Documente Academic
Documente Profesional
Documente Cultură
STUDII ECONOMICE
BUCURESTI INTELLIGENCE
- SOLUȚII DE BUSINESS INTELLIGENCE AVANSATE -
NOTE DE CURS
Cuprins
Solutii de
Cadrul general: Arhitectura: Solutii practice:
dezvoltare:
Tehnologii de Metodolologii de Realizarea unui
- Managementul
realizare a realizare a sistem informatic de
organizaţiei
sistemelor informatice sistemelor informatice BI
De BI: de BI:
Beneficiarii sistemului Manageri la nivel Manageri la nivel tactic Manageri executivi, la nivel
operaţional strategic
Sectiunea I.
Oferă previziuni şi predicţii ale Rar, la cerere Uneori, în cazul indicatorilor la Obligatoriu, pentru indicatorii
evoluţiei indicatorilor de nivel central şi organizaţional cheie de performanţă
activitate
Tipuri de rapoarte Rapoarte detaliate, statice, Rapoarte detaliate, sintetice, Rapoarte sintetice, flexibile şi
rar cu facilităţi de analiză dinamice, cu unele facilităţi de dinamice, cu facilităţi de
multidimensională analiză multidimensională analiză multidimensională
Tipuri de informaţii de ieşire ale Informaţii detaliate Informaţii detaliate/ agregate Informaţii de sinteză
sistemelor
SIBI – SOLUŢIA INFORMATICĂ PENTRU
MANAGEMENTUL STRATEGIC
NIVELUL COMUNICATIILOR
Surse eterogene
Tehnologii de Tehnologii de
Data Mining integrare a
integrare a datelor:
replicare, aplicaţiilor;
federalizare;
Tehnologia OLAP
Instrumente de Tehnologii Web;
extragere, Depozite de
transformare, date SQL Instrumente de
încărcare a datelor prezentare a datelor:
(ETL); rapoarte, grafice
Sisteme de raportare
de excepţie
Instrumente de
asigurare a calităţii;
Echilibrul între datele agregate, stocate separat şi datele curente, accesate direct
CRITERII ANALIZATE:
•Dimensiunea depozitului
•Dimensiunea surselor de date
•Obiectele depozitului
•Administrarea metadatelor
•Performanţă la încărcarea datelor din surse
•Procesul ETL
•Nivelul de detaliere al datelor
•Operatorii şi facilităţile de prelucrare analitică
•Modificarea structurilor de date
•Performanţa în analiză
•Analiza datelor istorice
•Posibilităţi de previziune
•Independenţa aplicaţiilor faţă de date
•Realizarea depozitului
•Puncte critice din punct de vedere tehnic
Arhitectura SBI
Nivelul I sau nivelul organizaţional – compus din dimensiuni şi fapte cu caracter general, valabile pentru
activităţile întregii organizaţii, de exemplu dimensiunea <timp>, <zonă geografică>. Nivelul datelor este
detaliat, cu mai multe ierarhii pe fiecare dimensiune.
Nivelul II sau nivelul departamental – compus din dimensiuni şi fapte cu caracter departamental, valabile
pentru anumite activităţi, de regulă grupate pe departamente sau centre, este un nivel al data marturilor, de
exemplu aici s-ar regăsi dimensiunea <cont contabil> sau <client>/<furnizor>. Nivelul datelor este semi-
agregat, cu ierarhii specializate pe care să se poată naviga.
Nivelul III sau nivelul strategic – compus din dimensiuni şi fapte derivate din cele de bază şi din cele
departamentale, având şi elemente proprii, valabile doar pentru analiza strategică, de exemplu
dimensiunea <intercompanie>. Nivelul datelor este agregat, sintetic, ierarhiile fiind compuse şi derivate din
cele de bază şi cele departamentale.
Arhitectura SBI
MODEL MULTIDIMENSIONAL PENTRU SISTEMELE INFORMATICE DE BI–
MODEL PIRAMIDAL
Avantaje: Dezavantaje:
• Flexibilitate • Complexitate mare
• Model real al cerinţelor de afaceri • Performanţă scazută la interogare
• Performanţă în navigare (drill-down, • Necesitatea de abordare pe două
roll-up) direcţii top-down şi bottom-up
• Construcţie incrementală
• Suport pentru MIS, DSS
KPI
CF VENCOST
INDICATORI
SALARII VANZARI
BUGET PLAN
STOCURI PLATI
CONT CLIENT FURNIZOR
Rapoarte şi grafice
prin interogări SQL
Dar dacă?
Analiză
multidimensională
Analiza statistică a
datelor
Baza de date
Depozit de
date
De ce?
Cum?
Data Mining
Descoperirea de
cunoştinţe noi
[5] Turban, E., Aronson, J., Decision Support Systems and Intelligent Systems, Sixth Edition,
Prentice Hall International, Upper Saddle River, New Jersey, 2001, p. 145
DD-scopurile
• depozitul de date asigură accesul la datele organizaţiei.
Accesul trebuie să fie imediat, la cerere, şi să fie
performant. Nu este acceptabil ca acest acces să fie
realizat prin intermediul altei persoane sau să fie prea lent.
• accesul presupune existenţa unor utilitare care să fie foarte
uşor de folosit. Managerii vor trebui să obţină diferite
rapoarte printr-o simplă apăsare de buton.
• datele dintr-un depozit de date trebuie să fie consistente.
Consistenţa înseamna că atunci când două persoane
solicită date despre vânzările dintr-o anumită regiune să
primească aceleaşi date, chiar dacă ele au fost cerute la
momente de timp diferite. Dacă datele nu au fost complet
încărcate atunci utilizatorul va fi avertizat cu privire la acest
lucru şi este sfătuit să aştepte până ce vor fi complet
încărcate.
DD-scopurile
• datele într-un depozit de date pot fi separate şi combinate
– cerinţa clasică de împărţire şi grupare a datelor.
• depozitele de date nu reprezintă doar datele ci şi un set
de utilitare pentru a interoga, analiza, prezenta informaţiile.
• depozitele de date sunt locurile unde publicăm datele
folosite. Datele nu sunt doar acumulate la un loc şi
păstrate, ci sunt asamblate dintr-o varietate de surse, sunt
corectate de erori, li se asigură calitatea necesară şi abia
apoi devin utilizabile.
• calitatea datelor din depozitele de date este un factor
determinant pentru procesul de reculegere a datelor. Se
întâlneste frecvent situaţia în care datele sunt de bună
calitate, dar nu sunt colectate în întregime sau sunt
“opţionale”.
DD-aria de cuprindere
• Un depozit de întreprindere colectează toate informaţiile
despre subiecte care privesc întreaga organizaţie[6].
– furnizează un volum extins de date;
– conţine date detaliate, dar şi date agregate, iar ca ordin
de mărime porneşte de la câţiva gigabytes până la sute
de gigabytes, terabytes sau mai mult.
– poate fi implementat pe tradiţionalele mainframes, pe
superservere UNIX sau pe platforme cu arhitecturi
paralele. Acesta necesită cheltuieli mai mari pentru
modelare şi ani de zile pentru proiectare şi realizare.
[7] . Inmon, B. Data mart does not equal data warehouse, DM Direct Newsletter, November, 1999
DD-aria de cuprindere
[8] Holland, P. Traditional data warehouses vs virtual data warehouses , White Paper, March, 2000
DD-componentele arhitecturii
•O arhitectură mai complexă este aceea în care se foloseşte un sistem de purificare şi integrare a
datelor precum şi multiple sisteme data mart proiectate pentru compartimente ale întreprinderii.
•sursele de date pot fi sisteme operaţionale şi fişiere. Acestea sunt extrase, curăţate, stocate şi
integrate în depozitul de date. Depozitul de date referă de asemenea şi mai multe sisteme data
mart proiectate pentru compartimentele înterprinderii.
•Datele din cadrul depozitului de date sunt în final folosite de utilizatori pentru efectuarea de
analiză, obţinerea de rapoarte şi transformarea datelor în cunoştinţe (mining).
DD-nivele de realizare
DD-nivele de realizare
Modulul operaţional
Datele unei companii sunt de obicei păstrate sub formă diferită la locaţii
diferite.
zona DJ
OT
TM
T3
T4
uM UT UH UR
DD-cubul 4D
OT
TM
T3
T4
UM UT UH UR UM UT UH UR UM UT UH UR
Cuburi de date 4D
DD-matricea cuboid-ului
Matricea cuboidului
DD-descrierea modelelor
• Modelele de date multidemensionale enumerate
mai sus pot fi descrise şi printr-un limbaj de
programare care dispune de comenzi adecvate.
• Un limbaj relaţional de interogare cum este SQL
poate fi utilizat pentru a specifica interogările, iar
un limbaj pentru “mineritul” datelor poate fi
utilizat pentru specificarea sarcinilor data mining.
• Limbajul SQL bazat pe data mining (DMQL –
Data Mining Query Language) conţine şi
primitive pentru definirea depozitelor de date şi a
data marts.
DD-comenzi de definire
Produs
Tabel dimensiune
Cheie_produs
Timp Nume_produs
Tabel dimensiune Catgorie
Cheie_timp Tip
Zi Tip_marcă
Zi_din_săpt Vanzari lubrifianti
Luna Tabel de fapte
Trimestru Cheie_timp
An Cheie_produs
Cheie_furnizor
Cheie_zona
Vânzări_lei Zonă
Furnizor Cant_vândută Tabel dimensiune
Tabel dimensiune Cheie_zonă
Cheie_furnizor Den_zonă
Nume_furnizor Strada
Tip_furnizor Locatie
Judet
Regiune
Cod_poştal
DD-definire shema stea
• Define cube vânzări-stea [timp, produs, furnizor,
zonă]: vânzări_lei = sum(vânzări_lei),
cant_vândută=count(*)
• Define dimension timp as (cheie_timp, zi,
zi_din_săpt, lună, trimestru, an)
• Define dimension produs as (cheie_produs,
nume_produs, categorie, tip tip_marcă)
• Define dimension furnizor as (cheie_furnizor,
nume_furnizor, tip_furnizor)
• Define dimension zonă as (cheie_zonă,
den_zonă, strada, locaţie, judeţ, regiune,
cod_poştal)
DD-schema fulg de zapada
Domeniu
CRM 39.1%
Detectarea fraudelor 21.8%
Marketing direct/ Fundraising 20.0%
Credit Scoring 19.1%
Biotehnica/Genetica 15.5%
Minierit/cautare Web 13.6%
Alteler 13.6%
Telecom 12.7%
Mineritul utilizarii web 10.9%
Stiinta 10.9%
Asigurari 10.9%
Comertul cu amanuntul 10.0%
Investitii / Bursa 10.0%
Medicina/ Farmacologie 7.3%
Manufacturing 6.4%
Guvern/Armata 6.4%
Comert electronic 5.5%
Calatorie 4.5%
Securitate / Anti-terorism 4.5%
Ingrijire medicala 4.5%
Email nedorite/ Anti-spam 1.8%
Distractii/ Muzica 1.8%
Banci 0.9%
Rata renuntarii clientilor
Figura 6 prezinta o secvente de clickuri Web. Fiecare nod este o categorie URL. Fiecare linie are
o directie, reprezentand o tranzitie intre 2 URL-uri. Fiecare tranzitie are asociata o greutate,
reprezentand probabilitatea tranzitiei de la un URL la altul
Analiza secventiala
Erik Thomsen:
Cerinţele logice;
Cerinţele fizice;
1. CERINŢELE FUNCŢIONALE ALE
SISTEMELOR OLAP
Cerinţe logice:
Structurare completă a
dimensiunilor prin ierarhizare
Realizarea eficientă a calculelor
şi prelucrarilor
Flexibilitate
Independenţa reprezentărilor faţă
de structura modelului
1. CERINŢELE FUNCŢIONALE ALE
SISTEMELOR OLAP
Cerinţe fizice:
Acces rapid şi direct
Suport multiutilizator
1. CERINŢELE FUNCŢIONALE ALE
SISTEMELOR OLAP
Nivelul
Serverului
OLAP
Server OLAP
Data Nivelul
Warehouse Surselor de date
ID TIMP
ID LOCATIE
ID PRODUS
ID CLIENT
Vol vânzarilor
Vol discount
ID TIMP
ID REGIUNE
ID PRODUS
ID CLIENT
Vol vânzarilor
Vol discount
PRODUS
LOCATIE
TIMP
3. MODELUL DE DATE MULTIDIMENSIONAL
prod
us
T1 T2 T3
timp
4. OPERAŢII REALIZATE ASUPRA
MODELULUI MULTIDIMENSIONAL
Navigarea pe nivelele ierarhice (Drill
Down şi Roll Up) – reprezintă operaţii
de navigare în cadrul ierarhiilor
dimensiunilor, prin agregare pe nivelele
superioare sau detaliere pe nivelele
inferioare. Orice bază de date
multidimensională trebuie să permită
navigarea pe diferite nivele ale
ierarhiilor. Aceasta tehnică se numeste
roll up sau drill down, în funcţie de
direcţie, spre vârful sau baza ierarhiei.
Acestea sunt operaţii de schimbare a
vederii de-a lungul nivelelor unei ierarhii.
4. OPERAŢII REALIZATE ASUPRA
MODELULUI MULTIDIMENSIONAL
Rotaţii – reprezintă operaţiile cele mai
uzuale în structurile de date
multidimensionale şi oferă utilizatorului
posibilitatea de a alege perspectiva
asupra datelor pe care o va utiliza.
Fiecare rotaţie pune în evidenţă o nouă
perspectivă, aducând în prim plan o
structură bidimensională, o faţetă (slice).
Din acest motiv rotaţia se mai numeste
şi “data slicing”.
4. OPERAŢII REALIZATE ASUPRA
MODELULUI MULTIDIMENSIONAL
Secţiuni - reprezintă viziuni sau
imagini (views) specifice diverselor
categorii de utilizatori, prin operaţii
de secţionare prin care se obţin
"felii" bidimensionale (slices).
Tehnica aceasta constă în
limitarea unor atribute la anumite
valori şi obţinerea unui cub de date
redus (procedeu numit data dicing)
5. MODELE DE DATE MULTIDIMENSIONALE
UTILIZATE ÎN SISTEMELE OLAP
1. FACTORII DE RISC
3. CRITERII DE EVALUARE
Metodologii si ciclul de dezvoltare
Date
Timp
Piaţa Procesul
decizional la
nivel
strategic Acces
Organizaţia Informaţii
Cunoştinţe
“Valoarea unui sistem depinde de cât de folositor le
este executivilor, de cât de bine este înteles şi cât de
mult este utilizat” - D. Delong, J.F. Rockart în cartea
Identifying the Attributes of Successful Executive Support
System Implementation, John Wiley & Sons, 1992
Metodologii si ciclul de dezvoltare
Caracteristici tehnice:
•Permit accesul la informaţii globale ale organizaţiei;
•Oferă acces la datele curente, istorice şi previzionate;
•Analiza datelor se realizează direct, online, bazându-se pe analiza multidimensională
a datelor;
•Prezintă sintetic indicatorii de performanţă cheie ai organizaţiei (KPI);
Metodologii si ciclul de dezvoltare
FACTORII DE RISC
CERINŢE TEHNOLOGIE
DE
AFACERI
REALIZAREA
FUNCŢIONALITĂŢILOR
COMPLETE
IMPLEMENTAREA ÎN
ORGANIZAŢIE
EVALUAREA
PROTOTIPULUI
FAZELE DE DEZVOLTARE
EVALUARE
ELABORAREA
PROTOTIPULUI
STUDIUL CERINŢELOR
DE AFACERI
Metodologii si ciclul de dezvoltare
FAZELE DE DEZVOLTARE FAZA I: Evaluare
1
Etape Subetape
Criterii de evaluare
Interfaţa
prietenoasă Flexibilitate
Scalabilitate
Sistemul
Performanţă informatic
pentru
inteligența
afacerii Mentenanţă
Suport
decizional Integrare
strategic
DD-instrumente software
• Actuate Software(Report Server, Reporting
System, Web Agent)
• Hewlett-Packard(Intelligent Warehouse)
• Hyperion(OLAP, Spider-Man)
• IBM(Data Propagator, DB2 Database
Server, Enterprise Copy Manager, Data
Hub for OS/2, Data Hub for Unix, Flow-
Mark, DataGuide, Applications System,
Visualizer family, Intelligent Decision
Server, Query Managemnet Facility,
Intelligent Miner);
• Informatica(PowerMart)
DD-instrumente software
• Information Advantage(DecisionSuite,
WebOLAP)
• Microsoft(Microsoft SQL Server)
• NCR(Teradata)
• Oracle(Oracle8, Discoverer/2000, Oracle
Express server, Warehouse Builder)
• Prism Solutions(Prism Warehouse Manager,
Prism Change Manager, Prism Directory
Manager)
• SAS Institute(SAS Data Warehouse, Warehouse
Administrator, SAS System, SAS/MDDB)
• Siemens-Pyramid(Smart Warehouse)
• Smart Corporation(Smart DB Workbench)
Categorii de tehnologii si instrumente
Tehnologiile si instrumentele din zona data
warehouse pot fi împărţite în două mari
categorii:
• Hardware - se referă la serverele data
warehouse şi la sistemele de operare pe
care rulează;
• Software- se referă atât la principalele
instrumente care sunt folosite pentru a
extrage, curăţa, integra, popula, stoca,
accesa, distribui şi prezenta datele din
depozit, cât şi la metadatele ce
documentează depozitul de date.
SIBI-categorii de hardware
În cazul depozitelor de date se recomandă
folosirea a două categorii de sisteme
hardware:
• sisteme pentru multiprocesarea simetrică
(Symmetric Multiprocessing - SMP),
caracterizate prin conectarea mai multor
procesoare pe acelaşi nod şi prin
scalabilitate
• sisteme pentru procesarea paralelă masivă
(Massively Parallel Processing - MPP), ce
conţin mai multe noduri, pe care se pot
dispune unul sau mai multe procesoare.
SIBI-categorii de hardware
Arhitectura SMP conţine mai multe
procesoare care împart o memorie
comună, precum şi aceleaşi intrări şi ieşiri.
Performanţele acestei arhitecturi depind
direct de performanţa magistralei care
conectează componentele.
Arhitectura MPP permite folosirea mai
multor procesoare independente
conectate în reţea, fiecare procesor are
propria sa copie a sistemului operaţional şi
poate funcţiona ca un procesor
independent.
SIBI-criterii pt selectia hardware
• Scalabilitatea. Soluţia data warehouse este scalabilă în
termeni de spaţiu şi putere de procesare. Acest criteriu este
foarte important dacă depozitul de date este proiectat să aibă
o rată de creştere mare.
• Stabilitatea financiară a furnizorului. Furnizorul trebuie să
dovedească faptul că este un jucător viabil în segmentul
hardware respectiv, iar performanţele sale financiare indică
stabilitate.
• Raportul preţ/performanţă. Produsele trebuie comparate între
ele prin prisma raportului pret/performanţă. Se va selecta
echipamentul la care acest raport este optim.
• Termenul de livrare. Trebuie să se analizeze dacă furnizorul
poate oferi echipamentele în timpul necesar, pentru ca
proiectul data warehouse să nu fie întârziat.
• Asistenţă dupa livrare. Furnizorul trebuie să fie capabil să
ofere asistenţă dupa livrarea echipamentelor ; în acest caz se
va analiza timpul de raspuns la problemele apărute şi modul
în care ele vor fi rezolvate.
SIBI-platforme hardware
.
Instumente pentru realizarea
rapoartelor
Generatoarele de rapoarte permit
utilizatorilor să creeze rapoarte
parametrizate care pot fi lansate în
execuţie ori de câte ori este nevoie.
Aceste generatoare necesită un efort inţial
de programare pentru definirea modelului
de raport, iar o data ce modelul corect a
fost definit, generarea raportului
presupune doar apelarea.
Instumente pentru realizarea
rapoartelor
Serverele de rapoarte sunt similare cu
generatoarele de rapoarte, dar au capabilităţi
suplimentare care permit utilizatorilor să
gestioneze momentele de producere a
rapoartelor.
Programând generarea rapoartelor pentru
perioade de timp în care personalul nu lucreaza,
depozitul de date va putea fi astfel folosit pentru
realizarea interogarilor ad-hoc.
Unele servere de rapoarte pot avea si
functionalităţi legate de distribuirea rapoartelor.
Instrumente data mining
Instrumentele data mining au rolul de a
căuta modele în depozitul de date, pentru
a evidenţia cunoştinte noi despre
organizatie şi mediul în care işi
desfaşoara activitatea.
Instrumentele data mining se bazează pe
diferite modele de algoritmi, iar selecţia
unui astfel de instrument depinde în mare
masura de numărul şi tipul algoritmilor
care pot fi utilizaţi.
Instumente pentru realizarea
rapoartelor
Modulul data mining lucreaza cel mai bine
cu date la nivel elementar (date
tranzactionale), ceea ce implică
necesitatea unor spaţii de memorare
voluminoase.
O condiţie necesară pentru ca operaţiunea
de data mining să dea rezultate corecte
este aceea ca datele care sunt analizate
să fie corecte. Un set de date care conţin
erori sau inconsistenţe va genera abateri
de la situatia reală care influenţează
rezultatele analizei.
Exemple de produse data mining
• KnowledgeSTUDIO (ANGOSS);
• Data Surveyor (Data Distilleries);
• Intelligent Miner (IBM);
• Clementine (Integral Solutions);
• PATTERN (Magnify);
• Decision Series (NeoVista Software);
• Syllogic Data Mining Tool (Syllo
Sisteme de alertare
Aceste sisteme au rolul de a atrage atenţia
utilizatorului asupra datelor care sunt
definite ca exceptii. O organizatie, de
regula, implementeaza trei tipuri de alerte:
• Alerte operaţionale din sisteme
operaţionale individuale;
• Alerte operaţionale din magazinele de date
operaţionale;
• Alerte decizionale din depozitul de date.
Sisteme de alertare
Alerte operaţionale din sisteme operaţionale
individuale. Aceste tipuri de alerte au fost
implementate în aplicaţiile OLTP şi sunt,
de regulă, folosite pentru a evidenţia
exceptiile legate de sistemele
operaţionale.
Alerte operaţionale din magazinele de date
operaţionale (Operational Data Store -
ODS). Aceste alerte necesita date
operaţionale integrate şi, de aceea, sunt
posibil de implementat doar în sistemele
ODS.
Sisteme de alertare
Alerte decizionale din depozitul de date.
Aceste alerte necesită comparatii între
valori de date istorice. De exemplu, un
manager de vânzari poate dori sa fie
atenţionat atunci când vânzările pentru
luna curentă sunt mai mici cu mai mult de
12% faţă de vânzările din aceeaşi lună a
anului trecut.
Exemple de produse care pot fi folosite ca
sisteme de alertare:
• Dynamic Query Messenger (Compulogic);
• Activator Module, Contet Tracker (Pine
Cone Systems).
Instrumente de modelare
Aceste instrumente permit utilizatorilor să dezvolte un model
atât pentru baza de date sursă, cât şi pentru baza de date
destinaţie. Este de preferat ca ele să poata genera şi
structurile de date pe baza specificaţiilor din model, precum
şi modelul datelor pe baza structurilor deja existente în
bazele de date.
Instrumentele de modelare a datelor ajută foarte mult auditorii
sistemelor pentru a-şi forma o viziune clară asupra datelor
şi a legaturilor dintre ele.
Exemple de instrumente pentru modelarea datelor:
• Terrain (Cayenne Software);
• Syntagma Designer (Relational Matters);
• PowerDesigner WarehouseArchitect (Sybase).
Instrumente pentru gestiune
Soluţii1)informatice
Componente: pentru stocarea şi pregătirea datelor în vederea analizei:
•Oracle Business Intelligence Warehouse Builder și Oracle Data
Integrator pentru proiectarea, implementarea şi mentenanţa depozitelor
de date;
•Oracle Business Intelligence Discoverer Administrator pentru realizarea
şi administrarea unei viziuni orientate pe business a datelor relaţionale;
•Oracle Business Intelligence Administrator pentru structurarea datelor în
vederea analizei avansate.
Soluţii practice
Soluţii2)informatice
Componente: pentru analiza datelor şi realizarea de rapoarte:
•Oracle Business Intelligence Discoverer Desktop și Oracle Business
Intelligence Answers pentru realizarea de rapoarte dinamice (ad-hoc);
•Oracle Reports pentru realizarea de rapoarte statice la nivelul întregii
companii;
•Oracle Data Miner pentru realizarea procesului de data mining;
Soluţii practice
Soluţii3)informatice
Componente: pentru publicarea şi interacţiunea cu rapoartele create:
•Oracle Business Intelligence Discoverer Portlet Provider pentru
publicarea rapoartelor în OracleAS Portal
•Oracle Business Intelligence Dashboard pentru publicarea rapoartelor
ad-hoc într-un tablou de bord;
• Oracle Reports pentru distribuirea şi publicarea rapoartelor în mediul
organizaţiei, pe web prin integrarea cu E-Business Suite sau OracleAS
Portal;
Soluţii practice
Soluţii informatice:
Soluţii informatice :
Nivelul de management Sistemul informatic Nivel de realizare
TEHNOLOGIE Risc mediu: Experienţă redusă în domeniul tehnologiilor din domeniul inteligenţei afacerilor –
se utilizează în cadrul organizaţiei diverse instrumente şi tehnologii de inteligenţa
afacerilor.
COMPLEXITATE Risc maxim: Ridicată, necesită schimbări majore în cadrul organizaţiei – este necesară o
reorganizare a firmei din punctul de vedere al fluxurilor de conducere.
Soluţii informatice:
INTEGRARE Risc mediu: Surse diverse, dar cu posibilitatea de integrare uşoară – majoritatea datelor
sunt deja integrate prin intermediul sistemului ERP, iar alte date necesare se pot
introduce în acest sistem, deci sursele pot fi integrate şi obţinute uşor.
ORGANIZARE Risc minim: Suport mare din partea organizaţiei – atât managerii cât şi persoanele implicate
în dezvoltarea sistemului, în special personalul IT acordă sprijin şi se participă activ la
desfăşurarea proiectului.
ECHIPA DE PROIECT Risc mediu: Are experienţă şi determinare, atitudine şi implicare – chiar dacă nu au
experienţă bogată în dezvoltarea unor sisteme de inteligenţa afacerii şi în special a
sistemelor executive, echipa are experienţă în utilizarea unor tehnologii specifice şi se
implică în desfăşurarea proiectului.
INVESTIŢIA Risc minim: Profit estimat într-un timp scurt – datorită beneficiilor aduse de facilităţile de
FINANCIARĂ analiză a sistemului executiv se estimează că prin suportul decizional oferit se pot
obţine şi rezultate financiare mai bune.
Soluţii practice
Oracle Portal
Oracle Discover
Desktop
Interfaţă grafică cu facilităţi de raportare avansată, integrată în Oracle Portal Oracle Data Miner
Module Financiar: General Ledger (Contabilitate Generala), Account Payables (Plati Furnizori), Account Receivables (Incasari Clienti), Cash
Management (Gestiune lichiditati)
Module Comercial: Purchasing (Aprovizionare), Order Management (Desfacere), Inventory (Gestiune Stocuri), Engineering (Concepţie/Prototipuri), Bills of
Material (Tehnologia, liste materiale şi operaţii), Work in Process (Producţie în curs), Master Scheduling/Material Requirement Planning (Planificarea
producţiei)
Alte surse: foi de calcul, fişiere text, e-mail etc.
Soluţii practice
Soluţii practice
ANALIZA MODULUI DE ÎNDEPLINIRE A CRITERIILOR DE
PERFORMANŢĂ DE CĂTRE SISTEMUL INFORMATIC DE BI
REALIZAT