Odluke_magistarskirad.pdf

SVEUČILIŠTE U RIJECI EKONOMSKI FAKULTET U RIJECI RIJEKA

VAŽNOST SUSTAVA ZA POTPORU ODLUČIVANJU NA PRIMJERU UPORABE SUSTAVA POSLOVNE INTELIGENCIJE COGNOS U POSLOVANJU TVRTKE

ZAVRŠNI RAD

Predmet: Informacijski sustavi za potporu odlučivanju Mentor: Prof. dr. sc. Slavomir Vukmirović Student: Lucija Crljenko Perković, dipl. oec. Indeks br.: 239/06 Poslijediplomski stručni studij: Inteligentno elektroničko poslovanje

Rijeka, travanj 2009.

0

SADRŽAJ

1.

UVOD

3

1.1. 1.2. 1.3. 1.4. 1.5.

PREDMET I PROBLEM ISTRAŽIVANJA SVRHA I CILJ ISTRAŽIVANJA RADNA HIPOTEZA STRUKTURA RADA METODE ISTRAŽIVANJA

3 4 5 6 8

2.

POSLOVNO ODLUČIVANJE

8

2.1. 2.2.

FAZE ODLUČIVANJA NAČINI ODLUČIVANJA I VRSTE ODLUKA

9 11

3.

INFORMACIJE I INFORMACIJSKI SUSTAVI

17

3.1. 3.2. 3.3.

INFORMACIJE I PODACI DEFINICIJE I RAZVOJ INFORMACIJSKOG SUSTAVA DIJELOVI INFORMACIJSKIH SUSTAVA

17 20 23

4.

SUSTAVI ZA POTPORU ODLUČIVANJU

26

4.1. 4.2. 4.3. 4.4.

26 28 29

4.5.

DEFINICIJE SUSTAVA ZA POTPORU ODLUČIVANJU OBILJEŽJA SUSTAVA ZA POTPORU ODLUČIVANJU UPORABA SUSTAVA ZA POTPORU ODLUČIVANJU PREDNOSTI I NEDOSTACI SUSTAVA ZA POTPORU ODLUČIVANJU GRAĐA SUSTAVA ZA POTPORU ODLUČIVANJU

5.

POSLOVNA INTELIGENCIJA

35

5.1. 5.2. 5.3.

RAZLOZI UVOĐENJA POSLOVNE INTELIGENCIJE ALATI POSLOVNE INTELIGENCIJE KORISNICI ALATA POSLOVNE INTELIGENCIJE U HRVATSKOJ

39 41

6.

SKLADIŠTA PODATAKA

45

6.1. 6.2. 6.3.

FUNKCIONIRANJE SKLADIŠTE PODATAKA RAZINE ANALIZE PODATAKA U SKLADIŠTIMA PODATAKA DIMENZIJE I "KOCKE"

47 49 51

1

31 33

43

7.

7.1.

7.2.

RJEŠENJE POSLOVNE INTELIGENCIJE I SUSTAV ZA POTPORU ODLUČIVANJU COGNOS

53

TEORIJSKE ZNAČAJKE ALATA POSLOVNE INTELIGENCIJE COGNOS

53

7.1.1. 7.1.2. 7.1.3. 7.1.4.

55 59 62 63

SUSTAV POSLOVNE INTELIGENCIJE COGNOS IZVJEŠTAJI I KOCKE COGNOSA IZVORI PODATAKA FUNKCIJE COGNOS KOCKE

IMPLEMENTACIJA I PRAKTIČNA PRIMJENA ALATA COGNOS 7.2.1. IMPLEMENTACIJA COGNOSA U KONZUM S ASPEKTA POSLOVANJA 7.2.2. UČINCI COGNOSA NA KONZUM 7.2.3. PRIJEDLOZI UNAPREĐENJA SUSTAVA POSLOVNE INTELIGENCIJE U KONZUMU 7.2.3.1. MOBILNA POSLOVNA INTELIGENCIJA 7.2.3.2. AUTOMATSKO OBAVJEŠTAVANJE O BITNIM PROMJENAMA 7.2.3.3. FORECAST 7.2.3.4. ŠTO AKO ANALIZA

7.2.4. PROBLEMATIKA LJUDSKOG FAKTOR PRI KORIŠTENJU SPO U KONZUMU 7.2.5. INTEGRACIJA POJEDINIH ČIMBENIKA SUSTAVA POSLOVNE INTELIGENCIJE U KONZUMU 7.2.6. PRIMJER PRIMJENE SUSTAVA POSLOVNE INTELIGENCIJE – IZVJEŠTAJI I ANALIZE

8.

68 68 71 76 76 77 78 78

79 82 84

ZAKLJUČAK

87

PRILOZI LITERATURA

96 98

2

1. UVOD

1.1.

PREDMET I PROBLEM ISTRAŽIVANJA

Temeljno pitanje koje danas tvrtke sebi postavljaju je kako opstati na tržištu tj. kako biti konkurentan u vrijeme kada je tržište toliko promjenjivo? Kako postići optimalnu učinkovitost i ostvariti što veći profit? Promjene na tržištu su ne samo svakodnevne, nego se događaju iz minute u minutu. Kupci imaju sve više znanja, te su samim time i sve zahtjevniji. Osim toga, trgovina, prvenstveno maloprodaja, je još osjetljivija na tržišna kretanja. U danim uvjetima tvrtke trebaju odgovoriti na tržišne promjene i odlučiti kako se suočiti sa problemima, kako zadržati tržišnu poziciju, ostvariti profit i održivi razvoj. Temelj upravljanja je odlučivanje. Kupci, jaka konkurencija i česte promjene na tržištu zahtijevaju brzu reakciju menadžera, tj. brzo donošenje odluka koje su prilagođene novim uvjetima na tržištu.

Adekvatne odluke se moraju temeljiti na točnim,

pravodobnim i potrebitim informacijama. Prethodno navedene činjenice su me navele da istražim mogućnost brzog odgovora na tržišne promjene i brzog donošenja odluka, a sa ciljem profitabilnosti i efikasnosti, uz primjenu informacijskih sustava potpore odlučivanju. Predmet istraživanja ovog rada je važnost sustava poslovne inteligencije i sustava potpore odlučivanju u poslovanju tvrtki. Život u informacijskom i informatičkom dobu navodi na razmišljanje o mogućnosti korištenja jedne takve tehnologije kod procesa odlučivanja kao temelja upravljanja tvrtkom. Kvalitetnim odlukama temeljenim na informacijama menadžment poduzeća može osigurati tržišnu konkurentnost i opstanak. Među velikim brojem proizvođača softvera poslovne inteligencije i potpore odlučivanju isprofilirao se i Cognos. Cognos je aplikativni softver i rješenje poslovne inteligencije koje koristi trgovačka tvrtka Konzum d.d. Zagreb, te će sustav za potporu odlučivanju Cognos u ovom radu biti primjer informacijskog sustava koji ima utjecaj na poslovanje najvećeg trgovačkog lanca u Hrvatskoj .

3

1.2.

SVRHA I CILJ ISTRAŽIVANJA

Svaki poslovni subjekt teži boljim poslovanjem i upravljanjem utjecati na veće prihode i manje troškove uz polučivanje što uspješnih pokazatelja poslovanja kako bi se stvorili uvjeti održiva razvoja. Da bi se to moglo ne samo pratiti nego i provesti condicio sine qua non je informatika sa cjelovitim svojim sustavom. Danas je nezamislivo mnoštvo poslovnih događaja proknjižiti, obraditi i oblikovati u informacije temeljem kojih će poslovodstvo donositi poslovne odluke kojim žele postići zacrtane planove, profit i rast društva, bez potpore informacijskih sustava, i sustava potpore odlučivanju. Upravo svrha nastavnog istraživanja je ustanoviti i analizirati da li i na koji način informacijski sustavi i sustavi za potporu odlučivanju utječu na poslovno odlučivanje te u tom smislu pomažu poslovanju tvrtke. Želi se utvrditi koliko su sustavi za potporu odlučivanju

bitni i korisni menadžerima, te na koji način omogućuju ostvarenje

strateških ciljeva tvrtke. Cilj je utvrditi da li tvrtke, pogotovo velike, mogu danas opstati na tržištu i boriti se s konkurencijom bez sustava poslovne inteligencije i sustava za potporu odlučivanju. Da li informacije koje se dobivaju zahvaljujući sustavima za potporu odlučivanju pomažu poslovodstvu tvrtke donijeti

najbolju moguću odluku u danom trenutku. Cilj je

prikazati koristi i utjecaj alata poslovne inteligencije te sustava potpore odlučivanju na uspješnost i efikasnost poslovanja tvrtke, a to će se učiniti na primjeru primjene alata Cognos u društvu Konzum d.d. Kako što jednostavnije i lakše doći do potrebnih informacija? Može li u tome pomoći sustav za potporu odlučivanju te na koji način? Osim ovih pitanja cilj je odgovoriti i na sljedeća pitanja: − Što su sustavi za potporu odlučivanje i kako funkcioniraju? Što je poslovna inteligencija, kako je ona povezana sa svime? − Kako alati poslovne inteligencije i sustavi za potporu odlučivanju utječu na poslovanje tvrtke? − Da li će sustavi ubrzati i olakšati proces odlučivanja? Ako da, kako?

4

− Što je Cognos i kako utječe na poslovanje Konzuma? − Koliko su bitni ljudski resursi u radu s takvim sustavom? Gore su navedena najvažnija pitanja na koje želim dati odgovor. Sve iznijeto biti će obrađeno u predloženoj temi završnog rada poslijediplomskog studija.

1.3.

RADNA HIPOTEZA

Temeljna radna hipoteza od koje polazi ovaj rad jest da u uvjetima nesigurnosti sustavi za potporu odlučivanju poslovodstvu tvrtke ubrzavaju i olakšavaju proces odlučivanja kao ključnog čimbenika u upravljanju tvrtkom, a s ciljem ostvarivanja profita i rasta tvrtke. Pomoćne hipoteze koje predlažem i koje će biti obrađene su: •

Pravodobna i potrebna informacija je nužna za opstanak tvrtki na tržištu. Kvalitetna informacijska potpora može rezultirati tržišnom konkurentnošću, rastom tvrtke i profitom.

•

Sustavi za potporu odlučivanju su alati menadžerima kako bi dobili točne i pravodobne informacije, omogućujući im donošenje optimalnih odluka, pa time i prosperitet poduzeća.

•

Sustav za potporu odlučivanju i rješenje poslovne inteligencija Cognos, zahvaljujući svojim mogućnostima i funkcijama olakšava i ubrzava odlučivanje, a takve odluke, temeljene na informacija povećavaju konkurentnost, te pozitivno utječe na poslovanje društva Konzum d.d.

•

Ljudski resursi su ključan čimbenik kod odlučivanja i korištenja sustava za potporu odlučivanju.

Znači, temeljna radna hipoteza od koje se krenulo u radu da danas tvrtke ne mogu napredovati i funkcionirati na tržištu bez korištenja sustava za potporu odlučivanju i poslovne inteligencije, a u slučaju društva Konzum d.d. sustav za potporu odlučivanju je Cognos.

5

1.4.

STRUKTURA RADA

Rad se sastoji od osam međusobno povezanih dijelova. U prvom dijelu – uvodu,

definirati ću predmet istraživanja, navesti problem

istraživanja, objasniti svrhu i cilj istraživanja. Ujedno će biti iznjeta radna hipoteza i korištene metode istraživanja. Drugi dio nosi naziv Poslovno odlučivanje. U ovom dijelu ću pojasniti sam pojam odlučivanja i pokušati obrazložiti koliko je proces odlučivanja zapravo kompleksan i bitan. Dati ću osvrt i na vrste problema koje se javljaju u poduzeću. Odlučivanje je proces, a kao takav ima i svoje faze koje će biti obrađene u ovom dijelu. Ujedno će se navesti i objasniti načini odlučivanja te vrste odluka. Informacije i informacijski sustavi

naslov je trećeg dijela rada. Za kvalitetnije i

jednostavnije odlučivanje tvrtka treba raspolagati određenim podacima i informacijama. Od velike pomoći pri prikupljanju i obradi podataka i informacija su i informacijski sustavi. Navesti će se dijelovi informacijskog sustava s komentarima i objašnjenjima (jedan dio je i sustav za potporu odlučivanju- osnova ovog rada), te će se dati i kratki opis izgradnje informacijskog sustava. Četvrti dio rada su Sustavi za potporu odlučivanju. Ovaj dio bi trebao dokazati važnost takvih sustava

i nužnost njihova korištenja. Definirati će se sustav za potporu

odlučivanju, navesti obilježja sustava za potporu odlučivanju, razlozi korištenja, te prednosti i nedostaci sustava. Pisati ću i o konceptu poslovne inteligencije i skladištu podataka. Poslovna inteligencija je usko povezana sa sustavima za potporu odlučivanju. Poslovna inteligencija je koncept svjesnog prikupljanja informacija u cilju analize podataka i predviđanja budućih trendova, te otkrivanja znanja iz podataka. Koncept poslovne inteligencije čini skup softverskih alata i metodologija koji omogućavaju korištenje podataka iz skladišta podataka i njihovo pretvaranje u informacije potrebne za

6

donošenje adekvatnih poslovnih odluka. Prethodno navedena skladišta podataka će također zauzeti dio rada jer bez koncepta skladištenja podataka ne bi funkcionirali ni sustavi poslovne inteligencije ni sustavi potpore odlučivanju. Zadnji dijelovi rada posvećeni su alatu za poslovnu inteligenciju Cognos, kako njegovom teoretskom značenju tako i njegovoj primjeni. Pisati ću o tome što je sustav poslovne inteligencije Cognos, kako funkcionira Cognos BI, kako funkcionira u društvu Konzumu d.d., koje su mu mogućnosti i prednosti, što nudi samim korisnicima. Biti će govora o Cognos kockama, te njegovom utjecaju na poslovanje. Također ću predložiti neke mogućnosti unapređenja navedenog sustava. Naglasak će biti dan i ljudskom faktoru kao ključnoj sastavnici uspješnog korištenja alata Cognos. Na kraju ću dati i primjer analize i izvještaja koji se mogu dobiti iz jednog takvog sustava. Izvještaje sam radila samostalno. Zadnji, deveti dio je zaključno mišljenje u kojem su izražene spoznaje iz ovog rada.

1.5.

METODE ISTRAŽIVANJA

Korištene metode rada su metoda intervjuiranja, metoda deskripcije, komparativna metoda, kvalitativna metoda, deskriptivna metoda, metoda analize i sinteze, induktivna i deduktivna metoda te metoda dokazivanja. Podaci su prikupljeni iz različitih izvora: stručna literatura, internet, razgovor s nekim korisnicima sustava za potporu odlučivanju. Vrlo bitan izvor podataka je i vlastiti rad sa sustavom za potporu odlučivanju.

7

2. POSLOVNO ODLUČIVANJE Današnja poslovna okolina je izrazito dinamična i turbulentna, a promjene na tržištu se dešavaju iz minute u minutu. Osnovna svrha i cilj poduzeća je profit, a može se ostvariti jedino ako je poduzeće konkurentno na tržištu. Konstantna i svakodnevna prilagodba novim uvjetima na tržištu je nužnost. Jedino tako tvrtke mogu ostati konkurentne, opstati na tržištu i ostvariti svoje ciljeve definirane strategijom tvrtke. Odlučivanje je temelj

upravljanja. Može se reći da je pravilno odlučivanje ključ

uspješnog poslovanja. Odlučivanje i upravljanje

usko povezani. Menadžeri i

rukovoditelji svih razina moraju donositi kvalitetne odluke te kontrolirati izvršenje tih odluka. Upravo kroz proces odlučivanja menadžment ostvaruje svoju funkciju. Odlučivanje je provjereno težak i odgovoran posao koji za sobom nosi brojne posljedice. Odluke se donose svakodnevno, kako u privatnom, tako i u poslovnom životu. Dok se u privatnom životu donošenje odluka temelji isključivo na intuiciji, u poslovnom životu to ne smije biti slučaj. "Odlučivanje u poslu, odnosno poslovno odlučivanje zahtjeva više sistematičnosti nego ono u privatnom životu, ne zato što je ono važnije, već zato tangira veći broj članova organizacije. Što je razina odlučivanja viša, gledajući s aspekta raspona odgovornosti, to je i odlučivanje važnije jer se tiče velikog broja članova organizacije pa u slučaju pogrešne odluke to može imati katastrofalne posljedice za organizaciju kao cjelinu. "1 Donošenje odluka ili odlučivanje je proces biranja između više mogućnosti. To je proces pripreme i donošenja odluka, te rezultira odabirom akcije koju treba poduzeti ili strategije koju treba primijeniti u praksi. "Odlučivanje je kognitivni proces koji se sastoji od prepoznavanja problema i biranja mogućih rješenja koja vode do nekog željenog stanja. Odlučivanje je veoma odgovoran i težak posao jer donošenje odluka za sobom nosi i način provođenja istih. Menadžersko poslovno odlučivanje ovisi o razini menadžmeta na kojoj se donosi odluka, pa tako u najzahtjevnije spadaju strategijske i 1

P. Sikavica, B. Bebek, H. Skoko i D. Tipurić: Poslovno odlučivanje, Informator, Zagreb, 1999. str. 25

8

inovativne odluke, zatim slijede taktičke (adaptivne) odluke, a tek onda operativne (rutinske) odluke."2 Dobar menadžer mora biti dobar donositelj odluka. Za kvalitetno odlučivanje bitne su kvalitetne, pravodobne i točne informacije. One omogućuju menadžerima i ostalim zaposlenicima donošenje određene poslovne odluke.

2.1. FAZE ODLUČIVANJA Odlučivanje je proces, te kao svaki proces ima svoje faze. „Donošenje odluka se prema Tipuriću dijeli u četiri faze: - svijest o potrebi za odlukom, - priprema odluke, - donošenje odluke i - provedba odluke.“3 Takva podjela se može još detaljizirati tj. podijeliti na aktivnosti. U skladu s tim može se reći da "postupak odlučivanja i donošenja odluka ima slijedeće faze: 1. identifikacija problema 2. definiranje ciljeva 3. donošenje preliminarne odluke 4. generiranje liste mogućih rješenja 5. evaluacija mogućih rješenja 6. odabir rješenja 7. provođenje odluke u praksi 8. praćenje izvršenja odluke.“4 Identifikacija problema, definiranje ciljeva, donošenje preliminarne odluke, generiranje liste mogućih rješenja, te evaluacija mogućih rješenja spada u fazu pripreme odluke.

2

http://hr.wikipedia.org/wiki/Poslovno_odlučivanje (31.05.2008.) http://www.trend.hr/clanak.aspx?BrojID=51&KatID=39&ClanakID=574 (04.04.2009.) 4 http://www.poslovniforum.hr/management/donosenje_odluka.asp (31.05.2008.) 3

9

Identifikacija problema je ustvari spoznaja da problem postoji. Problem se mora moći točno definirati. Ukoliko se problem krivo definira, kvalitetno rješenje problema neće biti moguće. Definiranjem zadataka se određuje cilj ili ciljevi koji se žele postići. Donešena i implementirana odluka bi trebala nastojati doseći zacrtane ciljeve. Prije nego se ponude različite inačice rješenja problema potrebno je skupiti dovoljnu količinu informacija. "Uz ovu fazu veže se pojam kritične mase informacija koji govori o tome da nakon sakupljanja određene količine informacija, svaka daljnja informacija ometa proces odlučivanja."5 Generiranje liste mogućih rješenja je podfaza u kojoj se oblikuju moguće varijante odluke odnosno rješenja problema. Nakon generiranja mogućih rješenja vrednuju se sva predložena rješenja te se ocjenjuju. U fazi donošenja odluke izabire se jedna od prethodno generiranih inačica rješenja. Donesena odluka realizira se u fazi provedbe odluke. U fazi praćenja izvršenja odluke provjerava se i prati provođenje odluke u djelo. Ova faza može uključivati praćenje rezultata odluke, praćenje ispravnosti implementacije i slično. Za kvalitetno donošenje odluke ne bi trebalo preskočiti ni jednu navedenu fazu.

5

http://www.tiaktiv.hr/index.php?option=com_content&task=view&id=36&Itemid=50 (21.01.2009.)

10

2.2. NAČINI ODLUČIVANJA I VRSTE ODLUKA Postoje različiti aspekti i načini odlučivanja. „Aspekti odlučivanja su: 1. S obzirom na probleme o kojima se odlučuje: •

programirano

•

neprogramirano odlučivanje

2. S obzirom na razinu odlučivanja: •

odlučivanje na operativnoj razini

•

odlučivanje na taktičkoj razini

•

odlučivanje na strateškoj razini

3. S obzirom na subjekte odlučivanja: •

pojedinačno

•

skupno odlučivanje

4. S obzirom na načine odlučivanja: •

intuitivno,

•

odlučivanje na temelju prosuđivanja,

•

racionalno odlučivanje

5. S obzirom na okolnosti u kojima se odlučuje: •

odlučivanje u uvjetima sigurnosti

•

odlučivanje u uvjetima nesigurnosti (rizika)."6

Poslovni problemi se među ostalim mogu podijeliti i na strukturirane, nestrukturirane i djelomično strukturirane. Strukturirani problemi su ponavljajući, rutinski problemi, te je i donošenje odluka takvo. Postupak odlučivanja kada se radi o strukturiranim problema je poznat, pa se sam postupak odlučivanja može i programirati. Takav program može u potpunosti zamijeniti čovjeka pri rutinskom odlučivanju. Ovakvo odlučivanje naziva se programirano odlučivanje i koristi pri rutinskim problemima, tj. 6

http://www.foi.hr/CMS_library/studiji/dodiplomski/IS/kolegiji/to/Nacini_odlucivanja_09.pdf Begičević (15.01.2009.)

11

; Nina

problemima koji se ponavljaju. Najčešće se pojavljuje na nižim, operativnim razinama menadžmenta. Djelomično strukturirani problemi nisu rutinski, te se ne može s potpunom sigurnošću reći koje je rješenje problema i koji se koraci trebaju poduzeti. Pri takvom odlučivanju se koristi iskustvo i stečeno znanje. Nestrukturirani problemi su kompleksni problemi. Za takve probleme ne postoje očigledna i rutinska rješenje, a čovjek i njegovo znanje imaju značajnu ulogu. Vrlo često su to problemi koji se pojavljuju prvi put. Kod ovakve vrste problema koristi se neprogramirano odlučivanje. "U procesu neprogramiranog odlučivanja nema poznatih postupaka, procedura i modela odlučivanja, već je svaka situacija nova, slučaj za sebe i treba je individualno rješavati."7 Strukturirane, rutinske probleme najčešće rješava operativna razina menadžmenta, dok nestrukturirane probleme rješava najviša, strateška razina menadžmenta. Slika 1. Veza između odlučivanja i razina menadžmenta. Razina menadžmenta

Priroda problema

Priroda odlučivanja

Najviša razina Nestrukturi rani problemi

Strukturira ni problemi

Neprogram irano odlučivanje

Programiran o odlučivanje

Najniža razina

Izvor: predavanje prof. S. Vukmirovića, svibanj 2007.8

7

P.Sikavica, H. Skoko, D. Tipurić. M. Dalić: Poslovno odlučivanje- teorija i praksa odlučivanja; Informator, Zagreb, 1994. str. 85 8 Predavanje prof. S. Vukmirovića, svibanj 2007

12

Iz slike 1. je jasno razvidan odnos između odlučivanja i razine menadžmenta. Što je problem kompleksniji, rješava ga viša razina menadžmenta. S obzirom na razinu odlučivanja odluke se dijele na strateške, taktičke i operativne. Strateškim odlukama se određuje strategija poduzeća, te ciljevi poduzeća u budućnosti. One spadaju u najznačajnije odluke u poduzeću. Strateške odluke donose menadžeri na najvišim razinama, a svi drugi ciljevi i odluke moraju biti u skladu s strategijom poduzeća. "Taktičke odluke predstavljaju konkretizaciju strateških odluka, tj. stvaralačko oživotvorenje zacrtane poslovne politike, planova i razvoja, i slično. Donose ih organi upravljanja i rukovodni organi."9 Operativne odluke se donose na najnižim razinama menadžmenta, a služe rješavanju strukturiranih odnosno rutinskih, ponavljajućih problema. Najveći broj odluka upravo su operativne odluke, vrlo su bitne, a trebale bi biti u skladu sa strateškim odlukama. Vremenski, strateške odluke se najduže donose tj. menadžeri najviše vremena utroše upravo donoseći ove odluke jer one određuju budućnost tvrtke. Strateške odluke su temelj razvoja tvrtke, njenog plana i programa privređivanja, pozicioniranja na tržištu i ostvarivanja pozitivnih rezultata što je i cilj svakog gospodarskog subjekta. Prije donošenja odluka potrebne su razne analize, ispitivanja i simulacije. Operativne odluke se donose na najnižim razinama menadžmenta, a svoje utemeljenje imaju u donesenim strateškim odlukama. Ove odluke oduzimaju najmanje vremena, a donošenje takvih odluka traje vrlo kratko.

9

http://poslovniforum.hr/vijest.asp?id=123 (25.02.2009.)

13

Slika 2. Razlika u vremenskoj perspektivi između menadžerskih razina

Razlika u vremenskoj perspektivi između menadžerskih razina

MENADŽERI NA VIŠIM RAZINAMA

STRATEŠKE ODLUKE

MENADŽERI NA SREDNJIM RAZINAMA MENADŽERI NA NIŽIM RAZINAMA

TAKTIČKE ODLUKE

OPERATIVNE ODLUKE

Izvor:http://web.efzg.hr/dok//OIM/dtipuric//2

10

Ipak, iako se kaže da su strateške odluke najvažnije, rezultati kompanije su uvelike determinirani i manjim, operativnim odlukama. Svaka odluka, bez obzira na kojoj razini donešena, ima posljedice na profit poduzeća. Takve odluke donosi veliki broj zaposlenika tvrtke, te indirektno i one imaju strategijsko značenje za tvrtku. Ukoliko se odluke donešena na višim razinama ne provodi na terenu, tvrtka će imati velike poteškoće. Često se dešava da osobe koje moraju provoditi strateške odluke, te svakodnevno donositi operativne odluke, nemaju sve potrebne informacije, a imaju puno zadataka koje moraju obaviti. Zato je nužna poslovna koordinacija i interaktivno ponašanje svih razina menadžmenta. Odluke svakodnevno donose i pojedinci i grupe, pa se tako s obzirom na subjekte odlučivanje dijeli na pojedinačno i skupno (ili individualno i grupno). Osnovna karakteristika pojedinačnog odlučivanja je, kako i sama riječ govori, da odluku donosi pojedinac. Pojedinačno odlučivanje je u pravilu brže, i na taj način se izbjegava problem "skupnog mišljenja", a osnovni nedostatak takvog odlučivanja je taj što pojedinac generira manji broj različitih rješenja problema. "Skupno odlučivanje je način poslovnog odlučivanja u kojem odluke donose skupine ljudi strukturirane po različitim

10

http://web.efzg.hr/dok//OIM/dtipuric// (21.02.2009.)

14

osnovama."11 Raspravljanjem unutar skupine, prema određenim normama ponašanja, smanjuju se nejasnoće i nesigurnosti u načinu rješavanja problema. Skupno odlučivanje rezultira većim brojem mogućih rješenja, ali postoji mogućnost da će neki pojedinci željni statusa ovdje prevladati i nametnuti svoje mišljenje ostalima u grupi. Hoće li odlučivanje biti skupno ili pojedinačno ovisi i o tome radi li se o strateškim odlukama ili operativnim odlukama. Operativne i rutinske odluke će najčešće biti individualne, dok će strateške najčešće biti skupne. S obzirom na načine odlučivanja odlučivanje može biti intuitivno, na temelju prosuđivanja i racionalno. Intuitivno odlučivanje je, kao što i sama riječ kaže, odlučivanje

na

temelju

intuicije

donositelja

odluke.

Intuitivno

odlučivanje

karakteristično je za privatan život, dok u poslovnom odlučivanju pruža male mogućnosti za izbor optimalnih rješenja. Iako neke osobe imaju vrlo razvijenu intuiciju, u poslovanju takav način odlučivanja sigurno nije poželjan i pri takvom odlučivanju postoji najveća mogućnost pogreške. Odlučivanje na temelju prosuđivanja koristi se u situacijama koje se ponavljaju i temelji se na iskustvu menadžera. Odluke se donose oslanjajući se na prošlo iskustvo, a ograničavajući faktor ovakvog odlučivanja jest taj što se takvo odlučivanje može odnositi samo na probleme koji su se već desili. Racionalno odlučivanje je najbolji način odlučivanja kod nestrukturiranih problema i kod donošenja strateških odluka, a povezano je s znanstvenim metodama odlučivanja. Prilikom racionalnog odlučivanja donositelj odluka se služi analitičkim metodama i mora biti jako dobro informiran. Razni sustavi za potporu odlučivanju mogu donositelju odluke ubrzati proces odlučivanja, te mu na neki način olakšati posao. Veliki broj hrvatskih menadžera i dalje odlučuje na temelju intuicije i/ili iskustva, a manji broj odluka donose racionalnim odlučivanje.

11

http://www.foi.hr/CMS_library/studiji/dodiplomski/IS/kolegiji/to/Nacini_odlucivanja_09.pdf (15.01.2009.)

15

U slučaju posjedovanja nedovoljne količine informacija u dinamičnoj poslovnoj okolini intuitivno odlučivanje može donijeti bolje rezultate. Ipak, ako postoji dovoljan broj korisnih informacija, bolje je donijeti racionalnu odluku, a intuitivno odlučivanje koristiti samo u slučaju nedovoljnog broja informacija. Nedostatak informacija potrebnih za odlučivanje u današnje vrijeme najčešće nije slučaj. Većina informacija je javno dostupa. Nedovoljna brojnost informacija dešava se u manjem broju slučaja. Ovdje treba uzeti u obzir i potrebno vrijeme odlučivanja. Ukoliko se odluka mora donijeti trenutačno, naravno da će intuicija i iskustvo prevladati. Prema okolnostima odlučivanja razlikuje se odlučivanje u uvjetima sigurnosti i odlučivanje u uvjetima nesigurnosti. Jedino kada se može točno predvidjeti rezultat odluke tj. rješenja problema može se govoriti o odlučivanju u uvjetima sigurnosti. Takav broj odluka je vrlo mali, pogotovo u današnje vrijeme kada tvrtke posluju u izrazito nestabilnim uvjetima, s vrlo oštrom konkurencijom, u uvjetima permanentnog tehnološko-tehničkog te informatičkog razvoja, te svakodnevnim promjenama na tržištu. Odluke se najčešće donose u uvjetima nesigurnosti. Tada donositelju odluke trebaju točne, pravodobne i kvalitetne informacije. Konačno mjerilo je li donesena najbolja moguća odluka je stupanj ostvarenog poslovnog uspjeha. Kvalitetan informacijski sustav može pomoći donositelju odluke da u danom trenutku donese najbolju odluku za poslovni sustav.

16

3. INFORMACIJE I INFORMACIJSKI SUSTAVI

Današnja poslovna okolina je izrazito turbulentna i promjenjiva. Efikasno obavljanje posla popraćeno je informacijama i podacima, a informacija čini temelj uspješnog poslovanja. Poželjna informacija je pravodobna, pravovaljana i točna. Bez kvalitetne informacije nije moguće donositi

kvalitetne odluke. Da bi se

informacije mogle

efikasno pohranjivati, obrađivati i koristiti moraju biti u digitaliziranom obliku. U takvom obliku koriste se u bazama i skladištima podataka, informacijskim sustavima i sustavima za potporu odlučivanju. Razni informacijski sustavi mogu uvelike olakšati poslovanje tvrtke.

3.1. INFORMACIJE I PODACI "Podaci (eng. Data) su znakovni prikaz činjenica i pojmova koji opisuju svojstva objekata i njihovih odnosa u prostoru i vremenu."12 Podatak može biti upotrebljiv, ali i ne mora, i to je osnovna razlika između podatka i informacije. Da bi podatak postao informacija mora donositi novosti primatelju, odnosno mora utjecati na povećanje razine znanja primatelja. Podatak postaje informacija procesom obrade podataka. Informacija je podatak koji ima uporabnu vrijednost. Informacija je skup znakova koji primatelju nešto znače, odnosno otkrivaju nešto novo. " Informacija (eng. Information) je rezultat analize i organizacije podataka na način da daje novo znanje primatelju. Ona postaje znanje kad je interpretirana, odnosno stavljena u kontekst ili kad joj je dodano značenje. "13 Informacija je pojam s mnogo značenja ovisno o kontekstu, ali je kao pravilo usko povezana s konceptima kao što su značenje, znanje, percepcija, instrukcija, komunikacija i razni mentalni procesi. Jednostavno rečeno, informacija je primljena i shvaćena poruka.

12 13

http://hr.wikipedia.org/wiki/Podatak,_informacija,_znanje,_mudrost (31.05.2008.) ibidem (31.05.2008.)

17

Nerijetko

se podatak i informacija koriste kao sinonimi, iako to nisu iste riječi.

Osnovna razlika je ta da je informacija podatak ili podaci stavljeni u kontekst, dok je podatak izvan konteksta. Drugim riječima, podatak je beskoristan sve dok ne prenosi neku informaciju. Informacija je rezultat procesiranja, manipuliranja i organiziranja podataka na načina da isti nadograđuju znanje osobe koja informaciju prima. Informacije

trebaju biti točne, pravodobne, pravovaljane i iskoristive. Danas nije

problem prikupiti informacije već ih pravilno upotrijebiti tj. pretvoriti u znanje. Tu glavnu ulogu čini čovjek. "Znanje je odgovarajuća zbirka informacija kojoj je namjera da bude korisna. Znanje čine organizirane informacije koje se mogu koristiti za stvaranje novih značenja i podataka."14 Iz informacija nastaje znanje. Znanje se može definirati kao činjenice, informacije i vještine koje je osoba stekla iskustvom ili obrazovanjem. "Znanje je odgovarajuća zbirka informacija kojoj je namjera da bude korisna. Znanje čine organizirane informacije koje se mogu koristiti za stvaranje novih značenja i podataka... Podatak je najosnovnija razina, informacija dodaje kontekst, znanje dodaje kako ga upotrijebiti, a mudrost dodaje kada i zašto ga upotrijebiti"15 Da bi se iz podataka dobile informacije potrebni ih je organizirati. Da bi se podaci mogli organizirati potrebno je odgovoriti na sljedeća pitanja 1. koje podatke treba prikupljati 2. kada ih prikupljati 3. gdje ih prikupiti 4. kako prikupljene podatke pohraniti u bazu podataka 5. kako obrađivati podatke da bi se dobile potrebne informacije. Kada počne izgradnja informacijskog sustava, u njenim prvim fazama potrebno je odgovoriti na pitanja koje podatke prikupljati, gdje i kada, te kako ih obrađivati.

14 15

http://hr.wikipedia.org/wiki/Podatak,_informacija,_znanje,_mudrost (31.05.2008.) Ibidem 31.05.2008.

18

Vrijednost informacije nije u njihovu posjedovanju, već u njihovu korištenju. Neobrađeni podaci spremljeni u bazama i skladištima podataka, umjesto da donose vrijednost tvrtkama, preopterećuju sustav. Postaju samo trošak, jer dok god podatak ne dođe do krajnjeg korisnika vrijednost tih informacija ne može kompenzirati trošak koji je nastao zbog održavanja podatka. „Iako je tržište i poduzeće kao njegov sastavni dio zatrpano raznim podacima i informacijama, istovremeno su jako znakoviti rezultati istraživanja o dostupnosti i upotrebljivosti informacija: - 95% podataka je javno dostupno, - unutar poduzeća postoji 90% podataka koji su dovoljni za poslovanje a koristi ih se samo 10%, - 54% korisnika teško pronalazi potrebne informacije, - 43% menadžera nije sigurno u točnost informacija koje posjeduju, - 77% menadžera u svom radu donijelo je krive odluke zbog nedostatka informacija.“16 Danas kada je informatička tehnologija napredovala, te je do informacija i podataka puno lakše doći nego prije, može se pojaviti i problem preopterećenosti podacima. Količina podataka se konstantno povećava. Izvori podataka se multipliciraju, što znači da podaci dolaze sa sve više strana, te se spremaju u različita skladišta podataka koje nije moguće povezati. Da li su svi podaci koje tvrtka posjeduje kvalitetni? Prevelika količina nepotrebnih podataka usporava rad sustava, zaposlenici teže dolaze do potrebnih im podataka, te umjesto da se proces odlučivanja ubrza, može se čak i usporiti.

16

Ante Luetić: Primjena koncepta "poslovna inteligencija" u procesu strategijskog i financijskog upravljanja : magistarski rad / Ekonomski fakultet, Split, 2008. str 55.

19

3.2. DEFINICIJE I RAZVOJ INFORMACIJSKOG SUSTAVA Informacijski sustav je dio svakog poslovnog sustava, a svrha mu je opskrba svih razina upravljanja, odlučivanja i svakodnevnog poslovanja potrebnim informacijama. "Informacijski sustav u strogoj definiciji je sustav koji prikuplja, pohranjuje, čuva, obrađuje, i isporučuje potrebne informacije na način da su dostupne svim članovima neke organizacije koji se njima žele koristiti te imaju odgovarajuću autorizaciju."17 Informacijski sustav je dio poslovnog sustava koji mu omogućuje da komunicira unutar sebe i sa svojom okolinom. „Cilj je informacijskog sustava dostava prave informacije u pravo vrijeme na pravo mjesto u organizaciji uz minimalne troškove.“ 18 Sukladno iznijetom zadaća informacijskog sustava je: •

prikupljanje podataka

•

razvrstavanje podataka

•

obrada podataka

•

čuvanje podataka

•

oblikovanje i

•

raspoređivanje informacija.

Informacijski sustavi su se razvijali po fazama."Evolucijski gledano, razvoj poslovnih informacijskih sustava možemo podijeliti na: •

klasični (transakcijski) poslovni sustav

•

sustav za potporu odlučivanju

•

ekspertni sustav."19

17

http://hr.wikipedia.org/wiki/Informacijski_sustavi (17.06.2008.) V. Srića i suradnici: Menadžerska informatika, četvrto izdanje, M.e.p. Consult, Delfin, Hita Poslovna akademija, Zagreb, 1999. str. 3-4. 19 Ibidem, p. 7-5 18

20

Informatizacija poduzeća obično kreće od sustava za obradu transakcija. Sustavi za obradu transakcija omogućuju svakodnevni rad i pogodni su za operativnu razinu odlučivanja. Na transakcijske informacijske sustave nadograđuju se

upravljački

informacijski sustavi. Upravljački informacijski sustavi su sustavi koji sadrže unaprijed definirane izvještaje koji se mogu izrađivati prema redovitom rasporedu, u izvanrednim situacijama ili prema posebnom zahtjevu menadžera. Oblik informacija iz takvih sustava je fiksan, a izvještaji su unificirani i opsežni. Korisnik pregledavajući takve izvještaje samostalno pretražuje njemu interesantne informacije. Ustvari, da bi se dobila potrebna informacija iz takvih sustava potrebno je dosta vremena, jer takvi izvještaji imaju jako puno podataka, a menadžeru možda treba samo jedan dio tih informacija. Zato se treba zapitati koji sustavi će menadžeru ponuditi brži i jednostavniji pristup potrebnim informacijama da bi on mogao kvalitetnije odlučivati. To mogu biti sustavi potpore odlučivanju. Sustavi za potporu odlučivanju mogu se razviti nakon što su se razvili prethodno navedeni sustavi. To su interaktivni informacijski sistemi čija je svrha pomoći donositeljima odluke da identificiraju i rješavaju probleme te donose odluke, a sve to uz pomoć komunikacijskih tehnologija, podataka i informacija, te znanja. Ekspertni sustav se temelji na bazi znanja u cilju donošenja odgovara na pitanja tipa štoako te sadrži elemente komuniciranja s ekspertima iz pojedinih područja. Ekspertni sustavi se smatraju najvišom razinom informatizacije poduzeća. Oni nisu zamjena za prethodne faze, već njihova nadogradnja. "Ekspertni sustavi su inteligentni programi na računalima koji koriste znanja i postupke zaključivanja, kako bi se riješili teški zadaci koji zahtijevaju znatnu ljudsku stručnost. Kao model znanja nužnog za tu razinu može se zamisliti sveukupno stručno znanje najboljih praktičara na nekom polju rada."20 Ekspertni sustavi su ustvari nadogradnja na postojeće informacijske sustave poduzeća. Dosadašnji sustavi su se koristili bazom podataka, dok se ekspertni sustav koristi bazom 20

http://hr.wikipedia.org/wiki/Ekspertni_sustavi (17.06.2008.)

21

znanja. On ne nudi samo podatke, već i objašnjenja i stavove. Temelji se na znanju iz određenog područja, te se u neku ruku ponaša kao ekspert iz tog područja. "Ekspertni sustavi kao najzastupljenije područje umjetne inteligencije definiraju se na različite načine, jedna od najjednostavnijih definicija je: (Jožef Štefan, Ljubljana) Ekspertni sustavi su sustavi koji oponašaju znanje eksperta. Ekspertni sustavi su inteligentni programi na računalima koji koriste znanja i postupke zaključivanja, kako bi se riješili teški zadatci, kad oni zahtijevaju znatnu ljudsku stručnost. Kao model znanja nužnog za tu razinu može se zamisliti sveukupno stručno znanje najboljih praktičara na nekom polju rada."21 Ekspertni sustav se u pravilu sastoji od baze znanja, dijela za procesiranje znanja, te korisničkog sučelja. Slika 3 . Ekspertni sustav

Izvor: http://www.gradst.hr/katedre/ortegr/nastava_knezic/ekspertni_sustavi.htm22

21 22

http://hr.wikipedia.org/wiki/Ekspertni_sustavi; op.cit. (17.06.2008.) http://www.gradst.hr/katedre/ortegr/nastava_knezic/ekspertni_sustavi.htm (17.06.2008.)

22

3.3. DIJELOVI INFORMACIJSKIH SUSTAVA Dijelovi informacijskog sustava su: sustav za obradu transakcija, sustav za potporu odlučivanju i sustav za suradnju i komunikaciju. Slika 4. Dijelovi informacijskog sustava

Izvor: web.efzg.hr/mvarga/23

Sustav za obradu transakcija pruža potporu tekućem odvijanju poslovanja. Sustav za obradu transakcija osnovni je dio informacijskog sustava. "Izgradnja informacijskog sustava započinje izgradnjom njegova transakcijskog dijela u cjelini ili u dijelovima."24 Dio transakcijskog sustava koji izrađuje kategorizirane i skupne informacije je upravljački izvještajni sustav. Upravljački izvještajni sustav

služi taktičkoj razini

menadžmenta, te ga opskrbljuje podacima dobivenog iz sustava za obradu transakcija. Sadrži unaprijed definirane izvještaje. Prikazuje menadžerima pregled aktivnosti poslovnog procesa i upozorava na trendove pojedinih poslovnih aktivnosti. Problem kod izvještaja koji se dobivaju pomoću upravljačkog izvještajnog sustava jest da moraju biti unaprijed definirani, a ako nisu treba taj izvještaj izgraditi. Upravljački izvještajni sustav ne omogućuje izvještaje ad hoc. Sustav za potporu odlučivanju

(SPO) obrađuje podatke dobivene iz vanjskih i iz

unutarnjih izvora podataka da bi stvorio informacije potrebne za odlučivanje.

To je

interaktivni informatički sustav koji prikupljajući podatke iz različitih izvora pomaže

23 24

http://web.efzg.hr/mvarga (21.02.2009.) Varga, M. , Poslovno računarstvo, Znak, Zagreb 1998., str.36

23

menadžerima pri donošenju odluke. Cilj ovog sustava je pomoći pri rješavanju nestrukturiranih problema. Svi dijelovi

informacijskog sustava su usko povezani. Informacijski sustav mora

najprije biti organiziran kao sustav za obradu transakcija. Na njega se nadograđuje upravljački izvještajni sustav, da bi na kraju dosegao visoku razinu sustava za potporu odlučivanju. Transakcijski i upravljački dio informacijskog sustava u pravilu obrađuje upite koji su unaprijed definirani, a sustavi za potporu odlučivanju moraju moći dati odgovor na upite koji nisu unaprijed definirani jer je na višim razinama upravljanja odlučivanje uglavnom nestrukturirano. Dok upravljački izvještajni sustavi sadrže uglavnom definirane izvještaje koji mogu biti rađeni prema nekom redovitom rasporedu ili po zahtjevu menadžera, sustavi za potporu odlučivanju omogućuju pristup podacima ad hoc. Sustav za suradnju i komunikaciju omogućuje osobni rad, komunikaciju i suradnju. On bi trebao unaprijediti i povećati efikasnost osobnog i grupnog rada. Korisnici ovog sustava mogu biti zaposlenici na svim razinama odlučivanja. Na slici 5. prikazuje se na kojoj se razini menadžmenta koristi određeni informacijski sustav, te isto tako za koju se vrstu problema koristi određeni informacijski sustav. Slika 5. Vrste informacijskih sustava u rješavanju problema na različitim razinama menadžmenta. Razina odlučivanja

Operativna razina

Taktička razina Strateška razina

Problem Strukturirani problemi Djelomično strukturirani problemi Nestrukturirani problemi

TPS

MIS

ESS ES ES

DSS

Izvor: Predavanje S. Vukmirović, svibanj 2007 25

25

Predavanje S. Vukmirović, svibanj 2007

24

Informacijski sustav treba biti potpora cjelokupnom poslovanju organizacije, te se smatra jednim od temeljnih preduvjeta uspješnosti poslovanja. Današnji informacijski sustav mora informacijski posluživati sve dijelove i funkcije organizacije, ali istovremeno i zadovoljiti informacijske potrebe organizacije u cjelini. Slika 6. Komponente cjelovitog integralnog informacijskog sustava

Izvor: Panian, Ž.; Ćurko, K.; Informatika u poslovanju, Element, Zagreb, 2008, str. 12826

"Značaj poslovno-informacijskog sustava započinje njegovom ulogom u svakodnevnoj evidenciji poslovnih događaja, odnosno pohranjivanju podataka, raste kasnijom obradom podataka i njihovim korištenjem pri analizama, odnosno izvješćivanju vanjskih i unutrašnjih korisnika poslovnih informacija."27

26 27

Panian, Ž.; Ćurko, K.; Informatika u poslovanju, Element, Zagreb, 2008, str. 128 http://www.sapmag.com.hr/show_article.php?id=398 (20.02.2009.)

25

4. SUSTAVI ZA POTPORU ODLUČIVANJU Sedamdesetih godina prošlog stoljeća znanstvenici su počeli prepoznavati važnu ulogu kompjuterski podržanog informacijskog sustava, koji podržavaju menadžere u njihovom donošenju odluka u rješavanju strukturiranih, polustrukturiranih i nestrukturiranih problema. Od tada sustavi za potporu odlučivanju (Decision Support Systems) postaju bitan dio računalno podržanog informacijskog sustava. Sustavi za potporu odlučivanju se razvijaju s ciljem da smanji sveprisutna nesigurnost kod donošenja poslovnih odluka. Nesigurnost u poslovnom odlučivanju može se smanjiti tako da se donose odluke temeljene na informacijama, a upravo to nude sustavi potpore odlučivanju.

4.1. DEFINICIJE SUSTAVA ZA POTPORU ODLUČIVANJU Postoji jako puno definicija sustava za potporu odlučivanja. Jedna od definicija je da je to "specifičan kompjuteriziran informacijski sustav koji podupire poslovanje i poslovno odlučivanje u poduzeću. Kvalitetno izrađen sustav za potporu odlučivanju je interaktivan kompjuterski sustav koja ima za cilj pomoći donositeljima odluke da prikupe informacije iz neobrađenih podataka, dokumenata i poslovnih modela da bi identificirali i riješili probleme te donijeli odluke. "28 Sustavi za potporu odlučivanju su dio cjelokupnog informacijskog sustava poduzeća. Sustav za potporu odlučivanju (eng. Decision support system- DSS) obrađuje postojeće podatke, dobivene iz različitih unutarnjih i vanjskih izvora da bi stvorio informacije potrebne za odlučivanje. Pomaže menadžeru pri organizaciji informacija, identifikaciji i dohvatu informacija potrebnih za donošenje odluke, te analizi i transformaciji tih informacija. Osnovna namjena takvih sustava je rukovodstvu tvrtke pružiti informacije za donošenje poslovnih odluka u realnom vremenu.

28

http://www.informationbuilders.com/decision-support-systems-dss.html (01.06.2008.)

26

Sustav za potporu odlučivanju je jedan od najsloženijih sustava. Ovaj sustav služi za potporu odlučivanju kod slabostrukturiranih i nestrukturiranih problema, a također su popularni u donošenju rutinskih problema. Svaki ovakav sustav mora biti dovoljno jednostavan i nastrojen korisniku kako bi bio pristupačniji, te mora biti fleksibilan kako bi prihvatio promjene u načinu odlučivanja ili zadanom problemu te u skladu s tim kvalitetno odgovoriti na tu promjenu. Koristi li se ovaj sustav pravilno, najviše koristi donosi kada je tržište nestabilno te tvrtka posluje u uvjetima nesigurnosti. Što se tiče samog načina odlučivanja, ovaj sustav je najkorisniji kod racionalnog odlučivanja. Kod

racionalnog odlučivanja donositelj odluka se služi analitičkim

metodama i mora biti jako dobro informiran, dok se kod intuitivnog odlučivanja i kod odlučivanja na temelju prosuđivanja vodi isključivo intuicijom i iskustvima iz prošlosti. Upravo iz tog razloga je sustav za potporu odlučivanju najkorisniji pri racionalnom odlučivanju. Uloga potpore odlučivanju jest osiguravanje temelja kako bi menadžer mogao donijeti optimalnu odluku na temelju raspoloživih informacija. U tom aspektu uloga potpore odlučivanju jest pribavljanje, čišćenje, vrednovanje i prezentiranje relevantnih podataka. Nadalje, većina poslovnih problema ima prevelik broj rješenja da bi ih menadžer sam procijenio i odabrao najbolju. Stoga je uloga potpore odlučivanju i izgradnja računalnog modela kojim će se te opcije evaluirati te pronalaziti one najbolje. Slika 7. Shema sustava za potporu odlučivanju Podaci

Modeli Dijalog

Korisnik Izvor: http://gradst.hr/katedre/ortegr/nastava_knezic/dss.htm29

29

http://gradst.hr/katedre/ortegr/nastava_knezic/dss.htm (21.01.2009.)

27

Kao što se može vidjeti iz sheme, SPO omogućuju zajedničko sudjelovanje korisnika i sustava. Ne samo da omogućuje, nego i zahtjeva suradnja ta dva čimbenika poslovanja za Modul dijalog omogućuje komunikaciju korisnika i sustava. Sustav za potporu odlučivanju najkorisniji je pri neprogramiranom odlučivanju i nestrukturiranim odlukama, gdje se ne zna postupak odlučivanja. Cilj sustava u tom slučaju je pribaviti korisniku što više informacija zahvaljujući kojima će donijeti najkvalitetniju odluku u danom trenutku. Sustav pri tome mora biti dovoljno jednostavan za korištenje, a ujedno i dovoljno fleksibilan da može funkcionirati u promjenjivim uvjetima poslovanja. Sustav za potporu odlučivanju podupire proces odlučivanja na načina da menadžeru pomaže u organizaciji informacija, identifikaciji i dohvatu potrebnih informacija, analizi i transformaciji tih informacija, izboru odgovarajućih modela potrebnih za rješavanje problema odlučivanja, izvođenju tih modela te analizi dobivenih rezultata. Najjednostavnije rečeno, sustav za potporu odlučivanju je kompjuterski program koji analizira poslovne podatke i prezentira ih na taj način da krajnji korisnici mogu lakše donositi odluke.

4.2. OBILJEŽJA SUSTAVA ZA POTPORU ODLUČIVANJU Obilježja sustava za potporu odlučivanju su : •

Potpora donošenja odluke pri nestrukturiranim i polustrukturiranim problemima.

•

Nudi potporu različitim upravljačkim razinama, a ne samo top menadžmentu

•

Korisnici mogu sami kreirati izvještaje koji su im potrebni te kada su im potrebni

•

Potpora je osigurana kako pojedincima tako i grupama, te se mogu donositi i skupne odluke

•

Podržava sve faze donošenja odluka.

•

Podržava različite stilove donošenja odluke.

•

SPO mora biti prilagodljiv tokom vremena, te se prilagođavati promjenama kako u poduzeću, tako i okolini 28

•

SPO mora biti fleksibilan, što znači da korisnik mora imati mogućnost mijenjanja potrebnih mu izvještaja, mora moći dodavati razne stavke, brisati ih, premještati ih, kombinirati itd.

•

SPO bi trebao popraviti učinkovitost donošenja odluka, znači povećati točnost, kvalitetu, i skratiti vrijeme odlučivanja

•

SPO je osmišljen kao pomoć donositelju odluke, a ne kao njegova zamjena

•

SPO mora biti jednostavan za korištenje

•

SPO nudi interaktivnu prezentacijsku tehnologiju, mogućnost izrade grafova itd.

Da bi sustav za potporu odlučivanju bio funkcionalan, te najbolje iskorišten, bitno je da bude zanimljiv i jednostavan krajnjim korisnicima tj. onima koji će odluku donositi na temelju podataka iz tih izvora. Vrlo je bitno i pri samoj izradi i implementaciji jednog takvog sustava od samog početka uključiti menadžere iz određenih područja te ostale donositelje odluka. Oni će dati svoju viziju sustava, tj. što žele i što im treba. Nakon implementacije, poželjno je da se održi i edukacija. Inače se može desiti da tvrtka implementira sustav, pri tome investira određena sredstva, a sustav ostane potpuno neiskorišten. Samo znanje upotrebe tih sustava dati će mogućnost njegova korištenja.

4.3. RAZLOZI UPORABE SUSTAVA ZA POTPORU ODLUČIVANJU Osnovna namjena sustava za potporu odlučivanju je pružiti menadžerima i ostalim zaposlenicima informacije za donošenje kvalitetnijih odluka u realnom vremenu. Razlozi sve intenzivnije uporabe sustava za potporu odlučivanju ( u nastavku SPO) u kompanijama su: •

Tvrtke posluju u sve nestabilnijoj ekonomiji

•

Suočavanje sa povećanom stranom i domaćom konkurencijom

•

Praćenje brojnih poslovnih operacija postajalo je sve teže

•

Postojeći računalni sustav nije dobro podržavao ciljeve povećanja fleksibilnosti, profitabilnosti i ulaska na profitabilna tržišta

•

Postojeći informacijski sustav

nije mogao pratiti diverzifikaciju potreba

organizacije i/ili menadžerskih ad hoc upita o informacijama 29

•

Povećani zahtjevi za pravodobnim, točnim i relevantnim informacijama

•

SPO se promatra kao organizacijski pobjednik

•

Bile su potrebne nove informacije

•

Prihvaćanje SPO od strane menadžmenta

•

Zahtijevaju se anticipativne informacije

•

Postizanje redukcije troškova

•

Značenje SPO-a kao sredstva ostvarivanja konkurentske prednosti.

•

Značenje SPO-a kao sredstva ostvarivanja dodane vrijednosti.

Najznačajnije je menadžerima dati pravu informaciju u pravo vrijeme. Ovaj sustav je problemski orijentiran i kao takav može i ukazati na probleme koji su se već desili i također može ukazati na probleme koji se mogu desiti.

Da bi sustav za potporu

odlučivanju uspješno funkcionirao ljudsko znanje je vrlo bitno. Osoba mora znati čitati i razumjeti podatke koje mu nudi sustav, te mora imati dovoljno znanja da donese pravu odluku. Sustavi za potporu odlučivanju se mogu koristiti kroz sve faze odlučivanja od identifikacije problema pa do implementacija rješenja. U samom računalnom programu već se mogu primijetiti i definirati problemi koji su nastali ili se mogu anticipirati problemi. Svaka ozbiljna tvrtka ima nekakav poslovni plan i definirane ciljeve. Isto tako, poželjno je da tvrtka raste i da joj rastu profiti. Sustav za potporu odlučivanju omogućuje u svakom trenu uvid u postojeće stanje, te se na taj način može definirati problem i pružiti informaciju za promptno reagiranje.

30

4.4.

PREDNOSTI

I

NEDOSTACI

SUSTAVA

ZA

POTPORU

ODLUČIVANJU Prednosti sustava za potporu odlučivanju su: •

Omogućuje donositelju odluke kombiniranje osobne procjene s podacima dobivenim iz informacijskog sustava

•

Smanjenje vrijeme odlučivanja

•

Povećavanje produktivnosti

•

Smanjenje troškova

•

Potrebno je manje radne snage pri donošenju odluka

•

Poboljšava komunikaciju između donositelja odluka te omogućuje skupno odlučivanje

•

Povećava zadovoljstvo donositelja odluka iz razloga što donositelji odluka smatraju da raspolažu točnijim informacijama i da donose kvalitetnije odluke

•

Fleksibilniji su od standardnih upravljačkih informacijskih sustava

•

Korisnici sami kreiraju svoje izvještaje

•

Korisnici mogu dobiti informaciju onog trena kada im je potrebno

•

Omogućuju brži i jednostavniji pristup informacijama, te lakše donošenje odluka

•

Sustav je problemski orijentiran, te se postojeći i mogući problemi lakše uočavaju

•

Podržava sve faze donošenja odluke

Nedostaci sustava za potporu odlučivanju mogu biti: •

Sporost sustava uzrokovan velikom količinom podatka

•

Ljudski faktor: nezainteresiranost i needuciranost korisnika sustava. Ljudi zaziru od novosti

•

Neki menadžeri se još uvijek oslanjaju na svoju intuiciju i iskustvo, te dosta često donose odluke bez konzultiranja sa sustavom za potporu odlučivanju. Samo kod racionalnog odlučivanja koristi se sustav za potporu odlučivanju.

•

Nekorištenje sustava za potporu odlučivanja dovodi do toga da je trošak implementacije puno veći od koristi koje on može donijeti.

31

•

Neki menadžeri se oslanjanju isključivo na sustav za potporu odlučivanju, pri tome zanemarujući stečeno znanje i iskustvo.

•

Često se zna desiti da zbog potreba promjene nekih izvještaja, uzrokovanih novim zakonima, promjenama u poduzeću i slično. neki izvještaju nisu dostupni.

•

Prebacivanje odgovornosti. Kompjuteri ne donose loše odluke, već ljudi. Nažalost, neki ljudi mogu prebaciti odgovornost na SPO. Menadžeri bi trebali objasniti da je SPO samo podrška odlučivanju, a ne donositelji odluka.

•

Lažno uvjerenje u objektivnost. Korisnici koji koriste SPO mogu i ne moraju biti objektivni. Može se desiti uvjerenje da su osobe koje koriste SPO objektivnije od onih koji ga ne koriste.

Kod same implementacije sustava za potporu odlučivanju može nastati otpor nekih menadžera jer smatraju da će im to smanjiti status. Naravno, danas toga ima sve manje. Iz svega navedenog se može zaključiti da sustavi za potporu odlučivanju osim svojih prednosti, ima i svojih mana. Najveći problem koji se ovdje javlja je ljudski faktor. „Istraživanje je pokazalo da se intuicijom u uvjetima nesigurnosti najveći broj ispitanika koristi srednje ili često, dok se SPO-ovima koriste malo ili srednje.“30 Ipak, pravilno korišteni sustavi stvaraju tvrtkama veliku dodatnu vrijednost te je njihovo korištenje svakako poželjno. Hrvatski menadžeri nisu dovoljno upoznati sa sustavima za potporu odlučivanju. Unatoč stalnom rastu popularnosti takvih sustava, i implementaciji sustava za potporu odlučivanju u tvrtke, potrebno je educirati menadžere ne samo o načinu korištenje takvih sustava, već i o njihovoj nužnosti i bitnosti. Iskustvo je pokazalo da formalna edukacija o radu na takvim sustavima, ako sam korisnik ne uviđa prednosti sustava, često rezultira daljim nekorištenje.

30

http://www.trend.hr/clanak.aspx?BrojID=51&KatID=39&ClanakID=574 (01.06.2009.)

32

4.4.

GRAĐA SUSTAVA ZA POTPORU ODLUČIVANJU

Menadžeri i ostali donositelji odluka pristupaju sustavu za potporu odlučivanju pomoću korisničkog sučelja. Osnovni dijelovi sustava su podaci, modeli, dokumenti i korisničko sučelje. Građa sustava za potporu odlučivanju prikazana je na slici 8. Slika 8: Građa sustava za potporu odlučivanju

DONOSITELJ ODLUKE

KORISNIČKO SUČELJE

SUSTAV ZA UPRAVLJANJE

SUSTAV ZA

SUSTAV ZA UPRAVLJANJE

BAZOM ILI SKLADIŠTEM

UPRAVLJANJE

DOKUMENTIMA

PODATAKA

BAZOM MODELA

BAZE ILI SKLADIŠTA

MODELI

DOKUMENTI

PODATAKA

Izvor: Varga, M. Poslovno računarstvo, Zbak, Zagreb , 1998., str. 16031

Bazama i/ili skladištima podataka, modelima i dokumentima korisnik pristupa pomoću jedinstvenog sučelja, a koji je svim korisnicima tog sustava isto. Sustav za upravljanje bazom podataka (SUBP) je računalni program izrađen za upravljanje bazom podataka, velikim skupom strukturiranih podataka, i izvođenja operacija nad podacima zahtijevanim od brojnih korisnika. Baza modela je temelj sustava za upravljanje modelima koji su potrebni za analizu opcija. Pomoću baze modela korisnik ukoliko želi dobiti određenu vrstu podataka, na temelju pristupa bazi modela može odabrati vrstu modela koju će koristiti. Baza modela 31

Varga, M. , Poslovno računarstvo, Znak, Zagreb 1998., str. 160

33

sastoji se od gotovih računalnih programa i blokova modela koji omogućavaju korisniku da sam gradi ad hoc aplikacije. Broj modela u sustavu za potporu odlučivanju može varirati od nekoliko modela do nekoliko stotina. U osnovi modeli su najčešće prikazani formulama koje mogu biti definirane unaprijed. Podsustav za upravljanje modelima je glavni dio sustava za potporu odlučivanju te korisniku pruža potporu pri izgradnji modela. Podsustav za upravljanje modelima treba omogućiti integraciju pristupa podacima i modelima odlučivanja, mora podržati brzo i jednostavno stvaranje novih modela. Ovaj sustav služi za povezivanje baze podataka i baze modela, i to tako da se bilo kakve promjene u bazi podataka mogu primijeniti na odabrani model. Dokumenti omogućuju sustavu da koristi različite nestrukturirane podatke. Oni su ujedno i najmanje iskorišteni oblik informacija u odlučivanju. Da bi dokumenti bili maksimalno iskoristivi moraju biti efikasno pohranjeni i moraju se moći interpretirati i pretraživati. Iako postoji veliki broj dokumenata samo jedan mali dio se može dohvatiti online. Primjeri dokumenta su pisma korisnika, izvještaji, ugovori, elektroničke poruke i slično. Kombinacijom elektroničke pošte, diskusijskih skupina i online baze podataka moguće je u vrlo kratkom roku doći do velikog broja informacija bitnih za donošenje odluka, pa je vrlo uputno da se takvi dokumenti uključe u sustav za potporu odlučivanju. „Korisničko sučelje obuhvaća mehanizme potrebne za unos podataka u sustav, izvođenje modela te izlaz podataka (sadržaj i grafički oblik podataka).“32 Za samog korisnika sučelje je ustvari i sam sustav, ostalo se radi u pozadini koje korisnik ne vidi. Upravo zato, korisničko sučelje mora biti privlačnog izgleda i jednostavnih performansi. Treba biti napravljeno na način da privuče korisnike.

32

Varga, M. , op.cit. str. 163

34

5. POSLOVNA INTELIGENCIJA Inteligencija je mentalna karakteristika koja se sastoji od sposobnosti za učenje iz iskustva, prilagodbe na nove situacije, razumijevanja i korištenja apstraktnih pojmova, i korištenja znanja za snalaženje u okolini.33 U tom smislu poslovna inteligencija je sposobnost tvrtke da se prilagodi novonastalim uvjetima na tržištu. Poslovna se inteligencija može definirati na dva načina. "Prva i rjeđa definicija odnosi se na kapacitet ljudske inteligencije koja se koristi u poslovnim aktivnostima. U tom je pogledu poslovna inteligencija područje istraživanja kognitivnih znanosti i umjetne inteligencije."34 Druga definicija vezana je uz informacijski znanost i informatičku djelatnost. "Radi se o ekspertnoj informaciji, znanju ili tehnologiji koje pridonose efikasnosti upravljanja u organizaciji ili nekoj pojedinačnoj poslovnoj djelatnosti. U tom je smislu poslovna inteligencija široka kategorija koja uključuje aplikacije i tehnologije za prikupljanje i analiziranje podataka da bi se pomoglo donositeljima odluka da što efikasnije donesu odluke."35 Poslovna inteligencija znači posjedovanje cjelovitog znanja o svim faktorima koji utječu na poslovanje. Tvrtka danas može uspješno poslovati jedino ako ima pouzdane, točne i pravodobne informacije. Informacije se mogu prikupljati na razne načine. Između 80 i 90 posto svih poslovnih informacija je javno dostupno. Samo ih treba znati pronaći i koristiti. Osim informacija koje se dobivaju iz vlastite tvrtke (unutarnjih informacija) bitne su i informacije iz vanjskih izvora. Postoje dvije vrste načina prikupljanja informacija iz vanjskih izvora: primaran i sekundaran. Primarni izvori su: internet, financijska izvješća, govori, 'eventi', sajmovi, osobni i telefonski intervjui, kao i javno dostupne publikacije. Sekundarni izvori su: online i digitalne baze podataka, knjige, članci u novinama i časopisima, TV i radio programi te analitička izvješća.

33

http://hr.wikipedia.org/wiki/Inteligencija (24.02.2009.) http://www.ecdlcentar.com/forum/ (02.04.2009.) 35 Ibidem (02.04.2009.) 34

35

Poslovna inteligencija izuzetno je aktualna u svijetu. Poslovna inteligencija je nastavak informacijskog sustava za potporu poslovanju. Usko je povezana sa sustavima za potporu odlučivanju i upravljanju. Počela se razvijati kada su poduzeća automatizirala svoje poslovne procese. Različiti transakcijski sustavi su se pokazali kao vrlo kvalitetni generatori velikih količina podataka, te dolazi do tzv. eksplozije podataka. Nastaju nove baze podataka, ali se do njih nije moglo brzo i jednostavno pristupiti pa se nisu niti upotrebljavale. Kako je rasla svijest o koristi informacija, razvijala se poslovna inteligencija. Poslovna inteligencija je skup metodologija i softverskih alata koji omogućavaju korištenje podataka iz skladišta podataka i njihovo pretvaranje u informaciju potrebnu za donošenje poslovnih odluka. Poslovna inteligencija je inteligentno upravljanje poduzećem. Vrlo često se koristi i kao termin za označavanje kompjuterske podrške odlučivanju u tvrtkama, iako je on puno više. S tehničke strane, poslovna inteligencija je proces kojim se sirovi podaci pretvaraju u informacije. Te informacije se zatim analiziraju i koriste u procesu odlučivanja u poduzeću. Dobar sustav poslovne inteligencije prikuplja informacije iz svih dijelova tvrtke, analizira, priprema posebna izvješća te ih šalje ljudima koji ih trebaju. Na taj način, svaki pojedinac dobiva informacije skrojene prema njegovim potrebama.

Sustavi

poslovne inteligencije su izvorno bili namijenjeni donositeljima odluke na najvišoj razini, menadžerima. Međutim u suvremenim poduzećima, odlučuju svi. To znači da je informacija i znanje potrebno svima. Danas je poslovna inteligencija u donošenju poslovnih odluka nezamjenjiv koncept. Sustav poslovne inteligencije je takav sustav koji čuva informacije i znanje o konkurenciji,

kupcima,

dobavljačima,

procesima.

On

omogućava

poslovno

pregovaranje i brojčano argumentirani nastup prema kupcima i dobavljačima, kvalitetno operativno planiranje, praćenje ponašanja konkurencije, promatranje pojedinih tržišnih

36

segmenata te predviđanje budućih pojava. Također, sustav poslovne inteligencije nudi bolje razumijevanje vlastitih kupaca i spoznaju što ih potiče na određeno ponašanje.36 Koncept poslovne inteligencija je stvaranje kvalitetnijih informacija, te mogućnost pristupa samo određenim, potrebnim informacijama. Ukoliko se poslovna inteligencija primjeni kvalitetno, smanjiti će se količina nepotrebnih informacija, te povećati kvaliteta informacija. Sustav poslovna inteligencije ima za cilj iz podataka koje je tvrtka prikupila stvoriti informacije. Te informacije bi trebale postati znanje. Znanje čine organizirane informacije koje se mogu koristiti za stvaranje novih značenja i podataka. Znanje je ljudska sposobnost poduzeti učinkovite postupke u raznolikim i neizvjesnim situacijama. Podatak je bazna razina, informacija dodaje kontekst, a spoznaja kako koristiti informacije predstavlja znanje. Da bi informacije postale znanje, one se moraju transformirati: razmatranjem, usporedbom, povezivanjem i uzročno-posljedičnom vezom. "Koncept poslovne inteligencije temelji se na sljedećim zamislima: - generiranje boljih i kvalitetnijih informacija i znanja za donošenje poslovnih odluka; - poslovna inteligencija pruža korisnicima samo one informacije koje su im potrebne ali u pravo vrijeme i iskazane na način koji donositelju odluka najviše odgovara; - ispravno

korištenje

koncepta

poslovne

inteligencije

će

smanjiti

količinu

informacija kojoj je menadžment izložen istovremeno im povećavajući kvalitetu."37 U nastavku je prikaz sheme funkcioniranja sustava poslovne inteligencije.

36 37

http://hr.wikipedia.org/wiki/Poslovna_inteligencija (24.02.2009.) Panian, Ž., Klepac, G.: Poslovna inteligencija, Masmedia, Zagreb, 2003., str. 25.

37

Slika 9. Sustav poslovne inteligencije

Izvor: www.ventex.hr/baza/slike/panorama3.jpg38

Znači, iz različitih izvora podataka se pomoću ETL procesa podaci prebacuju u skladišta podataka (o ovome više u dijelu o skladištu podataka). Sustavi poslovne inteligencije nude menadžerima razne informacije dobivene iz podataka pohranjenih u skladištima podataka omogućujući pritom analize, izvještavanje i monitoring poslovanja. "Sustav poslovne inteligencije nudi: - prikupljanje podataka - izdvajanje informacija iz tekstualnih izvora, baza podataka, medijskih datoteka i Web stranica; - analizu podataka - sintetiziranje korisnih informacija koristeći analitičke tehnike i tehnike prekopavanja podataka; - objektivizaciju - povezivanje korisnih činjenica i ignoriranje nevažnih informacija; - procjenu rizika - prepoznavanje odgovarajućih odluka ili smjerova djelovanja, odmjeravajući rizike i dobiti te - potporu odlučivanju - koristiti aplikacije i alate za donošenje odluka i utvrđivanje strategije."39

38 39

www.ventex.hr/baza/slike/panorama3.jpg (28.12.2008.) http://www.trend.hr/clanak.aspx?BrojID=43&KatID=5&ClanakID=504 (04.04.2009.)

38

5.1.

RAZLOZI UVOĐENJA POSLOVNE INTELIGENCIJE

Promjenjiva okolina, razvoj informacijskih tehnologija, novi i zahtjevniji potrošači, veliki značaj informacija su samo neki od razloga zašto je koncept poslovne inteligencije postao gotovo nezaobilazna tema današnjice. Implementacijom sustava poslovne inteligencije i njegovih alata organizacije očekuju bolju prilagodbu tržišnim uvjetima, veću konkurentnost i posljedično poboljšanje rezultata temeljnih ekonomskih pokazatelja. Glavna prednost sustava poslovne inteligencije je pružanje mogućnosti tvrtkama da brzo pohranjuju podatke, pristupaju im te ih modeliraju, zatim analiziraju velike količine informacija dobivene iz vanjskih ili unutarnjih izvora. Osnovni razlog za uvođenje sustava poslovne inteligencije je taj što poduzeće mora znati svoje dobre i loše strane. Mora uvažavati ponašanje i želje kupaca. Deset razloga za uvođenje sustava poslovne inteligencije: 1.

Okolina nije više statična. Ponuda proizvoda i usluga je ogromna, konkurencija

je velika. Istraživanja pokazuju da danas ponuda roba i usluga barem 30% nadmašuje potražnju. Tržišta su zasićena. Nove okolnosti traže nova rješenja, novi izazovi nove napore. Prošla su vremena kada je bilo dovoljno proizvesti robu ili uslugu. 2.

Globalizacijom tržišta, razvojem distribucijskih kanala, “uplitanjem” interneta u

svaku poru gospodarstva, stvari su se promijenile. Sada su kupac i prodavač na udaljenosti jednog klika mišem. Danas su poduzeća pretrpana podacima, dok s druge strane, postoji nedostatak korisnih informacija. Da bi se smanjio raskorak između količine raspoloživih podataka i informacija, potrebno je definirati procese prikupljanja podataka i njihovu “preradu” u informacije. Vrijeme reakcije na podražaje iz okoline treba skratiti! 3.

Resursi su uvijek ograničeni. Vrijeme kao najvažniji čimbenik gotovo uvijek je

presudno. Kako treba djelovati da bismo s najmanje napora riješili najveće probleme? 4.

Dekompozicija lanca vrijednosti (nabava, skladištenje, proizvodnja, prodaja,

postprodajne aktivnosti) omogućava pravilnu upotrebu efekta poluge. Osim toga ona

39

nam omogućava pronalaženje fundamentalnih rješenja za postojeće probleme, a ne ublažavanje simptoma. Obično je efekt poluge najveći u prodaji. 5.

Nalaženje novih kupaca je deset puta skuplje nego zadržavanje postojećih. Ako

poduzeće uspije smanjiti odlazak kupaca konkurenciji za 5%, može udvostručiti svoju zaradu. 6.

Velika opasnost poduzeću prijeti od pritajenog nezadovoljstva kupaca. Samo 4%

nezadovoljnih kupaca izravno se žali na lošu kvalitetu proizvoda ili usluga. Gotovo 90% kupaca koji nisu zadovoljni kvalitetom proizvoda, izbjegavat će taj proizvod. Svaki od nezadovoljnih kupaca obavijestit će drugih deset do dvadeset osoba! 7.

Kupci odlaze jer su nezadovoljni, iako se nikada nisu žalili. Kupac koji

kompaniju napusti, više se ne vraća. 8.

Kupci (uz zaposlenike i njihovo znanje) predstavljaju najveću vrijednost koju

poduzeće posjeduje. Kako ih zadržati? Stabilni odnosi s kupcima ključ su dugoročne uspješnosti poduzeća. 9.

Osiguranje i održavanje likvidnosti operativni je upravljački problem. Rješenja

ovog problema izravno utječu na upravljanje poslovnim rezultatom. Da bi se ovladalo ovim operativnim problemima treba poznavati svoje kupce, dobavljače, procese i veze medu njima. 10.

Da bi cijeli ciklus operativnog kontrolinga (prikupljanje podataka, planiranje,

analiza i kontrola te upravljanje ) u poduzeću funkcionirao, treba imati informacijsku infrastrukturu. U današnjem društvu informacija postaje najvažniji resurs. Upravo zahvaljujući poslovnoj inteligenciji rukovodstvo tvrtke ima pristup točno onim informacijama koje im trebaju. Sustavi poslovne inteligencije omogućavaju proaktivan način vođenja poduzeća, što znači da se može predvidjeti budućnost, izraditi nekoliko scenarija i biti pripremljen za svaku situaciju. Najveći problem je kako pretvoriti informaciju u znanje. Danas se poduzeće vodi na osnovi znanja o konkurenciji, kupcima, dobavljačima, procesima. Slobodno možemo reći kako je poslovna inteligencija proizvodnja znanja, koje je osnovica za donošenje poslovnih odluka. U tom smislu govorimo o sustavima upravljanim znanjem.

40

"Koje koristi tvrtka ima od sustava poslovne inteligencije? - Predviđanje i upravljanje rizicima - Spoznaja internih prilika i prijetnji - Prepoznavanje isplativih tržišnih niša - Uviđanje snaga i slabosti konkurencije - Poboljšanje procesa planiranja i donošenja važnih odluka - Poduzimanje akcija prije nego što ih poduzme konkurencija."40 Sustavi poslovne inteligencije mogu poslovodstvu tvrtke uvelike pomoći upravljati tvrtkom, ali nikada ne mogu zamijeniti čovjeka.

5.2.

ALATI POSLOVNE INTELIGENCIJE

Uvjet za uspješno izvođenje novih ili prikrivenih znanja iz rutinski prikupljanih poslovnih podataka jest primjena informacijske i, posebice, internetske tehnologije uz uporabu odgovarajućih logičko/računskih metoda i softverskih alata. Alatima poslovne inteligencije mogu se smatrati razne aplikativne programske podrške stvorene za izvještavanje, analizu i prezentaciju podataka, a dijelimo ih na: • Alati za upite (eng. Query Tools) - omogućuju korisnicima postavljanje upita o matricama ili detaljima u podacima • Alati za rudarenje podataka pomoću kojih se provodi automatsko pretraživanje zakonitosti među podacima. • OLAP (eng. Online Analytical Processing). Ovaj softver omogućuje korisnicima pogled u podatke s različitih aspekata i dimenzija. OLAP kocka je struktura podataka koja omogućuje brzu analizu podataka. Rudarenje podataka je proces kojim se žele pronaći zakonitosti među podacima, a sa ciljem otkrivanja znanja među velikim količinama podataka. Razvoj informacijske tehnologije bitno doprinosi lakšem organiziranju podataka, ali te velike količine

40

http://portal.ludbreg.hr/kolumne/show.asp?kol=39 (03.06.2008.)

41

podataka su neupotrebljive ukoliko se isti ne pretvore u informacije i znanje. Baze podataka u tvrtkama mogu biti ogromne i bogate podacima, a da su ujedno siromašne informacijama. Rudarenje podataka otkriva informacije i znanje koji se nalaze u tim podacima te tako pridonosi procesu donošenju odluka. OLAP (eng. Online analytical processing) se može prevesti kao mrežna analitička obrada podataka. To je tehnologija koja se koristi za organiziranje velikih poslovnih baza podataka i pružanje podrške u poslovnom odlučivanju. Može se još definirati i kao skupina alata za izvođenje znanja iz podataka. OLAP baze podataka podijeljene su u jednu ili više kocki, a svaku od kocki je administrator kocke organizirao i dizajnirao kako bi bila prilagođena za dohvaćanje i analizu podataka čime je olakšano stvaranje i korištenje potrebnih izvještaja zaokretnih tablica i izvještaja zaokretnih grafikona. OLAP alati zasnivaju se na multidimenzijskoj analizi, što znači da se podaci mogu istovremeno promatrati kroz veći broj filtera tj. dimenzija. Jednostavno rečeno, OLAP alati su skup operacija na dimenzijskom modelu podataka, a osnovne operacije su rotacija, selektiranje, detaljiziranje, agregiranje. Označava brz, konzistentan i interaktivan pristup i manipulaciju podacima. Njegovi

korisnici

ne

trebaju

biti

posebno obrazovani niti obučeni kao analitičari kako bi ga uspješno koristili. U Hrvatskoj manji broj menadžera koristi metode poslovne inteligencije, a jedan od glavnih razloga jest taj što nisu s tim pojmom dovoljno upoznati. Takve tvrtke se ne mogu kvalitetno boriti na tržištima gdje ostali konkurenti raspolažu i koriste se većim brojem relevantnih informacija. Da bi tvrtke bile konkurentnije na svjetskom tržištu, da bi uopće opstale potrebno je educirati i menadžere i ostale zaposlenika o važnosti pravodobnih informacija te donošenju odluka na temelju točnih informacija kojima se može pristupiti u bilo kojem trenutku. Temeljem svega navedenog može se zaključiti da je poslovna inteligencija jedan koncept kojima tvrtke mogu unaprijediti svoje poslovanje, i to zbog sljedećih svojih značajki:

42

•

To je proces prikupljanja podataka koji se nakon odgovarajuće obrade pretvaraju u informacije i konačno znanje.

•

Usmjeren je na informacije temeljem kojih se mogu antipicipirati budući procesi, događaji, akcije ili kretanja.

•

To je instrument koji ima potpunu ulogu u procesu donošenja odluka.

5.3. KORISNICI ALATA POSLOVNE INTELIGENCIJE U HRVATSKOJ Važnost sustava poslovne inteligencije su uvidjele i hrvatske tvrtke. Sustavi poslovne inteligencije koji se mogu nabaviti u Hrvatskoj su: Cognos, Oracle, Bussines Objects, Sap, Panorama, SoftPro. Sap itd. Hrvatske tvrtke koje koriste Cognos su: - sve kompanije unutar koncerna Agrokor - Kraš - Dukat - PBZ Card - Tisak - Raiffeisen Bank - Nexe Grupa - Podravska banka -... Oracle koriste: − Atlantic grupa − Croatia Osiguranje − Croatia banka − ... Business Objects koriste: - Zagrebačka banka - T-mobile 43

- Dalekovod - Croatia airlines - AWT International -... SAP koriste: - Pliva - Podravka - Getro - ... Panoramu koriste: - M san grupa - Hypo Group - Slavonska banka -... SoftPro koriste: -

Magma DD., Zagreb

-

Medika DD., Zagreb

-

FINA, Zagreb

-

Bavaria pivo, Zagreb

-

...41

41

A. Luetić: Primjena koncepta "poslovna inteligencija" u procesu strategijskog i financijskog upravljanja : magistarski rad; Ekonomski fakultet, Split, 2008. str. 142

44

6. SKLADIŠTA PODATAKA Važan koncept sustava za potporu odlučivanju je skladištenje podataka. Sustavi za potporu odlučivanju i sustavi poslovne inteligencije temelje se na skladištenju podataka. "Skladištenje podataka je postupak izdvajanja podatka iz operativnih (transakcijskih) baza podataka i ostalih izvora podataka, i njihovo pohranjivanje u dimenzijsku organizaciju baze podataka nazvanu skladište podataka namjenjeno analizi podataka postupcima analitičke obrade."42 Usmjereno je na pravovremeno dobivanje informacija. Veliki broj poslovnih događaja rezultira i velikom količinom podataka koji se moraju negdje spremiti. Ti se podaci najčešće spremaju u operativnim bazama podataka koji pokazuju najnovije, stvarno stanje poslovanja. Izvještaji koji se dobivaju iz takvih baza najčešće su na velikom broju stranica, izrada traje dugo, a dobivaju se selektiranim prepisivanjem potrebnih podataka. S druge strane, skladišta podataka posjeduju veliku količinu povijesnih podataka koje sadrže znanje. Baza podataka je skup podataka nekog informacijskog sustava. U bazi podataka podaci su složeni na način da najučinkovitije poslužuju transakcijsku obradu podataka. Nakon što se obavi transakcijska obrada podataka ti podaci služe samo za izradu izvještaja. Nakon nekog vremena ti podaci se arhiviraju. Podaci u skladištima podataka se organiziraju dimenzijski (prema vremenu, prema organizacijskoj jedinici itd.) i po tome se razlikuje od strukture podataka u bazi podataka. Odvajanjem baze i skladišta podataka dobiva se učinkovitost transakcijske obrade u bazi podataka, a u skladištu podataka ostvaruje se učinkovitost dobre analitičke obrade. Znači, analitička obrada podataka se organizira u skladištima podataka. Analitička obrada podataka je vrlo bitna kada je menadžeru potrebna određena analiza i to u vrlo kratkom roku. Do podataka koji su arhivirani i smješteni u skladište podataka, menadžer može doći u vrlo kratkom roku koristeći sustav za potporu odlučivanju.

42

M. Varga; K. Ćurko i suradnici: Informatika u poslovanju, Element, Zagreb, 2007. str. 201

45

Slika 10. prikazuje vezu sustava za obradu transakcija i sustava potpore odlučivanju koja se ostvaruje transformacijom operativnih podataka iz baze podataka u povijesne podatke u skladištu podataka. Slika 10.Veze sustava za obradu transakcija i sustava potpore odlučivanju

43

Izvor: http://efzg.globalnet.hr/UserDocsImages/INF/Ceric/itup_knjiga/skladista_podataka.pdf

"Primarne funkcije skladišta podataka su : 1. skladište je odraz poslovnih pravila što se primjenjuju kod donošenja strateških odluka 2. skladište predstavlja točku u kojoj se skupljaju podaci koji će poslužiti za stvaranje integriranih, predmetno orijentiranih informacija 3. skladište je “muzej” strateških informacija čija se povijest može povezati s podacima i odnosima među njima, 4. skladište je izvor informacija koje se izvode iz spremišta podataka (eng. Data Mars). Spremišta se koriste za analitičke obrade, data mining, ili postavljanje upita."44 Kojim bi zahtjevima tvrtke trebalo udovoljiti skladište podataka? Skladišta podataka moraju sadržavati veliku količinu detaljnih podataka onog što se događa u tvrtci i njezinoj okolini, a vezano je uz poslovanje tvrtke. Podaci moraju biti redovno ažurirani da bi se uvijek imali najnoviji podaci. Mjesečno i/ili tjedno ažuriranje više nije dovoljno. Ažuriranje treba biti na dnevnoj osnovi da bi se moglo promptno reagirati.

43 44

http://efzg.globalnet.hr/UserDocsImages/INF/Ceric/itup_knjiga/skladista_podataka.pdf (02.03.2009.) Ž. Panian, G. Klepac: op.cit. str. 84

46

Skladište podataka mora služiti što većem broju ljudi, kako menadžerima, tako i zaposlenicima. Skladište podataka treba podacima potpuno pokriti jedno ili više poslovnih područja. Podaci trebaju biti sveobuhvatni, tj. integrirani od strane i unutarnjih i vanjskih podataka. Podaci moraju obuhvatiti dulje vremensko razdoblje zbog analiza.

6.1. FUNKCIONIRANJE SKLADIŠTA PODATAKA Kako podaci dospijevaju u skladište podataka? Podaci sačuvani u bazi podataka (jednoj ili više) se pomoću ETL procesa prebacuju u skladišta podataka. "ETL proces je naziv za proces prijenosa podataka iz transakcijskih sustava podataka u skladište podataka i nezaobilazna karika izgradnje dobrog Business Intelligence sustava. Naziv dolazi od kratica engleskih riječi extract, transform, load. Prilikom prijenosa potrebno je iz mnoštva podataka u transakcijskom sustavu izdvojiti (extract) one koji su interesantni za pohranu u skladište podataka. Te podatke je potrebno na odgovarajući način pročistiti, uobličiti i reorganizirati (transform). Podaci u skladištu moraju biti organizirani tako da omogućuju brz i jednostavan dohvat. Pri prijenosu je potrebno izvršiti konsolidiranje i pročišćavanje podataka koji mogu doći iz raznih izvora."45 Slika 11. ETL procesi procesu skladištenja podataka

E Transakcijske baze podataka

T

L

ETL procesi

skladište Podataka

Izvještaji poslovne inteligencije

Izvor: Ante Luetić: Primjena koncepta „poslovne inteligencije“ u procesu strategijskog i financijskog upravljanja, magistarski rad46

45

http://www.alfatec.hr/pojmovnik_list.asp#4 (24.02.2009.) Ante Luetić: Primjena koncepta „poslovne inteligencije“ u procesu strategijskog i financijskog upravljanja, magistarski rad/ Ekonomski Fakultet, Split, 2088, str. 83 46

47

Znači, podaci iz različitih izvora i baza podataka će se izdvojiti i preoblikovati, te takvim podacima puniti skladište podataka. Kvalitetno izrađeno skladište podataka je bitan preduvjet za učinkovitu primjenu koncepta poslovne inteligencije i korištenje sustava poslovne inteligencije. Implementacijom skladišta podataka omogućeno je prikupljanje podataka iz različitih izvora (različitih transakcijskih sustava, Excel tablica, ...) u jedan izvor, zatim njihovo čišćenje, konsolidacija,

pohranjivanje kroz dulje

vremensko razdoblje te brži dostup podacima. Veze sustava za obradu transakcija i sustava potpore odlučivanju ostvaruju se transformacijom operativnih podataka iz baze podataka u povijesne podatke u skladištu podataka. Podaci poslovnog procesa prikupljaju se raznim transakcijama sustava za obradu transakcija. Oni ulaze u bazu podataka, te čine unutarnje (operativne) podatke. Obradom tih podataka nastaju podaci za upravljanje poslovnim procesom. Istovremeno, unutarnji se podaci prenose u skladište podataka i s vremenom postaju povijesnim podacima, jer opisuju pojave poslovnog procesa iz prethodnih razdoblja. Podaci se u skladišta podataka unose iz različitih baza podataka u tvrtci, a organiziraju se prema kriteriju vremena jer je najpogodniji za analize. Prijenos velikog broja podataka iz raznih baza u skladište podataka vrši se pomoću, već objašnjenih, ETL procesa. Tako uskladišteni podaci se mogu analizirati i modelirati ne bi li se dobile informacije potrebne za tako bitno poslovno odlučivanje. Pomoću izvještavanja, OLAP-a i rudarenja podataka nastaju različiti ad hoc izvještaji, posebni i dubinski izvještaji. Poslovodstvo tvrtke će takve izvještaje dobiti kada je za istima najveća potreba, te će na taj način moći efikasno upravljati tvrtkom. Bez podataka spremljenih u skladište podataka do potrebnih informacije bi poslovodstvo tvrtke dolazilo daleko sporije, a ujedno bi i izrada izvještaja trajale puno duže.

Iz ove te prethodno navedenih spoznaja može se utvrditi uska povezanost

skladišta podataka, sustava za potporu odlučivanju te poslovne inteligencije.

48

6.2. RAZINE ANALIZE PODATAKA U SKLADIŠTIMA PODATAKA Podaci spremljeni u skladišta podataka mogu se kasnije analizirati i modelirati, te se od njih mogu dobiti korisne informacije i otkrivati znanje47 iz podatka. Radnici sa znanjem analiziraju podatke, izrađuju izvještaje, razmjenjuju mišljenja, pregovaraju i na kraju donose odluke. Razine analize podataka u skladištu su: 1. generiranje statičnih izvještaja 2. OLAP (On-line analytical processing) 3. rudarenje (kopanje) podataka (Data mining) Ukoliko su menadžeru potrebni isključivo izvještaji u tabličnom ili grafičkom formatu, dovoljan alat su generatori izvještaja (npr. Microsoft Crystal Reports ili Oracle Reports), koji jednostavno iz baze prikazuju podatke filtrirane, sortirane ili sumirane po zadanim kriterijima. OLAP alati (On-Line Analytical Processing, što se može prevesti kao "online analitička obrada") su skupina alata za izvođenje znanja iz skladišta podataka. OLAP baze podataka organizirane su tako da su prilagođene za dohvat i analizu podataka čime je olakšano stvaranje potrebnih izvještaja. OLAP se zasniva na multidimenzijskoj analizi podataka (gledanje podataka kroz veći broj filtara, odnosno dimenzija). Omogućuje obavljanje vrlo brzih analiza – korisnici postavljaju pitanja (upite) i dobivaju odgovore (izvještaje) u vrlo kratkom vremenu. Za prikaz podataka OLAP najčešće koristi trodimenzionalne ili višedimenzionalne kocke. "Snaga OLAP-a proizlazi iz mogućnosti strukturiranja podataka na način sukladan načinu na koji ljudi prirodno analiziraju pojave i procese. Najvažnije među tim strukturama su dimenzije i hijerarhija podataka."48 Dimenzija predstavlja neku logičnu

47

Otkrivanje znanja iz baza podataka je istraživanje i analiza velikih količina podataka pomoću automatskih ili poluautomatskih metoda s ciljem otkrivanja smislenih pravilnosti. 48 Ž. Panian, G. Klepac, op.cit.; str. 238

49

cjelinu unutar kocke, npr. proizvod, a hijerarhija je način gledanja na elemente dimenzije, npr. unutar dimenzije proizvod prema zemlji porijekla. OLAP alat sastoji se od OLAP poslužitelja (servera) koji se nalazi između korisnika i skladišta podataka te omogućuje pohranjivanje podataka u obliku višedimenzijskih modela, te OLAP klijenta koji omogućuje korisniku postavljanje upita na podacima iz kocki i tablica, te dobivanje grafičkih i tabličnih izvještaja. OLAP server omogućuje kreiranje "kocki",

dok OLAP klijenti omogućuju različite analize na tim istim

kockama. Temeljni element višedimenzionalne OLAP-navigacije su kocke podataka (Cubes). Svaka strana kocke pritom prikazuje jednu dimenziju. "Rudarenje podataka (Data Mining) predstavlja BI (Business Intelligence) metodologiju koja pruža uvid u 'skrivene' podatke o poslovanju čime se poboljšava proces donošenja strateških poslovnih odluka temeljen na jasnoj i razumljivoj interpretaciji postojećih rezultata. Rudarenjem podataka dolazi se do logičnosti u podacima, odnosno otkrivanja odnosa, pravilnosti, zakonitosti i ostalih struktura među podacima."49 Cilj rudarenja podataka je stjecanje znanja na temelju velikog broja postojećih podataka u bazama podatka. Rudarenje podatka je ustvari, automatizirano traženje i izvlačenje skrivenih podatka (npr. iz skladišta podataka) koji mogu pružiti uvid u buduća kretanja. Npr. analiziraju se navike potrošača da bi se moglo pretpostaviti kako će reagirati na novi proizvod. Najčešće, rudarenje podataka je korak u procesu donošenja novih odluka. Iz skladišta podataka se odabiru određeni podaci i to korištenjem dimenzija u kockama koje se mogu iskoristiti sa ciljem pretprocesiranja podataka koji nakon toga ulaze u analitičke metode rudarenja podataka. Podaci se transformiraju

i izvlače, te se dobivaju

informacije koje su potrebne za donošenje odluka. Nakon toga se može pristupiti kvalitetnom donošenju odluke. Slika 12. prikazuje korake rudarenja podataka

49

http://www.bitart.hr/DataMining.aspx?lng=cro (15.06.2008.)

50

Slika 12 . Koraci rudarenja podataka

PODACI

PODACI

Izdvođenje podataka

BAZA PODATAKA ZA RUDARENJE

Čišćenje podataka i punjenje u bazu podataka za rudarenje

TABLICA

Transformacija podatka

Otkrivanje uzoraka u podacima

Vizualizacija podataka i tumačenje rezultata

Izvor: http://www.dwreview.com/Data_mining/DM_models.html 50

Uspješnost primjene metoda i alata rudarenja podataka ovisi o stručnosti i poslovnoj kompetenciji osoba koje tumače rezultate. Znači, te metode nam neće ponuditi rješenje problema, već je potrebno da osoba koja radi analizu uz pomoć dobivenih podataka i rezultata sama donese odluku.

6.3. DIMENZIJE I "KOCKE" Skladište podataka modelira se prema načelima dimenzionalnog modeliranja, tako da se cijeli sustav podijeli na poslovne procese ili teme (npr. prodaja), te dimenzije kojima se opisuje taj poslovni proces (npr. datum, kupac, proizvod, prodajno mjesto i slično.). Dimenzija je obilježje kroz koju se prati poslovanje (proizvod, vrijeme, regija...). Omogućuju analizu podataka te odgovaraju na pitanja poput kada, što, gdje, kako. Ukoliko se analiza vrši putem dimenzija npr. vrijeme, proizvod, tržište grafički se to može prikazati pomoću kocke. Naziv kocka je ustvari metafora, i uzima se samo uvjetno. Dimenzija, naravno može biti i puno više.

50

http://www.dwreview.com/Data_mining/DM_models.html (25.03.2009.)

51

Slika 13. Trodimenzionalna kocka – prodaja bezalkoholnih napitaka po mjesecima i prodavaonicama

Izvor: M. Varga; K. Ćurko i suradnici: Informatika u poslovanju, Element, Zagreb, 2007, str. 204 51

Na slici 13. prikazan je primjer trodimenzionalne interaktivne kocke gdje jedna dimenzija predstavlja vrijeme, druga proizvod, a treća prodajna mjesta. Kocka predstavlja interaktivni pristup matičnim podacima tvrtke koji su grupirani u više nivoa unutar dimenzija, te brojčanim podacima (mjerama). Kocke su hijerarhijski rađene što znači da se u okviru jedne dimenzije pojava može pratiti detaljizirano (analitički) ili agregirano (sintetički), što odgovara svim razinama odlučivanja. Prednost kocki nad statičnim izvještajima jest taj što kocke omogućuju korisniku filtriranje podataka koji su mu potrebni, dok statični izvještaji uz potrebne informacije sadrže i podatke koje korisnik neće koristiti. Skladištenje podataka je proces koji ne završava inicijalnim učitavanjem podataka, već se osvježava novim podacima u više ili manje pravilnim vremenskim intervalima (npr. svaki dan, tjedan, mjesec). Iz toga slijedi da je skladištenje podataka kontinuiran i dugotrajan proces. 51

M. Varga; K. Ćurko i suradnici: Informatika u poslovanju, Element, Zagreb, 2007, str. 204

52

7. RJEŠENJE POSLOVNE INTELIGENCIJE I

SUSTAV ZA

POTPORU ODLUČIVANJU COGNOS

7.1.

TEORIJSKE ZNAČAJKE ALATA POSLOVNE INTELIGENCIJE COGNOS

Cognos Inc. je tvrtka (dio IBM-a) koja prodaje softver za poslovnu inteligenciju i upravljanje poslovnim rezultatom. Osim toga, "Cognos je uređaj koji brzo i vidljivo istražuje analitičke mogućnosti baze podataka poduzeća. Tražene informacije mogu se dobiti iz različitih baza: baza podataka poduzeća, skladišta podataka ili vanjskih sustava."52 To je sustav skladištenja podataka i sustav poslovne inteligencije, te omogućuje upravljanje učinkom poduzeća. Koristi se za poslovno izvještavanje. Cognosovi alati nisu vezani uz jednu vrstu baze podataka: oni kao izvor mogu koristiti praktički sve komercijalne baze podataka. Iz tih baza podataka dolaze informacije potrebne menadžerima kod donošenja odluka, što na kraju dovodi do efikasnijeg poslovanja tvrtke. Rukovodstvo ima pristup podacima iz različitih izvora te pomoću različitih metoda dolaze do informacija i znanja koji mogu rezultirati odlukama trenutno ili dugoročno najboljim u tvrtci. Cilj korištenja Cognosa i sličnih sustava je opstanak tvrtke u novim uvjetima poslovanja: nesigurno tržište, jaka i brojna konkurencija, zahtjevni kupci... Znanje i informacije prikupljene iz podataka do kojih je menadžer došao zahvaljujući Cognosu smanjiti će nesigurnost kod donošenja odluka. Naravno da su znanje i kompetencije osoba koje donose odluke, pogotovo strateške jako bitne, a iskustveno znanje menadžera zajedno s informacija dobivenim pomoću Cognosa mogu se postići bolji rezultati nego odlučivanje isključivo na bazi intuicije i iskustva. Upravo tako nastaje i znanje koje će koristiti opet u daljnjem poslovanju.

52

http://gordon-webster.hr/?contentid=53 (10.03.2009.)

53

Glavne osobine Cognos platforme su: •

Centralizirano upravljanje poslovnim procesima planiranja na svima razinama u poduzeću.

•

Jednoznačno definirano vlasništvo nad podacima u procesu planiranja.

•

Parametrizacija svih ključnih mjera u planiranju i na taj način osiguranje visokog stupnja neovisnosti odjela plana i analize od odjela informatike.

•

Ugradnja poslovne logike i metodologije planiranja u sustav, čime se postiže maksimalna automatizacija procesa.

•

Mehanizam hijerarhijskih odobravanja planskih vrijednosti.

•

Prikupljanje podataka plana putem Web sučelja, koji se automatski konsolidiraju.

•

Eliminacija grešaka koje nastaju korištenjem Excela.

"Cognos sadrži sljedeće alate: •

IBM Cognos 8 BI

•

IBM Cognos Now!

•

IBM Cognos 8 Planning

•

IBM Cognos TM1

•

IBM Cognos 8 Controller

•

IBM Cognos 8 Workforce Performance."53

Detaljno o svim alatima se može naći na stranici www.cognos.com. U ovom radu se razmatra Ibm Cognos 8 BI kao alat poslovne inteligencije i potpore odlučivanju.

7.1.1. SUSTAV POSLOVNE INTELIGENCIJE COGNOS Sustav poslovne inteligencije i potpore odlučivanju Cognos (u nastavku Cognos) omogućuje sustavno prikupljanje, analizu i prezentaciju velike količine (prometnih) podataka koji se stvaraju tijekom poslovanja. Prikupljanje, čišćenje i konsolidacija istovrsnih podataka iz različitih poslovnih i informacijskih sustava, koji su pri tome

53

http://www.cognos.com/products/ (12.01.2009.)

54

mogu biti i zemljopisno razvedeni, predstavlja početak stvaranja podloga za jednoznačno komuniciranje. Najnovija generacija Cognosovih alata (trenutna verzija Cognos 8 zamijenila je PowerPlay,

Impromptu,

ReportNet)

integrira

ad-hoc

upite

i

izvještavanje,

multidimenzionalne analize, balance scorecarding u jednu, web orijentiranu platformu. Cognosa 8 BI nudi svojim korisnicima sljedeće alate: •

izvještavanje

•

multidimenzionalnu analizu (OLAP)

•

nadzornu ploču (dashboards)

•

scorecard (sustav kartica)

Izvještavanje omogućuje pristup različitim izvještajima iz raznih izvora podataka. Izvještaji se u potpunosti mogu slagati putem Interneta. Izvještaji su u pravilu statični, te se prikazuju u formatima poput: Excel, PDF, XML, HTML, i CSV. Ukoliko takav jedan statičan izvještaj prilažemo u Excelu ili CSV-u, tada se mogu raditi daljnje analize, dok format PDF to ne omogućuje. Analiza omogućuje pretraživanje i traženje informacija bez obzira na to gdje je podatak pohranjen. Jedna od prednosti Cognosa je i njegova kompatibilnost sa različitim bazama podataka. Analizirati se mogu svi podaci. Vrše se dubinske analize uspješnosti tvrtke kroz različite dimenzije. Takva analiza podataka dati će odgovor na razna pitanja poput koliko raste ili pada prodaja, kolike su zalihe, koliki je koeficijent obrtaja, kako se kreće profitna stopa itd. Daljnjom detaljnom analizom može se utvrditi i uzrok postojećih problema npr. pada prodaja. Može se analizirati veliki broj kompleksnih podataka koristeći jednostavne metode (koje će biti kasnije objašnjene i navedene).

55

Slika 14. Cognos OLAP report

Izvor: http://OLAPreport.com/purchase/Images/CognosPPWebContrib811.png 54

Nadzorna ploča - dashhboard prikuplja informacije iz različitih izvora i pretvara ih u bogate prezentacije koristeći mape, grafikone i ostale grafičke elemente da bi prikazao višestruke podatke zajedno. Taj način nudi instantan uvid u poslovanje poduzeća te smanjuje vrijeme donošenja odluka.

54

http://OLAPreport.com/purchase/Images/CognosPPWebContrib811.png (12.01.2009.)

56

Slika 15. Primjer Dashboard-a

Izvor: http://www.cognos.com/driversseat/gallery/index.html

55

Postavljenu strategiju tvrtke treba kvantificirati da bi se njezino ostvarenje moglo pratiti. Scorecard (sustav kartica) je sustav kojim se želi opisati strategija poduzeća. Scorecard omogućuje praćenje učinka u odnosu na postavljene ciljeve.

Menadžment mora

definirati ključne pokazatelje poslovanja (KPI). Menadžeri i timovi se upoznaju sa strategijom i ciljevima tvrtke, te njihov radni učinak mora težiti ostvarenju tog cilja. Scorecard prati ostvarenje strategije i prikazuje učinke te ih stavlja u odnos sa ciljem tvrtke. Scorecard nudi mogućnost usporedbe planova s aktualnom situacijom kako bi u svakom trenutku mogli poduzeti prave korake ovisno o situaciji.

55

http://www.cognos.com/driversseat/gallery/index.html (12.01.2009.)

57

Slika 16. Scorecard

Izvor: http://www.cognos.com/products/cognos8businessintelligence/scorecarding.html56

Cognos je inače jednostavan za korištenje. Koristi vrlo jednostavnu "Drag and drop" (prijevod: povuci i spusti) tehnologiju s kojom su upoznati svi korisnici Interneta, a oni koji nisu vrlo lako mogu usvojiti znanje. Navedeni alati poslovodstvu tvrtke prikazuju podatke na jednostavan i zanimljiv način, i omogućuju pravovremenu reakciju na tržišne promjene i ostvarenje zadanih ciljeva tvrtke. Brz uvid u podatke tvrtke, pretvaranje tih podataka u potrebne informacije, prezentacija tih podataka i usporedba ostvarenih ekonomskih pokazatelja s planiranim, u rukama radnika sa znanjem imati će pozitivne posljedice na učinkovitost tvrtke,

56

http://www.cognos.com/products/cognos8businessintelligence/scorecarding.html (12.01.2009.)

58

7.1.2. IZVJEŠTAJI I KOCKE COGNOSA Da bi se Cognos mogao koristiti nije potrebno instalirati program. Cognosu se može pristupati preko različitih preglednika (IE, Mozilla, Opera itd.). Korisnik se po Cognosu kreće pomoću poveznica. Svaka poveznica vodi ka podacima koji su dimenzijski grupirani. Tako npr. poveznica zalihe omogućuje uvid u zalihe po skladištima, te maloprodajnim i veleprodajnim objektima. U biti Cognosom se korisnik kreće kako bi se kretao i po klasičnim internet stranicama. Na web portalu Cognos korisnik (ovlašteni zaposlenik) ima pristup izvještajima i kockama. Svakom izvještaju tj. kocki pristupa se pomoću hiperlinka preko kojeg se ulazi na određen izvještaj ili kocku. Izvještaji su statični i budu u obliku Excela ili PDF-a. Ukoliko su u obliku excela vrlo ih je jednostavno prebaciti u excel tablicu, te dalje dorađivati izvještaj. Prilikom izrade izvještaja, moguće je odabrati specifikacije izvještaja (parametre kao što su datum, odabir artikala, odabir formata prodavaonice i slično.) putem izbornika tzv. prompt-a. Postoji nekoliko vrsta prompt-ova ovisno o tipu podataka i namjeni izvještaja. Unutar samog izvještaja biti će navedeno da li je parametar obavezan ili opcionalan. Postoje također i zavisni promptovi koji se pojavljuju tek nakon što je odabran/postavljen glavni prompt. Kocka je interaktivni pristup matičnim podacima koji su grupirani u više nivoa unutar dimenzija, te brojčanim podacima (mjerama). Kada se pokrene kocka pojavi se sučelje u kojem se otvaraju po pravilu u recima kategorije iz najvišeg nivoa prve dimenzije iz popisa, u stupcima se pojavljuju kategorije iz najvišeg nivoa druge dimenzije iz popisa, a sve je izraženo u mjeri koja je prva na popisu.

59

Slika 17. Korisničko sučelje Cognos kocke

Izvor : http://dessy0105.files.wordpress.com/2007/01/cognos.gif

16.06.2008. 57

Multidimenzijske kocke omogućuju pretraživanje podataka za strateške potrebe, tj. dobivanje agregiranih podataka, ali isto tako omogućuje i analizu za operativne potrebe gdje se traže pojedinačni, detaljni podaci. Znači, za potrebe top menadžmenta mogu se dobiti skupni, agregirani podaci na razini tvrtke, kakvi su top menadžmentu i potrebni, dok se za operativni menadžment mogu dobiti podaci koji su detaljizirani do najmanje moguće mjere (pomoću akcije drill down). Pretraživanja mogu imati različiti fokus, npr. prema prodajnim ciklusima, prošireno na kupce ili gradove, ili prema metodama isporuke. Na početku procesa analitičar kreira sliku (data cube - kocka podataka) o prevladavajućoj bazi, jer se i dinamična promjenjiva okolina može analizirati. Ova kocka je strukturirani i optimizirani skup podataka koji sadržava svaku dimenziju i pogled, u skladu s zadanim postavkama parametara. Podaci koji se analiziraju mogu se

57

http://dessy0105.files.wordpress.com/2007/01/cognos.gif (16.06.2008.)

60

oblikovati kao tablice, dijagrami ili obični brojevi. Oblikovanje se može mijenjati klikom. Kretanje unutar kocki je zaista jednostavno, Nije potrebno učiti nove metode, već se sve odvija jednostavnim klikanjem, na isti način kao što se kreće i Internetom. Slojevi informacija mogu se produbljivati, dolazeći na taj način do osnovnih podataka, prema kojima se mogu kvantificirati trendovi i smjernice. Još jedna prednost dimenzijskih kocki je ta da korisnik može sam raditi kocke tj. složiti ih na sebi prikladan način, sačuvati ih u svom folderu unutar Cognos sučelja, te za ubuduće imati još brži pristup potrebnim podacima. Na taj način će se još više ubrzati proces odlučivanja i poslovanja. Kocke su dinamične i interaktivne. Preko kocki se pristupa matičnim podacima poduzeća koji su grupirani u više nivoa unutar dimenzija, te mjerama. Mjere su poslovni pokazatelji, brojevi, a najčešće su: količina, komadi, kilogrami, nabavna vrijednost, prodajna vrijednost, marža itd. Dimenzije su poslovni aspekti koji omogućuju analizu te odgovaraju na pitanja poput kada, što, gdje , kako. Dimenzije su : prodavaonice, artikli, vrijeme... Kocku prikazujemo tablicom u čijim se stupcima i recima prikazuju mjere i dimenzije. Tablica 1. prikazuje jednu početnu kocku koja se može pojaviti u Cognosu. Tablica 1. Primjer izvještaja agregiranih podataka Prodaja - kilogrami/litre as values

Razdoblje I

Razdobolje II

Razdoblje III

VRIJEME

MALOPRODAJA

500.987.699,74

758.796.755,08

75.987.698,00

896.791.769,92

VELEPRODAJA

252.050.260,23

381.755.719,11

38.229.918,75

178.064.301,19

DROGERIJA

86.695.721,65

131.309.475,86

13.149.640,84

178.064.301,19

PRODAJNA MJESTA

839.733.681,61

1.271.861.950,05

127.367.257,58

1.252.920.372,29

Izvor: izradio autor

Daljnjim razvojem ove kocke i to metodom klikanja , te metodom "drag i drop", možemo izraditi puno detaljniji izvještaj npr: promet samo jedne prodavaonice u određenom mjesecu. Primjeri izrade izvještaji su prikazani u poglavlju 7.2.6. Primjer primjene sustava poslovne inteligencije- izvještaji i analize.

61

7.1.3. IZVORI PODATAKA Cognos najveći broj podataka crpi iz dva druga sustava: Sirena/400 i Ipis. "Transakcijska platforma u Konzumu je AS/400, a ERP sustav se sastoji od financijskog modula Sirena, te logističkog modula Business 400. Podaci u sistemu su ažurni i prilično kvalitetni."

58

As/400 obuhvaća programska rješenja za financijsko i robno

poslovanje s vezama prema sustavima : •

upravljanja skladištem

•

podršku poslovnom odlučivanju

•

obračunu plaća

•

POS rješenjima.

U Sirenu/400 ovlaštene osobe unose podatke poput promjene asortimana, promjene cijena, ulistanje novih artikala i sve ostale podatke koji su nužni za funkcioniranje prodajnih mjesta. Takvi podaci se tijekom noći distribuiraju u prodajna mjesta, te prodavaonice dnevno imaju sve potrebne informacije za rad. Isto tako, tijekom noći se te iste informacije prenose i u Cognos, te korisnik (donositelj odluke) može već sljedeći dan vidjeti sve nastale promjene. Slika 18. As/400 – prijava

Izvor: http://www.as400online.com/images/as400_sign_on.g

58 59

59

www.skladistenje.com (03.03.2009.) http://www.as400online.com/images/as400_sign_on.gif (08.03.2009.)

62

Zaposlenici u prodavaonicama koriste Ipis. "Ipis (Integralni Poslovno Informacijski Sustav) predstavlja aplikativno rješenje modularnog tipa koje se u potpunosti prilagođava uvjetima i načinu poslovanja korisnika bez obzira na veličinu njegove tvrtke. Ipis je naslonjen na jedinstvenu bazu podataka čime je omogućeno funkcionalnije dijeljenje informacija i međusobna komunikacija s ciljem ostvarenja veće produktivnosti rada i uštede vremena."60 Nakon što se zatvore sve prodavaonice podaci tj. svaka prodaja, ulaz robe, povrat robe i slično se skuplja u centralnu bazu podataka koja nadalje te podatke prebacuje u Cognos. Prikupljanjem podataka iz sustava As/400 i sustava Ipis Cognos sadrži sve podatke koji pokazuju poslovanje poduzeća i mogu uputiti korisnika na problem te na potrebu za promjenama.

7.1.4. FUNKCIJE COGNOS KOCKE Cognos kocke sadrže niz funkcija koje olakšavaju istraživanje, kretanje po samim izvještajima, računske operacije i na kraju samu analizu. Cognos olakšava donošenje odluka, na način da omogućuje pretraživanje velikog broja informacija, organizaciju, analizu i transformaciju tih informacija. Korisnicima nudi istraživanje velikog broja informacija pomoću tehnike "drag & drop" (doslovan prijevod: povuci i spusti), te pomoću akcija "drill down" i drill up" koji omogućuju dobivanje detaljnijih informacija ili pak agregiranih informacija. Podatke se također mogu filtrirati te na taj način dobiti izdvojiti samo određene informacije. Sve to dovodi do dobivanja informacija koje trebaju donositelju odluka, a s ciljem olakšavanja i ubrzanja donošenja odluke. Neke od funkcija Cognos kocki su: •

Promjena dimenzije u recima i/ili stupcima

•

Promjena mjere u izvještaju

•

Drill/down i drill up

•

Filtriranje podataka

60

http://www.trend.hr/clanak.aspx?BrojID=22&KatID=5&ClanakID=365 (04.04.2009.)

63

•

Ubacivanje kategorija

•

Chart

•

Skrivanje nepotrebnih podataka

•

Calculation

•

Rank

•

Zero suppression

•

80/20 suppression

•

Odabir kategorija

•

Drill trough

•

Spremanje izvještaja

•

Spremanje promjena u izvještaju

•

Sortiranje podataka

•

Promjena vrijednosti u izvještajima

•

Kreiranje podskupova

•

Custom subset

Većem dijelu ovih funkcija se može pristupiti pomoću ikonica koje se nalaze na alatnoj traci (slika 25). Slika 19. Alatna traka

Izvor: http://OLAPreport.com/purchase/Images/CognosPPWebContrib811.png

Promjena dimenzije u recima i/ili stupcima omogućuje korisniku zamjenu dimenzije pa tako može kategoriju prodavaonice zamijeniti kategorijom artikla, već ovisno o tome kakav izvještaj izrađuje. Promjena mjera u izvještaju olakšava korisniku izradu izvještaje na taj način da vrlo brzo i jednostavno može odabrati mjeru koja mu najbolje odgovara (količina, nabavna vrijednost, prodajna vrijednost itd.). Isto tako, vrlo brzo može zamijeniti mjeru za drugu ili staviti više mjera.

64

Dimenzije možemo detaljizirati ili agregirati uz pomoć funkcija drill down i drill up. Tako kategoriju maloprodaje možemo podijeliti na maloprodaju po regijama i analizirati podatke za određenu regiju (npr. Regija Zapad), za određeni format (npr: supermarketi) i još detaljnije za točno određenu prodavaonicu. Isto se može napraviti i za sve ostale dimenzije: proizvodi, vrijeme, skladišta... Funkcije „drill up“ i „drill down“ su se pokazale vrlo korisnim jer upravo one omogućuje da se Cognosom može služiti kako top menadžment tako i operativna razina menadžmenta. Osim toga, brže i jednostavnije se može utvrditi gdje je problem te se može i anticipirati. Na taj način se ubrzava i olakšava proces odlučivanja. Filtriranje podataka ograničava podatke u izvještaju na neku određenu kategoriju te na taj način omogućava korisniku da istražuje samo informacije koje su mu potrebne. Podaci se mogu filtrirati do najniže dimenzije.

Filtriranje podataka će menadžeru

olakšati posao utoliko što se može orijentirati samo na određeno problematično područje ili na područje za koje je on odgovoran. Ubrzava mu posao jer ne mora pregledavati informacije koje mu trenutno nisu potrebne. Detaljnost u izvještaju može se postići tako da se ubacuju kategorije iz nižeg nivoa dimenzije ili da se ubace kategorije neke druge dimenzije u izvještaj. Funkcija chart omogućuje izradu grafova i grafički prikaz tablica. Skrivanje nepotrebnih podataka će korisniku olakšati posao na način da će mu se u izvještaju prikazati samo podaci koji su mu potrebni tj. dobiti će trenutno potrebne informacije (što i je cilj svakog sustava za potporu odlučivanju). Funkcija calculation će se koristiti u slučaju kada korisnik radi izračune, te umjesto da to čini ručno ili u Excelu, to može učiniti i direktno na kocki te kocku s takvom kalkulacijom sačuvati. Ponuđene su sljedeće opcije: zbrajanje, oduzimanje, množenje, dijeljenje, postotak, zbrajanje s logikom, potenciranje, kumulativ te prognoza. Prognoza

65

se zasniva na podacima iz prošlosti tj. na statističkim analizama povijesnih podataka. Ipak, tu prognozu nije preporučljivo koristiti u svom poslovanju. Funkcija rank rangira kategorije po vrijednostima mjere u izvještaju radi lakšeg uspoređivanja. Npr. mogu se rangirati kupci po prometu, artikli, marže itd. Funkcija zero suppression omogućuje ignoriranje nekih redaka ili stupaca u kojem se pojavljuju samo nule. Korisnik time dobiva koncizniji izvještaj u kojem se lakše snaći. 80/20 suppression isključuje kategorije po pravilu 80/20. Znači, isključuje

one

vrijednosti koje ne donose 80% rezultata, zatim sumira maknute kategorije i prikazuje ih pod nazivom "Other". U principu, ova funkcija izdvaja one vrijednosti koje nose najviše rezultata, npr. one artikle koje donose 80% profita, troškove koji u ukupnim troškovima sudjeluju 80% itd. Kriterij odabira kategorija omogućuje korisnicima da na vrlo jednostavan način odaberu samo pojedine kategorije, umjesto da im se u izvještaju prikažu sve kategorije. Drill trough omogućuje da se iz jedne kocke uđe u drugu, povezanu kocku i dobiju detaljniji podaci. Na odabranoj kategoriji se može kreirati podskup. Kreiranjem podskupa na odabranoj kategoriji se izoliraju, istražuju i analiziraju specifični elementi podataka. Custom subset je izrazito korisna funkcija koju, na žalost, koristi vrlo mali broj korisnika, najčešće iz neznanja. Ta funkcija omogućuje korisniku da vrlo brzo i jednostavno odabere one kategorije, mjere i dimenzije koje želi. Mogu se spajati kategorije iz više i kategorije iz niže dimenzije, različite kategorije, mjere i slično. Zaposlenici tvrtke obavljaju različite poslove pa su im potrebni različiti izvještaji, koji će biti prilagođeni njihovim potrebama. Kada se pokrene kocka pojavi se sučelje u kojem su po pravilu otvorene u recima kategorije iz najvišeg nivoa prve dimenzije iz popisa, a u stupcima se kategorije iz najvišeg nivoa druge dimenzije iz popisa, a sve je

66

izraženo u mjeri koja je prva na popisu.

Korisnici takvu kocku uz pomoć gore

navedenih funkcija mogu prilagoditi svojim potrebama, izraditi specifičan izvještaj, sačuvati ga u svom folderu (My Folders), a takva kocka će se obnavljati redovno kao i sve druge kocke. Podaci u takvoj kocki će se nadopunjavati s najnovijim podacima istovremeno kada se osvježava i početna, osnovna kocka. Korisniku je na taj način posao uvelike olakšan jer ne mora svaki put raditi isti izvještaj, već može samo otvoriti postojeći izvještaj. Podaci se mogu sortirati rastući ili padajući ovisno o potrebama korisnika. Promjena vrijednosti mjera omogućuje da se podaci prikažu brojčano ili u postotku. Prema tome, Cognos kocka daje mogućnost korisniku da pretraživanjem i filtriranjem podataka dođe do velikog broja korisnih i sortiranih informacija kako bi se donijele optimalne odluke. Društvo Konzum d.d. ima iznimno veliki broj artikala, prodavaonica, zaposlenika itd., te samim time u skladištima podataka ima jako puno podataka. Ovdje navedene mogućnosti omogućuje brže kretanje i istraživanje podataka, te brže dolaženje do potrebnih informacija.

67

7.2.

IMPLEMENTACIJA I PRAKTIČNA PRIMJENA ALATA

COGNOS 7.2.1. IMPLEMENTACIJA COGNOSA U DRUŠTVU KONZUM D.D. ASPEKTA POSLOVANJA Društvo Konzum d.d (u nastavku Konzum) je nacionalni maloprodajni lanac u većinskom vlasništvu tvrtke Agrokor. U svom sastavu ima preko 600 prodavaonica u Hrvatskoj, a proširio se i na Bosnu i Hercegovinu te dio Srbije, s tendencijama daljnjeg rasta. Ujedno ima i 14 Velpro centara u Hrvatskoj koji se bave veleprodajom. Unazad par godina Konzum otvara i Kozmo drogerije- prodavaonice proizvoda za ljepotu i zdravlje.

Ima

preko 11.000 zaposlenih. Veliki broj zaposlenika, prodavaonica i

artikala, te dnevno povećanje broja podataka zahtjeva i adekvatan sustav podrške odlučivanju. Konzum ima jako dubok i široki asortiman te veliki broj prodavaonica. Poslovne promjene u trgovini su svakodnevne i velike, dnevno se proda veliki broj različitih artikala, uvode se novi artikli, postojeći se izbacuju, otvaraju se nove prodavaonice, zatvaraju se neprofitabilne prodavaonice itd. Skladišta podataka sadrže tisuće podataka koji se mijenjaju na dnevnoj razini. Prije implementacije Cognosa izvještavanje u Konzumu "se baziralo na izlistima iz transakcijske aplikacije, te na izvještajima o maloprodaji rađenim pomoću Microsoft Accessa"61. Izrada izvještaja je trajala jako dugo, te nije bilo moguće izvještaj izraditi onog trena kada je potreban. Konkurencija je svakim danom bivala sve veća. Konzum se također širio kako brojem prodavaonica i zaposlenih, tako i brojem artikala. Bilo je evidentno da je potreban jedan kvalitetan sustav skladištenja podataka i sustav poslovne inteligencije.

Iznimno velike količine podataka koje se na dnevnoj osnovi i dalje

povećavaju zahtijevale su takav sustav koji će moći adekvatno skladištiti te podatke, a istodobno omogućiti brz pristup tim podacima. Osim toga, prevelika količina podataka

61

www.skladistenje.com (08.03.2009.)

68

može unijeti veliku zbrku, te čak i otežati proces donošenja odluka. Podatke je potrebno kategorizirati, prikazati ih na što je moguće jednostavniji način da bi korisnik sustava brzo i jednostavno mogao doći do informacije. Izlisti iz transkacijske baze podataka to nisu bili u mogućnosti ponuditi, a izrada izvještaja pomoću Microsoft Accessa je zahtijevala puno truda i vremena. Rješenje se pokušalo naći u implementaciji Cognosa – sustava skladištenja podataka i poslovne inteligencije. Ogromna količina podataka koju ima svaki maloprodajni lanac može jako otežati pronalazak tražene informacije. Prije implementacije Cognosa pristup određenim podacima je trajao puno duže,

izrada izvještaja i analiza podataka je bila

kompliciranija. Prvi aspekt koristi je svakako skraćivanje vremena dostupa do informacija i smanjivanje troška jer je često vrlo teško dobiti informacije iz transakcijskih sustava u realnom vremenu. Osim toga, djelatnici koji su prije bili opterećeni repetitivnim i nekreativnim poslom poput pretipkavanja podataka u Access i/ili Excel tablice mogu se baviti svrsishodnijim poslovima. Ti djelatnici se sada mogu posvetiti analiziranju podataka i izradom izvještaja u realnom vremenu, odnosno unapređenju trgovačke mreže. Cognos je Konzumu omogućio brži i jednostavniji pristup podacima što olakšava i ubrzava proces odlučivanja. Menadžeri mogu više svog vremena posvetiti samom odlučivanju, a manje prikupljanju informacija, što rezultira donošenjem kvalitetnijih odluka. Pravovremeno odlučivanje je nužnost koja može ostvariti konkurentsku prednost. Sektor maloprodaje je izrazito kompetitivan, a Konzumu je od vitalne važnosti raditi na postizanju konkurentske prednosti. Cognos će menadžeru dostaviti informacije koje su mu potrebne u pravo vrijeme, te omogućiti detektiranje mogućeg ili postojećeg problema. Podaci se nalaze u skladištima podataka (dobiveni iz različitih izvora), a putem Cognosa menadžer pristupa željenim podacima, pretvarajući ih u informacije i zajedno sa iskustvom menadžera postaju znanje bitno za ostvarenje profita.

69

Prije je vrlo čest

bio slučaj da različiti odjeli imaju različite verzije podataka o

ostvarenim rezultatima, koje su dolazile iz različitih izvora.

Cognos je omogućio

jednoznačnost i veću točnost podataka. Do uvođenja sustava Cognos, informacije o jučerašnjim rezultatima bile su praktično nedostupne. Cognos nudi pravovremenost, što je jedna od najznačajnijih kategorija odlučivanja. Jedna od prednosti Cognosa je automatizirana izrada i distribucija, što znatno smanjuje operativne troškove. S tehničke strane, prednosti su svakako brzina obrade podataka, lak dostup do povijesnih podataka koji su u skladištu, te konzistentnost. Naime, Cognos predočava

korisnicima veliki broj informacija.

Informacije se nalaze na jednom mjestu, te je do njih relativno lako doći. Nije potrebno puno vremena da bi se skupili podaci, do kojih se dolazi vrlo brzo i "ad hoc". Npr. treba nam promet

po prodavaonicama za prethodni dan. Konzum ima preko 600

prodavaonica. Koliko bi trebalo vremena i ljudi kada bi se do potrebne informacije dolazilo primjerice telefonskim putem? Sustav Cognos omogućava da se do potrebnih informacija dođe za par minuta. Znači, proces odlučivanja je ubrzan jer se lakše dolazi do potrebne informacije. Samim time može se više vremena provesti analizirajući podatke i donoseći što kvalitetnije odluke. Poslovna pravila i obračuni (npr. promjena rasta i tržišni udio) mogu biti direktno ugrađeni u kocke, a analize vremenskih serija dobivaju se automatski. Web, Windows i Excel klijenti mogu čitati kocke i izvještaje s istog aplikacijskog servera. Jedna od vrlo bitnih prednosti Cognosa je jednostavnost korištenja. Današnji zaposlenici traže jednostavnost pri korištenju računalnih aplikacija, a Cognos nudi upravo to. Osim toga, to je mrežni portal, te nije potrebno instalirati nikakav program. Maloprodajni lanci se sve više oslanjaju na informacijske sustave da bi poboljšali upravljanje tvrtkom i automatizirali procese. Informacijski sustavi poslovne inteligencije tvrtkama olakšavaju prepoznavanje prilika na tržištu i brzo prilagođavanje novim tržišnim prilikama, što je uvjet ne samo razvitka već i opstanka.

70

Cognosu imaju pristup samo ovlaštene osobe. Za pristup Cognosu svaka ovlaštena osoba ima svoju lozinku te se može prijaviti na centralni sustav samo uz pomoć lozinke, te odgovarajuće

IP adresu. Korisnici

ne smiju

otkriti drugim osobama svoje

korisničko ime i lozinku, IP adresu te telefonske brojeve za modemski ulaz. Slika 22 prikazuje pristup aplikaciji Cognos. Slika 22. Cognos logon

Izvor: http://www.unisa.edu.au/unisareport/images/Cognos%20logon.JPG 62

7.2.2. UČINCI COGNOSA NA KONZUM Cognos zahvaljujući vrlo jednostavnom i brzom pristupu informacija olakšava posao menadžerima i ostalim donositeljima odluka. Pozitivni učinci implementacije Cognosa su sljedeći: •

bolje upravljanje operativnim troškovima

•

upravljanje zalihama i povećanje koeficijenta obrtaja sredstava

•

bolja učinkovitost zaposlenih

•

rast profita

•

konkurentnost.

62

http://www.unisa.edu.au/unisareport/images/Cognos%20logon.JPG (01.02.2009.)

71

Menadžment poduzeća može kvalitetno upravljati troškovima jedino ako ima točan i kvalitetan uvid u troškove poduzeća. Na taj način on može usporediti koji dijelovi tvrtke imaju nepotrebne troškove, gdje se mogu uštediti sredstva, a gdje se povećanim trošenjem može stimulirati prodaja. Cilj je povećati učinkovitost, odnosno postići najbolji odnos troškova i rezultata. Stara je ekonomska misao da tko kontrolira troškove, kontrolira i poslovanje. U tom smislu Cognos omogućuje upravljanje troškovima dajući informacije gdje i kako nastaju troškovi, te identifikaciju mjesta većeg troška i/ili manjeg troška. Nakon što menadžer identificira gdje i kako nastaju troškovi, može definirati nepotrebne troškove te ih smanjiti u cilju boljeg poslovnog rezultata. Smanjenje troškova se ostvaruje i manjom potrebom za radnom snagom. Umjesto da veliki broj zaposlenih prikuplja, obrađuje i prepisuje te iste podatke, manji broj zaposlenih će brzo doći sustavom poslovne inteligencije do potrebnih informacija te ih analizirati. Vrlo veliko smanjenje troškova ostvaruje se i zato što se informacije dijele vrlo brzo putem Cognos portala i elektroničke pošte, te nema troškova telefoniranja i poštarine. Ujedno, više informacija o poslovnom događaju rezultira s manje grešaka pri odlučivanju. Svaka pogrešna odluka donosi sa sobom određene negativne posljedice te povećava troškove. Činjenica što Cognos isporučuje informacije kada su potrebne utječe na smanjenje pogrešaka, te tako smanjuje i troškove. Koeficijent obrtaja zaliha pokazuje koliko se puta "okrenu" zalihe tijekom obračunskog razdoblja. Cognos nudi sve informacije koje su potrebne za izračunavanje koeficijenta obrtaja. Korisnik sustava vrlo jednostavno pretražuje i pregledava koliko zaliha ima pojedina prodavaonica, koliki joj je ostvaren promet i na temelju toga izračunava koeficijent obrtaja prodavaonice. Na taj način se vidi koja prodavaonica dobro upravlja zalihama, te gdje se moraju napraviti korekcije (da li poslovođa ima stare nekvalitetne zalihe, da li treba dati više prostora obrtajnim artiklima itd.). Isto tako može napraviti i za pojedine robne grupe, pa sve do razine artikla. Mogućnost uvida u brzinu obrtaja robe omogućuju menadžerima kvalitetno upravljanje zalihama. Kvalitetno upravljanje zalihama je krucijalno za maloprodajne tvrtke, jer, jednostavno rečeno, upravljanje zalihama je upravljanje likvidnošću. Ni jedan poduzetnik ne smije sebi dozvoliti preveliko angažiranje novčanih sredstava u zalihama. Zalihe ne smiju biti ni visoke (zbog lošeg koeficijenta obrtaja, rokova i slično.) ni male (da prodavaonice ne bi ostale

72

bez robe i prometa). Na temelju tih podataka menadžeri mogu odlučiti koliko će prostora dati kojim robnim grupama i artiklima u prodavaonici, kako se ponašati prema određenim artiklima, koju će maržu odrediti. Uvid u koeficijent obrtaja može utjecati i na smanjenje troškova te na rast profita. Najčešće je vrlo skupo držati velike količine zaliha duže vrijeme, pa je stoga bolje imati čim viši koeficijent obrtaja zaliha. Nizak pokazatelj najčešće ukazuje na nekvalitetnu i nekurentnu robu te traži odgovarajuće odluke menadžera. Veća učinkovitost zaposlenih se ostvaruje zahvaljujući tome što je potrebno puno manje vremena za prikupljanje informacija. Samim time se zaposlenici i menadžeri mogu posvetiti zahtjevnijim poslovima. Više vremena za odlučivanje rezultira kvalitetnijim odlukama. Do potrebnih informacija menadžer dolazi znatno brže nakon implementacije Cognosa. Jedna od mogućih definicija profita jest da je to vrijednost koja se utvrđuje razlikom prihoda ostvarenih realizacijom i stvarnih troškova ostvarene poslovne aktivnosti. Svaki poduzetnik je zainteresiran za rast profita, a to znači da ili mora povećati prihode ili smanjiti troškove. Informacije koje Cognos

distribuira omogućuju menadžeru da

prepozna prilike za smanjenje troškova ili rast prihoda. Na rast prihoda mogu utjecati razni čimbenici poput koeficijenta obrtaja i trgovačke marže. Na temelju pokazatelja koeficijenta obrtaja menadžer može donijeti odluku koja će povećati koeficijent obrtaja te tako povećati prihod. Znači, na policama u prodavaonica će se nalaziti više obrtajne robe te će tako i prodaja biti veća. Rast profita može se povećati i pomoću razlike u cijeni tj. trgovačke marže. Najčešće se visoko obrtajnim artiklima određuju manje marže po pojedinom artiklu, nego artiklima koji se slabije obrću (npr. kruh ima daleko manju maržu od cipela) Visokoobrtajni artikli imaju daleko veći promet, angažiraju manje sredstava i u konačnici su profitabilniji od artikala s manjim obrtajem. Ali, ukoliko se određeni artikl jako slabo prodaje, može se smanjiti cijena na račun marže te tako potaknuti prodaju. Isto tako, ako se određeni artikl prodaje iznimno dobro, povećati će mu se cijena (zakon ponude i potražnje).

73

Tablica 2. Prodaja kave u 2008 godini u maloprodajnim objektima. Prodaja

količina

Razdoblje I NV

MPV

BM

040101 KAVA BONUS MLJEV 250G VAC

FRANCK ZAGREB

515.023,00

6.329.632,67

4.150.578,80

040102 KAVA JUBIL VAC MLJEV 250G

FRANCK ZAGREB

495.236,00

7.918.823,64

5.192.671,24

2.726.152,40

040103 KAVA BONUS MLJEV 200G VREĆ

FRANCK ZAGREB

325.168,00

3.245.176,64

2.127.984,68

1.117.191,96

040104 KAVA JUBIL MLJEV 200G

FRANCK ZAGREB

313.625,00

4.635.377,50

3.039.591,80

1.595.785,70

040105 KAVA JUBIL MLJEV 100G

FRANCK ZAGREB

280.125,00

2.070.123,75

1.357.458,20

712.665,55

040106 KAVA BONUS MLJEV 100G VREĆ

FRANCK ZAGREB

238.125,00

1.188.243,75

779.176,23

409.067,52

040107 KAVA MINAS MLJEV 250G

ANAMARIJA COMPANY D.O.O.125.018,00

040108 KAVA ESPRES 1KG VAC V CLASS

FRANCK ZAGREB

OTHER

92.013,00

OTHER

KAVA

2.179.053,87

1.373.947,82

900.949,39

472.998,43

11.224.665,87

7.360.436,64

3.864.229,23

596.083,25

9.496.497,91

6.227.211,74

3.269.286,17

2.980.416,25

47.482.489,55

31.136.058,72

16.346.430,83

Izvor: izradio autor

Uzmimo primjer prodaje kave u 2008 godini. Pojačana konkurencija i novi zahtjevi kupaca tjeraju menadžere da na vrijeme traže i uočavaju promjene, čak i do najnižih razina. Podaci iz tablice 2. prikazuju prodaju najprodavanijih kavi u 2008 godini. Najprodavanija kava po količini je Bonus mljevena kava 250 gr vac, a po maloprodajnoj vrijednosti Jubilarna kava 250 gr vac, itd. Menadžer će sukladno tim podacima donijeti adekvatne odluke: koje vrste kave se mogu izbaciti iz asortimana jer nose najmanje prometa, kojim vrstama kava smanjiti, a kojim povećati zalihe itd. Ti isti podaci se mogu prikazati i u postotku te na taj način prikazati i koliki udio ima pojedini artikl u kategoriji. To će još više ubrzati proces odlučivanja radi lakšeg pregleda podataka . To je prikazano na tablici 3. S nazivom "Udio pojedinačnih artikala u kategoriji kave". Tablica 3. Udio pojedinačnih artikala u kategoriji Udio u kategoriji Prodaja

količina

NV

MPV

BM

040101

KAVA BONUS MLJEV 250G VAC

FRANCK ZAGREB

17,28%

13,33%

13,33%

13,33%

040102

KAVA JUBIL VAC MLJEV 250G

FRANCK ZAGREB

16,62%

16,68%

16,68%

16,68%

040103

KAVA BONUS MLJEV 200G VREĆ

FRANCK ZAGREB

10,91%

6,83%

6,83%

6,83%

040104

KAVA JUBIL MLJEV 200G

FRANCK ZAGREB

10,52%

9,76%

9,76%

9,76%

040105

KAVA JUBIL MLJEV 100G

FRANCK ZAGREB

9,40%

4,36%

4,36%

4,36%

040106

KAVA BONUS MLJEV 100G VREĆ

FRANCK ZAGREB

7,99%

2,50%

2,50%

2,50%

040107

KAVA MINAS MLJEV 250G

ANAMARIJA COMPANY D.O.O.

4,19%

2,89%

2,89%

2,89%

040108

KAVA ESPRES 1KG VAC V CLASS

FRANCK ZAGREB

23,64%

OTHER

OTHER

KAVA

Izvor: izradio autor

74

3,09%

23,64%

23,64%

20,00%

20,00%

20,00%

20,00%

100,00%

100,00%

100,00%

100,00%

Prethodno prikazane tablice 2. i 3. su primjeri izvještaja koje menadžeri u Konzumu mogu samostalno izrađivati u vrijeme koristeći aplikativni softver Cognos. Takvi izvještaji mogu biti prebačeni u Excel format, PDF format itd. Većina trgovaca se izjašnjava da im je sustav poslovne inteligencije bitan da bi brzo odgovorili zahtjevima kupaca. Cognos omogućuje menadžerima i ostalim donositeljima odluka pristup informacijama kada su najpotrebnije. On identificira, izvještava, i detaljno analizira trendove da bi se prilagodili kupcu i njegovom ponašanju, te tako usmjerava menadžera kako i na koji način reagirati na novonastalu situaciju na tržištu. Na taj način Cognos omogućuje konkurentsku prednost.

Znači, menadžerima su

dostupne najnovije informacije, i na temelju njih on može izrazito brzo reagirati na tržišne promjene donoseći najbolje odluke i upravljati tvrtkom. Cognos softver omogućuje Konzumu da: •

identificira, izvještava i analizira trendove s ciljem prilagodbe potrebama kupaca

•

brzo prilagođava planove i alocira resurse zbog rasta profita

•

dobije uvid u ključne pokazatelje u cijeloj tvrtci: prodaja, radna snaga, zalihe

•

smanji troškove usporedbom i sustavnim vrednovanjem među prodavonicama, kanalima, regijama i divizijama

•

optimizira zalihe, smanji "Out of stock".

Menadžeri i ostali korisnici Cognosa mogu doći do sljedećih bitnih informacija za poslovanje: 1. O dobavljačima - s kojima radimo, čiji artikli su najprodavaniji, koji promet donose itd. Na temelju tih informacija se odlučuje kojikm dobavljačima pokloniti posebnu pozornost, od kojih dobavljača tražiti veći rabat ili niže nabavne cijene, kojim dobavljačima dati veći udio na polici i slično. 2. O kupcima - što se tiče veleprodajnih kupca menadžera zanima koji kupci donose najveći promet, što najčešće kupuju, koji rabat im je dan, koliko su dužni, kretanje prometa po danima, mjesecima, godinama, kretanje troškova dostave robe itd. Na temelju tih informacija odlučuje se o bonitetu kupaca i u sklopu toga visini rabata, da li će mu se ponuditi još robe, ili će se u najgorem slučaju prekinuti suradnja.

75

Podaci o

maloprodajnim kupcima se skupljaju pomoći kartica vjernosti , a

pohranjuje ih marketing. 3. O proizvodima – svi proizvodi su kategorizirane u robne grupe. Iz njih možemo iščitati koji su proizvodi najprodavaniji, kakve su reakcije kupaca na akcije, koje robne grupe imaju najveću prodaju, kolika je marža itd. Na temelju tih informacija donose se sljedeće odluke: smanjiti ili povećati cijenu proizvoda, ulistati nove artikle, izbaciti postojeće artikle, kojim artiklima dati veći udio na policama itd. 4. Kretanje zaliha, koeficijenti obrtaja, cijene, marže te ostale informacije bitne za poslovanje 5. i ostale informacije.

7.2.3.

PRIJEDLOZI

UNAPREĐENJA

SUSTAVA

POSLOVNE

INTELIGENCIJE U KONZUMU Implementacija Cognosa je značajno unaprijedila poslovanje Konzuma. Olakšan pristup informacijama, mogućnost ad hoc izrade izvještaja, jednoznačnost i veća kvaliteta samih podataka omogućuju menadžerima razvoj poslovanja u željenom smjeru. Sustav poslovne inteligencije se, dakako, može i unaprijediti. Neka od mogućih rješenja mogu biti: •

Mobilna poslovna inteligencija

•

Automatsko obavještavanje o bitnim promjenama

•

Forecast (prognoza)

•

What if analysis (analiza što ako)

7.2.3.1. MOBILNA POSLOVNA INTELIGENCIJA Mobilna poslovna inteligencija tj. poslovna inteligencija koja omogućuje pristup informacijama putem mobilnih uređaja bi bio jedan korak koji bi unaprijedio poslovanje i još više ubrzao proces donošenja odluka, ukoliko donositelji odluka veliki dio svog radnog vremena provode izvan ureda.

76

Danas je nemoguće zamisliti poslovanje bez mobilnih telefona. Menadžer praktično ne može obavljati svakodnevni posao bez mobitela. Osim za osnovno komuniciranje, mobiteli iz dana u dan nude sve više mogućnosti. Razvijena tehnologija omogućuje pristup raznima poslovnim aplikacijama izvan ureda, pomoću mobitela. Tako će kritične poslovne informacije biti na raspolaganju kadgod i gdjegod se korisnik nalazi, omogućujući još učinkovitije donošenje odluka te poslovanje tvrtke koje će biti još prilagodljivije uvjetima na tržištu.

Menadžeri mogu donositi odluke temeljene na

informacija bez obzira na to gdje se nalazi. Konzum ima preko 600 prodavaonica i 14 veleprodajnih objekata a njih treba redovno nadgledati, obilaziti, rješavati probleme. Menadžeri kojima je to posao, softver poslovne inteligencije inkorporiran na mobitele će ubrzati odlučivanje i olakšati posao. Jednom, kad se u tvrtku uvede mogućnost mobilne inteligencije, korisnici će moći

samostalno istraživati, analizirati i

razmijenjivati informacije ubrzanim ritmom. 7.2.3.2. AUTOMATSKO OBAVJEŠTAVANJE O BITNIM PROMJENAMA Menadžerima bi od koristi mogla biti i mogućnost praćenja bitnih događaja kojima se treba posvetiti posebna pažnja, te upozoravanja o promjenama na kritičnim točkama poslovanja.

Upravljanje poslovnim događajima (eng. Business event menadžmet-

BEM) automatski detektira događaje i moguće probleme stalno prateći podatke. Nakon što se definiraju parametri poslovanja i njihove kritične razine ( npr. dnevne zalihe određenog artikla ne smiju biti ispod i/ili iznad određene razine), menadžeru bi se, ukoliko se dosegne kritična razina, pojavila obavjesna ikona (eng. pop up window) koja ga upozorava da se dosegla kritična razina, te da je potrebna reakcija s njegove strane. Uzmimo opet primjer koeficijenta obrtaja kao značajnog parametra poslovanja. Nakon što menadžment odredi koliki je optimalan koeficijent obrtaja za artikl, tj. ispod koje razine ne bi smio nikako pasti, kada se dosegne problematična točka, menadžer će odmah dobiti informaciju da je koeficijent obrtaja pao ispod poželjne točke, što mu je indikator da je potrebno reagirati povećanje prodaje ili smanjenjem zaliha.

77

7.2.3.3. FORECAST Forecast tj. prognoziranje budućih događaja s određenom preciznošću (naravno da takvo nešto nikada ne može biti potpuno točno, nego će uvijek imati veća ili manja odstupanja) menadžeri bi mogli koristiti u cilju sprečavanja poslovnih problema ili smanjivanja negativnih posljedica na poslovanje. Prognoza se zasniva na statističkim analizama povijesnih podataka, pa pomoću toga može i predvidjeti kretanje određenih parametara poslovanja.

Mogućnost prognoziranja budućih događanja na temelju

podataka iz prošlosti koja bi bila implementirana u sam sustav poslovne inteligencije menadžerima bi nudila još raniji uvid u potencijalne probleme, te bi on samim time mogao bolje i brže reagirati. 7.2.3.4. WHAT IF ANALISYS "Što ako analiza je postupak promjene određenih vrijednosti da bi se vidjelo kako te promjene mogu utjecati na rezultat."63 Što ako analize omogućavaju razradu većeg broja poslovnih scenarija. One se koriste da bi se vidjelo kako će na budućnost utjecati različiti čimbenici. Pri takvoj analizi može se pomoću promjena određenih varijabli odlučiti za bolju alternativu. Menadžer će donijet bolju i kvalitetniju odluku ako ima uvid u činjenicu kako i u kojoj mjeri promjena određenih vrijednosti utječe na promjenu rezultata. Konzum je tvrtka koja ipak ima dosta kvalitetan sustav poslovne inteligencije, te odgovorne službe u Konzumu konstantno rade na unapređenju poslovne inteligencije i sustava za potporu odlučivanju. Smatram da bi povećani broj zaposlenih u tom sektoru mogao rezultirati još većim poboljšanjem kako sustava poslovne inteligencije tako i cjelokupnog informatičkog sustava. Vjerojatno bi onda implementacija prethodno navedenih prijedloga, a možda i nekih drugih, bila puno brže odrađena.

63

http://office.microsoft.com/en-us/excel/HA102431641033.aspx (03.03.2009.)

78

7.2.4. PROBLEMATIKA LJUDSKOG FAKTOR PRI KORIŠTENJU SUSTAVA ZA POTPORU ODLUČIVANJU U KONZUMU

Ljudski resursi su ključan faktor poslovanja u svim njegovim dijelovima, pa tako i kod odlučivanja. Znanje i vještine zaposlenika predstavljaju značajnu konkurentsku prednost u modernim, "učećim" organizacijama. Sustav za potporu odlučivanju je sustav koji obrađuje i čuva podatke da bi korisnik mogao što brže i jednostavnije pristupiti podacima i donijeti odluku. Iz same definicije sustava za potporu odlučivanju je vidljivo da korisnik ima ključnu ulogu. Oni i nastaju zato da bi menadžeri i ostali donositelji odluka brže i efikasnije donosili odluke, te tako poboljšali poslovanje tvrtki. Da bi sustavi za potporu odlučivanju uopće mogli odigrati svoju ulogu, ljudski faktor je presudan. Ukoliko menadžeri i ostali korisnici ne znaju ili ne žele koristiti sustave za potporu odlučivanju, on sam ne bi imao nekog smisla. Vrlo mali broj menadžera koristi sustave za potporu odlučivanju, iako je u uvjetima nesigurnosti nužna "suradnja" menadžera i takvih sustava. Znanje temeljeno na iskustvu također ima vrlo veliku vrijednost, i ukoliko menadžeri iskoriste takvo tzv. iskustveno znanje, zajedno s informacijama dobivenim iz sustava poslovne inteligencije stvoriti će sebi, a i tvrtci jednu dodanu vrijednost koja će pozitivno utjecati na konkurentnost tvrtke i ostale ekonomske pokazatelje. U Hrvatskoj se veliki broj menedžera i dalje najčešće koriste intuicijom i/ili iskustvom. U principu, sustave za potporu odlučivanju koristi manji broj zaposlenika. Nažalost, veliki broj zaposlenika još nije svjesno nužnosti i bitnosti sustava za potporu odlučivanju. Edukacija o važnosti sustava poslovne inteligencije treba krenuti od strateškog menadžmenta. Neki zaposlenici još uvijek smatraju da su odluke donesene na iskustvu najbolje. Iskustvo je jako bitan faktor pri donošenju odluke, a ako menadžer uz to svoje iskustvo iskoristi i Cognos, odluka će biti daleko kvalitetnija. Znanje u tvrtkama se razvija upravo na način da se novodobivene informacije "usklađuju" s iskustvom menadžera. 79

Konstantna i kvalitetna edukacija je nužna ukoliko se želi postići redovno korištenje sustava za potporu odlučivanju, pa tako i Cognosa. Nedovoljna i nedostatna edukacija može rezultirati time da korisnici samo "lutaju" izvještajima i podacima, da im treba jako dugo vremena da se izradi izvještaj, umjesto suprotno itd. Jednodnevne i slične kratkotrajne edukacije u biti nisu svrsishodne jer samo dotaknu površinu, te zaposlenici najvjerojatnije nakon takve edukacije neće biti motivirani za rad na Cognosu. Bilo bi dobro kada bi edukacije bile organizirane za sve donositelje odluke. Znači odmah nakon implementacije za svih, a kasnije za one koji eventualno još nisu odslušali predavanja i novozaposlene, te za ostale koji smatraju da mogu još produbiti svoje znanje. Konzum redovno održava edukacije kojima je svrha obučiti prisutne načinu rada na softveru Cognos, a cilj naučiti izrađivati izvještaje i radini analize potrebne za svakodnevno poslovanje, ali i donošenje strateških odluka. Takve edukacije su hvalevrijedne, ali nisu dovoljne ukoliko sam zaposlenik nije u dovoljnoj mjeri zainteresiran za rad na takvim sustavima. Takvi zaposlenici nakon takvih formalnih edukacija ne rade samostalno na sustavu Cognos, izbjegavaju izradu izvještaja i analiza, te se dodatno ne educiraju. U Konzumu za sada ne postoje mjere i metode, osim formalnih edukacija, kojima bi se menadžeri i ostali korisnici sustava animirali za još bolji i kvalitetniji rad na Cognosu. Vrlo je važno sa korisnici takvih sustava ulože svoj trud i vrijeme, te da uz formalnu edukaciju, i samostalno uče za rad na sustavu Cognos. Menadžeri i ostali donositelji odluka, budući i postojeći korisnici sustava će nevoljko ili nikako koristiti taj sustav ako je kompliciran, zahtjevan i nezanimljiv. To upućuje da i prije početka izgradnje sustava za potporu odlučivanju korisnik ima vrlo bitnu ulogu. Znači, uloga korisnika je ključna i prije izgradnje jednog takvog sustava. Prije same izgradnje sustava prvo se korisnik mora identificirati, također

ga je potrebno

kontaktirati i intervjuirati sa ciljem da se izgradi što bolji i kvalitetniji sustav. Sustavi za potporu odlučivanju mogu poboljšati rad menadžera zahvaljujući bržem odlučivanju temeljenom na kvalitetnim informacijama. Osim toga, takvi sustavi utječu i na smanjenje troškova zbog manje potrebe za radnom snagom. Više nije potreban veliki broj zaposlenika koji bi prikupljali podatke, zatim ih pretipkavali u Excel ili Access

80

tablice. Prije implementacije Cognosa u Konzum izrada izvještaja je trajala vrlo dugo jer se izvještavanje baziralo na izlistima iz transakcije baze podataka. Zaposlenici su bili aktivirani na procesima pretipkavanja i izrade izvještaja pomoću programa Microsoft Access i Microsoft Excel. Upravo to navelo je menadžere u Konzumu na implementaciju nekog sustava potpore odlučivanju koji bi poboljšao i ubrzao proces odlučivanja, a samim time i upravljanje tvrtkom. Korisnici Cognosa u Konzumu mogu biti: 1. Rukovoditelji i izvršni direktori koji žele isključivo sumirane, sažete podatke. Takve informacije pokazuju da li se ostvario strateški cilj tvrtke. 2. Poslovni menadžeri su zainteresirani i za općenite informacije, ali i za detalje. Cognos daje menadžerima mogućnost da npr. mogu dobiti sumirane podatke , te na temelju informacija iz takvih izvještaja pomoću određenih funkcija (drill down) analizirati problematična područja poslovanja. 3. Analitičari moraju puno detaljnije izrađivati izvještaje te razumjeti povezanost među podacima. Oni moraju imati mogućnost izrade i jednostavnih i najsloženijih izvještaja brzo. 4. Povremeni korisnici se služe Cognosom samo i isključivo za određene informacije. Korisnici i informatička podrška sustavima za potporu odlučivanju bi trebali konstantno surađivati. Obostrana komunikacija može samo unaprijediti rad na tim sustavima, kako korisnicima tako i informatičarima. Informatika, na temelju informacija od korisnika može još više prilagoditi Cognos krajnjim korisnicima, a krajnji korisnici će lakše i jednostavnije raditi ako se imaju kome obratiti u slučaju problema.

81

7.2.5. INTEGRACIJA POJEDINIH ČIMBENIKA SUSTAVA POSLOVNE INTELIGENCIJE Vrlo često se spominje o uskoj povezanosti pojedinih čimbenika koji se pojavljuju kada se govori o konceptu poslovne inteligencije. Čimbenici poput ljudskog faktora, skladišta i baza podataka, sustava za potporu odlučivanju (eng. decision support system- dss) i aplikativnih matematičkih metode su usko povezani. Bez interakcije neki od gore navedenih čimbenika praktično ne bi ni mogli samostalno funkcionirati, a drugim faktorima performanse mogu biti drastično poboljšane. Slika 23 . Integracija pojedinih čimbenika sustava poslovne inteligencije

Izvor: izradio autor Temelj upravljanja tvrtkom je odlučivanje, a upravo za to su zaduženi menadžeri, donositelji odluka. Najviša razina menadžmenta donosi strateške odluke, na kojima se poslije temelje sve ostale odluke. Osim strateške razine, odluke se moraju donositi i na taktičkoj i na operativnoj razini. Za uspješno ostvarenje misije i cilja tvrtke koje su određene strateškim odlukama odgovorni su zaposlenici na svim razinama poslovanja. Dovoljna je samo jedna kriva odluka koja bi tvrtci stvorila gubitak, smanjila profit ili stvorila oportunitetni trošak. Naravno da će na tvrtku najviše utjecaja imati odluke donesene na najvišim razinama odlučivanja. 82

Ukoliko donositelj odluka posjeduje dovoljno pravovaljanih, točnih i nadasve pravodobnih informacija, donesena odluka će biti bolja i prilagođenija problemu i tržištu na kojem posluje. Poslovanje u današnje vrijeme je izrazito nesigurno, a promjene na tržištu se dešavaju vrlo brzo. Samim time, odluke se moraju donositi vrlo brzo, što znači da menadžer mora imati jednostavan i lak pristup informacija. Sustavi za potporu odlučivanju, poput Cognosa upravo to omogućuju menadžerima i ostalim donositeljima odluke. Povezanost dvaju čimbenika: ljudskog faktora i sustava za potporu odlučivanju omogućiti će brzu reakciju na promjene na tržištu, zahvaljujući informacijama koje taj sustav isporučuje donositelju odluka kada je to potrebno i u željenom formatu. Menadžment Konzuma koristeći Cognos može na vrijeme uvidjeti promjene, predvidjeti problem te donijeti kvalitetnu odluku koja će tvrtci omogućiti opstanak na tržištu. Sustavi za potporu odlučivanje donositelju odluke nude potrebne informacije u željenom obliku da bi se odluke mogle donositi u realnom vremenu. Kompleksni uvjeti poslovanja generiraju svakim danom sve veći broj poslovnih događaja, a oni rezultiraju ogromnim brojem podataka. Iz tih podataka poslovodstvo tvrtke dolazi do informacija potrebnih za uspješno vođenje organizacije. Ti podaci se najčešće spremaju u operativne baze podataka koje nije moguće pretraživati u realnom vremenu, a izvješća često ne odgovaraju

potrebama menadžera. Upravo zato se razvijaju skladišta podataka.

Skladištenje podataka je kontinuirani proces prikupljanja podataka te korištenje istih s ciljem dobivanja informacija potrebnih poslovodstvu tvrtki. U skladištima podataka se, znači, spremaju podaci i informacije koji će se koristiti za izradu ad hoc izvještaja potrebnih rukovodstvu. Sustavi za potporu odlučivanju korisniku dostavljaju podatke i informacije koji su spremljeni u skladištima podatka, što ukazuje na usku povezanost ta dva čimbenika. Donosioci odluka u Konzumu upravo preko korisničkog sučelja sustava Cognos pristupaju velikom broju podataka spremljenim u skladište podataka. Podatke i informacije dobivene i skladišta podataka mogu se analizirati pomoću aplikativnih matematičkih modela, a neki od njih mogu "what if" analize i prognoziranje (forecast). What if ili što ako analiza može biti od velike koristi pri

83

odlučivanju jer donositelj odluke može mijenjanjem određenih varijabli virtualno doći do mogućeg rezultata. Na taj način može se smanjiti mogućnost donošenja krivih odluka. Najpoznatija "što kao" analiza sada je ona iz Excel programa. Prognoziranje, na temelju podataka iz prošlosti, pronalazeći zakonitosti i odnose među podacima, može predvidjeti buduća kretanja poslovanja tvrtke, te tako upozoriti na moguće probleme ili potencijale organizacije. Aplikativne matematičke metode poput analize "what if" i prognoziranja nisu ugrađene u sustav Cognosa, te menadžeri u Konzumu ne mogu koristeći Cognosa izrađivati takve analize. Postoji mogućnost izrade takvih izvještaja koristeći program Excel, ali postavlja se pitanje koliko se menadžera tim funkcijama u zna koristiti. Donositelji odluka, menadžeri, da bi mogli napraviti što ako analizu moraju imati i određeno znanje. Do informacija za takve analize dolaze iz skladišta podataka putem interaktivnih kocki.

7.2.6. PRIMJER PRIMJENE SUSTAVA POSLOVNE INTELIGENCIJE – IZVJEŠTAJI I ANALIZE Sustavi poslovne inteligencije i potpore odlučivanje, između ostalog omogućuju da se iz mora podataka dođe do informacije koja nam treba. U nastavku će biti prikazan primjer kako pomoću takvog sustava ( npr. Cognos) detektirati potencijalni problem/ priliku i doći do potrebne informacije. Svi podaci su fiktivni. Tablica 4. Izvještaj o prodaji- skupni podaci.

Početna Kocka Prodaja – količina MALOPRODAJA

2007 405.642.128,37

2008 481.273.760,16

Izvor: izradio autor

84

Index 118,64

Tablica 4.

je primjer jednog izvještaja sa skupnim podacima. Ovaj može biti

interesantan menadžerima strateških razina. Mjera je količina, a dimenzijom vrijeme je omogućena usporedba po godinama. Ta usporedba upućuje menadžera na moguće probleme i prilike. Porast prodaje u maloprodajnoj mreži od skoro dvadeset posto može značiti (ali, i ne mora) da maloprodajna mreža ima još potencijala. Potrebne su analize maloprodajnog lanca. Akcija drill down će omogućiti razvoj tablice 4. u smjeru prikazanom na tablici 5. Tom akcijom se dolazi do nižih razina podataka ne bi li se došlo do novih informacija. Tablica 5. Prodaja po regijama Prodaja - količina REGIJA ZAPAD REGIJA ISTOK REGIJA JUG REGIJA SJEVER MALOPRODAJA

2007 2008 125.749.059.79 154.007.603.25 85.184.846.96 91.442.014.43 121.692.638.51 139.569.390.45 73.015.583.11 96.254.752.03 405.642.128.37 481.273.760.16

Index 122.5 107.4 114.7 131.8 118.6

Izvor: izradio autor

Tablica 5. "Prodaja po regijama" otkriva koliko je koja regija imala prodaju u 2007 i 2008 godini i koliki je rast tj. pad imala. Sve regije su imale rast s time da je najveći rast imala Regija Sjever, a najmanji Regija Istok. Regija Zapad je ostvarila rast od 22,47%. Zašto je neka regija imala veći rast, a druga manji može se otkriti različitim alatima koje nudi sustavi poslovne inteligencije. Menadžera Regije Zapad će zanimati kako može još više povećati promet ili kako zadržati sadašnju poziciju pa će iz postojeće tablice podatke dalje detaljizirati i dobiti prodaju po prodajnim mjestima i usporedbu po razdobljima. Tablicu 5. ćemo još jednom detaljizirati ne bi li dobili prodaju po prodajnim mjestima. Tom radnjom će se vidjeti kolika je prodaja ostvarena po pojedinom prodajnom objektu za dva razdoblja, a usporedbom ta dva razdoblja otkriti će se rast ili pad prometa po

85

objektu. Ti podaci su ustvari korisne informacije koje govore kojim prodajnim mjestima treba posvetiti posebnu pažnju te u kojem smjeru nastaviti istraživanje. Tablica 6. Prodaja po prodajnim mjestima Prodaja - količina

2007

2008

Index

PROD. BR. 01 PROD. BR. 02 PROD. BR. 03 PROD. BR. 04 PROD. BR. 05 PROD. BR. 06 PROD. BR. 07 PROD. BR. 08 PROD. BR. 09 PROD. BR. 10 PROD. BR. 11 PROD. BR. 12 PROD. BR. 13 PROD. BR. 14 PROD. BR. 15 PROD. BR. 16 PROD. BR. 17 PROD. BR. 18 PROD. BR. 19 PROD. BR. 20 PROD. BR. 21 PROD. BR. 22 PROD. BR. 23 REGIJA ZAPAD

8.807.896,31 4.026.466,89 8.203.926,28 3.957.261,99 15.099.250,82 8.207.701,09 5.853.476,24 9.130.013,67 7.864.193,14 3.233.504,56 8.399.964,89 2.975.810,68 9.537.693,44 4.504.609,83 3.774.812,71 6.603.405,69 3.225.954,94 2.768.195,98 364.567,72 1.580.388,25 3.223.690,05 2.956.936,62 1.449.337,99 125.749.059,79

10.748.696,02 3.732.186,12 11.733.541,40 4.695.090,14 12.524.074,58 9.738.020,02 7.986.579,72 12.351.618,04 10.226.189,97 3.836.388,76 13.921.054,22 3.975.987,09 9.330.465,30 6.344.716,40 3.553.041,19 6.314.858,91 5.777.198,23 3.821.758,59 657.560,97 1.819.317,39 2.973.603,77 3.955.891,41 3.989.765,03 154.007.603,25

122 92,69 143 118,6 82,95 118,6 136,4 135,3 130 118,6 165,7 133,6 97,83 140,9 94,12 95,63 179,1 138,1 180,4 115,1 92,24 133,8 275,3 122,5

Izvor: izradio autor

Analizom po prodajnim mjestima dobile su se informacije o tome koje prodavaonice imaju rast prodaje tj. koje imaju pad. Ovi podaci su pokazatelj postojećih ili mogućih problema, te se na temelju te tablice donose odluke o koracima koje će se poduzeti da se poveća prodaja po kritičnim prodajnim mjestima. Iz ovog primjera je vidljiva nužnost "suradnje" zaposlenika i sustava. Naime, neke prodavaonice mogu imati pad prodaje iz razloga koje nisu vezane uz poslovnu politiku (vremenske nepogode, radovi na cesti itd.). Znanje menadžera zajedno s informacije dobivenih mogućnost anticipiranja problema te otkrivanja novih znanja.

86

iz ovih izvještaja otvara

U ovakav izvještaj se mogu ugraditi i druge informacije koje su potrebne za donošenje odluka ukoliko nam podaci iz ovog izvještaja nisu dovoljni npr. prodaja po mjesecima, artiklima, zalihe itd. Navedeni primjeri su samo neki izvještaji koji se mogu dobiti iz Cognos kocki. Prikazane su i agregirane informacije koje mogu biti

dovoljne za

za donošenje

određenih odluka, zatim za detekciju postojećih ili potencijalnih problema. Pad prometa u prodajnim mjestima dakako nije poželjan u trgovačkoj branši te sama ta činjenica upućuje na određene korake koji bi se morali napraviti. Skalabilnost Cognos kocki omogućuje da se skupni podaci "razbiju na sitnije dijelove" te da analitičar dublje uđe u tekuću problematiku. Prethodno navedeni izvještaji su to prikazali na jednostavnom primjeru prodajnih mjesta.

U nastavku je prilog "Pekarstvo- prodaja" na četiri stranice. Tablica 7. pod nazivom "Pekarstvo- prodaja" je primjer jednog izvještaja sa podacima o prodaji pojedinačnih pekarskih proizvoda. Da bi se dobili podaci navedeni u tablici korištene su razne funkcije cognos kocke poput "drill down", promjene mjera, promjene dimenzija, filtriranje podataka... Izvještaj će služiti menadžerima da dobije informacije potrebne za donošenje odluka o kategoriji pekarstvo, a sa ciljem porasta prodaje i konačnici većeg profita. Što učiniti s kategorijom, potkategorijama i pojedinačnim artiklima? Koji artikli imaju pad prodaje i zašto? Poslovne promjene, kritični artikli, udjeli u kategoriji, maloprodajna vrijednost; sve su to informacije koje će donosioca odluke uputiti na daljnje korake. Ovakav izvještaj daje menadžerima najnovije informacije o tekućem poslovanju tvrtke vezano uz kategoriji pekarstvu, te na temelju njih i svog znanja i iskustva, on će donijeti odluke koji bi se trebali pozitivno odraziti na poslovanje tvrtke.

87

Tablica 7. Pekarstvo -prodaja 2007 Količina

Pekarstvo-prodaja

2008 MPV

Količina

MPV

KRUH SPECIJAL BIJELI

2499

17468,01

2329

17093,70

01002

KRUH SENDVIĆ BIJELI

4256

25493,44

4785

30095,26

01003

KRUH BIJELI U KALUPU

3121

20567,39

3434

23759,44

Kruh bijeli

01004

KRUH ZAGREBAČKI MALI

1222

6708,78

1235

7119,16

Kruh bijeli

01005

KRUH ZAGREBAČKI

2195

14465,05

2223

15382,05

13293

84702,67

14005,69299

93706,13

01010

KRUH FRANCUZ

1099

3945,41

987

3719,30

Kruh francuz

1099

3945,41

986,6822

3719,30

Kruh

Kruh bijeli

01001

Kruh

Kruh bijeli

Kruh

Kruh bijeli

Kruh Kruh Kruh

Kruh bijeli

Kruh

Kruh francuz

Kruh

Kruh francuz

Kruh

Kruh rezani

01020

KRUH DOMAĆI REZANI

259

2069,41

235

1971,53

Kruh

Kruh rezani

01021

KRUH SELJACKI REZANI

188

1539,72

176

1513,51

Kruh

Kruh rezani

Kruh rezani

447

3609,13

411

3484,38

Kruh

Kruh specijalni

01030

KRUH KUKURUZNI

2658

19111,02

2525

19062,49

Kruh

Kruh specijalni

01031

KRUH RAŽENI

1993

15126,87

1788

14249,47

Kruh

Kruh specijalni

01032

KRUH KUKURUZNI DOMAĆI

2599

18686,81

2323

17537,49

Kruh

Kruh specijalni

01033

KRUH KORN U KALUPU

123

896,67

128

979,78

Kruh

Kruh specijalni

01034

KRUH RAŽENI VELIKI

1562

14042,38

1256

11856,01

Kruh

Kruh specijalni

Kruh

KRUH

Pecivo

Pecivo obično

01040

KAJZERICA

Pecivo

Pecivo obično

01041

KRUH KORN BAGUETTES

125

398,75

135

452,18

Pecivo

Pecivo obično

01042

KAJZERICA MIX

3895

11646,05

3825

12008,59

Pecivo

Pecivo obično

01043

PLETENICA SA SEZAMOM

2533

10106,67

2235

9363,53

Pecivo

Pecivo obično

01044

BIO-PRUTICI

1823

7820,67

1528

6882,88

Pecivo

Pecivo obično

01045

KAJZERICA S MAKOM

1255

2873,95

1022

2457,40

Pecivo

Pecivo obično

01046

KAJZERICA SA SUNCOKRETOM

2658

6086,82

2302

5535,16

Pecivo

Pecivo obično

01048

KAJZERICA SA SEZAMOM

992

2271,68

899

2161,65

Pecivo

Pecivo obično

01049

PLETENICA VELIKA

1025

3372,25

928

3205,78

Pecivo

Pecivo obično

01050

ŽEMLJA

2568

6651,12

2952

8027,96

Pecivo

Pecivo obično

20724

59659,46

19886

60350,24

Pecivo

Pecivo slano

01060

MINNI PIZZA

2123

14839,77

2352

17262,50

Pecivo

Pecivo slano

01061

SLANI PRUTICI

125

273,75

158

363,32

Pecivo

Pecivo slano

01062

BUREK

429

4285,71

501

5255,24

Pecivo

Pecivo slano

Pecivo slano

2677

19399,23

3011

22910,58

Pecivo

Pecivo slatko

01070

KRAFNA

2596

8281,24

2589

8671,86

Pecivo

Pecivo slatko

01071

KRAFNA ČOKOLADA

3025

9952,25

3132

10819,49

Pecivo

Pecivo slatko

01072

KROASAN

2059

6568,21

2063

6910,02

Pecivo

Pecivo slatko

01073

KROASAN VANILIJA

1985

6530,65

2004

6922,82

Pecivo

Pecivo slatko

01074

ŠTRUDLA JABUKA

1089

5434,11

1108

5805,37

Pecivo

Pecivo slatko

01075

KRAFNA PEKMEZ

1022

3362,38

1041

3596,13

Pecivo

Pecivo slatko

01076

PUŽ ORAH

82

327,18

101

423,14

Pecivo

Pecivo slatko

01077

KROASAN PEKMEZ

385

1266,65

203

701,26

Pecivo

Pecivo slatko

01078

BIO KROASAN

79

315,21

67

280,70

Pecivo

Pecivo slatko

01079

ŠTRUDLA VIŠNJA

2034

10149,66

2158

11306,84

Pecivo

Pecivo slatko

01080

KRAFNA VANILIJA

1059

3484,11

1047

3616,86

Pecivo

Pecivo slatko

01082

KROASAN ČOKOLADA

1657

5451,53

1725

5959,01

Pecivo

Pecivo slatko

01083

Pecivo

Pecivo slatko

Pecivo

PECIVA

Kruh bijeli

Kruh specijalni KRUH

Pecivo obično

ŠTRUDLA SIR Pecivo slatko PECIVA

Pekarstvo

88

8935

67863,75

8020

63959,78

23774

160120,96

23423,37519

165647,43

3850

8431,5

3525

8105,74

1589

7929,11

1668

8739,49

18661

69052,29

19041

74020,18

42062

148110,98

41938

154976,52

65836

308231,94

65361,37519

320623,9508

Promjena

INDEX 08/07 Količina

Pekarstvo-prodaja

MPV

Kruh

Kruh bijeli

01001

KRUH SPECIJAL BIJELI

-170,00

-374,31

93,20

97,86

Kruh

Kruh bijeli

01002

KRUH SENDVIĆ BIJELI

529,00

4601,82

112,43

118,05

Kruh

Kruh bijeli

01003

KRUH BIJELI U KALUPU

312,69

3192,05

110,02

115,52

Kruh

Kruh bijeli

01004

KRUH ZAGREBAČKI MALI

13,00

410,38

101,06

106,12

Kruh

Kruh bijeli

01005

KRUH ZAGREBAČKI

28,00

917,00

101,28

106,34

Kruh

Kruh bijeli

Kruh bijeli

712,69

8746,93

105,36

110,63

Kruh

Kruh francuz

KRUH FRANCUZ

-112,32

-226,11

89,78

94,27

Kruh francuz

01010

Kruh

Kruh francuz

-112,32

-226,11

89,78

94,27

Kruh

Kruh rezani

01020

KRUH DOMAĆI REZANI

-24,00

-97,88

90,73

95,27

Kruh

Kruh rezani

01021

KRUH SELJACKI REZANI

-12,00

-26,21

93,62

98,30

Kruh

Kruh rezani

-36,00

-124,09

91,95

96,54

Kruh

Kruh specijalni

01030

KRUH KUKURUZNI

-133,00

-48,53

95,00

99,75

Kruh

Kruh specijalni

01031

KRUH RAŽENI

-205,00

-877,40

89,71

94,20

Kruh

Kruh specijalni

01032

KRUH KUKURUZNI DOMAĆI

-276,00

-1149,32

89,38

93,85

Kruh

Kruh specijalni

01033

KRUH KORN U KALUPU

5,00

83,11

104,07

109,27

Kruh

Kruh specijalni

01034

KRUH RAŽENI VELIKI

-306,00

-2186,37

80,41

84,43

Kruh

Kruh specijalni

Kruh specijalni

-915,00

-4178,52

89,76

94,25

Kruh

KRUH

KRUH

-350,62

4218,21

98,53

103,45

Pecivo

Pecivo obično

01040

KAJZERICA

-325,00

-325,76

91,56

96,14

Pecivo

Pecivo obično

01041

KRUH KORN BAGUETTES

10,00

53,43

108,00

113,40

Pecivo

Pecivo obično

01042

KAJZERICA MIX

Pecivo

Pecivo obično

01043

Pecivo

Pecivo obično

Pecivo

Pecivo obično

Pecivo

Kruh rezani

-70,00

362,54

98,20

103,11

PLETENICA SA SEZAMOM

-298,00

-743,14

88,24

92,65

01044

BIO-PRUTICI

-295,00

-937,79

83,82

88,01

01045

KAJZERICA S MAKOM

-233,00

-416,55

81,43

85,51

Pecivo obično

01046

KAJZERICA SA SUNCOKRETOM

-356,00

-551,66

86,61

90,94

Pecivo

Pecivo obično

01048

KAJZERICA SA SEZAMOM

-93,00

-110,03

90,63

95,16

Pecivo

Pecivo obično

01049

PLETENICA VELIKA

-97,00

-166,47

90,54

95,06

Pecivo

Pecivo obično

01050

ŽEMLJA

384,00

1376,84

114,95

120,70

Pecivo

Pecivo obično

-1436,00

-1577,86

93,27

97,93

Pecivo

Pecivo slano

01060

MINNI PIZZA

229,00

2422,73

110,79

116,33

Pecivo

Pecivo slano

01061

SLANI PRUTICI

33,00

89,57

126,40

132,72

Pecivo

Pecivo slano

01062

BUREK

72,00

969,53

116,78

122,62

Pecivo

Pecivo slano

334,00

3481,83

112,48

118,10

Pecivo

Pecivo slatko

01070

KRAFNA

Pecivo

Pecivo slatko

01071

KRAFNA ČOKOLADA

Pecivo

Pecivo slatko

01072

KROASAN

Pecivo

Pecivo slatko

01073

Pecivo

Pecivo slatko

01074

Pecivo

Pecivo slatko

01075

Pecivo

Pecivo slatko

01076

Pecivo obično

Pecivo slano

-7,00

390,62

99,73

104,72

107,00

867,24

103,54

108,71

4,00

341,81

100,19

105,20

KROASAN VANILIJA

19,00

392,17

100,96

106,01

ŠTRUDLA JABUKA

19,00

371,26

101,74

106,83

KRAFNA PEKMEZ

19,00

233,75

101,86

106,95

PUŽ ORAH

19,00

95,96

123,17

129,33 55,36

Pecivo

Pecivo slatko

01077

KROASAN PEKMEZ

-182,00

-565,39

52,73

Pecivo

Pecivo slatko

01078

BIO KROASAN

-12,00

-34,51

84,81

89,05

Pecivo

Pecivo slatko

01079

ŠTRUDLA VIŠNJA

124,00

1157,18

106,10

111,40

Pecivo

Pecivo slatko

01080

KRAFNA VANILIJA

-12,00

132,75

98,87

103,81

Pecivo

Pecivo slatko

01082

KROASAN ČOKOLADA

68,00

507,48

104,10

109,31

Pecivo

Pecivo slatko

01083

ŠTRUDLA SIR

79,00

810,38

104,97

110,22

Pecivo

Pecivo slatko

254,00

4763,54

101,35

106,42

Pecivo

PECIVA

Pecivo slatko PECIVA

Pekarstvo

89

-848,00

6667,51

98,02

102,92

-1152,62

11558,84

304,46

103,35

rast/pad Količina

Pekarstvo-prodaja Kruh

Kruh bijeli

01001

Kruh

Kruh bijeli

Kruh Kruh

Udio u kategoriji 2007 MPV

Količina

MPV

KRUH SPECIJAL BIJELI

-6,80%

-2,14%

3,72%

5,54%

01002

KRUH SENDVIĆ BIJELI

12,43%

18,05%

6,34%

8,08%

Kruh bijeli

01003

KRUH BIJELI U KALUPU

10,02%

15,52%

4,65%

6,52%

Kruh bijeli

01004

KRUH ZAGREBAČKI MALI

1,06%

6,12%

1,82%

2,13%

Kruh

Kruh bijeli

01005

KRUH ZAGREBAČKI

1,28%

6,34%

3,27%

4,59%

Kruh

Kruh bijeli

Kruh bijeli

5,36%

10,33%

19,80%

26,85%

Kruh

Kruh francuz

KRUH FRANCUZ

-10,22%

-5,73%

1,64%

1,25%

Kruh

Kruh francuz

Kruh francuz

-10,22%

-5,73%

1,64%

1,25%

Kruh

Kruh rezani

01020

KRUH DOMAĆI REZANI

-9,27%

-4,73%

0,39%

0,66%

Kruh

Kruh rezani

01021

KRUH SELJACKI REZANI

-6,38%

-1,70%

0,28%

0,49%

01010

Kruh

Kruh rezani

Kruh rezani

-8,05%

-3,44%

0,67%

1,14%

Kruh

Kruh specijalni

01030

KRUH KUKURUZNI

-5,00%

-0,25%

3,96%

6,06%

Kruh

Kruh specijalni

01031

KRUH RAŽENI

-10,29%

-5,80%

2,97%

4,80%

Kruh

Kruh specijalni

01032

KRUH KUKURUZNI DOMAĆI

-10,62%

-6,15%

3,87%

5,92%

Kruh

Kruh specijalni

01033

KRUH KORN U KALUPU

4,07%

9,27%

0,18%

0,28%

Kruh

Kruh specijalni

01034

KRUH RAŽENI VELIKI

-19,59%

-15,57%

2,33%

4,45%

Kruh

Kruh specijalni

Kruh specijalni

-10,24%

-6,16%

13,31%

21,51%

Kruh

KRUH

Pecivo

Pecivo obično

01040

KRUH

-1,47%

2,63%

35,41%

50,76%

KAJZERICA

-8,44%

-3,86%

5,73%

2,67%

Pecivo

Pecivo obično

01041

KRUH KORN BAGUETTES

Pecivo

Pecivo obično

01042

KAJZERICA MIX

8,00%

13,40%

0,19%

0,13%

-1,80%

3,11%

5,80%

Pecivo

Pecivo obično

01043

3,69%

PLETENICA SA SEZAMOM

-11,76%

-7,35%

3,77%

Pecivo

Pecivo obično

3,20%

01044

BIO-PRUTICI

-16,18%

-11,99%

2,72%

Pecivo

2,48%

Pecivo obično

01045

KAJZERICA S MAKOM

-18,57%

-14,49%

1,87%

0,91%

Pecivo

Pecivo obično

01046

KAJZERICA SA SUNCOKRETOM

-13,39%

-9,06%

3,96%

1,93%

Pecivo

Pecivo obično

01048

KAJZERICA SA SEZAMOM

-9,38%

-4,84%

1,48%

0,72%

Pecivo

Pecivo obično

01049

PLETENICA VELIKA

-9,46%

-4,94%

1,53%

1,07%

Pecivo

Pecivo obično

01050

ŽEMLJA

14,95%

20,70%

3,82%

2,11%

Pecivo

Pecivo obično

Pecivo obično

-6,73%

-2,56%

31,76%

19,54%

Pecivo

Pecivo slano

01060

MINNI PIZZA

10,79%

16,33%

3,16%

4,70%

Pecivo

Pecivo slano

01061

SLANI PRUTICI

26,40%

32,72%

0,19%

0,09%

Pecivo

Pecivo slano

01062

BUREK

16,78%

22,62%

0,64%

1,36%

Pecivo

Pecivo slano

Pecivo slano

12,48%

17,95%

3,99%

6,15%

Pecivo

Pecivo slatko

01070

KRAFNA

-0,27%

4,72%

3,87%

2,63%

Pecivo

Pecivo slatko

01071

KRAFNA ČOKOLADA

3,54%

8,71%

4,51%

3,15%

Pecivo

Pecivo slatko

01072

KROASAN

0,19%

5,20%

3,07%

2,08%

Pecivo

Pecivo slatko

01073

KROASAN VANILIJA

0,96%

6,01%

2,96%

2,07%

Pecivo

Pecivo slatko

01074

ŠTRUDLA JABUKA

1,74%

6,83%

1,62%

1,72%

Pecivo

Pecivo slatko

01075

KRAFNA PEKMEZ

1,86%

6,95%

1,52%

1,07%

Pecivo

Pecivo slatko

01076

PUŽ ORAH

23,17%

29,33%

0,12%

0,10%

Pecivo

Pecivo slatko

01077

KROASAN PEKMEZ

-47,27%

-44,64%

0,57%

0,40%

Pecivo

Pecivo slatko

01078

BIO KROASAN

-15,19%

-10,95%

0,12%

0,10%

Pecivo

Pecivo slatko

01079

ŠTRUDLA VIŠNJA

6,10%

11,40%

3,03%

3,22%

Pecivo

Pecivo slatko

01080

KRAFNA VANILIJA

-1,13%

3,81%

1,58%

1,10%

Pecivo

Pecivo slatko

01082

KROASAN ČOKOLADA

4,10%

9,31%

2,47%

1,73%

Pecivo

Pecivo slatko

01083

ŠTRUDLA SIR

4,97%

10,22%

2,37%

2,51%

Pecivo

Pecivo slatko

Pecivo slatko

1,35%

6,85%

27,98%

22,05%

Pecivo

PECIVA

PECIVA

Pekarstvo

90

-1,98%

4,43%

63,73%

47,73%

-1,72%

3,66%

100,00%

100,00%

Udio u kategoriji 2008 Količina

Pekarstvo-prodaja

rast/pad MPV

Količina

MPV

Kruh

Kruh bijeli

01001

KRUH SPECIJAL BIJELI

3,53%

5,24%

-0,19%

-0,29%

Kruh

Kruh bijeli

01002

KRUH SENDVIĆ BIJELI

7,25%

9,23%

0,91%

1,15%

Kruh

Kruh bijeli

01003

KRUH BIJELI U KALUPU

5,20%

7,29%

0,56%

0,77%

Kruh

Kruh bijeli

01004

KRUH ZAGREBAČKI MALI

1,87%

2,18%

0,05%

0,06%

Kruh

Kruh bijeli

01005

KRUH ZAGREBAČKI

3,37%

4,72%

0,10%

0,13%

Kruh

Kruh bijeli

21,22%

28,74%

1,43%

1,89%

Kruh

Kruh francuz

1,50%

1,14%

-0,14%

-0,11%

Kruh bijeli 01010

Kruh

Kruh francuz

Kruh

Kruh rezani

01020

Kruh

Kruh rezani

01021

Kruh

Kruh rezani

Kruh

Kruh specijalni

Kruh Kruh

KRUH FRANCUZ Kruh francuz

1,50%

1,14%

-0,14%

-0,11%

KRUH DOMAĆI REZANI

0,36%

0,60%

-0,03%

-0,05% -0,02%

KRUH SELJACKI REZANI

0,27%

0,46%

-0,01%

Kruh rezani

0,62%

1,07%

-0,04%

-0,08%

01030

KRUH KUKURUZNI

3,83%

5,85%

-0,13%

-0,21%

Kruh specijalni

01031

KRUH RAŽENI

2,71%

4,37%

-0,26%

-0,42%

Kruh specijalni

01032

KRUH KUKURUZNI DOMAĆI

3,52%

5,38%

-0,35%

-0,54%

Kruh

Kruh specijalni

01033

KRUH KORN U KALUPU

0,19%

0,30%

0,01%

0,02%

Kruh

Kruh specijalni

01034

KRUH RAŽENI VELIKI

1,90%

3,64%

-0,42%

-0,81% -1,89%

Kruh

Kruh specijalni

Kruh specijalni

12,15%

19,62%

-1,15%

Kruh

KRUH

KRUH

35,50%

50,81%

0,09%

0,05%

Pecivo

Pecivo obično

01040

KAJZERICA

5,34%

2,49%

-0,39%

-0,19%

Pecivo

Pecivo obično

01041

KRUH KORN BAGUETTES

0,20%

0,14%

0,02%

0,01%

Pecivo

Pecivo obično

01042

KAJZERICA MIX

5,80%

3,68%

0,00%

-0,01%

Pecivo

Pecivo obično

01043

PLETENICA SA SEZAMOM

3,39%

2,87%

-0,39%

-0,33%

Pecivo

Pecivo obično

01044

BIO-PRUTICI

2,32%

2,11%

-0,40%

-0,37%

Pecivo

Pecivo obično

01045

KAJZERICA S MAKOM

1,55%

0,75%

-0,32%

-0,16%

Pecivo

Pecivo obično

01046

KAJZERICA SA SUNCOKRETOM

3,49%

1,70%

-0,47%

-0,23%

Pecivo

Pecivo obično

01048

KAJZERICA SA SEZAMOM

1,36%

0,66%

-0,12%

-0,06%

Pecivo

Pecivo obično

01049

PLETENICA VELIKA

1,41%

0,98%

-0,12%

-0,09%

Pecivo

Pecivo obično

01050

ŽEMLJA

4,47%

2,46%

0,65%

0,35%

Pecivo

Pecivo obično

30,14%

18,51%

-1,62%

-1,02%

Pecivo obično

Pecivo

Pecivo slano

01060

MINNI PIZZA

3,56%

5,30%

0,40%

0,59%

Pecivo

Pecivo slano

01061

SLANI PRUTICI

0,24%

0,11%

0,05%

0,02%

Pecivo

Pecivo slano

01062

BUREK

0,76%

1,61%

0,12%

0,25%

Pecivo

Pecivo slano

Pecivo slano

4,56%

7,03%

0,58%

0,88%

Pecivo

Pecivo slatko

01070

KRAFNA

3,92%

2,66%

0,06%

0,03%

Pecivo

Pecivo slatko

01071

KRAFNA ČOKOLADA

4,75%

3,32%

0,24%

0,16%

Pecivo

Pecivo slatko

01072

KROASAN

3,13%

2,12%

0,06%

0,04%

Pecivo

Pecivo slatko

01073

KROASAN VANILIJA

3,04%

2,12%

0,08%

0,05%

Pecivo

Pecivo slatko

01074

ŠTRUDLA JABUKA

1,68%

1,78%

0,06%

0,06%

Pecivo

Pecivo slatko

01075

KRAFNA PEKMEZ

1,58%

1,10%

0,06%

0,04%

Pecivo

Pecivo slatko

01076

PUŽ ORAH

0,15%

0,13%

0,03%

0,03%

Pecivo

Pecivo slatko

01077

KROASAN PEKMEZ

0,31%

0,22%

-0,27%

-0,19%

Pecivo

Pecivo slatko

01078

BIO KROASAN

0,10%

0,09%

-0,02%

-0,01%

Pecivo

Pecivo slatko

01079

ŠTRUDLA VIŠNJA

3,27%

3,47%

0,24%

0,25%

Pecivo

Pecivo slatko

01080

KRAFNA VANILIJA

1,59%

1,11%

0,01%

0,00%

Pecivo

Pecivo slatko

01082

KROASAN ČOKOLADA

2,61%

1,83%

0,15%

0,10%

Pecivo

Pecivo slatko

01083

ŠTRUDLA SIR

2,53%

2,68%

0,16%

0,17%

Pecivo

Pecivo slatko

Pecivo slatko

28,86%

22,70%

0,87%

0,66%

Pecivo

PECIVA

PECIVA

63,55%

47,54%

-0,17%

-0,20%

100,00%

100,00%

0,00%

0,00%

Pekarstvo

Izvor: izradio autor

91

8.

ZAKLJUČAK

Ostvarenje ciljeva tvrtke koji su postavljeni strategijom tvrtke u današnjem poslovnom okružju nije nimalo lako. Munjevite promjene poslovnih okolnosti, vrlo snažna konkurencija, ponuda koja značajno nadmašuje potražnju, sve to od rukovodstva zahtjeva nov način poslovanja i rada. Poslovanje se odvija u uvjetima velike konkurencije i nesigurnosti. Da bi tvrtka opstala u takvim uvjetima poslovanja nužno je da se prilagodi novim uvjetima poslovanja i novim trendovima na tržištu. Poslovodstva tvrtke upravljaju organizacijama u uvjetima visoke nesigurnosti, a zahtjevan i odgovoran zadatak donošenja poslovnih odluka postaje još kompliciraniji. Poslovno odlučivanje mora zadovoljiti zahtjeve kupaca, optimizirati ciljeve tvrtke. Osim toga, poslovne odluke moraju biti takve da će omogućiti uspješnu i brzu prilagodbu tržišnim promjenama. Kaže se da je prava informacija moć. Rukovodstvo tvrtki treba donositi racionalne odluke temeljene na kvalitetnim informacijama. Informacija je postala jedan od najvažnijih resursa današnjice. Pravodobna i potrebna informacija je nužna za opstanak tvrtki na tržištu. Informacije mogu smanjiti nesigurnost pri odlučivanju, i jedino odluke temeljene na kvalitetnim informacijama mogu omogućiti tvrtci konkurentsku prednost i opstanak. Jedino ako menadžer ima pravu informaciju može donijeti racionalnu odluku i tako ostvariti ciljeve tvrtke. Nedostatne ili krive informacije mogu dovesti do pogrešne odluke koja na kraju može rezultirati lošijim poslovnim rezultatom tvrtke, pa čak i do stečaja. Turbulentnost tržišta, ponuda koja nadmašuje potražnju, konkurencija i zahtjevni kupci zahtjeva od suvremenih organizacija da primjenjuju različite metode, alate i tehnike koje će im pomoći opstati na tržištu. Informacijska tehnologija povećava brzinu prijenosa i učinkovitost informacija. Poslovni informacijski sustavi bilježe poslovne događaje, pohranjuju podatke, obrađuju ih, da bi ih kasnije koristili pri raznim analizama i izvještajima. Poslovne koristi takvih sustava najviše se očituju u problematici poslovnog odlučivanja. Bez kvalitetne informacijske podloge nije moguće uptavlajti tvrtkom te biti konkurentan i opstati na tržištu.

92

Sustavi za potporu odlučivanju nisu umjetna inteligencija i ne mogu sami donositi odluke. Donositelj odluke ovdje mora uključiti i svoje znanje i iskustvo da bi se donijela pravilna odluka. Bit sustava za potporu odlučivanju jest da donositelj odluke i sustav za potporu odlučivanju "surađuju". Krajnju odluku ipak donosi čovjek i na njemu je sav teret donošenja odluke. Postoji puno razloga zašto koristiti sustave za potporu odlučivanju: poslovanje tvrtki se odvija u nesigurnim uvjetima, konkurencija je sve veća, informacije su potrebne sve brže i potrebno ih je sve više, troškovi se reduciraju, ubrzava se proces donošenja odluka, povećava se produktivnost, smanjuje se stupanj neizvjesnosti i rizika prilikom donošenja poslovnih odluka, korisnici mogu dobiti informaciju kada im je potrebna, te sami kreirati izvještaje. Unatoč tome, veliki broj menadžera i dalje ne koristi sustave za potporu odlučivanju, već se oslanja na intuiciju, iako je očito da neki problemi zahtijevaju racionalnije odlučivanje. Prije izgradnje bilo kakvog informacijskog sustava, pa tako i sustava za potporu odlučivanju poželjno je da se odredi strategija izgradnje sustava i da se komunicira sa budućim korisnicima sustava. Kvalitetno izrađen sustav je onaj koji olakšava rad korisnicima sustava, gdje korisnici mogu doći do potrebnih informacija, a da je ujedno i jednostavan i zanimljiv za korištenje. Dosta često se dešava da je sustav za potporu odlučivanju implementiran, međutim ne koristi se uopće ili se ne koristi u dovoljnoj mjeri. Osim toga, nakon izgradnje sustava poželjno je da se organiziraju edukacije za korisnike, da postoje upute za rad i da korisnici imaju mogućnost obratiti se profesionalcima za pomoć. Kvalitetne informacije su temelj uspješnog poslovanja. Poslovna inteligencija je usko povezana sa sustavima za potporu odlučivanju i upravljanju. To je sistematičan način prikupljanja, sortiranja i analiziranja prikupljenih informacija. To je način dostavljanja prave informacije u pravo vrijeme na pravo mjesto. Poslovna inteligencija je način proaktivnog vođenja poduzeća i iskorištavanja što većeg broja korisnih informacija. Na temelju tih informacija može se predvidjeti budućnost, te se pripremiti na razne

93

scenarije, što svakako olakšava donošenje odluka. Poslovna inteligencija ne samo da istražuje informacije, već otkriva i znanje, i to pomoću sustava za potporu odlučivanju. Jedan vrlo bitan koncept poslovne inteligencije i sustava za potporu odlučivanju su skladišta podataka. Kvalitetno izrađeno skladište podataka bitan je preduvjet za efikasnu primjenu koncepta poslovne inteligencije Osim pohrane podataka, skladišta podataka nude i mogućnost analize, transformacije i lakog pristupa

tekućim i povijesnim

podacima. Podaci koji se nalaze u skladištima podataka moraju biti redovno ažurirani, moraju potpuno pokrivati jedno ili više poslovnih područja te moraju obuhvatiti dulje vremensko razdoblje radi što kvalitetnijih analiza. Samo takvi podaci mogu postati informacije korisne rukovodstvu tvrtke. Podaci spremljeni u skladišta podataka se kasnije mogu analizirati i modelirati, zahvaljujući čemu se dobivaju informacije i otkriva znanje što je izrazito bitno u današnjim "učećim organizacijama". Postoji niz alata koji omogućuju otkrivanje znanja iz podatka. Najpoznatiji su OLAP alati i rudarenje podatka. Moderne tehnologije i novi zahtjevi tržišta natjerali su tvrtke da počnu koristiti sustave poslovne inteligencije. Jedan od poznatijih sustava za potporu odlučivanja tj. sustava poslovne inteligencije je i Cognos. Koriste ga veliki broj hrvatskih tvrtki, između ostalih Konzum, Dukat, Jamnica, T-com. Razlog tome je jednostavnost korištenja i funkcionalnost. Nosi sa sobom sve prednosti koje imaju i ostali sustavi za potporu odlučivanju. Omogućuje izvještavanje, analizu podataka, mjerenje učinkovitosti tvrtke, te mjerenje učinka u odnosu na ciljeve. Cognos omogućuje brže detektiranje problema, lakše donošenje odluka, jednostavnije praćenje poslovanja te može rezultirati većim znanjem menadžera i ostalih korisnika sustava. Na primjeru mnogih tvrtki se mogu vidjeti koristi od implementacije sustava poput Cognosa. Prije implementacije sustava poslovne inteligencije, samo prikupljanje podataka je trajalo puno duže. Sada je prosječan zaposlenik- donositelj odluke udaljen od potrebne mu informacije samo jedan klik. Najveći doprinos efikasnosti tvrtke je brzi uvid u veliki broj podataka i skraćivanje vremena dostupa do informacije. Izrada

94

izvještaja je puno brža, za razliku od prije kada su se prikupljeni podaci morali prvo pretipkavati da bi se mogla napraviti analiza. Kolika točnost se može postići pretipkavanjem podataka? Greške su neminovne. Sustavi potpore odlučivanju smanjuju nastajanje takvih grešaka na najmanju moguću mjeru. Informacije se dobivaju pomoću OLAP-a i rudarenja podataka. OLAP je mrežna analiza poslovnih podataka, tehnologija kojom se u kratkom roku mogu analizirati velike količine podataka, te tako dobiti potrebne informacije te izvoditi znanje iz podataka. Rudarenjem podataka se traže uzroci proteklih poslovnih događaja i zakonitosti, omogućuje se uvid u tzv. skrivene podatke što pomaže donošenju strateških poslovnih odluka tj. upravljanju. Konzum, kao najveća trgovačka tvrtka u Hrvatskoj, s velikim brojem prodajnih mjesta, zaposlenih te artikala, dnevno stvara iznimno puno poslovnih događaja, što rezultira i ogromnom količinom podataka. Poslovanje na suvremenom tržištu zahtjeva prilagodbu, zbog čega rukovodstvo tvrtke mora imati mogućnost brzog uvida u podatke, te izrade izvještaja po potrebi. Cognos je omogućio prilagodbu novim uvjetima poslovanja, jer menadžeri mogu na vrijeme zamijetiti neke nepravilnosti i reagirati na njih. Učinci koje je sustav Cognos izazvao u Konzumu su većinom pozitivni, a neki od njih su: bolje upravljanje operativnim troškovima i zalihama, povećanje koeficijenta obrtaja, bolja učinkovitost zaposlenih, rat profita, konkurentnost. Unatoč brojnim koristima koje nude razni sustavi za potporu odlučivanje, potrebno je još dosta edukacije i rada da bi menadžeri i ostali korisnici vidjeli sustave za potporu odlučivanju kao nešto bitno i nužno za funkcioniranje tvrtki. Tvrtke koje su dale naglasak na korištenje takvih sustava i poslovne odluke donose temeljem informacija iz takvih sustava na svjetskom i europskom tržištu biti će u prednosti nad tvrtkama koje ne koriste takve sustave, a menadžeri donose odluke temeljem intuicije. Informacija je postala temeljni čimbenik poslovanja, a sustavi za potporu odlučivanju isporučuju menadžerima potrebne mu informacije. Učinkovito poslovanje tvrtke danas praktički nije moguće bez sustava poslovne inteligencije i sustava potpore odlučivanju.

95

PRILOZI Slike: Slika 1. Veza između odlučivanja i razina menadžmenta

12

Slika 2. Razlika u vremenskoj perspektivi između menadžerskih razina

14

Slika 3 . Ekspertni sustav

22

Slika 4. Dijelovi informacijskog sustava

23

Slika 5. Vrste informacijskih sustava u rješavanju problema na različitim razinama menadžmenta

24

Slika 6. Komponente cjelovitog integralnog informacijskog sustava

25

Slika 7. Shema sustava za potporu odlučivanju

27

Slika 8. Građa sustava za potporu odlučivanju

33

Slika 9. Sustav poslovne inteligencije

38

Slika 10. Veze sustava za obradu transakcija i sustava potpore odlučivanju

46

Slika 11. ETL procesi u kreiranju koncepta poslovne inteligencije

47

Slika 12. Koraci rudarenja podataka

51

Slika 13. Trodimenzionalna kocka - prodaja bezalkoholnih napitaka po mjesecima i prodavaonicama

52

Slika 14. Cognos OLAP report

56

Slika 15. Primjer Dashboard-a

57

Slika 16. Scorecard

58

Slika 17. Korisničko sučelje Cognos kocke

60

Slika 18. Konas-prijava

62

Slika 19. Alatna traka

64

Slika 20. Cognos logon

71

Slika 21. Integracija pojedinih čimbenika sustava poslovne inteligencije

82

96

Tablice : Tablica 1. Primjer izvještaja agregiranih podataka

61

Tablica 2. Prodaja kave u 2008 godini u maloprodajnim objektima.

74

Tablica 3. Udio pojedinačnih artikala u kategoriji

74

Tablica 4. Izvještaj o prodaji- skupni podaci.

84

Tablica 5. Prodaja po regijama

85

Tablica 6. Prodaja po prodajnim mjestima

86

Tablica 7. Pekarstvo – prodaja

88

97

LITERATURA Knjige: 1. Ž. Panian i suradnici: Poslovna inteligencija - studije slučajeva iz hrvatske poslovne prakse, Narodne novine, Zagreb, 2007 2. M. Varga; K. Ćurko i suradnici: Informatika u poslovanju, Element, Zagreb, 2007. 3. M. Čičin Šain, S. Vukmirović, Z. Čapko,: Informatika za informatičko poslovanje. Rijeka : Ekonomski fakultet, 2006. 4. Ž. Panian, G. Klepac: Poslovna inteligencija, Masmedia, Zagreb, 2003. 5. M. Varga, , Poslovno računarstvo, Znak, Zagreb 1998., 6. P. Sikavica, B. Bebek, H. Skoko i D. Tipurić: Poslovno odlučivanje, Informator, Zagreb, 1999 7. P. Sikavica, H. Skoko, D. Tipurić. M. Dalić: Poslovno odlučivanje- teorija i praksa odlučivanja; Informator, Zagreb, 1994. 8. V. Srića i suradnici: Menadžerska informatika, četvrto izdanje, M.e.p. Consult, Delfin, Hita Poslovna akademija, Zagreb, 1999 Ostali izvori: 1. A. Luetić: Primjena koncepta "poslovna inteligencija" u procesu strategijskog i financijskog upravljanja : magistarski rad; Ekonomski fakultet, Split, 2008. Internet izvori: 1.

http://dessy0105.files.wordpress.com/2007/01/cognos.gif (16.06.2008.)

2.

http://efzg.globalnet.hr/UserDocsImages/INF/Ceric/itup_knjiga/ skladista_podataka.pdf

(02.03.2009.)

3.

http://gordon-webster.hr/?contentid=53

4.

http://gradst.hr/katedre/ortegr/nastava_knezic/dss.htm

5.

http://hr.wikipedia.org/wiki/Ekspertni_sustavi

6.

http://hr.wikipedia.org/wiki/Informacijski_sustavi (17.06.2009.)

7.

http://hr.wikipedia.org/wiki/Inteligencija

8.

http://hr.wikipedia.org/wiki/Podatak,_informacija,_znanje,_mudrost (31.05.2008.)

98

(10.03.2009.) (21.01.2009.)

(17.06.2009.)

(24.02.2009.)

9.

http://hr.wikipedia.org/wiki/Poslovna_inteligencija (24.02.2009.)

10.

http://office.microsoft.com/en-us/excel/HA102431641033.aspx

11.

http://OLAPreport.com/purchase/Images/CognosPPWebContrib811.png

(03.03.2009.)

(12.01.2009.) 12.

http://portal.ludbreg.hr/kolumne/show.asp?kol=39 (03.06.2008.)

13.

http://poslovniforum.hr/vijest.asp?id=123

(28.04.2008.)

14.

http://web.efzg.hr/dok//OIM/dtipuric//

(28.04.2008.)

15.

http://web.efzg.hr/mvarga

16.

http://www.alfatec.hr/pojmovnik_list.asp#4 (24.02.2009.)

17.

http://www.as400online.com/images/as400_sign_on.gif

18.

http://www.bitart.hr/DataMining.aspx?lng=cro

19.

http://www.cognos.com/driversseat/gallery/index.html

20.

http://www.cognos.com/products/

21.

http://www.cognos.com/products/cognos8businessintelligence/scorecarding.html

(21.02.2009.) (08.03.2009.)

(15.06.2008.) (12.01.2009.)

(12.01.2009.)

(12.01.2009.) 22.

http://www.dwreview.com/Data_mining/DM_models.html(25.03.2009.)

23.

http://www.ecdlcentar.com/forum/ (02.04.2009.)

24.

http://www.foi.hr/CMS_library/studiji/dodiplomski/IS/kolegiji/to/ Nacini_odlucivanja_09.pdf (15.01.2009.)

25.

http://www.gradst.hr/katedre/ortegr/nastava_knezic/ekspertni_sustavi.htm (25.02.2009.)

26.

http://www.informationbuilders.com/decision-support-systems-dss.html (01.06.2008.)

27.

http://www.microsoft.com/croatia/Reference/rjesenje.aspx_sID_237.mspx (03.03.2009.)

28.

http://www.poslovniforum.hr/management/donosenje_odluka.asp (31.05.2008.)

29.

http://www.sapmag.com.hr/show_article.php?id=398

30.

http://www.skladistenje.com (03.03.2009.)

31.

http://www.tiaktiv.hr/index.php?option=com_content&task=view&id

(20.02.2009.)

(21.01.2009.) 32.

http://www.trend.hr/clanak.aspx?BrojID=22&KatID=5&ClanakID=365 (04.04.2009.)

99

33.

http://www.trend.hr/clanak.aspx?BrojID=43&KatID=5&ClanakID=504 (04.04.2009.)

34.

http://www.trend.hr/clanak.aspx?BrojID=51&KatID=39&ClanakID=574 (04.04.2008.)

35.

http://www.trend.hr/clanak.aspx?BrojID=51&KatID=39&ClanakID=574 (01.06.2009.)

36.

http://www.unisa.edu.au/unisareport/images/Cognos%20logon.JPG (01.02.2009.)

37.

www.ventex.hr/baza/slike/panorama3.jpg

100

(28.12.2008.)