ΣΤΡΑΤΗΓΙΚΟ MANAGEMENT KAI EΠΙΧΕΙΡHΜΑΤΙΚΗ ΕΥΦΥΙΑ Παρουσίαση 2 ο μέρος:
Λήψη αποφάσεων Η λήψη αποφάσεων αποτελεί κεντρική δραστηριότητα σε όλα τα επίπεδα λειτουργίας μιας επιχείρησης, από τον σχεδιασμό δράσεων, την οργάνωση, την επιλογή προσωπικού έως την καθημερινή λειτουργία. Η λήψη απόφασης είναι η επιλογή μεταξύ εναλλακτικών πλάνων δράσης, με σκοπό την μετάβαση από την τωρινή κατάσταση στην επιθυμητή. Οι αποφάσεις μπορεί ν αφορούν στη θέσπιση στόχων για ολόκληρο τον οργανισμό ή να αφορούν την καθημερινή λειτουργία της επιχείρησης. Η επίδρασή τους μπορεί να είναι βραχυπρόθεσμη ή μακροπρόθεσμη.
Στρατηγικές αποφάσεις Οι στρατηγικές αποφάσεις αποτελούν μείζονες επιλογές δράσεις που επιδρούν σε όλους τους τομείς λειτουργίας της επιχείρησης. Αφορούν την επιχείρηση στο σύνολό της και όχι επιμέρους τμήματα. Οι στρατηγικές αποφάσεις μπορεί να σημαίνουν αλλαγή σε πρακτικές και διαδικασίες που ακολουθούνταν στο παρελθόν. Γενικά, οι στρατηγικές αποφάσεις δεν είναι επαρκώς δομημένες και στη λήψη τους η διοίκηση χρησιμοποιεί διαισθητικά κριτήρια, κρίση και αποτίμηση υποκειμενικών παραγόντων. Οι στρατηγικές αποφάσεις βασίζονται σε ελλιπή γνώση του περιβάλλοντος και της κατάστασης.
Στρατηγικές αποφάσεις Λαμβάνονται στα υψηλότερα επίπεδα ιεραρχίας της επιχείρησης. Έχουν μακροχρόνιες επιπτώσεις στη δομή της επιχείρησης. Τυπικός ορίζοντας είναι τα 3-5 χρόνια, ενώ δεν λείπουν περιπτώσεις που φτάνει τα 20 χρόνια. Ορίζουν τους στόχους της επιχείρησης για τα επόμενα χρόνια, οι οποίοι θα πρέπει να υλοποιηθούν σε τακτικό και επιχειρησιακό επίπεδο. Αφορούν συνήθως στόχους όπως, αύξηση μεριδίου αγοράς, κερδοφορία και ανάπτυξη νέων προϊόντων.
Τακτικές αποφάσεις Σκοπός τους είναι η υλοποίηση του στρατηγικού σχεδιασμού της επιχείρησης. Υποστηρίζουν τον στρατηγικό σχεδιασμό, μεταφράζοντας τις απαιτήσεις του σε συγκεκριμένα πλάνα που αφορούν συγκεκριμένα τμήματα της επιχείρησης. Δίνουν έμφαση στην τρέχουσα λειτουργία των επιμέρους τμημάτων της επιχείρησης. Η Διοίκηση χρησιμοποιεί τον τακτικό σχεδιασμό για να ορίσει τί πρέπει να κάνει η επιχείρηση για να είναι επιτυχημένη σε ορίζοντα έτους. Λαμβάνονται στα μεσαία επίπεδα της ιεραρχίας. Τυπικά παραδείγματα είναι η δέσμευση πόρων, σχεδιασμός marketing, προσαρμογή γραμμών παραγωγής.
Λειτουργικές (operational) αποφάσεις Αυτές οι αποφάσεις σχετίζονται με την καθημερινή λειτουργία της επιχείρησης. Είναι επαναλαμβανόμενες και έχουν μικρό χρονικό ορίζοντα Λαμβάνονται στα κατώτερα ιεραρχικά επίπεδα της επιχείρησης Aφορούν επιμέρους τμήματα
Ιεραρχία αποφάσεων
Ιεραρχία αποφάσεων
Δεδομένα και λήψη αποφάσεων Για τη λήψη κάθε απόφασης απαιτούνται δεδομένα και αριθμητικοί δείκτες Αν δεν μπορεί να μετρηθεί δεν μπορεί να διαχειριστεί Μηνιαίες πωλήσεις, αριθμός παραπόνων, επιστροφές ανά προϊόν Αυτά τα δεδομένα συνήθως υπάρχουν αλλά...
Διαφορετικές οπτικές Ο CEO θέτει σαν στρατηγικό στόχο την αύξηση του μεριδίου αγοράς Η Διοίκηση marketing πρέπει να βρει τί μπορεί να προσφέρει η επιχείρηση στην αγορά Χρειάζονται αριθμητικοί δείκτες της μορφής Ποιά είναι τα προϊόντα με τις υψηλότερες πωλήσεις?, Ποιά είναι τα πιο κερδοφόρα ανά περιοχή?, Ποιός μπορεί να παρέχει αυτές τις πληροφορίες? Τα δεδομένα υπάρχουν... Η Διοίκηση ΙΤ υπολογίζει ότι μπορεί να έχει την πληροφορία σε 60-70 ημέρες
Διαφορετικές οπτικές Η Διοίκηση marketing θεωρεί ότι ο χρόνος είναι υπερβολικός. Εξ άλλου, τα δεδομένα υπάρχουν ήδη στους servers της επιχείρησης Η Διοίκηση IT υποστηρίζει ότι πράγματι τα δεδομένα υπάρχουν, αλλά δεν είναι στην κατάλληλη μορφή για ν απαντηθούν τα ερωτήματα. Η Διοίκηση marketing επιμένει ότι αφού τα δεδομένα είναι διαθέσιμα, τα ερωτήματα μπορούν ν απαντηθούν άμεσα Ο CEO περιμένει την υλοποίηση του στρατηγικού πλάνου..
Πού είναι το πρόβλημα? Η Διοίκηση marketing έχει δίκιο. Τα δεδομένα βρίσκονται στους servers H Διοίκηση ΙΤ έχει επίσης δίκιο. Τα δεδομένα υπάρχουν, αλλά δεν έχουν τη σωστή μορφή για ν απαντηθούν τα ερωτήματα. Διαφορετικές οπτικές: Για το τμήμα ΙΤ είναι αρκετό ν ασχολείται με δεδομένα. Για το τμήμα marketing είναι απαραίτητη η εξαγωγή πληροφορίας από τα δεδομένα.
Δεδομένα και πληροφορία Τα δεδομένα και η πληροφορία είναι δύο ξεχωριστά πράγματα Τα δεδομένα είναι ακατέργαστα, τυχαία και μη δομημένα Η πληροφορία είναι δεδομένα που έχουν οργανωθεί, δομηθεί και επεξεργαστεί. Η πληροφορία χρησιμοποιείται για ν αποκτηθεί γνώση.
Δεδομένα και πληροφορία Αν δεν υπάρχουν δεδομένα, καταλήγουμε στο HiPPO Highest Paid Person s Opinion
Πού είναι το πρόβλημα? Η πληροφορία γίνεται γνώση όταν χρησιμοποιείται για να ληφθούν αποφάσεις και να δρομολογηθούν ανάλογες δράσεις. Η διαφορά μεταξύ γνώσης και πληροφορίας, αντανακλά σε δύο διαφορετικού τύπου συστήματα, τα On Line Transaction Processing (OLTP) και On Line Analytical Processing (OLAP.)
Συστήματα OLTP Τυπικά παραδείγματα είναι έκδοση τιμολογίων, πωλήσεις, δήλωση μαθημάτων Σχεδιάστηκαν για να υποστηρίξουν την καθημερινή λειτουργία της επιχείρησης Πολύ αποτελεσματικά στη διαχείριση συναλλαγών και στην αναζήτηση περιορισμένης πληροφορίας Ωστόσο, οι δυνατότητες που έχουν για δημιουργία αναφορών είναι περιορισμένες.
Συστήματα OLTP Η εξαγωγή πληροφορίας βασίζεται στην δημιουργία περίπλοκων αναφορών, οι οποίες θα πρέπει να βασίζονται σε δεδομένα διάσπαρτα σε περισσότερα από ένα τμήματα της επιχείρησης. Τα δεδομένα αυτά θα πρέπει να ενοποιηθούν για να γίνει δυνατή η εξαγωγή αναφορών που αφορούν στο σύνολο της επιχείρησης. Αυτό είναι σημαντικό για τη λήψη στρατηγικών αποφάσεων.
Συστήματα OLTP Παράδειγμα διαγράμματος Οντοτήτων Συσχετίσεων (ER) για OLTP σύστημα
Συστήματα OLTP Κανονική μορφή (Normal Form 1)
Συστήματα OLTP Κανονική μορφή (Normal Form 2)
Συστήματα OLTP Κανονική μορφή (Normal Form 3)
Data Warehouse Η ανάλυση και εξαγωγή πληροφορίας δεν πρέπει να στηριχθεί στα λειτουργικά (operational) πληροφοριακά συστήματα της επιχείρησης Τα λειτουργικά δεδομένα που υποστηρίζουν την καθημερινή λειτουργία έχουν σημαντικές διαφορές από αυτά που χρησιμοποιούνται σε ανάλυση:
Data Warehouse Tα πρώτα έχουν δομηθεί για βελτιστοποίηση συναλλαγών, ενώ τα δεύτερα στοχεύουν στην ανάλυση και κατανόηση Τα λειτουργικά δεδομένα καλύπτουν συνήθως μικρό εύρος χρόνου, ενώ τα αναλυτικά καλύπτουν εύρος χρόνου Τα λειτουργικά δεδομένα βρίσκονται διάσπαρτα στα τμήματα της επιχείρησης και η ενιαία ανάλυση τους γίνεται δύσκολη
Data Warehouse Data integration. O συνδυασμός δεδομένων από διαφορετικές πηγές και η ενσωμάτωσή τους προκειμένου να δημιουργήσουν ενιαία όψη. Data Warehouse. Η διαδικασία αποθήκευσης δεδομένων ξεχωριστά από τα συστήματα που υποστηρίζουν την καθημερινή λειτουργία της επιχείρησης.
Data Warehouse δομή τους έχει βελτιστοποιηθεί για ανάλυση δεδομένων και υποστηρίζουν δύο λειτουργίες, τη φόρτωση δεδομένων και την εκτέλεση ερωτημάτων. Αντίθετα, τα λειτουργικά συστήματα υποστηρίζουν επιπλέον εισαγωγές/διαγραφές/ενημέρωση. H
Data Warehouse Business Intelligence (BI). Η παρουσίαση δεδομένων στη διοίκηση σε μορφή που κάνει δυνατή την εξαγωγή γνώσης. Είναι το ορατό κομμάτι του συστήματος, αντίθετα με το DW που αποτελεί την ραχοκοκαλιά του συστήματος, αλλά δεν είναι ορατό στους τελικούς χρήστες.
Data Warehouse Τα παραπάνω, φαίνονται γραφικά στο επόμενο σχήμα
Διαφορές OLTP - Data Warehouse Είναι προσανατολισμένα σε διαφορετικούς χρήστες. Τα OLTP συστήματα χρησιμοποιούνται κυρίως από το προσωπικό της επιχείρησης και πελάτες. Τα OLAP συστήματα χρησιμοποιούνται από τη διοίκηση προκειμένου να ληφθούν αποφάσεις Διαφορετική ανάλυση δεδομένων. Τα OLTP συστήματα διαχειρίζονται τρέχοντα δεδομένα, τα οποία συνήθως είναι πολύ αναλυτικά για να χρησιμοποιηθούν σε λήψη αποφάσεων. Ένα OLAP σύστημα διαχειρίζεται μεγάλους όγκους ιστορικών δεδομένων και κάνει εύκολη τη σύνοψη των δεδομένων σε διάφορα επίπεδα λεπτομέρειας.
Διαφορές OLTP - Data Warehouse Σχεδιασμός Βάσης Δεδομένων (ΒΔ). Ένα OLTP σύστημα βασίζεται σε σχεδιασμό Οντοτήτων-Συσχετίσεων (Entity- Relationship ER) Οπτική. Ένα OLTP σύστημα εστιάζει περισσότερο στα Οπτική. Ένα OLTP σύστημα εστιάζει περισσότερο στα τρέχοντα δεδομένα της επιχείρησης, και είναι συνήθως διαφορετικό για κάθε τμήμα της επιχείρησης. Αντίθετα, τα OLAP συστήματα ενοποιούν και διαχειρίζονται δεδομένα που προέρχονται από διαφορετικά τμήματα της επιχείρησης.
Διαφορές OLTP - Data Warehouse Πρότυπα πρόσβασης. Η πρόσβαση στα OLTP συστήματα είναι κυρίως στην μορφή σύντομων συναλλαγών. Σε τέτοια συστήματα υπάρχει ανάγκη για έλεγχο ταυτόχρονης προσπέλασης, ανάκτησης δεδομένων και έλεγχο στα δεδομένα που εισάγονται από τους χρήστες. Αντίθετα, τα OLAP συστήματα υποστηρίζουν λειτουργίες μόνο ανάγνωσης, οι οποίες είναι συνήθως η εκτέλεση σύνθετων ερωτημάτων.
Διαφορές OLTP - Data Warehouse Μέγεθος ΒΔ. 100ΜΒ-GB για OLTP συστήματα, 100GB TB για ΟLAP Aριθμός χρηστών. Χιλιάδες για OLTP συστήματα, δεκάδες έως εκατοντάδες για OLAP Αριθμός εγγραφών που προσπελαύνονται σε μια ενέργεια. Δεκάδες για OLTP συστήματα, εκατομμύρια για OLAP Kύρια εργασία που εκτελείται. Σύντομες συναλλαγές για OLTP συστήματα, σύνθετα ερωτήματα για OLAP
Dimensional Modeling Είναι το βήμα που μετατρέπει το Data Warehouse σε business oriented Βάση Δεδομένων Fact tables. Αποτελούν μετρήσεις παραμέτρων επιχειρηματικής δραστηριότητας. Πχ πωλήσεις, δαπάνες, αποθέματα. Χωρίζονται σε 2 κατηγορίες
Dimensional Modeling Ξένα κλειδιά στους πίνακες των dimensions Measures. Αποτελούν τα πεδία με τις πραγματικές μετρήσεις Dimension tables. Είναι οντότητες που προσδιορίζουν το πλαίσιο στο οποίο προσδιορίζονται τα facts. Ορίζουν το ποιος, πότε, που και γιατί του μοντέλου. Τυπικά παραδείγματα είναι προϊόντα, πελάτες, γεωγραφική κατανομή και χρόνος. Αντίθετα με τα facts, είναι περιγραφικά και όχι αριθμητικά.
3 είδη Σχημάτων για dimensional modeling Star Schema. Η πιο συνηθισμένη περίπτωση. Αποτελείται από ένα fact table συνδεδεμένο με πολλαπλά dimension tables. Eίναι ένας συνδιασμός μεταξύ κανονικοποιημένου και μη κανονικοποιημένου σχεδιασμού. Η πλειονότητα των δεδομένων βρίσκεται στο fact table και είναι σημαντικό αυτό να είναι κανονικοποιημένο για να εξασφαλιστεί εύκολη συντήρηση και καλλίτερη απόδοση στα ερωτήματα. Πλεονεκτήματα: Kαλή απόδοση σε ερωτήματα. Πολλά εργαλεία είναι σχεδιασμένα για να εκμεταλλεύονται αυτή τη δομή.
Dimensional Modeling - Παράδειγμα Star Schema
3 είδη Σχημάτων για dimensional modeling Snowflake Schema. Προχωράει το star schema ένα βήμα πιο πέρα, με την αποκανονικοποίηση των dimensional tables. Aν τα επίπεδα στην ιεραρχία είναι σχετικά σταθερά, το σχήμα αυτό προτιμάται από πολλούς γιατί βρίσκεται αρκετά κοντά στο ER σχήμα που χρησιμοποιείται στις ΒΔ απ όπου προέρχονται τα δεδομένα. Ωστόσο, δυσκολεύει την ανάλυση από τη Διοίκηση. Παρά το πλεονέκτημα της καλής απόδοσης, γενικά η χρήση του δεν ενθαρρύνεται.
Dimensional Modeling - Παράδειγμα
Dimensional Modeling - Παράδειγμα Snowflake schema
3 είδη Σχημάτων για dimensional modeling Multidimensional schema. Eίναι μια ιεραρχική βάση δεδομένων που αποτελείται από μία δομή, έναν πίνακα πολλών διαστάσεων. Οι διαστάσεις αποτελούν πλέον πλευρές ενός κύβου και κάθε κελί του κύβου περιέχει αριθμητικό μέτρο. Ανάλογα με την πληροφορία που θέλει να πάρει ο χρήστης, συνδυάζονται διαφορετικές πλευρές του κύβου που οδηγούν στο αντίστοιχο αριθμητικό μέτρο. Τα σχήματα star και snowflake παραδοσιακά υλοποιούνται σε σχεσιακές βάσεις δεδομένων ενώ το multidimensional σχήμα υλοποιείται σε multidimensional βάσεις δεδομένων.
3 είδη Σχημάτων για dimensional modeling Κάθε διάσταση αντιπροσωπεύει μία παράμετρο της επιχείρησης Πελάτες Τιμολόγια Παραγγελίες Χρόνος Λέγεται multidimensional γιατί ο χρήστης μπορεί ν αναζητήσει πληροφορία από πολλές παραμέτρους ταυτόχρονα
3 είδη Σχημάτων για dimensional modeling Οι σχεσιακές βάσεις δεδομένων έχουν συγκριμένα πρότυπα που αφορούν στη δομή τους όπως Πίνακες Στήλες Ξένα κλειδιά Πρωτεύοντα κλειδιά η δομή στις multidimensional ΒΔ διαφέρει σημαντικά ανάλογα με τον κατασκευαστή.
Πώς βλέπουμε τα δεδομένα?
ER Dimensional modeling Παράδειγμα ER σχεδιασμού
Πώς βλέπουμε τα δεδομένα? OLAP cubes Αναφορές Dashboards KPI Key Performance Indicators Συναγερμοί (Alerts)
Παράδειγμα αναφοράς BI
Παράδειγμα αναφοράς BI
Σας ευχαριστώ για την προσοχή σας!