هوش تجاری چیست؟

هدف اصلي سيستم هاي هوش تجاري تامين کارمندان دانشي با ابزارها و روش هايي است که آن ها را در تصميم گيري موثر و به موقع ياري کند.

تصميــم مــــوثــر :
به کارگيري روش هاي تحليلي قوي باعث مي شود تصميم گيرندگان به اطلاعات و دانش قابل اطمينان تري دسترسي پيدا کنند. در نتيجه آن ها مي توانند بهتر تصميم بگيرند و برنامه هاي اجرايي موثرتر و سودمندتري را تبيين کند. استفاده از روش هاي فرمال تحليل، تصميم گيرندگان را مجبور مي کند که شرايط ارزيابي راه حل هاي متفاوت و مکانيزم مديريت مشکل را به صورت صريح شرح دهند. اين بررسي عميق و تفکر منجر به آگاهي عميق تر و دريافت منطقي تر در فرآيند تصميم گيري مي شود.

تصميـــمات به مـــوقـــع :
سازمان ها در يک محيط اقتصادي شديدا رقابتي و بسيار متغير فعاليت مي کنند. بنابراين توانايي عکس العمل سريع نسبت به عمل رقيبان و شرايط جديد بازار، عامل مهمي در موفقيت و حتي بقاي سازمان است.
اگر تصميم گيرندگان به اينکه استفاده از سيستم هاي هوش تجاري فعاليت هاي آن ها را تسهيل مي کند اعتماد داشته باشند ، مي توانيم اين انتظار را داشته باشيم که کيفيت عمومي فرآيند تصميم گيري به صورت قابل توجهي بهبود يابد. به کمک مدل هاي رياضي و الگوريتم ها ، تحليل تعداد زيادي عمليات ممکن مي شود و ما مي توانيم به تصميم موثر و به موقع دست پيدا کنيم و به نتيجه مطلوبمان برسيم.
بنابراين مهمترين منفعت استفاده از سيستم هاي هوش تجاري ، افزايش اثربخشي در فرآيند تصميم گيري است.
داده هاي زيادي در سيستم هاي اطلاعاتي موجود در سازمان ها وجود دارد. قسمتي از اين داده ها از تراکنش هاي داخلي سازمان و قسمتي از آن از منابع خارجي است. به هر حال حتي اگر آن ها به روش هاي سيستماتيک و ساخت يافته جمع آوري و ذخيره شده باشد، نمي توان به طور مستقيم از آن ها براي تصميم گيري استفاده کرد. اين داده ها بايد توسط ابزار مناسب استخراج و با استفاده از روش هاي تحليل، پردازش و به اطلاع و دانش مبدل شوند تا بتوان از آن ها در فرآيند تصميم گيري استفاده کرد.

تفاوت بين داده، اطلاع و دانش با توجه به شرح زير قابل فهم تر است.

داده :
بطور عموم داده به يک قانون ساخت يافته از يک موجوديت اوليه اطلاق مي شود . به عنوان مثال يک تراکنش از يک يا چند موجوديت اوليه ايجاد مي شود. مثلا براي يک خرده فروش داده عبارت است از مشتري ها ، خريد هاي انجام شده و محصولات .

اطلاع :
اطلاع خروجي عمليات پردازش بر روي داده هاست و در حوزه ي کاري فردي که آن را دريافت مي کند معني دار است. به عنوان مثال براي مدير فروش يک شرکت خرده فروشي ، ميزان فروش در يک هفته 100 پوند است و يا تعدادي از مشترياني که کارت وفاداري خود را نگه داشته اند از کساني بوده اند که در سه ماه اخير از 50 % تخفيف آخر ماه استفاده کرده اند. اين ها نشان دهنده يک گزاره معني دار هستند که از پردازش داده ها به دست آمده اند.

دانش :
هنگامي که اطلاع براي تصميم گيري مورد استفاده قرار مي گيرد به دانش تبديل مي شود و عمليات متناظر تدوين مي شود. بنابراين مي توان دانش را مجموعه اي از اطلاعات مورد استفاده در يک حوزه در نظر گرفت که با استفاده از تجربه و صلاحيت تصميم گيرندگان بهبود مي يابد و در حل مسائل پيچيده به ما کمک مي کند.
براي شرکت خرده فروشي ، تحليل فروش مي تواند نشان دهد مقدار خريد گروهي از مشتريان ، در محدوده اي که يکي از رقباي ما آنجا شعبه جديد باز کرده است ، کاهش يافته است. داشتن اين دانش مي تواند ما را به سمت عملکرد منطبق بر رفع مشکل مشاهده شده، کمک کند.
بسياري از سازمان ها در حال حاضر از روش سيستماتيک براي جمع آوري ، ذخيره سازي و اشتراک دانش خود استفاده مي کنند ، چيزي که به آن دارايي هاي نامشهود گفته مي شود.
در حال حاضر پشتيباني از کارمندان دانشي در فرآيند يکپارچه تصميم گيري و استفاده از فناوري اطلاعات در سازمان به مديريت دانش اطلاق مي شود.
به نظر ميرسد که مديريت دانش و هوش تجاري در اهداف خود داراي درجه اي از مشابهت باشند . هدف هر دوي آن ها ايجاد محيطي است که در آن کارمندان دانشي بتوانند در فرآيند تصميم گيري، مسائل پيچيده به وجود آمده را بررسي و براي حل آن راهکار ارائه کنند.
اگر بخواهيم بين اين دو تفاوتي قائل شويم، مي توانيم بگوييم تمرکز روش هاي مديريت دانش بر روي تفسير اطلاعاتي است که اغلب به صورت غير ساخت يافته و پراکنده شامل اسناد ، مکاتبات و تجربيات گذشته، مي باشد .
اما سيستم هاي هوش تجاري بر اساس اطلاعات ساخت يافته در يک محيط قابل اندازه گيري و اغلب موجود در پايگاه داده انجام مي شود. اما اين تفاوت بسيار ظريف است. به طور مثال توانايي بررسي ايميل ها و وب سايت ها مي تواند توسط روش هاي تدريجي موجود در سيستم هاي هوش تجاري انجام شود با اينکه منبع اطلاعات غير ساخت يافته است.