menadžment informacioni sistemi menadžment informacioni sistemi (mis) nije isto što i...
TRANSCRIPT
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
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