelligencia rendszernek a következő főbb elvárásoknak kell megfelelnie: könnyű
használat, hatékony lekérdezés, elemzés, üzleti modellek felállítása; korlátlan számú logikai nézet;
gyors adatelérés és integráció; nyíltság és skálázhatóság.
A vezetői információs rendszer megvalósításához a hagyományos szoftver eszközök nem kínálnak
optimális megoldást. Megfelelő megoldás lehet viszont a többdimenziós adatmodell, melynek
fontosabb funkcionális jellemzői a követezők: tetszés szerinti adatnézet; adatkiválasztás;adatlefúrás
stb.
20
A többdimenziós adatmodell használatával megvalósulhat a döntéshozók és a döntéselőkészítők

vezetői információs rendszerrel kapcsolatos álma — előre meghatározott vagy tetszőleges eseti
szempontok szerint, tetszőleges adatokat tudnak elérni, és az adatokat elemezve olyan
információhoz jutnak, amelyet üzleti előnyökké tudnak formálni.
Az adattárház maga egy komplex informatikai rendszer, amelynek magja egy nagyteljesítményű
adattár, ennek részét képezi az ellenőrzött és ütemezett táplálását (töltését) végző rendszer, valamint
az adatok elérhetőségét és elemezhetőségét lehetővé tevő lekérdező-elemző rendszerek. Alapvető
célja a tárolt információk elemzése. Adatait a tranzakciós forrásrendszerektől elkülönítve tárolja,
egy olyan adatbázis-struktúrában, mely a lekérdezések szempontjaira optimalizált. Vállalati szintű
átfogó, a különböző adatkörök összekapcsolása révén integrált adatokat tartalmaz, idősoros
formában. Az adattárház tartalma nem változik, csak bővül (nem állapotot, hanem történéseket
regisztrál), és a felhasználók különböző elemzői, döntéstámogató, lekérdező eszközökkel férhetnek
az adatokhoz.
Az adattárházban elhelyezett metaadatok a tárolt adatok értelmezésére, leírására szolgálnak. Az
informatikai technológiákban eddig is használatosak voltak az adatszótár jellegű leíró adatok, de az
adattárház adatai nem, vagy nem csak strukturális információt, hanem a leírt adatok értelmezéséhez
nélkülözhetetlen tartalmi információt is hordozzák.
E rendszerek kialakítását az üzleti intelligencia (Business Intelligence) eszközei nyújtják, ami
tulajdonképpen nem jelent mást mint a vállalati adatok elérését, elemzését és megosztását az adott
szervezetnél. Az alkalmazás során a rendelkezésre álló adatok egy központi adattárba kerülnek, ami
majd a többdimenziós elemzések, illetve a mélyebb összefüggések feltárására irányuló
adatbányászat alapjául szolgálnak.
A többdimenziós adatbázis különböző szempontok alapján történő hozzáférést biztosít az
adatokhoz, ahol szempontként a felhasználó üzleti fogalmai jelennek meg. Az elemzéseket végző
szoftvereszközök alkalmasak ad-hoc lekérdezések elvégzésére, éppúgy, mint előre elkészített
intelligens riportok kialakítására, futtatására. Jelentéskészítő eszközök alkalmazásával biztosítható a
standard riportok előre ütemezett, rendszeres publikálása, akár weben keresztül is. A vállalati
vezetők számára egyszerűvé válik ad-hoc lekérdezések összeállítása, kizárólag üzleti fogalmak
használatával.
3.2 Az adatbányászat
Az adatbányászat segítségével rejtett összefüggéseket fedezhetünk fel nagy mennyiségű
adathalmazban. Az adatbányászat azt a nyilvánvaló ellentmondást oldja fel, hogy minél több adattal
rendelkezünk, annál bonyolultabb és időigényesebb ezt hatékonyan elemezni, és értékes
következtetéseket levonni belőlük. Ami akár aranybánya is lehetne, az sok esetben feltáratlan marad
megfelelő szakember, tapasztalat vagy idő hiányában. Az adatbányászat fejlett elemzési technikákat
használ arra, hogy hatalmas mennyiségű adatokból kinyerje a hasznos információkat.
Bár az adatbányászat egy viszonylag új terület, maga a technológia nem az. A statisztikusok már a
múltban is „bányászták” az adatbázisokat statisztikailag szignifikáns összefüggések felfedezése
érdekében. Az információtechnológiában végbement drámai változások hatására azonban a
számítógépek teljesítményének növekedésével az elemzések pontossága, gyorsasága és mennyisége
is rendkívüli módon megnőtt.
Amennyiben a szükséges információ megtalálható az adatbázisban úgy az adatbányászat
segítségével tulajdonképpen bármiféle vásárlói tevékenység modellezhető. Kulcsfontosságú, hogy
releváns összefüggéseket fedezzünk fel egy jól meghatározott üzleti probléma esetében. Az
adatbányászat segítségével a marketingvezetők jobban megérthetik a vásárlói viselkedést és
magatartást, ami célzottabb és hatékonyabb marketingkampányok megvalósítását teszi lehetővé. Ily
módon ezek a kampányok sokkal jobban megfelelnek a vásárlók attitűdjeinek és igényeinek.
Tipikus kérdések, amire az adatbányászat adhat megoldást:
21
- Kik azok az előfizetők, akik lemondanak mobiltelefon előfizetésükről?

- Mekkora a valószínűsége annak, hogy a vásárló egy bizonyos értékhatár fölött
fog rendelni egy postai úton kiküldött katalógusból?
- Ha egy vásárló vásárol egy bizonyos terméket, akkor mi a valószínűsége
annak, hogy egy másik terméket is meg fog vásárolni?
- Kik azok, akik nagyobb valószínűséggel vásárolnak az egyes eladásösztönző
akciók hatására?
A feltett kérdésekre adott válaszok segítségével nőhet a cég ügyfélmegtartó képessége, az eladások
aránya, a keresztértékesítés lehetősége és végső soron a nyereségesség. Megbízható előrejelzések
segítségével könnyebb jó döntéseket hozni. Az adatbányászat segít az előrejelzés pontosságának
növelésében, gyümölcsöző irányba terelve az üzlet menetét. Segít meghatározni a potenciális
vásárlók közül azokat, akik nagy valószínűséggel válaszolni fognak egy bizonyos akcióra és
nyereséget termelő vásárlók lesznek a jövőben. Ily módon ez a célcsoport célzottan megközelíthető,
ami csökkenti a költségeket és növeli a nyereségességet. A döntéseket a kibányászott piacismeret,
nem pedig intuíciók alapján hozzák meg, s ez a jó teljesítmény alapján hosszú távú versenyelőnyt
biztosít a versenytársakkal szemben.
Hogyan működik az adatbányászat?
Az adatbányászat 4 fontos lépcsőből áll:
1. az első lépcsőben a vállalatnál már felépített adattárházakban tárolt nagy mennyiségű
adathalmazból mintavétel segítségével kiválasztjuk a szükséges adatokat
2. a második fázisban előkészítjük az adatokat és adattranszformációkat hajtunk végre
(megtisztítjuk az adatokat, új változók képzünk, pótoljuk a hiányzó értékeket, illetve megvizsgáljuk
az extrém értékeket és eldöntjük, hogy milyen módon kezeljük őket)
3. a harmadik fázis a tulajdonképpeni adatbányászat; számítógépes szoftverek segítségével
modellezve itt térképezzük fel az adatokban rejlő fontos összefüggéseket
4. az utolsó fázisban az eredmények értelmezése és kiértékelése történik
22
7. ábra Az adatbányászat 4 fő fázisa

Az adatbányászatot támogató szoftverek segítségével tehát nagy mennyiségű több dimenziós
adathalmazt készítünk elő, alakítunk át, csökkentünk nagyságában és dimenzióiban, illetve
modellezünk a célból, hogy hasznos információkra bukkanjunk. Az adatbányászattal kapcsolatos
feladatok általában két kategóriába oszthatók: · A bejósló típusú adatbányászat (célirányos
tevékenység) céljai: klasszifikáljon, azaz „igaz” vagy „hamis” kategóriákba osszon be, illetve hogy
valamiféle regressziós elemzést hajtson végre az adatokon és bizonyos bemenő változókra már
ismert válaszok alapján gyártson előrejelzéseket.
· A feltáró adatbányászat (nyitottabb jellegű tevékenység) feladata az
adathalmazon belüli minták vagy csoportok, klaszterek azonosítása.
Az adatbányászati szoftverek jellemző algoritmusai a neurális hálózatok, a genetikus algoritmusok,

a döntési fák, a különböző regressziós módszerek, klaszterezés (elsősorban a nem-hierarchikus)
módszerek, a szabálygenerálás, a vizuális elemző eszközök és még sok más egyéb módszer.
3.2. Példák adatbányászati alkalmazásokra

Az adatbányászatot az élet nagyon sok területén használják, pár példa az alkalmazásokra:
Kereskedelemben
- Vásárlói csoportok, viselkedési minták azonosítása
23
- A fogyasztók demográfiai jellemzői közötti asszociációk feltárása

- Postai úton bonyolított kampány hatásának becslése
- Keresztértékesítés egyes termékek esetében
- Fogyasztói igények pontos felmérése
- Jövedelmező fogyasztói szegmensek beazonosítása
- Vásárlómegtartás, vásárlói hűség növelése
Bank szférában
- Kártyacsalások felderítése
- Hitelkártyáról történő költés nagyságának becslése különböző fogyasztói
csoportokban
- Hitelkockázat becslése
Biztosítási szektorban
- Annak beazonosítása, hogy kik vásárolnak bizonyos típusú kötvényeket
- Biztosítási csalások felderítése
3.2.1. OLAP-rendszerű alkalmazások
A controlling szabályozókörének támogatása
A vezetői információs rendszerek kezdettől fogva szorosan kapcsolódtak a controlling

szabályozókörének egyes elemeihez. A controlling alapjainak bemutatásánál láthattuk, hogy a
szervezet mindennapi életében és fejlődésében a controlling szabályozókör alapvető
mozgatórugóként jelenik meg. Ha a vezető elő akarja mozdítani a szervezeti célok elérését, akkor
erre a szabályozókörre támaszkodva cselekszik: elemez és tervez, nyomon követi az elért
teljesítményeket, értékeli az eltéréseket, szükség esetén beavatkozik, majd a ciklus újraindításakor
ismét elemez, és ennek fényében célértékeket tűz ki.
A controlling lehetőség szerint igénybe veszi mindezekhez az informatika támogatását.
Alapvetően két fajta IT-támogatást várunk el itt: egyrészt a szükséges adatok gyűjtését és kezelését
-- ezt a funkciót látják el az adattárházak és az adatpiacok --, másrészt a szabályozókör egyes
elemeihez kapcsolódó feladatok informatikai támogatását, leképezését.
Az OLAP-rendszerű alkalmazások képesek a vállalati elemzés és tervezés, a teljesítménykövetés és
értékelés, valamint a döntéshozatal komplex, a szervezet különböző szintjeit felölelő támogatására.
Stratégiaalkotás - Üzleti tervezés - Kerettervezés
A stratégiai terv a küldetésből és a jövőképből levezetett, a vállalat működési környezetének és

adottságainak megfelelően kialakított hosszú távú célkitűzések rendszere. A stratégia megalkotása a
felsővezetés intellektuális tevékenysége: ezt a feladatot IT-rendszerek soha nem fogják tudni
átvenni, a hozzá vezető utat azonban támogathatják. Az adattárházak sok fajta belső és külső
forrásból gyűjtenek adatokat, majd jól szervezetten és megfelelő aggregáltsági szinten prezentálják
ezeket. Ez jelenti a kiindulási pontot.
24
Az adattárházak nyújtotta lekérdezési lehetőségeket és a hagyományos statisztikai elemzési

eszközöket a különböző OLAP-szoftverek ma már bonyolult elemzési, üzleti szimulációs
képességekkel egészítik ki. Az adatbányászati alkalmazások (data mining) adott adatmennyiségre
támaszkodva rejtett kapcsolatok, ok-okozati viszonyok felderítésére, a sokaság valamely
jellemző(k) mentén történő csoportokba rendezésére, valamint a rendelkezésre álló adatok alapján
jövőbeli tendenciák előrejelzésére vállalkoznak. A szakértői rendszerek (ES: Expert System)
olyan számítógépes programok, melyek egy-egy szakterület komplex modelljeit, működési elveit és
tudáselemeit felhasználva döntési javaslatokat adnak az üzleti problémák betáplált paraméterei
alapján. Ezek a magas szintű analitikai műveletek akkor hatékonyak, ha a háttérben az OLAP-
rendszerekhez illeszkedő, multidimenzionális adatkezelési rendszerek (adattárházak) vannak.
A vállalati tervezési rendszerek feladata, hogy a hosszú távú stratégiai terv rögzítésétől kezdve
lehetőséget teremtsenek a középtávú üzleti tervek elkészítéshez, valamint éves szinten a
kerettervezés és a beruházásokkal kapcsolatos kontroll feladatok elvégzéséhez. Ezek a tervezési
rendszerek jelentős adattömegeket, több tervverziót kezelnek, több éves időszakokat, többféle
időhorizontot fognak át, a tervezés top-down / bottom-up folyamatát, a tervérték-átadások és --
elfogadások (tervfelelősök) rendjét, vagyis a teljes tervezési tevékenységet követni tudják.
Az adatok és az összefüggések megfelelő prezentálása a vezetés különböző szintjei számára
lényeges elvárás az informatikai támogatórendszerekkel szemben. (Nagyvállalatok, konszernek
esetében már a tervezésnél is felmerül a belső teljesítményátadások kezelése.)
Az ilyen rendszerek hatékony kialakítása az informatika és a controlling szoros együttműködését
feltételezi. Természetesen csak egy átgondolt és jól szervezett tervezési folyamatot érdemes
informatikailag leképezni, hiszen a rendszer csak ekkor fog jól működni.
Meg kell említeni még, hogy a vezetők sokfajta személyes információt, ismeretet, tudást is
bevonnak a stratégiaalkotás során. (A menedzseri munkát, illetve az érintettek közötti
kommunikációt a későbbiekben tárgyalandó vállalati portálok, valamint az úgynevezett személyi
teljesítménynövelő szoftverek: táblázatkezelők, szövegszerkesztők, stb. is nagyban elősegítik, az
adattárházaknak és az OLAP-rendszereknek ezekkel integráltan kell együttműködniük.)
Céllebontás - Mutatószámok
Ma már általánosan ismert és elismert a stratégiai és az üzleti tervezés összekapcsolásának

fontossága. A Balanced Scorecard koncepció erre a kihívásra ad módszertani választ, melyet
világszerte sikerrel alkalmaznak. Az OLAP-szoftverek szállítói a tervezési rendszerek részeként a
stratégai céllebontás informatikai támogatását is megvalósították. A vállalati teljesítmény
menedzselése érdekében pénzügyi és nem-pénzügyi mutatószámok rendszerének kialakítását teszik
lehetővé -- a hagyományos tervezési és beszámolási- / kontroll-rendszerekhez kapcsolódóan.
Ezek a szoftverek (általános és iparág-specifikus) mutatószám-ajánlásokat tartalmaznak, lehetővé
teszik a kiválasztott indikátorok rendszerbe foglalását, lebontását, kommunikálását, rögzítését,
valamint követését. Ezek az OLAP-alkalmazások egyrészt előmozdítják a tervezési rendszerek
hatékony működését, másrészt a kiegyensúlyozott mutatószám-rendszerek alkalmazásával
támogatják a szervezeti tevékenység érték-alapú menedzsmentjét is.
Kontroll-rendszerek / beszámoló-rendszerek
A menedzsment a kontroll különböző formáinak alkalmazásával igyekszik csökkenteni a kitűzött

célok és az elért eredmények közötti különbséget. Ahhoz, hogy ezt megtehesse a rögzített
tervértékek mellé gyűjteni kell az aktuális tényértékeket is -- azonos struktúrában, azonos
aggregációs szinteken, hogy az összehasonlítások elvégezhetőek legyenek.
25
Az adatok forrását elsősorban a tranzakciós rendszerek jelentik. Az integrált ERP-rendszerek

lehetővé tesznek egyszerűbb lekérdezéseket, melyek az alacsonyabb szervezeti szintek vezetői
számára biztosítják az operatív működés folyamatos követését, megalapozzák a visszacsatolásokat,
negatív elmozdulások esetén a szükséges beavatkozásokat. Amennyiben azonban magasabb vezetői
szintek információs igényéről, összvállalati döntéstámogatásról van szó, akkor előtérbe kerülnek az
Üzleti intelligencia megoldások.
Az ERP-kből a központi adattárházba töltődnek át a megfelelő szervezettségű és aggregáltságú
adatok. Az adattárházak által nyújtott műveletek is lehetővé teszik lekérdezések végrehajtását: már
itt is származtathatóak riportok a vezetők számára. A mélyebb elemzések elvégzéséhez -- hasonlóan
a tervezésnél elmondottakhoz -- analitikus, adatbányászati és szimulációs OLAP-eszközök
állnak rendelkezésre. A vezetői információs rendszerektől elvárják az eltérések, kivételek figyelését
/ jelzését is. A belső adatok kiegészülnek külső forrásúakkal (például: piaci, gazdasági mutatók,
értékelések, a rendkívüli események figyelembe vétele, stb.), melyek a tények és az eltérések
árnyaltabb értékelését szolgálják, s megalapozottabb döntéseket eredményeznek.
Amennyiben a szervezet alkalmazza a céllebontás fent bemutatott eszközeit, akkor természetes
igény, hogy abban a rendszerben is megjelenjen a tényleges működés, vagyis a tények leképezése
adja meg a visszacsatolás lehetőségét.
A beszámoló-rendszereknél érdemes még megemlíteni az összvállalati konszolidáció informatikai
megragadását, a beruházások, fejlesztési projektek követését, illetve a cég külső érintettjei,
leginkább a tulajdonosi kör felé történő kommunikáció OLAP-rendszerekkel támogatott
megvalósításait.
Hasonlóan a tervezéshez, a menedzserek az értékelésnél is használnak nem az OLAP-alkalmazások
körébe tartozó IT eszközöket (vállalati portál, személyi teljesítménynövelő eszközök, stb.);
másrészt minden esetben igaz, hogy a személyes visszacsatolás nem veszít jelentőségéből, bár a
kommunikáció növekvő aránya történik informatikai csatornákon.
Kockázatkezelés
A vállalati folyamatok újraszervezése, minőségük fejlesztése és biztosítása mellett manapság

növekvő figyelmet szentelnek a vállalat tevékenységében megjelenő kockázatok kezelésének is. A
cégen belüli kockázatkezelés területén is alkalmazhatnak OLAP-eszközöket, másrészt az OLAP-
eszközök bevezetése maga is kockázatkezelést tesz szükségessé.
A kockázatok azonosítása széles, belső és külső forrásokra támaszkodó információs hátteret;
elemzésük és a kezelés kidolgozása fejlett analitikus, szimulációs rendszereket igényel; valamint
fontosak a korai észlelést biztosító előrejelző rendszerek is.
3.2.2. OLAP-rendszerű alkalmazások a vállalati értéklánc támogatására

A vállalat központi adattárházához kapcsolódó adatpiacok, illetve az azokra épülő OLAP-
alkalmazások két jelentős területét az Ellátási lánc menedzsmentjét (SCM: Supply Chain
Management), illetve az Ügyfél kapcsolatok kezelését (CRM: Customer Relationship
Management) támogató megoldások adják. A vállalat értékteremtő láncának kezdő és végpontja
alapvető fontosságú az üzleti sikeresség szempontjából, hiszen a beléptetett alapanyagot,
termékeket, minőséget alakítja tovább a vállalat -- saját belső folyamatainak optimalizálása és
fejlesztése szintén elengedhetetlen -- majd a kilépésnél termékéről a vásárlói mondanak ítéletet, s a
tartós és nyereséges piaci jelenlét csak a vevői kör gondozásával lehetséges.
A controlling két irányból is bekapcsolódik: egyrészt az adott szakterületi controlling feladata a
vállalati stratégiából levezetve logisztikai / értékesítési stratégia megfogalmazása, a célkitűzésekből
konkrét tervek kidolgozása, majd a teljesítmények megfelelő mérése, az eltérések kezelésének, a
vezetői kontrollnak a támogatása. Másrészt az összvállalati controlling számára fontos
26
információforrást jelentenek ezek a szervezeti területek a felsővezetői döntéstámogatás feladatainak

ellátásánál.
Ennek megfelelően a következő támogató informatikai rendszerek működnek.
• Az ERP-rendszerek logisztikai / értékesítési modulja, illetve más szakterületi informatikai
rendszerek az operatív SCM, illetve CRM céljait szolgálják: a mindennapi működés
automatizálását, az adatok rögzítését, az elszámolást. Valamint egyszerűbb elemzéseket is lehetővé
tesznek, ezáltal elősegítik az adott szervezeti egységek szintjén a kontrollt a költségek, az idő és a
minőség dimenzióit szem előtt tartva. Fontos elvárás az integráció a vállalat egyéb (tranzakciós,
elemzési, stb.) rendszereivel.
• Az analitikus SCM, illetve CRM alkalmazások feladata a magas szintű vezetői
információszolgáltatás, ennek keretében:
• a célnak megfelelően gyűjtött adatokra támaszkodnak -- adattárház, illetve jellemzően

területi adatpiacok szolgáltatják a belső és külső forrású konszolidált, strukturált, aggregált
adatokat;
• a rendelkezésre álló adatokból OLAP-eszközökkel: összetett statisztikai, adatbányászati
műveletekkel vezetői információ szolgáltatására, valós-idejű, ad hoc lekérdezések lehetővé
tételére, rejtett kapcsolatok kimutatására törekszenek (például: értéklánc szintű teljes
költségek kiszámítása, szállítói / vevői csoportok képzése, eltéréselemzés, jövedelmezőségi
vizsgálatok, vevőkosár-elemzések, keresztértékesítési lehetőségek feltárása, marketing-
eredményesség -- vevőmegtartás kimutatása, versenypiac elemzése, stb.);
• szintén OLAP-eszközökkel szimulációkat, hatásvizsgálatokat végeznek, melyekkel
megalapozzák a következő időszak terveit, célkitűzéseit (például: készletszint / átfutási idő
csökkentési lehetőségek modellezése, centralizált vs. decentralizált beszerzés vizsgálata,
ellátási lánc szintű akciótervezés, marketing-akciók értékelése, kockázatelemzés, stb.)
• Az interaktív SCM, illetve CRM alkalmazások lényege az, hogy a vállalat határát átlépő
folyamat szereplői közötti kommunikációt támogassák, illetve, hogy a tranzakcióikhoz új,
rugalmasabb, gyorsabb IT-megoldásokat biztosítsanak. Mindez controlling szempontból a kapcsolat
hatékony kialakítását és működtetését (költségek és hasznok), valamint a keletkező változatos
formátumú adatoknak a vezetői információs rendszerek felé csatornázását jelentik.
3.4. Az adatbányászat, a CRM és a piackutatás kapcsolata

Aki mostanában konferenciákon, előadásokon jár, vagy különböző marketinggel kapcsolatos
szaklapokat olvas, nehezen kerülheti el a találkozást a CRM vagy az adatbányászat fogalmával.
„Íme egy újabb ’trendi’ varázsszó, akárcsak az új gazdaság vagy az e-business” – legyinthet bárki
könnyedén. Ám, ha végiggondoljuk, hogy ezek a szavak és tartalmuk miként épülnek be
mindennapi életünkbe, akár saját akaratunk ellenére is, óvatosabban kell közelítenünk. Hasznos
megismernünk e szavak jelentését, és hogy milyen lehetőségeket is rejtenek magukban. A
piackutató feladatainak eddig is része volt az adatbázisok elemzése, eddig is számos oldalról
vizsgálta, miként alakul a vásárló, az ügyfél elégedettsége, az új lehetőségeken túlmenően egy
esetleges új versenytárssal kell szembe néznie. Felmerül a kérdés ugyanis: ha egy cégnek minden
információ rendelkezésére áll házon belül, saját konkrét ügyfeleire lebontva, miért lenne szükség
piackutatásra, illetve piackutatóra?
3.4.1. A CRM (Custumer Relationship Management)
27
Mit jelent a CRM (Customer Relationship Management) vagyis az ügyfél hatékony

kiszolgálása? Milyen vállalatfilozófiai irányzatokra épül a CRM és mennyiben ad új
szemléletet? Miben nyilvánul meg egy vállalat ügyfélközpontú működése? Hogyan célszerű a
CRM bevezetése? Ezekre a kérdésekre adunk választ cikkünkben és a CRM körüli homályt
próbáljuk meg eloszlatni.
Ha valahogy meg szeretnénk határozni, akkor a CRM mint üzleti stratégia a vállalat jelenlegi és
jövőbeni ügyfelei szükségleteinek megismerésére, megértésére és a lehető legmagasabb szinten
történő kezelésére irányul. Mint üzleti folyamat, magában foglalja az ügyfél adatainak
összegyujtését, konszolidálását, elemzését, szétosztását és felhasználását az ügyfélkapcsolat helyén.
Célja az ügyfél-elégedettség, a bevétel és a profit optimalizálása.
HOGYAN ILLESZKEDIK A CRM A KONTROLLINGHOZ?
A kérdést úgy is megfogalmazhatjuk, miért nem elegendőek a hagyományos
menedzsmenttechnikák, így például az éves operatív terv köré szerveződő pénzügyi tervezés és
kontrolling? A válaszhoz gondoljuk végig a következőket: ha találunk egy olyan esetet, amikor egy
adott menedzsmenttechnika szerint optimalizáltunk, de az szuboptimumhoz vezet, vagy nem vezet
el a tényleges optimumhoz, akkor fel kell tenni a kérdést, hogy mivel jutunk el a tényleges
optimumhoz. Amennyiben ezt egy kiegészítő menedzsmenttechnikával tudjuk elérni, akkor ez
egyben válasz lehet arra, hogy miért van egy új menedzsmenttechnikára szükség. Az új technika
gondolatához induljunk el a vevők elemzésével. Marketingtanácsadók szívesen alkalmazzák a
vevőosztályozási mátrixot (1. ábra). Az osztályozási elmélet szerint az a jó vevő, aki nem csak
akkor vásárol átmeneti lelkesedéssel, ha személyre szóló árengedményt kap (haszonleső), hanem az,
aki sokat vásárol és másokat is a tőlünk való vásárlásra biztat (apostol). A túsz egy veszélyes vevő.
Valamilyen ok miatt kénytelen tőlünk vásárolni, például a monopolhelyzetünk miatt, vagy azért,
mert egyszer vásárolt és a termék által "fogságba" ejtettük. Abban biztosak lehetünk, hogyha
egyszer kiszabadul, sohasem lesz belőle apostol és nagy valószínűséggel terrorista lesz, aki csak
akkor vásárol, ha jelentős, számunkra nem mindig előnyös feltételeket tud kiharcolni, esetleg ránk
kényszeríteni. A pénzügyi modellek például az apostolokat és a túszokat összemossák. Mindkettő
sokat vásárol, nagy a tőlük származó árbevétel, holott az egyikük esetében valójában egy időzített
bomba ketyeg az értékesítési terv alatt. A pénzügyi modellek gondolkodása mentén sohasem jutunk
el addig a jelszóig, hogy "tegyük a vevőinket apostolokká". Márpedig az optimális árbevétel
eléréséhez erre van szükség. Mit jelent ez a kontrollingrendszerek szempontjából? Azt, hogy egy
szárnyaló értékesítési index csak akkor lehet megnyugtató, ha egy ugyancsak szárnyaló vevő
megelégedettségi indexszel párosul. Ezt a kettős követelményt pedig csak a CRM filozófiájával
tudjuk biztosítani, vagyis nem csak a profit és a költségek, hanem a vevői elégedettség
szempontjából is optimalizálunk.
A CRM KIALAKULÁSÁNAK FOLYAMATA ÉS ÉRTELMEZÉSI MÓDJAI
Napjaink vállalatirányítási módszertana napról napra újabb és újabb irányzatokkal bővül. Ezért
minden egyes új irányzat esetében célszerű megvizsgálni, hogy az adott irányzat milyen korábbi
metodológiára épül, melyek benne az új elemek. Tegyük ezt most a CRM-mel is! Jelen cikkben a
CRM kialakulását két nézőpontból közelítjük meg. Első nézőpontként tekintsük a sarki fuszeres
példáját, aki a viszonylag szuk, ugyanakkor rendszeresen betérő vevőkörét személyes tapasztalatai
alapján megismeri, barátságos mosollyal üdvözli és igényeit pontosan ismerve szolgálja ki. A
második nézőpont a nagyvállalatok szemszögéből közelíti meg a CRM kialakulását - hivatkozva
Philip Kotler híres [Marketing management: Elemzés, tervezés, végrehajtás, ellenőrzés, Muszaki
Könyvkiadó, Budapest, 1993.] könyvéből a vállalati piacorientáció fejlődését - a tömegtermelési
koncepciótól az ügyfélközpontú működés felé. Kotler a piacorientáció következő fejlődési szintjeit
különbözteti meg:
. a termelési koncepció,
. a termékkoncepció,
28
. az értékesítési koncepció,
. a marketingkoncepció,
. a társadalom-központú marketingkoncepció.
Hogyan tudjuk a kis- és nagyvállalatok működését úgy ötvözni, hogy a két irányzat pozitív
tulajdonságait és ezáltal előnyeit egyesítsük? Más szóval, hogy tudja egy nagyvállalat több ezer
ügyfelét olyan gondosan és figyelmesen kiszolgálni, mint a sarki fuszeres? Ennek megoldásához az
informatika fejlődésére volt szükség - mint a vállalatirányítást támogató eszköz -, amely lehetővé
teszi nagy tömegu ügyféladat elemzését (a fuszeres esetében a személyes kapcsolat kialakítását) és
a szükséges ügyfél-információk eljuttatását minden kapcsolódási pontba (a fuszeres esetében a
vevőkör betérése). Ez alapján kijelenthetjük, hogy az ügyfélkapcsolat menedzsment megjelenése a
szervezeteknél nem hoz új szemléletet, hanem egy több évtizedes hagyománnyal rendelkező üzleti
filozófiát valósít meg az informatika modern eszköztárának felhasználásával. Ennek megfelelően a
CRM definíciója az informatika szemszögéből a következőképpen adható meg: "A döntések
meghozatalához szükséges információk gyujtése, illetve biztosítása minden ügyféllel kapcsolatba
lépő munkatárs számára, és az ügyfélkapcsolati alkalmazások közötti online adatkapcsolatok
megvalósítása." [Forrás: Gartner Group.] Az előbbiekben levezetett értelmezésünk alapján, minden
olvasót óva intünk attól, hogy a CRM-et pusztán informatikai megoldásnak tekintse. A CRM egy
internetes fogalomtárban fellelhető definícióját meglehetősen egyoldalúnak és helytelennek tartjuk,
miszerint: "Ügyfélkapcsolat- menedzsment vagy -kezelés. Vállalati szintű szoftveralkalmazások
együttese, amely az ügyfélkapcsolatok minden vonatkozásának kezelését teszi lehetővé. Ennek
eszköze egy központi adatbázis, amelyben összegyujtik az értékesítés, a marketing, az
ügyfélszolgálat és más vállalati egységek által az ügyfelekről felhalmozott információkat."
A CRM ALKALMAZÁSÁSNAK CÉLJA
A cikk elején a CRM definiálásakor azt állítottuk, hogy a CRM célja az ügyfél-elégedettség, a
bevétel és a profit optimalizálása. Amíg csak a profit és a bevétel növeléséről beszélünk, addig
tulajdonképpen bármelyik menedzsmentirányzatról beszélhetnék (viszonylag kevés az olyan
módszertan, amely a profit és bevétel csökkentését tuzi zászlajára). Éppen ezért szükségesnek
tartjuk a CRM céljának részletes kifejtését (már csak azért is, mert ez alapján tudjuk definiálni,
hogy, mely vállalatoknál alkalmazható hatékonyan a CRM). Stanley A. Brown Customer
Relationship Management című könyvében [John Wiley & Sons, Canada Ltd., 2000.] a CRM-et az
elérni kívánt cél alapján osztályozza. Ennek megfelelően a CRM alkalmazása négy fő cél köré
csoportosítható:
. ügyfelek visszaszerzése, megtartása, ügyfél-elvándorlás csökkentése,
. új ügyfelek elérése, megnyerése,
. ügyféllojalitás növelése,
. értékesítés növelése, keresztértékesítés (cross selling).
ÜGYFELEK VISSZASZERZÉSE, MEGTARTÁSA, ÜGYFÉL-ELVÁNDORLÁS
CSÖKKENTÉSE
A cél elérése "időérzékeny" tevékenység, amely során gyorsan kell reagálni az esetleges vevői
magatartás-változásra. Az ügyfelek megtartásának alapfeltétele, hogy tudjuk, melyik vevőnk
hajlamos az elvándorlásra, kik azok, akiknek a megtartására érdemes áldozni, és mely ügyfelekre
nem szabad többet költeni.
ÚJ ÜGYFELEK ELÉRÉSE ÉS MEGNYERÉSE
Ehhez három kulcstevékenység szükséges, szegmentálás, kiválasztás és a források biztosítása. A
szükségletek szerinti szegmentálás során csoportokba soroljuk azokat a fogyasztókat, akik esetében
vállalatunk ugyanazt az igényt elégíti ki. A profitalapú szegmentálásnál azt vizsgáljuk, hogy a
potenciális ügyfél milyen értékes lehet a cég számára, és milyen összeget szabad költeni a
megszerzésére.
29
ÜGYFÉLLOJALITÁS NÖVELÉSE
Az ügyfél lojalitását igen nehéz mérni. Három alapeleme létezik: az értékalapú csoportosítás, a
szükségletalapú csoportosítás és az elvándorlást előrejelző modell. Az ügyfelek értékalapú
csoportosításával határozható meg, hogy a vállalat mennyit invesztálhat a vásárlói hűség
erősítésébe. Ez működhet akár úgy is, hogy nem a profitábilis ügyfelek lojalitását növelő akciókat
kezdeményez a vállalat, hanem a nem kifizetődő vevőket bátorítja indirekt módon a távozásra. Az
értékalapú csoportosítás szurőjén átesett ügyfeleket a szükséglet alapú csoportképzés módszerei
várják. Itt személyre szabott szolgáltatásokkal lehet erősíteni az ügyfélkapcsolatokat, amelyek
természetesen az egyes ügyfélcsoportok jövedelmi viszonyaival függenek össze. A vállalat a CRM
alkalmazás harmadik összetevőjének segítségével jut ahhoz az információhoz, hogy az elvándorolt
ügyfelek döntése (adatok összegyujtése, feldolgozása, elemzése segítségével) mire vezethető vissza.
ÉRTÉKESÍTÉS NÖVELÉSE, KERESZTÉRTÉKESÍTÉS (CROSS SELLING)
A CRM egyik alapvető célja, hogy összehozza a fogyasztói igényeket és a vállalat által kínált
termékeket úgy, hogy a kontaktus egyszerre legyen gazdaságos és hatékony. A vásárló jól akar
járni, miközben a keresési költségeit minimalizálja. A fogyasztó azonban nincs mindig tisztában a
saját igényeivel, sok esetben a megoldás hamarabb születik meg, mint az igény. Az értékesítés
növelése esetünkben azt jelenti, hogy egy olyan vevőnek, akinek a vásárlási szokásait már ismerjük,
lényegesen kedvezőbb egy új termék vagy szolgáltatás értékesítésének az esélye. Cross-sell az
elnevezése annak az akciónak, amikor a meglévő értékesítési csatornát felhasználva próbálunk
eladni olyan terméket, amiről jó okunk van feltételezni, hogy érdekli a vevőt. Up-sell-nek hívjuk azt
a kampányt, amikor a korábban értékesített termék becserélésével annak egy fejlesztett változatának
megvásárlására késztetjük a fogyasztót. A Cap Gemini Ernst & Young és az International Data
Corporation (IDC) piackutató, elemző cégek által elvégzett felmérés - amely CRM rendszert
bevezető 200 európai és 100 észak-amerikai vállalatot kérdezett meg a CRM bevezetésének céljáról
- érdekes képet mutat. A válaszok gyakoriságának sorrendjében a következő érveket nevezték meg
a felmérésben résztvevő vállalatok
ügyfelek hűségének növelése,

. egyénre szabott szolgáltatás nyújtása minden ügyfélnek,
. nagyobb ügyfélismeret megszerzése,
. megkülönböztetés a konkurenciától,
. legjövedelmezőbb ügyfelek azonosítása,
. egy ügyfélre jutó nyereség növelése,
. ügyfél igények, panaszok gyorsabb kezelése,
. új ügyfelek megszerzése,
. ügyfél életciklus érték figyelembevétele,
. ügyfél-kommunikáció költségének csökkentése,
. ügyfélmegszerzés költségének csökkentése.
A szervezetek által adott válaszok jól megfeleltethetők a CRM fent említett 4 fő céljának. Talán
csak a költségek csökkentésének szándéka az, amelyik magyarázatot igényel. A magyarázat
azonban roppant egyszerű: az ügyfélkiszolgálás célja nem csak az lehet, hogy az ügyfeleket az
eddiginél magasabb színvonalon szolgáljuk ki, hanem az is, hogy az eddigi kiszolgálási szintet
olcsóbban, költséghatékonyabban biztosítsuk.
30
AZ ÜGYFÉL-ÉRTÉKCIKLUS MODELLJE KÉT MEGKÖZELÍTÉSBEN

CRM-ről beszélve mindenképpen szólni kell a CRM filozófiai megközelítésének alapjául szolgáló
ügyfél-értékciklus fogalmáról. Az ügyfél-értékciklus fogalom arra utal, hogy az ügyfelek
megítélése, értékelése nem a pillanatnyi vásárlás vagy nemvásárlás alapján történik, hanem az
összes ügyféllel kapcsolatos költség és bevétel (vagy beruházás és nyeresége) összesítése - az első
megközelítés - alapján (2. ábra). A görbe értelmezése a következő: egy új ügyfél megszerzése
általában több pénzbe kerül, mint az ügyféltől rövid távon várható haszon (gondoljunk csak a
kedvezményes telefonvásárlásra, ha két éves hűségnyilatkozatot írunk alá). Ezért kezdetben egy új
ügyfél veszteséget jelent. A vállalat célja:
. a kezdeti veszteség minimalizálása (ügyfélmegszerzés hatékonyságának növelése),. ügyfelek
hosszú távon megtartása,
. megtérülési görbe meredekségének növelése (újraértékesítés, keresztértékesítés).
A célok elérését a függvény mentén található háromszögek szemléltetik, amelyek olyan
eseményekre, akciókra utalnak, amelyek hatására az ügyfél jövedelmezősége emelkedik. Ezek az
események éppúgy érkezhetnek a vállalat (például új mobiltelefon akció, "plusznulla" szolgáltatás),
mint az ügyfél (például
8. ábra A Gartner Group ügyfél-értékciklus modellje

társkártya vásárlása) felől. A Gartner Group ügyfél-értékciklus modellje (8. ábra) a második
megközelítés. Világosan látszik a kapcsolat az ügyfél-értékciklus modell és a CRM bevezetés célja
között. Tekintsük sorra az egyes fázisok tevékenységeit:
. Ügyfélkiválasztás és az ügyfelek szegmentálása. Kritériumok meghatározása, amelyek alapján az
ügyfelek szegmentálhatók. Szegmensek profitabilitásának, kockázatainak meghatározása. Új
termék, szolgáltatás elemzése az egyes szegmensek szempontjából.
. Ügyfelek elérése. Azon csatornák meghatározása, amelyeken elérhetők ezek az ügyfelek. A
csatornák hatásos, költséghatékony alkalmazása.
. Ügyfélmegtartás. Ügyfélszegmentálás alapján dönteni az egyes szegmensek fontosságáról (mely
szegmenseket akarják megtartani, melyeket nem). Ügyfelek hűségének, lojalitásának növelését
célzó akciók.
. Ügyfél-profitabilitás. Keresztértékesítés, profitabilitás növelése (pl. adott ügyfélkör igényeire
szabott új termékek vagy szolgáltatások bevezetésével).
A körforgás ismétlődésére, a körforgás "végtelenségére" pedig az ügyfélkör folyamatos változása
miatt van szükség. Gondoljunk csak a mobiltelefont használók táborának növekedésére és a
felhasználók változására. Jelenleg a mobilszolgáltatók által megcélzott újabb ügyfélkör már az
iskolás korosztály. Amint azt a bűvös három betű - CRM - bemutatása mutatja, a korábbi
vállalatirányítási módszerek szorosan kapcsolódnak az új szemlélethez. Hasonlóan véljük ezt a
kontrolling alkalmazott módszertanára is: a CRM egyfajta megújulást igényel majd a
kontrollingban is.
31
3.4.2. CRM és piackutatás

egyik feltétele, hogy a vállalat letisztult képpel rendelkezzen mind a márkával kapcsolatos
koncepcióról, mind pedig a rá kidolgozott stratégiáról.) A piackutatás ebben is fontos szerepet
kaphat: segítségével mérhetővé válik a CRM márkákra gyakorolt hatása.
Mivel az ügyfélkapcsolat-menedzsment alapja az egyén, illetve az egyén igényei, a piackutatás
feladata annak meghatározása, hogy a fogyasztó valójában mit tekint értéknek. A sikeres CRM
rendszerek előfeltétele a piacok átfogó ismerete és az egyes fogyasztói szegmensek igényeinek
pontos meghatározása. Ezen paraméterek mérésére a piackutatás a legalkalmasabb.
Az ügyfélkapcsolat menedzsment rendszer kialakítása során a piackutató az alábbi kutatási
módszereket alkalmazhatja:
1. adatbányászat
2. az egyéni fogyasztói igények mérését, becslését
3. a fogyasztónak a márkához fűződő viszonyának feltérképezését
4. a CRM folyamatnak a márkákra gyakorolt hatását, a márkaérték időben
történő nyomon követését és a CRM márkaértékre gyakorolt hatása relatív
súlyának mérését
5. a különböző szegmensek számára eltérő kommunikációs stratégia kialakítását
és tesztelését.
E módszerek hosszú távon mind a piackutatás eszközeinek frissítését, mind pedig szerepének
átértékelődését is előrevetíti. Könnyen belátható, hogy a hagyományos értelemben vett piackutatás
továbbra is megőrzi szerepét és jelentőségét. Az adatbányászatban, CRM-ben használt adattárházak
ugyanis rendkívül merev eszközök, hiszen az előzetesen begyűjtött adatok jellemzőin nem áll
módunkban változtatni, sőt van, amikor technológiai, vagy adatvédelmi okok miatt erre később sem
nyílik lehetőség. Ezért kell a hipotézisvizsgálatra lehetőséget adó módszerhez nyúlnunk, mert ha fel
is ismerünk, illetve azonosítani tudunk egy jelenséget, a fogyasztói viselkedés mögött levő
indokokat nem tudjuk mással megvizsgálni, mint a miértekre, hogyanokra választ adó
piackutatással.
3.4.3 SAS® Ügyfélkapcsolat-menedzsment megoldások

Kik a legjobb ügyfelei? Mit tehet annak érdekében, hogy megtartsa őket? Hogyan tud hozzájuk
hasonlókat megnyerni? Miként lehet az ügyféljövedelmezőséget javítani? A csökkenő pénzügyi
erőforrások, és a bevételi tervek növekedésével kulcskérdéssé válik a válasz ismerete. Ahhoz, hogy
a válasz megbízható legyen a naponta felgyülemlő, szétszórt ügyféladatokból kinyert
ügyfélintelligenciára van szükség.
A SAS ügyfélkapcsolat-menedzsment megoldása segít Önnek hatékony ügyfélstratégiák
kidolgozásában és bevezetésében, valamint az ügyféljövedelmezőség fokozásában. A díjnyertes
Intelligencia Architektúrára épülő élenjáró analitikus CRM technológiák, a módszertanok és
szolgáltatások együttesen teszik lehetővé az ügyfelek jobb megismerését, megértését.
A SAS CRM megoldása értéket ad vállalata számára, hiszen segíti az:
• Átfogó ügyfélkép kialakítását.
• Marketingkampányok megtérülésének maximalizálását.
• Ügyfél akvizíció és megtartási ráták javítását.
32
• Meglévő technológiai beruházások kiaknázását.

• Hosszútávú versenyelőny kialakítását.
Ügyfélkapcsolat-kezelés az SAP megoldásaival
A piaci verseny megköveteli, hogy vállalatát Ön is minél inkább ügyfelei igényei felé navigálja.
Versenyelőnyének megőrzését elősegíti, ha szegmentáltabban ismeri ügyfelei igényeit és azoknak
pontosabban meg tud felelni.
Önnel együtt mi is azt tapasztaljuk, hogy ma a vállalati folyamatok középpontjában már nemcsak a
pénzügy, a kontrolling, a logisztika vagy a termelés áll, hanem az értékesítés, az ügyfélszolgálat és
a marketing is meghatározóvá vált. Ezen folyamatok informatikai támogatására az integrált
vállalatirányítási rendszerek (ERP) fejlesztői, köztük az SAP AG is, kidolgozták az
ügyfélkapcsolati (CRM) szoftver megoldásaikat.
Mely helyzetekben alkalmazhatóak az SAP CRM megoldásai?
Az értékesítési, az ügyfélszolgálati és a marketing folyamatokat kiemelt figyelemmel kísérő
vállalatvezetők egyre gyakrabban találják szembe magukat a hatékonyságot csökkentő alábbi
ellentmondásokkal:
• A marketing osztály nem tud hatékony marketing kampányokat szervezni, mert a pénzügyi
osztálytól, a szerviz részlegtől és az értékesítéstől kapott ügyféladatok hiányossága vagy
ellentmondásossága miatt nem képes megfelelően összeállítani az egyes kampányok célcsoportjait.
• Az ügyfél már sokadszor telefonál be a központi telefonszámra, hogy hivatalos levelei még
mindig a régi címére érkeznek, pedig ő már háromszor bejelentette adatai módosulást, és már azzal
fenyegetőzik, hogy felbontja a szerződést.
• A területi értékesítők nem ismerik jól az újdonságokat; nem tudnak a helyszínen
rugalmasan, a kiemelt ügyfelekre szabott ajánlatokat készíteni. Rengeteg idejük megy el
adminisztrációval és jelentéskészítéssel; egyszerre három rendszerbe kell felvinniük ügyfél-
információkat.
• Az értékesítési vezető nem látja tisztán a következő időszak várható üzleteit, árbevételeit; a
szolgáltatási igazgató nem tudja megfelelően tervezni az erőforrásokat.
• A stratégiai vezetés az eddiginél pontosabban szeretné tervezni és mérni azon osztályok
teljesítményét, amelyek az ügyfelekkel kapcsolatban állnak.
A felsorolt helyzetekben megoldást jelent egy olyan komplex SAP rendszer kialakítása, amely a
következő alkotóelemekből épül föl:
• Egységes ügyfélkapcsolati stratégia kialakítása, amely összehangolt értékesítési, marketing,
szolgáltatási, ügyfélszolgálati és partnerkapcsolati koncepciókból áll.
• Az ügyfélkapcsolati stratégiát megvalósító, a vállalat saját, egyedi folyamataira szabott
integrált informatikai szoftver megoldás, a mySAP CRM bevezetése, illetve fejlesztése.
• A fentiek működését biztosító informatikai infrastruktúra tervezése és kialakítása.
3.4.4. SAP megoldások

Az SAP AG - a világ vezető ERP szoftvergyártója - üzleti partnereivel és ügyfeleivel
közreműködve kifejlesztette a marketing, az értékesítés, az ügyfélszolgálat és a szerviz
tevékenységek támogatására szolgáló mySAP CRM ügyfélkapcsolat-menedzsment megoldását,
amely a vezető CRM megoldások közé tartozik.
33
A mySAP CRM az ügyfelekkel való kapcsolattartás minden fázisát és formáját támogatja: integrált
informatikai megoldásokkal segíti a marketing osztályok feladatát az ügyfelek megszerzésében,
támogatja az értékesítési tevékenység minden mozzanatát, megkönnyíti a szerviz és ügyfélszolgálati
osztály munkáját az ügyfél kiszolgálásában, folyjanak ezek az interakciók akár telefonon, e-
mailben, személyes kapcsolat során, vagy akár az Interneten keresztül.
Üzletfejlesztés
• Ügyfélfejlesztés
• Ügyfelek megtartása
• Piaci információk elemzése
• Több szintű kiszolgálás
A mySAP CRM más területeken
A mySAP CRM megoldás alapelve, hogy az új, ügyfélközpontú folyamatokhoz új, ügyfélközpontú
architektúrájú informatikai rendszerre van szükség. Így a mySAP CRM az SAP R/3-tól különálló
rendszer, amely a központi ügyféladatbázis köré épül, és előre kialakított interfészek segítségével
kapcsolódik az SAP R/3-as back-office rendszerhez, valamint a többi mySAP.com megoldáshoz,
illetve egyéb, nem SAP rendszerekhez.
Marketing megoldások
• Kampány / Termékmenedzsment
• Marketingelemzés
• Telemarketing
• Internetes marketing
Értékesítés
• Értékesítési menedzsment és támogatás
• Telesales
• Helyszíni értékesítés
• Internetes értékesítés
Szolgáltatások
• Helyszíni szerviz
• Interaktív szervizközpont
• Internetes ügyfél önkiszolgálás
• Szerviz koordinációs központ
Elemzés és döntéstámogatás
Az SAP analitikus CRM megoldás segít Önnek és vállalatának jobban megérteni meglévő ügyfelei
igényeit; ezáltal képessé teszi Önt hatékonyabb kiszolgálásukra, valamint a potenciális ügyfelei
megnyerésére is. Egy sor olyan elemző eszközt biztosít Önnek, amivel vevői állományát növelheti,
az elvándorlók számát csökkentheti, és új vevőket csábíthat el a konkurenciától.
Az SAP analitikus CRM megoldások egyik fő jellemzője az integrálhatóság. A már meglévő külső
rendszerekkel, továbbá a SAP GIS (Geographical Information System) földrajzi információs
rendszerével és a mySAP egyéb termékeivel - adattárház (BW), stratégiai vállalati tervezés (SEM) -
összekapcsolva, az ott tárolt adatok felhasználásával lehetőséget teremt a hatékonyabb elemzésekre.
34
A mindennapi munka összehangolása

Az SAP operatív CRM megoldás a rendszert használó vállalat alkalmazottainak mindennapi,
operatív munkáját segíti. Az előre definiált felhasználói szerepek között - melyekhez a
jogosultságok kapcsolódnak - található üzletkötői, globális ügyfélmenedzseri, értékesítési
képviselői, értékesítési asszisztensi, szervizmenedzseri, forródrót munkatársi, külső szervizmérnöki,
marketingmenedzseri és még sok egyéb, melyekhez más-más funkciók rendelhetők a CRM
megoldásban. A munkatársak, ügyfelek és üzleti partnerek a könnyen megtanulható és kezelhető
portálokat a mySAP Workplace alapján saját személyes igényeikre szabhatják.
Az ügyfélkommunikáció kézbentartása
Az SAP együttműködő CRM megoldásának leglényegesebb ismérve a kommunikációs csatornák
egységes kezelése, valamint az ügyfelekkel való interaktív együttműködés a hosszútávú
gyümölcsöző kapcsolatok fenntartása érdekében. A mySAP CRM képes kezelni a hagyományos
érintkezési csatornák, a telefon és a levél mellett a modern, költséghatékony eszközöket is, mint az
elektronikus levél, a fax, a webes felület, a webes interaktív chat, a WAP-os elérés és az SMS.
Külön érdemes megemlíteni a különböző mobil eszközöket, amik a személyes kontaktuson alapuló
kommunikációt támogatják. A területi képviselők, kiemelt-ügyfél kereskedők, területi szervizes
munkatársak feladatait támogatják a notebookokra, palmtopokra fejlesztett megoldások.
Sajátosságuk, hogy önálló, csökkentett körű adatbázissal rendelkeznek, és azt alkalomszerű
szinkronizálással frissítik a központi szerverről.
4. Döntéstámogatás, döntéstámogató eszközök és rendszerek
A döntéstámogató rendszer fogalmat olyan rendszerek leírására használjuk, amelyek támogatják,

de nem helyettesítik a vezetőket döntéshozatali tevékenységükben. Ezeket a rendszereket általában
részben strukturált döntéseknél használják, ahol emberi ítélet is szükséges. A jó döntéstámogató
rendszert a nem professzionális felhasználó is kezelni tudja, az adatok elég széles skálájához
biztosít hozzáférést, többféle modellezési és analizáló eszközzel rendelkezik. A döntéstámogató
rendszerek fejlődése vezetett a (felső)vezetői információs, a csoportos döntéstámogató és a
szakértői rendszerekhez.
A döntéstámogató rendszerek legnagyobb része a szervezeti szintű tevékenységet támogatja.

Fejlődése a népszerű pénzügyi tervezési rendszerekkel kezdődött, később kiterjedt a piackutatásra,
előrejelzésre, vállalati analízisre, stb. A személyi számítógépek elterjedése, és különösen a könnyen
kezelhető statisztikai programcsomagok és táblázatkezelők megjelenése ösztönözte a személyi
szintű támogatást biztosító döntéstámogató rendszerek elterjedését is. Az intézményi
döntéstámogató rendszereket általában döntéstámogató csoportok fejlesztik ki, valamilyen
döntéstámogató nyelvben. Régebben ezek nagygépes alkalmazások voltak, ma már azonban egyre
inkább mikro gépekre készülnek. Az intézményi döntéstámogató rendszerek mellett gyakran
készülnek ún. „ad hoc” rendszerek is, ezek korlátozott alkalmazhatósággal rendelkeznek, és rövid
idő alatt elkészíthetők. Az ilyen „ad hoc” rendszerek azért hasznosak, mert egyrészt a vezetők
rajtuk keresztül megismerkedhetnek ezzel a technikával, másrészt végül is bizonyos típusú
döntéshozatalt támogatnak, továbbá használatuk során kiderül, hogy érdemes-e egy igazi
döntéstámogató rendszert készíteni, ezenkívül támogatást nyújtanak a vezetői döntésekhez, ha
nincs idő egy teljeskörű döntéstámogató rendszer elkészítésére. Az „ad hoc” döntéstámogató
rendszerek jelentés generátorok, rövid elemző programok lehetnek, vagy készülhetnek DSS
generátorok segítségével.
A jelentés generátorok a vezetőket speciálisan érdeklő adatok kiválasztására, összegzésére és

kilistázására szolgálnak. A kiválasztott adatokon az összegzésen kívül általában csak néhány
35
egyszerű aritmetikai műveletet kell elvégezni. Amennyiben grafikát is használnak, akkor trendek és
varianciák is megjeleníthetők. Egyrészt azt lehet mondani, hogy a jelentés generátorok még hosszú
ideig a leginkább használt döntéstámogató rendszerek maradnak, másrészt viszont belőlük nőttek
ki a vezetői információs rendszerek.
A rövid elemző programok általában kis, 80-100 soros programok, melyeket akár maguk a vezetők
is meg tudnak írni, itt az adatokat kézzel is be lehet vinni. Egyszerűségük ellenére igen hatékonyak
tudnak lenni.
A DSS generátorok olyan eszközök vagy programozási nyelvek, amelyek segítségével gyorsan
lehet döntéstámogató eszközöket készíteni. Ezek a termékek tartalmaznak programozási nyelveket,
interfészeket és további olyan szolgáltatásokat, amelyek egy-egy konkrét „ad hoc” döntéstámogató
rendszer elkészítésénél segíthetnek.
Míg korábban az egyszemélyi döntéseket támogató rendszerekre koncentráltak, ma egyre inkább a

csoportos döntést támogató rendszerek megvalósításával foglalkoznak (GDSS – Group Decision
Support Systems). A csoportos döntéshozatal előnye a nagyobb össztudás, a rendelkezésre álló
nagyobb információ, több lehetséges alternatíva figyelembe vétele, a kidolgozott megoldások
elfogadásának nagyobb valószínűsége, a folyamatban résztvevők részéről a probléma és a
megoldás jobb megértése. Minden résztvevőnek lehetősége kell legyen a többiektől független
munkavégzésre úgy, hogy bármikor közzétehesse, a többiek számára hozzáférhetővé tehesse az
eddig elvégzett munkáját. A csoportos döntéstámogató rendszerek részei az adatbázis, a
modellbázis, a speciális alkalmazói programok, a jó felhasználói interfészek és végül maga az
emberi komponens. További szolgáltatások szükségesek a csoporton belüli kommunikáció
támogatására, ilyenek az elektronikus levelező rendszerek, az egyidejűleg többek által írható
(konzultációs) munkaállomások, a videó konferencia rendszerek, a gondolatok és a szavazások
grafikus összegző rendszerei.
A döntéstámogató rendszerek legújabb generációja a mesterséges intelligencia eszközök körébe

tartozó szakértői rendszer. Szakértői rendszereknek azokat a tudásalapú rendszereket (KBS –
Knowledge Based Systems) szoktuk nevezni, amelyek szakértői ismeretek felhasználásával magas
szintű teljesítményt nyújtanak egy problémakör kezelésében. A tudásalapú rendszereknél a
problématerületet leíró ismeretek explicit formában, a rendszer többi részétől elkülönítve, az ún.
tudásbázisban vannak tárolva. Ennek megfelelően egy szakértői rendszernek alapvetően három
komponense van: a felhasználói interfész, a következtető gép és a tudásbázis. A felhasználói
interfész definíciója a szokásos, általában valamilyen grafikus felület. A következtető gép a
rendszer azon komponense, amely a tudásbázist felhasználva többlépéses logikai következtetéseket
képes végrehajtani. Végül a tudásbázis tartalmazza a felhasználási területre vonatkozó tényeket,
adatokat és ismert összefüggéseket, következtetéseket – ez utóbbiakat általában „ha, akkor” jellegű
szabályok formájában. Egy szakértői rendszer hasonló javaslatokat tud adni, mint az (emberi)
szakértő, kérdéseit megmagyarázza (WHY funkció), javaslatait megindokolja (HOW funkció),
bizonytalan helyzetben képes meghatározott bizonyosság mellett elfogadható válaszokat adni. A
tudásalapú rendszerek tudásbázisában a tárgyköri ismeretek szimbolikusan vannak tárolva, a
feladatmegoldás pedig szimbólum-manipulációk révén történik.
A számítógépes információrendszerek egyik nagyon fontos válfaját alkotják a döntéstámogató

rendszerek (DTR), angol elnevezést használva Decision Support Systems (DSS). Döntenünk kell
az élet minden területén, döntéseink rövidebb vagy hosszabb távon meghatározzák további
életünket, tevékenységünket – s ha vezető funkcióban vagyunk – mások életének kereteit is.
Döntéseink információkon alapulnak, amelyeket felhasználva választunk a kínálkozó lehetőségek
közül.
36
Nyilvánvaló, hogy a menedzserek döntéshozatala azokon az információkon alapul, amelyeket

sikerül nekik összegyűjteniük. Itt egyaránt gondolnunk kell ezeknek az információknak
mennyiségére és minőségére. A teljeskörűség és a relevancia egyaránt követelmény volt a
hagyományos, nem számítástechnikán alapuló információrendszerekben és napjaink informatikai
forradalmában is. A globalizációs és integrációs tendenciák fényében, a világ felgyorsulásának
korában persze már elképzelhetetlen a döntéshozatal, a jó döntések meghozatala adekvát
információs rendszerek használata nélkül.
Az üzleti szervezetek felépítésének legkülönbözőbb formái is megőrizték a hagyományos

hierarchikus modellből a vezetés kitüntetett szerepét, függetlenül a szintek és kapcsolódások
számától és kialakításától. Az üzleti szervezetek minden szintjén felmerül az igény a megfelelő
információkra, ezek gyűjtésére, tárolására és feldolgozására. (Pontosabban az adatok gyűjtésére, s
ezek feldolgozásával az információk kinyerésére.)
4.1. A döntéstámogató rendszerek használatának előnyei
Milyen előnyöket várhatunk a döntéstámogató rendszerektől? A legfontosabb tényezők a

következők:
hatékonyabb döntéshozatal (minőség)

költségcsökkentés
a döntéshozók közötti jobb kommunikáció
a vezetők (döntéshozók) gyorsabb betanulása
Nem szabad persze kritikátlanul elfogadni egy rendszer eredményeit. Magának a döntéstámogató
rendszernek a minőségétől is függ az eredmény értéke, felhasználhatósága. S gondoljunk a minden
számítástechnikai, informatika rendszer alapösszefüggésére, a GIGO (Garbage In, Garbage
Out=szemét be, szemét ki) elvre, mely szerint az eredmény a bevitt adatok minőségétől függ.
Winograd és Flores 1986-ban megjelent könyve alapos kritikai elemzést ad a döntéstámogató

rendszerek használatáról. A szerzők szerint a DTR felhasználói által vétett leggyakoribb hibák a
következők:
túlhangsúlyozzák a DTR-ek szerepét

az adatok pontosságának és fontosságának feltételezése
az objektivitásba vetett hamis illúzió
4.2. Mintapélda
Tekintsünk példaként egy kisüzemet, amelyik ajándéktárgyakat gyárt, mondjuk karácsonyra. Ha túl
keveset gyártanak, akkor a készletük hamar elfogy, esetleg már 3-4 héttel az ünnep előtt, s tetemes
nyereségtől esnek el, ami a le nem gyártott ajándéktárgyak eladásából származna. ha viszont túl
sokat gyártanak, akkor rosszabbik esetben dobhatják el az egészet, jobbik esetben csak a tárolást
kell megfizetni a következő karácsonyig, amikor is újra lehet próbálkozni az eladással. A tárolás
azonban lehet nagyon költséges, s nincs igazán garancia arra, hogy a vásárlói szokások nem
változnak meg a kárukra egy év alatt.
Milyen információra lenne szüksége a kisüzemnek? Nyilván arra, hogy mennyi ajándéktárgyat lehet
eladni az év karácsonyán? Természetesen nem rendelkeznek ezzel az információval.
Megbecsülhetik a várhatóan eladható mennyiséget, de ez a becslés igen bizonytalan. Éppen ezért a
döntés kockázatos lesz. Hogy mennyire az a körülményektől függ. Bizonyos kockázat még
37
viszonylag stabil piacon is előfordul. Ha a gyártó biztosra akar menni, akkor kevesebbet termel,
tehát kevesebb lesz a haszna, de ezzel együtt a kockázata is. Ha nagyratörő tervei vannak, akkor
sokat nyerhet, de sokat veszthet is. Egy számítógépes döntéstámogató rendszernek csak akkor fogja
hasznát venni, ha az képes ilyen típusú, azaz bizonytalan kimenetelű döntések támogatására.
Nagyléptékű ipari alkalmazásokban, ahol egyáltalán érdemes költséges döntéstámogató

rendszereket használni, szinte mindig jelen van a bizonytalanság, a kockázat. Szerencsére az
operációkutatás és az informatika rendelkezik olyan módszerekkel, amelyek képesek megbirkózni
ilyen problémákkal. Hasonlóan nehéz olyan döntések hozatala, ahol nem rendelkezünk a
döntéshozatalhoz szükséges valamennyi információval. Mondani sem kell, hogy az ilyen helyzetek
vannak túlnyomó többségben. Azonban az ilyen problémák is kezelhetők a modellezés kifinomult
módszereivel.
4.3. DÖNTÉSHOZATAL
4.3.1 A döntéshozatal modelljei
A döntéshozatal olyan folyamat, melynek során különböző cselekvési alternatívák közül választunk
bizonyos cél vagy célok elérése érdekében. Herbert Simon szerint a vezetői tevékenység
szinonimája a döntéshozatalnak, hiszen mind a tervezés, szervezés, ellenőrzés, általában a vezetői
feladatok végső soron döntések meghozatalában nyilvánulnak meg.
Felmerül a kérdés, általánosságban a feladatmegoldás hogyan viszonyul a döntéshozatal

folyamatához. Ennek vizsgálatához bontsuk fel részeire a döntési folyamatot.
A döntési folyamat részei:
1. feladat-meghatározás és adatgyűjtés,
2. tervezés,
3. választás,
4. megvalósítás.
Az irodalomban két koncepciót találhatunk arra nézve, hogy mely mozzanatok alkotják a
problémamegoldást ezek közül. Az egyik szerint a problémamegoldás a fentiek közül a 4.,
amelyhez az 1-3. lépésből álló döntési folyamat vezet, a másik szerint a két elnevezés ugyanazt a
fogalmat takarja, s e szerint problémamegoldásnak tekinthetjük a fenti lépések sorozatát
együttesen. Mi ez utóbbi nézetet támogatjuk, mivel egy komplex probléma megoldása nem
korlátozható csupán a végrehajtás utolsó, valóban nagyon fontos tevékenységére. Ezt a szemléletet
erősíti az is, hogy a megoldandó problémák nem egyediek, sorozatban lépnek föl, ill. az egyik
megoldása indukálja a következőt, így azt egységes folyamatként kezelve komplexebb és
kifinomultabb módszertant tudunk hozzárendelni.
A problémamegoldás elméleti megközelítésének régóta ismert (egészen pontosan Francis Bacon

angol tudósig visszamenő) modellje szerint a tudományos kutatás alapvető lépései a következők:
1. Megfigyelés
2. A probléma meghatározása, definiálása
3. Egy hipotézis megfogalmazása
4. Kísérletezés
38
5. Ellenőrzés, “jóslás”
Newell és Simon 1972-ben írott, a "Human Problem Solving" című már klasszikusnak számító
könyvükben megkülönböztetnek jól és rosszul strukturált problémákat. Az előbbiekben a megoldás
rutinszerű, az utóbbiakban nincs ismert és egyértelmű megoldási módszer.
Ennek alapján a jól strukturált problémák megoldására a következő lépéssorozatot szokták

javasolni:
a) Az információ összegyűjtése,
b) A lehetséges kimenetek egy teljes halmazának megkeresése,
c) E halmaz minden egyes eleméhez hozzárendelni a egy "kívánatossági fokot",
d) A legkívánatosabb kimenetel kiválasztása,
e) A választás igazolása, ellenőrzése.
A probléma csak az, hogy a gyakorlatban felmerülő kérdések természete sokszor nem jól
strukturált, s így nem alkalmazhatók a régi, jól bevált eljárások. Az új, ismeretlen szerkezetű,
nagyfokú bizonytalanságot tartalmazó feladatok esetén másfajta módszerekre lenne szükségünk. S
éppen ez a helyzet a vezetői feladatok nagy részével, annál inkább, minél magasabb szinten
előforduló döntésekről van szó.
H. Mintzberg 1976-ban írt Nem-strukturált döntési folyamatok strukturálása c. cikkében éppen e

miatt a következő három lépést javasolta a döntési folyamatban:
1. Identifikálás fázisa
2. Fejlesztés fázisa
3. Választás fázisa
Itt az identifikálás a probléma, az igazi probléma meghatározásával kezdődik, majd az erre

vonatkozó információk minél teljesebb összegyűjtése után kerül sor annak az elméleti modellnek a
kidolgozására, amellyel többé-kevésbé hűen reprezentálhatjuk feladatunkat.
Ebben a szemléletben annak a felismerése tükröződik, hogy gyakran nem lehet minden releváns
információt összegyűjteni, az összes kimenetel meghatározása és azok értékelése nagyon bonyolult
lehet, ha egyáltalán megoldható. Ez megfeleltethető az általunk a fejezet elején adott négy lépés
közül az első háromnak, s a jól strukturált feladatok öt lépcsős modelljének is (1=a, 2=b,c, 3=d,e),
így egységes elméleti keretet alkothat.
A döntéselmélet hagyományosan a problémamegoldás explicit, teljesen leírható feladatok

racionális megoldása alapján állt. Ennek kiváló megalapozását és összefoglalását adja M. Tribus
(1969) Rational Descriptions, Decisions and Design című könyve.
Ennek alapján a racionális döntéshozatalnak a következő kritériumai vannak.
1. Konzisztencia
Ha döntéshozatalkor kettő vagy több (megengedett) technikát használnak, a lehetséges

eredmények, következmények ugyanazoknak kell lenni.
39
2. Folytonosság
Ha valaki a módszertan alkalmazásával két, nagyon hasonló döntést hoz, akkor a döntések
eredményei úgyszintén nagyon hasonlóknak kell lenni.
3. Univerzalitás
A módszertannak általánosan alkalmazhatónak kell lenni üzleti és nem üzleti döntések egy széles
körére és nem csak specifikusan a döntések egy osztályára.
4. Egyértelműség
Csak egyértelmű és explicit információk alapján kapunk eredményt.
5. Nincs visszatartott információ
Ha bizonyos információk vissza vannak tartva és csak később használhatók fel, akkor döntési
javaslat menetközben lényegesen módosulhat.
Jól látható ezeknek a kritériumoknak a szigorúsága, a gyakorlati élet vezetési és nem csak vezetési
döntési szituációinak egy jó része (és a fontosabb része) nem fér bele. Az erre a kihívásra adott
válaszként dolgozta ki Herbert Simon 1977-ben megjelent könyvében a korlátozott
racionalizmuson alapuló elméletét.
4.3.2 A döntési folyamat szakaszai
4.3.2.1. Feladat-meghatározás és adatgyűjtés fázisa
Habár a problémák jelentkezése általában igen feltűnő szokott lenni, mégis az első lépés logikailag
a fennálló helyzet folyamatos figyelése, monitorozása, hogy legyen összehasonlítási alapunk a
problémás és problémamentes időszakokról. Ehhez definiálni kell a normális, ill. kívánatos
állapotot, az egyéni ill. szervezeti célokat.
A probléma észlelése annak tudatosodása, hogy a meglevő és a kívánt állapot között eltérés van, s
az ezzel való elégedetlenség ennek megszűntetésére sarkall.
A legfontosabb feladat a probléma azonosítása, az eltérések valódi okának, okainak kiderítése.

Sajnos nagyon gyakran nehéz megkülönböztetni a problémát annak szimptómáitól.
Pl. egy vállalatnál a nyereségesség csökkenése jelzi, hogy valami baj van, de hogy az eladások
visszaesése, vagy a ráfordítások növekedése, illetve azok milyen tényezőkre visszavezethető okai,
annak kiderítése egyáltalán nem egyszerű.
A probléma azonosítása után látszólag a legegyszerűbb a vele kapcsolatos adatok begyűjtése.

Azonban ez egyáltalán nem így van. Nehézséget okozhat a problémával kapcsolatos adatok
meghatározása, teljeskörűségének biztosítása, különösen az előrejelzése, egyáltalán a relevancia
érvényesülése.
A következő lépés a problémák osztályozása a strukturáltság szerint. Herbert Simon vezette be a jól
ill. rosszul strukturált problémák fogalmát annak alapján, hogy azok programozhatóak vagy sem. A
programozhatóak azok, amelyek rendszeresen ismétlődőek, s ezért már kidolgozott metodika van a
megoldásukra, szemben a ritkán és váratlanul jelentkező ismeretlen, vagy túl komplex megoldású
40
feladatokkal. Programozhatóak pl. a munkatevékenységek ütemezése, a számlázás, stb. Nem

programozható pl. egy kutatás elvégzése, egy vállalat átszervezése vagy a tőzsdén való játék.
Éppen a nem, vagy rosszul strukturált problémák megoldásának támogatása a legfontosabb feladata
a döntéstámogató rendszereknek.
Amennyiben lehetséges, a problémát részproblémákra bontjuk, mivel gyakran a részprobléma

önállóan elemezve könnyebben megoldható. A probléma dekompozíciónak ez a módszere azonban
csak körültekintéssel használható, szerencsétlen esetekben a rosszul felbontott részproblémák
megoldása nem alkalmazható az eredeti feladatra.
Az igazi probléma azonosításakor az sem mellékes, hogy megtudjuk, ki a probléma tulajdonosa,

kinek a számára probléma a probléma. Ez leggyakrabban a szervezeti felépítéssel kapcsolatos, a
rossz szintre adresszált problémával nem lehet mit kezdeni.
4.3.2.2. Tervezési fázis
Ennek a fázisnak a feladata megtalálni, kifejleszteni és elemezni a lehetséges cselekvési

alternatívákat. Ez a probléma mély megértését, a megoldásváltozatok kialakítását és tesztelését
jelenti.
Ehhez el kell vonatkoztatni a probléma felszíni jegyeitől és meg kell találni a mélyebben rejlő
összefüggéseket, vagyis absztrakció segítségével szimbolikus formába kell önteni. Ezt hívjuk
modellezésnek.
A modellek megválasztása rengeteg, gyakran nem tudatosuló előfeltevést hordoz magában, s ezek
gyakran jobban meghatározzák a kapott eredményeket mint a számszerűsítéshez felhasznált adatok.
A modellezés hátterében álló koncepciók, iskolák, szaktudományos sőt filozófiai eredmények
kikerülhetetlenek az eredmények értékelése, az azokon alapuló döntések meghozatala kapcsán.
A modellezés legfontosabb aspektusai:
elmélet alapok,
struktúra
komponensek
kritériumrendszer
alternatívagenerálás
előrejelzés
mérés
szcenáriókészítés
A modellek lehetnek:
normatívak,
leírók
kielégítők
Normatív modellek: az optimális (bizonyíthatóan a legjobb) megoldás megkeresése a cél.
Három fő változata van:
41
a leghatékonyabb változat keresése fix ráfordítások mellett

a legalacsonyabb költségű változat keresése a megadott hatékonyság mellett
a legmagasabb produktivitás keresése, azaz a célok elérése és a ráfordítások aránya optimális
A normatív modellek feltételrendszere:
Az emberek gazdasági alanyok, kiknek célja az elérhető célokból származó hasznosság

maximalizálása. A döntéshozó mindig racionális.
Egy adott döntési szituációban mind a lehetséges alternatívák, mind a hozzájuk rendelhető
akciók és következmények ismertek, de legalább az előfordulási valószínűségeik adottak.
A döntéshozónak világos preferencia-sorrendje van, ami lehetővé teszi számára a kívánatos
kimenetelek rangsorolását.
E feltételek teljesülése korántsem nyilvánvaló - vagy igazolni kell az adott szituációban, vagy az
elhanyagolásukkal keletkező bizonytalanságot kell figyelembe venni.
Gyakori megoldási stratégia a feladat részekre bontása, de ennek a korlátaival is tisztában kell
lenni.
A szuboptimalizáció egy probléma egy részének optimalizálása. Ez nem mindig vezet az egész
probléma optimális megoldására. A szervezet egy adott részlege számára optimális döntés
figyelmen kívül hagyva a szervezet többi részét összességében csökkentheti a teljes szervezet
hatékonyságát.
A leíró modellek esetében nem az összes alternatíva következményeit, hanem azoknak csak egy
részhalmazát tekintjük át. Ezen adott alternatívák közül a legjobb nem feltétlenül azonos az
optimálissal, de lehetséges, hogy nem is annak a megkeresése a cél. Gyakran elégséges lehet egy
elfogadható megtalálása is.
Simon kritikája szerint az emberek nem optimális, hanem kielégítő döntéseket hoznak ill. csak
ilyeneket tudnak hozni.
A kielégítő döntés az időhiány, erőforráshiány, költségek, az optimalizáció nehézségei miatt

gyakran szükségszerű. Simon szerint az emberi döntések csak korlátozottan racionálisok - az
emberek nem képesek a valós élet minden szituációjában racionálisan dönteni
Alternatívák generálása
Az alternatívák generálása viszonylag hosszú folyamat, amely keresést és kreativitást igényel

(brainstorming). Az egyik alapvető kérdés: mikor kell abbahagyni a keresést?
A DSS-ekben ez általában manuálisan történik, az ES-ekbe automatikusan bevan építve egy

megfelelő leállási kritérium.
Az alternatívák kimeneteleinek értékelése függ a modelltől és az adatoktól.
Biztos kimenetel a teljes információn alapuló, ezt determinisztikusnak nevezzük. Valószínűségi

vagy sztochasztikus a részleges információn alapuló, ekkor általában csak rövid időtávra
mondhatunk valamit, azt is csak fenntartásokkal - ekkor kalkulálni kell a kockázatot is.
Bizonytalanságról beszélünk, ha csak minimális információ áll rendelkezésre - a döntéshozó a
kimenetelek valószínűségeit sem ismeri.
42
Scenariókkal próbáljuk egy adott időpontban egy adott rendszer működési környezetéről kialakított
feltételrendszer mellett megvizsgálni a rendszer működését, kvalitatív eltéréseket modellezni.
Ennek tipikus változatai:
a legrosszabb eset,
a legjobb eset,
a legvalószínűbb eset
leírása és elemzése.
9. Ábra:
4.3.3. Választás fázisa
A választás fázisa a keresésből, kiértékelésből és megoldás kiválasztásából áll.
A keresési szakaszra számos technika létezik, felsorolva őket:
analitikus technikák: matematikai eszköztár, optimális megoldás, strukturált problémák

algoritmusok: lépésről lépésre történő keresési módszer
a kívánt eredményállapot elérése a cél
a lehetséges lépések a kiinduló állapotból a célállapotba (keresési út)
keresési technikák:
vak keresés (nagy problémákra alkalmatlan)

heurisztikák (gyorsabb és olcsóbb, mint az előző)
A keresés iránya lehet:
43
cél-orientált - az alapadatokból kiindulva a lehetséges végállapotokat kutatja

adat-orientált - a végállapotból indul ki és a hozzá szükséges előfeltételek keresi
kombinált - keveréke az előző kettőnek.
Értékelés
Az eredmények, alternatívák kiértékelése nagyon sok nehézséget rejt magában. Tudni kell, mit
mértünk, miben mértük, miért optimalizáltuk és hogyan. Ráadásul a legtöbbször nem lehet egyetlen
célváltozó meghatározásra visszavezetni a problémákat. A többszörös célok esetén nem egy
optimalizálandó cél van, hanem több, amelyek egymásnak is ellentmondhatnak, s ellent is
mondanak.
Ezek kiküszöbölésére számos megoldási módszert dolgoztak ki - hasznosságelmélet,

célprogramozás, lineáris programozás (célok mint feltételek), pontozási rendszerek stb., de ezek
csak korlátozott esetekben használhatok, bizonyos helyzetekben nincs egyértelmű megoldás.
Ha van is megoldás, a következő problémákat kell megoldani:
nehéz explicit célhierarchiát felállítani az adott vállalatnál

különböző résztvevőknek mások a célprioritásai
a döntéshozó is változtathatja céljait az idővel és a körülmények változásával
a szervezet különböző szintjei és részlegei más és más célokkal rendelkeznek
a célok maguk is változnak a környezet kihívásaival
nehéz pontos kapcsolatot találni az alternatívák és célok tekintetében
Az eredmények elvileg a modellből és a megoldási eljárásból fakadóan helyesek, mégis

ellenőrzésre és legfőképpen érzékenységvizsgálatra van szükség velük kapcsolatban.
Az érzékenységvizsgálat lehet:
automatikus - a modell szolgáltatja,

próba-hiba módszerű,
"mi van akkor, ha" analízis - adott inputhoz milyen output tartozik,
célkeresés - ennek esetén adott alternatív célokhoz a megfelelő inputok meghatározása és
vizsgálata,
kritikus sikertényező elemzés: a vállalat céljainak elérésében legfontosabb tényezők elemzése a
modellen keresztül.
Ezeknek a vizsgálatoknak az egyik kulcstényezője a töréspontok felderítése.
4. Megvalósítás fázisa
Mindig a legnehezebb dolog, mert a kiválasztott megoldást át kell ültetni a gyakorlatba, s még ha
nem is itt ugranak ki a modell gyengeségei, akkor is minden változás ellenállást szül, ill. a
modellben optimális megoldás megvalósítás után nem biztos, hogy "optimális" marad.
4.3.4. A döntési folyamat támogatása
A döntési folyamat fenti lépéseit a különböző vezetést támogató rendszerek segíthetik - különböző
módokon.
44
10. Ábra:
Adatgyűjtés fázisa - adatbázis kezelés, riport generálás, adatfeldolgozás - MIS, EDP, EIS, ES, DSS
Tervezés fázisa - alternatíva generálás, előrejelzés készítés - DSS, ES
Választás fázisa - lehetséges megoldások felismerése, érzékenységvizsgálat - DSS (nem dönt, csak
ajánl változatokat) ES (dönt és indokol is)
Megvalósítás fázisa - alátámasztja a döntést, segít a kommunikációban, magyarázatban,

igazolásban - DSS, ES
11. Ábra:
45
4.3.5. EGYÉNI DÖNTÉSHOZATAL
A döntéshozó intuíciója, preferenciái, szubjektív értékelése és tapasztalatai lényegesek a

döntéshozatal tényleges lefolytatása során.
Emberi megismerési és döntési stratégiák
A kognitív folyamat az a folyamat, melynek során az egyének feloldják a világról alkotott belső
képük és a valóságról érkező információk különbségeit . Ez sohasem befejezett, egyetlen aktus,
hanem az egyén mindennapi tevékenységébe beágyazott, attól elkülöníthetetlen folyamat.
A kognitív folyamat stílusa lehet:
perceptív – általánosító, a kapcsolatok, összefüggések feltárását előtérbe helyező, ill.

receptív – a részleteket vizsgáló, a specifikumokat hangsúlyozó megközelítés.
Másik oldalról nézve lehet szisztematikus vagy intuitív a munkastílusa valakinek, ahogy az
adatokat, információkat feldolgozza.
12. Ábra:
46
A különböző stílusok nagymértékben befolyásolhatják az adott személy és döntéseinek kapcsolatát,

milyen modelleket választ, azok eredményeit hogyan értékeli, hogyan hajtja végre a döntéseit, stb.
Ennek ismerete fontos a döntéstámogató rendszer szempontjából is, egyrészt, hogy milyen humán
interface-t, másrészt, hogy milyen belső szerkezetet igényel a MSS-től az adott döntéshozó.
Sikeres menedzser az, aki jókor, azaz jó időben jó lépéseket tesz, jól cselekszik.
Az emberi probléma megoldás mind heurisztikus, mind transzformációs elemekből áll. A

szimbolikus logika e második típus kiragadása és önálló fejlesztése, amelynek számítógépes
megvalósításai az ún. produkciós rendszerek. Ezek tanulmányozásával kezdetben nagy sikereket
lehet elérni az emberi problémamegoldás vizsgálatában, modellezésében, de egy szint felett már
elégtelenek.
A heurisztikus problémamegoldás belső szerkezete nem ismert – ezért is hívjuk ezzel az

eufemisztikus kifejezéssel, mindenesetre jellemzők rá a logikai ugrások, az analógiák, a váratlan,
ihletett megoldások (és tévedések).
A produkciós rendszerek szimbólummanipulációs technikák, gyakran a formális logika kibővítései,

de általánosságban egy zárt világ elemeinek transzformációs szabályrendszereként határozhatók
meg.
Egy egyszerű logikai transzformáció az a következtetés pl., hogy ha az A személy B anyja és B a C

személy anyja, akkor A csak C nagyanyja lehet.
A produkciós rendszerek erejét (mert “vakon”, valódi megértés nélkül, szimbólummanipulációval

dolgozva éri el az eredményeket) a vizeskancsó problémával illusztráljuk.
47
4.3.6. SZERVEZETI DÖNTÉSHOZATAL
4.3.6.1 Csoportos döntések
Sok esetben a döntéshozatal nem egyetlen ember feladata és kiváltsága, hanem több ember kell,
hogy meghozza a döntéseket. Tárgyalás, alkudozás, megegyezés szükséges.
4.3.6.2 Döntéstámogatás és működési környezet
A döntéstámogató rendszereknek nemcsak egy vállalat, egy cég igényeivel, szükségleteivel kell
foglalkozniuk, hanem az egyes (cégen belüli) osztályok, sőt az egyes alkalmazottakéval is.
Vizsgálhatjuk a vállalatok tágabb környezetét is, egész a kormányzati társadalmi szintekig, bár
manapság még egyáltalán nem jellemző ezeken a szinteken a döntéstámogató rendszerek
használata.
A következő szintek, funkcionális részrendszerek esetében lehetne elképzelni DSS támogatást:
ipar
fogyasztók
szállítók
versenytársak
munkaügy
szakszervezetek
munkanélküliség
termelékenység
pénzügy
pénzügyi intézmények
részvényesek
kormányzat
kamatlábak
közkiadások
infláció
társadalom
környezetvédelmi kérdések
nemek egyenjogúsága
gyermekgondozás
egészségügy
Egy üzleti szervezet célja tevékenységeinek tervezése, működtetése és ellenőrzése a cég

meggazdagodása céljából. A tervezés biztosítja, hogy cég mindig a nyereségesség irányába
haladjon, illetve, hogy jól felkészülve legyen a nehéz időkre. Az ellenőrzés, a felügyelet azt
48
biztosítja, hogy a mindennapi tevékenységek a cég életében jól menjenek. Ez a két funkció
szervesen összekapcsolódik.
4.3.6.3 Döntések típusa Vezetői szint
stratégiai felső
taktikai közép
működtető alsó
H. Mintzberg egy 1975-ben a Harvard Business Review-ban megjelent cikkében azzal érvel, hogy
egy menedzser idejének egy tekintélyes részét olyan egyéb tevékenységekkel tölti, amelyek nem
tartoznak a szervezés, tervezés, ellenőrzés és felügyelet.
A csoportos döntéstámogató rendszerek (GDSS) kifejlesztésekor számos kísérlet történt arra, hogy
az individuális döntésekkel foglalkozó elméletet csoportokra próbálják alkalmazni. Csoportokra,
melyek egyedeinek egymástól többé-kevésbé eltérő érdekei és preferenciái lehetnek.
A döntéselmélet módszertana azt igényli, hogy a döntéshozó egyrészt felállítson egy preferencia
sorrendet, azaz sorba tudja rendezni a felmerülő alternatívákat a saját szempontjai szerint, másrészt
ezen alternatívákhoz valamilyen módon valószínűségeket tudjon hozzárendelni.
Csoportokkal foglalkozva nyilvánvaló, hogy sokkal nehezebb közös érdekről és

csoportpreferenciáról beszélni. Kézenfekvőnek tűnhet többségi szavazással eldönteni a kérdéseket.
Mint az alábbi példa mutatja, ez nem mindig lehetséges.
4.3.6.4. DSS ÉS GDSS
A szervezetek döntési folyamatának számítógépes támogatására korán megszületett az igény,

párhuzamosan a szervezetek információfeldolgozásának automatizálásával. A fejlődés egy
evoluciós pályát futott be párhuzamosan a technológiai lehetőségek kiszélesedésével.
A kezdeti MIS-ek a „Mi a helyzet?” kérdésre kívántak válaszolni a rendelkezésre álló

adathalmaznak a standard TPS szolgáltatásokat meghaladó feldolgozásával. A következő fokozatot
a prediktív MIS -ek jelentették a „Mi történik, ha ?” kérdések kezelésével, végül igazán DSS-nek a
„Milyen alternatíva a legjobb?” kérdésére válaszoló rendszert tekintjük. (Ez a változás egyszerű
funkcióbővülésként indult, de minőségileg új rendszer alakult ki.)
4.3.7 A DSS-ek definiálása
A DSS-ek definiálására többféle megközelítés van, a követelmények, a funkciók ill. a technológia

szintek felől kiindulva.
Little szerint egy DSS olyan, modelleken alapuló eljárások halmaza, amely az adatok
feldolgozásához és kiértékeléséhez, a vezetés döntéshozatalához nyújt segítséget.
Jellemzői ezen felül a következők:
egyszerű a szerkezete,
nagy volumenű adatot tud kezelni,
könnyen ellenőrizhető,
módosítható,
49
fontos kérdésekben teljes körű,

egyszerűen használható.
Alter a DSS-eket a TPS-ekkel szembeállítva definiálja, különböző nézőpontok szerint.
Paraméter DSS TPS
használat aktív passzív
felhasználó vezetők beosztottak
Cél hatásosság hatékonyság
Időtáv jelen és jövő múlt
fő szempont rugalmasság konzisztencia
Moore és Chang a döntési probléma rosszul strukturált voltát hangsúlyozza, kiegészítve a

döntéshozók egyéni helyzetével.
Jellemzői ezen felül a következők:
bővíthető,
képes ad-hoc értékelésekre és modellezésre,
jövőorientált,
alkalmazható váratlan szituációkban is.
Bonczek három egymáshoz kapcsolódó részrendszerként definiálja a DSS-eket:
kommunikációs rendszer – a felhasználó és a DSS között

tudás rendszer – adatok és eljárások gyűjteménye
problémamegoldó rendszer – az eljárások alkalmazása az adatokon.
Látható, hogy minden szerző másra helyezi a hangsúlyt. Mi a következő definícióban

megpróbáljuk az előzőek releváns részeiből megalkotni saját meghatározásunkat:
DSS-ek azok a döntéshozatal folyamán használható számítógépes rendszerek, amelyek a strukturált

és kevéssé strukturált feladatok megoldásához is segítséget nyújtanak a beépített döntési szabályok
és modellek felhasználásával, s ezeket a felhasználó is módosíthatja, vagy bővítheti. A DSS tehát
komplex döntési szituációk megoldásában segít, növelve a döntések hatásosságát.
4.3.8. DSS tulajdonságok
Ahhoz, hogy egy DSS a célját elérje, szükséges olyan tulajdonságokkal rendelkeznie, amelyek
elsősorban a funkcionálisan helyes működést garantálják, másodsorban a kényelmes kezelhetőséget
a sokrétű problémaszituációkban, valamint a rugalmasságot és továbbfejleszthetőséget. Ezek
pontokba szedve a következők:
Dinamikus együttműködés a számítógép és az ember között,
50
A különböző vezetői szintek támogatása,

Egyéni és csoportos döntési folyamatok támogatása,
Elkülönülő és láncolt döntések kezelése,
A döntési folyamat végigkísérése,
Különböző döntési stílusok és technikák támogatása,
Rugalmasság és adaptivitás,
Barátságos felhasználói felület,
Hatásosság,
Teljeskörű felhasználói kontroll,
Fejleszthetőség – belső és külső
Végfelhasználói fejleszthetőség
4.3.9. A DSS részei
Egy DSS-nek a rendelkezésre álló adatokból az adott szituációt modellezve kell az emberi
döntéshozóval együttműködve megoldási alternatívákat előállítani és értékelni. Ennek értelmében
egy DSS a következő alrendszerekből áll:
Adatkezelő alrendszer – tartalmazza a döntéshez szükséges adatokat, ill. kapcsolódik a szervezeti

TPS-hez vagy külső adatbázisokhoz
Modellkezelő alrendszer – a rendszer elemző képességét biztosítja különböző területek

matematikai modelljeinek felhasználásával.
Kommunikációs alrendszer – a felhasználó és a rendszer kapcsolatát biztosítja.
Ezek az alrendszerek mindegyike számos további részekre, funkciókra bontható.
13. Ábra:
51
Adatkezelő alrendszer
Az adatkezelő alrendszer biztosítja a külső adatbázisokhoz való hozzáférésen kívül a saját adatainak
tárolását, feldolgozását, ezeknek egységes és konzisztens adatszótárba rendezését és a lekérdezések
elvégzését. Részei így a következők:
DSS adatbázis
Adatbáziskezelő rendszer
Adatszótár
Lekérdezés
DSS adatbázis
Az adatbázisokban a rendszeresen ismétlődő, jól meghatározott szerkezetű és logikai

kapcsolatokkal rendelkező adatokat, adatszerkezeteket tároljuk.
Az idők folyamán több különböző adatbázismodell alakult ki, ezek a következők:
rekord-alapú – egyszerű adatállományok, hasonló szerkezetű adatrekordokból,

hierarchikus – az adatok logikai hierarchiába vannak szervezve,
hálós – ugyanazon az adathalmazon több hierarchia is érvényesül egyidejűleg,
relációs – az adatok egyedek tulajdonságainak mátrixába vannak rendezve,
objektum-orientált – objektumok tulajdonság rendszerének segítségével tárolja az adatokat.
A különböző adatbázismodellek a valóságos objektumokból különböző szemlélet alapján

absztrahálva hozzák létre és tárolják, kezelik az adatrendszereket. Az ábrázolás és kezelés akkor
kényelmes, ha az absztrakció szemlélete jól megfelel a valóságos objektumoknak. Pl. hierarchikus
viszonyok ábrázolására a hierarchikus adatbázisok hatékonyak. De pl. a többféle hierarchiát is
tartalmazó objektumok esetében elégtelen lehet, s ekkor már hálós adatbázisra van szükség.
52
Jelenleg a legelterjedtebb adatbázis modell a relációs, amellyel a legtöbb szituáció jól kezelhető, de
úgy tűnik, az objektumorientált modellre szép karrier vár.
A DSS-adatbázisban a szervezet belső tranzakcióinak aggregált adatai, más belső és külső

adatforrásokból származó adatok, valamint a felhasználók személyes és egyéni adatai vannak.
Ezeknek a kialakítása különböző módon történhet, a fő kérdés a centralizáltság ill elosztottság foka,
az információkhoz való hozzáférés köre, szintjei és jogosultsági rendszere, valamint a külső
adatbázisokból való adatkinyerés (extrakció) megszervezése.
14. Ábra:
Adatbáziskezelő rendszer
Az adatbáziskezelő programrendszerek a különböző adatmodellekre optimalizálva készülnek,

skálájuk az olcsó íróasztali gépeken futó verzióktól kezdve az országos statisztikai adatgyűjtéseket
kezelő nagygépes (mainframe) rendszerekig terjed.
Funkciói a következők:
A DSS-adatbázis elérése, adatok kinyerése,

Gyors adatfelújítások,
Különböző forrásokból származó adatok együttes kezelése
Lekérdezések, riportok generálása,
Az adatok biztonságának garantálása,
53
Személyes és szervezeti adatok alternatíváinak kezelése

Az adathasználat nyilvántartása
A végfelhasználók számára az adatbáziskezelő műveletek nagy része rejtett, s annak is kell lennie.
Nincs arra szükség, esetleg csak a rendszergazdák számára, hogy beleavatkozzanak az adatok
tárolásának, felújításának technika részleteibe. Az adatbáziskezelő által kikeresett adatok a
végfelhasználó által használt jelentéskészítők, ad-hoc lekérdezések vagy modellek inputját
alkotják.
Adatszótár
A belső és külső adatok egységes kezeléséhez szükséges kialakítani egy olyan adatszótárt, amely
maga is mint (speciális) adatbázis tárolódik, amellyel a tárolt és felhasznált adatok forrása, állapota,
kapcsolatai leírhatók és felhasználhatók.
Lekérdezés
Alapvető funkció, amelyen keresztül lehet az adatokat elérni, a lekérdező nyelvek szorosan
kapcsolódnak az adatbázis kezelőkhöz és adatbázis modellekhez, valamint a DSS kommunikációs
alrendszeréhez.
Modellkezelő alrendszer
Formailag hasonló részekre bontható, mint az adatbáziskezelő alrendszer:
Modellbázis
Modellbáziskezelő rendszer
Modell szótár
Modell végrehajtás
4.3.10. Modellbázis
A modellbázis tartalmazza azokat különböző (statisztikai, pénzügyi, stb.) modelleket, amelyekkel

az analitikus feladatait elláthatja egy DSS. Ezeket kell tudni alkalmazni, módosítani, kombinálni a
feladatok függvényében.
A modelleket a felhasználási szint és funkció szerint csoportosíthatjuk:
Stratégiai,
Taktikai,
Működtetési,
valamint
Modell blokk, ill.

Szubrutin
típusúakra.
54
A stratégiai modellek a felső vezetők stratégiai tervezését szolgálják, inkább leíró, mint
optimalizációs szerkezetűek. Hasonló részfeladatokat látnak el, mint az EIS (Felsővezetői
információs rendszerek) modelljei.
A taktikai modellek a középvezetők igényeit elégítik ki, az erőforrások allokálásának és a

kontrollnak a támogatásával. Általában a szervezetek funkcionális részeihez kapcsolódnak.
A működtetési modellek a mindennapi tevékenységek megszervezését segítik a szervezetben , a

napi munkafolyamatok ütemezését, a források biztosítását, stb.
Mind a három modell szinthez, a modellek átalakítására, módosítására adnak lehetőséget a modell
blokkok és szubrutinok. Ilyenek pl. a regressziós analízis, klaszteranalízis, stb. blokkok, vagy a
véletlenszám generátor, jelenérték számító szubrutin stb. Önállóan is felhasználhatok bizonyos
adatelemzési célokra, de alkalmasak nagyobb modellek felépítésére is.
A modellek osztályozhatók felhasználási terület (pénzügy, munkaügy, stb.), valamint elméleti

alapok szerint is (statisztikai, optimalizálási, stb.) Ezek részletezése több száz típusra vezetne, ezzel
most nem foglalkozunk.
15. Ábra
Modellbáziskezelő rendszer
A modellbáziskezelő rendszernek kell létrehoznia a modelleket a meglevő blokkokból és

szubrutinokból, bővíteni a blokkok készletét, a modelleket és a hozzájuk szükséges adatokat
kezelni, a részmodelleket összekapcsolni.
Modell szótár
55
Funkciója hasonló az adatszótáréhoz, katalogizálja a modelleket, tartalmazza a modelldefiníciókat,

tájékoztatja a felhasználókat a modellek lehetőségeiről és hozzáférhetőségéről. Arra persze csak
gyakorlat vezetheti rá a felhasználót, hogy milyen esetekben mely modellek a jók. A szakértő
rendszereknek itt tág tér nyílhat ennek a választásnak a segítésére.
Modell végrehajtás
A modellek aktuális futását vezérli, valamint a különböző modellek összekapcsolását, az inputok és

outputok átirányítását.
Kommunikációs alrendszer
Ez a komponens biztosítja a felhasználó és a rendszer kapcsolatát, vezérli az interakciókat, felelős a

használat kényelmességéért és hatékonyságáért. Ennek minősége meghatározója lehet egy DSS
elterjedésének vagy háttérbe szorulásának, függetlenül a többi komponens minőségétől.
A kommunikációs folyamat három részre bontható, az utasításnyelvre, a válasznyelvre és az ezek

használatát leíró szabályrendszerre.
Az utasításnyelv elemei azok ez eszközök, amivel utasítani lehet a rendszert, azaz a billentyűzet
gombjai, az egér, érintő képernyő, botkormány, optikai leolvasó sőt hangérzékelő és értelmező.
A válasznyelvet a rendszer használja a felhasználó informálására az eredményekről,

részeredményekről, amellyel utasítást, választást kér. Ebbe beletartoznak a különböző output
perifériák, mint a képernyő, nyomtató, hangszóró, ill. ezek felhasználásának módja. Mikor milyen
grafikai vagy hangeffektusokat használjon a rendszer, s hogyan függ össze ezekkel a döntéshozó
pszichológiai beállítottsága?
E nyelveknek a szabályrendszere ismert kell legyen a felhasználó számára, papíron vagy online help
formájában mindig elérhetően.
A felhasználó
Egy DSS-t a felhasználó különböző módokon alkalmazhat a döntési folyamat támogatására, illetve
különböző státuszú felhasználók léphetnek a rendszerrel kapcsolatba.
Alter szerint a tipikus felhasználási módok a következők:
Előfizetői mód – a döntéshozó rendszeresen elkészített jelentéseket vár el a rendszertől, s nem is

interaktívan.
Hivatalnoki mód – a döntéshozó változó tartalmú jelentéseket készíttet a rendszerrel, de azt
offline módon készíti elő.
Terminál mód – a döntéshozó interaktívan használja a rendszert kérdés-felelet szekvenciákon
keresztül.
Közvetítéses mód – a döntéshozó másokon keresztül, stábja erre kijelölt munkatársai
közvetítésével használja a rendszert, nem ismerve a megoldás és a rendszer részleteit. Ennek a
módszernek az elterjedtsége a vezetők számítástechnikai képzettségének növekedésével, ill. a
DSS rendszerek használatának egyszerűsödésével a jövőben csökkeni fog.
A közvetítőket három csoportba lehet sorolni, lehetnek:
56
DSS asszisztensek – a vezető stábjának a döntéstámogató rendszerekkel való kapcsolattartásra

specializálódott tagja,
Specialisták – egy-egy üzleti szakterület szakértője, aki a DSS rendszerek segítségével készíti
elő szakvéleményét,
Szakértők – egy-egy modellezési módszer szakértője, az ő segítségével lehet a speciálisabb
modelleket kidolgozni, ill. megoldani.
DSS hardver és szoftver
A DSS-ek a legtöbb hardver elemen futhatnak, a különbségek a feladat nagyságából,

bonyolultságából, időigényéből fakadhatnak.
A sok felhasználót kiszolgáló, nagy erőforrásokat mozgósító rendszereket inkább nagygépekre

ajánlatos telepíteni, míg az egyfelhasználós, kis adatbázist használó társaikat lehet asztali
számítógépekre. A lokális hálózatok alkalmasak egy határig a nagygépek kiváltására, de mindig a
konkrét helyzet analizálása alapján kell a megfelelő kompromisszumot kialakítani.
Steven Alter nyomán megkülönböztetjük a döntéstámogató rendszerek 7 szintjét.
Javasló rendszerek (suggestion systems)

Optimalizáló rendszerek
Reprezentációs modellek
Könyvelési modellek
Elemző információs rendszerek (analysis information systems)
Adatelemző rendszerek
Adatkezelő rendszerek (file drawer systems)
Adatkezelő rendszerek Egyszerű lekérdezések, szabálytalan időközökben
Adatelemző rendszerek Periodikusan, vagy szabálytalan időközökben végzett

adatmanipulációs tevékenység.
Elemző információs rendszerek Szabálytalan időközökben, vagy felkérésre végzett

adatelemzés kisebb modellekkel.
Könyvelési modellek Rendszeres időközökben végzett, standard

modelleken alapuló elemzési, előrejelzési
számítások.
Reprezentációs modellek Periodikus, vagy ad-hoc elemzések bizonyos

részleges hatású lépések várható eredményeiről.
Optimalizáló rendszerek Periodikus, vagy ad-hoc elemzések bizonyos lépések

várható eredményeiről optimalizáló modellekkel.
Javaslattevő rendszerek A napi munkafolyamatok irányítását segítő egyszerű

döntési modellek alapján ad javaslatokat.
57
Egy komplexebb DSS-ben természetesen ezek a mozzanatok keverten fordulnak elő.
4.3.11. Csoportos döntéstámogató rendszerek
Az eddigiekben eltekintettünk attól az egyáltalán nem elhanyagolható körülménytől, hogy a

döntések legtöbbször nem egymástól függetlenül, hanem döntéshozók és csoportjaik interakciója
sorozataként fordulnak elő. Erre utal Hackathorn és Keen osztályozása, amely szerint a döntési
folyamat három fő típusa:
független döntéshozás,
független részdöntések sorozata,
csoportmunkát követelő döntéshozás.
Gyakorlatilag minden döntés valamilyen rendszerben értelmezhető, ezek közül a legfontosabb típus
a szervezet.
Szervezetnek nevezzük egyének olyan csoportját, amely relatíve folyamatosan és stabilan áll fenn
egy változó környezetben, normatív vezetési renddel, információs rendszert felhasználva
tevékenykedik bizonyos közös célok érdekében, amelyet ösztönzők közvetítenek a tagjai felé.
A szervezeti döntéshozatal – habár a szervezetek döntő többsége hierarchikus – egy elosztott

tevékenység, amelynek lényeges eleme a konszenzus.
Definíció
A Csoportos döntéstámogató rendszer (GDSS=Group Decision Support System) egy olyan

számítógép alapú információs rendszer, amely képes nemstrukturált problémák megoldásához
segítséget nyújtani döntéshozók együtt dolgozó csoportjának. Egy GDSS-t hardver, szoftver és az
alkalmazott módszerek és emberi résztvevők jellemeznek.
A hardver elemek nyilvánvaló részén túl – monitor vagy hálózatba kapcsolt asztali számítógép – a
leglényegesebb elem annak biztosítása, hogy egymás eredményeivel megismerkedhessenek a
döntéshozó csoport tagjai. Ezt egy közös kivetítő is biztosíthatja, de gyakoribb a hálózatok
segítségével egymás gépének a képernyőjét használni erre a célra.
A szoftver komponens a szokásos DSS felépítés mellett (Adatbáziskezelő alrendszer,

Modellbáziskezelő alrendszer, Kommunikációs alrendszer) funkcionálisan ki kell bővüljön, hogy a
közösen használt és kezelt adat- és modellbázis elemeknek egyéni kezelését is lehetővé tegye,
valamint a csoporttagok egymással és egymás modelljeivel kapcsolatos kommunikációs igényeit is
kielégíthesse.
A tipikus csoportot érintő feladatok a következők:
A csoporttagok szavazatainak, véleményének, modelleredményeinek numerikus és grafikus

összegezése. (Nem feltétlenül összeadása – fontos lehet a megoszlás is)
A döntési alternatívák közös értékelése, az ötletek anonim gyűjtése, és szelektálása,
csoportvezető választás és más konszenzust igénylő akciók lebonyolítása.
Az információk összes formájának továbbítása a csoporttagok között ill. információcsere a
GDSS rendszer adatbázisával.
58
Az alkalmazott módszerek egy GDSS-ben magukban foglalják a hardver és szoftver elemekre

vonatkozó eljárásokon kívül a csoport tagjainak interakciójára, eljárásrendjére vonatkozó
szabályokat is.
Végül egy GDSS nem függetleníthető az abban résztvevő emberektől, döntéshozóktól. Különösen
fontos a szerepe a moderátornak, aki a rendszer zökkenőmentes, hatékony felhasználásáért felelős.
GDSS tipológia
A csoportok támogatásának kezdeti nagyon magas költsége főként a kormányzati, nagyvállalati

körben tette csak lehetővé érdemi rendszerek kialakítását. A folyamatos kutatómunka és
technológiai fejlődés eredményeképpen egyre szélesebb körben kezdik használni a különböző
típusú csoportos döntéstámogató rendszereket:
Döntési termek – ezek a hagyományos tárgyalótermek elektronikus megfelelői, ahol minden

résztvevőnek rendelkezésére áll egy terminál vagy asztali számítógép, amellyel elképzeléseit
modellezheti és a csoport nyilvánossága elé bocsájthatja.
Döntési hálózat – itt helyi hálózat segítségével valósul meg a kommunikáció a csoport tagjai és a
GDSS szoftver(ek) között. Fontos megjegyezni, hogy ebben az esetben nem kell a közös helyiség és
időpont foglyaivá válniuk a résztvevőknek. Ez persze személyesség eredménynövelő faktorát is
kiiktatja.
Távkonferencia – itt két vagy több döntési terem kapcsolódik össze telekommunikációs és
informatikai csatornákon. Erre nagy földrajzi távolságok esetében és audió- ill. videó
kommunikáció szükségessége esetében lehet szükség.
Távoli döntéshozatal – ebben a jelenleg inkább elméleti variációban a döntéshozók csoportjának

munkahelye, irodája van felszerelve a döntési termek technológiájával, s így az egymástól esetleg
nagy távolságra levő vezetők a hely egyeztetéstől szabadon, csak az időkorlátokra ügyelve tudnak
egymással ad-hoc vagy rendszeres kommunikációt folytatni.
A GDSS viszonya a DSS-hez
Minden GDSS tartalmazza a szokásos DSS tulajdonságokat, s a csoporttámogatás követelményéből

fakadóan a következőket is:
a csoporttagok közötti kommunikáció lehetőségét,

a szavazási, pontozási, értékelési technikákat, a konszenzus kialakításának eszközeit,
több technológiai kiegészítőt.
S ennek következményeképpen tovább tart az elkészítése, felállítása, valamint az esetenkénti

használatba vétel ideje is.
4.3.12. DSS ALKALMAZÁSOK
*OPTRANS OBJECT
Az OPTRANS OBJECT egy francia DSS fejlesztő környezet, amely a döntési folyamat valamennyi
fázisában segíti a fejlesztőt. Az alábbiakban a legfontosabb jellegzetességeit emeljük ki ennek a
szoftvernek.
59
i) A generátor szerkezete
A generátor legfontosabb részrendszerei (erőforrásai):
az adatbáziskezelő rendszer
a riportgenerátor
a modellező nyelv
a fájlkezelő rendszer
a statisztikai algoritmusok eszköztára és
a felhasználói interfész.
Minden részrendszerhez egy ablak tartozik. Egy DTR alkalmazáshoz egy alkalmazási fájl, a
változónevek egy halmaza, fejléccímkék és paraméter nevek társulnak. A rendszernek van egy
lekérdező processzora és egy megoldó (solver) könyvtára. A felhasználó egy parancsablakon,
menükön, ablakokhoz tartozó lokális menügombokon, párbeszéd ablakokon, editoron keresztül
kommunikál a rendszerrel.
Visual IFPS/Plus
Az IFPS az Interactive Financial Planning System rövidítése, vagyis a név egy interaktív pénzügyi
tervező rendszert takar. Olyan problémaorientált negyedik generációs nyelvről van szó, amely
bármely tervezési, illetve elemzési feladatra használható, feltéve hogy „spreadsheet” típusúak a
felhasznált információk. Számos beépített üzleti függvényt tartalmaz, így pl. nettó jelenérték
számítás, értékcsökkenés meghatározása, loan amortization, belső megtérülési ráta, stb. A plus szó a
beépített adatbáziskezelési lehetőségekre utal. Az IFPS egy „spreadsheet” formájú matematikai
modell létrehozására alkalmas eszköz.
Megadjuk a probléma (az üzleti rendszer) matematikai leírását (a feltételek és a változók közötti
relációk matematikai leírását). Az IFPS modellben a felhasználó matematikai egyenletei az üzleti
tevékenységek közötti kapcsolatok logikáját írják le, ez adja a modell logikáját. Az IFPS modell
nagyon hasonló egy programhoz, amelyet BASIC-ben, FORTRAN-ban, C-ben, vagy egyéb nyelven
írtak. Ennek ellenére az IFPS felhasználóinak nem kell programozóknak lenniük, sokkal inkább
érteniük kell az üzleti tervezéshez, illetve elemzéshez. Következésképpen az IFPS-ben a felhasználó
logikája adja a modellt, nem egy számítógépes program.
Az IFPS hasznos olyan döntési eljárásokban is, amikor nem precízen definiált problémáról van szó,
amely több változót tartalmaz, komplex relációkkal és bizonytalanságokkal. A modell olyan további
információkat is ad az elemzőnek, mint a különböző döntések lehetséges hatásainak vizsgálata, a
különböző alternatívák közötti választások elősegítése stb. Az IFPS modell könnyen létrehozható és
egyszerűen értelmezhető. A kezdeti modell a későbbiekben tetszés szerint bővíthető, a környezet
változásainak megfelelően a modellt könnyű módosítani.
Automatikus spreadsheet funkciók
Az IFPS megengedi a táblázat formájában adott pénzügyi beszámolók, megoldások létrehozását. A

sorok illetve az oszlopok elnevezése tetszőleges lehet, általában az oszlopok jelölik az egyes
időszakokat, illetve tervezési szinteket, a sorok pedig a változókat, vagy tervezési szinteket (nincs
előre definiált sor, illetve oszlop rendszer). A táblázat használható a kezdeti IFPS modell
létrehozására.
Döntéstámogató rendszerek és az IFPS
60
Az IFPS döntéstámogató rendszerek létrehozására alkalmas számítógépes eszköz. Az eddigiekkel

összhangban azt mondhatjuk, hogy a döntéstámogató rendszerek interaktív, rugalmas, adaptív
számítógépes információs rendszerek, amelyek döntési szabályokat, modelleket, adatbázisokat és a
döntéshozó saját elméleteit használják fel. Így a számítógépes rendszer segíti a managereket a
döntéshozásban. Természetesen a döntéseket nem az IFPS modell hozza, hanem a managerek.
Ahogyan az alábbi ábra is mutatja a számítógépes DSS három legfontosabb funkciója: az

adatbáziskezelés, statisztikai analízis és modellezés. Ezek a komponensek külön-külön nem
nevezhetők DSS-nek. Olyan számítógépes eszközök, amelyek segítenek az adott problémára
vonatkozó DSS-t létrehozni. Az IFPS nem azonos egy DSS-sel, olyan DSS generátor, illetve
eszköz, amely az adott speciális szituációban segíti a DSS kifejlesztését.
16. Ábra:
Az IFPS felépítése
Az IFPS több komponensből áll, amelyek mindegyike különböző feladatok elvégzésére alkalmas.
Az alábbi ábra mutatja az IFPS rendszer struktúráját.
17. Ábra
61
A legfelső szint a végrehajtói szint, a három legfontosabb alrendszer pedig a modell, jelentés, és
adatfile alrendszerek.
A modell alrendszer
Ez az IFPS-nek az a része, amelyben létrehozzuk a modellt. Itt hajtjuk végre a modellre vonatkozó
számításokat, itt adjuk meg a modellben felvetett problémára a megoldást. Ebben a részben vannak
a kiértékelésre vonatkozó funkciók is.
A jelentés alrendszer
Ez a rész az IFPS jelentések írását támogató része. Itt definiálhatók a jelentések stilisztikai
jellemzői és egyéb olyan jellemzők, amelyek a külső megjelenítést határozzák meg.
Az adatfile alrendszer
Ez az alrendszer lehetővé teszi az adatmanipulációt, a modelltől függetlenül.
Áttekintés
A Visual IFPS egy kliens szerver szoftver. A kliens Dos vagy Windows környezetben használható,
a szerver Windows NT, UNIX, vagy mainframe környezetben. Windows NT használata esetén,
lehetséges az, hogy a kliens és a szerver egy gépen legyen.
ÖSSZEFOGLALÁS
A különböző vezetői munkát támogató információs rendszerek egyre inkább felhasználják egymás
eredményeit, beillesztik a számukra is szükséges technológiákat, eszközöket. Egyre inkább
érződik, hogy a kombinált, ún. hibrid eszközök előretörése jellemző, amely a szervezet
vezetésének, a döntések meghozatalának minden aspektusát tudják támogatni.
Mivel ez a tendencia a különböző vezetői szintek feladatainak támogatásában is megnyilvánul –

tehát a megfelelő információs rendszerek segítségével kevesebb vezetőre és kevesebb szintre van
szükség. Ez leginkább a középvezetőket fenyegeti, az ő munkájukat tudják átvenni a
döntéstámogató és szakértő rendszerek segítségével az alsó ill. felsőbb vezetők.
A döntéstámogató rendszerek változást hoznak a vállalatok, szervezetek működésében, a vezetők

munkakörnyezetében is. Ezek a következőkben foglalhatók össze:
62
Munkakör bővítés – több feladatot tud ellátni a vezető,

Munkakör gazdagítás – élvezetesebb lesz a munka.
Mindezek óhatatlanul visszahatnak a szervezeti kultúrára is, a szervezetek felépítése ennek

függvényében egyre inkább fognak támaszkodni a különböző információs rendszerekre, köztük a
döntéstámogató rendszerekre is.
Ennek társadalmi, kulturális kihatása ma még beláthatatlan, de reméljük, hogy megfelelő egyensúly
kialakításával az eredménye nem a falanszterek világa lesz.
63

C3 Tananyag

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

C3 Tananyag

Uploaded by

Copyright:

Available Formats

Készült a Phare HU0008-02 program támogatásával

A felnőttoktatás és az élethosszig tartó tanulás

Vezetői információs rendszerek

Készült a Phare HU0008-02-01-0007 számú

Debreceni Egyetem Agrártudományi Centrum

Vezetői információs rendszerek

© DE ATC AVK, Gazdasági- és Agrárinformatikai Tanszék, 2004

© DE ATC AVK, Gazdasági- és Agrárinformatikai Tanszék, 2004

ISBN 963 9274 69 0

adatrögzítő rendszerben tárolni bármilyen formában és bármilyen eszközzel – elektronikus úton

Debreceni Egyetem Agrártudományi Centrum

Debrecen, 2004. március

1. Vezetői információs rendszer fogalma, célja, gyakorlati alkalmazása .....................................6

1. Vezetői információs rendszer fogalma, célja, gyakorlati alkalmazása

1.2. Információs rendszerek típusai

Az informatika fejlődésével a vezetői munka támogatásának az igényére adott válasz különböző

Ezeket összefoglalóan vezetéstámogató rendszereknek is nevezzük. (Management Support

Megfigyelhető, hogy az egyes rendszerek megjelenésükkel, elméleti és módszertani újdonságaikkal

1.3. A vezetői információs rendszer fogalma, funkciói

A Vezetői Információs Rendszerek (VIR) a szervezeti, menedzsment és stratégiai tevékenységeket

használnak információ technológiát és modelleket analízisre, tervezésre és döntéshozatalra,

A VIR (MIS-Management Information System) kifejezés használata a vezetői tevékenységeket

Egy VIR struktúrája mindig a szervezet struktúráján és tevékenységein alapul. A szervezetek

A tranzakció feldolgozó alkalmazások az alsó szintű vezetőket és az irodai munkát támogatják. A

1.4. A szervezetek írányítása, a tervezés és horizontjai

Működés ellenőrzés: a működési tevékenységek hatékony és hatásos lefolyását biztosító

A döntéshozatal VIR támogatása egy szervezeten belül a döntéshozatal folyamatának három

2. Információtechnológiák a vezetői döntéstámogatásban

2. ábra Üzleti intelligencia és az integrált vállalatírányítási rendszer

2.1. On-line elemző feldolgozás

A vezetői információs rendszerekkel kapcsolatban korábban felvázolt kérdések és problémák

Vezérelvek Adattárolás ERP-rendszereknél Adattárházak

Adatok Az ERP-rendszerek moduljai Adattárház szintű integráció, mely

Az idő dimenzió Az ERP-rendszerek adott Jellemzően történeti jelleggel

megjelenése időpontra vonatkozó adatokat tartalmaznak adatokat -- napi / heti

Adatok Az adatokat -- a tranzakció- A történeti jellegnek és elemzési céloknak

Orientáció Az ERP-rendszerek moduljai Az adattárházakban az adatok

2.2. Több dimenziós adatbázis

A fenti vezérelvek gyakorlati megvalósulását a hagyományos relációs adatmodell kevésbé tudja

4. Ábra: Adatkocka egyszerűsített modellje

5. Ábra: Adott nézet / szelet lekérdezése a kockából

alkalmaznak. A konkrét adatok mellett azonban tárolni kell az adattulajdonságokat, illetve a

2.3.1. Az IBM üzleti intelligencia-megoldásai

6. ábra Üzleti Intelligencia Rendszerarchitektúra

• az üzleti intelligencia alkalmazások kialakítását, kifejlesztését, megvalósítását és

Az információs aranybánya felépítésének első lépése az adattárházzal szemben támasztott üzleti

Az IBM DB2 OLAP Server a többdimenziós tervező-, elemző-és jelentéskészítő-alkalmazások

Döntéstámogatáshoz rendelkezésre álló kiegészítő eszközök az alábbiak:

• Brio Enterprise termékcsalád

Ezek az erőteljes, mégis könnyen használható lekérdező-, jelentésíró és elemzőeszközök már

2.3.2. A Microsoft OLAP kiszolgálója

A SAS olyan teljeskörű megoldásokat, szoftvereket kínál, amelyek megfelelnek az intézményekkel

A SAS-termékek funkcionalitása a sikeres üzleti intelligencia alkalmazások szempontjából

Az IT infrastruktúrák komplex, heterogén környezetek. Számtalan, több szállítótól származó

A SAS architektúra jellemzõi:

Platformfüggetlen - A SAS rendszer hordozható kódja hardver platformok és operációs

A rugalmas, kiaknázásra optimalizált SAS szoftver architektúra segítségével vállalati szintű

A SAS/Enterprise Guide ötvözi a SAS szoftver világszinten elismert statisztikai és

• Adatelérés (SAS data set, PC fájl formátumok, MDDB-k)

Lekérdező, jelentés- és kimutatás-készítő és OLAP eszközök

A lekérdezések, kimutatás készítések tipikusan grafikus végfelhasználói felület használatával

A SAS/Enterprise Guide ötvözi a SAS szoftver világszinten elismert statisztikai és

A SAS/Enterprise Reporter egy felhasználóbarát eszköz, ami intelligens szerver hozzáférést