Znaczenie systemów wspomagających zarządzanie dla przedsiębiorstw

Znaczenie systemów wspomagających zarządzanie dla przedsiębiorstw!

Systemy wspomagania zarządzania koncentrują się na zarządzaniu zasobami informacyjnymi. Systemy te dostarczają informacji do zarządzania w planowaniu i podejmowaniu decyzji. Informacje dostarczane przez te systemy są oparte na danych wewnętrznych i zewnętrznych przy użyciu różnych narzędzi do analizy danych.

Oferują one także użytkownikowi wybór narzędzi, które można wykorzystać do analizy danych. Systemy te służą potrzebom informacyjnym menedżerów na poziomie średnim i najwyższym w hierarchii menedżerskiej.

Istnieją trzy rodzaje systemów wspomagających zarządzanie, a mianowicie:

a) Systemy wspomagania decyzji,

b) Systemy informacji zarządczej (wsparcia) i

c) Systemy eksperckie.

Systemy Wspomagania Decyzji:

Systemy wspomagania decyzji (DSS) mają na celu wspomaganie procesu decyzyjnego menedżerów w zakresie poprawy ich efektywności, a tym samym wydajności przedsiębiorstwa. Opierają się one na założeniu, że ocena menedżerska nie może być zastąpiona żadnym rozwiązaniem komputerowym. Jednak oferując wsparcie danych i modeli, możliwe jest usprawnienie procesu decyzyjnego nawet w przypadku problemów częściowo strukturalnych i nieustrukturyzowanych.

Podstawowym celem DSS jest rozszerzenie możliwości podejmowania decyzji przez menedżera poprzez wspieranie narzędzi i danych udostępnianych mu pod jego bezpośrednią kontrolą. DSS nie zakłada konkretnych wymagań informacyjnych i predefiniowanych narzędzi do analizy różnych typów decyzji, ani nie narzuca żadnych rozwiązań menedżerowi.

W ten sposób daje menedżerowi elastyczność w decydowaniu o danych wejściowych, narzędziu analitycznym, dogłębnej analizie i poleganiu na wynikach analizy do podejmowania decyzji. DSS oferuje interaktywne środowisko dla użytkowników i pozwala menedżerowi eksperymentować z danymi i modelami w celu opracowania optymalnej strategii podejmowania decyzji w danej sytuacji.

DSS są również opisane jako interaktywne systemy informacyjne, które pomagają menedżerom wykorzystywać modele analizy danych do rozwiązywania niestrukturalnych problemów. DSS używa technologii, które można nazwać jej cegiełkami. Są one przedstawione na rysunku 10.3.

Rodzaje i cechy DSS:

DSS może być zorientowany na dane lub zorientowany na model. DSS zorientowane na dane mają większy wkład w odzyskiwanie danych i analizę danych. Modelowy system DSS posiada potężne narzędzia do symulacji scenariuszy decyzyjnych poprzez oszacowanie wyniku działania i generowanie sugestii. W rzeczywistości trudno jest znaleźć DSS wyłącznie do wyszukiwania i analizy danych lub po prostu do modelowania. W rzeczywistości większość DSS zawiera mieszankę obu typów urządzeń.

Usługi DSS mają następujące cechy, które odróżniają je od innych typów systemów informatycznych:

a) DSS nie ma na celu żadnego konkretnego rodzaju decyzji. Ma elastyczność użycia w różnych nieoczekiwanych sytuacjach decyzyjnych.

b) Przyjazny dla użytkownika interfejs DSS odróżnia go od innych typów systemów informatycznych. Gdy jakiś menedżer użyje DSS od pewnego czasu, jego nieregularne użycie nie wpływa negatywnie na łatwość użycia.

c) Generatory raportów i obiekty graficzne w DSS zapewniają lepsze sposoby przedstawiania informacji generowanych przez wykorzystanie modeli w DSS. Te udogodnienia zwiększają wartość informacji.

d) DSS oferuje każdemu użytkownikowi pełną kontrolę nad systemem. Dane wejściowe, metody przetwarzania i dane wyjściowe są kontrolowane przez użytkownika.

Korzyści z DSS:

System informacyjny musi mieć własne uzasadnienie, aby być kandydatem, który warto rozważyć w celu włączenia go do portfela aplikacji przedsiębiorstwa. Uzasadnienia są generalnie pod względem korzyści w generowaniu informacji, aby pomóc w zewnętrznej sprawozdawczości i procesie podejmowania decyzji menedżerskich. Korzyści oferowane przez DSS obejmują:

za. Ocena większej liczby alternatyw, jako obiektów w DSS, skraca czas i wysiłek w gromadzeniu i analizie danych dla różnych alternatyw.

b. Modelowanie i prognozowanie staje się łatwe dla menedżerów korzystających z DSS, co pozwala im uzyskać lepszy wgląd w procesy biznesowe.

do. Przydatność w komunikacji wewnątrzgrupowej i międzygrupowej, ponieważ umożliwia wyjaśnienie innym, w jaki sposób doszło do konkretnego wniosku. Uzasadnienie przypisuje szacunek wnioskom i zapewnia wsparcie innym w przedsiębiorstwie.

re. Urządzenia do szybszej analizy danych w celu podejmowania nieustrukturyzowanych decyzji, co poprawia szybkość reakcji w nieoczekiwanych sytuacjach podejmowania decyzji.

mi. Szybsze wykrywanie wariancji i wyjątków. Stali użytkownicy DSS odkryli, że DSS umożliwia im przewidywanie wyników za pomocą wydajnego narzędzia zapytań ad hoc.

fa. Dogłębna analiza danych, a zatem bardziej efektywne wykorzystanie zasobów danych.

Zastosowania DSS:

DSS odniosły sukces w przedsiębiorstwach o średnich i dużych rozmiarach oraz w scenariuszach decyzyjnych wymagających dogłębnej analizy danych wewnętrznych i zewnętrznych. Sukces DSS zależy w dużej mierze od wsparcia kierownictwa, regularności i czasu użytkowania, szkolenia menedżerów i różnorodności sytuacji decyzyjnych.

Jeśli proces biznesowy jest prosty i powtarzalny, DSS może nie być w stanie uzasadnić swoich kosztów. DSS zastosowane do decyzji strukturalnych tylko zwiększa koszty i zamieszanie. Stwierdzono, że DSS przydaje się w obszarach decyzyjnych, w których elastyczność w zakresie danych i modelowania jest wymagana dla lepszego podejmowania decyzji. Typowe obszary zastosowania DSS w produkcji i finansach firmy to:

Produkcja:

Analiza zamówień, szacowanie i analiza kosztów, planowanie i harmonogramowanie produkcji, decyzje dotyczące podejmowania lub zakupu, planowanie i kontrola zapasów, ładowanie sił ludzkich itp.

Finanse:

Budżetowanie kapitału, planowanie finansowe i analizy, planowanie podatkowe, strategiczne planowanie finansowe, budżetowanie, zarządzanie środkami pieniężnymi i kapitałem obrotowym, analiza finansowania dłużnego i kapitałowego, zarządzanie ryzykiem walutowym, analiza wyników finansowych, analiza wariancji itp.

Systemy wspomagania decyzji są opracowywane przy użyciu procesu innego niż tradycyjny proces opracowywania systemu, ponieważ mają przetwarzać zarówno dane wewnętrzne, jak i zewnętrzne. Muszą być niezależne i interaktywne.

Systemy informacji zarządczej:

DSS są zaprojektowane, aby zaspokoić potrzeby informacyjne menedżerów na średnich i najwyższych szczeblach. Odnoszą się do pracy opartej na regułach, polegającej na modelowaniu i analizie danych, aby były przydatne w podejmowaniu decyzji.

Jednak na poziomie menedżerskim istnieje potrzeba większego skupienia się na pakowaniu i dostarczaniu informacji niż na generowaniu informacji. Najlepsi menedżerowie zasługują na lepsze warunki dostępu do informacji niż te oferowane przez DSS.

Najlepsi menedżerowie potrzebują szybkiego dostępu do aktualnych, zwięzłych informacji i raportów wyjątków z udogodnieniami do spersonalizowanych informacji i analiz. Systemy informacyjne zaprojektowane tak, aby zaspokoić potrzeby takich osób, są nazywane Executive Information Systems (EIS) lub Executive Support Systems.

Systemy te działają jako elektroniczne systemy informacyjne i oferują ogromną elastyczność w użyciu. System EIS wykorzystuje zarówno wewnętrzne, jak i zewnętrzne informacje i oferuje interaktywne i przyjazne dla użytkownika środowisko operacyjne.

Zastosowania EIS:

Executive Briefing:

EIS oferuje aktualne informacje na temat różnych aspektów zainteresowań władzy wykonawczej. Odprawa jest ogólnie związana z wynikami różnych centrów zysku i oferuje raporty o stanie różnych działań przedsiębiorstwa. Chociaż w DSS odbywa się pewna ilość odpraw, a informacje pojawiają się w bazach danych, gdy są o to proszone.

W systemie EIS informacje są automatycznie pobierane okresowo z baz danych w postaci gotowych raportów. To automatyczne pobieranie gwarantuje, że osoba wykonawcza nie będzie pozostawać w kontakcie przez długi czas w dniach dużej presji obciążenia.

Spersonalizowana analiza:

EIS oferuje urządzenia do analizy danych z wykorzystaniem modeli wybranych przez użytkownika. Arkusze kalkulacyjne i techniki statystyczne są dostępne w systemie EIS w celu zadawania pytań. Różnica polega na tym, że EIS nie tylko pomaga użytkownikowi w analizie danych, ale także w interpretacji wyniku analizy.

Zgłaszanie wyjątków:

Ważnym elementem systemu EIS jest moduł raportowania wyjątków. EIS zaspokaja ten wymóg skutecznego kierownictwa i ostrzega kierownictwo o istotnych różnicach wynikających z planów.

Pozwalają one, w różnym stopniu, na dalsze badanie przyczyn odchyleń i możliwych skutków planowanych działań ratowniczych. Umiejętność zbadania sprawy w celu uzyskania czegoś więcej niż wyjątku sprawia, że ​​EIS jest bardzo przydatnym narzędziem dla władzy wykonawczej w efektywnym rozładowywaniu swoich funkcji.

Analiza oparta na modelu:

System EIS oferuje urządzenia do analizy informacji w oparciu o model i ta funkcja jest powszechna w przypadku DSS. Jednak analiza oparta na modelu w systemie EIS różni się od analizy w DSS w tym sensie, że dane wejściowe w systemie EIS są ograniczone i uzyskane zarówno ze źródeł wewnętrznych, jak i zewnętrznych.

Można zauważyć, że EIS nie jest odizolowanym zbiorem komputerowych raportów informacji dla dyrektorów wykonawczych. EIS to zestaw zintegrowanych narzędzi i technologii wplecionych w kompletne środowisko systemu informatycznego przedsiębiorstwa.

Można zauważyć, że EIS obsługuje wszystkich użytkowników, a niekoniecznie najlepszych menedżerów przedsiębiorstwa. Wszyscy, którzy pomagają kierownictwu wyższego szczebla, powinni mieć dostęp do EIS i muszą zaspokajać potrzeby informacyjne wszystkich takich osób.

DSS i EIS:

Niektóre z urządzeń w systemie EIS można znaleźć również w DSS, a zatem linia rozróżnienia czasami się zaciera. Nie można wykluczyć nakładania się w takich systemach. Rysunek 10.4 pokazuje typy wsparcia informacji, które te dwa systemy udostępniają menedżerowi.

Korzyści z EIS:

EIS oferuje przedsiębiorstwom biznesowym następujące korzyści:

a) Wsparcie informacyjne dla decyzji strategicznych:

EIS pomaga kierownictwu polegać bardziej na faktach niż na intuicji i osądach biznesowych w celu podejmowania strategicznych decyzji.

b) Zmiana ostrości:

Często zadawane przez najwyższe kierownictwo pytania dotyczące zestawu krytycznych czynników sukcesu mają wpływ na priorytety osób na niższych szczeblach zarządzania. W związku z tym łatwiej jest kierownictwu wykorzystującemu system EIS przekazać komunikat kierownictwu funkcjonalnym w odniesieniu do konieczności utrzymania standardów jakości, jedynie poprzez częste zapytania EIS dotyczące jakości produktów. Zapytania kierownictwa mogą wyznaczać kierunek działań w przedsiębiorstwie, a tym samym zmieniać priorytety w przedsiębiorstwie.

Mówi się, że EIS jest jednym z ważnych systemów informacyjnych, które stwarzają najwyższemu kierownictwu szansę na realną ocenę przydatności systemów informatycznych w podejmowaniu strategicznych decyzji.

Taki system w przedsiębiorstwie może również przyczynić się do porozumienia między kierownictwem najwyższego szczebla a specjalistami IT i poprawić komunikację między tymi ważnymi graczami w zakresie rozwoju infrastruktury IT.

Udany system EIS może zapewnić widoczność i wiarygodność systemów informatycznych jako całości i pomóc we wdrażaniu innych systemów informatycznych w przedsiębiorstwie.

Krytyczne czynniki sukcesu w implementacji EIS:

EIS ma na celu przekazanie top menedżerom najwyższej jakości wiedzy na temat potencjalnych korzyści płynących z systemów informatycznych w przedsiębiorstwie. W związku z tym konieczne jest zapewnienie, że system EIS, po jego zaplanowaniu, musi zostać skutecznie wdrożony.

Problemy związane z wdrażaniem w systemie EIS mogą być liczne, ale kilka z nich jest typowych:

a) Trudność w specyfikacji systemu:

Docelowi użytkownicy EIS nie są jednoznaczni co do swoich konkretnych wymagań dotyczących informacji, ani nie mają czasu na wyrysowanie specyfikacji systemu informacyjnego. Dlatego użytkownicy zasługują na kilka opcji do wypróbowania, zanim będą w stanie określić wymagane przez nich usługi. Prototypowanie jest uważane za lepszą strategię w projektowaniu EIS.

b) Duże ilości danych:

Obiekty zapytań ad hoc wymagają dostępu do dużej ilości danych. Satysfakcja takich zapytań może wymagać użycia narzędzi statystycznych przetwarzających zbiorcze dane, zanim spełni on wymagania informacji w zapytaniu. Może to trochę potrwać, a reakcja systemu może być powolna.

Dlatego niezbędne jest przewidywanie szerokich zagadnień, na które prawdopodobnie będą się koncentrować zapytania, a informacje dotyczące takich kwestii mogą być regularnie generowane i przechowywane oddzielnie dla dostępu do EIS.

c) Opór z niższych poziomów:

EIS może napotkać na opór także ze strony ludzi na prawie wszystkich poziomach, a jeszcze więcej od menedżerów na niższych poziomach java. Dzieje się tak dlatego, że teraz szef ma dostęp do najnowszych informacji dotyczących codziennego funkcjonowania w każdym dziale, zanim szefowie departamentów przejdą i zrozumieją go. Rochartat przewiduje poważne konsekwencje takiego dostępu do baz danych na temat nowej polityki własności danych wśród menedżerów. Jednak dane - podstawowy menedżer może rozwiązać ten problem, ostrożnie posługując się przyciskami dystrybucji danych.

d) Style zarządzania:

Trudno byłoby wdrożyć EIS w przypadku przedsiębiorstw o ​​niechęci do IT. Niektórzy dyrektorzy wyższego szczebla nie preferują wykorzystywania IT w podejmowaniu decyzji. Mają więcej zaufania do swojej oceny biznesowej i chcą pozostawić analizę danych zarówno swoim podwładnym, jak i ekspertom domeny, którzy im pomagają.

Ten problem jest dość poważny. Dlatego EIS w takich środowiskach jest skierowany na najwyższe pozycje. Ich zakres jest ograniczony do usług, w których wskaźnik sukcesu jest bardzo wysoki. Po wygenerowaniu zaufania do IT i EIS EIS może dodać do siebie więcej usług.

e) Zwiększony rozmiar i koszt:

Jeśli menedżer uzna EIS za użyteczny, spodziewa się, że jego podwładni również go użyją. Ci, którzy go nie używają, uważają, że bardzo trudno jest sprostać oczekiwaniom swojego szefa w zakresie świadomości środowiska biznesowego. W ten sposób EIS zostaje przeciążony, a koszty gwałtownie wzrosną, ponieważ liczba użytkowników wzrośnie w geometrycznych proporcjach.

Dlatego też wdrożenie EIS należy przeprowadzić bardzo ostrożnie. To jest advisableto wybrać odpowiedni czas na wdrożenie. Ludzie są bardziej odporni na zmiany, gdy idzie gładko i chętniej wypróbowują coś nowego w kryzysie.

Dlatego też najlepszym czasem wdrożenia EIS jest, gdy ludzie szukają nowych rozwiązań swoich problemów. Instalacja pilotowa jest uważana za najbardziej odpowiednią strategię instalacji dla EIS. Selektywne podejście jest lepsze na początkowych etapach projektowania EIS, a nowe usługi są dodawane w systemie EIS dopiero po pomyślnym zakończeniu początkowego modelu. Zaangażowanie użytkownika i wsparcie mają kluczowe znaczenie dla pomyślnego wdrożenia systemu EIS.

Systemy eksperckie:

Rosnąca złożoność i dynamizm pojawiającego się otoczenia biznesowego wymagają większej interakcji menedżerów funkcjonalnych z ekspertami, aby uzyskać punktualne porady. Eksperci ci mogliby nie tylko przesiać informacje z ogromnej puli różnorodnych informacji, ale także skorzystać z ich wiedzy fachowej, by udzielić porady.

Tradycyjnie doświadczenie dostępne w organizacji stanowi ważną podstawę do osiągnięcia, poprawy i utrzymania swojej pozycji konkurencyjnej. Wszystkie inne rzeczy są równe, firmy bez porównywalnej wiedzy znajdują się w gorszej sytuacji.

Eksperci ludzcy mogą nie być w stanie poradzić sobie z nowymi wyzwaniami, biorąc pod uwagę ograniczenia czasu i złożoności nowego środowiska. Poza tym może nie być jednorodności i spójności doradztwa dla danej sytuacji decyzyjnej w danym okresie.

Dzieje się tak z powodu oczywistej niezdolności istot ludzkich do uchwycenia wpływu różnych zmiennych decyzyjnych przez cały czas. Syndrom Zmęczenia Informacyjnego i ograniczenia ludzkich ekspertów w zmieniającym się środowisku biznesowym spowodowały wzrost popularności systemów eksperckich biznesowych (BES).

Systemy te symulują ludzką działalność i przechwytują i systematyzują wiedzę biznesową, rozszerzając możliwości decyzyjne drogich i rzadkich ludzkich ekspertów, tak aby inni mogli wykorzystywać swoje doświadczenia decyzyjne. Oferują one przewagę w przechwytywaniu i reprezentowaniu informacji różnych typów w różnych formach.

Biznesowy system ekspercki otrzymuje problem od użytkownika, identyfikuje jego wymagania dotyczące danych, analizuje odpowiednie dane zgodnie z regułami decyzyjnymi (zawartymi w systemie wiedzy). Po rozwiązaniu problemu system za pośrednictwem mechanizmu wnioskowania informuje użytkownika o rozwiązaniu, a także jest w stanie wyjaśnić sposób jego rozumowania w celu osiągnięcia tego rozwiązania.

System doradztwa biznesowego może służyć jako pomoc dla skuteczności zarządzania poprzez udzielanie porad. Jego rozwiązania / porady są zawsze spójne, jednolite, dokładne i metodyczne. Działa jako standardowy rozwiązujący problemy. System ekspertów biznesowych jest w stanie wyjaśnić sposób rozumowania, którego używa do rozwiązania problemu.

Użytkownik może zapoznać się z uzasadnieniem i może zaakceptować, zmodyfikować lub odrzucić rozwiązanie. W przeciwieństwie do innych systemów eksperckich w dziedzinie medycyny, inżynierii itp. Celem systemu ekspertów biznesowych nie jest zastąpienie oceny przez eksperta (-ów) przez program komputerowy.

Przeciwnie, celem jest zdobycie wiedzy eksperckiej człowieka i udostępnienie jej w znormalizowanej formie ekspertom ludzkim i innym osobom w organizacji. Opracowują strategie wykorzystania wiedzy w obszarach zastosowań, aby opracować wiarygodne rozwiązania problemów.

Typowymi obszarami zastosowania systemu eksperckiego w biznesie są:

ja. Podejmuj lub kupuj decyzje

ii. Nowe decyzje o uruchomieniu produktu

iii. Określanie limitów kredytowych

iv. Rozwój produktu

v. Doradztwo inwestycyjne

vi. Ocena wydajności

vii. Systemy motywacyjne

viii. Zapytanie klienta

IX. Oceny projektu

x. Tworzenie terminarza produkcji

xi. Decyzje dotyczące routingu

Elementy składowe biznesowych systemów eksperckich:

Chociaż metodologia systemu ekspertowego została opracowana w ciągu ostatnich dwóch dekad, wciąż jest w powijakach, gdy jest postrzegana z punktu widzenia menedżera biznesowego. W związku z tym nie ma standardowego modelu dla eksperckiego systemu biznesowego. Holsapple identyfikuje trzy podstawowe komponenty BES, mianowicie interfejs użytkownika, mechanizm wnioskowania i system wiedzy. Relacje między tymi komponentami przedstawiono na rysunku 10.5.

Użytkownik stwarza problem przed BES za pomocą interfejsu użytkownika. Mechanizm wnioskowania próbuje zrozumieć problem, ustrukturyzować go w taki sposób, aby system wiedzy mógł zostać wykorzystany do jego rozwiązania. Następnie wykorzystuje system wiedzy do poszukiwania rozwiązań problemu.

System wiedzy składa się ze zgromadzonej wiedzy na temat rozumowania i jest rozwiązywany przez mechanizm wnioskowania w poszukiwaniu rozwiązań problemu. System wiedzy może składać się z narzędzi do reprezentacji wiedzy, takich jak zestawy reguł, bazy danych, arkusze kalkulacyjne, struktury zorientowane na ramki, bazy przypadków, sieci semantyczne, teksty, grafika itp. Silnik wnioskowania może wchodzić w interakcje z użytkownikami, aby uzyskać więcej informacji dotyczących podejmowania decyzji. środowisko.

Opcje zamówień:

System ekspertów biznesowych jest złożonym systemem i wymaga długoterminowego zaangażowania ze strony przedsiębiorstwa, aby móc dostarczać towary. Ze względu na dynamikę biznesu użyteczność BES może zostać zmniejszona z powodu zmian w otoczeniu biznesowym.

Niektóre z BES mogą stać się przestarzałe nawet na etapie rozwoju, jeśli nie są odpowiednio zaplanowane. Konieczne jest zapoznanie się z opcjami zamówień, aby można było skrócić czas opracowywania i koszty, a także utrzymać równowagę pomiędzy elastycznością i wydajnością systemu.

Zasadniczo istnieją trzy opcje zamówień dla BES:

a) Uzyskaj w pełni rozwinięty system:

Dostępnych jest wiele gotowych BES dla różnych typów problemów zidentyfikowanych na liście zastosowań BES wspomnianych wcześniej. Te gotowe rozwiązania mają wszystkie trzy komponenty w pełni rozwinięte i są gotowe do użycia. Mają zalety bycia oszczędnym, dobrze przetestowanym i szybszym wdrożeniem, ale w wielu sytuacjach decyzyjnych nie są odpowiednie.

b) Zdobądź powłokę sztucznej inteligencji:

Skorupa sztucznej inteligencji składa się z menedżera zestawu reguł i mechanizmu wnioskowania. Menedżer zbioru reguł posiada wiedzę specjalistyczną reprezentowaną przez różne narzędzia do reprezentacji wiedzy. Gdy wiedza eksperta jest reprezentowana, zestaw reguł jest testowany na podstawie przeszłych informacji i po znalezieniu poprawnego, powłoka staje się użyteczna przy pomocy mechanizmu wnioskowania.

Ta opcja daje menedżerowi swobodę w definiowaniu własnych zestawów reguł i uzyskiwania niestandardowego działania BES w krótkim czasie. Takie powłoki dostępne na rynku mają jednak własne obszary zastosowań, do których są najbardziej odpowiednie.

c) System zbudowany na zamówienie:

W przypadku, gdy dwie pierwsze opcje wydają się nieosiągalne lub są uważane za wskazane ze względu na wyjątkowość problemu, można wybrać niestandardowe BES. Kosztują więcej i zajmują więcej czasu, ale są bardzo przydatne w sytuacjach wyjątkowych lub specyficznych w podejmowaniu decyzji.

Zalety systemów eksperckich:

BES są kosztowne zarówno pod względem pieniędzy, jak i czasu potrzebnego do ich rozwoju. Konieczne jest zatem uświadomienie korzyści płynących z BES, tak aby można było przeprowadzić analizę kosztów i korzyści przed rozpoczęciem działalności w celu nabycia BES.

Oto potencjalne korzyści BES:

a) Kodowanie ekspertyzy:

Istotną zaletą systemu ekspertów biznesowych jest to, że pomaga w formalizowaniu / kodyfikowaniu zdolności rozumowania organizacji. W procesie rozwoju BES podejmuje się próby reprezentowania wiedzy specjalistycznej w postaci reguł, ramek, przypadków, tekstu i wykresów.

Prowadzi to do kompilacji wiedzy eksperckiej dotyczącej dotychczasowej wiedzy fachowej ekspertów. Taki magazyn wiedzy fachowej może stanowić podstawę dla lepszego szkolenia ekspertów w organizacji, a także prowadzić do lepszego podejmowania decyzji.

b) Lepsze zrozumienie procesów biznesowych:

Zwiększa zrozumienie procesu decyzyjnego, co z kolei może prowadzić do usprawnienia procesu. Podczas procesu opracowywania zidentyfikowane i przejrzane są istniejące sposoby podejmowania decyzji. Pomaga to w usprawnieniu procesu podejmowania decyzji. Częste interakcje ekspertów z BES to świetny proces uczenia się i powoduje wzajemne wzmacnianie swoich umiejętności rozwiązywania problemów.

c) Terminowa dostępność ekspertyzy:

BES jest w stanie zapewnić ekspertyzę, gdy człowiek nie jest dostępny. Systemy te nie mają problemów z dostępnością, która jest dość powszechna wśród ekspertów ludzkich. Usługi BES są dostępne dla użytkowników do konsultacji w godzinach nieparzystych, nie mają wcześniejszych zobowiązań, nie przechodzą na urlop z jednego lub drugiego powodu i nie rezygnują z pracy w przedsiębiorstwie, aby dołączyć do konkurenta.

d) Łatwa replikacja:

Marginalny koszt replikacji BES jest nieznaczny. Gdy BES odniesie sukces w jednym miejscu, może być powielany w innych miejscach o podobnych środowiskach podejmowania decyzji, bez straty czasu i okazji.

e) Eliminuje rutynowe żądania konsultacji:

BES może pomóc ludzkiemu ekspertowi w zmniejszeniu obciążenia pracą poprzez kierowanie rutynowych wniosków konsultacyjnych do BES. Umożliwia to ekspertowi ludzkiemu skoncentrowanie się na trudniejszych problemach, które nie zostały rozwiązane przez BES.

f) Spójność:

BES oferuje spójne i jednolite porady dotyczące problemów. Ich rada nie cierpi z powodu pominięcia niektórych czynników, zapominając o niektórych krokach, osobistych uprzedzeniach lub problemach z temperamentem.

g) Linia logiki:

BES oferuje linię logiki używaną wraz z rozwiązaniem. Umożliwia to kierownikowi krytyczne zbadanie rozwiązań i sprawdzenie, czy linia rozumowania jest ważna, czy nie. Pomaga to menedżerowi zrozumieć mocne i słabe strony rozwiązania i zastosować swoją ocenę biznesową w celu podjęcia decyzji.

h) Aplikacje strategiczne:

Korzyści z BES pomagają w różnicowaniu produktów i usług oraz w obniżaniu kosztów. Pomagają również w rozwoju rynków niszowych, gdzie konkurenci bez takich systemów mogą nie być efektywni. W ten sposób BES mogą zapewnić strategiczną przewagę przedsiębiorstwu.

Krytyczne czynniki sukcesu w implementacji BES:

Krytycy BES podają liczne powody niewykonalności BES. Krytyka w większości przypadków nie jest bezpodstawna. Istotne jest, aby problemy związane z opracowaniem i wdrażaniem były przewidywane, a niezbędne środki ostrożności zostały podjęte w celu zapewnienia sukcesu BES.

W związku z tym można mieć następujące czynniki:

a) Efektywność kosztowa:

Większość BES jest bardzo droga, a czasami opłaca się korzystać z ludzkich ekspertów. Konieczne jest utrzymanie niskich kosztów BES, aby zapewnić, że koszt jest uzasadniony potencjalnymi korzyściami. Pierwsze dwie opcje zamówień pomagają w utrzymaniu kosztów BES na niższych poziomach.

b) Selektywny w zakresie:

Bardziej ambitne BES może wymagać dłuższego czasu trwania procesu rozwoju i wysokich kosztów. Należy pamiętać, że nie wszystkie decyzje oferują taką samą stopę zwrotu z inwestycji w BES.

Należy wybiórczo uwzględniać aplikacje w BES i kompleksowe BES, może wymagać dużej wiedzy z zakresu systemów informatycznych. Technologie sztucznej inteligencji wciąż ewoluują i ekonomicznie opłacalne może być szersze wykorzystanie BES.

c) Przyjazność dla użytkownika:

BES to bardzo złożone systemy posiadające zaawansowane techniki analizy danych. Wymagają wiele wysiłku szkoleniowego, zanim będą mogły być skutecznie wykorzystane. Konieczne jest zatem posiadanie bardziej przyjaznego dla użytkownika interfejsu użytkownika oraz bardziej jednoznacznych i jednoznacznych struktur menu.

d) Środowisko dla wielu użytkowników:

Większość systemów BES to systemy autonomiczne. Jednak niejednokrotnie doświadczenie w podejmowaniu decyzji jest wynikiem działań grupowych i zbiorowych. BES posiadające środowisko dla wielu użytkowników prawdopodobnie odniesie większy sukces niż systemy autonomiczne.

Co menedżer musi wiedzieć o BES:

BES używa wielu narzędzi inżynierii wiedzy, z których wiele może wykraczać poza zrozumienie zwykłego menedżera funkcjonalnego. Jednakże, jako użytkownik BES, kierownik nie musi znać szczegółów technicznych systemu wiedzy.

To, co powinien wiedzieć o BES, to:

ja. Możliwości zastosowania BES w swoich działaniach biznesowych i względny potencjał każdej aplikacji w formalizacji wiedzy.

ii. Podstawowe technologie BES i ich ulubione obszary zastosowania.

iii. Możliwość wykorzystania powłoki sztucznej inteligencji.

iv. Rola BES we wspieraniu ludzi w ich działaniach.

v. Techniczna i ekonomiczna wykonalność BES.

Potencjalne korzyści z BES są dość fascynujące. Być może konieczne jest opracowanie opłacalnych narzędzi do budowania BES i chęci udziału ekspertów dziedzinowych w procesie rozwoju, który ma charakter ewolucyjny.

Ograniczenia systemów eksperckich biznesowych:

BES potwierdziły swoje potencjalne korzyści w wielu zastosowaniach, a kilka z nich odniosło duży sukces. Istnieje jednak kilka ograniczeń BES. Ograniczenia te wynikają z założeń BES dotyczących:

ja. Dostępność eksperta-eksperta w dziedzinie domeny, który jest w stanie wyartykułować wiedzę i ma udokumentowane doświadczenie w podejmowaniu skutecznych decyzji. Tacy eksperci są rzadko dostępni, szczególnie w nowych dziedzinach, w których wiedza jest również w stanie ewolucji.

ii. Środowisko podejmowania decyzji jest proste, dobrze zorganizowane i nie podlega częstym zmianom. W rzeczywistości podejmowanie decyzji odbywa się w złożonym, dynamicznym i wielowymiarowym środowisku. W związku z tym przekazywanie wiedzy jest bardzo trudne.

BES brakuje elastyczności, która jest potrzebna w świetle dynamiki biznesu. Wielowymiarowe środowisko podejmowania decyzji sprawia, że ​​podejmowanie decyzji grupowych jest niezbędne. Zdobycie specjalisty, który rozumie wszystkie wymiary problemów biznesowych, staje się coraz trudniejsze. Należy pamiętać, że BES są dobrze dostosowane do ograniczonych zastosowań i nie zastępują całkowicie ludzkich ekspertów.

W konsekwencji BES tracą popularność. Są one uważane za odpowiednie do ograniczonego zastosowania. Nowe narzędzia sztucznej inteligencji, takie jak sieci neuronowe, logika rozmyta, rozumowanie przypadków, itp. Są dodawane do silników inferencyjnych, aby były bardziej odpowiednie do zmieniających się potrzeb biznesowych.

Równolegle podejmowane są próby wykorzystania narzędzi AI do opracowywania oprogramowania dodatkowego w celu wykonywania ograniczonych funkcji. Te dodatki są określane jako inteligentne agenty.

Inteligentni agenci:

Inteligentni agenci to komponenty oprogramowania, które wykonują część procesu za pomocą bazy wiedzy. Działają one na ogół w oparciu o wspólne systemy informacyjne i działają w sposób pół-autonomiczny.

Programy te komunikują się z użytkownikami i bazami informacji, aby wykonywać samodzielne zadania. Programy te są zintegrowane z różnymi aplikacjami w celu ulepszenia usług analizy informacji w systemie informatycznym. Te agenty są używane do różnych zastosowań, takich jak:

a) Systemy wykrywania i alarmowania:

Inteligentni agenci są wykorzystywani do ustanowienia systemu wykrywania wyjątków w bazach danych, systemach komunikacyjnych itp. Oraz wydawania niezbędnych alarmów zainteresowanym użytkownikom. "Zarządzanie przez wyjątek" znalazłoby nowy wymiar w działaniach zarządczych, gdy tacy inteligentni agenci zaczęli dostarczać informacje.

b) Wyszukiwarki informacji:

Opracowywane są również inteligentne agenty, które działają jako wyszukiwarki informacyjne w celu odpowiadania na zapytania otrzymywane od różnych typów użytkowników. Na przykład ministerstwo może codziennie otrzymywać wiele próśb o informacje. Inteligentni agenci mogą interpretować żądania i pobierać informacje z bazy danych i wysyłać odpowiedź w odpowiedniej formie do użytkownika.

Podobnie, inteligentni agenci mogliby dodać wartość do systemu informacyjnego Kolei poprzez właściwe zarządzanie zapytaniami pasażerów w odniesieniu do różnych operacji. Inteligentny agent łączy Internet, sieć wewnętrzną i dyski CD-ROM w celu wyszukiwania filtrów i dostarczania spersonalizowanych informacji. Mniejsza wersja takiej wyszukiwarki jest już dostępna w LOTUS-NOTES.

c) Aplikacje na biurko:

Ponieważ dostępność inteligentnych agentów staje się popularna na komputerach osobistych, będą oni działać jako osobisty menedżer spotkań, osobisty bibliotekarz, osobisty doradca finansowy itp. Agenci ci automatycznie nawiążą kontakt telefoniczny z klientami, ustalą terminy i wyślą alarmy, aby upewnić się, że spotkanie nie jest ignorowane nieumyślnie.

Agenci ci będą szukać informacji na tematy interesujące z czasopism internetowych i gromadzą informacje z innych źródeł, w tym z elektronicznych bibliotek i CD-ROM-ów, aby dostarczyć informacji, które dostaje się dzisiaj z pomocą sekretarek.

Nowe narzędzia analizy informacji:

Inteligentni agenci używają różnorodnych narzędzi do analizy informacji. Narzędzia te nie tylko przesyłają informacje ze sterty danych, ale również dostarczają informacje w znaczący sposób. Najważniejsze z tych narzędzi to wyszukiwanie danych, mapowanie danych, wizualizacja danych, sieci neuronowe itp.

a) Eksploracja danych:

Eksploracja danych odnosi się do badania dużej ilości danych pod kątem trendów i wzorców, ustanawiając wzajemne relacje między różnymi czynnikami, które dotychczas mogły pozostać ukryte w stosie danych. Obejmuje techniki drążenia w dół, aby podzielić dane na wyższym poziomie na liczby niższe.

"Sygnalizacja świetlna" dostarcza sygnałów ostrzegawczych w przypadku napotkania wyjątków. Eksploracja danych znajduje zastosowanie wszędzie tam, gdzie występują złożone i subtelne relacje między poszczególnymi produktami lub usługami, które nie są łatwe do zidentyfikowania, ale mają znaczący wpływ na przychody i rentowność. Ważną cechą eksploracji danych jest to, że analizuje ona wszystkie dostępne dane zamiast zbierania próbek do analizy. Rysunek 10.6 ilustruje proces eksploracji danych.

Data mining zadebiutował w marketingu towarów detalicznych i było to całkiem naturalne. Ma jednak również zastosowania w innych działaniach biznesowych. Może pomóc menedżerom w ustaleniu relacji między różnymi czynnikami wpływającymi na różne zmienne decyzyjne.

Eksploracja danych jako technika jest wciąż w powijakach. Jest to wielka obietnica, szczególnie dlatego, że może pomóc w identyfikacji możliwości i umożliwić menedżerom szybkie reagowanie na bieżące szanse i zbliżające się niebezpieczeństwa.

b) Mapowanie danych:

Narzędzia mapowania danych zapewniają graficzny widok informacji nałożonych na mapę obszaru geograficznego lub terytorium. Mogą zapewnić szybszy ogląd geograficznego rozkładu / koncentracji popytu na produkty oraz preferencji, oczekiwań i nastrojów rynkowych klientów.

Mogą również pomóc w identyfikacji lokalnych czynników wpływających na zachowanie rynku w różnych momentach. Takie narzędzia mapowania mogą być bardzo pomocne w lepszym zrozumieniu obszernych danych, ponieważ okazało się, że duża część przechowywanych danych ma charakter geograficzny.

Narzędzia do mapowania należy jednak wzbogacić o więcej szczegółów dotyczących cech charakterystycznych każdego obszaru geograficznego i związanych z nimi podobieństw sąsiadujących obszarów.

c) Narzędzia wizualizacji danych:

Narzędzia te mają przede wszystkim na celu reprezentowanie danych za pomocą trójwymiarowych obrazów. Te wizualizacje mogą być histogramami, które mogą być nawigowane w celu uzyskania dalszych szczegółów dotyczących ich danych składowych, za pomocą dowolnego urządzenia wskazującego, takiego jak mysz.

Obraz może mieć bardziej pomysłowe kształty, takie jak sferyczne kule o różnych rozmiarach i kolorach lub o dowolnym innym kształcie, który może być bezpośrednio związany z przedmiotem lub zachowaniem danych. Narzędzia do wizualizacji danych mają możliwość podsumowania danych w taki sposób, że użytkownicy poświęcają mniej czasu na wizualizację sytuacji.

Pomaga skupić się na aktualnie odpowiedniej części danych i pozwala użytkownikowi odkryć więcej w przypadku, gdy go interesuje. Techniki wizualizacji danych powinny również pomóc w symulacji, analizie wrażliwości i odpowiadaniu na pytania "co jeśli".

Aby rzucić okiem na ich aplikacje do zarządzania finansami, weźmy przykład klasycznej analizy współczynników do pomiaru wydajności przedsiębiorstwa. Współczynnik, gdy jest używany ostrożnie, może wnieść wiele w dostarczaniu wglądu w stan rzeczy.

Jednak duża liczba wskaźników odnoszących się do przedsiębiorstwa o różnych interpretacjach w porównaniu do wskaźników branżowych i krajowych byłaby zbyt uciążliwa i opierałaby się zrozumieniu zawiłych relacji. Techniki wizualizacji mogą pomóc w umieszczeniu ich we właściwej perspektywie.

Trójwymiarowe wizualne umieszczenie wartości w postaci kolorowych kulek / pudełek i składników / wartości niższego poziomu zawartych w większych kulkach reprezentujących wysokie wartości poziomów może pomóc w lepszym zrozumieniu relacji i porównaniu z odpowiednimi standardami branżowymi i krajowymi. Na przykład rentowność przedsiębiorstwa bankowego od aktywów obrotowych może zostać obliczona i wykazana wraz z wartościami Kosztów funduszy;

Rynkowa stopa procentowa; podatek od odsetek / inne podatki; Miks aktywów; i Ryzyko finansowe wraz ze wskaźnikami branżowymi w postaci tabel dwuwymiarowych lub szeregu wskaźników. Alternatywnie, stosunek firmy jest pokazany jako piłka na kolorowym monitorze wraz ze stosunkiem branży do rozróżniania kolorów i proporcjonalnych rozmiarów. Poprzez uderzanie za pomocą myszy przy każdej piłce, użytkownik może złamać piłkę, by dać pięć dodatkowych piłek.

Każda z tych kul reprezentuje jeden z wymienionych powyżej czynników. Rozmiary tych kulek są związane z ich względnym znaczeniem w określaniu wartości plonu z aktywów obrotowych, zarówno dla firmy, jak i branży.

d) Algorytmy genetyczne i sieci neuronowe:

Algorytmy genetyczne są również uznawane za skuteczne narzędzia do analizy danych finansowych. Narzędzia te ustalają reguły i wzorce decyzyjne z przeszłych danych i pomagają w hipotezy różnych sytuacji. Dzięki dostępnym zaawansowanym narzędziom statystyk rozmytych i szybkich urządzeń obliczeniowych, algorytmy genetyczne znajdują teraz nowe zastosowania w modelowaniu finansowym.

Sieci neuronowe próbują naśladować ludzkie mózgi z dodatkową siłą w dokładności arytmetycznej w przetwarzaniu dużych ilości danych przy użyciu złożonych algorytmów. Sieci te w konfrontacji z odpowiednimi danymi, wykopują wzorce w danych i opracowują modele, testują je, prognozują przyszłe wydarzenia i uczą się na błędach.

Te inteligentne agenty mają potencjał umożliwiający menedżerom szybsze przewidywanie zmian w środowisku biznesowym, aby mogli z odpowiednim wyprzedzeniem zmieniać strategie. W ten sposób pomagają w poprawie zdolności adaptacyjnych procesów biznesowych.

Większość z tych narzędzi próbuje analizować informacje w czasie rzeczywistym, dzięki czemu najnowszy scenariusz jest prezentowany menedżerowi bez przeprowadzania przez niego dużej analizy technicznej.

Giganci oprogramowania, tacy jak Oracle, Cognos i Comshare, zaczęli oferować inteligentne agenty jako dodatki do swoich tradycyjnych aplikacji. Niektóre inne oferują niezależne narzędzia programowe do zarządzania danymi, modelowania i prezentacji informacji. Jednak obecnie narzędzia te są bardzo proste i mają prymitywną formę.