Πληροφοριακά Συστήματα Διοίκησης Επιχειρηματική ευφυΐα ΠΜΣ Λογιστική Χρηματοοικονομική και Διοικητική Επιστήμη ΤΕΙ Ηπείρου
Επιχειρηματική ευφυΐα Η πλειονότητα των ατόμων μιας επιχείρησης έχουν ανάγκη υποστήριξης για τις αποφάσεις που λαμβάνουν Η επιχειρηματική ευφυΐα αφορά τα εργαλεία και τα συστήματα που επιτρέπουν την συγκέντρωση και την ανάλυση δεδομένων που υποβοηθούν τη λήψη αποφάσεων Τμηματοποίηση αγοράς έρευνα αγοράς κατηγοριοποίηση πελατών κερδοφορία προϊόντων προφίλ πελατών ανάλυση αποθεμάτων 2
Αναλυτική (analytics) Descriptive Analytics Τι έχει συμβεί; Analytics Prescriptive Analytics Ποια είναι η καλύτερη δράση; Predictive Analytics Τι θα συμβεί; 3
Περιγραφική Αναλυτική (Descriptive Analytics) Περιγραφή των δεδομένων με στόχο την κατανόησή τους Δημιουργία διαίσθησης για τα δεδομένα Δημιουργία αναφορών (reports) Εντοπισμός καταστάσεων που χρήζουν προσοχής Ομαδοποίηση αντικειμένων με παρόμοια χαρακτηριστικά (clustering) http://www.tableausoftware.com/learn/gallery 4
Προγνωστική Αναλυτική (Predictive Analytics) Χρήση των δεδομένων που διαθέτουμε για ορισμένα αντικείμενα προκειμένου να προβλέψουμε τις τιμές άλλων αντικειμένων Υπάρχουν πολλά μοντέλα πρόβλεψης, άλλα με καλύτερες και άλλα με χειρότερες επιδόσεις ανά πρόβλημα http://www.forbes.com/sites/kashmirhill/2012/02/16/how-targetfigured-out-a-teen-girl-was-pregnant-before-her-father-did/ 5
Καθοδηγητική Αναλυτική (Prescriptive Analytics) Πως οι προβλέψεις για το μέλλον μπορούν να αλλάξουν τις αποφάσεις που παίρνουμε έτσι ώστε να αποκτήσουμε πλεονέκτημα στο μέλλον; Τι παρενέργειες θα έχουν οι αποφάσεις που θα λάβουμε για το ευρύτερο σύστημα; 6
Επίπεδα λήψης αποφάσεων Στρατηγικό Τακτικό Λειτουργικό Στρατηγικό επίπεδο Αποφάσεις που καθορίζουν την μακροπρόθεσμη στρατηγική του οργανισμού Χρήση συγκεντρωτικών δεδομένων και ευρύτερης πληροφόρησης Τακτικό επίπεδο Αποφάσεις που καθοδηγούν τις επιμέρους επιχειρηματικές μονάδες Χρήση συγκεντρωτικών δεδομένων που πηγάζουν κυρίως από τις δραστηριότητες της επιχείρησης Λειτουργικό επίπεδο Χειρισμός απευθείας συναλλαγών με τους πελάτες Παράδειγμα: αναλυτικές καταστάσεις συναλλαγών ενός πελάτη 7
Dashboards 8
Πληροφοριακό σύστημα ανώτατης διοίκησης - Executive Information Systems (EIS) Υποστηρίζουν την λήψη στρατηγικών αποφάσεων Χρησιμοποιούνται για να παρακολουθούν τάσεις (οικονομικές + κοινωνικές) που επηρεάζουν την απόδοση της επιχείρησης Μοιράζονται κοινά χαρακτηριστικά με τα ΠΣΔ αλλά συνήθως παρέχουν δυνατότητα ανάλυσης σε μεγαλύτερο χρονικό ορίζοντα 9
Πηγές δεδομένων επιχειρηματικής ευφυΐας Βάσεις δεδομένων συναλλαγών (transactions system) Αποθήκες δεδομένων (data warehouse) Εσωτερικές πηγές δεδομένων (emails, υπολογιστικά φύλλα, ηλεκτρονικά έγγραφα) Εξωτερικές πηγές δεδομένων (δημόσιες και ιδιωτικές Βάσεις Δεδομένων, διαδίκτυο μέσω ευφυών πρακτόρων) 10
Ευφυείς πράκτορες (intelligent agents) Ευφυής πράκτορας είναι ένα αυτόνομο λογισμικό το οποίο στέλνεται σε αποστολές συλλογής δεδομένων σε ιστοσελίδες για λογαριασμό ενός χρήστη http://scrapinghub.com/ 11
Google alerts και Yahoo alerts 12
Crowdsourcing Προσθήκη δομής σε αδόμητες πληροφορίες μέσω crowdsourcing π.χ. youtube Εταιρείες που χρησιμοποιούν crowdsourcing Booking.com Waze Starbucks Lego Airbnb 13
Εξόρυξη δεδομένων (data mining) Η εξόρυξη δεδομένων αφορά αυτοματοποιημένες διαδικασίες εντοπισμού και εξαγωγής χρήσιμων πληροφοριών από αποθήκες δεδομένων ή από μεγάλες βάσεις δεδομένων Τα εργαλεία εξόρυξης δεδομένων μπορούν να είναι ιδιαίτερα επικερδή για μια επιχείρηση. Ωστόσο η συγκέντρωση για κάθε άτομο πληροφοριών (συνήθειες αγοράς, πολιτικές προτιμήσεις, ενδιαφέροντα, οικογενειακή κατάσταση, κ.α.) από διάφορες πηγές και η ανάλυσή τους για εξαγωγή συμπερασμάτων μπορεί να θεωρηθεί ως παραβίαση των ατομικών δικαιωμάτων του ατόμου 14
Άμεση αναλυτική επεξεργασία (Online Analytical Processing-OLAP) Πρόκειται για λογισμικό το οποίο επιτρέπει στους χρήστες να φιλτράρουν, να διασπούν ή να διεισδύουν σε μεγάλους όγκους δεδομένων προερχόμενα από αποθήκες δεδομένων, έτσι ώστε να ανακαλύπτουν σημαντικά μοτίβα (patterns) και τάσεις (trends) Με διαδραστικό τρόπο οι χρήστες ανακτούν ουσιώδεις πληροφορίες από τα δεδομένα, εξετάζοντάς τα από ποικίλες οπτικές γωνίες Τα OLAP συστήματα δημιουργούν πολυδιάστατους κύβους (multidimensional cubes) Παράδειγμα διαστάσεων για πωλήσεις: περιοχή, προϊόν, χρονικές περίοδοι http://cubes.readthedocs.org/en/v1.0.1/introduction.html 15
Στατιστική ανάλυση και μοντελοποίηση Η στατιστική ανάλυση βοηθά στην αναγνώριση μοτίβων που πιθανότατα δεν προκύπτουν τυχαία Παράδειγμα: ανάλυση καλαθιού αγορών (market basket analysis) Αποτύπωση μοτίβων συμπεριφοράς καταναλωτών καθώς αγοράζουν προϊόντα 16
Εργαλεία στατιστικής ανάλυσης Πακέτο εργαλείων ανάλυσης του Excel (Data analysis) IBM SPSS SAS MaxStat Minitab R (open source) Απαιτούν γνώσεις στατιστικής ανάλυσης 17
Εξόρυξη κειμένου (text mining) Η εξόρυξη κειμένου χρησιμοποιείται για την ανάλυση αδόμητου κειμένου η οποία εξετάζει λέξεις κλειδιά, σημασιολογικές δομές, συχνά χρησιμοποιούμενες φράσεις κ.α. προκειμένου να εξάγει σημαντικές πληροφορίες Ανάλυση συναισθήματος (sentiment analysis): εντοπισμός θετικών ή αρνητικών σχολίων σε διαδικτυακές συνομιλίες που αφορούν την επιχείρηση Αυτόματη εξαγωγή γεγονότων/συσχετίσεων Κατανόηση φυσικής γλώσσας 18
Προσομοίωση (simulation) Τα συστήματα υποστήριξης αποφάσεων επιτρέπουν μέσω προσεγγίσεων την προσομοίωση γεγονότων και την πραγματοποίηση προβλέψεων για το μέλλον Η προσομοίωση επιδιώκει την κατασκευή ενός πειραματικού μοντέλου το οποίο μιμείται το πραγματικό σύστημα στις λειτουργίες που μας ενδιαφέρουν Στο μοντέλο αυτό μπορούμε να εφαρμόσουμε πειραματικές πολιτικές προκειμένου να τις αξιολογήσουμε και να επιλέξουμε την πιο κατάλληλη 19
Λογισμικά προσομοίωσης FlexSim Anylogic JaamSim SimPy 20
Παράδειγμα προσομοίωσης Μελέτη μιας γραμμής αναμονής σε ένα ταμείο μιας τράπεζας προκειμένου να ληφθεί απόφαση σχετικά με την λειτουργία και δεύτερου ταμείου. Κατάσταση: μέγεθος της γραμμής αναμονής Κανόνες που αλλάζουν την κατάσταση: Άφιξη ενός πελάτη Εξυπηρέτηση ενός πελάτη Αν γνωρίζαμε τους χρόνους άφιξης και εξυπηρέτησης κάθε πελάτη θα μπορούσαμε να υπολογίσουμε την κατάσταση του συστήματος σε κάθε χρονική στιγμή 21
Βελτιστοποίηση (optimization) Για ένα μοντέλο ενός προβλήματος ζητείται ο συνδυασμός τιμών μεταβλητών που πρέπει να βρίσκονται εντός συγκεκριμένων ορίων έτσι ώστε να επιτευχθεί το μέγιστο ή το ελάχιστο ενός στόχου 22
Προβλέψεις (forecasting) Τα λογισμικά προβλέψεων είναι στατιστικά εργαλεία που επιτρέπουν την ανάλυση ιστορικών τάσεων έτσι ώστε να υπολογίσουν κάποιες μεταβλητές ενδιαφέροντος όπως η ζήτηση πελατών ή τα προβλεπόμενα έσοδα http://www.udel.edu/johnmack/frec424/regression/ 23
Τεχνητή νοημοσύνη (AI=Artificial Intelligence) Ο όρος αναφέρεται στην ικανότητα ορισμένων μηχανών να μιμούνται την ανθρώπινη νοημοσύνη, όπως τη μάθηση, τη λογική και την κριτική σκέψη καθώς και την εξαγωγή συμπερασμάτων από ημιτελείς πληροφορίες IBM Watson : κατανόηση φυσικής γλώσσας + άντληση πληροφοριών από μεγάλες βάσεις δεδομένων 24
CAPTCHAs CAPTCHA=Completely Automated Public Turing test to tell Computers and Human Apart Τεστ που ο επισκέπτης μιας ιστοσελίδας πρέπει να περάσει προκειμένου να συνεχίσει τη διαδικασία εισαγωγής στην ιστοσελίδα Έχει σχεδιαστεί έτσι ώστε να εμποδίσει τα διαδικτυακά ρομπότ 25
Χρήσιμες εφαρμογές Τεχνητής Νοημοσύνης για επιχειρήσεις Νευρωνικά δίκτυα Ρομποτική Έμπειρα συστήματα 26
Ρομποτική Ρομποτική είναι η επιστήμη που μελέτα τις μηχανές που μπορούν να υποκαταστήσουν τον άνθρωπο στην εκτέλεση μιας εργασίας η οποία συνδυάζει φυσική δραστηριότητα και λήψη αποφάσεων 27
Έμπειρα Συστήματα (expert systems) Έμπειρο σύστημα είναι ένα λογισμικό το οποίο μιμείται τη λογική σκέψη και τη λήψη αποφάσεων ενός ειδικού, βασιζόμενο σε μια γνωσιακή βάση που περιέχει πληροφορίες για ένα συγκεκριμένο θέμα Η γνωσιακή βάση δημιουργείται με τη βοήθεια ειδικών (experts) Παραδείγματα επιτυχημένων έμπειρων συστημάτων είναι τα συστήματα ιατρικών διαγνώσεων, τα συστήματα διάγνωσης βλαβών σε αυτοκίνητα κ.α. http://www.igcseict.info/theory/7_2/expert/ 28
Τεχνητά Νευρωνικά δίκτυα (Artificial Neural Networks) Είναι απλουστεύσεις της εικόνας που έχουμε για τον τρόπο λειτουργίας του εγκεφάλου των οργανισμών Ένα νευρωνικό δίκτυο μαθαίνει εξασκούμενο με δεδομένα με τα οποία τροφοδοτείται επιλεκτικά Τα νευρωνικά δίκτυα χρησιμοποιούνται συχνά στην ανίχνευση απάτης (π.χ. σε πιστωτικές κάρτες) εντοπίζοντας συμπεριφορές οι οποίες δεν ταιριάζουν στο προφίλ του πελάτη 29
Ο ανθρώπινος παράγοντας στη λήψη αποφάσεων Οι άνθρωποι δεν ενεργούν πάντα λογικά Πολλές φορές γίνεται επιλογή πληροφοριών έτσι ώστε να ερμηνευθούν συγκεκριμένα αποτελέσματα αγνοώντας άλλες πληροφορίες που τα αντικρούουν Οι άνθρωποι αποτελούν βασικό στοιχείο των Πληροφοριακών Συστημάτων Διοίκησης Θα πρέπει να συνυπολογίζονται τα κίνητρα, οι ιδιαιτερότητες και οι δυνατότητες του ανθρώπινου δυναμικού http://businessfuturist.com/man-vs-machine-3aw/ 30