Beogradska akademija poslovnih i umetničkih

strukovnih studija

Menadžment informacioni sistemi

dr Rade Matić1

Teme za prezentaciju- Poslovna inteligencija (primeri u industriji): IBM. Microsoft, SAP.

- Komparacija alata „best player“-a u poslovnoj inteligenciji.

- Datawarehouse (Skladište podataka)

- Informacioni sistem za arhiviranje

- Messaging platforme (VIBER, MESSANGER, WHATS UP, WE

CHAT, SKYPE)

- Veštačka inteligencija

- Blockchain (Ethereum 2.0, ….)

- Data mining (rudarenje podataka – primena u praksi)

- Mashine Learning (osnovni koncepti ML, primeri)

- Deep Learning (osnovni koncepti DL, primeri)

- Chatbot (zašto i kako se prave)

- Internet of Things (primeri primene)

- Natural Language Processing (WIT, API, LUIS)

- Digitalni asistenti (Google assitent, CORTANA, Alexa, Siri, IBM

Watson)

- Ostale teme po dogovoru2

Menadžment informacioni sistemi (MIS)

nije isto što i

Upravljački informacioni sistem (UIS)

MIS definišemo kao studije o informacionim sistemima

u poslovanju i menadžmentu ili sistemi koji pružaju

informacije menadžmentu.

UIS je planirani informacioni sistem koji procenjuje,

analizira i obrađuje podatke organizacije za kreiranje

smislenih i korisnih informacije na osnovu kojih ce

menadžment doneti pravu odluku čime bi se osigurao

buduci rast organizacije.

UIS je dizajniran tako da pruži informacije potrebne za

efikasno donošenje odluka. 3

Podatak, informacija, znanje, mudrost

Znanje, čine podaci ili informacije koji se organizuju i obrađuju da

prenesu razumevanje, iskustvo, akumulirano učenje i stručnost

u primeni na određeni aktuelni problem ili aktivnost.

Mudrost je imanje iskustva, znanja, razumevanja uz moc primene

svega predhodno rečenog sa razboritošcu, praktičnošcu,

diskretnošcu i zdravim razumom, odnosno mudrost je

sposobnost donošenja ispravnih odluka.

Podatak je najosnovniji stepen, informacija dodaje kontekst,

znanje dodaje kako ga upotrebiti, a mudrost

dodaje kada i zašto ga upotrebiti.4

Tri komponente UIS-a daju kompletniju

definiciju: menadžment, informacija i sistem

Menadžement obuhvata planiranje, kontrolu i administraciju

bitnih operacija i aktivnosti. Senior menadžeri planiraju, srednji

se koncetriše na kontrolu a operativni se bave stvarnom

administracijom-operativom.

Informacije predstavljaju obrađene podatke koji pomažu

menadžmentu u planiranju, kontroli i operacijama.

Sistem pomaže u obradi podataka u informaciju.

UIS podrazumeva sistem za obradu podataka za pružanje

odgovarajucih informacija menadžmentu u cilju izvršavanja

svojih funkcija

5

MIS MIS daje podršku poslovnim aktivnostima. S obzirom da se

poslovni procesi stalno menjaju, postoji potreba za kadrovima tj.

studentima koji imaju analitički pristup i znanje kao i dobro

poznavanje prirode posla, da bi se poslovni proces učinio što

produktivnijim.

Studenti ovog predmeta ce da nauče da: analiziraju, eksportuju,

transformišu podatke, projektuju i implementiraju složene zahteve.

Potrebno je znanje SQL Server-a i neproceduralnog

jezika t-SQL.

http://www.bpa.edu.rs/sr-cyrl-cs/predmet/menadzment-

informacioni-sistemi/7800

http://sites.google.com/site/pisandmis/Home/mis

Data Warehouse

9

Zahtevi savremenog poslovanja

KomercijalaPoslovanje Menadžment

BusinessIntelligence

• Pristup SVIM relevantnim strukturama podataka

• Prezentacija konkretnih sintetičkih informacija

• Donošenje odluke uz saznanje o uzrocima i posledicama

• Trenutno raspoložive analize

Informacija - Znanje - Odluka - Akcija - Rezultat

10

Problemi kod izrade izveštaja

za strateški menadžment

OLTP sistem nije projektovan za analize

Pristup podacima je suviše komplikovan

Manipulacija podacima usporava poslovne transakcije

Podaci su različiti i kompleksni

11

Izrada izveštaja

kroz pristup upitnim jezikom

Obezbeđuje ad hoc izveštaje za nivo taktičkog odlučivanja

Traži odlično poznavanje predmetne baze podataka

Podrazumeva potpuno vladanje upitnim jezikom

Ne omogucava realizaciju vrlo složenog upita

Obim podataka koji mogu biti uzeti u obzir je ograničen

Postojeci alati imaju ograničen integritet/fleksibilnost

SQLRDBMS

12

On-line Analytical Processing (OLAP)

E.F. Codd, 1993

Eksterniizvori podataka

Radne tabele Ostali alatiGrafički interfejs

OLAP

Server

Transakciona

BP

• Preagregacija podataka kojima se često pristupa-brzi ad hoc upiti

• Intuitivan višedimenzionalni model podataka - selekcija, navigacija, prikaz

• Bogat skup funkcija za proračune - mocan alat za kreiranje pogleda

• Zaštita, keširanje podataka, optimizacija

Distribuirani podaci

13

OLTP : OLAP

Transakcioni sistemi obrade podataka

Beleži se šta se dogodiloObrada podataka, Standardni upiti

Konačan proces

Dvodimenzioni

Upravljanje podacimaMb-Gb memorije

Procesiranje podatakaSirovi i real-time podaci

OPERATING the Business

Analitička obrada podataka

Određuje se šta treba činitiČitanje podataka, kompleksni upiti

Iterativni proces

VišedimenzioniKonsolidovanje podatakaGb-Tb memorije

Sinteza informacijaAgregirani i istorijski podaci

DRIVING the Business

PLAN THE BUSINESSRUN THE BUSINESS

Pristup: svi podaci Pristup: menadžeri, analitičari

14

Data Warehousing pristup

Prednosti za projektanta:

• Prevazilaze se razlike između struktura podataka iz

različitih heterogenih i distribuiranih izvora

• U procesu transformacije i migracije podataka iz OLTP

baze u Data Warehouse vrši se njihova validacija i

konsolidacija

• Problemi zaštite i performansi se rešavaju bez potrebe da

se menjaju postojeci sistemi

15

Restrukturiranje podataka

pri formiranju DW

E-mail,telefon, faxporuka

E-mail

DWServer

denormalizacija tabela

čišćenje od redundansi

dodavanje novih polja i ključeva

dodavanje eksternih podataka

uključivanje "mekih" podataka

16

Projektovanje DW baze podataka

Proizvod Region Mesec Prodaja

Slog #1 Film Istok Dec-01 240

Slog #2 Sočiva Jug Jan-02 250

Slog #3 Kamere Sever Feb-02 690

Slog #4 Film Jug Mar-02 425

Slog #5 Sočiva Istok Apr-02 300

Slog #6 Film Jug Maj-02 500

Slog #7 Kamere Sever Jun-02 125

Slog #8 Sočiva Jug Jul-02 400

Slog #9 Film Istok Avg-02 800

KljUČEVI

Sever

Mesec

ProizvodJug

Istok

Jan

Film

Sočiva

Kamere

Region

PRODAJA

DIMENZIJE

Feb Mar

17

Karakteristike Warehousing-a

Načini održavanja podataka u skladištu

1. U skladištu - procedure za pretraživanje

2. U skladištu - samo agregirani podaci

3. Sve podatke držati u skladištu

Osvežavanje podataka u skladištu

kompletno, u vremenskom intervaluili

ažuriranje samo onih podataka, koji su se menjali između dva ažuriranja

18

OLAP - filozofija

Data Warehousing pristup

Migracija podataka iz heterogenih izvora

u jedinstveno homogeno skladište podataka

Skladištenje

ekstrahovanih, filtriranih i agregiranih podataka

sa mogucnošcu slojevitog, multidimenzionalnog pristupa,

radi donošenja odluka strateškog nivoa

Poslovna inteligencija

Poboljšanje procesa upravljanja

Planiranje, kontrola, merenje i/ili primena promena koje dovode do povecanja prihoda i smanjenja troškova

Unapređenje poslovnog procesa

Detekcija prevara, obrada narudžbenica, kupovina koja rezultuje povecanim prihodima i smanjenim troškovima

Inteligencija prognoza i predviđanje buducnosti

Prednosti sistema za poslovnu

inteligenciju

Dominantne kompanije na svetskom

tržištu na polju poslovne inteligencije

Parametrizovani izveštaji

Produkcioni izveštaji

Kontolne table/liste rezultata

Upit na prečac/pretraga/kreiranje

izveštaja

Kretanje ka dole (Drill down)

Prognoze, scenariji, modeli

Analitičke funkcije koje sistemu za

poslovnu inteligenciju isporučuju za

postizanje ciljeva

Poslovna inteligencija - primer

Glavna arhiva istorijskih i tekucih podataka

kompanije tzv. korporativna memorija.

Skladište podataka sadrži sirovi materijal za

sisteme za podršku menadžerskom

odlučivanju

Koristi OLAP sistem

Šta je skladište podataka

(DW)?

Denormalizovana baza podataka preduzeca

koja ima sledece karakteristike:

Predmetno orijentisana

Nepromenjiva

Integrisana

Vremenska dimenzija

Skladište podataka

Podaci su orijentisani oko predmeta (prodaja,

ispitna prijava, telefonski poziv,...)

Predmetno orijentisana

Podaci koji se jednom smeste u skladište

podataka više nisu podložni promenama

Nepromenjivost

Skladište podataka se puni sa više izvora

Svi podaci sa istim značenjem MORAJU da

imaju iste oznake (npr. različiti zapisi datuma)

Integrisanost

U skladištu se beleže istorijski podaci

Svaki upit izvršen nad skladištem podataka

ima neki element vremena vezan za sebe

Otvara se novi horizont dobijanjem strateških

informacija na osnovu istorijskih podataka

Vremenska dimenzija

Zvezdasta (star) šema

Pahulja (snowflake) šema

Jednostavniji problemi vs. Složeniji problemi

Manje spajanja tabela vs. Više spajanja tabela

Bolje performanse vs. Lošije performanse

Star vs. Snowflase

33

Microsoft DW proizvodi i komponente

Microsoft SQL Server

Integration Services

The SQL Server Import and Export Wizard

Reporting services

Data mining

Analysis services

Business Intelligence Development Studio

OLAP baze podataka omogucavaju upite

poslovne inteligencije

OLAP je tehnologija baze podataka koja je

optimizovana za upite i pravljenje izveštaja, a

ne za obradu transakcija

Izvorni podaci za OLAP su OLTP (Online

Transactional Processing) baze podataka koje

se obično nalaze u skladištima za podatke.

On-line Analytical Processing

(OLAP)

Visok stepen denormalizacije

Podaci su namenjeni analizi i kompleksnim upitima

Podaci su namenjeni za čitanje

Podaci su konzistentni

Podaci su istorijski

Paralelna obrada nije ugrožena

Visok stepen agregacije

Bolje performanse pri rešavanju kompleksnih upita

Nezavisnost od baze podataka

Može da objedinjuje podatke iz različitih BP

OLAP karakteristike

36

OLAP kocka

Vrednost

indikatora

Statistika (vreme)

Jedinica posmatranja

(hijerarhija)

Indikator

(hijerarhija)

• Cilj - poboljšanje analitičkih upita

• OLAP kocka - višedimenzionalna struktura, definisana

dimenzijama i kvantitativnim podacima (measures)

Kocka je softversko rešenje koje služi

poboljšanju klasičnog načina postavljanja upita

i izveštavanja

Dimenzije – podaci koji čine kocku

Mere – agregirani podaci po dimenzijama i

članovima dimenzija

OLAP kocka

Obrada podataka

Standardni SQL

upiti

Mb-Gb memorije

Sirovi podaci

Pristup: Svi

korisnici

Real-time podaci

OLTP vs. OLAP

Čitanje podataka

Kompleksni (analitički)

upiti

Pb-Gb-Tb Memorije

Agregirani podaci

Pristup: analitičar

Istorijski podaci

39

Tipične aplikacije

Profitabilnost proizvoda

Miks analiza proizvoda

Miks analiza kupaca

Aktivnosti menadžmenta

Segmentiranje tržišta

Profitabilnost komintenata

Analiza varijansi

Alokacija sredstava

Prognoze

Planiranja

Budžetiranja

Analize odstupanja

40

Beogradska akademija poslovnih i umetničkih

strukovnih studija

Menadžment informacioni sistemi

Hvala!

Pitanja?

dr Rade Matić