اولین بار ازاصطلاح هوش تجاری در کتابی از “Richard Millar Devens” به نام “Cyclopaedia of Commercial and Business Anecdotes” نام برده شد. طبق تحقیقات Solomon Negash و Paul Gray، هوش تجاری (BI) می‌تواند به عنوان سیستمی تعریف شود که سه مورد زیر را باهم تلفیق می‌کند:
- جمع‌آوری اطلاعات
- ذخیره اطلاعات
- مدیریت دانش
با تجزیه و تحلیل موارد فوق برای ارزیابی اطلاعات پیچیده شرکتی و رقابتی و سپس ارائه به برنامه ریزان و تصمیم گیرندگان شرکت، با هدف بهبود زمان و کیفیت فرایند تصمیم گیری.
تعریف هوش تجاری:
هوشمندی کسب و کار ( Business Intelligence)، مجموعه‌ای ازنظریات، روش‌ها، فرایندها، معماری‌ها و فناوری‌هایی است که برای تبدیل داده خام به اطلاعات مفید و معنادار استفاده می‌شود.
فن آوری‌های BI می‌توانند مقادیر زیادی از داده‌های ساختار یافته و بعضاً بدون ساختار را برای کمک به شناسایی، توسعه یا ایجاد فرصت‌های استراتژیک جدید تجاری، مدیریت کنند. در واقع هدف فن آوری‌های هوشمند سازی تجاری این است که پردازش و تفسیر آسان از داده‌های بزرگ را امکان‌پذیر کنند. شناسایی فرصت‌های جدید و اجرای یک استراتژی مؤثر بر مبنای یک بینش تجاری قوی، می‌تواند یک مزیت رقابتی در بازار را به صورت بلندمدت در اختیار کسب و کارها قرار دهد.
کارکردهای رایج فناوری هوش تجاری:
کارکردهای رایج فن آوری‌های هوش تجاری شامل گزارش دهی(Reporting)، پردازش تحلیلی آنلاین(online analytical processing)، تجزیه و تحلیل (analytics)، داده کاوی (data mining)، فرایند کاوی (process mining)، پردازش رویدادهای پیچیده (complex event processing)، مدیریت عملکرد تجاری (business performance management)، محک زدن (benchmarking)، پردازش متن (text mining)، تجزیه و تحلیل پیش‌بینی کننده (predictive analytics) و تجزیه و تحلیل چندجانبه (prescriptive analytics) می‌باشد.
آشنایی بیشتر با ذکر یک مثال
فرض کنید شما یک فروشگاه بزرگ اینترنتی دارید و محصولات زیادی برای فروش. قطعاً ذهن هیچ مدیری یارای نگهداری تمام اعداد و ارقام مربوط به خرید و فروش را ندارد و البته که واقعاً نیاز به حفظ تمام این اعداد و ارقام نیست.
- در فرایند پیاده‌سازی هوش تجاری طبق یک عملیات بر اساس علم داده‌ها (Data Science) همهٔ داده‌های سازمان در یک دیتابیس (ِData Base) جمع می‌شود (اینکه اطلاعات روزانه جمع‌آوری شود یا ماهانه یا هفتگی دست خودتان است).
- در حقیقت این دیتابیس حاوی تمام اطلاعات شرکت و تک تک فروش‌ها و خریدهای انجام شده توسط سازمان است.
این دیتابیس، در واقع همان انبارهٔ داده (Data Warhouse) هست که در بالا معرفی کردیم. این نقطهٔ شروع و صفر مرزی پروژه‌های هوش تجاری است.
اطلاعاتی که در انبار داده جمع‌آوری می‌شوند، چند بعد مهم دارند که عبارتند از:
- مکان:فرض کنید هر کالا توسط یک نفر خریداری می‌شود که این شخص در یک استان، شهر و منطقهٔ به‌خصوصی زندگی می‌کند. پس یکی از ابعاد مهم داده‌های شما متغیر مکان است.
- زمان: علاوه بر تمام اینها هر فروش یک پارامتر زمان دارد، شما حساب کنید روزی حداقل ۱۰ هزار تا از این فروش و فروش‌های دیگر به انباره داده اضافه می‌شوند.
حالا تصور کنید قرار است یک جلسه استراتژی‌های کلان (یا حتی غیر کلان و در مقیاس کوچک‌تر) برگزار شود و مدیران و تصمیم‌گیرندگان نهایی بخواهند یک تصمیم اساسی بگیرند؛ مثلاً اینکه آیا استراتژی درستی است که برای صرفه جویی در هزینه‌ها اجناسی که از تأمین کننده‌ها خریداری می‌شوند در انبارهای در دست احداث نگه داری شوند یا نه.
دقیقاً از همین قسمت هوش تجاری وارد عمل می‌شود؛ مثلاً در این مثالی که زدیم، مدیر یا گروه مدیریت به راحتی از روی اطلاعات خلاصه سازی شده (Summarized Data) می‌تواند بفهمد که چه کالاها یا گروه کالاهایی توسط کدام افرادی در چه شهرها و مناطقی بیشتر فروش می‌رود یا در چه زمانی (فصل، سال، روز) کدام کالا یا گروه کالایی بیشتر فروخته می‌شود.
حالا بر این اساس آیا آن استراتژی که مثال زدیم واقعاً به صرفه‌جویی در هزینه‌ها کمک می‌کند یا بدتر باعث ایجاد هزینهٔ اضافه می‌شود؟ مثلاً اگر متوجه بشویم که کالای X در منطقهٔ Y تهران فروش بالایی دارد، آیا تصمیم اینکه انبار کالای X را در منطقهٔ Y احداث کند، باعث کاهش هزینه‌های نگهداری و رساندن محصول می‌شود یا نه؟
با استناد به همین مثال می‌توان فواید زیر حاصل از هوش تجاری را استنباط کرد:
- به راحتی می‌توانید گزارش‌ها سریع تهیه کنید
- به تصمیمات سریع و هوشمندانه شما کمک می‌کند
- بهره وری شرکت شما را زیاد می‌کند
- سرعت بخشیدن به بازگشت سرمایه
تفاوت هوش تجاری و تجزیه و تحلیل تجارت:
واژه‌های هوش تجاری و تجزیه و تحلیل تجارت (business analytics) گاهی اوقات به جای هم مورد استفاده قرار می‌گیرد، اما تعاریف متفاوت و دقیق تری نیز برای آنها وجود دارد. توماس داونپورت (Thomas Davenport)، استاد فناوری اطلاعات و مدیریت دانشکده بابسون استدلال می‌کند که هوش تجاری به مراحل پرس و جو، تجزیه و تحلیل کسب و کار، پردازش‌های آنلاین، گزارش و اعلام هشدار تقسیم‌بندی شود. در این تعریف، تجزیه و تحلیل کسب و کار زیر مجموعه ای از هوش تجاری است که بر آمار، پیش‌بینی و بهینه‌سازی تمرکز دارد.
تفاوت هوش تجاری و هوش رقابتی :
گرچه اصطلاح هوش رقابتی (competitive intelligence) گاهی در کاربرد هم معنای هوش تجاری است (زیرا هر دو به اتخاذ تصمیم‌گیری صحیح در کسب و کار کمک می‌کنند)، اما هوش تجاری (BI) از فناوری‌های کاربردی و فرایندها برای تجزیه و تحلیل متمرکز بر روی داده‌های داخلی، ساختاری و فرآیندهای تجاری استفاده می‌کند در حالی که هوش رقابتی جمع‌آوری، تجزیه و تحلیل و پخش اطلاعات را با تمرکز بر روی وضعیت رقبای شرکت (و نه تمرکز بر روی داده‌های داخلی شرکت) است. در حالت کلی می‌توان هوش تجاری را زیر مجموعه هوش رقابتی در نظر گرفت.
ابزارهای مورد استفاده در هوش تجاری:
یکی از موارد قابل توجه این است که در سال‌های نه چندان دور داده کاوی و تحلیل داده‌ها در انحصار متخصصان حوزه فناوری اطلاعات بود و استفاده از این فن آوری کار ساده ای نبود اما اکنون کاری است که همه شرکت‌ها با استفاده از نرم‌افزارهای موجود در دنیا می‌توانند انجام دهند. این ابزارها به شما این امکان را می‌دهند که ارزیابی رشد تجارت خود، حل مسائل ضروری و فوری، جمع‌آوری تمام داده‌های خود در یک مکان، پیش‌بینی نتایج آینده و موارد دیگر را با بینشی مناسب انجام دهید.
در ادامه ۱۵ مورد از برترین ابزارها و نرم‌افزارهای هوش تجاری معرفی می‌گردد:
- SAP Business Intelligence
- MicroStrategy
- Datapine
- SAS Business Intelligence
- Yellowfin BI
- QlikSense
- Zoho Analytics
- Sisense
- Microsoft Power BI
- Looker
- Clear Analytics
- Tableau
- Oracle BI
- Domo
- IBM Cognos Analytics
دیدگاهتان را بنویسید