Procesul decisional în marketing

Marketingul presupune desfăşurarea şi coordonarea unor activităţi practice, un

nou mod de conducere care să asigure integrarea acestora, orientarea către un scop precis
definit, pentru implementarea noii optici în relaţiile întreprinderii cu mediul ambiant.
Sistemul complex de conducere a activităţilor de marketing la toate nivelurile presupune,
printre altele, perfecţionarea continuă a procesului decizional şi în acest domeniu. Luarea
deciziilor la întâmplare, doar pe baza rutinei, a intuiţiei de moment sau a experienţei pe
care crede că o posedă conducătorul, nu poate satisface necesităţile conducerii pe baze
ştiinţifice a activităţii de marketing.

Conţinutul şi tipologia deciziilor de marketing

Conţinutul deciziei de marketing

Ca element esenţial al conducerii, decizia este considerată de mulţi specialişti

drept instrumentul său cel mai important de exprimare. Herbert Simon, laureat al
premiului Nobel pentru economie, arată că luarea deciziilor şi conducerea pot fi
considerate unul şi acelaşi lucru1 .
În general, se apreciază că realizarea corespunzătoare a tuturor funcţiilor
conducerii de marketing depinde, în mare măsură, şi de calitatea deciziilor luate, de
temeinicia fundamentării acestora. Gradul de mobilizare a resurselor umane, materiale şi
financiare ale întreprinderii în vederea realizării obiectivelor de marketing fixate,
sincronizarea permanentă şi eficientă a acestor resurse cu mediul în care se desfăşoară
activitatea îşi au originea, în ultimă instanţă, în numeroasele decizii de marketing care
alcătuiesc unul dintre subsistemele de conducere.
Considerând că decizia reprezintă „cursul de acţiune ales pentru realizarea unuia
sau mai multor obiective”2 , rezultă că o situaţie decizională se creează numai atunci când
există:
a) unul sau mai multe obiective care să exprime în termeni operaţionali
performanţele anticipate;
b) două sau mai multe posibilităţi pentru atingerea obiectivelor;

1
Simon, H.A. The New Science of Management Decision, Harpert & Row, New York, NY, 1960
2
Nicolescu. O., Economia şi conducerea întreprinderii industriale, Ed. Didactică şi Pedagogică, Bucureşti,
1980
 c) o stare de incertitudine cu privire la alternativa care va optimiza realizarea
obiectivelor (o serie de factori care influenţează decizia, dar care nu pot fi
modificaţi de decidenţi);
Implicit, în aceste condiţii trebuie avute în vedere şi următoarele două elemente3 :
a) mediul ambiant, care influenţează obiectivele de marketing, ca şi modalităţile prin
care se doreşte atingerea acestora;
b) existenţa unuia sau mai multor decidenţi concurenţiali şi calitatea activităţilor
acestora;
Luarea unor decizii corespunzătoare, prin care să se înfăptuiască conducerea
ştiinţifică a activităţii de marketing, reprezintă rezultatul unui proces complex şi
presupune depăşirea unor dificultăţi care adesea sunt mai mari decât în oricare dintre
domeniile funcţionale ale întreprinderii. Astfel, foarte multe decizii au un caracter de
unicat, decidenţii neavând la dispoziţie date cu caracter istoric pe care să le folosească în
fundamentarea deciziilor cu ajutorul metodelor analitice tradiţionale. În aceste condiţii,
experienţa trecută nu poate asigura decât elemente de cadru general pentru luarea
deciziilor. Situaţii de acest gen apar, de exemplu, ori de câte ori se iau decizii cu privire la
lansarea pe piaţă a unor noi categorii de produse.
Pe de altă parte, interfaţa „interacţiuni de marketing – consumatori (sau
utilizatori)” poate conduce la frecvente scimbări care îi surprind pe decidenţi, la
interacţiuni neprevăzute, la apariţia unor fenomene şi procese neaşteptate, la reacţii în
comportamentul de cumpărare şi de consum care nu pot fi controlate de către
întreprindere. Totodată, fenomenele şi procesele de marketing sunt deosebit de complexe,
găsirea de soluţii find mai dificilă decât în alte domenii decizionale ale întreprinderii.
Complexitatea este amplificată şi de faptul că deciziile de marketing, care exercită o
influenţă importantă asupra realizării obiectivelor organizaţionale, cu mult mai puţină
informaţie decât ar trebui şi cu un control insuficient asupra variabilelor implicate.
Deosebit de relevantă este în această privinţă opinia lui Philip Kotler, care cu trei decenii
în urmă scria că „în mod sigur, decizia de marketing se înscrie printre cele mai dificile
decizii economice”, ea „trebuind să fie luată în contextul existenţei unei informaţii
insuficiente despre procese care sunt dinamice, neliniare, decalate în timp, stohastice,
interactive şi deosebit de complexe”4 .

Tipologia deciziilor de marketing

Dată fiind larga varietate a deciziilor de marketing, o mare importanţă ca punct de

plecare în activitatea de formalizare a procesului decizional o are structura lor în funcţie
de câteva criterii majore.
Astfel, după natura obiectivelor urmărite, deciziilor pot fi strategice sau tactico-
operaţionale. Deciziile strategice au caracter de decizii-cadru şi urmăresc să traseze
drumul ce trebuie parcurs pentru realizarea obiectivelor fundamentale de marketing, linia
de acţiune pe care întreprinderea şi-a propus să o urmeze în vederea atingerii acestora.

3
Green, E.P., Tull, S.D., Research for Marketing Decision, Prentice-Hall, Englewood Cliffs, NJ, 1970
4
Kotler, Ph. Marketing Management: Analysis, Planning and Control, Ed. Prentice-Hall, Englewood Cliffs,
NJ, 1967
Deoarece angajează resursele întreprinderii pe un orizont de timp îndelungat, deciziile
strategice sunt luate la cele mai înalte niveluri ale conducerii organizaţiei.
Deciziile tactico-operaţionale au caracter de decizii derivate şi vizează
mijloacele concrete prin care întreprinderea va acţiona pentru realizarea obiectivelor sale
de marketing pe termen mediu şi scurt, subordonate obiectivelor fundamentale. Acestea
au, de obicei, un orizont de timp mai redus, ajungându-se până la nivelul deciziilor
zilnice, iar nivelul lor de competenţă se situează la structurile medii şi inferioare ale
conducerii de marketing.
Deseori, deciziile se grupează şi după componenta mixului de marketing la care
fac referinţă. Astfel, alături de deciziile complexe, care privest toate sau o parte dintre
componentele mixului, se face deseori referire la deciziile specializate, privitoare la
politica de produs, de preţ, de distribuţie sau de promovare a organizaţiei în cauză.
În funcţie de metodologia de elaborare şi adoptare a lor, se disting: decizii
repetitive (ce se reiau cu o anumită frecvenţă, existând o rutină bine definită pentru
realizarea lor) şi decizii nerepetitive (care au un caracter de noutate, de unicat,
realizându-se într-un mod specific, diferit, pentru fiecare situaţia în parte).
Un criteriu de diferenţiere a deciziilor îl constituie şi numărul decidenţilor. După
acest criteriu se disting decizii individuale şi decizii colective. Primele sunt luate, de
obicei, în mod curent şi au un grad relativ ridicat de specializare, fiind subordonate
deciziilor colective, care sunt mai complexe, au o importanţă mai mare şi se iau, în
general, la intervale mai mari de timp, delimitând cadrul general al acţiunilor viitoare.

Metodologia elaborării şi adoptării deciziilor de marketing

Condiţiile adoptării deciziilor

Ca postulat al teoriei deciziilor, apărută şi dezvoltată după al doilea război

mondial, se situează găsirea celei mai bune valori a unei mărimi, în funcţie de o serie de
factori controlabili şi de incertitudine. Problemele se pun diferenţiat, de la caz la caz, în
funcţie de gradele de incertitudine susceptibile de a apărea. Pornind de la împărţirea,
devenită clasică, a formelor de incertitudine în patru categorii, universurile
(împrejurările) în care pot fi luate deciziile pot fi:
a) universuri sigure (sau în mod subiectiv sigure), în care caz se presupune că
fiecărei alternative de acţiune îi corespunde o singură consecinţă, care este
perfect cunoscută de decident. Regula de decizie nu ridică în principiu nici un
fel de dificultate, fiind suficientă alegerea liniei de acţiune care conduce la cel
mai bun rezultat;
b) universuri aleatoare, în care consecinţele deciziilor luate în considerare se
apreciază că depind nu numai de o singură stare a fenomenului, ci de o serie
de evenimente aleatoare, care urmează o anumită lege de probabilitate.
Incertitudinea, într-o situaţie de acest gen, este dată de faptul că fiecare linie
 de acţiune incumbă un risc, generat de informaţia incompletă a decidentului
asupra valorilor variabilelor aleatoare şi asupra naturii legilor de probabilitate
care le sunt ataşate;
c) universuri nedeterminate, când incertitudinea este generată de faptul că
efectele acţiunilor avute în vedere depin de evenimente asupra cărora nu se
dispune de nici un fel de informaţie. În acest caz, decidentul nu cunoaşte
frecvenţele statistice de plecare, de la care sunt estimate probabilităţile
asociate evenimentelor respective. Pentru luarea deciziei se preconizează două
posibilităţi: prima constă în a asimila situaţia de incertitudine unei situaţii de
risc, urmând ca decidentul să atribuie probabilităţi numite „a priori”, care vor
exprima gradul de verosimilitate acordat de aceste stări fenomenului şi
aplicând în final criteriul speranţei matematice; a doua recomandă criterii de
alegere strict obiective;
d) universuri antagoniste (concurenţiale), specifice economiei de piaţă cu un
nivel ridicat al competiţiei, universuri care presupun alegerea liniei de acţiune
în funcţie de natura şi importanţa reacţiei concurenţilor;
Rezultă că, indiferent de natura universurilor în care se ia decizia, informaţia este
considerată una dintre resursele de bază necesare, care facilitează procesul decizional.
Pentru o pregătire ştiinţifică a oricărei decizii, cercetarea de marketing are un rol
primordial, ea permiţând analiza şi explicarea fenomenelor.

Etapele procesului decizional

În ciuda marii lor diversităţi, procesele decizionale au multe elemente comune, ele
prespunând o succesiune de activităţi care se constituie într-un adevărat algoritm al
deciziei de marketing. Astfel, într-un proces tipic de luare a deciziilor de marketing,
decidentul trebuie să ia hotărâri pe următoarele planuri:
· Definirea problemei pentru care trebuie găsită o soluţie într-un timp
determinat şi precizarea obiectivelor ce urmează a fi realizate în legătură cu
problema respectivă;
· Enumerarea variantelor de acţiune posibilă;
· Culegerea informaţiilor cu privire la variantele posibile de acţiune şi estimarea
efectelor acestora;
· Identificarea celei mai favorabile variante pe baza comparării variantelor
considerate prin prisma anumitor criterii şi priorităţi;
· Dezvoltarea şi implementarea variantei adoptate;
· Evaluarea rezultatelor finale şi efectuarea eventualelor corecţii;
Acest model, cunoscut sub denumirea DECIDE (de la iniţialele celor şase etape),
reprezintă una dintre cele mai frecvente abordări teoretice ale procesului decizional,
succesiunea acestor etape nefiind însă extrem de riguroasă în practică. Conţinutul şi
complexitatea procesului decizional diferă de la o situaţie la alta, în funcţie de problemele
care fac obiectul deciziei şi care pot fi de o mare varietate.
După definirea problemei este stabilit tipul deciziei care trebuie adoptată. În acest
caz poate fi vorba despre o decizie care poate fi adoptată imediat, o decizie care necesită
trecerea unui anumit interval de timp, o decizie care necesită o mare varietate de
informaţii, un instrumentar sofisticat şi angajarea unor eforturi material- financiare
importante. Luarea deciziei presupune, după cum sugerează modelul DECIDE, şi
existenţa unuia sau mai multor obiective – indicatori de performanţă, pe o anumită
perioadă de timp. Găsirea celor mai adecvate răspunsuri şi în acest domeniu presupune
utilizarea unui fond de informaţii şi a unui instrumentar ştiinţific de lucru, capabil să ia în
consideraţie numeroasele incidenţe existente. Cu ajutorul acestui instrumentar se impune,
spre exemplu, ca unui obiectiv să i se dea o formulare cantitativă cât mai precisă, iar
performanţele pentru realizarea lui să fie măsurabilă. Totodată, se cere ca un obiectiv
oarecare să fie bine încadrat în structura ierarhică a mulţimii obiectivelor de marketing
ale întreprinderii, găsindu- i-se corespondenţă atât la nivel imediat superior, mai general,
cât şi la nivel imediat inferior.
În cea de a doua etapă a modelului DECIDE atenţia este concentrată spre listarea,
fără nici un fel de evaluare, a posibilelor variante de acţiune, incluzând opţiunile
controlabile, cât şi cele necontrolabile (acestea din urmă se bazează pe considerarea
elementelor de incertitudine).
Procesul decizional de marketing cuprinde şi demersuri pentru alegerea între
alternativele existente în vederea atingerii obiectivelor. De cele mai multe ori numărul
variantelor la care se poate recurge este mare, fiind necesară identificarea şi evaluarea
acestora, precum şi selecţionarea celei mai favorabile variante, pe baza unui număr de
criterii de selecţie. Pentru aceasta, se impune culegerea unui volum semnificativ de
informaţii, analiza atentă a acestora în vederea stabilirii tendinţelor fenomenelor, a
legăturilor funcţionale dintre ele, a implicaţiilor asupra desfăşurării ulterioare a activităţii,
obiectiv pentru realizarea căruia se poate apela la numeroase metode şi tehnici de
cercetare.
După selecţia variantei care corespunde cel mai bine criteriilor de decizie
utilizate, se concepe un program pentru aplicarea ei în cel mai scurt timp şi în cele mai
bune condiţii, evaluându-se în final rezultatele obţinute şi luându-se măsurile de corecţie
necesare.
În alegerea, implementarea, urmărirea executării şi evaluarea deciziilor un rol
deosebit îl joacă informaţia şi instrumentarul metodologic. În acelaşi timp, trebuie
subliniat faptul că atât calitatea muncii factorilor de decizie cât şi influenţa factorilor de
mediu se regăseşte în fiecare etapă a procesului de luare a deciziei.

Formalizarea procesului decizional

Luarea deciziei presupune în fapt simpla alegere între două sau mai multe soluţii
de atingere a unui obiectiv dat. În majoritatea cazurilor numărul soluţiilor la care se poate
recurge în acest scop este ridicat, din această cauză fiind necesară, în prealabil,
identificarea tuturor soluţiilor posibile, sau cel puţin a celor mai dezirabile variante.
Stabilirea acestor variante poate rezulta în mod direct din volumul şi conţinutul
informaţiilor culese şi din analiza proceselor economice din perioadele anterioare (date
istorice). Identificarea tendinţelor în evoluţia acestor procese, a legăturilor de
interdependenţă în care se găsesc, determinarea implicaţiilor asupra desfăşurării
ulterioare a activităţii conduc, în fapt, la delimitarea unui anumit număr de variante
privind modul de acţiune în perioada următoare.
Pornind de la variantele posibile, decizia presupune alegerea celei mai bune
variante identificate. Acest proces de alegere implică răspunderea şi, în foarte multe
cazuri, asumarea unor riscuri asociate respectivei decizii. Riscurile pot fi însă sensibil
micşorate prin utilizarea unor metode statistico- matematice în formalizarea procesului
decizional.
Aria cercetărilor operaţionale are un câmp tot mai larg de aplicabilitate în sfera
proceselor economice, îndeosebi în procesul decizional. A. Kaufman apreciază că
cercetarea operaţională reprezintă, în fapt, pregătirea ştiinţifică a deciziilor5 . Totodată, în
sfera din ce în ce mai largă a cercetărilor operaţionale se delimitează o ramură aparte,
intitulată chiar „teoria deciziilor”, sau aşa cum mai este denumită, „disciplina deciziilor
corecte”6 .
Modelarea deciziilor care sunt luate în universuri sigure, când toate elementele
necesare sunt cunoscute cu certitudine, nu ridică probleme deosebite. În această direcţie
aportul programării matematice, al metodei drumului critic, al analizei numerice, etc. este
direct şi uşor de evaluat. Dar cele mai multe decizii de marketing sunt luate în condiţiile
unor universuri aleatoare, nedeterminate, şi mai ales concurenţiale. În aceste cazuri
procesul decizional devine mult mai complex şi mai complicat: decizia optimă se poate
obţine numai apelându-se la diferite metode de natură probabilistică.
Unele metode probabilistice se limitează doar la utilizarea probabilităţilor
obiective, determinate pe baza unui procedeu direct, matematic, sau pe baza unui
procedeu empiric. Deosebit de cunoscute în rândul acestor metode sunt metodele
statistice tradiţionale de estimare şi de testare a ipotezelor, lanţurile Markov, metodele
bazate pe teoria firelor de aşteptare, modelele de simulare, etc.
Evoluţiile recente în domeniul modelării deciziilor de marketing au condus la
dezvoltarea unui grup de metode probabilistice care se bazează pe probabilităţi atât
obiective, cât şi subiective, încercând astfel să încorporeze în luarea deciziilor şi opiniile
decidenţilor. Aceste metode sunt în general cunoscute sub denumirea de metode de
analiză baysiană. Un alt grup de metode utilizat pe scară largă în modelarea procesului
decizional de marketing o constituie modelele bazate pe teoria jocurilor strategice.

5
Kaufman, A. Metode şi modele ale cercetării operaţionale. Ed. Ştiinţifică, Bucureşti, 1967
6
Boldur, Gh. Procese informaţionale şi de decizie. Ed. Ştiinţifică, Bucureşti, 1969
 Sisteme informatice de marketing

Sistemele informatice trebuie privite, la nivelul unei organizaţii, ca instrumente de

suport, atât la nivelul conducerii organizaţiei respective, cât şi la nivel operaţional. Astfel,
în acest moment linia dintre sistemele informatice şi cele informaţionale, foarte bine şi
distinct definită în urmă cu două decenii, a devenit practic non-existentă, vasta majoritate
a funcţiilor sistemului informaţional fiind realizate prin intermediul tehnicii de calcul.
Astfel, prin prisma lui Philip Kotler, probabil cel mai important exponent al
marketingului modern, un sistem informaţional de marketing este definit ca şi „un
ansamblu format din specialişti, echipamente şi procedee de culegere, sortare, analiză,
evaluare şi distribuire a informaţiilor necesare, corect şi la timp, către factorii de decizie
din domeniul marketingului.”1
Sistemele informatice, ca o instanţiere din ce în ce mai cuprinzătoare a sistemelor
informaţionale ale unui organizaţii, reprezintă în perioada modernă sistemul circulator al
oricărei entităţi care se manifestă în societatea actuală. În mod tradiţional funcţionalitatea
unei întreprinderi s-a bazat pe trei sisteme, respectiv cel de conducere, cel operaţional,
respectiv sistemul informaţional. Acesta din urmă intervine între primele două, ca şi între
organizaţie şi mediul extern, şi este format dintr-o serie de modele, proceduri, tehnici,
instrumente şi procese de prelucrare a datelor şi informaţiilor, transmitere, stocare şi
regăsire.
Un sistem informatic de marketing (SIMk) are ca scop comasarea volumului
imens de informaţii şi prelucrări asociate acestora la nivelul unui departament de
marketing (sau al unui organizaţii care îşi desfăşoară activitatea în domeniul
marketingului) şi prezentarea acestora într-o modalitate uşor inteligibilă pentru utilizatori.
De-a lungul timpului a existat o activitate extrem de laborioasă de descriere şi
fixare a limitelor unui SIMk, fără a exista însă o formulare unanim acceptată. Astfel, de la
eforturile depuse de Berenson în 1985, de Keon în 1987 sau de Martin în 1992 s-a ajuns
la definiţia propusă de Marshall şi LaMotte, conforma căreia un sistem informatic de
marketing reprezintă „o structură complexă, flexibilă şi formală, realizată cu scopul
obţinerii unui flux continuu de informaţii relevante utilizate în fundamentarea deciziilor
de marketing.”2
Asociaţia Americană de Marketing a propus propria definiţie, conform căreia „un
sistem informatic de marketing reprezintă un set de metode şi proceduri utilizate în
colectarea, analiza şi prezentarea permanentă a informaţiilor utilizate în deciziile de
marketing”3 . De asemenea, ar trebui remarcat că, în societatea informaţională modernă
marketingul este în special digital, independent temporal, interactiv, relaţional, având tot
timpul o preocupare în direcţia satisfacerii nevoilor consumatorilor efectivi şi potenţiali.
Un sistem informatic de marketing, la rândul său este format dintr- un număr
important de subsisteme, dintre care cele mai importante sunt:

1
Kotler, Philip, Managementul Marketingului, Ed. Teora, Bucureşti, 1997, pg.177.
2
Marshall,K.P, şi Lamotte, S.W., Marketing Information Systems: A Marriage of Systems Analysis and
Marketing Management, apărut în Journal of Applied Business Research, Vol.8, Nr.3, pp.62
3
Orzan, Gheorghe, Sisteme informatice de Marketing, Ed. Uranus, Bucureşti, 2001
 · ansamblul de echipamente (hardware)
· sistemul de programe (software), care cuprinde programele sistemului de
operare şi programele de aplicaţii
· structuri de stocare a datelor, informaţiilor şi cunoştinţelor
· ansamblul de personal şi cadrul organizatoric.

De asemenea, SIMk sunt alcătuite, la fel ca toate celelalte sisteme informatice, din
diverse metode, reguli şi proceduri. Metodele reprezintă căile de determinare şi punere în
funcţiune, de perfecţionare şi optimizare a funcţiilor organismului, pentru obţinerea
obiectivelor sistemelor. Regulile exprimă modalităţile de aplicare asupra unei entităţi a
metodelor utilizate, în timp ce procedurile cuprind totalitatea operaţiunilor necesare
pentru tratarea informaţiilor şi regulilor prin mijloacele sistemului. În sfârşit, prin
mijloacele unui sistem informatic se întelege totalitatea uneltelor şi instrumentelor,
manuale sau electronice, utilizate pentru efectuarea de operaţiuni asupra informaţiei:
adunare, culegere, pregătire, control, regăsire, transmitere, formalizare, concentrare,
stocare, transformare, prelucrare, analiză şi raportare.

Funcţiile sistemului informatic de marketing

Funcţiile oricărui sistem informatic decurg atât din obiectivele organizaţiei căreia
îi este subordonat, cât şi din mijloacele tehnice şi materiale avute în vedere la momentul
implementării sale. Astfel, există câteva funcţii generale4 , care pot fi întâlnite la nivelul
oricărui SIMk, indiferent de obiectivele organizaţionale specifice.

1. Funcţia de intrare a informaţiei în sistem se exercită într-o varietate

semnificativă de modalităţi, incluzând prelucrarea informaţiilor şi datelor sosite
din reţelele de comunicaţie, locale sau externe, introducerea manuală a datelor sau
captarea intrărilor prin intermediul unor echipamente specializate.
2. Funcţia de memorare şi regăsire presupune stocarea informaţiilor la nivelul
sistemului informatic şi regăsirea lor rapidă şi corectă în momentul când sunt utile
în vederea raportării sau pentru alte tipuri de prelucrări. Capacitatea de stocare a
informaţiei şi viteza de acces la date constituie criterii fundamentale de apreciere
a performanţelor unui sistem informatic în raport cu cu durata şi volumul
informaţiei memorate. Pentru aceasta se poate face apel la memoria internă,
utilizată pentru datele aflate în proces de prelucrare (memoria RAM), respectiv
memoria externă, utilizată pentru stocarea datelor atunci când nu se află în proces
de prelucrare (memoria de tip ROM: HDD, CD, DVD, dischete, memory stick,
etc.).
3. Funcţia de comunicare a sistemului informatic asigură transferul informaţiilor
între reţelele de calculatoare. În general, în funcţie de complexitatea reţelelor de

4
Orzan, Gheorghe, Sisteme informatice de Marketing, Ed. Uranus, Bucureşti, 2001
 comunicaţie la care un sistem informatic este afiliat, acestea sunt cunoscute sub
denumirile LAN (Local Area Network – reţea locală), care presupune o reţea
relativ redusă şi omogenă din punct de vedere al echipamentelor hardware şi
software, în general implementată la nivel organizaţional. Reţelele PSTN (public
switched telecommunications network – reţele publice care utilizează
infrastructura sistemului de telefonie publică) sunt reţele extinse, care folosesc
echipamente analogice pentru a se interconecta (utilizând un Modem telefonic).
Similar, comunicaţia digitală folosindu-se infrastructura publică este cunoscută
sub denumirea de ISDN (integrated services digital network – reţea digitală
pentru servicii integrate). Ultimele două tipuri de reţele sunt utilizate pentru
realizarea reţelelor de tip MAN (Metropolitan Area Network – reţea
metropolitană), mai extinse şi eterogene din perspectiva echipamentelor utilizate,
sau a reţelelor WAN (Wide Area Network – reţea extinsă), care, în funcţie de
necesităţi, pot fi reţele care să interconecteze echipamente de calcul aflate în
regiuni, ţări sau chiar continente diferite. În sfârşit, Internet-ul, cunoscut şi sub
denumirea de WWW (World Wide Web – reţeaua mondială) reprezintă cel mai
extins WAN existent în acest moment, în această vară aşteptându-se depăşirea
numărului de 2 miliarde de utilizatori. În sfârşit, un caz aparte dezvoltat pe larg în
această lucrare îl constituie reţelele virtuale private (VPN – Virtual Private
Network), reţele care utilizează WWW sau o altă reţea extinsă, însă pentru
utilizatori se crează impresia unei reţele mici şi proprietare (în genul LAN).
4. Funcţia de prelucrare reprezintă probabil cea mai des utilizată funcţie a
sistemelor informatice. Aceasta presupune o serie de subfuncţii precum conversia
informaţiei din forma analogică în formă digitală, necesară memorării şi
procesării ei cu mijloace informatice, precum şi operaţia inversă de conversie din
digital în analogic, pentru a o face compatibilă cu echipamentele electronice de tip
analogic pentru redarea, înregistrarea sau transferul de informaţie audio şi vizuală.
O altă astfel de subfuncţie este dată de conversie de suport prin transferul
informaţiei de pe un tip de suport (magnetic, optic, memorie, grafice etc) pe altul
sau de reproducerea informaţiei şi documentelor prin copierea informaţiei pe
acelaşi tip de suport sau de crearea şi încărcarea bazelor de date, de informaţii şi
de cunoştinţe, ce presupune un ansamblu de proceduri prin care se generează
structura şi modul de organizare a informaţiei pe suportul tehnic, încărcarea
bazelor, astfel create, cu informaţia provenită din memoria externă, introdusă din
reţelele de comunicaţie sau manual, de la terminale. Tot o funcţie de prelucrare
este considerată şi actualizarea înregistrărilor, de tabele şi de cunoştinţe, ce
presupune ştergerea informaţiilor devenite inutile, introducerea de informaţii noi,
modificarea valorilor celor existente pentru apune în acord cu realitatea pe care
trebuie să o reflecte sau cu nevoile utilizatorlului de informaţii. Tratarea propriu-
zisă a informaţiei, constă în efectuarea celor mai variate operaţii care privesc,
forma, conţinutul informaţiilor îndeosebi în cazul prelucrării datelor şi
cunoştinţelor. Au loc o multitudine de operaţii logice (comparaţii, ordonări) sau
semantice de recunoaştere a formelor sau semnificaţiei acestora, în timp ce
consultarea interactivă a informaţiei, se realizează cu ajutorul unor programe care
permit căutarea, selectarea şi transmiterea informaţiei solicitate, la un dispozitiv
periferic de ieşire (monitor, imprimantă, echipament de comunicaţie în reţea etc.).
 Consultarea bazei de informaţii nu afectează conţinutul acesteia. În sfârşit,
formalizarea informaţiei solicitate la ieşire, presupune operaţii diferite în raport de
natura informaţiei solicitate. Au loc operaţii pentru obţinerea de rapoarte şi situaţii
complexe, care, vor fi transferate la dispozitivele de ieşire în vederea imprimării
lor, afişării la terminal sau a comunicării locale, ori la distanţă, prin intermediul
reţelelor de date.
5. Funcţie de ieşire (sau de prezentare) a informaţiei din sistem trebuie să satisfacă
mai multe cerinţe, printre care cele legate de natura informaţiei transferate la
ieşire (date, texte, documente, secvenţe sonore, secvenţe vizuale sau diferite
combinaţii ale acestora), de conţinutul efectiv al informaţiilor solicitate la ieşire
(completitudinea), de natura suportului tehnic sau grafic, pe care urmează a fi
transferată informaţia la ieşire, ca şi de forma, digitală sau analogică, a informaţiei
transmise. În sfârşit, ultimul şi cel mai important criteriu este cel care are în
vedere destinatarul şi mijlocul de comunicare adecvat.
6. Funcţia de comandă şi control a sistemului informatic deţine toate atributele
necesare pentru dirijarea şi reglarea funcţionării întregului sistem, a tuturor
funcţiilor sale, alocarea optimă a resurselor sistemului referitoare la echipament,
memoria internă, baza de programe şi baza informaţională, controlul proceselor
de intrare, prelucrare şi ieşire a informaţiei în funcţie de natura lor, de specificul
operaţiilor care se execută, de destinaţia şi modul de transmitere a rezultatelor.

Componentele unui sistem informatic de marketing (SIMk)

Indiferent de definiţia avută în vedere, toţi specialiştii din domeniu sunt de acord
asupra faptului că rolul unui sistem informatic de marketing (SIMk) este de a furniza
informaţii necesare în procesul de fundamentare al deciziilor de marketing. În principal,
procesul decizional în acest domeniu presupune activităţi în domeniul planificării,
organizării, coordonării, implementării şi controlului activităţilor de marketing.
Astfel, un SIMk eficient trebuie să fie astfel conceput astfel încât să răspundă
nevoilor informaţionale ale conducerii organizaţionale, prin prisma nevoilor specifice ale
acestora. Teoria managerială identifică cel puţin trei roluri importante pe care persoanele
din conducerea unei organizaţii trebuie să le îndeplinească: decizional, informaţional şi
interpersonal. Un SIMk trebuie să ofere suport pentru toate aceste roluri pentru a-şi atinge
obiectivele. În plus, persoanele din conducere apreciază informaţiile în primul rând pe
baza relevanţei lor (faptice şi temporale) şi preferă formele de prezentare verbale5 .
De asemenea, în cadrul unui organizaţii, deciziile de marketing, la fel ca toate
celelalte decizii, sunt luate pe trei niveluri: strategic, tactic (sau de control) şi operaţional.
Din nou, un SIMk trebuie să ofere suport pentru toate aceste trei niveluri.

5
Crawford, I.M., Marketing Research and Information Systems, Ed. FAO, 1997
 Un SIMk, pentru a îndeplini toate aceste cerinţe trebuie să conţină un număr de
componente specifice, cele mai comune fiind un sistem de raportare interna specifică, un
sistem dedicat suportului şi prelucrării cercetărilor de marketing, o bază de modele de
marketing, ca şi un eventual sistem inferenţial, din categoria sistemelor expert de
marketing.
Partea de raportare specifică poată să fie în directă legătură cu sistemul
informatic managerial al organizaţiei (SIM), extrăgând de aici informaţii despre
comenzile primite şi procesate, date despre stocuri şi inventar, facturile emise, informaţii
despre clienţi şi furnizori, despre organismele statului cu care întreprinderea se află într-o
legătură directă sau informaţii despre personalul angajat. Aceste informaţii sunt strânse
de către o organizaţie în procesul normal de desfăşurare a activităţii sale, dar în lipsa unui
SIMk performant aceste date nu sunt valorificate la potenţialul lor maxim.
Ca exemplu, pornind de la simpla utilizare a informaţiilor din facturile emisă de
către organizaţie, pot fi obţinute informaţii despre:
· Tipul, dimensiunea şi valoarea vânzărilor pentru o anumită categorie de
produse, pe regiuni.
· Tipul, dimensiunea şi valoarea vânzărilor pentru o anumită categorie de
produse, pe tipuri de clienţi.
· Tipul, dimensiunea şi valoarea vânzărilor pentru o anumită categorie de
produse, în funcţie de producători.
· Tipul, dimensiunea şi valoarea vânzărilor pentru o anumită categorie de
produse, în funcţie de cifra de afaceri a clienţilor.
· Valoarea medie şi volumul vânzărilor, pe regiuni.
· Valoarea medie şi volumul vânzărilor, pe tipuri de clienţi.
· Valoarea medie şi volumul vânzărilor, în funcţie de producători.
· Valoarea medie şi volumul vânzărilor, în funcţie de cifra de afaceri a
clienţilor.
Iar această listă poate continua, în funcţie de necesităţile de analiză ale
departamentului de marketing şi de nivelul de detaliu al surselor utilizate. Un alt exemplu
util ar putea fi compararea cererilor de ofertă cu facturile emise, determinându-se astfel
gradul în care sunt satisfăcuţi clienţii organizaţiei.

Sistemul de suport al cercetărilor de marketing cuprinde, în funcţie de

complexitatea produsului avut în vedere, o serie de funcţii precum suport pentru
formularea chestionarelor în investigaţiile directe, pentru extragerea eşantionului asupra
căruia va fi realizată cercetarea, pentru analiza şi raportarea datelor, pentru studii
continue sau excepţionale, ca şi pentru stocarea şi regăsirea ulterioară a rezultatelor
cercetării. De asemenea, există instrumente specializate pentru investigarea surselor
secundare, din categoria programelor de regăsire a informaţiilor în depozite mari de date
sau a programelor de tip webbot, care folosesc Internet-ul ca şi bază de investigaţie.
Acest subsistem trebuie să fie unul proactiv, în sensul că ar trebui să adune informaţii
înainte ca necesitatea explicită pentru utilizarea acestora să se producă, în felul acesta
fiind reduse costurile şi timpul de prezentare a rezultatelor cercetării. Acest deziderat este
atins printr-o monitorizare permanentă şi activă a mediului intern şi extern al organizaţiei,
sub forma unor studii continue, care pot să includă paneluri de consumatori sau
distribuitori sau informaţiile conţinute în sursele secundare de date.
 Sistemele expert de marketing sunt mai generale decât sistemele similare
adresate activităţilor de management spre exemplu, iar cunoştinţele pe care se bazează au
un grad de complexitate ridicat. Un astfel de sistem presupune existenţa unui set de
proceduri şi mecanisme inferenţiale, asociate unui set de date (surse secundare) care
extrage informaţii din mediul intern şi extern al organizaţiei. Acest domeniu este în
general de competenţa conducerii organizaţiei şi presupune instrumente specifice pentru
recoltarea informaţiilor necesare. Astfel, monitorizarea permanentă presupusă de acest
subsistem al SIMk presupune utilizarea unor instrumente din categoria:
· Căutărilor generale, care au ca surse informaţiile generale despre domeniul
de activitate, teoria şi practica de marketing sau din domeniilor conexe.
· Căutărilor localizate, care presupun utilizarea unei anumite categorii specifice
de surse secundare (ex.: colecţia digitală a ziarului „Capital”), însă fără a fi
avut în vedere un anumit tip de informaţie.
· Căutarilor informale, atunci când se încearcă identificarea unor informaţii
specifice, fără a se apela la o sistematizare a surselor de informare.
· Căutărilor structurate, care presupun căutarea unor informaţii precise într-o
manieră sistemică. Informaţiile sunt necesare pentru a satisface o nevoie
informaţională precis formulată şi pot fi evaluate prin prisma adecvării,
completitudinii sau a utilităţii.

Baza de modele de marketing necesară unui SIMk are rolul de a pune la

dispoziţia utilizatorilor o modalitate rapidă şi eficientă de interpretare a informaţiilor
obţinute. Câteva exemple tipice de modele6 ce pot fi asociate unei astfel de baze de
modele ar fi modelele de analiză a seriilor de timp, modelele ce provin din programarea
liniară şi cercetările operaţionale, modele ale loialităţii consumatorilor faţă de mărci,
modele de elasticitate (preţ, venit, cerere, ofertă, etc.), modele de regresie şi indici de
corelaţie, ANOVA şi celelalte analize asociate. Aceste modele pot fi agregate în
programe complexe, din categoria simulărilor de marketing, asupra cărora pot fi realizate
diverse teste de sensitivitate sau pot fi analizate diferitele variante de acţiune. Unele
dintre modelel utilizate sunt stohastice, în timp ce altele sunt deterministe

Per total, un sistem inforamtic de marketing are rolul de a aduna şi a utiliza în

mod eficient date şi informaţii disparate, de multe ori rezultate din surse total distincte,
fiind, aşa cum preciza şi Philip Kotler, „cu mult mai mult decât un mijloc de colectare sau
de interpretare a acestora prin intermediul tehnologiilor de calcul şi comunicaţie”7 .

6
Lilien, G.L., Kotler, P. şi Moorthy, K.S., Marketing Models, Ed. Prentice Hall, Englewood Cliffs, NJ,
1992.
7
Kotler, Philip, Managementul Marketingului, Ed. Teora, Bucureşti, 1997, pg.179.
 Sisteme inteligente pentru asistarea deciziilor

Managementul este considerat un proces prin intermediul căruia obiectivele

organizaţionale sunt atinse prin utilizarea resurselor interne sau atrase. Aceste resurse
sunt considerate a fi intrări, în timp ce atingerea obiectivelor respective sunt considerate
ca şi ieşiri sau rezultate ale procesului managerial. Succesul unei organizaţii şi al
sistemului managerial al respectivei organizaţii este foarte frecvent măsurat ca raport al
intrărilor şi al ieşirilor, raport cunoscut în general sub denumirea de productivitate.
Productivitatea reprezintă o preocupare majoră pentru orice organizaţie, deoarece
determină gradul de bogăţie al acţionarilor, ca şi al angajaţilor, productivitatea depinzând
în foarte mare măsură de aplicarea corectă a unor funcţii manageriale precum
planificarea, organizarea, orientarea şi controlul. Pentru îndeplinirea acestor funcţii
managerii sunt implicaţi permanent într- un proces decizional.
De-a lungul timpului procesul decizional a fost considerat de către manageri o
artă, un talent obţinut în urma unui proces îndelungat de specializare în domeniul
decizional. În continuare managementul este considerat o artă, datorită faptului că metode
de conducere aparent antagoniste pot duce la obţinerea unor rezultate comparabile,
metode bazate foarte des pe creativitate, intuiţie şi experienţă mai degrabă decât pe
aplicarea unor metode şi modele riguros ştiinţifice.
Cu toate acestea însă, mediul în care managerii îşi desfăşoară activitatea s-a
schimbat cu rapiditate în ultimele două decenii, complexitatea acestuia crescând
exponenţial odată cu trecerea în Societatea Informaţională. Ca rezultat, procesul
decizional astăzi este cu mult mai complicat, procesul decizional fiind îngreunat de faptul
că numărul de alternative este mult mai ridicat, în principal datorită nivelului ridicat de
dezvoltare al tehnologiei de calcul şi de comunicaţie, de numărul mare de operaţii,
automatizări şi de nivelul ridicat de interconectare al organizaţiilor sau al departamentelor
şi diviziilor interne. De asemenea, schimbările permenente la nivelul mediului extern
organizaţiei duc la o perisabilitate fără precedent a informaţiilor şi cunoştinţelor,
introducând nivele superioare de incertitudine în procesul decizional. În sfârşit, aceiaşi
viteză cu care se mişcă economia globalizată impune luarea extrem de rapidă a deciziilor,
ajustarea factorilor interni la oportunităţile şi ameninţările înregistrate la nivelul mediului
extern trebuind să respecte ritmul schimbărilor înregistrat la nivelul mediului socio-
economic în care organizaţia îşi desfăşoară activitatea.
Ca urmare a acestor modificări, procesul tradiţional, prin „încercări”, de obţinere
a experienţei şi a calităţii procesului decizional, devine din ce în ce mai ineficient, cu
rezultate negative asupra performanţlor organizaţiilor. Din acest motiv este imperativ ca
angajaţii de pe toate eşaloanele manageriale să înveţe să utilizeze în condiţii de maximă
eficienţă noile tehnologii din domeniul tehnicii de calcul şi al comunicaţiilor dezvoltate în
sfera lor de activitate.
Astfel, impactul tehnologiilor informatice şi de comunicaţii asupra organizaţiilor
şi al societăţii în general creşte, pe măsură ce vechile tehnologii se dezvoltă, în timp ce în
permanenţă sunt introduse noi tehnologii. Interacţiunea şi cooperarea între oameni şi
calculatoarele personale se intensifică în permanenţă, acoperind din ce în ce mai multe
aspecte ale activităţii cotidiene. Astfel, de la utilizările tradiţionale, în domeniul
salarizării şi al contabilităţii, sistemele informatice s-au infiltrat asupra unor activităţi de
conducere complexe, de la conceperea şi conducerea de către activităţi şi chiar fabrici
automatizate, până la evaluarea şi ajustarea portofoliului de activităţi, incluzând, spre
exemplu, achiziţia de noi active sau fuzionarea altora.
Sistemele informatice se află într-un plin proces de trecere de la procesarea
tranzacţiilor sau monitorizarea activităţilor repetitive la analiza problemelor manageriale
complexe şi furnizarea de soluţii pentru rezolvarea eficientă a acestora. Subiecte precum
accesul la informaţii, procesarea analitică online, ca şi utilizarea Internetului sau a
intraneturilor în procesul decizional devin piatra de hotar a managementului modern, pe
măsură ce pătrundem în noul mileniu.
Astfel, un sistem informatic poate fi necesar pentru rezolvarea unei mari varietăţi
de nevoi şi funcţii de conducere, printre acestea putându-se număra:
· Calcule rapide. Un calculator permite decidentului să efectueze un număr
foarte mare de calcule şi de analize foarte rapid şi cu costuri minime. Deciziile
rapide sunt critice în foarte multe situaţii, iar viteza sistemelor moderne de
calcul reprezintă un factor cheia în luarea deciziei corecte într-un interval de
timp cât mai scurt.
· Productivitate crescută. Alcătuirea unei echipe de decidenţi, în special când
este vorba despre experţi în diferite domenii, este extrem de costisitor.
Suportul informatic al deciziilor poate reduce semnificativ dimensiunea
respectivului grup, permiţând în acelaşi timp membrilor echipei să-şi
desfăşoare activităţile în locaţii distribuite geografic. De asemenea,
productivitatea personalului secretarial asociat funcţiilor manageriale poate
creşte semnificativ în cazul utilizării tehnicii de calcul şi de comunicaţie.
· Suport tehnic. Foarte multe decizii presupun realizarea unor calcule complexe.
Datele pot fi stocate în baze de date diferite, posibil în afara organizaţiei
propriu- zise. Datelor pot include informaţii vizuale (grafice, filme) şi poate fi
necesară transmiterea lor rapidă în diferite filiale şi departamente ale
organizaţiei, calcultoarele putând fi programate pentru a căuta, a stoca şi a
transmite datele necesare rapid şi economic.
· Îmbunătăţirea calităţii deciziilor. Tehnica de calcul poate îmbunătăţi calitatea
procesului decizional (şi implicit a deciziilor), permiţând evaluarea unui
număr semnificativ mai mare de decizii alternative, permiţând efectuarea unei
analize de risc sau colectarea rapidă a părerilor experţilor în condiţii de cost
reduse.
· Obţinerea de avantaje competitive. Presiunea competitivă adaugă, de regulă,
un nivel superior de complexitate procesului decizional. Competiţia între
organizaţiile economice nu se manifestă doar la nivelul preţului, dar şi la
nivelul calităţii, promptitudinii, individualizării produselor, ca şi al serviciilor
asociate acestora (conceptul de produs total1 ). Organizaţiile trebuie să capabile
să îşi ajusteze frecvent şi rapid operaţiile productive specifice, să îşi
restructureze procesele şi structurile şi să îşi păstreze avantajele şi inovaţiile
tehnologice. Sisteme de asistarea deciziilor precum sistemele expert pot crea

1
Balaure, V. (coord.), Marketing, Ed. Uranus, Bucureşti, 2002.
 avantaje competitive semnificative permiţând factorilor de decizie să adopte
diferite cursuri de acţiune rapid, chiar şi în condiţii de incertitudine ridicată.
· Depăşirea unor limite cognitive de procesare şi stocare. Conform experţilor2 ,
mintea umană este limitată în abilitatea sa de procesare şi stocare a
informaţiilor. De asemenea, foarte frecvent oamanii au dificultăţi de
reamintire exactă a informaţiilor la momentul în care acestea sunt necesare în
procesul decizional.

Sisteme informatice de asistarea deciziilor

Cvasitotalitatea sistemelor informatice de marketing dezvoltate în prezent la

nivelul întreprinderilor funcţionează pe principiul bazelor de date şi a SGBD- urilor care
asigură crearea şi gestionarea acestora. Caracteristica fundamentală a acestor aplicaţii
este dată de faptul că elementul primar al prelucrărilor este informaţia, generată
întotdeauna în sistemul informaţional, prelucrată în cel informatic şi interpretată, în forma
sa finală, fie în subsistemul decizional fie la nivelul celui informaţional. În acelaşi timp
aceste aplicaţii nu au capacitatea de a genera automat informaţii suplimentare pornind de
la cele stocate la un moment dat în baza de date. Putem spune astfel că exactitatea şi
acurateţea informaţiilor rezultate dintr-o aplicaţie sau dintr- un sistem informatic sunt
condiţionate de calitatea informaţiilor primare transmise de componenta informaţională a
sistemului.
Creşterea complexităţii actului decizional şi apariţia situaţiilor în care decidenţii
trebuie să fundamenteze decizii optime în timp scurt folosind atât experienţa proprie cât
şi metode specifice procesului managerial, dar şi informaţiile avute la dispoziţie despre
activitatea condusă a ridicat problema folosirii calculatorului într-o manieră care să
asigure managerului obţinerea unor cunoştinţe noi pornind de la un portofoliu de
cunoştinţe existent. Au apărut astfel primele încercări de folosire a calculatoarelor pentru
realizarea şi implementarea unor sisteme informatice specifice cunoscute sub denumirea
de sisteme informatice pentru asistarea deciziilor (SIAD) şi de sisteme expert (SE).
La începutul anilor şaptezeci Scott Morton a schiţat, pentru prima oară,
componentele unui sistem de asistarea deciziilor3 . Tot el a dat definiţia sistemelor
informatice pentru asistarea deciziilor ca fiind „modalităţi de asociere a capacităţilor
intelectuale ale decidenţilor cu capabilităţile tehnicii de calcul, în scopul îmbunătăţirii
procesului decizional”. De regulă, sistemele informatice de asistarea deciziilor sunt
utilizate în universuri decizionale semistructurate.
Termenii de „sistem informatic pentru asistarea deciziilor” sau „sistem inteligent
pentru asistarea deciziilor” (SIAD) reprezintă denumiri generice, utilizate pentru o
multitudine de soluţii informatice folosite în practică. Asfel, o organizaţie poate avea un
sistem informatic executiv pentru membrii consiliului director, un alt sistem, separat,

2
Simon, H. The New Science of Management Decision. Ed. Prentice Hall Englewood Cliffs, NJ, 1977
3
Gorry, G.A. şi Morton, S. “A Framework for Management Information Systems”, apărut în Sloan
Management Review, Vol.13, Nr.1, 1971
pentru asistarea deciziilor de marketing, ca şi sisteme cu ajutorul cărora să se realizeze
operaţiile curente ale departamentelor financiare, contabile sau de resurse umane. De
asemenea, pot exista in interiorul acelei organizaţii sisteme expert pentru asistarea
angajaţilor care asigură managementul relaţiilor cu clienţii sau diagnosticarea
problemelor funcţionale ale echipamentelor utilizate în departamentul de producţie. Toate
acestea pot fi considerate ca fiind sisteme informatice pentru asistarea deciziilor, sau ca
fiind parte dintr- un SIAD general, utilizat la nivelul organizaţiei.
Utilizarea sistemelor informatice pentru asistarea deciziilor poate aduce
nenumărate beneficii unei organizaţii, printre acestea numărându-se creşterea calităţii
deciziilor, reducerea costurilor, creşterea productivităţii, reducerea timpului necesar
adoptării deciziilor, îmbunătăţirea comunicaţiei în interiorul organizaţiei, cât şi cu
partenerii, ca şi creşterea satisfacţiei angajaţilor şi a clienţilor. Factori precum gradul de
competitivitate, ramura industrială, dimensiunea companiei, ca şi gradul de uşurinţă în
utilizarea sistemului informatic reprezintă modalităţi care influenţează aprecierea şi
beneficiile pe care o organizaţie le poate avea după implementarea unui sistem informatic
de asistarea deciziilor.
Studii efectuate la sfârşitul anilor nouăzeci4 au scos în evidenţă o serie de motive
pentru care organizaţiile decid implementarea unui sistem informatic de asistarea
deciziilor:
· companiile lucrează într-un mediu economic instabil;
· dificultatea urmăririi numeroaselor procese economice ale organizaţiei;
· intensificarea competiţiei în condiţiile globalizării economiei;
· apariţia comerţului electronic;
· sistemele informatice existente nu oferă date utile în procesul decizional;
· departamentul IT este suprasolicitat, neputând răspunde tuturor cerinţelor
conducerii organizaţiei;
· necesitatea unor informaţii cu o acurateţe ridicată;
· sistemele informatice pentru asistarea deciziilor sunt percepute ca active
importante într-o organizaţie;
· necesitatea accesării unei noi categorii de informaţii;
· informaţiile sunt necesare imediat pentru asistarea deciziilor în care timpul
reprezintă un factor esenţial;
· reducerea costurilor;

Sisteme informatice pentru asistarea conducerii (SIAC)

Sistemele informatice (inteligente) pentru asistarea conducerii organizaţiei

(nivelelor manageriale superioare) sunt dezvoltate urmărindu-se următoarele obiective:
· oferirea unei perspective generale, organizaţioale, asupra operaţiilor
economice;

4
Davison, R. Decision Support Systems Implementation, Ed. Prentice Hall, Englewood Cliffs, NJ, 2000
 · satisfacerea nevoilor informative ale conducerii şi ale altor eşaloane
manageriale;
· realizarea unei interfeţe foarte prietenoase, adecvate cu procesele decizionale
individuale ale membrilor conducerii organizaţiei;
· oferirea unor posibilităţi şi proceduri de control şi urmărire eficiente şi în timp
real asupra operaţiilor specifice organizaţiei;
· oferirea unui acces rapid la informaţii detaliate;
· filtrarea, comprimarea şi urmărirea datelor şi informaţiilor critice pentru
organizaţie;
· identificarea ameninţărilor şi oportunităţilor din mediul extern al organizaţiei;

Sistemele informatice pentru asistarea conducerii organizaţiei, folosite încă de la

jumătatea anilor optzeci de către marile corporaţii s-au extins la nivelul economiei
globale, devenind în acest moment accesibile inclusiv pentru companiile mici şi mijlocii
şi servesc managerii din toate domeniile (inclusiv marketing) în procesul decizional.

Sisteme expert şi agenţi inteligenţi

Atunci când o organizaţie se confruntă cu o problemă decizională complexă

apelează adesea la sfaturile unor experţi în domeniul de activitate al organizaţiei
respective. Aceşti experţi au cunoştinţe specifice, dobândite prin experinţă, anticipând
alternativele de acţiune, şansele de succes asociate acestora, ca şi costurile şi beneficiile
care sunt presupuse de către fiecare alternativă. Companiile angajează experţi în poziţii
consultative, utilizându- le experienţă spre exemplu în ajustarea portofoliului de activităţi
şi de active, politica de promovare sau achiziţionarea de echipamente de producţie. Cu
cât universul decizional este mai puţin structurat, cu atât mai specializat (şi mai scump)
trebuie să fie expertul angajat. Sistemele expert reprezintă sisteme informatice care
încearcă să emuleze procesele cognitive şi decizionale ale unui expert uman.
Astfel, un sistem expert reprezintă un produs software utilizat pentru adoptarea
unor decizii sau pentru rezolvarea unor probleme complexe, semistructurate, produs care
poate avea nivele de performanţă comparabile cu (sau chiar depăşindu- le) ale unui expert
uman în anumite domenii foarte specializate.
Sistemele expert reprezintă aplicaţii ale unor tehnici din domeniul inteligenţei
artificiale şi sunt bazate pe diferite modalităţi de reprezentare a cunoştinţelor şi pe aşa-
numite motoare inferenţiale, cu ajutorul cărora sunt extrase concluziile din bagajul de
cunoştinţe pe care sistemul expert îl are la dispoziţie. Apoi, la fel ca şi în cazul unui
consultat uman, oferă sfaturi non-experţilor şi explică cauzele care au dus la adoptarea
unei anumite concluzii. Sistemele expert sunt utilizate astăzi în mii de organizaţii şi, de
regulă, sunt integrate altor instrumente din categoria sistemelor inteligente pentru
asistarea deciziilor.
Agenţii inteligenţi reprezintă o altă categorie de produse software asemănătoare
sistemelor expert, însă aceştia sunt utilizaţi pentru automatizarea anumitor sarcini cu un
grad ridicat de structurare, crescând în mod semnificativ calitatea şi productivitatea
proceselor respective. Aceştia sunt utilizaţi, spre exemplu, pentru a naviga pe Internet şi a
aduna informaţii relevante pentru diferite domenii specificate de către posesorii lor.

Reţele artificiale neuronale

Utilizarea sistemelor expert sau a agenţilor inteligenţi se bazează pe utilizarea

unor date, informaţii sau cunoştinţe stocate în mod explicit pe un suport digital şi
manipulate ori de câte ori este nevoie. Din păcate însă, în lumea reală s-ar putea ca aceste
date, informaţii şi cunoştinţe să nu existe, drept pentru care decidenţii sunt nevoiţi să
lucreze cu informaţii parţiale, incomplete sau chiar inexistente. Astfel de condiţii sunt
create, spre exemplu, în mediile în care schimbările sunt rapide şi frecvente (ex.: piaţa
bursieră). Managerii îşi utilizează propriile cunoştinţe şi propria experienţă pentru a lua
decizii în astfel de condiţii. Mai exact, îşi reamintesc situaţii asemănătoare şi învaţă, prin
utilizarea unor comparaţii şi prin formarea unor modele cognitive atunci când replici
exacte ale situaţiilor curente nu sunt disponibile. Această abordarea este cunoscută sub
denumirea de proces de învăţare, proces care este reprodus în lumea informatică prin
intermediul reţelelor neuronale artificiale.
Reţelele artificiale neuronale, cunoscute şi sub denumirea de calcul (sau procese)
neuronale utilizează o abordare similară cea a creierului uman, de recunoaştere a
modelelor, pentru rezolvarea diferitelor probleme asociate unui grad ridicat de
incertitudine şi au fost utilizate cu succes în foarte multe domenii economice5 .

Sisteme de management al cunoştinţelor

Adesea este posibilă utilizarea de expertize şi cunoştinţe dobândite în trecut

pentru a eficientiza procesul decizional. Cunoştinţele acumulate într-o organizaţie de-a
lungul timpului pot fi utilizate pentru a rezolva probleme decizionale asemănătoare,
crescând astfel productivitatea organizaţiei.
Problemele pe care un sistem de management al cunoştinţelor trebuie să aibă în
vedere sursele de cunoştinţe care pot fi exploatate în cadrul organizaţiei, modalităţi de
clasificare a acesteia, modalităţile de asigurare a calităţii, variantele de stocare şi de
reactualizare optime şi, bineînţeles, procedurile de utilizare productivă. Dar cel mai dificil
în cazul unui sistem de management al cunoştinţelor este motivarea posesorilor acestora
să le disponibilizeze în cadrul organizaţiei.
Cunoştinţele sunt stocate şi organizate cu ajutorul unei baze de cunoştinţe6 . Apoi,
atunci când trebuie rezolvată o problemă decizională sau atunci când este evaluată o
oportunitate cunoştinţele relevante sunt extrase din baza de cunoştinţe utilizând
tehnologii informatice, precum agenţii inteligenţi.

5
Trippi, R. şi Turban, A., Neural Computing Applications in Investment and Financial Services,
6
Liebowitz, J., Building Organizational Intelligence: A Knowledge Management Primer, CRC Press, Boca
Raton, Fl, 1999.
 Managementul relaţiilor de aprovizionare

Competiţia puternică asociată economiei globalizate a noului mileniu obligă

organizaţiile să descopere noi modalităţi de a-şi reduce costurile, să îmbunătăţească
calitatea relaţiilor cu clienţii şi să-şi crească productivitatea. O zonă în care se pot
înregistra economii substanţiale o reprezintă sistemul de aprovizionare al organizaţiei cu
materii prime şi materiale necesare în procesul productiv, ca şi cu toate celelalte resurse
consumate de către aceasta în procesul normal de desfăşurare a activităţii. Utilizând
diferite tipuri de sisteme informatice tradiţionale sau sisteme inteligente pentru asistarea
deciziilor, organizaţiile încearcă să integreze în sistemul informatic cât mai multe funcţii
şi departamente cu putinţă. Din punct de vedere teoretic, se discută despre două tipuri de
sisteme informatice distincte care sunt realizate pentru integrarea superioară a funcţiilor
organizaţionale: sistemele de planificare a resurselor la nivelul organizaţiei, respectiv
sistemele de management al relaţiilor de aprovizionare.
Sistemele de planificare a resurselor la nivelul organizaţiei, cunoscute şi cu
ajutorul iniţialelor din limba engleză ERP (Enterprise Resources Planning) reprezintă
sisteme informatice foarte complexe, al căror scop este să integreze totalitatea operaţiilor
şi deciziilor luate la nivelul unei organizaţii într-o singură aplicaţie. În mod frecvent,
sistemele de tip ERP au module care asigură suportul pentru funcţii precum producţia,
marketingul, aprovizionarea, logistica, stabilirea costurilor şi facturarea. Suplimentar,
sistemele ERP pot fi augmentate cu sisteme expert, reţele artificiale neuronale sau
module pentru managementul relaţiilor cu clienţii.
Sistemele de management al relaţiilor de aprovizionare, la rândul lor cunoscute
prin intermediul iniţialelor SCM (Supply Chain Management) reprezintă sisteme
informatice al căror obiectiv îl reprezintă îmbunătăţirea şi eficientizarea diferitelor
componente ale lanţului de aprovizionare al organizaţiei, incluzând materiile prime
necesare în procesul productiv sau forţa de muncă pe care se bazează operaţiunile curente
ale organizaţiei respective. Sistemele de tip SCM implică un număr mare de activităţi
unice, non-repetitive, cu un grad ridicat de incertitudine.

Sistemele hibride pentru suportul deciziilor

Obiectivul unui sistem informatic, indiferent de tipul şi natura sa, îl reprezintă

asistarea personalului unei organizaţii în rezolvarea unor probleme operaţionale sau de
conducere mai rapid şi eficient. Pentru a atinge acest obiectiv sistemele pot utiliza unul
sau mai multe metode şi tehnice specifice tehnologiei informaţiei şi a comunicaţiilor.
Studii de profil7 au arătat o creştere semnificativă a productivităţii sistemelor informatice
atunci când o serie de tehnici distincte sunt integrate. O analogie utilă ar putea fi

7
Forgionne, G.A. şi Kohl, R. Integrated MSS Effects: An Empirical Health Care Investigation, apărut în
Information Health Care and Management, Vol.31, Nr.6, 1995
depanarea unui autovehicul: mecanicul diagnostichează problema şi caută cele mai
eficiente unelte pentru a o repara. Un singur instrument poate fi suficient pentru a rezolva
problema respectivă, dar adeseori este necesară utilizarea unui număr mare de unelte
pentru a obţine cele mai bune rezultate, într-un timp rezonabil. Iar uneori nu există unelte
standard, caz în care, mai ales pentru sistemele informatice, acestea trebuie construite.
Diferitele tipuri de sisteme informatice sunt în general complementare. Spre
exemplu, un sistem expert poate avea componente pe baza cărora este modelat mediul
decizional, în timp ce o reţea artificială neuronală sau un sistem de sprijin al activităţilor
distribuite (groupware) pot ajuta la colectarea cunoştinţelor necesare în procesul de
dezvoltare a sistemului expert. Un alt exemplu util ar fi integrarea sistemelor de
management al relaţiilor cu clienţii (CRM) şi al celor de management al relaţiilor de
aprovizionare (SCM), permiţând utilizarea unei singure baze de cunoştinţe care să
conţină informaţii despre produse, clienţi şi furnizori, integrând intrările şi ieşirile
sistemului productiv al organizaţiei.

Sisteme informatice pentru asistarea deciziilor de marketing

Sistemele informatice de asistare a deciziei de marketing (SIADMk) asigură

decidentului, care analizează o problemă de marketing şi ia o decizie, asistenţă automată
pentru:
· formularea şi transmiterea întrebărilor către modelul adecvat din cadrul SIAD;
· extragerea datelor şi faptelor care sunt analizate din punct de vedere statistic;
· selecţia variantei decizionale optime pentru fundamentarea cursului optim al
acţiunii.

Factori de decizie
în domeniul D E C I Z I I
marketingului

Sistem suport de Entitate

asistare a o r gdeciziei
anizatoricã

S EI S AS S E / D E I S

Figura 1. Rolul SIAD în fundamentarea deciziilor de marketing

Structura unui sistem interactiv de asistare a deciziei este redat în figura 2, cu

specificarea legăturilor dintre modelele şi bazele utilizate într- un SIAD şi decidenţii-
utilizatori a unui astfel de SIADMk.
 DECIDENT

INTERFATÃ UTILIZATOR
Limbaj
Limbaj Limbaj
a c t i v a r eafisare c u n o s t i n t e

Modele de gestiune Modele de

a bazelor de SGBD/BT/BC management
date/cunostinte al marketingului

Modele de date
pentru BD BD Modele
orientate pe
strategice
BT
obiecte

Modele de date
pentru BD BD Modele
multimedia multimedia tactice

Modele de Modele
cunostinte BC operationale
m u l t i u t i l i z B Fa t o r

I N T E G R A R E

I N T E R A C T I V I T A T E

Figura 2. Structura interactivă a SIAD în domeniul marketingului

În cadrul SIADMk, datorită specificului de activitate, sistemul este structurat în:

· subsistemul modelelor de marketing (SMM);
· interfaţa om- maşină (IOM);
· subsistemul de gestiune a datelor şi/sau cunoştinţelor (SGC).
a) Subsistemul modelelor de marketing este format din modele cantitative şi
calitative, metode şi proceduri de optimizare8 care asigură SIAD proprietăţi de analiză şi
de fundamentare a deciziei. Modele sunt structurate în trei clase:
· modele strategice (MS): asigură responsabilităţile de planificare de marketing
pentru cel mai înalt nivel decizional, fiind de fapt modele pe termen lung;
· modele tactice (MT): sprijină gestionarea la nivel mediu pentru alocarea şi
controlul utilizării resurselor entităţii organizaţionale;
· modele operaţionale (MO): asigură gestionarea operaţională în scopul luării
deciziilor zilnice pentru activităţile operative din domeniul marketingului.
b) Interfaţa om maşină (IOM) este formată din următoarele componente:
· Limbajul de activare (LA) care asigură:
- opţiuni pentru introducerea datelor;
8
Kotler, Philip, Managementul Marketingului, Ed. Teora, Bucureşti, 1997, pg.202-203.
 - meniuri specifice pentru funcţiile utilizate.
· Limbajul de afişare (LF) care permite opţiuni pentru ieşirea datelor cu
afişare multiplă (tabele, grafice, etc.)
· Baza de cunoştinţe (BC) formată din cunoştinţele de marketing necesare
utilizării SIAD.
Facilităţile asigurate de către IOM sunt:
· interacţiuni în diverse moduri de dialog;
· multitudinea dispozitivelor de I/E;
· capacităţi grafice multiple, multiferestre;
· facilităţi de depanare şi diagnoză;
· instruire prin exemple.
c) Subsistemul de gestiune a datelor şi/sau cunoştinţelor (SGC) asigură crearea
şi validarea bazelor de date şi/sau cunoştinţe cu care interacţionează în SIAD în
domeniul marketingului, şi anume:
· modele de date pentru BD orientate pe obiecte (BDO);
· modele de cunoştinţe multiutilizator pentru bazele de cunoştinţe (BC);
· modele de date pentru BD multimedia (BDM).
 Evoluţia sistemelor inteligente pentru asistarea deciziilor

Complexitatea şi dimensiunea mediului economic şi a relaţiilor de afaceri au adus în prim

plan informaţia ca resursă strategică în obţinerea unei poziţii avantajoase în competiţia concurenţială
din economia de piaţă. În consecinţă, rolul sistemului informaţional, cel ce asigură culegerea,
stocarea, prelucrarea şi transmiterea datelor şi deciziilor, a crescut semnificativ ca importanţă şi
utilitate. Sistemul informaţional prin integrarea masivă a calculatoarelor şi tehnicilor de prelucrare
electronică a datelor – EDP, electronic data processing, a devenit un mediu informatizat evoluat
având ca nucleu sistemul informatic.
decizii

informaţii prelucrate SISTEMUL DE

CONDUCERE

SISTEMUL
FACTORI DE PRODUCŢIE INFORMAŢIONAL HARDWARE
RESURSE UMANE SOFTWARE
CAPITAL PERSONAL
SISTEMUL DE
TEHNOLOGII DATE
BAZĂ
INFORMAŢII BUNURI-SERVICII

Figura 1: Locul sistemului informaţional în relaţia cu sistemul de bază şi sistemul de management

al firmei
Aşa cum se observă şi din figura de mai sus aria sistemului informatic se întrepătrunde cu
aria sistemului de bază care asigură producerea de bunuri şi servicii destinate pieţei interne şi
internaţionale. În această zonă sunt dominante problemele de natură tehnologică vizând culegerea şi
codificarea datelor primare necesare creări şi actualizării bazelor de date ale sistemului informatic.
În relaţia cu sistemul de management, sistemul informatic înregistrează un salt calitativ în sensul că
s-a depăşit stadiul în care sistemul informatic era doar un instrument pasiv de constatare şi raportare
a unor fenomene deja încheiate. Acum sistemul informaţional a devenit un instrument activ al
managementului operativ şi strategic, care nu furnizează numai date corect sortate şi centralizate, ci
oferă variante de decizie, criterii şi scenarii de alegere a deciziilor optime, prin care se asigură o
corectă fundamentare informaţională a procesului de conducere ştiinţifică.
Acest traseu evolutiv al sistemelor informatice a însemnat trecerea de la nivelul de sisteme
OLTP – operational tranzaction systems, la nivelul MIS – management information systems iar
acum la nivelul DSS – decision suport system.

1
 I I
N N
Documente T I RESURSE T I Formulare
E N E E
Machete R T REGULI RŞ Rapoarte
F R F I
Suporţi E A PROCEDURI E R Document
R Ţ R E
Reţele de E E METODE E Suporţi
comunicaţii
D D Reţele de
E E calculatoa
re

Figura 2: Mecanismul intern al sistemului informatic

Sistemele OLTP
Sistemele OLTP numite de unii autori şi sisteme TS – transactions systems, s-au rezumat
doar la culegerea şi prelucrarea datelor în sensul procesării documentelor primare, pentru aplicaţii de
contabilitate, gestiunea stocurilor, salarii, prelucrări statistice simple pentru cercetări de marketing
pe baza chestionarelor de sondaj. Sistemele informaţionale de tip OLTP s-au concentrat pe
disciplinarea sistemului informaţional sub aspect organizatoric în primul rând şi pe asigurarea
consistenţei şi acurateţii datelor în al doilea rând.
Consistenţa se referă la completitudinea şi corelarea datelor, prevenirea pierderilor de date
datorită unor omisiuni mecanice sau logice ce nu sunt semnalate de algoritmi de actualizare a
datelor. Acurateţea datelor se referă la corectitudinea , la precizia datelor prelucrate.

Sistemele MIS
Sistemele MIS se adresează în principal nivelului de conducere operativă a firmei. Pentru
început aceste sisteme erau numite sisteme SCO – sisteme de conducere operativă, pentru că se
opreau la nivelul conducerii compartimentelor funcţionale – aprovizionare, desfacere, marketing,
programarea, lansarea, urmărirea producţiei, resurse umane. Extinderea ariei de probleme ale acestor
sisteme către zona managementului general al firmei prin elaborarea de jurnale de bord, rapoarte
asupra situaţiilor de excepţie, situaţii centralizatoare cu indicatori sintetici de dinamică, transformă
un sisteme SCO într- un real sistem MIS.
Sistemele informatice de tip MIS cuprind în structura lor următoarele componente:
· baza tehnică, componenta hardware;
· sistemul de programe, componenta software;

2
 ·
baza informaţională, cuprinzând pe lângă baza de date şi fluxurile
informaţionale de intrare şi de ieşire;
· baza ştiinţifico- metodologică care reuneşte normativele, algoritmii, modelele
şi regulile de calcul şi de verificare a indicatorilor incluşi în situaţiile de
ieşire.
· Resursele umane şi cadrul organizatoric necesar pentru funcţionarea şi
managementul sistemului informatic.
Sistemele informatice de tip MIS pun accentul pe fundamentarea informaţională a
proceselor de management bazate pe metode cantitative.

Sistemele SIAD
Sistemele SIAD sunt, ceea ce în literatura de specialitate internaţională au apărut ca sisteme
DSS – decision suport systems, sunt sisteme informatice pentru asistarea deciziei care asigură prin
componentele sale condiţiile pentru desfăşurarea unui management bazat şi pe metode, modele
calitative.
Sistemele SIAD astfel structurate, cu astfel de componente în structura lor funcţională,
adaugă informaţiei valenţa de creativitate, în sensul că asigură nu numai satisfacerea cerinţelor
informaţionale ale conducerii operative de pe diferite trepte ierarhice, dar prin variantele, criteriile
şi soluţiile de alegere a deciziilor îi susţine pe aceştia în ceea ce priveşte managementul tactic şi
strategic.
Decizia este condiţia creativităţii. Prin decizie actul de conducere asigură creativitate
proceselor de management, inventivitate, spirit de anticipaţie, toate acestea fiind condiţii ale
succesului într-o economie concurenţială.
SIAD, tocmai prin legătura directă informaţie – decizie devine un sistem pro-activ, care
transformă informaţiile retroactive în suport pentru descoperirea de noi cunoştinţe necesare
procesului de învăţare.
Preocupări pentru definirea conceptului SIAD au apărut încă din anul 1970. Dorin Zaharie1
citându-ui pe E. Turban şi J. Aronson, consemnează o serie de definiţii care au adăugat fiecare
elemente suplimentare menite să întregească sensul semantic al acestui concept
Astfel, Scot Morton a fost primul care a definit clasa de sisteme SIAD ca „sisteme
informatice interactive care ajută decidentul în utilizarea datelor şi modelelor în scopul rezolvării
problemelor nestructurate”. Această definiţie subliniază doua elemente suplimentare faşă de
sistemele informatice din clasa MIS. Este vorba de interactivitatea utilizator – sistem, un prim
element, cel de-al doilea element fiind integrarea modelelor în structura SIAD.
În aceeaşi lucrare se menţionează definiţia lui J. Little care consideră şi el că SIAD conţine
un „set de proceduri de procesare a datelor şi a raţionamentelor bazate pe modele pentru asistarea
managerilor în procesul de adoptare a deciziilor”.
În anii ’80 moment de vârf al implementărilor de sisteme MIS, dar şi de ascensiune a
sistemelor SIAD, D. Alter punctează caracterul activ al sistemelor care se traduce prin schimbarea
perspectivei asupra abordării timpului, care se modifică în sensul trecerii de la timpul trecut la
timpul viitor. Devin preponderente modelele de decizie care au un orizont de timp plasat în viitorul
imediat, orizontul tactic, dar şi ceva mai îndepărtat, orizontul strategic. Accentul se pune acum nu

1
Dorin Zaharie, şa Sisteme informatice pentru asistarea deciziei, Ed. Dual Tech, Bucureşti, 2001

3
atât pe consistenţa datelor cât mai ales pe flexibilitate şi eficacitate. Dacă flexibilitatea este sugestiv
ca termen, trebuie să spunem că eficacitatea este un concept mai cuprinzător decât eficienţa care se
rezumă la compararea numerică a rezultatelor faţă de cheltuieli. Eficacitatea ia în considerare şi
aspectele calitative, mai greu cuantificabile numeric, a efectelor pozitive ale implementărilor SIAD.
În mod inevitabil sistemele informatice de asistare a deciziilor se apropie de zona prelucrării
cunoştinţelor, asociindu-se cu sistemele expert. Ajungându-se la sisteme inteligente de asistare a
deciziilor.
Sistemele inteligente de asistare a deciziilor, integrează în structura unui SIAD clasic şi
componenta de sistem expert care se dezvoltă în jurul bazei de cunoştinţe a sistemului. Unii autori,
chiar şi case software, folosesc termenul de EES – executive system suport, căruia i-a urmat
termenul de EIS – executive information system. Sitemele informatice executive, sintetic, sunt
sisteme inteligente de asistare a deciziilor care prelucrează datele din sistemele tranzacţionale şi
oferă informaţii sintetice top-managerilor.
Trei factori au fost determinanţi în ceea ce priveşte schimbările calitative înregistrate de
sistemele informatice – EDP, în dinamica ciclului lor evolutiv de la sistemele tranzacţionale la
SIAD. Este vorba de rezultatele cercetărilor în trei domenii , şi anume: ştiinţa conducerii, modelarea
economico- matematică şi tehnologia informaţiei şi comunicaţiilor.
Ştiinţa conducerii a adus îmbunătăţiri semnificative teoriei şi practicii managementului,
permiţând evidenţierea conceptului de „asistare a deciziei”. Asistarea deciziei se bazează pe faptul
că omul în virtutea unei reprezentări mentale îşi elaborează un model al procesului decizional. Acest
model este utilizat în simularea alegerii şi evaluarea soluţiei alese înainte de a se trece la acţiune
Asistarea deciziei este definită drept activitatea celui care bazându-se pe modele obţine
răspunsuri corespunzător întrebărilor adresate persoanelor implicate în procesul decizional,
răspunsuri care confirmă sau infirmă supoziţii, diagnostice, aprecieri, soluţii sau previziuni.
Decizia finală şi responsabilitatea asumării acestei decizi aparţine decidentului uman.
Au existat numeroase încercări de formalizare a procesului de luare a deciziei care s-au
concretizat sub forma unor modele mai mult sau mai puţin structurate, deterministe sau probabiliste.
Modelarea economico-matematică a completat cercetarea din domeniul teoriei economice,
cu realizări notabile în special în segmentul cercetărilor operaţionale. Aceste modele şi-au găsit
rapid implementări prin pachete software.
Tehnologia informaţiei şi comunicaţiilor joacă un rolul major în toate aceste
transformări ale sistemelor informatice. Performanţele sunt remarcabile: în domeniul hardware, al
sistemelor de operare cu interfaţă prietenoasă şi personalizabilă, dezvoltarea comunicaţiilor în reţea,
reţele LAN, MAN şi WAN, apoi produsele software complexe şi performante pentru prelucrarea
volumelor mari de date, baze de date, depozite de date, analiză multidimensională OLAP şi
extragerea cunoştinţelor prin tehnologia Data Minning. Este limpede că tehnologia IT&C adoptată
este definitorie pentru calitatea sistemului informatic.
Sistemele SIAD valorifică valenţele platformelor IT&C prin faptul că sunt concepute pentru
a asigura accesul de oriunde şi oricând la informaţii plasate în baze de date locale sau distribuite,
pentru o comunicare mai rapidă între utilizatori, pentru a asigura diversificarea posibilităţilor de
interogare în funcţie de cerinţele manageriale, unele chiar imprevizibil, furnizând informaţii
relevante, complete şi valide.
Sistemele SIAD valorifică extraordinarele performanţe ale sistemelor expert, şi mai recent al
soluţiilor software de tip „business intelligence” care permit căutarea de soluţii, reţinerea faptelor

4
deci învăţarea şi în consecinţă obţinerea de noi cunoştinţe din datele tranzacţionale existente în
depozitele de date Data Warehouse şi Data Marts, constituie în cadrul sistemului.

6.2 Componentele SIAD

Sistemele inteligente de asistare a deciziilor se construiesc prin integrarea software a unor

componente care vor asigura, în primul rând, funcţionalitatea acestora ca orice sistem informatic, şi
în al doilea rând, vor asigura valorificarea elementelor noi, superioare introduse de aceste sisteme.
Orzan Gheorghe2 propune pentru sistemele SIAD în marketing următoarea structură:

INTERFAŢĂ UTILIZATOR

Modele gestiune baze SGBD/BT/BC Modele de

de date / de cunoştinţe management

Modele de date SG baze de date Modele strategice

* BD obiect SG baze de fapte Modele tactice
* BD cunoştinţe SG baze cunoştinţe Modele operaţionale

INTEGRARE
INTERACTIV

Figura 3: Structura integratoare a unui SIAD

Se regăsesc în această structură componentele de bază aşa cum au fost ele pentru prima dată
enumerate de E. Turban şi J. Aronson, citaţi şi de D. Zaharie , este vorba despre:
- sistemul de gestiune al datelor – DMS, data management system;
- sistemul de gestiune al bazei de module – MMS, model management system;
- sistemul de management al bazei de cunoştinţe – KMS, knowledge management system;

2
Gheorghe Orzan, Sisteme informatice de marketing, Ed. Uranus, Bucurşti 2001

5
 - sistemul de interfaţă prietenoasă cu utilizatorul – FGUI, friendley graphic user interface .

Sistemul de gestiune a datelor

Sistemul de gestiune al datelor îl putem separa pe două componente, desigur intercorelate. In
primul rând este vorba de baza de date clasică a sistemului informatic şi sistemul de management al
bazei de date. Acesteia i se adaugă o componentă a datelor proprie SIAD, este vorba despre
depozitele de date Data Warehouses.
Baza de date clasică, care este de fapt sursa de date dar şi depozitele de date pot fi create,
actualizate şi exploatate cu ajutorul unui sistem relaţional de gestiune un RDBMS, fie SQL – Server,
MySQL, Oracle şi chiar MS Access, sau Visual FoxPro pentru sisteme cu pretenţii mai reduse.
Depozitele de date sunt valorificate la adevărata lor valoare cu sisteme software pentru analiză
multidimensională OLAP.
Faţă de un sistem informatic clasic , sistemul de gestiune a datelor din cadrul SIAD
utilizează pentru crearea şi actualizarea datelor pe lângă surse de date interne şi surse externe, ale
organizaţiilor cu care cooperează. Din aceste surse se extrag datele pe dimensiunile stabilite la
momentul proiectării depozitului de date, se asigură procesele de filtrare şi curăţire pentru obţinerea
unor date consistente şi care respectă restricţiile de integritate a bazelor de date.
Sistemul de gestiune al datelor trebuie să conţină şi un dicţionar al datelor care este cerut
încă din faza de proiectare. Dicţionarul datelor reprezintă o listă a definiţiilor explicite aplicate
datelor şi se asociază unui mecanism de indexare şi regăsire a datelor în sistem.
Sistemul de gestiune a datelor poate utiliza şi un „limbaj declarativ” de interogare. Acest
limbaj personalizează sistemul tradiţional de interogări RQBE, făcând mai accesibil accesul la date
pentru utilizatorii ne informaticieni, aşa cum sunt majoritatea managerilor ce utilizează sistemul.
Această facilitate se regăseşte în construcţia sistemului de interfaţă cu utilizatorul

Sistemul de gestiune a bazei de modele

Sistemul de gestiune a bazei de modele are în primul rând ca sarcină stocarea, regăsirea şi
actualizarea modelelor. Urmează apoi gestiunea surselor de date, generarea modelelor şi nu în
ultimul rând managementul utilizatorilor şi a dreptului de acces al acestora.
Sistemul de gestiune a bazei de modele răspunde cerinţei de studiu cantitativ al fenomenelor
economice pentru analiza şi previzionarea evoluţiei acestor fenomene în diferite condiţii date sau
propuse. I. Ivan şi A. Vişoiu3 consideră că un sistem de gestiune a modelelor se compune din
următoarele componente
- baza de modele;
- dicţionarul de modele;
- procesorul de execuţie şi interogare;
Baza de modele trebuie privită ca o diversitate de modele economice, şi în consecinţă poate
fi structurată după numeroase criterii de clasificare. Aceiaşi autori [IVA01] ne propun următoarele
criterii de structurare:
- după criteriul liniarităţii există modele liniare şi modele neliniare;
- după obiectivul urmărit modulele sunt modele de calcul, modele de optimizare;
- după natura variabilelor operăm cu modele deterministe şi modele stochastice;

3
Ion Ivan, Adrian Vişoiu, Baza de modele economice, Ed ASE, Bucureşti 2005

6
 - după natura soluţiilor avem modele cu soluţii exacte, modele cu soluţii aproximative,
modele fuzzy, modele bazate pe reţele neuronale, algoritmi genetici, etc.,

Modelele trebuie asociate cu proceduri software prin care se realizează reproductibilitatea şi

testabilitatea rezultatelor. Şi bazei de modele trebuie să i se asocieze un dicţionar al modelelor care
prin elementele descriptive pe care le furnizează să flexibilizeze procedurile de căutare şi selecţie a
celui mai potrivit şi operaţional model.
Procesorul de execuţie şi integrare a modelelor permite configurarea modelului în funcţie de
opţiunile, restricţiile şi parametrii utilizatorului, de datele acestuia. El are ca suport software o suită
complexă de programe scrise de exemplu în C#.
Procesorul de execuţie şi integrare transmite rezultatele altor componente ale sistemului
SIAD pentru valorificarea lor în procesul de asistare a deciziilor, în special cu ajutorul interfeţei
pentru utilizator.

Sistemul de management al bazei de cunoştinţe

Sistemul de gestiune a cunoştinţelor integrează în sistemele inteligente de asistare a
deciziilor SIAD componentele sistemelor expert. Este vorba de baza de cunoştinţe, baza de fapte,
modulul de achiziţie a cunoştinţelor, motorul de inferenţă şi modulul explicativ. Aceste componente
au fost deja discutate pe larg în prima pare a cursului.

Sistemul de interfaţă prietenoasă cu utilizatorul

Utilizatorul intră în contact direct cu sistemul SIAD pentru selecţia şi lansarea în execuţie a
diferitelor taskuri ale sistemului, apoi pentru introducerea datelor de intrare şi în final pentru
recepţionarea şi interpretarea rezultatelor finale obţinute prin prelucrare. De aceea este foarte
important să avem un sistem performant de gestiune a interfeţei cu utilizatorii care să asigure:
- un mod explicit, intuitiv de interacţiune cu meniul principal al sistemului;
- interfaţă prietenoasă şi un dialog simplu, pentru introducerea datelor şi configurarea
opţiunilor de lucru;
- modalitate clară şi directă de prezentare a rezultatelor, bazată pe utilizarea preponderentă
a graficelor, figurilor şi tabelelor autodocumentate.
În mare măsură eşecul asimilării unor sisteme SIAD în activitatea managerială curentă s-a
datorat tocmai interfeţei nepotrivite, mult prea ermetice, ceea ce a generat o rezistenţă vizibilă faţă
de asemenea implementări. Pentru a evita astfel de situaţii se alocă resurse importante din bugetul
proiectului tocmai pentru realizarea calitativă a acestei interfeţe. În cazul sistemelor expert cca 40%
din efortul de realizare se cheltuieşte cu sistemul de gestiune a interfeţei cu utilizatori.

În funcţie de componenta preponderentă în arhitectura SIAD, se consideră că aceste pot fi

clasificate la modul general astfel:
· SIAD orientate pe modele în care procesoarele de calcul tabelar oferă un suport software
convenabil;
· SIAD orientate pe date, în care se pune accent pe sistemul de gestiune a bazelor de date
situaţie în care SGBD-uile de genul SQL – Server, MySql, Oracle, oferă un suport
software performant şi pentru realizarea depozitelor de date şi analiza multidimensională
a datelor;

7
 · SIAD bazate pe cunoştinţe dacă predomină ca importanţă componentele sistemului
expert;
· SIAD cu componente pentru asistarea deciziilor de grup în care componenta pentru
gestiunea interfeţei cu utilizatorul este extinsă pentru a asigura facilităţi de partajare de
modele şi/sau date şi o participare colaborativă, interactivă, on – line a diverşilor
utilizatori.
Nevoia de management performant al sistemelor informatice a condus la proiectarea şi
realizarea de soluţii performante care integrează sistemele SIAD în sistemele generalizate de tip
ERP – Eterprise Resource Planning. Soluţiile ERP reprezintă cu certitudine o generaţie nouă de
sisteme informatice care valorifică în planul creativităţii resursele informaţionale ale sistemului şi
abilităţile decizionale ale managerilor.

8
 Sisteme informatice pentru asistarea deciziilor bazate pe modele

Sistemele inteligente bazate pe modele constituie prima etapă în evoluţia sistemelor SIAD.
Ele au realizat desprinderea de sistemele ce utilizau modele de calcul direct, modele care sunt de
fapt relaţii de calcul indicate prin metodologii, acte normative, legislaţie. Aici se includ calculele
pentru gestiunea stocurilor, calcule financiar – contabile, în general calcule pentru evidenţa
tehnico-operativă.
Pasul înainte pe care-l realizează aceste sisteme îl constituie utilizarea unor modele care ţin
cont de specificul proceselor decizionale şi criteriile de analiză şi construiesc variante de decizie ce
sunt evaluate şi prezentate decidenţilor. Acest lucru presupune cunoaşterea analitică a mecanismului
decizional, pentru a identifica elementele implicate în actul decizional, legăturile dintre ele şi
intercondiţionările cu mediul decizional, precum şi legităţile, criteriile pe baza cărora se desfăşoară
actul alegerii propriu zise.
Avem nevoie de o astfel de perspectivă cuprinzătoare asupra mecanismului decizional pentru
a înţelege că decizia nu este un act singular al unei simple alegeri dintre două sau mai multe
alternative, este un act cu o temeinică fundamentare informaţională.
Fundamentarea complexă a procesului decizional trebuie să înceapă cu analiza obiectivelor şi
corelarea acestora cu resursele, numai astfel putem ajunge la intuirea şi formularea problemei
decizionale, care este de fapt prima etapă a modelării procesului decizional.
Stabilire
ob.criterii

Variante
Analiza Formu de acţiune Estima Acţiuni Urmă
obiectiv larea rea uti măsuri rire
e şi proble Stare de risc lităţii Deci practic Con
corelare mei incertitudin zie e trol
resurse e

Abateri
potenţiale

Reglaj retrospectiv

Abater
reglaj
ie
prospectiv

Figura 1: Modelul global al procesului decizional

1
 Actul decizional este precedat de un întreg proces de analiză a problemei care face obiectul
deciziei şi în urma căruia se definesc:
- variantele de acţiune;
- criteriile de decizie;
- stările naturii – starea de certitudine, risc sau incertitudine;
- consecinţele aplicării în practică a diverselor variante de acţiune.
Acest proces duce în final la actul alegerii pe baza evaluării criteriilor şi consecinţelor. El se
încheie cu evaluarea rezultatelor înregistrate ca urmare a transpunerii deciziei în acţiuni, în lumea
reală. Această evaluare deschide un nou ciclu decizional care va urmări corectarea eventualelor
erori, abateri de la rezultatele scontate.
Pentru a ajunge la formularea problemei decizionale este nevoie de culegerea şi analiza
atentă a informaţiilor referitoare la aria de cuprindere li desfăşurarea procesului economic analizat,
referitor la relaţiile cu alte procese şi sisteme economice cu care se intercondiţionează reciproc. Se
are în vedere concentrarea într-o formă sintetică a principalelor caracteristici şi elemente ale
procesului decizional, şi stabilirea variantelor şi alternativelor de acţiune.
Formularea unei probleme decizionale este legată nemijlocit de definirea unor criterii şi
obiective, în baza cărora vor fi analizate, departajate, ordonate, şi selectate variantele sau
alternativele de acţiune ale decidentului.
În activitatea de marketing, cele mai frecvente criterii se materializează prin condiţiile
specifice mix- ului de marketing. Aceste criterii legate de produs, preţ, promovare, distribuţie, pot fi
de natură tehnică, economică şi socială. Ele reprezintă restricţiile şi influenţele care se resimt în
politica de marketing a firmei.
Interacţiunile în dinamica lor, specifică realităţii economice analizate în cadrul procesului
decizional, implică pentru fiecare criteriu de decizie a mai multor nivele, cuantificabile, necesare
pentru caracterizarea cantitativă sau calitativă a fenomenului economic. Diversele variante de
acţiune ale decidentului vor avea drept consecinţe atingerea unui anumit nivel, pentru fiecare dintre
criteriile analizate. Aceste nivele concrete vor reprezenta obiectivele considerate din unghiul de
vedere al criteriilor decizionale în discuţie.
Decizia de alegere a unei variante de acţiune trebuie corelată cu analiza abaterilor potenţiale
determinate de cunoaşterea probabilităţilor de realizare a consecinţelor variantelor de acţiune.
Cunoaşterea acestor probabilităţi definesc particularităţile universului decizional în care se situează
decidentul, situaţii denumite stări ale naturi. Acest univers decizional poate fi caracterizat de:
· condiţii de certitudine;
· condiţii de risc;
· condiţii de incertitudine.
Cunoaşterea sigură a consecinţelor pentru decizia luată, deci a rezultatelor aplicării fiecărei
variante, înseamnă situarea procesului decizional în condiţii de certitudine. Cunoaşterea numai a
probabilităţilor de producere a rezultatelor ne situează în condiţii de risc. Ignoranţa statistică, adică
necunoaşterea probabilităţilor de producere a rezultatelor, ne plasează în condiţii de incertitudine.
Cu această precizare a existenţei şi necesităţii luării în considerare şi a stărilor naturii, avem
imaginea completă a elementelor pe care le va analiza decidentul în cadrul procesului decizional în
vederea alegerii variantei optime, proces care poate fi sintetizat în următorul model analitic.

2
 Considerăm:
- mulţimea criteriilor de decizie: X
X={X1 , X2 , ….Xj, …..Xr }

Fiecărui criteriu Xj , i se poate asocia un coeficient de importanţă pe care îi vom nota: qj , cu

proprietatea:
r

åq j =1
j =1

- mulţimea stărilor naturii: N

N={N1 , N2 , ….Nk …..Nn }

Fiecărei stări a naturii Nk , i se poate asocia probabilitate de apariţie pe care îi vom nota: pk ,
cu proprietatea:
n

åp k =1
j =1

- mulţimea variantelor de acţiune posibile: V

V={V1 , V2 , ….Vi …..Vm }

Fiecărei variante Vi îi va corespunde o consecinţă xijk care va fi consecinţa variantei Vi

pentru criteriul Xj şi starea naturii Nk

Starea naturii N1 Starea naturii Nk Starea naturii Nn

Variante (p1 ) (pk ) (pn )
Criterii de decizie Criterii de decizie Criterii de decizie
X1 , X2 , ….Xj, …..Xr X1 , X2 , ….Xj, …..Xr X1 , X2 , ….Xj, …..Xr
V1 x111 ….. x1j1….. x1r1 x11k ….. x1jk….. x1rk x11n ….. x1jn ….. x1rrn
V2 x211 ….. x2j1….. x2r1 x21k ….. x2jk ….. x2rk x21n ….. x2jn ….. x2rrn
….. …………………… …………………… ……………………
Vi xi11….. xij1….. xir1 xi1k ….. xijk ….. xirk xi1n….. xijn ….. xirn
….. …………………… …………………… ……………………
Vm xm11….. xmj1….. xmr1 xm1k….. xmjk ….. xmrk xm1n….. xmjn….. xmrn
Figura 2: Matricea consecinţelor

Atât criteriile de decizie cât şi variantele decizionale pot fi conjugate cu factorul timp.
Modelul prezentat mai sus poate fi analizat şi din punctul de vedere al unui succesiuni de procese
decizionale prin introducerea a „t” momente decizionale. Pentru fiecare astfel de moment sunt
necesare estimările adecvate pentru ansamblu de consecinţe şi stări ale naturii.
Există situaţii când problema decizională se poate defini prin reprezentarea restricţiilor
economice sub forma unui sistem de relaţii liniare:

3
 åa * x ³ b ,
ij j i
(i = 1,2, …..m)

x j
³0 , (j = 1,2,……n)

În acest caz pentru „r” criterii de decizie şi „s” stări ale naturii se pot scrie r*s funcţii de
eficienţă:
1, n
opt Fhk = opt åqj
hkj
* xj (h = 1,2,…r) ; (k = 1,2,….n)

unde fiecare din funcţiile Fhk au coeficientul de importanţă qh şi probabilitatea de realizare a stării
naturii corespunzătoare pk..

Fiind definit astfel modelul complex al procesului decizional prin precizarea elementelor
sale: variante, criterii de decizie, stările naturii, următoarea etapă în asistarea procesului decizional o
constituie „alegerea soluţiei optime”.
În condiţii de certitudine se pot folosi în alegerea soluţiei optime metoda estimării şi
însumări utilităţilor în scopul alegerii variantei ce corespunde utilităţii sumă maxime.
1, n
V* = å p *u ij
, (i = 1,2, ….,m)
ij
j

unde: V* - este varianta ce corespunde soluţiei de utilitate maximă dintre variantele Vi;

u ij
- este utilitatea estimată pentru consecinţa x ij
a variantei Vi pentru criteriul Xj

Se pot utiliza pentru rezolvarea modelelor liniare tehnicile de programare simplex, sau
programare liniară cu mai multe funcţii obiectiv, etc.
În condiţii de risc soluţionarea problemei decizionale revine la alegerea alternativei căreia îi
corespunde o utilitate complexă medie maximă.
1, n 1, n
V* = max ( å p * (å p *u ijk
)) , (i = 1,2, ….,m)
ij k
j j

unde: u ijk
, este utilitatea pentru consecinţa x ijk
a variantei Vi criteriul Xj starea naturii Nk

În condiţii de incertitudine soluţiile se determină prin aplicarea metodelor de calcul

cunoscute ca „strategii de joc contra naturii” sau:
· criteriul prudent – Wald;
· criteriul optimist – Hurwicz;
· criteriul regretelor – Savage;
· criteriul echiprobabil – Laplace.
După formularea deciziei, a alegerii unei alternative considerate optime, continuitatea
procesului decizional impune transformarea deciziei în acţiuni, trecându-se la desfăşurarea unui plan
de acţiuni şi controlul rezultatelor obţinute prin derularea acestor acţiuni. Se trece astfel din
domeniul informaţional decizional în domeniul problemelor specifice sistemului de bază.

4
 Din multitudinea de modele care pot fi construite pe baza orientărilor oferite de modelul
global prezentat, ne vom opri în continuare asupra a trei categorii de modele mai des aplicabile în
domeniul marketingului, şi anume:modele bazate pe analiză bayesiană; modele de regresie; modele
de programare liniară.

Modele de decizie bazate pe analiză bayesiană

Aceste modele se înscriu în categoria modelelor de decizie multicriterială care sunt utile în
cazul problemelor în care intervin puţine variante.
Deciziile de marketing sunt decizii, care de regulă sunt caracterizate de starea de risc sau
incertitudine şi au ca scop final maximizarea profitului sau reducerea costurilor. De aceea o primă
problemă se pune chiar în legătură cu oportunitatea unei cercetări de marketing. Metodele de analiză
bayesiană permit stabilirea valorii economice a informaţiei, într-un anumit context decizional. Cu
ajutorul lor, se poate determina dacă cercetarea de marketing trebuie desfăşurată sau dacă decizia
va fi adoptată pe baza informaţiilor deja existente.
Dacă valoarea anticipată a deciziei este mai mare în condiţiile fundamentării ei pe baza
informaţiilor rezultate din cercetare, decât în absenţa acestora, reaizarea cercetării este justificată.
Totuşi, în cazul în care costul cercetării este mai mare decât contribuţia sa la procesul decizional,
eforturile de cercetare nu sunt eficiente şi cercetarea nu va fi proiectată şi realizată.
Analiza bayesiană pentru estimarea valorii informaţiilor obţinute din cercetare se poate
realiza cu un model multicriterial care se va rezolva, aşa cum o să şi ilustrăm, cu ajutorul
programului de calcul tabelar EXCELL.
Să luăm în discuţie exemplul unei firme care doreşte să sporească profunzimea gamei oferite
utilizatorilor prin lansarea pe piaţă a unui produs nou. Pentru produsul respective, decidenţii trebuie
să aleagă una dintre următoarele variante:
· V1 , lansarea produsului pe baza unei strategii d preţ de “smântânire”;
· V2 , lansarea produsului pe baza unei strategii de preţ mediu;
· V3 , lansarea produsului pe baza unei strategii de preţ de penetrare.
Pentru fiecare variantă, preţul stabilit are drept consecinţe obţinerea unui anumit profit
diferenţiat în funcţie de reacţia pieţei manifestată prin cerere. Cererea pentru acest produs poate
înregistra trei forme:
· cerere mică;
· cerere moderată;
· cerere mare.
Primul pas îl constituie creare tabelului Excel în care se introduce matricea cu valorile
„consecinţelor” pentru fiecare variantă şi criteriu, în cazul nostru pentru fiecare variantă de preţ şi
mărime a cererii. S-au ales ca valori ale consecinţelor, profiturile obtenabile în cazul fiecărei
variante de preţ, în funcţie de cerere

5
 Figura 3: Tabelul Excel cu matricea consecinţelor
Pasul doi îl constituie luarea în considerare a probabilităţilor de producere a consecinţelor
asociate fiecărui nivel al cererii. Aceste probabilităţi sunt rezultatul experienţei specialiştilor sau a
unor rezultate ale unor cercetări de marketing anterioare. În tabelul Excell astfel obţinut inserăm
formulele de calcul pentru calculul valorii anticipate a fiecărei variante de decizie.
Construim un nou tabel Excel care să ne permită introducerea probabilităţilor fiecărui
criteriu şi recalcularea matricei consecinţelor ponderate cu vectorul probabilităţilor.
1 – introducem în celulele B3, C3, D3 probabilităţile asociate fiecărui nivel al cererii;
2 – recalculăm matricea consecinţelor ponderate cu valorile probabilităţilor în zona de celule
B9:D12, ca orice produs dintre o matrice şi un vector linie (figura 4);

Figura 4: Formulele pentru recalcularea matricei consecinţelor

Observaţie: în formulele de calcul trebuie să utilizăm pentru celulele vectorului de
probabilităţi forma de „adresă absolută” – utilă în procesul de copiere al formulelor de
calcul;
3 – în celulele D9:D11 introducem formulele de calcul a valorii anticipate a fiecărei variante,
prin însumarea pe linii a datelor din matricea recalculată B9:C12 (vezi figura 5);

Modelul astfel construit şi implementat foarte simplu cu ajutorul programului de calcul

tabelar Excell, se va plica în continuare pentru analize preposterioare utilizînd ca date probabilităţi
condiţionate sau probabilităţi posterioare.

6
 Figura 5: Tabelul Excel pentru analiza bayesiană apriori a valorilor anticipate

Modelul se poate extinde prin includerea formulelor de calcul specifice deciziilor din
categoria criteriilor Wald, Laplace, Savage, Hurwicz, criterii cunoscute drept criteriile: maximin,
maxmax, minmin, minmax, după cum abordează alegerea variantei optime.
Pentru deciziile în condiţiile de certitudine vectorul probabilităţilor se înlocuieşte cu un
vector al coeficienţilor de importanţă , coeficienţi atribuiţi în mod subiectiv de decidenţi pentru
fiecare din criteriile după care se apreciază valoric consecinţelor variantelor decizionale.

7
 Elemente fundamentale ale sistemelor expert

Termenul de sistem expert reprezintă, în fapt, o prescurtare a termenului iniţial, de

sisteme expert bazate pe cunoştinţe. Un sistem expert (SE) reprezintă un sistem ce
foloseşte cunoştinţele unor experţi umani capturate la nivelul unui sistem informatic.
Sistemele expert construite corect reproduc sistemul de gândire şi de instruire al unui
expert uman, aplicând acelaşi mecanism logic pentru rezolvarea problemelor dintr-un
domeniu specific (ex.: marketing). Astfel de sisteme pot fi utilizate chiar de către experţi,
ca asistenţi cu o capacitate extraordinară de memorare şi de combinare a cunoştinţelor
memorate, sau de către manageri ca şi asistenţi, care oferă explicaţii legate de sfaturile
furnizate, la fel ca în cazul consultanţilor umani.

Conceptul de sistem expert

Sistemele expert sunt sisteme de programe bazate pe tehnicile inteligenţei

artificiale care înglobează cunoştinţele experţilor umani dintr- un domeniu bine definit şi
apoi le folosesc pentru rezolvarea problemelor dificile din acest domeniu.
In esenţă acestă tehnologie permite reproducerea pe cale artificială a
raţionamentului uman, conturându-se trei curente principale de abordare metodologică a
raţionamentului artificial1 :
Abordarea cognitivă în care raţionamentul natural este privit ca o suită de stări
şi procese mentale care transformă datele de intrare în date de ieşire iar raţionamentul
artificial încearcă să reproducă aceste stări mentale şi procese. In cadrul realizărilor
inteligenţei artificiale cognitive există metode de modelare ce au servit ca suport pentru
implementarea unor sisteme software de tipul sistemelor de gestiune a colecţiilor de date
numite sisteme de gestiune a bazelor de cunoştinţe.
Modul de abordare cognitiv conduce la următoarea definiţie a inteligenţei
artificiale: Inteligenţa artificială este o tehnologie informatică care s-a dezvoltat pe baza
studiului raţionamentului uman fiind un ansamblu de tehnici şi metode care permit
captarea cunoştinţelor umane şi prelucrarea lor simbolică.
Abordarea pragmatică în care raţionamentul uman este privit tot ca o suită de
stări şi procese mentale care transformă datele de intrare în date de ieşire dar
raţionamentul artificial încearcă doar să simuleze simptomele de inteligenţă adică să
producă aceleaşi date de ieşire pentru aceleaşi date de intrare (conceptul de “cutie
neagră”). In această abordare au fost concepute primele sisteme de inteligenţă artificială
cu un înalt grad de utilitate denumite sisteme expert.
Sistemele expert din primele generaţii au implementat conceptul de cutie neagră
încercând să facă abstracţie de orice model al cunoaşterii. Noile generaţii sunt mai
flexibile însuşindu-şi metode ale orientării cognitive.

1
Năstase P., Zaharie D., Sisteme expert: teorie şi aplicaţii, Dual Tech, Bucureşti, 1999
 Modul de abordare pragmatic stă la baza unei alte definiţii a inteligenţei
artificiale: inteligenţa artificială este acea parte a informaticii care are drept scop
executarea pe calculator a unor sarcini pe care omul într-un context dat le poate face
mai bine decât maşina.
Abordarea conexionistă în care raţionamentul natural este privit ca o suită de
stări şi procese neuronale iar raţionamentul artificial încearcă să reproducă mecanic
acestă activitate neurologică a creierului uman. In acest mod de abordare se includ
reţelele neuronale, sisteme care imită organizarea şi funcţionarea materiei cenuşii.
In timp ce informatica clasică este definită ca fiind ştiinţa prelucrării automate a
datelor, informatica inteligentă este ştiinţa prelucrării automate a cunoştinţelor.
Informatica clasică are la bază noţiunea de prelucrare algoritmică iar informatica
inteligentă are la bază noţiunea de prelucrare simbolică in care dispare distincţia dintre
date şi programe. Văzută din acestă perspectivă inteligenţa artificială este acea parte a
informaticii care se ocupă cu rezolvarea unor probleme prin prelucrare simbolică,
nealgoritmică a informaţiilor.
Sistemele expert fac parte din clasa sistemelor cu inteligenţă artificială
pragmatică, deţinând un număr mare de cunoştinţe care să acopere în principiu toate
situaţiile posibile care pot apare în funcţionarea unui sistem social, tehnic sau economic.
Dacă sistemele expert au fost dezvoltate la început în domeniul tehnic şi
medical, în ultimul timp se asistă la o extindere acestora în domeniul economic. După
preluarea cunoştinţelor expertului uman, sistemele expert multiplică şi explicitează
experienţa acestuia, fapt foarte important ştiut fiind că un expert uman într- un domeniu se
formează greu şi necesită pe lângă pregătirea şi experienţa profesională şi calităţi native.
Sistemele expert fac parte dintr-o gamă de instrumente indispensabile pentru
realizarea de sisteme automate sau interactive capabile să efectueze sarcini complexe. Nu
se pot ignora toate raţionamentele calitative şi simbolice care formează baza
managementului unei întreprinderi. Incă de la început sistemele expert au avut asociate
instrumente de cercetare operaţională care au facilitat construirea de sisteme de asistare
foarte complexe pentru diagnostic financiar, asistarea concepţiei produselor în
întreprinderi şi în organizarea producţiei.
Pentru definirea sistemelor expert este necesară o partajare a cunoştinţelor
expertului uman dintr-un anumit domeniu. Astfel un expert uman recunoaşte şi rezolvă
probleme din domeniul său de expertiză având o capacitate crescută de a se orienta în
aspecte precum: complexitatea, incertitudinea, inconsistenţa şi aprecierile vagi. Pornind
de aici, expertul uman trebuie să aducă problema în stadiul în care lucrurile sunt cât mai
simple, complete, precise, consistente şi clare. Problema este trecută din sfera expertizei
în sfera cunoştinţelor comune de specialitate. In general, expertul uman acţioneză într-o
clasă de probleme slab structurate pentru care nu se pot defini algoritmi de rezolvare.
Sistemul expert, încercând să imite expertul uman, prezintă caracteristicile:
· cunoştinţele sunt independente de mecanismul de raţionament, nu depind
unele de altele iar modificarea unui element nu influenţează raţionamentul;
· sistemul expert trebuie să fie capabil să explice raţionamentele făcute şi să
argumenteze soluţiile obţinute;
· cunoştinţele folosite de sistemele expert sunt în principal de natură
simbolică;
 · sistemul expert trebuie să poată gestiona baze de cunoştinţe de volum mare
şi să trateze cunoştinţe inexacte şi incomplete;
· sistemul expert utilizează metode empirice, bazate pe experienţă, care
conduc la soluţiile cele mai bune;
· sistemul expert este specializat într-un anumit domeniu şi nu în rezolvarea
unei singure probleme.
Sistemele expert sunt total dependente de calitatea şi volumul cunoştinţelor
înmagazinate pe care apoi le folosesc pentru a simula raţionamentul uman şi de a realiza
procese deductive. Se impune astfel formalizarea cunoştinţelor prin diferite metode de
reprezentare a acestora pe baza fenomenului de cunoaştere.
Cunoaşterea este o sinteza a unor concepte fundamentale proprii: fapte, reguli
şi strategii de raţionament. Astfel,
· Faptele sunt structuri de date complexe cu o semantică şi o semnificaţie
proprie derivată din sfera domeniului abordat.
· Regulile sunt modalităţi de reprezentare şi utilizare a faptelor în procesul de
prelucrare a cunoştinţelor. Distincţia dintre fapte şi reguli va fi evidenţiată în
cursul următor, care se va axa pe modalităţile de reprezentare a cunoştinţelor.
· Strategiile de raţionament denumite şi metode euristice, exprimă sintetic
modalitatea de utilizare a regulilor, prin intermediul unui anumit tip de
raţionament: deductiv, inductiv sau mixt.
Prelucrarea cunoştinţelor necesită un sistem de stocare şi manipulare a
cunoştinţelor de natură să permită declanşarea şi emiterea de raţionamente. La nivelul
sistemelor expert se folosesc structuri de cunoştinţe cu funcţii similare structurilor de date
utilizate în stocarea şi prelucrarea de date.
Particularităţile cunoştinţelor referitoare la un domeniu dat sunt:
· cunoştinţele exprimă informaţii specifice pentru anumite clase de obiecte de
natură materială sau conceptuală;
· cunoştinţele sunt valabile şi dependente strict de starea şi evoluţia domeniului
de referinţă;
· cunoştinţele pot fi incomplete datorită caracterului lor implicit pentru expertul
uman şi dificil de formulat şi transmis calculatorului;
· cunoştinţele sunt integrabile în anumite limite deoarece acestea pot fi fixe sau
variabile, certe sau incerte, exacte sau inexacte.

Funcţiile sistemelor expert

Principalele funcţii pe care le poate avea un sistem expert sunt2 :
· interpretare: traducerea de semnale provenite din captarea de exemple sau de
date brute în expresii simbolice care pot fi folosite în raţionamente;
· diagnostic: stabilirea unei corelaţii între caracteristici sau simptome şi situaţii
tip;

2
Benchimol G., Levine P., Pomerol J. C., Sisteme expert în întreprindere, Editura tehnică,
Bucureşti, 1993
 · formare: transmiterea de cunoştinţe unei persoane al cărei nivel şi
caracteristici fac obiectul unui diagnostic de învăţare foarte bine adaptată.
Această transmitere de cunoştinţe sau de a şti ce trebuie făcut se poate baza pe
diagnostic, întreţinere, etc;
· supraveghere: declanşarea unei alarme în condiţii determinate care pot evolua
cu contextul sau trimiterea unei dări de seamă plecând de la semnale
interpretate şi folosite într-un diagnostic;
· previziune: descrierea unei situaţii prin anticipare, plecând de la o situaţie
curentă prin intermediul unui model construit pe o bază istorică sau prin
învăţare;
· simulare: deducţia, plecând de la un model al consecinţelor acţiunilor sau
evenimente declanşate de către sistemul aflat în curs de derulare a simulării;
· planificare: definirea în timp şi în spaţiu a acţiunilor care permit atingerea
unei stări finale prin compararea stării curente cu starea dorită prevând
consecinţele de acţiune într-o manieră care să permită respectarea restricţiilor
impuse de mediu, nivelul resurselor disponibile şi consecinţele previzibile ale
interacţiunilor dintre stări şi acţiuni sau dintre stări succesive;
· întreţinere: planul de acţiune particular care decurge dintr- un diagnostic ce
evidenţiază punctele slabe ale unui sistem indicând şi cauzele. Planul de
acţiune constă în furnizarea instrucţiunilor necesare pentru remediere;
· concepţie: mulţimea de alegeri şi de decizii care permit, plecând de la
performanţele fixate prin diagnosticare, să se determine caietul de sarcini
pentru un scop ce trebuie îndeplinit în funcţie de nevoile exprimate la un
moment dat. De asemenea se are în vedere furnizarea unor mijloace pentru a
se atinge acest obiectiv definind caracteristicile unui produs sau ai unui proces
care respectă caietul de sarcini;
· controlul şi pilotajul: mulţimea de acţiuni aplicate unui sistem după
informaţiile care rezultă din supravegherea sistemului şi din anticiparea
situaţiilor care asigură, printr-o întreţinere permanentă şi un răspuns adaptat la
diverse situaţii, o funcţionare a sistemului cât mai apropiată de cea normală
definită prin valorile posibile şi programul care rezultă dintr-o planificare
adecvată;
· bibliotecă: ajută la accesarea, organizarea şi interpretarea informaţiilor
necesare îndeplinirii unei anumite sarcini;
· consiliere: sintetizează şi distribuie informaţia aferentă unei expertize de
specialitate care este solicitată de către utilizator;
· asistenţă generală: preia anumite sarcini de rutină pentru a permite persoanei
să se ocupe doar de aspectele importante ale muncii.

Intr-un sistem real aceste funcţiuni de bază sunt adesea combinate între ele.
Astfel funcţiile cele mai utilizate sunt: diagnostic/întreţinere (circa 45% din aplicaţii),
concepţie şi planificare (20%), interpretare (20%) şi control/pilotaj/supraveghere (15%).
Ultima funcţiune se află în creştere constantă, ea fiind frecvent asociată cu aceea de
diagnostic şi de planificare.
Plecând de la aceste funcţiuni se pot defini domeniile de aplicare ale sistemelor
expert. Referitor la numărul de aplicaţii, din punct de vedere cronologic, primele au
apărut în domeniul medicinei şi biologiei. Funcţiile utilizate sunt de diagnostic şi de
prescripţii terapeutice. Diagnosticul tehnic şi de întreţinere (cercetări privind cauzele
penelor, incidentelor) a făcut obiectul a numeroase sisteme expert în domeniul
informaticii, electronicii, geologiei şi ingineriei.
In domeniul economic funcţiile de diagnostic şi de formare a vânzătorilor sunt în
centrul preocupărilor elaboratorilor. In realizarea aplicaţiilor în domeniul asistării
deciziilor, funcţiile de planificare, diagnostic şi de simulare se pot combina. In domeniile
planificării şi evaluării deciziilor strategice astfel de sisteme s-au elaborat deja.
Funcţia de interpretare a fost utilizată în chimie, biochimie iar în aplicaţiile
militare s-a folosit o combinaţie a acesteia cu funcţia de planificare. In domeniul învăţării
aplicaţiile se află încă într-o fază incipientă. In ceea ce priveşte controlul şi conducerea
sistemelor complexe există tot mai multe aplicaţii mai ales în informatică şi în inginerie.
Referitor la concepţia sau configurarea sistemelor complexe există deja sisteme
operaţionale în electronică şi chimie şi mai puţin în informatică.
În final se poate constata că în domeniul industriei funcţiile de diagnostic şi de
întreţinere ocupă primul loc. Ele sunt urmate de cele de control şi conducerea proceselor,
asistarea concepţiei şi a deciziei.

Arhitectura sistemelor expert

Infrastructura generală a unui sistem expert cuprinde următoarele elemente

fundamentale (prezentate în figura 1.1):
1) Domeniul de activitate: sursa de furnizare a cunoştinţelor expertizate de către
expertul uman fiind locul de unde provin problemele supuse spre rezolvare
unui sistem expert.
2) Expertul uman: persoana, grupul de persoane capabile să transforme problema
de rezolvat din zona expertizei în zona cunoştinţelor generale şi de
specialitate. Acest expert formalizează cunoştinţele într-o formă înţeleasă şi
acceptabilă din punctul său de vedere.
3) Cogniticianul (inginerul de cunoştinţe): are rolul analistului din sfera
proiectării sistemelor informatice, deci în particular îndeplineşte sarcina de
preluare şi modelare conceptuală a cunoştinţelor furnizate de către expertul
uman, de o manieră compatibilă cu metodele de reprezentare a cunoştinţelor
de către baza de cunoştinţe a sistemului expert.
4) Modulul de transformare a cunoştinţelor: are rolul de conversie a
cunoştinţelor din formatul de exprimare al cogniticianului în formatul intern
de memorare specific suportului tehnic pe care va fi memorată baza de
cunoştinţe. Totodată acest modul asigură şi interfaţa de comunicare cu baza de
date sau cu alte sisteme. Pe viitor, calculatoarele din generaţia a cincea vor
permite achiziţia de cunoştinţe în limbaj natural, ceea ce va duce la o
dezvoltare rapidă a sistemelor expert.
5) Baza de cunoştinţe: conţine “obiectele” lumii reale şi relaţiile dintre acestea
selectate din domeniul abordat şi transmise pe itinerariul expert-cogntician-
 modul de transformare a cunoştinţelor. Sunt mai multe metode de reprezentare
a cunoştinţelor dintre care cele mai importante sunt: regulile de producţie,
reţelele semantice şi cadrele. Procesul de creare a bazei de cunoştinţe care
constă în preluarea acestora de la expertul uman, modelarea de către
cognitician în conformitate cu cerinţele metodei de reprezentare, introducerea
în bază şi validare este destul de laborios şi necesită o conlucrare permanentă
între cognitician şi expert. Acest proces presupune foarte multe iteraţii şi teste
în cursul cărora însuşi expertul uman poate fi pus în dificultate pentru
argumentarea unor opţiuni. Baza de cunoştinţe este structural formată din
baza de fapte şi baza de reguli.
6) Baza de fapte: conţine datele unei probleme concrete care urmează să fie
rezolvată (formularea problemei) precum şi faptele rezultate în urma
raţionamentelor efectuate de motorul de inferenţă asupra bazei de cunoştinţe.
7) Baza de reguli: conţine regulile prin aplicarea cărora, pornind de la faptele
cunoscute, pot fi incluse în baza de fapte informaţii noi denumite fapte
deduse. In continuare se pot aplica din nou regulile rezultând alte fapte noi
până în momentul în care se va formula concluzia sau scopul final.
8) Motorul de inferenţe: este elementul efectiv de prelucrare în sistemul expert
care pornind de la fapte (datele de intrare ale problemei) activează
cunoştinţele corespunzătoare din baza de cunoştinţe construind astfel
raţionamente care conduc la fapte noi. Acesta construieşte un plan de
rezolvare în funcţie de specificul problemei, utilizând cunoştinţele din
domeniul respectiv. În urma acţiunii motorului de inferenţe, baza de
cunoştinţe se îmbogăţeşte fie prin adăugarea unor elemente noi, fie prin
modificarea celor existente. Motorul de inferenţe este un program care
implementează algoritmii de raţionament (deductiv, inductiv sau mixt) dar
care este independent de baza de cunoştinţe.
9) Modulul de verificare-explicare: are rolul de a prezenta într-o formă larg
accesibilă (limbaj natural) justificarea raţionamentelor efectuate de motorul de
inferenţe şi totodată întrebările la care trebuie să răspundă utilizatorul. Acest
modul este util şi expertului uman pentru verificarea coerenţei bazei de
cunoştinţe.
10) Interfaţa cu utilizatorul: realizează dialogul utilizatorului cu sistemul expert în
sensul specificării datelor de intrare şi al furnizării rezultatelor problemei de
rezolvat printr-un sistem de ferestre, imagini, meniuri.

Toate elementele componente ale unui sistem expert (mai puţin baza de
cunoştinţe) formează aşa numitul “sistem esenţial”. Acest sistem permite dezvoltarea
rapidă de sisteme expert prin crearea unor noi baze de cunoştinţe, operaţie cunoscută sub
numele de “instanţiere a unui sistem esenţial”. Acest lucru este posibil deoarece
algoritmii de raţionament implementaţi în motorul de inferenţă sunt aceeaşi. Cu toate
acestea nu se poate construi un mecanism universal de inferenţă pentru toate domeniile
de expertiză.
 DOMENIU DE ACTIVITATE

EXPERT

COGNITICIAN

MODUL DE TRANSFORMARE A CUNO{TIN}ELOR

BAZA DE FAPTE BAZA DE REGULI

BAZA DE CUNO{TIN}E

MOTOR DE INFEREN}E MODUL DE VERIFICARE - EXPLICARE

INTERFA}A UTILIZATOR

UTILIZATOR

Fig. 1. Arhitectura unui sistem expert3

3
Năstase P., Zaharie D., Sisteme expert: teorie şi aplicaţii, Dual Tech, Bucureşti, 1999
 Toate elementele prezentate mai sus pot fi structurate în patru componente după
cum este prezentat în tabelul 1:

Componentele sistemului expert Conţinut

A) Furnizarea cunoştinţelor
B) Reprezentarea cunoştinţelor 5) baza de cunoştinţe
C) Prelucrarea cunoştinţelor
D) Utilizarea cunoştinţelor
1) domeniul de activitate
2) expertul uman
3) cogniticianul
4) modul de transformare a cunoştinţelor
6) baza de fapte
7) baza de reguli
8) motorul de inferenţe
9) modul de verificare-explicare
10) interfaţa cu utilizatorul
11) utilizatorul

Tabelul 1: Componentele sistemelor expert4

4
Davidescu N.D., Arhitectura sistemelor expert, Editura didactică şi pedagogică, Bucureşti, 1997
 CURSUL 07
Sistemele informatice inteligente - suport pentru afaceri
Informaţia este unul din cele mai utilizate cuvinte din lumea economică, şi nu numai.
Percepţia sa este cât se poate de eterogenă, conceptul de informaţie fiind subiect de reflecţie şi
analiză în: teoria informaţiei, teoria comunicării, teoria cunoaşterii, logică, semantică etc.
Sintagma informaţie este pe cât de folosită, pe atât de dificilă în privinţa unei definiri
riguroase. Cuvântul din care provine este latinescul informare care înseamnă a da o formă. După
Lindsay J [1984], prima atestare în limba engleză a cuvântului information apare la Chaucer încă din
1386. După The Oxford English Dictionary, informaţia se referă la „acţiunea de a informa, de a
comunica cunoştinţe sau noutăţi despre un fapt sau o apariţie; acţiunea de a spune sau de a i se
spune ceva” sau „cunoştinţă comunicată ce priveşte un anumit fapt, subiect sau eveniment; despre
care se înştiinţează, se ia cunoştinţă; ştire, noutate”
În general, se poate vorbi de două categorii de referinţe la informaţie: ca fapt în sine şi ca
transmiterea unor fapte
Prin intermediul informaţiilor se asigură transferul cunoştinţelor de la o generaţie la alta, se
asigură accesul la cele mai avansate realizări ale omenirii.
Conceptul de informaţie reprezintă o noţiune de maximă generalitate care semnifică o
comunicare, o veste, o ştire, un mesaj, un semnal etc. despre evenimente, fapte, stări, obiecte, despre
forme de manifestare a realităţii care ne înconjoară. Informaţia reprezintă cantitatea de noutate
adusă de un mesaj din lumea reală şi este furnizată de altcineva.
Informaţia, energia, şi materia sunt cei mai importanţi factori ai economiei moderne pe lângă
pamânt, capital şi forţa de muncă.
Faţă de materie sau energie, informaţia prezintă caracteristici distincte:
 Ea nu cunoaşte ideea de original, se poate copia ori de câte ori se doreşte şi este
independentă de loc;
 Informaţia nu se învecheşte şi se poate combina aproape nelimitat;
 Informaţia este puternic condensabilă;
 Informaţia se percepe ca o anumită măsură a ordinii întrucât ea anihilează
incertitudinea şi nedeterminarea. O măsură a ordonării este entropia negativă, termen
care a luat naştere prin analogie cu entropia, care este, în termodinamică, o mărime
exprimabilă matematic a neordonării;
 Calitatea unei informaţii constă în gradul de probabilitate cu care îi crează
utilizatorului certitudinea unei afirmaţii1.
Oamenii ajung la informaţii direct, prin intermediul altor oameni, sau prin purtători de
informaţie, precum ziare, cărţi, imagini, videocasete, CD, DVD, discuri sau echipamente de
comunicaţie (radio, televizor, fax, telefon sau calculator).
Trebuie facută distincţia între ştire ca informaţie despre ceva şi opinia despre acel
ceva. Ştirea întruneşte caracteristicile de informaţie în sensul că reflectă realităţi obiective, stări de
fapt existente. Opinia reprezintă exprimarea unor păreri, a unor gânduri proprii sau de grup. Opinia
este deci subiectivă sau prea puţin obiectivă, putând fi uneori promovată pe baza unor interese
dinainte stabilite, urmărind scopuri fie constructive (educaţionale, mobilizatoare etc.), fie distructive
(denaturarea realităţii, abaterea atenţiei de la problemele reale ale vieţii, dezinformarea etc). Opinia
fiind subiectivă are un grad redus de generalitate chiar atunci când priveşte unele evenimente

1
Rohner K., Ciber – marketing, Ed. ALL, 1999, pag. 51.
concrete2. De asemenea, informaţia nu trebuie să se confunde cu zvonul care reprezintă, ca şi opinia
falsă, o ştire neîntemeiată şi neverificată. Forma de exprimare şi transmitere a informaţiilor, opiniilor
şi comentariilor o reprezintă comunicarea. Informaţia este o comunicare despre un anumit aspect al
realităţii obiective.
Din punct de vedere conceptual informaţia reprezintă o reflectare în planul gândirii umane a
legăturilor de cauzalitate, privind aspecte din realitatea ce ne înconjoară.
Informaţia are deci sens de noutate pentru cel căruia i se adresează, indiferent de forma pe
care o ia (ştire, semnal, comunicare). Putem spune deci că informaţia este un mesaj, dar cu precizarea
că nu orice mesaj este o informaţie. Dacă mesajul nu transmite nici o noutate şi nu are suport real,
atunci acesta nu reprezintă interes pentru receptor şi deci nu are caracter de informaţie.
Informaţia primeşte întotdeauna atributul domeniului pe care îl reflectă. De exemplu,
realităţile din domeniul economic se reflectă în informaţiile economice.
Procesul de sesizare, înţelegere şi însuşire a informaţiilor dintr-un anumit domeniu reprezintă
un proces de informare. Informaţiile dobândite în urma unui proces de informare într-un anumit
domeniu, formează cunoştinţele despre acel domeniu, iar mulţimea acestora reprezintă baza de
cunoştinţe.
Cunoştinţele reprezintă deci o însumare a tuturor informaţiilor dobândite într-un anumit
domeniu, sau care se referă la un anumit obiect. În sinteză putem aprecia cunoştinţele că sunt
elemente abstracte şi individuale despre obiectele şi domeniile lumii reale, însuşite şi/sau dobândite.
Pentru a fi percepută informaţia, trebuie exprimată într-o formă concretă. Acestă formă
concretă poartă numele de dată. Prin dată, înţelegem un număr, o mărime, o relaţie etc. Care serveşte
la rezolvarea unei probleme sau care este obţinută în urma unei cercetări urmând a fi suspusă unor
prelucrări. Data poate fi considerată materia primă pentru informaţie. Ea este o informaţie potenţială.
Data este forma de reprezentare accesibilă a informaţiei prelucrate.
Există o corespondenţă determinată între informaţie, simbol şi dată astfel că, foarte adesea, în
practică, termenul de informaţie este utilizat pentru a desemna date, iar expresia „prelucrarea
informaţiilor” înlocuieşte expresia „prelucrarea datelor”. Putem considera că datele prelucrate, în
măsura în care afectează în sens pozitiv comportamentul receptorilor (oameni sau maşini), au
calitatea de informaţii.
Informaţiile se produc, se culeg, se procesează, se transmit, se stochează şi se înţeleg. În cazul
în care are loc o transmitere unilaterală de informaţii, vorbim despre informare. În cazul unei
transmiteri bidirecţionale a informaţiei, se poate vorbi de comunicare.
Datele nu au semnificaţie de aceea trebuie modificate şi aduse într-o formă utilizabilă şi
plasate înr-un anumit context pentru a avea valoare.
Informaţia reprezintă produsul prelucrării datelor, care sunt aduse într-o formă inteligibilă şi
care pot fi utilizate într-un scop anume. Informaţia poate fi percepută ca partea utilizabilă dintr-un
ansamblu de date sau ca „semnificaţie ce poate fi desprinsă dintr-un ansamblu de date, pe baza
asociaţiilor dintre acestea”. Deci informaţia înseamnă date care au semnificaţie pentru un receptor,
care îi asigură acestuia un plus de noutate. Schema informaţie = dată + semnificaţie este
cvasiutilizată.
Nu orice prelucrare de date generează informaţii. O procesare de date poate genera
informaţie, numai dacă există un receptor care să considere acest rezultat inteligibil şi folositor.
Data reprezintă un fapt sau o stare a unui eveniment fără a avea vreo legătură cu alte
elemente. Informaţia presupune înţelegerea unui tip de relaţii între date.

2
Surcel T., Sofronie G., Baron C., Informatica economică, Ed. Calipso 2000, 1999, pag 9.
 Data poate fi caracterizată ca fiind materia primă a informaţiei. Poate fi definită ca un
ansamblu de simboluri ce nu au fost încă interpretate sau ca un lucru dat sau dobândit, ceva cunoscut
sau presupus a fi un fapt şi considerat baza unui raţionament sau calcul.
Cunoştinţa reprezintă o grilă, un tipar şi furnizează în mare măsură un grad de predictibilitate
despre ce a fost descris sau ce se va întâmpla în viitor.
Înţelepciunea presupune înţelegerea principiilor fundamentale înglobate în cunoştinţe care
sunt esenţiale pentru a înţelege evoluţia procesului de cunoaştere în timp, fiind atemporală.

După Russel Ackoff [1957] conţinutul creierului este structurat pe cinci clase3:
a. Datele sunt ansambluri de simboluri. Datele există pur şi simplu, sub orice formă; nu au nici o
semnificaţie în sine.
b. Informaţiile sunt date prelucrate, înzestrate cu o anumită semnificaţie şi care au sens prin
raportarea lor la alte elemente. Semnificaţia lor poate fi utilă, dar la fel de bine, inutilă.
Informaţiile sunt date organizate. Informaţiile sunt utile pentru receptor pentru că aduce un
element de noutate şi furnizează răspunsuri la întrebări de genul cine?, ce?, unde?, când?. Ele
scot la iveală modelele, tipare, grile care vor constitui baza unor decizii.
c. Cunoştinţele sunt ansambluri de informaţii care sunt, intenţionat, utile. Memorarea informaţiilor
este un proces de acumulare de cunoştinţe care au o semnificaţie utilă, dar care nu furnizează şi
cheia integrării cu alte cunoştinţe, a modului de inferenţă şi generare de noi cunoştinţe. Reluând
exemplul dat de Ackoff, să ne referim la un elev care ştie tabla înmulţirii. Învăţarea tablei
înmulţirii este un proces de memorare. Răspunsul la întrebarea „Cât fac 3×2?” este furnizat pe
baza cunoştinţei memorate mecanic: „3×2=6”. Dacă însă este întrebat „Cât fac 3214×327?”, nu
poate răspunde corect, deoarece această cunoştinţă nu este inclusă (încă) în tabla înmulţirii pe
care o are de învăţat. Răspunsul corect la această întrebare necesită cunoaşterea mecanismului
calculului produsului a două numere reale, deci înţelegerea modului de calcul al produsului dintre
două numere.
d. Înţelegerea este, după Ackoff, un proces neprobabilistic şi de neinterpolare, este cognitiv şi
analitic. Este procesul prin care cunoştinţele se pot distila, prin rafinare şi sintetizare rezultând un
plus de cunoaştere, de noi cunoştinţe. Diferenţa dintre înţelegere şi cunoaştere este diferenţa
dintre a învăţa şi a memora.
e. Înţelepciunea este un proces nedeterminist, neprobabilist şi de extrapolare, care se sprijină pe
celelalte niveluri ale conştiinţei omeneşti. Înţelepciunea ne conferă înţelegere despre ceea ce
anterior fusese de neînţeles şi, astfel, depăşeşte însăşi înţelegerea. Înţelepciunea reprezintă esenţa
demonstraţiei în filosofie. Faţă de celelalte niveluri, înţelepciunea ridică probleme la care nu
există răspuns (sau răspunsul este foarte dificil de găsit). Prin înţelepciune putem discerne, putem
judeca binele şi răul, corectitudinea şi greşala.
Dacă informaţia presupune înţelegerea relaţiilor dintre date sau a semnificaţie acestora,
cunoştinţele presupun înţelegerea grilelor, tiparelor ce se pot aplica informaţiilor. O grilă (pattern)
este mai mult decât o relaţie de relaţii, înglobând consecinţe şi completitudine (exhaustivitate) ale
relaţiilor care, până la un punct, îşi creează propriul context. Grila serveşte ca un tipar ce implică
repetabilitate. Grilele, tiparele ce reprezintă cunoaşterea au tendinţa de a fi autocreatoare de context,
fiind mult mai puţin dependente de context decât informaţiile; ele prezintă un mai mare grad de
încredere şi predictibilitate, fiind deosebit de dinamice.
Înţelepciunea izvorăşte din înţelegerea principiilor fundamentale pe baza cărora sunt
construite grilele ce reprezintă cunoaşterea. Atunci când cunoştinţele generează convingeri, credinţe,

3
Preluare din Bellinger G., Castro D., Mills A., Data, information, Knowledge, and Wisdom,
http://www.radix.net/~crbnblu/assoc/bellingr/dikw/dikw.htm.
valori ce ghidează comportamentul unui individ se poate vorbi de înţelepciune. Înţelepciunea îşi
creează, într-o măsură şi mai mare decât cunoaşterea, propriul său context, principiile fundamentale
fiind universale şi independente de situaţiile specifice.
Asemănător acestei abordări poate fi amintită şi ierarhia evocată de Barabba şi Zaltman4
[1990] care consideră că mintea omenească operează la nivelul a cinci paliere:
 Date (numere, cuvinte);
 Informaţii (propoziţii);
 Inteligenţă (reguli);
 Cunoaşterea (combinarea nivelurilor anterioare);
 Înţelepciunea (baze de cunoştinţe combinate).
Gene Bellinger trasează următoarea paralelă5:
 Informaţii: ce? - descriere, definiţie sau perspectivă
 Cunoştinţe: cine, când, unde, cum? - strategie, practică, metodă, abordare
 Înţelepciune de ce? Cu ce implicaţii? - principiu, convingere, morală, arhetip
Thomas Davenport şi Laurence Prusak6 [1998] atrag atenţia asupra faptului că lanţul valoric
poate fi parcurs şi în sens descendent, mai ales când, datorită volumului imens, cunoştinţele şi
informaţiile devin imposibil de gestionat. Cunoştinţele pot deveni informaţii şi chiar date. . Pentru a
întârii ideea, se face trimitere la Eschil care zicea că este înţelept nu cel care ştie multe, ci lucruri
utile
Schema lanţului valoric mental, aşa cum se prezintă în figura 1.1., deşi cuceritoare prin
simplitate, lasă nerezolvate o serie de probleme.

înţelepciune
rafinare

ii
cip
p rin

cunoştinţă
ile
gr
e l e, e
d r
mo tipa
informaţie

e
aţi ţie
rel f ica
i
mn
se
data

înţelegere

Figura nr. 1.1. Fluxurile ascendente şi descendente dintre palierele lanţului valoric mental
4
Barabba V., Zaltman G., Hearing the Voice of the Market, Harvard Business School Press, 1990.
5
Bellinger G., Knowledge Management, http://www.outsights.com/systems/kmgmt/kmgmt.htm.
6
Davenport T. H., Prusak L., Working Knowledge: How Organizations Manage What They Know, Harvard
Business School Press, Boston, 1998, pg. 2.
 Să începem cu geneza informaţiilor din date: este în stare receptorul să transforme datele în
informaţii dacă nu are cunoştinţele, deprinderile prealabile care-i permit să realizeze că se află în faţa
unor date, că le poate interpreta într-un anumit fel.
Mai merită evocat şi un alt aspect: procesul rafinării datelor în informaţii nu numai că nu este
determinist sau pur şi simplu inferenţial, dar nu exclude apariţia unor false informaţii, unor false
cunoştinţe. Modul în care ne selectăm datele în funcţie de cunoştinţele de care dispunem cât şi
modurile în care datele pot fi alterate, falsificate pentru a induce în receptor o anumită viziune asupra
evenimentelor, o anumită percepţie – altfel spus, pentru a-l manipula sunt aspecte care dovedesc
importanţa fluxurilor ascendente şi descendente asupra percepţiei individului.
Datele sunt generate numai dacă dispunem în prealabil de informaţii, iar pentru apariţia
informaţiilor avem nevoie de cunoştinţe prealabile.

1.2. Evoluţia sistemelor informatice inteligente

Conceptul de sistem informatic a fost definit în moduri diferite, nefiind acceptată o definiţie
unanimă, dar de fiecare dată fiind prezentat din prisma sistemelor informaţionale de management iar
în unele cazuri el este sinonim cu acest concept.
A defini un sistem informatic al unui organism înseamnă a-i preciza în mod concret regulile,
procedurile, mijloacele şi metodele, cu precădere automate, utilizate în cadrul sistemului pentru a
determina mărimile prestabilite şi legile care operează cu aceste mărimi.
Sistemul informatic poate fi definit ca un ansamblu de reguli, proceduri, mijloace şi metode,
cu precădere automate, folosite pentru culegerea, transmiterea, prelucrarea şi stocarea datelor7.
Sistemul informatic este o componentă a sistemului informaţional şi anume acea parte a
acestuia care preia şi rezolvă sarcinile de culegere, prelucrare, transmitere şi stocare a datelor cu
ajutorul sistemelor de calcul.
Pentru a-şi îndeplini în cadrul sistemului informaţional, sistemul informatic cuprinde
ansamblul tuturor resurselor, regulilor, procedurilor, mijloacelor, metodelor şi tehnicilor, prin care se
asigură prelucrarea automată a datelor, necesare proceducerii informaţiilor, care vor fi folosite la
toate nivelurile decizionale ale managementului şi de controlul activităţilor organizaţiei.
Literatura de specialitate informatică, în speţă, economică – nu a ajuns încă la un consens
...noţiona, se mai poartă discuţii dacă angrenajul utilizat pentru a oferi informaţii celor interesaţi
trebuie să fie numit sistem informaţional sau sistem informatic, cu referire la utilizarea
calculatoarelor în acest scop. Cum sistemul informaţional cuprinde şi sistemul informatic, folosirea
celei de-a doua ar fi mai inspirată, mai ales în condiţiile din ţara noastră, unde, după cum se ştie,
informatizarea n-a atins cotele din ţările dezvoltate, iar partea de prelucrare umană are încă o pondere
substanţială.
Cum, de regulă, ne place să ne raportăm la ţările cu o bogată experienţă, să o facem şi de
această dată, spunând că, în literatura de anglo-americană, information system înseamnă sistem
informaţional, iar computer based information system este ceea ce noi considerăm sistem informatic.
Adevărul este următorul: datorită nivelului tehnologic la care s-a ajuns în SUA, toţi autorii, după ce
fac delimitarea amintită, folosesc termenul de information system motivând gradul ridicat de
automatizare a activităţilor care lucrează cu informaţia.
În ultimii ani, în literatura de specialitate îşi face apariţia un nou concept – executive
information system – care ar trebui să dea mult de gândit celor care au tradus management

7
Ghe. Orzan – Sisteme informatice de marketing, Ed. Uranus, Bucureşti, 2001.
information system sub forma sistem informatic de conducere, pentru că noua apariţie înseamnă tot
sistem informatic pentru conducere, numai că se referă la nivelul de top al ei.
Procesul de conducere se realizează pe cele trei niveluri: operativ, tactic şi strategic, deci
nominalizarea unuia dintre ele constituie o condiţie esenţială a înţelegerii tipului de sistem
informaţional/informatic la care se face referire.
Oare atunci când s-a tradus conceptul de management information system, aşa cum am
menţionat anterior nu s-a ţinut cont de nivelurile la care se realizează procesul de conducere? Ar fi o
explicaţie, însă putem aduce ca argument şi înţelegerea greşită a cuvintelor management, manager.
De multe ori se consideră că managerul, printr-o traducere în formă „superlativă”, este similar cu
„director”, „conducător”, ceea ce nu denotă întotdeauna prea multă inspiraţie, prin ambiguitatea
provocată. Să nu uităm că, în limbajul american, manager este şeful unui depozit sau magazin, şi
administratorul unui bloc de locuinţe ş.a.m.d.
Din cele relatate, rezultă ca posibile două variante de utilizat pentru management information
system. O primă soluţie ar putea consta în specificarea nivelului de conducere căruia i se adresează,
numindu-l sistem informatic al conducerii operative şi /sau tactice, deşi pentru conducerea operativă
există o altă categorie a sistemelor informatice, transaction processing system, după cum vom vedea
în continuare. Aşadar trebuie făcută referire numai la nivelul tactic al conducerii, ceea ce, să
recunoaştem, nu prea intră în uzanţele noastre.
A doua variantă, mai scurtă şi suficient de plauzibilă ar consta în utilizarea conceptului de
sistem informatic de gestiune, întrucât acesta este obiectivul lor prioritar.
Dacă am analiza evoluţia în timp a tehnologiilor de realizare a sistemelor informatice, a
naturii şi rolului acestora putem identifica următoarele categorii de sisteme informatice:

1.2.1. Sisteme informatice de procesare a tranzacţiilor

Pentru faza de început a activităţilor informatizate, la nivel operativ, funcţional sau de
execuţie apare noţiunea Transaction Processing System (TPS). El au apărut îndeosebi în domeniul
contabilităţii, întrucât, după cum se ştie, utilizează un imens volum de date şi, de ce să n-o spunem,
are şi un sistem propriu perfect de verificare a corectitudinii rezultatelor obţinute. Ulterior, sfera
acestor sisteme s-a extins şi asupra marketingului, personalului, producţiei ş.a. Sistemele informatice
de procesare a tranzacţiilor şi-au făcut apariţia pe la mijlocul anilor ’50, având ca obiectiv principal
colectarea datelor şi gestiunea din domeniile specificate.

1.2.2. Sisteme informatice de management

Odată culese datele au început a fi valorificate în mai multe moduri, un astfel de mod
constituindu-l şi onorarea cererii de informaţii de către nivelul superior de conducere, adică tactic,
făcându-şi apariţia Management Information System (MIS) sau Managemet Reporting System
(MRS). Obiectivul propus era de furnizare a informaţiilor pentru conducerea tactică, sub forma
rapoartelor de gestiune şi a altor situaţii. Sistemele informatice de management specifice pe domenii
(marketing, management, contabilitate, producţie, organizaţie economică) şi-au făcut apariţia la
începutul anilor ’60.
 1.2.3. Sistemele informatice de automatizare a muncii de birou
Office Automation System – (OIS) sunt cunoscute şi sub denumirea scurtă de sisteme birotice
(birotică). Misiunea lor este de a prelua, prelucra, stoca şi transmite date şi informaţii sub forma
comunicaţiilor electronice între birouri şi nivelurile organizatorice dintr-o firmă.
S-au dezvoltat, în principal, datorită generalizării microinformaticii, la mijlocul anilor ’80.
Compartimentele sunt adevărate centre informaţionale prin care sunt vehiculate importante volume
informaţionale. Experienţa practică demonstrează că procurarea, culegerea, valorificarea şi
transmiterea direcţionată a informaţiilor este cea mai importantă sarcină. Birotica se bazează pe
procesoare de texte, programe de calcul tabelar, programe de prezentare grafică, mesagerii
electronice, alte tehnologii ale sistemelor informatice. Principalele aplicaţii sau subsisteme includ:
poşta electronică, teleconferinţele, aplicaţiile web, messenger, chat, videochaturi, videotelefon,
agende electronice, tehnoredactare computerizată etc.

1.2.4. Sisteme informatice de asistare a deciziei

La începutul anilor ’70 se încearcă trecerea spre uşurarea procesului decizional, prin
preluarea componentei informaţionale din efortul managementului strategic in fundamentarea
deciziilor. Obiectivul prioritar nu mai era simpla culegere a datelor, nici sintetizarea lor sub forma
rapoartelor, ci uşurarea procesului de luare a deciziilor. Şi-au făcut astfel apariţia Decision Support
System (DSS), cunoscute la noi ca sisteme suport de decizie, deşi s-ar putea considera mai inspirată
forma sisteme de sprijinire a procesului decizional, evitându-se, astfel, posibila concluzie că, până la
apariţia acestor sisteme, deciziile n-ar fi avut suport.
Sistemele informatice de asistare a deciziilor, mai cunoscute şi sub denumirea de sisteme
informatice inteligente de asistare a deciziilor (SIAD), oferă managerilor răspunsuri rapide la
întrebările ad-hoc şi urmăresc pregătirea şi fundamentarea deciziei.
Aceste sisteme oferă managerilor instrumentele necesare pentru a analiza blocuri mari de
date, utilizând modele sofisticate într-o manieră flexibilă pe care utilizatorii o pot controla cu
uşurinţă. Sunt proiecte pentru a furniza opţiuni şi alternative, nu numai pentru obţinerea
informaţiilor. Există mai multe categorii de astfel de sisteme. DSS de uz individual sprijină
decidenţii individuali. DSS de grup sunt orientate pe cerinţele unui grup de decidenţi angajaţi în
activităţi separate, dar nercorelate. DSS organizaţionale sunt focalizate pe nivelul organizaţional sau
pe activităţi dispersate pe diferite zone funcţionale ce implică resurse numeroase. DSS intra-
organizaţionale sprijină procesul decizional generat de globalizarea sarcinilor în cazul corporaţiilor
internaţionale şi multinaţionale.
În perioada de dezvoltare a acestor sisteme, graniţa dintre sistemul suport şi aplicaţia
informatică este foarte imprecisă, o mare parte din aplicaţii fiind create pentru rezolvarea unor
probleme punctuale şi utilizate o singură dată. Din acest motiv, în anii ”80 atât suportul cât şi
aplicaţiile au fost denumite generic sisteme interactive de asistare a deciziei, aspectul interactiv fiind
conferit în special de existenţa limbajelor grafice de modelare. Acest tip de sisteme sunt încadrate în
prezent în clasa sistemelor informatice de asistare a deciziilor orientate spre modele.
Se remarcă apariţia în ultimii ani a unei noi generaţii de sisteme informatice de asistare a
deciziei – cele orientate pe date, care au la bază depozitul sau zăcământul de date a corporaţiei drept
componentă tehnologică principală. Funcţionarea lor fiind bazată pe analiza şi agregarea datelor, ca
răspuns la necesitatea utilizării unor metode eficace de analiză. Funcţiile principale ale acestor
sisteme sunt: accesul imediat la date, realizarea unui mecanism pentru analize ad-hoc ale datelor
actuale sau cu caracter istoric şi analiza informaţiilor.
Sistemele informatice de asistare a deciziei orientate pe date sunt rezultatul unor tehnologii
inteligente create special şi anume:
 Data Warehouse – tehnologie de centralizare, consolidare , reorganizare şi stocare a
volumelor mari de date acumulate de-a lungul timpului, date preluate din sisteme
informatice eterogene, care vor fi baza procesărilor analitice necesare proceselor de
decizie.
 OLAP (On-line Analytical Processing) – este o tehnologie de agregare a datelor stocate în
depozite într-o abordare multidimensională care asigură acces rapid la informaţiile
necesare analiştilor şi managerilor într-o manieră consistentă, interactivă şi foarte
flexibilă.
 Data mining – tehnologie de explorare a datelor stocate în depozite în încercarea dea
descoperi aspecte noi ale activităţii desfăşurate, aspecte trecute în mod normal cu
vederea: corelaţii între evenimente, asociaţii între anumite fapte, secvenţe, tipare de
comportament, etc.
Sistemele informatice inteligente bazate pe cunoştinţe care înglobează tehnologii ale
inteligenţei artificiale şi care sunt referite ca şi SIIAD.
Din categoria sistemelor SIAD la mijlocul anilor ’80, proliferează un nou tip de sisteme, şi
anume Expert System (ES), cunoscute ca sisteme expert, prin care se trece la prelucrarea
cunoştinţelor umane, motiv de a fi numite uneori şi Knowledge Work System (KWS). Ele preiau, sub
forme mult mai performante, o parte din activităţile surprinse prin tipurile de sisteme menţionate
până acum. De mai multe ori se consideră că sistemele expert sunt numai o prelungire a celor de
sprijinire a procesului decizional, ceea ce nu este adevărat, întrucât ele se pot regăsi pe orice treaptă a
conducerii – de la nivelul operativ până la cel strategic, - aşadar, de la sistemele de prelucrare a
tranzacţiilor economice până la sistemele de sprijinire a conducerii la nivel strategic.
Sistemele informatice inteligente – sistemele expert (Expert System) încorporează
cunoştinţele experţilor dintr-un domeniu dat şi le folosesc în luarea deciziilor, elaborarea de
recomandări, consultaţii etc. Un sistem expert reprezintă un ansamblu de programe informatice
destinate emulării raţionamentului unam al experţilor într-un domeniu specific.
Utilizarea sistemelor expert se bazează pe premisa că orice problemă poate fi rezolvată printr-
o succesiune de raţionamente care pot fi descompuse în reguli logice. Primele sisteme expert au
apărut în chimie şi medicină (DENDRAL – 1967, MYCIN – 1979). În domeniul marketingului,
financiar-bancar, al expertizei există nenumărate sisteme expert: GURU, INTELLIGENCE
SERVICE, DEXPER, PERSONAL PLUS CONSULTANT, etc.
Nivelul strategic al conducerii este sprijinit, într-un mod aparte, prin noile Executive
Information System (EIS), dezvoltate puternic începând cu mijlocul anilor ’80. Ele îşi propun mult
mai mult decât „clasicul” tablou de bord sau arhicunoscutele sisteme de raportare, formele moderne
de informare mult mai succintă, prin grafice, tabele, scheme. Veritabilii conducători, buni strategi, de
multe ori sunt interesaţi mai întâi să ştie ce fac alţii, ce se întâmplă pe piaţa globală şi abia apoi
doresc să ştie detalii despre firma lor. O astfel de optică a deranjat pe mulţi realizatori de sisteme
informatice de gestiune, care îşi văd neglijat efortul muncii lor de ani de zile.
O explicaţie se regăseşte to în noile tehnologii fiindcă o dată cu apariţia atâtor forme de
„ieşire în lume”, prin atâtea tipuri de reţele, care mai de care mai performante, este normal ca top-
managerii să dorească să vadă mai intâi ce se întâmplă în „ograda vecinilor lor”, chiar dacă ei se află
peste mări şi ţări.
Pri utilizarea informaţiilor provenind atât din mediul intern, cât mai ales din mediul extern al
organizaţiei, specific „top-managerilor” de marketing, EIS creează un mediu informatizat şi un cadru
propice comunicării, care poate aborda o gamă de probleme ce se schimbă în permanenţă. Astfel,
conducerea organizaţiei poate controla performanţele organizaţionale, studia activitatea
concurenţilor,poate prevedea tendinţe ale anumitor fenomene, poate sesiza diverse oportunităţi de
afaceri. Utilizarea unui astfel de sistem poate avea drept efect ameliorarea considerabilă a
performanţelor conducerii.
Reprezentarea grafică sugestivă din figura 1.2. scoate în relief comportamentele mediului de
lucru al sistemelor informatice inteligente folosite în managementul organizaţional structurat în
funcţie de tipurile de decizii (structurate, semistructurate şi nestructurate) şi nivelul de management
organizaţional.

Nivelul organizaţional
Strategic EIS ES
DSS
Tactic MIS
Cunoaşterea OAS KWS
Operaţional TPS
Tipul deciziei Structurate Semistructurate Nestructurate

Figura 1.2.: Corelaţia între tipurile de decizii şi tipurile de sisteme informatice

ES – Expert System MIS – Management Information System

EIS – Executive Information System OAS – Office Automation System
DSS – Decision Support System TPS – Transaction Processing System
KWS – Knowledge Work System

1.2.5. Sisteme informatice inteligente suport pentru afaceri

Business Support System (BSS) sunt fundamentate pentru strategia firmelor şi derularea
proceselor economice în secolul XXI. Pentru a prospera în lumea businessului organizaţiile sunt
forţate să-şi integreze aplicaţiile într-o infrastructură puternică. Afacerile digitale combină resursele
tradiţionale ale sistemelor informatice cu marea bogăţie a resurselor existente pe Internet. În acest
context, vorbim despre două situaţii: tradiţionale care sunt nevoite să-şi reproiecteze sistemul
informaţional şi cele create din start pentru afaceri online.
Prezentăm în figura 1.3. arhitectura sistemelor informatice inteligente suport pentru afaceri
(Business Support System).
 Furnizori, distribuitori, comercianţi

Supply chain management

Internet

Sisteme web (comerţ electronic, cercetări online, GIS)

Producţie, Management, Marketing, Personal

Resurse
Logistică Producţie Marketing Distribuţie
Contabilitate, Financiar

Enterprise Resource Planning

Marketing
Marketing
Mediul intern

Mediul Online
Sisteme Sisteme Sisteme
Suport Inteligente Suport
Groupware

Decizional Organizaţiuni Online

- DSS - - OIS - - OSS -
Personal

Site
Customer Relationship Management

Reţele
Servicii Distribuţie
Internet

Marketing Vânzări
clienţi

Selling Chain Management

Clienţi, comercianţi

Figura. 1.3.:Arhitectura sistemelor informatice inteligente – suport pentru afaceri (BSS)8

 Sisteme informatice integrate pentru gestiunea afacerilor - Enterprise Resource

Planning (ERP) şi-au făcut loc în aplicaţiile de întreprindere, în contextul exploziei
informaţionale şi dezvoltării fără precedent a tehnologiei informatice şi de comunicaţie, la
începutul anilor ’90.
ERP constă din module software care acoperă toate ariile funcţionale, structurate ca
de exemplu: marketing şi vânzări, service, proiectare şi dezvoltare de produs, producţie şi
controlul stocurilor, aprovizionare, distribuţie, resurse umane, finanţe şi contabilitate, servicii
informatice. Integrarea acestor module este realizată fără duplicarea informaţiilor, cu
ajutorul noilor tehnologii de baze de date şi a reţelelor de calculatoare.
ERP a adus avantajul integrării unui pachet multi-modul care este adaptat
specificului şi care poate fi ulterior extins cu alte module. Enterprise Resource Planning
reprezintă sisteme bazate pe arhitectura client/server, dezvoltate pentru prelucrarea
tranzacţiilor şi facilitarea integrării tuturor proceselor, din faza planificării şi dezvoltării
producţiei, până la relaţiile cu furnizorii, clienţii şi alţi parteneri de afaceri.
Alegerea sistemului ERP potrivit permite beneficiarului să implementeze un sistem
integrat unic, prin înlocuirea sau reproiectarea sistemelor informatice existente. În România
oferte de sisteme ERP sunt: SAP, Oracle, MFG/PRO, SCALA, SIVECO. Această piaţă este
în dezvoltare.
 Sisteme informatice integrate pentru managementul relaţiilor cu clienţii -Customer
Relationship Management (CRM) plasează clientul în centrul preocupărilor
organizaţiilor pentru a-i propune cele mai potrivite produse şi servicii. Tehnologia a
apărut datorită centrării activităţii organizaţionale pe doleanţe şi satisfacţia clienţilor, în

8
Adaptare după Kalakota R., Robinson M., E-Business 2.0: Roadmap for Success, Addison Wesley, SUA,
2001.
 condiţiile unei pieţe extrem de versatile şi concurenţiale, iar globalizarea afacerilor a
exacerbat acest fenomen.
CRM cercetează aplicaţiile care promovează interacţiunea directă dintre clienţi şi
furnizori, prin intermediul angajaţilor şi proceselor presupuse, pe durata întregului ciclu de
viaţă al relaţiei furnizor – client. Pachetul de aplicaţii presupune o viziune cuprinzătoare,
integrată asupra clientului, care este aşezat în centrul preocupărilor şi presupune în viziunea
de marketing integrarea funcţiunilor întreprinderii, efortului de a creşte satisfacţia şi
mulţumirea clientului, ceea ce asigură creşterea vânzărilor şi diferenţiază firma faţă de
competitorii săi.
 Sisteme informatice integrate pentru gestiunea relaţiilor cu furnizorii şi clienţii - Supply
Chain Management (SCM) acoperă comanda şi aprovizionarea, identificarea materiilor
prime şi materialelor, fabricarea, asamblarea, depozitarea şi urmărirea stocurilor, primirea
comenzilor, distribuirea pe toate canalele şi livrarea către consumator. Supply Chain
Management ete termenul întâlnit în lieratura română sub denumirea de managementul
lanţului de aprovizionare – desfacere sau managementul lanţului de distribuţie şi se
referă, în principal, la optimizarea şi automatizarea tuturor proceselor economice ce se
desfăşoară la nivelul unei întreprinderi, de la aprovizionarea cu materii prime şi materiale,
până la procesele de producţie, transport şi distribuţie a produselor finite.
Managementul eficient al lanţului de distribuţie asigură cantitatea necesară de bunuri
şi servicii acolo unde trebuie, la momentul oportun, în cantitatea solicitată şi la preţul cel
mai bun.
Liderul pieţei europene, SAP AG oferă soluţia mySAP SCM. Suita oferă toate
instrumentele necesare administrării proceselor de aprovizionare şi permite organizarea
colaborativă a acestora, dincolo de graniţele organizaţiei.
 Sisteme informatice integrate pentru activităţi organizaţionale online – Groupware sunt
aplicaţii în reţea ce permit grupurilor de lucru să colaboreze într-o manieră facilă.
Groupware reprezintă un model organizaţional ce a apărut în anii ’90 şi corespunde
informaticii descentralizate. În literatura de specialitate, tehnologia groupware mai este
denumită şi cocktail grouware, deoarece înseamnă de fapt 1/3 management, 1/3 organizare şi
1/3 informatică; fiind astfel o sintagmă multidisciplinară.
Mediul groupware este destinat creării, gestionării şi conducerii eficiente a resurselor
unei întreprinderi. Groupware-ul reprezintă un set integrat de instrumente, care permite
indivizilor să lucreze împreună prin comunicare, colaborare şi coordonare la momente de
timp şi locuri diferite.
Groupware-ul îşi are rădăcinile în trei mari domenii distincte, dar foarte apropiate
cerinţelor grupurilor de lucru: mesagerie electronică, managementul informaţiilor,
automatizarea proceselor sau fluxului de lucru.
Groupware reprezintă un model organizaţional dezvoltat cu sprijinul tehnologiilor
informaţionale multiutilizator moderne, ce oferă posibilitatea reproiectării radicale a
proceselor, organizării şi mentalităţii din întreprinderi, prin intermediul unei clase de aplicaţii
reţea ce permit echipelor de lucru să colaboreze online.
Aplicaţiile groupware n-au fost gândite pentru a substitui personalul, ci pentru a-l
sprijini în orice relaţie de serviciu. Altfel spus, groupware este o extensie sau un instrument
de perfecţionare a procesului de colaborare. Tehnologia este compusă din produse orientate
„pe grup” ce au fost dezvoltate pentru a ajuta grupuri de persoane să lucreze împreună.
Aplicaţiile sunt diferite de aplicaţiile utilizator simple care izolează utilizatorul şi-i limitează
activitatea numai la îndeplinirea sarcinilor de lucru independente. Astfel, groupware este o
tehnologie multiutilizator care permite munca cooperativă informatizată. Noţiunile de
 „activităţi comune” şi de „mediu partajat” sunt fundamentale pentru a distinge un sistem
groupware de un sistem multiutilizator convenţional.
Potrivit figurii 1.4. tehnologiile groupware delimitează trei categorii de aplicaţii:
 comunicarea pe bază de formulare şi documente;
 comunicarea de tip tranzacţional;
 comunicarea organizaţională.
Principalele diferenţe dintre cele două categorii sunt vizibile la nivelul volumului, al
integrităţii informaţiei şi al tipului de aplicaţie.
Aplicaţiile groupware sunt orientate şi către comunicarea orizontală, rezolvând
probleme de comunicare şi cooperare din cadrul organizaţiei prin agenda de grup, messenger,
chat, videoconferinţe, conferinţe electronice şi redactarea multiutilizator. Remarcăm prezenţa
aplicaţiilor workflow în toate cele trei tipuri de aplicaţii.
Integrarea tehnologiilor groupware cu tehnologiile Internet este în prezent în atenţia
specialiştilor, a caselor producătoare de software. Majoritatea editorilor (Microsoft, Netscape
şi IBM-Lotus) îşi redefinesc platformele şi instrumentele client/server în acest sens. Notăm
apariţia termenului de GROUPWEB (rezultat din concatenarea termenilor GROUPware şi
WEB).
 Sisteme informatice integrate geografice tehnologii geographic information system
(GIS) sunt aplicaţii sau suite de programe care permit crearea şi reprezentarea hărţilor
geografice. În general, sistemele informatice geografice conţin o componentă destinată
vizualizării hărţilor geografice, soluţiile de ultimă oră oferind posibilitatea de a realiza
aceste operaţiuni folosind un simplu browser web.
MOTOARE DE
E-Mail CĂUTARE

GESTIUNEA WORKFLOW
DOCUMENTELOR GED

SGBD
FORMULARE

COMUNICARE PE BAZĂ COMUNICARE DE TIP

DE FORMULARE TRANZACŢIONAL
ŞI DOCUMENTE

GROUPWARE

E-Mail
WORKFLOW

COMUNICARE ORGANIZAŢIONALĂ

AGENDE
DE TIP REUNIUNI VIDEO ORGANIZAREA REDACTARE
CHAT
GRUP ELECTRONICE CONFERINŢE MEMORIEI COLECTIVĂ MESSENGER

Figura 1.4.: Trei categorii principale de aplicaţii groupware9

9
Prel. după Khoshafian S., Buckiewicz, Groupware & workflow, Masson, Paris, 1998, pg. 17.
 Sistemele informatice de tip GIS sunt tot mai frecvent utilizate în cadrul aplicaţiilor de
geomarketing, de localizare spaţială a clienţilor, de construire de hărţi privind atracţia şi gravitaţia
comercială de segmentare spaţială a clienţilor, furnizorilor şi concurenţilor.
 CURSUL 8
Tipologia Sistemelor informatice inteligente
1.2.3. Sistemele informatice de automatizare a muncii de birou
Office Automation System – (OIS) sunt cunoscute şi sub denumirea scurtă de sisteme birotice
(birotică). Misiunea lor este de a prelua, prelucra, stoca şi transmite date şi informaţii sub forma
comunicaţiilor electronice între birouri şi nivelurile organizatorice dintr-o firmă.
S-au dezvoltat, în principal, datorită generalizării microinformaticii, la mijlocul anilor ’80.
Compartimentele sunt adevărate centre informaţionale prin care sunt vehiculate importante volume
informaţionale. Experienţa practică demonstrează că procurarea, culegerea, valorificarea şi
transmiterea direcţionată a informaţiilor este cea mai importantă sarcină. Birotica se bazează pe
procesoare de texte, programe de calcul tabelar, programe de prezentare grafică, mesagerii
electronice, alte tehnologii ale sistemelor informatice. Principalele aplicaţii sau subsisteme includ:
poşta electronică, teleconferinţele, aplicaţiile web, messenger, chat, videochaturi, videotelefon,
agende electronice, tehnoredactare computerizată etc.

1.2.4. Sisteme informatice de asistare a deciziei

La începutul anilor ’70 se încearcă trecerea spre uşurarea procesului decizional, prin
preluarea componentei informaţionale din efortul managementului strategic in fundamentarea
deciziilor. Obiectivul prioritar nu mai era simpla culegere a datelor, nici sintetizarea lor sub forma
rapoartelor, ci uşurarea procesului de luare a deciziilor. Şi-au făcut astfel apariţia Decision Support
System (DSS), cunoscute la noi ca sisteme suport de decizie, deşi s-ar putea considera mai inspirată
forma sisteme de sprijinire a procesului decizional, evitându-se, astfel, posibila concluzie că, până la
apariţia acestor sisteme, deciziile n-ar fi avut suport.
Sistemele informatice de asistare a deciziilor, mai cunoscute şi sub denumirea de sisteme
informatice inteligente de asistare a deciziilor (SIAD), oferă managerilor răspunsuri rapide la
întrebările ad-hoc şi urmăresc pregătirea şi fundamentarea deciziei.
Aceste sisteme oferă managerilor instrumentele necesare pentru a analiza blocuri mari de
date, utilizând modele sofisticate într-o manieră flexibilă pe care utilizatorii o pot controla cu
uşurinţă. Sunt proiecte pentru a furniza opţiuni şi alternative, nu numai pentru obţinerea
informaţiilor. Există mai multe categorii de astfel de sisteme. DSS de uz individual sprijină
decidenţii individuali. DSS de grup sunt orientate pe cerinţele unui grup de decidenţi angajaţi în
activităţi separate, dar nercorelate. DSS organizaţionale sunt focalizate pe nivelul organizaţional sau
pe activităţi dispersate pe diferite zone funcţionale ce implică resurse numeroase. DSS intra-
organizaţionale sprijină procesul decizional generat de globalizarea sarcinilor în cazul corporaţiilor
internaţionale şi multinaţionale.
În perioada de dezvoltare a acestor sisteme, graniţa dintre sistemul suport şi aplicaţia
informatică este foarte imprecisă, o mare parte din aplicaţii fiind create pentru rezolvarea unor
probleme punctuale şi utilizate o singură dată. Din acest motiv, în anii ”80 atât suportul cât şi
aplicaţiile au fost denumite generic sisteme interactive de asistare a deciziei, aspectul interactiv fiind
conferit în special de existenţa limbajelor grafice de modelare. Acest tip de sisteme sunt încadrate în
prezent în clasa sistemelor informatice de asistare a deciziilor orientate spre modele.
Se remarcă apariţia în ultimii ani a unei noi generaţii de sisteme informatice de asistare a
deciziei – cele orientate pe date, care au la bază depozitul sau zăcământul de date a corporaţiei drept
componentă tehnologică principală. Funcţionarea lor fiind bazată pe analiza şi agregarea datelor, ca
răspuns la necesitatea utilizării unor metode eficace de analiză. Funcţiile principale ale acestor
sisteme sunt: accesul imediat la date, realizarea unui mecanism pentru analize ad-hoc ale datelor
actuale sau cu caracter istoric şi analiza informaţiilor.
Sistemele informatice de asistare a deciziei orientate pe date sunt rezultatul unor tehnologii
inteligente create special şi anume:
 Data Warehouse – tehnologie de centralizare, consolidare , reorganizare şi stocare a
volumelor mari de date acumulate de-a lungul timpului, date preluate din sisteme
informatice eterogene, care vor fi baza procesărilor analitice necesare proceselor de
decizie.
 OLAP (On-line Analytical Processing) – este o tehnologie de agregare a datelor stocate în
depozite într-o abordare multidimensională care asigură acces rapid la informaţiile
necesare analiştilor şi managerilor într-o manieră consistentă, interactivă şi foarte
flexibilă.
 Data mining – tehnologie de explorare a datelor stocate în depozite în încercarea dea
descoperi aspecte noi ale activităţii desfăşurate, aspecte trecute în mod normal cu
vederea: corelaţii între evenimente, asociaţii între anumite fapte, secvenţe, tipare de
comportament, etc.
Sistemele informatice inteligente bazate pe cunoştinţe care înglobează tehnologii ale
inteligenţei artificiale şi care sunt referite ca şi SIIAD.
Din categoria sistemelor SIAD la mijlocul anilor ’80, proliferează un nou tip de sisteme, şi
anume Expert System (ES), cunoscute ca sisteme expert, prin care se trece la prelucrarea
cunoştinţelor umane, motiv de a fi numite uneori şi Knowledge Work System (KWS). Ele preiau, sub
forme mult mai performante, o parte din activităţile surprinse prin tipurile de sisteme menţionate
până acum. De mai multe ori se consideră că sistemele expert sunt numai o prelungire a celor de
sprijinire a procesului decizional, ceea ce nu este adevărat, întrucât ele se pot regăsi pe orice treaptă a
conducerii – de la nivelul operativ până la cel strategic, - aşadar, de la sistemele de prelucrare a
tranzacţiilor economice până la sistemele de sprijinire a conducerii la nivel strategic.
Sistemele informatice inteligente – sistemele expert (Expert System) încorporează
cunoştinţele experţilor dintr-un domeniu dat şi le folosesc în luarea deciziilor, elaborarea de
recomandări, consultaţii etc. Un sistem expert reprezintă un ansamblu de programe informatice
destinate emulării raţionamentului unam al experţilor într-un domeniu specific.
Utilizarea sistemelor expert se bazează pe premisa că orice problemă poate fi rezolvată printr-
o succesiune de raţionamente care pot fi descompuse în reguli logice. Primele sisteme expert au
apărut în chimie şi medicină (DENDRAL – 1967, MYCIN – 1979). În domeniul marketingului,
financiar-bancar, al expertizei există nenumărate sisteme expert: GURU, INTELLIGENCE
SERVICE, DEXPER, PERSONAL PLUS CONSULTANT, etc.
Nivelul strategic al conducerii este sprijinit, într-un mod aparte, prin noile Executive
Information System (EIS), dezvoltate puternic începând cu mijlocul anilor ’80. Ele îşi propun mult
mai mult decât „clasicul” tablou de bord sau arhicunoscutele sisteme de raportare, formele moderne
de informare mult mai succintă, prin grafice, tabele, scheme. Veritabilii conducători, buni strategi, de
multe ori sunt interesaţi mai întâi să ştie ce fac alţii, ce se întâmplă pe piaţa globală şi abia apoi
doresc să ştie detalii despre firma lor. O astfel de optică a deranjat pe mulţi realizatori de sisteme
informatice de gestiune, care îşi văd neglijat efortul muncii lor de ani de zile.
O explicaţie se regăseşte to în noile tehnologii fiindcă o dată cu apariţia atâtor forme de
„ieşire în lume”, prin atâtea tipuri de reţele, care mai de care mai performante, este normal ca top-
managerii să dorească să vadă mai intâi ce se întâmplă în „ograda vecinilor lor”, chiar dacă ei se află
peste mări şi ţări.
Pri utilizarea informaţiilor provenind atât din mediul intern, cât mai ales din mediul extern al
organizaţiei, specific „top-managerilor” de marketing, EIS creează un mediu informatizat şi un cadru
propice comunicării, care poate aborda o gamă de probleme ce se schimbă în permanenţă. Astfel,
conducerea organizaţiei poate controla performanţele organizaţionale, studia activitatea
concurenţilor,poate prevedea tendinţe ale anumitor fenomene, poate sesiza diverse oportunităţi de
afaceri. Utilizarea unui astfel de sistem poate avea drept efect ameliorarea considerabilă a
performanţelor conducerii.
Reprezentarea grafică sugestivă din figura 1.2. scoate în relief comportamentele mediului de
lucru al sistemelor informatice inteligente folosite în managementul organizaţional structurat în
funcţie de tipurile de decizii (structurate, semistructurate şi nestructurate) şi nivelul de management
organizaţional.

Nivelul organizaţional
Strategic EIS ES
DSS
Tactic MIS
Cunoaşterea OAS KWS
Operaţional TPS
Tipul deciziei Structurate Semistructurate Nestructurate

Figura 1.2.: Corelaţia între tipurile de decizii şi tipurile de sisteme informatice

ES – Expert System MIS – Management Information System

EIS – Executive Information System OAS – Office Automation System
DSS – Decision Support System TPS – Transaction Processing System
KWS – Knowledge Work System

1.2.5. Sisteme informatice inteligente suport pentru afaceri

Business Support System (BSS) sunt fundamentate pentru strategia firmelor şi derularea
proceselor economice în secolul XXI. Pentru a prospera în lumea businessului organizaţiile sunt
forţate să-şi integreze aplicaţiile într-o infrastructură puternică. Afacerile digitale combină resursele
tradiţionale ale sistemelor informatice cu marea bogăţie a resurselor existente pe Internet. În acest
context, vorbim despre două situaţii: tradiţionale care sunt nevoite să-şi reproiecteze sistemul
informaţional şi cele create din start pentru afaceri online.
Prezentăm în figura 1.3. arhitectura sistemelor informatice inteligente suport pentru afaceri
(Business Support System).
 Furnizori, distribuitori, comercianţi

Supply chain management

Internet

Sisteme web (comerţ electronic, cercetări online, GIS)

Producţie, Management, Marketing, Personal

Resurse
Logistică Producţie Marketing Distribuţie
Contabilitate, Financiar

Enterprise Resource Planning

Marketing
Marketing
Mediul intern

Mediul Online
Sisteme Sisteme Sisteme
Suport Inteligente Suport
Groupware

Decizional Organizaţiuni Online

- DSS - - OIS - - OSS -
Personal

Site
Customer Relationship Management

Reţele
Servicii Distribuţie
Internet

Marketing Vânzări
clienţi

Selling Chain Management

Clienţi, comercianţi

Figura. 1.3.:Arhitectura sistemelor informatice inteligente – suport pentru afaceri (BSS)8

 Sisteme informatice integrate pentru gestiunea afacerilor - Enterprise Resource

Planning (ERP) şi-au făcut loc în aplicaţiile de întreprindere, în contextul exploziei
informaţionale şi dezvoltării fără precedent a tehnologiei informatice şi de comunicaţie, la
începutul anilor ’90.
ERP constă din module software care acoperă toate ariile funcţionale, structurate ca
de exemplu: marketing şi vânzări, service, proiectare şi dezvoltare de produs, producţie şi
controlul stocurilor, aprovizionare, distribuţie, resurse umane, finanţe şi contabilitate, servicii
informatice. Integrarea acestor module este realizată fără duplicarea informaţiilor, cu
ajutorul noilor tehnologii de baze de date şi a reţelelor de calculatoare.
ERP a adus avantajul integrării unui pachet multi-modul care este adaptat
specificului şi care poate fi ulterior extins cu alte module. Enterprise Resource Planning
reprezintă sisteme bazate pe arhitectura client/server, dezvoltate pentru prelucrarea
tranzacţiilor şi facilitarea integrării tuturor proceselor, din faza planificării şi dezvoltării
producţiei, până la relaţiile cu furnizorii, clienţii şi alţi parteneri de afaceri.
Alegerea sistemului ERP potrivit permite beneficiarului să implementeze un sistem
integrat unic, prin înlocuirea sau reproiectarea sistemelor informatice existente. În România
oferte de sisteme ERP sunt: SAP, Oracle, MFG/PRO, SCALA, SIVECO. Această piaţă este
în dezvoltare.
 Sisteme informatice integrate pentru managementul relaţiilor cu clienţii -Customer
Relationship Management (CRM) plasează clientul în centrul preocupărilor
organizaţiilor pentru a-i propune cele mai potrivite produse şi servicii. Tehnologia a
apărut datorită centrării activităţii organizaţionale pe doleanţe şi satisfacţia clienţilor, în

8
Adaptare după Kalakota R., Robinson M., E-Business 2.0: Roadmap for Success, Addison Wesley, SUA,
2001.
 condiţiile unei pieţe extrem de versatile şi concurenţiale, iar globalizarea afacerilor a
exacerbat acest fenomen.
CRM cercetează aplicaţiile care promovează interacţiunea directă dintre clienţi şi
furnizori, prin intermediul angajaţilor şi proceselor presupuse, pe durata întregului ciclu de
viaţă al relaţiei furnizor – client. Pachetul de aplicaţii presupune o viziune cuprinzătoare,
integrată asupra clientului, care este aşezat în centrul preocupărilor şi presupune în viziunea
de marketing integrarea funcţiunilor întreprinderii, efortului de a creşte satisfacţia şi
mulţumirea clientului, ceea ce asigură creşterea vânzărilor şi diferenţiază firma faţă de
competitorii săi.
 Sisteme informatice integrate pentru gestiunea relaţiilor cu furnizorii şi clienţii - Supply
Chain Management (SCM) acoperă comanda şi aprovizionarea, identificarea materiilor
prime şi materialelor, fabricarea, asamblarea, depozitarea şi urmărirea stocurilor, primirea
comenzilor, distribuirea pe toate canalele şi livrarea către consumator. Supply Chain
Management ete termenul întâlnit în lieratura română sub denumirea de managementul
lanţului de aprovizionare – desfacere sau managementul lanţului de distribuţie şi se
referă, în principal, la optimizarea şi automatizarea tuturor proceselor economice ce se
desfăşoară la nivelul unei întreprinderi, de la aprovizionarea cu materii prime şi materiale,
până la procesele de producţie, transport şi distribuţie a produselor finite.
Managementul eficient al lanţului de distribuţie asigură cantitatea necesară de bunuri
şi servicii acolo unde trebuie, la momentul oportun, în cantitatea solicitată şi la preţul cel
mai bun.
Liderul pieţei europene, SAP AG oferă soluţia mySAP SCM. Suita oferă toate
instrumentele necesare administrării proceselor de aprovizionare şi permite organizarea
colaborativă a acestora, dincolo de graniţele organizaţiei.
 Sisteme informatice integrate pentru activităţi organizaţionale online – Groupware sunt
aplicaţii în reţea ce permit grupurilor de lucru să colaboreze într-o manieră facilă.
Groupware reprezintă un model organizaţional ce a apărut în anii ’90 şi corespunde
informaticii descentralizate. În literatura de specialitate, tehnologia groupware mai este
denumită şi cocktail grouware, deoarece înseamnă de fapt 1/3 management, 1/3 organizare şi
1/3 informatică; fiind astfel o sintagmă multidisciplinară.
Mediul groupware este destinat creării, gestionării şi conducerii eficiente a resurselor
unei întreprinderi. Groupware-ul reprezintă un set integrat de instrumente, care permite
indivizilor să lucreze împreună prin comunicare, colaborare şi coordonare la momente de
timp şi locuri diferite.
Groupware-ul îşi are rădăcinile în trei mari domenii distincte, dar foarte apropiate
cerinţelor grupurilor de lucru: mesagerie electronică, managementul informaţiilor,
automatizarea proceselor sau fluxului de lucru.
Groupware reprezintă un model organizaţional dezvoltat cu sprijinul tehnologiilor
informaţionale multiutilizator moderne, ce oferă posibilitatea reproiectării radicale a
proceselor, organizării şi mentalităţii din întreprinderi, prin intermediul unei clase de aplicaţii
reţea ce permit echipelor de lucru să colaboreze online.
Aplicaţiile groupware n-au fost gândite pentru a substitui personalul, ci pentru a-l
sprijini în orice relaţie de serviciu. Altfel spus, groupware este o extensie sau un instrument
de perfecţionare a procesului de colaborare. Tehnologia este compusă din produse orientate
„pe grup” ce au fost dezvoltate pentru a ajuta grupuri de persoane să lucreze împreună.
Aplicaţiile sunt diferite de aplicaţiile utilizator simple care izolează utilizatorul şi-i limitează
activitatea numai la îndeplinirea sarcinilor de lucru independente. Astfel, groupware este o
tehnologie multiutilizator care permite munca cooperativă informatizată. Noţiunile de
 „activităţi comune” şi de „mediu partajat” sunt fundamentale pentru a distinge un sistem
groupware de un sistem multiutilizator convenţional.
Potrivit figurii 1.4. tehnologiile groupware delimitează trei categorii de aplicaţii:
 comunicarea pe bază de formulare şi documente;
 comunicarea de tip tranzacţional;
 comunicarea organizaţională.
Principalele diferenţe dintre cele două categorii sunt vizibile la nivelul volumului, al
integrităţii informaţiei şi al tipului de aplicaţie.
Aplicaţiile groupware sunt orientate şi către comunicarea orizontală, rezolvând
probleme de comunicare şi cooperare din cadrul organizaţiei prin agenda de grup, messenger,
chat, videoconferinţe, conferinţe electronice şi redactarea multiutilizator. Remarcăm prezenţa
aplicaţiilor workflow în toate cele trei tipuri de aplicaţii.
Integrarea tehnologiilor groupware cu tehnologiile Internet este în prezent în atenţia
specialiştilor, a caselor producătoare de software. Majoritatea editorilor (Microsoft, Netscape
şi IBM-Lotus) îşi redefinesc platformele şi instrumentele client/server în acest sens. Notăm
apariţia termenului de GROUPWEB (rezultat din concatenarea termenilor GROUPware şi
WEB).
 Sisteme informatice integrate geografice tehnologii geographic information system
(GIS) sunt aplicaţii sau suite de programe care permit crearea şi reprezentarea hărţilor
geografice. În general, sistemele informatice geografice conţin o componentă destinată
vizualizării hărţilor geografice, soluţiile de ultimă oră oferind posibilitatea de a realiza
aceste operaţiuni folosind un simplu browser web.
MOTOARE DE
E-Mail CĂUTARE

GESTIUNEA WORKFLOW
DOCUMENTELOR GED

SGBD
FORMULARE

COMUNICARE PE BAZĂ COMUNICARE DE TIP

DE FORMULARE TRANZACŢIONAL
ŞI DOCUMENTE

GROUPWARE

E-Mail
WORKFLOW

COMUNICARE ORGANIZAŢIONALĂ

AGENDE
DE TIP REUNIUNI VIDEO ORGANIZAREA REDACTARE
CHAT
GRUP ELECTRONICE CONFERINŢE MEMORIEI COLECTIVĂ MESSENGER

Figura 1.4.: Trei categorii principale de aplicaţii groupware9

9
Prel. după Khoshafian S., Buckiewicz, Groupware & workflow, Masson, Paris, 1998, pg. 17.
 Sistemele informatice de tip GIS sunt tot mai frecvent utilizate în cadrul aplicaţiilor de
geomarketing, de localizare spaţială a clienţilor, de construire de hărţi privind atracţia şi gravitaţia
comercială de segmentare spaţială a clienţilor, furnizorilor şi concurenţilor.
 Sisteme expert de marketing

Complexitatea problemelor întâlnite şi importanţa cunoştinţelor acumulate referitoare la

comportamentul de cumpărare precum şi eficienţa diferitelor componente ale mixului de marketing
au condus la dezvoltarea unor puternice instrumente decizionale. Diversificarea informaticii a făcut
ca aceste instrumente să ia astăzi forma sistemelor inteligente de diagnoză, analiză şi de asistare a
deciziilor de marketing.

Sistemele expert şi decizia în marketing

Astfel de sisteme au apărut sub forma logicii interactive. Ele permit utilizatorului ca
plecând de la faptele de care dispune să poată obţine o sinteză integrând cunoştinţele din domeniu,
adaptate nevoilor sale imediate şi direct utilizabile la sfârşitul deciziei.
Posibilităţile de învăţare pe care le prezintă aceste sisteme în special prin memorarea
situaţiilor întâlnite şi a soluţiilor studiate au dus la apariţia unui nou mediu decizional.
Există mai multe moduri de reprezentare a cunoştinţelor într-un sistem inteligent dintre care
două au reţinut mai mult atenţia în literatura de specialitate.
O primă familie de sisteme inteligente se bazează pe o reprezentare analitică a
cunoştinţelor. Ele se exprimă sub forma unuia sau mai multor modele matematice unde parametrii
sunt specificaţi statistic. Aceste modele se utilizează în cadrul algoritmilor pentru găsirea unei soluţii
la o problemă ce a mai fost întâlnită. Sistemele interactive de asistare a deciziilor (SIAD după cum
mai sunt cunoscute) ilustrează această concepţie.
O serie de sisteme de acest tip sunt în prezent disponibile în sfera marketingului.
O a doua familie de sisteme inteligente se bazează pe reprezentarea euristică a
cunoştinţelor. Sistemele expert de marketing ilustrază această abordare. Ele integrează datele
existente şi judecăţile subiective într- un raţionament simbolic şi numeric în vederea rezolvării unui
ansamblu de probleme interdependente.
Pe parcursul execuţiei sistemul interacţionează permanent cu utilizatorul căruia îi explică
concluziile la care ajunge1 . Sistemul solicită informaţii complementare care îi permit elaborarea şi
îmbunătăţirea raţionamentului său.
În prezent există un număr semnificativ de sisteme expert de marketing, printre acestea mai
importante putând fi considerate:
1) Sistemul XCON produs de către Digital Equipment Corporation (DEC) şi Universitatea
Carnegie Mellon a avut ca obiectiv acordarea de consultanţă la configurarea calculatoarelor VAX-
11/780 plecând de la cerinţele unui client potenţial.
2) Sistemul ADCAD (Advertising Communication Approach Designer) este un prototip de
sistem expert în domeniul comunicării. Conţine circa 200 reguli de producţie fiind utilizat în scopul
asistării decidentului în evaluarea mesajelor publicitare şi alegerii unei anumite strategii.
3) Sistemul PROMOTER utilizează un ansamblu de date precum termenele de livrare,
ieşirile din depozit pentru a furniza un model de comportament al pieţii. Baza de cunoştinţe conţine
analizele efectuate în 70 de campanii promoţionale pentru produsele de larg consum. El poate evalua
ceea ce s-ar întâmpla în cazul lipsei campaniei publicitare oferind managerului o bază solidă de luare
a deciziilor.

1
Ernst C., Les systemes experts de gestion: banque, finance, marketing, Editura Eyrolles Paris, 1988
1
 4) Sistemul MARKETING EDGE este utilizat în vederea elaborării unei strategii ajutând
decidentul în selectarea pieţelor, identificarea nevoilor consumatorilor şi stabilirea preţurilor.
5) Sistemul MABEL este folosit în domeniul utilajelor şi echipamentelor grele având ca
obiect prospectarea pieţei, alegerea mijloacelor publicitare şi evaluării rezultatelor târgurilor şi
expoziţiilor.
6) Sistemul DETECTOR produs de firma Novaction este utilizat în domeniul lansării
produselor noi de larg consum. Se bazează pe un mecanism de inferenţă bayesian şi poate oferi un
prim diagnostic asupra şanselor de succes şi al potenţialului economic al proiectelor de concepţie şi
dezvoltare a produselor noi pe pieţele internaţionale.

Domeniile de utilizare a sistemelor expert în marketing

Sistemele inteligente de asistare a deciziei apar în prezent ca mijloace de creştere a eficienţei

activităţilor economice. Sistemele expert ar putea înlocui circa 60% din activităţile de asistenţă în
servicii de marketing.
Creşterea gradului de automatizare în culegerea datelor privind comportamentul
consumatorilor au condus la o creştere exponenţială a volumului de informaţii disponibile.
Sistemele expert sunt performante datorită raţionamentelor efectuate şi nu datorită unei simple
succesiuni de calcule. Intr-un astfel de context, sistemele expert pot ajuta decidentul în probleme
precum:
- evidenţierea factorilor importanţi;
- argumentarea deciziilor luate;
- îmbunătăţirea cunoştinţelor proprii în domeniu prin consultarea altor baze de date;
- transferarea cunoştinţelor proprii sub forma bazelor de cunoştinţe sau a diagnosticelor.

În scopul dezvoltării unui sistem expert este necesară studierea carcteristicilor problemei pe
baza unor criterii precum:
- importanţa factorilor calitativi în procesul de evaluare şi decizie;
- existenţa experţilor ce deţin performanţe recunoscute şi care pot fi transmise;
- necesitatea colaborării decidentului în diferite etape ale rezolvării problemei.

Domeniul de aplicare al sistemelor expert se poate lărgi considerabil în cazul unei abordări
plurisectoriale a marketingului: produse industriale, servicii, evoluţia câtorva tehnici de
comercializare precum marketingul direct, vânzările prin corespondenţă, etc.
Numeroase oportunităţi de dezvoltare există în domenii cum ar fi:
- definirea şi evaluarea ofertelor în marketingul industrial;
- diagnosticarea şi îmbunătăţirea performanţelor în domeniul serviciilor;
- controlul eficienţei acţiunilor de marketing direct;
- adaptarea ofertei la cerinţele cumpărătorului în vânzarea la distanţă.

În utilizarea sistemelor expert există o serie de probleme legate de validitate şi fiabilitate.

Construirea, evaluarea şi actualizarea bazelor de cunoştinţe ridică multe probleme practice legate
mai ales de faptul că ele trebuie să acopere un câmp de expertiză foarte complex prezentând în cazul
deciziilor de marketing un număr nelimitat de posibilităţi de combinare.
Pe de altă parte nivelul tehnicii de calcul existent impune o serie de constrângeri la nivelul
mecanismelor de inferenţă ceea ce conduce la o nereflectare fidelă a proceselor reale de decizie.
Prin urmare dezvoltarea, validarea şi utilizarea sistemelor expert în domeniul marketingului
trebuie făcută cu precauţie şi în permanentă colaborare cu experţii umani.

2
 În tabelul 1 sunt prezentate câteva domenii ale marketingului care sunt favorabile dezvoltării
de sisteme expert.

Proces Existenţa Colaborarea decidentului

calitativ experţilor
Analiza structurii pieţelor ++ + +
Segmentarea pieţelor +++ ++ +
şi alegerea obiectivelor
Conducerea activităţilor ++ ++ ++
de cercetare - dezvoltare
Definirea ofertei + + ++
Studiul poziţiei pe piaţă ++ + +++
Studiul prelansării produselor + +++ +
Strategia lansării produselor +++ ++ +++
Analiza mixului de marketing + + +++
· Produs ++ +++ +++
· Preţ + + +++
· Distribuţie +++ ++ ++
· Promovare ++ + ++
Strategii defensive +++ + +++
Politica investiţională + + +++

Tabelul 1: Domenii de marketing favorabile dezvoltării de sisteme expert2

Notă: Semnificaţia simbolurilor “+” este următoarea:

+ - nefavorabil
+ + - favorabil
+ + + - foarte favorabil

Deciziile de marketing au făcut obiectul a numeroase cercetări vizând mai bună evaluare a
consecinţelor şi reducerea riscurilor. Pe parcursul ultimelor decenii acest efort s-a concretizat într-un
număr de sisteme de asistare a deciziei orientate spre:
- analiza datelor disponibile şi exprimarea lor într-o formă sintetică (orientare spre date);
- identificarea relaţiilor cauzale şi evaluarea lor econometrică (orientare spre model);
- dezvoltarea de modele ce rezolvă anumite elemente ale mixului de marketing (orientare
spre problemă);
- stocarea şi transferul de experienţă (orientare spre decizie).
Achiziţionarea, memorarea, adaptarea şi punerea în valoare a cunoştinţelor de care dispun
decidenţii la nivelul reacţiilor pieţei, comportamentului consumatorilor, reacţia diferitelor elemente
ale mixului de marketing sunt principala responsabilitate a compartimentului de marketing. In acest
context rolul sistemelor expert va creşte deoarece ele sunt un mediu operaţional de îmbogăţire şi de
punere în valoare a unei resurse rare: competenţa.

Utilizarea sistemelor expert în domeniul politicii de preţ

Componenta cea mai importantă a unui sistem expert este baza sa de cunoştinţe. După
Waterman (1986) cunoştinţele unui sistem expert se pot dobândi în doua moduri:

2
Ernst C., Les systemes experts de gestion: banque, finance, marketing, Editura Eyrolles Paris, 1988
3
 -metoda observaţională: prin analiza lucrărilor de specialitate, exemplelor şi a studiilor
de caz. In acest fel numai o parte limitată a problemei este analizată ceea ce face ca alte
surse potenţiale de informaţii să fie ignorate. Chiar şi astfel această abordare oferă surse
de cunoştinţe accesibile şi uşor de codificat sub forma regulilor de decizie pe baza cărora
se pot dezvolta sisteme expert în domeniul industriei.
- metoda intuitivă: în care deciziile se iau pe baza analizei experţilor care furnizează un
set de reguli euristice. Problema în acest caz este modul în care expertul uman poate
descrie cunoştinţele sale într- un mod uşor de înţeles. In practică mulţi experţi iau
deciziile pe baza intuiţiei, fiindu- le dificil sau chiar imposibil să explice modul în care au
acţionat.
Obiectivul este identificarea unui set de reguli de determinare a preţurilor care pot fi
adăugate bazei de cunoştinţe a unui sistem expert de marketing în vederea îmbunătăţirii
performanţelor acestuia. La baza stabilirii acestor reguli sunt lucrări din domeniul marketingului
precum “Managementul marketingului” de P. Kotler şi ”Luarea deciziilor în marketing” de D.W
Cravens, G.E Hill şi R.B Woodruff.
Primul pas în dezvoltarea regulilor de decizie este identificarea unui număr de condiţii sau
de situaţii pe care le întâlneşte un manager de marketing. Pasul următor este identificarea şi reţinerea
din setul de informaţii a acelor fapte şi acţiuni care se potrivesc cel mai bine situaţiei în care se află
respectivul decident. Regulile care se suprapun vor fi combinate, informaţiile redundante se vor
elimina, termenii ambugui fiind înlocuiţi de echivalentul lor cert. Regulile extrase ca rezultat sunt
independente între ele şi astfel este posibilă reprezentarea lor într-un singur modul în cadrul
sistemului expert.
Tabelul 2 prezintă 5 reguli extrase din lucrările mai sus menţionate.

Regula Condiţia Acţiunea

1 Obiectivul este menţinerea cotei de piaţă sau produsul Menţine preţul produsului la
nu are caracteristici de diferenţiere sau cererea este acelaşi nivel cu cel al
elastică concurenţei
2 Există o limitare de cost şi este necesară o rată a Preţ = Cost * (1+ x/100)
profitului de x %
3 Managerul vrea să crească cota de piaţă şi clienţii Preţ = PC + (PP-PC) *
potenţiali apreciază valoarea produsului ca fiind PP, 0.618
mai mare decât preţul concurenţei PC
4 Obiectivul managerului este maximizarea profitului Preţ = preţul care
curent şi se cunoaşte funcţia cererii pentru firmă maximizează funcţia
profitului curent
5 Firma are clienţi foarte fideli Se menţine preţul
nemodificat

Tabelul 2: Extragerea regulilor de determinare a preţurilor3

Regulile vor fi reprezentate în baza de cunoştinţe a sistemului utilizând un limbaj formal.

Când programul este rulat, utilizatorul va răspunde unui număr de întrebări pe baza cărora sistemul
îşi va selecta regulile cele mai apropiate din baza de cunoştinţe şi va putea face o recomandare.
Exemplu de dialog între utilizator şi sistem:
Sistem> Care este obiectivul dvs. de marketing?
Alegeţi una dintre variantele următoare:
1) Menţinerea cotei de piaţă
2) Creşterea cotei de piaţă
3) Limitare de cost

3
Tse A., Pricing Decision Rules for an Expert System, Marketing Bulletin, 1990
4
 4) Maximizarea profitului curent
5) Lărgirea gamei de produse
Utilizator> 3
(Deoarece răspunsul utilizatorului la prima întrebare este 3, sistemul va selecta regula 2 din
tabel şi va întreba utilizatorul asupra valorii ratei profitului)
Sistem> Care este rata profitului?
Utilizator> 25%
(In scopul determinării preţului optim pentru produs, sistemul va căuta în subsistemul de
contabilitate costul produsului şi găseşte valoarea 100 u.m.
Pe baza formulei corespunzătoare specificată în partea de acţiune a regulii 2 sistemul va
recomanda preţul)
Sistem> Preţul produsului este: 125 u.m.

În practică situaţia este mai complexă datorită numărului mult mai mare de reguli de decizie.
Deşi regulile sunt concepute cât mai independente între ele, ordinea acestora în baza de cunoştinţe
precum şi interacţiunile neprevăzute dintre ele pot conduce la rezultate neaşteptate.
In plus, trebuie să existe un număr de interfeţe între diferitele subsisteme şi modulul central.
In cazul în care anumite date sunt frecvent solicitate va exista o interfaţă între sistemul central şi
subsistemul de calcul pentru accesarea mai rapidă a datelor.
Sistemul trebuie să fie capabil să răspundă la întrebări de tipul “cum?” şi “de ce?” pentru a
fi înţeles de către utilizator. Toate aceste cerinţe impun un efort considerabil de programare şi
concepere în realizarea sistemului expert.
Există o serie de limitări în utilizarea metodei observaţionale prin analiza lucrărilor de
specialitate şi a studiilor de caz şi anume4 :
Prima limitare se referă la faptul că setul de reguli propus este valabil pentru determinarea
preţurilor în situaţii generale. Fiecare sistem economic naţional este format dintr- un număr de
industrii, fiecare fiind caracterizată de probleme şi decizii specifice. Nu este posibil astfel aplicarea
unui set general de reguli de determinare a preţurilor fără a ţine seama de specificul fiecărui domeniu.
A doua limitare apare datorită faptului că în situaţiile de decizie reale din marketing intuiţia
joacă adeseori un rol mai important decât acţiunile deduse strict pe baza unor strategii teoretice
desprinse din lucrările de specialitate.
A treia limitare este aceea că multe dintre regulile menţionate în cărţi nu sunt aplicate intr-
un context bine delimitat. Spre exemplu regula 5 care afirmă că firmele ce au o clientelă foarte fidelă
trebuie să-şi menţină preţul neschimbat este propusă fără efectuarea unei cercetări prealabile. De
asemenea multe dintre reguli sunt ambigui, termenul de “fidel” utilizat în regula 5 neavând un sens
bine explicitat.
A patra limitare este datorată subiectivităţii persoanelor care selectează regulile ce provin de
la o aceeaşi sursă (lucrare).
In ciuda acestor limitări, regulile obţinute pe baza lucrărilor de specialitate din domeniul
marketingului oferă un punct de plecare în fundamentarea procesului decizional la nivelul
întreprinderilor industriale.

Structurarea cunoştinţelor de marketing pe baza metodei analizei ierarhice

Prezentarea metodei analizei ierarhice

În cele ce urmează va fi prezentată utilizarea sistemului Expert Choice în domeniul

dezvoltării şi evaluării produselor noi. Acest program este un generator de modele decizionale având
la bază metoda analizei ierarhice. Prin posibilităţile de acumulare a experienţelor (sub forma

4
Tse A., Pricing Decision Rules for an Expert System, Marketing Bulletin, 1990
5
arborelui de decizie), de transfer a acestora şi prin facilităţile de simulare disponibile, Expert Choice
se află la frontiera dintre sistemele bazate pe o reprezentare analitică a cunoştinţelor şi sistemele
expert bazate pe reprezentările euristice.
Pentru înţelegerea fenomenelor economice legate de distibuţia unui nou produs, eficienţa
publicităţii asupra vânzărilor, decidentul va utiliza modele normative. Acestea au ca obiect stabilirea
de reguli care să descrie mecanismul de funcţionare al pieţei.
Totuşi complexitatea deciziilor poate constitui un impediment major mai ales în cazul lipsei
anumitor cunoştinţe (informaţii). In acestă situaţie este necesară o metodă de structurare a
cunoştinţelor care să permită rezolvarea logică a problemei şi care să fie suficient de flexibilă pentru
a se adapta diferitelor contexte decizionale.
Metoda analizei ierarhice urmăreşte rezolvarea problemelor complexe în trei etape:
- identificarea problemei;
- analiza problemei;
- sinteza.
Identificarea problemei constă în stabilirea obiectului cercetării respective.
Analiza constă în descompunerea problemei pentru stabilirea dimensiunilor
elementare ce caracterizează fenomenul studiat. Este un proces natural al raţionamentului uman,
realitatea fiind înţeleasă plecând de la dimensiunile fundamentale care o compun.
Descompunerea ierarhică constă în reprezentarea problemei sub forma unei structuri
arborescente inversate unde radăcina este fie scopul ce trebuie atins, fie problema ce trebuie
rezolvată.
In figura 1 este prezentată descompunerea ierarhică a unei probleme ce priveşte definirea
unei strategii de marketing5 .
Problema Succesul strategiei de
complexă marketing

Principalele Cota de Nivelul Creşterea Notorietatea

obiective piaţă profitului vânzărilor

Acţiuni Reducerea Extinderea Promovarea Creşterea Patrunderea

preţului gamei vânzărilor bugetului pe o nouă
sortimentale pentru
produsului produsului publicitate piaţă
A a produsului C
B

Fig. 2.1: Descompunerea strategiei de marketing

Metoda analitică propusă introduce conceptul de ierarhizare a analizei fiind vorba nu de
identificarea ansamblului dimensiunilor care intervin într-o problemă, ci de determinarea nivelului
lor ierarhic. Anumite probleme nu pot fi reprezentate decât cu ajutorul structurilor ierarhice
multinivel. Anumite criterii sunt fundamentale în procesul decizional fiind situate pe primul nivel,
după cum alte criterii nu intervin decât la dimensiunile elementare ale ultimului nivel.

5
Ernst C., Les systemes experts de gestion: banque, finance, marketing, Editura Eyrolles Paris, 1988
6
 Ponderarea parametrilor:
Analiza problemei a permis reprezentarea sub forma unei structuri arborescente ierarhizate.
Criteriile situate pe acelaşi nivel ierarhic au importanţe diferite.
In mod absolut ponderarea acestor criterii revine la a cere decidentului să acorde fiecărui
criteriu de pe acelaşi nivel ierarhic o notă cuprinsă între 0 şi 100. Acestă metodă prezintă avantajul
simplităţii în utilizare însă obligă decidentul să judece în mod absolut un element.
In practică cunoştinţele nu sunt niciodată poziţionate pe o scară absolută, ci pe una relativă.
Astfel acestă fază de ponderare poate fi înlocuită printr-o serie de comparaţii relative între perechi.
Există două avantaje principale:
- evaluarea mai fidelă a realităţii de către decident;
- permite măsurarea coerenţei decidentului şi structurarea modelului.
De fapt este vorba de o extindere a noţiunii clasice de măsură aplicată pe o scară de utilitate
în sens microeconomic. Atunci când utilitatea este un preţ, scara se identifică cu o scară a preţurilor
de pornire. Avantajul acestei metode apare din faptul că în majoritatea cazurilor utilitatea percepută
are un caracter subiectiv fiind asemănătoare gândirii manageriale. Această subiectivitate numită după
caz experienţă sau intuiţie şi care conţine toată bogăţia raţionamentului uman este astfel integrată în
model conform unui proces de structurare echivalent. In acest fel proiectantul modelului va pondera
pas cu pas structura arborescentă.
Volumul total de informaţii rezultante este de obicei mult mai mare decât numărul maxim
de canale informaţionale pe care persoana decidentă le poate folosi simultan.

Sinteza
Fazele precedente au permis reprezentarea problemei decizionale. Ultima etapă constă în a
sintetiza toate informaţiile identificate şi de a le integra în model. Această sinteză se va face
calculând pentru fiecare soluţie posibilă identificată un punctaj global proporţional cu capacitatea de
rezolvare a problemei considerate.
In tabelul 3 este prezentată sinteza stategiei de marketing a unei întreprinderi.
Evaluarea produselor
Nivel 1 Nivel 2 Nivel 3
Cota de piaţă = 0.35 Prod. C = 0.15
Prod. A = 0.18
Prod. B = 0.02
Strategia
de
marketing Nivelul profitului = 0.40 Prod. A = 0.20
a întreprinderii Prod. C = 0.15
(1.00) Prod. B = 0.05
Creşterea vânzărilor = 0.15 Prod. B = 0.07
Prod. A = 0.05
Prod. C = 0.03
Notorietatea = 0.10 Prod. A = 0.05
Prod. B = 0.03
Prod. C = 0.02
Tabelul 3: Evaluarea celor 3 tipuri de produse ale întreprinderii
Sinteza definirii strategiei de marketing se concretizează în prioritatea acordată celor 3 tipuri
de produse A,B,C:
Produsul A: 0.48 (48%)
Produsul C: 0.35 (35%)
Produsul B: 0.17 (17%)

7
 Validarea modelului conceptual

În procesul de reducere a realităţii la câteva elemente fundamentale este necesară testarea

capacităţii modelului de a reprezenta corect problema pentru care a fost creat. Această verificare are
loc la două nivele:
- validarea modelului privind definirea structurii lui;
- estimarea riscului aplicării modelului.
Primul aspect se referă la calculele de coerenţă care însoţesc fiecare scară de ponderare
definită. Al doilea aspect include analiza de sensitivitate.

1) Măsurarea coerenţei modelului

Ideea ce stă la baza acestui aspect se referă la reprezentarea unei probleme într- un sistem
ierarhizat de axe ortogonale. Pot apare două probleme:
- la un anumit nivel al structurii definite axele nu sunt ortogonale (două criterii ale
aceluiaşi nivel sunt interdependente);
- o axă a fost omisă (un anumit criteriu nu a fost luat în discuţie).
În ambele cazuri rezutatul la nivel practic este introducerea unei “distorsiuni” în
raţionamentul pe care utilizatorul îl va defini. Pentru a evalua acestă stare de fapt analiza procesului
ierarhic permite definirea unui coeficient de coerenţă care va exprima măsura în care raţionamentele
respective nu sunt contradictorii. Spre exemplu într- un context logic dacă A este preferat faţă de B şi
B faţă de C, atunci A va fi preferat faţă de C. Altfel raţionamentul nu este coerent.
În definirea unui model decizional incoerenţa poate avea cauze precum:
- greşeală de atenţie în momentul elaborării raţionamentului (se elimin\ uşor);
- explicaţia se găseşte chiar în structura modelului.
Coeficientul de coerenţă indică utilizarea unei caracteristici de evaluare care nu a fost
definită explicit în model. Se impune restructurarea modelului pentru ca acesta să reprezinte corect
realitatea.

2) Grafurile de sensitivitate
Al doilea aspect fundamental al unei metode de asistare a deciziei constă în măsurarea
riscului care poate fi:
- o eroare în ponderea atribuită unui anumit criteriu;
- o evoluţie conjuncturală.
Reprezentarea unei probleme de decizie este limitată datorită caracterului static al acesteia.
Modelarea unei situaţii reale se face printr-o structură arborescentă ale cărei ponderi au fost fixate de
la început. In practică există o dimensiune dinamică a realităţii (aspectul temporal şi conjunctural).
Fiecare graf de sensitivitate măsoară impactul asupra rezultatului final în urma modificării
ponderiii atribuite fiecărui criteriu considerat într-un domeniu de valori posibile. Aceste grafuri
permit evidenţierea criteriilor importante şi a criteriilor nesemnificative care nu conduc la riscuri de
eroare în decizia globală.
Aceste instrumente sunt foarte utile în luarea unei decizii manageriale oferind posibilitatea
de a măsura stabilitatea modelului faţă de fluctuaţiile conjuncturale sau a erorilor de ponderare.

Metoda analizei ierarhice în cadrul sistemelor expert

Dezvoltarea unui sistem expert implică parcurgerea unui proces de structurare a expertizei
care se doreşte a fi modelată. Această etapă este adeseori greu de condus, lungă şi costisitoare.
Metoda analizei ierarhice este tocmai o metodă de structurare a cunoştinţelor care este perfect
utilizabilă în conducerea procesului de extragere şi ordonare a cunoştinţelor obţinute de la expertul
uman.

8
 Pe de altă parte, pentru ca o expertiză să poată fi modelată sub forma unei baze de
cunoştinţe a unui sistem expert, trebuie să îndeplinească anumite condiţii:
- modularitate: posibilitatea descompunerii unei probleme în mai multe subprobleme;
- complexitate: referitor la conceptele utilizate şi relaţiile dintre acestea;
- raţionalitate: ponderarea conceptelor şi a procedurilor conform contextului problemei;
- fiabilitate: trebuie să existe un consens asupra existenţei unei expertize într-un domeniu
considerat;
- suficienţă: cunoştinţele necesare rezolvării problemei pentru care a fost realizat un
sistem expert trebuie să fie exhaustive. Acesta însuşire este fundamentală în controlul
coerenţei sistemului şi al fiabilităţii acestuia.

9
 CURSUL 10

Tendinţe actuale în proiectarea şi realizarea sistemelor

informationale de marketing

1.1. Bazele de date - nucleul sistemelor inf. de marketing

1.1.1. Conceptul de bază de date de marketing

Baza de date de marketing (database marketing) este o colecţie

de date de marketing organizată, coerentă, structurată şi accesibilă mai
multor utilizatori, în timp util, în mod interactiv, prin proceduri automate
specifice. Gestionarea şi prelucrarea complexă a informaţiilor din bazele
de date se asigură prin sistemul de gestiune a bazelor de date (SGBD),
sistem care reprezintă componenta software a sistemului de baze de date.
Baza de date de marketing este un instrument util şi practic prin
care poţi utiliza mulţimea informaţiilor de marketing din sistemul intern
al întreprinderii, ca şi orice informaţie din mediul extern de marketing
culeasă, transpusă, stocată şi prelucrată cu mijloace şi tehnici de
prelucrare automată, în scopul realizării obiectivelor şi funcţiilor de
marketing.
Proiectarea sistemelor informatice moderne de marketing utilizând
sisteme de baze de date unice oferă posibilitatea stocării şi utilizării unui
volum incredibil de informaţii de marketing de natură numerică, text,
grafică, sunete, voce şi imagini video, simplu şi uşor de accesat prin
procedurile automate furnizate de SGBD-urile gazdă, local sau la
distanţă.
Tehnologia informaţiei oferă astăzi posibilitatea procesării în
sistemele informatice de marketing a oricărui tip de informaţie stocată pe
suporturile magnetice, optice sau grafice (opace sau transparente).
Generarea, culegerea şi prelucrarea datelor într-o bază de date nu
mai impune obligativitatea codificării sau structurării într-o anumită
formă, ele putând fi prelucrate ca atare, prin scanare, înregistrare audio
sau video, ataşându-se doar un set de atribute, un index cu informaţii
pentru regăsire, consultare şi modificare a acestora.

1
 Tendinţe actuale în proiectarea şi realizarea sistemelor informatice de marketing

Sistemele de baze de date multimedia au un impact comparabil

sau chiar mai mare decât apariţia calculatoarelor personale PC.
Tehnologia multimedia se referă la combinarea într-un sistem
automatadecvat a textelor, a datelor, a rapoartelor, a graficelor, animaţia,
sunetul, vocea şi imaginile într-o singură reprezentare sincronizată.
Sistemele de baze de date distribuite de marketing asigură
integrarea tehnologiei bazelor de date cu cea a reţelelor de calculatoare.
Multe dintre înterprinderile mari îşi desfăşoară activitatea prin unităţi
(filiale) distribuite geografic în mai multe zone dintr-o ţară sau din mai
multe ţări sau folosesc forţele de vânzare distribuite georgrafic. La o
anumită perioadă, sau ori de câte ori este nevoie se consultă sau se
actualizează baza de date din aceste puncte terminal sau se transmit
mesaje şi sarcini către punctele terminal utilizând reţeaua INTRANET 1.
Sistemul distribuit permite accesarea simultană şi modificarea
datelor de pe mai multe calculatoare diferite, integrate într-o reţeaua de
calculatoare.
Colecţiile de baze de date care alcătuiesc baza de date distribuită,
se găsesc stocate în nodurile reţelei de calculatoare, iar fiecare dintre
aceste baze este administrată şi întreţinută separat, de propriul său
SGBD. Utilizatorul percepe ca fiind o singură bază de date cu care
lucrează, rolul de a gestiona colecţia de date revenindu-i SGBD-ului
distribuit.
SGBD-urile distribuite utilizează, prin componentele sale, o serie
de concepte care apar într-o arhitectură distribuită.
 Nodul este un sistem de calcul dintr-o reţea ce îndeplineşte rolul
de server, de client sau ambele;
 Serverul este un produs software care se instalează pe un
calculator mai puternic dintr-o reţea şi gestionează baza de date
(Exemplu: Server Oracle8);
 Clientul este o aplicaţie software, dintr-o reţea de calculatoare,
care solicită date de la un server;
 Interogarea de la distanţă este regăsirea de date dintr-unul sau
mai multe tabele ale unei baze de date, care se găsesc în acelaşi nod
situat la distanţă faţă de nodul de unde s-a emis cererea de regăsire;
 Tranzacţia la distanţă este o secvenţă de una sau mai multe
instrucţiuni care face referire la acelaşi nod situat la distanţă faţă de nodul
de unde a fost lansată tranzacţia;

1
Reţea privată de firmă, locală sau extinsă, care foloseşte tehnologia INTERNET
(protocoale şi aplicaţii).
2
 Sisteme informationale de marketing

 Actualizarea la distanţă este o operaţie de ţinere la zi a datelor

dintr-unul sau mai multe tabele situate în acelaşi nod la distanţă faţă de
nodul unde a fost iniţiată actualizarea;
 Interogarea distribuită este regăsirea de date din două sau mai
multe noduri distincte;
 Tranzacţia distribuită este o secvenţă de una sau mai multe
instrucţiuni care face referire la datele din două sau mai multe noduri
distincte;
 Actualizarea distribuită este o operaţie de ţinere la zi a datelor
din două sau mai multe noduri distincte.
Exemplu de SGBD care gestionează o arhitectură distribuită de
baze de date este Oracle. Acesta integrează toate bazele de date membre
ale unei arhitecturi distribuite (baze de date din diferite noduri) sub forma
unei singure baze de date logice distribuită. Fiecare bază de date este
automată ca întreţinere şi administrare dar beneficiază de posibilitatea de
a fi accesată din celelalte baze de date.
Ca răspuns la noile cerinţe ale tehnologiei informaţiei, o nouă etapă
a apărut în dezvoltarea sistemelor informatice de marketing utilizând
bazele de date şi anume Prelucrarea datelor pe Internet (Internet
Computing) folosind avantajele oferite de Internet şi aplicaţiile sale
specifice şi în special această infrastructură informaţională pe care o
reprezintă Worl Wide Web (Web). Pe serverele Web informaţiile sunt
accesate prin pagini. Paginile conţin text, date, grafice, sunete, imagini
video şi audio iar fiecare pagină conţine text sub forma de hipertext.
Fiecare pagină conţine legături (hiperlink) către alte pagini.
Dacă anii 1985-1994 au fost anii PC-urilor, începând din anul 1995
ne aflăm în anii reţelelor şi ai supermagistralei informaţionale,
reprezentată de Internet, cu alte cuvinte suntem în pragul societăţii
informaţionale.
Internetul trebuie văzut ca o reţea planetară formată din mii de
reţele de calculatoare aparţinând diverselor organizaţii guvernamentale,
educaţionale, militare, comerciale, precum şi a milioanelor de abonaţi
individuali.
De fapt, Internetul este un extrem de variat şi bogat mediu de
informaţii, cu foarte bogate servicii şi resurse, biblioteci, baze de date
care asigură obţinerea următoarelor avantaje:
 un schimb comod şi rapid de informaţii prin asigurarea unor
servicii specializate precum e-mail (poşta electronică), transferul de
fişiere, a vocii şi al imaginilor;

3
Tendinţe actuale în proiectarea şi realizarea sistemelor informatice de marketing

 se pot primi informaţii actualizate regulat pe baza unor subiecte

ce interesează în mod special, prin existenţa în Internet a unui număr
mare de grupuri de discuţii ce publică documente periodice şi la care
sepot alătura utilizatorii interesaţi. Se constituie aşa numitele grupuri de
Mailing Lists (liste de distribuţie e-amil), fiecare membru al unui astfel
de grup primind automat informaţia de îndată ce acesta se introduce în
reţea;
 apare posibilitatea de a avea acces cu uşurinţă la persoanele ce
posedă o experienţă deosebită în domeniile ce prezintă interes;
 se asigură accesul extrem de larg la informaţia pe care un
utilizator o plasează în pagina gazdă (Home Page);
 este permis accesul la mii de arhive informaţionale din întreaga
lume, prin intermediul unor mari servere specializate în gestiunea şi
servirea cererilor de interogare, vizualizare şi expediere a componentelor
acestor arhive;
 facilitatea de a contacta şi aduna cu uşurinţă specialişti răspândiţi
pe o arie largă pentru a constitui grupe puternice de lucru pentru
rezolvarea unor proiecte;
 se pot transfera şi prelucra informaţii între calculatoare şi reţele
de calculatoare asigurând integrarea informatică a utilizatorilor de pe arii
geografice foarte mari şi independent de platformele harware şi software
pe care le utilizează şi le exploatează.
Sistemele informatice de marketing moderne, în concluzie,
utilizează baze de date distribuite şi orientate obiect, baze de date
multimedia gestionate şi întreţinute prin SGBD-uri performante ce
asigură inclusiv prelucrarea on-line a datelor şi cunoştinţelor pe reţele
Intranet şi/sau Internet.

1.1.2. Cerinţele informaţionale şi instrumentele

utilizate
Pentru a lucra eficient cu bazele de date de marketing trebuie să
dispui de informaţii relevante, actuale, disponibile şi veridice necesare
fundamentării deciziilor de marketing.
În proiectarea sistemelor informatice de marketing, una din etapele
cele mai importante şi mai dificile este analiza critică a sistemului
informaţional de marketing cu identificarea surselor de informaţii, a
fluxurilor şi verigilor informaţionale şi proiectarea noului sistem

4
 Sisteme informationale de marketing

informatic prin definirea instrumentelor software specifice care să creeze

şi să actualizeze continuu bazele de date cu informaţii pertinente,
veridice
şi disponibile şi care să servească optim cerinţele sistemului informatic
de conducere (de management) al marketingului.
Lipsa unui sistem informatic de marketing performant şi actualizat
la nivelul instrumentelor moderne oferite de tehnologia informaţiei, a
tehnologiei multimedia şi a comunicaţiilor fac de multe ori ca specialistul
de marketing să se declare nesatisfăcut de informaţiile disponibile, fie nu
au acces sau nu ştiu unde se găsesc cele mai importante informaţii în
interiorul întreprinderii sau în mediul extern de marketing, obţin prea
multe informaţii pe care nu le pot folosi şi prea puţine care le sunt cu
adevărat necesare, obţin informaţii prea târziu sau se îndoiesc de
corectitudinea acestora. Organizarea datelor în baze de date unice oferă
posibilitatea reducerii redundanţei şi a caracterului birocratic al procesării
informaţiei, minimizează costul de prelucrare a datelor, oferă consultarea
aceloraşi surse de informaţii de toţi membrii grupului şi accesul aproape
instantaneu la informaţiile care au făcut obiectul actualizării bazelor de
date reducând timpul de răspuns, asigură suport de stocare a unui volum
practic nelimitat de informaţii şi oferă facilităţi de regăsire şi selecţie
rapide după criterii multiple, eterogene şi creative, asigură protecţie şi
siguranţă ridicată a datelor.
Managementul multor întreprinderi nu s-au adaptat încă la cerinţele
informaţionale ale anilor ’90, care să le permită desfăşurarea unei
activităţi de marketing eficiente. Nevoia de informaţii de marketing este
mai acută ca oricând, ca urmare a unor tendinţe manifestate la nivelul
pieţei1 prin trecerea:
 De la un marketing local la unul global pe măsură ce
întreprinderile îşi extind pieţele şi aria de acţiune;
 De la nevoile clientului la dorinţele sale. Pe măsură ce
veniturile cumpărătorilor cresc şi oferta concurenţilor este mai
bogată ei devin din ce în ce mai precauţi în alegerea bunurilor
achiziţionate. Vânzătorilor le este din ce în ce mai greu să
anticipeze reacţia clientelei la diversele caracteristici sau stiluri
de produse, de unde şi necesitatea crescândă a cercetărilor de
marketing, inclusiv cercetări on-line;

1
Kotler Philip: op. Citate, pag. 174.
5
Tendinţe actuale în proiectarea şi realizarea sistemelor informatice de marketing

 De la concurenţa în sfera preţurilor la concurenţa nebazată

pe preţ. Pe măsură ce vânzătorii utilizează din ce în ce mai
multe mărcile, diferenţierea produselor, publicitatea şi

promovarea vânzărilor, ei au nevoie de informaţii privind

eficienţa acestor instrumente de marketing;
 De la componentele hardware voluminoase şi rudimentare la
noile tehnologii informaţionale. Pe parcursul ultimilor 30 de
ani am fost martorii apariţiei calculatorului, microfilmelor,
televiziunii prin cablu, copiatoarelor, faxurilor, casetofoanelor,
aparaturii video, discurilor video şi a altor produse care au
revoluţionat procesul informaţional.
Activitatea de marketing a unei întreprinderi moderne este strâns
legată de informaţiile provenite din mediul intern şi din cel extern, care
constituie sursa principală de informaţii a bazelor de date de marketing.
Pentru a putea satisface nevoile tot mai diversificate ale
cumpărătorilor, întreprinderile urmăresc obţinerea de informaţii utile
desfăşurării activităţii normale de marketing. Firmele care se adresează
direct consumatorilor finali trebuie să aibă o bună evidenţă a preferinţelor
şi nevoilor acestora, pentru a fi în măsură să le asigure. Pe de altă parte,
întreprinderile care tratează cu clienţii trebuie să intuiască motivele
acestora de cumpărare şi să ofere cele mai bune condiţii de vânzare.
Mediul în care funcţionează întreprinderile deţin o mare cantitate
de informaţii valoroase (figura 6.1.). Aceste informaţii, de cele mai multe
ori, nu ajung în posesia specialiştilor în marketing în timp util, ceea ce
face ca deciziile luate să aibă un înalt grad de risc şi incertitudine.
În funcţie de mediile cu care firma interacţionează frecvent
informaţiile au o valoare caracterizată prin: specificitate, veridicitate,
prospeţime, disponibilitate, etc. Informaţiile provin practic din trei medii:
macromediu, micromediu şi mediul intern sau întreprinderea însăşi.
 Macromediul este cadrul în care firmele îşi desfăşoară activitatea
şi oferă o imagine asupra atractivităţii unei pieţe. Macromediul
conţine variabile necontrolabile de către întreprindere şi se referă la
mediul demografic, economic, tehnologic, cultural, politic, etc.
Informaţiile provenite din macromediu sunt de natură statistică şi
oferă o privire de ansamblu asupra cadrului în care firma
funcţionează;
 Micromediul este format din elementele cu care firma intră în
contact direct pe piaţă. Aceste componente influenţează în mod
categoric activitatea firmei. Clienţii, distribuitorii, furnizorii,
6
 Sisteme informationale de marketing

concurenţii, etc. sunt factorii de care firma depinde pentru a avea

succes pe piaţă. Informaţiile oferite de acest mediu sunt determinante
în luarea oricăror decizii. Firma are posibilitatea să controleze şi să

manipuleze aceste variabile pentru a-şi îndeplini obiectivele.

Dateleculese din acest mediu oferă o privire mult mai clară asupra
pieţei, pe care firma îşi desfăşoară activitatea.
 Mediul Intern oferă datele de care firma dispune din statistice,
evidenţe, contabile şi comerciale şi arată potenţialul intern al acesteia
şi modul cum sunt alocate resursele. Aceste date sunt de o mare
acurateţe şi prospeţime. Totodată ele pot fi uşor standardizate pentru
a obţine comparaţii. Aceste date sunt oferite regulat de sistemele
operaţionale de gestiune internă şi permit evaluarea punctelor forte şi
a slabe ale firmei.
De felul în care reuşeşte să folosească aceste informaţii depind
performanţele sistemelor informatice de marketing ale întreprinderilor.
Dacă datele oferite de macromediu sunt doar generale celelalte două
medii oferă informaţii de mare valoare departamentului de marketing,
care pot fi folosite în luarea unor decizii şi elaborarea unor strategii.

7
Tendinţe actuale în proiectarea şi realizarea sistemelor informatice de marketing

fic Mediu
mogra l eco
nom
de
iul ic
ed Clienti
M

M
ed
iul
ial Marke
ural

erc tin

tehn
m g
o
Mediul nat

Re

ologic
Baza de
ie

su
re Product

rse u ne Fin
Furnizori B.D Organisme

ma
B.T publice
B.C

Mediu
lta
zvo

B.P an
de
nal

c
iar

l
-co re

c
ntabil Cerceta
utio

ult
ura
tit
ins

Macromediu
l

Concurenti
u

i M
ed ed
M soc
iul Micromediu
ial
c
Mediul politi Mediul intern

Figura 6.1. Sursele de date de intrare în bazele de marketing

Sursele de date şi fluxurile informaţionale aferente unei baze de

date de marketing pot fi structurate astfel (figura 6.2.):

8
 Sisteme informationale de marketing

SISTEMUL DE GESTIUNE AL BAZELOR DE DATE

MACROMEDIU

ANALIZE SI RAPOARTE DE MARKETING

DESCENDENT
ASCENDENT
MICROMEDIU

FLUX
FLUX
FLUX FLUX
DE DE
INTRARE IESIRE
META FLUX
MEDIUL
INETRN

Figura 6.2. Fluxurile informaţionale aferente bazei de date

 Fluxul de intrare (in-flow) reprezintă sursa de intrare şi

integrare în baza de date.
Pentru datele provenite din aplicaţiile tranzacţionale se pune în
primul rând problema generării, selectării, extragerii şi introducerii
acestora în baza de date.
Localizarea informaţiilor pe componentele de mediu şi stabilirea
surselor specifice de obţinere a lor implică evaluarea informaţiilor în ceea
ce priveşte relevanţa lor pentru o anumită aplicaţie dezvoltată pe
respectiva bază de date.
În general sursele de colectare a datelor pot fi clasificate astfel:
a) după modul de obţinere, informaţiile sunt:
informaţii primare recoltate de pe suporturile primare de
informaţii, în formă brută, neprelucrate, aşa cum sunt generate
de instrumente, maşini şi echipamente sau aşa cum sunt
prezentate de persoana purtătoare de informaţie;

informaţii secundare sunt cele care au suferit anterior un

proces de prelucrare fiind stocate pe suporturi tehnice de

9
Tendinţe actuale în proiectarea şi realizarea sistemelor informatice de marketing

informaţii (magnetice, optice, electronice, grafice etc.) şi care

servesc obiectivelor bazelor de date.
b) după locul în care sunt întâlnite pot fi:
informaţii interne generate de mediul intern al întreprinderii,
de regulă, în subsistemul de gestiune internă fiind asigurate din
evidenţele statistice, financiar-contabile şi comerciale şi fiind
stocate pe o diversitate de purtători de informaţii, inclusiv
resursa umană din întreprindere;
informaţii externe preluate de pe suporturile tehnice emise
direct de componentele mediului extern în cadrul unor sisteme
informatice, private sau publice, stocate în baze de date
distribuite utilizând variate reţele de calculatoare sau sub forma
unor documente puse la dispoziţie de organisme publice,
instituţii specializate în culegerea şi prelucrarea informaţiilor de
marketing, de institute de cercetări, de furnizori, clienţi sau
concurenţi etc.
c) în funcţie de frecvenţa informaţiilor emise pot fi:
permanente generate ca variabile continue sau discrete în
cadrul proceselor şi fenomenelor economice sub forma
informaţiilor analogice sau digitale;
periodice produse, culese şi înregistrate cu ocazia unor lucrări
repetitive în timp şi spaţiu sau cu ocazia unor evenimente
periodice;
ocazionale obţinute cu ocazia unor evenimente nerepetitive sau
neavând un caracter organizat.
d) în funcţie de formă, informaţia se prezintă sub:
formă analogică ce constă în reprezentarea pe suport tehnic sau
la purtătorul de informaţie aşa cum sunt percepute informaţiile
de dispozitivele tehnice sau de individ fără conversie sau
codificare a acestora (documente financiar-contabile şi
comerciale de înregistrare a aprovizionărilor, desfacerilor şi
stocurilor, oferte de mărfuri şi servicii, formulare de comandă,
cereri de oferte, scrisori, chestionare, mesaje şi alte informaţii
sonore generate cu echipamente audio, imagini video a unor
documente sau filmarea unor activităţi prin folosirea unor
echipamente analogice pentru imagine şi sunet);

forma digitală utilizată în sistemele computerizate unde

informaţia este reprezentată sub forma unei succesiuni de valori
10
 Sisteme informationale de marketing

binare (sisteme informatice de gestiune, sisteme automate de

prelucrare a comenzilor de gestiune a vânzărilor, de
telemarketing, sisteme automate de cercetări de marketing, baze
de date ale furnizorilor, clienţilor, concurenţilor, baze de date de
firme, baze publice de date, baze de cunoştinţe etc.).
 Fluxul ascendent (up-flow) – este reprezentat de
mulţimea proceselor prin care se adaugă valoare informaţională datelor.
Principalele activităţi utilizate în acest scop sunt:
încărcarea, actualizarea, prelucrarea şi regăsirea datelor;
sumarizarea. Datele se preiau la nivel de detaliu. Sumarizarea se
realizează pe baza unor criterii cele mai utilizate şi poate implica
nu doar însumarea unor valori ci calculul valorilor medii, valori
minime/maxime, dispersii sau valori obţinute prin procedee
statistice;
împachetarea informaţiile presupune că datele trebuiesc arhivate
sau livrate ,,condensat” care să permită beneficiarului să le
utilizeze în continuare numai după o operaţie de “despachetare”
pentru analize, prezentări, raportări în regim on-line sau off-line;
selecţia şi distribuirea datelor către utilizatori. De cele mai multe
ori diverse grupuri de utilizatori sunt interesate doar de anumite
categorii de date, astfel încât pentru a creşte disponibilitatea
informaţiilor se realizează mici depozite conţinând replici parţiale
ale depozitului central şi accesoriile clienţilor bazelor de date.
 Fluxul descendent (Down-flow) – asigură optimizarea
accesului la componenta de date a bazei şi se referă la:
administrarea şi controlul datelor prin asigurarea drepturilor de
acces concurent pentru mai mulţi utilizatori (conturi paralele),
refacerea bazei de date în caz de incidente, utilizarea rutinelor de
optimizare a spaţiului de memorare, analize statistice, etc.;
integritatea datelor asigură corectitudinea datelor încărcate şi
manipulate gestionând cauzele care pot determina
incorectitudinea datelor (integritate semantică, controlul accesului
concurent la date, salvarea şi restaurarea bazei de date);
securitatea (confidenţialitatea) datelor presupune interzicerea
accesului la date pentru utilizatorii neautorizaţi printr-o serie de
măsuri umane, software şi hardware.

 Fluxul de ieşire (out-flow) reprezintă mulţimea ieşirilor

de date către utilizatori.

11
Tendinţe actuale în proiectarea şi realizarea sistemelor informatice de marketing

Accesarea datelor din baza de date se poate asigura prin:

livrarea datelor (difuzare – push), în care iniţiativa aparţine
sistemului de gestiune care trimite anumite date către anumiţi
clienţi, după ce obiectele colecţiei de date sunt actualizate
periodic iar clienţii pot să-şi aleagă seturile de obiecte care le sunt
utile şi să le primească automat, tehnică de comunicaţie deja
depăşită în momentul actual;
punerea la dispoziţie (pull) a informaţiilor, în care iniţiativa
aparţine clientului, care solicită informaţiile de care are nevoie.
Pentru analiza datelor, interpretarea şi întocmirea rapoartelor de
marketing, sistemele de gestiune a bazelor de date distribuite, relaţionale
sau orientate obiect oferă instrumente software pentru tratarea
informaţiilor de ieşire din bazele de date de marketing şi anume:
instrumente de chestionare/interogare sunt programe care ajută
la obţinerea datelor din baza de date. Scopul principal al
instrumentelor de investigare nu constă numai în chestionarea
bazelor de date (care adesea necesită îmbinarea mai multor tabele
într-o singură cerinţă), dar, şi la gruparea datelor pentru
prezentare. Aproape toţi furnizorii de sisteme de gestiune oferă
instrumente de investigare. Limbajul standard utilizat pentru
investigarea datelor stocate este SQL (Structured Query
Language)
instrumente pentru interacţiunea cu datele (formulare,
rapoarte). Pentru sistemele de baze de date pentru PC, aceste
instrumente sunt incluse în mod obişnuit în sistemul de gestiune a
bazelor de date, în timp ce pentru sistemele mari de baze de date
(Oracle, Informix, Sybase) sunt instrumente disponibile separat;
instrumente de prezentare. Investigarea datelor este un lucru,
pregătirea pentru prezentare este alt lucru. Prezentarea este cu atât
mai importantă cu cât ai de-a face cu o cantitate foarte mare de
date şi care, de regulă, se prezintă într-o formă sintetică, grafică;
În funcţie de gradul de profunzime cu care se analizează datele, pot
fi utilizate şi alte instrumente:
un sistem de stocare – dacă există un volum mare de date;
instrumente care furnizează inteligenţă artificială, ca sistemele
expert, ,,fuzzy-logic” sau de asistare interactivă a deciziilor;
instrumente de tip data-mining ca agenţi inteligenţi;

sisteme de informaţii geografice.

12
 Sisteme informationale de marketing

 Meta-fluxul (meta-flow). Metadatele, fiind date despre

date, descriu structura şi conţinutul bazei de date. Dar cum structura şi
conţinutul au la rândul lor o dinamică, exprimată prin cele patru fluxuri
descrise, rezultă că există şi o dinamică a metadatelor. În principiu, acest
meta-flow descrie şi conectează cele patru fluxuri, fiind un meta-model
al dinamicii bazei de date.

1.1.3. Structura bazelor de date de marketing

Datele de intrare din mediul intern şi extern de marketing (vânzări,
aprovizionări, comenzi, încasări, plăţi, clienţi, furnizori, concurenţi,
produse, preţuri etc.) sunt organizate în bazele de date distribuite,
relaţionale sau orientate obiect. Tabele reprezintă obiectele bazei de date
care stochează datele. Un tabel este constituit din câmpuri, care sunt
coloane cărora li se atribuie câte un nume, fiecare având un tip de date şi
o dimensiune bine precizată. Mulţimea câmpurilor formează structura
bazei de date. Conţinutul bazei de date este formată din mulţimea
înregistrărilor, reprezentată de rândurile tabelului.
O structură standard a unei baze de date de marketing trebuie să
permită gestionarea tuturor datelor referitoare la: produse/servicii,
preţuri, distribuţie, promovare, furnizori, cumpărători/clienţi, forţele de
vânzare, la procesele de aprovizionare, stocare, desfacere, facturare, etc.
Tabelele de date reprezentative conţinute într-o structură standard a
unei baze de date de marketing, organizată la nivel intern, sunt:
 Tabela Produs/Serviciu
produse, gama sortimentală, mărci, atributele şi caracteristicile
fizico-chimice şi de calitate, ambalare;
componenta liniei de produse, modificarea produsului;
preţuri, discounturi oferite, vânzări grupate, preţuri promoţionale;
produse concurente, produse competitive, gradul de acceptare,
potenţialul noului produs.
 Tabela Preţuri
costurile, modul de formare a preţurilor finale, diferenţierea
preţurilor pe linii de produse;
strategii de preţuri, reduceri sezoniere sau speciale, rabaturi
acordate.

 Tabela Cumpărător/Client
13
Tendinţe actuale în proiectarea şi realizarea sistemelor informatice de marketing

datele de identificare (adresă, număr telefon, e-mail);

data achiziţiei, sursa, cantitate, preţ de vânzare, produse
achiziţionate;
istoricul cumpărărilor şi plăţilor (produse, cantităţi, metode de
plată, schimbări referitoare la produsele, cantităţile şi frecvenţa
comenzilor, întârzieri ale plăţilor, retururi);
date referitoare la contactele pentru vănzare (telefoane, forţa de
vânzare directă, detailişti, distribuitori, conturile bancare, adresa
de destinaţie a cumpărătorilor etc.);
grupurile de influenţă sau persoanele de decizie;
domeniul de acţiune al clientului: nivel local, zonal, naţional;
profilul cheltuielilor anuale, motivaţii şi înclinaţii
comportamentale, segmentare;
profilul clientului (geodemografic, nivel venituri, facilităţile
oferite, date financiare referitoare la credite, numărul de angajaţi,
scor de evaluare a frecvenţei şi valorii achiziţiilor, grupare şi
segmentare);
istoric al contactelor de afaceri (date, tip de contact: telefonic,
prin corespondenţă, personal, rezultatele obţinute);
istoric al cererilor de ofertă, planurile referitoare la achiziţiile
viitoare;
utilizarea produsului (cum sunt utilizate produsele proprii sau ale
concurenţei);
profil al nivelului de satisfacţie al clientului;
metode preferate de contact;
canalul de distribuţie căruia îi este repartizat clientul
(reprezentant, filială, dealer, etc.).
 Tabela Furnizori
datele de identificare (adresă, număr telefon/fax, e-mail, persoană
de contact, conturi bancare);
oferte de produse (gamă sortimentală, date referinţă, atribute,
caracteristici, facilităţi);
comanda şi modalitatea de onorare (număr, data, produse, preţ,
cantitate, frecvenţă, timpul de onorare, relaţia franco, condiţii de
livrare, data sosirii);
istoricul aprovizionărilor şi plăţilor (produse, cantităţi, modalităţi
de plată, persoanele de contact, întârzieri în livrări, returnări, etc);

14
 Sisteme informationale de marketing

profilul furnizorului (geodemografie, specializări, date financiare,

număr angajaţi, grupare şi segmentare).
 Tabela forţelor de vânzare
nume, cod, adresă, alte date de clasificare;
istoric al volumului de vânzări (cantitativ şi valoric);
zona şi clienţii arondaţi;
produsele văndute;
comisioanele primite;
cotele de vânzare, ordonare după categorii şi nivele ale veniturilor
sau alte date statistice referitoare la performanţele înregistrate;
Aceleaşi date se pot regăsi şi în tabele referitoare la dealeri,
distribuitori, producători, etc.

1.1.4. Tehnici de accesare a bazelor de date de

marketing
Accesul la date se efectuează asupra bazei de date de marketing
prin interogare şi actualizare. Interogarea (regăsirea) este complexă şi
presupune: vizualizare, consultare, editare situaţii de ieşire (rapoarte,
liste, regăsiri punctuale), răsfoire. Actualizarea presupune cele trei
operaţiuni: adăugarea, modificarea şi ştergerea de înregistrări din
colecţiile de date.
Accesul la date se realizează prin comenzi din limbajul de
manipulare a datelor (LMD) sau prin limbaje de interogare specializate
care pot fi incluse în LMD sau pot exista ca atare, în funcţie de SGBD-ul
utilizat. Limbajele specializate au apărut datorită lărgirii gamei de
utilizatori ai bazelor de date şi presupune facilităţi de interogare/regăsire
simple şi prietenoase apropiate de modelul de lucru şi de gândire umană.
Cel mai popular, reprezentativ şi singurul limbaj standardizat din
domeniul bazelor de date este limbajul de regăsire SQL (Structured
Query Language). Limbajul SQL asigură acces direct, ,,live” la datele
existente în bazele de date de marketing, şi este determinat de SGBD
utilizat, de modul de organizare şi stocare a datelor, de capacitatea
fişierelor, de necesităţile hardware şi de posibilitatea de a fi integrat în
sistemul informatic al întreprinderii.
Cele mai multe facilităţi de acces la bazele de date le oferă
sistemele de gestiune a bazelor de date complet relaţionale – SGBDR.

15
 Tendinţe actuale în proiectarea şi realizarea sistemelor informatice de marketing

Proiectate iniţial pentru procesarea tranzacţiilor on-line cum ar fi

rezervarea de bilete sau prelucrarea comenzilor, aceste sisteme pot face
sute de actualizări pe minut, activităţi realizate simultan de mai mulţi
operatori. Avantajul principal al sistemelor relaţionale este că dau
posibilitatea integrării tuturor informaţiilor referitoare la comenzi,
marketing, vânzări într-o singură bază de date, independent de natura
datelor utilizate.
Aceste sisteme sunt scumpe, solicită echipamente hardware
performante (servere dotate cu procesoare RISC sau chiar mainframe) şi
există o puternică legătură între structura bazei de date, mărimea sa şi
platforma hardware.
În funcţie de modelul de organizare logică a datelor în BD, de
SGBD-ul utilizat şi respectiv platformele hardware şi software din
sistemele informatice de marketing se pot idetifica o varietate de tipuri de
acces la bazele de date de marketing, clasificate astfel:
a) După natura instrumentelor de acces:
Tabelul 6.1.
Tip unealtă Întrebare de Exemplu de Exemplu de
bază întrebare răspuns
Interogare Ce s-a Care au fost Rapoarte lunare
şi raportare întâmplat? vânzările pentru un de vânzări pe
(SQL) anumit produs? produs

Procesare Ce s-a Clasifică vânzările Vânzări lunare

analitică on întâmplat şi pe luni, pe produse şi pe produse şi
line (OLAP) de ce? lanţuri de magazine; magazine
În ce măsură ar ordonante, top
influenţa profitul etc.;
creşterea cu 10% a Estimări ale
vânzărilor în judeţele profitului.
din Moldova?

Sisteme Ce ar trebui Care este evoluţia Rapoarte

informatice să ştiu acum? vânzărilor pe clienţii rezumative
semnificativi? pentru decizie
Data Ce este Ce influenţează Modele
mining interesant? vânzările produsului predictive cu
Ce s-ar putea X în Bucureşti? factori de
întâmpla? influenţă

16
 Sisteme informationale de marketing

b) După modelul logic al datelor din baza de date accesul se face pe

modele:
primare;
arborescente;
reţea;
relaţional;
orientate pe obiecte.

c) După proximitatea faţă de bazele de date:

acces direct;
acces la distanţă.

d) După modul de acces:

on-line;
off-line.

1.1.5. Tehnologia client/server

Tehnologia client/server este strâns legată de tehnologia bazelor
de date distribuite şi de utilizarea reţelelor de calculatoare.
Arhitectura client/server este un ansamblu de trei componente
principale: un server, un client şi o reţea care conectează calculatorul
client la server pentru a colabora la îndeplinirea sarcinilor.
Clientul solicită serverului servicii de regăsire (interogare) şi de
actualizare (tranzacţii) a datelor din baza de date şi primeşte de la acesta
rezultatele.
Serverul asigură conectarea/deconectarea clientului la baza de date,
accesul la datele stocate şi protecţia bazei de date.

Tehnologia client/server asigură:

dezvoltarea de aplicaţii care necesită date situate pe
calculatoare diferite, în diferite puncte geografice. Aceste date pot fi în
formate compatibile sau în formate incompatibile. În condiţiile în care
majoritatea firmelor au filiale, reprezentanţe în mai multe puncte ale unei
ţări sau în mai multe ţări, aplicaţii ca cele de mai sus sunt foarte
frecvente;

17
Tendinţe actuale în proiectarea şi realizarea sistemelor informatice de marketing

dezvoltarea unor aplicaţii interactive, adaptate cerinţelor

utilizatorilor. Aceştia vor utiliza aplicaţiile accesând datele de pe
mainframe-uri la fel de uşor ca datele de pe staţiile de lucru (calculatoare
personale PC)
accesul la volume de date stocate, prelucrate şi regăsite de mare
complexitate. Aceste lucruri sunt invizibile pentru utilizator iar forma de
prezentare a rezultatelor este pe înţelesul tuturor categoriilor de
utilizatori.
În concluzie, scopul arhitecturii client/server este de a permite
dezvoltarea aplicaţiilor complexe, ce manipulează un volum mare de
date, accesibile tuturor categoriilor de utilizatori, de la calculatoare
diferite, situate local sau la distanţă.
Modelul client/server permite repartizarea prelucrărilor şi a datelor
în ansamblul sistemului informatic de marketing, asigurând exploatarea
optimă a resurselor hardware a căror redimensionare a provocat
multiplicarea, uneori anarhică, în cadrul întreprinderilor. Tehnologia
client-server este deci sinonim cu raţionalizarea sistemelor informatice
dar şi cu integrarea resurselor informatice eterogene existente în
întreprinderi.
Utilizarea modelului client-server aduce o serie de avantaje:
oferă posibilitatea unui sistem de informaţii global;
asigură repartizarea puterii de calcul în cadrul sistemului
informatic, integrarea tehnologiilor existente în întreprindere cu
cele nou achiziţionate;
asigură modularitatea şi flexibilitatea componentelor software şi
hardware;
permite obţinerea unei productivităţi individuale ridicate,
deoarece fiecare utilizator poate avea acces la informaţiile din
baza de date de marketing;
informaţiile solicitate sunt obţinute într-un timp foarte scurt;
permite spargerea barierelor organizaţionale, ale căror baze de
date sunt distribuite în mai multe reţele locale;
datorită disponibilităţilor de acces la distanţă, un utilizator aflat la
distanţă poate accesa informaţiile din baza de date centrală sau
bazele locale distribuite;
sporeşte adaptabilitatea şi reacţia întreprinderii la schimbările
produse în mediul ambiant.

18
 Sisteme informationale de marketing

Pe baza tehnologiei client-server au apărut şi s-au dezvoltat

produsele middleware, care aduc soluţii eficiente şi economice în
întreprinderi, pentru problemele de interoperabilitate între aplicaţii
informatice, reţele, sisteme de operare şi baze de date.
Instrumentul middleware este componenta software a sistemului
care asigură conexiunea dintre un server Web (din Intranet sau Internet)
cu o bază de date de marketing. Exemple de instrumente software de tip
middleware: Oracle WebServer pentru Oracle, WebSQL pentru Sybase,
EDA/SQL pentru Focus, etc. Un instrument middleware răspunde
necesităţilor de calibrare a sistemelor de informaţii cât mai apropiat de
cerinţele de utilizare.
Produsul middleware cel mai răspândit în lume este EDA/SQL
(Enterprise Data Access/SQL) realizat de Information Builders. La
Information Builders, cei 20 de ani de experienţă în domeniul sistemelor
suport de asistare a deciziilor utilizând produsul Focus au condus
echipele de cercetare la a proiecta unelte prin care să ofere utilizatorilor
acces la baze de date cât mai variate, de pe un PC din ce în ce mai
puternic şi mai performant. Astfel, EDA/SQL permite conectarea oricărei
aplicaţii SQL cu peste 60 de baze de date, rezidente pe 35 de sisteme de
operare diferite, prin intermediul a 14 protocoale de comunicare diferite.
Întreprinderile, utilizând un produs middleware, integrează o
componentă (unealtă) în sistemele informatice, componentă ce asigură
gestiunea problemelor dificile ale interoperabilităţii. Utilizând
EDA/SQL, întreprinderile găsesc un răspuns la necesitatea de a integra
noile tehnologii, dar şi dorinţa de a-şi păstra contextul informatic prezent.
Întreprinderile dispun de un parc informatic relativ eterogen iar
posturile de lucru sunt ,,izolate” din punct de vedere informatic,
împiedicând astfel realizarea, în totalitate, a câştigurilor de productivitate
scontate. Cu EDA/SQL această barieră este anulată imediat, deoarece
produsul stabileşte o legătură puternică şi transparentă între orice
aplicaţie SQL (Structured Query Language, limbaj utilizat în interogarea,
actualizarea bazelor de date) şi ansamblul aplicaţiilor informatice.
Tehnologia client/server a permis posibilitatea ,,înlănţuirii
informatice” a întreprinderii. Acest progres se traduce fizic prin prezenţa
calculatoarelor pe toate birourile, în toate compartimentele, filialele sau
pe teren la forţele de vânzare prin cablarea majorităţii posturilor de lucru
şi prin constituirea reţelei care oferă suportul necesar pentru consultarea
bazelor de date de marketing atât în interiorul cât şi în exteriorul
întreprinderii.

19
Tendinţe actuale în proiectarea şi realizarea sistemelor informatice de marketing

1.2. Depozitele de date – un nou model de

structurare a bazelor de date de mari
dimensiuni
Sistemele informatice operaţionale de marketing utilizează baza de
date relaţionale şi distribuite care înmagazinează date din activitatea
zilnică privind aprovizionările, comenzile, vânzările, încasările, plăţile şi
activităţile specifice de marketing, precum şi informaţiile culese prin
interogarea unor baze de date publice din reţele locale, metropolitante
sau de pe Internet.
În bazele de date de marketing se regăsesc stocate informaţii ce
privind practic toată activitatea întreprinderilor, indiferent de domeniu.
Aceste baze de date sunt organizate şi stochează datele pentru o
perioadă de timp determinată (pe luni sau ani), factorul timp fiind un
element esenţial în identificarea colecţiei de date care interesează la un
moment dat.pentru extragerea de informaţii.
Accesul rapid la baze de date permite obţinerea informaţiilor în
timp util contribuind la creşterea eficienţei. Consultarea, prin tehnologii
specifice sistemelor de gestiune a unui mare număr de colecţii de date
distribuite pe platforme eterogene influenţează nefavorabil timpul de
răspuns, impunându-se utilizarea unui instrumentar specific depozitelor
de date pentru volume imense de date
De asemenea, capacitatea de stocare a dispozitivelor de astăzi,
practic nelimitată, permite găsirea şi accesarea unor date cu mulţi ani
vechime, care fără ajutorul acestor instrumente software ar fi fost practic
inutilizabile.
Trebuie remarcat şi implicaţiile deteminate de evoluţiile în
metodologiile de organizare şi structurare a bazelor de date, a modelelor
logice şi fizice de organizare, a tehnologiilor noi care sunt implementate
de varietatea de sisteme de gestiune a bazelor de date care impun
structurarea unui model universal de acces în această diversitate de
tehnologii şi arhitecturi.
Aceste date sunt organizate multidimensional făcând posibile
analize după cele mai variate criterii la anumite intervale (lunar,
trimestrial, anual etc.). Aceste analize sunt necesare echipei de conducere
pentru o mai bună fundamentare a deciziilor. Datele acumulate zi de zi
sunt organizate în depozite de date, care permit obţinerea celor mai
variate situaţii.

20
 Sisteme informationale de marketing

1.2.1. Conceptul de depozit de date de

marketing (Data Warehouse)
Înainte de a oferi o definiţie se cuvine a preciza că depozitul de
date1 este într-un fel complementul sistemului informatic operaţional
(subsistemul de contabilitate, subsistemul comercial, subsistemul de
vânzări şi marketing, subsistemul personal-salarizare etc.). Deci un
depozit de date (Data Warehouse) este o colecţie de date tematică,
integrată, plasată într-un context temporal şi permanentă fiind destinată
fundamentării deciziei de marketing.
Datele din warehouse provin în principal din datele capturate din
sistemul informatic operaţional de marketing, din bazele de date de
arhivă/istoric precum şi din baze de date publice cum ar fi: baze de date
demografice, statistice (furnizate de institute specializate), prognoza
economică (furnizate de instituţii de sondare a pieţei), de cercetări de
marketing. Aceste date pot fi cumpărate, pot fi peluate pe bază de
abonament sau pot fi date publice gratuite.
Depozitele de date, stocând cantităţi mari de date, sunt baze de date
de mari dimensiuni caracterizate din punct de vedere al numărului şi
varietăţii înregistrărilor şi respectiv al aspectului multidimensional ce
implică o mulţime de variabile selectate şi incluse în modele de analiză.
Proiectarea arhitecturii depozitului de date presupune definirea
structurii logice şi fizice a bazei de date, configurarea serverului
depozitului care să poată procesa rapid volume foarte mari de date şi
alegerea SGBD-ului de gestiune a depozitului de date.
Se întâlnesc trei tipuri de abordări a arhitecturii unui depozit de
date:
a) abordarea centralizată care contribuie la maximizarea puterii de
calcul şi presupune stocarea datelor, care provin din surse externe şi
interne într-un depozit integrat;
b) abordarea federativă ce implică distribuirea informaţiilor în
baza de date distribuite după funcţiuni (cele financiare într-un nod al
reţelei, cele de marketing într-un alt nod, cele de fabricaţie într-un al
treilea nod);
c) abordare stratificată ce presupune păstrarea datelor foarte
sumarizate pe staţia de lucru, datele mai puţin sumarizate pe un al doilea
server iar datele de detaliu pe un al treilea. Staţia de la primul nivel

1
(eng.) Data Warehouse = depozit de date
21
Tendinţe actuale în proiectarea şi realizarea sistemelor informatice de marketing

manevrează datele cele mai cerute, cu tot mai puţine cereri de detaliere
către nivelele inferioare. Calculatoarele de pe primul nivel pot fi
optimizate pentru procesări intense pe volume mici de date, pe când
serverele de pe nivelele doi şi trei pot fi adaptate pentru procesări simple
pe volume mari.
Odată decisă arhitectura logică trebuie analizate posibilităţile
oferite de structurile hard. Factorii de influenţă asupra alegerii tipului de
server se referă la dimensiunea depozitului şi la nevoile întreprinderii în
ceea ce priveşte scalabilitatea, disponibilitatea şi administrarea
sistemului, fiind întâlnite:
a) serverele monoprocesor sunt cel mai uşor de întreţinut dar sunt
limitate ca de putere calcul şi scalabilitate. Reţelele de servere
monoprocesor se pot extinde prin intermediul arhitecturilor distribuite.
b) Sistemele cu multiprocesare simetrică îşi sporesc puterea prin
adăugarea de procesoare care partajază memoria internă a serverului
precum şi unităţile de stocare. Această arhitectură este ideală pentru
căutări în baze mari de date.
Referitor la deciziile privitoare la SGBD alese, acestea se bazează
pe nevoia de flexibilitate şi pe dimensiunile depozitului de date.
Versiunile moderne ale SGBD-urilor relaţionale şi distribuite dau
posibilitatea analizei multidimensionale şi pot beneficia din plin de
hardware-ul specializat pentru bazele de date (de exemplu Teradata).
Depozitele de date permit o analiză independentă de procesare
zilnică a datelor din cadrul firmei. De asemenea, s-a constatat că mai
mult de o treime din datele existente în DB nu sunt luate niciodată în
considerare, fiind complet ignorate. Analizând şi aceste date se poate
constata dacă, unde şi când a greşit şi cum se pot evita pe viitor aceste
greşeli. Analizele multidimensionale care permit interpretarea datelor în
funcţie de diferite criterii fac de trei ani obiectul marilor firme
producătoare de SGBD-uri. Acestea pot fi făcute în principiu şi pe baza
curentă de date, dar în cazul unor volume mari de date obţinerea de
situaţii este foarte dificilă, deoarece implică comenzi complexe. Scopul
SGBD-ului este de a asigura tranzacţiile cu datele într-o manieră sigură,
şi deci nu poate fi eficientă. Aceste noi programe asigură o bună
performanţă în analizarea acestui uriaş volum de date şi posibilitatea
schimbării continue a metodelor de analiză. De această dată sistemul este
organizat cu totul altfel deoarece nu mai este nevoie de funcţia de
actualizare a informaţiilor şi nici de protecţie. Efectuarea statisticilor,
analizelor şi comparaţiilor se face având la bază calculatoare foarte

22
 Sisteme informationale de marketing

puternice, care pot manipula volume foarte mari de date.

Exploatarea depozitelor de date poate consta din:
extragerea unor rapoarte (la cerere sau pe baza unui ,,abonament”
cu o anumită periodicitate);
extragerea unor date pentru a fi utilizate de aplicaţiile de birotică
(programe de calcul tabelar, procesoare de text, programe de
prezentare etc.);
utilizarea unor instrumente de acces de către aplicaţii specializate
de analiză, cum ar fi:
a) instrumente de procesare analitică on-line (OLAP – On
Line Analytical Processing);
b) instrumente de ,,minerit” în date (Data mining), aplicaţii
axate pe descoperirea unor modele, tendinţe şi corelaţii
semnificative prin exploatarea depozitului de date.

1.2.2. Instrumente de acces şi analiza

multidimensională prin depozitele de date de
marketing
În vreme ce datele operaţionale din sistemele informatice se referă
la activităţile zilnice, depozitul de date este istoric prin natură şi este
folosit pentru a obţine o perspectivă asupra tendinţelor, corelaţiilor şi a
factorilor de influenţă.

Interogari Data
Activitati Interactiuni OLAP
si rapoarte mining
zilnice on-line

Date
Baze adunate Depozit
de date in timp de date

Date
operationale Date de
istoric

Figura 6.3. Tendinţe în stocarea şi procesarea informaţiilor

23
 Tendinţe actuale în proiectarea şi realizarea sistemelor informatice de marketing

Multe întreprinderi colectează în acest moment şi rafinează masive

cantităţi de date în depozitele de date prin intermediul sistemelor
informatice.
Aceste firme au realizat că pentru a reuşi într-o lume ce se schimbă
în ritm rapid, utilizatorii au nevoie de informaţie în momentul cererii. Şi
ei mai au nevoie şi de informaţie neaşteptată, dar folositoare. Nu este
niciodată suficient timp pentru a se gândi asupra tuturor problemelor
importante, motiv pentru care computerul trebuie să îndeplinească
autonom şi această sarcină.
Ei privesc acum informaţia ca pe una dintre cele mai valoroase
resurse, iar instrumentele de analiză multidimensională permit unei firme
să folosească la maxim această resursă.
Fundamentarea Deciziilor (eng. Decision Support) este un termen
general care se referă la folosirea informaţiei ca la o resursă corporativă
strategică, ce abilitează firmele în utilizarea bazelor lor de date pentru a
lua decizii mai bune.
Instrumentele de acces la depozitele de date şi de analiză
multidimensională se bazează, în mod tradiţional, pe trei tipuri de unelte:
Interogări şi rapoarte: caz în care un utilizator pune o întrebare,
de ex. ,,care au fost vânzările pentru un anume produs?”;
OLAP – Procesare analitică în linie1 care se extinde la procesarea
de interogări de-a lungul a mai multor dimensiuni, cum ar fi o
arie geografică, o lună etc. De exemplu: ,,clasifică vânzările pe
luni, judeţe şi magazine”;
Data Mining2:care extrage ,,automat” modele de informaţii şi
relaţii pentru formulare de întrebări de tipul: ,,Ce anume
influenţează vânzările unui anumit produs în judeţele din
Ardeal?”
În figura 6.4. se poate observa progresul făcut în domeniu în ultimii
30 de ani pentru a oferi informaţie rafinată mai multă şi mai bine.
În cazul statisticilor şi rapoartelor erau disponibile utilizatorilor
rezumate ale datelor. În plus şi aceste date sumare erau obţinute prin
intermediul unui analist. Odată cu apariţia depozitelor de date, anumite
interogări şi rapoarte pot fi obţinute chiar de utilizatorul direct prin
consultarea bazelor de date.

1
(eng.) On Line Analytical Processing – OLAP = procesare analitică on-line
2
(eng.) Data Mining = mineritul (forarea) datelor
24
 Sisteme informationale de marketing
Acces la
Cunostinte Cunostinte
Data
mining
Rafinare
OLAP/ROLAP
Interogari
si analize
Statistici
Date si Rapoarte
1970 1980 1990 2000
Figura 6.4. Etapele de procesare şi rafinare a informaţiei

Începând cu OLAP, întrebări generalizatoare multi-dimensionale

au putut fi adresate chiar de utilizatorii direcţi, de ex. ,,un total pe produs,
pe canal de distribuţie, pe lună”.
Cu ajutorul Data mining, analiştii de marketing şi o categorie mai
rafinată de utilizatori economici pot descoperi corelaţii semnificative,
modele de informaţii, factorii de influenţă şi tendinţele ce reies din date.
Noţiunea de ,,acces la cunoştinţe”, semnifică faptul că modelele
relevante din date sunt găsite dinainte şi stocate pentru necesităţile
utilizatorilor. Aceştia pot folosi modelele interesante furnizate
săptămânal sau lunar sau pot interoga ei înşişi modelele de bază.
Deoarece marile baze de date adeseori oferă multe date utile,
abordările bazate pe Interogări şi OLAP se confruntă, de obicei, cu
greutăţi în a identifica generalizări utile din cauza prea multor date. Forţa
tehnicii Data Mining constă în abilitatea de a efectua din proprie
iniţiativă cercetări printre date, descoperind în mod autonom modele
cheie.
Cu toate că cele trei abordări de mai sus sunt utile, ele împart o
trăsătură comună care se referă la faptul că utilizatorul trebuie să
realizeze mai multe analize pentru a dobândi cunoştinţele, procedeu
cunoscut ca Modelul de Analiză a Datelor1. O nouă abordare care pune
la dispoziţia utilizatorilor informaţie rafinată este Modelul de Acces la
Cunoştinţe2. Prin modelul de acces la cunoştinţe analiza datelor este

1
(eng.) Data Analysis Paradigm = Model de Analiză a Datelor
2
(eng.) Knowledge Acces Paradigm = Model de Acces la Cunoştinţe
25
Tendinţe actuale în proiectarea şi realizarea sistemelor informatice de marketing

efectuată în prealabil, iar utilizatorul doar urmăreşte cunoştinţele ,,pre-

minerite” la cerere.
Pentru a distila informaţia dintr-o bază de date este evident necesar
să se realizeze analize la un moment dat. Altfel spus, analiza se
efectuează la momentul în care utilizatorul are nevoie de cunoştinţe sau
este realizată anterior, astfel încât sunt gata de a fi accesate. În mod
tradiţional analizele de tip data mining erau efectuate după lansarea
cererii de către utilizator. Modelul accesului la cunoştinţe elimina riscul
unor analize întârziate prin această operaţie de preminerire a informaţiei.
Aşadar există două modele distincte capabile să ofere utilizatorilor
cunoştinţe:
Modelul de Analiză a Datelor: în acest caz utilizatorii operează
asupra datelor pentru a descoperi informaţia. Acest model se
bazează pe o abordare de tipul ,,analiză la cerere”.
Modelul de Acces la Cunoştinţe: în acest caz analizele sunt
efectuate în mod automat în prealabil, modelele rafinate sunt pre-
generate, iar utilizatorii obţin cunoştinţele în momentul în care au
nevoie de ele (abordare de tipul ,,cunoştinţe la cerere”).

1.2.3. OLAP – Procesare analitică on-line

Analiza analitică multidimensională, referită de regulă ca OLAP
(On Line Analytical Processing) este o activitate ce dă răspunsuri corecte
la întrebările analiştilor de marketing. Singura trăsătură comună a acestor
întrebări este caracterul lor multidimensional. Există totuşi câteva tipuri
uzuale de întrebări, care pot arunca o lumină asupra complexităţii
instrumentelor care trebuie să furnizeze răspunsuri:
Raporturi multidimensionale. Exemplu: care este contribuţia la
vânzările totale a produselor farmaceutice ale societăţii
SICOMED vândute prin farmaciile din Bucureşti în perioada…?;
Comparaţii. Exemplu: care este media abaterii procentuale de la
planul de vânzări în primul semestru al acestui an comparativ cu
vânzările din primul semestru al anului trecut?;
Clasificări şi profiluri statistice. Exemplu: care este volumul
vânzărilor şi media adaosului pentru primii 20% dintre
distribuitori şi care este contribuţia acestora la totalul vânzărilor
pe trimestrul trecut?;

26
 Sisteme informationale de marketing

Agregări libere. Exemplu: care sunt veniturile realizate în

ultimele patru trimestre de filialele judeţene din Moldova ale
firmei Eurofarm?;
Evaluări What-If. Exemplu: în ce măsură ar influenţa profitul
total o creştere cu zece procente a vânzărilor în judeţele din
Ardeal?
Pentru oricine care a formulat interogări în bazele de date (Query),
este evident că exprimarea unor asemenea cereri depăşeşte posibilităţile
oricărui instrument de acces şi raportare.
Printre calităţile pe care trebuie să le îndeplinească un bun
instrument OLAP se numără:
să poată susţină analize sofisticate;
să poată fi utilizate eficient de diverse categorii de utilizatori;
să fie scalabile la volume oricât de mari de date;
să permită accesul concurent al unui mare număr de utilizatori;
să fie uşor de intreţinut şi de configurat;
să fie bazate pe o arhitectură deschisă deoarece evoluţia
tehnologiei informaţiei poate aduce schimbări radicale în
structura sistemului informatic care, însă, nu trebuie să afecteze
instrumentaţia utilizată pentru analiză.
Fiind o tehnologie relativ nouă, modelul de arhitectură (figura 6.5.)
care s-a impus pentru sistemele orientate spre analiză multidimensională
este unul de tip client-server în trei straturi:

27
Tendinţe actuale în proiectarea şi realizarea sistemelor informatice de marketing
Sisteme informatice

Motor Aplicatii
Data OLAP
Warehouse OLAP

OPERATIONALE

Metadate

Figura 6.5. Arhitectura unui sistem OLAP

a) Bazele de date formează nivelul cel mai de jos, responsabil cu

stocarea şi regăsirea datelor. De regulă aplicaţiile tranzacţionale
utilizează sisteme relaţionale dar pentru depozitele de date se folosesc şi
sisteme multidimensionale. Dat fiind volumul mare de date, este
recomandabil ca SGBD-urile folosite să ofere suport pentru prelucrări
paralele şi distribuite, să dispună de mecanisme performante de indexare
şi de optimizare, să ofere un înalt nivel de siguranţă.
b) Motorul analitic OLAP (OLAP engine) are sarcina de a prelua
cererile exprimate de utilizatori şi, pe baza consultării metadatelor, să
genereze cererile necesare pentru obţinerea datelor ce vor fi
redirecţionate către clienţi. În plus, datelor obţinute li se vor aplica la
acest nivel o serie de prelucrări.
Generarea de interogări – se bazează pe criterii furnizate de
clienţi sub forma unor formule exprimate prin operatori logici;
Manipulările matematice – se aplică pentru a aduce datele la
forma dorită de utilizatori. Acestea constau de cele mai multe
ori în calcularea unor distanţe (metrice) derivate pe baza unor
formule date, analize statistice complexe, etc.;
Sintetizarea rezultatelor este o altă sarcină a motorului
analitic. Deşi depozitul de date conţine şi date deja agregate,
adeseori utilizatorul doreşte consolidarea unor sinteze pe baza
unor combinaţii de atribute care nu au fost prevăzute.

28
 Sisteme informationale de marketing

c) Aplicaţiile OLAP sunt reprezentate de instrumente mânuite de

utilizatorul final. Există aplicaţii generale care răspund suficient de bine
nevoilor unei categorii largi de utilizatori, există instrumente specializate
pe domenii (cum ar fi de pildă analiza financiară) şi, în fine, există
posibilitatea de a dezvolta instrumente foarte specifice.
Din punct de vedere al utilizatorului final, aplicaţia pe care o
foloseşte trebuie să-i asigure două funcţionalităţi importante: navigarea
liberă prin depozitul de date în căutarea informaţiilor relevante şi
posibilităţi diverse de prezentare a datelor. Aceste funcţionalităţi sunt
strâns legate între ele şi este greu de spus care operaţie este de navigare şi
care este de prezentare.
Operaţiile OLAP cuprind:
Specificarea criteriilor de selecţie este primul pas în orice
analiză. Utilizatorul trebuie să poată exprima cu uşurinţă criterii simple,
bazate pe valori ale atributelor şi/sau pe valori ale metricelor. Aceste
criterii simple trebuie să poată fi apoi combinate prin operatori logici şi
trebuie să poată fi salvate în biblioteci pentru eventuale reutilizări.

Rotaţiile sunt operaţii care permit utilizatorilor să găsească

perspectiva care-l interesează specificînd dimensiunile şi direcţiile de
rotaţie sau indicând un pivot.
Schimbarea nivelului de agregare permite găsirea nivelului de
agregare optim pentru analiză. Se poate adânci analiza spre nivele de
detaliu (drill-down) pentru anumite dimensiuni în timp ce pentru alte
dimensiuni se creşte nivelul de agregare (drill-up).
Specificarea modului de prezentare trebuie să permită
analistului să găsească modalităţile optime de valorificare vizuală a
datelor extrase. În afară de posibilităţile grafice tipice pentru prezentare,
este important ca utilizatorul să poată vizualiza date multidimensionale
într-o manieră tabelară. În acest sens se pot utiliza tabele complexe, care
să poată grupa coloane şi linii exprimând dimensiuni diferite (de pildă
timpul şi dispunerea în spaţiu) şi nivele de agregare diferite.
Cerinţele de administrare şi dezvoltare pentru OLAP, deşi similare
cu cele pentru instrumentele de interogare şi raportare, sunt în general
mult mai complexe. Punerea în funcţiune a unui sistem OLAP şi a
softului de acces la date necesită o înţelegere clară a modelului de date al
întreprinderii şi a funcţiilor analitice cerute de conducerea executivă şi
strategică. Produsele comerciale pot fi de mare folos, dar rareori există
soluţii ,,la cheie” pentru OLAP. Arhitectura trebuie proiectată astfel încât
să suporte sursele de date folosite şi să facă faţă cerinţelor. În schimb,
29
 Tendinţe actuale în proiectarea şi realizarea sistemelor informatice de marketing

odată ce sistemul OLAP este funcţional, suportul tehnic pentru utilizator

este minimal.

1.2.4. Data mining

Data mining (mineritul în date) reprezintă, într-o accepţiune
simplă, un mod automat de detectare într-o bază de date a unor tipare
relevante. Data mining utilizează o serie de tehnici statistice şi de
inteligenţă artificială ce dau posibilitatea construirii de modele ce pot
previziona comportamentul clienţilor. Tehnologia îşi sporeşte calităţile
prin integrare cu depozitele de date comerciale şi cu noile modalităţi de
prezentare şi raportare.
Data mining îşi datoreşte numele similarităţii dintre căutarea de
informaţii valoroase într-o bază de date mare şi săparea unor galerii în
munte pentru detectarea unor zăcăminte valoroase.

Data mining este un proces de descoperire a cunoştinţelor

(Knowledge discovery -KD), de extragere a informaţiei necunoscută
anterior din baze de date foarte mari.
Procesul descoperirii de corelaţii semnificative, modele şi tendinţe
se asigură prin explorarea unor mari cantităţi de date stocate în depozite
de date, utilizând tehnologii de recunoaştere a modelelor, precum şi
tehnici statistice şi matematice.
Conform unui raport din 1997 al Grupului Gartner 1: ,,Data mining
şi inteligenţa artificială se află între primele cinci tehnologii cheie care
vor avea în mod sigur un impact major asupra unui mare număr de
industrii în următorii 3 până la 5 ani”. Gartner situează data mining între
primele 10 tehnologii în care firmele vor investi în următorii 5 ani.
Studiile arată că ultimul an a cunoscut o explozie dramatică a
nivelului de interes privind data mining, în condiţiile în care utilizatorii
au dorit să profite de avantajul oferit de această tehnologie pentru a
obţine un foarte util plus concurenţial.
Anumite produse software de vârf în domeniul data mining,
provenite de la companii ca SAS sau IBM, reprezintă acum mai mult
decât simple motoare de modelare bazate pe algoritmi complecşi.
Acestea se adresează unei categorii mai largi de probleme tehnice şi

1
Data Mining at Dun&Bradsheet, White Papers, 1998, pag. 14.
30
 Sisteme informationale de marketing

economice şi se integrează în mediile actuale de tehnologie

informaţională.
Deşi se credea că data miningul va elimina nevoia de specialişti în
crearea de modele statistice, lipsa experienţei umane şi a intuiţiei pentru a
disemina între nişte corelaţii relevante şi unele nerelevante, lipsă ce
caracterizează softurile, infirmă această previziune.
Tradiţional sunt avute în vedere două tipuri de analize statistice:
analize confirmatorii şi analize exploratorii. În cazul analizelor
confirmatorii, având o ipoteză formulată aceasta se acceptă sau se
respinge. În analizele exploratorii, se urmăreşte găsirea de ipoteze, care
apoi se acceptă sau se resping. În acest punct sistemul preia ,,iniţiativa”
în procesul analizei datelor. Sistemul gândeşte singur ipotezele, acestea
ne mai fiind formulate de utilizator. În prezent termenul de data mining
se referă la procesul automat de analiză a datelor în care sistemul preia
iniţiativa de a genera modele.
a) Din punct de vedere al procesului de descoperire cunoştinţelor
există trei clase de activităţi data mining: descoperire, modelare
predictivă şi analiza excepţiilor (figura 6.6.).

Depozit de date
Conditionare
logica
Baza de date 1
Afinitati si
Descoperire
Asocieri

Tendinte si
Variatii

Baza de date 2 Previzionarea

Data Mining Modelare rezultatului
predictiva
. Previziuni
.
. Detectarea
Analiza deviatiilor
exceptiilor
Analize ale
Baza de date n
legaturilor

Figura 6.6. Clase de activităţi Data mining

 Descoperirea este procesul de căutare în baza de date

pentru a găsi modele, fără a avea o idee predeterminată sau ipoteza
asupra ceea ce pot fi modele. Cu alte cuvinte programul preia iniţiativa în
31
Tendinţe actuale în proiectarea şi realizarea sistemelor informatice de marketing

găsirea a ceea ce sunt modelele interesante, fără a fi necesar ca

utilizatorul să se gândească la întrebările relevante în prealabil. În marile
baze de date există atât de multe modele încât utilizatorul nu ar putea
niciodată practic să se gândească la toate întrebările care ar trebui puse.
Problema cheie în acest caz constă în bogăţia de modele care pot fi găsite
şi exprimate, precum şi în calitatea informaţiei livrate – elemente care
determină puterea şi utilitatea tehnicii de descoperire.
 Modelarea predictivă presupune ca modelele descoperite
din baza de date să fie folosite pentru a face previziuni. Modelarea
predictivă permite astfel utilizatorului să prelucreze înregistrări ce au
câmpuri valorice necunoscute, iar sistemul va intui valorile necunoscute
pe baza unor modele anterioare din baza de date;
 Analiza excepţiilor reprezintă procesul prin care se aplică
modelele extrase pentru a găsi anomalii sau elemente de date
neobişnuite. Pentru a descoperi anomaliile, mai întâi aflăm ceea ce e
normal, apoi detectăm acele articole care deviază de la normă în cadrul
unui interval dat. De exemplu odată ce am observat că 90% dintre
cumpărători au sub 50 de ani, ne putem întreba în legătură cu cei 10%
cumpărători care au

peste 50 de ani şi sunt în baza de date. Se observă că descoperirea ne

poate ajuta să găsim ,,cunoştinţe uzuale”, vreme în care analiza
excepţiilor caută cazurile neobişnuite şi specifice.
Fiecare din aceste procese pot fi clasificate la rândul lor după
regulile If/Then, asocieri etc. În timp ce IF/THEN presupune: Dacă –
condiţie, atunci regula 1, astfel regula 2, regulile de asociere se referă la
gruparea articolelor (de ex. când cineva cumpără un produs la magazin,
el poate cumpăra alt produs în acelaşi timp – un proces numit de obicei
analiza coşului de cumpărături).

b) Din punct de vedere al tehnicilor utilizate de data mining (figura

6.7.) identificăm:

32
 Sisteme informationale de marketing
Depozit de date

Vecinul
Baza de date 1 imediat
Date retinute Argumentare
pe cazuri

Inductie
Reguli Algoritmi
Baza de date 2 Data genetici
Mining
Logic Arbori de CART
. decizie CHAID
. C4.5 etc.
. Agenti
Tabelare
Date distilate incrucisata
Retele de
Baza de date n incredere

Ecuational Statistici

Propagare
Retele
inversa
neurale
Kohonen

Figura 6.7. Tehnologiile data mining

Reţelele artificiale neurale – modele de previzionare

nonliniare care sunt capabile de acumulare de cunoştinţe prin
antrenament;
Algoritmi genetici – tehnici de optimizare ce se bazează pe
procese cum ar fi combinaţii genetice, mutaţii şi selecţie
naturală. Sunt utilizate în modele ce folosesc concepte de
evoluţie naturală;

Arbori de decizie – structuri pe trei nivele ce reprezintă

seturi de decizii. Aceste decizii generează reguli de clasificare a seturilor
de date. Printre modelele bazate pe arborii de decizie se include Arborii
de regresie şi clasificare (CART) şi Detectarea automată a interacţiunilor
de tip 2 (CHAID);
Metoda celui mai apropiat vecin – o tehnică ce permite
clasificarea fiecărei înregistrări din baza de date a k clase de înregistrări,
cele mai similare;
Inducţia unor reguli – extragerea unor reguli utile de tip
dacă-atunci pe baza semnificaţiei statistice;
Vizualizarea datelor – interpretarea vizuală a relaţiilor
complexe pentru date multidimensionale.
33
Tendinţe actuale în proiectarea şi realizarea sistemelor informatice de marketing

c) Cea mai importantă dihotomizare a tehnologiilor data mining se

referă la păstrarea datelor adică, se mai păstrează sau mai este nevoie
de date odată ce au fost minerite. În abordările iniţiale mare parte din
seturile de date se păstrau pentru viitoare analize. În mod evident, o astfel
de tehnică se poate aplica numai în cazul sarcinilor de tip modelare
predictivă şi analiză a excepţiilor, nefiind necesară în cazul descoperirii
de cunoştinţe întrucât nu mai sunt alte modele de distilat.
Aşa cum uşor se poate bănui, abordările bazate pe păstrarea datelor
pot avea uşor probleme din cauza dimensiunilor foarte mari ale unor
astfel de seturi de date.
În timp ce în cazul distilării de modele se analizează datele, se
extrag modelele, iar apoi se renunţă la date, în abordările bazate pe
păstrare, datele sunt reţinute pentru analogiile de modele. Atunci când
noi seturi de date sunt avute în vedere, atunci aceste seturi sunt
comparate cu seturi anterioare de date.
Un exemplu cunoscut al abordării bazate pe reţinerea datelor este
metoda ,,vecinului imediat”. În acest caz setul de date este păstrat (de
obicei în memorie) pentru comparaţii cu noi înregistrări. Când o nouă
înregistrare este supusă analizei, este găsită ,,distanţa” dintre acestea şi
înregistrările similare din setul de date şi ,,cele mai similare” (sau vecinii
cei mai apropiaţi) sunt identificaţi.
Tehnologiile bazate pe distilarea modelelor extrag modelele dintr-
un set de date, apoi folosesc aceste modele pentru diverse scopuri. În
mod evident, este necesar ca aceste modele să fie exprimate într-o
anumită formă şi limbaj. Această opţiune a dat naştere la trei abordări
distincte: logică, ecuaţii şi tabelare încrucişată. Fiecare dintre aceste
abordări îşi are originile istorice în anumite secţiuni ale matematicii.

Logica formează baza celor mai multe limbaje scrise.

Modelele exprimate în limbaje logice se disting prin două principale
caracteristici: pe de o parte sunt citibile şi inteligibile, iar pe de altă parte
sunt excelente pentru reprezentarea grupurilor de elemente de date.
Sistemele logice condiţionate pot fi separate în două grupuri: reguli
şi arbori de decizie. Regulile condiţionale pot fi implementate prin
inducţie sau algoritmi genetici. Există mai multe abordări pentru
generarea arborilor de decizie (de ex., CART, CHAID, C4.5).
Tabelarea încrucişată este o formă simplă de analiză a
datelor, bine cunoscută în statistică, şi folosită pe larg în rapoarte. Un
tabel încrucişat bidimensional este similar unei foi de calcul, cu capetele,
atât de rânduri cât şi de coloană, fiind valori ale atributelor. Celulele din
34
 Sisteme informationale de marketing

foaia de calcul reprezintă o operaţie agregată, de obicei numărul de co-

apariţii ale valorilor atributelor. Multe tabele încrucişate sunt efectiv
echivalente cu un grafic tridimensional care înfăţişază o numărătoare a
co-apariţiilor.
Termenul de ,,agent” este folosit uneori pentru a desemna tabelele
încrucişate care sunt reprezentate grafic într-o reţea şi permit folosirea
unor conjuncţii AND, OR etc.
Reţelele de încredere, uneori numite reţele cauzale , sunt un graf
direcţionat, constituit din noduri (variabilele reprezentate) şi legături între
noduri (coeficienţi probabilistici de încredere).
Abordările ecuaţionale folosesc de obicei un set de
ecuaţii pentru a defini ,,o suprafaţă” (reprezentare grafică a unei funcţii
de orice grad) în cadrul unui spaţiu iar apoi măsurarea distanţelor de la
această suprafaţă pentru a face estimări.

1.3. Reţelele de calculatoare baza arhitecturii

sistemelor informationale de marketing
Utilizarea independentă a calculatoarelor personale PC s-a dovedit
o mare risipă şi a impus dezvoltarea rapidă a reţelelor de calculatoare.
Avantajele reţelelor de calculatoare este determinată de:
posibilitatea accesului tuturor staţiilor conectate la reţea la un
server şi la resursele acestuia. Aceasta duce la gestiunea optimă a
resurselor, accesul la ele fiind la fel de simplu ca şi când s-ar afla pe
calculatorul propriu.

volumul mare de date din sistemele informatice de marketing, nu

ar putea fi stocate din lipsă de spaţiu pe fiecare calculator din firmă;
existenţa multor aplicaţii informatice de marketing exploatate pe
mai multe calculatoare simultan fiecare stocând baze de date diferite;
staţiile locale sunt independente, pot lucra şi când reţeaua nu
funcţionează, conectarea la reţea fiind o opţiune. De asemenea ele dispun
de produse software locale, fiecare calculator putând folosi alt tip de
program şi pot consulta alte baze de date;
posibilitatea înlănţuirii informatice a întreprinderii, care dispune
de un parc eterogen hardware. Se oferă suportul între diferite tipuri de
calculatoare, reţele şi aplicaţii informatice, valorificând patrimoniul
informatic vechi cu noile echipamente;
35
Tendinţe actuale în proiectarea şi realizarea sistemelor informatice de marketing

permit accesul universal la baze de date distribuite, multimedia,

stocate pe suporturi atât în interiorul cât şi în exteriorul întreprinderii;
se pot transforma şi transfera informaţii între calculatoare diferite
aflate la distanţă, ceea ce asigură integrarea informatică a utilizatorilor
dispersaţi pe arii geografice foarte mari;
integrarea informatică a compartimentelor întreprinderii sau a
întreprinderii locale cu filiale şi sucursale aflate oriunde pe glob. Se sparg
bariere informaţionale între compartimente, în care orice salariat poate
avea acces dinamic la sursele informaţionale interne şi externe, poate
comunica şi actualiza bazele de date de marketing, poate comunica
interactiv cu oricine şi oricând;
accesul la un mediu de informaţii variat şi bogat stocat pe reţelele
de calculatoare, din care se detaşază reţeaua reţelelor planetară –
Internetul.
Dacă anii 1985-1994 au fost anii PC-rilor, începând cu anul 1995
ne aflăm în anii reţelelor şi ai supermagistralei informaţionale,
reprezentată de Internet, cu alte cuvinte suntem în pragul societăţii
informaţionale.
Reţelele de calculatoare sunt ceea ce firmele au nevoie pentru a
avea acces la baze de date relaţionale şi distribuite de marketing, la care
fiecare utilizator are acces la date în conformitate cu poziţia sa în firmă.
În foarte scurt timp de la implementarea reţelelor de calculatoare,
în cadrul firmelor a apărut nevoia unor programe software, care să
permită accesul tuturor calculatoarelor conectate la server şi buna
funcţionare a serverului.

Siguranţa funcţionării reţelelor de calculatoare este asigurată de

sistemele de operare în reţea (NOS) ale căror coordonate sunt mai
degrabă stabilitatea şi performanţa decât uşurinţa în utilizare.
Componentele software ale unei reţele de calculatoare cuprinde:
protocoalele de reţea – TCP/IP, IPX/SPX, etc.; browser-ele – Netscape
Navigator, Internet Explorer; sisteme de operare pentru server-e – Unix,
Windows NT, Netware, MacIntosh; sisteme de operare în reţea – Unix,
Windows NT, Netware, OS/2; sisteme de operare pentru staţii de lucru –
Windows NT client, Windows 95/98, Unix, Mac; programe server Web –
Netscape Enterprise, Microsoft IIS (Internet Information Server),
Apache; ziduri de protecţie; componente avansate – HotJava, Perl,
Shockware.
36
 Sisteme informationale de marketing

Administratorul de reţea, o funcţie apărută încă de la începutul

anilor ’80, trebuie să asigure buna funcţionare a reţelei atât în ceea ce
priveşte drepturile de acces ale utilizatorilor, cât şi în ceea ce priveşte
compatibilitatea şi funcţionarea noilor programe implementate. Creşterea
importanţei reţelelor de calculatoare a făcut să apară pe piaţă o serie de
dispozitive şi programe software dedicate acestui nou domeniu. Aşa s-au
dezvoltat sursele ce furnizează tensiune continuu (nu depind de reţeaua
electrică – dacă curentul este întrerupt serverul continuă să funcţioneze),
benzi magnetice, ce pot stoca mari cantităţi de date în timp foarte redus.
Pe piaţa software au apărut programe care arhivau şi recuperau datele în
cazul unor defecţiuni, programe de monitorizare a reţelei, de configurare
mai uşoară a acesteia etc. De asemenea, din punct de vedere al conectării
PC-urilor la server, s-au făcut îmbunătăţiri majore, care au crescut
performanţele generale ale reţelei oferind un timp mic de transfer şi de
regăsire a datelor, creşterea, practic nelimitată, a capacităţilor de stocare,
creşterea stabilităţii reţelei.
Există în prezent trei tipuri de conectare în reţea a calculatoarelor:
magistrală, inel şi stea, fiecare având avantajele şi dezavantajele lui.
Dificultăţile tehnice de conectare a mai multor calculatoare (sute) la
distanţe, ce uneori depăşau un kilometru, au fost depăşite, astfel încât
astăzi reţelele de tip local – LAN (Local Area Network) sunt cele mai
răspândite şi asigură cele mai bune performanţe.
Marile firme din SUA implementează de circa 2-3 ani reţele
globale WAN (Wide Area Network), care să permită comunicarea şi
schimbarea de date între diferite puncte ale aceleiaşi firme, aflate la
distanţe mari. Având ca suport de comunicaţie principal liniile telefonice,
legăturile radio sau legăturile prin sateliţi aceste reţele ajută la o mai bună

integrare a forţelor de vânzare a filialelor izolate din punct de vedere

geografic. Studiile au arătat că centralizarea datelor de la aceste puncte
costă mai mult decât conectarea efectivă a punctelor prin acest tip de
reţele. Concurenţa acerbă dintre marile societăţi transnaţionale a făcut
posibilă dezvoltarea acestui tip de reţea, deoarece conducerea firmei
doreşte să poată cunoaşte în orice moment situaţia financiară a firmei,
structura vânzărilor etc. Firmele doreau să poată avea acces la datele unei
filiale din altă localitate, situaţiile să nu fie trimise prin poştă sau fax, ci
să poată fi integrate direct în bazele de date proprii. Distanţele geografice
erau foarte mari şi toată lumea a acceptat ideea că trebuiau create
anumite dispozitive, care să poată folosi reţeaua de comunicaţie
existentă. Astfel au apărut programe software, care puteau trimite şi

37
 Tendinţe actuale în proiectarea şi realizarea sistemelor informatice de marketing

recepţiona date şi informaţii în/din sistemele informatice cu ajutorul unei

componente speciale, cuplate la calculator.

1.3.1. INTRANET – reţeaua de comunicaţie

privată de companie
Intranetul este o reţea de calculatoare proprie a unei firme, locală
sau extinsă pe distanţe mari, ale cărei resurse comunică între ele utilizând
tehnologia INTERNET (aplicaţii şi protocoale TCP/IP).
Utilizarea reţelei INTRANET folosind tehnologia INTERNET
prezintă următoarele avantaje:
stabilitatea reţelei prin utilizarea standardelor transparente şi
deschise utilizate pe Internet;
caracterul multiplatformă al majorităţii aplicaţiilor Internet
creează un avantaj sigur pentru firma care dispune de un parc informatic
eterogen;
fiabilitatea tehnologiilor aplicaţiilor dezvoltate pe Internet,
garantate prin mulţimea şi varietatea cazurilor întâlnite şi testate de
utilizatorii Internet. De exemplu un soft de mesagerie electronică cum ar
fi Eudora1 al cărui număr de utilizatori este estimat la milioane nu poate
să mai prezinte secrete sau anomalii pentru utilizatorii privaţi ai unei
întreprinderi oarecare;

costul produselor soft generalizate pe Internet sunt mult mai

ieftine decât softurile dedicate unei întreprinderi pentru că costul ce
revine este amortizat pe un număr foarte mare de clienţi.
Intranetul asigură un sistem de mesagerie electronică bazată pe
tehnologia Internet şi dispune de un server Web intern. Fiecare post de
lucru operează cu softuri proprii de client Web care îi permit accesul la
informaţiile difuzate pe serverul Web al întreprinderii. Este posibil să fie
instalat un server de ştiri (server NEWS) folosit pentru forumuri de
discuţii între angajaţi sau de un server FTP pentru transmiterea de fişiere
şi pachete software între utilizatorii interni ai reţelei Intranet (fig. 6.8.).

1
URL:fttp://www.eudora.com
38
 Sisteme informationale de marketing

Intreprindere Browser
Web

Server
baza de date
Aplicatie
Server Web
Web
Server de
aplicatii
Reteaua locala Aplicatie
Documente Web
Web

Server de
aplicatii
Salariat

Figura 6.8. Arhitectura INTRANET

Intranetul conectează toate departamentele înterprinderii, sparge

,,zidul” informaţional între compartimente şi ,,elimină” raporturile de
subordonare între aceste verigi, astfel încât fiecare salariat pune la
dispoziţie informaţii şi are acces la informaţii în baza competenţelor sale
prin conturi şi parole autorizate de acces.
De asemeni, Intranet-ul obligă şi la adaptarea comportamentului
salariaţilor şi la o fluidizare a circulaţiei informaţiei. Salariatul este
considerat ca un client intern al întreprinderii care trebuie să găsească
oricând datele de care are nevoie pentru a-şi realiza sarcinile de servici şi
să pună la dispoziţie informaţiile pe care le generează prin actualizarea
bazei de date sau sub forma documentelor electronice scrise (workflow).

Intranetul asigură trecerea de la modul de lucru de difuzare

(pusch) a informaţiilor în întreprindere la modul de lucru de punere la
dispoziţie (pull) a informaţiilor, determinate pe de o parte de facilităţile
de comunicaţie bidirecţională a WEB-ului cât şi de capacitatea sa pentru
a gestiona formulare electronice.

39
 Tendinţe actuale în proiectarea şi realizarea sistemelor informatice de marketing

Intranetul este utilizat ca o platformă de groupware1 pentru a

asista şi a facilita activităţile legate de lucrul în colectivele de muncă în
întreprindere.
Reţeaua Intranet poate avea la bază reţele locale (LAN), reţele
metropolitane (MAN) sau/şi reţele globale (WAN). Reţeaua Intranet pe
arii extinse este o reţea care se întinde în afara ,,frontierelor”
întreprinderii. Această reţea asigură legătura întreprinderii cu filialele
sale sau cu partenerii comerciali ai firmei, indiferent de timpul şi locul
unde se găseşte pe glob.
Reţeaua asigură comunicaţiile şi procesarea informaţiei vehiculate
între aceste entităţi organizaţionale situate în spaţii geografice diferite
permiţând teleprelucrarea informaţiilor din bazele de date distribuite,
televânzările, schimbul electronic de informaţii sau funcţionarea sub
forma întreprinderii virtuale (pentru aplicaţii de comerţ electronic,
publicitate în mediul digital, etc).
Reţeaua Internet pe arii extinse poate fi o reţea fizică reală,
utilizând linii proprii de telecomunicaţii sau o reţea virtuală, utilizând
reţeaua Internet (figura 6.9.). în acest caz informaţia este codată
(criptată) şi este protejată printr-un sistem propriu de protecţie
(firewall2).
Criptarea şi mecanismul de protecţie asigură protejarea
informaţiilor proprii ale înterprinderii contra unor accese neautorizate sau
contra unor persoane rău intenţionate care vor ,,să spargă” aceste bariere
de protecţie.
Criptarea informaţiilor pentru mediul Web se poate face folosind
protocoale precum Secure HTTP (SHTTP), Secure Socket Layer (SSL),
Pretty Good Privacy (PGP), sisteme de criptare sofisticate şi sigure.

1
Groupware reprezintă un set integrat de instrumente software care permite lucrul în
colectivele de muncă prin comunicare, colaborare şi coordonare la momente de timp şi
locuri diferite.
2
(eng.) Firewall = ,,perete de foc” – într-o traducere lejeră.
40
 Sisteme informationale de marketing

Intreprindere Server Web

Telelucrator
Documente mobil
Web ISP
Modem

Modem
INTERNET
Reteaua locala Firewall ISP
Modem
ISP

Salariat
Magazin
Furnizor
Filiale

Figura 6.9. Arhitectura INTRANET pe arii extinse

Mecanismul de firewall este un filtru software care stă între reţeaua

publică Internet şi reţeaua Intranet, programele fiind stocate pe unul din
calculatoarele specializate din reţea de genul ,,porţilor” (router, gateway)
cu rolul de a creia o barieră de protecţie (zid de protecţie).
Poarta firewall (figura 6.10.) asigură:
filtrarea traficului de intrare şi ieşire, din reţeaua proprie a
întreprinderii, acceptând numai transferurile autorizate;
accesul utilizatorilor la reţeaua Intranet numai după o verificare
minuţioasă a cererii. Nu se admite decât cererile autorizate ale
personalului întreprinderii sau partenerilor comerciali pe bază de parole
şi numai la anumite fişiere, foldere sau numai la anumite staţii;
sarcina de aplicaţie intermediară între utilizatorii aplicaţiilor
Internet şi salariaţii întreprinderii, utilizând servere proxy;
stochează temporar paginile Web consultate recent (cache
server);
întocmeşte statistici privind traficul între reţeaua Intranet şi
reţeaua Internet.

41
Tendinţe actuale în proiectarea şi realizarea sistemelor informatice de marketing

Baze de date PC
Internet

Intreprindere Server Web

Server Web
Documente Web
Documente
Web

Modem
INTERNET
Reteaua locala Firewall ISP

Server e-mail
Salariat Server de stiri (News)

Figura 6.10. Scheme de interconectare a reţelelor Internet şi Intranet utilizare firewall

1.3.2. INTERNETUL – suport pentru accesul

la baze de date aflate la distanţă
Internetul este o reţea de întindere planetară care cuprinde o vastă
colecţie de informaţii şi resurse disponibile prin intermediul
calculatorului.
Bazele Internetului au fost puse în anii 60 când cercetătorii
începeau să experimenteze ideea de reţele de calculatoare considerate
rapide şi sigure deşi se bazau pe medii de conexiune obişnuite cum ar fi
liniile telefonice. În continuare s-a dezvoltat conceptul de reţele cu
comutare de pachete. În astfel de reţele informaţiile sunt fragmentate
într-un anumit număr de bucăţi, numite pachete. Aceste pachete includ
nu doar informaţia propriu-zisă ci şi informaţii de adresare despre
destinaţia şi ordinea dorită. Pachetele sunt apoi transmise prin reţea unde
ajung la destinaţiile dorite. Aici sunt reasamblate şi mesajul este
recepţionat de calculatorul aflat la celălalt capăt al reţelei.
În funcţie de persoanele care au acces la ea, reţeaua în care este
conectată întreprinderea poate fi de tip Intranet, Extranet sau Internet. În
primul caz la aceasta au permisiune de consultare numai persoanele din
interiorul firmei (deşi acestea pot efectua accesul de oriunde din lume).

42
 Sisteme informationale de marketing

În cel de-al doilea caz Intranetul îşi deschide porţile şi către

partenerii strategici ai întreprinderii (furnizori, clienţi, laboratoare de
cercetare).

În cel de al treilea caz cei care solicită informaţii sunt persoane

din afara întreprinderii. Acestora informaţiile le sunt oferite contra cost
(consultări punctuale sau pe bază de abonament).
Prelucrarea datelor pe Internet1 – a inaugurat o nouă etapă
pentru activităţile comerciale ale întreprinderilor care se desfăşoară şi
sunt fructificate acum mult mai rapid decât în trecut. Pentru a reuşi în
acest cadru economic nou întreprinderile şi instituţiile trebuie să
folosească soluţii informatice deosebit de puternice şi flexibile,
caracteristice de bază pentru a putea concura în acest mediu nou.
A apărut o nouă etapă în dezvoltarea sistemelor informatice la
nivel de întreprindere prin prelucrarea datelor pe Internet. Folosind
avantajele oferite de Internet prin modul simplu de utilizare precum şi
prin costul scăzut în raport cu eficienţa oferită, prelucrarea pe Internet va
asigura întreprinderilor posibilitatea de a transforma modelul actual de
prelucrare scump, centrat pe clienţi (client-centric) într-un model de lucru
centrat pe server (server-centric) cu aplicaţii flexibile accesate prin Web
care exploatează eficient puterea serverului Web.
Arhitectura centrată pe server solicită caracteristici sporite ale
serverului. Cum în această arhitectură nu mai sunt necesari clienţii
software foarte puternici iar aplicaţiile sunt mutate de pe maşina client pe
server, serverul de date trebuie să poată suporta aplicaţii din ce în ce mai
complexe.
Accesul la Internet este furnizat de aşa numiţii Internet Service
Provider (ISP) – furnizorii de servicii Internet. Aceşti furnizori au o
conexiune directă la Internet iar reţeaua lor proprie face parte din
Internet. Pentru accesul în Internet se utilizează protocoalele TCP/IP.
Acestea presupun adresele de tip IP.
Fiecare nod conectat la Internet trebuie să aibă o adresă unică
formată din 32 de biţi organizaţi în patru grupuri iar fiecare calculator
care este conectat la reţea trebuie să aibă o adresă unică.
Prin sistemul numelor de domeniu – DNS2 fiecărei adrese IP i se
atribuie un nume. Sistemul a fost implementat deoarece este mai uşor să
lucrezi cu nume decât cu numere. De exemplu pentru a accesa site-ul

1
(eng.) The Internet Computing = prelucrarea datelor pe Internet.
2
(eng.) Domain Name System (DNS) = sistemul numelor de domeniu.
43
Tendinţe actuale în proiectarea şi realizarea sistemelor informatice de marketing

http://www.infomar.com se poate folosi foarte bine direct adresa IP adică

http://192.168.1246 sau uzual prin indicarea numelui DNS infomar.ro.
Gestionarea adreselor se face de servere DNS.

Cel mai răspândit mod de conectare la Internet este prin

intermediul modemurilor si routerelor. Pentru aceasta este nevoie de
următoarea configuraţie hardware: computer (PC) multimedia, modem,
router, suport de comunicaţie (mediu wireless de comunicatii, cabluri
opice, comunicatii prin diverse cabluri, linii telefonice, legătură radio,
satelit, etc.), stivă TCP/IP (un program ce conţine protocoale de acces),
un cont şi un abonament la un ISP, softul de navigare şi de poştă
electronică.
Procesul de conectare se petrece astfel (figura 6.11.):

Utilizator ISP Furnizor WEB

 INTERNET

Figura 6.11. Conectarea la Internet

Se activează softul de acces la furnizorul de servicii Internet şi se

introduce parola de acces. Dacă aceasta este acceptată controlul este
preluat de stiva TCP/IP, un program ce va împacheta/despacheta
informaţiile trimise şi, respectiv, recepţionate din Internet. Din acest
moment, prin intermediul browserului, se poate naviga prin reţea.
Softurile ce permit accesarea on-line a unei baze de date de
marketing sunt browserele clasice de navigare prin Internet. Cele mai
utilizate sunt navigatoarele Internet Explorer, Opera, Mozila – FireFox,
Google Crome, Safari, Netscape Navigator .
Principalele caracteristici pe care trebuie să le posede un
navigator Web sunt:
suport pentru multimedia (video, audio, grafică);
suport pentru pagini HTML dinamice. ce include standardele
DHTML (Dinamic HTML) şi CSS (Cascade Style Standard);
44
 Sisteme informationale de marketing

suport pentru rularea de scripturi client (limbaje ca JavaScript

sau VBSript) ce permit realizarea de efecte şi validarea datelor înainte ca
acestea să ajungă la server (astfel se câştigă timp deoarece serverul nu
mai trebuie să verifice datele şi numai să răspundă la interogări);

includerea în appleturi Java sau controale Active X

(componente incluse în pagina Web extinzând facilităţile utilizatorilor).

Principalele motive pentru care sunt utilizate aplicaţiile Internet:

posibilitatea accesului la informaţiile conţinute în baze de date
situate oriunde în lume;
existenţa unei interfeţe globale standard;
posibilitatea de acces la toate nivelele de funcţionalitate a bazelor
de date;
nu este necesară o specializare deosebită.

Din punct de vedere al accesului la bazele de date browserele

trebuie să:
permită folosirea tehnologiei ODBC (cu extensiile OLE DB sau
ADO) pe orice fel de platformă (UNIX,WINDOWS etc);
suporte clauze SQL native şi să permită accesul la procedurile
stocate (astfel, interogările se transferă asupra sistemului de gestionare a
bazei de date beneficiindu-se de toate facilităţile native ale acestuia);
permită realizarea de conexiuni multiple cu baza de date (pe o
conexiune s-ar putea face o actualizare de durată în timp ce pe alta s-ar
putea consulta anumite date);
permită limitarea numărului de înregistrări întoarse de apelul
adresat bazei de date, să permită utilizarea a diferite tipuri de cursoare
(tabele cu înregistrări temporare).
Ambele navigatoare prezentate furnizează într-o măsură mai mică
sau mai mare toate aceste facilităţi.
Modul de navigare şi interfeţele standard şi uşor de folosit
reprezintă motivul principal pentu care Internetul este modalitatea cea
mai utilizată de acces la bazele de date.
Aplicaţiile Web trebuie să fie capabile să acceseze simplu şi
eficient diverse surse de date. Prin intermediul tehnologiilor Active X
Data Object, şi ODBC prezentate mai jos softul pentru serverul Web –
Internet Information Server (IIS) furnizează interfeţe de acces simple
şi puternice penrtu informaţiile conţinute în sistemele de baze de date
relaţionale sau nonrelaţionale aflate pe diferite platforme.
45
Tendinţe actuale în proiectarea şi realizarea sistemelor informatice de marketing

Tehnologia Active X Data Object (ADO) furnizează cel mai uşor,

rapid şi productiv mijloc de accesare a tuturor tipurilor de surse de date.
Ea este destinată dezvoltărilor la nivel de întreprindere şi este un sistem
de acces la bazele de date independent de limbaj şi platformă.

ADO este capabilă să acceseze surse de date de diferite provenienţe

cum ar fi: baze de date relaţionale, sisteme de fişiere, foi electronice de
calcul şi indecşi full-text. Prin intermediul acestei tehnologii se pot
dezvolta aplicaţii scalabile care pot fi integrate în sistemul tranzacţional
al companiei;
Tehnologia Remote Data Service (RDS) este o tehnologie care
merge mai departe faţă de instrumentele actuale de accesare a bazelor de
date prin Web dând posibilitatea utilizatorilor să actualizeze datele pe
care le văd;
Tehnologia Open Database Conectivity (ODBC) furnizează un
set standard de interfeţe industriale pentru comunicarea cu peste 55 de
surse de date. Utilizând această tehnologie, aplicaţiile se pot scrie fără să
fie nevoie de a le calibra în funcţie de un anumit tip de baze de date.
ODBC oferă flexibilitatea creării unor puternice aplicaţii de gestionare a
bazelor de date şi dă posibilitatea companiilor să folosească servere
performante ce permit implementarea unor sisteme de database
marketing (sisteme dezvoltate pe ORACLE, SQL Server, Informix etc.).
O nouă treaptă în perfecţionarea acestei tehnologii este reprezentată de
standardul OLE DB (Object Linking and Embeding Database). Acest
standard oferă posibilitatea comunicării directe între aplicaţie şi furnizorii
de sisteme de gestiune a bazelor de date fără a mai fi nevoie de punţi de
legătură intermediare. Astfel, viteza şi eficienţa interogărilor efectuate de
utilizatori creşte indiferent care este tipul de bază de date accesată.
În figura 6.12. se prezină sistemul de acces la distanţă la bazele de
date prin Internet utilizând modelul bazat pe Internet Database Connector
(IDC).
Modelul este de fapt o tehnologie bazată pe standardul ODBC şi
care este pus la dispoziţie de serverul IIS produs de Microsoft.
Dintr-un browser Web se accesează pagina Web aflată pe serverul
de tip HTTP (Hypertext Transfer Protocol). Pagina poate fi creată cu
orice editor HTML (Java, Microsoft FrontPage , AOL etc.). Aceasta va
conţine câmpuri ce vor fi completate cu informaţia necesară pentru a
interoga baza de date aflată pe server. Formularul ce conţine câmpurile
respective va accesa un fişier de tip IDC care se află pe server.

46
 Sisteme informationale de marketing

Fişierul de tip IDC este recunoscut de serverul Web ca fiind un

fişier executabil şi este oferit spre procesare unui modul specific.

Middle Tier
Languages

OLE DB

ADO
Tools

ADO

OLE DB Languages OLE DB RDBMS

Components Tools Components Components ISAM
Windows Windows NT UNIX

Client/Server
OLE DB
Components HDBMS

Open VMS
Internet/Intranet
Internet Server
OLE DB
ADO

Internet IIS OLE DB RDBMS

Browser Components Components VSAM
ASP
ISAM
Windows NT Mainframe
Figura 6.12. Sistemul de acces la distanţă la bazele de date utilizând IDC

Fişierul IDC trebuie să specifice numai sursa de tip ODBC. Aici

apare avantajul tehnologiei ODBC, prezentate mai sus. Indiferent că baza
de date este construită în Access, Foxpro, ORACLE sau SQLServer este
suficient să specificăm doar numele sub care aceasta poate fi accesată de
driverul ODBC.
După ce se specifică sursa care va fi interogată, pe baza datelor
cuprinse în formularul transmis de utilizator se construiesc apelurile SQL
(limbajul generic în care se fac interogările în standardul ODBC).
Rezultatele obţinute trebuiesc transmise clientului astfel încât, în fişierul
IDC, va trebui specificat un alt fişier şablon care să preia aceste rezultate
şi să le transfere. Acest fişier este un fişier de tip HTX. El va conţine
toate elementele specifice unei opţiuni HTML, dar va conţine şi anumite
instrucţiuni, destinate prezentării rezultatelor căutărilor prin paginile
Web.
În concluzie putem afirma că astăzi orice întreprindere sau
persoană fizică se poate cupla la Internet dispunând de un calculator
personal, un modem, o linie de comunicaţie şi un soft specializat.
Dintre aplicaţiile pe Internet poşta electronică şi-a pierdut din
atractivitate lăsând locul unui nou serviciu accesibil prin Internet: World

47
 Tendinţe actuale în proiectarea şi realizarea sistemelor informatice de marketing

Wide Web sau pe scurt Web. Acest serviciu a cunoscut o adevărată

explozie după 1995 şi oferă utilizatorilor informaţii de mare actualitate în
orice domeniu. Practic, Internetul este deseori confundată cu serviciile
Web, care după 1995 au cunoscut o creştere anuală exponential.
Există numeroase motive pentru ca o firmă să fie interesată să-şi
creeze o pagină de Web. Ele pot fi sintetizate astfel1:
 Pentru a-şi face cunoscută existenţa – În prezent peste 240 de
milioane de persoane au acces la Internet. Indiferent de domeniul în care
activează o firmă, acestea nu pot să nu ţină seama de o piaţă potenţială de
asemenea proporţii. Pentru a veni în întâmpinarea cererii potenţiale a
acestor consumatori, firma trebuie să fie prezentă pe Internet;
 Pentru a stabili contacte – Multe conectări nu înseamnă altceva
decât încercări de a stabili contacte de afaceri. Internetul oferă unei firme
posibilitatea de a pune la dispoziţia celor interesaţi cartea ei de vizită, şi
aceasta 24 de ore din 24;
 Pentru a oferi informaţii despre activitatea firmei şi a
produselor pe care le comercializează – O firmă care-şi creează o

pagină pe Internet trebuie să precizeze domeniul său de activitate, adresa

firmei, telefonul, faxul, programul de lucru, produsele pe care le
comercializează, metodele de plată etc. Desigur, toate aceste informaţii
pot fi oferite celor interesaţi şi prin intermediul altor mijloace de
comunicaţie, însă există o mulţime de informaţii – dobânda practicată,
produsele disponibile, preţul produselor – care trebuie actualizate
periodic;
 Pentru servirea clienţilor – Oferirea de informaţii clienţilor
legate despre firmă, despre produsele comercializate este una din cele
mai importante moduri de a fi în slujba clientului. Tehnologia oferită de
Internet facilitează acest lucru. Mai mult, firmele prezente pe Internet pot
acorda facilităţi legate de creditare, posibilitatea de căutare a unui produs
în baza de date a firmei, etc;
 Pentru creşterea notorietăţii – În general apariţia unei noi
pagini Web stârneşte curiozitatea, ceea ce-i face pe consumatori să
viziteze site-ul respectiv, devenind astfel clienţi potenţiali ai firmei
respective;
 Pentru publicarea diferitelor anunţuri şi informaţii în timp
real – Există situaţii în care anumite informaţii trebuie să fie puse la
dispoziţia clienţilor în timp real. De exemplu, numele câştigătorilor unui

1
www.stormy.net101.com
48
 Sisteme informationale de marketing

concurs, informaţii de ultimă oră asupra diferitelor evenimente

economice, politice sau culturale, reducerile de preţ şi perioada pe care se
acordă acestea, apariţia unui nou produs în gama sortimentală a unei
firme etc. De asemenea, prin inserarea unui text care să anunţe apariţia
unei noutăţi, cu menţiunea subiectului, va atrage atenţia celor interesaţi,
determinându-i să acceseze pagina Web. Gradul ridicat de noutate al
informaţiilor le conferă o valoare sporită pentru consumatori;
 Pentru vinderea produselor – Multă lume consideră că firmele
care au pagini pe Internet au drept principal scop comerţul electronic.
Statisticile arată că în ciuda opiniei generale, activitatea comercială a
firmelor este depăşită de activităţi precum: publicitatea, asistenţa tehnică,
consultanţă. Internetul este o unealtă foarte bună care permite
comunicarea cu clienţii şi care poate uşura comercializarea mărfurilor;
 Pentru a prezenta produsele prin imagini, sunete şi filme – De
multe ori prezenţa unor singure imagini, a unor sunete sau a unor filme
scurte care să prezinte un produs este mai convingătoare decât o mie de
cuvinte, putând influenţa publicul în decizia de a cumpăra un produs;
 Pentru creşterea cotei de piaţă – Dezvoltarea spectaculoasă a
Internetului în ultimii ani au făcut ca acesta să aibă cea mai mare piaţă

potenţială. Datorită faptului că majoritatea utilizatorilor Internetului au

un nivel ridicat de instruire şi au sau vor avea venituri ridicate, o mare
parte din clienţii potenţiali din prezent vor deveni mai devreme sau mai
târziu clienţi efectivi;
 Pentru a răspunde întrebărilor clienţilor multe firme,
analizând frecvenţa cu care se repetă o întrebare, vor publica răspunsurile
la aceste întrebări, asigurând o economie substanţială de timp, într-o
rubrică intitulată sugestiv FAQ-Răspunsurile la cele mai frecvente
întrebări;
 Pentru a menţine legătura cu forţele de vânzare – De multe ori
agenţii firmei aflaţi pe teren pot avea nevoie de informaţii de ultimă oră
pentru a putea finaliza o afacere. Pentru dezvoltarea acestei probleme
firma poate recurge la publicarea informaţiilor pe Internet, în deplină
siguranţă, accesarea paginii respective făcându-se prin introducerea unei
parole. Astfel transferul de informaţii de la firmă la agent se face în
siguranţă, rapid şi la un cost scăzut;
 Pentru a pătrunde pe piaţa internaţională – prin intermediul
Internetului, firmele care doresc o pot face acum cu uşurinţă;

49
Tendinţe actuale în proiectarea şi realizarea sistemelor informatice de marketing

 Pentru asigurarea continuităţii şi performanţei afacerilor –

Afacerile au un caracter internaţional, iar diferenţele de fus orar
reprezintă o barieră în calea desfăşurării normale a acestora. Prin Internet
această barieră este înlăturată, paginile web fiind la dispoziţia clienţilor, a
partenerilor de afaceri şi a asociaţilor, 24 de ore din 24, în fiecare zi a
săptămânii. În pagina web firma poate include informaţii astfel încât ele
să corespundă cerinţelor celor vizaţi şi poate contribui la obţinerea unor
informaţii care pot deveni un avantaj concurenţial;
 Pentru a putea modifica rapid informaţiile despre firmă sau
produsele acesteia ori de câte ori este nevoie – Există situaţii când
unele informaţii care au fost tipărite se modifică înaintea apariţiei lor în
presă, cataloage, broşuri, ceea ce duce la inutilitatea acestora, cheltuirea
unor sume de bani mari şi uneori la ratarea unor oportunităţi. Nu acelaşi
lucru se întâmplă cu o publicaţie electronică. Aceasta poate fi actualizată
ori de câte ori este nevoie, chiar de câteva ori pe zi;
 Pentru a primi feedback de la clienţi – Pe pagina Web se indică
o adresă de e-mail, la dispoziţia clienţilor, prin intermediul căreia aceştia
să-şi poată exprima părerea despre calitatea şi fiabilitatea produselor,
despre nivelul de satisfacţie sau alte aspecte legate de firmă şi produsele
sale. Comentariile clienţilor sunt înregistrate şi clasificate instantaneu, iar
prin analiza lor se ajunge la eficientizarea activităţii comerciale a firmei.

1.4. Groupware – platforma software destinată

grupurilor de lucru
Pe plan mondial se constată o creştere a importanţei colectivelor
(grupurilor) de lucru în structura unei întreprinderi. În cele mai multe
firme grupurile constituite în scopul luării deciziilor, deţin un rol
important în managementul organizaţional.
Referitor la existenţa şi activitatea acestor grupuri s-a constatat că
structurile unei conduceri devin mai flexibile dacă membrii grupurilor de
lucru au capacitatea de a lucra şi schimba informaţii împreună iar
managerii nu îşi pierd aproximativ 25%-50% din timpul lor de lucru în
întâlniri. Întâlnirile reprezintă deci o parte substanţială a timpului
managerului şi, din această cauză, devine foarte importantă exploatarea
metodelor de luare eficientă a deciziilor. Astfel, un bun canal de
comunicaţie între manager şi membrii grupurilor, poate creşte

50
 Sisteme informationale de marketing

productivitatea managerului, şi de ce nu satisfacţiile profesionale ale

membrilor grupurilor.
De asemeni, dezvoltarea propriilor afaceri ale unei întreprinderi sau
extinderea prin achiziţionarea de noi firme conduce la o dispersie a
grupurilor de lucru. Organizarea unor întruniri de tip clasic (acelaşi timp,
acelaşi loc) devine foarte costisitoare din toate punctele de vedere (timp,
resurse financiare, etc.).
O soluţie pentru dezvoltarea acestor probleme, pentru integrarea
tuturor cerinţelor de lucru ale membrilor unui grup sau ale
întreprinderilor o oferă aplicaţiile de tip groupware. Se estimează că
aplicaţiile de tip groupware vor reprezenta în scurt timp unele dintre cele
mai răspândite tipuri de programe pe Internet.
Ca urmare a facilităţilor pe care le oferă, groupware-ul reprezintă
cea mai bună alternativă pentru creşterea productivităţii unei activităţi
sau mai buna administrare a informaţiilor într-o întreprindere.
Conceptul de groupware presupune explorarea în grup a
documentelor de lucru şi de fundamentare a deciziilor prin inventarierea
tuturor alternativelor posibile în cadrul colectivelor de lucru.
În prezent, cel mai performant produs soft groupware este
considerat a fi Notes 4.0, elaborat de firma Lotus. Notes 4.0 oferă
utilizatorilor platforma necesară pentru a construi adevărate aplicaţii de
colaborare a indivizilor la nivel de întreprindere şi mai puţin între
întreprinderi.

Este în acelaşi timp instrument de exploatare a cunoştinţelor la

nivelul întreprinderii, mediu de dezvoltare a aplicaţiilor cooperante şi
sistem de transmisie şi organizare a informaţiilor. Printre facilităţile
oferite de Notes 4.0 se înscrie integrarea şi exploatarea sa pe Internet.
Prin urmare Notes 4.0 permite accesul la informaţii din Internet şi
poate fi folosit ca un instrument de dezvoltare şi publicare a informaţiilor
pe Internet.
Notes 4.0 conţine vreo 25 de aplicaţii şi oferă managerului
posibilitatea de a crea şi consulta documente dintre cele mai diverse din
activitatea lui. Conţine o serie de şabloane (templates) de genul:
Customer Tracking, Workgroup Disscution, Document Library,
Contract Library, Service Request Tracking, Status Reports,
Correspondence, Name & Address Book ş.a.m.d., pentru alcătuirea de
agende, calendare de activităţi şi întâlniri, e-mail, texte ordinare, rapoarte
etc. Suportul fizic este asigurat de mai multe servere Windows, iar baza
de date este distribuită şi conţine astfel de documente. Server-ul Lotus se

51
Tendinţe actuale în proiectarea şi realizarea sistemelor informatice de marketing

numeşte Domino. Aplicaţia Domino.Connect este un set complet de

unelte (tools), care permite integrarea server-ului Domino cu un spectru
larg de baze de date. Datorită includerii în ,,kitul” de instalare a unei largi
palete de drivere de acces la diferite structuri de date, cum ar fi:
tehnologia ODBC – Open Data Base Connectivity se pot integra în
pachet şi funcţii de consultare a unor baze de date ce utilizează SGBD-uri
FoxPro, Paradox, DB2/IBM, SQL/DS, SQL/400, Access, Btrieve,
Informix, Oracle, PowerBuilder, SQL/Windows, OpenInsight. Permite,
de asemenea, clienţilor Notes şi browser-elor de Web accesul la datele şi
aplicaţiile întreprinderii, cum ar fi: sisteme de aplicaţii pentru planificare,
sistemele de procesare a tranzacţiilor etc.
Notes 4.0 are în configuraţie următoarele componente principale:
 Lotus Mail client care oferă utilizatorului din Intranet funcţiile de
bază e-mail;
 CCMail un sistem complet de e-mail pentru firme mici şi
mijlocii, o versiune îmbunătăţită pentru browser-ele Web;
 Lotus Mail-Java Edition cu posibilităţi de interpretare applet-uri
Java;
 Lotus Notes Desktop meniu integrat cu posibilităţi de lucru în
grup şi acces la Internet; asigură suport software chiar pentru utilizatorii
mobili;
 Lotus Notes Mail client pentru comunicare, administrare a
sarcinilor, discuţii, etc.

Mediul groupware este destinat creării, gestionării şi

conducerii eficiente a resurselor unei întreprinderi. Groupware-ul
reprezintă un set integrat de instrumente, care permite indivizilor să
lucreze împreună prin comunicare, colaborare şi coordonare la
momente de timp şi locuri diferite.
Groupware-ul îşi are rădăcinile în trei mari domenii distincte, dar
foarte apropiate cerinţelor grupurilor de lucru: mesagerie electronică,
managementul informaţiilor, automatizarea proceselor sau fluxului
de lucru.
 Comunicarea
Într-un colectiv, membrii acesteia comunică unii cu alţii în toate
modurile posibile:întâlniri de lucru şi demonstraţii, note interne, telefon,
întâlniri formale. Rolul sistemelor de comunicare este de a transmite în
mod pasiv informaţia.

52
 Sisteme informationale de marketing

Comunicarea se realizează prin utilizarea mesageriei electronice ce

reprezintă un transfer electronic de mesaje între oameni, între oameni şi
aplicaţie şi între aplicaţii.
Sistemul de transport al mesageriei electronice permite conectarea
asincronă în sensul că emitatorul şi receptorul nu trebuie să fie
sincronizaţi în acelaşi timp.
Mesageria electronică este considerată o adevărată revoluţie a
comunicării one-to-many (unul cu mai mulţi) şi many-to-many (mulţi cu
mai mulţi), crescând exponenţial volumul informaţiilor transmise prin
poşta electronică. Ca urmare a uşurinţei în utilizare, a avut loc o explozie
a traficului între utilizatori, astfel încât timpul acestora a început să fie
consumat pentru citirea şi parcurgerea zilnică a mesajelor venite în
avalanşă, care poate avea un impact negativ asupra productivităţii
individuale, o pierdere a anumitor informaţii esenţiale şi implicit o
reducere a capacităţii de răspuns la mesajele primite.
Inexistenţa unui mecanism de urmărire şi management al
mesajelor la dispoziţia membrilor grupului face imposibilă identificarea
corespondenţei dintre răspunsuri şi mesaje, conduce în cazul
comunicaţiei many-to-many la pierderea controlului asupra informaţiei
însăşi.
 Colaborarea
Ca şi în domeniul comunicaţiilor, una dintre cele mai importante
contribuţii ale tehnologiei în domeniul colaborării o constituie eliminarea

constrângerilor de timp şi spaţiu, care minimizează întâlnirile de lucru

directe, necesare schimbului de informaţii şi idei.
În ceea ce priveşte colaborarea asincronă (timpi diferiţi, locuri
diferite) un rol important îl joacă bazele de date partajate. Baza de date
partajată facilitează colaborarea prin furnizarea unui spaţiu virtual
comun, cu o interfaţă centrată pe grup, permiţând participanţilor să-şi
împartă informaţii şi idei. Baza de date partajată, spre deosebire de
sistemul de mesagerie electronică, nu este numai gazda unui set întreg de
mesaje, dar ea poate stoca discuţii, documente, argumente – în general
cunoştinţe – accesibile după diverse criterii (data, autor, tip document,
subiect), în funcţie de necesităţile în permanentă schimbare ale
utilizatorilor. Baza de date partajată furnizează platforma necesară
dezvoltării unei game largi de aplicaţii care permit colaborarea în cadrul
grupului. În rândul acestor aplicaţii se înscriu:

53
Tendinţe actuale în proiectarea şi realizarea sistemelor informatice de marketing

Sistemele de videoconferinţe electronice

Acestea asigură participanţilor colaborarea asincronă prin
facilitarea unor operaţii de introducere, organizare şi navigare a
informaţiilor ,,depozitate” într-un spaţiu electronic comun. Spre
deosebire de sistemul de mesagerie electronică ce oferă căsuţe poştale
individuale, tehnologia bazelor de date partajate permite plasarea
mesajelor în baze de date partajate, toţi participanţii având posibilitatea
de a vizualiza şi de a răspunde noilor mesaje. Moderatorul poate
interveni şi introduce noi subiecte de discuţie, poate trece de la un grup la
altul, analizând diverse stadii ale acestora;
Sisteme pentru conducerea acţiunilor comune
Dacă în anumite faze ale procesului decizional (faza de generare şi
descriere a ideilor) membrii grupului se simt mult mai confortabil prin
introducerea acestora asincron, uneori preferând anonimatul, la generarea
alternativelor, precum şi în faza de alegere a soluţiei (luarea deciziei),
grupul preferă să lucreze împreună pentru a studia reacţiile fiecăruia, a
percepe vizual nivelul de angajament al fiecăruia.
Permitând deplasarea de la lucrul în grup la cel individual şi invers,
sistemele groupware oferă o mare flexibilitate grupului de lucru.
Asistarea activităţii grupului de lucru în anumite
domenii
Un grup de lucru poate fi format pentru redactarea comună a unui
document final, pornindu-se de la o schiţă de document (proiect) la care
membrii grupului au acces în mod distribuit. Pentru a face cunoscute unii
altora modificările aduse asupra proiectului, schiţa documentului poate fi

memorată într-un format de baze de date, ca o colecţie de paragrafe,

capitole şi secţiuni. Acestea pot fi vizualizate: liniar, în mod rezumat, în
mod revizuire, în mod versiune.
De asemenea, fiecare paragraf poate servi ca subiect pentru o
discuţie, iar conversaţiile pot fi structurate în jurul poziţiilor
controversate;
Sistemele de documentare şi publicitate electronică
Asigură o emisie de informaţii one-to-many, în sensul că
informaţia este publicată electronic de producător (one) şi oferită
cititorilor (many) fără a putea fi modificată.
Să presupunem o echipă care utilizează o bază de date necesară
înregistrării discuţiilor referitoare la stabilirea strategiei de lansare a unui
nou produs. Rezultatul final al discuţiilor reprezentând un document
strategic, este memorat sub formă de document şi devine disponibil
54
 Sisteme informationale de marketing

tuturor cititorilor interesaţi, interni sau externi întreprinderii. Analizând

documentul, aceştia sunt invitaţi să ofere propriile lor răspunsuri,
recomandări, predicţii, etc.
Pentru a permite notificarea acestor răspunsuri, compania va
include o legătură între documentul strategic memorat şi o bază de date,
în care toţi experţii să-şi depună propriile răspunsuri. Ei pot face referiri,
în răspunsurile lor, la alte documente înmagazinate în alte sisteme de
documente;
 Coordonarea
În comunicare, oamenii îşi trimiteau fără nici un fel de reguli, unii
altora, mesaje, iar în cazul colaborării, aceştia le utilizau când aveau
nevoie. Deci, activităţile de până acum se produceau la apariţia unor
necesităţi. Totuşi, multe dintre activităţile unei întreprinderi sunt
structurate, implică mulţi oameni, iar o coordonare a acţiunilor lor este
necesară pentru realizarea obiectivelor definite. Dacă, colaborarea este o
componentă groupware pasivă (creează un spaţiu de lucru comun, dar
nu dictează cum să fie utilizat acel spaţiu), coordonarea este o
componentă activă. Când se doreşte trecerea de la colaborare la
coordonare pentru o problema specifică, se va implementa un sistem de
automatizare a fluxurilor de lucru, în cadrul căruia vor fi definite formele
(structura şi formatul documentelor), operaţiile pe aceste forme şi rutele
lor, modalităţile de accesare şi modificare a formelor, acţiunile care se
produc în anumite condiţii.

Mesageria electronică şi tehnologia bazelor de date partajate au

generat în cadrul sistemelor de automatizare a fluxurilor de lucru diferite
modele:
modelul SEND, bazat pe mesageria electronică. Acest model
oferă rutarea unui document de la o persoană la alta, de la un nivel de
decizie la altul, urmărind ca asupra documentului să se întreprindă o
acţiune (aprobare, analiză, comentarii).
Un exemplu în acest sens îl constituie finalizarea unui contract al
unei firme aflată în plin proces de negociere cu o altă firmă. Pentru a fi
semnat, contractul trebuie să fie aprobat intern de mai multe persoane.
Un model SEND va ruta contractul de la o persoană la alta, în vederea
aprobării, refuzării sau amendării;
modelul SHARE are ca suport tehnologia bazelor de date
partajate. Un membru al grupului compune un document şi îl depune în
baza de date. Documentul este preluat de alţi membri, responsabili cu

55
Tendinţe actuale în proiectarea şi realizarea sistemelor informatice de marketing

rezolvarea solicitării, completându-l conform unor reguli (atribuţii)

stabilite sau creând alte documente.
Iniţiatorul documentului urmăreşte pasiv prin verificarea periodică
a bazei de date partajate sau activ prin recepţionarea de la referenţi a unor
mesaje de poştă electronică ce include o legătură la documentul care face
obiectul acţiunii. Modelul permite urmărirea stării documentelor şi a
operaţiilor care se efectuează asupra lui.

56
 Sisteme de asistarea deciziilor bazate pe depozite de date şi analiză
multidimensionlă

Depozitele de date – Data Warehouse

Sistemele informatice operaţionale de marketing utilizează baze de date relaţionale şi

distribuite care înmagazinează date din activitatea zilnică privind aprovizionările, comenzile,
vânzările, încasările, plăţile şi activităţi specifice de marketing, precum şi informaţiile culese prin
interogarea unor baze de date publice din reţele locale, metropolitane sau de pe Internet.
În bazele de date de marketing, se regăsesc practic informaţii care privesc practic toată
activitatea întreprinderilor, indiferent e domeniu. Aceste baze de date sunt organizate şi stochează
datele pentru o perioadă de timp determinată (pe luni sau pe ani), factorul timp fiind un element
esenţial în identificarea colecţiei de date care interesează la un moment dat pentru extragerea de
informaţii.

Baza de date a sistemului informatic

Bazele de date relaţionale sunt nucleul în jurul căruia se dezvoltă indiferent de tipologia lor.
Sistemele de gestiune a bazelor de date relaţionale ele mai folosite la ora actuală sunt MS Access,
Visual FoxPro, Oracle şi sistemele SQL Server, respectiv MySQL. pe sistemul de operare Linux..
Tabelul este conceptul fundamental care stă la temelia construcţiei unei baze de date
relaţionale. Tabelul reprezintă în planul datelor descrierea informaţiilor asociate unei entităţi din
lumea reală. Astfel într-o bază de date de marketing vom opera cu tabelele: Mărfuri, Clienţi,
Vânzări, Magazine, etc.
Structura logică a unui tabel cumulează suma atributelor ce caracterizează informaţional
entitatea asociată tabelului. Fiecare atribut este identificat printr-un nume si un set de proprietăţi
descriptive. Sistemele de gestiune a bazelor de date permit prin interfaţa limbajului LDA –
Limbajul de Descriere a Datelor, introducerea şi a unor elemente de verificare logică care devin
operaţionale automat la momentul populării tabelelor cu date reale. Tot la acest moment se
selectează atributele (câmpurile) cheie primară – primary key, stabilite pentru fiecare tabel, vezi
figura 1.
SGBDR asigură reprezentarea legăturilor care există firesc între tabelele bazei de date. În
baza acestor legături – relationships, înregistrările din două tabele corelate se pot asocia, grupa,
pentru a permite o informare mai relevantă şi pentru a se putea obţine calcule mai cuprinzătoare
necesare procesului decizional, vezi figura 2.
Pentru a lega două tabele, deci pentru a defini o relaţie între ele, trebuie să amplasăm de la
bun început, câmpuri comune în cele două tabele. Aceste câmpuri comune asigură corespondenţa
dintre înregistrările celor două tabele. Această corespondenţă poate fi de tipul:
- unu la unu, 1:1;
- unu la mulţi, 1:M, relaţie ierarhic-arborescentă de tip tabel părinte-tabel fiu;
- mulţi la unu, M:1;

Figura 1: Structura logică a tabelului Clienţi în MS Access

Figura 2: Relaţiile dintre tabelele bazei de date

2
 O chei primară are valori unice în vreme ce cheile externe admit valori multiple.
- mulţi la mulţi, M:M, care se descompune în două relaţii 1:M prin intermediul
unui tabel de legătură.
Câmpurile comune sunt câmpuri cheie, în tabelul părinte va fi cheia primară iar
corespondenta din tabela fiu va fi cheia externă.
Legăturile dintre tabele, de tip relationship, asigură prin forţarea restricţiei de integritate
referenţială, consistenţa bazei de date. Această restricţie previne:
- introducerea într-o tabelă fiu a unei înregistrări a cărui cheie externă nu- i
corespunde o valoare din domeniul de valori al cheii primare din tabela părinte,
- ştergerea unei înregistrări dintr-o tabelă părinte dacă mai sunt încă înregistrări
active în tabela fiu.
Bazele de date relaţionale oferă soluţii de calcul şi centralizare pentru sinteza datelor
utilizând interogările de tip Query, rapoartele – Reports care apelează la funcţiile statistice
intrinseci ale limbajului SQL – Sum, Min, Max, Avg, Count. Astfel se obţin rapoarte cu unu sau
mai multe grade de totaluri, se mai numesc subtotaluri centralizate după diverse caracteristici de
grupare (Group by). Caracteristicile de grupare pot fi caracteristici calendaristice – lună, trimestru,
an, sau spaţiale (geografice – zonă, ţară, judeţ, sau atributive, cele mai multe, categorie produs,
produs, culoare, mărime, model.
Până la un anumit volum de date prelucrat şi pănă la un anumit timp de răspuns solicitat,
sistemele de gestiune a bazelor de date relaţional în variantă clasică, s-au dovedit eficiente. Dar
realitatea de astăzi, şi mai ales în marketing impune prelucrarea unui volum foarte mari de date cu
o dinamică a schimbărilor deosebit de rapidă, mai ales dacă luăm în calcul şi tranzacţiile on- line
din spaţiul www. Şi timpul de răspuns se doreşte a fi cât mai mic. Soluţia care s-a impus în prezent
în lumea informaticii o reprezintă stocarea datelor în depozite de date – Data Warehouse şi analiza
multidimensională a datelor cu tehnologii de tip OLAP – On-Line Analytical Proccess.

Conceptul de Data Warehouse

Înainte de a oferi o definiţie se impune a preciza că depozitul de date este într-un fel
complementul sistemului informatic operaţional, compuse din cunoscutele subsisteme de
contabilitate, comercial, marketing, resurse umane.
Depozitul de date este şi el la rândul său constituit tot din tabele asemenea bazelor de date
relaţionale. În aceste tabele se stochează indicatori sintetici, totaluri, frecvenţe, obţinute din
arhivele şi bazele de date ale subsistemelor informatice menţionate, care susţin activitatea curentă a
întreprinderii.
Depozitul de date în sistemele informatice inteligente este o colecţie de date tematică,
integrată, actualizată la intervale regulate, plasată într-un context temporal, disponibilă
permanent pentru interogări dinamice, în vederea asistării proceselor decizionale.
Depozitul de date se construieşte alături de bazele de date ale sistemului informatic
tranzacţional. Datele din depozitul de date provin în principal din datele capturate din sistemul
informatic operaţional de marketing, din bazele de date de tip arhivă/istoric precum şi din bazele de

3
date publice cum ar fi: baze de date demografice, statistice, de prognoză economică, furnizate de
instituţiile de sondare a pieţei sau instituţii de cercetări de marketing. Datele pot fi publice, gratuite,
sau cumpărate sau preluate pe bază de abonament.
Odată construit, depozitul de date este alimentat, deci actualizat, periodic cu datele sintetice
rezultate din prelucrările efectuate asupra datelor perioadei curente. După elaborarea situaţilor
centralizatoare totalurile sintetice se introduc în depozitul de date. În ultima vreme, în sistemele
mari se poate face această operaţie de „refresh” a depozitului de date şi zilnic, dacă platforma
hardware este puternică şi sistemul software este performant.
Datele se mai pot stoca selectiv , pe anumite domenii şi activităţi, în magazii de date Data
Marts, adiacente depozitului de date. Această separare fizică urmăreşte creşterea performanţelor
exploatării datelor de către managerii unor compartimente funcţionale mai importante pentru firmă.
Pentru a simplifica înţelegerea modului de construcţie şi apoi de utilizare a unui
DataWarehouse vom ilustra pe scurt modul în care datele dintr-o bază de date relaţională, de
exemplu Access, migrează în tabelele depozitului de date, utilizând limbajul SQL.

CLIENŢI PRODUSE
Cod_cl Cod_porod
Den_cl Den_prod
CUI Categorie
Adr_cl FACTURA Pret_catalog
Nr_factura
Data_factura
Cod_prod TABELE BDR
Cod_cl
Cantitate

DATAWAREHOUSE

Dimensiunea_Client Dimensiunea_Produse
Cod_cl Cod_prod
Den_cl Den_prod
Anul Anul
Luna Luna
NR_TRANZACTII CANTITATE_TOTALA
VALOARE_MEDIE VALOARE_TOTALA

Figura 3: Migrarea datelor din tabele BDR în depozitul de date

4
 Din baza de date a sistemului tranzacţional utilizăm tabelele clasice Clienti, Produse, facturi
şi prin centralizarea vânzărilor
- pe client;
- pe produs;
obţinem datele de sinteză, totalurile, de exemplu:
- numărul total de tranzacţii de vânzare – cumpărare realizate de un client pe un
fiecare an, pe fiecare lună, şi chiar pe fiecare pe zi, pentru a urmări frecvenţa
actului de cumpărare;
- valoarea totală a cumpărărilor realizate de client pe aceleaşi caracteristici de
grupare din dimensiunea timp, sau altă dimensiune;
- cantitatea şi valoarea totală a vânzărilor dintr-un produs pe aceleaşi caracteristici
de grupare aparţinând dimensiunii timp, an, lună, decadă, zi.
Deci, în depozitul de date vor fi transferate totalurile, subtotalurile, frecvenţele, alţi indicatori
statistici pe diverse caracteristici de grupare şi nivele de agregare. Sistemele software complexe
cum sunt SQL Server, Oracle pun la dispoziţia programatorilor serviciul de transformare a datelor
– DTS care include pe lângă componentele de migrare şi transformare a datelor şi componente
pentru validarea şi curăţirea datelor, acţiuni necesare asigurării consistenţei şi acurateţii datelor.

Arhitectura depozitelor de date

Arhitectura depozitelor de date depinde de performanţele şi restricţiile sistemului software

de dezvoltare a depozitului de date şi depinde de situaţia specifică a fiecărei organizaţii.
Arhitectura de bază a sistemului Data Warehouse pune în evidenţă sursele de date,
mecanismul de stocare şi modul de accesare a depozitului de către utilizatori.
Figura următoare prezintă arhitectura de bază a unui depozit de date în care datele sunt
încărcate din una sau mai multe surse, iar utilizatorii accesează în mod direct depozitul.

4
Figura 4: Arhitectura simplă a unui depozit de date

4
după Ion Lungu, Adela Bara, Sisteme informatice executive, note de curs, ASE, Bucureşti, 2005

5
 Pentru depozitele care folosesc sisteme Data Marts, completate cu sisteme Data Minning
pentru de extragerea de informaţii noi, cunoştinţe, din depozitul de date, arhitectura acestuia
devine o arhitectură complexă. Sistemele Data Warehouse cu arhitectură complexă folosesc şi un
sistem de purificare şi integrare a datelor precum şi multiple sisteme data mart proiectate pentru
compartimente ale întreprinderii. Structura unui sistem Data Warehouse cu arhitectură complexă
este redată în figura următoare:

Figura 5: Depozit de date cu arhitectură complexă

Analizând procesul proiectării arhitecturii de detaliu a depozitului de date trebuie să

definim structura logică şi fizică a bazei de date, configurarea serverului depozitului şi alegerea
sistemului de gestiune pentru depozitul de date.
Se întâlnesc trei modalităţi de abordare a arhitecturi unui depozit de date:
a) abordarea centralizată care contribuie la maximizarea puterii de calcul şi presupune
stocarea datelor, care provin din surse interne şi externe, într-un depozit integrat, şi se
regăseşte în schema arhitecturii simple a Data WareHouse,
b) abordarea federativă ce implică stocarea informaţiilor în baza de date distribuite după
funcţiuni (cele financiare, într-un nod al reţelei, cele de marketing în alt nod, cele de
fabricaţie într-un al treilea nod);
c) abordarea stratificată ce presupune păstrarea datelor foarte sumarizate pe staţia de
lucru, datele mai puţin sumarizate pe un al doilea server iar datele de detaliu pe un al
treilea . Staţia de la primul nivel manevrează datele cele mai cerute, cu tot mai puţine
cereri de detaliere către nivelele inferioare.
Ţinând cont de aceste modalităţi de, se consideră, aşa cum precizează autorilor citaţi, Lungu I şi
Bara, că un depozit de date prezintă trei nivele de realizare, care sunt descrise de cei doi autori
astfel:
1. nivelul operaţional - reprezentat de datele companiei care sunt de obicei păstrate sub
formă diferită la locaţii diferite. Aceste date pot proveni de la aplicaţii de mainframe sau de

6
 la sisteme distribuite din cadrul companiilor cum ar fi sisteme de gestiune a comenzilor, de
eliberare a facturilor, de contabilitate financiară. Indiferent de originea lor, datele trebuie să
fie colectate şi aduse într-o formă consistentă pentru a putea fi folosite. Acest proces se
numeşte transformarea datelor şi reprezintă baza pe care se construieşte un depozit de date
consistent, de înaltă calitate. Transformarea datelor presupune un proces de extragere,
condiţionare, curăţare, fuziune, validare şi încărcare.
2. nivelul central al depozitului de date – reprezentat de SGBD-ul si de serverul pe care
acesta rulează ş i de modul în care este implementat depozitul - există în acest moment două
tendinţe: una ar fi implementarea unui sistem distribuit, descentralizat unde datele sunt
păstrate în unităţi independente (Independent Data Marts) fiecare conţinând datele relevante
pentru un anumit aspect al operaţiilor unei instituţii. O a două posibilitate ar fi
implementarea unei surse de date unice, centralizate la care au acces utilizatorii din toate
departamentele unei instituţii.
3. nivelul strategic, - ultimul nivel al arhitecturii, la care datele sunt prezentate analistului
pentru interpretare. Valoarea finală a unui depozit de date este determinată de avantajele pe
care le oferă utilizatorului final în diferite procese de luare a deciziilor şi analiză. Prin
folosirea diferitelor unelte de acces la informaţie şi “data mining” disponibile, utilizatorii
pot obţine informaţii care îi vor ajuta în procesele de stabilire a strategiei firmei..
Interpretarea uzuală constă în reprezentarea temporară, grafică a datelor create pe desktop.
Instrumentele de cereri grafice, prezentările, rapoarte scrise, browserele Web, instrumente
de vizualizare a datelor, toate aparţin acestui nivel. Aplicaţiile de asistere a deciziilor ale
clienţilor, care ne dau noi informaţii despre bugete, prognoze, recomandări cu privire la
alocarea resurselor şi multe altele se afla în data mart la acest nivel al arhitecturii.
Utilizatorii IT accesează cu prioritate nivelul operaţional şi nivelul central, în vreme ce
utilizatorii finali, managerii accesează nivelul strategic.

Modelul conceptual al unui depozit de date

Principial, structura logică a depozitului de date se focalizează tot pe definirea tabelelor şi

identificarea relaţiilor dintre tabele în cadrul modelului conceptual al depozitului de date. Însă
natura proceselor de prelucrare aduce în discuţie o serie de concepte, care în literatura de
specialitate sunt denumite obiectele depozitului de date. Aceste obiecte sunt:
o măsurile;
o dimensiunile;
o faptele;
o ierarhiile.

7
 Măsurile
Măsurile reprezintă datele cantitativ- valorice care fac obiectul calculelor aritmetice, care se
totalizează, se contorizează şi conduc la obţinerea informaţiilor, a indicatorilor sintetici. Măsurile
se mai numesc şi metrici. De exemplu: cantitatea vândută, valoarea unei promoţii, etc.

Dimensiunile
Dimensiunile individualizează o caracteristică de grupare a datelor, de exemplu:
clientul, produsul. Centralizările se fac pe clienţi, pe produs sau alte dimensiuni. Timpul este o
dimensiune obligatorie pentru depozitele de date de marketing. Dimensiunile sunt de fapt codurile
după care se sortează şi se grupează datele în vederea centralizării. Dimensiunile se regăsesc în
cadrul bazelor de date relaţionale fie sub forma atributelor cheie primară, sau a cheilor externe şi
desigur atribute descriptive şi calendaristice. De regulă în practică dimensiunile se regăsesc sub
forma nomenclatoarelor de coduri, mai puţin dimensiunea timp

Figura 6: Tabela dimensiune CLIENŢI

Faptele
Faptele sunt tabele care stochează valorile numerice ale măsurilor identificate, grupate
conform dimensiunilor acestor măsuri. În tabelele de fapte se regăsesc două categorii de câmpuri:

8
 - câmpuri cantitativ – valorice, care reprezintă măsurile depozitului de date;
- coduri de tip cheie externă sau câmpuri descriptive asociate dimensiunilor.

Figura 7: Tabela de fapte Vânzări.

Ierarhiile
Ierarhiile sunt structuri logice utilizate pentru ordonarea datelor. Ierarhiile se asociază
dimensiunilor complexe. În cadrul lor se stabilesc nivele ierarhice. De exemplu dimensiunea timp,
o dimensiune complexă admite ca nivele ierarhice: anul, trimestrul, luna, decada, săptămâna, ziua.
Nivelele se structurează în funcţie de ierarhie de la general la particular, Având întotdeauna un
nivel rădăcina, nivelul superior. Relaţiile dintre diferite nivele sunt relaţii de tip părinte – fiu.
Nivelele unei ierarhii permit stabilirea unor reguli de navigare atunci când accesul la date
presupune şi trecerea la detalierea informaţiilor sintetice.

Scheme relaţionale
Tabelele de fapte şi tabelele de tip dimensiune se leagă între ele p baza relaţiilor identificate
prin asocierile binecunoscute dintre atributele „cheie primară” şi „cheile externe”.
În funcţie de complexitatea legăturilor dintre tabele, în practică se întâlnesc 3 scheme de
modelare a relaţiilor:
- schema de tip stea;

9
 - schema de tip constelaţie;
- schema de tip fulg de zăpadă.

DIMENSIUNEA DIMENSIUNEA

TIMP MARFĂ

TABELA
FAPTE
VÎNZĂRI

DIMENSIUNEA DIMENSIUNEA

CLIENT ZONE

Figura 8: Schemă de tip stea

DIMENSIUNEA DIMENSIUNEA

TABELA DE
TIMP MARFĂ
FAPTE
VÎNZĂRI

TABELA DE
FAPTE
DIMENSIUNEA NUMĂR DE DIMENSIUNEA
TRANZACŢII
CLIENT ZONE

Figura 9: Schemă de tip CONSTELAŢIE

Schema de tip stea este schema de modelare cea mai simplă în care unei tabele de fapte

10
i se asociază mai multe tabele dimensiune – tabele de tip nomenclator, ce reprezintă, aşa cum am
mai precizat, criteriile de grupare a datelor centralizatoare. Schema de tip stea este redată în figura
8.
Schema de tip constelaţie reuneşte mai multe scheme de tip stea care utilizează în comun
mai multe tabele de tip dimensiune. Schema de tip constelaţie este reprezentată în figura 9.
Schema de tip fulg de zăpadă se utilizează în situaţia în care unele dimensiuni au la rândul
lor subdimensiuni. Este cazul în care unele nomenclatoare au la rândul lor asociate alte
nomenclatoare pentru detaliu.

DIMENSIUNEA DIMENSIUNEA

TABELA DE
TIMP MARFĂ
FAPTE
VÎNZĂRI

DIMENSIUNEA DIMENSIUNEA

CLIENT ZONE

TABELA DE
FAPTE
NUMĂR DE
DIMENSIUNEA DIMENSIUNEA
TRANZACŢII

MAGAZINE ORAŞ

Figura 10: Schemă de tip FULG DE ZĂPADĂ

Toate aceste scheme au proprietatea că sunt scgheme deschise care se pot modifica pentru a
corespunde cât mai bine necesităţilor proceselor de informare şi decizie.

11
 CURSUL 12
Depozitele de date – un nou model de structurare a bazelor de date de
mari dimensiuni
Sistemele informatice operaţionale de marketing utilizează baze de date relaţionale şi
distribuite care înmagazinează date din activitatea zilnică privind aprovizionările, comenzile,
vânzările, încasările, plăţile şi activităţile specifice de marketing, precum şi informaţiile culese prin
interogarea unor baze de date publice din reţele locale, metropolitante sau de pe Internet.
În bazele de date de marketing se regăsesc stocate informaţii privind practic toată activitatea
întreprinderilor, indiferent de domeniu. Accesul rapid la baze de date permite obţinerea informaţiilor
în timp util contribuind la creşterea eficienţei. De asemenea, capacitatea de stocare a dispozitivelor
de astăzi permite găsirea şi accesarea unor date de mai mulţi ani vechime, care fără ajutorul acestor
baze de date ar fi fost practic inutilizabile.
Aceste date sunt ulterior organizate multidimensional făcând posibile analize după cele mai
variate criterii la anumite intervale (lunar, trimestrial, anual etc.). Aceste analize sunt necesare
echipei de conducere pentru o mai bună fundamentare a deciziilor. Datele acumulate zi de zi sunt
organizate în depozite de date, care permit obţinerea celor mai variate situaţii.

6.2.1. Conceptul de depozit de date de marketing

Înainte de a oferi o definiţie se cuvine a preciza că depozitul de date1 este într-un fel
complementul sistemului informatic operaţional (subsistemele de contabilitate, subsistemul
comercial, subsistemul de vânzări şi marketing, subsistemul personal-salarizare etc.). Deci un
depozit de date (data warehouse) este o colecţie de date tematică, integrată, plasată într-un
context temporal şi permanentă fiind destinată fundamentării deciziei de marketing.
Datele din warehouse provin în principal din datele capturate din sistemul informatic
operaţional de marketing, din bazele de date de arhivă, istoric precum şi din baze de date publice
cum ar fi: baze de date demografice, statistice (furnizate de institute specializate), prognoza
economică (furnizate de instituţii de sondare a pieţei), de cercetări de marketing. Aceste date pot fi
cumpărate, pot fi peluate pe bază de abonament sau pot fi date publice gratuite.
Depozitele de date, stocând cantităţi mari de date, sunt baze de date de mari dimensiuni
caracterizate din punct de vedere al numărului şi varietăţii înregistrărilor şi respectiv al
aspectului multidimensional ce implică o mulţime de variabile selectate şi incluse în modele de
analiză.
Proiectarea arhitecturii depozitului de date presupune definirea structurii logice şi fizice a bazei
de date, configurarea serverului depozitului care să poată procesa rapid volume foarte mari de date şi
alegerea SGBD-ului de gestiune a depozitului de date.
Se întâlnesc trei tipuri de abordări a arhitecturii unui depozit de date:
a) abordarea centralizată care contribuie la maximizarea puterii de calcul şi presupune
stocarea datelor, care provin din surse externe şi interne într-un depozit integrat;
b) abordarea federativă ce implică distribuirea informaţiilor în baza de date distribuite după
funcţiuni (cele financiare într-un nod al reţelei, cele de marketing într-un alt nod, cele de fabricaţie
într-un al treilea nod);

1
(engl.) Data Warehouse = depozit de date
 c) abordare stratificată ce presupune păstrarea datelor foarte sumarizate pe staţia de lucru,
datele mai puţin sumarizate pe un al doilea server iar datele de detaliu pe un al treilea. Staţia de la
primul nivel manevrează datele cele mai cerute, cu tot mai puţine cereri de detaliere către nivelele
inferioare. Calculatoarele de pe primul nivel pot fi optimizate pentru procesări intense pe volume
mici de date, pe când serverele de pe nivelele doi şi trei pot fi adaptate pentru procesări simple pe
volume mari.
Odată decisă arhitectura logică trebuie analizate posibilităţile oferite de structurile hard.
Factorii de influenţă asupra alegerii tipului de server se referă la dimensiunea depozitului şi la
nevoile întreprinderii în ceea ce priveşte scalabilitatea, disponibilitatea şi administrarea sistemului,
fiind întâlnite:
a) serverele monoprocesor sunt cel mai uşor de întreţinut dar sunt limitate ca putere calcul şi
scalabilitate. Reţelele de servere monoprocesor se pot extinde prin intermediul arhitecturilor
distribuite.
b) Sistemele cu multiprocesare simetrică îşi sporesc puterea prin adăugarea de procesoare
care partajază memoria internă a serverului precum şi unităţile de stocare. Această arhitectură este
ideală pentru căutări în baze mari de date.
Referitor la deciziile privitoare la SGBD alese, acestea se bazează pe nevoia de flexibilitate şi
pe dimensiunile depozitului de date. Versiunile moderne ale SGBD-urilor relaţionale şi distribuite
dau posibilitatea analizei multidimensionale şi pot beneficia din plin de hardware-ul specializat
pentru bazele de date (de exemplu Teradata).
Depozitele de date permit o analiză independentă de procesare zilincă a datelor din cadrul
firmei. De asemenea, s-a constatat că mai mult de o treime din datele existente în DB nu sunt luate
niciodată în considerare, fiind complet ignorate. Analizând şi aceste date se poate constata dacă,
unde şi când a greşit şi cum se pot evita pe viitor aceste greşeli. Analizele multidimensionale care
permit interpretarea datelor în funcţie de diferite criterii fac de trei ani obiectul marilor firme
producătoare de SGBD-uri. Acestea pot fi făcute în principiu şi pe baza curentă de date, dar în cazul
unor volume mari de date obţinerea de situaţii este foarte dificilă, deoarece implică comenzi
complexe. Scopul SGBD-ului este de a asigura tranzacţiile cu datele într-o manieră sigură, şi deci nu
poate fi eficientă. Aceste noi programe asigură o bună performanţă în analizarea acestui uriaş volum
de date şi posibilitatea schimbării continue a metodelor de analiză. De această dată sistemul este
organizat cu totul altfel deoarece nu mai este nevoie de funcţia de actualizare a informaţiilor şi nici
de protecţie. Efectuarea statisticilor, analizelor şi comparaţiilor se face având la bază calculatoare
foarte puternice, care pot manipula volume foarte mari de date.
Exploatarea depozitelor de date poate consta din:
 extragerea unor rapoarte (la cerere sau pe baza unui ,,abonament” cu o anumită periodicitate);
 extragerea unor date pentru a fi utilizate de aplicaţiile de birotică (programe de calcul tabelar,
procesoare de text, programe de prezentare etc.);
 utilizarea unor instrumente de acces de către aplicaţii specializate de analiză, cum ar fi:

a) instrumente de procesare analitică on-line (OLAP – On Line Analytical Processing);

b) instrumente de ,,minerit” în date (Data mining – aplicaţii axate pe descoperirea unor
modele, tendinţe şi corelaţii semnificative prin exploatarea depozitului de date).
6.2.2. Instrumente de acces şi analiza multidimensională prin depozitele de date
de marketing
În vreme ce datele operaţionale din sistemele informatice se referă la activităţile zilnice,
depozitul de date este istoric prin natură şi este folosit pentru a obţine o perspectivă asupra
tendinţelor, corelaţiilor şi a factorilor de influenţă.

Interogari Data
Activitati Interactiuni OLAP
si rapoarte mining
zilnice on-line

Date
Baze adunate Depozit
de date in timp de date

Date
operationale Date de
istoric
Figura 6.3. Tendinţe în stocarea şi procesarea informaţiilor

Multe întreprinderi colectează în acest moment şi rafinează masive cantităţi de date în

depozitele de date prin intermediul sistemelor informatice.
Aceste firme au realizat că pentru a reuşi într-o lume ce se schimbă în ritm rapid, utilizatorii
economici au nevoie de informaţie în momentul cererii. Şi ei mai au nevoie şi de informaţie
neaşteptată, dar folositoare. Nu este niciodată suficient timp pentru a se gândi asupra tuturor
problemelor importante, motiv pentru care computerul trebuie să îndeplinească autonom şi această
sarcină.
Ei privesc acum informaţia ca pe una dintre cele mai valoroase resurse, iar instrumentele de
analiză multidimensională permit unei firme să folosească la maxim această resursă.
Fundamentarea Deciziilor (engl. Decision Support) este un termen general care se referă la
folosirea informaţiei ca la o resursă corporativă strategică, ce abilitează firmele în utilizarea bazelor
lor de date pentru a lua decizii mai bune.
Instrumentele de acces la depozitele de date şi de analiză multidimensională se bazează, în mod
tradiţional, pe trei tipuri de unelte:
 Interogări şi rapoarte: caz în care un utilizator pune o întrebare, de ex. ,,care au fost vânzările
pentru un anume produs?”;
 OLAP – Procesare analitică în linie1 care se extinde la procesarea de interogări de-a lungul a
mai multor dimensiuni, cum ar fi o arie geografică, o lună etc. De exemplu: ,,clasifică
vânzările pe luni, judeţe şi magazine”;
 Data Mining2:care extrage ,,automat” modele de informaţii şi relaţii pentru formulare de
întrebări de tipul: ,,Ce anume influenţează vânzările unui anumit produs în judeţele din
Ardeal?”
În figura 6.4. se poate observa progresul făcut în domeniu în ultimii 30 de ani pentru a oferi
informaţie rafinată mai multă şi mai bine.

1
(engl.) On Line Analytical Processing – OLAP = procesare analitică on-line
2
(engl.) Data Mining = mineritul (forarea) datelor
 Acces la
Cunostinte Cunostinte
Data
mining

Rafinare
OLAP/ROLAP
Interogari
si analize
Statistici
Date si Rapoarte
1970 1980 1990 2000
Figura 6.4. Etapele de procesare şi rafinare a informaţiei

În cazul statisticilor şi rapoartelor erau disponibile utilizatorilor rezumate ale datelor. În plus şi
aceste date sumare erau obţinute prin intermediul unui analist. Odată cu apariţia depozitelor de date,
anumite interogări şi rapoarte pot fi obţinute chiar de utilizatorul direct prin consultarea bazelor de
date.
Începând cu OLAP, întrebări generalizatoare multi-dimensionale au putut fi adresate chiar de
utilizatorii direcţi, de ex. ,,un total pe produs, pe canal de distribuţie, pe lună”.
Cu ajutorul Data mining, analiştii de marketing şi o categorie mai rafinată de utilizatori
economici pot descoperi corelaţii semnificative, modele de informaţii, factorii de influenţă şi
tendinţele ce reies din date.
Noţiunea de ,,acces la cunoştinţe”, semnifică faptul că modelele relevante din date sunt găsite
dinainte şi stocate pentru necesităţile utilizatorilor. Aceştia pot folosi modelele interesante furnizate
săptămânal sau lunar sau pot interoga ei înşişi modelele de bază.
Deoarece marile baze de date adeseori oferă multe date utile, abordările bazate pe Interogări şi
OLAP se confruntă, de obicei, cu greutăţi în a identifica generalizări utile din cauza prea multor date.
Forţa tehnicii Data Mining constă în abilitatea de a efectua din proprie iniţiativă cercetări printre
date, descoperind în mod autonom modele cheie.
Cu toate că cele trei abordări de mai sus sunt utile, ele împart o trăsătură comună care se referă
la faptul că utilizatorul trebuie să realizeze mai multe analize pentru a dobândi cunoştinţele, procedeu
cunoscut ca Modelul de Analiză a Datelor1. O nouă abordare care pune la dispoziţia utilizatorilor
informaţie rafinată este Modelul de Acces la Cunoştinţe2. Prin modelul de acces la cunoştinţe
analiza datelor este efctuată în prealabil, iar utilizatorul doar urmăreşte cunoştinţele ,,pre-minerite” la
cerere.
Pentru a distila informaţia dintr-o bază de date este evident necesar să se realizeze analize la un
moment dat. Altfel spus, analiza se efectuează la momentul în care utilizatorul are nevoie de
cunoştinţe sau este realizată anterior, astfel încât sunt gata de a fi accesate. În mod tradiţional
analizele de tip data mining erau efectuate după lansarea cererii de către utilizator. Modelul accesului
la cunoştinţe elimina riscul unor analize întârziate prin această operaţie de preminerire a informaţiei.

1
(engl.) Data Analysis Paradigm = Model de Analiză a Datelor
2
(engl.) Knowledge Acces Paradigm = Model de Acces la Cunoştinţe
 Aşadar există două modele distincte capabile să ofere utilizatorilor cunoştinţe:
 Modelul de Analiză a Datelor: în acest caz utilizatorii operează asupra datelor pentru a
descoperi informaţia. Acest model se bazează pe o abordare de tipul ,,analiză la cerere”.
 Modelul de Acces la Cunoştinţe: în acest caz analizele sunt efectuate în mod automat în
prealabil, modelele rafinate sunt pre-generate, iar utilizatorii obţin cunoştinţele în momentul
în care au nevoie de ele (abordare de tipul ,,cunoştinţe la cerere”).

6.2.3. OLAP – Procesare analitică on-line

Analiza analitică multidimensională, referită de regulă ca OLAP (On Line Analytical
Processing) este o activitate ce dă răspunsuri corecte la întrebările analiştilor de marketing. Singura
trăsătură comună a acestor întrebări este caracterul lor multidimensional. Există totuşi câteva tipuri
uzuale de întrebări, care pot arunca o lumină asupra complexităţii instrumentelor care trebuie să
furnizeze răspunsuri:
 Raporturi multidimensionale. Exemplu: care este contribuţia la vânzările totale a produselor
farmaceutice ale societăţii SICOMED vândute prin farmaciile din Bucureşti în perioada…?;
 Comparaţii. Exemplu: care este media abaterii procentuale de la planul de vânzări în primul
semestru al acestui an comparativ cu vânzările din primul semestru al anului trecut?;
 Clasificări şi profiluri statistice. Exemplu: care este volumul vânzărilor şi media adaosului
pentru primii 20% dintre distribuitori şi care este contribuţia acestora la totalul vânzărilor pe
trimestrul trecut?;
 Agregări libere. Exemplu: care sunt veniturile realizate în ultimele patru trimestre de filialele
judeţene din Moldova ale firmei Eurofarm?;
 Evaluări What-If. Exemplu: în ce măsură ar influenţa profitul total o creştere cu zece
procente a vânzărilor în judeţele din Ardeal?
Pentru oricine care a formulat interogări în bazele de date (engl. Query), este evident că
exprimarea unor asemenea cereri depăşeşte posibilităţile oricărui instrument de acces şi raportare.

Printre calităţile pe care trebuie să le îndeplinească un bun instrument OLAP se numără:

 să poată susţină analize sofisticate;
 să poată fi utilizate eficient de diverse categorii de utilizatori;
 să fie scalabile la volume oricât de mari de date;
 să permită accesul concurent al unui mare număr de utilizatori;
 să fie uşor de intreţinut şi de configurat;
 să fie bazate pe o arhitectură deschisă deoarece evoluţia tehnologiei informaţiei poate aduce
schimbări radicale în structura sistemului informatic care, însă, nu trebuie să afecteze
instrumentaţia utilizată pentru analiză.
Fiind o tehnologie relativ nouă, modelul de arhitectură (figura 6.5.) care s-a impus pentru
sistemele orientate spre analiză multidimensională este unul de tip client/server în trei straturi.
 Sisteme informatice

Motor Aplicatii
Data OLAP
Warehouse OLAP

OPERATIONALE

Metadate

Figura 6.5. Arhitectura unui sistem OLAP

a) Bazele de date formează nivelul cel mai de jos, responsabil cu stocarea şi regăsirea datelor.
De regulă aplicaţiile tranzacţionale utilizează sisteme relaţionale dar pentru depozitele de date se
folosesc şi sisteme multidimensionale. Dat fiind volumul mare de date, este recomandabil ca SGBD-
urile folosite să ofere suport pentru prelucrări paralele şi distribuite, să dispună de mecanisme
performante de indexare şi de optimizare, să ofere un înalt nivel de siguranţă.

b) Motorul analitic OLAP (OLAP engine) are sarcina de a prelua cererile exprimate de
utilizatori şi, pe baza consultării metadatelor, să genereze cererile necesare pentru obţinerea datelor
ce vor fi redirectate către clienţi. În plus, datelor obţinute li se vor aplica la acest nivel o serie de
prelucrări.
 Generarea de interogări – se bazează pe criterii furnizate de clienţi sub forma unor formule
exprimate prin operatori logici.
 Manipulările matematice – se aplică pentru a aduce datele la forma dorită de utilizatori.
Acestea constau de cele mai multe ori în calcularea unor distanţe (metrice) derivate pe baza
unor formule date, analize statistice complexe etc.
 Sintetizarea rezultatelor este o altă sarcină a motorului analitic. Deşi depozitul de date
conţine şi date deja agregate, adeseori utilizatorul doreşte consolidarea unor sinteze pe baza
unor combinaţii de atribute care nu au fost prevăzute.
c) Aplicaţiile OLAP sunt reprezentate de instrumente mânuite de utilizatorul final. Există
aplicaţii generale care răspund suficient de bine nevoilor unei categorii largi de utilizatori, există
instrumente specializate pe domenii (cum ar fi de pildă analiza financiară) şi, în fine, există
posibilitatea de a dezvolta instrumente foarte specifice.
Din punct de vedere al utilizatorului final, aplicaţia pe care o foloseşte trebuie să-i asigure două
funcţionalităţi importante: navigarea liberă prin depozitul de date în căutarea informaţiilor relevante
şi posibilităţi diverse de prezentare a datelor. Aceste funcţionalităţi sunt strâns legate între ele şi
este greu de spus care operaţie este de navigare şi care este de prezentare. Operaţiile OLAP sunt:
 Specificarea criteriilor de selecţie este primul pas în orice analiză. Utilizatorul trebuie să
poată exprima cu uşurinţă criterii simple, bazate pe valori ale atributelor şi/sau pe valori ale
metricelor. Aceste criterii simple trebuie să poată fi apoi combinate prin operatori logici şi trebuie să
poată fi salvate în biblioteci pentru eventuale reutilizări.
  Rotaţiile sunt operaţii care permit utilizatorilor să găsească perspectiva care-l interesează
specificînd dimensiunile şi direcţiile de rotaţie sau indicând un pivot.
 Schimbarea nivelului de agregare permite găsirea nivelului de agregare optim pentru analiză.
Se poate adânci analiza spre nivele de detaliu (drill-down) pentru anumite dimensiuni în timp ce
pentru alte dimensiuni se creşte nivelul de agregare (drill-up).

 Specificarea modului de prezentare trebuie să permită analistului să găsească modalităţile

optime de valorificare vizuală a datelor extrase. În afară de posibilităţile grafice tipice pentru
prezentare, este important ca utilizatorul să poată vizualiza date multidimensionale într-o manieră
tabelară. În acest sens se pot utiliza tabele complexe, care să poată grupa coloane şi linii exprimând
dimensiuni diferite (de pildă timpul şi dispunerea în spaţiu) şi nivele de agregare diferite.
Cerinţele de administrare şi dezvoltare pentru OLAP, deşi similare cu cele pentru instrumentele
de interogare şi raportare, sunt în general mult mai complexe. Punerea în funcţiune a unui sistem
OLAP şi a softului de acces la date necesită o înţelegere clară a modelului de date al întreprinderii şi
a funcţiilor analitice cerute de conducerea executivă şi strategică. Produsele comerciale pot fi de
mare folos, dar rareori există soluţii ,,la cheie” pentru OLAP; arhitectura trebuie reglată astfel încât
să suporte sursele de date folosite şi să facă faţă cerinţelor. În schimb, odată ce sistemul OLAP este
funcţional, suportul tehnic pentru utilizator este minimal.

6.2.4. Data mining

Data mining (mineritul în date) reprezintă, într-o accepţiune simplă, un mod automat de
detectare într-o bază de date a unor tipare relevante. Data mining utilizează o serie de tehnici
statistice şi de inteligenţă artificială ce dau posibilitatea construirii de modele ce pot previziona
comportamentul clienţilor. Tehnologia îşi sporeşte calităţile prin integrare cu depozitele de date
comerciale şi cu noile modalităţi de prezentare şi raportare.
Data mining îşi datoreşte numele similarităţii dintre căutarea de informaţii valoroase într-o
bază de date mare şi săparea unor galerii în munte pentru detectarea unor zăcăminte valoroase.
Data mining este un proces de descoperire a cunoştinţelor (Knowledge discovery -KD), de
extragere a informaţiei necunoscută anterior din baze de date foarte mari.
Procesul descoperirii de corelaţii semnificative, modele şi tendinţe se asigură prin explorarea
unor mari cantităţi de date stocate în depozite de date, utilizând tehnologii de recunoaştere a
modelelor, precum şi tehnici statistice şi matematice.

Conform unui raport din 1997 al Grupului Gartner1: ,,Data mining şi inteligenţa artificială se
află între primele cinci tehnologii cheie care vor avea în mod sigur un impact major asupra unui mare
număr de industrii în următorii 3 până la 5 ani”. Gartner situează data mining între primele 10
tehnologii în care firmele vor investi în următorii 5 ani.
Studiile arată că ultimul an a cunoscut o explozie dramatică a nivelului de interes privind data
mining, în condiţiile în care utilizatorii au dorit să profite de avantajul oferit de această tehnologie
pentru a obţine un foarte util plus concurenţial.
Anumite produse software de vârf în domeniul data mining, provenite de la companii ca SAS
sau IBM, reprezintă acum mai mult decât simple motoare de modelare bazate pe algoritmi
1
Data Mining at Dun&Bradsheet, White Papers, 1998, pag. 14.
complecşi. Acestea se adresează unei categorii mai largi de probleme tehnice şi economice şi se
integrează în mediile actuale de tehnologie informaţională.
Deşi se credea că data miningul va elimina nevoia de specialişti în crearea de modele statistice,
lipsa experienţei umane şi a intuiţiei între nişte corelaţii relevante şi unele nerelevante, lipsă ce
caracterizează softurile, infirmă această previziune.
Tradiţional sunt avute în vedere două tipuri de analize statistice: analize confirmatorii şi
analize exploratorii. În cazul analizelor confirmatorii, având o ipoteză formulată aceasta se acceptă
sau se respinge. În analizele exploratorii, se urmăreşte găsirea de ipoteze, care apoi se acceptă sau se
resping. În acest punct sistemul preia ,,iniţiativa” în procesul analizei datelor sistemul gândeşte
singur ipotezele acestea ne mai fiind formulate de utilizator. În prezent termenul de data mining se
referă la procesul automat de analiză a datelor în care sistemul preia iniţiativa de a genera modele.
a) Din punct de vedere al procesului există trei clase de activităţi data mining: descoperire,
modelare predictivă şi analiza excepţiilor (figura 6.6.).

Depozit de date
Conditionare
logica
Baza de date 1
Afinitati si
Descoperire
Asocieri

Tendinte si
Variatii

Baza de date 2 Previzionarea

Modelare rezultatului
Data Mining
predictiva
. Previziuni
.
. Detectarea
Analiza deviatiilor
exceptiilor
Analize ale
Baza de date n
legaturilor

Figura 6.6. Clase de activităţi Data mining

 Descoperirea este procesul de căutare în baza de date pentru a găsi modele, fără a
avea o idee predeterminată sau ipoteza asupra ceea ce pot fi modele. Cu alte cuvinte programul preia
iniţiativa în găsirea a ceea ce sunt modelele interesante, fără a fi necesar ca utilizatorul să se
gândească la întrebările relevante în prealabil. În marile baze de date există atât de multe modele
încât utilizatorul nu ar putea niciodată practic să se gândească la toate întrebările care ar trebui puse.
Problema cheie în acest caz constă în bogăţia de modele care pot fi găsite şi exprimate, precum şi în
calitatea informaţiei livrate – elemente care determină puterea şi utilitatea tehnicii de descoperire.
 În modelare predictivă modelele descoperite din baza de date sunt folosite pentru a
face previziuni. Modelarea predictivă permite astfel utilizatorului să prelucreze înregistrări ce au
câmpuri valorice necunoscute, iar sistemul va intui valorile necunoscute pe baza unor modele
anterioare din baza de date.
 Analiza excepţiilor reprezintă procesul prin care se aplică modelele extrase pentru a
găsi anomalii sau elemente de date neobişnuite. Pentru a descoperi anomaliile, mai întâi aflăm ceea
ce e normal, apoi detectăm acele articole care deviază de la normă în cadrul unui interval dat. De
exemplu odată ce am observat că 90% dintre cumpărători au sub 50 de ani, ne putem înteba în
legătură cu cei 10% cumpărători care au

peste 50 de ani şi sunt în baza de date. Se observă că descoperirea ne poate ajuta să găsim
,,cunoştinţe uzuale”, vreme în care analiza excepţiilor caută cazurile neobişnuite şi specifice.
Fiecare din aceste procese pot fi clasificate la rândul lor după regulile If/Then, asocieri etc. În
timp ce IF/THEN presupune: Dacă – condiţie, atunci regula 1, astfel regula 2, regulile de asociere se
referă la gruparea articolelor (de ex. când cineva cumpără un produs la magazin, el poate cumpăra alt
produs în acelaşi timp – un proces numit de obicei analiza coşului de cumpărături).
b) Din punct de vedere al tehnicilor utilizate de data mining (figura 6.7.) identificăm:

Depozit de date

Vecinul
Baza de date 1 imediat
Date retinute Argumentare
pe cazuri

Inductie
Reguli Algoritmi
Baza de date 2 Data genetici
Mining
Logic Arbori de CART
. decizie CHAID
. C4.5 etc.
. Agenti
Tabelare
Date distilate incrucisata
Retele de
Baza de date n incredere

Ecuational Statistici

Propagare
Retele
inversa
neurale
Kohonen
Figura 6.7. Tehnologiile data mining

 Reţelele artificiale neurale – modele de previzionare nonliniare care sunt capabile de

acumulare de cunoştinţe prin antrenament;
 Algoritmi genetici – tehnici de optimizare ce se bazează pe procese cum ar fi
combinaţii genetice, mutaţii şi selecţie naturală. Sunt utilizate în modele ce folosesc concepte de
evoluţie naturală;
 Arbori de decizie – structuri pe trei nivele ce reprezintă seturi de decizii. Aceste
decizii generează reguli de clasificare a seturilor de date. Printre modelele bazate pe arborii de
decizie se include Arborii de regresie şi clasificare (CART) şi Detectarea automată a interacţiunilor
de tip 2 (CHAID);
 Metoda celui mai apropiat vecin – o tehnică ce permite clasificarea fiecărei
înregistrări din baza de date a k clase de înregistrări, cele mai similare;
  Inducţia unor reguli – extragerea unor reguli utile de tip dacă-atunci pe baza
semnificaţiei statistice;
 Vizualizarea datelor – interpretarea vizuală a relaţiilor complexe pentru date
multidimensionale.
Cea mai importantă dihotomizare a tehnologiilor data mining se referă la păstrarea datelor;
adică, se mai păstrează sau mai este nevoie de date odată ce au fost minerite. În abordările iniţiale
mare parte din seturile de date se păstrau pentru viitoare analize. În mod evident, o astfel de tehnică
se poate aplica numai în cazul sarcinilor de tip modelare predictivă şi analiză a excepţiilor, nefiind
necesară în cazul descoperirii de cunoştinţe întrucât nu mai sunt alte modele de distilat.
Aşa cum uşor se poate bănui, abordările bazate pe păstrarea datelor pot avea uşor probleme din
cauza dimensiunilor foarte mari ale unor astfel de seturi de date.
În timp ce în cazul distilării de modele se analizează datele, se extrag modelele, iar apoi se
renunţă la date, în abordările bazate pe păstrare, datele sunt reţinute pentru analogiile de modele.
Atunci când noi seturi de date sunt avute în vedere, atunci aceste seturi sunt comparate cu seturi
anterioare de date.
Un exemplu cunoscut al abordării bazate pe reţinerea datelor este metoda ,,vecinului imediat”.
În acest caz setul de date este păstrat (de obicei în memorie) pentru comparaţii cu noi înregistrări.
Când o nouă înregistrare este supusă analizei, este găsită ,,distanţa” dintre acestea şi înregistrările
similare din setul de date şi ,,cele mai similare” (sau vecinii cei mai apropiaţi) sunt identificaţi.
Tehnologiile bazate pe distilarea modelelor extrag modelele dintr-un set de date, apoi folosesc
aceste modele pentru diverse scopuri. În mod evident, este necesar ca aceste modele să fie exprimate
într-o anumită formă şi limbaj. Această opţiune a dat naştere la trei abordări distincte: logică, ecuaţii
şi tabelare încrucişată. Fiecare dintre aceste abordări îşi are originile istorice în anumite secţiuni ale
matematicii.
 Logica formează baza celor mai multe limbaje scrise. Modelele exprimate în limbaje
logice se disting prin două principale caracteristici: pe de o parte sunt citibile şi inteligibile, iar pe de
altă parte sunt excelente pentru reprezentarea grupurilor de elemente de date.
Sistemele logice condiţionate pot fi separate în două grupuri disticte: reguli şi arbori de decizie.
Regulile condiţionale pot fi implementate prin inducţie sau algoritmi genetici. Există mai multe
abordări şi pentru generarea arborilor de decizie (de ex., CART, CHAID, C4.5).
 Tabelarea încrucişată este o formă simplă de analiză a datelor, bine cunoscută în
statistică, şi folosită pe larg în rapoarte. Un tabel încrucişat bidimensional este similar unei foi de
calcul, cu capetele, atât de rânduri cât şi de coloană, fiind valori ale atributelor. Celulele din foaia de
calcul reprezintă o operaţie agregată, de obicei numărul de co-apariţii ale valorilor atributelor. Multe
tabele încrucişate sunt efectiv echivalente cu un grafic tridimensional care înfăţişază o numărătoare a
co-apariţiilor.
Termenul de ,,agent” este folosit uneori pentru a desemna tabelele încrucişate care sunt
reprezentate grafic într-o reţea şi permit folosirea unor conjuncţii AND, OR etc.
Reţelele de încredere, uneori numite reţele cauzale , sunt un graf direcţionat, constituit din
noduri (variabilele reprezentate) şi legături între noduri (coeficienţi probabilistici de încredere).
 Abordările ecuaţionale folosesc de obicei un set de ecuaţii pentru a defini ,,o
suprafaţă” (reprezentare grafică a unei funcţii de orice grad) în cadrul unui spaţiu iar apoi măsurarea
distanţelor de la această suprafaţă pentru a face estimări.
 Revista de Marketing Online – Vol.1 Nr.2 

CURSUL 13 - continuare

Tehnologii informatice inteligente de accesare 
multidimensională a bazelor şi depozitelor de date de 
marketing 

Autor: Gheorghe Orzan 

Abstract: În mod tradiţional, una dintre cele mai importante şi mai frecvente activităţi 
ale unui departament de marketing constă în gestionarea unor volume mari de 
date  acumulate  de­a  lungul  timpului,  de  consultare  a  variate  baze  de  date 
cantitative, de grafică sau multimedia in stare offline sau online, orientate spre 
piaţă  (market­oriented),  date  care  provin  din  cercetările  de  marketing,  de  la 
alte organizaţii şi care impun operativ consultarea interactivă şi de o manieră 
flexibilă  şi  consistentă  prin  operaţii  de  integrare,  sintetizare  şi  agregare,  de 
reorganizare şi stocare, de gestionare şi procesare  în raport de obiectivele de 
marketing. Acestea se constituie în surse de informaţii esenţiale în procesul de 
fundamentare  a  deciziilor,  atât  la  nivelul  activităţilor  de  marketing,  cât  şi  în 
ansamblul  organizaţiei.  Tehnicile  moderne  din  domeniul  IT&C  fac  însă 
posibilă  o  analiză  mult  mai  rapidă  şi  mai  eficientă  a  acestor  date,  practic  în 
timp  real,  în  ciuda  eventualelor  distribuţii  geografice.  Această  lucrare  îşi 
propune  prezentare  unor  situaţii  teoretice  şi  practice  în  care  tehnici  de  tip 
OLAP sau data  mining eficientizează activitatea profesioniştilor  în domeniul 
marketingului. 
Cuvinte  cheie:  asistarea  deciziilor,  strategii  de  marketing,  data  warehouse,  sisteme 
asistarea deciziilor, OLTP,  OLAP, data mining. 

A.  Depozitele  de  date  (data  warehause)  reprezintă  un  produs  al  mediului 
economic  tot  mai  competitiv,  global,  dinamic  şi  complex  în  care  organizaţia  îşi 
desfăsoară  activitatea  şi  care  solicită  informaţii  relevante,  actuale,  de  o  manieră 
consistentă şi foarte flexibilă  în procesul de fundamentare a deciziilor de marketing iar, 
pe de altă parte este rezultatul evoluţiilor spectaculoase în ceea ce priveşte tehnologiile 
din domeniul IT&C. 
Un depozit de date este o sumă de date consistentă din punct de vedere semantic 
care serveşte la o implementare fizică a unui model de date ca suport pentru sprijinirea 
deciziei  şi  stochează  informaţii  pe  care  o  organizaţie  le  solicită  în  fundamentarea 
decizilor strategice. Un data warehouse (Inmon, 1996) este „o colecţie de date orientată 
pe  subiecte,  integrată,  atemporală,  istorică  si  persistentă,  destinată  spijinirii  procesului 
de fundamentare a deciziei manageriale”. În sinteză definitia prezentată mai sus exprimă 
caracteristicile de bază ale depozitelor de date: orientarea pe subiecte majore (clienţi, 
furnizori, concurenţi, producţie, vînzari),  prin integrarea unor multiple surse eterogene 
de  informaţii  (baze  de  date  relaţionale,  distribuite,  baze  de  date  multimedia  şi  de  tip 
hipermedia, fişiere şi inregistrări), sunt independente de timp şi au caracter de istoric 
atribuit  prin  dimensiunile  spaţiale  şi  temporale  ale  depozitului  (prin  consultarea 
valorilor  succesive  ale  variabilelor  cercetate  pentru  a  determina  evoluţia  în  timp  şi 
spaţiu  şi  a  estima  tendinţele  proceselor  şi  fenomenelor  investigate),  cât  şi persistenţa 
datelor (datele din depozit sunt permanente şi nu pot fi modificate, fiind deja istorie a

29 
 Revista de Marketing Online – Vol.1 Nr.2 

evenimentului).  In  mod  uzual  depozitele  de  date  implică  numai  două  operaţii: 
construirea  sau  încarcarea  iniţială  a  datelor  (integrarea  datelor,  filtrarea,    curăţarea  şi 
consolidarea  datelor)  şi  accesul  la  date  printr­o  colecţie  de  tehnologii  inteligente  de 
asistare  a  procesului  de  fundamentare  a  deciziilor  si  care  va  permite  specialiştilor 
(manageri, analişti, consultanţi, executivi) acces rapid, consistent şi facil la informaţiile 
din depozit. 
O  comparaţie  între    bazele  de  date  şi  depozitele  de  date  pune  în  valoare  rolul 
depozitelor  de  date,  ca  model  de  organizare  şi  sursă  suport  de  informaţii  pentru 
fundamentarea deciziei. Atît bazele de date cît şi depozitele de date sunt structuri logice 
de  organizare  de  date,  exploatează  tehnologii  informatice  de  organizare  şi  gestiune  de 
date diferite şi înmagazinează mari cantităţi de date. 
Diferenţele  semnificative  între  cele  două  modele  de  organizare  logică  de  date 
pot fi structurate astfel:
·  Bazele  de  date  din  sistemele  informatice  conţin  date  curente,  detaliate,  care 
sunt actualizate şi interogate în aceleaşi perioade cu culegerea şi procesarea lor 
şi  fac  obiectul  sistemelor  informatice  de  prelucrare  a  tranzacţiilor  (TPS). 
Depozitele  de  date  sunt  construite  special  ca  sisteme  suport  de  asistare  a 
deciziei  şi  au  ca  obiectiv  regruparea  şi  consolidarea  datelor,  agregarea  şi 
sintetizarea  lor,  reorganizarea  şi  stocarea  informaţiilor  provenite  din  surse 
diverse şi variate de date inclusiv date multimedia, hipermedia şi de localizare 
spaţială  şi  fac  obiectul  sistemelor  informatice  inteligente  –  sisteme  suport  de 
asistare a deciziei (DSS). Ele se aplică asupra unor volume foarte mari de date, 
eterogene, constituite ca depozite de istoric/arhivă de date şi presupun calcule 
complexe  (analiză  de  tendinţă,  corelaţii  între  evenimente,  asociaţii  intre 
anumite fapte, secvenţe, tipare de comportament, modele de cunoaştere) ;
·  Sistemele  de  gestiune  a  bazelor  de  date  sunt  adecvate  aplicaţiilor  curente  de 
gestiune  şi  servesc  la  crearea  şi  întreţinerea  sistemelor  de  baze  de  date 
tranzacţionale  OLTP  (On­Line  Transaction  Processing)  şi  au  ca  obiectiv 
execuţia  în  timp  real  a  tranzacţiilor  zilnice  (aprovizionare,  vînzari,  stocuri, 
producţie,  decontări,  plăti,  activităţi  de  marketing  şi  management, 
contabilitate) cât şi a procedurilor de interogare (Query). Sistemele de gestiune 
a  depozitelor  de  date,  pe  de  altă  parte,  servesc  top  managerii,  managerii, 
utilizatorii sau specialiştii  în domeniul analizei  şi fundamentării deciziei, fac 
obiectul  sistemelor  informatice  OLAP  (On­Line  Analytical  Processing)  şi 
oferă  tehnologii  de  agregare  a  datelor  stocate  în  depozitele  de  date  într­o 
abordare  multidimensională,  cu  acces  rapid  la  informaţiile  necesare,  într­o 
manieră consistentă, interactivă şi foarte flexibilă;
·  Un  sistem  OLTP  este  centrat  pe  client  (customer  oriented)  şi  este  utilizat 
pentru  procesarea  tranzacţiilor  şi  interogărilor  din  bazele  de  date  constituite 
operaţional,  baze  care  pot  oferi  răspunsuri  la  întrebări  de  tipul  Cine?,  Ce?, 
Unde?,  Când?  prin  analiza  datelor  de  tip  numeric  sau  statistic.  Un  sistem 
OLAP  este  orientat  spre  piaţă  (maket  oriented)  şi  este  utilizat  de  manageri, 
analişti,  specialişti  prin  instrumente  FASMI  (Fast  Analysis  Shared 
Multidimensional  Information)  de  analiza  rapidă  a  informaţiei 
multidimensionale  distribuită  în  locaţii  multiple  şi  accesibilă  în  acelaşi  timp 
unui  număr  mare  de  utilizatori  pentru  analize  complexe  prin  agregare, 
sintetizare, consolidare şi care permit construirea de scenarii, prin posibilitatea 
de a răspunde la întrebări de tipul Ce ar fi dacă? pentru a descoperi corelaţii

30 
 Revista de Marketing Online – Vol.1 Nr.2 

între  evenimente,  asociaţii  între  anumite  fapte,  secvenţe  şi  tipare  de 
comportament;
·  Tehnologiile OLAP utilizează bazele de date multidimensionale, construite de 
regulă  din  date  de  istoric  sau  date  care  provin  de  la  diferite  organizaţii  , 
integrând  informaţii  din  surse  eterogene,  de  tipuri  şi  naturi  diferite. 
Tehnologiile  OLTP  utilizează  baze  de  date  relaţionale,  care  sunt 
bidimensionale  prin  definiţie,  fiind  focalizate  pe  datele  curente  dintr­o 
organizaţie  sau  departament  fără  a  referi  date  istorice  sau  date  din  alte 
organizaţii. 

B.  Tehnologia  OLAP  (OnLine  Analytical  Processing)  este  un  instrument 

puternic,  performant  şi  uşor  accesibil  de  agregare  a  datelor  stocate  în    arhive  mari  de 
date,  care  printr­o  abordare  multidimensională,  asigură  acces  rapid  la  informaţii,  iar 
printr­o  analiza  multidimensională  oferă  răspunsuri concrete,  consistente,  corecte  şi  în 
timp real la întrebările analiştilor de marketing privind fenomene, procese şi activităţi de 
marketing.  Tehnica  OLAP  permite  o  modelare  dimensională,  prin  utilizarea  cubului 
OLAP, o structură multidimensională, un hipercub, care modelează aspectul complex al 
unui  proces  sau  fenomen,  atit  prin  reprezentările  sale  cantitative,  măsurabile  ale 
activităţii, în strânsă legatură cu aspectele calitative sau de context. Context este definit 
prin dimensiunile/parametrii săi: când s­a desfăşurat, unde s­a desfăsurat, cine a iniţiat, 
cine a executat­o, cine a beneficiat de ea,, cu ce resurse, cu cine a fost efectuată, de la 
cine şi către cine s­a desfăşurat. Trăsătura esenţială a acestor întrebări este caracterul lor 
multidimensional.  Există  totuşi  câteva  tipuri  uzuale  de  întrebări,  care  pot  arunca  o 
lumină asupra complexităţii instrumentelor care trebuie să furnizeze răspunsuri:
·  rapoarte multidimensionale, ca de exemplu: vânzările totale ale firmei din 
produsul  X,  şi  respectiv  ponderea  vânzărilor  realizate  prin  magazinele  din 
oraşul Y în perioada …. ?
·  comparaţii, ca de exemplu: care este media abaterii procentuale de la planul 
de  vânzări  în  primul  semestru  al  acestui  an  comparativ    cu  vânzările  din 
primul semestru al anului trecut ?
·  clasificări  şi  profiluri  statistice,  ca  de  exemplu:  care  este  volumul 
vânzărilor şi  media adaosului pentru primii 20 % dintre distribuitori şi care 
este contribuţia acestora la totalul vânzărilor pe trimestrul trecut ?
·  agregări  libere,  ca  de  exemplu:  care  sunt  veniturile  realizate  în  ultimele 
două trimestre de filialele judeţene din Muntenia ?
·  evaluări What – If, ca de exemplu: în ce măsură ar influenţa profitul total al 
firmei o creştere cu 15 % a vânzărilor în judeţele din Moldova ? 
Pentru  oricine  care  a  formulat  interogări  în  bazele  de  date  multidimensionale 
(engl. Query), este evident că exprimarea unor asemenea cereri depăşeşte posibilităţile 
oricărui instrument de acces şi raportare. 
Printre  calităţile  pe  care  trebuie  să  le  îndeplinească  un  bun  instrument  OLAP  se 
numără:
·  să poată susţină analize sofisticate;
·  să poată fi utilizate eficient de diverse categorii de utilizatori;
·  să fie scalabile la volume oricât de mari de date;
·  să permită accesul concurent al unui mare număr de utilizatori;
·  să fie uşor de intreţinut şi de configurat;

31 
 Revista de Marketing Online – Vol.1 Nr.2 

·  să fie bazate pe o arhitectură deschisă deoarece evoluţia tehnologiei informaţiei 
poate aduce schimbări radicale în structura sistemului informatic care, însă, nu 
trebuie să afecteze instrumentaţia utilizată pentru analiză. 
O  bază  de  date  multidimensională  utilizată  de  tehnologiile  OLAP  este  formată 
din două structuri:
·  Structura  datelor  prin  care  se  descriu  structurile  proprii  ale  bazelor  de  date 
referite, cu câmpurile, atributele şi caracteristicile asociate;
·  Structura  metadatelor  definită  prin  dimensiunile,  structurile  ierarhice  ale 
dimensiunilor, membrii şi multipli acestor structuri. 
Dimensiunile  OLAP  sunt  identificate  în  bazele  de  date  tranzacţionale  ca  fiind 
cîmpurile  ce  conţin  caracteristicile  unei  tranzacţii,  datele  de  identificare  a  tranzacţiei 
respective  şi  care  în  cele  mai  multe  cazuri  sunt  cheile  externe  utilizate  în  bazele 
respective. Dimensiunile reprezintă parametrii  în  care s­a desfăsurat o activitate, nu se 
intersectează cu alte dimensiuni şi sunt de natură complet diferită (timp, spaţiu, produse, 
furnizori,  clienţi,  resurse  financiare,  resurse  materiale,  resurse  umane).  Mulţimea 
valorilor posibile pe care le poate lua dimensiunea respectivă poartă numele de membrii 
dimensiunii. Prin regruparea valorilor se generează multipli de membrii, grupe de valori 
ale  dimensiunii  respective  cu  o  caracteristică  comună.  De  exemplu  se  poate  defini 
localitatea  ca  multiplu  de  membrii  formaţi  din  toţi  clienţii  organizaţiei  din  localitatea 
respectivă.  Dimensiunile  şi  multipli  lor  formează  structuri  arborescente  cunoscute  în 
OLAP  sub  numele  de  ierarhii.  Modelarea  dimensională  oferă  un  model  conceptual, 
cubul OLAP, care permite agregarea datelor într­o structură ierarhică, simpla şi foarte 
flexibilă,  fără  a  modifica  structura  de  bază  a  colecţiilor  încorporate  în  depozit,  cu 
păstrarea  legăturilor  cu  sursele  iniţiale  de  date  şi  cu  posibilitatea  de  descompunere  a 
datelor centralizate pe niveluri ierarhice inferioare pînă la setul de tranzacţii iniţiale. 
Motorul OLAP foloseşte ca mod de vizualizare a datelor în depozitul de date, o 
reprezentare  într­un  spaţiu    n  dimensional,  prin  care  axele    dau  dimensiunea  logică  a 
cubului. 

Figura 1: Cubul de date

32
 Revista de Marketing Online – Vol.1 Nr.2 

Dacă  luăm  ca  exemplu  dimensiunile:  Produsul,  timpul  regiunea  (zona),  cubul 
măsurilor cantitative sau valorice ar avea reprezentarea din figura 1. 
Asupra  cuburilor  n  dimensionale    motorul  analitic  execută  o  serie  de  operaţii 
care  se  integrează  în  aplicaţii  OLAP  manevrate  de  utilizatorul  final.  Pentru  execuţia 
acestor operaţii este necesară „navigarea liberă” de­a lungul nivelelor ierarhice definite 
pentru depozitul de date. 

Principalele  operaţii OLAP care se pot efectua sunt:
·  Specificarea criteriilor de selecţie este primul pas în orice analiză. Utilizatorul 
trebuie  să  poată  exprima  cu  uşurinţă  criterii  simple,  bazate  pe  valori  ale 
atributelor şi/sau pe valori ale metricelor. Aceste criterii simple trebuie să poată 
fi apoi combinate prin operatori logici şi trebuie să poată fi salvate în biblioteci 
pentru eventuale reutilizări.
·  Rotaţiile  sunt  operaţii  care  permit  utilizatorilor  să  găsească  perspectiva  care­l 
interesează specificînd dimensiunile şi direcţiile de rotaţie sau indicând un pivot.
·  Schimbarea nivelului de agregare permite găsirea nivelului de agregare optim 
pentru  analiză.  Se  poate  adânci  analiza  spre  nivele  de  detaliu  prin  operaţii  de 
schimbare  a  sensului  de  navigării  de­a  lungul  nivelelor  unei  ierarhii;  prin  drill 
down se poate naviga pe nivelele cu un grad de detaliu mai mare, iar prin roll up 
se va naviga pe nivelele ierarhice superioare ca nivel de agregare.
·  Specificarea modului de prezentare trebuie să permită analistului să găsească 
modalităţile  optime  de  valorificare  vizuală  a  datelor  extrase.  În  afară  de 
posibilităţile  grafice  tipice  pentru  prezentare,  este  important  ca  utilizatorul  să 
poată vizualiza date multidimensionale  într­o manieră tabelară. În acest sens se 
pot  utiliza  tabele  complexe,  care  să  poată  grupa  coloane  şi  linii  exprimând 
dimensiuni diferite (de pildă timpul şi dispunerea în spaţiu) şi nivele de agregare 
diferite.Perspectiva  multidimensională asupra datelor se  face prin  operaţii care 
permit  obţinerea  de  vederi    (view)  bidimensionale  dintr­un  cub  n dimensional, 
care  se  mai  numesc  slice­uri,  felii  de  informaţii  care  servesc  unor  anumite 
scopuri si decizii  manageriale. 

REGIUNEA 

PRODUS 
TIMP 

Figura 2: Slice  pentru viziunea managerului de produs 

De exemplu viziunea managerului de produs interesează doar vânzările anumitor 
produse, în toată regiunea şi în toată perioada de timp considerată

33 
 Revista de Marketing Online – Vol.1 Nr.2 

Alte tipuri de slice­uri pot felia cubul pe toate cele trei coordonate carteziene aşa 
cum se poate vedea  în figura de mai jos. 

Figura 3: Alte tipuri de slice­uri 
Pentru  prezentarea  convenabilă  a  rezultatelor  se  fac  racordări  ale  vederilor 
bidimensionale cu  baza de date  multidimensională, prin  mapări de date, coroborate cu 
utilizări de grafice şi tabele complexe 

Fiind o tehnologie relativ  nouă, modelul de arhitectură OLAP (figura 4) care s­a 
impus  pentru  sistemele  orientate  spre  analiză  multidimensională  este  unul  de  tip 
client/server în trei straturi. 

Sisteme informatice 

Motor  Aplicatii 
Data  OLAP 
Warehouse  OLAP 
OPERATIONALE 

Metadate 

Figura 4:. Arhitectura unui sistem OLAP 

a)  Data  Warehouse  formează  nivelul  cel  mai  de  jos,  responsabil  cu  stocarea  şi 
regăsirea  datelor.  De  regulă  aplicaţiile  tranzacţionale  utilizează  sisteme  relaţionale  dar 
pentru  depozitele  de  date  se  folosesc    sisteme  multidimensionale.  Dat  fiind  volumul 
mare de date, este recomandabil ca SGBD­urile folosite să ofere suport pentru prelucrări 
paralele  şi  distribuite,  să  dispună  de  mecanisme  performante  de  indexare  şi  de 
optimizare, să ofere un înalt nivel de siguranţă; 
b)  Motorul  analitic  OLAP  (OLAP  engine)  are  sarcina  de  a  prelua  cererile 
exprimate de utilizatori şi, pe baza consultării metadatelor, să genereze cererile necesare 
pentru obţinerea datelor ce vor fi redirectate către clienţi. În plus, datelor obţinute li se 
vor aplica la acest nivel o serie de prelucrări de generarea de interogări, manipulări  de 
date şi de sintetizarea rezultatelor;

34 
 Revista de Marketing Online – Vol.1 Nr.2 

c)  Metadatele – în care sunt stocate dimensiunile, membrii şi multipli lor, precum 
şi structurile ierarhice ale dimensiunilor, informaţii care apar pe axele cuburilor şi sunt 
prezentate utilizatorului ca nume de rînduri sau de coloane (pivot table); 
d)  Aplicaţiile OLAP sunt reprezentate de instrumente mânuite de utilizatorul final. 
Există aplicaţii generale care răspund  suficient de bine  nevoilor unei  categorii  largi de 
utilizatori,  există  instrumente  specializate  pe  domenii  (cum  ar  fi  de  pildă  analize 
regresionale,  analize  ANOVA,  analize  SWOT,  analiza  financiară)  şi,  în  fine,  există 
posibilitatea de a dezvolta instrumente foarte specifice. 
Din punct de vedere al utilizatorului final, aplicaţia pe care o foloseşte trebuie să­i 
asigure  două  funcţionalităţi  importante:  navigarea  liberă  prin  depozitul  de  date  în 
căutarea informaţiilor relevante şi posibilităţi diverse de prezentare a datelor. Aceste 
funcţionalităţi  sunt  strâns  legate  între  ele  şi  este  greu  de  spus  care  operaţie  este  de 
navigare şi care este de prezentare. 
Cerinţele de administrare şi dezvoltare pentru OLAP, deşi similare cu cele pentru 
instrumentele de interogare şi raportare, sunt în general mult mai complexe. Punerea în 
funcţiune a unui sistem OLAP şi a softului de acces la date necesită o înţelegere clară a 
modelului  de  date  al  întreprinderii  şi  a  funcţiilor  analitice  cerute  de  conducerea 
executivă  şi  strategică.  Produsele  comerciale  pot  fi  de  mare  folos,  dar  rareori  există 
soluţii ,,la cheie” pentru OLAP; arhitectura trebuie reglată astfel încât să suporte sursele 
de  date  folosite  şi  să  facă  faţă  cerinţelor.  În  schimb,  odată  ce  sistemul  OLAP  este 
funcţional, suportul tehnic pentru utilizator este minimal. 

C.  Tehnologiile  Data  mining  (mineritul  în  date)  reprezintă,  într­o  accepţiune 
simplă,  un  mod  automat  de  detectare  într­o  bază  de  date  a  unor tipare  relevante.  Data 
mining  utilizează  o  serie  de  tehnici  statistice  şi  de  inteligenţă  artificială  ce  dau 
posibilitatea  construirii  de  modele  ce  pot  previziona  comportamentul  clienţilor. 
Tehnologia  îşi  sporeşte  calităţile  prin  integrare  cu  depozitele  de  date  comerciale  şi  cu 
noile modalităţi de prezentare şi raportare. 
Data  mining  îşi  datoreşte  numele  similarităţii  dintre  căutarea  de  informaţii 
valoroase  într­o  bază  de  date  mare  şi  săparea  unor  galerii  în  munte  pentru  detectarea 
unor zăcăminte valoroase. 
Data mining este un proces de descoperire a cunoştinţelor (Knowledge discovery 
­KD),  de  extragere  a  informaţiei  necunoscută  anterior  din  baze  de  date  foarte  mari. 
Procesul  descoperirii  de  corelaţii  semnificative,  modele  şi  tendinţe  se  asigură 
prin  explorarea  unor  mari  cantităţi  de  date  stocate  în  depozite  de  date,  utilizând 
tehnologii de recunoaştere a modelelor, precum şi tehnici statistice şi matematice. 
Conform  unui  raport  din  1997  al  Grupului  Gartner:  ,,Data  mining  şi  inteligenţa 
artificială  se  află  între  primele  cinci  tehnologii  cheie  care  vor  avea  în  mod  sigur  un 
impact  major  asupra  unui  mare  număr  de  industrii  în  următorii  ani”.  Gartner  situează 
data mining între primele 10 tehnologii în care firmele vor investi în următorii 5 ani. 
Studiile arată că în ultima perioadă s­a înregistrat o explozie dramatică a nivelului 
de  interes  privind  data  mining,  în  condiţiile  în  care  utilizatorii  au  dorit  să  profite 
dinstrumentele  oferite  de  această  tehnologie  pentru  a  obţine  un  avantaj  competitiv 
inteligent în plan concurenţial. 
Anumite  produse  software  de  vârf  în  domeniul  data  mining,  provenite  de  la 
companii ca SAS sau IBM, reprezintă acum mai mult decât simple motoare de modelare 
bazate  pe  algoritmi  complecşi.  Acestea  se  adresează  unei  categorii  mai  largi  de

35 
 Revista de Marketing Online – Vol.1 Nr.2 

probleme  tehnice  şi  economice  şi  se  integrează  în  mediile  actuale  de  tehnologie 
informaţională. 
Deşi  se  credea  că  data  miningul  va  elimina  nevoia  de  specialişti  în  crearea  de 
modele statistice,  lipsa  experienţei umane şi  a  intuiţiei  între  nişte corelaţii relevante şi 
unele nerelevante, lipsă ce caracterizează softurile, infirmă această previziune. 
Tradiţional  sunt  avute  în  vedere  mai  multe  tipuri  de  analize  statistice:  analize 
predictive,  analize  descriptive,  analize  confirmatorii  şi  analize  exploratorii.  Un 
exemplu  tipic  de  analize  predictive  şi  descriptive  sunt  cele  specifice  acţiunilor  şi 
fenomenelor de marketing. În cazul analizelor confirmatorii, având o ipoteză formulată 
aceasta  se  acceptă  sau  se  respinge.  În  analizele  exploratorii,  se  urmăreşte  găsirea  de 
ipoteze, care apoi se acceptă sau se resping. În acest punct sistemul preia ,,iniţiativa” în 
procesul analizei datelor sistemul gândeşte singur ipotezele acestea nefiind formulate de 
utilizator. În prezent termenul de data mining se referă la procesul automat de analiză a 
datelor în care sistemul preia iniţiativa de a genera modele. 
Din  punct  de  vedere  al  procesului  există  trei  clase  de  activităţi  data  mining: 
descoperire, modelare predictivă şi analiza excepţiilor (figura 5).
·  Descoperirea este procesul de căutare în baza de date pentru a găsi modele, 
fără a avea o  idee predeterminată sau  ipoteza asupra ceea ce pot fi  modele. 
Cu alte cuvinte programul preia iniţiativa în găsirea a ceea ce sunt modelele 
interesante,  fără  a  fi  necesar  ca  utilizatorul  să  se  gândească  la  întrebările 
relevante  în  prealabil.  În  marile  baze  de  date  există  atât  de  multe  modele 
încât  utilizatorul  nu  ar  putea  niciodată  practic  să  se  gândească  la  toate 
întrebările care ar trebui puse. Problema cheie în acest caz constă în bogăţia 
de  modele care pot fi găsite şi exprimate, precum şi  în calitatea  informaţiei 
livrate – elemente care determină puterea şi utilitatea tehnicii de descoperire.
·  Modelare  predictivă  modelele  descoperite  din  baza  de  date  sunt  folosite 
pentru a face previziuni. Modelarea predictivă permite astfel utilizatorului să 
prelucreze  înregistrări  ce  au  câmpuri  valorice  necunoscute,  iar  sistemul  va 
intui valorile necunoscute pe baza unor modele anterioare din baza de date.
·  Analiza excepţiilor reprezintă procesul prin care se aplică modelele extrase 
pentru a găsi anomalii sau elemente de date neobişnuite. Pentru a descoperi 
anomaliile,  mai  întâi  aflăm  ceea  ce  e  normal,  apoi  detectăm  acele  articole 
care deviază de la normă în cadrul unui interval dat. De exemplu odată ce am 
observat  că  90%  dintre  cumpărători  au  sub  50  de  ani,  ne  putem  înteba  în 
legătură cu cei  10% cumpărători care  au peste 50 de ani  şi  sunt  în baza de 
date. Se observă că descoperirea ne poate ajuta să găsim ,,cunoştinţe uzuale”, 
vreme în care analiza excepţiilor caută cazurile neobişnuite şi specifice.

36 
 Revista de Marketing Online – Vol.1 Nr.2 

Depozit de date 
Conditionare 
logica 
Baza de date 1 
Afinitati si 
Descoperire 
Asocieri 

Tendinte si 
Variatii 

Baza de date 2  Previzionarea 
Modelare  rezultatului 
Data Mining 
predictiva 
.  Previziuni 
. 
.  Detectarea 
Analiza  deviatiilor 
exceptiilor 
Analize ale 
Baza de date n  legaturilor 

Figura 5: Clase de activităţi Data mining 

Fiecare  din  aceste  procese  pot  fi  clasificate  la  rândul  lor  după  regulile  If/Then, 
asocieri  etc.  În  timp  ce  IF/THEN  presupune:  Dacă  –  condiţie,  atunci  regula  1,  astfel 
regula  2,  regulile  de  asociere  se  referă  la  gruparea  articolelor  (de  ex.  când  cineva 
cumpără un produs la magazin, el poate cumpăra alt produs în acelaşi timp – un proces 
numit de obicei analiza coşului de cumpărături). 
Din punct de vedere al tehnicilor utilizate de data mining (figura 6) identificăm:
·  Reţelele  artificiale  neurale  –  modele  de  previzionare  nonliniare  care  sunt 
capabile de acumulare de cunoştinţe prin antrenament;
·  Algoritmi genetici – tehnici de optimizare ce se bazează pe procese cum ar fi 
combinaţii genetice,  mutaţii  şi selecţie  naturală. Sunt utilizate  în  modele ce 
folosesc concepte de evoluţie naturală;
·  Arbori  de  decizie  –  structuri  pe  trei  nivele  ce  reprezintă  seturi  de  decizii. 
Aceste  decizii  generează  reguli  de  clasificare  a  seturilor  de  date.  Printre 
modelele  bazate  pe  arborii  de  decizie  se  include  Arborii  de  regresie  şi 
clasificare  (CART)  şi  Detectarea  automată  a  interacţiunilor  de  tip c 2 
(CHAID);
·  Metoda celui mai apropiat vecin – o tehnică ce permite clasificarea fiecărei 
înregistrări din baza de date a k clase de înregistrări, cele mai similare;
·  Inducţia unor reguli – extragerea unor reguli utile de tip dacă­atunci pe baza 
semnificaţiei statistice;
·  Vizualizarea datelor – interpretarea vizuală a relaţiilor complexe pentru date 
multidimensionale. 
Cea mai importantă dihotomizare a tehnologiilor data mining se referă la păstrarea 
datelor; adică, se mai păstrează sau mai este nevoie de date odată ce au fost minerite. În 
abordările  iniţiale  mare parte din  seturile de date se păstrau pentru viitoare analize. În 
mod  evident,  o  astfel  de  tehnică  se  poate  aplica  numai  în  cazul  sarcinilor  de  tip 
modelare  predictivă  şi  analiză  a  excepţiilor,  nefiind  necesară  în  cazul  descoperirii  de 
cunoştinţe întrucât nu mai sunt alte modele de distilat.

37 
 Revista de Marketing Online – Vol.1 Nr.2 

Depozit de date 

Vecinul 
Baza de date 1  imediat 
Date retinute  Argumentare 
pe cazuri 

Inductie 
Reguli  Algoritmi 
Baza de date 2  Data  genetici 
Mining 
Logic  Arbori de  CART 
.  decizie  CHAID 
.  C4.5 etc. 
.  Agenti 
Tabelare 
Date distilate  incrucisata 
Retele de 
Baza de date n  incredere 

Ecuational  Statistici 

Propagare 
Retele 
inversa 
neurale 
Kohonen 
Figura 6: Tehnologiile data mining 

Aşa cum uşor se poate bănui, abordările bazate pe păstrarea datelor pot avea uşor 
probleme din cauza dimensiunilor foarte mari ale unor astfel de seturi de date. 
În timp ce  în  cazul distilării de  modele  se analizează datele,  se  extrag  modelele, 
iar apoi se renunţă  la date,  în abordările  bazate pe păstrare, datele sunt reţinute pentru 
analogiile de modele. Atunci când noi seturi de date sunt avute în vedere, atunci aceste 
seturi sunt comparate cu seturi anterioare de date. 
Un  exemplu  cunoscut  al  abordării  bazate  pe  reţinerea  datelor  este  metoda 
,,vecinului imediat”. În acest caz setul de date este păstrat (de obicei în memorie) pentru 
comparaţii cu noi înregistrări. Când o nouă înregistrare este supusă analizei, este găsită 
,,distanţa” dintre acestea şi înregistrările similare din setul de date şi ,,cele mai similare” 
(sau vecinii cei mai apropiaţi) sunt identificaţi. 
Tehnologiile  bazate pe distilarea  modelelor extrag  modelele dintr­un  set de date, 
apoi  folosesc  aceste  modele  pentru  diverse  scopuri.  În  mod  evident,  este  necesar  ca 
aceste  modele  să  fie  exprimate  într­o  anumită  formă  şi  limbaj.  Această  opţiune  a  dat 
naştere la trei abordări distincte: logică, ecuaţii şi tabelare încrucişată. Fiecare dintre 
aceste abordări îşi are originile istorice în anumite secţiuni ale matematicii.
·  Logica formează baza celor mai multe limbaje scrise. Modelele exprimate 
în limbaje logice se disting prin două principale caracteristici: pe de o parte 
sunt  citibile  şi  inteligibile,  iar  pe  de  altă  parte  sunt  excelente  pentru 
reprezentarea grupurilor de elemente de date. Sistemele logice condiţionate 
pot fi separate în două grupuri disticte: reguli şi arbori de decizie. Regulile 
condiţionale  pot  fi  implementate  prin  inducţie  sau  algoritmi  genetici. 
Există mai multe abordări şi pentru generarea arborilor de decizie (de ex., 
CART, CHAID, C4.5).
·  Tabelarea  încrucişată  este  o  formă  simplă  de  analiză  a  datelor,  bine 
cunoscută  în  statistică,  şi  folosită  pe  larg  în  rapoarte.  Un  tabel  încrucişat 
bidimensional  este  similar  unei  foi  de  calcul,  cu  capetele,  atât  de  rânduri 
cât  şi  de  coloană,  fiind  valori  ale  atributelor.  Celulele  din  foaia  de  calcul 
reprezintă  o  operaţie  agregată,  de  obicei  numărul  de  co­apariţii  ale

38 
 Revista de Marketing Online – Vol.1 Nr.2 

valorilor atributelor. Multe tabele încrucişate sunt efectiv echivalente cu un 
grafic  tridimensional  care  înfăţişază  o  numărătoare  a  co­apariţiilor. 
Termenul  de  ,,agent”  este  folosit  uneori  pentru  a  desemna  tabelele 
încrucişate care sunt reprezentate grafic într­o reţea şi permit folosirea unor 
conjuncţii  AND,  OR  etc.  Reţelele  de  încredere,  uneori  numite  reţele 
cauzale  ,  sunt  un  graf  direcţionat,  constituit  din  noduri  (variabilele 
reprezentate)  şi  legături  între  noduri  (coeficienţi  probabilistici  de 
încredere).
·  Abordările ecuaţionale folosesc de obicei un set de ecuaţii pentru a defini 
,,o  suprafaţă”  (reprezentare  grafică  a  unei  funcţii  de  orice  grad)  în  cadrul 
unui spaţiu  iar apoi  măsurarea distanţelor de  la această suprafaţă pentru a 
face estimări. 

O problemă a tehnicilor data mining a reprezentat­o necesitatea păstrării 
sau nu a datelor obţinute din minerit. Au apărut tehnologii cu păstrarea datelor 
şi tehnologii fără păstrarea datelor. Păstrarea datelor se poate aplica numai în 
cazul  sarcinilor  de  tip  modelare  predictivă  şi  analiză  a  excepţiilor,  nefiind 
necesară în cazul descoperirii de cunoştinţe întrucât  nu mai sunt alte modele de 
distilat. 
În  timp  ce  în  cazul  distilării  de  modele  se  analizează  datele,  se  extrag 
modelele, iar apoi se renunţă la date, în abordările bazate pe păstrare, datele sunt 
reţinute pentru analogiile de modele. Atunci când noi seturi de date sunt avute în 
vedere, atunci aceste seturi sunt comparate cu seturi anterioare de date. 
Rezultatele  obţinute  prin  data  mining  trebuie  să  fie  operaţionale  şi  să 
poată  fi  aplicate  pentru  obţinerea  unui  anumit  avantaj,  fapt  dependent  în  mare 
măsură şi de abilităţile decidentului. Data Mining şi OLAP sunt instrumente ale 
afacerilor inteligente bazate pe tehnologia IT&C. 
Cererile OLAP se adresează unei baze de date existente generând ipoteze 
şi  relaţii,  OLAP  fiind  în  esenţă  un  proces  deductiv.  Data  mining    utilizează 
datele pentru a descoperi modele printr­un mecanism predictiv. 
In concluzie tehnologia OLAP şi tehnologia Data Mining se completează 
reciproc contribuind la utilizarea eficientă a depozitelor de date. 
Literatura  de  specialitate  prezintă  numeroase  şi  variate  situaţii  care 
impun  utilizarea  depozitelor  de  date  şi  a  tehnicilor  moderne  de  accesare: 
insuficienta  partajarea  a  resurselor,,  grupuri  distincte  de  manageri  produc 
rapoarte  contradictorii,  procesul  de  creare  a  rapoartelor  este  foarte  anevoios, 
rapoartele  nu  sunt  dinamice  şi  nu  favorizează  stilul  de  interogarea  online, 
rapoarte care necesită date de istoric sunt dificil de realizat, nivelul de pregătire 
şi de întelegere a personalului de decizie, a analistului sau specialistului lasă de 
dorit.. 
Instrumentele data  mining  vor continua  să se  maturizeze  şi din ce  în  ce 
mai    multe  organizaţii  vor  adopta  acest  gen  de  tehnologie  ,  incorporat  în 
instrumente  software  din  ce  în  ce  mai  performante.  Iniţiativele  data  mining 
provin  cel  mai  adesea  din  zona  departamentelor  de  marketing  şi  vînzări  care 
deţin baze de date cu volume foarte mari, sunt generate cu instrumente software 
care  acentuează  şi  garantează  calitatea  datelor  din  depozitele  de  date  iar 
evoluţiile din ultima perioadă  impun analize detaliate, analitice, pe perioade de 
timp, pe zone şi segmente diferite pentru a oferi răspunsuri operative şi eficace

39 
 Revista de Marketing Online – Vol.1 Nr.2 

pe  o  piaţă  globalizată  şi  pentru  un  client  individualizat  şi  personalizat. 
Tehnologiile  date  warehouse  ,  OLAP,  data  mining  sunt  influenţate 
semnificativ de popularitatea soluţiilor inteligente  bazate pe Internet şi Intranet, 
suportă  facilitătile  oferite  de  aplicaţiile  WEB,  prin  hypertext,  hyperlink  şi 
hypermedia,  iar  unele  organizaţii  deja  folosesc  aceste  instrumente  pentru 
prelucrarea  pe  Internet  a  informaţiilor  din  depozitele  proprii  de  date  distribuite 
sau pun aceste informaţii la dispoziţia partenerilor strategici ai organizaţiei 

Bibliografie: 
Andone, I. Tugui,  A., s.a. (2001) ­ Dezvoltarea sistemelor inteligente în 
economie, Ed. Economică, Bucureşti, 2001; 
Cătoiu, I. (coordonator) (2002) ­ Cercetări de Marketing, Ed. Uranus, Bucureşti, ; 
Cipolla, E. T. (1995) „Data Mining: Techniques to Gain Insight Into Your Data”, 
Enterprise Systems Journal, Decembrie 1995; 
Harmon, P. şi King, D. (1985) Expert Systems: Artificial in Business, John Wiley 
& Sons, New York. 
Inmon,  W.H.  (1996)  Buiding  the  Data  Warehouse,  John  Wiley  &  Sons,  New 
York. 
Orzan G.(2001), ­ Sisteme informatice de marketing, Ed. Uranus, Bucureşti; 
Turban, E., Jay Aronson J. (2001)– Decision Support Systems and Intelligent 
Systems, Ed.  Prentince Hall,  New Jersey, USA; 
Zaharie,  D.,  Albescu,  F.,  ş.a  (2001)  –  Sisteme  informatice  pentru  asistarea 
deciziei, Ed. DuAl Tech  Bucureşti, 2001, 
Wallinger, J. (1997) Database Marketing Guide, Ed. Dryden Press, New York.

40 
 CURSUL 13

Sisteme de asistarea deciziilor bazate pe depozite de date şi analiză

multidimensionlă

Depozitele de date – Data Warehouse

Sistemele informatice operaţionale de marketing utilizează baze de date relaţionale şi
distribuite care înmagazinează date din activitatea zilnică privind aprovizionările, comenzile,
vânzările, încasările, plăţile şi activităţi specifice de marketing, precum şi informaţiile culese prin
interogarea unor baze de date publice din reţele locale, metropolitane sau de pe Internet.
În bazele de date de marketing, se regăsesc practic informaţii care privesc practic toată
activitatea întreprinderilor, indiferent e domeniu. Aceste baze de date sunt organizate şi stochează
datele pentru o perioadă de timp determinată (pe luni sau pe ani), factorul timp fiind un element
esenţial în identificarea colecţiei de date care interesează la un moment dat pentru extragerea de
informaţii.

Ciclu de viaţă al depozitului de date

Ciclul de viaţă al unui depozit de date este compus dintr-o serie de etape, şi anume crearea,
actualizarea, exploatarea şi în final dezvoltarea depozitului.

Figura 1: Interogare Make- Table Query pentru descrierea dimensiunii Clienţi

 Crearea depozitului de date se are mai mulţi paşi. Se începe prin descrierea tabelelor
depozitului de date, adică descrierea structurii logice a fiecărui tabel. La sfârşit se stabilesc şi cheile
primare asociate fiecărui tabel. Facem precizarea că pentru crearea depozitului de date avem
nevoie ca baza de date relaţională a sistemului tranzacţional să existe şi să fie operaţională.
Problema creării depozitului de date se rezolvă diferenţiat în funcţie de SGBD – ul ales
pentru managementul depozitului.
O soluţie elegantă în cazul utilizării a sistemului MS Access, pentru depozite de date de
complexitate şi dimensiuni mai reduse, o reprezintă utilizarea interogărilor „Make-Table Query”.
Aceste interogări permit descrierea structurii logice a tabelelor de tip dimensiune folosindu-ne de
baza de date sursă din sistemul informatic tranzacţional.
Pasul următor îl reprezintă definirea relaţiilor dintre tabelele depozitului de date. Aceste
relaţii introduc restricţiile de integritate referenţială în cadrul modelului relaţional al depozitului de
date aşa cu se pot remarca în figura 2.

Figura 2: Schema relaţiilor depozitului de date

Al treilea pas al creării depozitului de date îl constituie popularea cu date, deci introducerea
setului iniţial de valori în toate tabelele, cu deosebire în tabelele de fapte. În acest moment se poate
apela la interogări de tip „Append Query”. Aceste interogări adaugă pe rănd datele reale în tabelele

2
depozitului de date. Datele sintetice se obţin şi se introduc în depozit prin intermediul interogărilor
de tip „Crosstab Query” sau „Pivot-Table Query”.
Actualizarea depozitului de date este o acţiune complexă care se execută la intervale
regulate de timp şi care adaugă noi fapte în tabelele depozitului. Acest lucru se traduce prin rularea
aceloraşi interogări de tip „Append Query”.
Exploatarea depozitului de date vizează procesul de valorificare datelor din depozitul de
date şi îmbracă diverse forme concrete în funcţie de instrumentele software folosite, şi care pot fi
de la pachete software pentru generarea şi prezentarea de rapoarte până la analiză
multidimensională cu pachete OLAP şi tehnici Data Mining.

OLAP – On Line Analitycal Proccessing

Oferă analiştilor de marketing răspunsuri la întrebări a căror trăsătură comună este

multidimensionalitatea. Această trăsătură este prezentă atunci când se cer:
· rapoarte multidimensionale, ca de exemplu: vânzările totale ale firmei din
produsul X, şi respectiv ponderea vânzărilor realizate prin magazinele din oraşul Y
în perioada …. ?
· comparaţii, ca de exemplu: care este media abaterii procentuale de la planul de
vânzări în primul semestru al acestui an comparativ cu vânzările din primul
semestru al anului trecut ?
· clasificări şi profiluri statistice, ca de exemplu: care este volumul vânzărilor şi
media adaosului pentru primii 20 % dintre distribuitori şi care este contribuţia
acestora la totalul vânzărilor pe trimestrul trecut ?
· agregări libere, ca de exemplu: care sunt veniturile realizate în ultimele două
trimestre de filialele judeţene din Muntenia ?
· evaluări What – If, ca de exemplu: în ce măsură ar influenţa profitul total al firmei
o creştere cu 15 % a vânzărilor în judeţele din Moldova ?
Pentru oricine care a formulat interogări Query în bazele de date relaţionale este evident că
exprimarea unor asemenea cereri depăşeşte posibilităţile unui instrument de acces şi raportare
obişnuit.
Tehnologia OLAP utilizează pentru procesarea depozitului de date un motor analitic –
OLAP engine, care are sarcina de a prelua cererile exprimate de utilizatori, şi pe baza consultării
metadatelor, să genereze cererile necesare pentru obţinerea datelor ce vor fi redirecţionate către
clienţi. În acest scop motorul analitic este capabil să realizeze:
- generarea de interogări – care se bazează pe criterii furnizate de utilizatori sub forma
- unor formule exprimate prin operatori logici;
- manipulări matematice – care se aplică pentru a aduce datele la forma dorităde
utilizatori. Acestea constau de cele mai multe ori în calcularea unor distanţe (metrici)
derivate pe baza unor formule date, analize statistice, etc.
- sintetizarea rezultatelor prin realizarea unor combinări de atribute altele decât cele
conţinute de depozitul de date, şi care au fost solicitate de utilizator.

3
 Figura 3: Cubul de date
Analizorul OLAP foloseşte ca mod de vizualizare a datelor in depozitul, o reprezentare
intr- un spaţiu n – dimensional, cunoscută sub denumirea de CUBUL n – dimensional. Axele care
dau dimensiunea logică a cubului sunt tocmai dimensiunile depozitului de date.
Dacă luăm ca exemplu dimensiunile PRODUS, TIMP, ZONA, cubul măsurilor cantitative
sau valorice ar avea reprezentarea din figura 4.
Asupra cuburilor n-dimensionale motorul analitic execută o serie de operaţii care se
integrează în aplicaţii OLAP manevrate de utilizatorul final. Pentru execuţia acestor operaţii este
necesară „navigarea liberă” de-a lungul nivelelor ierarhice definite pentru depozitul de date.
Operaţiile OLAP cuprind:
- specificarea criteriilor de selecţie, pe baza atributelor şi/sau pe baza valorilor
metricilor care să poată fi combinate prin operatori logici şi relaţionali;
- rotaţiile, sunt operaţii care permit utilizatorului să găsească perspectiva care- l
interesează specificând dimensiunile şi direcţiile de rotaţie sau indicând un pivot;
- drill down şi roll up , sunt operaţii de schimbare a sensului de navigării de-a lungul
nivelelor unei ierarhii; prin drill down se poate naviga pe nivelele cu un grad de detaliu
mai mare, iar prin roll up se va naviga pe nivelele ierarhice superioare ca nivel de
agregare.
- secţiuni, operaţii care permit obţinerea de vederi (view) bidimensionale dintr- un cub n-
dimensional, care se mai numesc „slice” – uri, felii de informaţii care servesc unor
anumite scopuri manageriale,

REGIUNEA

PRODUS
TIMP
Figura 4: Slice pentru viziunea managerului de produs

4
 De exemplu viziunea managerului de produs interesează doar vânzările anumitor produse,
în toată regiunea şi în toată perioada de timp considerată
Alte tipuri de „slice - uri” pot felia cubul pe toate cele trei coordonate carteziene ş cum se
poate vedea în figura de mai jos.

Figura 5: Alte tipuri de slice-uri

Pentru prezentarea convenabilă a rezultatelor se fac racordări ale vederilor bidimensionale cu
baza de date multidimensională, prin mapări de date, coroborate cu utilizări de grafice şi tabele
complexe. Implementările actuale OLAP sunt deosebit de performante dar şi complexe., necesitând
un profesionalism ridicat.

Data Mining

Mineritul de date, cum se traduce acest termen reprezintă, într-o accepţie simplă, un mod
automat de detectare într-o bază de date a unor tipare relevante. Data mining utilizează o serie de
tehnici statistice şi de inteligenţă artificială ce dau posibilitatea construirii de modele ce pot
previziona comportamentul clienţilor. Tehnologia îşi sporeşte calităţile prin integrare cu depozitele
de date comerciale şi cu noile modalităţi de prezentare şi raportare.
Data mining este un proces de descoperire a cunoştinţelor, de extragere a informaţiei
necunoscută anterior din baze de date foarte mari. Procesul descoperirii de corelaţii semnificative,
modele şi tendinţe se asigură prin explorarea unor mari cantităţi de date stocate în depozite de date,
utilizând tehnologii de recunoaştere a modelelor, precum şi tehnici statistice şi matematice.
Tradiţional sunt avute în vedere două tipuri de analize statistice: analize confirmatorii şi
analize exploratorii. În cazul analizelor confirmatorii, având o ipoteză formulată aceasta se
acceptă sau se respinge. În analizele exploratorii, se urmăreşte găsirea de ipoteze, care apoi se
acceptă sau se resping. În acest punct, sistemul preia „iniţiativa” în procesul analizei datelor şi
generării de modele. Sistemul gândeşte singur ipotezele, acestea ne mai fiind formulate de
utilizator.
Din punctul de vedere al procesului de descoperire al cunoştinţelor există trei clase de
activităţi de data mining: descoperire, modelare predictivă şi analiza excepţiilor.
Descoperirea este procesul de căutare în baza de date pentru a găsi modele, fără a avea o
idee predeterminată sau ipoteze asupra ceea ce pot fi modele. Programul preia iniţiativa în găsirea
a ceea ce sunt modele interesante, fără a fi necesar ca utilizatorul să formuleze întrebări relevante
sau ipoteze prealabile.

5
 Modelarea predictivă presupune că modelele descoperite din baza de date să fie folosite
pentru a face previziuni. Modelarea predictivă permite astfel utilizatorului să prelucreze înregistrări
ce au câmpuri valorice necunoscute, iar sistemul va intui valorile necunoscute pe baza unor modele
din baza de date.
Analiza excepţiilor reprezintă procesul prin care se aplică modelele extrase pentru a găsi
anomalii sau elemente de date neobişnuite. Pentru a descoperi anomaliile, mai întâi aflăm ceea ce e
normal, apoi detectăm acele articole care deviază de la normă în cadrul unui interval dat. De
exemplu odată ce am observat că 90 % dintre cumpărători au sub 50 de ani, ne putem întreba în
legătură cu cei 10 % cumpărători care au peste 50 de ani şi sunt în baza de date. Se observă că
descoperirea ne poate ajuta să găsim „cunoştinţe uzuale”, vreme în care analiza excepţiilor caută
cazurile neobişnuite şi specifice.
Din punctul de vedere al tehnicilor de data mining se operează cu următoarele tipuri de
tehnologii de data mining: reţele neuronale, algoritmi genetici, arbori de decizie, metoda celui mai
apropiat vecin, inducţia unor reguli.

Reţelele neuronale, reprezintă modele de previzionare non lineare care sunt capabile de acumulare
de cunoştinţe prin antrenament.
Algoritmi genetici, sunt tehnici de optimizare ce se bazează pe procese cum ar fi combinaţii
genetice, mutaţii şi selecţie naturală. Sunt utilizate în modele ce folosesc concepte
de evoluţie naturală.
Arbori de decizie sunt structuri pe trei nivele ce reprezintă seturi de decizii. Acestei decizii
generează reguli de clasificare a seturilor de date. Printre modelele bazate pe arbori
de decizie se includ arborii de regresie şi clasificare – CART, şi detectarea
2
interacţiunilor de tip χ - CHAID.
Metoda celui mai apropiat vecin , o tehnică ce permite clasificarea fiecărei înregistrări din baza
de date utilizând k clase de înregistrări similare.
Inducţia unor reguli extrage anumite reguli utile de tip dacă – atunci pe baza semnificaţiei
statistice.

O problemă a tehnicilor data mining a reprezentat-o necesitatea păstrării sau nu a datelor

obţinute din minerit. Au apărut tehnologii cu păstrarea datelor şi tehnologii fără păstrarea datelor.
Păstrarea datelor se poate aplica numai în cazul sarcinilor de tip modelare predictivă şi analiză a
excepţiilor, nefiind necesară în cazul descoperirii de cunoştinţe întrucât în acest caz nu mai sunt
alte modele de distilat.
În timp ce în cazul distilării de modele se analizează datele, se extrag modelele, iar apoi se
renunţă la date, în abordările bazate pe păstrare, datele sunt reţinute pentru analogiile de modele.
Atunci când noi seturi de date sunt avute în vedere, atunci aceste seturi sunt comparate cu seturi
anterioare de date.
Rezultatele obţinute prin data mining trebuie să fie operaţionale, şi să poată fi aplicate
pentru obţinerea unui anumit avantaj, fapt dependent în mare măsură şi de abilităţile decidentului.
Data Mining şi OLAP sunt instrumente ale afacerilor inteligente bazate pe tehnologia IT&C.

6
Cererile OLAP se adresează unei baze de date existente generând ipoteze şi relaţii, OLAP fiind în
esenţă un proces deductiv. Data mining îi utilizează datele pentru a descoperi modele printr-un
mecanism predictiv.
In concluzie tehnologia OLAP şi tehnologia Data Mining se completează reciproc
contribuind la utilizarea eficientă a depozitelor de date.

7
 Revista de Marketing Online – Vol.1 Nr.2 

CURSUL 14 (pag. 7-12)

Data Mining
Tehnologie  inteligenta de accesare multidimensională
a bazelor şi depozitelor de date de  marketing 

Autor: Gheorghe Orzan 

Abstract: În mod tradiţional, una dintre cele mai importante şi mai frecvente activităţi 
ale unui departament de marketing constă în gestionarea unor volume mari de 
date  acumulate  de­a  lungul  timpului,  de  consultare  a  variate  baze  de  date 
cantitative, de grafică sau multimedia in stare offline sau online, orientate spre 
piaţă  (market­oriented),  date  care  provin  din  cercetările  de  marketing,  de  la 
alte organizaţii şi care impun operativ consultarea interactivă şi de o manieră 
flexibilă  şi  consistentă  prin  operaţii  de  integrare,  sintetizare  şi  agregare,  de 
reorganizare şi stocare, de gestionare şi procesare  în raport de obiectivele de 
marketing. Acestea se constituie în surse de informaţii esenţiale în procesul de 
fundamentare  a  deciziilor,  atât  la  nivelul  activităţilor  de  marketing,  cât  şi  în 
ansamblul  organizaţiei.  Tehnicile  moderne  din  domeniul  IT&C  fac  însă 
posibilă  o  analiză  mult  mai  rapidă  şi  mai  eficientă  a  acestor  date,  practic  în 
timp  real,  în  ciuda  eventualelor  distribuţii  geografice.  Această  lucrare  îşi 
propune  prezentare  unor  situaţii  teoretice  şi  practice  în  care  tehnici  de  tip 
OLAP sau data  mining eficientizează activitatea profesioniştilor  în domeniul 
marketingului. 
Cuvinte  cheie:  asistarea  deciziilor,  strategii  de  marketing,  data  warehouse,  sisteme 
asistarea deciziilor, OLTP,  OLAP, data mining. 

A.  Depozitele  de  date  (data  warehause)  reprezintă  un  produs  al  mediului 
economic  tot  mai  competitiv,  global,  dinamic  şi  complex  în  care  organizaţia  îşi 
desfăsoară  activitatea  şi  care  solicită  informaţii  relevante,  actuale,  de  o  manieră 
consistentă şi foarte flexibilă  în procesul de fundamentare a deciziilor de marketing iar, 
pe de altă parte este rezultatul evoluţiilor spectaculoase în ceea ce priveşte tehnologiile 
din domeniul IT&C. 
Un depozit de date este o sumă de date consistentă din punct de vedere semantic 
care serveşte la o implementare fizică a unui model de date ca suport pentru sprijinirea 
deciziei  şi  stochează  informaţii  pe  care  o  organizaţie  le  solicită  în  fundamentarea 
decizilor strategice. Un data warehouse (Inmon, 1996) este „o colecţie de date orientată 
pe  subiecte,  integrată,  atemporală,  istorică  si  persistentă,  destinată  spijinirii  procesului 
de fundamentare a deciziei manageriale”. În sinteză definitia prezentată mai sus exprimă 
caracteristicile de bază ale depozitelor de date: orientarea pe subiecte majore (clienţi, 
furnizori, concurenţi, producţie, vînzari),  prin integrarea unor multiple surse eterogene 
de  informaţii  (baze  de  date  relaţionale,  distribuite,  baze  de  date  multimedia  şi  de  tip 
hipermedia, fişiere şi inregistrări), sunt independente de timp şi au caracter de istoric 
atribuit  prin  dimensiunile  spaţiale  şi  temporale  ale  depozitului  (prin  consultarea 
valorilor  succesive  ale  variabilelor  cercetate  pentru  a  determina  evoluţia  în  timp  şi 
spaţiu  şi  a  estima  tendinţele  proceselor  şi  fenomenelor  investigate),  cât  şi persistenţa 
datelor (datele din depozit sunt permanente şi nu pot fi modificate, fiind deja istorie a

29 
 Revista de Marketing Online – Vol.1 Nr.2 

evenimentului).  In  mod  uzual  depozitele  de  date  implică  numai  două  operaţii: 
construirea  sau  încarcarea  iniţială  a  datelor  (integrarea  datelor,  filtrarea,    curăţarea  şi 
consolidarea  datelor)  şi  accesul  la  date  printr­o  colecţie  de  tehnologii  inteligente  de 
asistare  a  procesului  de  fundamentare  a  deciziilor  si  care  va  permite  specialiştilor 
(manageri, analişti, consultanţi, executivi) acces rapid, consistent şi facil la informaţiile 
din depozit. 
O  comparaţie  între    bazele  de  date  şi  depozitele  de  date  pune  în  valoare  rolul 
depozitelor  de  date,  ca  model  de  organizare  şi  sursă  suport  de  informaţii  pentru 
fundamentarea deciziei. Atît bazele de date cît şi depozitele de date sunt structuri logice 
de  organizare  de  date,  exploatează  tehnologii  informatice  de  organizare  şi  gestiune  de 
date diferite şi înmagazinează mari cantităţi de date. 
Diferenţele  semnificative  între  cele  două  modele  de  organizare  logică  de  date 
pot fi structurate astfel:
· Bazele  de  date  din  sistemele  informatice  conţin  date  curente,  detaliate,  care
sunt actualizate şi interogate în aceleaşi perioade cu culegerea şi procesarea lor
şi  fac  obiectul  sistemelor  informatice  de  prelucrare  a  tranzacţiilor  (TPS).
Depozitele  de  date  sunt  construite  special  ca  sisteme  suport  de  asistare  a
deciziei  şi  au  ca  obiectiv  regruparea  şi  consolidarea  datelor,  agregarea  şi
sintetizarea  lor,  reorganizarea  şi  stocarea  informaţiilor  provenite  din  surse
diverse şi variate de date inclusiv date multimedia, hipermedia şi de localizare
spaţială  şi  fac  obiectul  sistemelor  informatice  inteligente  –  sisteme  suport  de
asistare a deciziei (DSS). Ele se aplică asupra unor volume foarte mari de date,
eterogene, constituite ca depozite de istoric/arhivă de date şi presupun calcule
complexe  (analiză  de  tendinţă,  corelaţii  între  evenimente,  asociaţii  intre
anumite fapte, secvenţe, tipare de comportament, modele de cunoaştere) ;
· Sistemele  de  gestiune  a  bazelor  de  date  sunt  adecvate  aplicaţiilor  curente  de
gestiune  şi  servesc  la  crearea  şi  întreţinerea  sistemelor  de  baze  de  date
tranzacţionale  OLTP  (On­Line  Transaction  Processing)  şi  au  ca  obiectiv
execuţia  în  timp  real  a  tranzacţiilor  zilnice  (aprovizionare,  vînzari,  stocuri,
producţie,  decontări,  plăti,  activităţi  de  marketing  şi  management,
contabilitate) cât şi a procedurilor de interogare (Query). Sistemele de gestiune
a  depozitelor  de  date,  pe  de  altă  parte,  servesc  top  managerii,  managerii,
utilizatorii sau specialiştii  în domeniul analizei  şi fundamentării deciziei, fac
obiectul  sistemelor  informatice  OLAP  (On­Line  Analytical  Processing)  şi
oferă  tehnologii  de  agregare  a  datelor  stocate  în  depozitele  de  date  într­o
abordare  multidimensională,  cu  acces  rapid  la  informaţiile  necesare,  într­o
manieră consistentă, interactivă şi foarte flexibilă;
· Un  sistem  OLTP  este  centrat  pe  client  (customer  oriented)  şi  este  utilizat
pentru  procesarea  tranzacţiilor  şi  interogărilor  din  bazele  de  date  constituite
operaţional,  baze  care  pot  oferi  răspunsuri  la  întrebări  de  tipul  Cine?,  Ce?,
Unde?,  Când?  prin  analiza  datelor  de  tip  numeric  sau  statistic.  Un  sistem
OLAP  este  orientat  spre  piaţă  (maket  oriented)  şi  este  utilizat  de  manageri,
analişti,  specialişti  prin  instrumente  FASMI  (Fast  Analysis  Shared
Multidimensional  Information)  de  analiza  rapidă  a  informaţiei
multidimensionale  distribuită  în  locaţii  multiple  şi  accesibilă  în  acelaşi  timp
unui  număr  mare  de  utilizatori  pentru  analize  complexe  prin  agregare,
sintetizare, consolidare şi care permit construirea de scenarii, prin posibilitatea
de a răspunde la întrebări de tipul Ce ar fi dacă? pentru a descoperi corelaţii

30 
 Revista de Marketing Online – Vol.1 Nr.2 

între  evenimente,  asociaţii  între  anumite  fapte,  secvenţe  şi  tipare  de 
comportament;
· Tehnologiile OLAP utilizează bazele de date multidimensionale, construite de
regulă  din  date  de  istoric  sau  date  care  provin  de  la  diferite  organizaţii  ,
integrând  informaţii  din  surse  eterogene,  de  tipuri  şi  naturi  diferite.
Tehnologiile  OLTP  utilizează  baze  de  date  relaţionale,  care  sunt
bidimensionale  prin  definiţie,  fiind  focalizate  pe  datele  curente  dintr­o
organizaţie  sau  departament  fără  a  referi  date  istorice  sau  date  din  alte
organizaţii.

B.  Tehnologia  OLAP  (OnLine  Analytical  Processing)  este  un  instrument 

puternic,  performant  şi  uşor  accesibil  de  agregare  a  datelor  stocate  în    arhive  mari  de 
date,  care  printr­o  abordare  multidimensională,  asigură  acces  rapid  la  informaţii,  iar 
printr­o  analiza  multidimensională  oferă  răspunsuri concrete,  consistente,  corecte  şi  în 
timp real la întrebările analiştilor de marketing privind fenomene, procese şi activităţi de 
marketing.  Tehnica  OLAP  permite  o  modelare  dimensională,  prin  utilizarea  cubului 
OLAP, o structură multidimensională, un hipercub, care modelează aspectul complex al 
unui  proces  sau  fenomen,  atit  prin  reprezentările  sale  cantitative,  măsurabile  ale 
activităţii, în strânsă legatură cu aspectele calitative sau de context. Context este definit 
prin dimensiunile/parametrii săi: când s­a desfăşurat, unde s­a desfăsurat, cine a iniţiat, 
cine a executat­o, cine a beneficiat de ea,, cu ce resurse, cu cine a fost efectuată, de la 
cine şi către cine s­a desfăşurat. Trăsătura esenţială a acestor întrebări este caracterul lor 
multidimensional.  Există  totuşi  câteva  tipuri  uzuale  de  întrebări,  care  pot  arunca  o 
lumină asupra complexităţii instrumentelor care trebuie să furnizeze răspunsuri:
· rapoarte multidimensionale, ca de exemplu: vânzările totale ale firmei din
produsul  X,  şi  respectiv  ponderea  vânzărilor  realizate  prin  magazinele  din
oraşul Y în perioada …. ?
· comparaţii, ca de exemplu: care este media abaterii procentuale de la planul
de  vânzări  în  primul  semestru  al  acestui  an  comparativ    cu  vânzările  din
primul semestru al anului trecut ?
· clasificări  şi  profiluri  statistice,  ca  de  exemplu:  care  este  volumul
vânzărilor şi  media adaosului pentru primii 20 % dintre distribuitori şi care
este contribuţia acestora la totalul vânzărilor pe trimestrul trecut ?
· agregări  libere,  ca  de  exemplu:  care  sunt  veniturile  realizate  în  ultimele
două trimestre de filialele judeţene din Muntenia ?
· evaluări What – If, ca de exemplu: în ce măsură ar influenţa profitul total al
firmei o creştere cu 15 % a vânzărilor în judeţele din Moldova ?
Pentru  oricine  care  a  formulat  interogări  în  bazele  de  date  multidimensionale 
(engl. Query), este evident că exprimarea unor asemenea cereri depăşeşte posibilităţile 
oricărui instrument de acces şi raportare. 
Printre  calităţile  pe  care  trebuie  să  le  îndeplinească  un  bun  instrument  OLAP  se 
numără:
· să poată susţină analize sofisticate;
· să poată fi utilizate eficient de diverse categorii de utilizatori;
· să fie scalabile la volume oricât de mari de date;
· să permită accesul concurent al unui mare număr de utilizatori;
· să fie uşor de intreţinut şi de configurat;

31 
 Revista de Marketing Online – Vol.1 Nr.2 

· să fie bazate pe o arhitectură deschisă deoarece evoluţia tehnologiei informaţiei
poate aduce schimbări radicale în structura sistemului informatic care, însă, nu
trebuie să afecteze instrumentaţia utilizată pentru analiză.
O  bază  de  date  multidimensională  utilizată  de  tehnologiile  OLAP  este  formată 
din două structuri:
· Structura  datelor  prin  care  se  descriu  structurile  proprii  ale  bazelor  de  date
referite, cu câmpurile, atributele şi caracteristicile asociate;
· Structura  metadatelor  definită  prin  dimensiunile,  structurile  ierarhice  ale
dimensiunilor, membrii şi multipli acestor structuri.
Dimensiunile  OLAP  sunt  identificate  în  bazele  de  date  tranzacţionale  ca  fiind 
cîmpurile  ce  conţin  caracteristicile  unei  tranzacţii,  datele  de  identificare  a  tranzacţiei 
respective  şi  care  în  cele  mai  multe  cazuri  sunt  cheile  externe  utilizate  în  bazele 
respective. Dimensiunile reprezintă parametrii  în  care s­a desfăsurat o activitate, nu se 
intersectează cu alte dimensiuni şi sunt de natură complet diferită (timp, spaţiu, produse, 
furnizori,  clienţi,  resurse  financiare,  resurse  materiale,  resurse  umane).  Mulţimea 
valorilor posibile pe care le poate lua dimensiunea respectivă poartă numele de membrii 
dimensiunii. Prin regruparea valorilor se generează multipli de membrii, grupe de valori 
ale  dimensiunii  respective  cu  o  caracteristică  comună.  De  exemplu  se  poate  defini 
localitatea  ca  multiplu  de  membrii  formaţi  din  toţi  clienţii  organizaţiei  din  localitatea 
respectivă.  Dimensiunile  şi  multipli  lor  formează  structuri  arborescente  cunoscute  în 
OLAP  sub  numele  de  ierarhii.  Modelarea  dimensională  oferă  un  model  conceptual, 
cubul OLAP, care permite agregarea datelor într­o structură ierarhică, simpla şi foarte 
flexibilă,  fără  a  modifica  structura  de  bază  a  colecţiilor  încorporate  în  depozit,  cu 
păstrarea  legăturilor  cu  sursele  iniţiale  de  date  şi  cu  posibilitatea  de  descompunere  a 
datelor centralizate pe niveluri ierarhice inferioare pînă la setul de tranzacţii iniţiale. 
Motorul OLAP foloseşte ca mod de vizualizare a datelor în depozitul de date, o 
reprezentare  într­un  spaţiu    n  dimensional,  prin  care  axele    dau  dimensiunea  logică  a 
cubului. 

Figura 1: Cubul de date

32
 Revista de Marketing Online – Vol.1 Nr.2 

Dacă  luăm  ca  exemplu  dimensiunile:  Produsul,  timpul  regiunea  (zona),  cubul 
măsurilor cantitative sau valorice ar avea reprezentarea din figura 1. 
Asupra  cuburilor  n  dimensionale    motorul  analitic  execută  o  serie  de  operaţii 
care  se  integrează  în  aplicaţii  OLAP  manevrate  de  utilizatorul  final.  Pentru  execuţia 
acestor operaţii este necesară „navigarea liberă” de­a lungul nivelelor ierarhice definite 
pentru depozitul de date. 

Principalele  operaţii OLAP care se pot efectua sunt:
· Specificarea criteriilor de selecţie este primul pas în orice analiză. Utilizatorul
trebuie  să  poată  exprima  cu  uşurinţă  criterii  simple,  bazate  pe  valori  ale
atributelor şi/sau pe valori ale metricelor. Aceste criterii simple trebuie să poată
fi apoi combinate prin operatori logici şi trebuie să poată fi salvate în biblioteci
pentru eventuale reutilizări.
· Rotaţiile  sunt  operaţii  care  permit  utilizatorilor  să  găsească  perspectiva  care­l
interesează specificînd dimensiunile şi direcţiile de rotaţie sau indicând un pivot.
· Schimbarea nivelului de agregare permite găsirea nivelului de agregare optim
pentru  analiză.  Se  poate  adânci  analiza  spre  nivele  de  detaliu  prin  operaţii  de
schimbare  a  sensului  de  navigării  de­a  lungul  nivelelor  unei  ierarhii;  prin  drill
down se poate naviga pe nivelele cu un grad de detaliu mai mare, iar prin roll up
se va naviga pe nivelele ierarhice superioare ca nivel de agregare.
· Specificarea modului de prezentare trebuie să permită analistului să găsească
modalităţile  optime  de  valorificare  vizuală  a  datelor  extrase.  În  afară  de
posibilităţile  grafice  tipice  pentru  prezentare,  este  important  ca  utilizatorul  să
poată vizualiza date multidimensionale  într­o manieră tabelară. În acest sens se
pot  utiliza  tabele  complexe,  care  să  poată  grupa  coloane  şi  linii  exprimând
dimensiuni diferite (de pildă timpul şi dispunerea în spaţiu) şi nivele de agregare
diferite.Perspectiva  multidimensională asupra datelor se  face prin  operaţii care
permit  obţinerea  de  vederi    (view)  bidimensionale  dintr­un  cub  n dimensional,
care  se  mai  numesc  slice­uri,  felii  de  informaţii  care  servesc  unor  anumite
scopuri si decizii  manageriale.

REGIUNEA 

PRODUS 
TIMP 

Figura 2: Slice  pentru viziunea managerului de produs 

De exemplu viziunea managerului de produs interesează doar vânzările anumitor 
produse, în toată regiunea şi în toată perioada de timp considerată

33 
 Revista de Marketing Online – Vol.1 Nr.2 

Alte tipuri de slice­uri pot felia cubul pe toate cele trei coordonate carteziene aşa 
cum se poate vedea  în figura de mai jos. 

Figura 3: Alte tipuri de slice­uri 
Pentru  prezentarea  convenabilă  a  rezultatelor  se  fac  racordări  ale  vederilor 
bidimensionale cu  baza de date  multidimensională, prin  mapări de date, coroborate cu 
utilizări de grafice şi tabele complexe 

Fiind o tehnologie relativ  nouă, modelul de arhitectură OLAP (figura 4) care s­a 
impus  pentru  sistemele  orientate  spre  analiză  multidimensională  este  unul  de  tip 
client/server în trei straturi. 

Sisteme informatice 

Motor  Aplicatii 
Data  OLAP 
Warehouse  OLAP 
OPERATIONALE 

Metadate 

Figura 4:. Arhitectura unui sistem OLAP 

a) Data  Warehouse  formează  nivelul  cel  mai  de  jos,  responsabil  cu  stocarea  şi
regăsirea  datelor.  De  regulă  aplicaţiile  tranzacţionale  utilizează  sisteme  relaţionale  dar 
pentru  depozitele  de  date  se  folosesc    sisteme  multidimensionale.  Dat  fiind  volumul 
mare de date, este recomandabil ca SGBD­urile folosite să ofere suport pentru prelucrări 
paralele  şi  distribuite,  să  dispună  de  mecanisme  performante  de  indexare  şi  de 
optimizare, să ofere un înalt nivel de siguranţă; 
b) Motorul  analitic  OLAP  (OLAP  engine)  are  sarcina  de  a  prelua  cererile
exprimate de utilizatori şi, pe baza consultării metadatelor, să genereze cererile necesare 
pentru obţinerea datelor ce vor fi redirectate către clienţi. În plus, datelor obţinute li se 
vor aplica la acest nivel o serie de prelucrări de generarea de interogări, manipulări  de 
date şi de sintetizarea rezultatelor;

34 
 Revista de Marketing Online – Vol.1 Nr.2 

c) Metadatele – în care sunt stocate dimensiunile, membrii şi multipli lor, precum
şi structurile ierarhice ale dimensiunilor, informaţii care apar pe axele cuburilor şi sunt 
prezentate utilizatorului ca nume de rînduri sau de coloane (pivot table); 
d) Aplicaţiile OLAP sunt reprezentate de instrumente mânuite de utilizatorul final.
Există aplicaţii generale care răspund  suficient de bine  nevoilor unei  categorii  largi de 
utilizatori,  există  instrumente  specializate  pe  domenii  (cum  ar  fi  de  pildă  analize 
regresionale,  analize  ANOVA,  analize  SWOT,  analiza  financiară)  şi,  în  fine,  există 
posibilitatea de a dezvolta instrumente foarte specifice. 
Din punct de vedere al utilizatorului final, aplicaţia pe care o foloseşte trebuie să­i 
asigure  două  funcţionalităţi  importante:  navigarea  liberă  prin  depozitul  de  date  în 
căutarea informaţiilor relevante şi posibilităţi diverse de prezentare a datelor. Aceste 
funcţionalităţi  sunt  strâns  legate  între  ele  şi  este  greu  de  spus  care  operaţie  este  de 
navigare şi care este de prezentare. 
Cerinţele de administrare şi dezvoltare pentru OLAP, deşi similare cu cele pentru 
instrumentele de interogare şi raportare, sunt în general mult mai complexe. Punerea în 
funcţiune a unui sistem OLAP şi a softului de acces la date necesită o înţelegere clară a 
modelului  de  date  al  întreprinderii  şi  a  funcţiilor  analitice  cerute  de  conducerea 
executivă  şi  strategică.  Produsele  comerciale  pot  fi  de  mare  folos,  dar  rareori  există 
soluţii ,,la cheie” pentru OLAP; arhitectura trebuie reglată astfel încât să suporte sursele 
de  date  folosite  şi  să  facă  faţă  cerinţelor.  În  schimb,  odată  ce  sistemul  OLAP  este 
funcţional, suportul tehnic pentru utilizator este minimal. 

C.  Tehnologiile  Data  mining  (mineritul  în  date)  reprezintă,  într­o  accepţiune 
simplă,  un  mod  automat  de  detectare  într­o  bază  de  date  a  unor tipare  relevante.  Data 
mining  utilizează  o  serie  de  tehnici  statistice  şi  de  inteligenţă  artificială  ce  dau 
posibilitatea  construirii  de  modele  ce  pot  previziona  comportamentul  clienţilor. 
Tehnologia  îşi  sporeşte  calităţile  prin  integrare  cu  depozitele  de  date  comerciale  şi  cu 
noile modalităţi de prezentare şi raportare. 
Data  mining  îşi  datoreşte  numele  similarităţii  dintre  căutarea  de  informaţii 
valoroase  într­o  bază  de  date  mare  şi  săparea  unor  galerii  în  munte  pentru  detectarea 
unor zăcăminte valoroase. 
Data mining este un proces de descoperire a cunoştinţelor (Knowledge discovery 
­KD),  de  extragere  a  informaţiei  necunoscută  anterior  din  baze  de  date  foarte  mari. 
Procesul  descoperirii  de  corelaţii  semnificative,  modele  şi  tendinţe  se  asigură 
prin  explorarea  unor  mari  cantităţi  de  date  stocate  în  depozite  de  date,  utilizând 
tehnologii de recunoaştere a modelelor, precum şi tehnici statistice şi matematice. 
Conform  unui  raport  din  1997  al  Grupului  Gartner:  ,,Data  mining  şi  inteligenţa 
artificială  se  află  între  primele  cinci  tehnologii  cheie  care  vor  avea  în  mod  sigur  un 
impact  major  asupra  unui  mare  număr  de  industrii  în  următorii  ani”.  Gartner  situează 
data mining între primele 10 tehnologii în care firmele vor investi în următorii 5 ani. 
Studiile arată că în ultima perioadă s­a înregistrat o explozie dramatică a nivelului 
de  interes  privind  data  mining,  în  condiţiile  în  care  utilizatorii  au  dorit  să  profite 
dinstrumentele  oferite  de  această  tehnologie  pentru  a  obţine  un  avantaj  competitiv 
inteligent în plan concurenţial. 
Anumite  produse  software  de  vârf  în  domeniul  data  mining,  provenite  de  la 
companii ca SAS sau IBM, reprezintă acum mai mult decât simple motoare de modelare 
bazate  pe  algoritmi  complecşi.  Acestea  se  adresează  unei  categorii  mai  largi  de

35 
 Revista de Marketing Online – Vol.1 Nr.2 

probleme  tehnice  şi  economice  şi  se  integrează  în  mediile  actuale  de  tehnologie 
informaţională. 
Deşi  se  credea  că  data  miningul  va  elimina  nevoia  de  specialişti  în  crearea  de 
modele statistice,  lipsa  experienţei umane şi  a  intuiţiei  între  nişte corelaţii relevante şi 
unele nerelevante, lipsă ce caracterizează softurile, infirmă această previziune. 
Tradiţional  sunt  avute  în  vedere  mai  multe  tipuri  de  analize  statistice:  analize 
predictive,  analize  descriptive,  analize  confirmatorii  şi  analize  exploratorii.  Un 
exemplu  tipic  de  analize  predictive  şi  descriptive  sunt  cele  specifice  acţiunilor  şi 
fenomenelor de marketing. În cazul analizelor confirmatorii, având o ipoteză formulată 
aceasta  se  acceptă  sau  se  respinge.  În  analizele  exploratorii,  se  urmăreşte  găsirea  de 
ipoteze, care apoi se acceptă sau se resping. În acest punct sistemul preia ,,iniţiativa” în 
procesul analizei datelor sistemul gândeşte singur ipotezele acestea nefiind formulate de 
utilizator. În prezent termenul de data mining se referă la procesul automat de analiză a 
datelor în care sistemul preia iniţiativa de a genera modele. 
Din  punct  de  vedere  al  procesului  există  trei  clase  de  activităţi  data  mining: 
descoperire, modelare predictivă şi analiza excepţiilor (figura 5).
·  Descoperirea este procesul de căutare în baza de date pentru a găsi modele, 
fără a avea o  idee predeterminată sau  ipoteza asupra ceea ce pot fi  modele. 
Cu alte cuvinte programul preia iniţiativa în găsirea a ceea ce sunt modelele 
interesante,  fără  a  fi  necesar  ca  utilizatorul  să  se  gândească  la  întrebările 
relevante  în  prealabil.  În  marile  baze  de  date  există  atât  de  multe  modele 
încât  utilizatorul  nu  ar  putea  niciodată  practic  să  se  gândească  la  toate 
întrebările care ar trebui puse. Problema cheie în acest caz constă în bogăţia 
de  modele care pot fi găsite şi exprimate, precum şi  în calitatea  informaţiei 
livrate – elemente care determină puterea şi utilitatea tehnicii de descoperire.
·  Modelare  predictivă  modelele  descoperite  din  baza  de  date  sunt  folosite 
pentru a face previziuni. Modelarea predictivă permite astfel utilizatorului să 
prelucreze  înregistrări  ce  au  câmpuri  valorice  necunoscute,  iar  sistemul  va 
intui valorile necunoscute pe baza unor modele anterioare din baza de date.
·  Analiza excepţiilor reprezintă procesul prin care se aplică modelele extrase 
pentru a găsi anomalii sau elemente de date neobişnuite. Pentru a descoperi 
anomaliile,  mai  întâi  aflăm  ceea  ce  e  normal,  apoi  detectăm  acele  articole 
care deviază de la normă în cadrul unui interval dat. De exemplu odată ce am 
observat  că  90%  dintre  cumpărători  au  sub  50  de  ani,  ne  putem  înteba  în 
legătură cu cei  10% cumpărători care  au peste 50 de ani  şi  sunt  în baza de 
date. Se observă că descoperirea ne poate ajuta să găsim ,,cunoştinţe uzuale”, 
vreme în care analiza excepţiilor caută cazurile neobişnuite şi specifice.

36 
 Revista de Marketing Online – Vol.1 Nr.2 

Depozit de date 
Conditionare 
logica 
Baza de date 1 
Afinitati si 
Descoperire 
Asocieri 

Tendinte si 
Variatii 

Baza de date 2  Previzionarea 
Modelare  rezultatului 
Data Mining 
predictiva 
.  Previziuni 
. 
.  Detectarea 
Analiza  deviatiilor 
exceptiilor 
Analize ale 
Baza de date n  legaturilor 

Figura 5: Clase de activităţi Data mining 

Fiecare  din  aceste  procese  pot  fi  clasificate  la  rândul  lor  după  regulile  If/Then, 
asocieri  etc.  În  timp  ce  IF/THEN  presupune:  Dacă  –  condiţie,  atunci  regula  1,  astfel 
regula  2,  regulile  de  asociere  se  referă  la  gruparea  articolelor  (de  ex.  când  cineva 
cumpără un produs la magazin, el poate cumpăra alt produs în acelaşi timp – un proces 
numit de obicei analiza coşului de cumpărături). 
Din punct de vedere al tehnicilor utilizate de data mining (figura 6) identificăm:
·  Reţelele  artificiale  neurale  –  modele  de  previzionare  nonliniare  care  sunt 
capabile de acumulare de cunoştinţe prin antrenament;
·  Algoritmi genetici – tehnici de optimizare ce se bazează pe procese cum ar fi 
combinaţii genetice,  mutaţii  şi selecţie  naturală. Sunt utilizate  în  modele ce 
folosesc concepte de evoluţie naturală;
·  Arbori  de  decizie  –  structuri  pe  trei  nivele  ce  reprezintă  seturi  de  decizii. 
Aceste  decizii  generează  reguli  de  clasificare  a  seturilor  de  date.  Printre 
modelele  bazate  pe  arborii  de  decizie  se  include  Arborii  de  regresie  şi 
clasificare  (CART)  şi  Detectarea  automată  a  interacţiunilor  de  tip c 2 
(CHAID);
·  Metoda celui mai apropiat vecin – o tehnică ce permite clasificarea fiecărei 
înregistrări din baza de date a k clase de înregistrări, cele mai similare;
·  Inducţia unor reguli – extragerea unor reguli utile de tip dacă­atunci pe baza 
semnificaţiei statistice;
·  Vizualizarea datelor – interpretarea vizuală a relaţiilor complexe pentru date 
multidimensionale. 
Cea mai importantă dihotomizare a tehnologiilor data mining se referă la păstrarea 
datelor; adică, se mai păstrează sau mai este nevoie de date odată ce au fost minerite. În 
abordările  iniţiale  mare parte din  seturile de date se păstrau pentru viitoare analize. În 
mod  evident,  o  astfel  de  tehnică  se  poate  aplica  numai  în  cazul  sarcinilor  de  tip 
modelare  predictivă  şi  analiză  a  excepţiilor,  nefiind  necesară  în  cazul  descoperirii  de 
cunoştinţe întrucât nu mai sunt alte modele de distilat.

37 
 Revista de Marketing Online – Vol.1 Nr.2 

Depozit de date 

Vecinul 
Baza de date 1  imediat 
Date retinute  Argumentare 
pe cazuri 

Inductie 
Reguli  Algoritmi 
Baza de date 2  Data  genetici 
Mining 
Logic  Arbori de  CART 
.  decizie  CHAID 
.  C4.5 etc. 
.  Agenti 
Tabelare 
Date distilate  incrucisata 
Retele de 
Baza de date n  incredere 

Ecuational  Statistici 

Propagare 
Retele 
inversa 
neurale 
Kohonen 
Figura 6: Tehnologiile data mining 

Aşa cum uşor se poate bănui, abordările bazate pe păstrarea datelor pot avea uşor 
probleme din cauza dimensiunilor foarte mari ale unor astfel de seturi de date. 
În timp ce  în  cazul distilării de  modele  se analizează datele,  se  extrag  modelele, 
iar apoi se renunţă  la date,  în abordările  bazate pe păstrare, datele sunt reţinute pentru 
analogiile de modele. Atunci când noi seturi de date sunt avute în vedere, atunci aceste 
seturi sunt comparate cu seturi anterioare de date. 
Un  exemplu  cunoscut  al  abordării  bazate  pe  reţinerea  datelor  este  metoda 
,,vecinului imediat”. În acest caz setul de date este păstrat (de obicei în memorie) pentru 
comparaţii cu noi înregistrări. Când o nouă înregistrare este supusă analizei, este găsită 
,,distanţa” dintre acestea şi înregistrările similare din setul de date şi ,,cele mai similare” 
(sau vecinii cei mai apropiaţi) sunt identificaţi. 
Tehnologiile  bazate pe distilarea  modelelor extrag  modelele dintr­un  set de date, 
apoi  folosesc  aceste  modele  pentru  diverse  scopuri.  În  mod  evident,  este  necesar  ca 
aceste  modele  să  fie  exprimate  într­o  anumită  formă  şi  limbaj.  Această  opţiune  a  dat 
naştere la trei abordări distincte: logică, ecuaţii şi tabelare încrucişată. Fiecare dintre 
aceste abordări îşi are originile istorice în anumite secţiuni ale matematicii.
·  Logica formează baza celor mai multe limbaje scrise. Modelele exprimate 
în limbaje logice se disting prin două principale caracteristici: pe de o parte 
sunt  citibile  şi  inteligibile,  iar  pe  de  altă  parte  sunt  excelente  pentru 
reprezentarea grupurilor de elemente de date. Sistemele logice condiţionate 
pot fi separate în două grupuri disticte: reguli şi arbori de decizie. Regulile 
condiţionale  pot  fi  implementate  prin  inducţie  sau  algoritmi  genetici. 
Există mai multe abordări şi pentru generarea arborilor de decizie (de ex., 
CART, CHAID, C4.5).
·  Tabelarea  încrucişată  este  o  formă  simplă  de  analiză  a  datelor,  bine 
cunoscută  în  statistică,  şi  folosită  pe  larg  în  rapoarte.  Un  tabel  încrucişat 
bidimensional  este  similar  unei  foi  de  calcul,  cu  capetele,  atât  de  rânduri 
cât  şi  de  coloană,  fiind  valori  ale  atributelor.  Celulele  din  foaia  de  calcul 
reprezintă  o  operaţie  agregată,  de  obicei  numărul  de  co­apariţii  ale

38 
 Revista de Marketing Online – Vol.1 Nr.2 

valorilor atributelor. Multe tabele încrucişate sunt efectiv echivalente cu un 
grafic  tridimensional  care  înfăţişază  o  numărătoare  a  co­apariţiilor. 
Termenul  de  ,,agent”  este  folosit  uneori  pentru  a  desemna  tabelele 
încrucişate care sunt reprezentate grafic într­o reţea şi permit folosirea unor 
conjuncţii  AND,  OR  etc.  Reţelele  de  încredere,  uneori  numite  reţele 
cauzale  ,  sunt  un  graf  direcţionat,  constituit  din  noduri  (variabilele 
reprezentate)  şi  legături  între  noduri  (coeficienţi  probabilistici  de 
încredere).
·  Abordările ecuaţionale folosesc de obicei un set de ecuaţii pentru a defini 
,,o  suprafaţă”  (reprezentare  grafică  a  unei  funcţii  de  orice  grad)  în  cadrul 
unui spaţiu  iar apoi  măsurarea distanţelor de  la această suprafaţă pentru a 
face estimări. 

O problemă a tehnicilor data mining a reprezentat­o necesitatea păstrării 
sau nu a datelor obţinute din minerit. Au apărut tehnologii cu păstrarea datelor 
şi tehnologii fără păstrarea datelor. Păstrarea datelor se poate aplica numai în 
cazul  sarcinilor  de  tip  modelare  predictivă  şi  analiză  a  excepţiilor,  nefiind 
necesară în cazul descoperirii de cunoştinţe întrucât  nu mai sunt alte modele de 
distilat. 
În  timp  ce  în  cazul  distilării  de  modele  se  analizează  datele,  se  extrag 
modelele, iar apoi se renunţă la date, în abordările bazate pe păstrare, datele sunt 
reţinute pentru analogiile de modele. Atunci când noi seturi de date sunt avute în 
vedere, atunci aceste seturi sunt comparate cu seturi anterioare de date. 
Rezultatele  obţinute  prin  data  mining  trebuie  să  fie  operaţionale  şi  să 
poată  fi  aplicate  pentru  obţinerea  unui  anumit  avantaj,  fapt  dependent  în  mare 
măsură şi de abilităţile decidentului. Data Mining şi OLAP sunt instrumente ale 
afacerilor inteligente bazate pe tehnologia IT&C. 
Cererile OLAP se adresează unei baze de date existente generând ipoteze 
şi  relaţii,  OLAP  fiind  în  esenţă  un  proces  deductiv.  Data  mining    utilizează 
datele pentru a descoperi modele printr­un mecanism predictiv. 
In concluzie tehnologia OLAP şi tehnologia Data Mining se completează 
reciproc contribuind la utilizarea eficientă a depozitelor de date. 
Literatura  de  specialitate  prezintă  numeroase  şi  variate  situaţii  care 
impun  utilizarea  depozitelor  de  date  şi  a  tehnicilor  moderne  de  accesare: 
insuficienta  partajarea  a  resurselor,,  grupuri  distincte  de  manageri  produc 
rapoarte  contradictorii,  procesul  de  creare  a  rapoartelor  este  foarte  anevoios, 
rapoartele  nu  sunt  dinamice  şi  nu  favorizează  stilul  de  interogarea  online, 
rapoarte care necesită date de istoric sunt dificil de realizat, nivelul de pregătire 
şi de întelegere a personalului de decizie, a analistului sau specialistului lasă de 
dorit.. 
Instrumentele data  mining  vor continua  să se  maturizeze  şi din ce  în  ce 
mai    multe  organizaţii  vor  adopta  acest  gen  de  tehnologie  ,  incorporat  în 
instrumente  software  din  ce  în  ce  mai  performante.  Iniţiativele  data  mining 
provin  cel  mai  adesea  din  zona  departamentelor  de  marketing  şi  vînzări  care 
deţin baze de date cu volume foarte mari, sunt generate cu instrumente software 
care  acentuează  şi  garantează  calitatea  datelor  din  depozitele  de  date  iar 
evoluţiile din ultima perioadă  impun analize detaliate, analitice, pe perioade de 
timp, pe zone şi segmente diferite pentru a oferi răspunsuri operative şi eficace

39 
 Revista de Marketing Online – Vol.1 Nr.2 

pe  o  piaţă  globalizată  şi  pentru  un  client  individualizat  şi  personalizat. 
Tehnologiile  date  warehouse  ,  OLAP,  data  mining  sunt  influenţate 
semnificativ de popularitatea soluţiilor inteligente  bazate pe Internet şi Intranet, 
suportă  facilitătile  oferite  de  aplicaţiile  WEB,  prin  hypertext,  hyperlink  şi 
hypermedia,  iar  unele  organizaţii  deja  folosesc  aceste  instrumente  pentru 
prelucrarea  pe  Internet  a  informaţiilor  din  depozitele  proprii  de  date  distribuite 
sau pun aceste informaţii la dispoziţia partenerilor strategici ai organizaţiei 

Bibliografie: 
Andone, I. Tugui,  A., s.a. (2001) ­ Dezvoltarea sistemelor inteligente în 
economie, Ed. Economică, Bucureşti, 2001; 
Cătoiu, I. (coordonator) (2002) ­ Cercetări de Marketing, Ed. Uranus, Bucureşti, ; 
Cipolla, E. T. (1995) „Data Mining: Techniques to Gain Insight Into Your Data”, 
Enterprise Systems Journal, Decembrie 1995; 
Harmon, P. şi King, D. (1985) Expert Systems: Artificial in Business, John Wiley 
& Sons, New York. 
Inmon,  W.H.  (1996)  Buiding  the  Data  Warehouse,  John  Wiley  &  Sons,  New 
York. 
Orzan G.(2001), ­ Sisteme informatice de marketing, Ed. Uranus, Bucureşti; 
Turban, E., Jay Aronson J. (2001)– Decision Support Systems and Intelligent 
Systems, Ed.  Prentince Hall,  New Jersey, USA; 
Zaharie,  D.,  Albescu,  F.,  ş.a  (2001)  –  Sisteme  informatice  pentru  asistarea 
deciziei, Ed. DuAl Tech  Bucureşti, 2001, 
Wallinger, J. (1997) Database Marketing Guide, Ed. Dryden Press, New York.

40