SVEUĈILIŠTE U SPLITU

EKONOMSKI FAKULTET

DIPLOMSKI RAD

„Implementacija „Business Intelligence“ sustava u

Koncertnu dvoranu Vatroslava Lisinskog“

STUDENT: MENTORICA:

Alen Stojanović dr. sc. Maja Ćukušić

BROJ INDEKSA:

2112035

Split, kolovoz 2013. godine

1

SADRŽAJ:

1. Uvod ...............................................................................................................................3

1.1. Problem i predmet istraţivanja .................................................................................3

1.2. Istraţivaĉke hipoteze ................................................................................................5

1.3. Ciljevi istraţivanja ....................................................................................................6

1.4. Metoda istraţivanja ..................................................................................................7

1.5. Doprinos istraţivanja .............................................................................................. 11

1.6. Sadrţaj diplomskog rada......................................................................................... 12

2. Uloga BI sustava u kulturnim organizacijama ............................................................... 14

3. Predimplementacijska analiza ....................................................................................... 16

3.1. Prikupljanje informacija ......................................................................................... 17

3.2. Analiza potreba korisnika ....................................................................................... 18

4. Odabir optimalne platforme za KDVL .......................................................................... 19

4.1. Opis potencijalnih alata za provedbu projekata ....................................................... 19

4.1.1. JasperSoft BI suite ........................................................................................... 19

4.1.2. MicroStrategy BI platform .............................................................................. 20

4.1.3. Pentaho BI platform ........................................................................................ 21

4.2. Rezultati višekriterijalne analize ............................................................................. 22

5. Projektne uloge ............................................................................................................. 26

6. Arhitektura sustava ....................................................................................................... 27

7. Razvoj i implementacija sustava ................................................................................... 28

7.1. Skladište podataka .................................................................................................. 28

7.1.1. Model skladišta podataka u KDVL .................................................................. 30

7.1.2. Ĉinjeniĉne tablice ............................................................................................ 32

7.1.3. Dimenzijske i pomoćne tablice ........................................................................ 34

2

7.2. ETL upotrebom Kettle-a ......................................................................................... 37

7.2.1. Izvori podataka ................................................................................................ 38

7.2.2. Transformacija podataka ................................................................................. 41

7.2.3. Uĉitavanje podataka ........................................................................................ 43

7.3. Izvješćivanje .......................................................................................................... 44

8. Zakljuĉak ...................................................................................................................... 46

8.1. Ograniĉenja i prepreke............................................................................................ 47

8.2. Koristi za menadţment ........................................................................................... 48

Literatura .............................................................................................................................. 49

Popis slika i tablica ............................................................................................................... 51

Saţetak ................................................................................................................................. 52

Summary .............................................................................................................................. 53

Zahvala ................................................................................................................................ 54

3

1. Uvod

1.1. Problem i predmet istraživanja

Posljednja financijska kriza jedna je od najutjecajnijih faktora koji sprjeĉava organizacije da

djeluju sukladno svojim ţeljama. Budući da se kriza razvijala sporo, i gospodarske su se

aktivnosti istim tempom prilagoĊavale novonastalim uvjetima (Bokan, 2010).Budţeti unutar

kojih se mora gospodariti sve su manji, a trţišni zahtjevi sve izazovniji. Ograniĉenja budţeta

mogu predstavljati velike prepreke unaprjeĊenju poslovanja iz jednostavnog razloga koji se

moţe opisati na naĉin da se sredstva predviĊena za investicije neprestano smanjuju, dok

menadţment unutar neke organizacije oĉekuje ostvarenje zacrtanih ciljeva. Na opisani se

naĉin kriza oĉituje u kompanijama koje se natjeĉu na trţištu i ostvaruju profite isto kao i u

neprofitnim i kulturnim organizacijama poput Koncertne dvorane Vatroslava Lisinskog1.

KDVL je neprofitna kulturna institucija smještena u Zagrebu, izgraĊena 1973. godine, koja se

sastoji od više dvorana koje godišnje posjeti preko 700 000 posjetitelja, te kao takva zahtjeva

kompleksno upravljanje s obzirom na svoju veliĉinu i ulogu u gradu Zagrebu (Lisiĉić, 1993).

Budţeti s kojima ova dvorana raspolaţe većim se djelom financiraju iz gradskog proraĉuna a

manjim djelom ostvarenjem vlastitih prihoda, meĊutim, bez obzira na znanje, trud i iskustvo

menadţmenta dvorane, ti budţeti trenutno ne omogućuju kapitalne i dugoroĉne investicije u

IT2infrastrukturu unutar dvorane već se budţetom na racionalni naĉin gospodari te se

operativnom poslovanju pridjeljuju prioriteti. U ovakvoj se situaciji najĉešće smanjuju

troškovi ostalih investicija, pa je o takvom sluĉaju i ovdje rijeĉ.

Iako se s vremenom stvari polako mijenjaju, opće je poznato da su u IT industriji proizvodi i

usluge relativno skuplji nego u ostalim industrijama što je, s obzirom na tehnološke zahtjeve i

specifiĉna znanja ljudi koja ova industrija zahtjeva, logiĉno i razumno. Budući da

implementacija sustava poslovne inteligencije u KDVL zahtjeva odreĊenu softversku

podršku, KDVL kao neprofitna organizacija trenutno nije u mogućnosti plaćati skupe licence

za komercijalne tehnologije koje se koriste u podruĉju poslovne inteligencije. Iz tog se

razloga cijeli projekt mora orijentirati na besplatne i svima dostupne tehnologije. Ovakvo je

1Termin Koncertna dvorana Vatroslav Lisinski će se radi jednostavnosti u daljnjem tekstu oznaĉavati kao KDVL 2Informacijske tehnologije

4

ponašanje u posljednje vrijeme sve popularnije i sve prihvatljivije u mnogim industrijama i

poslovnim podruĉjima diljem svijeta. Na taj se naĉin besplatni alati sve više istiĉu kao

kvalitetna opcija komercijalnim softverima.

Javnosti su dostupni mnogi besplatni i „open source“ alati putem interneta. „Open source“

alati su softveri izraĊeni po modelu otvorenog koda, odnosno, izvorni programski kod alata je

objavljen, besplatan i dostupan svim korisnicima softvera. Ovakvi alati najĉešće sa sobom

povlaĉe i uvjete korištenja izvornog koda prema kojima se korisnicima dozvoljava njegova

redistribucija i modifikacija prema ograniĉenjima koje je propisao sami proizvoĊaĉ (Hiong,

2005). U pogledu projekta implementacije „business intelligence“ sustava3u KDVL u okvir

potencijalnih besplatnih alata ušlo je njih tri koji su analizirani istraţivanjem.

Prema gore navedenom, predmet ovog istraţivanja je da se kvalitetnom analizom usporede

mogućnosti i funkcionalnosti besplatnih alata za integraciju podataka i izvještavanje. Ovakav

skup mogućnosti nekog alata u praksi se ĉesto naziva platforma.

Nakon istraţivanja dobit će se jasni rezultati prema kojima će se odluĉiti koja će se platforma

koristiti na projektu implementacije BI sustava u KDVL. Isto tako do izraţaja će doći

mogućnosti svakog pojedinog alata te njegova prilagodljivost temeljem koje će se zadovoljiti

sve potrebe ovakvog sustava.

3Termin „business intelligence“ sustav će se radi jednostavnosti u daljnjem tekstu oznaĉavati kao BI sustav

5

1.2. Istraživačke hipoteze

Nakon utvrĊivanja poĉetnih faza istraţivanja kao što su predmet, problem i opseg istraţivanja,

potrebno je utvrditi istraţivaĉku hipotezu. Hipoteza predstavlja predloţenu razumnu

pretpostavku istraţivaĉa ili predloţeno objašnjenje fenomena, a temelji se na opaţanjima ili

prethodnim saznanjima. Termin vuĉe korijene iz grĉkog jezika gdje rijeĉ hypotithenai znaĉi

pretpostaviti (Zelenika, 1998).

U ovom se istraţivanju koristi samo jedna hipoteza koju je cilj prihvatiti, odnosno dokazati.

Ukoliko provedeno istraţivanje potvrdi da istraţivaĉka hipoteza nije istinita,daljnji se tijek

projekta odvija u skladu sa rezultatima istraţivanja.

Kao što je u prethodnom poglavlju opisano, predmet ovog istraţivanja je analiza besplatnih

BI alata dostupnih putem interneta. Na temelju analize potrebno je dokazati sljedeću

istraţivaĉku hipotezu:

H0 . . . . . Pentaho Bi platform je besplatna platforma koja najbolje odgovara

zahtjevima KDVL u implementaciji sustava poslovne inteligencije.

Vidljivo je da istraţivanje sadrţi samo jednu hipotezu iz razloga što se kao rezultat

istraţivanja oĉekuje upravo naziv alata kojeg je optimalno koristiti na projektu. Ovako

postavljena hipoteza je jasno i jednoznaĉno predstavljena izjavnom reĉenicom te kao takva ne

ostavlja prostora za nejasnoće u provedbi istraţivanja, odnosno, ova reĉenica istraţivanjem

moţe biti potvrĊena ili odbaĉena.

6

1.3. Ciljevi istraživanja

Svako istraţivanje provodi se sa jasnim ciljem. Općenito, ciljem istraţivanja smatra se

odreĊeno definiranje, predviĊanje ili objašnjenje poĉetnih pretpostavki (Hale, 2011). Ukoliko

se odmaknemo od širine pojma cilja i promatramo ga iz uţe perspektive ovog projekta, cilj

ovog istraţivanja je sljedeći; iz mnoštva raznolikih besplatnih platformi potrebno je odabrati

upravo onu koja u najvećoj mjeri zadovoljava potrebe KDVL i koja će se ujedno moći

koristiti bez obzira na prethodna predznanja o tome alatu. Drugim rijeĉima, potrebno je

izabrati alat s kojim je jednostavno rukovati, a da svojim funkcionalnostima ne odudara od

komercijalnih alata. TakoĊer, kao cilj ovog istraţivanja moţe se smatrati i upotreba najboljih

praksi u radu na projektima s besplatnim alatima, koje se uoĉe tokom analize i same provedbe

istraţivanja.

Promatrajući ovo istraţivanje iz šire perspektive, odmicanjem od samog projekta, ovo

istraţivanje ima i dodatni znaĉaj. Rezultat ovog istraţivanja moţe se primijeniti i u ostalim

kulturnim i neprofitnim organizacijama budući da je većina kriterija korištenih pri analizi

karakteristika upravo takvih organizacija.

7

1.4. Metoda istraživanja

Uzimajući u obzir karakteristike i oblik ovog rada, za provedbu istraţivanja koristi se

višekriterijalna analiza provedena po metodi „analitiĉkog hijerarhijskog procesa“4.

Višekriterijalna analiza se odnosi na situacije u kojima je potrebno donijeti odluku na temelju

više razliĉitih kriterija koji su ponekad u konfliktu. Spoznaja da se meĊusobno konfliktni

kriteriji mogu smisleno vrednovati, ovu metodu ĉini veoma realnom i povjerljivom. AHP

metoda jedna je od najpopularnijih i najĉešće korištenih metoda za provedbu višekriterijalne

analize. Nastala je na sveuĉilištu u Pensilavaniji i razvio ju je znanstvenik Thomas Saaty te je

iz tog razloga takoĊer popularna pod nazivom „Saaty“ metoda (Coyle, 2004).

Ova se metoda provodi na naĉin da istraţivaĉu dopušta definiranje prioriteta kriterija i

davanju težine koju će odreĊeni kriteriji imati u konaĉnoj odluci. Prednost ovakvog pristupa je

što se izbor stvara na temelju objektivnosti, znanja i iskustva što pridonosi najpovoljnijem

rezultatu. AHP (Saaty, 1980) spada u najpoznatije i posljednjih dvadesetak godina najviše

korištene metode za odluĉivanje kada se odluka (izbor neke od raspoloţivih alternativa ili

njihovo rangiranje) temelji na više atributa koji se koriste kao kriteriji. Rješavanje sloţenih

problema odluĉivanja pomoću ove metode temelji se na njihovoj dekompoziciji u

hijerarhijsku strukturu ĉiji elementi su cilj, kriteriji (ukljuĉujući pod kriterije) i alternative.

U samu analizu po AHP metodi u razmatranje su izabrane tri najpopularnije BI platforme koje

su otvorenog koda i nude se besplatno na trţištu, a to su JasperSoft, MicroStrategy i Pentaho

BI platform. U prethodnom je poglavlju definirana istraţivaĉka hipoteza koja pretpostavlja da

je Pentaho BI platform najbolja opcija za organizaciju poput KDVL. Istraţivanje se vrši

pomoću alata za provedbu višekriterijalne analize naziva „Make It Rational decision tool“.

Alat je veoma vizualno uĉinkovit i jednostavan za upotrebu, a jedna od njegovih najvećih

prednosti je ta što ga nije potrebno preuzimati na raĉunalo već u potpunosti radi kao serverska

aplikacija te se njom upravlja kroz suĉelje internet preglednika. Za poĉetak rada sa ovim

alatom potrebno se registrirati prilikom ĉega se dobija pravo korištenja na odreĊeni period,

odnosno korištenje probne (engl.trial) verzije. Nakon isteka probnog roka za daljnje je

4AHP – Analitiĉki hijerarhijski proces (engl.Analytic Hierarchy Process)

8

korištenje aplikacije potrebno vlasniku platiti odreĊeni simboliĉni iznos za licencu koja se

prodaje na godišnjoj bazi.

Prilikom definiranja kriterija i njihovog utjecaja na konaĉni rezultat, za potrebe ovog

istraţivanja izvršene su konzultacije sa ekspertom, relevantnom osobom iz KDVL,

struĉnjakom za informatiku i voditeljem iste, koji poznaje procese same organizacije i djeluje

kao voditelj projekta sa strane KDVL. Na temelju preporuka, savjeta i iskustva eksperta

utvrĊeni su kriteriji za provedbu analize. Ima ih ukupno osam i svaki od njih je naveden i

objašnjen u nastavku ovog teksta.

Instalacija – ocjenjuje se jednostavnost provedbe instalacijskog procesa za odreĊeni

alat prilikom ĉega se teţi ka instalaciji koja ne zahtjeva napredna informatiĉka znanja,

već je jasno i precizno voĊena upotrebom ĉarobnjaka, detaljnih smjernica ili sliĉnih

pomagala.

User friendly – ovaj kriterij predstavlja lakoću snalaţenja po suĉelju alata i mogućnost

korištenja alata za poĉetnike. Teţi se alatu koji ima intuitivno i standardizirano

korisniĉko suĉelje za razliku od specijaliziranih i nesvakidašnjih suĉelja i

funkcionalnosti.

MySQL friendly – podrazumijeva kompatibilnost sa MySQL serverom na kojemu će

se izvoditi projekt i implementirati skladište podataka. Ovo je jedan od kljuĉnih

kriterija budući da je MySQL takoĊer besplatna tehnologija koja će se koristiti kao

podloga za izradu skladišta podataka, a shodno tome i svih izvještaja.

Drill down/Drill up – ocjenjuju se mogućnosti alata i njegovih funkcionalnosti

prilikom izvještavanja. Zahtjeva se drill funkcionalnost što podrazumijeva mogućnost

prodiranja od viših razina detalja prema niţim (drill down) i mogućnost podizanja s

niske razine detalja prema onim zbrojivim, saţetijim podacima na višim razinama

(drill up).

Postojeći predlošci – kriterij postojanja predloţaka ocjenjuje se na temelju postojanja i

kvantitativnom opsegu pred definiranih predloţaka (engl. templates) izvješća.

Sigurnost – ovaj kriterij podrazumijeva mogućnost ograniĉavanja dostupnosti

podataka razliĉitim korisnicima unutar nekog alata.

Uputstva – kriterij uputstva ocjenjuje se prema dostupnosti i postojanju uputa za rad s

alatom u razliĉitim oblicima poput tekstualnih uputstava, video materijala i sliĉno.

9

Opći dojam – istraţivaĉ ocjenjuje alat na temelju općeg dojma dobivenog korištenjem

i testiranjem alata.

Kao što je iz prethodnog teksta vidljivo, postoji osom promatranih kriterija za koje je

podruĉni ekspert zakljuĉio da su bitni kod utvrĊivanja optimalnog alata. Kriteriji su po svojoj

definiciji mjere ili standardi koji se mogu ocijeniti, kvalitativni su ili kvantitativni, a imaju

svrhu da potpomognu donošenju odluke. Vidljivo je da su svih osam postavljenih kriterija za

provedbu ove analize, kvalitativne naravi te se svakog od njih ocjenjuje na temelju iskustva,

dojma i relevantnosti, a prema procjeni istraţivaĉa.

Nakon ovako utvrĊenih kriterija pristupa se postavljanju prioriteta i vrednovanju kriterija na

naĉin da se usporeĊuju svi kriteriji u parovima, svaki sa svakim. Ovaj se korak takoĊer

izvršava u suradnji sa podruĉnim ekspertom iz KDVL. Vrednovanjem kriterija u parovima

dolazi se do popisa kriterija ĉije ocjene imaju razliĉiti utjecaj na konaĉni rezultat. U ovom je

radu taj popis prikazan grafiĉki dok su prioriteti, odnosno utjecaj svakog od kriterija,izraţeni

u relativnim vrijednostima radi lakšeg razumijevanja, što je prikazano na slici 1.

Slika 1. Grafiĉki prikaz utjecaja pojedinog kriterija na konaĉni rezultat

10

Iz slike je vidljivo da najveći utjecaj na konaĉni rezultat ima MySQL friendly kriterij i to

26,71%. Ovaj je kriterij definiran na taj naĉin iz razloga što je MySQL platforma na kojoj će

se bazirati skladište podataka. Iz tog razloga je izuzetno bitno da BI platforma bude

kompatibilna s MySQL-om. Slijedi kriterij User friendly sa 20,51% koji je veoma bitan za

korisnike is KDVL jer je interes da se prilagodba i znanje rada u novom alatu vremenski što

kraće odvijaju kako bi se korisnici mogli posvetiti i ostalim poslovima. Dva navedena kriterija

jedina imaju utjecaj veći od 20%, a slijede ga još dva kriterija koja imaju preko 10%. To su

kriteriji postojanja uputstava za rad sa 13,32% i kriterij provedbe instalacijskog procesa od

12,93%.

Ostali kriteriji nemaju veliki utjecaj na konaĉni rezultat, ali im se svejedno moţe utvrditi

prioritet. Njihov je konaĉni redoslijed naveden u tablici 1.

Kriterij Rang

MySQL friendly 1

User friendly 2

Uputstva 3

Instalacija 4

Drill down/Drill up 5

Sigurnost 6

Postojeći predlošci 7

Opći dojam 8

Tablica 1. Popis kriterija i njihovih rangova

11

1.5. Doprinos istraživanja

Svako uspješno provedeno istraţivanje sa sobom nosi odreĊeni doprinos. Doprinos od ovog

istraţivanja je višestruki i oĉituje se prvenstveno kroz korist koja se pruţa za KDVL od

njegove provedbe. KDVL je zahvaljujući istraţivanju dobio najbolju opciju koja je

prilagoĊena internim potrebama i zahtjevima te se na temelju objektivne evaluacije i

validacije odabire besplatni alat s kojim je optimalno vršiti provedbu projekta implementacije

BI sustava. Kao što je navedeno i u prethodnim poglavljima, osim za KDVL, ovi se rezultati

mogu primijeniti i na ostalim kulturnim organizacijama, što povećava doprinos provedenog

istraţivanja na širu društvenu zajednicu.

Prilikom ispitivanja i ocjenjivanja funkcionalnosti i kriterija definiranih u fazi analize,

istraţivaĉ je bio u poziciji iz koje su se mogli utvrditi prednosti i nedostaci, kako izabranog

alata, tako i ostalih analiziranih. Doprinos opisane situacije je u tome što se stjeĉe znanje koje

je moguće koristiti u ostalim fazama projekta te svjesnost o eventualnim ograniĉenjima alata.

12

1.6. Sadržaj diplomskog rada

Diplomski rad se sastoji od ukupno šest poglavlja nakon kojih slijede popis slika i tablica,

literatura te saţetak rada na hrvatskom i engleskom jeziku.

Prvo poglavlje rada je uvodno poglavlje u kojemu se razraĊuje prva faza projekta

implementacije BI sustava u KDVL. Ovo poglavlje razraĊuje predmet i problem istraţivanja

koje će se provesti s ciljem utvrĊivanja optimalnog alata za provedbu projekta, te definira

ciljeve, metodu, rezultate i doprinos samog istraţivanja.

Iza uvodnog i ujedno istraţivaĉkog djela rada, slijedi drugo poglavlje koje se temelji na

teorijskoj podlozi o vaţnosti takvog sustava za kulturne organizacije kao što je KDVL. U

ovom se poglavlju navode koristi koje organizacija dobiva implementacijom sustava te kako

takav sustav u konaĉnici moţe utjecati na razvitak kulturnog stvaralaštva.

Treće poglavlje se poĉinje baviti provedbom samog projekta i ovo poglavlje sadrţi opis i

metode provedbe pred implementacijske analize. Kao što i sam naziv govori, ova analiza

utvrĊuje zahtjeve korisnika o traţenim funkcionalnostima sustava, kako tehniĉkim tako i

korisniĉkim. Zahtjevi se prikupljaju razliĉitim metodama poput anketiranja, intervjuiranja i

organiziranjem radionica, što je detaljno objašnjeno u ovom poglavlju i to kroz dva

potpoglavlja: prikupljanje informacija i analiza potreba korisnika.

Prije poĉetka provedbe projekta, nuţno je provest istraţivanje ĉiji su temelji opisani u uvodu.

Prema rezultatima o optimalnoj platformi provodit će se ostatak cijelog projekta, te je iz tog

razloga ovo veoma bitan dio. U ĉetvrtom se poglavlju ukratko opisuje svaki od alata koji je

obuhvaćen analizom te se navode osnovne znaĉajke istih. U drugom potpoglavlju se iznose

rezultati samog istraţivanja na temelju kojih se donosi zakljuĉak o prihvaćanju ili odbacivanje

poĉetne istraţivaĉke hipoteze iz prvog poglavlja.

Poglavlje koje slijedi opisuje arhitekturu BI sustava. Nakon odabrane provedene analize

potreba, utvrĊivanja stanja i odabira platforme, potrebno je odrediti arhitekturu na kojoj će

sustav poĉivati. Dizajn i odabir arhitekture sustava i skladišta podataka ĉesto je ograniĉen

prema mogućnostima naruĉitelja. Najĉešća ograniĉenja su ne postojanje infrastrukture, ne

posjedovanje licenci ili ograniĉeni budţeti.

13

Šesto poglavlje prati metodologiju i razvoj samog skladišta podataka i implementaciju sustava

za izvještavanje. Pod poglavlje pod nazivom „Skladište podataka“ sadrţi razvijeni logiĉki i

fiziĉki model skladišta te popis, opis, i strukturu svih dimenzija i mjera koje se nalaze u

dimenzijskim i ĉinjeniĉnim tablicama skladišta. Iduće pod poglavlje opisuje procese

ekstrakcije podataka iz izvorišnih sustava, njihove transformacije i procese punjenja skladišta

podataka. Ovakvi se procesi nazivaju ETL5 procesima te će se oni vršiti pomoću alata koji je

sastavni dio Pentaho BI platforme i specijaliziran je za izvoĊenje ETL procesa, a nosi naziv

Kettle. Zadnje pod poglavlje je opis alata za izvještavanje i prikaz odreĊenih izvještaja kao

rezultata implementiranog sustava.

Sedmo je ujedno i posljednje poglavlje diplomskog rada i u njemu je sadrţan zakljuĉak

dobiven na temelju provedbe cijelog projekta. U ovom su poglavlju takoĊer navedena sva

ograniĉenja i prepreke s kojima se susretalo prilikom implementacije sustava, kao i koristi

koje je dobio menadţment KDVL.

U posljednjem djelu rada se nalaze prilozi, popis slika, tablica, literatura i konaĉni saţetak na

hrvatskom i engleskom jeziku sa nekoliko kljuĉnih rijeĉi. Saţetak pruţa kratki uvid u

problematiku, metodu i svrhu provedbe ovakvog projekta.

5ETL procesi– Extract Transform Load procesi kojima se vrše transformacije nad podacima iz razliĉitih izvora

koji se potom spremaju u razliĉite destinacije

14

2. Uloga BI sustava u kulturnim organizacijama

U kulturnim organizacijama meĊu kojima je i KDVL, konzumira se velika koliĉina podataka

na relaciji gradskih vlasti i dvorane, dvorane i dobavljaĉa, dvorane i korisnika i ostalih strana.

U takvom okruţenju prepoznata je potreba za uvoĊenjem sustava poslovne inteligencije koji

ima za cilj organizirati podatke u iskoristivu cjelinu.

Više je razloga za uvoĊenje sustava poslovne inteligencije, a najznaĉajniji od njih su:

Dinamiĉna okolina – teţnja za stalnim unaprjeĊenjem i privlaĉenjem novih korisnika

koji imaju mogućnosti izbora, te s druge strane promjene zakonskih regulativa i

usklaĊivanje sa ne statiĉnim zahtjevima viših zakonskih tijela.

Ograniĉeni resursi – resursi su uvijek ograniĉeni pa ih je potrebno optimizirati i

posvetit vrijeme, kao glavni resurs, za poslovanje bitnim stvarima i stvaranju novih

vrijednosti.

Optimizacija lanca vrijednosti – M.E.Porter još je 1985. godine kroz lanac vrijednosti

naglašavao potrebu usklaĊivanja funkcija organizacije (5 primarnih i 4 pomoćne

funkcije) što dovodi do rasta profita (Hernaus, 2006).

Kvaliteta i optimizacija navedenog osigurava se upotrebom Business Intelligence sustava

kojeg predstavlja skup aplikacija, procedura i metodologija za upravljanje podatcima u obliku

prikupljanja, pohrane, analize i prezentacije, a sa svrhom potpore procesima odluĉivanja.

Takav sustav korisnicima omogućava napredno analiziranje podataka prikupljenih iz razliĉitih

izvora te u kasnijim fazama upotrebe zasigurno osigurava veću produktivnost zaposlenika

dvorane, optimizaciju resursa i samim time veće prihode i profite.

Svaka organizacija pod okriljem grada Zagreba obavezna je podnositi mnogobrojna izvješća

Gradu, bilo mjeseĉno, kvartalno, polugodišnje ili godišnje. KDVL kao takva je prepoznao

prednosti implementacije ovakvog sustava te se odluĉio na njegovu realizaciju temeljenu na

besplatnim tehnologijama. BI sustav biti će orijentiran na analizu povijesnih podataka i kao

takav moţe ukazivati na probleme koji su se već desili te menadţmentu olakšati donošenje

odluka o kojim ovisi budućnost. Sustavi za potporu odluĉivanju mogu se koristiti u razliĉitim

oblicima kroz razliĉite faze odluĉivanja, od identifikacije problema pa do implementacijskog

rješenja. U samom sustavu moguće je ugraditi planove te u odnosu na njih pratiti ostvarenje

rezultata i uoĉiti i definirati problem zbog kojeg rezultati odudaraju od planiranog.

15

Neka od obiljeţja sustava koji se implementira u kulturne organizacije su:

Nudi potporu svim upravljaĉkim i operativnim razinama, ane samo menadţment

Korisnici sami pristupaju podacima, pretraţuju ih i kreiraju izvješće u strukturi koja

im najbolje odgovara

Podatcima je moguće pristupiti u bilo kojem trenutku

Sustav je prilagodljiv i nadogradiv tokom vremena. S vremenom kako sazrijevaju

korisnici i organizacija, tako se i sustav unaprjeĊuje na više i moćnije razine

Da bi BI sustav bio prihvaćen u kulturnim organizacijama poput KDVL, on mora biti

jednostavan, zanimljiv i funkcionalan.

Shodno svemu prethodno navedenom, sustav koji se implementira u KDVL ima za viziju u

skoroj budućnosti postaviti temelje poslovanja na standardiziran i uĉinkovit naĉin, koji će

donijeti uštede u vremenskim, ljudskim i financijskim resursima. Kao takav, omogućit će

menadţmentu bolje upravljanje, te biti obrazac uspješnog upravljanja podacima i ostalim

organizacijama koje se bave kulturnim djelatnostima.

16

3. Predimplementacijska analiza

Analiza, dizajn, razvoj i implementacija su osnovni koraci metodologije koju slijedi projekt

uvoĊenja Bi sustava. Analiza kao prva od tih koraka ima poseban znaĉaj jer sa sobom nosi niz

bitnih stavki koje se kasnije mogu odraziti na uspješnost cijelog projekta(Carly, 2004).

Pred implementacijska analiza provodi se u suradnji sa krajnjim korisnicima i ona daje

odgovore na sljedeća pitanja (Nikitović, 2009):

Što se ĉini u samoj implementaciji?

Koji su ciljevi projekta?

Koje trenutne probleme sustav mora anulirati?

Koji su potencijalni rizici i kako ih izbjeći?

Što su obaveze i odgovornosti korisnika, a što implementatora?

U okviru ovog projekta, pred implementacijska analiza provela se u dva koraka; prikupljanje

informacija od korisnika, te analiza njihovih zahtjeva.

17

3.1. Prikupljanje informacija

U okviru pred implementacijske analize potrebno prikupiti što je više moguće informacija od

strane korisnika, kako krajnjih tako i onih kljuĉnih. Kljuĉni korisnici su oni korisnici sustava

koji imaju naprednija tehniĉka znanja i posjeduju bolje poznavanje procesa i „pravila kuće“,

te su oni kao takvi prva linija kontakta za krajnje korisnike sustava (Raoul-Abelin Choumin).

Veća koliĉina informacija znaĉi i veću kvalitetu isporuĉenog proizvoda. Iz tog je razloga

bitno prikupljati informacije na sustavan i uĉinkovit naĉin.

Za prikupljanje informacija od strane korisnika na projektu implementacije BI sustava u

KDVL, koristili su se pred definirani upitnici, prilagoĊeni upitnici, intervjui i radionice.

Pred definirani upitnici su kratki upitnici u formi ankete koji sadrţavaju pitanja koja se mogu

sistematizirati u ĉetiri velike skupine:

Upoznavanje s poslovnim ciljevima tvrtke

Procjena potreba za izvještavanjem i analizom

Oĉekivanja od BI sustava, te skladišta podataka

Zakljuĉak

PrilagoĊeni upitnici su kratki upitnici koji sadrţe pitanja prilagoĊena okruţenju u koje se

implementira sustav, odjelu, ispitaniku. Ovi upitnici takoĊer potiĉu korisnike na daljnja

razmišljanja o svojim potrebama i oĉekivanja. Na taj se naĉin korisnici pripremaju i za

radionice na kojima se raspravlja o njihovim odgovorima.

S obzirom da se na korisniĉkoj strani u ovom projektu nalazi samo jedna osoba koja je kljuĉni

korisnik, te ujedno i voditelj projekta sa strane korisnika, odrţan je i niz intervjua s ciljem što

kvalitetnijeg i preciznijeg utvrĊivanja zahtjeva. Intervju je usmena komunikacija licem u lice

sa jednim sugovornikom koja se moţe voditi prema unaprijed pripremljenim pitanjima, bez

unaprijed pripremljenih pitanja, u formalnom i neformalnom obliku (Baturina, 2006).

Sa grupom krajnjih korisnika organizirane su radionice na kojima je prisustvovalo od ĉetiri do

sedam krajnjih korisnika. Na radionicama se iznose stavovi, potrebe, zahtjevi i ostale

informacije bitne za konaĉno utvrĊivanje zahtjeva korisnika za koje oĉekuju da će biti

ostvareni krajnjim BI sustavom.

18

3.2. Analiza potreba korisnika

Provedba pred implementacijske analize podrazumijeva prikupljanje informacija i analizu

potreba korisnika. Iz potreba korisnika moguće je utvrditi funkcionalnosti sustava, izgraditi

plan provedbe projekta, te dizajnirati sustav na naĉin da se zadovolje utvrĊeni zahtjevi.

S obzirom na okolnosti u kojima se ovaj projekt odvija, a prema informacijama koje su

korisnici dostavili, izvršena je zakljuĉna analiza potreba u suradnji sa podruĉnim ekspertom

odnosno, kljuĉnim korisnikom sustava. Potrebe korisnika se mogu sumirati u nekoliko grupa:

Uvid u podatke – KDVL funkcionira na naĉin da je dio procesa poput upravljanje IT-

om, raĉunovodstvo i prodaja ulaznica dodijeljena na upravljanje vanjskim suradnicima

(engl.outsourcing). Shodno tome, vanjski suradnici odrţavaju i baze podataka u

kojima se nalaze podatci KDVL-a. Jedna od potreba korisnika je nesmetani i brzi uvid

u takve podatke.

Automatizacija izrade izvješća – s obzirom na specifiĉnost izvješća koje KDVL mora

isporuĉivati Gradskom uredu za kulturu, korisnici zahtijevaju brzu, laku i

automatiziranu izvedbu istih.

Brzi pristup informacijama – menadţment KDVL-a kao zahtjev navodi i potrebu da na

lak i efikasan naĉin ima uvid u kljuĉne pokazatelje poslovanja putem jednostavnog

korisniĉkog suĉelja.

Ovako strukturirani zahtjevi korisnika koji su proizašli iz pred implementacijske analize,

temelj su za odreĊivanje opsega projekta i funkcionalnosti sustava.

19

4. Odabir optimalne platforme za KDVL

4.1. Opis potencijalnih alata za provedbu projekata

4.1.1. JasperSoft BI suite

JasperSoft Bi suite je cjeloviti paket BI alata koji pruţa mogućnost izrade izvješća, analize i

integracije podataka. Ovaj paket takoĊer ukljuĉuje i BI posluţitelja na temelju kojega je

omogućena komunikacija izmeĊu razliĉitih alata iz skupine JasperSoft BI suita. Ova

platforma moţe se koristiti u dva osnovna oblika, open source6 i Proffesional

7.

Funkcionalnosti koje JasperSoft pruţa mogu se svrstati u ĉetiri kategorije. Osnovne

funkcionalnosti ukljuĉuju mogućnost prilagoĊavanja kroz otvoreni izvorni kod, sigurnosnu

autorizaciju koja se temelji na ulogama (engl.roles) korisnika, razliĉita korisniĉka suĉelja i sl.

Druga skupina funkcionalnosti podrazumijeva radnje nad izvješćima koja se prave putem

grafiĉkog alata za razvoj izvješća. JasperSoft podrţava izvoz u razliĉite formate poput XML,

XLS, CSV, PDF i mnoge druge, standardno korištene formate. Upravljanje izvješćima

svrstano je u treću skupinu funkcionalnosti. Izvješća je moguće parametrizirati, mogu koristiti

istovrsne dijelove putem zajedniĉkog repozitorija, moţe ih se pokretati po odreĊenom

rasporedu i sliĉno. Posljednja skupina funkcionalnosti koje JasperSoft pruţa u svom BI suite-

u jesu funkcionalnosti analize podataka. To ukljuĉuje drill-down, drill-up, „slice and dice“8,

pivotiranje, vizualizaciju podataka i ostale oblike analize.

Za podruĉje integracije podataka JasperSoft nudi JasperETL alat koji je intuitivan, grafiĉki

orijentiran i moćan ETL alat. Dio je JasperSoft BI suita pa se temelji na otvorenom kodu.

Ovaj alat najĉešće se koristi za prijenos podataka i izradu transformacija nad podatcima radi

punjenja skladišta podataka (JasperSoft, 2007).

6Platforma otvorenog izvornog koda koji je dostupan javnosti sa svrhom unaprjeĊivanja proizvoda 7Inaĉica jaspersoft BI suita koja se plaća i koristi se iskljuĉivo za naprednije funkcionalnosti u komercijalnom poslovanju 8Općeprihvaćeni nazivi iz engleskog jezika koji opisuju metode pregleda podataka

20

4.1.2. MicroStrategy BI platform

MicroStrategy je visokotehnološki orijentirana tvrta iz SAD-a. Njihova platforma za BI nema

standardno rješenje za integraciju podataka već je naglasak platforme postavljen na

vizualizaciju podataka. Ukoliko se koristi besplatna inaĉica MicroStrategy-a, tada je

ograniĉenje licence na deset korisnika. TakoĊer postoji i „enterprise“ verzija koja ukljuĉuje

mnoge dodatne module i funkcionalnosti.

Najveći odmak MicroStrategy BI platforme u odnosu na ostala konkurentska rješenja vidljiv

je na podruĉju izrade kontrolnih ploĉi ĉija je izrada veoma intuitivna. Sigurnost pristupa

podacima riješen je korištenjem novih tehnologija koje se baziraju na više dimenzijskim

zaštitama (MicroStrategy, 2013).

MicroStrategy BI platform jedna je od vodećih platformi za podruĉje analitike i izvješćivanja.

Istraţivaĉka organizacija Gartner u svom, ih magiĉnom kvadrantu (BIcortex, 2012)svrstava

meĊu lidere na podruĉju analitike i mobilnog izvješćivanja, što dokazuje stalna ulaganja u to

podruĉje od strane MicroStrategy-a. Prema Gartneru MicroStrategy se orijentira na prodaju

svojih rješenja velikim kompanijama, te se iz tog razloga okreće inovacijama na podruĉju

vizualizacije podataka, big-data9 i poslovne analitike. Isto tako pruţa najveći i najnapredniji

set mobilnih rješenja za BI koji su bazirani na cloud10

tehnologiji što ih u budućnosti moţe

izdvojiti od konkurencije.

9Big-data je termin za veliku koliĉinu podataka koji brzo doalze iz mnogih razliĉitih sustava u strukturiranom ili nestrukturiranom obliku 10 Tehnologija kod koje se transfer i spremanje podataka vrši putem “oblaka”, bez fiziĉkih jedinica

21

4.1.3. Pentaho BI platform

Pentaho je open source alat za Business Intelligence koji ukljuĉuje besplatnu i „enterprise“11

inaĉicu. Pentaho BI platform je zamišljena kao jedinstvena platforma koja zadovoljava sve

korisniĉke potrebe za izgradnju sustava poput integracije podataka, OLAP-a, naprednog

izvješćivanja i dashboard-a12

koji se intenzivno razvijaju od 2004. godine, te imaju veliku i

jaku zajednicu (engl.community). Pentaho BI platform se u osnovi sastoji od naprednog

izvješćivanja (Pentaho Report Designer), OLAP analize (Mondrian) i alata za integraciju

podataka (Kettle). Kettle je jedan od najpopularnijih besplatnih alata sa otvorenim kodom

koji stiţe iz paketa Pentaho BI platforme, a koristi se za integraciju podataka i izvoĊenje ETL

procesa. Sami naziv Kettle jest rekurzivni akronim u kojemu poĉetna slova oznaĉavaju rijeĉi:

Kettle Extraction Transportation Transformation Loading Enviroment.

Podruĉje upotrebe Kettle-a je široko, a najĉešće se koristi za uĉitavanje podataka iz

tekstualnih datoteka u baze podataka, izvoz podataka iz baza u druge baze, unaprjeĊenje

informacija koristeći lookup-e13

, ĉišćenje podataka, integracija aplikacija, punjenje skladišta i

ostalo. Kettle je u mogućnosti u fazi ekstrakcije dohvatiti podatke iz više od 35 razliĉitih

izvora od kojih su najznaĉajniji MySQL, PostgreSQL, Oracle, MS SQL Server, Text, XLS i

MS Access. U fazi transformacije moguće je izvoditi razne radnje poput filtriranja podataka,

kalkuliranja, skriptiranja (JavaScript, SQL, RegExp), mapiranja i ostalih, ĉijom se upotrebom

podaci iz izvornih sustava spremaju za fazu uĉitavanja u destinacije. Od destinacija Kettle

podrţava gotovo sve oblike baza podataka koje je moguće puniti i to u razliĉitim formatima

poput particioniranog punjenja, inkrementalnog punjenja skladišta podataka i ostalih baza.

Pentaho Reporting omogućava organizacijama jednostavan pristup, kreiranje i dijeljenje

informacija zaposlenicima, klijentima i partnerima. Kroz Pentaho Report Designer se na

jednostavan i intuitivan naĉin mogu stvarati, ureĊivati i dijeliti izvješća sa korisnicima. Nakon

dizajna izvješća, moţe se napraviti izvoz na „Web“ kroz koji se mogu pregledavati i putem

Pentaho BI posluţitelja, koji je sastavni dio platforme, dijeliti kroz zajedniĉki repozitorij

(Pentaho, 2008).

11Komercijalna verzija Pentaho BI platforme 12Kontrolne ploĉe za pregledavanje pokazatelja poslovanja 13Uvid u drugu tablicu prema odreĊenom kljuĉu

22

4.2. Rezultati višekriterijalne analize

Prethodno opisani alati ulaze u opseg istraţivanja radi utvrĊivanja koji od alata najbolje

odgovora provedbi projekta implementacije BI sustava u KDVL.

Provedbi analize alata i evaluaciji svakog pojedinog kriterija pristupa se prema AHP metodi

koja je opisana u uvodnom poglavlju. Analiza se vršila testiranjem, prouĉavanjem i

istraţivanjem na internetu, ĉitanjem po razliĉitim forumima, gledanjem video materijala i

konzultiranjem s ostalim ĉlanovima zajednice (engl.community) nekog od alata. Svaki se od

kriterija posebno ocjenjivao za svaki alat zasebno te se vršila usporedba izmeĊu svih alata po

pojedinom kriteriju.

S metodološkog aspekta, višekriterijska analiza pretpostavlja sustavni pristup, a time i

metodološki najefikasniji i najfunkcionalniji pristup rješavanju problema. Kako se radi o

višekriterijskom problemu, sustavni pristup njegova rješavanja zahtijeva primjenu metode

višekriterijske analize poradi optimiziranja rješenja utvrĊenog problema i pronalaska

optimalnog rezultata (Nikolić, 1996).

Metodom analize u uvodnom su djelu definirani ciljevi koji se ţele postići analizom. Na

temelju tako utvrĊenih ciljeva definirani su kriteriji i provedeno njihovo vrednovanje uz

pomoć ekspertnih mišljenja i konkretne situacije u odnosu na postavljeni kriterij. „Make It

Rational decision tool“ naziv je alata koji se koristi za provedbu analize. Funkcionalnosti

ovog alata su veoma opširne i precizne te je svrstan meţu najbolje alate za provedbu analiza

ovakvog tipa, što je dodatno osiguranje da će rezultati provedenog istraţivanja biti pouzdani i

toĉni.

23

U pozadini alata „Make It Rational decision tool“, temeljem matematiĉke podloge AHP

metode i njenih algoritama, vrše se izraĉuni koji u konaĉnici formiraju rezultat. Primjer

usporedbe kriterija prikazan je na slici 2. i iz nje je vidljivo kako je ocijenjen odnos izmeĊu

alata za kriterij MySQL friendly. Alat JasperSoft se neznatno bolje ponaša u suradnji sa

MySQL-om od alata MicroStrategy, dok se Pentaho BI platform neznatno bolje ponaša u

odnosu na JasperSoft. Logiĉno, razlika izmeĊu Pentaho BI platform i MicroStrategy alata je

osjetna u korist prvoga.

Slika 2. Usporedba alata po kriteriju MySQL friendly

Po istom principu je izvršena evaluacija svih kriterija. Na temelju ovako provedene analize

dolazi se do konaĉnih rezultata istraţivanja koji prikazuju korisnost svakog od alata. Budući

da poĉetna istraţivaĉka hipoteza glasi:

H0 . . . . . Pentaho Bi platform je besplatna platforma koja najbolje odgovara

zahtjevima KDVL u implementaciji sustava poslovne inteligencije

Promatrajući rezultate višekriterijalne analize moguće je pristupiti validaciji hipoteze.

Konaĉni rezultati prikazani su na slici 3. Na slici je prikazan svaki alat drugom bojom i svaki

kriterij naveden na vrhovima osmerokuta (jer ima osam kriterija). Vidljivo je da su svi alati

jednako ocjenjeni po kriterijima; postojeći predlošci, sigurnost i uputstva dok se po svim

24

ostalim kriterijima razlikuju. TakoĊer je vidljivo da se alat Pentaho BI platform uvelike istiĉe

nad alternativnim alatima po svim ostalim kriterijima, te ga je analiza po AHP metodi

potvrdila kao platformu koja najbolje odgovara zahtjevima KDVL u implementaciji sustava

poslovne inteligencije. Drugim rijeĉima, poĉetna istraţivaĉka hipoteza je potvrĊena.

Pentaho Bi platforma je uistinu optimalna za ovaj projekt što je vidljivo iz dominacije nad

ostalim alatima. Najveća prednost ove platforme jest njena laka dostupnost, puno materijala,

zajednica, te velika mogućnost pronalaska rješenja za eventualne probleme za koje postoji

rizik da će se pojaviti tokom projekta. TakoĊer, s obzirom na teţnju korištenja besplatnih

tehnologija na projektu, bitan utjecaj ima i kriterij MySQL kompatibilnosti.

Iako su JasperSoft BI suite i MicroStrategy BI platform veoma kvalitetni i dobro prihvaćeni

od strane BI profesionalaca u svijetu, za ovakav projekt nisu optimalni. Najveća mana ovih

platformi jest manjak besplatnih materijala koji se nalaze na internetu te zatvorenost njihovih

zajednica. Takva situacija predstavlja veliki rizik gubitka vremena ukoliko se tokom provedbe

projekta ustanovi da postoji neka prepreka u samom alatu.

Promatrajući rezultate vidljivo je da je alat JasperSoft gotovo identiĉno ocjenjen kao i alat

MicroStrategy. S obzirom na utjecaj kriterija MySQL friendly u kojemu je JasperSoft

komatibilniji, drugo mjesto pripada njemu.

Slika 3. Rezultati analize po AHP metodi

25

Isti rezultati mogu se prikazati i drugaĉijim grafiĉkim prikazom po kojemu je konaĉni poredak

alata zornije prikazan, a to je vidljivo na slici 4.

Slika 4. Konaĉni poredak alata i utjecaj kriterija na svaki od njih

Dakle, izmeĊu više alternativa koje su se analizirale kao potencijalni alat za provedbu

implementacije BI sustava, prema istraţivaĉevim ocjenama kriterija, najbolja je platforma

koju je razvila tvrtka Pentaho. Na slici 4. je vidljivo da prevagu donose kriteriji oznaĉeni

ţutom i crvenom bojom odnosno da je kriterij korisniĉkog doţivljaja korištenja ove platforme

i kriterij kompatibilnosti sa MySQL bazama podataka najistaknutiji upravo kod Pentaho BI

platforme.

26

5. Projektne uloge

Projekt je aktivnost koja ima unaprijed utvrĊeni cilj koji je jasan i ostvariv, podrazumijeva

odreĊenu kakvoću i koristi resurse kako bi se ostvario u odreĊenom vremenskom razdoblju.

PMBOK14

definira projekt kao vremenski ograniĉeni pothvat poduzet radi stvaranja

jedinstvenog proizvoda, usluge ili rezultata (PMI, 2008).

Sudionici koji se pojavljuju na projektima mogu imati neku od sljedećih uloga:

Naruĉitelj(i) projekta

Sponzor(i) projekta

Ulagaĉ(i) projekta

Voditelj(i) projekta

Projektni tim/ĉlan tima.

U projektu implementacije BI sustava u KDVL, pojavljuju se neke od gore navedenih uloga, i

to naruĉitelj, voditelji, sponzori i projektni tim.

U ulozi naruĉitelja projekta pojavljuje se KDVL koja je prepoznala potrebu za ovakvim

sustavom, te je za suradnju prilikom implementacije odabrala tvrtku Poslovna inteligencija

d.o.o. iz Zagreba koja je jedna od vodećih tvrtki za implementaciju analitiĉkih sustava i

strateški ICT15

konzalting u jugoistoĉnoj Europi (PI, 2013).

Uloga sponzora projekta pojavljuje se dvostrano, sa strane naruĉitelja i sa strane

implementatora. Sponzor je osoba koja svojim autoritetom i mogućnostima osigurava resurse

i podupire projekt. Sa strane naruĉitelja projekt podupire gosp. Draţen Sirišĉević, ravnatelj

Koncertne dvorane Vatroslava Lisinskog, a sa strane implementatora gosp. Draţen Orešĉanin,

predsjednik uprave i jedan od osnivaĉa tvrtke Poslovna inteligencija d.o.o. Na projektu se još

pojavljuju i voditelj projekta sa strane naruĉitelja, gosp. Zdravko Kunić iz tvrtke Art-print

studio u ĉijoj je nadleţnosti cijeli IT KDVL-a, i voditelj projekta sa strane implementatora te

ujedno i ĉlan tima, gosp. Nikica Ramljak, konzultant u Poslovnoj inteligenciji d.o.o.

14 Project Management Body of Knowledge 15 Information and Communication Technology

27

6. Arhitektura sustava

Pojam arhitekture iz pogleda IT terminologije oznaĉava strukturu koja spaja sve komponente

jednog sustava. Promatrajući taj isit pojam iz pogleda BI sustava, moguće je razlikovati

arhitekturu toka podataka (engl.data flow) i arhitekturu sustava. Arhitektura toka podataka

govori o tome na koji su naĉin podruĉna spremišta ureĊena u samom skladištu podataka, i na

koji naĉin podaci stiţu iz izvorišnih sustava do svojih destinacija u skladištu (Rainardi, 2008).

Dizajniranje fiziĉke arhitekture skladišta podataka, ili jednostavnije arhitekture sustava, slijedi

tek nakon optimizacije data flow-a. U praksi se arhitektura ĉesto prilagoĊava ograniĉenjima u

infrastrukturi ili u budţetima naruĉitelja sustava, pa se u skladu s time definiraju posluţitelji

(engl.server), mreţa, programska podrška (engl.software) i sliĉno.

Prilikom implementacije BI sustava u KDVL koristila se arhitektura koja je saĉinjena od

ukupno tri sloja, posluţitelja sa izvornim podacima, posluţitelja na kojem se vršio razvoj,

testiranje i u konaĉnici produkcija, te posluţitelj sa sloja izvješćivanja. Osnovni operacijski

ustav na kojem se vrši razvoj je Windows Server 2008 R2 Standard.

Ovakva se jednostavna arhitektura najĉešće koristi s naglaskom na potrebu odvajanja

razvojnog, testnog i produkcijskog posluţitelja, meĊutim s obzirom na ograniĉenja to ponekad

nije moguće. Arhitektura BI sustava KDVL prikazana je na slici ispod.

Slika 5. Fiziĉka arhitektura sustava

28

7. Razvoj i implementacija sustava

7.1. Skladište podataka

Poslovanje u današnje doba provodi se veoma dinamiĉno, puno novih dogaĊanja, promjena u

okruţenju, pa samim time i koliĉina raznovrsnih podataka raste velikom brzinom. Podaci kao

takvi, najĉešće se pohranjuju u operativnim bazama podataka kroz transakcijske sustave.

Transakcijski sustav je sustav koji je orijentiran na veliki broj istovremenih korisnika, te brzo

zapisivanje, ĉitanje i izmjenu malih koliĉina podataka, koji su najĉešće zapisani u trećoj

normalnoj formi kako bi se izbjegla redundantnost podataka (Orešĉanin, 2011). Većina tvrtki

srednje i velike veliĉine prepoznala su ulogu skladištenja podataka i upotrebu istih sa svrhom

pruţanja potpore procesima odluĉivanja i poboljšanja poslovnih procesa.

Veliki broj poslovnih dogaĊaja rezultira i velikom koliĉinom podataka koji se moraju negdje

spremiti. Ti se podaci najĉešće spremaju u operativnim bazama podataka koji pokazuju

najnovije, stvarno stanje poslovanja. Izvještaji koji se dobivaju iz takvih baza najĉešće su na

velikom broju stranica, izrada traje dugo, a dobivaju se selektiranim prepisivanjem potrebnih

podataka. S druge strane, skladišta podataka posjeduju veliku koliĉinu povijesnih podataka

koje sadrţe znanje.

Ovakvo se upravljanje podacima osigurava izgradnjom skladišta podataka kao centralnog

sustava za prikupljanje i arhiviranje podataka iz transakcijskih sustava, a u novije vrijeme i iz

ostalih strukturiranih i nestrukturiranih izvora poput interneta ili nekih „flat“ datoteka.

Tipiĉno skladište podataka u teoriji se sastoji od mjera i dimenzija koje su strukturirane u

dimenzijske i ĉinjeniĉne tablice. Dimenzije sadrţe opisne podatke o nekom subjektu te u

analizama odgovaraju na pitanja po ĉemu se nešto analizira. Mjere su najĉešće numeriĉki

podatci koji se analiziraju i bit su svakog izvješća.

Bez podataka spremljenih u skladište podataka do potrebnih informacije bi poslovodstvo

tvrtke dolazilo daleko sporije, a ujedno bi i izrada izvještaja trajale puno duţe. Iz ove te

prethodno navedenih spoznaja moţe se utvrditi uska povezanost skladišta podataka, sustava

za potporu odluĉivanju te poslovne inteligencije. Tako uskladišteni podaci se mogu analizirati

i modelirati ne bi li se dobile informacije potrebne za tako bitno poslovno odluĉivanje.

Pomoću izvještavanja, OLAP-a i rudarenja podataka nastaju razliĉiti ad hoc izvještaji, posebni

29

i dubinski izvještaji. Poslovodstvo tvrtke ce takve izvještaje dobiti kada je za istima najveća

potreba, te ce na taj naĉin moći efikasno upravljati tvrtkom (Crljenko Perković, 2009).

Skladište podataka autori tumaĉe na razliĉite naĉine, a svako od tumaĉenja je ispravno. Pa

tako Bill Inmon koji se smatram ocem skladištenja podataka, definirao kao: „...subjektno

orijentirana, integrirana, vremenski ovisna i nepromjenjiva kolekcija podataka koji sluţe za

podršku u procesu poslovnog odluĉivanja(Panian, 2003)“. Iz ovakve definicije skladišta

podataka, moguće je izdvojiti ĉetiri kljuĉna dijela:

Subjektna orijentiranost – definira skladište podataka kao oblik u kojemu se

informacije spremaju vezano za pojedini subjektu ili entitet, a ne za pojedini dogaĊaj

ili transakciju kao što je to u operativnim bazama

Integriranost – u skladištu podataka nalaze se integrirani podaci iz razliĉitih izvornih

sustava. To znaĉi da mora postojati konzistentnost izmeĊu naziva objekata, mjernih

jedinica i sliĉno.

Vremenska ovisnost – podaci koji se nalaze u skladištu su vremenski ovisni, te je

svaki od njih definiran za odreĊeni vremenski period.

Nepromjenjivost – podaci u skladištu podataka su povijesni iz razloga što se uĉitavaju

u skladište u vremenskim intervalima i ostaju spremljeni u nepromjenjivom obliku

kako bi se omogućilo dobivanje konzistentne slike poslovanja.

S druge strane, Ralph Kimball 1994. godine daje novu, jednostavniju, a u potpunosti toĉnu

definiciju skladišta podataka koja glasi: „Skladište podataka je kopija transakcijskih podataka

specifiĉno strukturiranih za potrebe izvještavanja i analize (Data Warehouse Definition,

2013)“. U dijelu definicije istaknut je termin „specifiĉno strukturiranih“ koji opisuje svih

ĉetiri elementa koje Inmon navodi u svojoj definiciji.

Skladište podataka prema nekim autorima nije nuţno dio BI sustava (Howson, 2008), ali je u

praksi najĉešće temelj istoga s obzirom na oblik podataka kakvi se u njemu nalaze, a oni su

pogodni za analizu i izvješćivanje.

30

7.1.1. Model skladišta podataka u KDVL

Skladište podataka za KDVL izraĊeno je u obliku MySQL baze i sastoji se od ukupno tri

meĊusobno povezana podruĉja, odnosno data mart-ova. Data mart je izdvojeni funkcionalni

dio skladišta podataka (spremište podataka) koji je orijentiran na manju jedinicu sa svrhom

standardiziranog provoĊenja analiza i pojednostavljenog korištenja skladišta (Bonifati, 2001).

Cijelo skladište podataka KDVL-a sastoji se od ukupno 23 tablice kreirane prema

specifikacijama sustava, na temelju zahtjeva korisnika i potreba za izvješćivanjem. To

ukljuĉuje slijedeće:

6 ĉinjeniĉnih (fakt) tablica

14 dimenzijskih tablica

3 pomoćne tablice

Skladište podataka dizajnirano je u obliku pahuljaste (engl. snowflake) strukture. Ovakva se

struktura koristi u situacijama kada je skladište, u odnosu na zvjezdastu (engl. star) strukturu,

u višem stupnju normalizacije. Ovakva se struktura koristi u više sluĉajeva, a najpopularniji

su sluĉajevi kada:

Postoje atributi unutar dimenzija koji sadrţe NULL16

vrijednosti pa se takvi atributi

izdvajaju u zasebne tablice,

Atributi koji su dijelovi hijerarhije, a nad njima se vrše nezavisni upiti, izdvajaju se u

zasebne tablice,

Atributi sa niskim kardinalitetom nad kojima se vrše nezavisni upiti, izdvajaju se u

posebne tablice.

Izdvajanje dimenzija u pahuljastu strukturu moţe smanjiti performanse skladišta(Rouse,

2010), meĊutim, s obzirom na koliĉinu podataka u skladištu KDVL-a, gubitak performansi je

neznatan.

„Modeliranje je kljuĉni proces u postupku izrade skladišta podataka - njime definiramo

strukturu baze podataka koja će zadovoljavati poslovne potrebe zbog kojih je projekt i nastao

(Šaban, 2011).“

16Tip podataka koji opisuje ne postojanje ikakvog zapisa u ćeliji

31

Model skladišta podataka za KDVL prikazan je na slici ispod. Sa slike su uoĉljiva samo

imena tablica, kojem podruĉnom dijelu pripadaju, koje kljuĉeve sadrţavaju te na koji su naĉin

tablice meĊusobno povezane.

Slika 6. Model skladišta podataka

32

7.1.2. Činjenične tablice

U skladištima podataka modeliraju se ĉinjeniĉne, fakt, tablice koje u sebi sadrţe kljuĉne mjere

i pokazatelje koji proizlaze iz poslovnih procesa. Fakt tablice nalaze se u središtu zvjezdaste

ili pahuljaste strukture, te su okruţene dimenzijskim tablicama.

Unutar ovih tablica u teoriji bi trebala postojati samo dva tipa kolona, kolone koje sadrţe

mjere i kolone koje sadrţe strane kljuĉeve na dimenzijske tablice. MeĊutim, u praksi se radi

jednostavnosti i de normalizacije, u fakt tablicama moţe ĉesto pronaći i neki atribut. Primarni

kljuĉ ovakvih tablica obiĉno je sloţeni kljuĉ koji se sastoji od svih stranih kljuĉeva, što znaĉi

da ne postoje dva zapisa u ĉinjeniĉnoj tablici koji imaju sve jednake strane kljuĉeve(Kimball,

2002).

Kao što je prethodno spomenuto, u skladištu podataka KDVL-a nalazi se ukupno šest

ĉinjeniĉnih tablica. Njihovi nazivi i opisi navedeni su u tablici ispod.

Naziv tablice Opis

f_priredbe

Fakt tablica koja se koristi za izradu izvješća o odrţanim terminima

financiranim od strane Gradskog ureda za kulturu. Ova tablica ima u

odnosu na stage bazu 6 dodatnih kolona, a sve ukupno preko 110 kolona.

U ovoj fakt tablici se nalaze mnogi kljuĉevi, obiljeţja te pojedini opisni

atributi. Agregacijom, brojanjem, zbrajanjem i sliĉnim operacijama

moguće je doći do raznih mjera, a najznaĉajnija mjera koja se nalazi u

ovoj tablici je broj gledatelja.

f_plan

Sadrţi planirane iznose za nabavu pojedinih predmeta nabave. Iznosi koji

se nalaze u ovoj tablici su oni iznosi koje su korisnici unijeli u svojim

godišnjim planovima. Bit planova jest usporedba stvarnog

raĉunovodstvenog stanja potrošnje za odreĊeni predmet nabave i prvotno

isplaniranog iznosa. Mjera koja se nalazi u ovoj tablici je iznos.

33

f_ulaznice_d

Sadrţi podatke o koliĉini prodanih ulaznica te atribute da li su one

prodane, besplatne ili otpremljene. Svaka od ulaznica ima svoj broj koji je

ujedno i jedinstveni kljuĉ, cijenu, datum i vrijeme prodaje, pa se

agregiranjem mogu dobiti mjere poput koliĉine prodanih ulaznica i

prihoda.

f_pretplate_d

Fakt tablica pretplata sadrţi podatke o svim pretplatnicima KDVL-a te

kljuĉ na adresar u kojemu se nalaze njihovi opisni podaci. Ova je tablica

zanimljiva jer sadrţi mjeru o broju pretplatnika po pojedinim ciklusima,

godinama i sliĉno. Te omogućuje menadţmentu KDVL-a analizu

pretplatnika te stvaranje strategije upravljanja istima.

f_glavnaknjiga

Glavna knjiga koja sadrţi sva konta i ukljuĉuje knjiţenja po istima.

Tablica je sastavljena na naĉin da je u njoj već definirana hijerarhija koja

osim najviše razine grupe konta, sadrţi i najniţi nivo granularnosti,

odnosno krajnji konto na kojemu je knjiţenje izvršeno. Mjere su iznosi na

dugovnoj i potraţnoj strani.

f_glavnaknjiga_arhiva

Arhiva glavne knjige koja sadrţi sva konta i ukljuĉuje knjiţenja po istima

za prethodne godine. Ova se tablici koristi u sluĉajevima kada je nuţno

dohvatiti podatke raĉunovodstva starije od 2 godine radi vršenja analiza i

usporedba. Tablica arhive za glavnu knjigu je izdvojena kako bi se

odrţale performanse tekućih godina, s obzirom na broj zapisa koji se u

ovoj tablici nalaze. Mjere su iznosi na dugovnoj i potraţnoj strani.

Tablica 2. Pregled fakt tablica u skladištu podataka

34

7.1.3. Dimenzijske i pomoćne tablice

Dimenzijske tablice su tablice na koje se referira ĉinjeniĉna tablica. U njima su spremljeni

opisi, odnosno atributi pojedinih objekata, te na taj naĉin daju odgovor na pitanje po ĉemu se

nešto analizira. U skladištu podataka se svi opisni atributi spremaju u kolonama u

dimenzijskim tablicama pa je njihova organiziranost veoma bitna za dohvaćanje kvalitetnih

znaĉenja mjera, što u konaĉnici i jest svrha dimenzijskih tablica (Rouse, Search Data

Management, 2012).

Shodno tome, u skladištu podataka KDVL-a se nalazi ukupno 14 dimenzijskih tablica od

kojih su neke dijeljenje, odnosno koriste se za razliĉite analize. Bitno je uoĉiti da meĊu

tablicama ne postoji vremenska dimenzija koja daje bit skladištu podataka, meĊutim u ovoj

situaciji ona nije potrebna budući da svaka od ĉinjeniĉnih tablica ima u atributima datum na

koji se moţe referirati pojedini dogaĊaj. Dimenzije su ukratko predstavljene u idućoj tablici.

Naziv tablice Opis

d_ciklusi Sadrţi informacije i atribute o pojedinim ciklusima u obiku kakvog koristi

KDVL.

d_organizatori Sadrţi informacije i atribute o organizatorima priredbi.

d_prostori

Opis prostorija unutar KDVL (velika dvorana, mala dvorana i sliĉno.) u

kojima se moţe odvijati priredba ili neka druga aktivnost na temelju kojih

KDVL moţe ispostaviti fakturu (garderoba i sliĉno.).

d_sluzbe Opisuje sve funkcijske jedinice, odnosno odjele (sluţbe) koji postoje u

KDVL.

d_priredbesub

Sadrţi informacije o pojedinim uslugama koje su pruţene za pojedini

termin. KDVL osim usluga iznajmljivanja prostora, svojim kupcima moţe

nuditi i usluge iznajmljivanja glazbene i tehniĉke opreme, njihovu montaţu

i sliĉno.

d_status Status termina koji se ţeli iznajmiti. Svaka dvorana u odreĊenom terminu

moţe poprimiti razliĉite statuse poput „rezervirano“, „iznajmljeno“ i sliĉno.

35

d_suorganizatori Dimenzija koja govori tko su organizator i suorganizator priredbi koje su

organizirane u suorganizaciji.

d_usluge Sadrţi opise i informacije o uslugama koje pruţa KDVL.

d_uslugeveze Sadrţi (pod)usluge koje su ukljuĉene u uslugu više razine. Ova je dimenzija

izdvojena u pahuljastu strukturu zbog svoje rijetke promjenjivosti.

d_vrstatermina Sadrţi opise i informacije o vrstama odrţanih termina (priredba, pokus,

proba i sliĉno), odnosno razlog zbog kojega je odreĊeni prostor iznajmljen.

d_priredbe_d Sadrţi opisne podatke o pojedinim priredbama kakve koristi tvrtka Dekod

telekom d.o.o. prilikom upravljanja prodajom ulaznica.

d_ciklusi_d Sadrţi informacije o pojedinim ciklusima u obiku kakvog koristi tvrtka

Dekod telekom d.o.o. prilikom upravljanja prodajom ulaznica.

d_adresar Popis svih pretplatnika te opće informacije o njima poput kontakt podataka.

d_ulasci

Sadrţi vrijeme ulaska u dvoranu za svaku pojedinu kartu. Svaka otkucana

karta na ulazu u dvoranu, biljeţi se u ovu tablicu na naĉin da zapis sadrţi

šifru priredbe, broj ulaznice i vrijeme ulaska.

Tablica 3. Pregled dimenzijskih tablica u skladištu podataka

Osim dimenzijskih i ĉinjeniĉnih tablica, u skladištu se pojavljuju još tri tablice koje se opisuju

kao „pomoćne“ tablice, te u svojoj naravi nemaju svojstva niti se ponašaju poput dimenzijskih

ili fakt tablica.

Stvaranje pomoćnih tablica unutar skladišta podataka nije preporuĉljivo radi smanjenja

performansi samog skladišta, stvaranja dodatnih veza meĊu tablicama i ĉesto ne fleksibilnosti

samog skladišta. Prilikom provedbe ovog projekta implementacije BI sustava u KDVL, bilo je

nuţnoj utvrditi naĉin na koji će se zadovoljiti potrebe korisnika, te istovremeno postaviti

temelje za funkcioniranje poslovnih procesa u budućnosti. Iz tog je razloga postavljanje

pomoćnih tablica bilo jedino rješenje. Tablica koja se koristi za kreiranje izvješća za

marketing je u potpunosti samostalna, niĉim povezana na ostale tablice, što se zorno moţe

vidjeti na slici modela prikazanog u prethodnom poglavlju.

36

Opisi i svrha svake od njih mogu se pronaći u tablici ispod.

Naziv tablice Opis

mapirajuca

Ova tablica korisit se za spajanje plana nabave i glavne knjige. Plan nabave

se spaja na tablicu mapirajuca po nazivu predmeta nabave, a tablica

mapirajuca se spaja na glavnu knjigu po kontu. Ovakva pomoćna tablica

ĉesto se naziva i „vezna“ tablica jer je njena osnovna svrha povezivanja

planova sa glavnom knjigom u kojoj se nalaze stvarni podaci potrošnje za

svaki pojedini predmet nabave.

definicija_troskova

Pomoćna tablica u kojoj su sadrţane informacijeo tome koja se konta

odnose na marketing, koja na organizaciju i sl. Ova je tablica kreirana sa

svrhom oznaĉavanja konta jer je za izvješće koje se kreira za potrebe

marketinga, bitno vidjeti kolika su sredstva uloţena u organizaciju pojedine

priredbe, rastavljeno na razliĉite segmente kao što su troškovi pojedinih

odjela.

za_marketing

Pomoćna tablica koja sadrţi kolone kao one koje se pojavljuju na izvješću

za marketing. Tablica je kreirana u skladu sa zahtjevima korisnika, te se

puni inkrementalno za sve nove zapise. Novi su zapisi svi oni koji imaju

datum veći od maksimalnog datuma u tablici za_marketing. Svrha ove

tablice je ubrzanje pokretanja izvješća budući da se podaci dobavljaju iz

više razliĉitih tablica, upit bi se predugo izvofio. Iz tog se razloga ova

tablica puni tokom noći kada ima dovoljno vremena da se tablica ispuni

svim novim podacima, a prilikom pokretanja izvješća upit se spaja na tu

pomoćnu tablicu.

Tablica 4. Pregled pomoćnih tablica u skladištu podataka

37

7.2. ETL upotrebom Kettle-a

ETL je akronim engleskih rijeĉi Extract, Transform, Load što znaĉi dohvaćanje,

transformaciju i uĉitavanje podataka. ETL je skup akcija i procesa kojima se izvršavaju

upravo prethodno navedene tri akcije uz pomoć specifiĉnog programskog rješenja. On

omogućuje organizacijama konsolidaciju podataka koji u razliĉitim oblicima stiţu iz više

izvora. Alati u kojima se modeliraju i provode ETL procesi najĉešće su grafiĉki orijentirani i

koriste razliĉite ikone ili prethodno definirane procedure koje obavljaju specifiĉni dio posla

koji se pojavljuje tijekom toka podataka od izvorišnih tablica do onih destinacijskih. Osim

ove primarne funkcije (integracija podataka), ETL procesi se ĉesto koriste i za migraciju

podataka, relacijskih baza i skladišta podataka na nove tehnologije, posluţitelje i sliĉno

(WiseGEEK, 2009).

Kettle je alat otvorenog izvornog koda koji je dio Pentaho BI platforme i specijaliziran je za

provedbu ETL procesa. U ovom alatu moguće je razvijati tzv. transformacije

(engl.transformations) i poslove (engl.jobs). Posao je širi pojam od transformacije i u njemu

se odreĊuje tijek izvršavanja transformacija, odnosno cijelog ETL procesa. Transformacije su

uţe i u njima se vrši konkretni prijenos podataka i vrše se odreĊene radnje nad njima.

U Kettle grafiĉkom suĉelju logika se modelira koristeći ikone koje se spajaju meĊusobnim

uvjetnim ili bezuvjetnim vezama (engl.hops). One su rasporeĊene u velike skupine od kojeg

se najĉešće koriste:

Ulaz (engl.input) – skupina koja sadrţi elemente za spajanje na izvore podataka.

Izlaz (engl.output) – skupina koja sadrţi elemente za spajanje na destinacijske baze,

odnosno na destinacijske tablice

Obrada (engl.transform) – u ovoj se skupini nalaze elementi koji se postavljaju izmeĊu

ulaza i izlaza u logici toka podataka. Ovi elementi vrše transformacije nad podacima te

su kljuĉni dio ETL procesa.

Na trţištu besplatnih alata za provedbu ETL-a Kettle se pozicionirao kao jedno od najboljih

rješenja s obzirom na stalno unapreĊivanje funkcionalnosti, praćenje trendova, jak utjecaj

zajednice i ostalo(Pentaho, 2013).

38

7.2.1. Izvori podataka

Projekt implementacije BI sustava u KDVL ukljuĉuje dohvaćanje izvornih podataka sa ĉetiri

razliĉitih sustava:

MS Access

Oracle DB 9g

MS SQL Server

MS Excel

Svaki od izvora je detaljnije opisan u nastavku.

„Kockice“ je naziv za bazu podataka koja se koristi kao jedan od izvora za DWH. Radi se o

Microsoft Access bazi podataka u kojoj se evidentiraju podaci o svim terminima i priredbama

koje se odrţavaju u KDVL. Baza je sastavljena od strane tvrtke Art-print studio u ĉijoj je

nadleţnosti odrţavanje IT-a za KDVL. Ovaj izvor podataka sastoji se od ukupno jedanaest

tablica ĉiji su nazivi i opisi navedeni u tablici ispod.

Naziv tablice Opis

f Priredbe

Najveća i kljuĉna tablica u bazi. Sadrţi popis svih odrţanih termina u KDVL i

njihove opise. Ova tablica sadrţi i kljuĉeve za povezivanje na ostale tablice.

Sadrţi sve podatke vezane za pojedini dogaĊaj u dvorani, vrijeme odrţavanja,

prostor, broj gledatelja, vrsta termina i sliĉno. Ova tablica sadrţi preko 100

kolona, a kolona PriredbaID je primarni kljuĉ.

Ciklusi U ovoj tablici se nalazi popis svih ciklusa, njihove kratice i opisi. Primarni

kljuĉ tablice je kolona CiklusID.

Organizatori

Ova tablica sadrţi popis svih organizatora priredbi i njihove opise poput OIB-

a, adrese, kontakta, ţiro raĉuna i sliĉno. Primarni kljuĉ tablice je kolona

OrganizatorID.

PriredbeSub

U ovoj se tablici biljeţe usluge koje je KDVL isporuĉio za pojedinu priredbu.

Tablica ima strane kljuĉeve na tablice Priredbe (PriredbaID) i Usluge

(UslugaID).

Prostori U ovoj se tablici nalazi popis svih prostorija unutar dvorane, njihove kratice i

opisi. Primarni kljuĉ tablice je kolona ProstorID.

39

Sluzbe Ova tablica sadrţi naziv, kraticu i opis sluţbi u KDVL. Primarni kljuĉ tablice

je kolona SluzbaID.

Status Tablica sadrţi naziv i opis statusa termina koji moţe bit rezerviran, zakljuĉan,

potvrĊen, završen ili otkazan. Primarni kljuĉ tablice je kolona StatusID.

Suorganizatori

Ova tablica prikazuje koji su organizatori u suorganizaciji za odreĊenu

priredbu. Tablica ima samo dvije kolone i one su strani kljuĉevi na tablice

Priredbe (PriredbaID) i Organizatori (OrganizatorID).

Usluge U ovoj se tablici nalazi popis usluga koje KDVL isporuĉuje. Primarni kljuĉ

tablice je kolona UslugaID.

UslugeVeze Tablica u kojoj se biljeţe pod usluge, a veţu se na tablicu Usluge putem

stranog kljuĉa (UslugaID).

VrstaTermina

U ovoj se tablici nalazi popis razliĉitih vrsta termina, njihove kratice i opisi.

Vrsta termina govori da li je termin pokus, generalna proba, priredba ili nešto

drugo. Primarni kljuĉ tablice je kolona VrstaTerminaID.

Tablica 5. Opis tablica sa izvora MS Access

Financije je naziv za izvor podataka iz raĉunovodstvene baze. Radi se o MS SQL bazi

podataka koja je sastavljena od strane tvrtke ZagrebData d.o.o. u ĉijoj je nadleţnosti

odrţavanje raĉunovodstva za KDVL. Ovaj izvor podataka sastoji se od dvije tablice ĉiji su

nazivi i opisi navedeni u tablici ispod.

Naziv tablice Opis

f_glavnaknjiga

Ova tablica sadrţi sva knjiţenja i stanja po kontima za tekuću i prošlu

godinu. Tablica ima kolone koje sadrţe nazive klasa, grupa, konta od

sintetiĉke (grupirano, manja razina detalja) do analitiĉke razine (visoka

razina detalja).

f_glavnaknjiga_arhiva

Ova tablica sadrţi sva knjiţenja i stanja po kontima za sve povijesne

godine. Tablica ima kolone koje sadrţe nazive klasa, grupa, konta od

sintetiĉke (grupirano, manja razina detalja) do analitiĉke razine (visoka

razina detalja).

Tablica 6. Opis tablica sa izvora MS SQL Server

40

Ulaznice je naziv za izvor podataka koji se nalazi u bazi prodanih ulaznica. Za punjenje

DWH-a koristiti će se samo odreĊeni broj relevantnih tablica iz izvornog sustava. Radi se o

Oracle bazi podataka koja je sastavljena od strane tvrtke Dekod telekom d.o.o. u ĉijoj je

nadleţnosti prodaja ulaznica za dogaĊaje odrţane u KDVL. Ovaj izvor podataka sastoji se od

pet tablica ĉiji su nazivi i opisi navedeni u tablici.

Naziv tablice Opis

f Priredbe

Ova tablica sadrţi popis svih priredbi za koje su prodavane ulaznice, i njihove

opise poput datuma, naziva, ciklusa i dvorane. Primarni kljuĉ u ovoj tablici je

kolona Sifra.

f Ulaznice

Ova tablica sadrţi sve relevantne podatke o prodanim i besplatnim ulaznicama

za pojedinu priredbu. Tablica takoĊer sadrţi i cijene ulaznica kao i kanal

prodaje te ostale atribute.

Ciklusi Tablica koja sadrţi samo strane kljuĉeve na tablicu Priredbe. Ova tablica jasno

pokazuje koja priredba spada u koji ciklus.

Pretplate Ova tablica sadrţi popis svih pretplata, te kojoj lokaciji one pripadaju (sektor,

red, mjesto).

Adresar

Ova tablica sadrţi popis svih pretplatnika, te njihove opise. Pretplatnici su

fiziĉke osobe pa se u tablici biljeţe osobni i kontakt podaci. Primarni kljuĉ

tablice je kolona Sifra.

Ulasci U tablici su zabiljeţene sve “otkucane” karte prilikom ulaska na pojedine

priredbe.

Tablica 7. Opis tablica sa izvora Oracle

Izvor u obliku Excel file-ova koristi se za izvlaĉenje podataka o predmetu i vrijednosti nabave

za izvješće Plan nabave te za definiciju troškova (koji konto je trošak marketinga, koji

organizacije i sl.) za izvješće za marketing. TakoĊer, Excel se koristi za mapiranje konta iz

glavne knjige sa predmetom nabave iz Excela.

41

7.2.2. Transformacija podataka

Transformacija podataka vršila se prema pravilima i metodologijama izgradnje skladišta

podataka. U prvom koraku su se podaci sa izvora u identiĉnom obliku prebacivali u tablice

koje nose jednake nazive i imaju jednake kolone u privremenu ili prijelaznu bazu podatka

koja se naziva „stage“ baza. Smisao stage baze jest rasterećenje izvornih sustava i sigurnost

podatka koji se na izvornom sustavu nalaze iz razloga što se nad tim podacima moraju vršiti

odreĊene radnje, obrade, transformacije pa je znatno sigurnije to vršiti nad podacima iz

prijelazne baze.

U drugom koraku transformacije dovlaĉe se podaci iz stage baze koji se spremaju za

uĉitavanje u skladište podataka. Prethodno modelirano skladište podataka posjeduje tablice

koje su nazvane i strukturirane prema pravilima izgradnje skladišta podataka.

U okviru provedbe projekta implementacije BI sustava u KDVL većina je podataka s izvora

bilo kvalitetno strukturirano te iz tog razloga nije bilo potrebe za mnogim transformacijama.

Najviše se transformacija vršilo nad podacima koji se spremaju za punjenje fakt tablice

f_priredbe gdje je bilo potrebno stvoriti pojedine kljuĉeve za povezivanje na dimenzijske

tablice, pripremu kolona sa datumom i vremenom odrţavanja priredbi, te stvaranje kolona

koje grupiraju odreĊene podatke u skupine.

Upotrebom alata za izgradnju ETL procedura Kettle, stvoreno je ukupno 6 transformacija. Za

svaki od izvora podataka koji se prebacuje u stage fazu po jedna transformacija:

MS Access - Stage

MS Excel - Stage

MS SQL Server - Stage

Oracle DB 9i - Stage

Nakon što se napuni stage baza sa izvornim podacima, u jednoj se transformaciji oni obraĊuju

i pune skladište podataka:

Stage - Skladište podataka

42

Za izdvojenu pomoćnu tablicu koja se koristi za kreiranje izvješća za marketing kreirana je

zasebna transformacija:

Skladište podataka - pomoćna tablica

Na slici ispod prikazano je suĉelje alta za provedbu ETL procedura. Na slici je vidljivo

prebacivanje podataka i vršenje odreĊenih transformacija nad njima u fazi punjenja skladišta

podataka. Za svaku tablicu u skladištu postoji njen ulaz, što je tablica iz stage baze, i njena

destinacija, što je konaĉna tablica u skladištu podataka.

Slika 7. Prikaz transformacije za punjenje skladišta podataka

43

7.2.3. Učitavanje podataka

Nakon izraĊenih transformacija koje kupe podatke s izvora i spremaju ih u stage bazu,

transformacija za obradu podataka i punjenje skladišta, te punjenje pomoćne tablice, one se

logiĉki slaţu unutar jednog posla (engl.job) u Kettle alatu. Job je temeljna jedinica koja

upravlja tokom aktivnosti i ĉini jednu cjelinu koja je sastavljena od transformacija, poredanih

u logiĉan slijed provedbe, kao što je prikazano na slici.

Slika 8. Kettle job koji upravlja procesom uĉitavanja podataka

S obzirom na koliĉinu podataka koji se pojavljuju u okviru ovog projekta, i s obzirom na

poslovne procese KDVL-a,cijeli model je sastavljen na naĉin da se svake noći, u 4:00 ujutro

provodi cijeli proces i puni sve tablice skladišta podataka. Uĉitavanje traje oko 10 minuta, a u

tom se periodu napuni 20 tablica, koje zajedno imaju preko 250 kolona i u testnoj fazi su

zajedno imale preko 300 000 zapisa.

44

7.3. Izvješćivanje

Skladište podataka u arhitekturi sustava koji je implementiran u KDVL temelj je za izradu

izvješća i analiza. Pentaho BI platforma u svom portfelju ukljuĉuje i Pentaho Report Designer

(PRD) alat za naprednu izradu izvješća. Mogućnosti PRD-a su veoma široke meĊu kojima se

osim standardnih grafiĉkih mogućnosti mogu naći i predefinirani obrasci izvješća, mogućnost

izrade pod izvješća i njihova povezivanja, pisanje razliĉitih proraĉunskih izraza i još mnogo

toga .

U skladu sa zahtjevima i potrebama korisnika BI sustava u KDVL, izraĊena su ukupno tri

izvješća koja se temelje na podacima iz skladišta podataka. To su:

Izvješće o terminima GUK-a17

Plan nabave

Izvješće za marketing

Svako od ova tri izvješća izraĊeno je putem Pentaho Report Designer-a. Izvješća su nakon

izrade objavljena na Pentaho posluţitelj koji distribuira izvješća putem zajedniĉkog

repozitorija. Njima je moguće pristupiti kroz internet pretraţivaĉ iz lokalne mreţe KDVL-a, a

za to je potrebno u pretraţivaĉ upisati adresu posluţitelja te se spojiti na Pentaho User

Consloe (PUC) sa svojim korisniĉkim imenom i lozinkom. PUC je prikazan na slici ispod.

Slika 9. Suĉelje Pentaho User Console

17GUK – Gradski ured za kulturu

45

Sama izvješća su izraĊena u naprednom obliku te su dinamiĉna. Svakodnevno prikazuju

svjeţe podatke koji su tokom noći dospjeli u skladište, te imaju mogućnost odabira parametra

što im daje dinamiĉnost. Prilikom pokretanja izvješća korisniku se prikazuje tzv. prompt18

na

kojem se odabiru parametri izvješća.

Na slikama niţe je prikazan primjer prompt-a za Izvješće marketinga, te izgled samog

izvješća uz napomenu da su podaci vidljivu na izvješću testni i ne odgovaraju stvarnom

stanju.

Slika 10. Prompt za izvješće marketinga

Slika 11. Izgled izvješća za marketing

18Definirani prozor koji sadrţi parametre

46

8. Zaključak

Sustavi za izvješćivanje, i sustavi poslovne inteligencije općenito, stvoreni su kako bi

donositeljima odluka unutar neke organizacije pruţali potporu. Isto tako, sustavi poslovne

inteligencije stvaraju informacije iz podataka koje, ukoliko su pruţene u pravom obliku i u

pravo vrijeme, stvaraju dodatnu vrijednost za organizaciju što povećava konkurentnost na

trţištu.

Mnogi menadţeri u svijetu prepoznali su vaţnost pravilnog upravljanja podacima pa je stoga

ova grana informacijskih tehnologija u konstantnom rastu. Tome u prilog govori i podatak da

se u zadnjih nekoliko godina poĉela razvijat izdvojena grana znanosti koja se naziva znanost o

podacima (engl. data sience) (Stanton, 2013).

KDVL je zrela organizacija koja je svjesna mogućnosti unaprjeĊenja poslovnih procesa i

prepoznala potrebu za implementacijom BI sustava. TakoĊer, orijentiranost besplatnim

tehnologijama je sve popularnije bilo iz financijskih razloga, lake dostupnosti, ili iz nekog

drugog razloga. U ovom projektu se izbor besplatne tehnologije, u obliku Pentaho BI

platforme, pokazao kao pravilan potez iz razloga što je ova platforma dovoljno tehnološki

funkcionalan da je mogla zadovoljiti sve faze razvoja i implementacije BI sustava u KDVL.¸

Implementirani Bi sustav u KDVL u potpunosti je izraĊen u skladu sa korisniĉkim zahtjevima

i specifikacijom koja je definirana u pred implementacijskoj analizi. Iskorištena je postojeća

infrastruktura te je razvijen sustav koji je skalabilan, nadogradiv, i posluţit će kao temelj u

daljnjem razvoju upravljanja podataka unutar KDVl, na zadovoljstvo naruĉitelja i

implementatora.

47

8.1. Ograničenja i prepreke

Prilikom implementacije sustava uvijek je nuţno raĉunati na odreĊene rizike. Rizik je dogaĊaj

za kojeg postoji vjerojatnost da će nastupiti u budućnosti i eventualno omesti proces razvoja

ili implementacije sustava. Detaljnijim planiranjem izrade projekta moguće je predvidjeti

rizike i utjecati na njihovo izbjegavanje.

Tokom provedbe projekta implementacije BI sustava u KDVL, pojavila su se odreĊena

ograniĉenja i prepreke:

U poĉetku projekta nije bilo iskustva sa Pentaho BI platformom te je dio vremena

izdvojen na prouĉavanje funkcionalnosti platforme sa ciljem kvalitetnije izvedbe

projekta od strane implementatora.

Infrastruktura KDVL u periodu implementacije bila je ograniĉena na samo jednog

posluţitelja koji se koristio prilikom razvoja i testiranja te u konaĉnici kao

produkcijski posluţitelj .

Navedenim ograniĉenjima i preprekama se pristupilo sa visokom dozom opreza te je svaka od

njih u konaĉnici uspješno savladana. U budućnosti se sustav moţe razvijati neovisno o njima

što dovoljno govori o prilagodljivosti i fleksibilnosti, kako samog sustava tako i organizacije

koja se njime koristi.

48

8.2. Koristi za menadžment

Od implementiranog sustava koristi koje dobiva menadţment su višestruke. Bez visokih

ulaganja KDVL je dobio jedan suvremeni sustav poslovne inteligencije koji je funkcionalan i

omogućava zaposlenicima jednostavan i brz uvid u toĉne informacije, na dnevnoj razini. Na

taj se naĉin štede resursi vremena pa menadţment moţe bolje optimizirati ostale resurse.

TakoĊer, menadţment KDVL-a otvorio je novo poglavlje u razvoju internih poslovnih

procesa u kojima zaposlenici prepoznaju snagu informacijskih tehnologija. U budućnosti

moguće je postojeći sustav razviti do razine da se postave kljuĉni pokazatelji uspješnosti na

visoku razinu što svakako pridonosi razvoju same organizacije, kulture, društava…

49

Literatura

Baturina, D. (2006). Intervju. Split: Sveuĉilište u Splitu, Filozofski fakultet.

BIcortex. (03 2012). Preuzeto 22. 07 2013 iz http://bicortex.com/2012-gartner-bi-magic-

quadrant-report/

Bokan, N. G. (2010). Utjecaj financijske krize i reakcija monterne politike u Hrvatskoj.

Zagreb: Hrvatska Narodna Banka.

Bonifati, A. e. (2001). Designing Data Marts for Data Warehouse. Milano: ACM

Transactions on Software Engineering and Methodology.

Carly, L. (2004). Project Management Primer. Bureau of Reclamation.

Coyle, G. (2004). The Analytic Hierarchy Process (AHP). Open Access Material.

Crljenko Perković, L. (2009). Važnost sustava za potporu odlučivanju na primjeru uporabe

sustava poslovne inteligencije Cognos u poslovanju tvrtke. Rijeka: Sveuĉilište u Rijeci,

Ekonomski fakultet.

Data Warehouse Definition. (01 2013). Preuzeto 22. 07 2013 iz 1 key data:

http://www.1keydata.com/datawarehousing/data-warehouse-definition.html

Hale, J. (2011). Understanding Research Methodology 3: Goals of Scientific Research. Psych

Central.

Hernaus, T. (2006). transformacija klasične organizacije u organizaciju orijentiranu na

poslovne procese. Zagreb: Sveuĉilište u Zagrebu, Ekonomski fakultet.

Hiong, G. S. (2005). Open source and commercial software. Washington: Business Software

Alliance.

Howson, C. (2008). Successful Business Intelligence. New York: McGraw-Hill.

JasperSoft. (2007). An Introduction to the JasperSoft Business Intelligence Suite. San

Francisco: JasperSoft.

Kimball, B. R. (2002). The Data Warehouse Toolkit: The Complete Guide to Dimensional

Modeling. Wiley.

Lisiĉić, L. (1993). 20 godina Kocertne dvorane Vatroslava Lisinskog. Zagreb: Koncertna

dvorana Vatroslava Lisinskog.

MicroStrategy. (01 2013). MicroStrategy. Preuzeto 22. 07 2013 iz

http://www.microstrategy.com/software/business-intelligence

Nikitović, M. (2009). Kritični faktori uspješnosti implementacije. Zagreb: VIDI.biz.

50

Nikolić, I. B. (1996). Višekriterijumska optimizacija: metode, primena u logistici, softver.

Beograd: Centar vojnih škola VJ.

Orešĉanin, D. (2011). Osiguranje kvalitete podataka u skladištima podataka. Zagreb:

Sveuĉilište u Zagrebu, Fakultet elektrotehnike i raĉunarstva.

Panian, Ţ. K. (2003). Poslovna inteligencija. Zagreb: Masmedia.

Pentaho. (2013). Preuzeto 07. 22 2013 iz Pentaho Kettle project: http://kettle.pentaho.com/

Pentaho. (2008). Introducing the Pentaho BI Suite Community. Orlando: Pentaho.

PI. (2013). Poslovna inteligencija d.o.o. Preuzeto 18. 08 2013 iz

http://www.inteligencija.com/index.php/hr/o-nama/tko-smo.html

PMI. (2008). A Guide to the Project Management Body of Knowledge. ennsylvania: Project

Management Institute.

Rainardi, V. (2008). Building a Data Warehouse with Example in SQL Server. Apress.

Raoul-Abelin Choumin, N. User and Key-user concept after a software deployment. CAD-

PLM Consultants.

Rouse, M. (09 2010). Search Data Management. Preuzeto 20. 07 2013 iz Snowflaking:

http://searchdatamanagement.techtarget.com/definition/snowflaking

Rouse, M. (04 2012). Search Data Management. Preuzeto 20. 07 2013 iz Dimension table:

http://searchdatamanagement.techtarget.com/definition/dimension-table

Saaty, T. L. (1980). The Analytic Hierarchy Process. New York: McGraw-Hill.

Stanton, J. (2013). An introduction to Data Sience. Syracuse : School of Information Studies.

Šaban, J. (06 2011). BUG online. Preuzeto 20. 07 2013 iz

http://www.bug.hr/mreza/tekst/modeliranje-skladista-podataka/95521.aspx

WiseGEEK. (2009). Preuzeto 07. 21 2013 iz http://www.wisegeek.com/what-is-etl.htm

Zelenika, R. (1998). Metodologija i tehnologija izrade znanstvenog i stručnog djela. Rijeka:

Ekonomski fakultet.

51

Popis slika i tablica

Slika 1. Grafiĉki prikaz utjecaja pojedinog kriterija na konaĉni rezultat ..................................9

Slika 2. Usporedba alata po kriteriju MySQL friendly .......................................................... 23

Slika 3. Rezultati analize po AHP metodi ............................................................................. 24

Slika 4. Konaĉni poredak alata i utjecaj kriterija na svaki od njih .......................................... 25

Slika 5. Fiziĉka arhitektura sustava ....................................................................................... 27

Slika 6. Model skladišta podataka ......................................................................................... 31

Slika 7. Prikaz transformacije za punjenje skladišta podataka ............................................... 42

Slika 8. Kettle job koji upravlja procesom uĉitavanja podataka ............................................. 43

Slika 9. Suĉelje Pentaho User Console .................................................................................. 44

Slika 10. Prompt za izvješće marketinga ............................................................................... 45

Slika 11. Izgled izvješća za marketing .................................................................................. 45

Tablica 1. Popis kriterija i njihovih rangova .......................................................................... 10

Tablica 2. Pregled fakt tablica u skladištu podataka .............................................................. 33

Tablica 3. Pregled dimenzijskih tablica u skladištu podataka ................................................ 35

Tablica 4. Pregled pomoćnih tablica u skladištu podataka ..................................................... 36

Tablica 5. Opis tablica sa izvora MS Access ......................................................................... 39

Tablica 6. Opis tablica sa izvora MS SQL Server.................................................................. 39

Tablica 7. Opis tablica sa izvora Oracle ................................................................................ 40

52

Sažetak

Poslovnom inteligencijom se prema odreĊenim metodologijama i pravilima, prikupljaju,

analiziraju i distribuiraju informacije dobivene iz podataka. Vrijednost ovakvih sustava

prepoznata je meĊu mnogim velikim organizacijama diljem svijeta, a prepoznala ju je i

Koncertna dvorana Vatroslava Lisinskog. Upotrebom besplatne tehnologije, u ovu je dvoranu

implementirano skladište podataka i sustav izvješćivanja koji poĉivaju na MySQL bazama i

platformi za poslovnu inteligenciju Pentaho. Implementacijom skladišta, prikupljeni su podaci

iz više razliĉitih izvora koji su strukturirani i transformirani u Kettle alatu za provedbu ETL

procesa i uĉitani u skladište podataka, kako bi se u dvorani na jednom mjestu moglo pristupiti

svim potrebnim podacima. Zahvaljujući razvoju tehnologija, izraĊeni sustav plasiran je na

Internet putem svog servera, te svaki od korisnika sustava ima mogućnost izrade,

pregledavanja i analize izvješća. Ovakav sustav stvara dodatnu vrijednost za menadţment

KDVL-a što im osigurava kvalitetnije i produktivnije poslovanje u budućnosti, kao i temelj za

unaprjeĊenje poslovnih procesa.

KLJUČNE RIJEČI: Koncertna dvorana Vatroslava Lisinskog, Business Intelligence,

poslovna inteligencijea, DWH, skladište podataka, ETL, Pentaho BI platform, Kettle

53

Summary

Business intelligence is a system that uses several rules and methods for collecting, analyse

and distributing information which are derived from various data. The value of systems like

this one is recognized in many large companies worldwide as well as in cultural organization

such as Vatroslav Lisinski concert hall. Using open source and free technology, business

intelligence and Data Warehouse systems were implemented in this hall, based on MySQL

data bases and Pentaho BI platform. With DWH implemented, data from various sources was

structured and transformed with Pentaho Dana Integration tool Kettle which is used for ETL

design, development and data loading, with purpose of gathering all of data in one place. Data

stored like this, can be easily reached and maintained. Thanks to the technology development,

BI system is published to web through Pentaho server, and now each user has opportunity for

develop, deploy, analyze and read reports. Thanks to the technology development, BI system

is published to web through Pentaho server, and now each user has opportunity for develop,

deploy, analyze and read reports. From now on, Lisinski hall has reached new value and

management of hall can optimize resources to be more productive in future, and has good

base for improving business processes.

KEY WORDS: Vatroslav Lisinski concert hall, Business Intelligence, poslovna

inteligencijea, DWH, skladište podataka, ETL, Pentaho BI platform, Kettle

54

Zahvala

Za uspješno napisani diplomski rad koji predstavlja završetak i krunu školovanja zahvaljujem

se:

Svojim roditeljima i bliţnjima na beskrajnoj podršci koju su mi pruţali tokom ĉitavog

školovanja.

Mentorici sa Ekonomskog fakulteta u Splitu, dr.sc. Maji Ćukušić na ukazanom

povjerenju, strpljenju, savjetima i raspoloţivosti.

Za sudjelovanje na uspješno provedenom projektu implementacije BI sustava u KDVL i

iskustvu i znanju koje sam stekao zahvaljujem se:

Tvrtki Poslovna inteligencija d.o.o. iz Zagreba, njenoj Upravi, ĉlanovima tima,

voditelju projekta, i svim kolegama na ukazanom povjerenju i pruţenoj prilici za rad

na ovakvom projektu.