ايتنا - هوش تجاری (Business Intelligence)

هوش تجاری (BI) یک فرایند مبتنی بر فناوری است که به منظور تحلیل داده‌ها برای کمک به مدیران ارشد، مدیران میانی و سایر کاربران جهت اتخاذ تصمیمات بهینه به کار برده می‌شود.

هوش تجاری (BI) شامل مجموعه ای از ابزارها، برنامه های کاربردی و متدولوژی ها است که با جمع آوری داده ها از منابع درون سازمانی و برون سازمانی، داده ها را برای تجزیه و تحلیل آماده می کند، امکان اجرای پرس و جو (Query) را مهیا می سازد، گزارشات و داشبوردها را ایجاد می کند به نحوی که این گزارشات در اختیار تصمیم گیران و همین طور کارکنانBPMS قرار گیرد.

از مزایای استفاده از هوش تجاری می توان به موارد زیر اشاره نمود:
-تسریع و بهبود فرایند تصمیم گیری
-بهبود فرایندهای داخلی
-شناسایی فرصت های جدید
-دستیابی به مزیت های رقابتی جدید

سیستم های هوش تجاری (BI) هم چنین می توانند به شرکت ها در شناسایی روندهای بازار و مشکلاتی که باید مورد توجه قرار بگیرند، کمک نمایند.

داده های هوش تجاری (BI) می تواند شامل اطلاعات قدیمی و یا داده های جدیدی باشند که از سیستم های منبع داده تولید شده اند و تحلیل گران هوش تجاری را قادر به پشتیبانی از فرایندهای تصمیم سازی استراتژیک و تاکتیکی می سازند.

در ابتدا، ابزارهای هوش تجاری توسط تحلیلگران داده و سایر متخصصین IT استفاده می شدند به صورتی که آنها تحلیل ها را بر روی داده ها اجرا می کردند و گزارشات را به عنوان نتایج پرس و جو (Query) برای کاربران کسب و کار تولید می نمودند.

پس از آن با توجه به توسعه ابزارهای خویش خدمت هوش تجاری (Self-Service BI) و جستجوی داده، مدیران سازمان و کارمندان نیز در استفاده از ابزارهای هوش تجاری (BI) توانمند شدند.

هوش تجاری (BI) شامل مجموعه وسیعی از برنامه های کاربردی نظیر: تحلیل های موردی و پرس و جو (Query) ، گزارش ساز، پردازشگر تحلیلی آنلاین (OLAP)، هوش تجاری موبایل، هوش تجاری بلادرنگ، هوش تجاری عملکردی، هوش تجاری و سرویس های ابری، هوش تجاری متن باز، هوش تجاری اشتراکی و هوش منطقه ای می باشد.

تکنولوژی هوش تجاری همچنین شامل نرم افزارهای بصری سازی داده برای طراحی نمودارها و سایر داده نمایی ها وابزارهایی برای ساخت انواع داشبوردها می شود.

برنامه های کاربردی هوش تجاری را می توان از کمپانی های متفاوتی خریداری نمود و یا آنکه به صورت یک پلتفرم مجتمع از یک کمپانی تهیه کرد.

برنامه های هوش تجاری همچنین می توانند ترکیبی از انواع تجزیه و تحلیل پیشرفته را ارائه دهند، مانند داده کاوی، تحلیل های پیشگویانه، متن کاوی، تحلیل های آماری و تحلیل کلان داده ها.

در بسیاری از موارد، پروژه های تجزیه و تحلیل پیشرفته بوسیله تیم های جداگانه ای از کارشناسان داده، متخصصین آمار، مدل سازان و سایر متخصصین تحلیل رهبری و مدیریت می شوند، در حالی که تیم هوش تجاری بیشتر بر پرس جو ها (Query) و تحلیل های داده های کسب و کار نظارت می کند.

داده های هوش تجاری معمولا در یک انباره داده یا یک داده گاه (Data mart) کوچکتر که زیر مجموعه ای از اطلاعات شرکت است ذخیره می شوند.

به علاوه، سیستم های Hadoop به صورت گسترده به عنوان انباره ها در معماری های هوش تجاری و مخصوصا برای داده های بدون ساختار، فایل های لاگ و گونه های دیگر کلان داده ها استفاده می شوند.

قبل از آنکه این سیستم در برنامه های کاربردی هوش تجاری استفاده شود، داده های خام از منابع مختلف بایستی مجتمع می شدند و به وسیله ابزارهای کیفیت داده بررسی می شدند تا از صحت داده های تحلیلی اطمینان حاصل می گشت.

تیم های هوش تجاری ،علاوه بر مدیران هوش تجاری، به صورت عمومی شامل ترکیبی از معماران هوش تجاری، توسعه دهندگان هوش تجاری، تحلیل گران کسب و کار و متخصصین مدیریت داده هستند.

البته کاربران کسب و کار نیز به عنوان نماینده کسب و کار جهت ایجاد اطمینان از پوشش نیازهای کسب و کار در فرایند توسعه هوش تجاری ، مشارکت می کنند.

در همین راستا تعداد رو به رشدی از سازمان ها در حال جایگزینی توسعه آبشاری با رویکردهای هوش تجاری چابک هستند.

این رویکردها از تکنیک های توسعه نرم افزارچابک جهت تقسیم پروژه به بخش های کوچکتر و ارایه کارکردهای جدید به کاربران نهایی به صورت افزایشی و تکرارپذیر استفاده می نمایند.

این نحوه عملکرد، سازمان ها را در زمینه ارایه سریعتر توانمندی های هوش تجاری و بهبود روند توسعه هوش تجاری همزمان با تغییر نیازمندی های کسب و کار توانمند می سازد.

بنابراین هدف از هوش تجاری تفسیر آسان حجم زیادی از داده ها با استفاده از مجموعه ای از ابزارها می باشد.

شناسایی فرصت های جدید و اجرای موثر یک استراتژی با بینشی عمیق، می تواند مزیت های رقابتی جدید و توسعه پایدار را برای سازمان ها به ارمغان آورد.
---------------------------------------------
منبع : پایگاه دانش BPM رایورز