Üzleti intelligencia megoldások a hazai kkv-szektorban

Absztrakt (kivonat)

A dolgozat azt vizsgálja, hogy – a technológiai fejlődéssel, az adattárolási költségek csökkenésével, valamint új BI-konstrukciók megjelenésével párhuzamban – az üzleti intelligencia (Business intelligence / BI) megoldások elérhetőek-e és alkalmazhatóak-e hatékonyan a magyar kkv-szektorban. Az elemzés négy részből épül fel: az üzleti intelligencia elméleti kerete; két, kiemelt adatkezelő és -elemző módszertan (vállalati teljesítménymenedzsment és fejlett adatelemzési módszerek) bemutatása; a kkv-szektor jellemzői, versenyképessége; gyakorlati kkv-megoldások az üzleti intelligencia terén. Az üzleti intelligencia koncepciója döntéstámogató rendszerként, valamint teljesítményértékelést segítő eszközként értelmezhető. Kiterjed mindazon alkalmazásokra, eszközökre és gyakorlatokra, melyek lehetővé teszik a vállalatok számára az üzleti információ elemzését annak érdekében, hogy teljesítményüket optimalizálni tudják. A BI komponensei: adatelőkészítési terület, adattárház (melynek adatmodelljét a multidimenzionális OLAP képezi; legfontosabb, leggyakrabban használt műveletei: lefúrás, aggregáció, pivoting, szelekció, szeletelés), adatelemző eszközök, megjelenítő eszközök és felületek. A legfontosabb funkciók, melyeket képes lehet ellátni a rendszer: reporting (jelentéskészítés), adatelemzés, monitorozás, prediktív elemzés. Az alábbi üzleti intelligencia rendszer konstrukciók érhetők el a piacon: dobozos BIrendszerek, kihelyezett BI-rendszerek, önkiszolgáló BI, nyílt forráskódú BI. Az üzleti intelligencia hasznossága kapcsán fontos kiemelni a pontos adattartalmat (metaadat réteg), a lekérdezés orientált rendszerből származó nagy teljesítményt, a széles eszközkészletet, valamint a személyre szabott igényekből fakadó használhatóságot. A vállalati teljesítménymenedzsment (CPM) azon módszertanok, folyamatok és rendszerek összessége, melyeket a vállalatok saját teljesítményük monitorozására és menedzselésére használnak. Az informatikai támogatással kialakított CPM-rendszerek segítik a szervezeteket üzleti céljaik elérésében; támogatják a stratégiai, taktikai és operatív döntéshozatalt; kiterjednek a teljes vállalati működésre; proaktív módon alkalmazhatók (üzleti modellek és folyamatok javítása). A legfontosabb CPM-funkciók: tervezés, jelentéskészítés, analitikus képességek. A fejlett adatelemzési módszerek (AA) prediktív módon a jövőbeli események előrejelzésére szolgálnak. Szcenárióelemzésekkel segítik a felhasználó vállalatokat a döntéshozatal során, valamint vizsgálják az egyes változások stratégiára gyakorolt hatásait is. A módszertan alapvető technikája a prediktív analitika: komplex matematikai és statisztikai alkalmazásokat integrál vizualizációs eszközökkel, számszerűsíti a vizsgált események bekövetkezési valószínűségeit. A bemutatott technikákat és módszertanokat a magyar kkv-szektorban vizsgálom. Ebbe a szektorba sorolhatók azok a szervezetek, ahol az összes foglalkoztatottak száma nem éri el a 250 főt; az éves nettó árbevétel 50 millió eurónál alacsonyabb; a mérlegfőösszeg legfeljebb 43 millió euró; valamint az állami részesedés legfeljebb 25%-os. Magyarországon közel 700 ezer kkv-szervezet működik. Versenyképességüket erősen befolyásolja a tulajdonosi szerkezet, a finanszírozási helyzet, a képzettség és szaktudás, az innovációs kapacitás / készség, valamint az infokommunikáció használata. A dolgozat a BI és CPM gyakorlati alkalmazásait két vállalati esettanulmány kapcsán vizsgálja. Az első cég a Béres Gyógyszergyár. A vállalat az IBM Cognos TM1 szoftverét alkalmazza, elsősorban jelentéskészítés és terv-tény elemzések során. Az alkalmazás segít a nagymennyiségű adatok gyors feldolgozásában; támogatja a standard és az ad hoc jelentések összeállítását; megbízható tervezési és előrejelzési módszereivel támogatja a vezetői döntéshozatalt. A másik vizsgált cég az Axiál Kft., amely tudatos és hatékony módon használja ki az SAP BI megoldásokat kínáló termékcsaládjának előnyeit. Az ERPra épülő adattárház réteg (SAP BW) támogatja a hatékony, gyors és automatizált lekérdezéseket. A legfelső, BI-elemző réteg (SAP BO) a rendelkezésre álló adatok megjelenítését, elemzését, megosztását teszi lehetővé az üzleti felhasználók számára. Betekintést ad az egyes részfolyamatok napi szintű elemzésébe, a teljesítménycélok vizsgálatára, valamint trendek és kiugró eredmények elemzésével segíti a tervezést. Összességében, a BI módszertant alkalmazó kkv-k szempontjából a legfontosabb, rendszerrel kapcsolatos elvárások: legyen biztosított a gyors adatfeldolgozás; az elemző alkalmazások rendelkezzenek magas vizualizációs képességekkel és egyszerű kezelőfelülettel; saját felhasználói igények szerint kialakítható lekérdezések egyszerű lehívhatósága; automatizált, előre konfigurált jelentések kialakíthatósága; terv- és tényadatok kezelése, megjelenítése egy felületen. Ki kell emelni, hogy a kkv-k első feladata a decentralizált döntéshozatal, a hatékony teljesítménymérés, valamint – az üzleti modelljeiket pontosan leképező – tervező és előrejelző rendszerek kialakítása. A gyakorlatban csak ezek után kerülhetnek bevezetésre üzleti intelligencia megoldások.